Teoria MateAvanzada 2018

Departamento de Matemática
Facultad de Ingeniería
Universidad Nacional de Mar del Plata
Matemática Avanzada
hhttttpp::////w
wwww
w33..ffii..m
mddpp..eedduu..aarr//m
maatteeaavvaannzzaaddaa
m
maatteeaavvaannzzaaddaa@
@ffii..m
mddpp..eedduu..aarr
2018
1
Contenido
INTRODUCCIÓN …………………………………………………………………………...3
TEMAS DE VARIABLE COMPLEJA ……………………………………………………...9
ANÁLISIS EN EL DOMINIO NATURAL (TEMPORAL; ESPACIAL )………………….31
ANÁLISIS EN EL DOMINIO TRANSFORMADO ……………………………………… 93
APÉNDICE ……………………………………………………………………………… 177
TABLAS ……………………………………………………………………………………185
2
Temas de Variable Compleja
INTRODUCCIÓN
Estos apuntes de cátedra tienen la finalidad de guiar al alumno en el estudio de los diferentes
temas de la asignatura. No debe considerarse único material para el estudio de los contenidos
impartidos, sino que debe ser complementado con la bibliografía detallada en las páginas
siguientes.
Para comprender sin dificultades los contenidos, se requiere tener conocimiento y habilidad en
la resolución de ejercicios de los siguientes temas:
 Álgebra de números complejos.

 Topología del plano complejo.
 Funciones de variable compleja.
 Condiciones necesarias y suficientes de Cauchy-Riemann.
 Funciones analíticas.
 Funciones armónicas.
 Familia de curvas ortogonales.
 Integrales curvilíneas de una función compleja.
Los alumnos deberán leer, siguiendo el cronograma, los temas relacionados con la clase
siguiente. Durante las teorías, los profesores desarrollarán los temas, realizarán ejemplos y
explicarán los nuevos conceptos fundamentándolos con las demostraciones más importantes,
aclararán las dudas presentadas e integrarán los conocimientos.
Los responsables de las prácticas explicarán distintos tipos de ejercicios integradores y
atenderán consultas de los alumnos.
Se recomienda asistir a las clases teóricas y prácticas ya que se realizarán explicaciones
conceptuales necesarias para la comprensión de los distintos temas.
3
Integrantes de la cátedra:
- Dra. Gloria Frontini

- Dra. Gabriela Messineo
- Dr. Fernando Otero
- Ing. Carlos Chiuro
- Mg. Ing. Alberto López
- Sr. Agustín Olarce
- Ing. Eugenio Gelós
Objetivos generales de la asignatura
 Familiarizar al alumno con el vocabulario adecuado para permitirle una mayor comprensión
de los contenidos impartidos en las asignaturas usuarias de ésta.
 Capacitar al alumno para profundizar los temas de acuerdo con las necesidades de cada
especialidad.
 Relacionar los diferentes conceptos, a fin de lograr un manejo integral de los mismos y
plantear situaciones nuevas.
Régimen de promoción:
La evaluación de la asignatura a lo largo del cursado se realizará en las siguientes instancias:

 2 exámenes parciales teórico prácticos que serán calificados en la escala de 1 a 100
puntos y su aprobación corresponderá a una nota de 50 o más puntos. La ausencia a un
parcial significa cero como nota.
 Seminarios con Matlab, que deberán realizarse antes de cada parcial. Serán de
asistencia obligatoria, siendo ésta la condición indispensable para poder rendir el parcial
correspondiente.
 1 Recuperatorio que puede utilizarse para reemplazar la nota de un parcial

desaprobado.
Cumplidas esas etapas el alumno podrá estar:
PROMOCIONADO: Si la suma de los dos parciales aprobados es de 140 puntos como

mínimo, sin haber hecho uso del recuperatorio.
HABILITADO: Si la suma de los dos parciales es de 100 puntos como mínimo.

En este caso podrá aprobar la asignatura rindiendo un examen TOTALIZADOR para el cual
tiene tres posibilidades.
La nota final del alumno en la asignatura resulta de las notas obtenidas en el totalizador y en los
parciales.
DESAPROBADO: Si no cumple con las condiciones anteriores. En este caso el alumno deberá
recursar la materia.
4
Programa analítico
I) Variable Compleja
I-1) Transformación e Integración.
Introducción y repaso. Transformación Conforme. Integrales en el campo complejo.
Teorema de Cauchy-Goursat. Consecuencias. Fórmula de la integral de Cauchy y de la
Derivada de la integral de Cauchy.
I-2) Series de potencias. Polos y residuos.

Series de Taylor. Series de Laurent. Métodos prácticos. Desarrollos en serie.
Convergencia. Definición de residuos. Singularidades aisladas: definición y
clasificación. Fórmulas para el cálculo de residuos. Teorema de los residuos.
II) Análisis de señales y sistemas en el dominio natural.
II-1) Clasificación y propiedades de Señales

Análisis de señales en el dominio del tiempo. Señales periódicas y no periódicas.
Señales de energía y de potencia. Tipos de señales. Función impulso. Función impulso
como límite de otra función. Función impulso desplazada. Propiedades.
II-2) Sistemas lineales e invariantes en el tiempo.

Análisis de sistemas lineales. Definición de sistemas lineales. Función operacional del
sistema. Solución de ecuaciones diferenciales en el dominio del tiempo. Solución
transitoria y permanente de un sistema estable. Aplicaciones a sistemas lineales.
II-3) Convolución.
Cálculo y propiedades de la integral de convolución. Cálculo de la respuesta al impulso.
Respuesta a funciones exponenciales. Estabilidad de un sistema. Relación entre la
respuesta al escalón y la respuesta al impulso.
II-4) Variable de estado.

Modelado de sistemas lineales mediante variables de estado. Concepto de estado.
Obtención del modelo de variables de estado para sistemas de una entrada, una salida de
tiempo continuo. Modelo de la segunda forma canónica. Definición de matriz de
transición. Solución de ecuaciones de estado en el dominio temporal. Cálculo de la
matriz de transición. Estabilidad.
III) Análisis de señales y sistemas en el dominio transformado.
III-1) Series de Fourier

Sistemas ortogonales de funciones. Funciones seccionalmente continuas. Vectores y
señales. Series de Fourier de una función relativa a un sistema ortonormal.
Aproximación cuadrática. Coeficientes de Fourier. Identidad de Parseval. Series
trigonométrica y exponencial de Fourier. Simetría de la forma de onda. Integración y
diferenciación de las series de Fourier. Espectro de frecuencia discreta. Definición.
Espectro de amplitud y de fase. Propiedades. Espectro de potencia. Respuesta de un
sistema lineal a una función periódica.
5
III-2) Transformada e integral de Fourier

Forma trigonométrica de la integral de Fourier. Convergencia de la integral de Fourier.
Transformada de Fourier. Linealidad de la transformada. Propiedades.
Forma seno y coseno de la integral de Fourier. Transformadas seno y coseno.
Transformada inversa de Fourier. Propiedades. Convolución.
III-3) Transformada de Laplace

Definición unilateral de la transformada de Laplace. Teoremas de existencia.
Convergencia. Propiedades. Transformada inversa. Propiedades. Métodos para
calcularla. Aplicaciones. Función de transferencia. Análisis de la estabilidad de un
sistema. Diagramas de bloques en el tiempo y en la frecuencia compleja. Análisis y
solución del modelo en variables de estado mediante la Transformada de Laplace.
Propiedades de la matriz de transición de los estados. Relación con la función de
transferencia. Estabilidad. Transformaciones de semejanza. Transformación por los
autovectores.
Bibliografía
 E.KREYSZIG: Matemáticas avanzadas para Ingeniería. Ed. Limusa.

 R.V.CHURCHILL; J.W.BROWN: Variable compleja y aplicaciones. Ed. Mc Graw Hill.
 M.R.SPIEGEL: Variable compleja. Serie Schaum. Ed. Mc Graw Hill.
 R.A.GABEL, R.A. ROBERTS: Señales y Sistemas lineales. Ed. Limusa S.A.
 C.D.MC GILLEN, H.R.COOPER: Continuos and Discrete Signal and System Analysis.
Ed.Holt-Rinehart and Winston.
 R.V.CHURCHILL: Series de Fourier y problemas de contorno. Ed. Mc Graw Hill.
 H.R.HSU: Análisis de Fourier. Fondo educativo interamericano S.A.
 M.R.SPIEGEL: Transformada de Laplace. Serie Schaum. Mc Graw Hill.
 A.PAPOULIS: The Fourier Integral and its Aplications. Mc Graw Hill.
 M.R.SPIEGEL: Análisis de Fourier. Serie Schaum. Ed. Mc Graw Hill.
 OPPENHEIN –WILLSKY: Señales y Sistemas. Prentice Hall.
 C.L.PHILLIPS - J.M.PARR: Signals, Systems, and Transforms. Prentice Hall.
 http://www.jhu.edu/~ signals
6
Cronograma Cursada
Sem Temas a desarrollar

1 Revisión de conceptos de variable compleja.
5/3 Funciones Analíticas. Ceros y Singularidades. Transformaciones. Teorema de
7/3 Cauchy-Goursat. Consecuencias. Fórmula de la integral de Cauchy y de la
derivada de la integral de Cauchy. Residuos
2 Teorema de residuos. Series, polos y residuos. Series de Laurent. Métodos
12/3 prácticos
14/3 Práctica demostrativa 1.
3 Fórmulas para el cálculo de residuos: simples y múltiple. Análisis de señales.
19/3 Clasificación. Señales de energía y potencia. Señales causales y anticausales.
21/3 Simetrías. Compresión y dilatación.
4 Función rampa. Escalón unitario. Pulsos. Función impulso.
26/3 Sistemas lineales. Definición. Propiedades y Clasificación.
28/3 Parcialito 26/3
Seminario 1 28/3
5 Diagramas en Bloques. Resolución de ecuaciones diferenciales. Descomposición
4/4 de la respuesta total. Respuesta al Impulso.
Práctica demostrativa 2
6 Convolución en tiempo continuo. Propiedades. Ejemplos. Estabilidad de un
9/4 sistema BIBO. Cálculo de la respuesta al impulso. Relación entre la respuesta al
11/4 escalón y la respuesta al impulso. Respuesta permanente a señales exponenciales
complejas.
Práctica demostrativa 3
7 Modelado de sistemas lineales en variables de estado. Matriz de transición.

16/4 Definición y propiedades y cálculo de e At. Variable de estado: solución en el
18/4 dominio temporal.
8 Transformaciones de Semejanza.
23/4 Clase de repaso.
25/4 Seminario 2
9 Primer parcial
2/5
10 Ortogonalidad de funciones. Deducción de los coeficientes de Fourier. Series de
7/5 Fourier generalizada. Error cuadrático medio. Identidad de Parseval. Serie
9/5 exponencial y trigonométrica de Fourier.
Seminario 3
11 Convergencia. Teorema de Dirichlet. Ejemplos: tren de pulsos rectangulares,
14/5 diente de sierra, tren de impulsos, etc. Respuesta permanente de un sistema lineal
16/5 a una entrada periódica. Simetrías. Espectro discreto de frecuencia. Propiedades.
Espectro discreto de potencia.
12 Transformada de Fourier de señales de energía. Definición. Espectro de fase y de

21/5 amplitud. Teorema de la integral de Fourier. T. de Fourier de algunas señales:
23/5 pulso rectangular, exponencial unilateral y triangular. Propiedades de la T. de
Fourier: Simetría. Linealidad. Escala.
7
13 Convolución. Desplazamiento. Diferenciación e integración. Espectro de Energía.

28/5 Transmisión de señales a través de Sistemas lineales. Filtros. T. de Fourier de
30/5 señales de potencia. T. de Fourier de señales causales: T. de Fourier seno y
coseno. T. de Fourier de funciones periódicas.Transformada unilateral de Laplace.
Condiciones suficientes de existencia. Región de convergencia. Pares
transformados. Relación con la Transformada de Fourier.
14 Propiedades de la Transformada de Laplace. Linealidad. Escala. Traslación.
4/6 Convolución. Desplazamiento. Diferenciación e integración. Teoremas del valor
6/6 inicial y del valor final. Transformada de Inversa de Laplace. Resolución de
ecuaciones diferenciales. Aplicación a Sistemas Lineales. Función de
Transferencia. Estabilidad.
Seminario 4
15 Diagramas en bloques en la variable “s”. Ejemplos. Solución mediante

11/6 Transformada de Laplace. Respuesta transitoria y estacionaria. Aplicación de la
13/6 Transformada de Laplace al modelado en variables de estado. Relación con la
Función de transferencia. Estabilidad del sistema. Transformaciones de
semejanza. Transformación de los autovalores.
16
18/6 Clase de repaso.
25/6 Segundo Parcial
2/7 Recuperatorio
8
TEMAS DE VARIABLE
COMPLEJA
Gráfico de la función f(z)=(z2-1)(z-2-j)2/(z2+2+2j).

La coloración representa el argumento de la
función, mientas que el brillo representa el módulo.
9
INTRODUCCIÓN
FUNCIONES ANALÍTICAS
La función w = f(z), definida para los números complejos z=x+jy es analítica en un punto
dado z0  D si la misma es derivable tanto en el propio punto z0 como en un cierto entorno del
mismo.
Es condición necesaria (aunque no suficiente) para la derivabilidad de este tipo de funciones
que se verifiquen las Condiciones de Cauchy-Riemann (C-R), dos ecuaciones diferenciales
parciales básicas en el análisis de funciones complejas de variable compleja.
Recordamos las condiciones de C-R para f(z) =u(x,y)+jv(x,y) : u x  v y ; v x  u y .
Es condición necesaria y suficiente para que una función f(z) continua sea derivable en un
punto (x,y), que se verifiquen las condiciones de C-R y que las derivadas parciales de u y v
sean continuas en ese punto.
Singularidad : z0 es una singularidad de f(z), si f(z) es analítica en algún punto de cierto

entorno de z0, pero no lo es en el propio punto z0
Decimos que una función es entera, si es analítica en todo el plano z infinito. Por ejemplo, un
polinomio es una función entera.
Una función racional, cociente entre 2 polinomios, es analítica salvo en los valores de z tales
que el polinomio del denominador es cero; esos valores serán puntos singulares de f(z).
a n z n  a n 1 z n 1  .....  a0
f ( z) 
bm z m  bm1 z m1  .....  b0
Singularidad aislada: Si existe cierto entorno de un punto singular z 0 de un función f, en todo

el cual f es analítica, excepto en el propio punto, entonces z 0 es un punto singular aislado de f.
Otra forma de definirla es la siguiente: f (z) tiene una singularidad aislada en z = z 0 si es
analítica en un entorno reducido de z 0 .
Tipos de singularidades aisladas: clasificamos a las singularidades como polo, singularidad

esencial o singularidad evitable.
Como determinar la naturaleza de una singularidad
I) Si lim f(z)   entonces decimos que f(z) tiene un polo en z = z 0 .

z z 0
Para que un punto z 0 sea un polo de orden ‘m’ de f(z), es necesario y suficiente que f(z) pueda
φ(z)
expresarse de la forma: f(z)  con φ(z 0 )  0 y φ(z) analítica en z 0 .
(z  z 0 ) m
Similarmente, podemos decir que z 0 será un polo de orden ‘m’ si lim (z  z 0 )m .f(z)  k , k  0
z z 0
II) Si lim f(z) no existe entonces z = z 0 es una singularidad esencial de la función.

z z 0
III) Si lim f(z)  L entonces z = z 0 es una singularidad evitable.

z z 0
10
Ejercicios: Analizar los tipos de singularidades en los puntos indicados

sen z
1) f(z)  en z 0  0 Rta. Singularidad evitable
z
sen z
2) f (z)  3 en z 0  0 Rta. Polo de segundo orden.
z
1  e z
3) f (z)  en z 0  0 Rta. Singularidad evitable
z
1
4) f (z)  e en z 0  0
z Rta. Singularidad esencial
1  cos z
5) f (z)  en z 0  0 Rta. Polo de quinto orden
z7
CEROS DE UNA FUNCIÓN
Supongamos que la f(z) es analítica en el punto z 0 . El punto z 0 se llama cero de la función

f(z) de orden ‘n’ si se cumplen las siguientes condiciones:
f (z 0 )  0; f (z 0 )  0;...............;f ( n 1) (z 0 )  0; f n  (z 0 )  0

Si n = 1 el punto z 0 es un cero simple.
Un punto z 0 es un cero de orden ‘n’ de la f(z), que es analítica en el punto z 0 , si y sólo si, en
cierto entorno de ese punto se verifica la igualdad:
f (z)  z  z 0  (z), donde (z) es analítica en z 0 y (z 0 )  0

n
Ejercicios
Determinar los ceros de las siguientes funciones y encontrar el orden de los mismos.
1) f (z)  z  a 
3
Respuesta: z 0 = a es un cero de tercer orden
2) f (z)  1  e z Respuesta: z 0 = 2kj es un cero simple
TRANSFORMACIÓN(O MAPEO) CONFORME
Definición: Una función w = f(z) analítica y no constante transforma un dominio D del plano
z en otro dominio f(D) del plano w. En los puntos en los que f (z)  0 una aplicación de este
tipo posee una importante propiedad de ser conforme, lo que significa que si dos curvas
cualesquiera se cortan en un punto de D, sus imágenes en f(D) se cortan formando el mismo
ángulo que aquellas.
En cada punto z de un dominio donde f es analítica y f (z)  0 la transformación
w = f(z) es conforme.
z w
C1 C1 *
C2
C2 *
C1 *
Fig.1: Curvas C1 y C2 Fig.2: Imágenes de las curvas C1*, C2*,

respectivamente bajo un mapeo conforme.
11
Se describen a continuación algunos ejemplos de transformaciones conformes.
Transformación lineal
Forma general: w = Az + B; A y B constantes complejas.
a) Si w = z + B ( para A=1)
 u  x  B1
u  jv  x  jy  B1  jB 2   (son las coordenadas de transformación)
v  y  B 2
Representa una traslación, sin la modificación de la forma, ni orientación, ni tamaño de la
figura.
b) Si w = Az , trabajando en coordenadas polares, obtenemos:
w  Az
   R.r
e j  Re j .re j  
    
Representa una rotación según  (argumento de A) y una magnificación (contracción o

dilatación) de la figura según: A  R Si A  1 hay dilatación ; si A  1 hay contracció n .
c) w = Az + B (para B≠0) Representa una combinación de rotación con magnificación y

traslación.
Ejemplo 1:
Si se quisiera encontrar la imagen de la siguiente región: 0  x  1; 0  y  2 , mediante
w = (1+j)z + (2-j) se arribaría a las siguientes conclusiones:

 Rotación según arg(1+j) =
4
 Magnificación según: 1  j  2 ; 2 1  dilatación
 Traslación según (2-j)
Transformación inversa
1 1
Forma general: w  o z .
z w
Excepto para z = 0, w = 0 (los que no tiene imagen) se establece una correspondencia uno a uno
En polares:
1 

1
j
e  j   r
re 
   
Existe una simetría respecto al eje real y además una inversión respecto de la circunferencia de
radio r = 1, o sea:
Si r > 1  < 1 ; si r < 1  > 1.
12
En cartesianas:
1
w
z
 x
 u 2
1 x  jy  x  y2
u  jv  .  ,
x  jy x  jy v   y
 x 2  y2
1
o bien, para z puede escribirse:
w
u v
x ; y 2
u v
2 2
u  v2
Estudiemos la transformación inversa de una familia de circunferencias y rectas
Si (a, b, c, d)  R, la ecuación de una familia de circunferencias o rectas (dependiendo de a 0 o

a = 0) en el plano z es:
a(x2+y2) + bx + cy + d = 0
Si se aplica la transformación inversa a los puntos que cumplen con la igualdad de arriba,
tenemos que en el plano w corresponde a:
  bu  c v   d  0 ,
 u 2  v2 
a
 
 u 2  v2 2  u 2  v2 u 2  v2
 
y operando se obtiene que
d (u2+v2) + bu – cv +a = 0.
Luego, como la región a(x2+y2) + bx + cy + d = 0 en el plano z resultó en

d (u2+v2) + bu – cv +a = 0 en el plano w,
se concluye que la región transformada resulta también una familia de circunferencias o rectas.
Ejemplos:
2) Transformar x2+y2 - 4x + 2y = 0 mediante la transformación inversa.

1
Respuesta: v = -2u + .
2
3) Hallar analítica y gráficamente mediante la transformación inversa, la imagen de la región rayada:
z)
j/2
13

 u0

 u  v  1  1
2 2
Respuesta:
 2  1
2
1
2
u   v     
  2 2
El punto del infinito
Una aplicación de la transformada inversa es que permite encontrar la imagen del punto del
infinito
1
Notación: z =  (Indica que es la imagen de w = 0 bajo la transformación w = )
z
1
Analíticamente se considera z  pues si z  , entonces z  0. Utilizando esta
z
sustitución se simplifica la tarea en el cálculo de límites.
El punto del infinito recibe el nombre de punto impropio llamado  .
El plano complejo más el punto infinito, recibe el nombre de plano complejo extendido, sin
ese punto se llama plano complejo finito.
4z 2
Ejemplo 4: Transformar el punto z =  mediante: w  . Respuesta: w = 4
1  z 2
Transformación bilineal (o lineal fraccionaria u homográfica)
az  b
Forma general: w  , ad - bc  0, (a, b, c, d : constantes complejas)
cz  d
Las transformaciones de este tipo transforman circunferencias y rectas en circunferencias y rectas.
Observar que cuando c0 , la forma general se puede escribir, realizando la división de los
ad
b
polinomios, como: w 
a c  a  bc  ad . 1 .
c cz  d c c cz  d
1 a bc  ad
Haciendo: z = cz+d (A) y z  (B), resulta: w   .z (C)
z c c
Las ecuaciones (A) ,(B) y (C) representan tres transformaciones sucesivas en que se descompo-
ne la transformación bilineal. La primera y la tercera son de tipo lineal y la segunda es inversa.
Hay sólo una transformación bilineal que transforma tres puntos distintos dados:
z1, z2, z3 , en otros tres puntos distintos w1, w2, w3, respectivamente.
Dicha transformación viene dada por la fórmula:

( w  w1 )( w2  w3 ) ( z  z1 )( z2  z3 )

( w  w3 )( w2  w1 ) ( z  z3 )( z2  z1 )
Demostración:
Supongamos un punto zi del plano Z cuya imagen es wi :
14
azi  b
wi 
czi  d
Análogamente para el punto z j :
az j  b
wj 
cz j  d
Si restamos ambas expresiones y operamos se obtiene que:
az  b az j  b (ad  bc)( zi  z j )
wi  w j  i   .
czi  d cz j  d (czi  d )(cz j  d )
Ahora, realizando este procedimiento para " w  wi " , " w2  w3 " , " w  w3 " y " w2  w1 " puede
escribirse:
(ad  bc)( z  z1 )
w  w1 
(cz  d )(cz  d )
(ad  bc )( z2  z3 )
w2  w3 
(cz2  d )(cz3  d )
(ad  bc)( z  z3 )
w  w3 
(cz  d )(cz3  d )
(ad  bc)( z2  z1 )
w2  w1 
(cz2  d )(cz1  d )
Luego, realizando el cociente entre el producto de las dos primeras expresiones y el producto de
las dos últimas, se obtiene la relación buscada:
( w  w1 )( w2  w3 ) ( z  z1 )( z2  z3 )
 .
( w  w3 )( w2  w1 ) ( z  z3 )( z2  z1 )
También, si se reescribe la ecuación del siguiente modo:
w  w1 w 2  w 3  z  z 3  z 2  z1  = w  w 3 w 2  w1  z  z1 z 2  z 3  ,

es fácil observar que:
* Si z = z1 entonces el segundo miembro es 0 y w = w1
* Si z = z3 entonces el primer miembro es 0 y w = w3
* Si z = z2 entonces w  w 1 w 2  w 3  = w  w 3 w 2  w 1  , de donde:
w (w1-w3) = w2 (w1-w3) , por lo tanto: w = w2
También se puede trabajar con el punto del infinito mediante sustituciones adecuadas con el
paso al límite.
Se denomina punto doble (o fijo) aquel cuya imagen w representa el mismo número.
La transformación tiene como máximo dos puntos dobles representados por las raíces en z,
az  b
obtenidas en la ecuación: w  haciendo z = w
cz  d
15
Ejemplos:
5) Encontrar la transformación que mapea: z1 = 1, z2 = 0, z3 = -1 en los puntos
1  z(2 j  1)
w1 = j, w2 = 1, w3 = . Respuesta: w
(z  1)
(z  j)  v0
6) Mediante w  , transformar x>0, y>0. Respuesta:  2
(z  j) u  v  1
2
7) Hallar la transformación bilineal del círculo z <5 en el círculo w <1, de tal modo que los
puntos z1 = -5, z2 = 4+3j, z3 = 5 se transformen en los puntos w1 = -1, w2 = j, w3 =1.
2z  5
Respuesta: w 
10  z
INTEGRACIÓN EN EL PLANO COMPLEJO

Una integral de línea o curvilínea es aquella integral cuya función es evaluada sobre una
curva, por ejemplo, la curva C que va de A a B. Esta integral
es una generalización de la definición de la integral definida real. y
Sin embargo su interpretación no es tan sencilla como la de la B
integral definida del cálculo elemental ( área bajo la curva descripta
por el integrando). La curva C se llama trayectoria de integración.
C x
Ejemplos prácticos de su utilización pueden ser:
A
1- el cálculo de la longitud de una curva en el espacio,
2- el cálculo del volumen de un objeto descrito por una curva, objeto del que se posee una
función (campo escalar) que describe su volumen a lo largo de la curva,
3- el cálculo del trabajo que se realiza para mover algún objeto a lo largo de una trayectoria
teniendo en cuenta campos de fuerzas (descritos por campos vectoriales) que actúen sobre
el mismo.
Recordemos el Teorema de Green en el plano (integrales curvilíneas reales), que da la

relación entre una integral de línea alrededor de una curva cerrada simple C y una
integral doble sobre la región plana R limitada por C:
Sean 2 funciones P(x,y) y Q(x,y) y sus primeras derivadas parciales funciones continuas en toda
una región cerrada R, constituida por todos los puntos interiores a un contorno cerrado C, junto
 Q P 
con el contorno mismo, entonces:  Pdx  Qdy      dxdy .
C R 
x y 
y
C se recorre en sentido positivo (antihorario).
En el caso de una curva cerrada en dos dimensiones, la integral C
curvilínea se llama también integral de contorno. x
R
16
Integrales de línea complejas
Consideremos una función f(z) = u(x,y) +j v(x,y) la cual es analítica en todos los puntos
interiores y sobre un contorno cerrado C, y es tal que f ( z) es continua allí. Se quiere evaluar la
integral curvilínea:
 f(z)dz
C
Es fácil ver que las integrales de línea complejas pueden expresarse en términos de
integrales de línea reales, en función de sus componentes. Si se sustituye f(z) = u(x,y) +j
v(x,y) y dz = dx +j dy en la integral y se opera, resulta:
 
 f (z)dz   u(x, y)dx  v(x, y)dy  j  v(x, y)dx   u(x, y)dy 
C C C C C
TEOREMA DE CAUCHY-GOURSAT
Sea f(z) una función analítica en un dominio simplemente conexo D. Entonces, dado un
contorno cerrado simple C contenido en D, tenemos:  f(z)dz = 0.
C
Demostración
 
Como:  f (z)dz   u(x, y)dx  v(x, y)dy  j  v(x, y)dx   u(x, y)dy  .
C C C C C
Entonces como f(z) es analítica, u y v y sus derivadas parciales de primer orden son continuas
en la misma región.
Dadas las propiedades de u y v, es posible aplicar el teorema de Green. Entonces, el segundo
miembro se modifica como,
 v u   u v 
C f (z)dz  R  x  y dxdy  j R  x  y dxdy .
u v v u
Como se cumplen las condiciones de Cauchy-Riemann,  ,  entonces el
x y x y
segundo miembro se anula y resulta:  f(z)dz  0 .
C
Esta demostración, basada en el teorema de Green, exige que f ( z ) sea continua en R ya que de
lo contrario no podríamos aplicar dicho teorema. Cauchy obtuvo en 1814 por primera vez este
resultado, valiéndose de una fórmula equivalente ya que Green no había aún explicitado su
teorema. Otra demostración, menos restrictiva, fue formulada a fines del siglo XIX por Goursat,
que no requiere que f ( z ) sea continua. Estas deducciones se conocen como Teorema de
Cauchy-Goursat, o a veces únicamente como teorema de la integral de Cauchy.
 e dz  0
z
Ejercicio 8: Probar que para toda trayectoria cerrada.
C
17
Consecuencias del teorema de Cauchy-Goursat
Consecuencia 1
Supongamos f(z) analítica en una región comprendida entre dos curvas C y C1, es decir, en
un dominio doblemente conexo, entonces de puede probar que:
 f(z)dz
C
  f(z)dz
C1
Demostración:
Un dominio doblemente conexo se transforma en simplemente C1
conexo con un corte AB, y entonces se puede aplicar el
teorema de Cauchy-Goursat:
A B A
     0
C B C1 A B C
Observe que C y C1 están recorridos en sentidos contrarios.
B A B B
Además, como:    , y    , podemos escribir:      0 ,
A B C1 C1 C A C1 A
de aquí que:    , ambas recorridas en el mismo sentido.

C C1
Si generalizamos para un dominio multiplemente conexo, Cj (j = 1,2,3,..........n) es:

C
 
C1
 
C2
 
C3
 ..............  
Cn
Consecuencia 2 : Principio de la independencia de la trayectoria

Si f(z) es analítica en un domino simplemente conexo D , si tomamos dos puntos A y B
cualesquiera contenidos en D, y dos curvas C1 y C2 , también contenidas en dicho dominio,
se puede deducir que:
ABC1
 f (z)dz   f (z)dz
ABC2
Luego, la integral no depende del camino entre A y B.
Es esta otra consecuencia del teorema de Cauchy-Goursat, ya que si partimos de A por C2 y

volvemos a A por C1 y a la curva cerrada la llamamos C* , siendo C*= C1+(-C2 ) sabiendo que
la integral sobre C* es 0, resulta:
C2 B
   , según las condiciones dadas es:   0 , entonces:
C* C1 C2 C*
A
 
ABC1 BAC2
0 y 
BAC2
   
ABC2 ABC2 ABC1
C1
Observamos que la integral no depende del camino sino de los extremos.
18
Ejercicio 9:
z2
a) Para z1= 2-2j y z2= 2+2j , calcule  f (z) dz , para f(z) =ez
z1
jy
j2
2 x
-j2
Integral definida: Una integral definida puede calcularse por el incremento que sufre la integral

indefinida, como en el caso de integrales reales:  f (z)dz  F()  F() , donde los caminos de

integración están contenidos en un dominio simplemente conexo, en el que f(z) es analítica.
RESIDUOS
Definición: Sea f(z) una función analítica en un contorno cerrado C, simplemente conexo y en
todo punto del interior de C, salvo z 0 . Se denomina residuo de la función f(z) en una
singularidad aislada z = z 0 al número definido por:
1
2j C
Re s f ( z )  f ( z )dz
z  z0
 Toda función tiene un residuo en cada uno de sus puntos singulares aislados.
 Sin embargo, el valor del residuo puede ser cero.
(z)
 Recuerde que si z0 es un polo simple, entonces f(z)  , con (z) analítica y ( z0 )  0 .
z  z0
Puede probarse que Res f ( z )  lim ( z  z0 ) f(z)   ( z0 ) (Por la Fórmula de la Integral
z  z0 z  z0
de Cauchy (se verá mas adelante)).

(z)  ( m1) ( z 0 )
Además, si z0 es un polo múltiple, f(z)  y Res f ( z )  .
z  z0 m zz 0 (m  1)!
 Más adelante se demostrará que si z 0 es un polo simple de f(z), y si

P( z)
f (z)  , P(z) y Q(z) analíticas en z 0 y P( z 0 )  0 ; Q( z 0 )  0 y Q( z 0 )  0 ,
Q( z )
P(z 0 )
entonces el residuo es también Res f(z)  .
z  z0 Q(z 0 )
z2  2z  3
Ejercicio 10: Determinar el residuo de la siguiente función f ( z )  en sus
z2
singularidades. ( Rta: Re s f(z)  3 ).
z 2
19
TEOREMA DE LOS RESIDUOS
El Teorema de los residuos es consecuencia directa del Teorema de la integral de

Cauchy y forma parte fundamental de la teoría matemática de Análisis Complejo.
Sea C una curva cerrada en el plano complejo tal que la función f(z) es analítica en el
interior de C y sobre C, excepto en un número finito de puntos singulares aislados
z 1 , z 2 ,............zm interiores a C. Si k 1 , k 2 ,............k m representan los residuos de f en
aquellos puntos se tiene que: C
m C1 C2
 f(z)dz  2j  
Res f(z)
z z i z2
C i 1 z1
Demostración:
Encerramos a cada uno de los puntos singulares zi en un círculo Ci con C3 Cm
radio pequeño para que queden separados todos esos ‘m’ círculos y C. z3 zm
Entonces f(z) es analítica en el dominio multiplemente conexo
limitado por C1, C2,...........,Cm y sobre la frontera.
De acuerdo con la primera consecuencia del teorema de Cauchy-Goursat se concluye que:

 f ( z)dz   f ( z) dz   f ( z) dz ...........   f ( z) dz
C C1 C2 Cm
Como:  f ( z) dz  2 jk1 ;  f ( z) dz  2 jk2 ; ...............  f ( z ) dz  2 jkm ,

C1 C2 Cm
m
entonces:  f ( z ) dz  2 j (k1  k 2  ...........  k m )  2 j  Re s f ( z ) .
C i 1 z  zi
Ejercicio 11: Resolver las siguientes integrales aplicando el teorema de los residuos.
3z  2
3
dz 
a)  dz Rta. j ; b)  3 , Rta. j
C z  2
(z  1)(z  9)
2
C z 2
z (z  4) 32
dz
c) 
C z  4
sh z
, Rta. - 2j .
FÓRMULA DE LA INTEGRAL DE CAUCHY
Sea (z) analítica (y unívoca en un domino simplemente conexo) en todos los puntos
interiores y sobre un contorno cerrado C; si z0 es cualquier punto interior a C se tiene
1  (z)
 (z 0 )   dz ,
2j C z  z 0
donde la integral se toma en sentido positivo alrededor de C.
20
La fórmula muestra que el valor de la función, que es analítica en una región, está determinado
en toda la región por sus valores sobre el contorno.
Demostración:
Sea C0 una circunferencia con centro en z 0 tal que z  z 0  r0 y r0 lo suficientemente
pequeño para que C0 sea interior a C.
 ( z)
La función es analítica en todos los puntos interiores y sobre C, excepto en el punto z 0 .
z  z0
Por lo tanto la integral alrededor del contorno de la región anular entre C y C0 es cero, y según
la primera consecuencia del teorema de Cauchy-Goursat:
 ( z)  ( z)
 z  z dz   z  z dz , donde ambas integrales se toman en sentido positivo.
C 0 C0 0
Utilizando un artificio en el segundo miembro: C C0

z
 ( z)  ( z)   ( z0 )   ( z0 ) r0
zz dz   z  z0
dz
z0
C 0 C0
 ( z) dz  ( z)   ( z0 )
Entonces: zz dz   ( z 0 )   dz (A)
C0 z  z 0 z  z0
C 0
  
C0

I II
Analizamos cada una de las integrales I y II.
2
r0 je j
Sea z  z 0  r0 e j
y dz  r0 e jdθ , entonces I: 
jθ dz
 0 r0e j d  j 02  2j .
C0
z  z0
Para II: Se toma el valor absoluto y se tiene en cuenta que es continua en z 0 , entonces:
  0,    ( )  0 /  ( z )   ( z 0 )   para z  z 0   .
En particular z  z 0  r0 , interior a C.
 ( z)   ( z0 )  ( z)   ( z0 )  
 dz   dz   dz  2 r0  2  0
C0 z  z0 C0 z  z0 r0 C0 r0
Puesto que el número  puede ser tan pequeño como se desee, el valor absoluto de la integral
también puede hacerse arbitrariamente pequeño. Reducir  equivale simplemente a reducir el
radio de C0.
 ( z) 1  (z)
Reemplazando en (A), resulta:  dz   ( z 0 ).2j  0   (z 0 )   dz
C z  z0 2j C z  z 0
Ejercicios:
z2 1
12) Calcular :  2 dz a lo largo del círculo de radio 1 con centro en a, para:
C z  1
a) a = 1 (Rta. 2j) c) a = -1 (Rta. -2j)
1
b) a = (Rta. 2j) d) a = j (Rta. 0)
2
21
jy
cos z
13) a) Calcule  dz , donde C es el contorno 2j
C
z  1
triangular mostrado en la figura.
cos z
b) Calcule  dz , donde C es 2 x
C
z1
-2j
el mismo contorno que en el apartado a).
14)
a) Reconsidere la función del Ej 12) y Calcule la integral a lo largo del círculo de radio
2 con centro en 0. Discuta el resultado en relación al obtenido en 12-d). (Rta. 0).
b) Considere ahora la curva C como en 14-a) pero para integrar 2 nuevas funciones:
z 3z 2  1
f1 ( z )  2 , f 2 ( z)  .
( z  1) ( z  1) z
2z  1
c) Calcule  dz (Rta. 0)
C z 4
( z  1)( z  2 )( z  3)
Fórmula de la derivada de la integral de Cauchy
Si la función (z) es analítica en un recinto D y en su frontera C, entonces para cualquier

número natural n se verifica la fórmula:
n!  (z)
 (n) (z 0 )   dz donde z 0  D, z  C
2j C (z  z 0 ) n 1
Se puede demostrar partiendo de la fórmula de la integral de Cauchy y derivando respecto de

z 0 ; cuando se llega a  ' ( z 0 ) se reitera el proceso y por inducción se llega a lo que se quería
demostrar y concluir: Si una función  es analítica en un punto entonces sus derivadas de
todos los órdenes ´,  ´´,................; son también analíticas en aquel punto.
Ejercicios:
e 2z ch z   j 
15) a) Calcular 
C z 2 ( z  1 ) 3
dz ; (Rta. 4e2j) ; b) Calcular 
C  z  2 ( z  1) ( z  1)
3
dz ;  Rta .
 2e 
 .
________________________________________________________________________________
22
SERIES. POLOS Y RESIDUOS
Revisemos previamente los siguientes temas:
Series de potencias
Una serie de potencias en z = a es una serie infinita de la forma:


c
n 0
n (z  a ) n  c 0  c1 (z  a )  c 2 (z  a ) 2  ...............  c n (z  a ) n ...........
donde z es la variable; c0, c1,...................,cn son los coeficientes y a una constante que recibe el
nombre de centro de la serie.

En particular si a=0, se obtiene una serie de potencias en z : c
n 0
n zn
La región de convergencia se determina con un círculo de centro a y radio R, tal que en

z  a  R la serie es convergente y si z  a  R es divergente. El círculo z  a  R se llama
círculo de convergencia y su radio recibe el nombre de radio de convergencia.
c
El radio se calcula, por medio de los coeficientes de la serie, L  lim n 1 y según la fórmula
n  c
n
1
de Cauchy-Hadamard: R  .
L
 Si L = 0  R =  la serie converge para todo z.
 Si L =   R = 0 la serie converge en z = a
Ejercicios 16:
 
zn nz n
a) 
n 1 n
Respuesta: R = 1 y z  1 ; b) 
n 1 2
n
Respuesta: R = 2 y z  2
Series de Taylor
Sea f(z) analítica en todos los puntos interiores a una circunferencia C0 con centro en z0 y
radio R. En cada punto z interior a C0:
f (z 0 ) f (n)
f(z)  f(z 0 )  f (z 0 )(z  z 0 )  (z  z 0 ) 2 .................  (z  z 0 ) n  R n .
2! n!
Luego, la serie infinita converge a f(z) si Rn 0 cuando n  .
La convergencia está garantizada si f es analítica en el interior de C0.

La RC definida es siempre una región abierta. El radio R es la distancia desde el punto z0 hasta
el punto singular de f que esté más próximo a z0, ya que la función es analítica en todos los
puntos interiores a C0.
23
Ejercicio 17
1
a) Determinar el radio de convergencia de la serie de Taylor para f (z)  siendo z0 = j
1 z
(Respuesta: R  2 ).
2
b) Desarrollar f ( z)  en potencias de “z-1”
z3
Solución para el inciso b) :
Si se trabaja algebraicamente con f(z) puede escribirse que:

2 2 ( 1)
f(z)    (I)
( z  1)  2  ( z  1)   ( z  1) 
( 2) 1  1
 2   2 
( z  1)
Ahora, recodando la serie geométrica para q= la forma (I) es el valor de
2
 ( z  1) 
n
( z  1)
convergencia de la serie f(z)  ( 1)   para  1.
 2  2
Así, pudo encontrarse la serie de Taylor buscada:
 n
1
f(z)  ( 1)   ( z  1) n , válida para ( z  1)  2 .
n 0  2 
Desarrollos en serie más utilizados:
1) Serie binomial:

     (  1)........(  n  1)
(1  z)     z n , z  1; donde    1,   
n 0  n  0 n n!
Casos particulares:

1
1-1)   ( 1) n z n , z  1 ó (1  z ) 1  1  z  z 2  z 3  ..............
1  z n 0

1
1-2)   ( z ) n , z  1 ó (1  (  z )) 1  1  z  z 2  z 3  ..............
1  z n 0
m(m  1)z 2 m(m  1)(m  2)z 3
1-3) (1  z) m  1  mz    ............., z  1
2! 3!

z 2n 1
2) sen z   (1) n 1 , z 
n 1 (2n  1)!

z 2n
3) cos z  1   (1) n , z 
n 1 (2n )!

zn
4) e z  1   , z 
n 1 n!
24
Si una función f no es analítica en z0, no podemos aplicar el teorema de Taylor en ese punto.
No obstante, muchas veces es posible hallar una representación de f(z) en forma de una serie
que contiene tanto potencias positivas como negativas de z-z0 .
Es la denominada SERIE DE LAURENT
Teorema
Sea f(z) una función analítica en el anillo r2  z  z 0  r1 centrado z0 . Sea C cualquier

camino cerrado simple, orientado positivamente, que rodea a z0 y está contenido en ese
dominio anular. Entonces, en cada punto z de esa región, f(z) está representada por una
serie convergente de potencias positivas y negativas de z - z 0  , llamada SERIE DE
LAURENT:
 
bn
f(z)   an (z  z 0 )n  (1) r2  z  z0  r1 C1
n 1 (z  z 0 )
n 0
n jy C2
C z
z0
donde: r1
1 f(z) r2
an  
2j C (z  z 0 ) n1
dz (n  0,1,2,........) (2)
x
1 f(z)
bn  
2j C (z  z 0 ) n1
dz (n  1,2,.........) (3)
En general, obtendremos los coeficientes de la serie de Laurent por métodos prácticos y no por
las fórmulas (2) y (3).
Ejemplo: Desarrolle f ( z )  1 /( z  3) en serie de Laurent en potencias de (z-1) y determine el

dominio en el que la serie converge a f(z).
Observaciones:
I) El desarrollo (1) se escribe con frecuencia como
n 
1 f(z)
f ( z)   A (z  z
n  
n 0 )n , donde : A n  
2j C (z  z 0 ) n 1
dz (n  0,  1,  2,........) .
Llamamos zona intermedia a los puntos de la región r2  z  z0  r1 , en los que la serie

contiene tanto potencias positivas como negativas.
25
II) En el caso en que f sea analítica en todo punto sobre interior a C1, excepto z0, el radio r2
puede tomarse arbitrariamente pequeño. Así el desarrollo (1) es válido cuando 0  z  z 0  r1 .
La llamaremos zona cercana.
III) Si f es analítica en todos los puntos interiores a C1, la integral sobre C definida en la ec(3)
es igual a cero (por T. de C-G) y la serie (1) se reduce a una serie de Taylor. (  n  1  0 y el
integrando es función analítica en z ) .

bn
IV) En particular f (z)   es válido en z  z 0  r1 . La llamaremos zona lejana.
n 1 z  z 0 
n
Observamos que fuera de la corona circular, f(z) se podrá representar por una serie que tiene
solo una de las sumatorias de (1).
La serie de Laurent de una función analítica dada f(z) en su anillo de convergencia es

única. Sin embargo f(z) puede tener diferente serie de Laurent en dos anillos del mismo
centro.
Una serie potencial representa una función analítica en todo punto interior a su círculo de
convergencia.
Ejercicios:
1
18) Hallar todas las series de Laurent de f (z)  con centro en z 0 = 0.
(z  1)(z  2)
 1  z n 
Respuesta: a) f (z)       z n  válida en z  1
2  2 
n 0  

1  2n
b) f (z)   n 1 válida en z  2
n 0 z

 1 zn 
c) f (z)    n 1  n 1  valida en 1  z  2
n 0  z 2 
1
19) Encontrar todas las series de Laurent de f (z)  con centro en z 0 =1.
1 z2
 z 1
 n
1
Respuesta: a) f ( z )   
2( z  1) n 0
(1) n   válida en 0  z  1  2
 2 
n
1 
 2 
b) f ( z )   . (1) n   válida en z  1  2
( z  1) n 0  z 1
2
26
SINGULARIDADES y RESIDUOS DE UNA FUNCIÓN y LA SERIE DE LAURENT
Cuando z 0 es un punto singular aislado de f, existe un número positivo r1 tal que la

función es analítica en cada punto z para el cual 0  z  z 0  r1 y en este dominio la
función está representada por la serie de Laurent:
 
bn
f(z)   a n (z  z 0 ) n  
n 1 (z  z 0 )
n
n 0
A la última serie se la llama parte principal de f(z) en el entorno de z 0 .
Tipos de singularidades aisladas. Relación con la serie de Laurent.
a) Decimos que una función tiene un polo de orden ‘m’ en el punto z 0 , si la parte principal
de su desarrollo de Laurent alrededor del punto singular z 0 contiene hasta un número finito
‘m’ de términos. Entonces, como puede observarse en las expresiones (3), los coeficientes
b m1 , b m2 ,................., son todos nulos. Por consiguiente su desarrollo de Laurent es:

b1 b2 b m-1 bm
f(z)   a n (z  z 0 ) n    ...........   , bm  0
n 0 (z  z 0 ) (z  z 0 ) 2
(z  z 0 ) m-1
(z  z 0 ) m
Si m = 1 el polo es simple.
b) Decimos que el punto z 0 es un punto singular esencial de la función, si la parte principal

contiene un número infinito de términos.
c) Si la Serie de Laurent carece de parte principal, y la función no es analítica en z 0 pero

puede hacerse analítica utilizando una adecuada definición de la misma, entonces el punto z 0 es
un punto singular evitable.
Se había visto que la naturaleza de una singularidad se podía determinar analizando el

límite:
I) Si f(z) tiene un polo en z = z 0 entonces lim f(z)   . También puede afirmarse que
z z 0
para que un punto z 0 sea un polo de orden ‘m’ de f(z), es necesario y suficiente que
φ(z)
f(z) pueda expresarse de la forma: f(z)  con φ(z 0 )  0 y φ(z)
(z  z 0 ) m
analítica en z 0 . (A)
II) Si lim f(z) no existe entonces z = z 0 es una singularidad esencial de la función.
z z 0
III) Si lim f(z)  L entonces z = z 0 es una singularidad evitable.

z z 0
Ahora estamos en condiciones de probar la propiedad I) la que resulta del siguiente

Teorema: z 0 es un polo de orden ‘m’ de f(z) si y sólo si existe: lim (z  z 0 )m .f(z)  k , k  0 ,
z z 0
es finito y no nulo.
27
Demostración: Sea, φ(z)  (z  z 0 ) m .f(z) ( 0  z  z0  r1 ) definida en un entorno reducido

de z 0 y analítica en z 0 . Sustituyendo a f(z) por su desarrollo de Laurent, considerando la
existencia de un polo, resultará que:

(B) (z)   a n (z  z 0 ) n  m  b m  b m 1 (z  z 0 )  ................  b1 (z  z 0 ) m 1 , bm  0
n 0
Si z  z 0 entonces  ( z 0 )  bm  k . Entonces (B) es válida en todo entorno de z 0 y en el

propio punto.
Por ser (B) una serie de potencias convergente, la función ( z ) es analítica en z 0 . En

consecuencia se puede escribir:
(z 0 )  lim (z  z 0 )m .f(z)  b m
z z 0
puesto que existe y b m  0 se deduce que: lim f (z)  

zz 0
RESIDUOS. Relación con la Serie de Laurent
Recordamos la definición:
Sea f(z) una función analítica en un contorno cerrado C, simplemente conexo y en todo punto
del interior de C, salvo z 0 . Entonces el residuo de f(z) en z 0 , está definido por:
1
2j C
Re s f ( z )  f ( z )dz ,
z  z0
Observar que de acuerdo a las definiciones de los coeficientes en el desarrollo de Laurent,

(pag. 25), según (3) diremos que
Re s f ( z )  b1 .
z  z0
Entonces el residuo de una función f(z) en el punto singular aislado z 0 , es el coeficiente de

la potencia (z  z 0 ) 1 en el desarrollo de Laurent.
Toda función tiene un residuo en cada uno de sus puntos singulares aislados. La serie de
Laurent alrededor del punto representa la función en todo entorno del punto, excepto en el
propio punto.
Ejercicio 20
Determinar el residuo de cada una de las siguientes funciones en sus respectivas singularidades.
z2
1) f ( z )  2 Rta.
z 4
1
2) f (z )  e z2
Rta. 0
z
e
3) f (z)  Rta. –e-1
(z  1) 2
28
CÁLCULO DE RESIDUOS
Es posible determinar el valor de un residuo, a partir de diferentes fórmulas, la mayoría de las

cuales ya se han presentado en este capítulo. Se presenta un breve resumen y algunas
deducciones interesantes en lo que sigue.
A) Para polos simples
A-1) Como lim (z  z 0 ) m .f(z)  b m , si m = 1 entonces b1  lim (z  z 0 ) .f(z)

z z 0 z z 0
Demostración: Al ser z = z 0 un polo simple, la serie de Laurent correspondiente es de la

forma:

b1
f(z)   a n (z  z 0 ) n 
con 0  z  z 0  r, b1  0 .
n 0 (z  z 0 )
Si multiplicamos ambos miembros por (z- z 0 ), resulta:

(z- z 0 ). f(z)   a n (z  z 0 ) n 1  b1
n 0
Aplicando límite obtenemos que: Res f(z)  b 1  lim (z  z 0 )f(z)

z z 0 z z 0
P( z)
A-2) Si f (z)  , P(z) y Q(z) analíticas en z 0 y P(z 0 )  0 ; Q(z 0 )  0 y Q(z 0 )  0 ,
Q( z )
P(z 0 )
entonces el residuo es de la forma: b 1  .
Q(z 0 )
Demostración : Si Q(z) es analítica en z = z 0 se puede desarrollar en serie de Taylor,

entonces aplicando la regla A-1) resulta:
P(z)
Re s f (z)  lim (z  z 0 ). Sabemos que
zz0 zz0 Q (z 0 )(z  z 0 ) 2
Q(z 0 )  Q(z 0 )(z  z 0 )   .............
2!
Q(z 0 )  0 y Q(z 0 )  0 , por lo tanto es:
P( z )
Re s f (z)  lim (z  z 0 ). y pasando al límite :
zz0 z z 0  Q(z 0 )(z  z 0 ) 
(z  z 0 ) Q(z 0 )   ...............
 2! 
P(z 0 )
Res f(z)  b 1 
z z 0 Q(z 0 )
B) Para polos de orden superior

Sea f(z) una función que tiene un polo de orden ‘m’ entonces b m  0 y el desarrollo de la serie
de Laurent es de la forma:
bm b m-1 b1
f(z)    .................   a 0  a 1 (z  z 0 )  ..................
(z  z 0 ) m
(z  z 0 ) m-1
(z  z 0 )
29
Si se multiplica a ambos miembros por (z  z 0 ) m y se construye una función auxiliar analítica

en z 0 que denominamos ( z ) se obtiene:
(z )  (z  z 0 ) m .f (z )  b m  b m 1 (z  z 0 )  .........  b1 (z  z 0 ) m 1  a 0 (z  z 0 ) m  ............. (I)
Pero (I) es el desarrollo de Taylor de ( z ) en z  z 0 donde los coeficientes vienen dados por la
m1 (z 0 )
fórmula: (z)  (z 0 )  (z 0 )(z  z 0 )  .......................  (z  z 0 ) m1  .......... (II)
(m  1)!
(I) y (II) representan el mismo desarrollo, que es único; en consecuencia, comparando
coeficientes, resulta:
(m1) (z 0 )
b1  ; con (z)  (z  z 0 ) m .f(z)
(m  1)!
C) Para singularidades esenciales
No hay fórmulas para el cálculo de los residuos de la función en puntos singulares esenciales.
Se evalúan siempre encontrando la Serie de Laurent.
Ejercicio 21
Determinar el residuo de cada una de las siguientes funciones en sus respectivas singularidades.
9 9
1 1 j  1 j 
1) f (z)  4 Rta. Re s f (z)  e 4 , Re s f (z)  e 4 ,
z 1 z  z1 4 zz2 4
3 3
1  j4  1 j4 
Re s f (z)  e , Re s f (z)  e
z z3 4 zz 4 4
4  3z
2) f (z)  2 Rta. Re s f (z)  4 , Re s f (z)  1
z z z 0 z 1
1
3) f (z)  z 3 .sen 2 Rta. Re s f (z)  0
z z 0
30
Análisis en el dominio natural
ANÁLISIS DE SEÑALES
y SISTEMAS
EN EL DOMINO NATURAL
(TEMPORAL; ESPACIAL)
31
ANÁLISIS DE SEÑALES EN EL DOMINIO NATURAL
Introducción
Una señal es la abstracción de una cantidad medible, y será así representada por una
función de una o más variables independientes. Puede también interpretarse a una señal como
una perturbación (cambio en su estado) que experimenta un medio. Lo relevante de una señal es
que este cambio puede desplazarse. Según la naturaleza del cambio es posible distinguir
diferentes dominios de propagación. Una señal puede expresarse en diferentes dominios;
cuando se expresa en el dominio del tiempo se habla de propagación y se aplican, al menos
aproximadamente, los conceptos de la cinemática. Además de este dominio puede haber otros,
como el dominio del espacio, el de las frecuencias etc. Es evidente que una señal tiene como
una de sus propiedades relevantes la capacidad de comunicar y /o transmitir información. La
información a que nos referimos podría ser también la respuesta de un sistema a una
solicitación. Las perturbaciones pueden ser de diferente índole, por ejemplo, las señales de radio
son perturbaciones electromagnéticas que se propagan en el espacio. En este caso se trata de un
estado de tensión eléctrica del medio que se propaga. Las señales acústicas son perturbaciones
de presión que se propagan en un medio material. Las señales telegráficas son perturbaciones
eléctricas que se propagan a través de un conductor etc.
Se podría afirmar que el mundo moderno está repleto de señales, la mayor parte de ellas
no es posible percibirlas con los receptores de que está dotado el Hombre en forma natural y
muchas, aún captadas con ayudas creadas por la inventiva del ser humano, necesitan ser
analizadas para obtener información útil de ellas. De eso trata el análisis de señales. Esta
disciplina es un conjunto de ideas y recursos que permiten la interpretación de las señales
naturales o artificiales que inundan nuestro universo. Los recursos son de dos tipos, unos que
modifican las señales para su interpretación y otros que las toman y las ponen de forma que
resulten evidentes sus principales características. En este curso daremos una introducción a la
primera parte de estas técnicas, es decir, aprenderemos a analizar señales para obtener de ellas la
información que nos interesa.
Desde tiempos muy antiguos los seres humanos han empleado señales de diferentes tipos
para comunicar acontecimientos importantes o dar voces de alarma. Como ejemplos podemos
citar:
 Haces luminosos que empleaban los griegos y romanos para fines militares
 Señales de humo tradicionalmente empleadas por indios para enviar mensajes.
 Señales acústicas de tambores para comunicarse en sitios de difícil acceso
 Señales producidas por faros para guía de barcos y comunicación de noticias.
A fines del siglo dieciséis, Inglaterra empleó un sistema de faros para alertar sobre la
proximidad de la armada Española, en esa época se acuñó el término de “señal” para denotar un
signo o noticia perceptible por el oído o la vista, destinada a advertir, transmitir una información
o comunicar alguna noticia. En el año 1806, el sistema de semáforos (del griego: “portador de
señales”) estaba en Inglaterra tan perfeccionado, que era posible transmitir una señal desde
Plymouth a Londres obteniendo una confirmación en tan solo tres minutos. En el año 1852,
Morse inventó un código el que junto a la invención del telégrafo produjo un gran avance en las
comunicaciones tanto desde el punto de vista de su rapidez como el de su confiabilidad.
32
Las señales de radar comienzan a ser aplicadas durante la segunda guerra mundial
para detectar aviones y alertar sobre la posibilidad de bombardeo. El sonar, inventado por
Langevin (1917) permitió aplicar señales acústicas a los sistemas de detección de
submarinos. Estas señales, atraviesan una porción del espacio, cuyas condiciones cambian
de forma azarosa perturbándolas e impidiendo, a veces, que estas cumplan con los objetivos
para los que fueron generadas. Esta circunstancia hizo que se desarrollara la teoría de
señales desde el punto de vista de su generación, mejorando la electrónica asociada para
hacer las señales más robustas y desde el punto de vista de la detección, se desarrolló la
herramienta estadística para buscar las características relevantes de la información que
llegaba alterada a los sistemas de detección.
En el área de las comunicaciones, la misión de la teoría de señales cumple múltiples
propósitos: debe mejorar su generación para hacerlas inmunes a las perturbaciones del
medio, facilitar su recuperación e incluso hacer que la transmisión de éstas sea más
económica.
Para físicos e ingenieros las señales tienen además un propósito no menos importante
que los anteriores. En muchas oportunidades aplicamos señales para estudiar un fenómeno
de la naturaleza. En este caso lo relevante es que la señal es modificada por el fenómeno que
se estudia y aquí el énfasis no se hace en evitar que la señal se distorsione sino en que la
distorsión de ésta sea originada por el fenómeno relevante que nos interesa estudiar.
Entonces, resulta de gran importancia tener información acerca del mecanismo de distorsión
de la señal generada. En este último caso tiene un significado considerablemente más
general que en los anteriores y una señal puede ser un proyectil cuya trayectoria se altera por
la presencia de un obstáculo, o una modificación en la amplitud y en el contenido de
frecuencia de una onda que se hace incidir sobre una zona afectada por un fenómeno
determinado, como una turbulencia, por ejemplo.
Para fines de investigación las señales las generamos mediante dispositivos que
transforman el fenómeno de interés en tensiones eléctricas. Un sistema que transforma
señales de un tipo en otras se llama un “transductor” .Hay tantos transductores como las
interacciones que gobiernan su capacidad de transformación, así tenemos transductores
eléctro-dinámicos (un buen ejemplo de estos son los parlantes de las radios), magnéticos,
electro magnéticos, piezoeléctricos, termo-eléctricos, etc.
Las señales, desde el punto de vista temporal se pueden dividir en “continuas” y
“discretas”, y ambas pueden ser periódicas o no periódicas. En este curso nos ocuparemos de
señales continuas.
En la próxima sección describimos las señales periódicas y sus principales
características, la mayoría de las cuales nos son familiares: período, amplitud, forma de
onda. También consideraremos señales no-periódicas, más ligadas a eventos no repetitivos;
no son tan fáciles de describir, sin embargo, basándose en la forma en que éstas se
despliegan en el tiempo, es posible dar algunas de sus más importantes características.
33
Descripción de señales
Señales periódicas:
Una señal periódica, es aquella que se repite a sí misma, cada cierto intervalo de tiempo
T (período). Así, el Período de la señal es el tiempo que tarda la señal y su derivada en
adquirir el mismo valor.
Nuestra capacidad de analizar señales se ve considerablemente fortalecida si las

expresamos como relaciones matemáticas, así podemos beneficiarnos de la potencia de
esta disciplina para el análisis de sus propiedades. Cuando esto es posible, se facilita
significativamente la obtención de la información que las señales contienen. Como un
primer ejemplo consideremos alguna de las propiedades elementales de las señales
periódicas.
Si una señal se puede expresar como una función periódica del tiempo y su período es
T, cumple los siguientes teoremas:
a) Si f(x) es periódica con período T; f(x)=f(x+T), además mT también es un período

de la misma función (f(x)=f(x+mT)), con m= 1,2,3...
Demostración:
Sea:
f (x + mT) = f (x+T) = f(x) con m = 1, entonces, si m=2:
f x  2T   f x  T   T   f x  T   f x  , si m=n
f(x+nT)=f({x+[n-1] T}+T)=f(x+[n-1] T)=f({x+[n-2] T}+T)+.....etc.
T 
b) Si f(x) es periódica y tiene período T ; entonces f(ax) tiene periodo  
a
Demostración:
Sea: g(x) = f(ax)
Es evidente que g(x) es periódica, entonces, supongamos que  es el periodo de g(x),

luego, g(x)=g (x+) y f(ax)= fa (x+ ) ,luego f(ax)=f(ax+a), entonces a es el
T
período de f(ax) por tanto: a = mT = m .
a
c) Si g(x) es periódica de período T1 y f(x) es periódica de período T2, entonces si

existe un valor T=a T1 =bT2, con a/b un número racional, una nueva función y(x)
definida como la suma de las anteriores,
y(x)= f(x)+g(x) , será periódica , de período T.
Señales no periódicas:
Una señal no periódica o aperiódica, es aquella para la cual no existe un T que

satisfaga la condición f(t)=f(t+T) , t .
34
Hay señales no periódicas definidas para intervalos finitos de t , y otras no-

periódicas definidas  t . Se analizará más adelante que las primeras pueden
representarse en términos de señales periódicas.
Valores medios
En ciertas oportunidades resulta muy útil describir las señales, periódicas o no, mediante
un número limitado de parámetros que reflejan magnitudes más fáciles de interpretar
desde el punto de vista físico, los que están relacionados más bien con las propiedades
que las funciones tienen en promedio. Ejemplos de estos se listan a continuación:
Valor medio o valor promedio, magnitud que es muy familiar en su forma discreta:
1 N
 f x , donde f xi es el valor de cada muestra de la señal, y N el número de muestras
N i 1 i
de la señal. Cuando se trata de una señal continua esta expresión se transforma en la
bien conocida expresión para el valor medio de una señal continua f(x) definida en a x
 b,
b
f  x d x ,
1
b  a  a
f 
la que es conceptualmente idéntica a la anterior,.
Cuando se quiere hacer un estudio de las variaciones de una señal en el tiempo, es

posible que su valor medio se anule por causa de las fluctuaciones, en este caso es más
conveniente emplear el llamado “valor RMS” de la señal, sigla que significa “valor
cuadrático medio” (root mean square). El valor RMS de una señal f(t) tiene por
expresión:
T
f 2 t dt
1

T 0
También puede interesar el valor absoluto promedio de la magnitud de una señal,
idéntico conceptualmente al anterior, que está dado por:
T
1
T 0
f (t ) dt
Señales de energía vs. Señales de potencia

Recordemos que si f(t) es una señal definida en (t1,t2), su energía se define:
t2
E   f t  dt .
2
(1.a)
t1
Para la señal f(t) definida en  ,  , decimos que su energía es:
L
E  lim  f t  dt
2
(1.b)
L  L
35
Entonces, una señal tiene energía finita si E   . En ese caso, caracterizaremos a f(t)
como una señal de energía.
 0 ,t  0
Ejercicio: Calcular la energía de la señal: f t     bt
;
ae ,t  0
2
Rta: E  a si b   
2b
Recordemos que si f(t) es una señal en el intervalo (t1 , t2) , o si es periódica de período
T, entonces la potencia media de f(t) se define, respectivamente, como :
t2 t0 T
f t  dt f t  dt .
1 1

2
Pm  Pm  
2
t 2  t1 t1
T t0
Por otro lado, interesa también caracterizar a ciertas señales como señales de potencia.
Diremos que la señal f(t), definida en  ,  , es una señal de potencia si:
L
f t  dt  
1
0  lim 
2
(2)
L  2L L
Una señal es de energía o es de potencia en  ,  ; no puede ser ambas.

Puede probarse también que toda señal periódica es siempre una señal de potencia,
y que toda señal acotada, de las llamadas “pulso”, es siempre de energía.
Hay señales que no pertenecen a ninguna de las familias anteriores, que son las de
potencia infinita (Cuando (2) =   ).
Ejercicio: Probar que la señal f t   e at con t   ,  no es una señal de energía ni

de potencia.
Causal vs. Anticausal vs. Nocausal
Las señales causales son señales que tienen valor nulo en el tiempo negativo, y las
señales anticausales tienen valor cero en el tiempo positivo. Las señales no-causales
son señales con valor distinto de cero para tiempos positivos y negativo (Figura 1).
Una señal causal
Una señal no-causal
Una señal anticausal
36
Figura 1
Par vs. Impar
Una señal par es cualquier señal f(t) que satisface f(t) =f(−t). Las señales pares se
pueden detectar fácilmente por que son simétricas en el eje vertical. Una señal impar, es
una señal que satisface la relación f(t) = − f(−t) (Figura 2).
(a) Una señal par
(b) Una señal impar
Figura 2
Es interesante observar que cualquier señal tiene una descomposición par-impar. Se

puede demostrar que cualquier señal se puede escribir como la suma de una señal par y
una impar. Para demostrar esto, no tenemos más que examinar la siguiente ecuación:
f(t)= ½[ f(t) +f(−t)] + ½[ f(t) −f(−t)].
Al multiplicar y sumar esta expresión, demostramos que lo explicado anteriormente es

cierto. También se puede observar que e(t)= ½[ f(t) +f(−t)] satisface a una función
par, y que o(t)= ½[ f(t) −f(−t)] satisface a una función impar (Figura 3).
Ejemplo : Esta señal será descompuesta usando la descomposición Par-Impar
37
Figura 3
Señales como funciones seccionalmente continuas

Una función f(t) sobre [a,b] se dice seccionalmente continua en [a,b] si es continua en
todo el intervalo excepto en un número finito de puntos de discontinuidad de primera
especie (o con salto finito).
f(t)
a t1 t2 t3 b t
Para tales funciones existen los límites por izquierda y por derecha en el intervalo [a,b],
es decir: f(a)  lim f(t) ; f(b)  lim - f(t) y además existen los límites por derecha y
t a t b
por izquierda en cada punto de discontinuidad con salto finito. Q[a,b]: espacio de
38
funciones seccionalmente continuas en [a,b] y Q’[a,b] simboliza el espacio de

funciones seccionalmente continuas en [a,b], diferenciables con continuidad por tramos
en [a,b].
Operación de Compresión vs. Dilatación
Analizar la relación de una señal f(t) con otra, obtenida a partir de la anterior mediante
la relación f(bt) para los siguientes casos b>1, 0<b<1, y b=-1.
TIPOS DE SEÑALES
 Rampa unitaria r(t

)
t , t  0
Definición: r t   
0 t  0
tt
Función rampa
Si se quiere una pendiente distinta de 1, sólo es necesario multiplicar por una

constante; por ej., si b > 0, entonces:
bt , t  0
br t    r(t-a)
0 t  0
Para la función rampa unitaria, se cumple:
a a+1 t
rbt   brt  si b > 0 Función rampa
t  a , t  a
r t  a   
 0 ta
us(t)
 Función escalón unitario
Esta función se llama también función de Heaviside, 1
y se define como:
1 ,t  0 t
u s t    Función de Heaviside
0 ,t  0
De la definición de rampa unitaria, surge que :
39
dr 
si t  0   0
   u s t , t  0
dt dr
dr dt
si t 0  1
dt 
Por otro lado si buscamos un escalón de salto distinto de 1, basta con multiplicar por
C ,t  0
una constante C a us(t); por ejemplo si C > 0 entonces: Cu s t    .
 0 ,t  0
Ejemplos:
1 ,t  0 1 ,t  a C ,t  a
1) u s  t    2) u s t  a    3) Cu s t  a   
0 ,t  0 0 ,t  a  0 ,t  a
u s  t  u s t  a  C u s t  a 
1 1 C
t -a t a t
Usando combinaciones de funciones rampa y escalón, es posible representar distintos

tipos de pulsos:
 Pulso rectangular de ancho "a", centrado en "a/2", se denota como:

 a
Pa  t  
 2
Puede considerarse como la suma de dos señales de tipo escalón:
 a
Pa  t   = ust)+[-us(t-a)]
 2
us(t) -us(t-a) Pa(t-a/2)
1 1 1
t
t -1 a t
Analíticamente:
* Si t < 0 us(t) = 0; us(t-a) = 0  Pa (t - a/2)  0 ;
* Si 0  t < a  us (t)=1; u(t-a) = 0  Pa (t - a/2)  1 ;
* Si t  a  us(t)=1; us(t-a) = 1  Pa (t - a/2)  0
40
Pa
 Pulso rectangular de ancho "a", centrado en "0", Pa t  1
Análogamente, el pulso centrado en cero puede expresarse
 a  a
como: Pa t   u s  t    u s  t  
 2  2 -a/2 a/2
 Pulso triangular de ancho "2b", centrado en "0",

se puede escribir: T2b t 
T2b(t)
1  t / b ,t  b 1
T2b t   
 0 t b
-b b t
 Rampa finita 1 ,t  1 x(t)


x t   0 ,t  0
 t ,0  t  1
 1
Rampa finita t
Ejercicios:
1) Verificar analíticamente que la rampa finita se puede expresar: x(t) = r(t) - r(t-1)
2) Graficar la forma de onda que resulta de considerar:x(t)= -r(t+1)+ 2r(t) - r(t-2) – us(t-3).
 Función sinc (t)

 sent 
 t 0
sin ct    t
1 t 0
sent  sent 
La función en t = 0 es el lim  1 , ya que t = 0 es una singularidad evitable de
t 0 t t
Propiedades
1. lim sin c( t )  0 y lim sin c( t )  0,

t  t 
sen t sen t 1
pues: lim  lim  lim  0  lim sin c( t )  0 ,
t   t t   t t   t t  
De la misma forma se analiza para el caso: t  
2. Los ceros de la sinc(t) ocurren para t  k , k  Z  0.

sen t
sin c( t )  0   0  sen ( t )  0  t  k , k  Z .
t
41
Si , k  0  t  0 y como sin c( 0 )  1  0 
 los ceros de sin c( t ) son los t  k , k  Z  0
3. La función sinc(t) es par
sen( t )  sen( t ) sen( t )
sin c( t )     sin c( t ), si t  0
( t ) t t
Si t = 0; sinc(0) = sinc(-0) = 1, luego  t : sinc(-t)=sinc(t)
4. De la definición surge que: sinc (t) es continua en t = 0

La gráfica de sinc(t) es:
sinc(t)
g(t)=1
sinc(t)
t
4 3 2   2 3 4 t
Ejercicio: Encontrar los ceros de la función sinc(3t).
 Función impulso unitario: (t) ó Función DELTA-DIRAC

Esta función se debe tratar como una función generalizada, pues no puede definirse su
valor punto a punto como en el caso de una función ordinaria, y se la suele llamar
DISTRIBUCIÓN DELTA DE DIRAC.
Definición:
La función Delta-Dirac, puede definirse a partir de un pulso de alto (amplitud) "1/a" y
ancho "a", centrado en el origen:
Pa
 1 a
a , t  2
1/a
Pa t   
1
a a
0 , t 
 2
-a/2 a/2
El área asociada al pulso es 1, cualquiera sea el valor de a.
 t   lim Pa t  ,
1
como:
a 0 a
Puede pensarse, intuitivamente, que (t) tiene un ancho infinitamente pequeño y su alto
es infinitamente grande, con área unitaria.
Observar también que la definición dada puede expresarse no solo en base a un pulso
rectangular, sino también con otra función cualquiera. Podría expresarse entonces, con
el mismo concepto que antes, del siguiente modo:
 t   lim b f bt ) 
b 
42

siempre que f(t) sea tal que  f t dt  1 .

Otra forma de definir  t  es mediante las siguientes relaciones:

 0 ,t  0
a)  t   
no esta definida ,t  0

b) lim

  t dt  1

Su representación gráfica es:
(t) a(t)
a
1
0 t 0 t
Propiedades:
1.a) Si f(t) es continua en t = 0 entonces: f(t) (t) = f(0) (t)
1.b) Si f(t) es continua en t = -t0 entonces: f(t-t0) (t) = f(-t0) (t)

2.a) Si f(t) es continua en t=0 entonces:  f t t dt  f 0


2.b) Si f(t) es continua en t= - t0 entonces:  f t  t t dt  f - t 

0 0

 1 ta
3) Utilizando la rampa finita de pendiente 1/a: f t    0 t0 ,
1 t 0  t  a
 a
y que el lim f t   u s t  , probar que:
a 0
d us t 
  t 
dt
d lim f t 
d u s t 
   , y considerando que es posible
a 0
Prueba: Como,
dt dt
intercambiar el orden de la derivada con el límite, queda, . . . . . .
t
2) Analizar la siguiente afirmación:   (t ) dt  u (t ) .

s
Ejercicios: Probar con propiedades que: 1.1) e t cost t   t 

1.2) Asent t   0
43
 Función impulso desplazada a
Sea el pulso de alto "1/a", ancho "a", centrado en t=t0 1/a

aa
1 a
a , t  t 0  2
Pa t  t 0   
1
. t0
a a
0 , t  t 0 
 2
El área asociada es 1 y se puede definir: A(t-t0)
A
 t  t 0   lim Pa t  t 0  .
1
a0 a
Su gráfica es la de la Figura:
0 t0 t
Propiedades de la (t) , de la (t-t0) y de (k)(t) :
1) Si f(t) es continua en t = 0 entonces: f(t) (t) = f(0) (t)

2) Si f(t) es continua en t = -t0 entonces: f(t-t0) (t) = f(-t0) (t)

3) Si f(t) es continua en t=0 entonces:  f t  t dt  f 0


4) Si f(t) es continua en t= - t0 entonces:  f t t0  t dt  f -t0 

5) Si f(t) es continua en t  t 0  f t  t  t 0   f t 0  t  t 0 
 g t 0  si a  t0  b
b
6)  g t . t  t0 dt   0 si t 0  b  t 0  a
g(t) es continua en t  t 0 ;
a
ab
t2
7)     t    t 0 d   t  t0 ,con t1  t 0  t 2
t1
t2
k  k k 
8)  f t  t  t 0 dt   1 f t 0  ,con t1  t 0  t 2
t1
d r t  d u s t 
9)  ut  t 0 y   t 
dt dt
1 si t  t 0
t
10) u s t  t 0       t 0 d  
 0 si t  t 0
 
 t0 
 at  t 0 dt 
1
11)  a    t  a dt
 
12)  t     t 

Ejercicio: Probar que: e

2 t
  t   2 d  e  4 t  2  .
0
44
Observar que: toda señal x(t) se puede expresar como un continuo de impulsos
ponderados
Según la propiedad 3) xt  t  t 0   xt 0  t  t 0  hacemos t 0  

 xt  t     x  t   
 
Si integramos en ambos miembros:  xt  t   d   x  t   d
 
 
De aquí: x t    t   d   x  t   d
 

Finalmente, podemos expresar: xt    x  t   d (A)

Luego, como se dijo, la señal x(t) quedó expresada (A) como un continuo de
impulsos ponderados.
__________________________________________________________________
45
SISTEMAS DINÁMICOS
Sistema de suspensión de automóvil. Modelo simplificado
Chasis del automóvil
y(t)+y0(t)
Resorte Amortiguador
x(t)
ECUACIÓN DIFERENCIAL:
Sistema mecánico rotacional
Torque motriz m
Inercia J Torque
Velocidad
resistente
angular 
r
Rozamiento B
u: torque motriz m y: velocidad angular 
v: torque resistente r
Sistema calefacción solar
Bomba
Panel
solar
Bomba
Almacenador
w: radiación
solar y: temperatura del
almacenador
u: velocidad de la
bomba
v: viento, temperatura
exterior
46
Análisis de sistemas
En general, llamamos sistema a la abstracción de “algo” (un proceso, un
mecanismo, un circuito, etc.) que toma una señal de entrada, opera sobre ella, y
produce una señal de salida. En otras palabras, un sistema establece una relación entre
su entrada y su salida. Un ejemplo de un sistema es un auto, en donde la entrada puede
ser la posición del acelerador y la salida la velocidad del auto. Otro ejemplo puede ser
una cámara de fotos en donde la señal de entrada es la luz que entra a la lente, y la
salida es la fotografía. Los sistemas no necesariamente están restringidos a sistemas
físicos. Pueden ser biológicos, económicos, computacionales, informáticos, sociales,
etc. Algunos ejemplos relacionados con Ingeniería se ilustran en la página anterior.
Señal de entrada Señal de salida

SISTEMA
Perturbaciones
Los sistemas están afectados por estímulos externos. Las señales externas que pueden
ser manipuladas son usualmente llamadas entradas, mientras que las que no pueden ser
manipuladas son llamadas perturbaciones.
Características de Sistemas
1. Con o sin memoria 4. Lineal y no lineal.
2. causales y no causales 5. Invariante o variante en el tiempo Invariante o
3. De tiempo continuo o discreto 6. Estable o inestable.
Sistemas Dinámicos y Sistemas Estáticos

Un sistema en el cual la salida en el instante t depende exclusivamente de la entrada en
ese instante t es llamado Sistema Estático o sin memoria. En contraposición, un
Sistema Dinámico es uno en el cual la salida en el instante t depende también de
valores pasados y/o futuros de la entrada, además del valor en t. Se lo llama también
sistema con memoria.
Sistemas Causales y No causales

Un sistema es causal si su respuesta a una entrada no depende de valores futuros de esa
entrada y/o valores futuros de salidas. Un sistema que no verifica esta propiedad es
llamado no causal.
En particular un sistema se dice anticausal si su respuesta a una entrada depende
exclusivamente de valores futuros de esa entrada y/o valores futuros de salidas
Sistemas en Tiempo Continuo y en Tiempo Discreto
47
Un sistema es un Sistema en Tiempo Continuo si opera sobre señales definidas en un

intervalo continuo de tiempo y produce como respuesta, señales también continuas en el
tiempo. Por otra parte, si el sistema procesa señales que están definidas únicamente en
instantes particulares de tiempo (generalmente equiespaciados), el sistema es llamado
Sistema en Tiempo Discreto. Para indicar el valor de estas señales en los instantes de
tiempo “tk” se usa la notación xk o x(k).
Linealidad y Estacionariedad
Linealidad: Un sistema es lineal si verifica el Principio de Superposición, tanto para
entradas como para condiciones iniciales. Este principio se definirá más adelante. Un
sistema que no verifica el principio de Superposición se denomina no lineal.
Estacionariedad: Un sistema es estacionario si su salida es siempre la misma cada vez
que se aplica la misma entrada (para las mismas condiciones iniciales), sin importar el
instante en que se aplique la entrada. En otras palabras, el sistema no cambia con el
tiempo, es invariante.
Representación de un sistema
Un sistema se representará esquemáticamente como una caja con señales de entradas
x1(t), x2 (t),....xn (t) y señales de salidas y1 (t), y2 (t),....yn (t), como puede verse en el
esquema:
x1 (t) SISTEMA y1 (t)

x2 (t) (MIMO) y2 (t)
xn (t) yn (t)
Las entradas xi(t), i=1,2,...n y las salidas yj(t), j =1,2,...n serán en general señales de
tiempo, es decir: cualquier variable física que varíe con el tiempo.
En este curso se analizarán sistemas de una entrada y una salida, sin perturbaciones
SISTEMA
x(t) y(t)
(SISO)
externas
El análisis de sistemas puede dividirse en tres aspectos:
El desarrollo de un modelo matemático apropiado para el problema físico que se trate.

En esta parte se deben obtener las ecuaciones de movimiento, condiciones de frontera o
iniciales, valores de parámetros, etc.
Después de obtener un modelo apropiado, se resuelven las ecuaciones resultantes para

encontrar la solución. Para ello, pueden aplicarse diversos métodos.
Luego, la solución del modelo matemático se relaciona o interpreta en función del

48
problema físico. Es evidente que lo descripto en el primer recuadro debe ser tan exacto
que permita hacer predicciones significativas concernientes al sistema físico.
ANÁLISIS DE SISTEMAS LINEALES

Una clase de sistemas son los lineales. El análisis de sistemas lineales es
importante principalmente por su utilidad, pues aunque un sistema físico nunca es
completamente lineal, en ciertas áreas de aplicación, un modelo lineal se puede usar con
frecuencia en forma apropiada. Además, existen una gran cantidad de teorías
matemáticas que permiten analizar tales sistemas.
Por el contrario, los sistemas no lineales requieren análisis particulares, es decir, cada
sistema no lineal debe estudiarse como un caso único. No hay métodos generales ni
soluciones generales.
Como ingenieros, no sólo interesa el análisis, sino también la síntesis de sistemas o el
diseño de sistemas que constituye la parte creativa de la ingeniería.
De aquí que, como en otras actividades creativas, para abordar el diseño de sistemas
primero se debe aprender a analizarlo.
Principio de Superposición
Un sistema es lineal si satisface el principio de superposición, que engloba las

propiedades de homogeneidad (escalado) y aditividad.
Si para la entrada x(t) se obtiene la salida y(t), y para la entrada  x(t) se obtiene
 y(t), cualquiera sea la constante    , entonces decimos que se cumple la propiedad
de homogeneidad, es decir:
Si xt   yt    xt    yt 
Además, se debe cumplir la propiedad de aditividad:
x1 t   y1 t  
Si   x1 t   x2 t   y1 t   y 2 t 
x 2 t   y 2 t 
Ambas proposiciones se pueden combinar en la siguiente ecuación

(principio de superposición):
c1 x1 t   c2 x2 t   c1 y1 t   c2 y2 t  c1,c2, ctes.
Para representar la transformación de entradas a salidas en forma funcional se

puede reemplazar las flechas por la notación:
y(t)=L[x(t)] ,
donde L representa una transformación lineal, es decir:
Lc1 x1 t   c2 x2 t   c1Lx1 t   c2 Lx2 t  ; c1,c2, reales.
49
Ejercicios:
a) Sea un sistema con relación de entrada-salida dada por la ecuación lineal:
y( t )  ax( t )  b , probar si el sistema es lineal.
b) Idem anterior, pero la relación está dada por: Lxt   3xt t  4
Invariancia en el tiempo
Los sistemas invariantes en el tiempo se modelan mediante ecuaciones diferenciales

con coeficientes constantes.
Una caracterización sencilla de los sistemas invariantes en el tiempo se tiene
desplazando en el tiempo a la señal de entrada:
Si x ( t )  y( t ) entonces, x ( t  T )  y( t  T ) para cualquier t y T.
Memoria en el tiempo
 Si la salida para cualquier tiempo t depende sólo de la entrada en el mismo

tiempo, el sistema se llama "sin memoria", o también, estacionario.
 Si la salida en el tiempo t o tk depende de los valores de entrada correspondientes

a cierto intervalo (t-T ,t), entonces el sistema "tiene memoria" de longitud T.
También se lo llama sistema dinámico.
Ej.: El sistema formado por un capacitor con la entrada definida como la corriente que
circula por el mismo, tiene memoria de duración infinita, ya que: v t    i t ´ dt ´

t
1
c 
indica que la salida depende de la entrada en todo el intervalo  , t  .
Sistema LIT
Modelo de un sistema dinámico Lineal e invariante en el tiempo
Cuando la función de entrada x(t) y la función de salida y(t) de un sistema dinámico

están relacionadas por una ecuación diferencial lineal ordinaria a coeficientes constantes
(EDO), entonces puede probarse que ese sistema es lineal, invariante en el tiempo y con
memoria (SLI). Para sistemas de una sola entrada-salida, la ecuación general puede ser:
d n yt  d n1 y t  dyt  d m x t  d m 1 x t  dxt 

an  a n1  ...  a1  a 0 y t   bm  bm 1  ...  b1  b0 x t 
dt n dt n1 dt dt m
dt m 1 dt
(A)
donde, x(t) :función de excitación del sistema ( o función de entrada),

y(t) : función de respuesta del sistema ( o función de salida ).
50
d dn
Si se denotan los siguientes operadores : D  ; y Dn  n la ec. (A) puede
dt dt
escribirse como:
an D n  an1D n1  ....  a1D  a0 yt   bm D m  bm1D m1  ....  b1D  b0 x( t )
de donde resulta:
b D m  bm 1 D m 1  ....  b1 D  b0
y t   m n
B( D )
x ( t )  x( t )  H ( D ) x( t )
a n D  a n 1 D n 1  ....  a1 D  a 0 A( D )
B( D )
donde , H( D ) 
A( D )
H(D) se la llama función operacional del sistema y es un operador que opera sobre la
función de entrada para producir la función de salida.
En un sistema lineal los coeficientes an y bn son independientes de la función de
respuesta.
En un sistema invariante en el tiempo dichos coeficientes son constantes.
Finalmente la ecuación diferencial, escrita en forma operacional es:
A( D ) y t   B( D ) x( t )  y( t ) 
B( D )
x( t ) , por lo tanto y( t )  H ( D ) x( t )
A( D )
______________________________________________________________________
Representación de Sistemas LIT utilizando diagramas de bloques
Una propiedad importante de los sistemas descriptos por ecuaciones diferenciales

lineales con coeficientes constantes es que se pueden representar fácilmente mediante
interconexiones de diagramas de bloque de operaciones elementales.
En los siguientes gráficos observamos los elementos básicos para la representación en
diagrama de bloque de sistemas: (a) un sumador; (b) multiplicación por un coeficiente;
(c) un diferenciador; (d) un integrador
x2(t)
(a)
x1(t) x1(t)+ x2(t)
+
(b) x(t) ax(t)

a
x(t) dx(t)
(c) D
dt
t
(d) x(t) ∫ ∫-∞
x(τ)d τ
51
La combinación de estos elementos permite la representación de cualquier EDO. Por

ejemplo, la ecuación diferencial siguiente:
dyt 
 ay( t )  bx( t )
dt
1 dyt  b
rescribiéndola primero como : y( t )    x( t ) , podemos construir también
a dt a
el siguiente diagrama:
x(t)
b/a +
y(t)
-
1/a D
dy(t)
dt
Observar que si en lugar rescribir la ecuación despejando y(t), lo hacemos despejando

d yt 
dy(t)/dt, se obtiene  b x( t )  a y( t ) . Entonces, la misma EDO se puede
dt
representar utilizando un integrador, de la siguiente forma:
dyt 
x(t)
b +
dt ∫ y(t)
-a
Los sistemas de mayor orden se representan con la interconexión de los esquemas

anteriores.
52
Ejemplos: modelos físicos que corresponden a sistemas

lineales e invariantes con memoria, de segundo orden
Nombre Esquema Ecuación VAR COEF Descripción

x y a b c
x Entrada
Modelo x(t) y(t) y Salida
a Coeficiente y’’
Sistema ay' ' by'  cy  x b Coeficiente y’
de 2do. Orden c Coeficiente y’
1
t u Tensión
C 0
Li'  Ri  idt  u( t ) i/q Corriente/carga
Electricidad
L Inductancia
Circuito 1 R Resistencia
Serie Lq' '  Rq'  q  u( t ) 1/C 1/capacidad
C
i Corriente
Electricidad u Tensión
Circuito 1 1
t
L Inductancia
Paralelo Cu'  u   udt  i( t ) 1/R 1/resistencia
R L0
1/C 1/capacidad
f Fuerza Excitante
Mecánica x Desplazamiento
m Masa
Vibraciones mx' '  cx'  kx  f ( t ) c Cte.Amortiguam
Longitudinal
k Cte. elástica
Par excitante
Mecánica  Desplazamiento
angular
Vibraciones Momento de
Torsión inercia
c Cte.Amortiguam
Cte. Elástica
 torsional
Mecánica f Fuerza Excitante
Vibraciones x Desplazamiento
Momento de
Torsión Jx' '  cx'  x  f ( t ) inercia
c Cte.Amortiguam
Cte. Elástica
 torsional
Acústica P Presión exterior
Resonador de 1 Volumen de
MV ' '  R aV '  V  P( t ) V desplazamiento
Helmotz Ca
M Coef. de inercia
acústica
Ra Resistencia
acústica
1/C a
1/capacidad
acústica
53
Métodos de resolución
Consideremos una ecuación diferencial ordinaria con coeficientes constantes

donde el lado derecho de la ecuación no contiene derivadas, es decir:
d n y t  d n 1 y t  dyt 
an n
 a n 1 n 1
 ......  a1  a 0 y t   x t  (A)
dt dt dt

Escrita en forma operacional: a n D n  a n 1 D n 1  ...  a1 D  a 0 yt   xt  
o más reducida: A(D)[y(t)] = x(t) donde A(D) es el operador:
A( D )  a n D n  a n 1 D n 1  ...  a1 D  a 0
El primer método, propone encontrar la solución de (A) como formada por dos
componentes: y(t) = yh(t) + yp(t)
HOMOGÉNEA, o NATURAL NO HOMOGÉNEA O

yh(t) PARTICULAR, de estado estable,
yp(t).
La solución homogénea (que constituye la forma transitoria de la solución completa

cuando el sistema es estable y causal como se verá más adelante) se obtiene de la
ecuación homogénea correspondiente a (A), es decir:
A(D)[yh(t)] = 0 (B)
y la solución en forma general es:
y h t   c1 y1 t   c2 y 2 t   ....  cn y n t  (C)
donde las funciones y1(t),...yn(t) dependen de las raíces de la ecuación característica

asociada:
f r   a n r n  a n 1r n 1  ...  a1r  a 0  0 , (D)
y los coeficientes a0,... an, son los mismos que los del operador A(D).
i) Si (D) tiene "n" raíces distintas, las funciones yi(t), i=1,2,...n son yi t   e ri t y
la solución homogénea es:
y h t   c1e r1t  c2 e r2t  ....cn e rnt (E)
ii) Si las raíces no son todas distintas, las funciones yi(t) tomarán diversas formas
dependiendo de la multiplicidad de las raíces de (D):
1) Para cada raíz real "r" la función es: ert
54
2) Para cada raíz real "r" de multiplicidad "k", las funciones son : ert, tert, .....tk-1ert
3) Para cada par complejo simple de raíces a ± jb , las funciones pueden escribirse como
e(a+jb)t , y e(a-jb)t , o más convenientemente como:
e at cosbt  y e at senbt 
y entonces, estas raíces contribuyen a la respuesta homogéna con:
e at c1 cosbt   c 2 senbt  , donde c1 y c 2 son reales.
4) Para cada par complejo simple de raíces a ± bj de multiplicidad "k", las funciones
son:
e at cosbt , e at senbt , te at cosbt , te at senbt ;......;t k 1 e at cosbt , t k 1 e at senbt 
Cuando las constantes ci, i=1,2,..n; no se especifican, yh(t) se conoce como función
solución. (ec. (E))
Ejercicio: Verificar que yh(t) es solución de la ecuación homogénea: A(D)[yh(t)]=0

(Suponer que y h t   c1e r1t  c2 e r2t  ....cn e rnt ).
Para determinar los valores de las constantes ci con i=1,2,...n se utilizan las condiciones
iniciales o de frontera del problema, aplicadas a la solución completa:
y(t) = yh(t) + yp(t) = c1 y1 t   c2 y 2 t   ....  cn y n t  + yp(t)
La forma de la solución particular es un poco más complicada de encontrar.

Existen varios métodos. Uno de ellos es el de los coeficientes indeterminados,
normalmente considerado en los cursos de Análisis Matemático. Recuerde este
método resolviendo el siguiente ejemplo sencillo:
Ejercicios: Suponga la ecuación diferencial de primer orden, y ' (t )  y (t )  x(t ) .

Verifique que para y(0)=1 y x(t) =3, la solución es y(t) =3-2e-t.
Ejercicios: Dada las siguientes ecuaciones diferenciales, hallar la yh(t):

d 3 y t  d 2 y t  dyt 
1- 3
 2
4  4 y t   0 , Rta: y h t   c1e t  c2 e 2t  c3e 2t
dt dt dt
d 3 y t  d 2 y t  dyt 
2- 3
2 2
4  8 y t   0 , Rta: y h t   c1e 2t  c2 e 2t  c3te 2t
dt dt dt
d 3 y t  d y t 
dyt  2
3- 3 2
  y t   0 ,
 Rta: y h t   c1e t  c2 cost   c3 sent 
dt dt dt
______________________________________________________________
55
Método del operador anulador

Se considera ahora otro método, el denominado método del operador anulador LA,
que permite encontrar la solución completa, y(t).
El procedimiento requiere, como primer paso, encontrar un operador que anule la

función particular dada, x(t) en la ecuación (A).
Entonces, dado x(t) encontrar LA , tal que LA[x(t)]=0.
LA siempre se puede encontrar si x(t) es solución de una ecuación homogénea con

coeficientes constantes.
Por ejemplo, si:

a) x t   e at , será LA = D-a .
b) xt   A cosbt   Bsenbt  , será: LA =D2+b2.
c) x t   e at  A cosbt   Bsen bt  , será LA =(D2+b2 ).(D-a)
Una vez hallado LA, se aplica a ambos miembros de la ecuación completa original.
Haciendo ésto se obtiene otra ecuación homogénea. Por ejemplo, suponga que se quiere
resolver la ecuación:
A(D)[y(t)] = x(t),
entonces, LA{ A(D)[ [y(t)]}= LA[x(t)] = 0 (I)
la que puede resolverse por el método delineado previamente para una ecuación
homogénea. Entonces, la función solución que se propone es:
y t   c1 y1 t   c 2 y 2 t   ....c n y n t   c p1 y p1 t   c p 2 y p 2 t   ....c pr y pr t 
  
* **
Las n primeras funciones (*) satisfacen A(D)[ [y(t)]=0 ; dichos términos

sumarán cero y los únicos términos del segundo miembro serán (**) que provienen de la
función particular de excitación (entrada).
Si se igualan coeficientes de términos semejantes en ambos miembros de la

ecuación, es posible determinar los c pr y obtener la solución forzada. Por lo visto, en
este método no es necesario proponer una forma para la solución particular. Sí es
necesario, por el contrario, encontrar la forma del operador anulador.
Ejemplo: Considere la ecuación diferencial,  

A(D)[ y t   D 2  1  y t   sen( t )
 
En este caso, casualmente, el operador anulador es D 2  1 . Así, la ecuación homogénea a
resolver será de cuarto orden, dada por: D 2  1D 2  1yt   0 ,
56
d 4 y t  d 2 y t 
la que podría escribirse también como  2 1  0.
dt 4 dt 2
  
La ecuación característica correspondiente es r 2  1 r 2  1  0 , cuyas raíces son j y –j
para cada factor, resultando raíces de multiplicidad doble. Entonces, la función solución es:
y t   c1 cost   c 2 sent   c p1 t cost   c p 2 t sent  .
Si se sustituye esta función en la ecuación original, se obtiene la siguiente,
D 2
 1c1 cost   c 2 sent   c p1 t cost   c p 2 t sent   sen( t ) .
Operamos entonces del siguiente modo:
   
D 1c1 cost   c 2 sent   D 2  1c p1 t cost   c p 2 t sent   sen( t )
2
   
     
 *  * *
 
0 I
El primer término es 0 porque corresponde a la forma de la solución homogénea de la

ecuación original. Con el segundo término, (I), operamos e igualamos coeficientes. Las
derivadas segundas que aparecen en I son:
D c
2
p1 t cost   c p1 ( 2 sen( t )  t cos t ) ; D 2 c p 2 t sent   c p 2 ( 2 cos( t )  t sent ) ;
sustituyendo y operando queda, I  2c p1 sen( t )  2c p 2 cos t  sen( t ) . Entonces

será, c p1  1 / 2 , c p 2  0 .
La solución completa es: yt   c1 cost   c2 sent   1 / 2 t cost  (II)
Los coeficientes que faltan determinar dependen de las condiciones iniciales.

Supongamos que los datos son: y( 0 )  1, y' ( 0 )  0 . Sustituimos en (II) y obtenemos:
y( 0 )  c1  c1  1
y' ( t )  c1 sen( t )  c 2 cos( t )  1 / 2(cos( t )  tsen( t ))
y' ( 0 )  c 2  1 / 2  c 2  1 / 2
Luego, la solución completa para esas condiciones iniciales y esa entrada dada es:
yt   cost   1 / 2sent   1 / 2 t cost 
57
Descomposición de la respuesta total:
El análisis realizado, nos lleva a poder concluir que, la solución matemática de la EDO
en términos del sistema y del estímulo de entrada x(t), está formada por dos
componentes, que denominamos yh e yp, tal que la solución y (t)= yh (t)+ yp(t).
Sin embargo, para el análisis de sistemas lineales existe otra forma útil de descomponer
la respuesta total.
a) x(t) y (t)
L
Sistema con energía inicial
almacenada
b) x(t) yf(t)
L
Sistema sin energía inicial
almacenada  y2(t)
x(t)=0 yl(t)
L
con energía inicial
almacenada
(condiciones iniciales
dadas)
Esta descomposición implica separar la respuesta provocada por la energía inicial
almacenada, de la respuesta debida a la entrada del sistema.
a) La solución de fuente libre, yl(t), se obtiene con una señal de entrada igual a
cero, y depende del sistema y de sus condiciones iniciales. Será una solución de
la ecuación diferencial homogénea y constituye, en parte, la solución transitoria
de la respuesta del sistema.
b) La solución forzada, yf(t), es consecuencia tanto del sistema como de la señal

de entrada. Esta solución comprende la solución de estado estable por un lado,
pero también incluye un transitorio, y para hallarla se resuelve la ecuación
diferencial no homogénea considerando que inicialmente el sistema no tiene
energía de ningún tipo (es decir, cond. iniciales nulas).
Luego, y 2 t   y f t   y l t 
donde y f 0  y´ f 0  ......  y n 1 f 0  0 ;
y A( D) y l t   0 para y 0  y0 ; y´ 0  y´ 0 ; ..............;
l l
y 0  y 0.
n 1
l
n 1
De este modo, y 0 ; y´0 ; ...; y n1 0  son las condiciones iniciales dadas para el
sistema.
Bastará ver que y2(t)=y(t) en el sistema original, y para ello ver que las dos funciones
satisfacen la misma ecuación diferencial. Pero, sin embargo, podrá observarse que
yf(t) ≠ yp(t); yh(t)≠ yl (t)
58
En el siguiente ejercicio aclaramos aún más estos conceptos.
Ejercicio
Suponga la siguiente ecuación diferencial de primer orden,  y ' (t )  y (t )  x(t ) .
Considere y(0)=1 y x(t) =3. La solución es Tau=1
4
y( t )  3  2.e t /  . 2
Cuyo gráfico se muestra en la figura -2
0 2 4 6 8 10
t [s]
Esta solución, se puede encontrar utilizando el conocido método de la homogénea más

la particular, y entonces resulta como la suma de las funciones de la primera columna de
la siguiente tabla.
yp (t)=3 y f (t )  3  3.e  t / 
+ +
yh (t)=-2e-t yl (t)=e-t
Para desdoblar la solución como se muestra en la segunda columna puedo operar de la

siguiente forma:
Propongo, y f ( t )  c1  c2 .e  t /  , como forma para la solución forzada, con la entrada
aplicada y condiciones iniciales nulas. Puede verse que será solución de la ecuación
diferencial para todo c2 si c1=3:
 . y f ' (t )  y f (t )  x(t )
c2
 .( ).e t /   c1  c2 .e t /   3  c1  3

Y luego, aplicando condiciones iniciales nulas, se obtiene la otra constante:
y f ( 0 )  3  c2 .e  t /   0, c2  3  y f ( t )  3  3.e  t / 
Por otro lado, la denominada componente libre, es una función que verifica la ecuación
diferencial homogénea con las condiciones iniciales dadas. Tenemos entonces:
yl (t)=c3e-tyl (0)=c3=1  yl (t)=e-t
______________________________________________________________________
59
CAUSALIDAD Y ESTABILIDAD
SISTEMA CAUSAL
Se dice que un sistema es causal o no anticipativo si la salida en el instante to solo
depende de la entrada para t ≤ to . Informalmente, podríamos decir que la entrada es la
causa de la salida. En otras palabras, la salida actual no depende de valores futuros de la
entrada. Intuitivamente, es claro que todo sistema mecánico o eléctrico de existencia
física en el mundo real es inherentemente causal.
Sin embargo, actualmente hay una cantidad de situaciones ingenieriles que requieren la
formulación de sistemas no-causales. Por ejemplo, la “inteligencia artificial” se basa
justamente en sistemas anticipativos. En muchos casos, se puede prevenir una salida, o
anticipar la decisión. Esto sucede en edificios inteligentes, seguimiento de satélites,
calefacción de ambientes, etc.
Para pensar: denominamos como “derivador puro” a un sistema que se define por la
relación: yt  
dx(t )
. Será éste un sistema causal?
dt
SISTEMA ESTABLE
Una descripción intuitiva del concepto de estabilidad es la siguiente. Suponga un
sistema en reposo, sin entrada ni salida. En un instante, se proporciona una entrada a ese
sistema, que podrá ser una energía eléctrica, mecánica, acústica o electromagnética. Si
la señal de entrada desaparece, luego de un cierto tiempo, o se mantiene en un valor
constante, el sistema será estable siempre que la señal de salida desaparezca, o se
mantenga en un valor finito, respectivamente. Si, por el contrario, la Señal de salida
crece y crece cuando la señal de entrada se mantiene acotada, entonces diremos que el
sistema es inestable.
Así, un criterio de estabilidad dice que, si la entrada de un sistema es acotada, la salida

es acotada. (BIBO).
Entonces, el sistema es estable si
para x( t )  M ,  t , resulta que y( t )  K ,  t , con M y K constantes reales.
Hemos visto que y(t) = yh(t) + yp(t) = c1 y1 t   c2 y 2 t   ....  cn y n t  + yp(t)

Recuerde que yp(t) sigue la forma de la entrada, luego si la entrada es acotada ésta
también lo será. Sin embargo, el término general de la parte restante de la respuesta del
SLIT toma la forma ci e ri t .
La magnitud de este término es c i e ri t  c i e ( i  ji ) t  c i e  i t e ji t  c i e  i t , donde
i es la componente real de la raíz ri .
Si i >0, la magnitud del término se hace no acotada para t que tiende a infinito.
Contrariamente, si i es negativo, tenderá a cero.
Luego, será condición necesaria y suficiente para la estabilidad, que las raíces de la
ecuación característica del sistema estén en el semiplano izquierdo del plano
complejo z, o, dicho de otro modo, que tengan parte real negativa.
60
Solución transitoria y permanente de un sistema estable

Se denomina solución transitoria a la parte de la solución completa que se hace cada
vez más pequeña, cuando el sistema es estable, a medida que transcurre el tiempo. Está
compuesta por la solución libre o natural, sumada a otro transitorio que es consecuencia
de la entrada aplicada.
La solución permanente es la que se establece a tiempos grandes como consecuencia
de la entrada aplicada. Puede observarse que coincidirá con la solución particular,
yp(t).
Ejercicio resuelto
Suponga ahora que el Ejercicio resuelto anteriormente, representa el sistema de primer
orden que modela al circuito RC como el de la figura,  y ' (t )  y (t )  x(t ) , donde
=RC, x(t) es la tensión aplicada e y(t) es la tensión en el capacitor.
Encuentre la respuesta total del sistema si la entrada es un
escalón de amplitud 3 Volt y además y(0)=1 Volt.
Señale la respuesta en régimen permanente y la transitoria.
¿De qué depende cada una de ellas?
¿Cuál es la solución particular y cuál la homogénea?
El problema es el mismo que antes. La única condición que seguramente quisiéramos

agregar, por pensar en un sistema físico real, es su causalidad. En ese caso, podríamos
utilizar las soluciones obtenidas antes, y hacerlas valer solamente para los valores de
t>0. En los gráficos que siguen se muestran las curvas de las funciones que componen
la respuesta total.
Descomposición de la respuesta en homogénea y particular Descomposición de la respuesta en libre y forzada
Tau=1 Tau=1
4 4
yl
3
3 yf
2 y total
1 2
0 1
-1
yh
0
-2 yp
y total
-3 -1
0 2 4 6 8 10 0 2 4 6 8 10
t [s] t [s]
Observe que la característica de yp(t), es ser la solución en el régimen permanente. Por
eso todo lo transitorio está en yh(t). Por el contrario, tanto yf(t), como yl(t), muestran un
transitorio.
Existe otra forma de encontrar yf(t), utilizando los conceptos de la integral de
convolución que se presentará más adelante.
61
Observe en los siguientes gráficos, las componentes transitorias y permanentes de la

solución. Estos casos corresponden a sistemas de orden mayor, con entradas diferentes y
cond. iniciales diferentes.
Respuesta de sistema de 2°orden a entrada escalón c.i. nulas Respuesta de sistema de 2° orden a entrada escalón c.i.=4
Respuesta de sistema de 2° orden a entrada cosenoidal c.i. nulas

5de sistema de 3°orden a entrada escalón c.i. nulas
Respuesta
4 8
4 4
3 2 6
3
y(t)
y(t)
2 0
y(t)
4 2
y(t)
-2
1 1
2
-4
0 0
0 5 10 15 0
t[s]
-1
0 2 4 6 -2 0
0
2 4 6 8 10
t[s] t[s] 2 4 6 8
t
Respuesta de sistema de 2° orden a entrada cosenoidal c.i. nulas

Respuesta de sistema de 3°orden a entrada escalón c.i. nulas
4 8
2
6
0
y(t)
4
y(t)
-2
-4 2
0 5 10 15
t[s] 0
-2 0 2 4 6 8 10
t[s]
62
RESPUESTA AL IMPULSO Y CONVOLUCIÓN
La respuesta al impulso h(t) es uno de los conceptos fundamentales en la teoría

de sistemas SLIT. Es una caracterización completa del sistema y está íntimamente
relacionada con la forma operacional del sistema, H(D) . En este capítulo se define la
respuesta al impulso y se deduce la operación de convolución, una herramienta
importante para el análisis de sistemas en el dominio temporal.
Un problema fundamental en el análisis de sistemas SLIT es la obtención de la
respuesta a una entrada determinada. Analíticamente se puede resolver de diversas
formas. Una forma consiste en resolver la ecuación diferencial que modela el sistema,
dadas la entrada y las condiciones iniciales. Otra de las formas consiste en la aplicación
del método de convolución.
Consideramos que la entrada del sistema es la señal (t), y la respuesta a
dicha entrada, con condiciones iniciales nulas, es la que caracteriza al sistema y la
llamaremos h(t).
(t) h(t)
Si bien (t) es una señal matemática, en rigor no realizable físicamente, en la

práctica señales aproximadas a (t) se utilizan para los denominados ensayos impulsivos
en el estudio de comportamiento de transformadores, equipos de maniobra, etc., entre
otras aplicaciones.
Entonces, si entra (t), sale h(t) del SLIT, es decir:  t   ht  .
Supongamos que se aplica un impulso en este sistema:
x(t)
b ∫ + y(t)
-
Retardo:
Calculemos en forma directa su respuesta. Resultará que h(t) = ………………..
En sistemas más complejos este análisis no podrá hacerse. Veremos más adelante un
método para calcular la respuesta al impulso de sistemas modelados con una EDO de
orden n.
63
INTEGRAL DE CONVOLUCIÓN
Si se aplica un impulso de entrada de área o peso k, entonces, debido a la linealidad del

sistema: k(t)kh(t) y al ser invariable en el tiempo: k.(t-t0) k.h(t- t0)
Por lo dicho, si entra una combinación lineal de señales delta desplazadas en el

tiempo, sale la misma combinación lineal de h(t) igualmente desplazada en el tiempo.
Por ejemplo: x(t) = (t)+3(t-1)+4(t-2) y(t) = h(t)+3h(t-1)+4h(t-2),
porque se trata de un sistema SLIT.
Una generalización interesante se puede escribir directamente a partir de la relación:


xt    x  t   d . Si esta integral se expresa como una suma de infinitos

términos y se aplica el límite para t tendiendo a cero tenemos que:

xt   lim  xit  t  it t ;
t  0 i  

La salida será yt   lim  xit ht  it t .
t  0 i  
Ahora, sustituyendo las sumatorias por integrales, pueden escribirse las siguientes
relaciones:
 
x t    x   t   d
L[x(t)] y( t )   x(  ).h( t   )d tR
 
Por lo tanto, la salida del sistema queda expresada por una integral, conocidas la entrada
x(t) y la respuesta al impulso h(t), y se la llama integral de convolución. La notación
abreviada para convolución es:
y(t) = x(t) * h(t)

La integral de convolución no sólo nos proporciona una manera conveniente de calcular
la respuesta de un sistema SLIT, suponiendo que conocemos su respuesta al impulso
unitario, sino también indica que las características de un sistema SLIT se determinan
completamente por su respuesta al impulso unitario.
La deducción de la integral de convolución para sistemas lineales se

obtuvo descomponiendo la señal de entrada en una suma continua de
funciones de impulsos y en dicha deducción se supuso que el sistema
está desenergizado (con condiciones iniciales nulas), y representará
la respuesta del sistema cuando las condiciones iniciales de la entrada
también son nulas.
64
Propiedades: La convolución entre 2 señales cualesquieras es:

 conmutativa,
 asociativa,
 distributiva
Demostración de la propiedad conmutativa:


y t    x ht   d  xt * ht 

Si s  t      t  s y d  ds ,    s   ,     s  
 
y t     xt  s hs ds   xt  s hs ds  h(t)*x(t) (Si hacemos un cambio formal
 
de la variable s por  , por lo tanto: yt   xt *ht   ht  * xt 
Ejercicio: Hallar la convolución de la t  con la respuesta al impulso.
Si xt    t   yt    t * ht   ht 

 
pues yt    x ht   d     ht   d  ht 
 

En general: para cualquier f(t) , será f t *δt   f t  pues:  f   t   d  f t .

Análogamente, puede escribirse otra relación de utilidad como:
g t *  t  t 0   g t  t 0 *  t   g t  t 0 
OBSERVACION: Debido a que en muchas aplicaciones, la respuesta al impulso es una

función causal, es decir h(t) = 0 para t < 0, en estos casos sería:
h(t-)= 0 para t -< 0   > t
y se puede cambiar el límite de integración, en vez de infinito por t. Si x(t) también es

causal el límite inferior cambia por 0. Así se pueden presentar 4 casos posibles:

 y t    x ht   d xt ,ht  general

t
 y t    x ht   d xt ,ht  causal (pero no señales tipo pulsos)
0
Estabilidad de un sistema BIBO (Bounded-input, bounded-output: entrada acotada,

salida acotada)
65
Sea x( t )  M ,  t ; con M una constante real.

Interesa analizar la cota de la salida del sistema. Para ello, se aplica el concepto de valor
absoluto a ambos miembros de la igualdad dada por la integral de convolución, y se
obtiene que:
 
y( t )   x( t   ).h(  )d   x( t   ). h(  ) d ,
 
Luego, si se introduce la condición de la cota de la entrada, se obtiene que:
 
y( t )  M  h(  ) d , M finito  y( t ) está a cot ada si :  h(  ) d   ; si h(t)
 
satisface esta condición se dice que es absolutamente integrable.

Para un sistema LTI causal, el criterio se reduce a:  h( t ) dt  
0
Ejercicio: Determinar la estabilidad del sistema SLIT que tiene la respuesta al impulso
dada por h(t) = e-3tus(t).
Como h(t) es causal, verificamos la convergencia absoluta de la siguiente integral:
  A
3t 3t e 3t  1 1 1
e u s ( t ) .dt   e dt  lim
A  3
 lim 
A   3e 3 A
  .
3  3
0 0 0
Cálculo de la integral de convolución
La integral de convolución es un cálculo que puede ser operativamente complicado

cuando las señales son continuas por tramos.
Debe tenerse presente que  es la variable de integración, y que t pasa a actuar como
parámetro a los fines de integrar. La integral debe evaluarse para todos los posibles
valores reales de t.
Para pasar de x(t) a x() se hace un cambio de variables, y para obtener h(-) se hace
un cambio de variables de h(t) y una reflexión.
Para encontrar h(t-) basta con desplazar horizontalmente h(-) según sean los valores
de t, si t > 0 hacia la derecha y si t < 0 se mueve hacia la izquierda.
Ejercicios:
1) Sea x(t) = u(t) y h(t) = e-t.u(t). Encontrar la salida y(t)

Respuesta: y( t )  1  e  t para t0
2) Hallar la convolución x(t)*h(t), siendo x(t)=u(t)-u(t-4) y h(t) = e-2t.u(t)
66

0 si t  0
 1 1 2t
Respuesta: y( t )    .e si 0  t  4
2 2
 1 .e 2t .(e 8  1 ) si t  4
 2
2 0t 2
3) Resolver x(t)*h(t), siendo: x( t )   y
0 otros casos
1 0  t  3

h( t )  3 3  t  4
0 otros casos

 0 si t0
 2t si 0t2

 4 si 2t3

Respuesta: y( t )   4t  8 si 3 t  4
  2t  16 si 4t5

 6t  36 si 5t 6
 t6
 0 si
67
Causalidad y estabilidad en relación a la respuesta al impulso del

sistema.
La integral de convolución puede utilizarse para ilustrar el requerimiento de
causalidad.
Considere que la señal x(t) de la figura es la entrada de un SLIT con una respuesta al
impulso, h(t)= us(t+2). ¿Cuál es la salida del sistema si hay condiciones iniciales
nulas?
Sabemos ahora, que la misma puede calcularse convolucionando las 2 señales.
Grafique las señales y el resultado de la convolución. Observe que la respuesta del
sistema se anticipa a la entrada.
x(t) h(t) y(t)

2 * =
-2 -1 0 1 2 -2 -1 0 1 2 -3 -2 -1 0 1 2
Cálculo de la respuesta al impulso para sistemas causales

A continuación se presenta un método sencillo y poderoso para encontrar la respuesta al
impulso de sistemas lineales causales descriptos por una ecuación diferencial. Este
método se basa en el conocimiento de las soluciones homogéneas de la ecuación.
Supongamos primeramente una ecuación donde el lado derecho corresponde a la
entrada, y no existen derivadas sobre ella, y donde an = 1 :
 
A( D ) y t   D n  a n 1 D n 1  ....  a1 D  a 0  y t   x t  (A)
Para la respuesta al impulso, h(t), se tendrá que x(t) = (t) y condiciones iniciales
nulas:
y 0   y 0   ...  y n 1 0  0 .
Puede probarse que la función respuesta al impulso debe satisfacer la ecuación

homogénea
A( D )yt   0
con condiciones iniciales:
h 0  h 0  ....  h n  2  0  0 ; h n 1 0  1 (I)
Así:
ht   c1 y1 t   c2 y2 t   ..  cn yn t ut 
donde las condiciones iniciales (I) se emplean para calcular los c n .
68
t
Prueba: La solución de (A) puede expresarse como: y t    x  ht   d (B)
0
cuando xt , ht  son causales.
Por el teorema de la derivación bajo el signo integral * pueden obtenerse expresiones

para las derivadas sucesivas de (B):
* La Regla de Leibniz y varios teoremas asociados, permiten afirmar que es legítimo derivar bajo el
signo integral cuando el integrando es función continua del grupo de variables y parámetros. Entonces
para una función f integrable sobre el intervalo [a,b], se define F sobre [a,b]
v( t )
como F ( t )   f ( t , )d , entonces F es derivable. Consecuencia directa es la siguiente
u( t )
igualdad:
v( t ) v( t )
d d
dt u(t )
f ( t , )d  f ( t , v( t ))v' ( t )  f ( t , u( t ))u' ( t )   f ( t , )d
u( t )
dt
En nuestro caso, v(t)=t , u(t)=0. Entonces:

t t
d d

dt 0
f (t ,  )d  f (t , t )  
0
dt
f (t ,  ) d
Pero además, f(t,τ)=x(τ)*h(t- τ). Entonces:

t t
x( )h(t   )d  x ht     t   [ x( )h(t   )]d
d d
y ' (t )  
dt 0 0
dt
Resulta:
t
y ' t   xt h0    x h' t   d . (C)
0
t
Como y’(0)=0 , de (C) resulta que h0  0 , y entonces: y ' t    x h' t   d (C-
0
1)
Si volvemos a aplicar la Regla de Leibniz a (C-1), obtenemos la expresión para la
derivada segunda:
t t
y ' ' t   x h' t     t   x h' ' t   d  xt h' 0   x h' ' t   d (C-2)
0 0
t
y n  t   h n1 0 xt    h n  t   x d .
0
Supóngase el caso más sencillo de un sistema de segundo orden como por ejemplo:
D 2

 2 D  1  yt   xt  (D)
Como y’(0)=0 , de (C) resulta que h0  0 .
69
Ahora, se utilizan (C-1) y (C-2) para verificar la (D). Combinándolas resulta:
 t  t t
 xt h' 0   x h' ' t   d  + 2  x h' t   d +  x ht   d  x( t )
 0  0 0
La que puede rescribirse como:
t
xt h' 0    x h' ' t     2 x h' t     x ht   d  x(t )
0
Se observa que la ecuación se verifica si:

 h 0  1
t
.  x h' ' t     2h' t     h( t   )d  0
0
La segunda relación es cero si el integrando es cero, y considerando que x( t )  0 ,
entonces deberá ser h' ' t     2h' t     h( t   ) =0.
Luego, h(t) será solución de la ecuación homogénea y debe cumplir que

h0  0 y que h 0  1 .
La generalización de esta demostración lleva a lo enunciado al comienzo de la sección

para los sistemas de orden n.
OBSERVACION: Si el lado derecho de la EDO que modela al sistema es de la

forma: B(D)[x(t)], A(D)[y(t)] = B(D)[x(t)], el método para encontrar la respuesta al
impulso se modifica.
Se obtiene primero una ĥ t  que corresponda al sistema A(D)[y(t)] = x(t) y

luego la respuesta al impulso es: h(t) = B(D)[ ĥ t  ]. Todo esto sobre la suposición de
que el orden de B(D)es menor al de A(D); de no ser así, aparecerán en h(t) términos
adicionales que incluirán a (t) y sus derivadas, pues las derivadas de h(t) de orden (n-1)
o mayor, en general no son cero en t = 0.
Ejercicios:
1) Dado: A(D)[y(t)]=(D2+2D+2)[y(t)]=x(t), hallar una expresión integral para
y(t), si y(0)=y’(0)=0.
..............
2) Verificar que: (D2+2D+2)[h(t)]=(t)
..............
3) Considere el circuito de la figura. Sea la señal de excitación x(t). Considere a

la tensión en el capacitor como la salida del sistema. La ecuación diferencial
70
que modela la relación entre ambas señales, para ciertos valores de los
parámetros, es:
 D 2  2 D  2  y (t )  D  1x(t ) .
 
Solución:
El primer paso es determinar la respuesta al impulso, hˆ(t ) del sistema definido por la
ecuación:  D 2  2 D  2  y (t )  x(t ) .
 
Para ellos resolvemos la ecuación característica:
 r 2  2r  2   0  r  1  j
 
Entonces podemos escribir:
hˆ(t )  e t (C1 cos(t )  C2sen(t ))u s (t )
Las condiciones iniciales para hallar las constantes C1 y C2 son:
hˆ(0)  0
hˆ' (0)  1
Entonces:
hˆ(0)  C1  0  hˆ(t )  e t C2sen(t )u s (t )
0. (t )
 
  
hˆ' (t )  e C2sen(t )u s (t )  e C2 cos(t )u s (t )  e C2sen(t ) (t )
t t t
hˆ' (t )  e t C2sen(t )u s (t )  e t C2 cos(t )u s (t )

hˆ' (0)  C .0  C .1  1  C  1
2 2 2
Por lo tanto: hˆ(t )  e t sen(t )u s (t )
Ahora, puede encontrarse la respuesta al impulso h(t) buscada operando del siguiente
modo:
71
 
h(t )  D  1 hˆ(t )  D  1e  t sen(t )u s (t ) 
 
 e  t sen(t )u s (t )  e  t cos(t )u s (t )  e  t sen(t ) (t )  e  t sen(t )u s (t )  e  t cos(t )u s (t )
Entonces, para este sistema, y con condiciones iniciales nulas, la salida y(t) puede
t
expresarse como: y (t )   e ( t  ) cos(t   ) x( )d , t 0
0
Considerando ahora el caso particular en que x(t) es un escalón unitario de entrada, se

tendrá que,
t
y(t )   e  (t  ) cos(t   )d , t  0
0
1 
 (1  e t sen(t )  e t cos (t )), t  0
t
 e 
cos  d   2 
0  0, t  0
A partir de la h(t) calculada se puede demostrar que se cumple la siguiente igualdad:

 D 2  2 D  2 h(t )  D  1 (t )
 
 D 2  2 D  2  e  t cos(t )u (t )  D  1 (t )
   s 
1. (t )
 
 D e  t cos(t )u (t )  e  t cos(t )  e  t sen(t ))u (t )  e  t cos(t ) (t ) 
 s  s
 e  t (cos(t )  sen(t ))u (t )   (t )
s
 D 2 e  t cos(t )u (t )  e  t (cos(t )  sen(t ))  e  t u (t )( sen(t )  cos(t ))u (t ) 
 s  s s
(1). (t )

 e  t (cos(t )  sen(t )) (t )   ' (t )  2e  t sen(t )u (t )   (t )   ' (t )
s
Reemplazando:
 D 2  2 D  2  e  t cos(t )u (t   2e  t sen(t )u (t )   (t )   ' (t )
   s  s
 2(e  t (cos(t )  sen(t ))u (t )   (t ))  2(e t cos(t )u s (t ))  2e  t sen(t )u (t )  2e  t cos(t )u (t )

s s s
 t  t
 2e sen(t )u (t )  2 (t )  2e cos(t )u (t )   (t )   ' (t )   (t )   ' (t )  ( D  1)[ (t )]
s s
Vemos que se verifica la igualdad.
Relación entre la respuesta al escalón y la respuesta al impulso
La respuesta al escalón de un sistema lineal g(t), es la salida provocada por la función

escalón us(t) como entrada. Así si L representa la transformación realizada por el
sistema lineal, entonces: g(t) = L[us(t)].
72
La g(t) se puede obtener convolucionando us(t)*h(t) = g(t), de donde, si el sistema es

causal, será:
t t t
g(t) = us (t)*h(t) =  u s (  ).h( t   ).d   h(  ).u s ( t   ).d   h(  ).d , entonces:
0 0 0
La respuesta al escalón de un sistema lineal es la integral de su respuesta al

impulso.
Podemos verificar por diferenciación de g(t) y obtener así, la respuesta al impulso:

du (t   )
t t
dg (t )
  h( ). s d   h( ). (t   )d  h(t )
dt 0
dt 0
Ejercicio: escriba la expresión integral que resulta para g(t) en el caso en que el sistema
sea no-causal.
......... ...............
Ejemplo:
Sea h(t) = e-3t.us(t). La respuesta al escalón unitario es:
   
t
3 1 1
g(t) = e d  1  e 3t .u s ( t ) , por lo tanto resulta: g( t )  1  e3t .us ( t )
0
3 3
Este resultado se puede verificar por diferenciación de g(t) y obtener la respuesta al

impulso, tal como se muestra a continuación:
1
  
d  1  e 3t .u s ( t )
h( t )  
3
dt 3
 
  1 1  e 3t . ( t )  1 .3.e 3t .u ( t )   1  1 .e 3t . ( t )  e 3t .u ( t )
3
s 
3 3


s
Finalmente aplicando las propiedades de la ( t ) , obtenemos:

1 1
h( t )    . ( t )  e 3t .u s ( t )  h( t )  e 3t .u s ( t ) .
 3 3
73
Respuesta permanente a funciones exponenciales de entrada

La respuesta de sistemas lineales a funciones de entrada que sean funciones
exponenciales permanentes en el tiempo, son de especial importancia en el análisis de
sistemas lineales ESTABLES.

Sea: x(t) LTI y( t )   x(  ).h( t   )d .

Demostrar que la respuesta de un sistema lineal e invariable a una función exponencial,

también es una función exponencial y proporcional a la entrada.
Si x(t) = ejt , entonces y(t) = ejt H(D=j)
Observar que ejt es una función periódica con frecuencia y período T=2/La
frecuencia de la señal de entrada se mantiene en la señal de salida. H(D=j) es un
número complejo que en general modificará en módulo y ángulo a la función
exponencial compleja. Podría también tomar valor nulo para algunos valores de , y en
ese caso la señal de salida sería nula.
Vale aclarar que H(D=j) es la función operacional del sistema H(D) donde se hace la
sustitución D=j. Llamamos ¨Función del sistema¨ a Hj).
Demostración : …………………………………………….
………………………………………………………….
Ejercicio:
Extienda el resultado anterior, para el caso de entradas del tipo sen(t) o cos(t).
74
REPRESENTACION DE SISTEMAS LINEALES
MEDIANTE VARIABLES DE ESTADO

Hemos visto anteriormente que un Sistema LTI puede ser caracterizado por una
ecuación diferencial de orden n, o alternativamente por su respuesta al impulso ht  .
Hemos visto también que existen métodos para encontrar la respuesta y t  , para t  t 0 a
una entrada x t  válida para t  t 0 , para un conjunto dado de condiciones iniciales, a
partir de la ecuación diferencial. Por otro lado, analizamos que la respuesta y t  a una
entrada x t  puede encontrarse mediante la integral de convolución, utilizando la
respuesta al impulso.
Estudiaremos ahora la representación mediante variables de estado, la que presenta un

método alternativo para resolver sistemas LTI con las siguientes ventajas:
1. Permite conocer no sólo el comportamiento de la entrada y la salida del sistema, sino

también el de las variables internas del mismo.
2. Se puede adaptar fácilmente para su solución utilizando computadoras.
3. Se puede extender a sistemas no lineales o variantes en el tiempo.
4. Permite manejar sistemas con múltiples entradas y salidas.
En este capítulo se verá la formulación en variables de estado. Así, un sistema lineal

modelado con una ecuación diferencial ordinaria de orden n, podrá representarse por
medio de un sistema de n ecuaciones diferenciales de primer orden acopladas. El
modelo obtenido se denomina modelo de estados.
Concepto de estado
Se define estado del sistema en algún tiempo t0 a la información que, junto con todas
las entradas para todos los tiempos subsiguientes a t0, determina el comportamiento del
sistema para t  t0 , Es decir, es la información “suficiente” acerca del sistema en algún
instante t0 , en el sentido de que permite el cálculo de las salidas del sistema para todo
tiempo posterior a t0. Las variables que contienen esta información se conocen como
variables de estado. En otras palabras, el conocimiento del estado del sistema en t0,
basta para predecir el comportamiento futuro del sistema, siendo innecesaria alguna
información acerca del comportamiento anterior del sistema.
Ejemplos introductorios
Para introducir el modelado en variables de estado se partirá de un caso particular.
1) Considere un circuito serie RLC, cuya descripción matemática está dada por las
ecuaciones:
75
di (t )
L  Ri (t )  vc (t )  vi (t )
dt
1 t
vc (t )   i ( )d
C 
donde vi (t) es la tensión de entrada, conocida, y la corriente i(t) y la tensión en el

capacitor
vc (t) son las variables desconocidas.
a) Se reescribe la segunda ecuación para que quede en forma diferencial:
dvc (t ) 1
 i (t )
dt C
b) Se definen 2 variables de estado, o simplemente 2 estados, con la notación xi(t) :
x1(t) = i(t)
x2(t) = vc(t)
Sustituyendo con la nomenclatura elegida, y despejando, se llega al siguiente sistema

acoplado:
R 1 1
x1 (t )   x1 (t )  x2 (t )  vi (t )
L L L
1
x 2 (t )  x1 (t )
C
c) Se escribe la ecuación que relacione la salida del sistema con las variables de estado.
En este caso, la salida es vc(t) , luego, la ecuación que falta es:
y(t)= vc(t)=x2(t)
d) La formulación se simplifica si se utiliza notación matricial, en donde la entrada, vi(t)

es denominada como u(t) :
 R 1
 x1( t )  L    x ( t )  1 
   L u( t )
L 1
 x ( t )   1 
 2   0   x2 ( t )  0 
 C 
 x ( t )
y( t )  0 1. 1  .
 x 2 ( t )
76
Estas dos ecuaciones matriciales son las ecuaciones de estado para el circuito RLC.
Esta representación puede no ser única; ello depende de qué variables se definan como
estados.
En general, la forma estándar para las ecuaciones de estados de un SLIT es:
x (t)  Ax(t)  Bu(t)

, (1)
y(t)  Cx(t)  Du(t)
donde la notación es la siguiente:

x(t) : Vector de estados de dimensión (n x 1) para un sistema de orden n
u(t) : Vector entrada (r x 1) correspondiente al vector de entradas al sistema
y(t) : Vector salida (p x 1) compuesto por las señales de salida del sistema.
A : Matriz cuadrada (n x n) es la matriz del sistema
B: Matriz de entrada (n x r). Relaciona los estados con las entradas
C : Matriz de salida (p x n). Relaciona los estados con las salidas
D: Matriz de orden (p x r) que representa el acoplamiento entre las entradas del sistema
y las salidas.
2) Considere ahora el sistema de la figura formado por 2 resortes y 2 masas, al que se

le aplica una fuerza externa f(t).
f(t)
k1 m1 k2 m2
z1(t) z2(t)
2-1) Verifique que el modelo matemático está dado por el siguiente sistema de
ecuaciones de segundo orden.
d 2 z1 ( t )
m1  k1 z1 ( t )  k 2 z 2 ( t )  z1 ( t )
dt 2
d 2 z2 ( t )
m2  k 2 z 2 ( t )  z1 ( t )  f ( t )
dt 2
2-2) Verifique también que el siguiente sistema es equivalente al anterior.

Escríbalo en forma matricial, considerando que m1=2, m2=1, k1=4, k2=2 y
f(t)=40sen3t.
x1  x 2
x 2  3x1  x 3
x 3  x 4
x 4  2 x1  2 x 3  40 sen3t
2-3) Defina 1 entrada y 1 salida para este sistema. Escriba 1 ecuación más que
represente la relación entre la salida y los estados. Por ejemplo,
u(t)=f(t)
77
y(t)=z2(t)=x3(t)
Obtención del modelo de variables de estado para sistemas de 1

entrada y 1 salida (SISO) a partir de la EDO de orden “n”
Caso 1: Se considera primero un caso particular que aparece con frecuencia. Sea el
sistema de una entrada y una salida representado por la ecuación diferencial
d n y( t ) d n 1 y( t )
 a n 1    a 0 y( t )  b0 u( t ) . (2)
dt n dt n 1
Se observa que el lado derecho de la ecuación no contiene derivadas, y que an=1. Las
componentes del vector de estados se pueden definir como las salidas de cada integrador,
si se realizara el diagrama de bloques correspondiente, como se verá más adelante. Sin
embargo, por ser este un caso más simplificado, la denominación de las variables se
puede realizar directamente, obteniendo el mismo resultado, del siguiente modo.
Llame:
x1 (t )  y (t )
x2 (t )  y(t )  x1 (t )
x3 (t )  (
y t )  x 2 (t )

xn (t )  y ( n 1) (t )  x n 1 (t ) (3)
A partir de esta definición será cierto también que:
x n (t )  y (n) (t ) ,
y despejando de la ecuación (2), resulta entonces que
xn (t )  b0u(t )  a0 x1 (t )    an 1xn (t ) (4)
Rescribiendo el sistema (3) y agregando la ecuación (4) resulta la forma final, dada por:
x1 (t )  x2 (t )
x 2 (t )  x3 (t )
 (5)
x n 1 (t )  xn (t )
x n (t )  b0 u(t )  a0 x1 (t )    a n 1 xn (t )
La salida del sistema en términos de las variables de estado, resulta:
y(t)=x1(t) (6)
78
Ecuaciones (5) y (6) pueden escribirse en forma matricial nuevamente como:
x (t)  Ax(t)  Bu(t)

(7-a)
(7-b)
 0 1  0  0 
 0 0  0   0 
donde: A   ; B    ; C  1 0 .... 0 ; D  0.
      
   
 a0  a1   a n 1  b0 
Ejercicio: Verifique el resultado encontrado realizando un diagrama en bloques para el

sistema representado por la ecuación (2)
Caso 2: Ecuación diferencial de orden “n” general
Se considera a continuación el procedimiento para escribir el modelo en variables de

estado de un sistema de orden n general, dado por su ecuación diferencial,
d n y( t ) d n 1 y( t ) d m u( t ) d m1u( t )
an  a n 1    a 0 y( t )  bm  bm1    b0 u( t ) ; con
dt n dt n 1 dt m dt m1
an=1.
Para ello, consideremos primero un ejemplo correspondiente a una ecuación de orden

2, representado por el siguiente diagrama en bloques:
u(t) y(t)
+ 5 +
t


-4 x2 4
-3 t 2


x1
Ejercicio 3) Verifique a partir de allí que su ecuación diferencial es
y t   4 y t   3 yt   5u ' ' t   4u ' t   2u t  ,
79
y que el correspondiente modelo en V.E. es
 x'1 t   0 1   x1 t  0
 x' t     3  4  x t   1 u t 
 2    2   
 x t   x t 
y t   ( 2  5 x 3 ) ( 4  5 x 4 )  1   5u( t )  y( t )   13  16   1   5u( t )
 x 2 t   x 2 t 
Observe la relación directa que hay entre los coeficientes de la ecuación diferencial y
los elementos de las matrices A, B, C y D.
Puede probarse, que para el caso de la ecuación de orden “n”, el diagrama en bloques
que se muestra en la figura siguiente, corresponde al modelo en VE cuyas matrices se
forman directamente, utilizando los coeficientes de la ecuación diferencia.
u(t)
+ _ bm + y(t)
- - x n (t ) + +
ʃ +
an-1 xn ( t ) bm-1
x n 1( t )
ʃ
an-2 xn-1(t) bn-2
x1 (t )
ʃ
a0 x1(t) bo
 
coeficientes de y(t) coeficientes de u(t)
Designe a la salida de cada integrador con el nombre de una variable de estado. Si la

salida es xi (t), la entrada será xi (t ) como se muestra en la figura.
80
1. Escriba las ecuaciones para las señales de entrada de cada integrador:
x1 (t )  x2 (t )
x 2 (t )  x3 (t )

x n 1 (t )  xn (t )
x n (t )  a 0 x1 (t )  a1 x2 (t )  an 1 xn (t )  u(t )
2. Escriba la ecuación para la salida del sistema:
y(t )  (b0  a0bn ) x1 (t )  (b1  a1bn ) x2 (t )   (bn 1  an 1bn ) xn (t )  bn u(t )
3. Escriba las ecuaciones en forma matricial. La forma del modelo que se obtiene
siguiendo este procedimiento es conocida como Segunda forma canónica o Forma
canónica de la variable de fase :
 0 1 0  0 0  0
 0 0 1  0 0  0
   
x (t)        x(t)    u(t) (8)
 0 0 0  0 1  0
   
 a0 a1 a 2 an  2 an 1   1
y(t)   (b0  a0bn ) (b1  a1bn )  (bn 1  an 1bn ) x(t)  bn u(t) (9)
Como puede verse, esta expresión puede escribirse directamente a partir de la ecuación
diferencial ubicando los coeficientes en las posiciones correctas en la matriz. Se verá
más adelante, que lo mismo puede hacerse a partir de la función de transferencia.
El procedimiento puede aún simplificarse si después de la designación de las variables,

se omite el dibujo de los integradores.
Ejercicio 4:
I) Modifique el ejercicio anterior, (Ej 3) considerando b 2=0 . Encuentre el

Modelo en VE denominado de la 2da. forma canónica.
Si b 2=0, la ec. diferencial es y t   4 y t   3 yt   4u ' t   2u t  y las

matrices del modelo serán:
A=……… ; B= ;C= ; D=
81
II) Verifique que el siguiente diagrama, corresponde al mismo SLIT, pero a

otro modelo en VE.
2 2
u(t)
t t y(t)
e1(t) x2 e2(t) x1
+  + 
-  - 
4
3
a) Escriba la ecuación diferencial que lo modela.
e1 t   2u t   3 y t 

Solución: Como: e 2 t   4u t   D 1 e1 t   4 y t 
 y t   D 1 e t 
 2
y t   D 1 4u t   D 2 e1 t   4 D 1 y t 
y t   4 D 1u t   D  2 2u t   3 y t   4 D 1 y t 
y t   4 D 1u t   2 D  2 u t   3D  2 y t   4 D 1 y t 
D 2 y t   4 Du t   2u t   3 y t   4 Dy t 
D 2 y t   4 Dy t   3 y t   4 Du t   2u t 
Luego, la ec. diferencial es la misma
y t   4 y t   3 yt   4u ' t   2u t 

b) Ahora vamos a encontrar el modelo en variables de estados.
Planteamos los estados a la salida de los integradores.
x1 t   y t 
x'1 t   4u t   4 x1 t   x 2 t   x'1 t   4 x1 t   x 2 t   4u t 
  
x' 2 t   2u t   3x1 t    x' 2 t   3x1 t   2u t 
y t   x1 t 
 x'1 t   4 1  x1 t  4
Finalmente obtenemos:        u t 
 x' 2 t    3 0  x 2 t  2
 x t 
y t   1 0  1  .
 x 2 t 
82
Se puede comprobar que a partir de estas ecuaciones se llega a la ecuación diferencial

del Sistema.
83
Solución en el dominio temporal de las Ecuaciones de los Estados

Consideremos el modelo general:
x (t)  Ax(t)  Bu(t)

Primero se tratará de encontrar la solución natural, libre o no forzada; es decir, u(t)=0 .

Entonces, la primera ecuación se simplifica y queda:
x (t)  Ax(t) (10)
Suponga que la solución de esta ecuación matricial es:
x(t)= e A(t-to) x(t0) (11a)
x(t0) es el vector de estados iniciales en t = t0 . Para el caso en que t0=0, entonces,

será:
x(t)= eAt x(0) (11b)
donde : e At  ( t ) ( nxn), llamada matriz de transición de estados, es una matriz

función de la matriz A , que se define como:
  tk k
e At   A . (12)
k 0 k !
donde, A k  AA A.
........

k veces
Además, puede observarse que d

dt
e At  A e At  e A t A .
Demostración:
d At d  t k k  d t k k  t k 1 k  t k 1
e   A   A   k A   A A k 1
dt dt k 0 k! k 0 dt k ! k 0 k ! k 1 k  1!
 t k 1 k 1  tj j
  A A ; para j  k - 1, puede escribirse A  A  Ae At
k 1 k  1! j 0 j!
Entonces, ahora se puede verificar que la (11) es solución de la (10):
...................
84
Luego, la solución libre de los estados es x(t)= e A(t-to) x(t0)
Propiedades: la matriz eAt tiene las siguientes propiedades:
0
1. e  I
2. e A t1  t 2   e At1 e At 2
3. eAt 1  eAt  e At e At  I (I : matriz identidad) .
Observar también que es posible encontrar x(t0), para algún t0 <t1, a partir del
conocimiento del valor de los estados para ese instante de tiempo t1 .
Entonces, como x(t1)= eA(t1-t0) x(to),
será: x(to)=( eA(t1-t0))-1 x (t1).
Además, como la matriz inversa de eAt es e-At . Luego,
x(to)= e-A(t1-t0) x (t1),
o, x(to) =(t0-t1) x(t1) (13)
la que expresa una relación entre 2 valores de la solución libre de los estados.
Solución total de los estados

Para encontrar la solución total, debe conocerse una solución forzada de la ecuación
diferencial. Se supone una solución de la forma:
x f (t)= eAt q(t) (14)
donde q(t) es un vector de funciones desconocidas que se van a determinar. Se obtiene

por sustitución de la ecuación de los estados, que:
x f (t )  Axf (t )  Bu(t ) (15)
Ahora, si se sustituye la ec.(14) en la ec. (15) resulta que:
Ae At q( t )  e At q (t )  Ae At q( t )  Bu(t )
Simplificando y despejando: q (t )  e  At Bu(t )
cuya solución se encuentra integrando. Así, se obtiene:
t
q(t)  q(t 0 )   e  A Bu( )d
t0
85
t
y la solución forzada: x f (t )  e At q( t )  e At q( t 0 )   e A( t  )Bu( )d
t0
La solución completa de la ecuación es:
t
x(t )  e A( t t0 ) x( t 0 )  e At q( t 0 )   e A( t  ) Bu( )d
t0
Evaluando la ecuación anterior para t=t0 resulta q(t0)=0, por lo cual la expresión final
para la solución completa queda:
t
x( t )  e A ( t  t 0 ) x(t 0 )   e A ( t  ) Bu( )d (16)
t0
Sustituyendo en la segunda ecuación de (7), se obtiene la salida correspondiente
t
y ( t )  Ce A ( t  t 0 ) x(t 0 )   Ce A ( t   ) Bu( )d  Du(t ) (17)
t0
El primer sumando es la respuesta cuando u(t) = 0, es decir la respuesta libre que

depende de las condiciones iniciales.
Los segundo y tercer sumandos constituyen la respuesta cuando x(t0) = 0, es decir la

respuesta forzada. De estos términos podemos asimismo obtener la respuesta al
impulso.
Verifique, de la (17), que la cantidad Ce At B +D (t) es la función respuesta al impulso

h(t) definida para sistemas lineales de una entrada y una salida.
Ejercicio 5:
Calcular la solución libre y forzada del sistema y los estados para un SLI cuyo
modelo está dado por las matrices de abajo. Suponga también conocida la
matriz transición de los estados:
 0 1 
; B    ; C  4 5 ;D=0;
0
A 
 2  3 1
  e 2 t  2e  t e  t  e 2 t 
e At
 t  2t , t  0
 2e  2e  e  t  2e  2 t 
Si el modelo dado es el de la segunda forma canónica, reconstruya la ecuación

diferencial, halle las raíces de la ecuación característica y compare los valores
encontrados con los autovalores de A.
86
Cálculo de eAt
 Para A diagonal, con elementos aii, i=1, 2, . . n, diferentes, puede demostrarse que
siempre será e At también una matriz nxn diagonal, cuyos elementos son e aii t , i=1,2,
. . n.
 Para A cualquiera, e At debe calcularse mediante alguna de las siguientes
expresiones:
 k
Método con series: e At   A k t (I)
k 0 k!
n 1
Método de Cayley-Hamilton: e At   i ( t )A i (II).
i 0
La reducción de la serie infinita de (I) a una serie de n términos de (II) se debe al

teorema que establece que solamente las primeras n-1 potencias de la matriz de orden n
 n son linealmente independientes; es decir, todas las potencias más altas de A pueden
expresarse en términos de I, A, A2, . . . , An-1. La ventaja es entonces que se reduce una
suma de infinitos términos (expresión I), a una suma de n términos (expresión II).
Para obtener e At utilizaremos el Método de Cayley – Hamilton, que indica que

cualquier matriz arbitraria A de tamaño n x n satisface su ecuación característica, es
decir:
det(A-  I) = 0,
donde los escalares i con i = 1, 2.... n que satisfacen la ecuación característica anterior
se denominan autovalores de A.
Se puede demostrar que e At puede escribirse como una combinación lineal de potencias de
A.
n 1
e At   γi t  A i ,
i 0
donde, los γ i t  se pueden obtener resolviendo el sistema de n ecuaciones
n 1
e
λ jt
 
 γ0 t    γi t  λ j i , j  1,2,...,n
i 1
cuando todos los autovalores son diferentes. Cuando existen autovalores repetidos debe
utilizarse un recurso que se mostrará en el Ejercicio 7.
Ejercicio 6: Encontrar la matriz transición de los estados para la matriz A dada
 3 1 0  3   1 0 

A 1 3 0   A  I    1 3 0 
  
 0 0  3  0 0  3   
detA  I   3   3  3    3  92  27   27  3    0
87
 1  2 ,  2  3 ,  3  4  Autovalores de A.
Luego, e At  γ 0 t  I  γ1 t  A  γ 2 t  A 2
e 2 t   0 t   2 1 t   4 2 t 
 3 t
γ 0 t  , γ1 t  y γ 2 t  satisfacen las ecuaciones: e   0 t   3 1 t   9 2 t 
e  4 t   t   4 t   16  t 
 0 1 2
γ 0 t   3e 4t  8e 3t  6e 2t


γ1 t   2 e
Resolviendo el sistema de ecuaciones obtenemos: 5  4t  6e  3t  7 e  2t
2
γ t   1 e 4t  2e 3t  e 2t
 2 2
Por lo tanto queda:
1 0 0   3 1 0  10  6 0
e At
  0 t  0 1 0   1 t  1  3 0   2 t   6 10 0
   
     
0 0 1  0 0  3  0 0 9
 1 e 4t  1 e 2t  12 e 4t  12 e 2t 0 

 21 4t 21 2t 
Resolviendo finalmente se obtiene: e At   2 e  2e 1
2
e 4t  12 e 2t 0 
 0 0 e 3t 
 
Ejercicio 7 (Con raíces dobles):
  1 1 0
A   1  4 4 detA  I   0  1  1 , 2  3  2
 
 0  1 0
 t   γ0 t  I  γ1 t  A  γ 2 t  A 2
e  t  γ 0 t   γ1 t   γ 2 t 
  2t
e  γ 0 t   2γ1 t   4γ 2 t 
te  2 t
 γ1 t   4γ 2 t 

La tercer ecuación se obtuvo derivando e λt  γ0 t   γ1 t  λ  γ 2 t  λ 2 con respecto a ,

lo que resulta en: te t   1 t   2 2 t  
Ejercicio 8 . Considere nuevamente el sistema del Ejercicio 4. Es posible verificar que

para el modelo en VE hallado, la matriz transición de los estados es la siguiente:
88
 3 2t 3 2t 
2 e senh( 3t )  e 2t cosh( 3t ) e senh( 3t ) 
( t )   3 3  ,t ≥0.
 
3 2t
e senh( 3t ) 2 e senh( 3t )  e cosh( 3t )
3 2t 2t
 3 3 
Propiedades de la matriz de transición
Consideremos nuevamente para su análisis, las propiedades ya enunciadas de la matriz

  tk
 ( t )  e At , definida como : e At   Ak .
k 0 k !
Recordemos también la ec. (11.a) que establece la relación
x(t )  e A( t  t 0 ) x(t 0 )   ( t  t 0 )x(t 0 ) .
Ahora, demostremos las 3 propiedades:
1.  ( 0 )  I
Demostración: . . . . . . . . . . . . .
2. ( t1  t2 )  ( t1 ).( t2 )  ( t2 ).( t1 )
Demostración:
Considere t=t1 y t0=0. Por ec.(11.a) se puede escribir x( t1 )  (t1)x( 0 ) .
Suponga que quiere escribir la misma ecuación para una condición inicial dada en t0= t1
Entonces, para t2 segundos más tarde (es decir t - t0 = t2 ), la relación sería:
x( t2  t1 )  (t2 )x( t1 )  (t2 )( t1 )x( 0 ) (20)
Pero, también se puede escribir la misma relación para un tiempo final t1+t2 con
condición inicial en 0, directamente:
x( t2  t1 )  (t2  t1 )x( 0 ) (21)
Comparando ec(20) y ec(21), resulta que ( t1  t2 )  ( t2 ).( t1 )

Del mismo modo, si fuese t2<t1 , se llegaría a ( t1  t2 )  ( t1 ).( t2 ) .
3.  1( t )  ( t )
Demostración: . . . . . . . . . . . . . .
 Ejercicio: Verifique las propiedades de la matriz de transición en alguno de los

ejemplos anteriores.
Estabilidad:
89
Un sistema LTI es estable si los autovalores de la matriz de estados tienen

parte real negativa. Para fundamentar esta propiedad, analice la relación de los
autovalores con la ecuación característica del sistema.
TRANSFORMACIÓN DE SEMEJANZA
El modelo de variables de estado de un mismo LTI no es único, sino que por el

contrario, un LTI tiene un número ilimitado de modelos de estado.
Transformaciones
Se considera el caso de sistemas de una entrada-una salida
x (t)  Ax(t)  Bu( t )

y(t)  Cx(t)  Du( t )
Considere un nuevo vector de funciones de dimensión n v(t) , que se representa como

una combinación lineal de los elementos del vector de estados x(t) .
v1 (t )  q11 x1 (t )  q12 x 2 (t )    q1n x n (t )

v 2 (t )  q 21 x1 (t )  q 22 x 2 (t )    q 2 n x n (t )

v n (t )  q n1 x1 (t )  q n 2 x 2 (t )    q nn x n (t )
En forma matricial esta ecuación puede escribirse como
v(t)=Qx(t)=P-1x(t)
x(t)=P v(t)
donde P es llamada matriz de transformación.
Sustituyendo (30) en (28) da:

Pv (t)  APv(t)  Bu(t )
y(t)  CPv(t)  Du(t )
y rescribiendo:
v (t)  A v v(t)  B v u(t )
y(t)  C v v(t)  Dv u(t )
donde: Av=P-1AP , Bv=P-1B , Cv=CP , Dv=D
Esta transformación se llama de semejanza pues si bien la estructura interna del

modelo se modifica, la relación entrada-salida no.
 Propiedades de las matrices de estados para los modelos resultantes de

aplicar transformaciones de semejanza.
90
1) det (I-Av) = det (I-A)

Lo que implica que los autovalores del sistema y del sistema transformado son los mismos.
Dem: . . . . . . .
2) det Av = det A (= 1 2 . . . n)
3) tr Av = tr A (= 1 +2 +. . . +n)
 Ejemplo
Para el mismo sistema lineal de segundo orden considerado en el Ej. 1, suponga la
transformación dada por:
v1 (t )  x1 (t )  x2 (t )
v2 (t )  x1 (t )  2 x2 (t )
Halle:
a) las matrices P y Q
b) las ecuaciones de estado transformadas
c) la función de respuesta al impulso del sistema
d) verifique las propiedades enunciadas
 Transformación de los autovalores

Si A tiene n autovalores distintos, entonces puede diagonalizarse usando la
transformación
=P-1AP
siendo P una matriz cuyas columnas son los autovectores de la matriz A, resultando la
matriz  como una matriz diagonal cuyos elementos son los autovalores de A.
Prueba: para cada autovalor puede escribirse la ecuación

A.1= 1.1
A.2= 2.2
A.n= n.n
donde por ejemplo, 1 es el autovector correspondiente al autovalor 1 .

Ahora, las n ecuaciones partir de arriba, puede escribirse en forma matricial como:
AP =P.
resultando entonces: =P-1 A P
Luego, si se elije para la Transformación de Semejanza, la matriz formada por los

autovectores, se obtendrá un modelo en variables de estado, con una matriz de estados
Av =, diagonal, cuyos elementos son los autovalores del sistema.
91
Ejercicio 9: Encuentre el modelo de variables de estado semejante al encontrado ya

en el Ejercicio 5, realizando la transformación por los autovectores.
92
Análisis en el dominio transformado
ANÁLISIS EN EL
DOMINIO
TRANSFORMADO
93
INTRODUCCIÓN
El desarrollo de las técnicas del análisis de Fourier tiene una larga historia; desde
los babilonios y con Euler en la historia moderna.
El concepto del empleo de “sumas trigonométricas”, esto es, sumas de senos y
cosenos o de exponenciales complejas periódicas, armónicamente relacionadas, se
utiliza para describir fenómenos periódicos, y específicamente, veremos que si la
entrada a un sistema SLIT se expresa como una combinación lineal de exponenciales
complejas periódicas o senoidales, la salida también se puede expresar de esta forma,
con los coeficientes expresados en forma conveniente en términos de los de la entrada.
Esto facilita en gran parte el análisis de los sistemas SLIT.
Si deseamos describir una señal, periódica o no, en términos matemáticos, se

tienen varias posibilidades. Una de ellas, muy familiar a los estudiantes de ingeniería y
ciencias experimentales, es el conocido método de ajuste de curvas, un ajuste de curva
puede ser considerado como un modelo para una serie temporal de valores de una
variable (señal). Estos métodos se presentan en varias versiones por ejemplo:
a) Empleo de polinomios,
f(t) = a0 + a1t + a2 t2+...+an tn,
Aquí se trata de representar una señal de forma que se pueda manejar con formas
potenciales. Una alternativa consiste en suponer que es posible ajustar un polinomio
para que sus valores representen los de la señal. Para esto se debe obtener un sistema de
ecuaciones con las que se determinan los coeficientes del polinomio. Mientras mayor
sea el número de puntos del polinomio que coincidan con los de la curva que se
pretende ajustar, mayor será el grado del polinomio a considerar. Esto sugiere que el
método es bastante potente y que se puede conseguir tanta precisión como se quiera en
el citado ajuste. Sin embargo, que el sistema propuesto presenta ciertas debilidades para
el caso de señales periódicas.
El sentido del método es bastante claro y para ciertas curvas resulta suficiente,
pero la función resultante de este ajuste no es periódica, por lo tanto es aplicable solo a
un ciclo de una señal periódica (o parte de él), por esta razón sólo da valores
suficientemente aproximados para los puntos que se ha tomado para hacer el cálculo (y
su entorno), la precisión de la representación se va perdiendo rápidamente a medida que
nos alejamos de los puntos de referencia.
b) Serie de potencias
t t2
f(t)= a0 + a1 f’ (t) + a2 f’’(t) + ...
1 2
Ajusta los puntos y sus derivadas, tiene también el problema de no ser periódica
y por lo tanto con este tipo de representación podemos aspirar, como máximo, a ajustar
la señal en un intervalo de tiempo finito, no obtener una expresión para la función en
todo el dominio del tiempo.
c) La otra posibilidad es representar nuestra señal en otro dominio de validez, que como
veremos, es completamente equivalente a la representación que hemos venido haciendo.
94
Nuestra primera representación la hemos realizado en el dominio del tiempo, pero esta
puede ser representada también en el dominio del espacio. Como veremos, aquí lo que
se enfatiza es el concepto de sistema de coordenadas asociado a una base ortonormal de
vectores.
Por ejemplo, supongamos que queremos ajustar la señal periódica que se presenta en la
Figura 1.
-1
-2
-3 -2 -1 0 1 2 3
Figura 1: Señal periódica del tipo "diente de sierra" de amplitud /2
Pese a lo aparentemente complicado que resulta representar esta señal en un intervalo de

tiempo infinito, hay una expresión que la aproxima bastante bien:
f t   sen0 t  sen20 t  sen30 t  sen40 t  ......
1 1 1
(I)
2 3 4
(sugerimos que en el ambiente Matlab represente esta función). Reconozca, además la
lógica de generación de términos para obtener la representación con 1, 2, 3, 4, 5, 6, 7,
etc. términos verificando la forma en que se mejora la precisión en la representación a
medida que se agrega componentes a la serie.
2
-1
-2
-3 -2 -1 0 1 2 3
Figura 2: Aproximación de la señal "diente de sierra" por los primeros 3 términos de la serie de la ec.(I)
Como puede verse en la Figura 2, el “ajuste” de la serie a la curva se logra

bastante bien con los primeros 3 términos, e irá mejorando a medida que se agreguen los
otros términos. Se muestra la habilidad de las funciones periódicas para representar
señales a través de una serie ponderada de un conjunto de funciones periódicas
linealmente independientes. A continuación veremos las propiedades de estas
funciones y haremos una generalización de ellas.
95
Sucesiones ortogonales de señales
El concepto de sistema ortogonal de funciones es una generalización natural del

concepto de sistema ortogonal de vectores; esto es, de un sistema de vectores
mutuamente perpendiculares. De hecho, una función puede considerarse como un vector
generalizado, y por ello las propiedades de un sistema de vectores sugieren las
propiedades análogas de un sistema de funciones.
Recordemos los conceptos de producto interior y norma.
El producto interior, interno o escalar de dos funciones reales g m ( t ) y g n ( t )

definidas para todos los valores del intervalo a t b, es el número definido por la
ecuación:
b
g m , g n   g m ( t )g n ( t )dt , (1)
a
en analogía con el producto interior de vectores.

La condición de que las dos funciones sean ortogonales se expresa: g m , g n  0 ,
g
a
m ( t )g n ( t )dt  0 (2)
La norma de la función es la raíz cuadrada no negativa de g m , g m y se simboliza con

b
g m . Por lo tanto indicaremos: g m  g
2
m ( t )dt y en consecuencia puede escribirse
a
1/ 2
gm  gm , gm . (3)
Esta generalización de funciones como vectores, no conservan el significado de la

terminología geométrica. La norma de una función g(t) tiene la interpretación de ser una
medida asociada con ella, calculada como la raíz cuadrada del área bajo la gráfica de
[g(t)] 2. La ortogonalidad de dos funciones no tiene ningún significado en cuanto a
perpendicularidad; quiere decir solamente que el producto de las dos funciones toma
tantos valores positivos como negativos en el intervalo de modo que queda satisfecha la
ecuación (2).
En general, el producto interno o escalar entre dos señales gm(t) y gn(t) (reales o
complejas), en el intervalo (a,b) está dado por:
b
g m ( t ), g n ( t )   g m ( t )g n ( t )dt (4)
a
Nótese que el producto interno no conmuta, en general, excepto en el caso de funciones

reales. Luego, dos señales son ortogonales en un intervalo finito de tiempo (a,b) si su
producto interno es nulo :
96
b 
0 si m  n
 gm ( t )gn ( t )dt   2 (m,n  1,2,.....) (5)
a 
 g n si m  n
Si ninguna de las funciones gr tiene norma cero, cada función gr puede normalizarse
dividiéndolas por la constante positiva g r .
Definición: Sistema o conjunto ortogonal es toda sucesión de funciones

g r(r  1,2,3,.....) ortogonales dos a dos en un cierto intervalo. El sistema se
llama ortonormal cuando las funciones están normalizadas, es decir, todas
tienen norma 1.
Considere entonces un sistema ortogonal g r  . Si se forma una nueva sucesión r  ,

 
donde r    g r  es normal y ortogonal, entonces, esta sucesión diremos
 g r 
abreviadamente que es ortonormal, en el intervalo.
Ejemplo:
 nt 
La sucesión sen  es ortogonal en el intervalo (0, c) y la norma de estas
 c 
c
funciones es y por lo tanto, la sucesión ortonormal es:
2

 2 nt 
 sen (0  t  c, n  1,2,......)
 c
 c 
Ejemplos de sistemas ortogonales
 T T  2nt 2nt 
1) Sea Q  ,  , con B = 1, cos , sen , n  N  . Probar que B es un sistema
 2 2  T T 
ortogonal. B se llama sistema trigonométrico.
2nt
 1, cos 0 ,n0
T
2nt
 1, sen  0 , n
T
T
2nt 2mt 2
2nt 2nt T
 cos
T
, cos
T
 0 , para m  n . Si m  n  0   cos
T T
. cos
T
dt 
2

2
97
2nt 2mt 2
2nt 2nt T
 sen
T
, sen
T
 0 , para m  n . Si m  n  0   sen
T T
.sen
T
dt 
2

2
2nt 2mt
 cos , sen  0 , para m  n . Por lo tanto B es ortogonal  m, n
T T
Ahora, se puede calcular B’ ortonormal.

T
2 2
* Si v( t )  1  v   1.dt  T  v( t )  T
T

2
T
2nt 2
 2nt  T 2T
* Si n  N, f n ( t )  cos  f n (t)   cos dt   f n ( t ) 
2

2
T

T  T  2 2
2
T
2nt 2
 2nt  T 2T
* Si n  N, g n ( t )  sen  g n (t)   sen dt   g n ( t ) 
2

2
T

T  T  2 2
2
 1 2 2nt 2 2nt 
Luego: B’ =  , cos , sen , n N
 T 2T T 2T T 
 T T  1 jnw0 t  2
2) Sea Q  ,  , T > 0 con B =  e , n  Z , w 0  . Probar que B es un
 2 2  T  T
sistema ortogonal y ortonormal.
1 jnw0t 1 jmw0t
Consideramos n ( t )  e ; m ( t )  e , entonces
T T
T T
2 1 jnw0t 1  jmw0t 1 2
n ,m   e . e dt   e j( n m )w0t dt
T T T T T
 
2 2
T
1 1
 e j( n  m ) w0t 2
T j( n  m )0
T

2
e j ( n  m )  e  j ( n  m ) 1, si n  m
  sinc( n  m )    B ortogonal.
j( n  m )2 0 si n  m
T T
2 2 2
1 1
Calculamos la norma:  2  T T
e jnw0t dt  T T dt  1    1 n  Z , en consecuencia B
 
2 2
es ortonormal.
98
SERIES DE FOURIER GENERALIZADAS

Los conjuntos ortogonales proporcionan tipos importantes de desarrollos en serie, en
una forma relativamente sencilla. En efecto, sea B={1(t), 2(t),........ n(t),........},
cualquier conjunto ortogonal de funciones sobre un intervalo atb. Puede que resulte
posible representar una función ƒ dada arbitrariamente en aquel intervalo por medio de
una combinación lineal de aquellas funciones generalizada a una serie infinita:
ƒ(t) = k11(t) + k22(t) +..................+ kn n(t)+……….. (6)
En el caso de que la serie converja hacia ƒ(t), y si, después de multiplicar todos los
términos de la expresión anterior por m (t) ( m fijo), la serie que resulta en el segundo
miembro es integrable, y suponiendo que es permisible la integración término a término,
podremos obtener los coeficientes cn , que son los coeficientes de Fourier.
b b  
 f ,m    fm dt    knn.mdt   kn n ,m  
a a n 1 n 1
b b b
 f , m   k1  1m dt  k2  2m dt  ......  kn  nm dt
a a a
Observe el lado derecho de la igualdad de arriba. La integral para la que n= m es igual a

2
 m , m    m , mientras que todas las demás integrales son cero, debido a la
ortogonalidad del conjunto de funciones. Luego, resulta entonces que:
2
 f , m   km m ,
y la fórmula para los coeficientes de Fourier queda:
b
 f , m  1
km  2
 2  f (t )m (t )dt , (7)
m m a
siendo éstos los coeficientes de Fourier de ƒ respecto de la sucesión ortogonal { n}.

Resulta claro que si el sistema es ortonormal, {n}, los coeficientes de Fourier se
reducen a:
b
km   f , m    f (t )m (t )dt (8)
a
La serie de la ecuación (6) con estos coeficientes es la serie de Fourier generalizada

correspondiente a la función ƒ.
99
ERROR CUADRÁTICO MEDIO y la IDENTIDAD DE PARSEVAL
Si f(t) se aproxima por su suma parcial de Fourier, definida como :
m
S m (t )   kn n (t ) (9)
n 1
Entonces, se comete un error dado por la diferencia entre la f(t) y su aproximación, es
decir: Em = f(t) - Sm(t). Se denomina error cuadrático medio  m a:
b b
1
 
1 2 2
m  E m dt  f ( t )  S m ( t ) dt . (10)
ba ba
a a
Puede probarse que {  m }mN es una sucesión real no negativa decreciente y como la
sucesión de sumas parciales de Fourier Sm(t) converge a f(t) en la media cuadrática, es
b
decir, lim  f (t )  S m (t ) dt  0 , entonces lim  m  0 .

2
m  m
a
Por lo tanto, si se aproxima una función f(t) por una serie finita de Fourier Sm(t),
dicha aproximación tiene la propiedad de tener el mínimo error cuadrático medio.
Si la condición:
b 2
lim  f(t)  Sm(t) dt  0 (11)
m  a
es satisfecha por cualquier función f en nuestro espacio funcional, diremos que el

sistema ortonormal {n(t)} es cerrado en el sentido de la convergencia en media.
Desarrollando el integrando de la ecuación (11), y teniendo presente la definición de kn,
se llega a que:


b m
2

lim   f (t ) dt   kn  n   0 , de donde se deduce que se verifica la expresión
2 2
m  a 
 n 1 
conocida como identidad de Parseval:
 b
 kn
2 2 2
n   f (t ) dt
n 1 a
(12)
Demostración: . . . . . . .
100
Puede demostrarse que si el sistema utilizado fuese ortonormal, y no solamente

ortogonal, la expresión anterior se modifica como:
 b
 kn
2 2
  f (t ) dt
n 1 a
De todo lo anterior surge que el error cuadrático de la aproximación (ec. (10)),

respecto de f en el intervalo fundamental será, para cualquier sistema ortogonal,
cuando se utilizan las primeras m componentes:
1  2
b m

  f (t ) dt   kn  n
2 2
m  .
b  a a n 1 
Aproximación cuadrática
Las series de Fourier, como se dijo, desempeñan un papel principal en la aproximación

de funciones por medio de funciones más simples. Esta área es conocida como teoría de
aproximaciones. A continuación analizaremos la demostración de la propiedad de que
los coeficientes de la serie de Fourier dados por la ec.(8) son aquellos que proporcionan
la aproximación con menos error cuadrático medio.
Sea f(t) una función que puede representarse por una serie de Fourier en el espacio de
funciones seccionalmente continuas en (a,b) y sean 1, 2 ,.......m , m funciones de una
sucesión ortonormal { n } (n =1,2,................) en dicho intervalo y Km una combinación
lineal de las mismas.
Km(t) = 11(t)+ 22 (t)+.........+ mm(t) (13)
Es natural preguntarse si (8) es la “mejor” aproximación a f . Consideremos que

“mejor” significa que el “error” de la aproximación es mínimo.
Desde luego, debe definirse primero qué se entiende por el error E de esta
aproximación. Elegimos una definición que mida la bondad de la concordancia entre f
y K en el intervalo, considerando el caso particular en que { n } y f(t) son funciones
reales solo a los efectos de simplificar la demostración.
b 2
Se elige: E   f ( t )  K m  dt , (14)
a
que puede considerarse una medida de error, y se desea que sea lo más pequeña posible.
Esta es una aproximación a f(t) por mínimos cuadrados. Obsérvese que E es el
cuadrado de la distancia generalizada f  K m entre las funciones f y Km .
101
Sean cn = < f, n> los coeficientes de Fourier de f, con  n ( t )ortonormal, entonces:
b 2
E   f ( t )   11( t )   2 2 ( t )  .........   m m ( t ) dt 
a
b
 [ f ( t )]
2 dt   2   2  ......   2  2 c  2 c  ........  2 c . (13)
1 2 m 1 1 2 2 m m
a
Sumando y restando c12, c22,......, cm2 para completar los cuadrados del segundo
miembro, se tiene:
b

E  [ f ( t )] 2 dt  c12  c 2 2  .........  c m 2  (  1  c1 ) 2  (  2  c 2 ) 2  ..... (  m  c m ) 2 . (14)
a
Según se observa de la ecuación (9), E  0; por consiguiente se deduce de la ecuación

(11) que E tiene su valor mínimo cuando 1 = c1 , 2 = c2 , ........,m = cm. Es decir:
b
 f(t)
E 2 dt - c 2  c 2 - .......... ...... - c 2 (15)
1 2 m
a
Este resultado puede enunciarse así:
Los coeficientes de Fourier de una función f con respecto a las funciones
1,2,.....,m de un sistema ortonormal son aquellos para los cuales una
combinación lineal de las m funciones resulta ser la aproximación cuadrática
óptima a f(t) en el intervalo.
El error cuadrático total de la aproximación, respecto de f en el intervalo

fundamental es mínimo si y sólo si los coeficientes de dicha aproximación, son los
coeficientes de Fourier de f. Este valor mínimo está dado por la relación (12).
102
SERIES DE FOURIER
Una forma de onda compleja, periódica, puede ser analizada y representada en términos
de un número de funciones, ortogonales, relacionadas armónicamente.
Nos ocuparemos en profundidad de 2 representaciones diferentes, pero equivalentes
para una misma señal, dadas por:

f (t )   cn e jnw0t
n  

a0
f (t )   a n cosn0 t  bn senn0 t
2 n 1
2
donde 0  , es la componente de la onda de frecuencia más baja y se la suele llamar
T
“frecuencia fundamental”.
Observación:
Toda función f: RR, tal que f(t)  A.sen ( t   ) se llama armónica.
También f(t)  A.cos ( t   ) es armónica y es 2 /  periódica.
Amplitud de la armónica: A
Fase de la armónica:  t + 
Fase inicial: 
Frecuencia de la armónica: 
A la expresión: an .cos n0t  bn .sen n0t se la llama n-ésima armónica.

Del mismo modo diremos que la n-ésima armónica está representada por:
cn .e jn0 t  c - n .e -jn 0 t .
Se llama primera armónica o armónica fundamental a:
a1 .cos 0t  b1 .sen 0t , ó a c1.e j0t  c-1 e -j0t .
Una clase de señales que se puede representar mediante las series de Fourier es la de
señales periódicas que tienen energía finita sobre un período, es decir, señales para las
 f(t)
2
cuales dt   ; esta condición garantiza que los coeficientes cn sean finitos.
T
Debido a que la mayoría de las señales periódicas que consideramos tienen energía finita
sobre un solo período, consecuentemente tienen representaciones en series de Fourier.
Las condiciones de DIRICHLET deben ser cumplidas por las funciones, para poder ser
representadas por esta serie. Estas condiciones son satisfechas por prácticamente
todas las señales con las cuales trataremos, y nos garantiza que f(t) será igual a su
representación en serie de Fourier excepto en valores aislados de t para los cuales
f(t) es discontinua.
103
Las condiciones de DIRICHLET son las siguientes:
1. Sobre cualquier período, f(t) debe ser absolutamente integrable, esto es

f(t)
 f(t) dt  
T
Una señal periódica que no cumple
esta condición de Dirichlet es
1
la de la Figura 1, donde f(t)  , 0  t  1 1
t
-1 0 1 2 3
t
2. f(t) está acotada en cualquier intervalo finito de tiempo, y no tiene más que un
número finito de máximos y mínimos durante cualquier período de la señal.
3. En cualquier intervalo finito de tiempo hay sólo un número finito de

discontinuidades. Además cada una de estas discontinuidades debe ser finita.
f(t) f(t)
1
... .. .. ... ... 1/2 ... ...

. 1.
1/4
2
t
-8 0 8
t
CONVERGENCIA DE LA SERIE DE FOURIER

Teorema:
Sea f  Q’[a,b], su serie de Fourier converge en cada punto t   ,  y la suma
T T
 2 2
a   2n 2n 
S(t)  0    ancos t  bnsen t  satisface :
2 n1 T T 
T T
1) S(t) = f(t) si   t  y f(t) es continua en t.
2 2
 
f(t )  f(t ) T T
2) S(t)  si   t  y f(t) es discontinua en t.
2 2 2
 T     f(t)
f   f T  f(t1+)+f(t1-)
 T T   
2   2  2
3) S    S    f(t1+)
 2 2 2
t
f(t1-)
Si una función no es periódica pero está definida en un intervalo cerrado, entonces la

convergencia establecida se restringe al intervalo de definición de la función
104
Serie trigonométrica de Fourier
 T T  2nt 2nt 
Sea Q  ,  , T>0, con B = 1, cos , sen , n  N  ortogonal. La suma
 2 2  T T 
a m
 2nt 2nt 
parcial de Fourier está dada por: S m ( t )  0    a n cos  b n sen  y los
2 n 1  T T 
coeficientes se deducen como sigue:
T
2
 f (t )dt
T
T
a0 f ,1  a0 1 2
 2     f(t)dt
2
2 1 T 2 T T

2
T
2
2nt
f , cos
2nt  f (t ). cos T
dt T
2nt
T 2
T  2
an 
2nt
2
 2
T
 an 
T  f(t).cos
T T
dt n  N
cos 
2
T 2
T
2
2nt
f , sen
2nt  f (t ).sen T
dt T
2nt
T 2
T  2
bn 
2nt
2
 2
T
 bn  
T T
f(t).sen
T
dt n  N
sen 
2
T 2
a0 
 2nt 2nt 
Como f ( t )  lim S m ( t ) resulta: f(t)     a n cos  b n sen  (I)
m 2 n 1  T T 
El error cuadrático medio está dado por
 
T/2
1 a0 2 1 m 2
  an  b n 2
2
εm  
T T/2
f(t) dt 
4 2 n 1
a0 2 1 
 
T/2
1
  an 2  bn 2 Identidad de Parseval
2
Como el lim  m  0 
m

T T/2
f(t) dt 
4 2 n 1
El término a0/2 es el valor medio de la función en el intervalo. Cada uno de los

términos de la serie (I) es periódico en t con período T. Cuando la serie converge a f(t)
en el intervalo fundamental   ,  converge a una función periódica de período T
T T
 2 2
105
que coincide con f en el intervalo fundamental, es decir, la serie representa la extensión

periódica de f para todos los valores de t. En el caso de que f(t+T) = f(t), la serie
representa a f para cualquier valor de t cuando la representación es válida en el intervalo
fundamental. Sintetizando, la serie de Fourier (I) : a) representa una función definida
en el intervalo   ,  para valores de t en ese intervalo, o b) representa una función
T T
 2 2
periódica, con período T, para todos los valores de t. Evidentemente no puede
representar una función para todo valor de t si la función no es periódica.
0 si    t  0
Ejercicio: Hallar la serie de Fourier correspondiente a la función f ( t )  
t si 0t
en el intervalo  , 
Serie compleja de Fourier
 T T
 
Sea Q  ,  , T>0, con B = e jnw0 t n  Z ortogonal. La suma parcial de Fourier está
 2 2
m
dada por: S m ( t )  c
n  m
n e jnw0 t y los coeficientes se deducen a partir de la definición:
T
f , e jnw0 t  f ( t ).e  jnw0 t dt 1 2
cn 
jnw0 t 2

T
 cn  
T T
f(t).e  jnw 0t dt , n  Z
e 
2
T
2
1
T T
Si n = 0  c0  f(t)dt

2

2π
Como f ( t )  lim S m ( t ) resulta : f(t) 
m
c
n  
n .e jnw 0t con w 0 
T
T/2 m 2
1
 cn
2
El error cuadrático medio está dado por εm  
T  T/2
f(t) dt 
n  m
T
2 
1
Como el lim  m  0   f(t) dt  c
2 2
n Identidad de Parseval
m T T n  

2
Ejercicio:
Sea la señal periódica f(t) representada por la figura:
106
f(t)
-5d -2d -3d -d -d d d 3d 2d 5d t

2 2 2 2 2 2
T
Calculamos la serie exponencial de Fourier:
T /2
1
cn   f (t ).e  jnw0t dt , n  Z
T T / 2
En los intervalos:  d  t  d / 2 y en d / 2  t  d la función f(t) = 0, por lo tanto
d/2
1
2d d/ 2
resulta: c n  A.e  jnw0 t dt y resolviendo la integral, se llega a:
n 
A  d A  d
cn  sinc  nw0  , n  Z Por lo tanto la serie es: f ( t )   . sinc  nw 0 .e jnw0 t
2  2 n   2  2
 T T
que converge en  ,  . En los puntos donde f(t) es discontinua, la serie converge al
 2 2
promedio de los límites laterales, es decir:
n 
A  d A d

n   2
. sinc  nw 0 .e jnw0 t 
 2 2
si t 
2
n 
A  d A d

n   2
. sinc  nw 0 .e jnw0 t 
 2 2
si t  
2
En este caso la identidad de Parseval viene dada por la fórmula:

T/2 
1
  
2 2
f ( t ) dt cn
T T / 2 n  
d/2
1 A2
2d d/ 2
La integral se calcula fácilmente: A 2
dt  y los coeficientes de Fourier cn ya
2
fueron calculados, por lo tanto después de hacer el módulo al cuadrado, resulta la
identidad:

A2 A2  2 d  d
  sinc  0 
nw   sinc 2  nw 0   2
 2
2 4 n   2 n  
T
Si tomamos un caso particular, por ejemplo, T = 2d   d , como se muestra en la
2
2 
figura. Tenemos entonces que: , w0   . Los coeficientes y la correspondiente
T d
serie para la señal f(t)toman las
siguientes formas:
f(t)
107 A
-5d -2d -3d -d -d d d 3d 2d 5d t

2 2 2 2 2 2
T
A  
cn  sinc  n  , n  Z
2  2
n 
A  
f (t )   . sin c n .e jnt 7 d , .
n   2  2
También se puede hallar la serie trigonométrica de Fourier.

Considerando la expresión de los coeficientes tendremos que:
2A n
a 0  A, an  sen , n  N, bn  0 .
n 2
Finalmente se puede escribir la serie trigonométrica correspondiente:
A  2A n nt  T T
f (t)   sen . cos , t   , 
2 n 1 n 2 d  2 2
Relación entre los coeficientes de la serie exponencial y la serie

trigonométrica
 T T
Sea f (t ) definida para t   ,  real y el desarrollo en serie exponencial
 2 2

 T T 2
(compleja) de Fourier f (t )   c n .e jnw0t , t   ,  ,  0  , donde
n    2 2 T
T /2
1  jn0 t
cn 
T  f (t ).e dt . Entonces:
T / 2
T/2
1 a a0
 Si n = 0  c 0   f ( t )dt  0 
T T / 2 2
c0 
2
T/2
f ( t ).cos nw 0 t  j sen nw 0 t . dt 
1
T T/ 2
 Si n  N  c n 
T/2 T/2
f ( t ). sen nw 0 t. dt , de donde: c n  a n  jb n  n  N (A)
1 1 1
cn = 
T T/2
f ( t ). cos nw 0 t . dt  j. 
T T/2 2
   
1 1
an bn
2 2
Ahora calculamos los c-n , con n  N
T/2 T/2
1 1
 c n  
T T / 2
f ( t ).e  j(  n ) w 0 t dt   f ( t ).e jnw0 t dt . Haciendo un análisis similar al caso
T T / 2
anterior resulta: c n 
1
a n  jb n  n  N (B)
2
108
De (A) y (B) se deduce: c n  c n  n N . Para indicar el conjugado de cn también se

utiliza la siguiente simbología: c n  c *
Con las fórmulas que hemos hallado se obtiene la serie exponencial de Fourier a partir
de la forma trigonométrica de la serie de Fourier.
Utilizando las mismas fórmulas se puede pasar de la forma exponencial a la

trigonométrica.
Es decir: a 0  2.c 0 , a n  c n  c n , b n  j.c n  c n  , n  N
Ejercicio:
Serie de Fourier de un tren periódico de impulsos unitarios
El tren periódico de impulsos unitarios es una función muy útil, la simbolizamos:  T ( t )


De este modo: T ( t )    ( t  nT ) . Gráficamente:
n  
g(t)
 (t  T )  (t  T )
 (t  2T )  (t )  (t  2T )
-2T -T T 2T
t

Proponemos, T ( t )  0   an . cos nw0t  bn .sen nw0t  , y calculamos los
a
2 n 1
coeficientes a fin de escribir la serie trigonométrica de Fourier.
T /2 T /2
2 a 1 1 a0 1
a0   g (t )dt  0 
T T / 2   (t )dt  
2 T T / 2 T

2 T
T /2
2 2 2 2
an    ( t ).cos nwo t dt  .cos nw0 t t 0   a n 
T T / 2 T T T
T /2
2 2
bn    ( t ).sen nwo t dt  .sen nw0 t t 0  0 
T T / 2 T
bn  0
1 2 
En consecuencia, la serie es: T ( t )    cos nw0 t
T T n 1
Hallar la serie exponencial del tren de impulsos: . . . . . . . . . . . . .
..........................
Otros ejemplos de series de Fourier para señales comunes, se muestran en la tabla

siguiente:
109
Forma de onda C0 Cn, n≠0

Si n impar
2X0
Cn =  j
Onda n
cuadrada 0
Si n par
Cn = 0
Para todo n
Diente de X0
Cn = j
Sierra X0/2 2n
Si n impar
2X 0
Cn = 
Onda n 2
Triangular X0/2
Si n par
Cn = 0
Para todo n
Onda Cn =
Rectificada 2X0/ Cn  
2X 0
  4n 2  1
 
Si n impar
C1   jX 0 / 4,
Onda con C 1  jX 0 / 4,
media X0/ Cn= 0 (n≠±1)
Rectificación X0
Si n par 

 n2  1 
Para todo n
Onda Cn =
Rectangular
Para todo n
Tren de X0 X0
impulsos Cn =
T0 T0
110
RESPUESTA PERMANENTE DE UN SISTEMA LINEAL

A UNA FUNCIÓN PERIÓDICA
La respuesta de un sistema lineal con función H(j) a una función T-periódica, es

una función T-periódica.
Sea un SLIT cuya respuesta al impulso es h(t). Según vimos en el capítulo


anterior la respuesta a una entrada x(t) es : y(t)   h   . x(t  τ)d . Si la entrada es

una exponencial compleja de la forma e jt , definida para todo t, la respuesta
estacionaria o “permanente” del sistema es:
 
j t  
y( t )   h(  ).e d  e jt . .  h(  ).e  j d  e jt .H  j  ,
 
donde H ( j ) es la función del sistema y es un número complejo para cada valor

determinado de  .
Para hallar la respuesta y(t) de un SLIT a una entrada periódica que puede

representarse por una serie de Fourier, f ( t )   cn .e jnn t , utilizamos la propiedad
0
n  
de superposición de un SLIT . Como para cada entrada de frecuencia n0 la salida es
H(j n0) e j n0 , entonces, la salida para f(t) será:

y( t )   cn H ( jn0 ).e jn t 0
n  
La última ecuación nos dice que la señal de salida es una suma de exponenciales
con coeficientes d n  c n H ( jn0 ) . Nótese que como H ( jn 0 ) es una constante
compleja para cada valor de n, la salida es también periódica y sus coeficientes de
Fourier son dn. Por otro lado, como la frecuencia fundamental de y(t) es 0 , que es
también la frecuencia fundamental de f(t), los períodos de las dos señales son iguales.
Por lo tanto,
la respuesta SLIT a una entrada periódica de período T
es periódica con el mismo período.
111
SIMETRÍA DE ONDAS PERIÓDICAS
Funciones pares e impares

Recordemos que:
 T T
- f(t) definida en  ,  es par  f(t) = f(-t)
 2 2
 T T
- f(t) definida en  ,  es impar  f(t) = - f(-t)
 2 2
 T T
Y que toda función f(t) arbitraria definida en  ,  puede escribirse como la suma
 2 2
de una función par (fp) y una impar(fi).
Demostración:
2.f ( t ) f ( t )  f ( t ) f ( t )  f (t )  f ( t )  f (t ) f ( t )  f (t ) f ( t )  f (t )

f (t)       f p (t )  f i (t )
2 2 2  2   2 
fp (t ) fi ( t )
Ejercicio: Demostrar que  t  R : e  cosh( t )  senh( t ) .

t
 
fp fi
 T T
Observar que, para f(t) y g(t) funciones definidas en  ,  se cumple que:
 2 2
1. Si f(t) y g(t) son pares, entonces su producto es par.
2. Si f(t) y g(t) son impares, entonces su producto es par.
3. Si f(t) es par y g(t) es impar, entonces su producto es impar.
4.
Influencia de la simetría en la serie exponencial de Fourier
2π
 Si f(t) es real y par, entonces los cn  R,  n  Z con ω 0 
T
T/2 T/2 T/2
1 1 1
  T T/ 2
cn  f ( t ) . cos nw 0 t .dt  j f ( t ). sen nw 0 t. dt  c n  f ( t ). cos nw 0 t dt
T T / 2 T T / 2
Como se observa los cn son reales  n  Z.
 Si f(t) es real e impar, entonces los cn son imaginarios puros,  n Z con

2π
ω0 
T
T/2 T/2 T/2
1 1 1
T T/ 2 T T/ 2 T T/ 2
cn  f ( t ) . cos nw 0 t .dt  j f ( t ). sen nw 0 t . dt  c n   j f ( t ). sen nw 0 t dt
Como se observa los cn son imaginarios puros  n  Z.
112
Influencia de la simetría en la serie trigonométrica de Fourier
 Si f(t) es real y par, su serie de Fourier es de la forma:

a  2nπ t
f(t)  0   a n .cos nN
2 n 1 T
Pues:
4 T/2
T/2
2
T T/ 2
a0  f ( t ) dt  a 
0 T  f(t)dt
0
2nt 4 T/2
T/2
2 2nπ t
an  
T T / 2
f ( t ). cos
T
dt  an 
T 0 f(t).cos
T
dt y bn = 0 n  N
 Si f(t) es real e impar, su serie de Fourier es de la forma:

 2nπ t
f(t)   bn.sen nN
n1 T
4 T/2 2nπ t
Pues: a 0  a n  0 y bn   f(t).sen dt
T 0 T
 Además, como para toda f(t) , f(t) = fp(t)+fi(t) será:
 
a0
f p (t)    a n . cos nw 0 t y f i ( t )   b n . sen nw 0 t
2 n 1 n 1
Aplicaciones
 T
1) Desarrollos en serie de Fourier para señales definidas en 0,  , T > 0
 2
Una señal cualquiera, definida en un intervalo, puede expresarse en ese intervalo
mediante diferentes series, según se proponga lo que llamaremos una extensión
par de la misma o una extensión impar.
Extensión par e impar

 T  T 
f(t)  0,  y se puede extender de forma par o impar a  2 ,0
 2
   T
 T T  f ( t ) si t  0, 2 
 La extensión par a  ,  será: f̂ ( t )    
 2 2  
 f ( t ) si t   ,0 
T
  2
 
Como f̂ ( t ) es par, su desarrollo en serie de Fourier tendrá las características
correspondientes a toda señal par:
113
  T
 f(t) si t   0, 
 T T   2
 La extensión impar a  ,  será: f̂ ( t )  0 si t  0
 2 2   T 
 f ( t ) si t   ,0 
  2 
Su desarrollo en serie de Fourier es el mismo que corresponde a las funciones impares.
Ejemplo: Dado el pulso de la figura, encuentre las series trigonométricas que

representan : a) la extensión par del mismo , b) la extensión impar del mismo
--
_A
0 T/2 t
Solución
 2nt 
T /2
dt  2 2 cos(n)  n sin( n)  1 ;

4 2A 2A
a) a n 
T 
0
T
.t. cos
 T  n
bn  0
 2nt 
T /2
dt  2 2 sin( n)  n. cos(n)

4 2A 2A
b) a n  0 ; bn 
T 
0
T
.t.sen
 T  n
114
2) Relación entre los coeficientes de una señal desplazada

Sea f(t) = g(t-a) . Se supone que se sabe que : g( t )   c'n e jnw0t ,
n  
 
Entonces será: f ( t )  g( t  a )   c'n e jnw0 ( t a )   c'n e jnw0ae jnw0t
n   n  
Y la serie de Fourier
de f(t) resulta

f ( t )   cne jnw0t
n  
con cn  c'n e jnw0a .
Ejemplo: Halle los

coeficientes de la serie
de Fourier de un tren
de pulsos rectangulares desplazado, f(t-d/2).
Simetría de media onda

 T T
Sea f(t) definida en  ,  , se dice que tiene simetría de media onda si:
 2 2
 T
f(t)  f  t  
 2
Gráficamente, se debe notar que la porción negativa de la onda es el reflejo de la

porción positiva, desplazada horizontalmente medio período.
Ejercicio:
Si una función periódica f(t) tiene simetría de media onda, demostrar que:
 T
f ( t )  f  t   . Al ser f(t) periódica, de período T, se puede escribir:
 2
115
 T  T   T
f  t    f  t   T   f  t    f ( t ) según la definición de simetría de media
 2  2   2
 T
onda. En consecuencia: f ( t )  f  t  
 2
Propiedad: La serie de Fourier de una función periódica f (t) con simetría de

media onda, contiene solamente armónicas impares.
Las fórmulas se pueden deducir, aplicando la definición de simetría de media onda en el
desarrollo de la serie trigonométrica de Fourier.

f(t)   a
n 1
2n 1 cos(2n  1)w 0 t  b2n 1 sen(2n  1)w 0 t  con a2n = 0 ,
T T
2 2
 f(t) cos (2n  1)w t dt  f(t) sen (2n  1)w t dt

4 4
b2n=0 a2n 1  0 b2n 1  0 nN
T T
0 0
ESPECTRO DISCRETO DE FRECUENCIA
Si f(t) es una función periódica, de período T, la serie trigonométrica de Fourier


f ( t )  0   a n . cos nw0 t  bn .sen nw0 t 
a
, muestra a f(t) como una suma de armónicas de
2
n1
frecuencia n0, donde la componente de cada armónica es: an .cos nw0 t  bn .se nw0 t ,
2π
siendo 0  la frecuencia fundamental y n un múltiplo entero de la
T
frecuencia de la armónica fundamental.
T/2
1  jnw0t
Los coeficientes complejos de Fourier dados por cn 
T  f ( t ).e dt , los
T / 2
representaremos ahora por Fn, pero como estos coeficientes dependen de n y , lo
indicamos como:
T/2
1  jnw0t
F ( nw0 ) 
T  f ( t ).e dt , nZ
T / 2
La frecuencia  = n0, con n  Z, se llama frecuencia discreta.

Si bien  puede tomar valores negativos: - 0, -2 0,......., estos valores de frecuencia
no existen desde el punto de vista físico y surgen al efectuar un modelo matemático
complejo de la descomposición espectral de una señal periódica f(t).
El espectro discreto de frecuencias de una función periódica f(t) es el conjunto de

valores: F(nω0 ), n  Z, que es un conjunto discreto.
De todo lo desarrollado, se puede concluir que se considera que existen dos formas de
representar una señal:
116
1) En el dominio temporal: la función queda definida por su ecuación

funcional.
2) En el dominio frecuencial: la función queda definida por su espectro de
frecuencia discreta.
El conjunto de los segmentos que representan los valores de F(nω0 ) se llama espectro
de línea, y la curva que une los extremos de estos segmentos, se llama envolvente del
espectro.
En general F(nω0 ) es un número complejo, del que se conoce su módulo y su

argumento:
F ( n0 )  F ( n0 ) .e j ( n0 ) . A F ( n0 ) se lo llama espectro discreto de amplitud.
y a  ( n0 )  arg F ( n0 ) se lo llama espectro discreto de fases.
Ejemplo1: Se desea encontrar el espectro discreto de frecuencias y graficar el espectro

0 si    t  0
de amplitud y el de fase de la señal definida como x(t )   , y
t si 0t 
x(t)=x(t+2) t . Entonces la señal en el dominio temporal puede graficarse como se
muestra en la siguiente figura:
x(t)
π
-2π -π π 2π 3π t

1
Su espectro discreto está dado por: X (n 0 ) 
2 0 t e  jn0 t dt para 0  2 / T  1 .
Operando obtenemos:
 cos( n )  1 cos( n )  , n par
X (0)  ; X (n0 )   j 
4 2n 2 2n , n impar
Calculando la amplitud y la fase, se obtienen las figuras siguientes
Espectro Discreto de Amplitud Xn Espectro Discreto de fase θ n
n n
117
Ejemplo 2: Sea f(t) la señal dada por la figura:
f(t)
-5d -2d -3d -d -d d d 3d 2d 5d t

2 2 2 2 2 2
T
Los coeficientes de Fourier de f(t), calculados anteriormente están dados por:
Ad  n d 
cn  . sin c 0  , n  Z ; T  2d . Entonces el espectro de frecuencia
T  2 
Ad  n d 
discreta de f(t) es: F(n0 )  sinc 0  , n  Z ,
T  2 
Ad  nd 
el que también puede escribirse como: F(n 0 )  sinc   , n  Z .
T  T 
Tomemos valores particulares para d y T.
1 1 d 1 2 n0 d n
I) d  ;T    y 0   4 por lo tanto:  , así:
10 2 T 5 1/ 2 2 5
A  n 
F(n0 )  sinc , n  Z
5  5 
 n  n
Si calculamos los ceros de sinc  , es  k , kZ  0  n  5k ,
 5  5
n
por lo tanto:   5k .0  5k .4   20k , k Z  0.
La representación gráfica del espectro de frecuencia discreta F(n  0) es:

F(n0)
F(nW0)
A
5
espectro de línea
envolvente
……… ………
0
20 40
nW0
118
A  nπ 
El espectro de amplitud es: F(n0 )  . sinc  , n Z y su representación
5  5 
gráfica:
|F(nW0)|
A
5
…… …….
0  0 nW0
40 20 20 40
Para graficar el espectro de fase, debemos tener en cuenta que  n0  es una función
impar, propiedad que se demostrará más adelante. Además:
 20 k
  n0  n  n  n  5k
0 4
Con estas observaciones y teniendo en cuenta que en este ejemplo, el espectro de
frecuencia discreta es un número real, resulta:

F (nW0)


…… …….
nW0
40 20 0 20 40

1 Ad A 2 n0 d n
II) d  ; T 1  y 0   2 por lo tanto:  , así:
10 T 10 1 2 10
A  n 
F(n0 )  sinc , n  Z
10  10 
 n 
Si calculamos los ceros de sinc  tenemos: n  10k ,   20k , k Z  0
 10 
F(nW0)
A
10
•••••••• ••••••••
0  0 nW0
40 20 20 40
119
PROPIEDADES DEL ESPECTRO DISCRETO DE FRECUENCIAS
1) Simetría de los espectros de amplitud y de fase
El espectro de amplitud de una función real periódica f(t) es una función par de
“n0” y el espectro de fase es una función impar de “n0”.
Demostración
Recordamos la propiedad ya vista de los coeficientes complejos de la Serie de
Fourier: c n  cn . Entonces:
T
2
1  jn0t
F ( n0 ) 
T  f ( t ).e dt , n Z , por lo tanto podemos expresar que:
T

2
1-1) F ( n0 )  F ( n0 ) , si tomamos el módulo en ambos miembros queda:
F ( n0 )  F ( n0 )  F ( n0 ) en consecuencia el espectro de amplitud es
una función par de “n0”.
1-2) Al ser F(n0) un número complejo conocemos su módulo y argumento, por lo

tanto si partimos de la misma propiedad que en 1-1) y expresamos según su
módulo y argumento, resulta:
F ( n0 )  F ( n0 )
F ( n0 ) .e j ( n0 )  F ( n0 ) .e  j ( n0 )
En esta igualdad se verifica que los módulos son iguales, según lo demostrado
en el inciso anterior, F (  n0 )  F ( n0 ) , y los argumentos también, es
decir:
(- n0 ) = - ( n0 )  ( n0 ) = - (- n0 ) .
En consecuencia, el espectro de fase es una función impar. Obsérvese que

si n = 0 también se verifica la propiedad.
2) Función trasladada en el tiempo
Si f(t) es una función periódica (real) de período T y t0  R, entonces el espectro de

amplitud de f(t-t0) es: F(n0 ) y el espectro de fase es:  n0    n0   n0t0
120
ESPECTRO DE POTENCIA
Si recordamos la definición ya vista, podemos afirmar que la potencia media asociada

a una señal periódica f(t), se define como:
T/2
1
Pm  
2
f(t) dt ,
T  T/2
fórmula que permite calcular, en el dominio del tiempo, la potencia de una señal.
Ejercicio: Si f(t) = A.ej(t + )  Pm = A .

2
Calcularemos ahora la potencia de una señal, operando en el dominio de la frecuencia.
Si f(t) es una señal periódica de período T, entonces la descomposición de f(t) en

armónicas complejas de frecuencia “n0” con n  Z, está dada por el desarrollo de f(t)

en serie exponencial de Fourier, o sea: f ( t )   Fn e jn0t donde

T
e 
2
1  jn0t jn0t
Fn 
T  f ( t ).e . Como el sistema , n  Z es completo, se cumple la
T

2
identidad de Parseval, o sea que:
T
2   1
1
 f (t ) dt   Fn  F0   Fn  F
2 2 2 2 2
n
T T n   n 1 n  

2
En la última sumatoria hacemos un cambio de variables, tal que n  n ,
1 
 Fn   F n  y nuevamente cambiamos n  n , y nos queda:

2 2
entonces
n   n  1
T
2  
1
 f (t ) dt  F0   Fn   F n ,
2 2 2 2
T T n 1 n 1

2
ya que el espectro de amplitud es una función par, podemos escribir:
T
2   
1
 f (t ) dt  F0   Fn   Fn  F0  2 Fn , finalmente:
2 2 2 2 2 2
T T n 1 n 1 n 1

2
T
2 
1
 f (t ) dt  F0  2 Fn
2 2 2
T T n 1

2
121
Esta ecuación indica que la potencia media total de f(t) se puede calcular sumando
todas las potencias medias asociadas a cada componente de frecuencia “n0” de f(t) .
2
El conjunto de las potencias de las componentes, Fn , como función de “n0” se llama
espectro de potencia de f(t). O sea el espectro de potencia de f(t) es  
Fn , n  Z .
2
Al igual que con el espectro de frecuencia discreta de una señal periódica de período T,
aquí también tenemos el espectro de línea de potencia media de f(t) y la curva de
ecuación   F ( ) será la envolvente del espectro de potencia media.
2
Ejercicio
1) Hallar analítica y gráficamente el espectro de potencia media, e indicar el correspondiente
espectro discreto y su envolvente, para la señal representada en la figura.
2) ¿Qué porcentaje de la potencia total está contenida hasta el primer cruce en cero de
la envolvente del espectro de f(t)? ¿Y hasta el cuarto?
3) Calcule el error cuadrático medio entre la señal exacta y su aproximación con una
serie de Fourier truncada.
f(t)
A=1
-1 -T -1 d =1 T=1 1 t
4 2 40 2 40 2 8 4
T=1
4
1  n  
Respuestas: 1) Espectro de potencia media:  sinc 2   , n  Z
 25  5  
1 
Envolvente del espectro:   sin c 2   .
25  40 
2) Representan el 90,3% y el 97.5% de la Pm de la señal f(t).
122
OTRAS PROPIEDADES DEL ESPECTRO DISCRETO DE FRECUENCIAS
3) Diferenciación en el tiempo
Si f(t) es una función periódica, de período T que admite derivada seccionalmente

 T T  T T
continua en  ,  hasta el orden k inclusive, f ( k 1)     f k 1   para k N,
 2 2  2 2
k
entonces el espectro de frecuencia discreta de f ( t )   jn  .F ( n  ), n Z.
k
0 0
 
Si f ( t )   F ( n0 ).e jn0t  f ( t )   jn0 .F ( n0 ).e jn t  0
n   n  

f k  ( t )  ( jn0 )k .F ( n0 ).e jn t 0
, k 1
n  
4) Integración en el tiempo
t
Sea f(t) una función periódica de período T, continua y g ( t )   f (x ) dx , entonces

T
2
g(t) es una función periódica, de período T si y sólo si  f (t ) dt
T
= 0 y su espectro de

2
 F ( n0 )
 , n0
jn0

 T
frecuencia discreta es: G( n0 )   2
G( 0 )  1 g( t ) dt , n  0
 T T
 
2
5) Desplazamiento en frecuencia
Sea f(t) una función periódica de período T y a  Z entonces la función

g ( t )  e ja0t . f ( t )
es periódica de período T y su espectro de frecuencia discreta es:
G( n 0 )  F ( n 0  a0 )  F n  a 0  , n  Z
6) Convolución en frecuencia
Si f(t) y g(t) son funciones periódicas de período T y f(t).g(t) es una función de

período T>0, entonces el espectro de frecuencia discreta de h(t) = f(t).g(t) es:

H(n0) = F(n0) * G(n0) =  F(k0 ).Gn  k .0  , n  Z.
k  
123
7) Convolución periódica en el tiempo

 T T
Si f(t) y g(t) son funciones periódicas, de período T, pertenecientes al Q  ,  ,
 2 2
T
1 2
 T T
entonces la función h( t ) 
T  f ( t  x ).g( x ) dx (A) es continua en   2 , 2  , es
T

2
periódica de período T y su espectro de frecuencia discreta es :
H(n0) = F(n0).G(n0)
Ejercicio
Sean las señales periódicas f(t) y g(t) indicadas en las gráficas, se pide:
a) Calcular la convolución periódica de f(t) y g(t)
b) Encontrar el espectro de frecuencia discreta de h(t), definida como el resultado de a)
c) Verificar el espectro obtenido en b), mediante el teorema de convolución en el
tiempo.
f(t)
2      2 t
2 2
T
g(t)
t
2     2

2 -a 2
T
Respuestas:
 a2 
 ( t  )  t  
 2 2  2
a  
h(t)   t  t
 22 2 2
 a (  t ) 
t
 2 2
 a2 n
 j n0
a) H ( n0 )   n 2 2 sen 2
0 n0
0 n0
a  n  
n 
c) F ( n0 )  sin c , nZ G(nw 0 )   ja 
2  2   1  cos  n0

 n  2 
124
Una vez hecho el producto en frecuencia se obtiene H ( n 0 ) igual que en b).

Resolución del a)
f(t) g(t)
a
a
     t     t
2 2 2 2
-a
T
T
g    g t   
a a
 t
  t
     t 
2
 t t
 t
2 -a 2 2
-a
T
2 
1 1
h(t ) 
T T f ( ) g (t   )d  2  f ( ) g (t   )d


2

   t  0     t   No tiene sentido ya que las variaciones de t    ,  
3
 Si 
2 2 
t
  a2 
 Si 0  t 
2
   t  
2
h( t ) 
1 2
2 
 a(  a )d  
2

  t
2 

 2
  t   t 2
 t 2  t a2 
2 h(t )   (t   ) si   t  
a 2 2
     
2 2 t
 
 Si  t    t 0 t 
t 
2 2 1  2

h(t )        
2 2
 t a d ( a ) d
  t
  t  t 2  
2 a
2  2 t

1  2   2  
h(t )   a  t    a   t  t  
2   2 2 
     t
2 2 1  2  
h(t )   a t  a2  a2  
2  2 2
3 
 Si   t   0t  a 2t 
2 2 h(t )  si   t  0
2 2
125
  
  t  t  t 2 
 
1
  t 2  t h( t )   a 2 d  ( a 2 )d 
2   
a 2 t
  2  t 
1  2   2  
h(t )  a  t  2  t   a  2  t  
   
2
 
t 2     
2
a 2t 
h(t )  si 0  t 
2 2
3 
 Si     t  2   t  
2 2 
2
1
h(t )  a d 
2
 t 2 
  t  t
  t 2   t 2
2
a2     a
2
  t  
a
h(t )    t 
2  2 2  2
 t h(t )  a   t  
2
    si t 
2 2
2 2
 Si 2    t  3    t  2  t    , 
 
   t      t    t    ,  
3
2 2 2

0    t     t    t    , 
3
2 2
Finalmente:
 a2 
 ( t   ) si  t  
 22 2
a t  
ht    si  t
 22 2 2
 a   t  
 2 si t
 2
h(t)
     t
2 2
126
RESUMEN DE FÓRMULAS
Serie exponencial o compleja de Fourier

T
 2
 jnw0t
 cn e 
jnw0t 1 2π
f(t) = donde cn  f(t).e dt y w0 
n 
T T
T

2

T
 2
a
 a cos( nw 0 t)  bn sen( nw 0 t) 
 f(t) dt ;
2
f(t)  0  n con a0 
2 n 1
T T

2
T T
2 2
 f(t) cos (nw t) dt  f(t) sen(nw t) dt

2 2
an  0 bn  0
T T
T T
 
2 2
Si f(t) es par:
T T
 2 2
a0
 a  f(t) dt  f(t) cos (nw t) dt ;
4 4
f(t)   n cos( nw 0 t)  con : a0  ; an  0 bn = 0
2 n 1
T
0
T
0
Si f(t) es impar:
T
 2
 b sen ( nw 0 t) 
 f(t) sen (nw t) dt
4
f(t)  n con : a0 = an = 0 ; bn  0
n 1
T
0
Si f(t)tiene simetría de media onda contiene solamente armónicas impares


f(t)   a
n 1
2n 1 cos(2n  1)w 0 t  b2n 1 sen(2n  1)w 0 t  con a0 = 0
T T
2 2

4 4
a2n 1  0 b2n 1  0
T T
0 0
Identidad de Parseval
T
2 
1
 f(t) dt  c
2 2
Si utilizamos la serie compleja de Fourier: n
T T n  

2
T
1 
 
2 2
1 a0
T f(t) dt  4  2  an  bn
2 2 2
Si utilizamos la serie trigonométrica de Fourier:
T n 1

2
127
Transformada de Fourier
128
Espectro de frecuencias de un tren de pulsos rectangulares
(c)
Pulso rectangular y su transformada de Fourier

f(t)= A Pd(t) F() = d A sinc (d/2)
129
1. Motivación: El dominio de la frecuencia
Se ha considerado hasta ahora, el análisis de sistemas fundamentalmente en el dominio

del tiempo, es decir cuando las señales de entrada y salida se representan como
funciones del tiempo. Sin embargo, a menudo es más conveniente analizar señales y
sistemas cuando están representados en el dominio de la frecuencia. El dominio de la
frecuencia es probablemente el concepto más importante en la teoría de señales y
sistemas.
Para llevar a cabo el análisis en el dominio de la frecuencia, haremos uso de la
Transformada de Fourier , operación matemática que tiene una multitud de
aplicaciones en muchas áreas de la ciencia e ingeniería: el procesamiento de señales,
la teoría de la probabilidad, la óptica, la propagación de ondas y otras áreas.
La rama de la matemática que estudia T. de Fourier y sus generalizaciones es
denominada análisis armónico.
La T. de Fourier goza de una serie de propiedades de continuidad que garantizan que
puede extenderse a espacios de funciones mayores e incluso a espacios de funciones
generalizadas.
En procesamiento de señales la transformada de Fourier suele considerarse como la
descomposición de una señal en componentes de frecuencias diferentes. Puede decirse
que es básicamente el espectro de frecuencias de una función. Un buen ejemplo de eso
es lo que hace el oído humano, ya que recibe una onda auditiva y la transforma en una
descomposición en distintas frecuencias (que es lo que finalmente se escucha). El oído
humano va percibiendo distintas frecuencias a medida que pasa el tiempo, sin embargo,
la transformada de Fourier contiene todas las frecuencias contenidas en todos los
tiempos en que existió la señal; es decir, en la transformada de Fourier se obtiene un
sólo espectro de frecuencias para toda la función.
Recordemos algo sobre Sistemas lineales e invariantes en el tiempo (SLIT )
1. Considere que la entrada del sistema es una señal x(t) cualquiera. La salida será:
y (t )  L[ x(t )]
que es una forma de escribir la relación matemática que vincula la entrada con la salida,
la que está estrictamente dada por una ecuación diferencial ordinaria del tipo:
d n y (t ) d n 1 y (t ) d m x (t ) d m 1 x (t )
an  an  a y ( t )  b  bm 1 b0 x(t )
dt n 1 dt m1
0 m
dt n dt m
d
Llamando: D  , A( D)  an Dn  an 1 Dn 1 a0 y B( D)  bm Dm  bm1Dm1 b0
dt
resulta la forma operacional : y(t )  H( D) x(t ) ,
B( D)
donde H( D)  : es la “función operacional del sistema”.
A( D)
2. Si la entrada del sistema es una señal x(t) exponencial imaginaria:

2
x(t )  e jt con  
T
jt
se puede ver que y(t )  L[ x(t )]  k e  k x (t )
130
es la solución de régimen permanente del sistema, ya que se supone que la entrada

existe todo es tiempo, donde además k  H ( j) es un número complejo para cada
frecuencia .
A H ( j) = H ( j) e j() se lo conoce como “Función del Sistema”.
Se llama función característica o autofunción del sistema a la función que

produce una salida proporcional a la entrada. Por lo tanto las autofunciones de
los LTI son las funciones x(t )  e jt .
Importante: El sistema lineal no modifica la frecuencia de la entrada. Es decir, si la

entrada era periódica, de período T, la salida será una función periódica del mismo
período.
3. Sea la entrada del sistema una señal x(t) periódica

k 
Si x (t )  x (t  T )   Ck e jk 0 t
k  
Aplicando el principio de superposición se obtiene:
k  k  k 
y (t )   Ck L[e jk0 t ]   Ck H ( jk0 )e jk 0 t   Ck H ( jk0 ) e j ( k 0 t  ( k 0 ))
k  k  k 
Nuevamente se observa que la salida es una función del mismo período que la entrada.
La respuesta del sistema se ha calculado como la suma de las respuestas debidas a cada
componente {e jk0 t } de la señal de entrada, y se ha observado la conveniencia que esto
representa por el hecho de que encontrar la respuesta de un LTI para entradas de este
tipo es muy sencillo.
Sin embargo, hay que recordar que la serie exponencial de Fourier proporciona un
método de descomposición de una función f(t) en términos de suma de componentes
elementales de la forma {e jk0 t } , pero se puede emplear solamente para señales que
son:
1) periódicas, f(t)=f(t+T) , en cuyo caso la representación es válida en (-, )
2) aperiódicas, en cuyo caso la representación es en un intervalo finito (a,b). La
extensión periódica de f(t) se obtiene fuera de (a,b).
¿ Es posible obtener una representación de funciones aperiódicas en (-, ) a partir del
mismo sistema base {e jk0 t } ?
Conteste: ¿Podrían ser éstos LTI?
Sen (t) cos (t+20)

???
0.25 Sen (10t) cos (5t)

???
131
2. La Transformada de Fourier
La T. de Fourier es una de las técnicas de procesamiento de señales más usadas.

Es una transformación matemática que sirve para encontrar la representación
frecuencial de una señal a partir de su representación temporal. Una vez en el dominio
frecuencial, es posible analizar el “contenido de frecuencia” de la señal, es decir, la
proporción relativa de las diferentes frecuencias presentes en la misma.

F{ f (t )}  F ( )   f (t )e  jt dt (1)


F ( )e jt d = F -1{F ( )}
1
2 
f (t ) = (2)
Las dos expresiones recuadradas definen la Transformada de Fourier, y la Transformada

inversa de Fourier, respectivamente. Se las llama normalmente Pares transformados, y
se las representa mediante la notación:
f (t ) F(  ) (3)
La expresión (2) se interpreta como la descomposición de f(t) en términos de una suma

continua de funciones elementales e jt .
A F( ) se lo llama espectro continuo de frecuencia de f(t). En general,
F( ) será una función compleja de la variable real  y por lo tanto se puede escribir de
la forma
F ( )  F ( ) e j ( ) (4)
donde: F( ) es el espectro de amplitud de f(t)

 ( ) es el espectro de fase de f(t).
Se utiliza también normalmente la notación: F()  R()  jX ()
donde: R() = Real [F()] y X() = Im [F()]
 
Forma trigonométrica: F ( )   f (t ) cos(t )dt  j  f (t ) sen(t )dt
 
donde, en el caso mas general f(t): R  C
Importante: No todas las funciones se pueden desarrollar en suma continua de

exponenciales complejas e jt .
132
Teorema de la integral de Fourier
Si f(t) definida en - < t <  cumple con las condiciones de Dirichlet, es decir
es:
1) en todo intervalo:
 acotada
 tiene un número finito de máximos y mínimos
 tiene un número finito de discontinuidades
2) absolutamente integrable en R, es decir:

 f (t ) dt  

entonces, la T. de Fourier existe y es única, y también existe su transformada inversa, es
decir:
F - 1 F  f  f , (6)
siendo F y F - 1 operadores lineales que representan las transformaciones ya

expresadas en las ecuaciones (1) y (2).
Demostración:
1  1     jx dx e jt d 
F -1F  f (t )  F ( )e jt d     f ( x )e 
2 2
     
1     1    
   f ( x )e  j ( x  t )dx  d   f ( x )   e  j  ( x  t ) d  dx 
2   2  
        
1     j( x  t )  1   sen ( x  t ) 
  f ( x ) lim   e d dx   f ( x ) lim 2 dx 
2        2    (x  t) 

1  1 
  f ( x )2 lim  sin c( x  t ) dx   f ( x ) 2 lim
1
 sin c( x  t )dx 
2     2     
1 
  f ( x )2 ( x  t )dx  f ( t )
2  
Observar que las condiciones de Dirichlet son condiciones suficientes, pero no
necesarias. Muchas señales útiles no cumplen estas condiciones, como las señales de
potencia, y sin embargo se podrán analizar mediante la T. de Fourier, como se verá más
adelante.
Transformada de algunas señales de energía sencillas
Ahora se considerarán varios ejemplos de transformadas de Fourier de señales de

energía sencillas a fin de dar una idea de cómo obtener el espectro continuo de
frecuencia para una función f(t).
133
 Transformadas de Fourier de un pulso rectangular
Para la señal gd(t) de la figura:

a) Calcular y graficar el espectro de frecuencia contínua
b) Determinar el espectro de amplitud y el de fase y dibujarlos
c) Determinar la representación integral (de Fourier) de gd(t)
d) Expresar en forma trigonométrica la integral anterior y calcular su valor para t=0
La función pulso rectangular que se muestra en la FIGURA 1

tiene una ecuación dada por:
 1, td /2
gd (t) = 
 0, los demás valores t
a) Su transformada, o espectro continuo de frecuencia Gd (), (FIGURA 2) , está dada

por:

1 e  jωt dt  e  jωt /(  jω )
d/2 d/2
Gd ()={gd (t)=   gd (t) e-jt dt  
d / 2 d / 2
d sen( d / 2 )
= = d . sinc(d/2)
d / 2
Gd()
.gd(t) d
1 .... ....
t 
-d/2 0 d/2
-4/d -2/d 0 2/d 4/d
FIGURA 1 FIGURA 2
b) Asi ,el espectro de amplitud es: Gd ()=d sinc(d/2)
y el espectro de fase es:

 0, sinc(d/2)>0
()=  , sinc(d/2)<0 si >0
-, sinc(d/2)<0 si <0
134
En este caso el espectro Gd () es un número real que puede ser positivo o
negativo .Los cambios de signo se pueden interpretar como cambios de fase de 
radianes
La forma del espectro de la figura 6.2 depende de la forma de gd(t) .Sin embargo
empleando gd(t) y Gd() se puede ilustrar una propiedad muy general de los pares de
transformada .Como se demostró en capítulos anteriores, la mayor parte de la energía de
una señal periódica (potencia para el caso periódico) está contenida hasta el primer
cruce en cero de Gd().El primer cruce de Gd() en cero ocurre a una frecuencia =1/T
Hz. Si disminuye el ancho “d” del pulso, el primer cruce en cero se desplaza a una
frecuencia mayor . Por el contrario , si aumenta el ancho “d” del pulso , el primer cruce
en cero se acerca al origen. Esta es una propiedad general de todos los pares de
transformada tiempo-frecuencia. Mientras menor sea la duración de una señal de tiempo
,mas extenso será su espectro y viceversa . Este análisis se ampliará cuando se traten las
propiedades de la transformada.
c) la representación integral (de Fourier) de gd(t) es :


1  d  jt
gd ( t ) 
2  d . sin c
2
 e d


d) y en su forma trigonométrica:
Entonces, gd(t=0)= 1= . . . . .
 Transformadas de Fourier de un pulso exponencial
Sea, f(t)=A.e-at u(t), Real(a)>0. Su transformada de Fourier se deduce aplicando la

definición:


 j t

 at  j t

 ( a  j)t Ae  ( a  j)t
F ()   f (t )e dt   Ae u (t )e dt A  e dt  
  0  (a  j)
0
A
 .
a  j
Como se ha visto, la función exponencial se emplea continuamente en el análisis

de sistemas lineales.
135
Los espectros de amplitud y fase aparecen en la figura 6.3. Las expresiones

analíticas para  F( y  se obtienen encontrando respectivamente la magnitud y el
ángulo de la función compleja F . Estas expresiones son
A
 F( = ;  = arctg  - / a)
(a2 + 2 )1/2
F(
-4 a -2 a 0 2a 4a


/2
-4 a -2 a 2 4
-2 0 a 
-/2
 Transformadas de Fourier de un pulso triangular
Un pulso triangular tiene una expresión analítica dada por:

  t
 A 1   t b
f (t )   b
 
 0,
 los demás valores de t
a) Grafique la señal en el dominio temporal

b) Demuestre que el espectro contínuo de frecuencias es: A b sinc2(b/2).
c) Grafíquela y analice algunas características del espectro encontrado.
136
Transformada de Fourier de funciones

absolutamente integrables
Transformada de Fourier de funciones reales.
Si además de ser absolutamente integrable, f(t) es una función real, entonces se pueden
analizar varias propiedades:

1) F f   F ( ) 
 jt dt . Luego, para f(t) real, F(0) representa el área
 f (t )e

bajo la curva.

2) R ()   f (t ) cos tdt y R() es una función par de 


X ()    f (t ) sen tdt y X() es una función impar de 

Demostración:
  
F ()   f (t ) e
 jt dt 
 f (t ) cos t dt  j  f (t ) sen t dt  R()  jX ()
  
Ahora, observemos que

 
R(-) =  f (t ) cos(t )dt   f (t ) cos(t )dt = R(), por ser el cost una función
 
par con respecto a  .
Análogamente resultará que : X() = - X(-) , por ser el sent una función impar de .
3) F ()  F ()
Demostración: (por propiedad 2): F(-) = R(-) + j X(-)

= R() - j X()= F ()
4) - El espectro de amplitud F () es una función par de .
- El espectro de fase () es una función impar de .
Demostración: ………………….
………………….
5) La fórmula de inversión puede desarrollarse, en todos los casos, de la forma:
1  j t d 
f (t )   F ()e
2  
  
1 1 1 (7)
f (t )  ( R(  )  jX (  ))(cos t  jsent )d   R(  ) cos t d   X (  )sentd
2 2 2
  
137
Trabajando algebraicamente la ec.(7), se ve que para funciones reales( f(t): R  R ), se

anula la componente imaginaria, resultando entonces otra expresión para la fórmula de
inversión para funciones reales:
1 1
f (t )   R() cos t d   X () sen t d (8)
 0  0
Demostración: ………………….
………………….

6) Si f(t) es real y par de t , resultará que X ()    f (t ) sen t dt  0


 F() es real; y podrá calcularse como F ()  2 f (t ) cos t dt

0

y su inversa, de acuerdo a ec.(8) puede escribirse como: f (t )  1  R() cos t d
0

7) Si f(t) es real e impar de t , entonces R ()   f (t ) cos tdt  0


 F() es imaginario puro . Luego: F ()  2 j f (t ) sen t dt

0
1
y su inversa: f (t )    X () sen t d
0
 La propiedad recíproca también es cierta:
-Si la T. de Fourier es real  f es par.
-Si la T. de Fourier es imaginaria  f es impar.
PROPIEDADES DE LA TRANSFORMADA DE FOURIER
Como ya se ha dicho, la T. de Fourier es otro método de representación de una

función f(t). Estas dos descripciones son útiles en ingeniería porque, con frecuencia,
alguna de ellas es más fácil de emplear en una aplicación particular o es más intuitiva en
determinado problema. Por supuesto, la elección depende de cada caso. La
transformación entre los dos dominios es relativamente directa empleando las
definiciones. Sin embargo es útil estudiar el efecto que se produce en uno de los
dominios al operar en el otro. Esto no sólo permite pasar de un dominio a otro, sino
también observar ciertos aspectos físicos básicos de la señal y del sistema, que de otra
manera no se observarían (como la relación inversa entre el tiempo de duración y el
ancho de banda). Así, se podría preguntar, por ejemplo, ¿cuál es la relación entre las
transformadas de una función del tiempo y la integral de ella?. ¿Qué sucede a la inversa
de una función en el dominio de la frecuencia si ésta se traslada en frecuencia? En esta
sección se da respuesta a este tipo de preguntas, analizando algunas propiedades de la T.
de Fourier.
1) Linealidad
La T. de Fourier es una operación lineal. Es decir, si
138
f1(t )  F1() y f2 (t )  F2 ()

entonces, af1(t )  bf2 (t )  aF1()  bF2 () , con a y b constantes.
La comprobación de la ecuación anterior es inmediata, ya que las transformadas son

integrales de funciones del tiempo y la integración es una operación lineal.
2) Simetría o Dualidad
Observemos las ecuaciones de f(t) y su transformada F().

1  jt

 jt
f (t )   F ( ) e d ; F ( )   f (t )e dt
2   
Es evidente su simetría respecto a las variables t y  . Esta simetría se puede emplear
provechosamente para ampliar la tabla de pares de transformada.
Si f (t )  F ()
Entonces: F (t )  2f ()
Comprobación:
1  jt
Puesto que f (t )   F ()e d . Llame  como ’, y escriba esta expresión
2  
para –t.

Entonces será: 2f (t )   F (' )e  j't d' . Cambiando ahora el nombre de la variable


t por , queda 2f ()   F (' )e j'd' .

La forma más familiar se obtiene reemplazando ’ por t :

2f ()   F (t )e jt dt  F {F (t )}

Observe que para el caso particular de f(t) función par, entonces:
F {F (t )}  2f ()
Ejemplos: Aplique esta propiedad para encontrar la T. de Fouirer de las funciones
Sinc(at) y Sinc2(at) .
3) Escala
Si f (t )  F ()
1 
Entonces, para la constante a real f (at )  F  
a a
Comprobación: (para a>0 y a<0 ) ..............
Analice el caso particular en que a=-1.
Observe que la propiedad de escala cuantifica la relación tiempo de duración-ancho de

banda entre una función de tiempo y su transformada. Si a>1, entonces f(at), como
139
función de tiempo, es la función f(t) con una escala de tiempo reducida en un factor a.
De la misma manera, F(/a) representa la función F() con una escala de frecuencia 
expandida por el factor a.
Si a<1, entonces f(at) representa una expansión de f(t) y F(/a) representa una
compresión de F(). Así, cuando se reduce el tiempo de duración de una señal, se
aumenta la distribución de su espectro de frecuencia. Al comprimir el tiempo de
duración de una señal se producen transiciones mas rápidas y por lo tanto se requieren
componentes de alta frecuencia en el espectro. De igual modo, al aumentar el tiempo de
duración de la señal las transiciones se producen en intervalos mayores, lo que se puede
lograr con componentes de frecuencia menor en el espectro.
4) Convolución en el tiempo
La convolución es una caracterización muy importante de la relación entrada-salida

de los sistemas lineales invariantes en el tiempo. No siempre es fácil de resolver la
integral de convolución. El dominio de la trasformada proporciona un método
conveniente para realizar esta operación.
Si x(t )  X () , y h(t )  H ()
entonces

y (t )   x() . h(t  )d  Y ()  X () H ()

Demostración: . . . . . . . . . . . ..
Aplicación en sistemas LIT X() H() Y()= X() H()
Definición de Filtros pasa alto, pasa bajo y pasa banda.
5) Convolución en frecuencia
Si f (t )  F () , y g (t )  G ()
entonces,
1
f (t ).g (t )  F () * G()
2
Demostración: . . . . . . . . . . . ..
Espectro de Energía
Cuando se trabajó con funciones periódicas, se demostró que la potencia en el tiempo se

puede asociar con la potencia contenida en cada componente armónica de la señal. Es
posible aplicar estos resultados a las señales no periódicas representadas por sus T. de
Fourier. La energía de las señales de energía no periódicas en el intervalo (-,) es
finita, mientras que la potencia (energía por unidad de tiempo) es cero. Así, el concepto
de espectro de energía, en vez de espectro de potencia, es más útil para el caso de
140
señales de energía no periódicas. La energía asociada a f(t), función real de t , se define


como: E   f 2 (t ) dt

1 
Si se emplea la representación integral de f(t) : f (t ) =  F ()e jt d , se puede
2  
escribir:
  1   1    1 
E   f (t )  F ()e jt d dt   F ()  f (t )e jt dt d   F () F ()d
 2  2    2 
      
2
Como f(t) es real, F ()  F () . Entonces, F () F ()  F () y sustituyendo en
el último desarrollo queda:
 1  2
E   f 2 (t )dt   F () d : Relación de Parseval
 2  
Si f(t) fuese una señal compleja, entonces puede deducirse que la Relación de Parseval
toma la forma:
 __
1  2
E  f (t ) f (t )dt   F (  ) d .

2  
La relación de Parseval expresa la energía de f(t) en términos del espectro continuo de

2
F(  )
frecuencia de f(t) , la que resulta igual al área bajo la curva de la función . Esta
2
es una función par y real de  , por lo cual puede escribirse la integral, integrando doble
entre cero e infinito, con lo que resulta:
 1  
2
E   f 2 (t )dt  2  F () d   S ()d
 2 0 0
En la ecuación anterior, la Energía ha sido también expresada integrando la denomina

2
F ()
densidad espectral de energía: S ()  . Cuando se analizaron las funciones

periódicas se asoció cierta cantidad de potencia con cada armónica. En el caso de las
señales de energía, se asocia la energía con bandas continuas de frecuencia. La energía
contenida en la banda de frecuencia (1,2) es simplemente el área bajo S()
comprendida entre 1 y 2 . Por ejemplo, si se tiene la función pulso rectangular y su
espectro continuo de frecuencia, el área sombreada es la energía de GT() contenida en
la banda de frecuencia (-2,-1) U (1,2) . (Ver el gráfico).
141
6) Desplazamiento en tiempo
Si
f(t)  F
entonces
f(t – t0 )  F . e  jt0 (11)
Comprobación: Por definición, se tiene que la transformada de Fourier de f (t - t0) es:


 { f( t – t0 ) } =  jt
 f (t  t0 )e dt

Si, x = t – t0 , entonces dx = dt y t = t0 + x. De esta manera


 { f( t – t0 ) } =  f ( x)e
 j(t0  x )
dx = e  jt0 F.

La función f (t – t0 ) representa f(t) retardada t0 segundos. El teorema establece

que el espectro original esta multiplicado por e  jt0 . Esta multiplicación no afecta al
espectro de amplitud del espectro original. Sin embargo, cada componente de frecuencia
esta desplazada en fase una cantidad -t0 . Esto es lógico, ya que el desplazamiento t0 en
el tiempo corresponde a un cambio de fase de -t0 para una componente de frecuencia
de  rad/seg. Por ejemplo el doble pulso rectangular de la figura, tiene un espectro dado
por .f(t)
_1
 f(t) }= e-jDT sinc ( T/ 2 ) + ejD T sinc(T/ 2).
0 D-T/2 D+T/2 t
D
D
142
7) Desplazamiento en frecuencia - modulación
La traslación o desplazamiento en frecuencia es una operación importante en

sistemas de comunicación. Si
f(t)  F
entonces
f(t). e jo t  F(  - 0 ) (12)
Comprobación: Por definición, la transformada de f(t). e jo t es

 
 f(t). e jo t } =  f (t )e
j0t  jt
e dt =  f (t )e
 j (0 )t
dt = F (-0 )
 
es decir, f(t). e jo t  F(  - 0 )
8) Diferenciación en el tiempo
Si f (t )  F ()
df (t )
Entonces,  j F ()
dt
d n f (t )
siendo el caso más general:  ( j) n F ()
n
dt
Demostración : . . . . . . . (sugerencia: diferenciar con respecto al tiempo ambos

miembros de la ecuación que da la fórmula de inversión de la T. de Fourier).
9) Diferenciación en frecuencia
Si f (t )  F ()
d n F ()
Entonces, ( jt)n f (t ) 
dn

dF ( )
Prueba:   (  jt ) f ( t )e  jt dt  F (  jt ) f ( t )
d 
Ejemplo: Aplique la propiedad anterior para demostrar que
 
F t ne at u(t ) 
n!
(a  j ) n 1
, para a>0.
143
10) Integración restringida
Con la propiedad 8) podemos “intentar” obtener la expresión de la integral, pero

recordemos de “Análisis Matemático” , que en realidad, integrar y derivar no son
funciones inversas.
df ( t )
Si  jω F ( ω )
dt
1  df ( t ) 
Podemos pensar que F ( ω )  F .
j  dt 
t
dg( t )
Entonces, si definimos : g( t )   f ( τ )dτ de forma tal que
dt
 f (t )

Será siempre cierto que jωG( ω )  F ( ω )
1
Pero, solamente será cierto que G( ω )  F( ω ) si :
jω

F (0)  F () 0   f (t )dt =0 .

Analizar que esta condición significa que, para una dada f(t), señal de energía, entonces,
g(t) será también una señal de energía. Si esta condición no se cumple, deberá ampliarse
esta propiedad encontrando una expresión diferente.
11) Integración
A partir de la fundamentación detallada en la propiedad anterior, es posible enunciar, de

forma más general, la siguiente propiedad:
t
Si, f(t) y g(t) son señales que admiten T. de Fourier, y si g( t )   f ( τ )dτ entonces,

su transformada de Fourier puede expresarse como:
1
G ( )  F ( )  F (0) ( )
j
______________________________________________________________________
144
Transmisión de señales a través de filtros lineales (SLTI)
Después del estudio de las propiedades de la T. de Fourier estamos en condiciones de

analizar algunas otras características de los LTI en el dominio frecuencial.
1. Llamando X() a la T. de Fourier de la entrada del sistema, e Y() a la T. de Fourier

de la salida del sistema, entonces la función del sistema se puede escribir como:
Y(  )
H ( D  j )  , para X ()  0 .
X( )
2. Además, para sistemas estables, ya que h(t) es una señal de energía, será también
cierto que: H ( D  j )  H (  ) = F h(t) .
La prueba es directa a partir de la relación ya deducida en el dominio temporal:
y(t)=x(t)*h(t)
Demostración: …………..
3. Es posible probar que el sistema modelado por:

d n y (t ) d n 1 y (t ) d m x(t ) d m 1x(t )
an  an    a0 y (t )  bm  bm 1    b0 x(t ) ,
dt n dt n 1 dt m dt m 1
donde los coeficientes son constantes y no nulos, es invariable con respecto al tiempo,
haciendo uso de la T. de Fourier.
Prueba:
Sea to  R arbitrario pero fijo, y sean y(t) la respuesta del sistema a la entrada x(t) e
y1(t) la respuesta del sistema a la entrada x(t-to). Resulta entonces que:
d n y1(t ) d n 1 y1(t ) d m x(t  to ) d m 1x(t  to )

an  an    a0 y1(t )  bm  bm 1    b0 x(t  to ))
dt n dt n 1 dt m dt m 1
Si se aplica T. de Fourier a ambos miembros de la igualdad resulta:
an ( j)n Y1()  a1( j)Y1()  a0Y1()  bm ( j)m F x(t  to )  b1( j)F x(t  to )  b0F x(t  to )
Además, F x(t  to )  e jto X () , en consecuencia, y utilizando la forma operacional

para el polinomio en j , se puede escribir:
B ( j)  jto
An ( j)Y1()  Bm ( j)e jto X ()  Y1()  m e X ()  H ( j) X ()e jto  Y ()e  jto
An ( j)
Y1()  Y ()e jto  y1(t )  y(t  to )
145
4. Relación entre la densidad espectral de energía de la entrada y la salida de un

sistema
2
Y ()
La densidad espectral de energía de la salida del sistema será: S y ()  para 0 

 < .
2 2 2
Además, como Y ()  H ( j) X ()  Y ()  X () H () , luego,
2
X () 2 2
S y ()  H ( j)  S x () H ( j) para 0   < .

 Señales de Potencia. Transformada de Fourier de funciones no

absolutamente integrables
Señales como la función escalón, la función signo, y funciones periódicas, cumplen con
las condiciones de Dirichlet, salvo la de absoluta integrabilidad. Estas señales se llaman
de potencia. Su energía no es finita, pero su potencia si lo es. La característica de las
señales de potencia es que la Transformada de Fourier presentará, en general, funciones
impulso. Lo contrario sí puede afirmarse: si la señal tiene funciones impulsos en el
dominio transformado, entonces es una señal de potencia.
 Transformadas de Fourier donde aparece la función Impulso.
 Considere f (t )  A(t  t0 )

Aplicando la definición surge que F ()   A(t  t0 )e jt dt  Ae  jt0

El par transformado es entonces:
A(t  t0 )  Ae  jt0
El caso especial del impulso unitario en cero, se puede calcular a partir de la anterior
con t0=0, y A=1 , lo que da
(t )  1
 Consideremos también los casos en los que aparece la función impulso en la

frecuencia.
Sea: F ()  (  0 )
146
Si se aplica la definición de la transformada inversa se encuentra que
1 j0t
f (t )  e
2
1 j0t
Es decir, que el par transformado sería e  (  0 ) , o lo que es
2
equivalente:
e j0t  2(  0 )
Para el caso particular de 0=0, resulta el par: 1  2 ()
Y entonces, para a real o complejo, será a  2a()
 Transformadas de Fourier de señales que contienen funciones

sinusoidales
Demostrar que: F .cos 0t  (  0 )  (  0 )

F sen 0t  j(  0 )  (  0 )
 (   0 ) (   0 ) 
Fcos( 0 t ).P ( t )  sinc  sinc
2  2 2 

Las expresiones anteriores constituyen la base matemática necesaria para comprender la
modulación. Por ejemplo la multiplicación de una función del tiempo f(t) (señal
moduladora) por una simusoide cosot (portatora), es:
F  f (t ). cos 0t  F  f (t )* F cos 0t  F (  0 )  F (  0 )

1 1
2 2
 1, t  0

 Función signo : f (t )  sgn( t )   0, t  0
 1, t  0

Usando la propiedad de diferenciación, y como en este caso
d[ f (t )] d[sgn( t )]
  2(t ) ,
dt dt
entonces, será: jF ()  2
A partir de este resultado se determina que:
2
F ()   k()
j
donde el término k  () es no nulo solamente para  =0 y tiene en cuenta el valor
medio de f(t) . En general, este término debe estar incluído ya que la operación de
147
diferenciación en el tiempo presente en la expresión jF(), produce pérdida de

información acerca del valor medio de f(t).
En este caso particular, el valor medio de la función Signo es cero. Luego, a pesar de
que la función sgn(t) es una señal de potencia, cumple con la condición recuadrada en la
propiedad 10. Por lo tanto k=0 (k=2π<f>).
2
Entonces el par transformado es: sgn( t ) 
j
1
 Función escalón unitario : f (t )  u(t )  [1  sgn( t )]
2
Combinando las propiedades de linealidad, la transformada de una constante y la de la

1
función signo, resulta: u (t )   () 
j
Ejercicio: Demostrar que:
π
F cos( ω0t ).u( t )  δ( ω  ω0 )  δ( ω  ω0 )  2 jω 2
2 ω0  ω
 Transformadas de Fourier donde aparece la derivada de la función Impulso.
d n(t )
Demostrar que:  ( j) n
n
dt
d n()
y que t n  2j n
dn
148
 Transformadas de Fourier de Funciones periódicas
Las funciones periódicas se pueden representar empleando una suma de

exponenciales complejas, y ya que se puede obtener la transformada de exponenciales
complejas, entonces cualquier función periódica se puede representar utilizando la
integral de Fourier. Supóngase que f(t) es periódica con periodo T. Se puede expresar
f(t) en términos de una serie de Fourier como:
n 
f(t)=  Fn e jnot (13)
n  
Por tanto, la transformada de Fourier de f(t) es

n 
F = f(t) = {  Fn e jnot }
n  
n 
=  Fn  e jnot 
n  
n 
= 2  Fn ( - n 0) (14) ,
n  
en donde Fn son los coeficientes de Fourier asociados a f(t) y están dados por
1 T /2
Fn   f (t )e jn ot dt (15)
T T / 2
La ecuación (14) establece que la transformada de Fourier de una función

periódica está formada por impulsos localizados en las frecuencias armónicas de f(t). El
área asociada a cada impulso es igual a 2 veces el coeficiente de Fourier obtenido por
medio de la serie exponencial de Fourier. La ecuación (14) no es más que otra
representación de la información contenida en la serie exponencial de Fourier.
Ejemplo 1:
Obtener la transformada de Fourier del tren de pulsos que se muestra en la figura.
f(t)
-5d -2d -3d -d -d d d 3d 2d 5d t

2 2 2 2 2 2
La formulación con la serie de Fourier se obtuvo anteriormente como:
n
f(t)=  Fn ej ot
n  
149
donde los coeficientes de Fourier son Fn = ( Ad / T ) sinc ( n  d / T ).

Por tanto, la transformada de Fourier es
n
f(t) = (2Ad / T)  sinc ( n  d / T ) ( - n 0)
n  
en donde 0 = 2 / T. La transformada de f(t) está formada por impulsos localizados
en = 0, 0 ,,... ... Cada impulso tiene asociada un área igual al valor
( d / T) sinc ( n  d / T ) , donde n es el número de la armónica.
Por otro lado, observemos que será posible escribir una relación entre los
coeficientes de la serie exponencial de Fourier de una señal periódica y la
transformada de Fourier del pulso correspondiente a un período.
1 T /2
Si transcribimos la ecuación (15) Fn   f (t )e  jnot dt , y la comparamos con la
T T / 2

expresión de la T. de Fourier f(t), F ( )   f (t )e  jt dt , podemos fácilmente afirmar

que:
T Fn  F fT (t )  n0
 f (t ), t  T / 2
Siendo f T (t )  
 0, t  T / 2
Transformada de Fourier Seno y Transformada de Fourier Coseno
Definición
Sea f(t) causal. Entonces se definen dos nuevas transformadas:
F
Transformada de Fourier Coseno f (t ) c  Fc ()

Fc ()   f (t ) cos t dt ;      
0

y su fórmula de inversión: f (t )  2  F () cos t d ; t  0
0 c
F
Transformada de Fourier Seno f (t ) s  Fs ()

Fs ()   f (t ) sent dt ;      
0
150
2
y su fórmula de inversión: f (t )   F () sen t d ; t  0
0 s
Relaciones de interés
1) Relación de las T. de Fourier seno y coseno con la T. de Fourier para f(t) causal:
F() = Fc() - j Fs()
2) Relación de las T. de Fourier seno y coseno con la T. de Fourier para f(t) no causal,
par o impar:
2-a) Considere f(t) par, entonces, compruebe que: F() = 2 Fc()

2-b) Considere f(t) impar, entonces, compruebe que: F() =- 2 j Fs()
151
Transformada de Laplace
región
estable
para los
polos de
H(s)
La transformada de Laplace es una de las transformadas más importantes en el análisis

de sistemas lineales. La misma ofrece ventajas interesantes. Se la utiliza para
descomponer una señal en la suma continua de funciones exponenciales de la forma est,
en donde s = +j es una “frecuencia compleja”.
El análisis de la respuesta a entradas arbitrarias de sistemas físicos que puedan

considerarse lineales e invariantes (SLIT) en tiempo continuo involucra la solución de
ecuaciones diferenciales ordinarias o, si se conoce la respuesta al impulso del sistema, la
evaluación de la integral de convolución entre la entrada y la respuesta al impulso. Estas
técnicas de análisis suelen implicar la realización de tediosas operaciones matemáticas
aún para el caso de señales de entrada relativamente simples. El uso de la Transformada
de Laplace simplifica considerablemente la solución del problema ya que convierte las
ecuaciones diferenciales ordinarias en ecuaciones algebraicas en las transformadas, y la
integral de convolución en un producto de transformadas.
Otra ventaja del uso de la Transformada de Laplace para el análisis de SLIT es que
posibilita la obtención de la respuesta total (respuesta libre + respuesta forzada), y que
permite incluir automáticamente las condiciones iniciales en la solución del problema.
Definiciones
L
f (t ) 
 F (s)
Transformada (unilateral) de Laplace, Transformada inversa
 1 c  j
L  f ( t )  F ( s )   f ( t )e  st dt ; f ( t )  L - 1 F ( s )  F ( s )e st ds
0 2j c  j
152
Transformada Unilateral de Laplace

Definición:
Sea f una función definida para la variable t real en (- , ), tal que f(t) =0 para t <
0 . La aplicación L que a cada función f le asigna la función

F ( s)  0 f (t )e
 st
dt ,
se llama Transformación de Laplace Unilateral, y se representa por L { f } = F(s)

“s” es el número complejo, s = +j, llamada frecuencia compleja.
 = Re(s) se llama atenuación, y
 = Im(s) se llama frecuencia
 Notación: F(s) = R (,)+ j X(,)
F(s) es una función compleja de la variable compleja s, sus componentes real e

imaginaria las representaremos por R (, ) y X(,) respectivamente.
 Región de Convergencia (RC)
La transformada de Laplace existe si la función f(t) es de orden exponencial, es decir, si

existe números reales M,  y T para los cuales,
f (t )  Met , t  T ,
condición que puede también escribirse como:
lim f (t )e t  0
t 
El mínimo valor de  para el cual se verifica esta condición se denomina abscisa de


convergencia, c. Con esta condición, podrá afirmarse que la integral 0 f ( t ) e  st dt
converge en la región
e( s )   c , j
Región de
que se denomina Región de Convergencia (RC). Convergencia.
Se ve que la RC es un semiplano en s, 
como se muestra en la figura
c
s C / e( s )   c , c  }
Luego, podríamos definir la R.C. como “el conjunto de valores de s para los cuales la
integral de la T. de Laplace puede ser evaluada”.
153
Condiciones suficientes para la existencia de la transformada de Laplace
Sea f una función definida en (- , ), tal que f(t) =0 para t < 0 y cumple que:
1. Es seccionalmente continua.
2. Es de orden exponencial “”,

entonces, existe el número llamado Transformada de Laplace: F(s)= 0 f ( t ) e  st dt , pues

0 f (t )e
 st
dt es absolutamente convergente para Re(s) > c.
Observar:
1- f(t) / f ( t )  K t / t  0 es una función de orden exponencial cero. Por lo tanto,

sen(t) y cos(t) son funciones de orden exponencial cero.
 3
e t , t  0
2- f (t )  no es de orden exponencial, y por consiguiente, no tiene T. de

 0 , t0
Laplace.
 t 1/ 2 , t  0
3- f (t )  no es integrable en cada intervalo [0,T] y no cumple la
 0 , t  0
condición 1 del teorema de existencia y sin embargo tiene transformada de Laplace.
 Calculo de la transformada de Laplace de algunas funciones especiales
Ejemplo 1: Función exponencial.

Sea f(t) = eat u(t), a R . Encuentre su transformada de Laplace y su Región de
Convergencia (RC). Encuentre también la expresión de las componentes real e
imaginaria.

Le  
at  at  st
  e e dt 
0
e  t( s  a )
( s  a )

1 

( s  a ) t  

lim e  t( s  a )  1 
1
 (sa)
, si Re(s-
0
a)>0
pues, e-t(j+-a) = e-tj . e-t(-a) , donde se ve que el primer factor es siempre acotado.
1  a 
Luego, Rta: F ( s)  , Re( s)  a ; R ( ,  )  ; X ( ,  ) 
sa 2
(  a )  
2 2
(  a )  
2
Analice como se modifica el ejercicio anterior si a fuese imaginario; repita el

análisis para el caso de a complejo.
Ejemplo 2: función escalón unitario
Ejemplo 3: función impulso unitario

154
Ejemplo 4: función rampa unitaria

f (t)=t us(t)

L t   te  st dt .
0
De la tabla de integrales:  ue u du  e u (u  1), entonces tomando u= - st

1 1  1
 ue du  s e u (u  1)  0  0  (0 
u
) , pues
( s) 2 0
2 0
s2
u1 1
lim eu u   lim   lim  0 ( aplicando la regla de L’Hospital)
u   u1  eu1 u1  eu1
1
El par transformado resultas entonces : t 
s2
Ejemplo 5: f (t)=t2
Rta: L t2  
2!
s3
, para s>0 . Resulta de utilizar que L t 2 
( 3 )
s3

 Relación entre la T. de Laplace unilateral y la T. de Fourier
Sea f(t) causal (f(t)=0, t<0) , entonces
   
F ( s)  0 f (t ) e st dt   f (t ) e st dt   f (t ) e(  jw)t dt   e
t
f (t ) e jwt dt


L  f ( t )   e t f ( t ) 
 Propiedades de la T. de Laplace
1. Linealidad: Si f1(t) y f2(t) son funciones que admiten transformada de Laplace, y a

y b son constantes reales o complejas, entonces resulta que:
L af1( t )  bf 2 ( t ) aL f1( t ) + bL  f 2 ( t )  
y la región de convergencia es la intersección de las regiones de convergencia de cada
una de las T. de Laplace de f1(t) y de f2(t).
Demostración:
  
L af1( t )  bf 2 ( t )   e st af1( t )  bf 2 ( t )dt  a  e st f1( t )dt  b  e st f 2 ( t )dt  aL  f1( t ) + bL  f 2 ( t )
0 0 0
155
Ejemplo 6: Hallar la T. de Laplace del cosh at

e at  e  at
f (t )  cosh at 
2 2 2
 
 L cosh at  L e at  L e  at
1 1
 
y de acuerdo a
lo encontrado en el ejercicio 1 resulta:
L cosh at  
1 1 1 
 para Re(s)>a y Re(s)>-a, entonces Re(s)>a. En
2 s  a s  a 
L cosh at 
s
conclusión: para Re(s)>a
s2  a2
Ejemplo 7: funciones seno y coseno
L  f ( at ) 
1  s    a ( f ) solo para a>0
F
2. Cambio de escala 
a a
Demostración: ……………
3. Traslación en t
Sea f(t) una función con transformada de Laplace F(s) , y to una cte. positiva,
entonces: L
Demostración:
L
4. Traslación en s
Si L  f ( t )  F s  para Re( s )   ( f ) , entonces:
 
L e at f ( t )  F s  a  para Re( s )   ( f )  a
Demostración:

F ( s)  0 f (t ) e  st dt

0


por lo tanto: F (s - a)   f ( t )e ( s a )t dt   f ( t )e at e  st dt  L e at f ( t )
0

5. Convolución en el tiempo
t
Si f(t) y g(t) son causales y f (t )  g (t )  0 f ( x) g (t  x)dx , entonces:
L  f (t )  g (t )  F ( s) G( s) ,
válida en al menos la intersección de las regiones de convergencia de F(s) y G(s).
Prueba: Sabemos que para todos los casos:

f (t )  g (t )   f ( x) g (t  x)dx
156
Cuando las funciones son causales, puede escribirse:
Si aplico la transformada de Laplace en el primer miembro de la ec. de arriba da:
y como lo del paréntesis es la T. de Lapace de una señal desplazada , se obtiene :
 
  f ( x)u s ( x) L g (t  x)dx   f ( x)u s ( x) e  sxG ( s)dx
 

  f ( x)u s ( x) e  sx dx G ( s)  F ( s)G ( s)

Ejemplo 8:
Verificar el T. de convolución para las funciones f(t)=e-atus(t) y g(t) =e-btus(t) con
0<a<b.
Rta: L  f ( t )  g( t ) 
1
para Re(s) > -a
( s  a )( s  b )
 1 
Ejemplo 9: Aplicando la propiedad anterior, calcular L -1  
( s  1 )( s  2 ) 
Ejemplo 10: Verificar, a partir de las propiedades dadas que:
10-1. 
L e (   j )t 
1

s  (   j )
10-2. L
10-3. L
6. Diferenciación en el tiempo
Si f (t ) 
 F ( s)
entonces f '(t )   sF ( s)  f ( 0)
y en general se tiene que:
d n f (t )
 s n F ( s) s n 1 f (0) s n 2 f ' (0)  f ( n 1) (0)

dt
Comprobación:
157

 df ( t )  df ( t )  st
Por definición, L   e dt
 dt  0 dt
Integrando por partes, tal que u=e-st, será du= -se-stdt y f’(t)dt =dv, por lo que v=f(t)
Resulta:

 df ( t )   st  
L   f ( t )e  s  f ( t )e  st dt  f ( t )e  st  f ( 0 )  sF ( s )
 dt  0
0
como F(s) existe, entonces f (t )e st evaluada en t   es cero. Por lo cual resulta
L  f ' ( t )  sF ( s )  f ( 0 )
El caso general se obtiene aplicando en forma repetida el proceso anterior. Para la
derivada de 2do. Orden, es:
L  f ' ' ( t )  sL  f ' ( t )  f ' ( 0 )  s [ sF ( s )  f ( 0 )]  f ' ( 0 )  s 2 F ( s )  sf ( 0 )  f ' ( 0 )
Esta propiedad de la T. unilateral de Laplace proporciona un método muy conveniente

para resolver problemas de transitorios en sistemas lineales. Las condiciones iniciales de
un sistema se incorporan con facilidad a las soluciones.
Debe recalcarse que si en t=0 f(t) y sus derivadas no fuesen continuas, entonces la
propiedad de derivación vale, evaluando las condiciones iniciales en 0+
Ejemplo: Verificar que la T. de Laplace de f’(t), donde f(t) = e-at u(t) , para f(0)=0, y
s a
para f(0) =1, es y respectivamente.
sa sa
7. Integración en el tiempo
Si f (t )  F ( s)
t F ( s)
entonces  f ( x)dx 
0 s
t ( 1)
F ( s) f ( 0)
y además:  f ( x)dx   , donde
 s s
( 1) 
0
f (0)   f ( x)dx

Comprobación:
 t   t 
1) Por definición, L  f ( x )dx     f ( x )dx  e  st dt
0  0  0 

t
Integrando por partes, con: u   f ( x)dx y dv  e  st dt , y por consiguiente:
0
1  st
du  f (t )dt y v e
s

 t   e  st t 1  st
L  f ( x )dx   f ( x )dx   f ( t ) e dt
0  s 0 0
s 0
158
= -[ 0 – 0 ]+ 1/s F(s) (1)
El primer término de la expresión (1) es cero porque, para Re(s)>0, la exponencial es

t
cero en el límite superior, ya que  f (u )du puede probarse que es también una función
0
de orden exponencial . En el límite inferior la integral es cero.
En conclusión:
 t  F ( s )
L  f ( u )du  
0  s
en al menos la región dada por la intersección entre la RC de F(s) y {Real(s)>0}
t
2) Veamos que modificaciones ocurren cuando se quiere encontrar la Transf. de  f (u)du .

t 0 t
Se puede escribir:  f (u )du   f (u )du   f (u )du , t  0
  0
Aplico T. de Laplace a ambos miembros:
( 1 )
 
 t   t    t 
  ( 1 )   ( 1 )  st   f( 0 ) F( s )
L   f ( u )du   L f ( 0 )  L  f ( u )du    f ( 0 ) e dt  L  f ( u )du   

 
 
0 
 0 
0 
 s s
(2)
La R.C. es claramente la intersección de las dos regiones correspondientes a cada
uno de los términos en el último miembro de la ec.(2): Re(s)>0 que es la RC de
( 1 )
f( 0 ) F ( s)
y Re(s)>a  Re(s)>0 es la RC de .
s s
Ejemplo de aplicación: Encuentre la corriente que se establece en un circuito RLC, si
en t=0 la carga del capacitor es q0 , la corriente en la bobina i0 y la tensión que se aplica
V(t) .
8. Diferenciación en frecuencia
Sea f(t) una función tal que (t ) k f (t )e at es absolutamente integrable para k=0,1,…n
; para a en la región de convergencia de F(s) . Entonces:

L ( t )k f ( t )   d k F( s )
ds k
con RC igual a la de F(s)
Ejemplo 11: Hallar la transformada de Laplace de f(t) = t eat u(t) .

1
llamemos g(t) = eat us(t)  G( s)  , s>a (a  R) .
sa
Luego:
 
L  f ( t )   L  teatu( t )   L  tg ( t )  
dG( s )
ds
d
  ( s  a )1  ( 1 )( s  a )2 
ds
1
( s  a )2
si
Re(s)>a
159
 Analiticidad de F(s)
Si et f (t ) es absolutamente integrable, la transformada de Laplace F(s) = L f(t)
con t 0 , es analítica para Re{s} >  y lim F ( s)  0 para Re(s) .
s
" F(s) es analítica en su región de convergencia ".
Los teoremas del Valor Inicial y del Valor final permiten, determinar los valores de
f(t=0+) y f(t) a partir de F(s) , sin necesidad de volver al dominio temporal .
 Teorema del Valor Inicial
Sea f(t) una función que admite transformada de Laplace, y existen el lim f ( t ) y
t o
lim sF ( s) .
s
Entonces: lim sF ( s)  lim f (t )  f (o  )

s t o 
Demostración
La propiedad de diferenciación en el tiempo establece:


L  f ' ( t )   f ' ( t )e  st dt  sF ( s )  f ( 0 )
0
Se aplica límite en esta igualdad, y entonces,

lim  f '(t )e  st dt  lim sF ( s)  f (0) (A)
s s
0
0  lim sF ( s)  f ( 0)  lim sF ( s)  f ( 0)
s s
La demostración anterior es estrictamente cierta siempre que f(t) sea continua en el

origen, y por lo tanto f '(t) sea finito.
Sin embargo la demostración se modifica cuando f(t) es discontinua en el origen, y en
la expresión aparece f(0+) en vez de f(0), tanto si se considera la expresión de la
transformada de la derivada que tiene en cuenta el límite izquierdo o la que tiene en
cuenta el límite derecho. Entonces la ecuación debe escribirse:
lim sF ( s)  f (0 )
s
La demostración rigurosa se desarrolla mas abajo. Analicemos todo esto en un ejemplo

sencillo:
Ejemplo 12:
Verificar el T. del valor inicial para f(t) = 3 e -2t us(t).
160
Demostración
Si f(t) es discontinua en el origen, entonces f ' (t) contiene un impulso de peso

[f(0 )-f(0-)] , es decir , en el origen es f ' (t) =[f(0+)-f(0-)](t). Se debe entonces saber
+
como considerar el límite inferior en la integral si en 0+ o en 0-.
a) Si en la relación A se considera 0- resulta:
 0 
   st (t )dt  lim
lim  f ' (t )e  st dt   [ f (0 )  f (0 )]e  st
s  s 
 f ' (t )e dt
0 0 0
lim [ sF ( s)  f (0 )]  f (0 )  f (0 )  0
s 
Luego: lim sF ( s)  f (0 )

s
b) Ahora, si se considera 0+ en la relación (A) tendremos:


lim  f '(t )e  st dt  0 = lim[ sF ( s)  f (0 )] , entonces
0
s  s 
lim sF ( s)  f (0 )
s
Conclusión:
Si f(t) es discontinua en t=0, entonces el límite lim sF (s) da el valor de f(0+) siempre.
s 
 Teorema del Valor Final
Sean f(t) y f '(t) funciones que admiten transformada de Laplace, y existen lim f (t ) y
t 
lim s F ( s) , entonces,
s o
lim f ( t ) = lim s F ( s)
t  s o
Demostración:
Se sabe que: L  f ' ( t )  sF ( s )  f ( 0 ) .

Si se encuentra el valor del límite para s tendiendo a cero en los dos miembros de la
igualdad anterior resulta:

lim  f '(t )e st dt  lim [sF (s)  f (0)]
s 0 0 s 0

 f ' (t )dt  lim f (t )  f (0)  lim [sF (s)  f (0)]
0 t  s0
lim f (t )  lim sF (s)
t  s0
Ejemplo 13: Obtener el valor final de la función en el tiempo, si su transformada
unilateral es F ( s)  1 , a  0 , >-a ; Rta: 0 . ( f(t) = e -at us(t))
sa
161
 Otros ejemplos de interés
Ejemplo14: Derivadas de la función impulso

L  (t )
(k )    (t )(k ) e  st dt  (1)k  d k e st 
 k 
 sk
 
   dt  t  0
0
Ejemplo15: Funciones Periódicas
Consideremos una señal periódica tal que f (t )  f (t  nT ) . Esta señal puede expresarse
también como:

f (t )   f n (t )
n 1
Donde f n (t )  f1 t  (n  1)T  y f1 (t )  f ( t) u s ( t)  u s( t  T)  es el pulso que se repite

como muestra la figura:
f1(t) f2(t) f3(t)
t
T 2T 3T
Entonces:
   
F ( s)  L  f (t )  L  f n (t )    L  f n (t )  F ( s)   Fn (s )
 n 1  n 1 n 1
Y además:
Fn (s)  L  f n (t )  L  f1 t  (n  1)T   e ( n1)Ts F1 (s )
Luego:
 
si e  Ts  1
1
F (s)  F1(s)  e (n1)Ts y  e (n1)Ts 
n1 n1 1  e  Ts
Entonces:
1   1
F (s)  F1 ( s) L   t  (n  1)T  
1  eTs  n 1  1 e
Ts
162
Ejemplo16: Tren de impulsos
Demuestre, utilizando la propiedad de Transformada de Laplace para funciones

periódicas, que la transformada de un tren de impulsos es igual a:
  1 δ(t)
L   t  (n  1)T  
δ(t-T) δ(t-2T) δ(t-3T)
Ts
 n1  1 e
t
0 T 2T 3T
163
Tabla 1: Propiedades de la T. Unilateral de Laplace
Señal Transformada Región de Convergencia

1 f(t) F(s) R
2 f1(t) F1(s) R1
3 f2(t) F2(s) R2
4 af1(t)+ bf2(t) aF1(s)+bF2(s) al menos R1 R2
5 f(t-t0) e  st o F(s) R
*
6 e so t f(t) F(s-so) R desplazada
1 s *
7 f(at) F( ) R escalada
a a
8 f1(t) * f2(t) F1(s)F2(s) al menos R1 R2
9 d
f (t ) s F(s) - f(0+) al menos R
dt
10 - t f(t) d R
F ( s)
ds
11 t 1
al menos R {Re{s}>0}
 f ( x )dx s
F ( s)
o
12 t 1 f 1 ( 0) al menos R {Re{s}>0}
 f ( x )dx s
F ( s) 
s

164
Transformada Inversa de Laplace
 Fórmula de inversión
Sea f(t) una función causal, la fórmula de inversión es:
1 c  j
f (t )  L -1F ( s )  F ( s )e st ds (2)
2j c  j 
La Transformada de Laplace es una operación matemática que permite expresar

prácticamente cualquier señal continua en el tiempo, mediante una suma de
exponenciales complejos de la forma K est. De la fórmula de inversión se ve que el
contorno de integración es una línea recta paralela al eje j  para todo valor c dentro de
la región de convergencia de la transformada.
 Métodos para calcular la T. inversa de Laplace
a) Fórmula de Inversión compleja

b) Descomposición en suma de fracciones simples
c) Fórmula del desarrollo de Heaviside j
d) Inversión para señales periódicas 

a) Fórmula de Inversión compleja
C c
Puede demostrarse que la integral de línea a lo largo de la línea =c
es igual a la integral a lo largo de la curva cerrada C como la graficada,
en sentido anti-horario.
Esta integral, en virtud del teorema de los residuos, será igual a :
n
f (t )   sRe ss[F (s)e st ] , donde sk con k=1, . . . n son los polos de F(s)est en Re(s)<c .
k 1 k
Raramente usaremos esta expresión para calcular en la práctica una transformada

inversa. Generalmente el procedimiento que se utilizará consistirá en manipular la
expresión de la transformada dada, hasta obtener formas de transformadas que aparecen
en la tabla.
b) Descomposición en suma de fracciones simples
Este método se aplica para transformadas que son funciones racionales en s , es decir
razones de polinomios en s , cuya forma general sería:
a  a1s  a2 s 2    am s m
F ( s)  o
bo  b1s  b2 s 2    bn s n
Se supone m<n . Si éste no es el caso, F(s) siempre se puede escribir como la suma de
un polinomio de grado m-n más una razón de polinomios con un numerador un grado
menor que el grado del denominador.
165
Las funciones racionales se pueden expresar como suma de fracciones más simples para
las cuales se tiene tabulada su transformada inversa.
Para obtener el desarrollo en fracciones simples deben obtenerse los polos de F(s).
b-1) Si los polos son no repetidos, se expresa:
a  a1s  a2 s 2    am s m c1 c2 cn
F ( s)  o   
bn ( s  p1 )( s  p2 ) ( s  pn ) ( s  p1 ) ( s  p2 ) ( s  pn ) (3)
y los coeficientes se pueden obtener como:

ci  (s  pi ) F (s) s  p
i
b-2) Si los polos son múltiples, la ecuación (3) debe incluir , para el polo múltiple,
tantos términos como la multiplicidad del polo. Por ejemplo, si el polo pi tiene
multiplicidad r se incluyen los términos:
ci1 ci 2 ci r
 
( s  pi ) ( s  pi ) 2 ( s  pi ) r
donde, ci r  (s  pi ) r F (s) ; ci r 1  d ( s  pi ) r F ( s ) ;
s  pi ds s  pi
1 dk ;
ci r  k  ( s  pi ) r F ( s )
k! ds k
s  pi
r 1
1 d
ci1  ( s  pi ) r F ( s)
(r  1)! ds r 1
s p i
b-1) y b-2) son válidos también para raíces complejas. Sin embargo, se puede
mencionar un tercer caso.
b-3) Si f(t) es real, entonces las raíces complejas del denominador de F(s) se presentan
como pares conjugados. Se pueden expresar esas dos raíces como un solo factor, con
diferentes formas. Dos de estas formas aparecen en el tercer y cuarto miembro de la
siguiente igualdad.
A( s) D s  D2 D1s  D2
F ( s)   1 
B( s) s 2  as  b ( s  )2  2
Las constantes D1 y D2 , se obtienen generalmente resolviendo un sistema de 2 ecuaciones.
Ejemplo 17: Demuestre que si f(t) es causal y su T. de Laplace es

s3
F ( s)  entonces,
3
s  3s 2  6 s  4
Ejemplo 18: Demuestre que si f(t) es causal y su T. de Laplace es

2s 2  3s  3
F ( s)  entonces,
( s  1)( s  3) 3
166
c) Fórmula del desarrollo de Heaviside
Sean P(s) y Q(s) polinomios tales que grado P(s)<grado Q(s), y Q(s) solo con raíces
simples, entonces, la transformada inversa de Laplace unilateral de la función
P( s ) n P( p )
F ( s)  es L 1{ F ( s )}   k
e p k t donde pk son las raíces simples de
Q( s ) k 1Q' ( p k )
Q(s).
Ejemplo 19: Verificar el resultado obtenido para el Ejemplo 16, aplicando la fórmula
de Heaviside
d) Inversión para señales periódicas

1  e 5s
Suponga que la T. de Laplace de f(t) está dada por F ( s) 
s(1  e 10 s )
De la forma del denominador se deduce que f(t) es periódica de período T0=10. Para
verlo más claramente se rescribe:
1
F ( s)  F1( s) ,
(1  e10 s )
1
donde F1(s)  (1  e5s )  f1(t) = us(t)-us(t-5), que es un pulso rectangular de
s
ancho 5 y altura 1.
Por consiguiente, f(t) será periódica de período 10, con valor 1 para
nT<t<nT+5, y valor 0 para todo otro t siendo n=1,2, . . .

lo que queda también expresado como: f (t )   f1(t  nT )
n 0
 Resolución de ecuaciones diferenciales con la transformada de

Laplace
Las ecuaciones diferenciales lineales ordinarias con coeficientes constantes pueden

reducirse a ecuaciones algebraicas de la transformada.
Sea la ecuación:
y''(t )  ay(t )  r(t )
donde se conocen a y r(t) . Si se aplica la transformada de Laplace en ambos

miembros de la ecuación: L y' ' ( t )  aL y( t )  L r( t )
y aplicando las propiedades:
s2Y ( s)  sy(0)  y'(0)  aY ( s)  R( s)
sy(0)  y'(0) R( s)
despejando: Y ( s)   2
s2  a s a
167
Finalmente, la solución se halla antitransformando:

y(t ) = L -1Y ( s )
Ejemplo: Resolver la ecuación
y''(t )  2 y'(t )  y(t )  e t  1 con y(0)  1; y'(0)  0;
1
Rta: y (t )  t 2 e t  1, t ≥0
2
 Aplicación a sistemas lineales. Función de Transferencia
En forma análoga a lo que se hizo con T. de Fourier, se puede trabajar con el caso más
general de la T. de Laplace. Consideremos un LTI cuya entrada es una señal genérica
x(t) , y su respuesta una señal y(t). Si se aplica la T. de Laplace a la ecuación
diferencial ordinaria que modela el sistema, y considerando que el sistema tiene
condiciones iniciales nulas, por todo lo ya visto sabemos que se obtendrá una igualdad,
en el dominio transformado dada por:
an s n Y ( s)    a1sY ( s)  a 0Y ( s)  bm s m X ( s)    b1sX ( s)  b0 X ( s)
Utilizando la forma operacional para el polinomio en s, se puede escribir:
Bm ( s)
An ( s)Y ( s)  Bm ( s) X ( s)  Y ( s)  X ( s)  H ( s) X ( s) (4)
An ( s)
Y ( s)
donde, H ( s)  es la Función de Transferencia del sistema, que es una función
X ( s)
racional que representa la relación entrada-salida en el dominio s , obtenida cuando el
sistema tiene condiciones iniciales nulas.
Si la entrada que se aplica al sistema es de la forma x(t )  e so t , la salida será :

y(t )  H ( so ) e so t . La demostración es totalmente análoga a la hecha para las funciones
x(t )  e jo t , caso que está incluido en el anterior, ya que son equivalentes en o=0 .
Como todo esto es cierto para todo s del plano complejo, la relación entrada-salida
para este tipo de entradas se puede representar esquemáticamente como:
x(t)= est h(t) y(t)= H(s) est
Además, la función de transferencia se puede encontrar haciendo la T. de Laplace de la

respuesta al impulso del sistema, y entonces , para el caso de sistemas causales será:
H ( s )  L h( t ), para Re(s)> (f) (5)
Demostración : Si la entrada es un impulso, entonces su T. de Laplace es X(s)=1 .Por lo

tanto, de acuerdo a la ec.(4) la salida en el dominio frecuencial será: Y(s)=H(s).1=H(s)
168
. Entonces, como la respuesta al impulso en el dominio temporal es y(t)=h(t), resulta

que H ( s )  L h( t ).
 Función de transferencia de sistemas en serie, en paralelo y

retroalimentado
H1
H1 H2 + +
H2 _
 Relación entre la respuesta en frecuencia y la T. de Laplace de un SLIT
Considere un LTI causal con respuesta al impulso h(t) . Es fácil verificar que la relación
entre la función del sistema y la función de transferencia está dada por:
H ()  H (s) s  j
Esto es posible solo si el SLI es estable.

Analice las razones de la afirmación anterior. Para ello puede considerar el caso
particular de un sistema de los llamados “integrador puro”.
Observar que la relación anterior se cumple para toda señal, no solamente para h(t).
Luego, para una señal cualquiera x(t) podrá afirmarse que : X ( )  X ( s)
s  j
solo si x(t) es absolutamente integrable.
 Respuesta transitoria y de estado estacionario
Los conceptos de respuesta transitoria y respuesta permanente o estacionaria, estudiados

en el dominio del tiempo, también se pueden ilustrar en el dominio de la frecuencia.
Supongamos que se aplica x(t) a un sistema cuya respuesta al impulso es h(t).
Consideramos que sus transformadas están dadas por.
A ( s) A1 (s)
H ( s)  1 
B1 (s) (s  p1 )(s  p2 )....(s  pn )
A ( s) A2 (s)
X ( s)  2 
B2 (s) (s  q1 )(s  q2 )....(s  qm )
Se sabe que la salida del sistema, con condiciones iniciales nulas, en el dominio
transformado es:
A1 (s) A2 (s)
Y ( s) 
(s  p1 )(s  p2 )....(s  pm ) (s  q1 )(s  q2 )....(s  qm )
169
Desarrollando en fracciones simples

c1 cn k1 km
Y ( s)    
(s  p1 ) (s  pn ) ( s  q1 ) ( s  qm )
y la transformada inversa:
n m
y (t )   ci e pi t   ki eqi t

i1   i 
1 
I II
representa la salida del sistema en el dominio temporal, para una entrada x(t), con
condiciones iniciales nulas; es la que llamamos respuesta forzada. Cada término de esta
sumatoria es un “modo” del sistema.
La sumatoria I es la componente transitoria de la respuesta forzada. Los términos se

obtienen de las singularidades de H(s) y en general, los coeficientes ci dependen de H(s)
y X(s) .
La sumatoria II es la parte de estado estacionario de la respuesta y(t). Estos términos se
deben a las singularidades de X(s) .
Cuando el sistema tiene condiciones iniciales no nulas, como se sabe, la respuesta
transitoria tendrá otra componente que dependerá de las mismas.
 Estabilidad
Definición de Sistema estable: entradas acotadas producen salidas acotadas. (BIBO).

Hay diferentes formas de asegurar la estabilidad en este sentido:
1- Con respecto a su Región de convergencia:
Diremos que un sistema es estable si y solo si el eje imaginario (=0) está contenido en
la región de convergencia de H(s)
2- Con respecto a su ecuación característica:
Para sistemas causales, también puede definirse su estabilidad con el siguiente criterio:
Todos los polos de H(s) están en el semiplano izquierdo de s.
3- Con respecto a su respuesta al impulso:

Si  h(t ) dt   , entonces el sistema es estable

Por otro lado, el requerimiento de que el grado del polinomio del denominador de H(s)
es mayor o igual al grado del polinomio del numerador, está relacionado con la
causalidad del sistema.
Justificación
Observe la forma que se usó para descomponer la salida del sistema en dos sumatorias,
en el punto anterior. En los sistemas estables, los términos de la suma I tienden a cero
cuando se incrementa t , mientras que los de la sumatoria II pueden contener términos
que son distintos de cero indefinidamente. Esta parte, contiene los polos de la entrada.
Por lo tanto, si la entrada es acotada, esta parte también lo será.
Por consiguiente, la salida será no-acotada si al menos uno de los términos de la
respuesta natural (ciepit ) se hace no-acotado. Esto ocurre solamente si la parte real de al
menos 1 polo pi es positivo o cero.
170
 Ejercicio: Proponga un sistema cuya Func. de Transferencia tenga polos en la

región 1. Encuentre la respuesta al impulso y analice la estabilidad
de acuerdo al criterio 3. Repita para el caso en que los polos
están e la región 2. j
s
1 2

 Ejercicio: Indicar los valores que debe tomar k para que el sistema de la figura
sea estable y encontrar la función de transferencia.
X(s) + + 1/(s2+1) Y(s)

_ _
5s
k Rta : k>-1
Ejercicio de aplicación
Suponga que la barra cuyos extremos están ubicados en x=0 y x=l coincide con el eje x.
W(x)
x=0 x=l
x
Suponga que se aplica una carga vertical W(x) por unidad de longitud que actúa
transversalmente sobre la barra. Entonces el eje de la barra sufre una deflexión Y(x) en
el punto x, que satisface la siguiente ecuación:
d 4Y W ( x )
 0 xl
dx 4 EI
Esta deflexión transversal suele llamarse curva de deflexión o curva elástica. La
cantidad EI se llama rigidez flexural de la barra y la supondremos constante (E es el
módulo elástico de Young de la barra e I es el momento de inercia de una sección
transversal de la barra alrededor del eje). Las cantidades EIY’’(x) y EIY’’’(x) se llaman,
respectivamente, momento de flexión y momento de corte (shear vetical) en x. Observe
que la eje y se toma positivo hacia abajo, es decir, que las deflexiones son positivas
hacia abajo.
Las condiciones de contorno asociadas con la ecuación diferencial dependen de la
manera en que la barra es soportada. Las más comunes son las siguientes:
a) Empotrada o fija: Y=Y’=0
b) Hinged or simple supported end: Y=Y’’=0
c) Libre: Y’’=Y’’’=0
171
 Análisis del modelo en Variables de Estado con la transformada de

Laplace
Es posible transformar la ecuación de los estados y luego antitransformar, con el mismo

criterio que se utiliza cuando se resuelve una ecuación diferencial mediante la T. de
Laplace.
x (t)  Ax(t)  Bu( t )
Entonces, para : ,
y(t)  Cx(t)  Du( t )
Podemos desarrollar, por ejemplo, las dos primeras filas de la ecuación matricial y
obtenemos:
x1 (t )  a11 x1 (t )  a12 x2 (t )a1n xn (t )  b11u1 (t )  b12 u2 (t )b1r ur (t )

x 2 (t )  a21 x1 (t )  a22 x2 (t )a2n xn (t )  b21u1 (t )  b22 u2 (t )b2r ur (t )
donde aij y bij son los elementos de las matrices A y B respectivamente.
Ahora, aplicando la T. de Laplace en ambos miembros de las dos ecuaciones resulta:
sX 1 ( s)  x1 (0)  a11 X 1 ( s)  a12 X 2 ( s)a1n X n ( s)  b11U1 ( s)  b12U 2 ( s)b1r U r ( s)

sX 2 ( s)  x2 (0)  a21 X 1 ( s)  a22 X 2 ( s)a2n X n ( s)  b21U1 ( s)  b22U 2 ( s)b2r U r ( s)
el resto de las ecuaciones mantiene la misma estructura, y por lo tanto la transformada

de todas las ecuaciones también se puede escribir en forma matricial:
sX(s)  x(0)  AX(s)  BU(s)

reordenando y trabajando algebraicamente
sX(s)  AX(s)  x(0)  BU(s)
sIX(s)  AX(s)  (sI  A)X(s)  x(0)  BU(s) .
Ahora se puede despejar la T. de Laplace de la matriz de estados:
X( s)  ( sI  A) 1 x(0)  ( sI  A) 1 BU( s) (18)
El vector de estados x(t) es la T. inversa de Laplace de esta ecuación.
 Ejercicio 20:
Considere el LTI con una entrada y una salida, cuya ecuación de transferencia está
Y ( s) 5s  4
dada por: H ( s)   2 .
U ( s) s  3s  2
a) Halle a partir de la función de transferencia primero la ecuación diferencial y
encuentre el diagrama en bloques.
b) Halle las ecuaciones de los estados para el modelo conocido como la 2da. Forma
canónica.
172
c) Expréselo en el dominio transformado y obtenga un diagrama en bloques

utilizando bloques “1/s”.
 Matriz de transición de los estados
Llamemos matriz de transición de los estados en el dominio transformado a
( s )  ( sI  A )1 .
La ya definida matriz de transición de los estados, (t) , podrá entonces calcularse

como:
( t )  L - 1{ ( s )}  L - 1{( sI  A )1 } (19)
Se llama matriz de transición ya que determina la evolución de los estados, es decir,

permite encontrar los estados de un LTI en un tiempo t a partir del conocimiento de los
mismo en un tiempo t0, considerando entrada nula en el sistema, como se ve claramente
en la solución no forzada representada por:
x(t )  (t  t 0 )x(t 0 ) . (20)
o bien, para t0=0, x(t )  (t )x(0) .
La solución temporal de los estados se halla antitransformando la ecuación (18),

recordando que la T. inversa de la matriz se calcula como la T. inversa de cada uno de
sus elementos. Hay dos formas de realizar esta antitransformada:
1) Se trabaja algebraicamente el 2do. término de la (18) en la variable s , y después se

antitransforma, resultando:
x(t)  Φ(t)x( 0 )  L - 1{( sI  A )1 BU( s )} , (21)
o bien,
2) se antitransforma considerando que el producto en la variable s del segundo

término de la ec. (18) resulta en una integral de convolución en la variable t , y
entonces se puede escribir:
t
x( t )  ( t )x( 0 )   ( t  τ )Bu( τ )dτ (22)
0
Ejercicio 21: Reconsidere el sistema dado en el Ejercicio 20.

a) Halle las matrices (s), (t).
b) Halle la salida del sistema a partir de lo hallado en el inciso a), si considera que la
entrada del mismo es un escalón unitario.
Rta:a)
b) y(t) = 2 + [-2 x1(0)-x2(0) +1]e-t+[6x1(0)+6x2(0)-3]e-2t, t≥0
173
 Relación con la Función de Transferencia
La transformación de las ecuaciones de estado (7-a) y (7-b), da para condiciones

iniciales nulas:
sX(s)  AX(s)  BU(s)
Y(s)  CX(s)  DU(s)
Despejando y relacionando estas ecuaciones

X( s)  ( sI  A) 1 BU( s) , y entonces Y( s)  [C( sI  A) 1 B  D]U( s)
Recordando que la función de transferencia es el cociente entre la T. de Laplace de
entrada y salida, para condiciones iniciales nulas, resulta, para el caso de sistemas de
una entrada-una salida:
Y( s )
H ( s)   C( sI  A) 1 B  D  C( s)B  D
U( s )
 Estabilidad
Un LTI es estable (entrada acotada-salida acotada) cuando los polos de la función de

transferencia H(s) están en el semiplano izquierdo.
Como:
 adj( sI  A ) 
C( sI  A ) 1 B  C B
 det( sI  A ) 
el polinomio del denominador es el determinante de (s I - A). Luego, los polos de la

función de transferencia son las raíces de la ecuación característica del sistema, dada
por:
det(s I - A) = 0
En conclusión, un LTI es estable si las raíces de la ecuación característica están en el
semiplano izquierdo del plano s . Esto es equivalente a decir que:
un LTI es estable si los autovalores de la matriz de estados tienen parte real negativa
Ejercicio 22:
Analice la estabilidad a partir de la matriz A para el modelo obtenido en el Ejercicio 20.
174
TRANSFORMACIÓN DE SEMEJANZA
El modelo de variables de estado de un mismo LTI no es único, sino que por el

contrario, un LTI tiene un número ilimitado de modelos de estado.
Transformaciones
Se considera el caso de sistemas de una entrada-una salida
Puede demostrarse que hay un ilimitado número de matrices A, B, C y de escalares D
que se relacionan por:
x (t)  Ax(t)  Bu( t )
y(t)  Cx(t)  Du( t )
Considere un nuevo vector de funciones v(t), también de dimensión n, que se representa

como una combinación lineal de los elementos del vector de estados x(t) .
v1 (t )  q11 x1 (t )  q12 x 2 (t )    q1n x n (t )

v 2 (t )  q 21 x1 (t )  q 22 x 2 (t )    q 2 n x n (t )

v n (t )  q n1 x1 (t )  q n 2 x 2 (t )    q nn x n (t )
En forma matricial esta ecuación puede escribirse como

v(t)=Qx(t)=P-1x(t)
x(t)=P v(t)
donde P es llamada matriz de transformación .
Sustituyendo (30) en (28) da :

Pv (t)  APv(t)  Bu(t )
y(t)  CPv(t)  Du(t )
y rescribiendo:
v (t)  A v v(t)  B v u(t )
y(t)  C v v(t)  Dv u(t )
donde: Av=P-1AP , Bv=P-1B , Cv=CP , Dv=D
Esta transformación se llama de semejanza pues si bien la estructura interna del

modelo se modifica, la relación entrada-salida no.
Esto se prueba en la cuarta de las propiedades que se detallan más adelante.
 Propiedades de las matrices de estados para los modelos resultantes de

aplicar transformaciones de semejanza.
1) det (sI-Av) = det (sI-A)
Lo que implica que los autovalores del sistema y el sistema transformado
son los mismos.
Dem: . . . . . . .
2) det Av = det A (= 1 2 . . . n)
175
3) tr Av = tr A (= 1 +2 +. . . +n)
Y( s)
4) H ( s)   C( sI  A) 1 B  D  Cv ( sI  A v ) 1 B v  Dv
U( s)
Demostración: . . . . . . .
 Ejemplo
Para el mismo sistema lineal de segundo orden considerado en el Ej. 20, suponga la
transformación dada por:
v1 (t )  x1 (t )  x2 (t )
v2 (t )  x1 (t )  2 x2 (t )
Halle:
a) las matrices P y Q
b) las ecuaciones de estado transformadas
c) la función de transferencia del sistema
d) verifique las propiedades enunciadas
 Transformación de los autovalores

Si A tiene n autovalores distintos, entonces puede diagonalizarse usando la
transformación
=P-1AP
siendo P una matriz cuyas columnas son los autovectores de la matriz A, resultando la
matriz  como una matriz diagonal cuyos elementos son los autovalores de A.
Prueba: para cada autovalor puede escribirse la ecuación

A.x1= 1.x1
A.x2= 2.x2
A.xn= n.xn
donde por ejemplo, x1 es el autovector correspondiente al autovalor 1 .

A partir de las definiciones de las matrices hechas mas arriba, este sistema de n
ecuaciones matriciales puede escribirse en forma mas compacta como:
AP =P.
resultando entonces: =P-1 A P
Luego, si se elije para la Transformación de Semejanza, la matriz formada por los

autovectores, se obtendrá un modelo en variables de estado, con una matriz de estados
Av =, diagonal, cuyos elementos son los autovalores del sistema.
 Ejercicio 24: Encuentre el modelo de variables de estado semejante al

encontrado ya en el Ejercicio 20, realizando la transformación por los
autovectores.
176
Apéndice
ApéndiceS
177
Apéndice
Variable Compleja
NÚMERO COMPLEJO: z=x+jy
FORMA POLAR DE UN COMPLEJO:
j y
z  r.e donde r  z  x 2  y2 y   arc tg
x
El argumento de z admite múltiples valores, pero el valor:       se denomina
valor principal del argumento.
EXTRACCIÓN DE RAÍCES:
   2 k 
1 1 j. n 
z n  r n .e  , k = 0,1,2,……,n-1 y  es el argumento de z
DESIGUALDADES TRIANGULARES:
a) z1 z 2  z1  z 2 b) z1 z 2  z1  z 2
FUNCIÓN DERIVABLE EN UN PUNTO: Sea f(z)=u(x,y)+j v(x,y)
Condiciones de Cauchy-Riemann: ux  vy ; v x  u y
a) Condiciones necesarias:
Si una función es derivable en un punto x 0 , y0  , entonces se cumplen las condiciones
de C-R
b) Condiciones suficientes:
Sean u y v funciones reales uniformes de x e y, las cuales junto con sus derivadas
parciales de primer orden son continuas en un punto x 0 , y0  . Si estas derivadas
parciales satisfacen las condiciones de C-R en aquel punto, entonces la derivada f '(z0),
existe.
FUNCIONES ANALÍTICAS:
La función w = f(z) es analítica en un punto dado z0  D si la misma es derivable tanto

en el propio punto z0 como en un cierto entorno del mismo.
Las condiciones de C-R son necesarias pero no suficientes.
178
Apéndice
FUNCIONES ELEMENTALES
a) Función exponencial : w = ez
*Es una función entera, es decir analítica en todo el plano complejo.
*No se anula para ningún valor de z.
*Su imagen es el plano complejo completo excepto el origen, pues:
ez  r  e x de donde x  ln r
* Es una función periódica de período 2 kj , k  Z
b) Función logarítmica: w = log z
w = log z = ln z  j.arg w  2k k Z

Si k = 0, el valor principal se denomina como Log z= ln z  jarg w 
c) Funciones trigonométricas e hiperbólicas
e jz  e jz
sen z  ; sen (-z) = -sen z ; sen ( z + 2  ) = sen z. ; D sen z = cos z
2j
e jz  e  jz
cos z  ; cos (-z) = cos z ; cos ( z + 2  ) = cos z. ; D cos z = - sen z
2
ez  e z ez  e z
Sh z = ; Ch z =
2 2
ECUACIONES EN EL CAMPO COMPLEJO
Recordemos de Álgebra:
a) Los conceptos de raíces simples y múltiples.

Sea  una raíz de la ecuación algebraica f(x)=an.xn + an-1.xn-1 +…………..+ a1.x + a0 = 0,
es decir que f() = 0. Esto equivale a que el polinomio f(x) es divisible por (x-). Puede
ocurrir que f(x) sea divisible por una potencia de (x-)m, y que el exponente m sea el
más alto posible, es decir, que f(x) no sea ya divisible por (x-)m+1; en otros términos,
que el factor primo (x-) figure en la descomposición de f(x) exactamente con el
exponente m: f(x) = (x-)m.g(x), donde ya (x-) no es divisor de g; o lo que es
equivalente: g()  0. Entonces el número natural m se llama la multiplicidad o el
orden de multiplicidad de la raíz . Este último número es raíz simple si m = 1, y raíz
múltiple si m > 1.
b) El Teorema fundamental del Álgebra

Toda ecuación algebraica f(x) = 0 de grado no nulo, de coeficientes reales o complejos,
tiene al menos una raíz (real o compleja)
179
Apéndice
Una ecuación grado n, P(x) = 0 puede escribirse, en el campo complejo, en la forma

factoreada: a.x  x1  1 .x  x 2  2 .................x  x r  r con kj  1, ( j = 1,2,……,r), y
k k k
k1+k2+…………..+kr = n
Una raíz xj será múltiple si kj > 1, y el entero kj se llama orden de multiplicidad.

Si una raíz no es múltiple, es decir k = 1, se llama simple. Como la suma de los kj es n,
tenemos: en el campo complejo, una ecuación de grado n tiene exactamente n
raíces, contando cada una con su orden de multiplicidad.
SERIES POTENCIALES:


 an. z  z
n 0 0
n

Las series de potencias tienen un “buen” comportamiento, bajo la suma, multiplicación,
diferenciación e integración; la cual las hace útiles en análisis complejo.
* La suma o resta término a término de dos series de potencias con radios de

convergencia R1 y R2, produce una serie de potencias con radio de convergencia por lo
menos igual al menor de R1 y R2.
* La multiplicación término a término de dos series de potencias significa la

multiplicación de cada término de la primera serie por cada término de la segunda serie
y el agrupamiento de los términos que tienen la misma potencia de z.
* La diferenciación e integración de término a término de una serie de potencias es

permisible. La serie de potencias que se obtiene de derivar término a término se
denomina serie derivada de la serie de potencias.
* La serie derivada de una serie de potencias tiene el mismo radio de convergencia

que la serie original.
* Una serie de potencias con radio de convergencia R diferente de cero representa

una función analítica en todo punto interior de su círculo de convergencia. Las
derivadas de esta función se obtienen por diferenciación término a término de la serie
original. Todas las series así obtenidas tienen el mismo radio de convergencia que la
serie original. Por tanto, cada una de ellas representa una función analítica.
180
Apéndice
Álgebra Lineal
El estudio de las matrices tiene su origen en los sistemas de ecuaciones
algebraicas lineales. Considere el siguiente ejemplo:
x1  x2  x3  3
x1  x2  x3  1 (a-1)
2 x1  x2  3x3  6
Estas ecuaciones pueden escribirse utilizando la forma vectorial-matricial como:
1 1 1   x1  3
1 1  1  x   1 (a-2)
   2  
2 1 3   x3  6
1 1 1   x1   3
     
Si llamamos: A   1 1 1 , x = x 2  , u   1
 2 1 3   x 3   6 
entonces (a-2) puede expresarse como:
Ax = u
donde A es una matriz (3,3), , y x y u vectores ( o matrices 3x1).

La forma genérica de denominar a la matriz A es
 a11 a12  a1n 

a 
A 
 
21 a22  a2n 
   
 aij  
 a 
m1 am2  amn 
Matriz identidad:
Es una matriz cuadrada, tal que todos los elementos de la diagonal son iguales a 1, y los
elementos fuera de la diagonal son cero:
aij=1, i=j aij=0, ij . Por ejemplo, la matriz identidad de orden 3 es:
1 0 0
 
I  0 1 0
 0 0 1
 d11 0 0 
 
Matriz diagonal: D   0 d 22 0 
 0 0 d 33 
Matriz simétrica: La matriz cuadrada A es simétrica si aij= aji ,para todo i , j
181
Apéndice
Transpuesta de una matriz:
 a11 a12 a13   a11 a 21 a 31 

   
Si A   a 21 a 22 a 23  entonces, A T   a12 a 22 a 32 
 a 31 a 32 a 33   a13 a 23 a 33 
Traza:
tr(A)= a11+ a22+ . . . +ann
Determinante:
El determinante de una matriz cuadrada es un número que se puede calcular haciendo la
suma de los productos de los elementos de una línea (fila o columna) , por sus
respectivos adjuntos.
Cofactor o adjunto
El cofactor cij del elemento aij de la matriz cuadrada A está dada por
cij = (-1)i+j mij
donde mij es el menor del elemento aij , es decir , el determinante de la matriz (n-1)x(n-
1) que queda cuando se quitan la fila y la columna que incluye a aij . Por ejemplo, para
a12 a13
A(3x3), m21=  a12 a33  a13a32
a32 a33
Matriz Inversa
adj A
A 1 
A
donde, adj A es la matriz adjunta de la matriz cuadrada A , la que se define a partir de
la definición de cofactor, como:
Matriz Adjunta
T
 c11 c12 c13 
 
Es la matriz de los cofactores, transpuesta. Si A (3x3): adj A   c21 c22 c23 
 c31 c32 c33 
Integración y diferenciación
La derivada (o la integral) de una matriz, se obtiene diferenciando (o integrando) la

matriz elemento por elemento.
Autovalores y autovectores
Definición: Un autovalor de una matriz cuadrada A (n  n) es uno de los escalares 

que permiten una solución no trivial (x  0) a la ecuación
A x = x
182
Apéndice
Observe que esta ecuación se puede escribir en la forma:

A x = I x
A x - I x = 0
(A - I ) x = 0
Un vector solución x no trivial existe solamente si det (A - I ) = 0.
Por lo tanto, los autovalores de A son las raíces de su ecuación característica, es decir,
del polinomio que resulta de calcular el determinante de la matriz: A- I . Observe que
este polinomio es de orden n. Por lo tanto existen n autovalores, 1, 2 , . . . , n . Estos
valores pueden ser todos distintos, o repetidos.
Asociado a cada autovalor i , existe una solución xi de la ecuación A x = x . Este

vector solución se llama autovector o vector propio. (xi se llama también vector
invariante respecto de la transformación A x )
Observe que los autovectores tienen longitud arbitraria: para cualquier escalar  , si x es
solución de A x = x , entonces x también lo es, ya que A x = x . Un autovector
es normalizado a la unidad, si su longitud es la unidad, es decir x  1.
Ejemplo 1:
3 4
a) Calcule los autovalores de la matriz   Rta: 1 y 5.
1 3
  2b 
b) Calcule el conjunto de autovectores asociado al autovalor =1. Rta.:x1=   ;
 b 
b 
c) Encuentre el autovector asociado al autovalor =1 que tiene norma 1.
 2 
1
Rta: x1=  
5 1 
Ejemplo 2:
2 2 1 k
   
Repetir los incisos del Ejemplo 1 para  1 3 1  Rtas.: a) 5, 1 y 1; b) x1=  k 
 1 2 2 k
 
Ejemplo 3:
Proponer una matriz diagonal cualquiera y verificar que sus autovalores coinciden con
los elementos de la diagonal.
1 0   1 0 
Ejemplo 4: A=   a) Verificar que A-1 =  
1 2    0.5 0.5 
b) Encontrar los autovalores y autovectores de A-1.
c) ¿Cuales son sus conclusiones?
183
Apéndice
Propiedades de interés:
AB  A B
A 1A  AA 1  I
1
A 1  A
( A 1 )T  ( AT )1
( A.B )1  B 1A 1
n
A   i
i 1
n n
traza ( A )   aii   i
i 1 i 1
184
Apéndice
TABLAS
185
Apéndice
TRANSFORMADA DE FOURIER
PROPIEDADES

 f (t ) e
 jt
DEFINICION f (t ) F ( )  dt

DUALIDAD F(t) 2 f ( )
1  
ESCALA f (at ) F 
a a
f (t  t 0 ) e  jt 0 F ( )
DESPLAZAMIENTO EN EL
TIEMPO
DESPLAZAMIENTO EN
e j0t f (t ) F (  0 )
FRECUENCIA
DERIVACION EN EL TIEMPO f ( n) (t ) , n  N ( j ) n F ( )
DERIVACION EN FRECUENCIA
( jt) n f (t ) , n  N F ( n) ( )
t
INTEGRACION EN EL TIEMPO  f (u)du


1
j
F ( )   F (0)  ( )
CONVOLUCION EN EL TIEMPO f (t ) * g (t ) F ( ) G( )
1
CONVOLUCION EN f (t ) g (t ) F ( ) * G( )
FRECUENCIA 2
1 1
f(t) cos(0t) F (   0 )  F (   0 )
2 2
1 1
f(t) sen( 0t) F (  0 )  F (  0 )
2j 2j
 1  2
Relación de Parseval: E=  f (t )
2
dt =  F (  ) d
2  

186
Apéndice
PARES TRANSFORMADOS
FUNCIÓN TRANSFORMADA
1
e-at us(t) , a0
j  a
a t 2a
e
a 2
2

e  at , a  0 e 
2 2
/ 4a
a
 a 
Pa(t) a sinc  
 2 
 b 
T2b(t) b sinc 2  
 2 
t n1 -at 1
e u s(t), n  N , a0
n  1! ( j  a) n
b
e-at sen bt us(t), a0
( j  a ) 2  b 2
j  a
e-at cos bt us(t) ,a0
( j  a ) 2  b 2
 (t ) 1
 ( n) (t ), n N ( j) n
1
us(t)   ( ) 
j
tn , n N 2π j n δ( n )( ω )
e j0 t 2  (  0 )
cos 0 t    (  0 )   (  0 )
sen 0 t  j   (  0 )   (  0 )
0 
sen 0t us(t)    (   0 )   (   0 )
0  2 2 2j
j 
cos 0t us(t)    (  0 )   (  0 )
0  
2 2
2
1
t us(t) j  ' ( ) 
2
187
Apéndice
TRANSFORMADA DE LAPLACE

f (t ) , t  0
 f (t )  F (s)   e  st f (t )dt
0
 f (t )   g (t )  F ( s)   G( s)
1 1/ s
 t  1
Res  Rea
1
e at sa
n!
tn Res  0
s n 1
a
sen(at)
s2  a2
cos(at) s
s2  a2
e at f (t ) F ( s  a) , si F (s)  L  f (t )
n!
, n  1,2,...
eat t n ( s  a) n 1
dn
t n f (t ) (1) n F ( s), n  1,2,3,...
ds n
f ( n ) (t ) , n=1,2,3,...
snF(s)- sn-1f (0+)- sn-2f '(0+) - .....-f (n-1)(0+)
t
1
 f ( )d
s
F (s)
0
t 0
1 1
 f ( )d s 
F ( s)  f (t )dt

s 
f (t ) f (t ) 
, si lim
t 0
EXISTE  F (u )du
t t
s
1
f(at), a>0 F ( s / a)
a
f (t  a)us (t  a) e  as F (s)
188
Apéndice
t
 f (v ) g (t  v ) dv
0
F(s) G(s)
T
1
 f (t ) e
 st
f(t) = f(t+T) dt
1  e  sT 0
a
senh(at)
s2  a2
cosh (at) s
s2  a2
a
ebt senh (at)
( s  b) 2  a 2
s b
ebt cosh(at)
( s  b) 2  a 2
a
ebt sen (at)
( s  b) 2  a 2
s b
ebt cos(at)
( s  b) 2  a 2
T. del valor final T. del valor inicial
lim f ( t )  lim s F ( s ) lim f ( t )  lim s F ( s )

t  s 0 t 0  s 
______________________________________________________________________
189
Apéndice
Variables de Estado
 t
 x(t )   (t  t 0 ) x(t 0 )    (t   ) B u ( ) d
 t0

 y (t )  C x(t )  D u (t )
2ª Forma Canónica
 0 1 0 ... 0  0 
 0 0 1 ... 0  0 
  
A       B   D  bn
   
; ;
 0 0 0 ... 1  0 
 a0  a1  a2 ...  a n 1  1 
C  (b0  a0 bn ) (b1  a1 bn ) ... ... (bn2  an2 bn ) (bn1  an1 bn )
Transformación
Av  P 1 A P ; Bv  P  1 B ; Cv  C P ; Dv  D
n 1
Método de Cayley – Hamilton : e At   γi t  A i ,
i 0
N 1
 γi t  λ j i , j  1,2,...,N
λ jt
Los γ i t  se obtienen de e  γ0 t  
i 1
Señales de potencia y energía
L
 f t  dt
2
Para calcular la energía: E  lim
L  L
L
f t  dt  
1

Para analizar si es de potencia: 0  lim
2
L  2L L
______________________________________________________________________
Propiedades Delta de Dirac

1)  (t  t 0 )  0  t / t  t 0
t2
2)   (t  t ) dt  1
0 si t1  t0  t2 extensible a intervalos infinitos
t1
190
Apéndice
3) Si f(t) es continua en t1  t 0  f (t )  (t  t 0 )  f (t 0 )  (t  t 0 )
b
 g (t 0 ) si a  t 0  b
4)   (t  t 0 ) g (t ) dt   g (t ) es contínua en t  t 0 ; a  b
a  0 si a  t 0  b
t2

5)  (  t )  (  t 0 ) d   (t  t 0 ) , con t1  t 0  t1
t1
t2
 f (t )  (  t 0 ) dt  (1) k f ( k ) (t 0 ) , con t1  t 0  t1
(k )
6)
t1
t
 1 si t  t 0
7) u (t  t 0 )    (  t 0 ) d  
  0 si t  t 0
 
1 t0
8)   (at  t 0 ) dt  a   (t  a ) dt
 
9)  (t )   ( t )
__________________________________________________________________
SERIES DE LAURENT
 
bn
f(z)   an (z  z 0 )n  (1)
n 1 (z  z 0 )
n
n 0
1 f(z) 1 f(z)
an  
2j C (z  z 0 ) n1
dz (n  0,1,2,........) (2) bn  
2j C (z  z 0 ) n1
dz (n  1,2,.........) (3)
Desarrollos en serie más utilizados:

1) Serie binomial:

     (  1)........(  n  1)
(1  z)     z n , z  1; donde    1,   
n 0  n  0 n n!
Casos particulares:

1
1-1)   ( 1) n z n , z  1 ó (1  z ) 1  1  z  z 2  z 3  ..............
1  z n 0

1
1-2)   ( z ) n , z  1 ó (1  (  z )) 1  1  z  z 2  z 3  ..............
1  z n 0
m(m  1)z 2 m(m  1)(m  2)z 3
1-3) (1  z) m  1  mz    ............., z  1
2! 3!
z 2n 1

2) sen z   (1) n 1
, z 
n 1 (2n  1)!
 
z 2n zn
3) cos z  1   (1) n , z  ; 4) e z  1   , z 
n 1 (2n )! n 1 n!
191
Apéndice
SERIE DE FOURIER
Serie exponencial o compleja de Fourier
T
 2
 jnw0t
 cn e  f(t).e
jnw0t 1 2π
f(t) = donde cn  dt y w0 
n 
T T
T

2

T
 2
a
 a cos( nw 0 t)  bn sen( nw 0 t) 
 f(t) dt ;
2
f(t)  0  n con a0 
2 n 1
T T

2
T T
2 2
 f(t) cos (nw t) dt  f(t) sen(nw t) dt

2 2
an  0 bn  0
T T
T T
 
2 2
Si f(t) es par:
T T
 2 2
a
 a  f(t) dt  f(t) cos (nw t) dt ;
4 4
f(t)  0  n cos( nw 0 t)  con : a0  ; an  0 bn = 0
2 n 1
T
0
T
0
Si f(t) es impar:
T
 2
 b sen ( nw 0 t) 
 f(t) sen (nw t) dt
4
f(t)  n con : a0 = an = 0 ; bn  0
n 1
T
0
Si f(t) tiene simetría de media onda contiene solamente armónicas impares


f(t)   a
n 1
2n 1 cos(2n  1)w 0 t  b2n 1 sen(2n  1)w 0 t  con a0 = 0
T T
2 2

4 4
a2n 1  0 b2n 1  0
T T
0 0
Identidad de Parseval
T
2 
1
 f(t) dt  c
2 2
Si utilizamos la serie compleja de Fourier: n
T T n  

2
T
a02 1 
 
2
1
T f(t) dt  4  2 n1 a n  b n
2 2 2
Si utilizamos la serie trigonométrica de Fourier:
T

2
192
Apéndice
Identidades trigonométricas
sen ( x )  sen (x  2π) cos ( x )  cos (x  2π) tg ( x )  tg (x  π)

sen ( x)  sen (x  π) cos (  x )  cos (x  π)
tg (  x )   tg (x) cotg (  x )   cotg (x)
π  π  π 
sen ( x )  cos  x  cos ( x )  sen   x  tg ( x )  cotg   x 
2  2  2 
 b
a sen ( x )  bcos (x)  a 2  b 2 cos  x  arctg 
 a
sen ( x )  cos ( x )  1
2 2
sen ( x  y)  senx  cos y   cosx sen y 

cos( x  y)  cosx  cos y   senx sen y 
tg  x   tg  y 
tg ( x  y ) 
1  tg  x  tg  y 
193
Apéndice
Funciones hiperbólicas
Ch ( )  1 e  e    Ch ( ) Sh ( )  1 e  e     Sh ( )

2 2
Th ( )  Sh ( ) / Ch ( ) Ch ( )  Ch ( ) / Sh ( )
Ch ( )  Sh ( )  e Ch ( )  Sh ( )  e 
Ch 2( )  Sh 2 ( )  1
Sh (   )  Sh ( )Ch (  )  Sh (  )Ch ( )
Ch (   )  Ch ( )Ch (  )  Sh ( )Sh (  )
Th ( )  Th (  )
Th (   ) 
1  Th ( )Th (  )
Sh ( )Sh (  )  1 Ch(   )  Ch(   )

2
Ch( )Ch(  )  1 Ch(   )  Ch(   )
2
Sh ( )Ch(  )  1 Sh(   )  Sh(   )
2
Ch ( )  Sh ( )   Ch (n )  Sh (n )
n
Sh ( xi )  i  sen( x ) sen( xi )  i  Sh ( x )
Ch ( xi )  cos( x ) cos( xi )  Ch ( x )
Th ( xi )  i  tg( x ) tg( xi )  i  Th ( x )
sen ( x  iy )  sen (x)Ch ( y )  i  cos( x )Sh ( y )

cos ( x  iy )  cos (x)Ch ( y )  i  sen( x )Sh ( y )
arc sen ( xi )  i ArgSh ( x )
arc cos ( xi )  i ArgCh ( xi )
1 x
arc tg ( xi)  i  ArgTh ( x)  1 ln
2 1 x
194

Teoria MateAvanzada 2018

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Teoria MateAvanzada 2018

Caricato da

Copyright:

Formati disponibili

Departamento de Matemática

TEMAS DE VARIABLE COMPLEJA ……………………………………………………...9

ANÁLISIS EN EL DOMINIO NATURAL (TEMPORAL; ESPACIAL )………………….31

ANÁLISIS EN EL DOMINIO TRANSFORMADO ……………………………………… 93

APÉNDICE ……………………………………………………………………………… 177

 Álgebra de números complejos.

- Dra. Gloria Frontini

Objetivos generales de la asignatura

La evaluación de la asignatura a lo largo del cursado se realizará en las siguientes instancias:

 1 Recuperatorio que puede utilizarse para reemplazar la nota de un parcial

PROMOCIONADO: Si la suma de los dos parciales aprobados es de 140 puntos como

HABILITADO: Si la suma de los dos parciales es de 100 puntos como mínimo.

I-2) Series de potencias. Polos y residuos.

II) Análisis de señales y sistemas en el dominio natural.

II-1) Clasificación y propiedades de Señales

II-2) Sistemas lineales e invariantes en el tiempo.

II-4) Variable de estado.

III) Análisis de señales y sistemas en el dominio transformado.

III-1) Series de Fourier

III-2) Transformada e integral de Fourier

III-3) Transformada de Laplace

 E.KREYSZIG: Matemáticas avanzadas para Ingeniería. Ed. Limusa.

Sem Temas a desarrollar

7 Modelado de sistemas lineales en variables de estado. Matriz de transición.

12 Transformada de Fourier de señales de energía. Definición. Espectro de fase y de

13 Convolución. Desplazamiento. Diferenciación e integración. Espectro de Energía.

15 Diagramas en bloques en la variable “s”. Ejemplos. Solución mediante

25/6 Segundo Parcial

Gráfico de la función f(z)=(z2-1)(z-2-j)2/(z2+2+2j).

Recordamos las condiciones de C-R para f(z) =u(x,y)+jv(x,y) : u x  v y ; v x  u y .

Singularidad : z0 es una singularidad de f(z), si f(z) es analítica en algún punto de cierto

Singularidad aislada: Si existe cierto entorno de un punto singular z 0 de un función f, en todo

Tipos de singularidades aisladas: clasificamos a las singularidades como polo, singularidad

Como determinar la naturaleza de una singularidad

I) Si lim f(z)   entonces decimos que f(z) tiene un polo en z = z 0 .

II) Si lim f(z) no existe entonces z = z 0 es una singularidad esencial de la función.

III) Si lim f(z)  L entonces z = z 0 es una singularidad evitable.

Ejercicios: Analizar los tipos de singularidades en los puntos indicados

CEROS DE UNA FUNCIÓN

Supongamos que la f(z) es analítica en el punto z 0 . El punto z 0 se llama cero de la función

f (z 0 )  0; f (z 0 )  0;...............;f ( n 1) (z 0 )  0; f n  (z 0 )  0

f (z)  z  z 0  (z), donde (z) es analítica en z 0 y (z 0 )  0

TRANSFORMACIÓN(O MAPEO) CONFORME

Fig.1: Curvas C1 y C2 Fig.2: Imágenes de las curvas C1*, C2*,

Se describen a continuación algunos ejemplos de transformaciones conformes.

Forma general: w = Az + B; A y B constantes complejas.

b) Si w = Az , trabajando en coordenadas polares, obtenemos:

Representa una rotación según  (argumento de A) y una magnificación (contracción o

c) w = Az + B (para B≠0) Representa una combinación de rotación con magnificación y

Estudiemos la transformación inversa de una familia de circunferencias y rectas

Si (a, b, c, d)  R, la ecuación de una familia de circunferencias o rectas (dependiendo de a 0 o

Luego, como la región a(x2+y2) + bx + cy + d = 0 en el plano z resultó en

2) Transformar x2+y2 - 4x + 2y = 0 mediante la transformación inversa.

Transformación bilineal (o lineal fraccionaria u homográfica)

Las transformaciones de este tipo transforman circunferencias y rectas en circunferencias y rectas.

Dicha transformación viene dada por la fórmula:

También, si se reescribe la ecuación del siguiente modo:

w  w1 w 2  w 3  z  z 3  z 2  z1  = w  w 3 w 2  w1  z  z1 z 2  z 3  ,

INTEGRACIÓN EN EL PLANO COMPLEJO

Recordemos el Teorema de Green en el plano (integrales curvilíneas reales), que da la

Integrales de línea complejas

Consecuencias del teorema de Cauchy-Goursat

de aquí que:    , ambas recorridas en el mismo sentido.

Fig.1: Curvas C1 y C2 Fig.2: Imágenes de las curvas C1, C2,