Analisis de Fourier

ANÀLISIS DE
FOURIER
ANÀLISIS DE FOURIER
Primera Edición
Julián Quiroga Sepúlveda
BOGOTÁ, COLOMBIA
DERECHOS RESERVADOS © 2007 por
JULIAN QUIROGA SEPÚLVEDA Bogotá
ANÁLISIS DE FOURIER
Julián Quiroga Sepúlveda
ISBN:
978-958-44-2350-4
CONTENIDO
PREFACIO XI
1. CONCEPTOS BÁSICOS 1
1.1. Bases matemáticas 1 1.1.1. Conjuntos Numéricos 1 1.1.2. Notación de interés 2 1.1.3.
Clasificación de conjuntos de acuerdo a su cardinalidad 3 1.1.4. Ínfimo y supremo 3
1.2. Funciones 4 1.2.1. Inyectividad 5 1.2.2. Sobreyectividad 5 1.2.3. Biyectividad 6 1.2.4.

Invertibilidad 6
1.3. Variable compleja 6 1.3.1. Números complejos 7 1

.3.2. Identidad de Euler (Exponencial
Complejo) 8 1.3.3. Operaciones entre complejos 10 1 .3.4. Complejo conjugado 10 1.3.5.
Funciones Complejas 12
1.4. Resumen 14

1.5. Ejercicios 15
2. SEÑALES 17
2.1. Clasificación de señales 17 2.1.1. Señales continuas y discretas 17 2.1.2. Señales de
soporte compacto y acotadas 19 2.1.3. Señales pares e impares 20
2.2. Señales periódicas 24 2.2.1. Señales periódicas de tiempo continuo 24 2.2.2. Suma de
exponenciales complejos de TC 27 2.2.3. Señales periódicas de tiempo discreto 29 2.2.4. Suma
de exponenciales periódicos de TD 32
2.3. Potencia y energía de una señal 33 2.3.1. Potencia instantánea 33 2.3.2. Energía 34
2.3.3. Potencia promedio 34
2.4. Normas y espacios normados 37 2.4.1. Norma y espacio L1 37
2.4.2. Norma y espacio L2 39 2.4.3.

Norma y espacio l1 41 2.4.4.
Norma y espacio l2 42
2.5. Funciones Singulares 43 2.5.1. Función escalón de Heaviside 43 2.5.2. Función impulso
45 2.5.3. Escalón unitario discreto 47 2.5.4. Impulso unitario discreto 47
2.6. Convolución lineal 48 2.6.1. Definición 48 2.6.2. Propiedades de la convolución 52
2.7. Sistemas LTI 53 2.7.1. Sistemas continuos 53 2.7.2. Sistemas discretos 55
2.8. Resumen 57
2.9. Ejercicios 59
3. REPRESENTACIÓN DE SEÑALES 63
3.1. Descomposición de señales 63
3.2. Aproximación de un vector 64 3.2.1. Aproximación de un elemento del plano 64 3.2.2.
Aproximación de una señal 65
3.3. Bases ortogonales 68 3.1.1. Bases e independencia lineal 68 3.1.2. Ortogonalidad 68
3.1.3. Método de ortogonalización de Gram-Schmidt 70
3.4. Representación de señales en un intervalo de tiempo finito 71
3.5. Teorema de Parseval para un intervalo finito 77
3.6. Representación de una señal periódica 78

3.7. Resumen 79
3.8. Ejercicios 80
4. SERIES DE FOURIER 83
4.1. Serie exponencial de Fourier 83 4.1.1. Condiciones de Dirichlet 83 4.1.2. Cálculo de la
serie exponencial 85 4.1.3. Espectro de Fourier 88 4.1.4. Teorema de Parseval para la serie
exponencial 90
VIII
4.1.5. Propiedades de la serie exponencial 92
4.2. Serie trigonométrica de Fourier 96 4.2.1. Relación entre la serie trigonométrica y la serie
exponencial 100 4.2.2. Serie trigonométrica de Fourier para señales pares e impares 103 4.2.3.
Teorema de Parseval para la serie trigonométrica de Fourier 106
4.3. Aplicaciones de las series de Fourier 108 4.3.1. Análisis de señales periódicas 108 4.3.2.
Convolución circular continúa 108 4.3.3. Oscilaciones forzadas 1 11
4.4. Resumen 115
4.5. Ejercicios 116
5. TRANSFORMADA DE FOURIER 121
5.1. Deducción de la transformada de Fourier L1 121 5.1.1.

Representación de señales no
periódicas 121
5.2. Transformada de Fourier L1 124 5.2.1.

Interpretación de la Transformada de Fourier L1
127 5.2.2.
Convergencia de la Transformada de Fourier L1 128
5.3. Propiedad de convolución para la TF 141 5.3.1. Respuesta de un sistema LTI utilizando
la transformada de Fourier 143 5.3.2. Multiplicación de señales en el tiempo 145
5.4. Teorema de Parseval para la transformada de Fourier 147
5.5. Transformada de Fourier L2 148
5.6. Transformadas de Fourier que implican funciones impulso 152 5.6.1. Transformada de
Fourier de la función impulso 152 5.6.2. Transformada de Fourier de un exponencial complejo
152 5.6.3. Transformada de Fourier de señales periódicas 154
5.7. Aplicaciones de la transformada de Fourier 156
5.8. Resumen 157
5.9. Ejercicios 158
6. ANÁLISIS DE FOURIER PARA SEÑALES DISCRETAS 163
6.1. Muestreo de señales de tiempo continuo 163 6.1.1. Muestreo ideal utilizando funciones
impulso 163 6.1.2. Efecto del muestreo sobre el espectro 165 6.1.3. Recuperación de la señal
original 166 6.1.4. Transformada de Fourier de una señal muestreada 169 6.1.5. Señales
muestreadas y señales discretas 169
I
X
6.2. Transformada de Fourier para señales discretas 170 6.2.1. Definición de la
transformada de Fourier l 1 170 6.2.2.
Interpretación de la transformada de Fourier l1 172 6.2.3.

Propiedades de la TF de una señal discreta 173 6.2.4. Transformada de Fourier para señales
periódicas discretas 174 6.2.5. Teorema de Parseval para la TF de señales discretas 176 6.2.6.
Propiedad de convolución para la TF de señales discretas 176
6.3. Transformada discreta de Fourier (DFT) 179 6.3.1. Efectos del muestreo en frecuencia
180 6.3.2. Definición de la DFT 182 6.3.3. Interpretación de la DFT 183 6.3.4. Visualización de la
DFT 184 6.3.5. Propiedades de la DFT 186 6.3.7. Convolución discreta utilizando la DFT 187
6.4. Transformada rápida de Fourier (FFT) 188 6.4.1. Algoritmo FFT de diezmado en el
tiempo (Base 2) 188 6.4.2. Aplicaciones de la FFT 189
6.5. Resumen 194
6.6. Ejercicios 195
7. ECUACIONES DIFERENCIALES PARCIALES 197
7.1. Conceptos básicos 197 7.1.1. Clasificación de las EDP’s 198 7.1.2. Solución de una EDP
199 7.1.3. Propiedades de las EDP’s 200
7.2. Ecuación de onda unidimensional 201
7.3. Solución de la ecuación de onda 1D 205 7.3.1. Separación de variables 205 7.3.2.
Solución de D’Alembert 213
7.4. Ecuación de calor unidimensional 217 7.4.1. Alambre finito (Separación de variables)
217 7.4.2. Alambre infinito (Transformada de Fourier) 222
7.5. Ejercicios 225
A. ESPACIOS VECTORIALES 227
BIBLIOGRAFÍA 231
PREFACIO
La primera edición del libro ANALISIS DE FOURIER r ecopila los contenidos básicos
del análisis de señales y sistemas utilizando la teoría de Fourier. Este libro puede ser
usado como texto guía en cursos de ingeniería eléctrica y electrónica en el área de
señales y sistemas en los cuales se quieran relacionar los conceptos matemáticos
elementales de la teoría de Fourier con problemas sencillos de aplicación en el campo
de procesamiento digital de señales y en el estudio de sistemas lineales e invariantes
en el tiempo.
El libro reúne las deducciones matemáticas junto a una serie de ejercicios explicativos y de
aplicación, los cuales intentan guiar al estudiante en su camino de aprendizaje y de
apropiación de las herramientas que ofrece el análisis de Fourier para el estudio de
señales y sistemas. Para ello el libro presenta en cada Capítulo las temáticas
principales, acompañadas de ilustraciones y ejemplos desarrollados en su totalidad.
Adicionalmente, al fin de cada Capítulo se presenta un breve resumen con los
conceptos más importantes.
Este libro trata de apoyar al estudiante en la comprensión de un tema demandante

debido a sus requerimientos matemáticos. Por tal motivo, es de suma importancia que
el estudiante realice la lectura de los contenidos temáticos de cada sección, revise los
ejemplos resueltos y desarrolle los ejercicios propuestos, con el fin de apropiarse de
cada uno de los contenidos. Este libro trata algunos temas complementarios de forma
corta, si se desea profundizar en cualquiera de estos contenidos el lector puede
consultar la bibliografía aquí relacionada.
El libro está organizado como sigue. En el Capítulo 1 se hace una pequeña revisión
de los conceptos básicos que el estudiante debe manejar para enfrentar los Capítulos
posteriores. Se revisan algunos conceptos de conjuntos numéricos, funciones y
variable compleja.
En el Capítulo 2 se introduce el concepto de señal y se realiza su clasificación.

Posteriormente se estudian las señales periódicas de tiempo discreto y continuo, y se
estudia el concepto de frecuencia angular continua y discreta. Con el fin de tomar
medidas cuantitativas de las señales se definen potencia y energía. Se realiza una
breve revisión de espacios vectoriales, en particular aquellos dotados con norma y se
presentan las señales como vectores. Finalmente se estudian los sistemas lineales e
invariante en el tiempo (sistemas de convolución), en particular su respuesta a una
señal de entrada dada y estabilidad en sentido EASA.
En el Capítulo 3 se estudia como un elemento de un espacio vectorial puede ser

aproximado en términos de otros elementos del espacio, para ello se introducen los
conceptos de producto interno y ortogonalidad. Para la representación de vectores se
estudia el concepto de base ortogonal y como caso particular se deduce la forma como
una señal puede ser representada por medio de un conjunto de señales más simples.
X
I
En el Capítulo 4 se estudian las series de Fourier como caso particular de la

representación de señales. Se presenta la serie exponencial de Fourier y se analiza la
información frecuencial de la señal contenida en los coeficientes complejos. De forma
similar se introduce la serie trigonométrica y se ilustran algunos ejemplos de
aplicación.
En el Capítulo 5 se define la Transformada de Fourier L1 p

ara la representación
señales no periódicas
sobre un intervalo infinito del tiempo. Se interpreta la
información contenida en la transformada de Fourier, así como algunas de sus
propiedades. Se revisan aplicaciones en estimación espectral y estudio de sistemas
lineales el tiempo (filtros). De forma corta se deduce la Transformada de Fourier L2
para señales de energía finita.
En el Capítulo 6 es dedicado al análisis de Fourier para señales discretas. Se

introduce el concepto de muestreo en tiempo y sus efectos sobre las características
frecuenciales de la señal. Posteriormente se define la transformada de Fourier para
señales discretas y algunas de sus propiedades. Se presenta la transformada discreta
de Fourier y el efecto de muestreo en frecuencia sobre la señal en el tiempo. Se
desarrollan en Matlab ejemplos de análisis de respuesta en frecuencia de sistemas
discreto y de estimación espectral de señales discretas.
Finalmente, en el Capítulo 7 se estudian algunas ecuaciones diferenciales parciales

de segundo orden, en las cuales son aplicadas la serie y la transformada de Fourier.
Se incluye además un apéndice sobre espacios vectoriales.
Deseo agradecer especialmente a los estudiantes de mis cursos que sirvieron para
probar en las clases buena parte de este material. De igual forma, quiero agradecer a
Gabriel Narváez, Juan Pablo Maillane y Carlos Calvera que escribieron en computador
parte de este manuscrito.
Espero que este libro sea de gran utilidad para el desarrollo de sus cursos en los
cuales necesiten la Teoría de Fourier aplicada a señales y sistemas. Agradezco me
comuniquen los errores encontrados o cualquier sugerencia para la mejora de este
libro.
Julián Quiroga
Sepúlveda
Bogotá,
2007.
XI
I
1 CONCEPTOS BÁSICOS
1.1. Bases
matemáticas
1.1.1. Conjuntos
Numéricos
▪ Números enteros
El conjunto de los números enteros, denominado Z, está formado por todos los
números que pueden ser generados por sumas o restas sucesivas del número1.
5 4 3 2 1 0 1 2 3 4, 5, Z { , , , , , , , , , , } = − −
− − − K K
El conjunto de los números naturales, denominado N , esta formado por todos los
números enteros no negativos.
0 1 2 3 4, 5, N { , , , , }
= K
Denotaremos como + Z , al conjunto de los números enteros positivos, es decir, los
números naturales menos el cero ( 0 N { } − ).
{1 2 3 4, 5, + Z , , , } =
K
Denotaremos como * Z , al conjunto de los números enteros sin el cero ( 0 N { }

− ).
5 4 3 2 1 1 2 3 4, 5, * Z { , , , , , , , , , } = − −
−−−KK
▪ Números racionales
El conjunto de los números racionales, denominado Q, está formado por todos los
números que pueden ser expresados de la forma a/b, donde a y b son números enteros y
b e s diferente de cero.
Cada racional puede ser escrito de infinitas formas, por ejemplo, 4 12 2 6 1 3 / / / = = .

Se dice que un racional está expresado como una fracción irreducible, si a y b son
primos relativos, es decir, mcd 1 ( , ) a b = . Cada número racional diferente de cero
tiene exactamente una forma de fracción irreducible, con un denominador positivo.
▪ Números reales
El conjunto de los números reales, denominado R , puede ser informalmente descrito

como el conjunto de números que pueden ser expresados por una representación
decimal infinita, por ejemplo, 3.14159265.... Los números reales contienen a los
Conceptos básicos Análisis de Fourier
números racionales y a los irracionales. El conjunto de los números irracionales está

formado por todos los números reales que no pueden ser expresados como un racional,
por ejemplo, π y √2.
Los números reales pueden ser ubicados como puntos sobre una larga línea
numérica, conocida como la recta real.
Figura 1.1. La recta
real.
Denotaremos como R+ , al conjunto de los números reales positivos, es decir, los
números reales mayores que cero. Denotaremos como R∗ , al conjunto de los números
reales sin el cero.
▪ Números complejos
El conjunto de los números complejos, denominado C, está formado por todos los
jb , donde a y b son números reales. En la Sección 1.3 se
números de la forma a +
realizará un estudio más detallado de este conjunto.
1.1.2. Notación de
interés
A continuación revisaremos algunos símbolos matemáticos, los cuales nos

serán útiles para escribir algunos enunciados de forma compacta.
x p
Ax∈ ertenece al conjunto A ∃ Ax∈ Existe un elemento x del conjunto
A∃ ! Ax∈ Existe un único elemento x de A ∀ Ax∈ Para todos los
elementos del conjunto A x QAxB = { ∈ )}(: B e s el conjunto formado por
los elementos de A que
cumplen la condición Q AB ⊂
B es
subconjunto (está contenido) de A ⇒,⇔ “Entonces”, “Si y
sólo si” /, ∋ ,: “Tal que” ,∧ ∨ “ y”, “o”
Ejemplo
1.1.
▪ Si x es un número entero, entonces x es un número

real.
x
s el conjunto de los números enteros con magnitud menor a

▪ B e
4.
{ x ∈ Z: x < 4 } = { − 3 , − 2 , − 1 , 0, 1, 2, 3 } ▪ Existe un único número real tal que

B=
la suma con él mismo da el mismo número.
∃ ! x ∈ R / xxx +
= 1.1.3. Clasificación de conjuntos de acuerdo
a su cardinalidad
Los conjuntos pueden clasificarse de acuerdo a su cardinalidad como finitos o infinitos.

,,,{ − 123 − − 0, 1, 2, 3 } , es un
Por ejemplo, el conjunto del ejemplo anterior, B =
conjunto finito de cardinalidad 7. Todo conjunto finito es contable (enumerable), es
decir sus elementos pueden ser ordenados.
Los conjuntos infinitos en cambio pueden ser contables o no contables. Por ejemplo
los enteros y los reales son conjuntos infinitos, sin embargo los enteros son contables
y los reales no. En el caso de los número enteros, sabemos por ejemplo, que después
del 2− sigue − 1 , 0 , 1 , 2 ,... . Sin embargo, para los números reales, ¿después del 0
que número sigue, el 0 1. , el 0 . 01 , o 0 . 001 ?. No importa que número asumamos
que sigue al 0 , siempre encontraremos un número entre 0 y éste.
Figura 1.2. Clasificación de

conjuntos
1.1.4. Ínfimo y
supremo
Algunas veces los conceptos de máximo y mínimo de un conjunto numérico no son

suficientes. Por ejemplo, ¿cual es mínimo del conjunto formado por el intervalo ( 0 , 1 ]
de la recta real?. La respuesta es que este conjunto infinito no tiene mínimo, pues para
cualquier valor que asumamos como mínimo, podemos encontrar un valor más pequeño
que también pertenece al conjunto.
Definición 1.1. x es una cota superior d e un conjunto A, si ∀ Ay∈ se cumple que yx
≥ , es decir, x e s mayor o igual a cada uno de los elementos de A. La mínima cota
superior de un conjunto A se conoce como s upremo (sup ). S i el supremo pertenece al
conjunto, entonces es el máximo, en caso contrario, el conjunto no tiene máximo.
3
Ejemplo 1.2. P ara el conjunto [ 0 , 10 ), encuentre 2 cotas superiores y su supremo.
El conjunto tiene máximo?
Solución. Como cotas superiores tomemos 11 y 100. El supremo es 10 y debido
a que 10 no pertenece al intervalo, el conjunto no tiene máximo.
Definición 1.2. x e s una cota inferior d e un conjunto A, si ∀ Ay∈ se cumple que x ≤ y
, es decir, x es menor o igual a cada uno de los elementos de A. La máxima cota
inferior de un conjunto A s e conoce como ínfimo (inf ). S i el ínfimo pertenece al
conjunto, entonces es el mínimo, en caso contrario, el conjunto no tiene mínimo.
Ejemplo 1.3. P ara el conjunto A = 1{ / n : n ∈

R + } , encuentre 2 cotas inferiores
y su ínfimo. El conjunto tiene mínimo?
Solución. Como cotas inferiores tomemos 1− y 2− . El ínfimo es 0 y debido a

que 0 no pertenece al intervalo, el conjunto no tiene mínimo.
Observación 1.1. N o todos los conjuntos de cardinalidad infinita que tienen

supremo o ínfimo, tienen máximo o mínimo, respectivamente. Un conjunto
que no posee supremo o ínfimo, se conoce como un conjunto no acotado
(no tiene cotas). Todos los conjuntos de cardinalita finita tienen máximo y
mínimo.
1.2.
Funciones
Definición 1.3. f : A → B es una función del conjunto A a l conjunto B, si ∀ A
a∈
tal que baf )( = , es decir, si a cada elemento de A, f asigna un único
∃ ! Bb∈
elemento del conjunto B . El elemento b se conoce como la imagen d e a bajo f. El
conjunto A se conoce como el dominio de la función y el conjunto B c omo el
codominio. El rango de f es el conjunto definido como f ( A ) = { f ( a ) : a ∈
A } .
etermine dominio, codominio y rango de las siguientes

Ejemplo 1.4. D
funciones.
C: → dada por jbaf ( + ) = ba 2 + 2 .

▪ f R
El dominio de f s on los complejos, el codominio los reales y el rango de f los reales

mayores e iguales a cero. La imagen del elemento 3 + 4j b ajo f , es el elemento 5.
R: → dada por xf ) ( =

▪ f R )sin( x .
El dominio y codominio de f son los reales y el rango de f e s el intervalo [ − 1 , 1 ] de

la recta real. La imagen del elemento π 2/ bajo f , es el elemento 1.
4
R: → dada por xxf ) ( = 25 + .

▪ f R
El dominio, el codominio y el rango de f s on los reales. La imagen del elemento 2

bajo f es el elemento 12.
1.2.1.
Inyectividad
BAf : → es una función inyectiva si y sólo si ∀ Aba , ∈ )()(( babfaf = ⇒ = ) , es decir, dos
elementos diferentes del dominio no pueden tener la misma imagen.
Figura 1.3. Función
inyectiva.
Ejemplo 1.5. Demuestre que f RR: → , dada por xxf ) ( = 12 + , es

inyectiva.
Solución. Supongamos que bfaf ) ()( = , entonces 1212 a + = b +

, lo cual implica
s inyectiva.
y por lo tanto f e
que ba =
Ejemplo 1.6. Demuestre que f RR: → , dada por xxf ) ( = 2 , no es

inyectiva.
Solución. Supongamos que bfaf ) ()( = , entonces ba 2 = 2 , lo cual implica que ba
− b t iene la misma imagen bajo f , por tal motivo la función no es
= ± y que + b y
inyectiva.
1.2.2.
Sobreyectividad
BAf : → es una función sobreyectiva si y sólo si ∀ Bb∈

( ∃ bafAa ∈ ))(/ = , es decir, todo
elemento del codominio es imagen de por lo menos un elemento del dominio bajo f, lo
cual implica que el codominio es igual al rango.
Figura 1.4. Función sobreyectiva no

inyectiva.
5
Ejemplo 1.7. D R: → , dada por xxf )( = 12 + , es

emuestre que f R
sobreyectiva.
Solución. Para cada valor b del codominio, se debe encontrar un elemento a d el

dominio, tal que aaf ) ( = 12 + = b . Claramente para cada R∈b , la ecuación ba =
/)( − 21 calcula un R∈a que satisface baf ) ( = . Por tal motivo, la función es
sobreyectiva.
Ejemplo 1.8. D emuestre que f RZ: →

, dada por xxf 2/)( = , no es
sobreyectiva.
Solución. Para un valor b d el codominio se debe encontrar un elemento a d el

dominio tal que baaf 2 /)( = = . Para un R∈b la ecuación ba = 2 no siempre nos
20. entonces a =
da un entero. Si b = 40. , pero 0 4. no pertenece al dominio de
la función. Por tal motivo la función no es sobreyectiva.
1.2.3.
Biyectividad
BAf : → es un función biyectiva si es inyectiva y sobreyectiva, es decir, dos

elementos del dominio no pueden tener la misma imagen y todo elemento del
codominio es imagen de un elemento del dominio.
Figura 1.5. Función

biyectiva.
1.2.4. Invertibilidad
BAf : → es una función invertible s i ABf − 1 : → es una función. Para esto se
requiere que f s ea una función biyectiva.
1.3. Variable
compleja
Los números complejos fueron introducidos con el fin de resolver problemas

que no tienen solución en los números reales. Por ejemplo, ningún real es
solución a la ecuación x 2 = − 1 , pues cualquier real al cuadrado siempre es
positivo. A diferencia de los reales que viven en una recta, los complejos viven
en un plano (el plano complejo) .
6
1.3.1. Números
complejos
Sea x un número complejo, entonces se puede expresar de la forma jbax = + ,

donde a y b s on números reales y la constante j i dentifica la parte imaginaria. E
l
número complejo x , tiene 2 componentes: una parte real, Re{ }x = a , y una
parte imaginaria, Im{ }x = b . La contaste j , que tiene valor √-1, solo es un
indicador de la componente imaginaria y no hace parte de ésta.
ncuentre las componentes real e imaginaria de los siguientes

Ejemplo 1.9. E
complejos.
▪ x = 43 − j }Re{x = 3 , }Im{x = 4− ▪

x= 2− }Re{x = 2 − ,
}Im{x = 0 ▪ jx =
0 , }Im{x 1 = Los complejos pueden ubicarse en el plano utilizando dos

}Re{x =
sistemas de coordenadas.
Coordenadas
rectangulares
El número complejo se expresa como la suma de dos componentes, una real y

una imaginaria, de la forma x = }Re{ xjx + }Im{ . Su ubicación en el plano se
realiza en el punto de intersección de dos rectas, una que corta el eje real en
}Re{x ( a e
n la Figura 1.6) y la otra que corta el eje imaginario en }Im{x (b en la
Figura 1.6).
Figura 1.6. Ubicación de un número complejo en el

plano
7
Coordenadas polares
El número complejo se expresa mediante magnitud y fase (ángulo), de la forma xxx = ∠
. Su ubicación en el plano es a una distancia |x| del origen (r e n la Figura 1.6) y
orientado x∠ (θ en la Figura 1.6) grados con respecto al eje real.
Cambio de coordenadas
De rectangulares a polares:
⎛ Im{ } ⎞
Magnitud r = }Re{ x 2 + } Im{ x 2 = x F = arctan ⎜ ⎝ 8
ase θ Re{ x x } ∠ x De
⎟⎠=
polares a rectangulares:
Parte Real Re{ x } = r c os θ Parte imaginaria Im{ x } = r sin θ 1.3.2. Identidad de Euler
(Exponencial Complejo)
La identidad de Euler se establece como
+ j s in θ
e jθ = cos θ El exponencial complejo e θ j , tiene parte real cosθ y parte imaginaria sinθ ,
adicionalmente su magnitud y fase están dadas como
e jθ =

sin 2 θ = 1 ∠ e j θ = arctan ⎛ ⎜ ⎝ cos
cos 2 θ +
sin θ θ
⎞ ⎟ ⎠ = θ Por
tal motivo los números de la forma e θ j viven sobre el círculo unitario ( radio 1) y
forman una ángulo de θ con el eje real, como se ilustra en la Figura 1.7.
Figura 1.7. Exponencial complejo
Algunos exponenciales de interés son e j0 = 1 , e j π / 2 = j y e πj= 1− . Conociendo que una vuelta
al círculo unitario es π2 , el exponencial complejo permanece inalterado si su argumento es
desplazado cualquier múltiplo entero de π2 , es decir
e j ( θ + 2 π k ) = e j θ ∀ k ∈ Z El exponencial complejo es entonces un fasor, de magnitud 1 y

fase θ , lo cual lo hace apropiado para representar complejos en forma polar, de la
forma exx = xj ∠
.
Ejemplo 1.10. Exprese el número complejo ex = 4 π j / 6 en coordenadas rectangulares.
Solución. Dado que x está expresado en coordenadas polares, debemos encontrar
primero su magnitud y su fase, las cuales están dadas por r = 4 y θ = π 6/ . Así, se
obtiene Re{ x } = 4cos ( π / 6 ) = 3 . 46 y Im{ x } = 4sen ( π
/ 6 ) = 2 , por lo cual x =
2463 . +
j .
Ejemplo 1.11. Exprese el número complejo x = 43 − j en coordenadas polares.
Solución. }Re{x = 3 y }Im{x = 4− , entonces r = 543 2 + 2 = y θ = arctan(- 4 / 3) = − 0 . 9273 .
5 − j 92730 . . Las funciones sin( )x y cos( )x p

Por tal motivo, ex = a
ueden expresarse en término
de exponenciales complejos,
de acuerdo a
sin
x
ee
= jx
− − jx 2 jcos
x
2
= ee jx +
− jx 9

1.3.3. Operaciones entre
complejos
Las operaciones entre complejos deben ser tratadas con cautela, pues algunas
propiedades válidas para los reales no son aplicables para los complejos. La
suma y la diferencia entre números complejos, se realiza por conveniencia en
coordenadas rectangulares, mientras la multiplicación y la división entre
números complejos, se realiza en coordenadas polares.
▪ Suma
y =
x+ e{ x } + Re{ y } ) + j ( Im{ x } +
( R
Im{ y } ) ▪ Diferencia
y =
x− e{ x } − Re{ y } ) + j ( Im{ x } −
( R
Im{ y } ) ▪ Producto
eyxxy = ) yxj( ∠ + ∠ ▪

División
i
)yxj( ∠ − ∠ Ejemplo 1.12. S
yx / = x ye
ex = 2 π j, encuentre x − 1 = /1 x .
Solució
n.
x − 1 =
1 x e j ( 0
−∠
x ) = 1
−
2e πj Propiedad 1.1. La magnitud de un
producto es igual al producto de las magnitudes. De forma similar, la magnitud
de un cociente es igual al cociente de las magnitudes.
1.3.4. Complejo
conjugado
Sea jbax = + entonces su complejo conjugado se define como jbax * =
− .
Ejemplo 1.13. El conjugado de x = 2

+ j es x * = 2 −
j .
1
0
Ejemplo 1.14. Demuestre que si exx = θ j, entonces exx * = − θj
.
Solució
n.
x = x cos θ + j x sin θ
x * = x cos θ − jx s in θ = x c os ( − θ ) + jx s in ( − θ ) = xe − j θ El
conjugado de un número complejo x tiene la misma magnitud pero fase
contraria, como se ilustra en la Figura 1.8. Por tal motivo se tiene que xx = * .
Figura 1.8. Complejo

conjugado.
emuestre que xxx * = 2

Ejemplo 1.15. D
Solución.
(
xx * = exex j θ )( ) = x Ejemplo 1.16. P ara x =
− j θ 2
32 − j encuentre x * y x .
Solución.
x * = 32 + j x = 2 2 + ( −
3 ) 2 = 13 Ejemplo

− + encuentre xx * .
ara jbax =
1.17. P
Solució
n.
1
1
xxx * = 2 = ⎛ ⎜⎝( − ba
) + 2 ⎞ ⎟⎠12 = ba + Ejemplo 1.18. Para x = 1/( a +
2 2 2 2
jb ) encuentre
}Re{x , }Im{x , x *y x .
Solución. Para encontrar las componentes real e imaginaria, primero hay que la parte
compleja del denominador, por lo cual se debe multiplicar y dividir por su conjugado.
1 a jb a jb a b
x= a + jb × a − jb = − a 2 + b 2 = a 2 + b 2 − j a 2 +
−
Re{ } a Im{ } a a b a jb
b 2 x = a 2 + b 2 x = a 2 + b 2 x * = a 2 + b 2 + j a 2 2 2 2 + b = a + + b = a −
1
jb
1 jb = 1 a 2 +
x = a +
b 2
1.3.5. Funciones Complejas
Las funciones complejas son aquellas funciones que tienen como codominio el conjunto de los
: → C , donde A es un conjunto arbitrario. Estas funciones se
números complejos, es decir f A
identifican porque poseen el indicador “ j ” o porque su dominio son los números complejos. Las
funciones pueden expresarse en coordenadas
Rectangulares: xf )}(Re{)( = xfjxf +

)}(Im{ ó Polares: f ( x ) = f ( x ) e j θ ( x ) L
a relación entre
coordenadas rectangulares y polares para funciones complejas es igual que para el

caso de los números complejos. Para su visualización, existen 3 posibilidades como se
ilustra en las Figuras 1.9-1.11, para la función exf 2)( = jx , donde f : CR → . La primera
es un gráfico en 3 dimensiones de la función, con ejes: componente real, componente
imaginaria y variable independiente. La segunda opción consiste en visualizar las
componentes, real e imaginaria, en gráficos diferentes contra la variable independiente.
La última opción y quizás la más utilizada, consiste en realizar un gráfico para la
magnitud y otro para la fase de la función, cada uno contra la variable independiente.
1
3
Figura 1.10. Gráficos por componentes: partes real e imaginarias por
separado.
Figura 1.11. Gráficos de magnitud y

fase.
Figura 1.9. Grafico
3D.
1.4.
Resumen
• Se revisó la definición de algunos conjuntos numéricos como los reales,

enteros, racionales e irracionales y se estableció una notación para definir y
relacionar elementos de un conjunto.
• Los conjuntos numéricos se clasifican de acuerdo a su cardinalidad como

finitos o infinitos. Los conjuntos infinitos pueden ser contables (enumerables o
ordenables) o no contables.
• Se definió el concepto de cota superior e inferior de un conjunto numérico y a

partir de estos los conceptos de supremo (mínima cota superior) e ínfimo
(máxima cota inferior). Si el supremo o el ínfimo pertenece al conjunto
entonces es el máximo o el mínimo del conjunto, respectivamente.
• Una función f : A → B e
s un operador que asigna a cada elemento del conjunto
A (dominio) un único elemento del conjunto B ( rango). Una función puede ser
inyectiva y/o sobreyectiva, y se conocen como biyectiva si cumplen las dos
condiciones.
• Los números complejos viven en plano y pueden representarse en
coordenadas rectangulares (parte real e imaginaria) o polares (magnitud y
fase).
• Los exponenciales complejo viven en el circulo unitario (magnitud unitaria) del

plano complejo y su fase (ángulo) es igual a su argumento. Un exponencial
complejo tiene como parte real un coseno y como parte imaginaria un seno.
• El complejo conjugado refleja a un número complejo con respecto al eje real y
es útil para descomponer fracciones complejas en componentes real e
imaginaria, así como para encontrar la magnitud de números complejos.
• Una función con codomino en los complejos es una función compleja, cuya
visualización puede hacer por componentes real e imaginario por magnitud y
fase.
1
4
1.5.
Ejercicios
Sección
1.1
1. Encuentre los elementos de los

conjuntos
a. A = { x ∈ Z: − 4 ≤ x ≤ . B = { x ∈ R : x < 10 } c . C = { x ∈ Z + : 2 x ∈

5 } b
}
10 2. Escriba textualmente lo que significan las expresiones y
Z, x ≤
conteste si son F ó V.
a. ∃ x ∈ /R ( xx + =
∈ Z ( 2 x ∈
)0 b. x∀
Z) c. x ∈ Z ⇒ x ∈ R
d. ZR ⊂
3. Ínfimos y
supremos
a. Mencione 2 cotas superiores del conjunto A y encuentre su supremo.

¿Existe máximo? ¿Cuál es? b. Mencione 2 cotas inferiores del conjunto B y encuentre
su ínfimo. ¿Existe
mínimo? ¿Cuál
es?
Sección
1.2
4. Ejemplos de
funciones.
a. De un ejemplo de una función inyectiva no sobreyectiva.

Demuestre. b. De un ejemplo de una función no inyectiva
sobreyectiva. Demuestre. c. De un ejemplo de una función
biyectiva. Demuestre.
5. Cuales de la siguientes funciones son inyectivas? sobreyectivas?

biyectivas?
c. f : R + → R ; f ( x ) = x d. f
a. f : R → R ; f ( x ) = 1 + x 2 :R → R + ∪ { 0 } ; f ( x ) =
1 2 15
x
b. f :R → R ; f ( x ) = 1 + x
e. f : Z → Z ; f ( x ) = 2 x 6. Determine el domino, el codominio y el rango, de las
siguientes funciones.
1
f :R → R ; f ( x ) = x c . f :Z → Z ; f ( x ) = 2 x S
a. f :R → R ; f ( x ) = 1 + x b. ección 1.3
+
7. Encuentre la parte real, la parte imaginaria, el conjugado, la magnitud y la fase de

los siguientes números complejos.
x = 1
a. 2 + j b. x =
e − j π 3 c. x = 3 − j 2j 8. Demuestre que un número complejo y su conjugado, tienen la

misma magnitud y
fase de signo contrario.
9. Encuentre la magnitud de las siguientes funciones complejas.
a. f ( x ) = ee x jx b. f ( x ) = xe− j 2 x 10. Considere la función compleja
( ) ⎧
f x = ⎨⎩
1 0 16
− < x < ( ) ⎧
− < x <
1 1 otro caso ∠ f x = ⎨⎩ 1 0 1 1 otro caso Exprese la función en
coordenadas polares y en coordenadas rectangulares.
2 SEÑALES
s una abstracción, de cualquier cantidad mesurable, que es función
Una señal e
de una o más variables independientes.
lgunas señales del mundo

Ejemplo 2.1. A
real.
Las señales pueden modelarse matemáticamente como funciones. En este
curso hablaremos indiscriminadamente de señales y funciones.
Consideraremos señales unidimensionales, las cuales son funciones de una
sola variable independiente, que en la mayoría de los casos será el tiempo t.
2.1. Clasificación de
señales
2.1.1. Señales continuas y

discretas
La señales pueden clasificarse en dos grandes grupos: las señales de tiempo

continuo ( TC) o señales continuas, que denotaremos como )(tx , y las señales
de tiempo discreto ( TD) o señales discretas, que representaremos como nx .
Señales Análisis de Fourier
2.1.1.1. Señales de tiempo

continuo
Las señales de TC toman valor en todos los instantes de tiempo y pueden

modelarse como funciones que tienen dominio en los reales ( f :R →∗). El valor
de una señal de TC se puede conocer en cualquier instante de tiempo. Las
señales que son f : RR → se conocen como señales de TC reales y las señales
que son f : CR → se conocen como señales de TC complejas.
Figura 2.1. Señales de tiempo continuo: señal real y señal

compleja.
2.1.1.2. Señales de tiempo

discreto
Las señales de TD toman valor sólo en un conjunto contable del tiempo y

pueden modelarse como funciones con dominio en los enteros ( f :Z →∗). El
valor de una señal de TD sólo puede conocerse en algunos instantes de
tiempo. Las señales que son f : R Z → s e conocen como señales de TD reales y
las señales que son f : C
Z → s e conocen como señales de TD complejas.
Figura 2.2. Señales de tiempo discreto: señal real y señal

compleja.
Algunas señales de TD son versiones muestreadas de señales de TC, como
sucede al digitalizar una canción o al escanear una fotografía.
1
8
2.1.2. Señales de soporte compacto y acotadas
2.1.2.1. Soporte de una señal
e una función se define como el subconjunto del dominio dentro del cual la
El soporte d
función toma valor distinto de cero.
Definición 2.1. El soporte de una señal de TC )(tx , es el subconjunto cerrado y conexo
más pequeño del tiempo, que contiene los valores no nulos de )(tx .
Figura 2.3. Señales de soporte acotado y no acotado, respectivamente.
Una señal tiene soporte compacto, si su soporte es acotado.
Ejemplo 2.2. La señal
x ( t ) = e− t 2 no tiene soporte compacto, pues la señal nunca llega a

ser cero. La señal
triangular que ilustra en la Figura 2.4 si tiene soporte compacto.
Figura 2.4. Señal de soporte no acotado y señal de soporte compacto.
2.1.2.2. Señales acotadas
Definición 2.2. Una señal )(tx es acotada si existe un valor M ∈
R , tal que x ( t ) ≤ M .
Es decir, una señal es acotada si tiene supremo e ínfimo reales.
19
Ejemplo 2.3. La señal x ( t ) = arctan( t ) es una señal acotada, con ínfimo y
supremo igual a π± / 2 . La señal x ( t ) = 1 / t , no es acotada, como se ilustra
en la Figura 2.5.
Figura 2.5. Señal acotada y señal no
acotada.
2.1.3. Señales pares e

impares
Algunas señales cumplen con cierto tipo de simetría con respecto a cero, y de
acuerdo a esta simetría se clasifican en señales pares e impares.
2.1.3.1. Caso Continuo
Una señal de TC )(tx es par si cumple con txtx ) ()( = − , es decir, si al reflejarla
con respecto al eje vertical se obtiene la misma señal.
Figura 2.6. Señal continúa

par.
)( = + t 2
Ejemplo 2.4. Demuestre que la señal tx 1
es par.
Solució
n.
x ( − t ) = 1 + ( − t ) 2 = 1 + t 2 = xt ( )
Por tal motivo, )(tx es una señal
par.
2
0
Una señal de TC )(tx es impar si cumple con xt ( ) = − x ( − t ) , es decir, si al reflejarla
con respecto al eje vertical se obtiene la señal original con signo contrario.
Figura 2.7. Señal de TC impar.
Ejemplo 2.5. Demuestre que la señal ttx )( = es impar.
Solución. x ( − t ) = − t = − xt ( ) Por tal motivo, )(tx es una señal impar.
Propiedad 2.1. Si x ( t ) es una señal par, entonces
x ( ) t dt = 2
∫ − a a ∫
0 a
x ( ) t dt
Si x ( t ) es una señal impar, entonces
x ( t )
∫ − aa
dt = 0 .
2.1.3.2. Caso Discreto
Una señal de TD x nes par si cumple con xx n = − n .
eex n
Ejemplo 2.6. Demuestre que la señal
n=

+ − n es par.
Solución.
x = e −
− n
+ e
n n
= x
nPor tal motivo, x n es
una señal par.
21
Una señal x nes impar si cumple con xx n = − − n .
eex n
Ejemplo 2.7. Demuestre que la señal
n=

− − n es impar.
Solución.
x = e −
− n
− e
n n
= − x
n Propiedad 2.2. Si x n es
una señal par, entonces
∑ x = x
a n 0
+ 2
∑
a
n n =− a n =
0 Si x n es
una señal impar, entonces
∑
a
x
n
=
0 n = − a 2
.1.3.3. Componente par e impar
Una señal dada no necesariamente es par o impar, sin embargo, toda señal puede
expresarse como la suma de una señal par más una señal impar.
▪ Caso Continuo
txtxtx )( = par
)( + imp
)( , donde
)( =
tx par
txtx ) ()( + 2
22 − tximp
)( = txtx
) ()( − 2 − Ejemplo 2.8. D
escomponga tx 1)( = + tt + 2 como una señal
par más una señal impar.
Solución.
txtxtx )( =
par
)(
)( + imp
( t ) = ( 1 + t + t 2 ) + 2
x par
( 1 − t + t 2
t + t 2 ) − 2
) = 1 + t 2 x imp ( t ) = ( 1 +
23 ( 1
t 2 ) = t Ejemplo 2.9. Descomponga etx )( = t como la suma de una señal par más
− t +
una impar.
Solución.
( )
txtxtx )( = par )( x par t = e t +
)( + imp t
e −
2 =
cosh(
t
)
( ) e e
x i mp t = t − − t
2 =
sinh(
t
)
Observación 2.1. Si ) (tx es una señal par, entonces txtx par )()( = y tximp 0)( = . Si )(tx es
una señal impar, entonces t x par 0)( = y txtximp )()( = .
▪ Caso Discreto
xxx =
n par
+
n n
imp
, donde
x n par
=
xx +
n 2 − n x n imp
=
xx −
n 2 − n Ejemplo 2.10. Descomponga x ncomo la suma de una señal par más una
impar.
Figura 2.8. Señal de TD a descomponer.
Solución. Realizaremos la solución de forma
grafica.
Figura 2.9.c. Componente impar de la

señal.
2.2. Señales
periódicas
Una señal periódica es una señal que repite su valor después de un

determinado tiempo, denominado periodo. Las señales periódicas son las
funciones elegidas para la representación de señales en la teoría de Fourier.
2.2.1. Señales periódicas de tiempo
continuo
ara una señal

Un valor R∈a , es un tiempo de repetición p
)(tx s i
txatx ) ()( + = es decir, si desplazamos la señal en a i nstantes

de tiempo obtenemos la misma señal.
24
Figura 2.9.b. Componente par de la
señal.
Figura 2.9.a. Señal
reflejada.
Observación 2.2. El valor a = 0 es un tiempo de repetición para

cualquier señal.
de una señal de TC )(tx , es el mínimo tiempo de

Definición 2.3. El período T
s una señal periódica, si existe T ∈
repetición positivo. Una señal )(tx e R +, tal
que
txTtx ) ()( + = Si una

señal )(tx t iene periodo T , entonces cumple
x ( t +
kT ) = x ( t ), donde k ∈
Z Cada uno de los términos kT , es un tiempo
de repetición de la señal. Observe que al desplazar x ( t ) cualquier múltiplo
entero de su periodo T , se obtiene la misma señal. Por tal motivo, conocer la
señal x ( t ) sobre un intervalo de tiempo de longitud T , es suficiente para
conocer toda la señal, ya que la señal periódica está formada por copias
infinitas de ese intervalo, como se ilustra en la Figura 2.10.
Figura 2.10. Señal periódica
de TC.
Observación 2.3. Toda señal periódica tiene soporte no acotado, por lo

∞ hasta ∞.
tanto no compacto, pues la señal debe repetirse desde −
Por convención las señales constantes t ienen periodo infinito, pues el conjunto
de tiempos de repetición de una señal constante no tiene mínimo.
Definición 2.4. La frecuencia continua f , se define como el inverso del

periodo
f /1= T Si el periodo se expresa en segundos, la

frecuencia está en HZ, para el caso de señales sinusoidales, o en ciclos por
segundo (cps), para otras señales periódicas.
La frecuencia nos da información de cuantas veces se repite una señal en un

intervalo de tiempo (tasa de repetición). Conociendo que el periodo de una
señal de TC puede
25
estar en el intervalo 0( , )∞ , la frecuencia de una señal de TC se encuentra en

el intervalo ),[ 0 ∞ . Las señales constantes tienen frecuencia cero, pues su
periodo es ∞.
, es proporcional a la
Definición 2.5. La frecuencia angular continua Ω
frecuencia de la señal e inversa a su periodo, y se define como
Ω = 2 π f = 2 Tπ L a frecuencia angular
continua Ω se encuentra en el intervalo [ 0 , ∞ ). Si la frecuencia se expresa en
Hz, la frecuencia angular tiene unidades de rad/seg.
La mayoría de señales periódicas pueden descomponerse como la suma de

señales periódicas más simples, de diferentes frecuencias. Sin embargo,
existen algunas señales periódicas que poseen una única frecuencia y no
pueden descomponerse. Estas señales son la base del análisis de Fourier y
son: la señal seno sin( )tΩ , la señal coseno cos( )tΩ y el exponencial complejo e

tj Ω
= cos( Ω jt ) + sin( Ω t ) .
La frecuencia angular Ω, controla la tasa a la cual se repite cada una de estas
señales. Si la señal e j Ω t es

R + tal que e j Ω ( t + T ) = e j
periódica existe un valor T ∈
Ω t
, entonces
e j Ω t e j Ω T =

e j Ω t ⇒ e j Ω T =

2
1 así, la señal es periódica si Ω T =
kπ , donde k ∈Z . Por tal motivo, el periodo de las señales e , sin( )tΩ j Ω t
y cos(
puede ser encontrado a partir de Ω, de acuerdo a
)tΩ
= π2
T Ω Una señal con frecuencia negativa, es equivalente a la
misma señal de frecuencia positiva pero reflejada (tiempo invertido). Por
ejemplo, las señales sin( )tΩ y sin( −
Ω )t , tienen el mismo periodo, pero una
corresponde a la reflexión de la otra.
Ejemplo 2.11. Encuentre el periodo de las siguientes

señales.
▪ tx ) ( = )sin( 2 t E
n este caso Ω =
2 , por lo cual T = 2 π 2/ = π .
▪ etx )( = − tj π En este caso Ω = − π ,

2 π / π = 2 .
por lo cual T =
26
Observación 2.4. Para todo R∈Ω , las señales s in( tΩ ) , c os( tΩ ) y e tjΩ son periódicas.
Además, la amplitud y fase de estas señales no altera su periodo.
2.2.2. Suma de exponenciales complejos de TC
Supongamos la suma de dos señales de TC periódicas
x ( t ) = e j Ω 1 t + e j Ω 2 t Si

)(tx e s periódica, para algún T ∈
R + debe cumplir txTtx )()( + = , es
decir
1442443 j Ω ( t + T ) + jΩ
e 1 e 2 ( t + T )
= 14243
e
+
t
jΩ
1 e j Ω
t
2
x ( t + e j Ω 1 t e j Ω 1 T +
T ) x ( t )

e j Ω 2 t e j Ω 2 T =

e j Ω 1 t + e j Ω 2 t La igualdad anterior se cumple si y sólo si
Ω / Ω
e j Ω 1 T = 1 y e j Ω 2 T =
1 . Por tal motivo, si la señal )(tx es periódica, se k 1 1 , k 2 ∈ 2 Z * .
Así, Observación
2.5. Si Ω 1 / Ω 2 ∈
⇒ Ω 2 / Ω 1 ∈
Q Q .
27 debe cumplir que Ω 1 kT

= 2 π 1 y )(tx e 1 / Ω 2 =
s periódica si y sólo si Ω / , es Ω 2 kT
kk 21
) y cos(
es un número racional. Las funciones sin( tΩ
= 2 π 2 , donde decir, si el cociente
tΩ ) pueden expresarse
en términos de exponenciales complejos, por lo cual, para la
suma de esta clase de señales se mantiene la misma restricción.
Ejemplo 2.12.Encuentre el periodo de las siguientes señales, en caso de ser
periódicas.
▪ tx ) ( = )sin()cos( 3 t + 5 t Ω 1 =
3 , Ω 2 =
5 ⇒ Ω 1 Ω
2 =
53 ∈ Q , la señal es periódica.
Ω kT = 2 π y Ω kT = 2 π . Para nuestra
Debemos encontrar 1 1 los valores 2 2
k 1 , k 2
señal
∈ Z * más pequeños para los que se cumple Despejando se tiene 53 kk 2 = 1 ⇒ kk 1
se tiene 23 kT = π π
y 25 kT = .
= 53 , 2 = . Por tal motivo T = π2 1 2
.
π t Ω
▪ tx ) sin()sin()( = 2 t + 1 = π ⇒ Ω 1 Ω
2 , Ω 2 = 2 π ∉ Q , la señal no es periódica.
2 =
Cuando se realiza la suma de más de dos señales periódicas, el periodo puede ser
encontrado para dos señales y el resultado obtenido posteriormente es recalculado con
otra señal. Este procedimiento es repetido hasta alcanzar la totalidad de señales.
Ejemplo 2.13. Encuentre el periodo de la siguiente señal, en caso de ser periódica.
omemos tx 1 )(
tx ) ( = sin()cos( t + t 2 cos() + t 3 ) Solución. T = sin()cos( t + t 2 ) , así txtx
t 3 . Para )(tx1 se
)/cos()()( = 1 + tiene para ella Ω 1 se = 1 debe y periodo de )(tx1 28 Ω 2
cumplir = 1 2/ es T 1 = , entonces π4 T 1 = 2 π k 1 y su frecuencia Ω 1 y T 1 Ω 22 2 = = 2 π
Q∈ k 2 . Así, . Por 2 tal kk 2 motivo
= 1 angular
es 2142 )(tx1 es
1 periódica y Ω x = π ⇒ π k 1
= 2 , k 2 =
1 y el = .
Para )(tx , se tienen dos señales con frecuencias angulares entonces Ω x = 21 y Ω 3 = 1 31
. Por tal
, cumplir motivo, T Ω π 22 x = Ω 3 =
1 23 k xy T )(tx tiene periodo Q∈ 23 = T π = k 1
2
. π Así .
3
motivo, x ( t ) es periódica y para ella se debe

, 32 kk x = se obtiene k x= 3 y k 3 =
3y 2 . Por
tal
Observación 2.6. Cuando se suma una señal periódica con una señal constante, la
señal resultante tiene periodo igual al de la señal periódica.
Ejemplo 2.14. Encuentre el periodo de tx ) (cos)( = 2 3 t , en caso de ser periódica.
e forma )(tx . Conociendo la identidad cos 2 α El
Solución. Expresemos el cos 2 ( 3 )t d
periodo de la señal coseno es 62π = , entonces 1 2cos( 1 + apropiada para 2 α ) , se tiene
= el 1 2[ 1 periodo + 3

s )( T = π
el periodo de encontrar que )(tx tx e ])cos( . de 6 t .
Definición 2.6. Una señal con frecuencia angular Ωk , donde k R ∈
* , se conoce como
un armónico d e una señal con frecuencia angular Ω . En este caso Ω se conoce como
frecuencia fundamental y la señal con frecuencia Ω como fundamental.
Propiedad 2.3. El periodo de una señal suma de una fundamental de frecuencia
angular Ω y sus armónicos, es igual al periodo de la fundamental, es decir, T = 2 π Ω.
Demostración.
Considere una señal de frecuencia Ω que es sumada con varios de sus armónicos
xt ( ) = sin( Ω t ) + sin( k Ω t ) + sin( k Ω t ) + K + sin( k Ω t ) , k , k ,..., k ∈ Z
1 2 N 1 2 N En este
caso la fundamental sin( tΩ ) , tiene periodo π2 Ω/ y su i- ésimo armónico sin( k i Ω) ,
tiene periodo π2 )/( k iΩ
para cada uno de los armónicos, . Observe que π2 Ω/ es un
tiempo de repetición pues π 2 )/( k i Ωde. Por tal motivo, el periodo
2 Ω/ es múltiplo de π
de la señal total está dado por el periodo de la fundamental. ■
x () t =
cos( 2 t ) + 1 cos( 6 t ) + 1
Ejemplo 2.15. Halle el periodo de la señal 2
cos( 8 t ) , en caso
3 de ser periódica.
Solución. Claramente la señal es periódica, pues corresponde a la suma de la
fundamental )cos( t2 con dos de sus armónicos. El periodo de la señal es T = 22 π = π .
2.2.3. Señales periódicas de tiempo discreto
ara una señal de TD x n , si
Un valor Z∈a , es un tiempo de repetición p
x = x
an + n Definición 2.7. El período N , de una señal de TD repetición positivo. Una
señal x n es
una señal periódica, x n , es si existe el mínimo tiempo N ∈
Z + , tal que
de
x = x
Nn + nS i una señal x n tiene
periodo N , entonces cumple
x n + kN = x n , donde k ∈
Z Cada uno de los términos kN , es un tiempo de repetición de la
señal. Observe que al desplazar Por tal motivo, x n para conocer cualquier múltiplo
entero de su periodo N , se obtiene la misma señal. conocer la toda la señal, señal ya
que x n la sobre señal periódica un intervalo de longitud N , es suficiente está formada
por copias infinitas de ese intervalo.
29
Figura 2.11. Señal de TD periódica.
Definición 2.8. La frecuencia discreta f , se define como el inverso del

periodo
f = 1/ N La frecuencia nos da información

de cuantas veces se repite una señal en un intervalo de tiempo. El periodo más
pequeño de una señal periódica discreta no constante es 2. Por tal motivo, el
periodo de una señal de TD se encuentra en el intervalo 2[ , )∞ . De acuerdo a
esto, la frecuencia de una señal de TD está en el intervalo [ 012 , ].
Claramente una señal constante d iscreta tiene periodo 1. Por tal motivo, las
señales constantes tienen frecuencia 1. Sin embargo, como se demostrará más
adelante, las señales constantes discretas también tienen frecuencia 0 , lo cual
implica que también tienen periodo infinito; es decir, tienen 2 periodos, 1 y ∞.
Figura 2.12. Señales de TD: señal constante y señal con

periodo 2.
Definición 2.9. La frecuencia angular discreta ω , es proporcional a la
frecuencia de la señal de TD e inversa a su periodo, y se define como
ω = 2 π f = 2 Nπ a frecuencia angular

L
discreta ω se encuentra en el intervalo 0[ , ]π . Las frecuencias cercanas a 0 se
conocen como frecuencias bajas y las frecuencias cercanas a π± se conocen
como frecuencias altas.
Al igual que en el caso continuo, nos centraremos en el estudio de tres señales

periódicas básicas que permite representar casi cualquier otra señal periódica
discreta. Estas señales son: la señal seno sin( )nω , la señal coseno cos( )nω y
el exponencial complejo e j ω n =

n ) + j s in( ω
cos( ω n ) .
, cos( )nω y e j ω n son

Observación 2.7. No para todo ω las señales s in( )nω
periódicas.
30
Propiedad 2.4. La señal e j ω n es periódica si y sólo si ω es un múltiplo racional de 2π .
Demostración.
Si e j ω n es una señal periódica, debe existir N ∈ Z + , tal que
e j ω n Por tal motivo se debe cumplir que e 1= . Conociendo

Njω
ω )( + = e nj ω e j ω n e j ω N =
e Nnj
que los complejos de la forma e α jviven sobre el circulo unitario en plano complejo y
forman un ángulo de α con el eje real, se requiere que Nω sea un múltiplo entero de π2
, es decir ω kN = 2 π , donde Z∈ k . Por tal motivo, la frecuencia angular debe ser de la
forma
2 kπ
ω = N De forma similar, se puede demostrar que las señales sin( )nω y cos( )nω

son periódicas sólo si su frecuencia angular ω es un múltiplo racional de2π . Para
encontrar el periodo es necesario expresar ω como un múltiplo racional de π2 . El
periodo corresponde al denominador del múltiplo racional. ■
Ejemplo 2.16. Determine si las siguientes señales son periódicas y encuentre su
])3 n En este caso ω = 2 π ( 1 / 6 ), entonces x nes una señal
cos[( π
periodo. ▪ xn =
6 .
periódica con periodo N =
ex
▪ n=
− nj 2
En este caso ω = 2 π 1( / π ) , entonces x nno es periódica pues ( 1 / π ) ∉ Q.
▪ x n =
⎡
sin ⎣ ( 2 π ) n ⎤ ⎦
( 1 / 2 ) ∉ Q .
En este caso
ω = 2 π
( 1 / 2 ) , entonces x no es periódica pues
n
▪ xn = ])37cos[( π n En este caso ω = 2 π ( 7 / 6 ) , entonces x n es

una señal periódica con
periodo N = 6 .
31
Dos señales con diferente frecuencia angular, como cos[( π 3 ) ]n y cos[( 7 π 3 ) ]n ,
tienen el mismo periodo, situación imposible para señales de TC. Esto se debe a que la
frecuencia angular discreta ω es periódica, con periodo 2π . Por tal motivo, una
0, puede también escribirse como ω
frecuencia discreta ω 0 + k , con k ∈
2 π Z .
2.2.4. Suma de exponenciales periódicos de TD
Propiedad 2.5. Toda suma de señales de TD periódicas es periódica.
Demostración. S i x ny y n son
dos señales de TD periódicas, con periodos N y M ,
y y {
respectivamente, entonces MN y MCM ( M , N ) son tiempos de repetición para x n , n
x + y } . ■
n n
Si sumamos de dos exponenciales complejos periódicos
= ⎛ ⎜ ⎝ 32 π ⎞ ⎟ ⎠ y
= ⎛ ⎜ ⎝ π ⎞ ⎟ ⎠ , señales
con periodo N y M , respectivamente, entonces la señal yx n + n tiene
periodo K , dado por
K = NMMCM ),( donde MCM es el mínimo común múltiplo.
Ejemplo 2.17. Encuentre el periodo de las siguientes sumas.
▪ cos
2 π π
⎛ ⎜⎝ 4 n ⎞ +⎟⎠sin ⎛ ⎜⎝2 5 n ⎞ ⎟⎠N = ,4 M =
5 y mcd ) ,( 154 = , entonces K =
4 × 5 = 20 .
▪ cos
2 π π
⎛ ⎜⎝ 4 n ⎞ +⎟⎠sin ⎛ ⎜⎝2 8 n ⎞ ⎟⎠N = ,4 M = 8 y mcd ( 4 , 8 ) = 4 . Por tal motivo, el periodo
de la suma es K = MCM ( 4 , 8 ) = 8 .
▪ cos
2 π π
,6 M = 8 y mcd ) ,( 286 = . Por tal motivo, el periodo de
⎛ ⎜⎝ 6 n ⎞ +⎟⎠sin ⎛ ⎜⎝2 8 n ⎞ ⎟⎠N =
la suma es K = MCM ( 6 , 8 ) = 24 .
xe
n
j 2 N
ye
n n
j 2 M
n
2.3. Potencia y energía de una

señal
En la mayoría de los casos trabajaremos con señales, continuas o discretas,

que corresponden a un voltaje o a una corriente. Por tal motivo, medidas de la
señal como la potencia instantánea, la potencia promedio y la energía, son de
suma importancia.
2.3.1. Potencia
instantánea
En un circuito puramente resistivo, como el que se ilustra en la Figura 2.13, la

potencia p ( t ) sobre el resistor R en un cierto instante de tiempo, es el producto
entre la diferencia de potencial v ( t ) de los terminales del resistor y la
intensidad de la corriente i ( t ) que pasa a través del mismo, es decir pt ( ) = vti
() * () t .
Figura 2.13. Circuito

resistivo.
Utilizando la ley de Ohm, la potencia instantánea puede expresarse en
términos del voltaje v ( t ) en los terminales del resistor
p ( t ) = R * () t = v ( t ) 2 R o
vtv () en términos de la
corriente i ( t ) a través del resistor
p ( ) t = i () t i * () t R = i () t 2 R En

ambos casos, la potencia instantánea es
proporcional a la magnitud al cuadrado de la señal. Para un resistor R = 1 Ω, las
ecuaciones toman la misma forma, es decir
pt () = vt () 2 = it () 2
por lo que es usual referirse a la potencia instantánea de una señal dada x ( t

) , como
xt ( ) 2 33
pt ()
=
2.3.2. Energía
La energía total de una señal x ( t ) , se define como la suma (integral) de su potencia
instantánea x ( t ) 2 y puede ser encontrada como ∞E =

∫
x ( t ) 2 dt
−∞
Las señales para las cuales la integral anterior converge se conocen como señales de
energía finita. En la práctica, todas las señales tienen energía finita. La energía de una
señal x ( t ) puede ser encontrada dentro de un intervalo de tiempo ( t 1 , t 2 ) , para ello
E t 1 , t
2
34 =t
∫ 2
( )
x t
dt t 1
2
2.3.3. Potencia promedio

La promedio durante un intervalo de tiempo encontrada si sumamos la potencia sobre
el intervalo ( t 1 , t 2 ) de una señal x ( t ) , puede ser y dividimos por la longitud del
mismo. La potencia promedio P sobre un intervalo ( t 1 , t 2 ) , se define como
P t 1 , t
2
= t 2 1
− t 1
t ∫ 2
t
1
x ( t )
2 dt La potencia promedio de la señal se calcula cuando el intervalo se vuelve infinito
=
P T lim
T 2t 1
→∞ 1 t ∫
x ( t ) 2 dt Si la potencia promedio se mantiene finita, pero no cero, cuando la longitud del
intervalo de tiempo T t iende a infinito, la señal x ( t ) se denomina señal de potencia. La
potencia promedio de una señal periódica puede encontrarse sin evaluar el límite T →
∞ . En este caso, se puede tomar T como el periodo de la señal y calcular la potencia
promedio sobre cualquier intervalo de tiempo de longitud T , es decir
P = T 1
∫ T
x ( t ) 2 dt E
jemplo 2.18. P
ara la señal x ( t ) = 2 e j 3 t , encuentre la potencia, la energía de
la señal y la potencia promedio. La señal es de potencia o de energía?
Solución. ▪ Potencia instantánea
2 2 e j 3 t 2 = 4 ▪ Energía
pt () = xt () 2 = 2 e j 3 t 2 p ( t ) =
∞
∫ x ( t ) 2 dt = ∞ ∫ 2 e j 3 t 2 dt = 4 ∞ ∫
E=
e j 3 t 2 dt
−∞ −∞ −∞
4 dt =
E= 8
∞∞
∫ ∫
1 dt = ∞ −∞ 0
▪ Potencia promedio
P = T l im →∞ T 1 T / 2 = T 2 2
∫− T / 2 2
32 35 4 T
/
∫
jt
T
/
22
x ( t ) dt l im
→∞
T − e dt P = T lim →∞ T 4 T
/
∫ −
dt = lim T →
∞ 4 [ T / − ( − T / )]
T 2 2
= 4
Por tal motivo, x ( t ) es una señal de potencia.
Ejemplo 2.19. Encuentre la potencia, la energía y la potencia promedio de la siguiente
señal. La señal es de potencia o de energía?
Figura 2.14. Señal exponencial decreciente par.
Solución.
▪ Potencia instantánea pt () = x t () 2 = e − 2 || t 2 = e − 2 || t 2 p ( t )

( )
= e −
4
| t |
= ⎧ ⎨ ⎩
e e − 4
4 t
t
t < 0t >

0
▪ Energía
∞
E = ∫ x ( t )
2
dt = ∞ ∫ ( e ) dt = ∫
− 2 || t
2
∞
e −
4 || t dt
−∞ −∞ −∞
0
E = ∫
−∞
36 ∞ e 4 t dt
+

∫
e −
4
t
0
dt =
12
▪ Potencia promedio
P = T l im →∞ T 1 T / 2
∫ − T / 2 x ( t ) 2 dt
= T lim →∞ T 1 T / 2
∫ ( − T / 2 )
e −
2
| t
|
2 dt = T lim
→∞
T
1 T
/ 2
∫ −
T
/
=
2 T lim →∞ T 2 T
e − 4 t d t P
/
2 ∫e − 4 t dt 0
= =
T lim →∞ 2 1 T 0 e − 4 t T / 2 T lim
→∞
2
1 T
( 1 − e −
2
T
) = 0 Por
tal motivo, x ( t ) es una señal de energía finita.
2.3.4. Caso discreto
p =
Potencia instantánea de la señal n
x 2
n
E
Energía en el intervalo ( n 1 , n 2 ) n 1 n 2
=∑
n
2
x
n 1
nn=
Ex
Energía de la señal
n
,
2 n 2
P 1
= ∑
∞=−∞ Potencia promedio en el intervalo ( n 1 , n 2 ) n 1 , n 2 = ( n 2 −
n 1)
+ 1
n ∑ n = 2
n 1
x
n
2
lim
N
Potencia promedio P =
N 1 ∑
N
→∞
2
x n 2 n =− N / 2
2.4. Normas y espacios normados
Definición 2.10. Un espacio vectorial e s una colección de objetos (llamados vectores)
que pueden ser escalados y sumados. Una norma ⋅ , es una función que asigna una
longitud o tamaño a cada uno de los vectores del espacio. Un espacio vectorial con
norma, se conoce como espacio vectorial normado.
Ejemplo 2.20. El espacio euclidiano R 3 , es un espacio vectorial. Cada elemento del
espacio o vector, es de la forma un punto en el espacio tridimensional. x = ( x Una 1 , x 2 ,
norma x 3 ) , donde para este x 1 , x e
spacio 2 , x 3 ∈
R (se , y corresponde a pueden
definir otras) es la distancia euclidiana del vector al origen, definida como
x= x + x +
12 22
x
32
2.4.1. Norma y espacio L1

La norma L 1 de una señal de TC )(tx , se define como
∞tx )( 1
=
∫dttx ) ( ∞−
L es el espacio vectorial formado por todas las señales de TC que tienen

1finita
(señales integrables en magnitud), es decir,

L
1 ={ f :R → C: ∫ −∞ ∞

f
norma
<∞ } .
L
37 1 ncuentre la norma L 1de la señal x ( t )
Ejemplo 2.21. E
⎧ t − 3 ≤ t ≤
3
= ⎨ ⎩ 0 − Solución.

x () t = x () t dt =
∞
∫ ∫
t dt
−∞ −
Figura 2.15. Señal original y su magnitud.
3
1
3
03 x ( t ) 1

= − t dt +
∫ ∫
t dt = 9 −
30
Esta señal pertenece a L 1 , pues su norma L 1 es finita.
Ejemplo 2.22. Encuentre la norma L 1de la señal x ( t )
= ⎧ ⎨⎩
1 1
0 / t t ≥
otro caso
Figura 2.16. La señal original y su magnitud.
∞∞ x ( ) t 1
= x ( ) t dt =
∫ ∫
1 / t dt
−∞
x ( ) t
1 ∞ 1
=
∫
1 t dt ln( ) ln() 1
= ∞ − = ∞ 1Por tal motivo la señal no pertenece a L 1.
Ejemplo 2.23. Encuentre la norma L 1de la señal tx )(

⎧ ≥
= ⎨⎩1 / 0 t 2 t 1 otro caso Figura
2.17. La señal original y su magnitud.
∞∞ xt () 1
= xt () dt =
∫ ∫
1 / t 2
dt
−∞
tx ) ( 1 dtt
1 1= ∞ 1 ∫ 2
1 t 1
=− 1
∞
=
38
Las señales que pertenecen a L 1se conocen como señales integrables en magnitud.
Propiedad 2.6. xt () dt ≤

∞∞
∫ ∫
xt ( ) dt
−∞ −∞
Por tal motivo, si una señal es integrable en magnitud es integrable sin magnitud. La
norma ese caso L 1 se de define una señal como de TC puede calcularse sobre un
intervalo finito de tiempo, en
xt ( ) 1 ( t 1 , t 2 ) =t
∫
xt ( ) dt t 1
2
Definición 2.11. Un espacio de Banach, es un espacio vectorial normado completo, es

decir, un espacio vectorial normado en el cual todas las sucesiones de Cauchy
convergen.
Definición 2.12. Una sucesión { x n} , en la cual sus elementos se acercan a medida
que avanza la sucesión, es una sucesión de Cauchy.
Ejemplo 2.24. 1{ / }n , donde n ∈ N + , es una sucesión de Cauchy.
{ 1 / n } =
{, 1 , , ,...}
12 13 14 El espacio L 1 es completo, por lo cual L 1es un espacio de Banach.
orma y espacio L2
2.4.2. N
La norma L 2 de una señal de TC )(tx se define como
x () t
= ∞
2
∫
x () t
2
dt
−∞
L es el espacio vectorial formado por todas las señales de TC que tienen
2finita
(señales de energía finita), es decir,

L
2 ={ f :R → C: ∫ −∞ ∞

f
2
<∞ }
.
norma L
39 2 ncuentre la norma L 2 de la señal x ( t )
Ejemplo 2.25. E
= ⎧ ⎨⎩
1 1
0 / t t ≥
otro caso
Solución.
x () t 2
= ∞ x () t 2 dt =
∞
∫ ∫
1 / t 2
dt
−∞
1
xt ( )
1
= ∞ ∫
1 t
2
dt 1 / t
=−
1
1 ∞
= 1Por tal motivo la señal pertenece a L 2 . Note que esta señal no pertenece a L 1 .
Observación 2.8. Una señal en L 1no necesariamente pertenece a L 2y viceversa.
Las señales que pertenecen a L 2se conocen como señales de energía finita, pues si
una señal tiene norma L 2finita también tiene energía finita. La energía de una señal
puede ser encontrada a partir de su norma L 2, como
E =
( x ( t ) )2
2
Propiedad 2.7. Toda señal acotada y de soporte compacto pertenece a LL 1 ∩ 2 .

La en 40 norma ese caso L 2 se de define una señal como
de TC puede calcularse sobre un intervalo finito de tiempo,
xt ( ) 2 ( t 1 , t 2 ) = t
∫
xt ( )
2
2 dt t 1
L
na señal que no tiene soporte compacto puede pertenecer a L 1o
Observación 2.9. U
. En los ejemplos realizados algunas señales tiene soporte no acotado y algunas
2 de
ellas pertenecen a L 1o L 2.
Definición 2.13. Un espacio de Hilbert, es un espacio vectorial normado completo con
producto interno, es decir, un espacio de Banach con producto interno.
El producto interno entre x ( t ) y y ( t ) , dos señales de L 2, se define como
∞
∫
x , y =
x () t y * () t dt
−∞
El producto interno en cierta forma c alcula la similitud entre dos señales del espacio. La
norma L 2 y la energía de una señal se relacionan con el producto interno, mediante
∞
x , x = ∫ x () t x * () t ∞ dt = ∫
x () t 2 dt
−∞ −∞
xx , = xt ( )
( 2) 2
= E
2.4.3. Norma y espacio l1
La norma l 1 de una señal de TD x n se
define como
x n
1 = n ∑

x n
=−∞ ∞

El espacio norma l 1finita. l 1, es el espacio vectorial Las señales de l 1 formado por todas
las señales de TD que tienen
se conocen como señales sumables en magnitud.
∑ x ≤∑

Propiedad 2.8. ∞ n
−∞ n =−∞
n n = Por tal motivo, si una señal es sumable en magnitud es sumable sin magnitud.
La en 41 norma ese caso L 1 se de define una señal como
de TD puede calcularse sobre un intervalo finito de tiempo,
x n n
n 1( 1 , 2 )
=∑
n
2
n 1
n=
x
n
Ejemplo 2.26. Encuentre la norma l 1 de la señal

j 2 3 0 x n
3 0 otro caso ⎧⎪ ⎨⎪⎩

=0
n jn − n −
n <
< < ≤ Solución.
a magnitud de la señal puede escribir se como
L
x n
= ⎧ ⎪ ⎨⎪⎩
2 0 n − 2 ≤ n
≤ − 1 n 1 ≤ n
≤ 3 otro caso
x = 2 − 2 + 2 − 1 + 1 + 2 + 3 =
n1
12

2.4.4. Norma y espacio l2
La norma l 2 de una señal de TD x n se
define como
x n
2 = ∑

x
∞
El espacio l 2 es el espacio vectorial formado por todas las señales de TD que tienen
n =−∞
norma l 2 finita. Las señales que pertenecen a l 2se conocen como señales de energía
finita, pues si una señal tiene norma l 2 finita también tiene energía finita. La energía de
una señal de TD puede ser encontrada a partir de su norma l 2 , como
E =
( x ( t ) )
2
2
⎧
Ejemplo 2.27. Calcule la norma l 2y la energía de la señal x n = ⎨⎩
2 n 2 ≤ n ≤ 2
42 0 / otro caso
.
Solución.
Figura 2.18. Señal original y su magnitud.
=
2 101 1 x 1
∑ 2 = + + + + = −= 2 4 n 2 n
n
4 2
210
xE
= ( )
n
2
2
25
=
2.5. Funciones Singulares
2.5.1. Función escalón de Heaviside
La función escalón de Heaviside o función escalón unitario s e define como
La función escalón presenta una transición de 0 a 1 en el valor de t para el cual se
anula su argumento. El valor de la función en el instante de la transición no está
determinado. La función escalón puede trasladarse y reflejarse modificando su
argumento, como se ilustra en el siguiente ejemplo.
Ejemplo 2.28. Obtenga la grafica de las siguientes funciones escalón.
▪ u ( t + 1) : el tiempo de la transición está dado por la ecuación t + 1 = 0 , por lo cual la
transición ocurre en t = − 1 .
▪ u ( t− ) : debido a que la función está reflejada la transición es de uno a cero. El tiempo
de la transición se encuentra haciendo t− = 0 , por lo cual t = 0 .
43
( ) t
0 u t 0
> u ( t + 1) = ⎧ ⎨ ⎩1 0 t t < − 1 > − 1

1 t 0 = ⎧ ⎨ ⎩ <
u ( − t ) = ⎧ ⎨ ⎩
1 0 t t
< 0 > 0
▪ u ( 2 t− ) : debido a que la función está reflejada, la transición es de uno a cero. El
tiempo de la transición se encuentra haciendo 2 t− = 0 , por lo cual t = 2 .
Propiedad separadora
La función escalón es comúnmente utilizada para anular una señal a partir de cierto
tiempo y es utilizada junto a otros escalones para seleccionar una región de interés en
una señal. Al multiplicar una señal x ( t ) por un escalón se obtiene
xtut () ( − t 0
) = ⎧ ⎨ ⎩
x 0 ( t )
44 t < t 0 t > t
0
Figura 2.19. Señal original y señal multiplicada por un escalón.
Ejemplo 2.29. Grafique la señal tut
[ ])3()1( − − tu −
Figura 2.20. Resta de las funciones escalón
1 u (2 t ) t 2 0 t2

− = ⎧ ⎨ ⎩
< >
Figura 2.21. Señal original y señal multiplicada por las funciones escalón.
2.5.2. Función impulso
La función impulso o delta de Dirac e stá definida como
El impulso tiene amplitud desconocida. El valor 1 de la gráfica se conoce como el peso
de la función impulso. La función impulso sólo toma valor diferente de cero en aquel
instante del tiempo en el cual su argumento es igual a cero. Por ejemplo, el impulso δ (
)t está ubicado en el origen, pues su argumento es t. No obstante, un impulso puede
ubicarse en cualquier instante del tiempo, para lo cual se modifica su argumento. El
impulso δ ( t −
t 0 ) se encuentra ubicado en t = t 0 , ya que al igualar el argumento del
impulso a cero se obtiene t t− 0 = 0 .
Ejemplo 2.30. Grafique la función δ ( t − 3) .
Solución. Igualando el argumento del impulso a cero se tiene t − 3 = 0 , por lo cual el
impulso se encuentra ubicado en el tiempo t = 3 .
45
0 δ ( t ) = ⎧ ⎨⎩
⎧ ≠ =
= δ ( t − 3) =
0 t 0 otro caso ≠ ⎨ ⎩ 0 t 3 0 t ≠
3
Propiedad de área unitaria
∫ δ ( t − t
b 0 a
1
) dt = ⎧ ⎨⎩ 0 0
si
46 a < t <
b otro caso
Ejemplo 2.31. Evalúe la integral ∞

∫
[ 3 δ ( t + 2) − 2 δ () t + δ ( t − 1) ] dt −∞

Solución. La función esta compuesta por 3 impulsos de diferentes pesos, ubicados en
los instantes de tiempo t = − 2 , t = 0 y t =
1 .
Figura 2.22. Señal formada por tres funciones impulso.
Expresando la integral de la suma como la suma de las integrales se tiene
)2(3
∞
∫
+ − )(2 + 2123)1( − = − + = ∞−
∫ ∫
∞∞− ∞δ
t dt δ dtt δ dtt ∞−
Propiedad de selección
Al multiplicar una señal x ( t ) por un impulso ubicado en el tiempo t = t 0 , se obtiene un
impulso ubicado t = t 0 con peso x ( t 0 ) , es decir,
( t − t ) = xt ( ) δ
xt ( ) δ ( t − t )
0 0 0 Por tal motivo, al integrar una señal x ( t ) se evalúa la
señal en el instante de tiempo por un impulso ubicado en el tiempo en el cual vive el
impulso.
t = t 0 ,
∞
∫
xt ( ) δ ( t t ) dt xt ( )
− 0 = 0 −∞

Ejemplo 2.32. Evalué las siguientes integrales
t δ
▪ e )cos(
∞
∫
π edt = )cos(
)( t − π = e − 1 ∞− ∞
▪ dxxe − x 2 δ
∫
( t − 10) dt = log(10) = 1 1 A
0)( = 1 100▪ log() t δ
∫
2.5.3. Escalón unitario discreto

La función escalón unitario discreto se define como
El escalón presenta su transición de 0 a 1, en el valor de n que anula su argumento. La
función escalón puede trasladarse y reflejarse modificando su argumento.
2.5.4. Impulso unitario discreto
La función impulso discreto δ n, está definida como
47
n ⎧
0 0 n 1 0 u n = n
= ⎨⎩
⎧ ⎨ ⎩< ≥ 1 0 0 otro caso δ
n =

La función impulso sólo toma valor diferente de cero en aquel instante del tiempo en el
n 0 , ya que al igualar el
cual ubicado 48 su argumento es igual a cero. Por en n =
δ se encuentra
argumento ejemplo, el impulso a cero se tiene que n − n n 0 n
− 0
= 0 .
Propiedad de selección
n 0 de
Al multiplicar una señal impulso ubicado n = x naltura por un impulso ubicado en el
x , es decir,
tiempo n0
n = n 0 , se obtiene un
n n = x n δ n n
x n δ
− 0 0 − 0 Por evalúa tal la motivo, señal en al el sumar instante una de señal
tiempo x npor un impulso ubicado en el en el cual vive el impulso.

n 0 , se
tiempo n =
∑ x n δ
n ∞ =−∞
n
−
n = x n
0 0 2.6. Convolución lineal
2.6.1. Definición
La convolución e s un operador que toma dos señales f y g , y produce una tercera
señal h, la cual representa la cantidad de traslape (área del producto) entre f y una
versión reflejada y trasladada de g . La convolución entre dos señales se define como
h ( t ) = [ f ∗ g ]( t ) = f ( τ ) g ( t − τ ) d τ =
∞∞
∫ ∫
τ ) g ( τ ) d τ
f ( t −
−∞ −∞
Ejemplo 2.33. Considere las señales f ( t ) y g ( t ) que se muestran en la figura,

encuentre la convolución entre ellas.
Solución. La convolución h ( t ) entre las señales f ( t ) y g ( t ) puede

encontrarse como
∞ ht () =
−
∫ ∞
Consideremos la señal g ( τ− ) , que corresponde a una versión reflejada

de g ( t ) .
Figura 2.23. Señal

reflejada.
La variable t se ha cambiado por la variable τ , lo cual no cambia la forma

original de la señal. Si la señal reflejada g ( τ− ) es adelantada un valor de t, se
obtiene g ( t τ− ) , que corresponde a una versión reflejada y desplazada de g ( t
) , ver Figura 2.24.
Figura 2.24. Señal reflejada y

desplazada.
El pulso original g ( t ) tiene soporte en [ 0 , 2 ], una vez que la señal es

reflejada, el nuevo pulso obtenido tiene soporte en [ − 2 , 0 ] . El pulso final g ( t
τ− ) , desplazado en t, tiene soporte en [ − 2 + t , t ] , como se ilustra en la
Figura 2.24.
Para computar la convolución h ( t ) entre el par de señales debe integrarse la

señal f ( τ ) g ( t τ − ) con respecto a τ , para todos los valores de t. Para un valor
de t dado, la señal f ( τ ) permanece sin alterarse, ya que es sólo función de la
variable τ . Por otro lado, para cada valor de t, la señal g ( t τ− ) corresponde a
una versión desplazada en t de la señal g ( τ − ) . Por tal motivo, la señal h ( t )
contiene la información del traslape entre las señales f ( τ ) , la cual se mantiene
fija, y la señal g ( t τ− ) , que se desplaza de acuerdo al valor de t. Para
diferente valores de t, la señal f ( τ ) g ( t τ − ) toma diferentes valores. A
continuación calcularemos h ( t ) para tres valores de t.
49
0 h 0 ( ) = ∞
▪ Para t =
∫
f ( τ ) g ( − τ ) d τ
−∞
No hay traslape entre las señales, por lo cual h ( 0 ) = 0 .
▪ Para t = 1 ∞h ( ) 1 =
∫
f ( τ ) g ( 1 − τ ) d τ
−∞
Las señales se traslapan en el intervalo [ 0 , 1 ], en el cual f ( τ ) τ= y g ( 1 τ− ) = 1 , así
∞1
f ( τ ) g ( 1 −
h ( ) 1 =
∫ τ ) d τ = ∫
τ −∞
0
50 d τ = 1 2 Observa
que h 1 ( ) corresponde al área del triangulo del correspondiente
traslape.
▪ Para t = 2 h ( 2 ) = ∞
∫
f ( τ ) g ( 2 − τ ) d τ
−∞
Las señales se traslapan en el intervalo [ 0 , 2 ], en el cual g ( 1 τ− ) = 1 . Sobre este
intervalo f ( τ ) τ= , si 0 τ< < 1 , y f ( τ ) = − τ + 2 , si 1 τ< < 2 , por tal motivo
h ( 2 ) = ∞ f ( τ ) g ( 1 − τ ) d τ =
∫ ∫ τ d τ + ∫
1 2
( − τ + 2 ) d τ = 1 −∞
01
El valor de h 2( ) corresponde al área del triangulo del correspondiente traslape.

Con el fin de encontrar la solución completa para h ( t ) se debe tomar t p or intervalos y
no por valores puntuales.
▪ Para t < 0 , no existe traslape entre las señales, pues el pulso termina en t, el cual es
una valor negativo, y el triangulo empieza en cero.
h ( t ) = 0 ▪ Para 0 < t < 1 , las señales se traslapan en el intervalo 0[,]t , sobre el cual
f ( τ ) τ = y g ( t τ − ) = 1 .
( )
t
h t = ∫
2
2 , las señales se traslapan en el intervalo 0[ , ]t . El traslape
τ 0 d τ = t 2 ▪ Para 1 < t <
entre 0 y 1 es constante y corresponde al área del triangulo, igual a 1/2. El traslape
entre 1 y t, depende de t, sobre este intervalo f ( τ ) = − τ + 2 y g ( t τ− ) = 1 .
h ( t ) = 1 2
+ ∫
t
1
51 ( − τ +
2 )
d τ h ( t
= 1 −
2
( t −
2 ) 2
▪ Para 2 < t < 3 , las señales se traslapan en el intervalo [ − 2 + t , 2 ] . El traslape entre 1
y 2 es constante y corresponde al área del triangulo, igual a 1/2. Para el traslape entre
− 2 + t y 1, las señales son f ( τ ) τ = y g ( t τ − ) = 1 .
h ( t )
= 1 2
1+ ∫
τ d
τ
− 2
+
t
h ( t
= 1 −
2
( t −
2 ) 2
▪ Para 3 < t < 4 , las señales se traslapan en el intervalo [ − 2 + t , 2 ] , sobre el cual
f ( τ ) = − τ + 2 y g ( t τ− ) = 1 .
2h ( t ) = ∫
− τ +
2
d
τ
− 2
+
t
h ( t
=
2
( t −
4) 2
▪ Finalmente, para t > 4 no hay traslape entre las señales y h ( t ) = 0 .
Por tal motivo, la convolución entre las señales es una señal a trozos dada por
2.6.2. Propiedades de la convolución
▪ Conmutatividad
txtytytx ) ()()()( ∗
= ∗ 52
0 t
0 t 0 t
1 h t 1 t 2 1 t
3 t 4 3 t
4 0 t
4 < = ⎧ ⎪ ⎪⎪ ⎨⎪ ⎪ ⎪⎩ 1 2 2 < < ( ) − 1 2 ( − ) 2 ≤ ≤ 1 2
( − )
2
<<>
▪ Asociatividad
tztytxtztytx )()()()()()( ∗ [ ∗ ] =
[ ∗ ] ∗ ▪ Distributividad
xt () ∗ [ y t ( ) + zt ( ) ] =
xt () ∗ yt ( ) + xt ( ) ∗ zt ( )
▪ Convolución con impulso
xt ( ) δ∗ ( t −
t ) = xt ( − t )
0 0 2.6.3. Convolución lineal discreta
De forma análoga al caso continuo, la convolución discreta entre dos señales es una
tercera señal h n , definida como
53 x n y y n,
y = x ∗ h = ∑ xh =∑
n [ ] n ∞ k n − k
∞
x
n −
h
k
2.7. Sistemas LTI

k k =−∞ k =
−∞
Un sistema es un operador que a cada señal de entrada asigna una señal de salida.
Los sistemas lineales e invariantes en el tiempo (LTI) son de gran importancia, ya que
muchos circuitos eléctricos y electrónicos pueden modelarse como un sistema LTI. Por
tal motivo, estudiaremos la respuesta de un sistema LTI a una señal de entrada.
2.7.1. Sistemas continuos
Un operador L, es lineal e invariante en tiempo si cumple
▪ Linealidad: homogeneidad y superposición
L [ a x ( t ) + by ( t ) ] =
aL [ x ( t )] + bL [ y ( t )] ▪ Invariante en el tiempo
Si L [ x t () ] =
yt () entonces Lxt [ ( − t 0 )] = yt ( − t 0 ) Un sistema LTI puede verse como
un operador que a cada señal de entrada x ( t ) le asigna una señal de salida yt () = L [
xt () ] , cumpliendo las dos propiedades anteriores.
Figura 2.25. Sistema LTI continuo
Una señal x ( t ) puede evaluarse en un instante de tiempo t 0 haciendo
xt ( )
=
∞ 0
∫
xt ( ) δ ( t t ) dt
− 0 −∞
En general, la señal x ( t ) puede reescribirse utilizando una función impulso, como
xt () = x ( τ ) δ ( t −
τ ) d τ = xt ( ) ∗ δ
∞
∫

() t −∞
Observación 2.10. Al realizar la convolución de cualquier señal x ( t ) con la función
impulso δ ( )t se tiene la señal original, es decir, x t () δ ∗ () t =
xt () .
Suponga que la señal )(tx entra a un sistema LTI , entonces la salida es
() [ ( )] ( ) ( )
yt = Lxt ∞ ∫ x τ δ t −
⎡ ⎢ ⎣ −∞
=L τ d τ ⎤ ⎥ ⎦ ∞
( ) [ ( )]
= ∫ x τ L δ t − τ
d τ
−∞
Definamos )(th como la respuesta impulso del sistema LTI, es decir h () t = L [ δ ()] t .
Dado que el sistema es invariante en el tiempo se tiene que L [ δ ( t −
τ )] = h ( t −
τ ) y
podemos escribir la respuesta del sistema como
yt () =
∞
∫
x ( τ )( ht − τ ) d τ = xt ( ) ∗ ht ( ) −∞
La respuesta de un sistema LTI a una señal de entrada corresponde a la convolución
entre la señal de entrada x ( t ) y la respuesta al impulso del sistema h ( t ) . Por tal
motivo, los sistemas LTI son conocidos también como sistemas de convolución y están
completamente caracterizados por su respuesta impulso h t( ), ya que a partir de ella se
puede encontrar la respuesta del sistema a cualquier entrada arbitraria.
Figura 2.26. Respuesta de un sistema LTI con respuesta al impulso h( t).
54
Ejemplo 2.34. E ncuentre la respuesta de un sistema LTI a un exponencial complejo.
i etx ) ( = tj Ω 0 y la respuesta al impulso de sistema es h ( t ) , se tiene
Solución. S
∞∞
yt ( ) = ∫ xt ( − τ ) h ( τ ) d τ = ∫ e j Ω 0 ( t − τ ) h ( τ ) d τ ⎡ 0 0 0 0 −∞
−∞ 55 ∞
∫
= e j Ω t ⎢ ⎣ −∞
h ( τ ) e − j Ω τ d τ
⎤ ⎥ ⎦ = e j Ω
H ( Ω )
t
La multiplicado respuesta por a un una exponencial función que complejo depende de

de frecuencia la frecuencia Ω 0es el mismo exponencial
Ω 0.
Estabilidad en sentido EASA
La estabilidad EASA (Entrada Acotada Salida Acotada) es comúnmente utilizada para
indicar la estabilidad de un sistema LTI. Suponga que a un sistema LTI, con respuesta
al impulso h ( t ) , es aplicada una señal acotada x ( t ) . ¿Que condición debe cumplir el
sistema para que su salida y ( t ) sea también acotada?
Consideremos la salida del sistema LTI
yt () =
∞
∫
x ( τ ) ht ( − τ ) d τ
−∞
yt () x ( τ ) ht ( τ ) d τ sup x ( τ )

≤ − ≤
∞∞
∫ −∞ R
τ∈
∫
ht ( τ ) d
−
τ
−∞
≤
yt ()
τ
sup τ ∈ R x (
) ht () 1 Dado que la señal x ( t ) es acotada, la señal x ( t ) tiene por supremo un real,
entonces para que la señal y ( t ) sea acotada se requiere que h ( t ) sea integrable en
magnitud. Por tal motivo, si la respuesta impulso Lth ) ( ∈ 1 el sistema es estable en
sentido EASA, y el sistema asigna una señal de salida acotada a toda señal de entrada
acotada.
2.7.2. Sistemas discretos
Un sistema LTI discreto puede verse como un operador que a cada señal de entrada le
asigna una señal de salida y n, cumpliendo linealidad e invarianza temporal.
x
n
Figura 2.27. Sistema LTI discreto
La señal x npuede escribirse, utilizando una función impulso, como
x =∑

n
x δ
k n −
= x ∗ δ
k n
Suponga que la señal x n entra

n k =−∞ a un sistema (LTI), entonces la salida es
y Lx [ ] L
n
= n
= ⎡ ⎢ ⎣ k ∑
=−∞ ∞ x k δ n − k ⎤ ⎥ ⎦ = k ∑
=−∞
∞
xL [ δ
k
n−
k
Definamos h n como la respuesta a un impulso discreto del sistema LTI, es decir

n ] ⇒ L [ δ n − k ] = h n − k Por tal motivo, podemos escribir la respuesta del
L [ δ
h n =
sistema como
y =∑

n
∞
x h
k n −
= x ∗ h
k n
La respuesta de un sistema LTI a una señal de entrada corresponde a la

n k =−∞
convolución entre la señal de entrada x n y la respuesta al impulso del sistema h n.

Figura 2.28. Respuesta de un sistema LTI con respuesta al impulso h( t).
Estabilidad en sentido EASA
y =∑

n
x h
k

n−
k k =−∞ ∑
y n ≤
∞ k =
−∞ 56
sup
x k h n − k ≤

Z
k∈ x k ∑

≤
∞ k =−∞ h n − k y n
n 1 Por tal motivo, si la respuesta impulso h n l ∈
Z x k h
sup k ∈ 1 el sistema es estable en
sentido EASA, y el sistema asigna una señal de salida acotada a toda señal de entrada
acotada.
2.8. Resumen
• Una señal es una abstracción de cualquier cantidad que puede ser medida. Las
señales puede modelarse como funciones y de acuerdo a su dominio se clasifican
como señales de tiempo continuo o de tiempo discreto.
• Una señal es acotada en valor si su magnitud tiene supremo y una señal tiene soporte
compacto si su soporte es acotado.
• Una señal es par si al reflejarla se obtiene la misma señal, en cambio una señal es
impar si al reflejarla se obtiene la señal con signo negativo. No todas las señales son
pares o impares pero todas pueden descomponerse como la suma de una señal par
más una señal impar.
• Una señal que repite su valor cada determinado tiempo es una señal periódica. El
inverso del periodo se conoce como frecuencia y da información de la tasa a la cual se
repite una señal periódica.
• Las señales de tiempo continuo e j Ω t , c os( )tΩ
y s in( )tΩ
son periódicas, con periodo 2 π /
Ω, para cualquier frecuencia angular continua Ω real. La señal e j Ω t + e j Ω t es
1 2
periódica
1 / Ω 2 ∈ Q .
sólo si Ω
• Una señal con frecuencia múltiplo de una frecuencia Ω 0se conocen como armónicos
de Ω 0y una señal con frecuencia Ω 0 se conocen como fundamental.
• Las señales de tiempo discreto e j ω n , cos( )nω y sin( )nω son periódicas sólo si la
frecuencia angular discreta ω es un múltiplo racional de 2 π . Toda suma de señales
periódicas corresponde a una señal periódica.
• La frecuencia angular discreta ω es periódica con periodo 2π . En el intervalo de
frecuencias [ − π , π
] , las frecuencias altas son la cercanas a π ± y las frecuencias
bajas las cercanas a 0 .
• Definimos la potencia instantánea como la magnitud al cuadrado de una señal, la
energía como la cantidad de potencia en un intervalo dado y la potencia promedio
como la energía en un intervalo sobre la longitud de mismo. Una señal es de energía si
tienen energía finita y una señal es de potencia si tiene potencia promedio finita no
nula.
• Un espacio vectorial es un conjunto de elementos que al ser sumados y/o escalados
señales permanecen en el integrables en magnitud conjunto. (norma L 1 formado por las
señales de energía (norma es el espacio vectorial L L 21finita).
finita). L 2es el formado por las espacio vectorial
57
• La función impulso sólo toma valor distinto de cero en el valor de tiempo
donde se anula su argumento. Al multiplicar una señal por un impulso se
obtiene otro impulso de peso igual a la señal donde vive el impulso. Un impulso
tiene área unitaria. La función escalón presenta una transición de 0 a 1 en el
tiempo para el cual se anula su argumenta. Su derivada corresponde a la
función impulso.
• La convolución es un operador que calcula el área del producto entre dos
señales, una que se deja inalterada y otra que se refleja y se desplaza para
cada valor de t.
• Un sistema es un operador que asigna a cada señal de entrada una única
señal de salida. Un sistema que cumple con superposición y homogeneidad es
un sistema lineal. Un sistema es invariante en el tiempo si un desplazamiento
de la señal de entrada genera un desplazamiento igual de la señal de salida.
Los sistemas lineales e invariantes se conocen como sistemas LTI.
• Un sistema LTI se caracteriza por su respuesta a impulso, a partir de la cual

puede ser encontrada la salida del sistema a cualquier señal de entrada como
la convolución entre la respuesta impulso y la señal de entrada. La respuesta
de un sistema LTI a un exponencial complejo es el mismo exponencial
complejo multiplicado por una función que depende de la frecuencia del
exponencial.
• Un sistema es estable en sentido EASA si a toda entrada acotada asigna una
salida acotada. Un sistema LTI es estable si su respuesta impulso pertenece a
L 1.
58
2.9. Ejercicios
Sección 2.2
1. Determine si las siguientes señales son de tiempo continuo o discreto.
a. f :R → C b. f : Z → { 0 , 1 } c. f : Z → R d. f :R → { x ∈ Z: 0 < x < 255 } 2. Determine si
las señales del ejemplo anterior son de valor continuo o discreto.
Sección 2.4
3. Demuestre que si x ( t ) y y ( t ) son señales impares, entonces zt () = xt () yt () , es una
señal par y zt ( ) = xt () + yt () es una señal impar.
4. Demuestre que si x ( t ) es una señal par, entonces
x () t dt = 2
∫ − a a ∫
0 a
x ( ) t dt
5. Descomponga las siguientes señales como la suma de una señal par más
una señal
impar. Demuestre que cada componente es par o impar.
a. tx ) ( = 2 + tt +
2 b. x ( t ) = e jt c.

x n = + cos( 3 n ) + n S
sin( n ) ección 2.5
6. Encuentre el periodo de las siguientes señales de tiempo continuo, en el caso de
ser periódicas.
a. tx s in)( =
( 2 7π t ) + cos ( 2 5π )t b . tx s in)(sin)( = 2 2 t + 3 t c . tx c os)( = t + cos( π t ) d. tx ) ( = sin(
Ω t
sin() + Ω 3 t sin() + Ω 4 t ) e. x () t =

sin( 2 t ) + 3 sin( 6 t ) + 5 sin( 10 t ) +
10 sin( 20 t ) 59
7. Encuentre el periodo de las siguientes señales de tiempo discreto, en el caso de ser
periódicas.
) b.
a. x [ n ] = sin( 2 n ) + cos( nπ
x [ n ]
= e − j ⎛ ⎜ ⎝ 2 3 π ⎞ ⎟ ⎠ n +

e j ⎛ ⎜ ⎝ 60
2 5 π ⎞ ⎟ ⎠ n c .
x [ n ]
=∑
sin( 3 π
∞
kn )
1
k= 8. *Encuentre el periodo de las siguientes señales y ordénelas de acuerdo a su
frecuencia angular discreta ω en el intervalo [ 0 , π ].
[ ] x [ n ] = cos( 2 nπ ) x [ n ] sin ⎛ 7 π n ⎞
x 1 n = e − j π n 2 3 = 4
⎜ ⎝ − ⎟⎠
x [ n ] sin ⎛ 6 π n ⎞
4 = ⎜⎝ 4 ⎟⎠
9. *Encuentre dos señales discretas x [ n ] y y [ n ] , con periodo 10 y 15
respectivamente, tales que la señal xn [ ] + yn [ ] tenga periodo 6.
Sección 2.6
10. Para la señal x ( t ) = e j 3 t , encuentre
a. La potencia instantánea b. La energía c. La potencia promedio d. La señal x ( t ) , es
una señal de energía o de potencia?
11. Para la señal xt () = eu t ( − t ) , encuentre
12. Para la señal x ( t ) = t , encuentre
13. *Por qué la energía de una señal periódica es infinita? Por qué su potencia
promedio puede calcularse sobre un intervalo de longitud T ?
Sección 2.7
14. *Conteste falso ó verdadero.
a. Una señal )(tx , acotada y de soporte compacto pertenece a L1 y a L2. b. Toda señal
∈)(tx L1 pertenece también a L2. c. Si ∈)(tx L 2 entonces tiene energía finita y soporte
compacto. d. e. 61 La Si única señal con x nx n ∈
(l1∩l2), entonces 1 = 0 es la señal cero.
x n tiene energía finita y ( ∑ ∞
=n −∞
x n
) R∈ .
15. Encuentre la norma ele 1, la norma ele 2 y la energía de las siguientes señales.
x n u
a. x ( t ) = e− t b. tututtx )( = 2 [ ])()( − − 3 c. [ ] = 0 . 5 − n n d. xt () = e − t e j 10 t ut ()
Sección 2.8
16. Considere la señal xt () = u ( 1 − tut ) ( + 2 ) .
a. Dibuje x ( t ) b. Dibuje x 2( t ) c. Dibuje x 2 ( t− δ ( t +
) 17. Dibuje la señal x ( ) t = 2 ) + 3
δ ( − t ) − δ ( t − 3 ) . Evalué la integral − x ( t ) dt .

∫ ∞1
18. Evalué las siguientes expresiones

a.
∑
−
∞
[ 3 ] ( n
δ
−∞
− 3 ) 2 n =
ne

b.
∞
∫
δ ( 2 t − 1 ) 4 t dt

−∞
Sección 2.9
19. *Encuentre gt () ∗ gt () , si
20. Encuentre la convolución e − t u () t ∗ e − 2 t u () t .
21. Considere la señal del ejercicio 19. Dibuje la señal xt () = gt () ∗ δ ( t − 3 ) .
22. Demuestre que si x ( t ) y y ( t ) pertenecen a L 1 , entonces xt () ∗ yt ( ) también.
Sección 2.10
23. *Defina sistema causal y sistema con memoria.
24. Determine si el sistema yt ( ) = xt ( − 2 ) + x ( 2 − t ) es
a. Lineal b. Invariante en el tiempo c. Causal d. Con memoria.
25. *Encuentre la respuesta de un sistema LTI a la señal x ( t ) = A c os( Ω 0 t ) .
26. *Un sistema LTI con respuesta impulso ht ( ) = e − t ut () es estable? Justifique.
27. *Argumente por qué la transformada de Laplace de la respuesta impulso h ( t ) de
un sistema estable en sentido EASA, tiene todo su polos en el semiplano izquierdo.
28. *Que son los valores y vectores propios? De acuerdo a esto, por qué los
exponenciales complejos se conocen como funciones propias de los sistemas LTI?
29. *En el estudio de sistemas LTI, para que puede ser útil descomponer una señal
como la suma de exponenciales complejos.
62
3 REPRESENTACIÓN DE SEÑALES
3.1. Descomposición de señales
Sin perdida de generalidad, considere una señal )(tx c on soporte en ],[ 21 tt

Figura 3.1. Señal de soporte compacto.
Se desea expresar )(tx en el intervalo de tiempo de señales más simple, es decir [ t 1 , t 2
] como una combinación lineal
a φ
x ( ) t = ∑
n n
() t t < t <
t
1 2 n ∈ y los términos φ n)(
donde los coeficientes constantes a n C on señales,
t s
en general complejas, las cuales se conocen como señales base. Los coeficientes a
nson independientes del tiempo y nos brindan información importante sobre la señal.
Suponga que una señal arbitraria x t( ) puede descomponerse como la suma de N
exponenciales complejos, de acuerdo a
xt ae ae
( ) = 1 j Ω 1 t + 2
t
jΩ
2
a e j Ω
+ ... + N N
t
Si la señal x t( ) es aplicada a un sistema LTI, la respuesta del sistema
puede ser encontrada de forma sencilla al encontrar la respuesta individual del sistema
a cada una de las componentes de x t( ), como se ilustra en la Figura 3.2.
Figura 3.2. Respuesta de un sistema LTI a la descomposición de la señal.
Representación de señales Análisis de Fourier
La función H Ω( ) depende de la respuesta impulso h t( ) y de la frecuencia Ω , y

esta definida en el Ejemplo 2.34 de la sección anterior. El modelo descrito en la
Figura 3.2 permite encontrar de forma sencilla la respuesta de un SLIT a una
señal arbitraria que puede descomponerse como una suma ponderada de
exponenciales complejos. Con veremos en Capítulos posteriores esta
representación además permite conocer información sobre la componentes de
frecuencia presentes en la señal.
En este Capítulo estudiaremos bajo que condiciones una señal puede

descomponerse como una suma de señales más simples y como se realiza
dicha descomposición.
3.2. Aproximación de un
vector
Consideremos la tarea de aproximar un elemento de un espacio vectorial

dotado con producto interno en términos de otro elemento cualquiera del
espacio. Para este fin, definamos la notación .,. como el producto interno del
espacio vectorial.
3.2.1. Aproximación de un elemento del

plano
Sean el espacio x = ( x 1 R
, x 22 ) (parejas y f = ( f d
e 1 , f 2 reales)
) los elementos
el de R producto interno que se ilustran en la Figura entre dos vectores x 3.3.
2
En y f se define como x, para lo cual x,f existen = xf 1 1 + diversas xf 2 2 . Se
posibilidades desea aproximar como el se vector ilustran f en términos en la del
vector Figura 3.4. Se pretende obtener la mejor representación posible de f en
términos del vector x. Si los vectores f y x son colineales, la aproximación llega
a ser una representación, en caso contrario (caso de la Figura 3.3) la
aproximación tiene un error asociado.
64
+ f x e c = + f x e c = +
f x e c =
1 1 22 22
Figura 3.4. Algunas posibilidades para la aproximación de f en

términos de x .
Figura 3.3. Dos vectores en
2
R .
Claramente el mínimo error ocurre cuando la aproximación corresponde a la proyección
a la aproximación del vector c 2 x . f Por sobre tal motivo, el vector la x mejor , caso
aproximación en el cual el error es obtenida e 2es perpendicular
haciendo
f ≈ c opt x donde en términos el escalar del producto c opt
corresponde
a la componente
(sombra) interno del espacio vectorial como
de f sobre x , definida
c = ⇒ ≈
opt f,x
x,x f f,x x,x x 3.2.2.
Aproximación de una señal
Consideremos el conjunto de señales con energía finita en el intervalo [ t 1 , t 2 ] , dado
por
S[ , ]
t 1 t 2 = { f :R → C:
∫ ∞
f<
t 1 t2 }
Se puede demostrar que S forma un espacio vectorial euclídeo. El producto interno
entre x 1 ( t ) y x 2( t ) , dos elementos de S[ t 1 , t 2 ] , se define como
x 1 (), t x 2 () t =
t
∫
x 1 () t x () t dt t 1
2 2
*
Sean x ( t ) y f ( t ) dos elementos de términos de la señal x ( t ) en el intervalo S[ [ t 1 t 1 , ,

t t 2 2 ] ] , , 65 se desea aproximar la señal f ( t ) en es decir
f () t ≈ cx ( ) t t < t <
t
1 2 Se pretende encontrar el valor más apropiado para la constante c,
con el fin de obtener la representación óptima (en algún sentido) de la señal f ( t ) .

Definamos la señal ε ( )t c omo el error entre la señal f ( t ) y su aproximación, es decir
ε () t =
f ( ) t −
cx () t S
ea Eε la
energía del error en el intervalo [ t 1 , t 2 ] , definida como
E ε = t
∫
2 t − cx () t 2 dt t 1
f ()
La energía del error puede escribirse de forma apropiada como
E ε = t
∫ f () t − cx () t dt = ∫
2 2 t 2
[ f () t − cx () t ][ f () t − cx ()

t ] * dt t t 1
E ε =
1
∫ f ( t ) dt − c ∫ f ( t ) x ( t ) dt
t 2 2 t 2
* − c f ( t ) x ( t ) dt
t
∫ 2
* + c ∫
2 t 2
x ( t ) 2 dt t 1 t 1 t 1 t
E ε =
E f −
c t
1
∫ f ( t ) x ( t ) dt
2
* − c
t
∫ 2
f ( t ) x * ( t )
dt + c 2 E x
(3.1)
t 1 t
1
Donde las constantes E f y E x son las energías de las señales f ( t ) y x ( t ) en el intervalo
[ t 1 , t 2 ] , respectivamente. La ecuación (3.1) puede reescribirse como
= −
E ε E f c E x
− 1 1
t 2
E x 1 () * () 2 2 66 t
2
() * ()
1
2 ∫ f t x t dt − E ∫ f t x t dt E n esta expresión el único término que depende de c es el

t x t
ue minimiza la energía del error es el encontrado

segundo, por tal motivo el valor de c q
como
t
2
t
2
f t x t dt
∫
c o pt = E x t 1 ∫ f t x t dt = t 1
t
∫ 2
x t dt
t1
La ecuación anterior puede escribirse en términos del producto interno en S como

=
c opt
f tx t
(), () xt (), xt () Este resultado concuerda con el resultado obtenido en la Sección
3.1.2. Para el caso en el cual las señales f ( t ) y x ( t ) son reales, la constante c e
s un
real también y la ecuación (3.1) puede escribirse como
21
1
*
() *
()
() ()
()
2
E ε = E f −
c
t
2 ∫
f () t x ()
c 2 E x t
t dt +
ue minimiza la energía del error puede ser encontrado haciendo d E ε / d c
El valor de c q
= 0 y despejando c, para lo cual se obtiene
d E ε d c= − 2 t
∫ f () t x ()
2
t dt + 2 cE x =

0 t 1
Al despejar c d e esta ecuación se obtiene el mismo valor óptimo que para el caso
complejo. Por tal motivo, de forma general, si se desea aproximar una señal f ( ) t ∈ S
en términos de otra señal x ( ) t ∈ S , lo mejor que puede hacerse es
(), ()
f t x t xt ( ), xt ()
f () t ≈
proxime la señal f ( t ) que se ilustra en la figura, utilizando
xt () t 1 < t < t 2 Ejemplo 3.1. A
la señal x ( t ) = sin( t ) , en el intervalo de tiempo [ 0 , 2 ]π .
( )
= ⎧ ⎨⎩ − f t 1 0
t
< <π 1 π < t
< 2 π
Solución. L a señal puede aproximarse como
(), ()
f ( t ) ≈ f t x t xt
( ), xt ()
sin( t ) 0 < t < 2 π 2 π π 2 πf ( t ), x ( t ) = f ( t ) x ( t ) d t = sin( t ) dt −

∫ ∫ ∫
sin( t ) dt =
4 0 0
π
xt ( ), xt ( ) = x 2 ( tdt ) 0 67

2 π
∫
= sin 2 ( tdt ) 0 = 1 2 0 π
2 π
∫ ∫
⎡ ⎣ 1 −
cos 2
= π f ( t ) ≈
( t ) ⎤ ⎦ dt π 4 sin( t ) 0 <
t < 2 π En
general, si se desea obtener una mejor
aproximación de un vector dado es necesario expresarlo como una combinación lineal
de varios elementos del espacio vectorial, cada uno de los cuales debe realizar una
contribución óptima.
3.3. Bases ortogonales
3.1.1. Bases e independencia lineal
1 , φ 2 ,...,
Considere puede { φ expresarse φ un N espacio de V c
} omo vectorial euclídeo
V con campo F . Un conjunto de vectores genera e
l espacio vectorial si cualquier
elemento del espacio
una combinación lineal de dichos vectores, es decir si
V v = α φ + α φ + ... + α φ
∀ v ∈
1 1 2 2 N Ndonde α i ∈
F , para i =
1 2, ,..., N . Si
adicionalmente los vectores { φ 1 , φ 2 ,..., φ N } s on linealmente independientes,
entonces son una base del espacio V .
1 , φ 2 ,...,
Definición 3.1. Un conjunto de vectores { φ s linealmente
φ N } e
independiente si y sólo si α 1 φ
1 +
α 2 φ
2 +
... + α N φ
N =
0 implica α 1 =
α 2 =
... = α N =
0 .
Si un conjunto de vectores genera el espacio V ( base { φ 1 , del φ 2 ,...,

espacio), φ N } es
lineal linealmente cada elemento 68 independientes v V∈ y tiene una representación
única en términos de dichos vectores.
3.1.2. Ortogonalidad
v , v = 0 . Un conjunto
v 1 1 = , vectores 2
Dos (mutuamente { m 2 2, ,..., ,..., v N N
v1 } . v 1 y v
de vectores
2son ortogonales ortogonales) si forma un sistema v m normalizado
, v n Un

{ v , v ,..., v } forma
conjunto de vectores = si 0 1su para 2 producto m N ≠ interno n . es
un sistema ortogonal
cero, es decir, si Un conjunto de vectores (norma unitaria) si que
forma un sistema ortogonal v m y , v n
ormalizado m =
1 para
se conoce como un sistema ortonormal.
Definición 3.2. φ 1 )(
2 )(
t y φ t s n el intervalo ],[ tt 21
on señales ortogonales e si

φ 1 (), t φ
2 () t = t
∫
0
2φ 1 () t φ
2 * () t dt = t 1
Un conjunto contable ortogonal e n ],[ tt 21

si
de señales { φ n ()} t =
{ φ 1 (), t φ 2 (), t K , φ N ()} t forma un sistema
φ m (), t φ n ()

t = t ∫ φ m () t φ n
2
* () t t 1
⎧ ≠
dt = ⎨ ⎩ E 0 n m n m =
n

Analisis de Fourier

Caricato da

Informazioni sul documento

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

Analisis de Fourier

Caricato da

Copyright:

Formati disponibili

ANÀLISIS DE

Julián Quiroga Sepúlveda

1.2. Funciones ​4 ​1.2.1. Inyectividad ​5 ​1.2.2. Sobreyectividad ​5 ​1.2.3. Biyectividad ​6 ​1.2.4.

1.3. Variable compleja ​6 ​1.3.1. Números complejos ​7 1

1.4. Resumen ​14

2.4.2. ​Norma y espacio ​L2​ ​39 2.4.3.

2.8. Resumen ​57

2.9. Ejercicios ​59

3.1. Descomposición de señales ​63

3.4. Representación de señales en un intervalo de tiempo finito ​71

3.5. Teorema de Parseval para un intervalo finito ​77

3.6. Representación de una señal periódica ​78

3.8. Ejercicios ​80

4.4. Resumen ​115

4.5. Ejercicios ​116

5. TRANSFORMADA DE FOURIER 121

5.1. Deducción de la transformada de Fourier ​L1​ ​121 5.1.1.

5.2. Transformada de Fourier ​L1​ ​124 5.2.1.

5.4. Teorema de Parseval para la transformada de Fourier ​147

5.5. Transformada de Fourier ​L2​ ​148

5.7. Aplicaciones de la transformada de Fourier ​156

5.8. Resumen ​157

5.9. Ejercicios ​158

6. ANÁLISIS DE FOURIER PARA SEÑALES DISCRETAS 163

6.5. Resumen ​194

6.6. Ejercicios ​195

7. ECUACIONES DIFERENCIALES PARCIALES 197

7.2. Ecuación de onda unidimensional ​201

7.5. Ejercicios ​225

A. ESPACIOS VECTORIALES 227

Este libro trata de apoyar al estudiante en la comprensión de un tema demandante

En el ​Capítulo 2 ​se introduce el concepto de señal y se realiza su clasificación.

En el ​Capítulo 3 ​se estudia como un elemento de un espacio vectorial puede ser

En el ​Capítulo 4 ​se estudian las series de Fourier como caso particular de la

En el ​Capítulo 5 ​se define la Transformada de Fourier ​L​1 p

para señales de energía finita.

En el ​Capítulo 6 ​es dedicado al análisis de Fourier para señales discretas. Se

Finalmente, en el ​Capítulo 7 ​se estudian algunas ecuaciones diferenciales parciales

Denotaremos como *​​ Z ​, al conjunto de los números enteros sin el cero ( 0 ​N { }

Cada racional puede ser escrito de infinitas formas, por ejemplo, ​4 12 2 6 1 3 ​/ / / ​= = ​.

El conjunto de los ​números reales​, denominado ​R ​, puede ser informalmente descrito

números racionales y a los irracionales. El conjunto de los ​números irracionales ​está

A continuación revisaremos algunos símbolos matemáticos, los cuales nos

▪ Si ​x ​es un número entero, entonces ​x ​es un número

​ s el conjunto de los números enteros con magnitud menor a

​ ​{ ​x ​∈ ​Z: ​x ​< ​4 ​} ​= ​{ ​− ​3 ​, ​− ​2 ​, ​− ​1 ​, ​0, 1, 2, 3 ​} ​▪ Existe un único número real tal que

Los conjuntos pueden clasificarse de acuerdo a su cardinalidad como finitos o infinitos.

Figura 1.2. ​Clasificación de

Algunas veces los conceptos de máximo y mínimo de un conjunto numérico no son

Ejemplo 1.3. P​ ara el conjunto ​A ​= ​1​{ / ​n :​ ​n ∈

Solución. ​Como cotas inferiores tomemos ​1​− ​y ​2​− ​. El ínfimo es ​0 ​y debido a

Observación 1.1. N ​ o todos los conjuntos de cardinalidad infinita que tienen

​ etermine dominio, codominio y rango de las siguientes

​ C: ​→ ​dada por ​jbaf ​( ​+ ​) ​= ​ba ​2 ​+ 2​ ​.

El dominio de ​f s​ on los complejos, el codominio los reales y el rango de ​f ​los reales

​ R: ​→ ​dada por ​xf )​ ( =

El dominio y codominio de ​f ​son los reales y el rango de ​f e​ s el intervalo ​[ ​− ​1 ​, ​1 ​] ​de

​ R: ​→ ​dada por ​xxf )​ ( ​= ​25 ​+ .​

El dominio, el codominio y el rango de ​f s​ on los reales. La imagen del elemento ​2

Ejemplo 1.5. ​Demuestre que ​f ​RR: ​→ ​, dada por ​xxf )​ ( ​= ​12 ​+ ​, es

Solución. ​Supongamos que ​bfaf )​ ()( ​= ​, entonces ​1212 ​a ​+ = ​b +

Ejemplo 1.6. ​Demuestre que ​f ​RR: ​→ ​, dada por ​xxf )​ ( ​= 2​​ , no es

BAf ​: ​→ ​es una función ​sobreyectiva ​si y sólo si ​∀ ​Bb∈

Figura 1.4. ​Función sobreyectiva no

1.2. Funciones 4 1.2.1. Inyectividad 5 1.2.2. Sobreyectividad 5 1.2.3. Biyectividad 6 1.2.4.

1.3. Variable compleja 6 1.3.1. Números complejos 7 1

1.4. Resumen 14

2.4.2. Norma y espacio L2 39 2.4.3.

2.8. Resumen 57

2.9. Ejercicios 59

3.1. Descomposición de señales 63

3.4. Representación de señales en un intervalo de tiempo finito 71

3.5. Teorema de Parseval para un intervalo finito 77

3.6. Representación de una señal periódica 78

3.8. Ejercicios 80

4.4. Resumen 115

4.5. Ejercicios 116

5.1. Deducción de la transformada de Fourier L1 121 5.1.1.

5.2. Transformada de Fourier L1 124 5.2.1.

5.4. Teorema de Parseval para la transformada de Fourier 147

5.5. Transformada de Fourier L2 148

5.7. Aplicaciones de la transformada de Fourier 156

5.8. Resumen 157

5.9. Ejercicios 158

6.5. Resumen 194

6.6. Ejercicios 195

7.2. Ecuación de onda unidimensional 201

7.5. Ejercicios 225

En el Capítulo 2 se introduce el concepto de señal y se realiza su clasificación.

En el Capítulo 3 se estudia como un elemento de un espacio vectorial puede ser

En el Capítulo 4 se estudian las series de Fourier como caso particular de la

En el Capítulo 5 se define la Transformada de Fourier L1 p

En el Capítulo 6 es dedicado al análisis de Fourier para señales discretas. Se

Finalmente, en el Capítulo 7 se estudian algunas ecuaciones diferenciales parciales

Denotaremos como * Z , al conjunto de los números enteros sin el cero ( 0 N { }

Cada racional puede ser escrito de infinitas formas, por ejemplo, 4 12 2 6 1 3 / / / = = .

El conjunto de los números reales, denominado R , puede ser informalmente descrito

números racionales y a los irracionales. El conjunto de los números irracionales está

▪ Si x es un número entero, entonces x es un número

s el conjunto de los números enteros con magnitud menor a

{ x ∈ Z: x < 4 } = { − 3 , − 2 , − 1 , 0, 1, 2, 3 } ▪ Existe un único número real tal que

Figura 1.2. Clasificación de

Ejemplo 1.3. P ara el conjunto A = 1{ / n : n ∈

Solución. Como cotas inferiores tomemos 1− y 2− . El ínfimo es 0 y debido a

Observación 1.1. N o todos los conjuntos de cardinalidad infinita que tienen

etermine dominio, codominio y rango de las siguientes

C: → dada por jbaf ( + ) = ba 2 + 2 .

El dominio de f s on los complejos, el codominio los reales y el rango de f los reales

R: → dada por xf ) ( =

El dominio y codominio de f son los reales y el rango de f e s el intervalo [ − 1 , 1 ] de

R: → dada por xxf ) ( = 25 + .

El dominio, el codominio y el rango de f s on los reales. La imagen del elemento 2

Ejemplo 1.5. Demuestre que f RR: → , dada por xxf ) ( = 12 + , es

Solución. Supongamos que bfaf ) ()( = , entonces 1212 a + = b +

Ejemplo 1.6. Demuestre que f RR: → , dada por xxf ) ( = 2 , no es

BAf : → es una función sobreyectiva si y sólo si ∀ Bb∈

Figura 1.4. Función sobreyectiva no

Ejemplo 1.7. D R: → , dada por xxf )( = 12 + , es

Solución. Para cada valor b del codominio, se debe encontrar un elemento a d el

Ejemplo 1.8. D emuestre que f RZ: →

Solución. Para un valor b d el codominio se debe encontrar un elemento a d el

BAf : → es un función biyectiva si es inyectiva y sobreyectiva, es decir, dos

Figura 1.5. Función

Los números complejos fueron introducidos con el fin de resolver problemas

Sea x un número complejo, entonces se puede expresar de la forma jbax = + ,

ncuentre las componentes real e imaginaria de los siguientes

▪ x = 43 − j }Re{x = 3 , }Im{x = 4− ▪

0 , }Im{x 1 = Los complejos pueden ubicarse en el plano utilizando dos

Figura 1.6. Ubicación de un número complejo en el

e j ( θ + 2 π k ) = e j θ ∀ k ∈ Z El exponencial complejo es entonces un fasor, de magnitud 1 y

5 − j 92730 . . Las funciones sin( )x y cos( )x p

Conceptos básicos Análisis de Fourier

eyxxy = ) yxj( ∠ + ∠ ▪

Ejemplo 1.13. El conjugado de x = 2

Figura 1.8. Complejo

emuestre que xxx * = 2

Rectangulares: xf )}(Re{)( = xfjxf +

Figura 1.11. Gráficos de magnitud y

• Se revisó la definición de algunos conjuntos numéricos como los reales,

• Los conjuntos numéricos se clasifican de acuerdo a su cardinalidad como

• Se definió el concepto de cota superior e inferior de un conjunto numérico y a

• Los exponenciales complejo viven en el circulo unitario (magnitud unitaria) del

a. A = { x ∈ Z: − 4 ≤ x ≤ . B = { x ∈ R : x < 10 } c . C = { x ∈ Z + : 2 x ∈

a. Mencione 2 cotas superiores del conjunto A y encuentre su supremo.