Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FOURIER
ANÀLISIS DE FOURIER
Primera Edición
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
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
2.5. 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
3. REPRESENTACIÓN 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
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
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
5.6. 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
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
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
7.3. 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
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.
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.
X
I
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
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
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.
▪ Números reales
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
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.
x
Conceptos básicos Análisis de Fourier
∃ ! x ∈ R / xxx +
= 1.1.3. Clasificación de conjuntos de acuerdo
a su cardinalidad
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.
1.1.4. Ínfimo y
supremo
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
Conceptos básicos Análisis de Fourier
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.
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 } .
4
Conceptos básicos Análisis de Fourier
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.
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
1.2.3.
Biyectividad
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
6
Conceptos básicos Análisis de Fourier
1.3.1. Números
complejos
Coordenadas
rectangulares
7
Conceptos básicos Análisis de Fourier
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.
Conceptos básicos Análisis de Fourier
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
de exponenciales complejos,
de acuerdo a
sin
x
ee
= jx
− − jx 2 jcos
x
2
= ee jx +
− jx 9
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
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 * =
− .
1
0
Conceptos básicos Análisis de Fourier
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 = * .
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
Conceptos básicos Análisis de Fourier
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
1.4.
Resumen
• 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).
• 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
Conceptos básicos Análisis de Fourier
1.5.
Ejercicios
Sección
1.1
}
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
Sección
1.2
4. Ejemplos de
funciones.
b. f :R → R ; f ( x ) = 1 + x
Conceptos básicos Análisis de Fourier
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
+
2 SEÑALES
s una abstracción, de cualquier cantidad mesurable, que es función
Una señal e
de una o más variables independientes.
2.1. Clasificación de
señales
1
8
Señales Análisis de Fourier
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
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.
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.
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.
)( = + 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
Señales Análisis de Fourier
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
Señales Análisis de Fourier
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
Señales Análisis de Fourier
( 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.
Señales Análisis de Fourier
Solución. Realizaremos la solución de forma
grafica.
2.2. Señales
periódicas
24
Figura 2.9.b. Componente par de la
señal.
Figura 2.9.a. Señal
reflejada.
Señales Análisis de Fourier
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.
Por convención las señales constantes t ienen periodo infinito, pues el conjunto
de tiempos de repetición de una señal constante no tiene mínimo.
25
Señales Análisis de Fourier
, 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 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.
▪ tx ) ( = )sin( 2 t E
n este caso Ω =
2 , por lo cual T = 2 π 2/ = π .
26
Señales Análisis de Fourier
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 .
) 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.
Señales Análisis de Fourier
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
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
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.
Señales Análisis de Fourier
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 ∞.
periódicas.
30
Señales Análisis de Fourier
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
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
= ⎛ ⎜ ⎝ 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
Señales Análisis de Fourier
2.3.1. Potencia
instantánea
p ( t ) = R * () t = v ( t ) 2 R o
vtv () en términos de la
corriente i ( t ) a través del resistor
xt ( ) 2 33
pt ()
=
Señales Análisis de Fourier
2.3.2. Energía
La energía total de una señal x ( t ) , se define como la suma (integral) de su potencia
( )
x t
dt t 1
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?
Señales Análisis de Fourier
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.
Señales Análisis de Fourier
| t |
= ⎧ ⎨ ⎩
e e − 4
4 t
t
∞
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
Señales Análisis de Fourier
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
∫dttx ) ( ∞−
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
Señales Análisis de Fourier
03 x ( t ) 1
= − t dt +
∫ ∫
t dt = 9 −
30
= ⎧ ⎨⎩
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.
= xt () dt =
∫ ∫
1 / t 2
dt
−∞
tx ) ( 1 dtt
1 1= ∞ 1 ∫ 2
1 t 1
=− 1
∞
=
38
Señales Análisis de Fourier
Las señales que pertenecen a L 1se conocen como señales integrables en magnitud.
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
{, 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
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
Señales Análisis de Fourier
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
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
Señales Análisis de Fourier
∞
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
= ⎧ ⎪ ⎨⎪⎩
2 0 n − 2 ≤ n
≤ − 1 n 1 ≤ n
≤ 3 otro caso
x = 2 − 2 + 2 − 1 + 1 + 2 + 3 =
n1
12
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
=
Señales Análisis de Fourier
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 0 t t
< 0 > 0
Señales Análisis de Fourier
▪ 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
− = ⎧ ⎨ ⎩
< >
Señales Análisis de Fourier
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
Señales Análisis de Fourier
Propiedad de área unitaria
∫ δ ( t − t
b 0 a
1
) dt = ⎧ ⎨⎩ 0 0
si
46 a < t <
b otro caso
)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 −∞
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
∫
= 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
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 −
−∞ −∞
∞ ht () =
−
∫ ∞
49
Señales Análisis de Fourier
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
Señales Análisis de Fourier
h ( 2 ) = ∞ f ( τ ) g ( 1 − τ ) d τ =
∫ ∫ τ d τ + ∫
1 2
( − τ + 2 ) d τ = 1 −∞
01
( )
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
Señales Análisis de Fourier
▪ 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
( − )
2
<<>
Señales Análisis de Fourier
▪ 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
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.
Señales Análisis de Fourier
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 −∞
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
Señales Análisis de Fourier
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
yt () =
∞
∫
x ( 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
Señales Análisis de Fourier
La señal x npuede escribirse, utilizando una función impulso, como
x =∑
n
x δ
k n −
= x ∗ δ
k n
xL [ δ
k
n−
k
y =∑
n
∞
x h
k n −
= x ∗ h
k n
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.
Señales Análisis de Fourier
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
Señales Análisis de Fourier
• 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 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
Señales Análisis de Fourier
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
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
a. La potencia instantánea b. La energía c. La potencia promedio d. La señal x ( t ) , es
una señal de energía o de potencia?
12. Para la señal x ( t ) = t , encuentre
Señales Análisis de Fourier
a. La potencia instantánea b. La energía c. La potencia promedio d. La señal x ( t ) , es
una señal de energía o de potencia?
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.
=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
ne
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
3.2. Aproximación de un
vector
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
x 1 (), t x 2 () t =
t
∫
x 1 () t x () t dt t 1
2 2
*
E ε = t
∫
2 t − cx () t 2 dt t 1
f ()
Representación de señales Análisis de Fourier
La energía del error puede escribirse de forma apropiada como
E ε = t
∫ f () t − cx () t dt = ∫
2 2 t 2
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
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
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
Representación de señales Análisis de Fourier
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 ()
= 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.
Representación de señales Análisis de Fourier
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 .
{ 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
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