Documente Academic
Documente Profesional
Documente Cultură
Pablo Irarrazaval M.
Departamento de Ingeniera Electrica
Pontificia Universidad Catolica de Chile
Analisis de Senales
c
Derechos Reservados
1999
McGraw-Hill/Interamericana de Chile Ltda. (primera edicion)
c
Derechos Reservados
2008
Pablo Irarrazaval (segunda edicion)
c
Derechos Reservados
2009
Pablo Irarrazaval (Edicion 2.1)
Dedicado a mi familia,
Isabel, Isabelita, Sofa, Pablito y Tomas
En memoria de mi abuelo,
Alberto Irarrazaval L.
Prefacio
A pesar que las transformadas de Laplace y Fourier se conocen desde la se-
gunda mitad del siglo 18, solo en los ultimos 50 anos se han transformado en
herramientas indispensables en las areas de control automatico, telecomunica-
ciones, electronica, procesamiento de imagenes, etc. Es mas, su aplicabilidad no
solo se limita a estas areas que tradicionalmente se consideran parte de la Inge-
niera Electrica, sino tambien incluye campos del conocimiento tan diversos como
la economa, sismologa o hidrologa.
Las transformadas de Laplace o Fourier de una senal son una representacion
de la misma senal en otro dominio. Se puede entender como un cambio de base.
Evidentemente, la base de Fourier no es una base mas, de las muchas que existen,
es una base que en cierta forma nos es natural. Con un poco de practica y esfuerzo
resulta comodo entender las senales en el dominio de la frecuencia. Es formalizar
un tipo de analisis que todos los das empleamos en forma intuitiva. Claramente
se ve cuando usamos los sentidos de la audicion y vision. En el caso del sonido,
la frecuencia juega un papel preponderante. Algo similar ocurre con las imagenes
en las que quizas igualmente importante que la intensidad del color es la textura.
Este libro fue escrito para servir de base a un curso de analisis de senales
de un semestre de duracion. La filosofa es explicar las materias de lo particular
a lo general, es decir, primero se presentan los conceptos en su forma mas sim-
ple para luego agregar complejidad. Esta manera de presentar la materia, junto
con muchas explicaciones graficas, apunta a facilitar el aprendizaje del alumno.
Tambien se han agregado algunas resenas historicas para motivar a los alumnos
a investigar sobre los orgenes del area.
El primer captulo es una introduccion al analisis de senales donde se aprovecha
de presentar la notacion empleada en el libro. Especialmente relevante es la pre-
sentacion del smbolo para el impulso. El resto de los captulos se pueden agrupar
en tres partes: en la primera se estudian las senales continuas; en la segunda las
senales discretas; y en la ultima se tratan, en forma introductoria, algunos temas
afines mas avanzados.
Tanto para senales continuas (captulo 2) como discretas (captulo 5), se pre-
senta primero los sistemas lineales y respuesta al impulso. En el captulo 5 se
hace la conexion de los sistemas discretos con los continuos a traves del muestreo
de senales. En los captulos 3 y 6 se trata la transformada de Fourier en forma
continua y discreta. Los captulos 4 y 7 hacen lo propio con la transformada de
Laplace y transformada Z (version discreta de la transformada de Laplace).
En el captulo 8 se presentan otras posibles transformadas, tanto continuas
como discretas. Y finalmente, en el captulo 9, se extiende la transformada de
Fourier a dos dimensiones.
v
VI
Pablo Irarrazaval
Santiago, Diciembre 1998
Pablo Irarrazaval
Santiago, Marzo 2008
INDICE GENERAL
1. Introduccion 1
1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Sistemas de entrada-salida . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Senales fsicas y logicas . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4. Senales y funciones continuas versus discretas . . . . . . . . . . . . 4
1.5. Modelos, ecuaciones diferenciales y de diferencias . . . . . . . . . . 5
1.6. Causalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7. Como graficar funciones complejas? . . . . . . . . . . . . . . . . . 11
1.8. Simetras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.9. Algunas funciones importantes . . . . . . . . . . . . . . . . . . . . 17
1.9.1. Sinusoide . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9.2. Exponencial compleja . . . . . . . . . . . . . . . . . . . . . 18
1.9.3. Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.9.4. Uno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.9.5. Triangulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.9.6. Impulso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.9.7. Rect . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.9.8. Sinc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.9.9. Asinc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.9.10. Escalon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.9.11. Signo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.9.12. Shah . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.9.13. Horquilla y antihorquilla . . . . . . . . . . . . . . . . . . . . 28
vii
VIII INDICE GENERAL
1.10. El impulso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.10.1. Definicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.10.2. La propiedad del cedazo . . . . . . . . . . . . . . . . . . . . 33
1.10.3. El impulso de una funcion . . . . . . . . . . . . . . . . . . . 34
1.11. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3. Transformada de Fourier 57
3.1. Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.1.1. Forma trigonometrica . . . . . . . . . . . . . . . . . . . . . 57
3.1.2. Forma de laboratorio . . . . . . . . . . . . . . . . . . . . . . 60
3.1.3. Forma compleja . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.1.4. Relaciones de ortogonalidad e integrales . . . . . . . . . . . 63
3.2. Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . 63
3.3. Ejemplos de la transformada de Fourier . . . . . . . . . . . . . . . 67
3.3.1. Transformada del impulso . . . . . . . . . . . . . . . . . . . 67
3.3.2. Transformada de un coseno . . . . . . . . . . . . . . . . . . 69
3.3.3. Transformada del rect . . . . . . . . . . . . . . . . . . . . . 69
3.4. Simetras de la transformada de Fourier . . . . . . . . . . . . . . . 71
3.5. Propiedades de la transformada de Fourier . . . . . . . . . . . . . . 75
3.6. Funcion de transferencia . . . . . . . . . . . . . . . . . . . . . . . . 78
3.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4. Transformada de Laplace 89
4.1. Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . 90
4.2. Relacion entre las transformadas de Fourier y Laplace . . . . . . . 91
4.3. Ejemplos de la transformada de Laplace . . . . . . . . . . . . . . . 92
4.4. Region de convergencia . . . . . . . . . . . . . . . . . . . . . . . . 95
4.5. Polos y ceros en el plano S . . . . . . . . . . . . . . . . . . . . . . . 101
4.6. Transformada de Laplace inversa . . . . . . . . . . . . . . . . . . . 106
4.7. Propiedades de la transformada de Laplace . . . . . . . . . . . . . 107
4.8. Funcion de transferencia . . . . . . . . . . . . . . . . . . . . . . . . 108
4.9. Transformada de Laplace unilateral . . . . . . . . . . . . . . . . . . 113
INDICE GENERAL IX
7. Transformada Z 193
7.1. Transformada de Laplace de tiempo discreto . . . . . . . . . . . . . 193
7.2. Transformadas de Laplace y Fourier de tiempo discreto . . . . . . 195
7.3. Transformada Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
7.3.1. Definicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
7.3.2. Region de convergencia . . . . . . . . . . . . . . . . . . . . 199
7.4. Propiedades de la transformada Z . . . . . . . . . . . . . . . . . . . 201
7.5. Polos y ceros en el plano Z . . . . . . . . . . . . . . . . . . . . . . . 203
7.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
X INDICE GENERAL
Bibliografa 257
XII INDICE GENERAL
CAPITULO 1
INTRODUCCION
1.1. Introduccion
1
del latn sign(um): signo, marca, senal, imagen
2
La palabra analisis deriva del griego analy(ein): soltar, escarmenar
1
2 Introduccion
x u = 2u
s Hz = 1/s rad/s
cm 1/cm rad/cm
das 1/das rad/das
m 1/m rad/m
f(t)
f[t]
y
p2 y(t) + a(t)py(t) + b(t)y(t) = c(t).
Las soluciones de estas ecuaciones son la suma de la solucion homogenea,
yh (t), y la solucion particular, yp (t): y(t) = yh (t) + yp (t). La solucion homogenea
es la solucion del sistema donde se han eliminado los terminos que no dependen
de y(t), en el ejemplo esto corresponde a
y
p2 yh (t) + a(t)pyh (t) + b(t)yh (t) = 0.
La solucion particular es una solucion del sistema completo.
La solucion homogenea del primer sistema es
R
a(t) dt
yh (t) = ce
1
b(t) - y(t)
+ a(t)
p = d/dt
a(t)
p = d/dt p = d/dt
donde n = 12 4b a2 . A este caso se le denomina sub-amortiguado. Si p1 y p2
son reales, se llama sobre-amortiguado.
Si p1 = p2 (ambos reales) se tiene
b[n] + y[n]
+
a[n]
-1
z
c[n] + + y[n]
+ +
a[n] b[n]
-1 -1
z z
x(t) y(t)
Sistema
Causal
T t T t
1.6. Causalidad
Un sistema se dice que es causal si para un valor de la variable independiente,
x0 , las salidas de este solo dependen de los valores de las entradas en x < x0 . Este
sistema, cuando es funcion del tiempo, tambien es conocido como no anticipativo,
ya que las salidas del sistema no anticipan valores futuros de la entrada. Los
sistemas fsicos son no anticipativos, ya que en la naturaleza los efectos nunca
preceden a las causas.
Si la entrada f (x) a un sistema lineal se aplica en el instante cero, es decir,
f (x) toma valores distintos de cero solo para x mayor que cero. El sistema es
causal si la salida g(x), en respuesta a la entrada f (x), cumple g(x) = 0 x < 0.
No puede haber una respuesta para valores de x menores al valor en que se
produce la entrada.
Es comun suponer que x = 0 en la posicion o instante en que la entrada deja
de ser cero, de ser as, llamaremos funcion causal (salida de un sistema causal) a
g(x), si
dn
g(x) = 0 y g(x) = 0, para x < 0.
dx
La figura 1.7 muestra un sistema causal con una entrada x(t) y una salida
y(t). El sistema empieza a responder despues del instante T , en el que se presenta
la entrada.
Los sistemas fsicos son siempre causales si la variable independiente es el
tiempo, pero tpicamente no lo son en funcion de la posicion.
por (1.1), donde R es una vecindad con N 2 elementos, en torno al pixel x[m, n].
X x[j, k]
y[m, n] = (1.1)
N2
(j,k) R
Im x
polos cero
Re x
Im x
Re x
(a) Manto (b) Diagrama de polos y ceros
Re y Im y
x x
Mag y y
x x
Re y (Im y) Mag y ( y)
x x
Re f(x) Re f(x)
Im f(x) Im f(x)
x x
(a) Partes real e imaginarias combinadas (b) Partes real e imaginarias separadas
Re y Im y
Im x Im x
Re x Re x
Mag y y
Im x Im x
Re x Re x
Im x
Re x
f(x) f(x)
x x
Re f(x) Re f(x)
Im f(x) Im f(x)
x x
1.8. Simetras
La existencia de simetras facilita el analisis de senales y tpicamente sirven
para comprobar resultados. Veamos algunos conceptos de simetras. Se define
como funcion par aquella que cumple con:
f (x) = f (x) x
f (x) = f (x) x
1.9 Algunas funciones importantes 17
cos x (sen x)
1 1
P (x) = (f (x) + f (x)) e I(x) = (f (x) f (x))
2 2
1.9.1. Sinusoide
La sinusoide es probablemente la funcion mas conocida. La funcion seno y la
funcion coseno, graficadas en la figura 1.15 provienen de las funciones trigonometri-
cas del mismo nombre.
18 Introduccion
d 1
Z
sen x = cos x sen x dx = cos x
dx
y
d 1
Z
cos x = sen x cos x dx = sen x
dx
El area bajo la curva para estas funciones, es decir, la integral definida de
a +, no existe, sin embargo sabemos que esta acotada en el rango 1 a 1.
Convendremos en que el valor de esta integral es cero. Esta decision es motivada
por el area debajo de la curva e(x) sen x, donde e(x) es una envolvente par, por
2
ejemplo, e(x) = ex o e(x) = u(x) (ver definicion en seccion 1.9.7). Como se
vera mas adelante, el considerar el area bajo el seno (y el coseno) como cero tiene
algunas ventajas desde el punto de vista operativo.
Z Z
! !
sen x dx = cos x dx = 0
f (x) = ei2x
1.9 Algunas funciones importantes 19
real
imag
con i = 1, es una generalizacion de las funciones sinusoidales. De hecho, por
Euler, se tiene que
ei2x = cos 2x + i sen 2x.
La importancia de esta funcion radica en que es la base para la transformada
de Fourier, y es una forma de incluir senos (funcion impar) y cosenos (funcion
par) en la misma funcion.
Las figuras 1.16 y 1.17 grafican la exponencial compleja. Notese que el sentido
de giro es contrario a los punteros del reloj al avanzar en el sentido +x. Para
cambiar el sentido de giro se debe cambiar el signo del exponente (i2x). La
amplitud se mantiene constante en 1 y la fase vara linealmente con x.
1.9.3. Gauss
Definiremos la funcion Gauss como
2
Gauss(x) = ex
1 2 2
Normal(x) = ex /2 .
2
20 Introduccion
real
1
imag
1
1
x
Gauss(x)
1
x
La derivada de Gauss es
d 2
Gauss(x) = 2xex
dx
y su integral
x
1
Z
2
et dt = erf x
0 2
donde erf es la funcion de error estadstica definida como
Z x
1 2
erf x = et dt
0
1.9.4. Uno
La funcion uno, 1(x) es una funcion constante que vale uno para cualquier
valor de la variable independiente. Se define como
1(x) = 1.
1.9.5. Triangulo
La funcion triangulo, que se muestra en la figura 1.19 se define como
1 |x| si |x| < 1
(x) =
0 si |x| 1
1.9 Algunas funciones importantes 23
Triang(x)
1
x
1.9.6. Impulso
El impulso (x) no es, en estricto rigor, una funcion matematica, pero si se
observan algunas precauciones se puede emplear como si lo fuera.
24 Introduccion
rect(x)
1.9.7. Rect
La funcion Rect es una funcion discontinua definida como
1 si |x| < 1/2
u(x) =
0 si |x| > 1/2
sinc(x)
1
x
si |x| < 1
1 2
1 1+
si 2 < |x| < 1+
1
u (x) = 2 |x| 2
0 si |x| < 1+
2
y se define
u(x) = lm u (x).
0
1.9.8. Sinc
La funcion sinc (fig. 1.22), o funcion de filtraje o interpolacion, se define como
sen x
sinc x =
x
La importancia de esta funcion proviene del hecho que es la transformada
de Fourier del rect (la transformada de Fourier se trata en el captulo 3). Esto
implica, entre otras cosas, que: una senal que tiene forma de sinc es de ancho
de banda limitado; la respuesta al impulso de un filtro pasa bajos perfecto es un
26 Introduccion
asinc(x)
sinc; y que la mejor interpolacion que se puede hacer para obtener una muestra
donde no la hay es con un sinc.
La funcion sinc cruza por cero en |x| = 1, 2, 3..., su valor en el origen es uno
y el area total bajo la curva es tambien uno.
sen cos
sinc 0 = lm = lm =1
0 0
Z
sinc x dx = 1
1.9.9. Asinc
La funcion asinc (fig. 1.23) se define como
sen x(2N + 1)
asincN (x) =
sen x
y corresponde a una funcion sinc que ha sido aliada (ver seccion 6.6.1), es decir,
esta formada por la suma de funciones sinc, desplazadas en 2N unas de otras.
X
asincN (x) = sinc (x j2N )
j=
Escalon(x)
1
x
1.9.10. Escalon
La funcion escalon o de Heaviside, (x) se define como (fig. 1.24)
1 si x > 0
(x) =
0 si x < 0
d
(x) = (x).
dx
1.9.11. Signo
La funcion signo, sgn(x) se define como (fig. 1.25)
1 si x > 0
sgn(x) =
1 si x < 0
1.9.12. Shah
El impulso es un smbolo que facilita mucho la operacion matematica de tomar
una muestra. Como es natural que se deseen tomar muchas muestras a intervalos
28 Introduccion
sgn(x)
1
x
shah(x)
1
x
1
(x) = [(x + 1/2) + (x 1/2)]
2
3
letra del alfabeto cirlico, ver [3]
1.9 Algunas funciones importantes 29
horq(x)
1
1
x
antihorq(x)
1
1
x
1
(x) = [(x + 1/2) (x 1/2)]
2
Notese que el area total bajo la curva es uno para la horquilla y cero para la
antihorquilla.
1.10. El impulso
1.10.1. Definicion
Es muy comun encontrarse con cantidades fsicas que concentran mucha en-
erga en un instante de tiempo muy breve o en un espacio muy reducido, as es
como sucede con las masas puntuales, cargas puntuales, fuentes de luz puntuales,
fuerzas concentradas, cargas superficiales, etc. Resulta util contar con un smbolo
que sea apropiado para representar estas cantidades y a la vez provea una op-
eratoria matematica. Se define un pulso de area unitaria muy breve e intenso
llamado impulso. Este impulso concentrado e infinitamente fuerte, (x) satisface
las siguientes dos condiciones:
(x) = 0 para x 6= 0
y Z
(x) dx = 1. (1.2)
Hay que hacer notar que el smbolo (x) (empleado por Dirac en vez de
p1 empleado por Heaviside) no es una funcion matematica en estricto rigor, no
obstante, la usaremos como tal; y que la integral (1.2) no es una cantidad con
significado a menos que se establezcan algunas convenciones que nos permitan su
interpretacion. Por ejemplo, lo que la integral (1.2) puede representar es:
1 x
Z
lm u dx.
0
1/
/2 x
Paul Dirac
32 Introduccion
3. Tomar lmite del resultado para que la funcion aproximante tienda al im-
pulso.
f(x)
f(0)/
/2 /2 x
tenemos Z
(x)f (x) dx = f (0),
o tambien Z
(x a)f (x) dx = f (a)
y Z
(x)f (x a) dx = f (a).
La importancia de esta propiedad es que permite extraer el valor de una
funcion en un punto en particular. De ah su nombre: propiedad del cedazo4 .
1/2T 1/2T x
1/2T
1/2T
Generalizar este resultado para cualquier f (x) (derivable en torno a las races)
es trivial:
X (x xn )
(f (x)) =
n
|f 0 (xn )|
1.11. Ejercicios
1. Encuentre la parte par e impar de las siguientes funciones (t y x son reales):
a) f (t) = cos t
b) f (t) = sen t
c) f (t) = t
1
d) f (t) = log(2i) (i =
2 1)
e) f (x) = x
3
f ) f (x) = x
g) f (x) = x
h) f (t) = et
i) f (x) = log x
j ) f (t) = 42
k ) f (x) = u(x)
l) f (x) = u0 (x) (derivada con respecto a x)
m) f (x) = (x)
n) f (x) = 0 (x)
d (x2)2
f (x) = e
dx
3. Es impar una funcion impar de una funcion impar? Que se puede decir de
funciones impares de funciones pares? Y de funciones pares de funciones
impares?
4. Demuestre que Z
sinc x dx = 1
1
1 + (t 1)2
38 Introduccion
lm sen x
8. Defina (x) de dos maneras distintas (como lmite de dos funciones difer-
entes) y pruebe que son equivalentes. Que significa equivalencia en este
caso?
10. Sea
3( |x|)2 x
g (x) = 3
u ( ).
2 2
Emplee g (x) como funcion aproximante de (x) para calcular
Z
00 (x) dx.
11. Calcule Z
0 (x) dx
13. Calcule Z
(x 1) (100x) dx
14. Puede encontrar una solucion general para f [f (x)] = f (x)? Note que
f (x) = sgn(x) es una solucion.
1.11 Ejercicios 39
k (l)
k (l)
(l)
22. Calcule Z
(x/a) u (x/5a) dx
27. Encuentre la salida al sistema discreto de entrada x[n] y salida y[n], descrito
por y[n] = ay[n] + x[n] para la entrada x[n] = an [n]. Con 0 < a < 1 y
real.
En este captulo se introducen tres conceptos que son esenciales para el desar-
rollo de la teora de las senales, estos son: la propiedad de linealidad, la operacion
de convolucion, y la respuesta al impulso.
2.1.1. Linealidad
Sea L{} un operador; f (x), f1 (x) y f2 (x), funciones de la variable x (po-
dra ser el tiempo); y , escalares. Se dice que L es lineal si cumple con las
propiedades de homogeneidad y superposicion:
41
42 Sistemas lineales y convolucion
2.1.2. Invariancia
Una operacion es invariante con respecto a alguna variable, si es que una
traslacion de la entrada en la direccion de esa variable, solo produce una traslacion
en la salida. La operacion es invariante en el tiempo si es que esa variable es el
tiempo.
Formalmente, sea L{f (x)} = g(x) y un desplazamiento en x, L{} se dice
invariante en x si
L{f (x )} = g(x )
e invariante en el tiempo si
L{f (t )} = g(t ).
que no comparar h(t)f (t) con h(tT )f (tT ). La respuesta viene por la definicion
de entrada al sistema. Debo estudiar la respuesta al sistema al atrasar solo la
entrada en este caso el afiche no cambia con el tiempo y no atrasar el
sistema mismo hacer que el sol de la manana brille en la tarde .
2.2. Convolucion
La integral de convolucion de dos funciones f (x) y g(x) esta definida por
Z
{f g}(x) = f ()g(x ) d.
f( ) f*g
g( )
f( ) f*g
g( )
f( ) f*g
g( )
f( ) f*g
g( )
f( ) f*g
g( )
f( ) f*g
g( )
Notando que la propiedad del cedazo (sec. 1.10.2) no es otra cosa que una
convolucion con el impulso, se tiene,
f(x)
h(x, ) = L{(x )}
es decir Z
g(x) = f ()h(x, ) d
Esta ultima ecuacion se conoce como integral de superposicion. Indica que la
salida de un sistema lineal a una senal de entrada cualquiera es la integral de
superposicion de la entrada con la respuesta al impulso.
Si el sistema lineal es tambien invariante en x, se tiene
por lo que Z
g(x) = f ()h(x ) d
2.4. Ejercicios
1. Para los siguientes sistemas, muestre si son o no lineales e invariantes en el
tiempo. La entrada es f (t) y la salida es g(t) con h(t) cualquiera.
a) g(t) = 2f (t)
b) g(t) = f (t) + 2
c) g(t) = f (t) + h(t)
d) g(t) = h(t)f (t)
p
e) g(t) = f (t)
f ) g(t) = |f (t)|
g) g(t) = f (t)cost
h) g(t) = max f (t)
i) g(t) = u(t)f (t)
j ) g(t) = f 0 (t)
a) T = k
b) T = kt
c) T = kt2
d) T = kx(t)
(a) a = x
(b) a = f (x) (la entrada)
4. Se tiene un sistema cuya entrada esta dada por A1 cos 0 t y cuya salida es
A2 cos 20 t. Existe algun sistema lineal que se comporte as? Opcional: Si
existe, encuentrelo.
a) f (t) = sen t
b) f (t) = u(t)
c) f (t) = (t)
d) f (t) = 0 (t)
e) f (t) = (t)
f ) f (t) = (t)
g) f (t) = (t)
2.4 Ejercicios 49
a) u(x) (x)
b) u(x) (x)
c) (x) u(x)
d) (x) (x)
e) {2 u (x/2) + u(x)} u(x)
f) (x) (2x)
f (x) f (x)
f (x) ? f (x) =
A
con A el area total de f (x). Es decir, es la auto-convolucion sin invertir una
de las funciones y normalizada por el area.
Encuentre la parte par e(x) e impar o(x) de f (x) ? f (x).
13. Compare la autocorrelacion de f (x) (x) y de f (x) (f (x) (x) ? f (x) (x) y
f (x) ? f (x)).
15. Suponga dos sistemas lineales e invariantes en cascada. La salida del primer
sistema es la entrada del segundo. Los sistemas estan definidos por sus
respuestas al impulso h1 (t) y h2 (t). Encuentre la respuesta al impulso del
conjunto para los siguientes casos:
a) f (t) = (t)ebt
b) f (t) = sen 3t
c) f (t) = (t) sen 3t
d) f (t) = u( t1
2 )
e) f (t) = (t) 3(t 2) + (t 5)
f ) f (t) = u( t/2
) sen t
a) v1 (t) = A
b) v1 (t) = A cos 0 t/2
c) v1 (t) = A cos 0 t
d) v1 (t) = A cos 20 t
e) v1 (t) = A cos 30 t
2.4 Ejercicios 51
f ) v1 (t) = A cos 40 t
22. Suponga que alguien erroneamente cree que la regla de la cadena se aplica a
la convolucion, (f g)0 = f 0 g + f g0 . Encuentre el error e(x), la diferencia
entre el resultado erroneo y el correcto, si f (x) = u(x) y g(x) = (x).
26. Es p(t) igual a q(t) para todo f (t) si S1 y S2 son lineales e invariantes?
Demuestre su respuesta
52 Sistemas lineales y convolucion
f(t) S1 S2 p(t)
f(t) S2 S1 q(t)
27. Es p(t) igual a q(t) para todo f (t) si S1 y S2 son solo lineales? Demuestre
su respuesta.
28. Es p(t) igual a q(t) para todo f (t) si S1 y S2 son solo invariantes? De-
muestre su respuesta.
29. Se define el sistema nulo como S{f (t)} = 0. Demuestre si el sistema es
o no lineal y si es o no invariante. De ser lineal e invariante encuentre la
respuesta al impulso.
30. Encuentre las funciones a(x), b(x) y c(x) para que la siguiente igualdad sea
verdad.
f (x) [x2 (x)] = a(x)M0 (x) + b(x)M1 (x) + c(x)M2 (x)
donde Mi (x) es el momento de orden i de la funcion f (x), definido por
Z x
Mi (x) = i f ()d
31. Una senal digital es una senal discreta que solo puede tomar dos valores:
1 (verdad) o 0 (falso). Digamos que un sistema digital es lineal cuando
cumple con la misma propiedad que los sistemas continuos pero en la que
se ha sustituido la operacion de multiplicacion () por un y logico ()
y la adicion (+) por un o logico (). Se tiene un sistema digital cuya
entrada es una senal digital y cuya salida es una senal digital que indica
si la cantidad de unos en la entrada, hasta ese momento, es impar o par,
es decir, y[n] = y[n 1] x[n], con la operacion o exclusivo logico
(0 0 = 0, 0 1 = 1, 1 0 = 1, 1 1 = 0).
Demuestre si el sistema digital es o no lineal.
32. Repita el problema anterior, pero para la definicion de linealidad en vez de
sustituir la adicion por o logico se sustituye por o exclusivo logico.
33. Se tiene un sistema de entrada x(t), cuya salida esta dada por y(t) =
E{x(t)g(t)}, donde g(t) = au(t/b), con a una variable aleatoria distribuida
normal de media m y varianza 2 y b una variable aleatoria, independiente
de a, distribuida uniformemente en el intervalo (1, 2).
Demuestre que el sistema es lineal.
2.4 Ejercicios 53
35. Se tiene un sistema mecanico formado por un resorte y una masa (todo
ideal y sin roce) como se observa en la figura.
k
m f(t)
a) Demuestre que para que el sistema sea lineal x(t) = x0 (t) = 0 para t
menor que algun t0 .
b) Si x(t) = x0 (t) = 0 para t 0, encuentre h(t), la respuesta al impulso
del sistema.
f(t) g(t)
*h1 *h2
Si h1 (t) = (t) + sinc t, encuentre h2 (t) de manera que g(t) = f (t) para
cualquier f (t).
37. Sea
x 2 x
f (x) = u( )+ (x) (2x) + ( ) (2x)
4 3 3
a) Grafique f (x), indicando todos los puntos relevantes del grafico.
b) Encuentre F (u), la transformada de Fourier de f (x).
m(t)
I m(t)
+
v(t)
II III v(t)
grabacion
o transmision
La senal m(t) es musica y v(t) es voz de la cual solo interesa grabar frecuen-
cias menores a 4 kHz (calidad telefonica). La senal m0 (t) debe ser identica a
m(t) con la excepcion de las frecuencias menores a 100 Hz (imperceptibles).
La senal v 0 (t) debe ser identica a v(t) para frecuencias menores a 4 kHz y
nula para frecuencias mayores a 4 kHz. Su diseno consiste en describir los
sistemas I, II y III. Los que sean lineales e invariantes los debe describir
empleando la respuesta al impulso o la funcion de transferencia. Los que no
lo sean con alguna formulacion matematica.
42. Suponga que un sistema para fotografiar el firmamento tiene una funcion de
transferencia H(u) = sinc 2 (8u). Esta funcion incluye todas las distorsiones
introducidas por la atmosfera, el sistema optico y el sistema fotografico.
Cual es la mnima separacion (en coordenadas de la fotografa) a la que
pueden estar dos estrellas de manera que se pueda reconocer la presencia
de ambas en la fotografa?
2.4 Ejercicios 55
44. Se tiene un sistema cuya salida a la entrada f (t) es g(t) = max{f (t), f (t
T )}.
S{x(t)} = x(t T )
46. Calcule
cos x
Z
(x) dx
sinc x
50. Se tiene un sistema descrito por y 0 (t) = 2y(t) x(t). La entrada es x(t)
y la salida y(t), con y(0) = y0 . Sea f (t) la salida del sistema si x(t) = 0 y
g(t) la salida del sistema para t >> 0.
a) Encuentre f (t).
b) Encuentre la ecuacion diferencial que desgribe a g(t).
56 Sistemas lineales y convolucion
57
58 Transformada de Fourier
ya que m toma los valores 1, 2, . . . y las integrales en las sumas se hacen cero,
excepto para aquella en que m = k.
Para encontrar bk , se multiplica la expansion en serie de (3.1) por sen m0 x
y se integra en un periodo X0 , con lo que se obtiene analogamente
X0
2
Z
bk = f (x) sen k0 x dx.
X0 0
Estas son las ecuaciones de analisis que permiten obtener los coeficientes a0 ,
ak y bk , dado f (x). Aunque aqu no se ha probado la validez de la expansion de
Fourier, la forma de obtener los coeficientes es valida si esta expansion tambien
3.1 Series de Fourier 59
f(x)
lo es. Para cualquier funcion periodica f (x) de interes practico esta expansion es
usable.
El coeficiente a0 es conocido como valor promedio o componente continua de
la senal f (x); comunmente a0 se puede determinar por simple inspeccion de un
grafico de f (x).
Aprovechando ciertas propiedades de simetra de las funciones se pueden
obtener versiones simplificadas de las integrales.
Si f (x) es par, o sea,
f (x) = f (x),
se puede simplificar las expresiones para ak y bk usando como intervalo de inte-
gracion (X0 /2, X0 /2), y gracias a que f (x) es simetrica en torno a x = 0. Se
prueba facilmente que
Z X0 /2
4
bk 0, ak f (x) cos k0 x dx
X0 0
X0
2
Z
2
a0 = f (x) dx
X0 0
Si f (x) es impar, es decir,
f (x) = f (x)
Ejemplo 3.1.1 Consideremos la senal periodica f (x) dada por la figura 3.1. Por
inspeccion del grafico, podemos decir que f (x) tiene un valor promedio de A/2;
la senal vale A la mitad del tiempo, y la otra mitad vale cero. Luego
A
a0 =
2
60 Transformada de Fourier
2 X/4
Z k0 X/4
2
Z
ak = A cos k0 xdx = A cos x dx.
X X/4 Xk0 k0 X/4
Pero como
0 X = 2,
se tiene
+k/2
1 2A k
Z
ak = A cos x dx = sen = A sinc k/2.
k k/2 k 2
Finalmente, la expansion de f (x) es
A X
f (x) = + ak cos k0 x,
2
k=1
con
sen k/2
ak = A
k/2
= A sinc k/2.
donde p
r= p2 + q 2 , tan = q/p,
sobre cada par seno-coseno de la expansion, resulta
X
f (x) = A0 + Ak cos(k0 x + k ).
k=1
fk (x) = Ak cos(k0 x + k )
Una forma mas compacta se logra con notacion compleja y el uso de expo-
nenciales complejas. Expresando los senos y cosenos con las formulas de Euler:
1 ix
cos x = (e + eix ),
2
1 ix
sin x = (e eix ),
i2
se tiene que la armonica de ndice k es
ak ik0 x bk
fk (x) = (e + eik0 x ) + (eik0 x eik0 x )
2 i2
1 1
= (ak ibk )eik0 x + (ak + ibk )eik0 x .
2 2
Se definen los coeficientes asociados a las exponenciales, como
donde se establece por primera vez la expresion de una funcion cualquiera como suma
de exponenciales sinusoidales.
Fue Cauchy en su trabajo Theorie de la propagation des ondes de 1816 el primero
en establecer explcitamente la transformada de Fourier.
Z
sen k0 x dx = 0, k = 0, 1, 2, . . . (3.3)
X0
Z
0, k = 1, 2, . . .
cos k0 x dx = (3.4)
X0 X 0 , k =0
Z
m = 0, 1, 2, . . .
sen m0 x cos k0 x dx = 0, (3.5)
X0 k = 0, 1, 2, . . .
Z
0, m 6= k
sen m0 x sen k0 x dx = (3.6)
X0 X0 /2, m = k
Z
0, m 6= k
cos m0 x cos k0 x dx = (3.7)
X0 X0 /2, m = k
T0Fk
f(t)
1
kw0
1 T0 t
T1Fk
f(t)
1
kw1
1 T1 t
F(u)
f(t)
1
u
1 t
cio
Aperidica Peridica
pa
Es
Aperidica
Continua
FT DFFT
DTFT DFT
Discreta
Peridica
ia
nc
Continua Discreta
ue
ec
Fr
Figura 3.3: Transformada de Fourier
x x x
Re W(x)
Re W(x)
Im W(x) Im W(x)
x x
que a su vez es
F (u) = FC (u) iFS (u).
donde FC (u) es la transformada coseno de la parte par de f (x) y FS (u) es la
transformada seno de la parte impar de f (x), ambas transformadas definidas en
la seccion 8.1.1.
Dado que las funciones W (x) = ei2ux constituyen una base ortonormal
de funciones (fig. 3.4), existe una transformada inversa, es decir, una formula
que a partir de la transformada de Fourier permite encontrar la funcion original
(ecuacion de sntesis). La transformada inversa de Fourier es
Z
f (x) = F (u)ei2ux du.
lo que ocurre cuando f (x) cumple con las condiciones de Dirichlet1 , las condi-
ciones de existencia de la transformada de Fourier. No es la intencion de este libro
abordar el tema de las condiciones matematicas que debe cumplir f (x) para que
exista transformada de Fourier, solo se dira que para senales fsicas (senales que
se pueden medir en la naturaleza), siempre se cumpliran.
es decir, la transformada de Fourier del impulso es una funcion constante que vale
1, independientemente de la frecuencia. En otras palabras, si se suman senos y
cosenos de todas las frecuencias posibles (infinitas) se obtiene la funcion impulso.
Intuitivamente, esto no es tan raro. Pensemos en los cosenos. En una posicion x 6=
0 los cosenos van a tomar todos los posibles valores entre -1 y 1, dependiendo de
la frecuencia del coseno. Como las frecuencias estan uniformemente distribuidas
la suma de estos valores se cancela y se obtiene cero. El unico lugar de x para
el cual no se produce cancelacion es para x = 0, ya que el coseno siempre vale
1, independientemente de la frecuencia. La suma, por lo tanto, es infinito en el
origen (fig. 3.16). Para verificar que la funcion obtenida es el impulso, solo falta
mostrar que la integral bajo la curva vale 1.
1
R
|f (x)|dx < , f (x) tiene un numero finito de maximos y mnimos, y un numero finito
de discontinuidades en cualquier intervalo finito.
68 Transformada de Fourier
gauss(x) gauss(u)
x u
rect(x) sinc(u)
x u
sinc(x) rect(u)
x u
sinc^2(x) triangulo(u)
x u
1(x) delta(u)
x u
cos(x)
horquilla(u)
x
u
La segunda integral es cero, porque el producto de una funcion par con otra
impar es impar, por lo que la integral desde a + es cero. La primera
integral es distinta de cero solo para valores de u igual 1/2, donde la integral
toma un valor infinito. Esta funcion corresponde a dos impulsos de magnitud 1/2
ubicados justamente en las frecuencias correspondientes a la armonica. Es decir,
1 1 1 1
cos x (u) = (u ) + (u + )
2 2 2 2
sen(x) i*antihorquilla(u)
x u
shah(x) shah(u)
x u
exp((abs(x))
x u
2
Figura 3.13: e|x| 1+(2u)2
escalon(x)
sgn(x)
i
Figura 3.15: sgn(x) u
3.4 Simetras de la transformada de Fourier 71
es decir
u(x) sinc u.
Notando que e(x) sen(2ux) y o(x) cos(2ux) son funciones impares en termi-
2
Usaremos e(x) y o(x), del ingles even y odd en vez de P (x) e I(x) para reservar las
mayusculas
para las transformadas. Tampoco podemos usar i(x) porque i lo reservamos para 1.
72 Transformada de Fourier
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Finalmente
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im (F(u))
x u
Si f (x) = g(x) + ih(x), con g(x) y h(x) pares (f (x) compleja par), se tiene:
1. Dualidad
F (x) f (u)
2. Linealidad
Si a y b son constantes (reales o complejas) se tiene:
rect
t u
rect(at)
u
t
Re f(t)
Im f(t)
rect
Re f(t)
Im f(t)
rect(ta)
g(t) G(u)
t u
x
*
t
u
gm[n]
=
G(u)
=
t
u
f (x a) ei2au F (u)
5. Convolucion
f (x) g(x) F (u)G(u)
6. Producto
f (x)g(x) F (u) G(u)
1 w 1 w
f (x)cos(wx) F (u ) + F (u + ) = F (u) ( u)
2 2 2 2 w w
8. Teorema de la Potencia
Z Z
f (x)g (x) dx = F (u)G (u) du
10. Autocorrelacion Z
f ()f (x + ) d |F (u)|2
11. Derivada
f 0 (x) i2uF (u)
Q(u)
H(u) =
P (u)
3
Equivalente al teorema de Parseval para series de Fourier
3.7 Ejercicios 79
3.7. Ejercicios
1. Encuentre y grafique los coeficientes de Fourier para las siguientes funciones:
a) T (2x/T ) (x/T )
b) T (2x/T ) (x/T 1/2)
c) T x u (x/T ) (x/T )
d) T x u (x/T ) (x/T 1/2)
e) T x u (x/T ) (x/T )
f ) T | cos x/T | u (x/T ) (x/T )
a) f (x) = cos 0 x
b) f (x) = 1
c) f (x) = (x)
d) f (x) = (x) sen 0 x
e) f (x) = (x) cos 0 x
f ) f (x) = (x)ex sen 0 x
80 Transformada de Fourier
10. Demuestre que J0 (x) no tiene componentes de frecuencia mayores que 1/2,
donde J0 es la funcion de Bessel de primer tipo de orden cero.
sen x
a) x
sen Ax 2
b) Ax
2
c) ex
d) (Ax)
e) eix
f ) (x 1)
g) u(x)sgnx
2
17. Encuentre la transformada de Fourier de xex .
(a) u = 1/2
(b) u = 1/4
19. Una senal de audio (limitada a 10 KHz) se graba en una cinta. La salida del
tocacinta es alimentada a un modulador (multiplicador por coseno) de una
frecuencia portadora de 1 MHz. Antes de transmitir, la senal es amplificada
por un amplificador pasabanda. Calcule el ancho de banda del amplificador
necesario si
21. Veamos como funciona el siguiente sistema para hacer Karaoke. La idea es
que no se escuche la voz, manteniendo lo mas posible de los instrumentos.
Supongamos que para un momento en particular, se puede modelar el sonido
de los instrumentos como finst (t) = 4 sinc 2t + 20 sinc 20t y la voz como
fvoz (t) = 4 sinc 2 t cos(10t). La senal, que es la suma de los instrumentos
mas la voz, se pasa por un filtro cuya respuesta al impulso es h(t) = (t)
4 sinc (2t) cos(10t). Calcule la proporcion de energa proveniente de los
instrumentos que se pierde en el filtro. La energa de una senal se define
como f 2 (t)dt.
R
22. Sea F (u) = ea u (1 u) la transformada de Fourier de f (x). Calcule f (x)
(x) evaluada en y +. Es decir, calcule
lm f (x) (x)
x
y
lm f (x) (x)
x
a)
1 x
lm u ( ) {(x + a/2) (x a/2)}
a0 a2 a
b)
1 x
lm 3
u ( ) {(x + 2a) 2(x) + (x 2a)}
a0 8a 2a
24. Sea f (x) una funcion real. Demuestre que
(a) u = 1/2
(b) u = 1/4
29. Se define una nueva transformada continua que emplea la siguiente base
u(u)ei2ux .
Diga que condiciones debe cumplir la senal f (x) para que su transformada
tenga inversa. Cual es la inversa en ese caso?
32. El circuito de la figura representa el modulo alfa. El modulo alfa esta com-
puesto por un retardo de T , dos integradores y un multiplicador por
1/T , conectado como se indica en la figura. Si se conectan 5 modulos
alfa en cascada, cuanto debe ser el retardo T para que la frecuencia de
0,1 Hz sea atenuada a la mitad, es decir, para que la magnitud de una sinu-
soide de 0,1 Hz a la salida del quinto modulo sea la mitad de la magnitud
de esa sinusoide a la entrada del primer modulo?
Int + 1
retardo
Int
33. Se desea emplear una serie finita de Fourier, SN (x), para aproximar una
funcion f (x) en el rango T /2 < x < T /2, es decir,
N
a0 X
f (x) SN (x) = + (ak cos k0 x + bk sen k0 x)
2
k=1
1
xu
4
donde la dispersion x en x esta dada por
Z
2 1
(x) = (x x)2 |f (x)|2 dx
||f ||2
3.7 Ejercicios 85
36. Alicia propone un sistema para reducir los tonos altos de una grabacion
en CD. El sistema consiste en convolucionar (linealmente) las muestras de
audio con h[n] = n1 (1 1 ... 1), es decir, el promedio movil de n muestras.
En un CD, el audio es muestreado a 44 kHz. Si la grabacion consiste de un
tono puro (f [n] = f (nT ), con f (t) = cos(2ut)) de frecuencia u y amplitud
maxima unitaria, interesa conocer la amplitud maxima, P (u, n), de la salida
del sistema, g[n] = f [n] l h[n] en funcion de u y n. Puede suponer que la
primera muestra se toma en t = 0 y que no interesa el transiente.
x(t) y(t)
h1 + h2
n(t)
40. Sea f (x) una funcion par y real, y sea G(u) la transformada de Fourier de
f (x a). Encuentre Z
Im{G(u)} du
42. Encuentre dos funciones diferentes, f1 (x) y f2 (x) que cumplan con la sigu-
iente condicion: Z
fi (x)dx = Fi (1).
89
90 Transformada de Laplace
po
em
Aperidica Peridica
Ti
T. de Laplace
Aperidica
Continua
FT DFFT
DTFT DFT
Discreta
Peridica
ia
nc
Continua Discreta
ue
ec
Fr
Figura 4.1: Clasificacion de las transformadas segun periocidad y continuidad
es razonable pensar en una envolvente de esta funcion para que sus valores tien-
dan a cero para tiempos lejanos (aproximando a y +). La exponencial
es especialmente apta para esto. Muchas funciones que no cumplen con (4.1)
s cumpliran con la condicion
Z
|f (t)et | dt < . (4.2)
Abs L(f(t))
Im s
Re s
Z Z
t i2ut
F (, u) = f (t)e e dt = f (t)e(+i2u)t dt
Im s
Re s
Z
F (s) = (t)est dt
Z
= est dt
0
est
=
s 0
1
= Re{s} > 0
s
Ejemplo 4.3.2 Un caso un poco mas interesante y que tiene mucha aplicabilidad
debido a la gran cantidad de sistemas lineales que tienen una respuesta al impulso
de este tipo, es la funcion exponencial para valores del argumento mayores que
94 Transformada de Laplace
Im s
Re s
Las figuras 4.4 y 4.5 grafican la region de convergencia como un semi-plano dere-
cho en el espacio s para Re{s} > a. Si a es positivo (fig. 4.4), o sea, el lmite
de la region de convergencia esta a la izquierda del eje imaginario, la transfor-
mada de Fourier existira, ya que esta es la transformada de Laplace evaluada
en = 0, que esta dentro de la region de convergencia. Si a < 0 (fig. 4.5), la
transformada de Fourier no existe ya que el eje imaginario esta fuera de la region
de convergencia de la transformada de Laplace.
Im s
Re s
Re f(t)
Re f(t) Re f(t)
Im f(t)
Im f(t) Im f(t)
t t
t t t
Re f(t) Re f(t)
Re f(t)
Im f(t)
Im f(t) Im f(t)
t t
Im f(t)
1
Re f(t) Re f(t)
1
Im f(t) Im f(t)
Re f(t)
t t
(t) 1 0<
s
t (t) 1 0<
s2
(t) 1 s
0 (t) s s
(t) cosh( 12 s) s
(t) senh( 12 s) s
f(t)
e|t| et = e(1+)t
expresion que converge para > 1.
Para t < 0 (figura 4.9) tenemos que
et et = e(1)t
Im s
Re s
es decir
1/2
est
F (s) =
s 1/2
es/2 es/2 1
F (s) = + = (es/2 es/2 ),
s s s
senh( 12 s)
F (s) = 1 s
2s
luego
Z Z
st
|F (s)| |g(t) (t a)e | dt = |g(t) (t a)|et dt
M e(0 )a
Z
|F (s)| < M e(0 )t dt = , > 0
a 0
1 1 2s + 3
F (s) = + = 2
s+1 s+2 s + 3s + 2
donde Re{s} > 1. Los polos estan dados por las races del denominador s = 1
y s = 2, y los ceros por la raz del numerador s = 3/2 (figura 4.11).
1
H(s) =
(s + 1)(s + 2)
puede representar diferentes sistemas dependiendo de la region de convergencia
102 Transformada de Laplace
Im s
1.5
2 1 Re s
segun se muestra en la figura 4.12. Los sistemas que se obtienen son los siguientes
(et e2t ) (t) para el primer caso
(et e2t ) (t) para el segundo caso
et (t) e2t (t) para el tercer caso
Para sistemas de segundo orden (seccion 1.5), los polos seran ambos reales
o complejos conjugados. Si ambos son reales y distintos, el sistema es sobre-
amortiguado. Si son iguales, sera crticamente-amortiguado. Y si son complejos
conjugados sera sub-amortiguado.
4.5 Polos y ceros en el plano S 103
f(t)
Im s
2 1 Re s
t
f(t)
Im s
2 1 Re s
t
f(t)
Im s
2 1 Re s
t
1
Figura 4.12: Regiones de convergencia para (s+1)(s+2) y sus respectivas transfor-
madas de Laplace inversas
104 Transformada de Laplace
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
1. Similitud
1 s
f (at) F < <
|a| a a
En particular, si a = 1 se tiene
2. Linealidad
af1 (t) + bf2 (t) aF1 (s) + bF2 (s) max(1 , 2 ) < < mn(1 , 2 )
3. Desplazamiento
4. Convolucion
5. Multiplicacion
c+i
1
Z
f1 (t)f2 (t) F1 ()F2 (s ) d 1 + 2 < < 1 + 2
i2 ci
1 < c < 1
2 < c < 2
6. Modulacion
La modulacion es un caso especial de la propiedad de multiplicacion, uno
muy importante por cierto.
1 1
f (t) cos t F (s i) + F (s + i) <<
2 2
108 Transformada de Laplace
7. Autocorrelacion
8. Diferenciacion
f 0 (t) sF (s) <<
9. Integracion
t
1
Z
f () d F (s) max(0, ) < <
s
1
Z
f () d F (s) < < mn(0, )
t s
Respuesta al impulso
x(t) x(t)*h(t)
*h(t)
Funcin de transferencia
X(s) X(s)H(s)
H(s)
+ +
C
V1(t) V2(t)
i(t)
- -
i(t)
V20 (t) =
C
luego
1 t/(RC)
Z
V2 (t) = e V1 (t)et/(RC) dt.
RC
110 Transformada de Laplace
1 t/RC
Z
h(t) = V2 (t) = e (t)et/RC dt,
RC
que por la propiedad del cedazo es
1 t/RC
h(t) = e ,
RC
valido para t > 0, es decir,
1 t/RC
e
h(t) = (t).
RC
Aplicando la transformada de Laplace podemos obtener la funcion de trans-
ferencia del sistema.
En vista de
1
et (t)
s+1
con Re{s} > 1, se tiene
1 t/RC 1
e (t)
RC 1 + RCs
es decir, la funcion de transferencia es
1
H(s) =
1 + RCs
La figura 4.18 muestra H(s) en funcion de u.
y 00 + ay 0 + by = cx0 + dx,
u u
Y (s)(s2 + as + b) = X(s)(cs + d)
cs + d
Y (s) = X(s)
s2 + as + b
Y (s) = H(s)X(s)
con
Y (s) cs + d
H(s) = = 2
X(s) s + as + b
Debido a que la transformada involucra una integral de a +, en la
funcion de transferencia no estan consideradas las condiciones iniciales. S se
incluyen en la transformada de Laplace unilateral que veremos mas adelante.
Ejemplo 4.8.2 Se tiene el sistema mecanico de la figura 4.19, el cual esta con-
stituido por una masa m unida a un resorte de constante k y sometida a una
fuerza de roce fr , proporcional a la velocidad con constante .
Este sistema da origen a la siguiente ecuacion diferencial:
d2 y dy
m 2
+ + ky = r(t),
dt dt
112 Transformada de Laplace
111111111
000000000
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111 111
000
0
1
k
000000000
111111111 0
1
y1
0
000000000
111111111
000000000 1
111111111 0
1
0
0
1 000000000
111111111 0
1
0
1 000000000 1
111111111 0
0
1
fr1
0 000000000
111111111
000000000
111111111
0
1
0
1 000000000
111111111
000000000
111111111
M
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
es decir
1 1/M
H(s) = = 2
M s2 + s + k s + s/M + k/M
Supongamos para poder graficarla, que k = 1, m = 0, 5 y = 1, 5, con lo que se
tiene
2
H(s) = ,
(s + 1)(s + 2)
empleando la transformada de Laplace inversa de la funcion de transferencia se
tiene la respuesta al impulso (fig. 4.20)
h(t)
0.5
1 2 t
R
t=0
+
+
C
V(t)=1 V VL(t)
i(t)
-
-
luego
L1 {f 0 (t)} = sF1 (s) f (0)
En general
L1 (f (n) (t)) = sn F1 (s) (f (n1) (0) + sf (n2) (0) + ... + sn2 f 0 (0) + sn1 f (0)).
F (s) 1 0
Z Z
L1 { f (t) dt} = + f (t) dt
s s
Ejemplo 4.9.1 La figura 4.21 muestra un circuito electrico RLC serie provisto
de una fuente de tension continua y un interruptor que es cerrado en t = 0
(R = 5[], L = 1[H] y C = 1/6[F ]).
4.9 Transformada de Laplace unilateral 115
i(0) = 0[A]
VC (0) = 6[V ]
y la ecuacion diferencial que representa al circuito (valida con el interruptor
cerrado) es
di(t)
Z
+ 5i(t) + 6 i(t) dt = V (t) = (t),
dt
aplicando transformada de Laplace unilateral
Z 0
6 1
[sI(s) i(0)] + 5I(s) + I(s) + i(t) dt =
s s
R0
donde C1 i(t)dt es el voltaje inicial en el condensador (t = 0).
Z 0
2
s I(s) + 5sI(s) + 6I(s) = 1 + si(0) 6 i(t) dt
I(s)(s2 + 5s + 6) = 1 + 6
7
I(s) = 2
s + 5s + 6
separando en fracciones parciales
7 7
I(s) =
s+2 s+3
y aplicando la transformada de Laplace inversa se tiene
Bajo la suposicion de que f (t) es una funcion causal y que f (t) no contiene
impulsos o funciones singulares en el origen se puede calcular el valor de f (0+ )
(valor inicial, se denota con 0+ para indicar que ocurre inmediatamente despues
del cero y no en el transiente) directamente a partir de la transformada de Laplace,
con
f (0+ ) = lm sF (s)
s
y por otra parte el valor de f (t) cuando t (valor final) es
lm f (t) = lm sF (s)
t s0
116 Transformada de Laplace
4.10. Ejercicios
1. Encuentre la region de convergencia de la transformada de Laplace para las
siguientes funciones (basta inspeccionar la funcion, no es necesario encontrar
la transformada completa):
a) (t)
b) t (t)
c) t2 (t)
d) tet (t)
e) 3e2t (t)
f ) u(t)
g) e t (t)
h) (1 + t2 )1
i) (1 + t3 )1 (t)
j ) (1 + t3 )1
k ) (log t) (t)
l) sgn(t)
m) log t
n) t1 u (t)
n) t1
o) (t)
a) (et et ) (t)
b) e|t|
c) (et et ) (t)
d) u(t)
e) u(t 1/2)
f ) (t)
4.10 Ejercicios 117
x(t) y(t)
+ Integral
-
Retardo T
11. Si dos sistemas causales tienen respuestas al impulso h1 (t) y h2 (t) cuyas
transformadas de Laplace son H1 (s) y H2 (s), se dicen inversos si la re-
spuesta al impulso del sistema resultante de colocarlos en cascada es (t).
En general, cual es la relacion que debe existir entre H1 (s) y H2 (s)? Si
la respuesta al impulso de los dos sistemas decae en forma exponencial con
el tiempo, que puede decir de la ubicacion de los polos y ceros de H1 (s)? Si
h1 (t) = (t)(1 e2t ) encuentre H2 (s) y h2 (t). Grafique h1 (t), h2 (t) y el
diagrama de polos y ceros para H1 (s) y H2 (s).
12. Resuelva las siguientes ecuaciones diferenciales para y(t), (t > 0), sujetas a
las condiciones iniciales y(0+ ), y 0 (0+ ), ...
a) y 0 (t) + 2y(t) = 1
b) y 0 (t) + 2y(t) = 0
c) 3y 0 (t) y(t) = sen t
d) y 00 (t) + 2y 0 (t) + y(t) = 2
e) y 00 (t) + 2y(t) = 1
f ) y 00 (t) + 2y 0 (t) = sen t
g) y 00 (t) + 2y 0 (t) + 3y(t) = cos t
13. Encuentre las funciones causales que tienen las siguientes transformadas de
Laplace. Indique cual es la region de convergencia.
a)
1
F (s) =
s(s + 1)
b)
s+1
F (s) =
(s + 2)(s + 3)
4.10 Ejercicios 119
c)
es
F (s) =
s1
d)
(s + 3)(s + 4)(s + 5)
F (s) =
(s + 1)(s + 2)
e)
s
F (s) =
(s + 1)2 (s + 2)
15. Se tiene un sistema, de entrada f (t) y salida g(t), gobernado por la ecuacion
diferencial
g000 (t) g00 (t) + g0 (t) g(t) = f 0 (t) Af (t).
a)
G(s) = F (s)
u
b)
G(s) = F 0 (s)
c)
c+i2u
1
Z
G(s) = F () d (c Region de convergencia)
i2 ci
120 Transformada de Laplace
eT esT
F (s) = , > .
s+
N (s) n0 + n1 s + n2 s2 +
H(s) = = .
D(s) d0 + d1 s + d2 s2 +
4.10 Ejercicios 121
23. Encuentre cualquier funcion f (x) que tenga el siguiente diagrama de polos
en el plano s (los 16 polos estan uniformemente repartidos en la circunfer-
encia unitaria) y cuya region de convergencia es > 1.
1
28. La transformada de Laplace (LT) de f (t) = et (t) es F (s) = s+1 con
> 1. Si hacemos la division larga, se tiene
1
= s1 s2 + s3
s+1
X
= (1)k sk = G (s)
k=1
El lado derecho siguie siendo la LT de f (t), pero ahora con > 0, de manera
que cada sk tiene una LT inversa. Si quisieramos aproximar F (s) con n
terminos, se tiene
F (s) = Gn (s) + R(s)
30. Encuentre una funcion del tiempo f (t) cuya transformada de Laplace tenga
los polos y region de convergencia que se indica.
a) Encuentre f (t).
b) Obtenga la transformada de Fourier de f (t).
37. Se tiene un sistema lineal, invariante y causal formado por dos subsistemas
de primer orden en cascada. Uno de ellos tiene un polo en a < 0 y el otro
en b < 0 (a 6= b). La respuesta al escalon de ambos subsistemas en t
es 1. Encuentre la respuesta al escalon del sistema total.
125
126 Muestreo, sistemas lineales y convolucion discreta
5.1. Muestreo
El proceso de convertir una senal continua en una discreta se conoce como
muestreo, es decir, consiste en obtener muestras, un numero finito de ellas (o por
lo menos numerable), de una funcion continua. Es corriente que las muestras sean
tomadas a distancias o intervalos regulares. Por ejemplo, si la funcion continua
es f (x) y el intervalo de muestreo con el que se obtuvo las muestras f [n] es T ,
las muestras seran obtenidas en los valores x = nT .
Si las muestras tienen un valor igual al valor de la funcion continua, evaluada
en la posicion de la muestra, es decir, f [n] = f (nT ), el muestreo se conoce como
muestreo de amplitud. Esta operacion esta estrechamente ligada a la propiedad
del cedazo del impulso (seccion 1.10.2),
Z
(x nT )f (x) dx = f (nT ),
que indica que (x nT )f (x) tiene un area bajo la curva de f (nT ), es decir, el
impulso (x nT )f (x) tiene una magnitud igual a f (nT ). Esta propiedad nos
permite establecer un nexo entre las funciones continuas y discretas. Se puede
decir que una funcion discreta es la secuencia que forman las magnitudes de un
tren de impulsos. Llamaremos fs (x) a tal tren de impulsos. Notese que fs (x) es
una funcion continua que vale cero en todo el dominio, excepto en las posiciones
de las muestras,
X
fs (x) = f (x)(x nT )
n=
1 x
= ( )f (x).
T T
La funcion shah es conocida, por esto, como la funcion de muestreo. En este
caso 1/T (x/T ) representa un tren de impulsos unitarios (el factor 1/T se explica
5.2 Convertidor analogo digital 127
f(x)
1/T Shah(x/T)
x
f[n]
=
(1 2 4 3 2) l (1 2 2) = (1 4 10 15 16 10 4)
(1 2 4 3 2) l (1 2 2) = (1 4 10 15 16 10 4)
(1 2 4 3 2) l (1 2 2) = (1 4 10 15 16 10 4)
Evidentemente la convolucion lineal diverge. Dado que las senales periodicas son
naturales para el analisis de senales discretas, es necesario definir la convolucion
de ellas.
La convolucion de senales discretas se conoce como convolucion cclica. Sea
f [n] una secuencia de largo P y g[n] una secuencia de largo Q, con P Q. Se
define la convolucion cclica como
Q1
X
f [n] g[n] = f [n m|P ]g[m]
m=0
y
h[n] = f[n] g[n]
donde h[n], f[n] y g[n] tienen periodos iguales a h[n], f [n] y g[n] respectivamente.
f[n] = ( 1, 4 1, 1 0, 4 0, 0 0, 1 0, 2 0, 4 0, 2 0, 3 0, 9
1, 1 0, 9 0, 6 0, 6 1, 1 1, 7 2, 1 2, 0 1, 7 1, 6)
y la funcion asinc
g[n] = ( 6, 5 2, 8 1, 3 0, 2 0, 8 0, 5 0, 2 0, 6 0, 3 0, 2
0, 5 0, 2 0, 3 0, 6 0, 2 0, 5 0, 8 0, 2 1, 3 2, 8)
es
La figura 5.2 muestra una representacion grafica en que las senales son dispuestas
en forma circular (de ah el nombre cclica).
(a) f [n]
(b) g[n]
Figura 5.2: convolucion cclica (c) entre un asinc (b) y una funcion cualquiera
(a)
132 Muestreo, sistemas lineales y convolucion discreta
Sea f [n] la senal de entrada al sistema lineal discreto L{}. La salida g[n]
estara dada por
g[n] = L{f [n]},
pero f [n] puede ser descompuesta como
X
f [n] = f [m][n m],
m=
de manera que la respuesta del sistema a la funcion delta, h[n, m] = L{[n m]}
(para todos los valores de n y m) es suficiente para definir el sistema por completo:
X
g[n] = f [m]h[n, m].
m=
por lo que
X
g[n] = f [m]h[n m].
m=
5.6 Respuesta al impulso 133
Esta ultima ecuacion es una convolucion lineal de las funciones f [n] y h[n],
5.7. Ejercicios
1. Muestre que una funcion periodica p(t) de perodo unitario siempre puede
ser expresada en la forma (t) f (t) de infinitas maneras. Relacione esto
con el hecho que infinitas funciones distintas pueden compartir el mismo
conjunto de muestras.
a) (1 2 1) (1 2 1)
b) (1 2 1) l (1 2 1)
c) (1 1) l (1 1 1 4 1 1 1)
d) (1 1) l (1 1 1 4 1 1 1)
e) (1 0 1 0) (0 1 0 1)
f ) (1 0 1 0) l (0 1 0 1)
g) (1 1) l (1 1) l (1 1)
h) (1 1) l (1 1)
i) (1 1) l (1 1) l (1 1)
j ) (1 0 0 0 0) (1 2 3 4 5)
k ) (0 0 0 0 1) (1 2 3 4 5)
5. Conecte uno o mas (los menos posibles) de los siguientes bloques para re-
alizar una convolucion cclica discreta entre f [n] y g[n], ambas de largo
N.
h es la correlacion discreta lineal entre f y g.
g es una secuencia con los mismos elementos que f pero en orden
inverso.
5.7 Ejercicios 135
8. Se tiene una senal discreta f [n] que corresponde a las muestras de f (t)
a intervalos t = 1. Para recuperar f (t) a partir de las muestras se pro-
pone emplear primero una interpolacion del vecino mas cercano y luego un
promedio movil, es decir,
Z t+1/2
f(t) = fN ()d
t1/2
6.1. Introduccion
La teora de sistemas lineales continuos, incluyendo el analisis de Fourier,
haba alcanzado un gran desarrollo cuando aparecieron los sistemas digitales y
los primeros computadores. A partir de entonces los sistemas discretos han ido
tomando cada vez mas importancia.
A pesar que es posible presentar los sistemas discretos como una teora inde-
pendiente, hemos preferido presentarlos en conexion con los sistemas continuos y
as aprovechar la intuicion ya formada en estos. Obtendremos la transformada de
Fourier discreta a partir de la continua apoyandonos en los conceptos relativos al
muestreo de senales.
Las distintas formas que adopta la transformada de Fourier quedan determi-
nadas por el tipo de senal que se esta interesado en examinar, es as como para
realizar un analisis de frecuencia de una senal discreta, es necesario antes definir
una transformada de Fourier de tiempo discreto o DTFT (Discrete Time Fourier
137
138 Transformada de Fourier discreta
po
em
Aperidica Peridica
Ti
Aperidica
Continua
FT DFFT
DTFT DFT
Discreta
Peridica
ia
nc
Continua Discreta
ue
ec
Fr
Figura 6.1: Transformada de Fourier de tiempo discreto
que es equivalente a
Z 1/T
f (t) = F (u)ei2ut du,
0
porque en el intervalo [1/2T, 1/2T ] las funciones F (u) y F (u) son identicas y
porque se supone F (u) = 0 fuera de ese intervalo. Ya que F (u) es periodica el
intervalo se puede reemplazar por [0, 1/T ].
140 Transformada de Fourier discreta
f(t) F(u)
t u
Shah(t/T) Shah(Tu)
x *
t u
f[n] F(u)
= =
t u
Para encontrar f [n] a partir de f (t), usamos f [n] = T f (nT ), por lo que la
transformada de Fourier de tiempo discreto inversa es
Z 1/T
f [n] = T F (u)ei2unT du.
0
f(t)
F(u)
t u
x
Shah(t/T)
* Shah(Tu)
t u
=
f[n]
= F(u)
t u
La DTFT de g[n] es
N
X
G(u) = ei2unT
n=N
con T = 2N +1
Redefiniendo n como m-N se tiene
2N
X
G(u) = ei2u(mN )T
m=0
2N
X
= ei2uN T ei2umT
m=0
1 ei2u(2N +1)T
G(u) = ei2uN T
1 ei2uT
142 Transformada de Fourier discreta
cio
Aperidica Peridica
pa
Es
Aperidica
Continua
FT DFFT
DTFT DFT
Discreta
Peridica
ia
nc
Continua Discreta
ue
ec
Fr
Figura 6.4: Transformada de Fourier de frecuencia discreta
analoga a la DTFT vamos a derivar una expresion para la DFFT empleando una
funcion auxiliar f (x). Esta funcion sera limitada en el espacio, es decir, f (x) = 0
para |x| > 1/2U . La transformada de Fourier de f (x), F (u) sera muestreada
a intervalos regulares en la frecuencia de largo U . Al igual que para la DTFT
emplearemos muestreo de area:
F [k] = U F (kU ).
que es equivalente a
Z 1/U
F (u) = f(x)ei2ux dx,
0
porque en el intervalo [1/2U, 1/2U ] las funciones f (x) y f(x) son identicas y
porque se supone f (x) = 0 fuera de ese intervalo. Ya que f(t) es periodica el
intervalo se puede reemplazar por [0, 1/U ].
144 Transformada de Fourier discreta
f(x) F(u)
x u
Shah(Ux) Shah(u/U)
* x
x u
f(x) F[k]
= =
x u
Para encontrar F [k] a partir de F (u), usamos F [k] = U F (kU ), por lo que la
transformada de Fourier de frecuencia discreta es
Z 1/U
F [k] = U f(x)ei2kU x dx
0
T
T
1 1
Z Z
4
i2k Tx x
F [k] = e dx + ei2k T dx
T 0 T 3T
4
1 T i2k 41 i2k i2k 34
= (e 1+e e )
T i2k
1 T k 3k
= (i sen( ) + i sen( ))
T i2k 2 2
sen(k/2)
=
k
es decir,
1
sinc (k/2)
F [k] =
2
exactamente igual a las series de Fourier
cio
Aperidica Peridica
pa
Es
Aperidica
Continua
FT DFFT
DTFT DFT
Discreta
Peridica
ia
nc
Continua Discreta
ue
ec
Fr
Figura 6.6: Transformada de Fourier discreta
1 2
donde T0 = U y 0 = T0 .
f(x) F [k]
f[n] = T f(nT ),
fs (x) = (x/T )f(x) = T f(x)(x nT ).
X
n=
Z 1/U
F [k] = U fs (x)ei2kU x dx
0
Z 1/U
f(nT )(x nT )ei2kU x dx
X
= UT
0 n=
.
pero
1
f(nT ) = f[n]
T
de manera que la transformada se puede expresar en la siguiente forma (se de-
spejo el parametro U )
N 1
1 X
F [k] = f [n]ei2kn/N
N T n=0
f [n] F (u)
Sea
F [k] = U F (kU )
y
X
Fs (u) = U F (u)(u kU ).
k=
6.4 Transformada de Fourier discreta 149
Im f(t)
Im f(t) Im f(t)
t
t t
Re f(t)
Re f(t)
Re f(t)
Im f(t)
Im f(t)
Im f(t)
t t t
N 1
f[n] = T
X
F [k]ei2kn/N ,
k=0
150 Transformada de Fourier discreta
L
1 X i2kn/N
F [k] = e
L
n=L
si hacemos n = l L
2L
1 X i2(lL)k/N
F [k] = e
L
l=0
reorganizando
2L
1 i2Lk/N X i2k/N l
F [k] = e (e )
L
l=0
1 i2Lk/N 1 ei2(2L+1)k/N
F [k] = e
L 1 ei2k/N
manipulando esta expresion, F [k] se puede escribir como
1 sen[(2L + 1)k/N ]
F [k] =
L sen(k/N )
o
1 sen[(2L + 1)kU ]
F (kU ) =
L sen(kU )
asumiendo T = 1.
6.4 Transformada de Fourier discreta 151
f(x) F(u)
x u
Shah(x/T) Shah(Tu)
x *
x u
f[n] F(u)
= =
x u
Shah(Tx) Shah(u/T)
* x
x u
f[n] F[k]
= =
x u
Ejemplo 6.4.2 La figura 6.9 representa una senal real. Se trata de un tono de
telefono (el numero 6), esta es una senal muestreada a 12,5 ms obteniendose un
total de 400 muestras. Una simple observacion de la senal revela la presencia de
dos sinusoides predominantes, incluso da la impresion que una de las sinusoides
predominantes tiene una frecuencia que es multiplo de la otra. En la figura 6.10
se puede ver el modulo de la DFT de la senal. Se comprueba la existencia de dos
frecuencias fundamentales; una aproximadamente de 750 Hz y otra de 1450 Hz.
Como se esperaba de una senal real, la DFT es hermitiana, lo que se manifi-
esta como magnitud par.
F = Wf
donde
f = [ f [0] f [1] f [2] . . . f [N 1] ]T ,
y
W 00 W 10 W 20 W (N 1)0
W 01 W 11 W 21 W (N 1)1
1
W 02 W 12 W 22 W (N 1)2
W=
N
.. .. .. ..
. . . .
W 0(N 1) W 1(N 1) W 2(N 1) W (N 1)(N 1)
que es equivalente a
1 1 1 1
1
1 i 1 i .
W=
N 1 1 1 1
1 i 1 i
Ya que el modulo de cada elemento de la matriz es uno, la matriz se puede rep-
resentar por rotaciones en el crculo unitario, dado por (cos(2 kn kn
N )i sen(2 N )),
1
,
W=
N
- . & %
. - % &
1
W=
N & % -
.
% & . -
f[n] F [k]
real par real par
real impar imaginaria impar
imaginaria par imaginaria par
imaginaria impar real impar
compleja par compleja par
compleja impar compleja impar
real hermitiana
imaginaria antihermitiana
1. Dualidad
1
DFT{DFT{f[n]}} = f [n]
N
2. Conjugado
f [n] F [k]
3. Inverso
f[n] F [k]
4. Superposicion
Si f[n] y g[n] tienen periodos iguales, se tiene
5. Desplazamiento
Para todo a entero, se tiene
6. Operador diferencial
Para todo a entero, se tiene
n
F [k] F [0]
f[j]
X
para k 6= 0.
j=0
1 ei2k/N
Para k = 0 no hay una representacion simple
N 1 n
1 XX
F [0] = f [j]
N n=0
j=0
9. Producto
Si f[n] y g[n] tienen periodos del mismo largo, se tiene:
f[n]g[n] F [k] G[k]
10. Area
N 1
f[n] = N F [0]
X
n=0
N 1 N 1
|f[n]|2 = N
X X
|F [k]|2
n=0 k=0
2
Equivalente al teorema de Parseval para series de Fourier
6.4 Transformada de Fourier discreta 157
f[n] F[k]
N n
N k
fa[n] Fa[k]
N 2N n
N 2N k
Figura 6.11: Funcion original con el valor absoluto de su DFT y funcion acolchada
con el valor absoluto de su DFT
n k
n k
Figura 6.12: Senal original con la magnitud de su DFT y senal estirada con la
magnitud de su DFT
subdividiendo x[n]
1 X X
X[k] = ( x[n]ei2kn/N + x[n]ei2kn/N )
N n par
n impar
G(0)
x(0) 2X(0)
DFT WN0
G(1)
x(2) 2X(1)
N WN
1
G(2)
x(4) 2 2X(2)
2
WN
G(3)
x(6) 2X(3)
WN3
x(1) 2X(4)
H(0)
DFT WN4
x(3) 2X(5)
N H(1)
WN5
x(5) 2 2X(6)
H(2) 6
WN
x(7) 2X(7)
H(3) 7
WN
Figura 6.13: Diagrama para el calculo de la FFT en el que se calcula una DFT
de N componentes como 2 DFT de N2 componentes (para N = 8)
Por ultimo, si llamamos a la DFT de los pares G[k] y a la de los impares H[k],
podemos reescribir esta expresion como
y[0] = ae
y[1] = af + be
y[2] = ag + bf + ce
y[3] = bg + cf + de
y[4] = cg + df
y[5] = dg
y
u[0] = ae + cg + df
u[1] = af + be + dg
u[2] = ag + bf + ce
u[3] = bg + cf + de
Las diferencias entre y[n] y u[n], en los primeros cuatro valores, estan mar-
cadas en negrita. Lo que paso es que y[5] se sumo con y[1] e y[4] con y[0], como
si alguien hubiera escrito el vector en una esfera y los dos ultimos terminos se
sobrepusieron a los dos primeros. Este fenomeno se conoce como aliasion. Para
evitarlo se puede acolchar x[n].
Sea
x[n] = (a, b, c, d, 0, 0)
ahora
u[n] = x[n] h[n]
con lo que
y[n] = u[n]
para un periodo de u[n].
x[n] = (a, b, 0, 0, 0, 0, c, d)
h[n] = (a0 , b0 , 0, 0, 0, 0, c0 , d0 )
Aplicando DFT se tiene
1
x[n] (A, , B, , C, , D, )
2
1
h[n] (A0 , 0 , B 0 , 0 , C 0 , 0 , D0 , 0 )
2
donde , , y son los terminos que aparecen por interpolacion sinc (propiedad
de acolchamiento). Luego, utilizando la propiedad de la convolucion
1
y[n] (AA0 , 0 , BB 0 , 0 , CC 0 , 0 , DD0 , 0 )
4
f(x) F(u)
x uL u
Shah(x/T) Shah(Tu)
x *
T x 1/T u
f[n] F(u)
= =
x u
sinc(x/T) rect(Tu)
* x
x u
f(x) F(u)
= =
x u
f(x) F(u)
x uL u
Shah(x/T) Shah(Tu)
x *
T x 1/T u
f[n] F(u)
= =
x u
sinc(x/T) rect(Tu)
* x
x u
f(x) F(u)
= =
x u
f(x) F(u)
x uL u
Shah(x/T) Shah(Tu)
x *
T x 1/T u
f[n] F(u)
= =
... ...
x u
sinc(x/T) rect(Tu)
* x
x u
f(x) F(u)
= =
x u
f(x)
Im F(u)
x u
Shah(x/T) Shah(Tu)
x *
T x u
1/T
f[n] Im Fm(u)
= =
x u
g(x)
Im G(u)
x u
Shah(x/T) Shah(Tu)
x *
T x 1/T u
g[n] Im Gm(u)
= =
x u
g(x)
G(u)
x u
Shah(us x)
x * Shah(u/us)
1/us x us u
gs[n]
= = G(u)
x u
h(x)
* x H(u)
x us/2 u
= f(x)
= F(u)
x u
Figura 6.19: Obtencion de dos funciones que coinciden en las muestras, una ilim-
itada, g(x), y otra limitada, f(x), en frecuencia (continua)
172 Transformada de Fourier discreta
Shah(us x)
x *
1/us x us u
= =
fs[n]
x u
f(x)
F(u)
Tc x
1/Tc u
h(x/3Tc)
H(u)
x *
x
T= 1.5Tc u
=
=
x
u
Shah(x/3Tc) Shah(3Tcu)
* x
1/u1 x u1 u
f(x)
= F[k]
=
x
1/Tc k
f(x)
F(u)
Tc x
1/Tc u
h(x/3.5Tc) H(u)
x *
x u
T= 1.75Tc
fa(x)
= Fa(u)
=
x
u
Shah(x/3.5Tc) Shah(3.5Tc u
* x
x u
f[k]
f(x) =
=
x k
efecto.
En la figura 6.21 la funcion f (x) = cos( 2x Tc ) se apodiza en primer lugar
x
mediante u( 3Tc ). Luego se muestrea en el dominio de la frecuencia con el tren de
pulsos (3Tc u). Como resultado todas las muestras coinciden con los cruces por
cero, excepto para las frecuencias 1/Tc y 1/Tc , lo que corresponde exactamente
a la transformada de Fourier de cos( 2x Tc ). En este caso debido a la eleccion de
la funcion no hay derrame. En la figura 6.22 se realiza el mismo procedimiento,
x
pero esta vez se apodiza con u( 3,5T c
). Al muestrear en el dominio de la frecuencia
se produce un corrimiento de las muestras, efecto que llamaremos derrame y
que en este caso se manifiesta, en el dominio del tiempo, como la union de dos
cosenos desfasados entre s. Para subsanar esta situacion en el caso de funciones
periodicas es necesario considerar una longitud de la apodizacion que corresponda
a un multiplo entero del periodo de la funcion a muestrear.
En el caso general la ventana de apodizacion debe ser suave de modo de
minimizar el derrame.
f(x) F(u)
x u
g(x) G(u)
* x
T x 1/2 T u
fl(x) Fl(u)
= =
x u
h(x)
h(u)
x *
x
T0 u
= FL(u)
fL(x)
=
x u
Shah(x/T) Shah(Tu)
x *
T x 1/T u
fd[n]
= Fp(u)
n u
Shah(x/T0) Shah(T0 u)
* x
T0 x 1/T0 u
f[n]
= F[k]
n k
6.7. Ejercicios
1. Encuentre el analogo a todas las propiedades de la FT que sean aplicables
a la DTFT y la DFFT. De un ejemplo didactico y ojala grafico para cada
una. Las propiedades deben incluir (por lo menos):
a) similaridad
b) linealidad
c) desplazamiento
d) convolucion
e) multiplicacion
f ) modulacion
g) diferenciacion
h) integracion
a) f [n] = 0, 8n [n]
b) f [n] = (0, 8)n [n]
c) f [n] = a|n| con 0 < a < 1
d) f [n] = cos 0 nT
e) f [n] = sen 0 nT
Compruebe que M [k] = N F [k]G[k]. Que propiedad debe tener f [n] y g[n]
para que H[k] = N F [k]G[k], por lo menos en algun intervalo?
14. Es comun emplear un discretizador de orden cero (zero order hold) para
obtener muestras de una senal continua. La salida f0 (t) del discretizador es
Disene un filtro que tome como entrada f0 (t) y cuya salida sea f (t) (Notese
que este filtro es solo teorico porque no se puede realizar, entre otras cosas,
porque incluye un retardo negativo). Aplique el filtro a la senal f0 (kT ):
{...0, 0, a, b, c, d, e, 0, 0, ...} correspondientes a k = {...-2, -1, 0, 1, 2, 3, 4,
5, 6, ...}, y estime el valor de f (0, 5T ) y f (0, 9T ). AYUDA: Disene dos filtros
en cascadas. El primero obtiene un tren de impulsos de fuerza equivalente a
la amplitud de f0 (t) a partir de f0 (t). Este filtro se puede obtener de dividir
en el dominio de la frecuencia la salida por la entrada. El segundo filtro
realiza una interpolacion sinc en los impulsos.
20. Por que f (x) y su derivada en la ecuacion A.10 del apendice A deben ser
continuas?
X x
f (x) = b sen
l
=1
21. Sea F [k] la DFT de f[n] de largo N par. Encuentre, en funcion de los
elementos de f[n],
t nT0
f(t) =
X
u( ).
n=
abs() fase()
1 1
0.5 0
0 1
100 5 10 15 20 2000 5 10 15 20
5 100
0 0
100 5 10 15 20 2000 5 10 15 20
5 100
0 0
100 5 10 15 20 2000 5 10 15 20
5 100
0 0
100 5 10 15 20 4000 5 10 15 20
5 200
0 0
100 5 10 15 20 2000 5 10 15 20
5 100
0 0
0 5 10 15 20 0 5 10 15 20
par).
F [k] = 2f [k] + f [k + N/2]
a) f[n] = (1 1)
b) f[n] = (1 0)
c) f[n] = (0 1)
d) f[n] = (1)
con cas = cos + sen . La DHT es especialmente util para f [n], y con-
secuentemente F [k], real. Encuentre la propiedad del desplazamiento para
la DHT, es decir, exprese la transformada DHT de f [n + a] en funcion de
F [k], la transformada de f [n].
36. Hartley II. Encuentre la propiedad del estiramiento con factor 2 para
la DHT. Es decir, encuentre la DHT de la funcion g[n] de largo 2N , si
g[2m] = f [n] y g[2m + 1] = 0, (m = 0..N 1) en funcion de la DHT de
f [n]. Demuestre su resultado.
38. Se tienen unos walkie-talkies para comunicar audio con contenidos de fre-
cuencia solo en el rango 1 a 2 kHz. Si se dispone de una licencia para
emplear las frecuencias de radio de 88,1 a 88,2 MHz, cual es el maximo
numero de canales de modulacion AM independientes que se pueden tener?
Cuales seran las frecuencias de modulacion de cada uno?
a) F = fft([1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1]);
b) F = fft([1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1]);
188 Transformada de Fourier discreta
x = -32:31; % lnea 1
a = fftshift(exp(-pi/4*x.^2)); % lnea 2
y = % lnea 3
Y = fft(y); % lnea 4
plot(x,real(Y),o,x,imag(Y),+); % lnea 5
(a, b + 2i, c, b, a, b, c, b, a, b, c, b, a, b, c, b)
Encuentre y N .
c) Si p = 1 y N es multiplo de 4, se tiene que P [k], la DFT de p[n], es
tambien un po discreto. Encuentre P [k].
43. Se desea disenar un implante para el caracol del odo humano que funciona
de la siguiente manera:
45. Suponga que Romualdo programo una rutina para obtener la DFT: F =
calculaDFT(f,N), donde f y F son vectores de largo N. Desgraciadamente
Romualdo se equivoco y uso la siguiente definicion:
N 1
1 X
F [k] = f [n]ei4kn/N
N n=0
49. Como se llama el fenomeno que ocurre cuando una senal continua es
muestreada sin cumplir con la frecuencia de Nyquist?
sum(abs(fft(x)) - abs(fft(fftshift(x))))
53. Encuentre A1 si
1 1 1 0 0 0
A = cos 2/3 1 1 1 + i sen 2/3 0 -1 1
1 1 1 0 1 -1
54. Encuentre los productos internos < a(m), b(n) > para todo m, n = 0 . . . N1
donde a(m) = [a0 (m) a1 (m) . . . aN 1 (m)] y b(n) = [b0 (n) b1 (n) . . . bN 1 (n)]
con
ak (m) = ei2km/N y bk (n) = ei2kn/N .
56. Escriba una lnea de comando de Matlab que encuentre la DFT del vector
x con la definicion vista en el curso, y no la de Matlab que se reproduce
aqu (tomado de help fft).
192 Transformada de Fourier discreta
193
194 Transformada Z
po
em
Aperidica Peridica
Ti
Aperidica
Continua
FT DFFT
DTFT DFT
Discreta
Peridica
Transformada Z
ia
nc
Continua Discreta
ue
ec
Fr
Figura 7.1: Clasificacion de las transformadas segun periocidad y continuidad
Como se supone que F (s) = 0 para |u| > 1/2T y ademas F (s) y F (s) son identicas
en un periodo,
Z c+i2/T
1
f (t) = F (s)est ds <c<
i2 c
que finalmente es
c+i2/T
T
Z
f [n] = F (s)esnT ds <c<
i2 c
la idea es multiplicar la senal f [n] por una exponencial discreta enT antes de
tomar la transformada de Fourier,
X
F (s) = F ( + i2u) = DTFT{f [n]enT } = f [n]e(+i2u)nT
n=
7.3. Transformada Z
7.3.1. Definicion
Supongase que para ahorrar escritura se definiera la variable z como z = esT .
La DTLT sera entonces
X
F (z) = f [n]z n .
n=
La transformada Z es
X 1 1
F (z) = ( n
[n] + n [n])z n
n=
2 3
X 1 X 1
F (z) = ( z 1 )n + ( z 1 )n
2 3
n=0 n=0
1 1
F (z) = 1 1 +
1 2z 1 13 z 1
2 65 z 1
=
(1 21 z 1 )(1 13 z 1 )
Es natural preguntarse por que la transformada Z se llama as, y mas aun, quien la
descubrio (nunca he sabido si las formulas se inventan o descubren). La transformada
Z, como formula fue empleada por De Moivre (1667 - 1754), quien la introdujo como
funcion generadora de momentos en teora de probabilidades
X
(z) = p[n]z n
n=
donde p[n] es la probabilidad que una variable aleatoria tome el valor n [7]. Mas
tarde fue extensamente empleada por Laplace (1749 - 1827) en su forma continua,
la transformada de Laplace, tambien como funcion generadora de momentos.
Debido al advenimiento de los computadores digitales y los sistema de muestreo,
a comienzos de la decada de 1950 se renovo el interes en esta transformada. Los
primeros intentos de caracterizar sistemas discretos entrada-salida en el dominio de
frecuencia por parte de Shannon (1945) fueron en base a la transformada de Fourier.
Luego Hurewicz (1947) emplea las funciones generadoras de momentos, llamadas
transformada de Laplace generalizadas por Stone (1948), y que finalmente son lla-
madas transformadas Z por Ragazzini y Zadeh (1952). Ellos ademas establecen clara-
mente su correspondencia con la transformada de Laplace (llamada transformada S
por Salzer, 1951) [18, 14]
o si r = eT y r = eT
r < |z| < r
200 Transformada Z
1111111
0000000
0 1
1 0u
0000000
1111111
0 1
1 0 Im z
0000000
1111111
0 1
1
000000
1111110
0000000
1111111
0
1
000000
1111110
1
0
1
000000
111111
0000
1111
000
1110
1
0
1
0000
1111
000
1110
1
0
1
0000
1111
000
111
0
1 0
1
0
1 11111111111111
00000000000000
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1
0000
1111
000
1110
1 0000000000
1111111111
00000000000000
11111111111111
0
1
0000
1111
000
1110
1 0000000000
1111111111
00000000000000
11111111111111
0
1
0000
1111
000
1110
1 0000000000
1111111111
00000000000000
11111111111111
0
1
0000
1111
000
111
0
1 0
1
0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000000000
1111111111
0000
1111
000
111
0
1
0000
1111
000
111
0 1
1
0
1
00 00000000000000
11111111111111
0000000000 1
1111111111
00000000000000
11111111111111
0000000000
1111111111 Re z
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000000000
1111111111
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1
0000
1111
000
1110
1 0000000000
1111111111
00000000000000
11111111111111
0
1
0000
1111
000
1110
1 0000000000
1111111111
00000000000000
11111111111111
0
1
0000
1111
000
111
0
1 0
1
0
1 00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000
1111
000
111
0 1
1 0
1 00000000000000
11111111111111
0000
1111
000
111
0
1
000000
1111110
0000
1111
000
111
0
1
000000
1111110
1
0
1
000000
1111110
1
0
1
0000000
1111111
000000
1111110
1
0
1
0000000
11111110
1
0
1
0 1
0000000
1111111
1 0
0
1
0000000
1111111
La funcion z = esT crea una correspondencia entre los puntos del plano s y
el plano z (ambos son complejos). La correspondencia es facilmente apreciable si
se escribe
z = esT = eT ei2uT
donde la primera exponencial es el modulo de z,
|z| = eT
F (z) tiene un valor finito para todo z, con la posible excepcion del origen,
por lo que la region de convergencia es todo el plano z.
1 1 2 56 z 1
( )n [n] + ( )n [n]
2 3 (1 12 z 1 )(1 31 z 1 )
P n 1
La serie geometrica x = 1x converge solo para |x| < 1 por lo tanto
1 1
| z 1 |< 1 y | z 1 |< 1
2 3
o equivalentemente
1 1
| z |> y | z |>
2 3
es decir la region de convergencia es
1
| z |>
2
la region de convergencia se puede observar en la figura 7.3.
1/2 1
1
Figura 7.3: | z |> 2
y
g[n] G(z) s < |z| < s
Se tienen las siguientes propiedades:
1. Linealidad
2. Inversion
f [n] F (z 1 ) r < |z|1 < r
3. Desplazamiento
4. Convolucion
5. Diferenciacion en la frecuencia
d
nf [n] z F (z) r < |z| < r
dz
7.5 Polos y ceros en el plano Z 203
6. Escalamiento en frecuencia
7. Decimacion
f(k) [n] F (z k ) r < |z|1/k < r
donde
f [n/k] si n es multiplo de k
f(k) [n] =
0 otro caso
1 1 2 56 z 1
( )n [n] + ( )n [n]
2 3 (1 12 z 1 )(1 31 z 1 )
1 1 5
Los polos son 2 y 3 y los ceros son 0 y 12 .
204 Transformada Z
7.6. Ejercicios
1. Encuentre la transformada Z y grafique los polos, ceros y region de conver-
gencia de las siguientes funciones:
a) f [n] = 0, 5n [n]
b) f [n] = (0, 5)n [n]
c) f [n] = 0, 5|n|
d) f [n] = (0, 4 + 0, 3i)n [n]
e) f [n] = ( 12 )n [n] + ( 13 )n [n]
f ) f [n] = [n] sen 0, 8n
g) f [n] = 0, 7n [n] cos 0, 8n
a) f (t) = et (t)
b) f [n] = en [n]
c) f [n] = an [n]
lm f [N ] = lm (1 z 1 )F (z)
N z1
a)
z 1 5
Fa (z) =
(az 1 1)(bz 1 1)
b)
z 1 5
Fb (z) =
(az 1 1)(bz 1 + 1)
c)
z 2 z 1 5
Fc (z) =
(az 1 1)(bz 1 + 1)
d)
z 3 + 2z 2 z 1 5
Fd (z) =
(az 1 1)(bz 1 + 1)(0, 2z 1 1)
a)
g[n] = f [n] + 0, 5f [n 1] + 0, 3f [n 2]
b)
g[n] = f [n] + 0, 5f [n 1] + 0, 2g[n 1] + 0, 1g[n 2]
c)
g[n] = f [n] + 0, 5f [n 1] + 0, 2g[n 1] + g[n 2]
1 z 1
H(z) =
(1 0, 5z 1 )(1 + 0, 3z 1 )
b)
n
X 1
sen 0, 1n
3
n=0
c)
X
e0,3n sen 0, 1n
n=0
d)
X
22n sen2 0, 1n
n=0
10. Se tiene un sistema lineal causal, descrito por y 0 (t) + ay(t) = x(t). Para
simularlo en el computador se discretiza empleando la aproximacion y 0 (t)
y(nT ) y(nT T ).
b)
N
X
F (z) = (2/3)k z k
k=N
z2
F (z) =
(z + 0,4)(z 0,3)
17. Sea G(z 1 ) una transformada Z racional con polos singulares en 0 , 1 ,...
que puede ser expresada por su expansion en fracciones parciales:
P (z 1 ) 0 1
G(z 1 ) = = + +
D(z 1 ) 1 0 z 1 1 1 z 1
Encuentre
P (z 1 )
xj = 0 1
D (z ) z=j
19. Se tiene el sistema discreto de entrada x[n] y salida y[n], definido por la
ecuacion de diferencias siguiente
2 + 3z + 4z 2
F (z) =
z 4 + 2z 3 + z 8
(No se conoce la region de convergencia).
23. Los filtros peineta tienen valores nulos que aparecen a frecuencias regulares.
Entre otras aplicaciones son usados para eliminar armonicas. El filtro que
toma una media movil descrito por la siguiente ecuacion es un filtro peineta
M
1 X
y[n] = x[n k]
M +1
k=0
29. Encuentre los valores de f [n], para 4 < n < 4, la transformada Z inversa
de
z 2 + 2z 1
F (z) = 3 |z| < r
z + 2z 2 + 3z 3 + 4
30. Se sabe que la region de convergencia de la transformada Z de una senal
f [n] derecha (f [n] = 0 para n < n0 ) se extiende hacia afuera del crculo
|z| = r , para algun r . Encuentre los valores de n0 para que esa region de
convergencia incluya a z = .
32. Para los mismo pares de la pregunta anterior, encuentre los equivalentes
para la transformada Z.
Si bien la transformada de Fourier y Laplace son las mas usadas, por lo que les
hemos dedicado una gran proporcion de este libro, tambien existen otras trans-
formadas que revisaremos brevemente en este captulo. Presentaremos primero
algunas transformadas continuas, luego discretas y terminaremos con una dis-
cusion de transformadas de frecuencia discreta, o series.
211
212 Otras transformadas
Notese que la transformada coseno ignora los valores de f (x) para x < 0 y asume
implcitamente que f (x) es par.
Analogamente se define k(u, x) = 2 sen 2x (x) en la transformada seno
Z
FS (u) = 2 f (x) sen 2ux dx,
0
La transformada seno tambien ignora los valores de f (x) para x < 0 y asume
implcitamente que f (x) es impar.
Ambas transformadas se relacionan con la transformada de Fourier por
y su inversa Z
f (r) = 2 FH (q)J0 (2qr)q dq
0
8.1 Transformadas continuas 213
( z2 )n
Z
Jn (z) = cos(z cos ) sen2n d.
(n + 21 )( 12 ) 0
cuya inversa es
c+i
1
Z
f (x) = FM (s)xs ds.
2i ci
La transformada de Mellin esta relacionada con la transformada de Laplace,
a traves del cambio de variable x = et .
f(r)
Abel Hankel
f(x) Fourier
F(q)
Figura 8.1: Relacion entre las transformadas de Abel, Fourier y Hankel para fun-
ciones circularmente simetricas
y su transformada inversa es
1 FHi (s)
Z
f (x) = ds.
sx
con
1 x2
g (x) = e 4 ,
2
se tiene la transformada de Gabor,
Z
Fb (u) = f (x)g (x b)ei2ux dx,
cuya inversa es
ei2ux
Z
f (x) = Fb (u) du.
g (x b)
real real
imag imag
x x
(a) = 2 (b) = 1
real real
imag imag
x x
F = Wf
La matriz W esta formada por los vectores fila Wk . Cada una de las posibles
matrices W define una transformada diferente. Para que la transformada tenga
inversa se requiere que W 1 exista.
En el captulo 6 se vio en detalle la transformada de Fourier discreta. En esta
seccion se presentan otras transformadas discretas.
es decir, r
2 [k] k(2n + 1)
Wk [n] = cos ,
N 2N
y su inversa es
N 1
r
X 2 [k] k(2n + 1)
f [n] = FC [k] cos .
N 2N
k=0
es decir, r
2 (n + 1)(k + 1)
Wk [n] = sen ,
N +1 N +1
218 Otras transformadas
y su inversa es
r N 1
2 X (n + 1)(k + 1)
f [n] = FS [k] sen .
N +1 N +1
n=0
N
X 1 n1
Y
f [n] = FW [k] (1)bi (n)bn1i (k) .
k=0 i=0
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
W= 1
,
1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
y la de Hadamard
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
W= .
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
8.3. Series
8.3.1. Introduccion
Una funcion expresada como una serie es la suma de las funciones bases
ponderadas por los coeficientes de la serie. Por ejemplo, la serie de Fourier suma
senos y cosenos para representar funciones periodicas. Naturalmente, se pueden
220 Otras transformadas
definir series que emplean bases no sinusoidales. Para que sea posible encontrar
los coeficientes de la serie a partir de la funcion original, es necesario que la base
sea una clase ortogonal de funciones. Por otro lado, para que la expansion exista
es necesario que la base sea un conjunto ortogonal completo y que la funcion
original cumpla con las condiciones de Dirichlet (ver nota al pie de pagina 67).
Las funciones Wk (x) son ortogonales en el rango [x1 , x2 ] con respecto a la
ponderacion p(x) si
Z x2
p(x)Wj (x)Wk (x) dx = k [j k],
x1
cuando bk = ak para N, . . . N .
A continuacion se definiran transformadas (series) a partir de algunos poli-
nomios conocidos.
1 dk 2
Pk (x) = (x 1)k ,
2k k! dxk
y son ortogonales en el rango 1 x 1 con el ponderador
p(x) = 1
1
2
Z
Pj (x)Pk (x) dx = [j k].
1 2k + 1
La transformada de Legendre se puede definir como
2k + 1 1
Z
F [k] = f (x)Pk (x) dx
2 1
y su inversa
X
f (x) = F [k]Pk (x) 1 x 1.
k=0
2 [k] 1 1
Z
F [k] = f (x) Tk (x) dx
1 1 x2
y su inversa
X
f (x) = F [k]Tk (x) 1 x 1.
k=0
8.4 Ejercicios 223
8.4. Ejercicios
1. Encuentre la transformada coseno y seno de u(x).
es Z
f (x) = F (u)k(ux) du
0
si K(s)K(1 s) = 1, donde K(s) es la transformada de Mellin de k(x).
7. Demuestre que
1
F = K FA0
donde Z
FA (x) = K(x r)F (r) dr
0
con
1
K(x) = (x).
x
Esta es la version modificada de la transformada de Abel.
2
8. Si f (r) = er , encuentre la transformada de Abel, fA (x) y la transformada
de Hankel, F (q). Compruebe que la transformada de Fourier de fA (x) es
F (q).
10. Muestre que la magnitud del espectro de una senal f (x) y la magnitud del
espectro de su transformada de Hilbert, FHi (x) son iguales. Que puede
decir de las fases?
9.1. Funciones
Una funcion de dos dimensiones puede definirse por una formula de la for-
ma f (x, y) que asigna un valor, real o complejo, para cada posicion x e y. La
funcion f (x, y) se dice separable si f (x, y) = f1 (x)f2 (y).
p La funcion f (x, y) es cir-
cularmente simetrica si f (x, y) solo depende de r = x2 + y 2 , es decir, se puede
expresar como f (r).
225
226 Transformada de Fourier en dos dimensiones
Gauss(x,y)
9.1.1. Gauss
Empleando la misma definicion que para una dimension, tenemos
2 +y 2 ) 2
Gauss(x, y) = Gauss(r) = e(x = er .
La figura 9.1 muestra un grafico de esta funcion. Esta es una funcion separable,
ya que
Gauss(x, y) = Gauss(x)Gauss(y).
Al igual que para una dimension, la funcion de Gauss en dos dimensiones se
transforma en s misma.
9.1.2. Uno
La funcion uno en dos dimensiones representa un plano de altura uno, es decir,
1(x, y) = 1.
1(x, y) = 1(x)1(y).
9.1.3. Rect
La funcion rect en dos dimensiones se define como
si |x| < 12 e |y| < 12
1
u(x, y) =
0 en todo otro caso
9.1 Funciones 227
rect(x,y)
circ(x,y)
si r = x2 + y 2 < 21
p
1
circ (x, y) = u(r) =
0 en todo otro caso.
228 Transformada de Fourier en dos dimensiones
sgn(x,y)
y
9.1.4. Signo
En dos dimensiones se define la funcion signo como
xy
sgn(x, y) = ,
|xy|
9.1.5. Jinc
Debido a la importancia que tiene la funcion circ y su transformada de Fourier,
es conveniente definir la funcion jinc. La funcion jinc es una funcion de una
dimension definida como
J1 (x)
jinc x =
2x
donde J1 es la funcion de Bessel de primer tipo y primer orden ( jinc (0) = /4).
La funcion jinc en una dimension se grafica en la figura 9.5.
La funcion jinc interpretada como una funcion circularmente simetrica de dos
dimensiones, en la que la variable independiente es el radio se aprecia en la figura
9.6. Esta es la transformada de Fourier de la funcion circ.
9.1 Funciones 229
jinc x
jinc r
p
Figura 9.6: jinc x2 + y 2
230 Transformada de Fourier en dos dimensiones
9.1.6. Impulso
Al igual que para una dimension, es muy util definir un impulso en dos di-
mensiones. Este representa una cantidad muy intensa y localizada en el espacio.
Se define el impulso en dos dimensiones de manera que satisface las siguientes
dos condiciones:
2
(x, y) = 0 x 6= 0 o y 6= 0
y Z Z
2
(x, y) dx dy = 1.
Esto significa que la amplitud del impulso es infinito en el origen. Para traba-
jar con este smbolo es conveniente definir una funcion aproximante que tienda
al impulso, por ejemplo se puede usar la siguiente definicion
2 1 x y
(x, y) = lm u ( , ).
0 2
De esta definicion se puede apreciar que la funcion impulso es separable ya que
la funcion rect lo es, es decir,
2
(x, y) = (x)(y).
f x
=p
x x + y2
2
y
f y
=p ,
y x + y2
2
por lo que s
f 2 f
|f | = ( ) + ( )2 = 1.
x y
Es decir, un impulso de lnea circular tiene magnitud unitaria (volumen unitario
por unidad de longitud). En otras palabras la integral de volumen en todo el
espacio es 2R.
9.1.8. Shah
Para muestrear una funcion de dos dimensiones en forma uniforme resulta
muy conveniente definir el smbolo shah de dos dimensiones
X
X
2
(x, y) = (x n, y m).
n= m=
El smbolo shah distribuye impulsos en una malla cartesiana con separacion uni-
taria entre ellos. Si cada impulso es representado por una flecha, shah parece una
cama de clavos.
Por separabilidad del impulso se tiene que
donde g(x, y) es la salida del sistema lineal L{} a la entrada f (x, y).
La respuesta al impulso es
h(x, y, , ) = L{2 (x , y )}
Es decir,
u(x)(y) (x) u (y) = u(x, y)
y su inversa como
Z Z
f (x, y) = F (u, v)ei2(ux+vy) du dv,
Las funciones bases tienen magnitud uno y una fase que vara linealmente en la
direccion definida por el vector [u v]. En la figura 9.8 se observa la parte real e
imaginaria de algunas de estas funciones
9.3.2. Propiedades
La mayora de las propiedades de la transformada de Fourier en una dimen-
sion (seccion 3.5) se pueden extender en forma inmediata a dos dimensiones. Si
f (x, y) F (u, v) y g(x, y) G(u, v), se tiene
1. Dualidad
F (x, y) f (u, v)
2. Linealidad
Si a y b son constantes (reales o complejas) se tiene:
3. Similitud o Escalamiento
Si a y b son constantes reales, se tiene:
1 u v
f (ax, by) F( , )
|ab| a b
4. Desplazamiento
Si a y b son constantes reales, se tiene:
f (x a, y b) ei2(au+bv) F (u, v)
9.3 Transformada de Fourier 235
y y y
y
x x x
x
(a) u = 0, 5, v = 0, 5 (b) u = 0, 5, v = 0
Real(f(x,y)) Im(f(x,y))
Im(f(x,y)) Real(f(x,y))
y y
y y
x x
x x
(c) u = 0, 5, v = 0, 5 (d) u = 0, v = 0, 5
Im(f(x,y)) Real(f(x,y)) Im(f(x,y))
Real(f(x,y))
y y y
y
x x x
x
(e) u = 0, v = 0 (f) u = 0, v = 0, 5
Real(f(x,y)) Im(f(x,y)) Im(f(x,y))
Real(f(x,y))
y y y
y
x x x
x
(g) u = 0, 5, v = 0, 5 (h) u = 0, 5, v = 0
Real(f(x,y)) Im(f(x,y))
y y
x x
(i) u = 0, 5, v = 0, 5
Figura 9.8: Partes real (cos 2(ux+vy)) e imaginaria (sen 2(ux+vy)) de algunas
bases de Fourier en dos dimensiones
236 Transformada de Fourier en dos dimensiones
5. Convolucion
f (x, y) g(x, y) F (u, v)G(u, v)
6. Producto
f (x, y)g(x, y) F (u, v) G(u, v)
7. Teorema de la Potencia
Z Z Z Z
f (x, y)g (x, y) dx dy = F (u, v)G (u, v) du dv
9. Derivada
f (x, y) i2uF (u, v)
x
y
f (x, y) i2vF (u, v).
y
Tambien se tiene
2 2
2
f= + f (x, y) 2 2 (u2 + v 2 )F (u, v)
x2 y 2
1. Separabilidad
Si f (x, y) es separable, es decir puede expresarse como
la transformada de Fourier es
2. Transformacion afn
Ya se presento la propiedad del escalamiento para la transformada de Fouri-
er de dos dimensiones. Esta propiedad permite conocer como se modifica la
transformada de Fourier si el plano x-y es remapeado al plano ax-by. Es
indudable, que este es un caso particular de transformacion afn. La pre-
gunta es como cambia la transformada de Fourier al realizar el siguiente
cambio de variable
x0 = S x x + x y + x0 e y 0 = y x + S y y + y 0 .
Si x = y = 0 y x0 = y0 = 0 ( = Sx Sy ), se tiene la propiedad de
escalamiento,
1 u v
f (Sx x, Sy y) F , .
|Sx Sy | Sx Sy
Si Sx = cos , Sy = cos , x = sen , y = sen y x0 = y0 = 0 ( = 1),
se tiene la propiedad de la rotacion
f (x cos y sen , x sen + y cos ) F (u cos v sen , u sen + v cos ),
F (w cos , w sen ),
9.3.3. Ejemplos
A continuacion se presentan algunos ejemplos simples de transformadas de
Fourier en dos dimensiones. Notese que r 2 = x2 + y 2 , q 2 = u2 + v 2 , x = r cos ,
y = r sen , u = q cos y v = q sen .
2 2
Gauss(x, y) Gauss(u, v) (er eq )
2
(x, y) 1(u, v)
1(x, y) 2 (u, v)
(x) (v)
(y) (u)
(x, y) (u, v)
(x) (u)(v)
(x)(y) cos u
(x) (v) cos u
u(r) jinc q
2 2
Gauss(x) Gauss(u)(v) (ex eu (v))
1
sgn(x, y)
2 uv
sen 2 2 (u, v) sen 2
2 2
er sen 2 eq sen 2
La transformada inversa es
N 1 M 1
f[n, m] =
X X
F [k, l]ei2(nk/N +ml/M ) .
k=0 l=0
f(x,y)
Ejemplo 9.4.1 En este ejemplo se vera como cambia la 2DFT de un rect discre-
to a medida que se modifican sus dimensiones. Todas las imagenes de este ejemplo
tienen un tamano de 256 256. Debido a que el rect es simetrico y esta centrado
con respecto al origen, la 2DFT no tiene parte imaginaria y se puede mostrar
242 Transformada de Fourier en dos dimensiones
10
12
14
16
18
2 4 6 8 10 12 14 16 18
10
12
14
16
18
2 4 6 8 10 12 14 16 18
10
12
14
16
18
2 4 6 8 10 12 14 16 18
10
12
14
16
18
2 4 6 8 10 12 14 16 18
De estos casos se puede concluir que el espesor del asinc (medido entre cruces
por cero del lobulo principal) es el numero de veces que el rect cabe en la imagen
multiplicado por dos. Es decir, cada pixel de la 2DFT tiene unidades de ciclos
por imagen. Esto es facil de apreciar si la funcion es un coseno. La figura 9.13
muestra la 2DFT de f [n, m] = cos 3n/N , donde se puede ver que los impulsos
estan a 3 pixeles del origen, correspondiendo a una frecuencia del coseno de 3
ciclos por imagen.
Finalmente, si el rect solo tiene un espesor de 5 pixeles, los cruces por cero
del asinc estan a aproximadamente 50 pixeles del origen, como se puede apreciar
en la figura 9.14.
9.5. Ejercicios
1. Encuentre la transformada de Fourier en 2D para las siguientes funciones:
u(x/a) u (y/b); u(x/a) u (y/b 0, 5); y u(x/a 0, 5) u (y/b). Explique por
que F (0, 0) es el mismo para los tres casos. Explique por que F (u, 0) es el
mismo para los dos primeros casos.
5. Sea f3 (x, y) = f1 (x, y)f2 (x, y). f1 y f2 son comprimidos en x por un factor
k. Cual es la relacion entre f4 (x, y) = f1 (kx, y) f2 (kx, y) y f3 (x, y)?
9. Calcule la magnitud
(volumen por unidad de longitud) del impulso de linea
(y x2 ) en x = 2, y = 2.
a) u(x) u (y)
b) u(x)(x, y)
c) (x)(y)
d) (x, y) u (y)
11. Se tiene una senal discreta de dos dimensiones f [n, m] cuya 2DFT es F [k, l].
Encuentre la matriz WNM para N = 2 y M = 4 de manera que
F [0, 0] f [0, 0]
F [1, 0] f [1, 0]
F [0, 1] f [0, 1]
F [1, 1] f [1, 1]
=W
NM f [0, 2]
F [0, 2]
F [1, 2] f [1, 2]
F [0, 3] f [0, 3]
F [1, 3] f [1, 3]
248 Transformada de Fourier en dos dimensiones
APENDICE A
CONTEXTO HISTORICO DE LA
TEORIA DE FOURIER
Para entender como Fourier llego a la idea de expresar una funcion como
una suma de senos y cosenos, lo que hoy conocemos como series de Fourier, es
necesario comprender primero el problema que estaba resolviendo [15].
Al igual que otros cientficos de su epoca, Fourier se dedico a estudiar el
problema de la transmision del calor. El flujo de calor era de interes como un
problema practico, en el manejo de metales en la industria, y como un problema
cientfico, en el intento de determinar la temperatura en el interior de la tierra, la
variacion de esa temperatura con el tiempo, y preguntas por el estilo. En el interior
de un cuerpo que esta ganando o perdiendo calor, generalmente la temperatura
no esta uniformente distribuida y cambia en cada lugar con el tiempo. Es decir, la
temperatura T es una funcion del tiempo y del espacio. Esta funcion depende de
la forma del cuerpo, la densidad, el calor especfico del material, la distribucion
inicial de T , y las condiciones en la superficie del cuerpo. El primer problema
mayor que abordo Fourier en su libro fue la determinacion de la distribucion de
temperatura T en un cuerpo homogeneo e isotropico en funcion de x, y, z y t. El
demostro, en base a principios fsicos que T debe satisfacer la ecuacion diferencial
parcial, conocida como la ecuacion de calor, en tres dimensiones,
2
2T 2T
T T
+ + = k2 (A.1)
x2 y 2 z 2 t
249
250 Contexto historico de la teora de Fourier
y la condicion inicial
Para resolver este problema, Fourier, al igual que dAlambert en 1763, em-
pleo el metodo de la separacion de variables. Escribio
00 (x) 0 (t)
2
= .
k (x) (t)
Cada una de estas fracciones debe ser una constante, digamos , de manera que
y
0 (t) + (t) = 0. (A.7)
Las condiciones de borde (A.3), y en vista de (A.5), implican que (0) = 0 y
(l) = 0. La solucion general de (A.6) es
(x) = b sen( kx + c)
Estos son los que ahora nosotros llamamos valores propios. Como la solucion
a (A.7) es de la forma exponencial, y ya esta limitado a los valores , Fourier
tena hasta ah que
2 x
T (x, t) = b e( kl ) t sen
l
donde ahora b es la constante en vez de b y = 1, 2, 3, ..., pero la ecuacion (A.2)
es lineal por lo que la suma de soluciones es tambien una solucion, con lo que
Fourier encontro
X 2 x
T (x, t) = b e( kl ) t sen (A.9)
l
=1
Para satisfacer la condicion inicial (A.4), se debe tener para t = 0
X x
f (x) = b sen (A.10)
=1
l
Fourier tomo cada funcion seno y la expandio en una serie de potencias por el
teorema de Maclaurin, es decir, uso
X (1)n1 2n1
sen x = x2n1 (A.12)
n=1
(2n 1)!
De esta manera expreso f (x) como una serie de potencias en x, lo que impone
una fuerte restriccion en f (x) que no fue presupuesta. Esta serie debe ser la serie
de Maclaurin para f (x),
X 1 (k)
f (x) = f (0)xk . (A.14)
k!
k=0
252 Contexto historico de la teora de Fourier
Como las derivadas de f (x) son conocidas porque f (x) es la condicion inicial
dada, se tiene que los b son un conjunto infinito de incognitas en un sistema
algebraico de infinitas ecuaciones lineales.
En un problema anterior, donde se haba econtrado con el mismo tipo de
sistema de ecuaciones, Fourier tomo los primeros k terminos y las constantes del
lado derecho de las primeras k ecuaciones. Resolvio el sistema de k ecuaciones
obteniendo una expresion general para b,k , que es la proximacion de b , y con-
cluyo que b = lmk b,k . Pero, esta vez no resulto tan sencillo. Opto por tomar
muchas funciones f (x) y mostro como determinar los b para cada una de ellas
por procedimientos muy complicados que involucraban expresiones divergentes.
Usando estos casos epeciales como gua, fue capaz de obtener una expresion para
b en base a productos y sumas infinitas. Fourier se dio cuenta que esta expre-
sion era, en general, inutil, por lo que con pasos osados e ingeniosos, aunque
cuestionables, llego a la formula
2
Z
b = f () sen d (A.15)
0
Esta conclusion en cierta forma no era nueva. Euler (1729) y Clairaut (1757)
haban expandido algunas funciones en series de Fourier y haban obtenido las
formulas
1 1
Z Z
an = f (x) cos nx dx bn = f (x) sen nx dx n 1 (A.16)
Aun mas, los resultados de Fourier hasta ah derivados eran limitados porque
asuman que f (x) tena una expansion de Maclaurin, lo que significa un numero
infinito de derivadas. Finalmente, el metodo de Fourier era, ciertamente, no
riguroso y mas complicado que el de Euler. Mientras Fourier tena que usar
un sistema de ecuaciones lineales infinito, Euler simplemente se basaba en las
propiedades de las funciones trigonometricas.
Pero Fourier en ese momento hizo una observacion genial. Noto que cada b
puede ser interpretado como el area bajo la curva y = 2 f (x) sen x para x entre
0 y . Un area de este tipo tiene sentido incluso para funciones muy arbitrarias.
La funcion no necesita ser continua o se puede conocer solo graficamente. Fourier
253
Esta posibilidad haba sido rechazada por todos los grandes maestros del siglo
dieciocho, excepto por Daniel Bernoulli.
Cuanto saba Fourier del trabajo de sus predecesores no esta claro. En una
publicacion de 1825 el dice que Lacroix lo ha informado del trabajo de Euler, pero
no dice cuando sucede esto. En todo caso, Fourier no fue amilanado por la opinion
de sus predecesores. Tomo una gran variedad de funciones f (x), calculo algunos
b para cada funcion y grafico la suma de los primeros terminos de la serie (A.17).
De esta evidencia grafica el concluye que la serie siempre representa f (x) en el
intervalo 0 < x < , independientemente de lo que sucede fuera del intervalo. En
su libro dice que dos funciones pueden igualarse un un intervalo determinado pero
no necesariamente fuera de el. La incapacidad de los matematicos anteriores a el
de ver esto, explica por que no podan aceptar que una funcion arbitraria pueda
ser expandida en series trigonometricas. Lo que la serie entrega es una funcion
periodica en la que un perodo, en este caso de 0 a , coincide con la funcion
f (x).
Una vez obtenido este resultado simple para b , Fourier, como Euler, se da
cuenta que cada b puede ser obtenido multiplicando la serie (A.17) por sen x e
integrando de 0 a . Tambien establecio que este procedimiento es aplicable a la
representacion
a0 X
f (x) = + a cos x (A.18)
2
=1
sueltos y en la discusion final acerca de este punto da los lineamientos de una de-
mostracion. Pero incluso ah, Fourier no establece las condiciones que la funcion
debe satisfacer. De todas maneras, su conviccion de que la expansion es siem-
pre posible queda demostrada a lo largo de todo el libro. Tambien dice que su
serie converge sin importar que sea f (x), si tiene o no una expresion analtica o
si sigue o no alguna regla. Su conviccion se basaba en la evidencia geometrica,
relativo a lo cual el dice Nada nos parece mas apropiado que la construccion
geometrica para demostrar la verdad de los nuevos resultados y para manifestar
comprensiblemente la forma que el analisis usa para sus expresiones.
El trabajo de Fourier significo una serie de avances cientficos importantes.
Ademas de avanzar en el desarrollo de las ecuaciones diferenciales parciales,
forzo la revision del concepto de funcion que ya no necesariamente requera de una
expresion analtica, en oposicion al pensamiento de Euler y Lagrange. Su trabajo
marca un quiebre de las funciones analticas, es decir, que se puedan expandir en
series de Taylor.
El trabajo de Fourier explicito tambien otro hecho que estaba implcito en el
trabajo de Euler y Laplace. Ellos haban expandidos algunas funciones en series de
funciones de Bessel y polinomios de Legendre para resolver problemas especficos.
El hecho general que una funcion puede ser expandida en una serie de funciones
como las funciones trigonometricas, las funciones de Bessel o los polinomios de
Legendre salio a la luz gracias a Fourier.
Possoin (17811840), uno de los grandes del analisis del siglo 19 y fsico
matematico de primera clase que haba sido muy crtico del trabajo de Fouri-
er, fue fuertemente impresionado por los resultados de este, que se convencio que
todas las ecuaciones diferenciales parciales pueden ser resueltas por expansion en
series. Tambien crea que si una expansion diverga siginificaba que no se haba
elegido correctamente las funciones de la serie. Obviamente, Poisson fue demasi-
ado optimista.
La forma mas exitosa para resolver ecuaciones diferenciales parciales fue la
integral de Fourier que surge del trabajo preliminar de Laplace. La idea se debe a
Fourier, Cauchy y Poisson. Es imposible asignar prioridades del descubrimiento,
porque los tres presentaron trabajos orales en la Academia de Ciencias que no
fueron publicados hasta un tiempo despues. Ademas se escucharon entre ellos.
APENDICE B
EXPANSION EN FRACCIONES
PARCIALES
B(s) B(s)
F (s) = = ,
A(s) (s a1 )(s a2 ) (s an )
B(s) K1 K2 Kn
F (s) = = + + + .
A(s) (s a1 ) (s a2 ) (s an )
B(s)(s ai )
Ki = lm .
sai A(s)
255
256 Expansion en fracciones parciales
2s2 + 7s + 10
F (s) = .
(s + 1)3
Sabemos que
C2 C1 C0
F (s) = + 2
+ .
(s + 1) (s + 1) (s + 1)3
F (s)(s + 1)3 = 2s2 + 7s + 10
por lo que
C0 = lm 2s2 + 7s + 10 = 5
s1
C1 = lm 4s + 7 = 3
s1
y
1
C2 = lm 4 = 2,
s1 2!
es decir,
2s2 + 7s + 10 2 3 5
3
= + 2
+ .
(s + 1) (s + 1) (s + 1) (s + 1)3
BIBLIOGRAFIA
[7] W. K. Chen, The Circuits and Filters, CRC Press, IEEE Press, 1995.
257
258 BIBLIOGRAFIA
[14] E. I. Jury, Sampled-Data Control Systems John Wiley & Sons, 1958.
259
260 INDICE ALFABETICO