Libro de Fisica

UNIVERSIDAD POPULAR DEL CESAR
C¶
esar Orlando Torres M.
Lorenzo Mattos Vasquez.
Laboratorio de Optica e Inform¶

atica - LOI
TEORIA DE LOS SISTEMAS LINEALES
Valledupar 2010
C¶esar Orlando Torres Moreno
Doctor en Ciencias F¶³sica
Lorenzo Mattos V¶asquez
Magister en Inform¶
atica
Grupo de Optica E inform¶atica
Departamento de F¶³sica
Universidad Popular del Cesar
TEORIA DE LOS SISTEMAS

LINEALES
18 de abril de 2010
Springer-Verlag
Berlin Heidelberg NewYork
London Paris Tokyo
Hong Kong Barcelona
Budapest
I
Dedicatoria
El autor quiere agradecer a los estudiantes de Ingenier¶³a Electr¶onica por haberle permitido
acceder a su formaci¶ on por medio de los cursos orientados en las electivas de Optoelectr¶onica y
que hacen parte integral del plan de estudios del programa de Ingenier¶³a Electr¶onica que se ofrece
en la Universidad Popular del Cesar en Valledupar (Cesar - Colombia); su participaci¶ on en las
actividades realizadas en el aula de clase y por fuera de ella, han enrriquecido los contenidos de
este texto, del mismo modo debo resaltar la colaboraci¶on de todos los miembros del Grupo de
Optica e Inform¶atica LOI de la misma Universidad por haber colaborado en las m¶ ultples tareas
que implica la elaboraci¶on de un libro de esta naturaleza.
Agradezco especialmente a la Universidad Popular del Cesar el apoyo ¯nanciero brindado, a
la Vicerrector¶³a de Investigaciones por todo el apoyo incondicional prestado, as¶³ como al personal
administrativo de la misma dependencia por soportar con paciencia mis solicitudes y peticiones
constantes.
Finalmente quiero agradecer a mi familia; esposa e hijos, quienes con su compa~ n¶³a y apoyo
permanente hicieron que todo me resultara menos dif¶³cil. A ellos dedico estas notas.
Valledupar, Colombia C¶esar Torres M.

Marzo de 2007
I
Prefacio
El presente libro de Teor¶³a de Sistemas Lineales esta dise~ nado de tal forma que el lector pueda
familiarizarse de manera r¶ apida y sencilla con los m¶etodos matem¶ aticos de la descomposici¶on de
funciones aplicando las t¶ecnicas de Fourier. Por qu¶e escribimos el libro?; existe una amplia bib-
liograf¶³a sobre o¶ptica, an¶alisis de se~
nales y procesamiento de se~ nales, pero a lo largo de nuestra
experiencia primero como estudiantes y despu¶es como docentes en este campo nos hemos encon-
trado con los siguientes problemas: libros muy generales que omiten la rigurosidad matem¶ atica;
textos muy espec¶³¯cos que solo tratan una tem¶atica; las revistas especializadas existentes solo ofre-
cen una informaci¶on especi¯ca que necesita ser ampliada. Estos problemas requieren de diversas
fuentes bibliogra¯cas, que no siempre son accesibles en el momento deseado y que requieren de
una s¶³ntesis o fusi¶on de ideas y enfoques. Esto nos llevo a abordar esta problem¶atica, mediante la
elaboraci¶ on del presente texto.
Qui¶en utilizara el libro?
Es un texto dirigido a un amplio sector de personas que de un modo u otro tengan alg¶ un com-
promiso o inter¶es en tem¶ atica, para los profesionales que desarrollan investigaci¶ on en el campo
de la ¶optica, por rigurosidad en la tem¶atica tratada. Para los docentes porque pueden utilizarlo
como texto gu¶³a en campo de la o¶ptica; Para los estudiantes de cualquier escuela, facultad, cen-
tros de estudios, grupos de investigaci¶on, donde se ventile el tema de o¶ptica de fourier. El libro
esta abierto para profesionales y docentes en las a¶reas de an¶alisis y tratamiento de se~ nales. Para
una mejor comprensi¶on del texto es indispensable una formaci¶on b¶asica en funciones especiales en
matem¶aticas, una formaci¶on en an¶alisis y tratamiento de se~ nales, aunque con dedicaci¶on e inter¶es
en el tema se puede comprender su contenido. Cu¶ales son los objetivos del libro?:
"Introducir al lector en los aspectos fundamentales de la ¶optica, con su rigurosidad matem¶atica.
"Proporcionar una visi¶ on general de la ¶optica de fourier, para sus aplicaciones en ciencias e inge-
nier¶³a.
Organizaci¶ on del libro
El texto esta dividido en 16 cap¶³tulos. Cada capitulo comienza introduciendo al lector en el con-
tenido del mismo, se presentan ejemplos que refuerzan la teor¶³a y el lector debe desarrollar tareas,
donde aplique lo estudiado.
Valledupar, Colombia C¶esar Torres M.

Marzo, 2007
¶Indice de Figuras
1.1 Funciones de variable real. a) Monovaluada b) Multivaluada . . . . . . . . . . . . . . . . 5

1.2 on sinusoidal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funci¶ 7
1.3 Funci¶
on peri¶
odica de peri¶ odo T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 on Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funci¶ 7
1.5 Funciones peri¶odicas de peri¶ odo X1 y X2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6 Suma de Funciones peri¶ odicas de peri¶ odo X1 = 1 y X2 = 2 . . . . . . . . . . . . . . . . . . . . 8
1.7 Funci¶
on cuasi peri¶odica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8 Funciones sim¶etricas par e impar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.9 Funciones que nunca son par o impar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.10 on Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funci¶ 11
1.11 Representaci¶on compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.12 Forma polar de un n¶ umero complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.13 umeros complejos tratados como vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
N¶ 17
1.14 Representaci¶on en el plano complejo de un fasor . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.15 Componentes real e imaginaria del fasor Aei2¼»0 x . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.16 Modulo y fase de Aei2¼»0 x . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.17 Forma de h¶elice del fasor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.18 on coseno como suma de fasores de frecuencia positiva y negativa . . . . . .
Funci¶ 23
1.19 Modulaci¶on de amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.20 Circuito propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.21 Diagrama de fasores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.22 nal del problema IV A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Se~ 33
1.23 nal del problema IV B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Se~ 34
2.1 Funciones especiales unidimensionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

2.2 Funciones especiales de la funci¶ on impulso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3 Gr¶a¯cas de las funciones propuestas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.4 Gr¶a¯cas propuestas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.5 Curva propuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.6 Onda rectangular y onda rectangular reconstruida . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.7 Funci¶on aperi¶odica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.8 Funci¶on coseno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.9 Funciones coseno y su espectro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.10 Funci¶on considerada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.11 Pulso rectangular y espectro (a)No desplazado (b)espectro;(c)desplazado;(d)fase. . . 59
2.12 Principio de superposici¶ on aplicado a los sitemas lineales . . . . . . . . . . . . . . . . . . . . 61
2.13 Relaci¶on de entrada y salida de un sistema lineal invariante a desplazamiento 62
2.14 Relaciones de entrada y salida para sistemas causales . . . . . . . . . . . . . . . . . . . . . . . 62
2.15 Relaciones de entrada y salida para sistemas no causales . . . . . . . . . . . . . . . . . . . 63
2.16 Efectos de la funci¶ on de transferencia sobre la amplitud y la fase de se~ nales
cosenoidales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.17 Funciones a convolucionar f (x) y h (x) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.18 Sistemas LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
IV ¶Indice de Figuras
2.19 Salida del sistema. a. Respuesta a salida deltas individuales. b. Respuesta

total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.20 Objeto propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.21 Descomposici¶ on del objeto propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.22 Gaussiana muestreada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
2.23 Cuadrado de la transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
2.24 Objeto propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.25 Se~
nal propuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.26 Espectro de la se~ nal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
2.27 Cuadrado de la transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.1 Sistema LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

3.2 Filtros de amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.3 Funci¶ on de onda rectangular usada como ejemplo para ¯ltros de amplitud y
su espectro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.4 Efecto de un ¯ltro pasa todo sobre la entrada de onda rectangular . . . . . . . . . 95
3.5 Efecto de un ¯ltro ideal pasa bajo sobre la entrada de onda rectangular para
»c = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
»c = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
»c = 0:25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.8 Funciones de transferencia, respuesta impulsional para diferentes ¯ltros de
amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.9 Funci¶ on de transferencia de un ¯ltro de fase que produce distorsi¶ on de fase 102
3.10 a.) Respuesta impulsional. b) se~ nal de entrada c) se~ nal de salida . . . . . . . . . . . 103
3.11 Funci¶on de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.12 Respuesta impulsional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.13 Se~nal de entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.14 Gra¯ca de la funci¶ on de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
¶Indice General
1. REPRESENTACION DE CANTIDADES FISICAS : : : : : : : : : : : : : : : : : : : : : : : : 3

1.1 REPRESENTACION MATEMATICA DE CANTIDADES FISICAS . . . . . . . . . . . . 3
1.1.1 Introducci¶on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Clases y propiedades de las funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 Propiedades de simetr¶³a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 FUNCIONES BIDIMENSIONALES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 NUMEROS COMPLEJOS Y FASORES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.1 n¶
umeros complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.2 Fasores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4 REPRESENTACION DE CANTIDADES FISICAS . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.1 Se~
nales sinusoidales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5 TALLER DE EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.6 EJERCICIOS RESUELTOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.6.1 N¶umeros complejos y fasores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.6.2 Representaci¶on matem¶atica de cantidades f¶³sicas . . . . . . . . . . . . . . . . . . . . . . . 30
1.6.3 Aplicaciones de los fasores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.6.4 Representaci¶on de una se~ nal con forma de onda . . . . . . . . . . . . . . . . . . . . . . . . . 33
2. MATEMATICAS ESPECIALES DE LA OPTICA : : : : : : : : : : : : : : : : : : : : : : : : : 35

2.1 FUNCIONES BASICAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.1.1 Funciones unidimensionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.1.2 Funciones bidimensionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.2 ANALISIS ARMONICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.2.1 Ortogonalidad de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.2.2 Conceptos b¶asicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.2.3 Funciones complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2.4 Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2.5 An¶alisis gr¶a¯co . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.2.6 Aproximaci¶ on de polinomio a una se~ nal con forma de onda . . . . . . . . . . . . . . . 44
2.2.7 Tarea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3 LA SERIE DE FOURIER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.3.1 Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.3.2 Funciones no peri¶odicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.3.3 La integral de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.3.4 Espectro de algunas funciones simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.3.5 Relaci¶on entre una funci¶on y su espectro de fase . . . . . . . . . . . . . . . . . . . . . . . . 52
2.3.6 Propiedades de la transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.3.7 Pares de transformadas de Fourier elementales . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.4 OPERADORES MATEMATICOS Y SISTEMAS FISICOS . . . . . . . . . . . . . . . . . . . . . 59
2.4.1 Introducci¶ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.4.2 Representaci¶on de sistemas por operadores matem¶ aticos . . . . . . . . . . . . . . . . . 59
2.4.3 Tipos de sistemas importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
¶Indice General 1
2.5 RESPUESTA IMPULSIONAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

2.6 EXPONENCIALES COMPLEJOS, FUNCIONES PROPIAS DE LOS SISTEMAS
LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.7 CONVOLUCION MATEMATICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.7.1 De¯nici¶on de la operaci¶on convoluci¶on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.8 CONVOLUCION DE VARIAS FUNCIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.9 CONDICIONES DE EXISTENCIA DE LA CONVOLUCION . . . . . . . . . . . . . . . . . 73
2.10 PROPIEDADES DE LA CONVOLUCION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.11 CONVOLUCION Y SISTEMAS LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.12.1 Transformaci¶ on de una se~ nal de entrada en una se~ nal de salida . . . . . . . . . . . 75
2.12.2 Correlaci¶on cruzada y autocorrelaci¶ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.12.3 Represetanci¶ on matem¶atica de un objeto bidimensional . . . . . . . . . . . . . . . . . . 78
2.12.4 Transformada de Fourier y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.12.5 Aplicaci¶ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.12.6 Representaci¶on matem¶atica de un objeto bidimensional . . . . . . . . . . . . . . . . . 83
2.12.7 Ejercicios pr¶acticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.12.8 Transformada de Fourier y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
2.12.9 Aplicaci¶ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3. FILTROS LINEALES Y SISTEMAS LSI : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 89

3.1 CARACTERISTICAS Y APLICACIONES DE LOS FILTROS LINEALES . . . . . . 89
3.1.1 Sistemas lineales como ¯ltros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.1.2 Filtros de amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.1.3 Filtros de Fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.2.1 Filtros lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.2.2 Sistemas LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
1. REPRESENTACION DE CANTIDADES FISICAS
1.1 REPRESENTACION MATEMATICA DE CANTIDADES

FISICAS
1.1.1 Introducci¶
on
Con el prop¶osito de facilitar el an¶

alisis de los m¶
ultiples problemas de la ciencia y de la ingenier¶³a
es siempre necesario representar las cantidades f¶³sicas involucradas por funciones matem¶aticas
de varios tipos. Existen muchos tipos de funciones, y la escogencia de la apropiada para una
situaci¶
on particular depende en gran medida de la naturaleza del problema, de su manipulaci¶
on
y de las caracter¶³sticas del par¶
ametro a ser representado. En este cap¶³tulo se discutir¶an varias
de las propiedades importantes y algunas clases de funciones; as¶³ como la forma en la cual estas
ser¶
an usadas para representar las cantidades f¶³sicas. Por tanto se estudiar¶an los n¶
umeros complejos
y los fasores, de tal forma que algunos de los t¶opicos examinados ser¶an de corte fundamental,
pero se enfatizar¶a en los aspectos que los usuarios del presente texto deben apropiar para resolver
situaciones f¶³sicas planteadas en cap¶³tulos siguientes del libro.
1.1.2 Clases y propiedades de las funciones
Existen m¶
ultiples formas en las cuales las funciones pueden ser clasi¯cadas, y a favor de la s¶³ntesis
solo se mostraran aquellas que se utilizaran en los cap¶³tulos posteriores del libro, las cuales corre-
sponden a las utilizadas frecuentemente en el an¶alisis de los sistemas lineales.
Una de las distinciones b¶

asicas que debe ser realizada cuando se discute la representaci¶on
matem¶atica de los fen¶
omenos f¶³sicos es el que conduce a la separaci¶on de fen¶omenos deterministi-
cos de fen¶omenos aleatorios. El comportamiento de un fen¶omeno deterministico es completamente
predecible mientras que el comportamiento de un fen¶
omeno aleatorio tiene un grado de incertidum-
bre asociado con ¶el. Para hacer esta distinci¶on un poco clara, se debe considerar la observaci¶on o
4 1. REPRESENTACION DE CANTIDADES FISICAS
la medici¶
on de algunos par¶ametros que var¶³an con el tiempo en un fen¶
omeno particular. Se debe
asumir que la cantidad de inter¶es ha sido observada durante un intervalo grande de tiempo y por
tanto existe una buena informaci¶on sobre su comportamiento en el pasado. Si el comportamiento
pasado de¯ne y permite conocer con exactitud el comportamiento futuro del par¶
ametro estudiado;
entonces se dice que este par¶
ametro tiene un comportamiento deterministico; en el caso en cual
no se pueda predecir el comportamiento futuro con exactitud decimos que el par¶ametro ahora
tiene comportamiento aleatorio. Sin embargo es importante aclarar que las palabras deterministico
y aleatorio no son absolutas en la descripci¶on de los fen¶omenos f¶³sicos, a menudo se encuentran
situaciones que corresponden a ciertos grados de estos comportamientos.
Las funciones matem¶

aticas son usadas para representar varias cantidades f¶³sicas asociadas con
el fen¶omeno que se quiere investigar; cuando se trata de fen¶omenos deterministicos est¶an fun-
ciones se expresan en t¶erminos de formulas matem¶aticas expl¶³citas, como por ejemplo el caso del
movimiento arm¶
onico simple en una cuerda, el cual es altamente deterministico y se describe con
ayuda de una expresi¶on matem¶atica expl¶³cita en funci¶
on del tiempo, en contraste el movimiento de
las olas en el oc¶eano posee naturaleza aleatoria y no puede ser descrito expl¶³citamente sin rasgos de
incertidumbre. En el caso de los mensajes de telecomunicaciones es importante anotar que antes de
ser trasmitido este posee caracter¶³sticas de fen¶omeno aleatorio, pero una vez enviado se convierte
en deterministico, por consiguiente la noci¶
on de deterministico y aleatorio deben ser consideradas
en funci¶
on del momento en el cual se estudia el par¶ametro.
Muchas cantidades f¶³sicas pueden ser representadas por funciones escalares mientras que otras
deben ser descritas por funciones vectoriales; la presi¶on P en un gas encerrado es una cantidad
escalar que depende de la temperatura T otra cantidad escalar, por tanto P puede ser descrita
!
¡
por una funci¶on escalar de la variable escalar T . De otro lado el campo el¶ectrico E asociado con
una onda electromagn¶etica propag¶andose es una cantidad vectorial que depende de la posici¶on ¡
!
r
y del tiempo t; por tanto debe ser representado por una funci¶on vectorial del vector variable ¡
!
r
y de la variable escalar t. En el estudio de los sistemas lineales es importante estudiar funciones
escalares de variables escalares. Una funci¶
on puede ser vista como una regla que relaciona la variable
dependiente a una o m¶as variables independientes. Si suponemos la siguiente funci¶on:
y = f (x) (1.1)
1.1 REPRESENTACION MATEMATICA DE CANTIDADES FISICAS 5
Donde y es la variable dependiente x es la variable independiente y f es la regla que relaciona

estas dos variables, si existe un u
¶nico valor de y para cada x por tanto y es llamada una funci¶on
Monovaluada de x; en el caso en el que exista m¶ as de un valor y es conocida como una funci¶on
p
multivaluada de x. Para ilustrar esta situaci¶on considere las funciones y = x2 y y = § x, con
la restricci¶
on de que x debe ser real y positivo. La primera de estas es una funci¶on monovaluada,
mientras que la segunda es doble valuada y sus gr¶
a¯cas se muestran en la ¯gura 1.1 en ambos
casos el rango de y incluye u
¶nicamente n¶
umeros reales por tanto y es conocida como una funci¶on
de valor real.
Figura 1.1. Funciones de variable real. a) Monovaluada b) Multivaluada
Si x toma tanto valores positivos como negativos esta funci¶on se llamar¶a de valores complejos.
Otra muy importante de¯nici¶on debe ser hecha en la clasi¯caci¶
on de funciones peri¶odicas y no
peri¶
odicas; una funci¶on peri¶odica f (x) tiene la propiedad de que para todo x se cumple:
f (x) = f (x + nX) (1.2)
Donde n es un entero y X es una constante real positiva conocida como el periodo de f (x);
se asume que X es el n¶
umero m¶
as peque~
no para el cual la ecuaci¶
on 1.2 es satisfecha, de esta
expresi¶
on es claro que una funci¶on peri¶odica se repite exactamente despu¶es de intervalos ¯jos de
nX. El inverso del periodo es llamado Frecuencia fundamental de la funci¶on. Cuando la variable
independiente es una coordenada espacial tanto x como X tienen dimensiones de longitud, la
frecuencia fundamental tiene dimensiones del inverso de la longitud. En este caso el s¶³mbolo »0
representa la frecuencia espacial fundamental de la funci¶
on peri¶odica; es decir:
1
»0 = (1.3)
X
La frecuencia fundamental espacial de una funci¶on peri¶odica describe cuantas repeticiones la

funci¶on hace por unidad de longitud y es medida en unidades de ciclos por metro. Si la variable
independiente es el tiempo se tiene entonces:
g (t) = g (t + nT ) (1.4)
Donde T ahora es el periodo, se acostumbra utilizar el signo º0 para representar la frecuencia

temporal fundamental de la funci¶on, es decir:
1
º0 = (1.5)
T
Las unidades de º0 son ciclos por segundo o Hertz. La frecuencia fundamental temporal especi-
¯ca el n¶
umero de repeticiones hechas por la funci¶on por unidad de tiempo.
Funciones que no satisfacen las ecuaciones anteriores son llamadas no peri¶

odicas o aperi¶
odicas.
En realidad todas las funciones que representan cantidades f¶³sicas deben ser no peri¶odicas por que
para que tales funciones sean estrictamente peri¶odicas ciertos principios f¶³sicos deben ser violados.
Por ejemplo una onda de radio no puede ser verdaderamente peri¶odica pues esto implicar¶³a que ha
existido todo el tiempo. De otro lado esta onda puede estudiarse como aproximadamente peri¶odica.
Tal vez la m¶
as com¶
un y m¶as importante funci¶on peri¶odica es la funci¶
on sinusoidal:
f (x) = A sin (2¼»0 x ¡ μ) (1.6)
La gr¶
a¯ca de tal funci¶on es mostrada en la ¯gura 1.2 y es f¶acil ver que esta funci¶on se repite
n
exactamente despu¶es de intervalos de nX = »0 . La cantidad μ es llamada el desfasaje, es una
constante arbitraria que determina la posici¶on de la funci¶on a lo largo del eje x. La funci¶on seno es
cero cuando su argumento es igual a un m¶
ultiplo entero de ¼, as¶³ los ceros de la funci¶on dados por
(n¼+μ)X
la ecuaci¶
on anterior suceden en los puntos x = 2¼ . Otra funci¶on peri¶odica g (t) = g (t + nT )
este tiempo con funci¶
on de forma arbitraria es mostrado en la ¯gura 1.3:
Un ejemplo de una funci¶
on no peri¶
odica es la funci¶
on Gaussiana:
2
h (x) = Ae¡¼( b )
x
(1.7)
Figura 1.2. Funci¶

on sinusoidal
Figura 1.3. Funci¶

on peri¶ odo T
odica de peri¶
Figura 1.4. Funci¶

on Gaussiana
Donde b es un n¶
umero positivo real. La gr¶a¯ca de esta funci¶on es mostrada en la ¯gura 1.4:
Existe otra clase de funciones llamadas funciones cuasi peri¶
odicas; estas funciones son com-
puestas de la suma de dos o m¶as funciones peri¶odicas cuyos periodos son inconmensurables. Pata
ilustrar considere las funciones peri¶
odicas f1 (x) y f2 (x) mostradas en la ¯gura 1.5 con periodos
X1 y X2 respectivamente. Si se escoge X1 y X2 tal que su divisi¶
on es un n¶
umero racional, luego
la suma f3 (x) = f1 (x) + f2 (x) ser¶a peri¶odica. Por ejemplo suponga X1 = 1 y X2 = 2 la raz¶
on
X2
X1 = 2 es racional y f3 (x) es peri¶
odica con periodo X3 = 2 como se muestra en la ¯gura 1.6:
p
Si se escoge X1 = 1 y X2 = 3; f3 (x) ser¶a cuasi peri¶odica como se muestra en la ¯gura 1.7,
es decir esta funci¶
on esta muy cercana de auto repetirse cuando x crece pero nunca se repetir¶
a
exactamente por que no existe un n¶
umero tal que f3 (x) = f3 (x + X3 )
Como se mostrar¶a m¶as adelante funciones no peri¶odicas pueden ser expresadas como una com-
binaci¶
on lineal (suma) de funciones peri¶odicas.
Figura 1.5. Funciones peri¶ odo X1 y X2

odicas de peri¶
Figura 1.6. Suma de Funciones peri¶ odo X1 = 1 y X2 = 2

odicas de peri¶
Figura 1.7. Funci¶

on cuasi peri¶
odica
1.1.3 Propiedades de simetr¶³a
En el estudio de los sistemas lineales, los problemas pueden ser frecuentemente simpli¯cados toman-
do en cuenta las propiedades de simetr¶³a de las funciones; por ejemplo una funci¶
on e (x) con la
propiedad:
e (x) = e (¡x) (1.8)
Es llamada una funci¶on par de x; mientras que una funci¶on o (x) con la propiedad:
o (x) = ¡o (¡x) (1.9)

Es llamada una funci¶on impar de x.
Como se puede observar de las anteriores ecuaciones sus respectivas gr¶a¯cas mostradas en la
¯gura 1.8 presentan simetr¶³as con respecto a sus ejes; para la funci¶
on par la curva a la izquierda
del origen es simplemente la re°exi¶
on alrededor del eje vertical de la curva a la derecha del origen;
para la funci¶on impar la curva a la izquierda del origen es obtenida por una primera re°exi¶on de
la curva a la derecha del origen al rededor del eje vertical, y luego una re°exi¶on alrededor del
eje horizontal (las palabras izquierda y derecha pueden ser intercambiadas) esto se puede probar
f¶³sicamente con un par de espejos.
Figura 1.8. Funciones sim¶

etricas par e impar
La suma de funciones par o impar jamas ser¶a par o impar como se muestra en la ¯gura 1.9 que
corresponde a la suma de las funciones e (x) y o (x):
Figura 1.9. Funciones que nunca son par o impar
Es f¶acil mostrar que cualquier funci¶

on arbitraria f (x) puede ser expresada como la suma de
una parte par fe (x) y una parte impar fo (x), es decir:
f (x) = fe (x) + fo (x) (1.10)

Donde:
1
fe (x) = [f (x) + f (¡x)] (1.11)
2
y
1
fo (x) = [f (x) ¡ f (¡x)] (1.12)
2
Otro interesante resultado partiendo de las propiedades de simetr¶³a de las funciones es el pro-
ducto de dos funciones par es una funci¶on par, el producto de dos funciones impar es una funci¶on
par y el producto de una funci¶on par y una funci¶on impar es impar; estos resultados pueden ser
muy u
¶tiles al simpli¯car ciertas operaciones integrales.
Si se supone por ejemplo que se busca evaluar la integral de¯nida de la funci¶on par e (x) sobre
el intervalo (¡a; a). Con ® como variable muda de integraci¶on, se puede escribir que:
Z a Z 0 Z a
e (®) d® = e (®) d® + e (®) d® (1.13)
¡a ¡a 0
Si se utiliza la propiedad e (®) = e (¡®) se encuentra que:
Z a Z a
e (®) d® = 2 e (®) d® (1.14)
¡a 0
De una forma similar se puede probar que:
Z a
o (®) d® ´ 0 (1.15)
¡a
La interpretaci¶
on geom¶etrica de estos resultados se puede expresar en t¶erminos de las ¶areas
bajo las curvas.
1.2 FUNCIONES BIDIMENSIONALES
El an¶alisis desarrollado hasta ahora corresponde a funciones uno dimensional donde la variable
independiente x es referida solo a la variable dependiente y. Una funci¶on dos dimensional o bidi-
mensional es una regla que relaciona una variable dependiente simple con dos variables indepen-
dientes; tales funciones son muy utilizadas en el an¶alisis de los sistemas ¶opticos y por ello son de
1.2 FUNCIONES BIDIMENSIONALES 11
importancia en los preliminares de este texto. Si se supone, por ejemplo que se desea encontrar el
valor de la transmitancia de una placa fotogr¶
a¯ca, en general esta varia punto a punto en la placa
y por tanto debe ser representada por una funci¶
on dos dimensional de las coordenadas espaciales,
en coordenadas rectangulares ser¶
a:
t = g (x; y) (1.16)
Donde t denota la transmitancia; x y y son las variables independientes y g (::) es la regla de

relaci¶on. La gr¶
a¯ca de una funci¶
on dos dimensional debe asociarse a una super¯cie en el espacio;
por ejemplo veamos la funci¶
on Gaussiana dos dimensional (ver ¯gura 1.10):
Figura 1.10. Funci¶

on Gaussiana
· 2 2
¸
¡¼ x d+y
f (x; y) = A e 2
(1.17)
El valor de esta funci¶on para cualquier punto (x; y) es justamente la altura de la super¯cie
encima del plano x ¡ y. En general esta altura puede ser positiva o negativa. Tambi¶en es posible
expresar la funci¶
on Gaussiana bidimensional en coordenadas polares como:
p
r = + x2 + y 2 (1.18)
³y´
μ = arctan (1.19)
x
De donde se obtiene que:
2
g (r; μ) = Ae¡¼( d )
r
(1.20)
Una funci¶on dos dimensional se dice de variables separables en un sistema coordenado particular
si se puede escribir como el producto de dos funciones uno dimensionales, cada una de las cuales
depende u
¶nicamente de una de las coordenadas; as¶³ la funci¶on f (x; y) es de variables separables s¶³:
f (x; y) = g (x) h (y) (1.21)
Donde g (x) es una funci¶on u

¶nicamente de x y h (y) es una funci¶on u
¶nicamente de y. Una
funci¶on dos dimensional dada puede ser de variables separables en un sistema coordenado pero en
otro no cumple esta propiedad. Es importante se~
nalar que la funci¶
on Gaussiana bidimensional es
una funci¶on que es de variables separables en coordenadas rectangulares y en coordenadas polares,
es decir tiene una propiedad que la mayor¶³a de funciones no posee. El volumen de la funci¶
on de
variables separables f (x; y) = g (x) h (y) es simplemente el producto de las ¶areas de g (x) y h (y)
1.3 NUMEROS COMPLEJOS Y FASORES
En esta secci¶
on se revisaran las principales propiedades y usos de los n¶
umeros complejos y fasores.
Estos conceptos son de gran utilidad en ingenier¶³a el¶ectrica y f¶³sica.
1.3.1 n¶
umeros complejos
Dados dos n¶
umeros reales v y w se puede formar la suma:
u = v + iw (1.22)
p
Donde i = ¡1 ; en genral se dice que u es un n¶
umero complejo, sin embargo si w = 0 es
simplemente un n¶
umero real y si v = 0 es un n¶
umero imaginario. Por tanto podemos de¯nir:
v = < (u) (1.23)
w = = (u) (1.24)
La representaci¶on de un n¶
umero complejo puede ser realizada en el plano cartesiano correspon-
diendo a un punto sobre este como se indica en la ¯gura 1.11:
1.3 NUMEROS COMPLEJOS Y FASORES 13
Figura 1.11. Representaci¶

on compleja
Tal vez la mas u

¶til de las representaciones de los n¶
umeros complejos corresponde a la forma
polar; la forma polar de un n¶
umero complejo u = v + iw esta dada por:
u = reiÁ (1.25)
Donde:
p
r =j u j= v 2 + w2 (1.26)
³w´
Á = arg(u) = arctan (1.27)
v
La cantidad r es conocida como valor absoluto o modulo de u mientras que Á es su argumento

o fase. Ambos r y Á son n¶
umeros reales y r es positivo. La representaci¶
on en el plano complejo de
este n¶
umero es mostrada en la ¯gura 1.12, u es interpretado como un vector cuya magnitud es dada
por r y cuyo a¶ngulo de direcci¶on con respecto al eje v esta determinado por Á, Como convenci¶
on
se tomar¶
a Á en el sentido contrario a las manecillas del reloj.
Figura 1.12. Forma polar de un n¶

umero complejo
Si se toma el ejemplo anterior de u = 3 + 2i en forma polar se debe hacer:
p p
r =j u j= 32 + 22 = 13 = 3:61 (1.28)
μ ¶
2
Á = arg(u) = arctan = 33:70 ´ 0:591rad (1.29)
3
Por tanto en forma polar el n¶

umero se escribe como:
u = 3:61ei0:591 (1.30)
Cuando un n¶
umero complejo est¶
a dado en forma polar sus componentes real e imaginario se
pueden obtener utilizando la formula de Euler:
u = reiÁ = r (cos Á + i sin Á) (1.31)
De tal forma que:
<(u) = r cos Á (1.32)
=(u) = r sin Á (1.33)
umero complejo u se denota por u¤ y se obtiene simplemente

El complejo conjugado de un n¶
remplazando i por ¡i; por tanto el complejo conjugado de u = v + iw ser¶
a:
u¤ = v ¡ iw (1.34)
En forma polar:
u¤ = re¡iÁ (1.35)
Algebra compleja. Se mostrar¶

an las principales relaciones del a¶lgebra compleja que se utilizan
frecuentemente. Para las propiedades listadas se usaran los n¶
umeros complejos siguientes:
u1 = r1 eiÁ1 = v1 + iw1 (1.36)
u2 = r2 eiÁ2 = v2 + iw2 (1.37)
Las propiedades de adici¶

on y multiplicaci¶
on son:
u1 + u2 = (v1 + v2 ) + i (w1 + w2 ) (1.38)
u1 u2 = (v1 v2 ¡ w1 w2 ) + i (v1 w2 + v2 w1 ) = r1 r2 ei(Á1 +Á2 ) (1.39)
Algunas consecuencias de estas propiedades son:
u1 + u1 ¤ = 2v1 (1.40)
u1 ¡ u1 ¤ = i2w1 (1.41)
u1 u1 ¤ =j u1 j= v1 2 + w1 2 = r1 2 (1.42)
Las propiedades de divisi¶on son un poco m¶as complejas que la adici¶on y la multiplicaci¶on,
a menos que el dividendo y el divisor esten dados en forma polar; si estos est¶an dados en for-
ma rectangular, el divisor debe ser racionalizado antes que el cociente sea expresado en forma
rectangular:
u1 u1 u2 ¤ u1 u2 ¤
= ¤
= 2 (1.43)
u2 u2 u2 j u2 j
μ ¶ μ ¶
u1 v1 v2 + w1 w2 v2 w1 ¡ v1 w2
= +i (1.44)
u2 u2 2 + w2 2 u2 2 + w2 2
Esta operaci¶
on puede ser desarrollada m¶as f¶acilmente si se utiliza la forma polar como se
muestra a continuaci¶on:
u1 r1 eiÁ1 r1
= iÁ
= ei(Á1 ¡Á2 ) (1.45)
u2 r2 e 2 r2
Otras relaciones muy importantes son:
j u1 u2 j = j u1 j:j u2 j (1.46)
2
j u1 u1 ¤ j = j u1 j (1.47)
(u1 + u2 )¤ = u¤1 + u¤2 (1.48)
(u1 :u2 )¤ = u¤1 :u¤2 (1.49)
μ ¶¤
u1 u¤1
= (1.50)
u2 u¤2
1 u¤1
= (1.51)
u1 j u1 j2
Se debe resaltar adem¶as que:
<(u1 + u2 ) = <(u1 ) + <(u2 ) (1.52)
=(u1 + u2 ) = =(u1 ) + =(u2 ) (1.53)
Pero de manera general:
<(u1 :u2 ) 6= <(u1 ):<(u2 ) (1.54)

=(u1 :u2 ) 6= =(u1 ):=(u2 ) (1.55)
Para el caso de potencias y ra¶³ces de n¶

umeros complejos se tiene:
(u1 )n = r1n e¡inÁ1 (1.56)
1 1 Á1 +k2¼
(u1 ) n = (r1 ) n exp[i( n )] (1.57)
1
Donde k = 0; 1; 2; 3; 4; 5:::n ¡ 1: es importante notar que existen n valores distintos de (u1 ) n
Las operaciones de n¶
umeros complejos a menudo son asociadas con operaciones de vectores
como se indica en la ¯gura 1.13:
Figura 1.13. N¶
umeros complejos tratados como vectores
1.3.2 Fasores
La palabra fasor es utilizada por los f¶³sicos para signi¯car n¶

umeros complejos. En ingenier¶³a se
utiliza para denotar una funci¶on exponencial compleja de modulo constante y fase lineal, esto es
una funci¶on con comportamiento puramente arm¶
onico; sin embargo se puede entender de manera
general como una funci¶
on de valor complejo de una o m¶as variables. Si se dan dos funciones v (x)
y w (x) la forma de la funci¶
on compleja por tanto es:
u (x) = v (x) + iw (x) (1.58)

Expresi¶
on conocida como fasor; esta funci¶on en forma polar se escribe como:
u (x) = a (x) eiÁ(x) (1.59)
Donde
£ ¤1
a (x) =j u (x) j= v 2 (x) + w2 (x) 2 (1.60)
· ¸
w (x)
Á (x) = arg[u (x)] = arctan (1.61)
v (x)
Son el modulo y la fase respectivamente de u (x). Ambos a (x) y Á (x) son funciones de valor
real y a (x) es positivo. Los fasores se pueden representar en el plano complejo en una forma similar
a los n¶
umero complejos como se ilustra en la ¯gura 1.14:
Figura 1.14. Representaci¶

on en el plano complejo de un fasor
Tambi¶en se cumple que:
< fu (x)g = a (x) cos Á (x) (1.62)
= fu (x)g = a (x) sin Á (x) (1.63)
Se debe notar que si a (x) y Á (x) no var¶³an entonces u (x) es una constante compleja. Si se
representa el fasor como:
u (x) = Aei2¼»0 x (1.64)
El cual tiene un modulo constante y fase variando linealmente, la representaci¶

on compleja de
este fasor es la misma que se mostr¶o en la ¯gura 1.14 con a (x) = A y Á (x) = 2¼»0 x, En una
segunda representaci¶
on se gr¶
a¯ca individualmente las componentes reales e imaginarios de u (x)
las cuales dan:
< fu (x)g = A cos (2¼»0 x) (1.65)
= fu (x)g = A sin (2¼»0 x) (1.66)
Las gr¶
a¯cas de estas funciones son mostradas en la ¯gura 1.15:
Figura 1.15. Componentes real e imaginaria del fasor Aei2¼»0 x
El siguiente m¶etodo involucra las gr¶a¯cas individuales del modulo y de la fase de u (x) las cuales
son especi¯cadas como:
j u (x) j= a (x) = A (1.67)
arg fu (x)g = Á (x) = 2¼»0 x (1.68)
El ultimo m¶etodo referenciado esta fundamentado en un sistema coordenado rectangular tridi-

mensional. La variable x es gra¯cada a lo largo de un eje, y las componentes real e imaginaria del
Figura 1.16. Modulo y fase de Aei2¼»0 x
Figura 1.17. Forma de h¶

elice del fasor
fasor son gra¯cadas a lo largo de los otros dos. El resultado es la curva tridimensional una h¶elice
en este caso, la cual es mostrada en la ¯gura 1.16.
Se debe destacar es que cuando una funci¶on de valor complejo o fasor cuya parte real es una
funci¶on par y cuya parte imaginaria es impar se dice que es Herm¶³tico, mientras que un fasor cuya
parte real es impar y cuya parte imaginaria es par se llama Antihermitico, lo cual conduce a ciertas
propiedades particulares de la transformada de Fourier.
1.4 REPRESENTACION DE CANTIDADES FISICAS
Una de las principales representaciones de un fen¶omeno corresponde a aquel que posee un com-
portamiento sinusoidal, luego se procede a representar la amplitud y la fase de ondas moduladas
y ¯nalmente a la descripci¶
on de ondas de luz monocrom¶aticas.
Como se puede notar la representaci¶

on de cantidades f¶³sicas por fasores que son funciones de
valor complejo, ofrece amplias ventajas; sin embargo a menos que la representaci¶
on este perfecta-
1.4 REPRESENTACION DE CANTIDADES FISICAS 21
mente de¯nida esto puede conducir a confusiones conceptuales, por ejemplo un voltaje que varia
continuamente con el tiempo es representado por un fasor a (t) e(iÁ(t)) lo cual implica que el voltaje
consiste de una parte real y una parte imaginaria y esto no tiene sentido f¶³sico. Tal voltaje es mejor
representado en la parte real e imaginaria por un fasor apropiado lo cual conduce a funciones de
valor real.
Si se introduce la noci¶on de se~

nal a la cual se le da el signi¯cado de funci¶
on que representa
una cantidad f¶³sica especi¯ca que posee informaci¶on en la cual se tiene inter¶es. Esto no restringe
su uso a las aplicaciones el¶ectricas convencionales tales como audio o se~
nales de v¶³deo, tambi¶en es
u
¶til considerar la funci¶
on de transmitancia de una transparencia fotogr¶a¯ca al ser estudiada como
una se~
nal bidimensional para un sistema ¶optico coherente.
1.4.1 Se~
nales sinusoidales
Las se~
nales sinusoidales son de gran importancia ene el estudio de muchos problemas de ingenier¶³a,
ya que ellas describen adecuadamente el comportamiento de m¶
ultiples fen¶
omenos, pero adem¶
as
son b¶asicas; ya que otras funciones se pueden descomponer en t¶erminos de funciones sinusoidales
como combinaciones lineales, en resumen las funciones sinusoidales son las funciones propias de los
sistemas lineales invariantes al desplazamiento LSI.
Si se considera la funci¶
on de valor real:
v (t) = A cos (2¼º0 t + μ) (1.69)
La cual puede ser usada para representar una cantidad f¶³sica cuyo comportamiento es sinusoidal
por ejemplo una l¶³nea de voltaje o un sistema de distribuci¶on de potencia, las oscilaciones de un
p¶endulo, etc. Esta expresi¶
on tambi¶en se puede escribir como:
v (t) = <u (t) (1.70)
Donde:
u (t) = A exp [i (2¼º0 t + μ)] (1.71)

Geom¶etricamente utilizando la convenci¶

on para diagramas de fasores v (t) es simplemente la
proyecci¶
on del vector u (t) sobre el eje de los reales; por tanto cualquier funci¶on cos puede ser
descrita como la parte real de un fasor apropiado y en forma similar cualquier funci¶
on sin puede
ser escrita como la parte imaginaria de un fasor. La utilidad de la notaci¶
on de fasores se entender¶a
mejor aun, cuando se realizan ciertas operaciones con se~
nales sinusoidales, por ejemplo si se desea
encontrar la suma de:
n
X
s (t) = vi (t) (1.72)
i=1
De n se~
nales cosenoidales de la forma:
vi (t) = Ai cos (2¼ºi t + μi ) (1.73)
Donde i = 1; 2; 3; :::n, Ai y μi son constantes reales arbitrarias. Para un gran n¶

umero de t¶erminos
se entiende que es bastante dif¶³cil calcular esta suma, pero con la de¯nici¶on de fasor:
ui (t) = Ai exp (2¼ºi t + μi ) (1.74)
Donde:
vi (t) = < fui (t)g (1.75)
Se obtiene que:
n
( n )
X X
vi (t) = < ui (t) (1.76)
i=1 i=1
As¶³ la suma de las n se~

nales cosenoidales es igual a la parte real de la suma de los n correspon-
dientes fasores, o en un diagrama de fasores es justamente la proyecci¶on del eje horizontal de la
suma de los n correspondientes vectores. Otro concepto muy u
¶ til concerniente a la representaci¶
on
de se~
nales sinusoidales es la siguiente: Suponga que se tiene una se~
nal A cos (2¼º0 t) la cual se puede
expandir utilizando la formula de Euler:
A £ 2i¼º0 t ¤
A cos (2¼º0 t) = e + e¡2i¼º0 t (1.77)
2
A
La cual es justamente la suma de dos fasores de modulo constante 2 y fase lineal §2¼º0 . En un
diagrama de fasores el primero de estos fasores rota en el sentido contrario al horario con tiempo a
la velocidad de 2¼º0 rad
seg , mientras que el segundo rota en el sentido horario a la misma velocidad.
La parte imaginaria de estos fasores es siempre de signo opuesto, cancelado el uno al otro, pero
su parte real es siempre del mismo signo esta suma produce la funci¶on de valor real A cos (2¼º0 t)
como se muestra en la ¯gura 1.17. Es tambi¶en instructivo asociar el signo negativo en el exponente
del segundo fasor con la frecuencia fundamental es decir:
A h 2i¼º0 t i
A cos (2¼º0 t) = e + e2i¼(¡º0 )t (1.78)
2
Por tanto se puede considerar la se~

nal compuesta de una frecuencia positiva y una componente
de frecuencia negativa que forman un fasor rotando en el sentido anti horario por tanto su fre-
cuencia fundamenta el es positiva, y un fasor rotando en el sentido horario debido a su frecuencia
fundamental negativa.

on coseno como suma de fasores de frecuencia positiva y negativa
Ondas moduladas. La modulaci¶on es un proceso mediante el cual la se~

nal moduladora es usada
para controlar algunas propiedades de la onda portadora en una forma predeterminada, por tanto es
un parte importante de todos los sistemas de comunicaciones, incluyendo radio, televisi¶on, tel¶efono,
etc. Sin embargo existen muchos tipos de modulaci¶on, ac¶
a solo se describir¶
a el tipo de modulaci¶
on en
el cual la onda portadora describe comportamiento sinusoidal. Por tanto se estudiar¶a la modulaci¶
on
temporal sin embargo los conceptos aplicados ac¶a pueden ser utilizados en la modulaci¶
on espacial.
La expresi¶
on general para una onda modulada con una portadora sinusoidal esta dada por:
v (t) = a (t) cos [Á (t)] (1.79)

Donde a (t) es siempre la amplitud instant¶anea de la onda portadora y Á (t) es la fase in-
stant¶anea. Para modulaci¶on en amplitud AM , a (t) es linealmente referida a la se~
nal moduladora
m (t), mientras la fase es independiente de esta se~
nal y usualmente tiene la forma:
Á (t) = 2¼ºc t ¡ μ (1.80)
Donde ºc es la frecuencia fundamental de la onda portadora y μ es una constante real arbitraria.

Frecuentemente a (t) es escrita como:
a (t) = A [1 + m (t)] (1.81)
Donde A es una constante real positiva y m (t) es una funci¶on de valor real; por tanto para el
caso de AM se tiene:
v (t) = A [1 + m (t)] cos (2¼ºc t ¡ μ) (1.82)
Teniendo en cuenta el valor de a (t) se obtiene:
m (t) ¸ ¡1 (1.83)
Se asume usualmente que a (t) es positivo. Si m (t) es una funci¶on que varia lentamente con
respecto a la oscilaci¶
on de la onda portadora como es generalmente el caso; a (t) es llamada la
envolvente de la onda modulada. En la ¯gura 1.18 se muestra una se~
nal modulada arbitrariamente
empezando en el tiempo t0 y la onda modulada resultante. Es tambi¶en instructivo considerar el
proceso de modulaci¶
on desde el punto de vista de los fasores, parta hacer esto se puede escribir
que:
© ª
v (t) = A [1 + m (t)] < ei2¼ºc t (1.84)
© ª
v (t) = < A [1 + m (t)]ei2¼ºc t (1.85)
Donde se ha omitido la constante μ para simpli¯car la notaci¶on; as¶³ v (t) es simplemente la parte
real del fasor cuyo modulo es a (t) = A [1 + m (t)] y cuyo plano varia linealmente con el tiempo.
Figura 1.19. Modulaci¶

on de amplitud
Para modulaci¶on de fase (F M ) la amplitud instant¶anea a (t) es constante y la fase instant¶anea

Á (t) depende linealmente de la se~
nal de modulaci¶on. ; esta dependencia es frecuentemente expre-
sada como:
Á (t) = 2¼ºc t + ¢Ám (t) (1.86)
on de fase instant¶anea y de nuevo ºc es la frecuencia

Donde la cantidad ¢Ám (t) es la desviaci¶
portadora; por tanto para el caso de modulaci¶on de fase se tiene:
v (t) = A cos [2¼ºc t + ¢Ám (t)] (1.87)
aticas. La representaci¶
Ondas de luz monocrom¶ on matem¶
atica de ondas de luz se incluye para
familiarizar al lector con algunos de los conceptos b¶asicos de la ¶optica.
En general una onda de luz puede ser representada por una funci¶on vectorial de posici¶on y de
tiempo; existen casos para los cuales tal onda puede describirse por una funci¶on escalar. Por
tanto este ser¶a el tratamiento dado en este texto, adem¶as de considerar u
¶nicamente ondas de
luz monocrom¶aticas; es decir ondas que poseen una frecuencia temporal singular. Estas ondas
se asumen linealmente polarizadas y ser¶an asociadas a la funci¶
on escalar que las describe con la
magnitud tanto del vector campo el¶ectrico como del vector campo magn¶etico, por consiguiente:
u (¡
!
r ; t) = a (¡
!
r ) cos [2¼º0 t ¡ Á(¡
!
r )] (1.88)
atica polarizada linealmente donde ¡

Para representar tal onda monocrom¶ !
r es un vector posici¶
on
y º0 es la frecuencia temporal de la onda. La funci¶on a (¡
!
r ) es conocida como la amplitud de la
onda y el argumento de la funci¶
on cos es llamada la fase. Las super¯cies en el espacio de¯nidas por
la ecuaci¶
on son llamadas super¯cies cofasales o m¶ unmente frentes de onda. Ambos a (¡
as com¶ !
r)y
Á (¡
!
r ) son funciones escalares de valor real de la posici¶ on u (¡
on. La funci¶ !
r ; t) es la soluci¶
on de la
ecuaci¶
on de onda escalar:
n2 @ 2 u (r; t)
r2 u (r; t) ¡ =0 (1.89)
c2 @t2
Donde n es el ¶³ndice de refracci¶on del medio en el cual la onda se est¶

a propagando c es la veloci-
dad de la luz en el vac¶³o y r2 es el operador Laplaciano, el cual se puede escribir en coordenadas
rectangulares como:
@2 @2 @2
r2 = 2
+ 2+ 2 (1.90)
@x @y @z
Se asume que el medio es homog¶eneo y que sus propiedades son independientes del tiempo; as¶³
el ¶³ndice refractivo es constante. Si se de¯ne el fasor:
u (r; t) = a (r) eiÁ(r) (1.91)
Expresi¶
on conocida en o¶ptica como la amplitud compleja de la onda u (r; t) de tal forma que:
© ª
u (r; t) = < u¤ (r) ei2¼º0 t (1.92)
Como se nota u (r; t) no solo es u

¶nicamente soluci¶
on de la ecuaci¶
on de onda escalar sino que la
amplitud compleja u (r) satisface la ecuaci¶
on de Helmholz independiente del tiempo.
r2 u (r) + n2 k02 u (r) = 0 (1.93)
2¼º0 2¼
Donde k0 = c = ¸0 es el n¶
umero de onda asociado con u (r; t), ¸0 es la longitud de onda
en el vac¶³o. Como resultado de esto muchos problemas de inter¶es en la o¶ptica pueden resolverse y
algunas operaciones intermedias ser simpli¯cadas.
1.5 TALLER DE EJERCICIOS 27
1.5 TALLER DE EJERCICIOS
1.1. Dada una funci¶on arbitraria f (x) = fe (x) + fo (x) ,donde fe (x) representa la funci¶
on par y
fo (x) representa la funci¶
on impar; Demuestre que:
1
a.fe (x) = 2 [f (x) + f (¡x)]
1
b.fo (x) = 2 [f (x) ¡ f (¡x)]
1.2. Dado el n¶
umero complejo u = v + iw, demuestre que:
a. Re fug = 1
2 (u + u¤ )
b. Im fug = 1
2i (u ¡ u¤ )
umeros complejos u1 = v1 + iw1 , y u2 = v2 + iw2 demuestre que:

1.3. Dados los n¶
1 1 ¤
a. Re fu1 + u2 g = 2 (u1 + u2 ) + 2 (u1 + u2 )
b. (u1 + u2 ) + (u1 ¡ u2 )¤ = 2Re fu1 g + 2iIm fu2 g
c. Re fu1 u¤2 g 6= Re fu1 g Re fu¤2 g
d. u1 u¤2 + u¤1 u2 es de valor Real
e. j u1 + u2 j2 =j u1 j2 + j u2 j2 +u1 u¤2 + u¤1 u2
1.4. Encuentre todas las raices de las siguientes ecuaciones y muestre sus posiciones en el plano
complejo:
a. x3 = 1
b. x3 = 8ei¼
¼
c. x4 = 4ei 3
1.5. Calcule las siguientes sumas complejas y gra¯que su representaci¶

on en el plano complejo:
¼ 5¼
a. u = ei 6 + ei 6
¼ 2¼
b. u = 2ei 3 ¡ 2ei 3
p i¼ ¼
c. u = 1 + 2e 4 + ei 2
1.6. Sea u (x) = Aei2¼»0 x Donde A y »0 son constantes reales positivas ; encuentre y gra¯que
las siguientes funciones:
a. j u (x) j2
b. u (x) + u¤ (x)
c. j u (x) + u¤ (x) j2
1.6 EJERCICIOS RESUELTOS
1.6.1 N¶
umeros complejos y fasores
z1 r1
A. Si z1 = r1 (cos μ1 + i sin μ1 ) y z2 = r2 (cos μ2 + i sin μ2 ) probar que: z2 = r2 fcos (μ1 ¡ μ2 ) + i sin (μ1 ¡ μ2 )g.
SOLUCION:
z1 r1 (cos μ1 + i sin μ1 )
= (1.94)
z2 r2 (cos μ2 + i sin μ2 )
r1 (cos μ1 + i sin μ1 ) r1 (cos μ1 + i sin μ1 ) (cos μ2 + i sin μ2 )

= : (1.95)
r2 (cos μ2 + i sin μ2 ) r2 (cos μ2 + i sin μ2 ) (cos μ2 + i sin μ2 )
1.6 EJERCICIOS RESUELTOS 29
z1 r1 (cos μ1 cos μ2 + sin μ1 sin μ2 ) i (sin μ1 cos μ2 ¡ cos μ1 sin μ2 )

= : + (1.96)
z2 r2 (cos2 μ2 + sin2 μ2 ) (cos2 μ2 + sin2 μ2 )
z1 r1
= fcos (μ1 ¡ μ2 ) + i sin (μ1 ¡ μ2 )g (1.97)
z2 r2
B. Probar la identidad cos 5μ = 16 cos5 μ ¡ 20 cos3 μ + 5 cos μ, utilizando notaci¶on compleja.
SOLUCION:
Utilizando el teorema de De Moivre:
(cos μ + i sin μ)n = cos nμ + i sin nμ (1.98)
De la Formula binomial:
Ã ! Ã ! Ã !
n
n n n
n n¡1 n¡2 2
(a + b) = a + a b+ a b + :::::::::::: an¡r br ::::::::::::: + bn (1.99)
1 2 r
De donde se puede encontrar que:
(cos μ + i sin μ)5 = cos 5μ + i sin 5μ (1.100)
Aplicando la formula binomial:
cos 5μ + i sin 5μ = cos5 μ ¡ 10 cos3 μ sin2 μ + 5 cos μ sin4 μ +

¡ ¢
i 5 cos4 μ sin μ ¡ 10 cos2 μ sin3 μ + sin5 μ (1.101)
Por consiguiente:
cos 5μ = cos5 μ ¡ 10 cos3 μ sin2 μ + 5 cos μ sin4 μ (1.102)
¡ ¢ ¡ ¢2
cos 5μ = cos5 μ ¡ 10 cos3 μ 1 ¡ cos2 μ + 5 cos μ 1 ¡ cos2 μ (1.103)
Resolviendo:
cos 5μ = 16 cos5 μ ¡ 20 cos3 μ + 5 cos μ (1.104)
1.6.2 Representaci¶
on matem¶
atica de cantidades f¶³sicas
on matem¶atica u1 (x; y) = Aeik°x x .

Considere la expresi¶
A. Que clase de fen¶omeno f¶³sico representa esta expresi¶

on.
Soluci¶
on
Representa una onda plana
B. Identi¯que sus principales caracter¶³sticas.
Soluci¶
on
Es una onda plana de amplitudconstante A, su fase est¶a en el origen de coordenadas; es decirt
no est¶a desfasada. El par¶ametro °x representa el angulo del coseno direcor en la direcci¶
on x
C. Sabiendo que I (x; y) =j u1 (x; y) j2 , encuentre este valor. Que signi¯cado f¶³sico tiene (Valor
0.40 puntos)
Soluci¶
on
I (x; y) =j u1 (x; y) j2 =j u1 (x; y) jj u¤1 (x; y) j (1.105)
Se obtiene:
I (x; y) =j u1 (x; y)u¤1 (x; y) j =j Aik°x x A¡k°x x j=j A j2 (1.106)
Finalmente:
I (x; y) =j A j2 (1.107)
Cantidad que representa que la irradiancia Cantidad de energ¶³a o de °ujo radiante de la onda
plana a trav¶es del espacio, en este caso particular la Irradiancia es constante.
1.6.3 Aplicaciones de los fasores
En este caso se analizara un circuito en el cual se colocan elementos en serie con una resistencia
conectados a una fuente de voltaje de AC que esta en fase con la corriente. (ver ¯gura 1.) Asuma
que el voltaje aplicado var¶³a senosoidalmente con el tiempo mediante la expresi¶on: v = V sin (wt)
y i = I sin (wt ¡ Á)
Figura 1.20. Circuito propuesto
A. Encuentre el voltaje instant¶aneo a trav¶es de los tres elementos.
Soluci¶
on
Debido a que todos los elementos est¶an en serie, la corriente en cualquier punto del circuito
debe ser la misma en cualquier instante. Por consiguiente, el voltaje a trav¶es de cada elemento
tiene diferentes amplitudes y fases. En particular, el voltaje a trav¶es de la resistencia esta en fase
con la corriente, el voltaje a trav¶es del inductor adelanta la corriente 900 , y el voltaje a trav¶es
del capacitor va retrasado de la corriente en 900 . Utilizando estas relaciones de fase, se pueden
expresar las ca¶³das de voltaje instant¶aneas a trav¶es de los tres elementos como:
VR = IR1 sin (wt) (1.108)
¡ ¢
Vl = IXl sin wt + 900 (1.109)
¡ ¢
Vc = IXc sin wt ¡ 900 (1.110)
El voltaje instant¶aneo a trav¶es de los tres elementos es igual a la suma:

V = VR + Vl + Vc (1.111)
B. Obtenga el diagrama de fasores resultante combinando los tres pares de fasores encontrados
en el literal anterior.
Soluci¶
on Debido a que la corriente en cada elemento es la misma en cualquier instante, se puede
obtener el diagrama de fasores resultante combinando los tres pares de fasores mostrados. Para
obtener la suma vectorial de estos voltajes, es conveniente dibujar un diagrama de fasores como se
muestra en la ¯gura 2.
Figura 1.21. Diagrama de fasores
De acuerdo con este diagrama, la suma vectorial de las amplitudes de voltaje VR + Vl + Vc

es igual a un fasor cuya longitud es le m¶
aximo voltaje aplicado Vm , donde el fasor Vm forma un
angulo Á con el fasor de corriente Im. Obs¶ervese que los fasores de voltaje est¶
¶ an en direcciones
opuestas a lo largo de la misma l¶³nea, por lo que se puede construir un fasor de diferencia Vl ¡ Vc
la cual es perpendicular al fasor VR . Seg¶
un ¶el triangulo rect¶
angulo en la ¯gura 2 se nota que:
q q
Vm = VR2 + (Vl ¡ Vc )2 = (IR)2 + (IXl ¡ IXc)2 (1.112)
Finalmente:
q
Vm = I (R)2 + (Xl ¡ Xc)2 (1.113)
C. Exprese la corriente m¶axima y el voltaje m¶

aximo como funci¶
on de la impedancia del circuito.
Soluci¶
on
Por lo tanto, se puede expresar la corriente m¶axima como:
Vm
I=q (1.114)
(R) + (Xl ¡ Xc)2
2
Dado que la impedancia del circuito se de¯ne como:
q
Z= (R)2 + (Xl ¡ Xc)2 (1.115)
La impedancia esta dada en ohms por tanto, podemos escribir la ecuaci¶

on la ecuaci¶
on como:
Vm = IZ (1.116)
on de una se~
nal con forma de onda
A. Sea una se~

nal peri¶odica f (x) de periodo 2¼ de¯nida por:
8
> ¡x; Si ¡¼ · x · 0
>
<
f (x) = (1.117)
>
>
:
x; Si 0 < x · ¼
Realice una gr¶
a¯ca de la se~
nal.
Figura 1.22. Se~

nal del problema IV A
B. Sea una se~

nal peri¶odica f (x) de periodo 2¼ de¯nida por:
f (x) = x2 Si ¡¼ · x · ¼ (1.118)
Realice una gr¶

a¯ca de la se~
nal.
Figura 1.23. Se~

nal del problema IV B
2. MATEMATICAS ESPECIALES DE LA OPTICA
2.1 FUNCIONES BASICAS
2.1.1 Funciones unidimensionales
Funci¶
on De¯nici¶
on
8
> 0; Si Xb < Xb0
>
<
¡ ¢
step step x¡x b
0
= 21 ; Si Xb = Xb0
>
>
:
1; Si Xb > Xb0
8
> ¡1; Si Xb < Xb0
>
<
¡ ¢
signo sgn x¡x b
0
= 0; Si Xb = Xb0
>
>
:
1; Si Xb > Xb0
8
> 0; Si j X¡X 0
j> 12
> b
¡ x¡x0 ¢ < 1
Rectangulo rect b = 2 ; Si j X¡X b
0
j= 12
>
>
:
1; Si j X¡X b
0
j< 12
8
> 0; Si Xb · Xb0
>
<
¡ ¢
rampa ramp x¡x b
0
=
>
>
: X¡X0
j b j; Si Xb > Xb0
8
> 0; Si j X¡X 0
j¸ 1
>
< b
¡ x¡x0 ¢
triangulo tri b =
>
>
:
1¡ j X¡X b
0
j; Si j X¡Xb
0
j< 1
¡ x¡x0 ¢ sin¼( b ) x¡x 0
sinc sinc b = x¡x
¼( b 0 )
¡ ¢ sin¼( x¡x 0
) 2
sinc2 j sinc x¡x b
0
= x¡x
b
j
¼( b 0 )
¡ ¢ h ¡ x¡x0 ¢2 i
Gaussiana Gaus x¡x b
0
= exp ¡¼ b
¡ ¢
Impulso ± (x) = limb!0 1b Gaus xb
0
C¶esar Torres M. LOI - UPC
36 2. MATEMATICAS ESPECIALES DE LA OPTICA
(Step) (Signo) (Rectangulo)
(Rampa) (Triangulo) (Sinc)
(Sinc2 ) (Gauss) (Impulso)
Figura 2.1. Funciones especiales unidimensionales

2.1 FUNCIONES BASICAS 37
Propiedades de la funci¶
on impulso:
± (x ¡ x0 ) = 0; si x 6= x0 (2.1)
Z x2
f (®) ± (® ¡ x0 ) d® = f (x0 ) ; x1 < x0 < x2 (2.2)
x1
Propiedades de escalamiento
μ ¶
x ¡ x0
± =j b j ± (x ¡ x0 ) (2.3)
b
1 ³ x0 ´
± (ax ¡ x0 ) = ± x¡ (2.4)
jaj a
± (¡x + x0 ) = ± (x ¡ x0 ) (2.5)
± (¡x) = ± (x) (2.6)
Propiedades en productos
f (x) ± (x ¡ x0 ) = f (x0 ) ± (x ¡ x0 ) (2.7)
x± (x ¡ x0 ) = x0 ± (x ¡ x0 ) (2.8)
± (x) ± (x ¡ x0 ) = 0; Si x0 6= 0 (2.9)
± (x ¡ x0 ) ± (x ¡ x0 ) = indef inido (2.10)
Propiedades en integrales
Z 1
A± (® ¡ x0 ) d® = A (2.11)
¡1
Z 1
± (® ¡ x0 ) d® = 1 (2.12)
¡1
Z 1
± (® ¡ x0 ) ± (x ¡ ®) d® = ± (x ¡ x0 ) (2.13)
¡1
Funci¶
on Impulso par e impar
±± (x) = [± (x + 1) + ± (x ¡ 1)] (2.14)
±± (x) = [± (x + 1) ¡ ± (x ¡ 1)] (2.15)
(Deltapar) (Deltaimpar) (Peinilla)
Figura 2.2. Funciones especiales de la funci¶

on impulso
Funci¶
on peinilla de Dirac
1
X
comb (x) = ± (x ¡ n) (2.16)
n=¡1
μ ¶ 1
X
x ¡ x0
comb =j b j ± (x ¡ x0 ¡ nb) (2.17)
b n=¡1
asicas unidimensionales. En la soluci¶on de problemas cient¶³¯cos y de in-

Taller de funciones b¶
genier¶³a se encuentran situaciones las cuales no se pueden plantear con expresiones algebraicas sim-
ples, es necesario entonces introducir funciones espec¶³¯cas que nos representen par¶ametros f¶³sicos.
Dado que f (x) = rect (x + 2) + rect (x ¡ 2), dibuje las siguientes funciones:
a. f (x)
b. g (x) = f (x ¡ 1)
c. h (x) = f (x) sgn (x)
d. p (x) = h (x ¡ 1)
Funciones compuestas
¡ ¢ ¡ ¢
a. f (x) = rect x4 ¡ rect x2
¡ ¢
b. g (x) = 2tri x2 ¡ tri (x)
¡ ¢
c. h (x) = 2tri x2 ¡ 2tri (x)
£ ¡ ¢ ¡ ¢¤
d. p (x) = rect x4 ¡ tri x2 sgn (x)
Dadas las constantes reales positivas b y x0 y la funci¶

on f (x) = tri (x) step (x) dibuje lo sigu-
iente:
a. f (x)
¡ ¢
b. f xb
c. f (x ¡ x0 )
An¶alisis gr¶
a¯co
Dadas las gr¶a¯cas unidimensionales de la ¯gura 2.3 escribir su ecuaci¶on en t¶erminos de las
funciones estudiadas en clase:
(A) (B) (C)
(D) (E) (F)
Figura 2.3. Gr¶

a¯cas de las funciones propuestas
Para cada una de las funciones especiales de¯nidas en el numeral anterior encontrar su gr¶a¯ca
correspondiente y determinar anal¶³ticamente el valor de su a¶rea.
a¯co comparativo de las funciones tri (x), sinc (x), sinc2 (x) y Gauss (x)
Realizar un gr¶
2.1.2 Funciones bidimensionales
Coordenadas rectangulares:
Las funciones dos dimensionales que se utilizan en los problemas de o¶ptica normalmente cumplen
con la propiedad de separaci¶on de variables; por tanto se pueden escribir de manera general como
el producto de dos funciones unidimensionales en las dos variables; es decir:
f (x; y) = g (x) h (y) (2.18)
asicas bidimensionales. Dadas las gr¶a¯cas bidimensionales de la ¯gura

Taller de funciones b¶
2.4 escribir su ecuaci¶
on en t¶erminos de las funciones estudiadas en clase:
(a) (b)
(c) (d)
Figura 2.4. Gr¶

a¯cas propuestas
Coordenadas polares:
En la mayor¶³a de los sistemas ¶opticos los elementos utilizados poseen simetr¶³a radial cerca del eje
optico en una primera aproximaci¶on; por tanto en muchos casos es conveniente utilizar geometr¶³a
¶
polar para describir estos elementos.
De¯nici¶on de Funciones:
a.) Funci¶
on cilindro
d
1; 0·r< 2
³r´
1 d
cyl = 2; r= 2
d
d
0; r> 2
b.) Funci¶
on sombrero
³r´ ¡ ¢
2J1 ¼ dr
somb = ¡ r¢ (2.19)
d ¼d
Donde J1 es la funci¶
on de Bessel de orden 1.
c.) Funci¶
on Gaussiana
·
³r´ ³ r ´2 ¸
Gauss = exp ¡¼ (2.20)
d d
a¯ca de funciones. b.) Encontrar el volumen de cada una de las funciones de¯nidas
Taller gr¶
en los literales anteriores.
c.) Gra¯car en detalle cada una de las funciones de¯nidas en literales anteriores.
2.2 ANALISIS ARMONICO
2.2.1 Ortogonalidad de funciones
En este item se presentan los conceptos fundamentales sobre los cuales se soporta la descomposici¶
on
de funciones.
2.2.2 Conceptos b¶
asicos
Dada la funci¶
on Ãn (t) la cual forma un completo conjunto ortogonal en el intervalo (t1 ; t2 ); casi
cualquier funci¶
on abitraria f (t) puede ser expandida en este intervalo de acuerdo a :
1
X
f (t) = cn Ãn (t) (2.21)
n=1
on de ortogonalidad permite calcular los coe¯cientes cn y adem¶

La condici¶ as se debe cumplir
que:
Z t2
f 2 (t) dt < 1 (2.22)
t1
Donde f (t) es diferente de cero en el intervalo (t1 · t · t2 ).

2.2 ANALISIS ARMONICO 43
En el caso de tener una serie in¯nita; la funci¶on debe ser aproximada por una funci¶on truncada
la cual contiene solo un n¶
umero ¯nito de t¶erminos y se deber¶
a buscar la mejor aproximaci¶on, por
tanto se debe emplear el concepto de integral de error cuadr¶
atico medio:
Z t2
2
[f (t) ¡ f 0 (t)] dt = minimo (2.23)
t1
Donde f 0 (t) es la versi¶

on truncada de f (t).
2.2.3 Funciones complejas
En el estudio de los sistemas lineales estas funciones son importantes:
Ãn (t) = exp (in2¼º0 t) (2.24)
Con n = 0; §1; §2::::

Estas funciones forman la base de la expansi¶
on en series de Fourier son ortogonales sobre
cualquier intervalo igual a un n¶
umero entero de periodos del t¶ermino de primer orden o Componente
fundamental esto es:
μ ¶
1
t1 ¡ t2 = k (2.25)
º0
Con k = 1; 2; 3; :::::
2.2.4 Series de Fourier
Partimos de la expansi¶
on en serie de Fourier para llegar a la integral de Fourier
Consideremos expansi¶
on de funciones peri¶odicas. La funci¶
on f (t) es peri¶
odica con el periodo
T = º0¡1 Puede ser representada por una serie de Fourier si satisface las condiciones de Dirichlet.
En un intervalo in¯nito (t1 · t · t2 ) f (t) debe ser:
1. Monovaluada
2. Tiene un n¶
umero ¯nito de m¶
aximos y m¶³nimos
3. No tiene discontinuidades
4. Es absolutamente integrable
2.2.5 An¶
alisis gr¶
a¯co
Dada la gr¶a¯ca de la ¯g 2.5 expandir en serie de Fourier tanto analiticamente como gra¯camente.
Figura 2.5. Curva propuesta
Dada la funci¶on rec Tt expandir en serie de Fourier tanto analiticamente como gra¯camente.
2.2.6 Aproximaci¶
on de polinomio a una se~
nal con forma de onda
En el presente laboratorio hipot¶etico se pretende mostrar como se puede aproximar un polinomio

a una se~
nal.
El fundamento te¶orico se encuentra soportado en la aproximaci¶on que utiliza la forma general
de la serie de Taylor a una funci¶on f (t) en la regi¶
on del punto t = a
2.2.7 Tarea
El polinomio
f1 (t) = a + bt + ct2 (2.26)
Se quiere aproximarlo a la funci¶on:
f2 (t) = exp (t) (2.27)
En los instantes t = 0, t = 1 y t = 2. Encuentre los valores requeridos de a; b y c que realicen

la mejor aproximaci¶
on.
2.2 ANALISIS ARMONICO 45
Utilizaci¶
on del valor m¶³nimo del error cuadr¶
atico medio en la aproximaci¶
on de una
on f1 (t) a otra f2 (t). En el presente laboratorio hipot¶etico se pretende mostrar como se
funci¶
puede aproximar un polinomio a otro mediante la ayuda del valor m¶³nimo del error cuadr¶atico
medio.
La idea b¶
asica es comparar dos se~
nales sobre un intervalo de¯nido t1 < t < t2 es decir:
f2 (t) ¼ C12 :f2 (t) (2.28)
Y por tanto se desea escoger C12 de tal forma que se logre la mejor aproximaci¶
on; para ello se
debe tener en cuenta la funci¶
on error:
fe (t) = f1 (t) ¡ C12 :f2 (t) (2.29)
Tarea. La funci¶
on
f1 (t) = exp (t) ¡ 1 (2.30)
Puede ser aproximada a la funci¶

on rampa:
f2 (t) = At (2.31)
En el intervalo 0 < t < 1: Encuentre el valor de la constante A el cual d¶

a el m¶³nimo valor del
error cuadr¶atico medio entre las funciones f1 (t)) y f2 (t)).
Los llamados polinomios de Legendre forman un conjunto de funciones mutuamente ortogonales

en el intervalo ¡1 < t < 1 y son de¯nidos por la formula:
1 dn ¡ 2 ¢n
Pn (t) = t ¡1 (2.32)
2n n! dtn
Probar que los dos polinomios de Legendre P0 (t) y P2 (t) Son ortogonales. Mostrar esta
situaci¶
on anal¶³ticamente y gr¶a¯camente.
2.3 LA SERIE DE FOURIER
2.3.1 Generalidades
El procedimiento es partir de la serie de Fourier para poder obtener la integral de Fourier; se

presume que los estudiantes est¶an familiarizados con la serie de Fourier.
La serie de Fourier es una expansi¶

on dada por:
1
X
f (t) = cn Ãn (t) (2.33)
n=1
Es utilizada principalmente para representar funciones peri¶

odicas; sin embargo se podr¶
a utilizar
en el caso de funciones no peri¶
odicas; las funciones base de esta serie son:
Ãn (t) = exp (in2¼º0 t) (2.34)
Con n = 0; §1; §2::::

O las funciones:
Ãn (t) = sin (2n¼º0 t) (2.35)
Ãn (t) = cos (2n¼º0 t) (2.36)
Considerando la expansi¶
on de funciones peri¶odicas. Sea f (t) una funci¶on peri¶odica con periodo
T = º0 ¡1 puede ser representada por una serie de Fourier si cumple con las condiciones de Dirichlet
en el intervalo ¯nito t1 · t · t2 :
1) Es monovaluada
2) Tiene un n¶
umero ¯nito de m¶aximos y m¶³nimos
2.3 LA SERIE DE FOURIER 47
3) Tiene un n¶
umero ¯nito de discontinuidades
4) Es absolutamente integrable:
Z t2
j f (®) j d® < 1 (2.37)
t1
Si las condiciones anteriores son satisfechas entonces la serie de Fourier:
1
X
f (t) = cn exp (in2¼º0 t) (2.38)
1
Converge uniformemente a f (t); es importante puntulaizar que cualquier funci¶on que represente
una variable f¶³sica real debe satisafacer las condiciones de Dirichlet.
La serie de Fourier descompone la funci¶on en una combinaci¶on lineal de exponenciales complejas
con coe¯cientes aue deteriman el peso de la contribuci¶on de cada una de ellas: Por tanto f (t) est¶a
compuesta de un gran n¶
umero de componentes sinusoidales que tiene frecuencias relacionadas
arm¶onicamente.
Los coe¯cientes se pueden calcular a parir de :
Z T +t
1
cn = f (®) exp(¡in2¼º0 ®) d® (2.39)
T t
on es tomada sobre el peri¶odo T = º0 ¡1 para n su¯cientemente grande.

Donde la integraci¶
Considerese la serie de Fourier truncada. Si una funci¶on f (t) es aproximada unicamente por
unos pocos t¶erminos es de esperar que la reconstrucci¶
on no sea la m¶as adecuada; se espera que entre
m¶
as t¶erminos se utilicen la reconstrucci¶
on sea mejor sin embargo esto no es cierto en la vecindad
de una discontinuidad.
Veamos el caso de una funci¶on de onda rectangular (ver ¯g 2.6):
Este comportamiento es conocido como el fen¶omeno de Gibbs.
2.3.2 Funciones no peri¶

odicas
Ahora utilicemos la serie de Fourier para representar una funci¶on no peri¶odica (ver ¯g 2.7):
Considere la funci¶on no peri¶odica:

(Onda rectangular) (Onda rectangular reconstruida)
Figura 2.6. Onda rectangular y onda rectangular reconstruida
μ ¶
t ¡ t0
g (t) = tri (2.40)
b
Para representar esta funci¶on como una serie de Fourier se debe primero formar la funci¶on
odica g 0 (t) con peri¶
peri¶ odo T ¸ 2b
μ ¶
t ¡ t0
g (t) = g 0 (t) rect (2.41)
T
Se debe encontrar la serie de Fourier para g 0 (t) unicamente en el intervalo t0 ¡ b · t · t0 + b

Fuera de este intervalo la serie representa a g 0 (t) y no a g (t).
1
X μ ¶
t ¡ t0 ¡ nT
g 0 (t) = tri (2.42)
¡1
b
La serie de Fourier de g 0 (t) es:
1
X
g 0 (t) = c0n exp(in2¼º0 t) (2.43)
n=¡1
Donde T = º0 ¡1 con los coe¯cientes dados por:
Z T +t
1
c0n = g 0 (®) exp(¡in2¼º0 ®) d® (2.44)
T t
para obtener ¯nalmente:

Funci¶
on Triangulo Funci¶
on Triangulo como serie de Fourier
Figura 2.7. Funci¶

on aperi¶
odica
1
X
g (t) = c0n exp(in2¼º0 t) (2.45)
n=¡1
para el intervalo t0 ¡ b · t · t0 + b y:
g (t) = 0 (2.46)
para fuera de este intervalo.
2.3.3 La integral de Fourier
Generalidades. la integral de Fourier permite descomponer una funci¶on en una combinaci¶on lin-
eal de exponenciales complejos de la forma Ãn (t) = exp (in2¼º0 t). si g (t) satisface las condiciones
de Dirichlet se puede por tanto escribir la integral:
Z 1
g (t) = G (º)ei2¼ºt dº (2.47)
¡1
Donde:
Z 1
G (º) = g (®) e¡i2¼º® d® (2.48)
¡1
Se nota la similaridad entre las dos integrales; a estas expresiones se les llama integrales de
Fourier, G (º) se llama transformada de Fourier de g (t) que es una representaci¶on de dominio
temporal de alguna cantidad mientras que G (º) representa en el dominio frecuencial temporal y
por lo tanto es conocida como espectro de frecuencia temporal compleja o simplemente espectro de
frecuencias, se conoce a g (t) como la transformada de Fourier inversa de G (º)
Si ahora se representa una funci¶on peri¶odica por su serie de Fourier:
1
X
f (t) = cn e(in2¼º0 t) (2.49)
n=¡1
Donde º0 es la frecuencia fundamental de f (t); la transformada de Fourier de f (t) la cual se

designa por F (º) puede ser escrita como:
Z Ã 1
!
1 X
F (º) = cn e (in2¼º0 ®)
e¡i2¼º® d® (2.50)
¡1 n=¡1
Lo cual se puede reescribir como:
1
X μZ 1 ¶
F (º) = cn e¡i2¼(º¡nº0 )® d® (2.51)
n=¡1 ¡1
Utilizando la ortogonalidad de los exponenciales complejos:
Z 1
e¡i2¼(º¡nº0 )® d® = ± (º ¡ nº0 ) (2.52)
¡1
Con lo cual se obtiene el resultado ¯nal:
1
X
F (º) = cn ± (º ¡ nº0 ) (2.53)
n=¡1
Por tanto la transformada de Fourier de una funci¶on peri¶odica consiste de un arreglo de fun-
ciones delta separados por intervalos frecuenciales iguales a la frecuencia fundamental º0 en otras
palabras funciones peri¶odicas tienen espectros discretos algunas veces llamados espectros de linea.
en contraste los espectros de las funciones no peri¶odicas son no discretos.
El espectro de frecuencias de una funci¶

on arbitraria f (t) es en general de valor complejo por
lo tanto es conveniente escribirlo en la forma:
F (º) = A (º) e¡i2Á(º) (2.54)
Donde A (º) es conocido como la amplitud del espectro de F (º) y Á (º) es la fase del espectro
2.3.4 Espectro de algunas funciones simples
Funciones sinusoidales (ver ¯g 2.8 y 2.9).
f (t) = A cos (2¼º0 t) (2.55)
primero se calculan los coe¯cientes y luego se encuentra el espectro F (º) con T = º0 ¡1
Z T +t
1
cn = A cos (2¼º0 ®) e(¡in2¼º0 ®) d® (2.56)
T t
Con ayuda de la formula de Euler:
Z
1 T +t
A ³ (i2¼º0 ®) ´
cn = e + e(¡i2¼º0 ®) (2.57)
T t 2
e(¡in2¼º0 ®) d®
Utilizando la ortogonalidad entre exponenciales complejos se obtiene:
(A
2 ; if n = §1
cn =
0; if n 6= §1
Funci¶
on coseno y Espectro de la Funci¶
on coseno Funci¶
on coseno desfasada
Figura 2.8. Funci¶

on coseno
1
X
F (º) = cn ± (º ¡ nº0 ) (2.58)
n=¡1
A
F (º) = [± (º ¡ º0 ) + ± (º + º0 )] (2.59)
2
μ ¶
A º
F (º) = ±± (2.60)
2º0 º0
se puede ver¯car este resultado en el sentido inverso:
Z 1
F (º) e(i2¼ºt) dº (2.61)
¡1
Z 1
A ³ (i2¼º0 t) ´
F (º) e(i2¼ºt) dº = e + e(¡i2¼º0 t) (2.62)
¡1 2
Z 1
F (º) e(i2¼ºt) dº = A cos (2¼º0 t) (2.63)
¡1
2.3.5 Relaci¶
on entre una funci¶
on y su espectro de fase
Considerese la funci¶on:
f (t) = A cos (2¼º0 t ¡ μ0 ) = A cos 2¼º0 (t ¡ t0 ) (2.64)
Los coe¯cientes son:
(A
2 e¨μ0 ; if n = §1
cn =
0; if n 6= §1
De tal forma que:
μ ¶
A º
F (º) = ±± e¡i2¼ºt0 (2.65)
2º0 º0
Se observa que la amplitud del espectro es la misma que para el caso de una funci¶
on no
desplazada, mientras que la fase del espectro es ahora dada por:
μ0 º
Á (º) = 2¼ºt0 = (2.66)
º0
Considerese la funci¶on (ver ¯g 2.10):
f (t) = A0 + A1 cos (2¼º1 t) + A2 cos (2¼º2 t) (2.67)
+A3 cos (2¼º3 t) + A4 cos (2¼º4 t)

Frecuencias de una funci¶

on coseno y su espectro Espectro de la suma de funciones coseno
Figura 2.9. Funciones coseno y su espectro
Su espectro es:
μ ¶
A1 º
F (º) = A0 ± (º) + ±± (2.68)
2º1 º1
μ ¶ μ ¶ μ ¶
A2 º A3 º A4 º
+ ±± + ±± + ±±
2º2 º2 2º3 º3 2º4 º4
Considerese la funci¶on:

on considerada
μ ¶ 1
X
2t
f (t) = rect ¤A ± (t ¡ nT ) (2.69)
T n=¡1
Por tanto se obtiene:

μ ¶ X
1
A º
F (º) = sinc ± (º ¡ nº0 ) (2.70)
2 2º0 n=¡1
Finalmente:
A X
1 ³n´
F (º) = sinc ± (º ¡ nº0 ) (2.71)
2 n=¡1 2
Donde º0 es la frecuencia fundamental de f (t)
Tarea. Gra¯car la funci¶

on F (º) detalladamente.
2.3.6 Propiedades de la transformada de Fourier
Propiedad de linearidad. Sea f (x) una funci¶on con transformada de Fourier F (») y sea h (x)
una funci¶on con transformada de Fourier H (») entonces se tiene que:
F (A1 f (x) + A2 h (x)) = A1 F (») + A2 H (») (2.72)
La transformada de una suma de dos funciones es igual a la suma de sus trans-

formadas individuales.
La ordenada central. Teniendo en cuenta que:
Z 1
F (») = f (®) e¡i2¼»® d® (2.73)
¡1
Se evalua para el caso » = 0 entonces:
Z 1
F (0) = f (®) d® (2.74)
¡1
¶rea de una funcio

Asi: el a ¶ n es igual al orden central de su transformada de
Fourier; es f¶
acil probar que:
Z 1
f (0) = F (¯) d¯ (2.75)
¡1
Propiedad de escalamiento. Sea f (x) una funci¶on con transformada de Fourier F (») y sea b
una constante real y diferente de cero entonces:
n ³ x ó
F f =j b j F (b») (2.76)
b
¶ n de coordenadas en una representacio

Por tanto Una compresio ¶ n corresponde a
¶ n en la representacio
una dilatacio ¶ n inversa; un resultado interesante es cuando b = ¡1:
F ff (¡x)g = F (¡») (2.77)
Propiedad de desplazamiento. Sea f (x) una funci¶on con transformada de Fourier F (») y sea
x0 una constante real entonces:
F ff (x ¡ x0 )g = e¡i2¼»x0 F (») (2.78)
¶ n desplazada es simplemente la
As¶³: La transformada de Fourier de una funcio
¶ n no desplazada por un factor exponencial teniendo fase
transformada de la funcio
lineal en el caso que F (») = A (») e¡i©(»)
F ff (x ¡ x0 )g = A (») e¡i(©(»)+2¼»x0 ) (2.79)
Transformada de una conjugada. Sea f (x) una funci¶on con transformada de Fourier F (») la
transformada de Fourier de f ¤ (x) es:
F ff ¤ (x)g = F ¤ (¡») (2.80)
Transformada de una Transformada. Sea f (x) una funci¶on con transformada de Fourier F (»)
la transformada de Fourier de F (x) es:
F fF (x)g = f (¡») (2.81)
La transformada de Fourier de una transformada de Fourier es simplemente la

¶n
funcio
on. Sea g (x) = f (x) ¤ h (x), g (x) una funci¶on con transfor-
Transformada de una Convoluci¶
mada de Fourier G (»), f (x) una funci¶on con transformada de Fourier F (») y h (x) una funci¶on
con transformada de Fourier H (») entonces:
G (») = F ff (x) ¤ h (x)g = F (») H (») (2.82)
¶ n es simplemente el producto de
La transformada de Fourier de una convolucio
las transformadas de las funciones individuales
Transformada de un producto.
F ff (x) h (x)g = F (») ¤ H (») (2.83)
Transformada de una derivada.

© ª k
F f k (x) = (i2¼») F (») (2.84)
Tambi¶en se obtiene que:
n o
k
F (¡i2¼x) f (x) = F k (») (2.85)
Transformada de una integral.

½Z x ¾
1 F (0)
F (®) d® = F (») + ± (») (2.86)
¡1 i2¼» 2
2.3.7 Pares de transformadas de Fourier elementales
FUNCION TRANSFORMADA
1 ± (»)
± (x) 1
± (x § x0 ) e§i2¼x0 »
e§i2¼x»0 ± (» § »0 )
³ ´
1 »
cos (2¼»0 x) 2j»0 j ±± »0
³ ´
i »
sin (2¼»0 x) 2j»0 j ±± »0
³ ´
1 x
2jx0 j ±± x0 cos (2¼»x0 )
³ ´
i x
2jx0 j ±± x0 ¡ sin (2¼»x0 )
rect (x) sinc (»)
sinc (x) rect (»)
tri (x) sinc2 (»)
sinc2 (x) tri (»)

1
sgn (x) i¼»
1
i¼x ¡sgn (»)
1 1
step (x) 2 ± (») + i2¼»
³ ´
1 1
ramp (x) 4¼ 2 i¼± (1) (») ¡ »2
e¡jxj 2
1+(2¼»)2
comb (x) comb (»)
Gaus (x) Gaus (»)

Pulso rectangular (ver ¯g 2.11). Sea la funci¶

on:
Ã !
t
g (t) = Arect T
(2.87)
2
Su espectro es:
Z 1
G (º) = g (®) e¡i2¼º® d® (2.88)
¡1
Z T
4
G (º) = A e¡i2¼º® d® (2.89)
¡ T4
A h ¡i¼º T T
i
G (º) = e 2 ¡ ei¼º 2 (2.90)
¡i2¼º
μ ¶
AT T
G (º) = sinc º (2.91)
2 2
Si ahora se considera la funci¶on:
Ã !
t ¡ t0
g (t ¡ t0 ) = Arect T
(2.92)
2
Aplicando la propiedad de desplazamiento, el espectro es:
F fg (t ¡ t0 )g = e¡i2¼ºt0 F (º) (2.93)
Reemplazando:
( Ã !) μ ¶
t ¡ t0 AT T
F Arect T
= e¡i2¼ºt0 sinc º (2.94)
2
2 2
El espectro ahora tiene la misma amplitud pero ha sido modi¯cado por un factor de fase.
2.4 OPERADORES MATEMATICOS Y SISTEMAS FISICOS 59
(a) (b)
(c) (d)
Figura 2.11. Pulso rectangular y espectro (a)No desplazado (b)espectro;(c)desplazado;(d)fase.
2.4 OPERADORES MATEMATICOS Y SISTEMAS FISICOS
2.4.1 Introducci¶
on
Un sistema f¶³sico es considerado como un dispositivo que muestra algun tipo de respuesta cuando
un estimulo es aplicado. Este estimulo es frecuentemente llamado la entrada del sistema mientras
que la respuesta es conocida como la salida del sistema.
on de sistemas por operadores matem¶
aticos
Se debe encontrar un modelo matem¶atico que sirva para describir un sistema f¶³sico; es decir el
modelamiento de sistemas es frecuentemenete discutido en t¶erminos de los operadores matem¶
aticos.
Considerese el conjunto de funciones ff1 (x) ; f2 (x) ; :::::::::fn (x)g de acuerdo a una regla que
se puede especi¯car se le asigna a todos los elementos de ese primer conjunto los elementos de
un segundo conjunto de funciones fg1 (x) ; g2 (x) ; :::::::::gn (x)g. Denotando el operador H se puede
establecer la regla entre los elementos de los dos conjuntos de funciones:
H ffi (x)g = gi (x) (2.95)
Para i = 1; 2; 3; :::::n y se puede decir que el priemr conjunto de funciones transformado en el

segundo conjunto de funciones por medio del operador H. La regla que gobierna la transformaci¶
on
puede ser una ecuaci¶on diferencial, una ecuaci¶on integral, una gr¶a¯ca o una tabla de datos, etc.
Este estudio se centrar¶
a en los sistemas para los cuales una entrada produce una u
¶nica salida.
2.4.3 Tipos de sistemas importantes
Solo se estudiaran los sitemas m¶

as relevantes en el campo del tratamiento de se~
nales.
Sistemas lineales. Considerese un sitema caracterizado por el operador H tal que se cumple que:
H ff1 (x)g = g1 (x) (2.96)
H ff2 (x)g = g2 (x) (2.97)
Luego para dos constantes complejas arbitrarias a1 y a2 el sistema se dice que es lineal si se
cumple:
H fa1 f1 (x) + a2 f2 (x)g = a1 g1 (x) + a2 g2 (x) (2.98)
Lo cual no es otra cosa que el principio de superposici¶

on (ver ¯g 2.12)
Sistemas invarantes a desplazamiento. Tambi¶en se les llama ¯jo, estacionario, invariante (ver
¯g 2.13) en el tiempo, invariante espacial o isoplanatico si a un cambio en la posici¶on de entrada
solo se produce un desplazamiento igual en la salida; es decir si se cumple:
H ff (x)g = g (x) (2.99)
Entonces:
H ff (x ¡ x0 )g = g (x ¡ x0 ) (2.100)
(a) (b)
(c) (d)
(e) (f)
Figura 2.12. Principio de superposici¶

on aplicado a los sitemas lineales
Donde x0 es una constante real as¶³ la magnitud y la forma de la salida no son cambiadas si se
desplaza la entrada en el factor x0 .
A los sistemas lineales e invariantes a desplazamiento se les conoce como LSI y se denotan
generalmente por el operador L de tal manera que combinando la dos propiedades se tiene que:
L fa1 f1 (x ¡ x1 ) + a2 f2 (x ¡ x2 )g = (2.101)
a1 g1 (x ¡ x1 ) + a2 g2 (x ¡ x2 )
Donde x1 y x2 son constantes reales
Sistemas causales. Se considera que un sistema es causal si el valor de la salida a cualquier

punto no depende de valores futuros de la entrada. Consideremos un sistema para el cual la
entrada y la salida son funciones temporales, puede ser el caso de un circuito RC si se escoge como
voltaje de entrada una funci¶on delta no desplazada temporalmente. Asumiendo que no existen
(a) (b)
(c) (d)
Figura 2.13. Relaci¶

on de entrada y salida de un sistema lineal invariante a desplazamiento
entradas previas de voltaje y la energ¶³a est¶a almacenada en el condensador, el voltaje de salida se

determinar¶a de acuerdo con la ¯gura 2.14 donde se observa que al aplicar el voltaje de entrada; el
¡ A ¢
voltaje de salida toma abruptamente el valor de RC y posteriormente decae hacia cero a medida
que transcurre el tiempo. De tal forma que a que en cualquier instante, el valor de la salida es
completamente determinado por valores pasados de la entrad y no depende del comportamiento
futuro de la entrada. Es decir el sistema no puede responder a est¶³mulos despu¶es que la se~
nal de
entrada ha sido aplicada.
Figura 2.14. Relaciones de entrada y salida para sistemas causales
Si se considera en contraste el sistema mostrado en la ¯gura 2.15 asumiendo que la rendija es

localizada en el punto x = 0, y es su¯cientemente angosta para ser considerada una fuente lineal es
decir una funci¶on delta en una dimensi¶
on, la salida tiene un comportamiento similar al observado
en la ¯gura 2.15, de esta ¯gura se puede ver que la salida no es cero u
¶nicamente en el origen y
que in°uencia la salida para ambos valores positivos uy negativos de x, lo cual quiere decir que el
sistema describe un comportamiento antes que el estimulo de entrada sea aplicado, sin embargo
el misterio desaparece cuando se entiende que el t¶ermino antes es impropiamente utilizado aqu¶³.
Estrechamente asociado con el concepto de causalidad es la consideraci¶
on de condiciones iniciales
es decir las consideraciones de almacenamiento de energ¶³a dentro de un sistema cuando la entrada
es aplicada.
Figura 2.15. Relaciones de entrada y salida para sistemas no causales
Sistemas con memoria. Un sistema se dice que tiene memoria; si en lugar de ser una funci¶on
de la entrada, la salida es un funcional de la entrada, tales sistemas tambi¶en son llamados sistemas
din¶amicos. o instant¶
aneos o de memoria cero, en ese caso la salida es una funci¶on de la entrada.
Vamos a considerar ejemplos de cada clase de sistemas. Para un sistema con memoria, la salida
esta relacionada con la entrada por la expresi¶on operacional:
g (x) = S ff (x)g (2.102)
El valor en cualquier punto x = x1 es dependiente de los valores de f (x) sobre un ancho

on denotada por S fg debe ser primero realizada y luego el resultado
de rango de x. La operaci¶
evaluado en el punto x = x1
g (x1 ) = S ff (x)g jx=x1 (2.103)
d
Suponga por ejemplo que S fg = dx y f (x) la salida estar¶
a dada por:
2
g (x) = ¡2¼xe¡¼x (2.104)
Y en el punto x = x1 :
2
g (x1 ) = ¡2¼x1 e¡¼x1 (2.105)
Obviamente, se encontrar¶a un resultado incorrecto, si primero se sustituye x1 en f (x) y luego

se toma la derivada de f (x1 ). de otro manera la salida de un sistema sin memoria puede ser escrita
como:
g (x) = u [f (x) ; x] (2.106)
Donde u [] denota una funci¶

on. La salida de este sistema en el punto x = x1 depende u
¶nicamente
del valor de la entrada en ese punto y posiblemente del mismo x1 pero no recuerda el compor-
tamiento de la entrad y desconoce el futuro esto es:
g (x1 ) = u [f (x1 ) ; x1 ] (2.107)
Para demostrar esta situaci¶on; consid¶erese la funci¶

on:
u [f (x) ; x] = a (x) f (x) (2.108)
Donde a es cualquier funci¶

on arbitraria, la salida es por consiguiente:
g (x) = a (x) f (x) (2.109)
Y en el punto x = x1 toma el valor:
g (x1 ) = a (x1 ) f (x1 ) (2.110)
Del an¶
alisis anterior se observa que un sistema sin memoria mapea el valor de la entrada en un
punto singular en el valor de la salida en ese punto, mientras un sistema con memoria mapea el
valor de la entrada a varios puntos en el valor de la salida de un punto singular; esta es la diferencia
b¶asica entre una funci¶
on y un funcional.
2.5 RESPUESTA IMPULSIONAL 65
2.5 RESPUESTA IMPULSIONAL
Cuando la entrada a un sistema es una simple funci¶on delta, la salida es llamada la respuesta
impulsional del sistema (tambi¶en conocida como funci¶on de Green). Para un sistema general la
respuesta impulsional depende el punto al cual la funci¶
on delta es aplicada; es decir para un
impulso localizado en x = x0 la respuesta impulsional es denotada por h (x; x0 ), en otras palabras
si el sistema est¶a caracterizado por:
S ff (x)g = g (x) (2.111)
Se representa la salida por g (x) = h (x; x0 ) cuando f (x) = ± (x ¡ x0 ) =. Por tanto:
S f± (x ¡ x0 )g = h (x; x0 ) (2.112)
Si ahora se considera un sistema LSI caracterizado por el operador L fg se nota que para una
entrada impulsiva aplicada en el origen; la salida es:
L f± (x)g = h (x; 0) (2.113)
Mientras que para el caso x = x0 la salida es descrita por:
L f± (x ¡ x0 )g = h (x; x0 ) (2.114)
Debido a que el sistema es invariante a desplazamiento, la segunda respuesta debe ser id¶entica
a la primera, excepto que es desplazada por una cantidad x0 a lo largo del eje x; por consiguiente:
L f± (x ¡ x0 )g = h (x ¡ x0 ; 0) (2.115)
h (x; x0 ) = h (x ¡ x0 ; 0) (2.116)
Es aparente de esta expresi¶

on que la respuesta impulsional de un sistema invariante a desplaza-
miento depende u
¶nicamente de la separaci¶
on del punto de observaci¶
on x y del punto x0 al cual la
entrada es aplicada, y no del valor de ambos. Cambiando la notaci¶on para la respuesta impulsional
de tal sistema a una forma mas concisa se encuentra que:
L f± (x ¡ x0 )g = h (x ¡ x0 ) (2.117)
Como resultado importante, cuando la entrada es aplicada en el origen, la respuesta impulsional

se reduce a:
L f± (x)g = h (x) (2.118)
Por tanto los sistemas LSI son totalmente caracterizados por su respuesta impulsional. Esta
es una propiedad muy importante de estos sistemas, y es de gran aplicaci¶on. Las ¯guras 2.14 y
2.15 muestran algunas respuestas impulsionales t¶³picas. Es importante anotar que la respuesta
impulsional de un sistema LSI cuando a la entrada se tiene una funci¶on delta; no es otra funci¶on
delta.
2.6 EXPONENCIALES COMPLEJOS, FUNCIONES PROPIAS DE

LOS SISTEMAS LSI
Cuando la entrada a un sistema est¶a descrita por una funci¶on propia del sistema, la salida es
simplemente el producto de la entrada y una constante compleja de proporcionalidad. Para expresar
on matem¶aticamente, sea Ã (x; »0 ) la funci¶on propia del sistema LSI L fg, donde »0 es
esta situaci¶
una constante real arbitraria. Luego, si Ã (x; »0 ) es la entrada del sistema la salida esta dad por:
L fÃ (x; »0 )g = H (»0 ) Ã (x; »0 ) (2.119)
La constante de proporcionalidad de valor complejo H (»0 ) es llamada el valor propio asociado

con la funci¶on propia Ã (x; »0 ), y depende del valor de la constante »0 . Si se escribe:
H (»0 ) = A (»0 ) e¡iÁ(»0 ) (2.120)
Donde A (»0 ) describe la atenuaci¶

on o ganancia de H (»0 ), y Á (»0 ) es la fase por consiguiente
se puede escribir:
2.6 EXPONENCIALES COMPLEJOS, FUNCIONES PROPIAS DE LOS SISTEMAS LSI 67
L fÃ (x; »0 )g = A (»0 ) e¡iÁ(»0 ) Ã (x; »0 ) (2.121)
Lo cual conduce a una conclusi¶on extremadamente importante: Cuando pasa a trav¶es del sis-
tema una funci¶on propia, esta puede ser atenuada o ampli¯cada y su fase puede ser desplazada;
pero la entrada permanece invariante en forma. El exponencial complejo ei2¼»0 x es una funci¶
on
propia de cualquier sistema LSI, con ei2¼»0 x de entrada a este tipo de sistema; la salida debe ser
escrita como:
© ª
L ei2¼»0 x = g (x; »0 ) (2.122)
Sup¶ongase que una versi¶

on desplazada de este exponencial es aplica al sistema; la entrada ahora
es ei2¼»0 (x¡x0 ) donde x0 es tambi¶en una constante real. Luego por la propiedad de linealidad:
n o © ª
L ei2¼»0 (x¡x0 ) = L ei2¼»0 x e¡i2¼»0 x0 = (2.123)
n o © ª
L ei2¼»0 (x¡x0 ) = e¡i2¼»0 x0 L ei2¼»0 x (2.124)
n o
L ei2¼»0 (x¡x0 ) = e¡i2¼»0 x0 g (x; »0 ) (2.125)
Aplicando la invarianza a desplazamiento:
n o
L ei2¼»0 (x¡x0 ) = g (x ¡ x0 ; »0 ) (2.126)
Recombinanado las ecuaciones se obtiene:
g (x ¡ x0 ; »0 ) = e¡i2¼»0 (x0 ) g (x; »0 ) (2.127)
De esta forma de relaci¶

on puede ser visto que g (x; »0 ) debe ser de la forma:
g (x; »0 ) = H (»0 ) ei2¼»0 x (2.128)

Donde H (»0 ) representa una constante de valor complejo; luego:
© ª
L ei2¼»0 x = H (»0 ) ei2¼»0 x (2.129)
Se encuentra que el exponencial complejo ei2¼»0 x corresponde a una funci¶

on propia de un
sistema LSI. Con H (»0 ) el valor propio asociado; es interesante ver que el valor de H (»0 ) puede
ser encontrado reemplazando x = 0 en la ecuaci¶
on 2.128, esto es:
H (»0 ) = g (0; »0 ) (2.130)
Este resultado pone en evidencia que H (»0 ) tiene un valor igual que el de la salida en el origen,
si se asume una entrada de la forma ei2¼»0 x .
alisis anterior obviamente el valor propio H (»0 ) es una funci¶on de »0 , la frecuencia de

En el an¶
la funci¶
on propia de entrada, pero el valor de »0 es completamente arbitrario; denotado de esta
manera H (»0 ) es frecuentemente llamado la funci¶
on de transferencia (respuesta frecuencial) del
sistema y se demostrar¶
a que corresponde a la transformada de Fourier de la respuesta impulsional
h (x); la cual describe la atenuaci¶on y la fase experimentada por una funci¶
on propia exponencial
que pasa a trav¶es del sistema y es una funci¶on de la frecuencia de esta funci¶on propia.
Se ha visto que sucede cuando la entrada a cualquier sistema LSI es un exponencial complejo
de la forma ei2¼»0 x ; si ahora se considera un sistema especial LSI, el cual tiene una respuesta
impulsiva de valor real; tal sistema transforma una entrada de valor real y es por tanto la clase
de sistema mas com¶
unmente encontrado en la pr¶
actica. La funci¶
on de transferencia H (»0 ) de esta
clase de sistema es Herm¶³tica, es decir la parte real de H (»0 ) es par y la parte imaginaria es impar,
propiedad que puede ser expresada como:
H (»0 ) = H ¤ (¡»0 ) (2.131)
En realidad hasta ahora se conoce que clase de salida tendr¶a el sistema cuando la entrada es
ei2¼»0 x ; ahora se debe encontrar lo que sucede con la salida cuando la entrada es una funci¶on coseno
o seno; es decir para una entrada de la forma cos (2¼»0 x) la salida es:
2.6 EXPONENCIALES COMPLEJOS, FUNCIONES PROPIAS DE LOS SISTEMAS LSI 69
½ ¾
1 £ i2¼»0 x ¤
L fcos (2¼»0 x)g = L e + e¡i2¼»0 x (2.132)
2
1 © i2¼»0 x ª 1 n i2¼(¡»0 )x o
L fcos (2¼»0 x)g = L e + L e (2.133)
2 2
1 1
L fcos (2¼»0 x)g = H (»0 )ei2¼»0 x + H (¡»0 )ei2¼»0 x (2.134)
2 2
Si se tiene en cuenta la propiedad H (»0 ) = H ¤ (¡»0 ):
1£ ¤ 1£ ¤¤
L fcos (2¼»0 x)g = H (»0 )ei2¼»0 x + H (»0 )ei2¼»0 x (2.135)
2 2
Lo que conduce a :
© ª
L fcos (2¼»0 x)g = Re H (»0 )ei2¼»0 x (2.136)
Si se tiene en cuenta que H (»0 ) = A (»0 ) e¡i©(»0 ) :
L fcos (2¼»0 x)g = A (»0 ) cos [2¼»0 x ¡ ©(»0 )] (2.137)
Y puede ser visto que para esta clase sistemas especiales LSI una entrada coseno produce una
salida coseno, posiblemente atenuada y desplazada, donde se cumple que:
© © ªª © © ªª
L Re ei2¼»0 x = Re L ei2¼»0 x (2.138)
Este resultado se muestra en la ¯gura 2.16.

Figura 2.16. Efectos de la funci¶

on de transferencia sobre la amplitud y la fase de se~
nales
cosenoidales
Por ahora se debe empezar a comprender las razones para la discusi¶

on de los t¶opicos de la
descomposici¶
on de Fourier, superposici¶on, funciones propias, etc. Para destacar la importancia de
esta comprensi¶
on, considere el problema de encontrar la salida de un sistema LSI para una se~
nal
de entrada arbitraria, se muestra aparentemente que se puede descomponer esta se~
nal de entrada
en sus componentes de Fourier las cuales son exponenciales complejos de la forma ei2¼»x , pero se
conoce e que estos exponenciales son funciones propias de los sistemas LSI; por tanto si es conocida
la funci¶
on de transferencia del sistema se puede determinar cuantas de esas componentes de Fourier
son atenuadas y desplazadas en fase al pasar a trav¶es del sistema. Luego aplicando el principio
de superposici¶on la respuesta total puede ser encontrada adicionando todas estas componentes
atenuadas y desplazadas en fase, este hecho justi¯ca el estudio de este t¶opico para el desarrollo de
sistemas ¶opticos.
2.7 CONVOLUCION MATEMATICA 71
2.7 CONVOLUCION MATEMATICA
2.7.1 De¯nici¶
on de la operaci¶
on convoluci¶
on
atico. La convolucion de dos funciones de valores reales f (x) y h (x), para

Formulismo matem¶
on f (x) ¤ h (x) es de¯nida por la integral:
las cuales se utiliza la notaci¶
Z 1
f (x) ¤ h (x) = f (®) h(x ¡ ®)d® (2.139)
¡1
Esta integral es claramente una funci¶

on de la variable independiente x, y por tanto se puede
representar por una tercera funci¶on:
f (x) ¤ h (x) = g (x) (2.140)
La operaci¶on convoluci¶
on puede ser vista simplemente como el proceso de encontrar el ¶area
del producto de f (®) y h (x ¡ ®). El prop¶osito de este taller es aprender a realizar la operaci¶on
convoluci¶
on gr¶a¯ca y matem¶
aticamente.
Funciones utilizadas para la operaci¶ on. Considere las siguientes funciones (ver
on convoluci¶
¯g 2.17) para la realizaci¶on del taller:
Figura 2.17. Funciones a convolucionar f (x) y h (x)
Procedimiento gr¶ on. a.) Gra¯car las funciones con la variable ® en el

a¯co para la convoluci¶
eje horizontal
b.) Gra¯car la funci¶
on h (¡®) la cual es simplemente una im¶
agen de espejo de la funci¶on h (®)
c.) El producto f (®) h (x ¡ ®) = f (®) h (¡®) es encontrado y gra¯cado.
d.) El ¶area de este producto es calculado y corresponde al sobrelapamiento de las dos ¶areas de las
funciones a convolucionar, para el caso x = 0 es :
Z 1
f (®) h(¡®)d® = g (0) (2.141)
¡1
e.) Se retoma el paso b.) y un nuevo valor para x = 1; se realiza todo el procedimiento anterior.
f.) La operaci¶on ¯naliza cuando ya no exista sobrelapamiento entre las gr¶a¯cas de las dos funciones.
g.) Luego se realiza una gr¶
a¯ca de g (x) contra x
Convoluci¶on por integraci¶ on directa.

Z 1
f (x) ¤ h (x) = f (®) h(x ¡ ®)d® (2.142)
¡1
El principal problema se presenta en la de¯nici¶on de los limites de integraci¶

on. Para un mejor
entendimiento se ha dividido el problema en los siguientes intervalos de integraci¶on:
a.) x · ¡1 El producto f (®) h (x ¡ ®) es igual a cero en este intervalo. ; por tanto g (x) = 0
b.)¡1 < x · 2 en este intervalo se tiene que:
Z 1
g (x) = f (x) ¤ h (x) = f (®) h(x ¡ ®)d® (2.143)
¡1
Z 3 Z x+1 2
2 2 (x + 1)
g (x) = f (x) ¤ h (x) = ®h(x ¡ ®)d® = ®d® = (2.144)
0 3 3 0 3
c.) 2 < x · 3 el limite de integraci¶
on superior es constante y por tanto:
Z 3
2
g (x) = ®d® = 3 (2.145)
3 0
d.) 3 < x · 6 La integral toma la forma:
Z 3 2
2 (x ¡ 3)
g (x) = ®d® = 3 ¡ (2.146)
3 x¡3 3
e.) x > 6 El producto f (®) h (x ¡ ®) = 0 , en todo el intervalo; por tanto g (x) = 0
f.) Finalmente se de¯ne explicitamente la funci¶on g (x)
2.10 PROPIEDADES DE LA CONVOLUCION 73
2.8 CONVOLUCION DE VARIAS FUNCIONES
Z 1
f (x) = v (x) ¤ w (x) = v(¯) w(x ¡ ¯)d¯ (2.147)
¡1
on de f (x) ¤ h (x) ser¶a:

La Convoluci¶
·Z 1 ¸
g (x) = [v (x) ¤ w (x)] ¤ h (x) = v(¯) w(x ¡ ¯)d¯ h (x) =
¡1
Z 1 ·Z 1 ¸
v(¯) w(x ¡ ¯)d¯ h (x ¡ ®) d® (2.148)
¡1 ¡1
2.9 CONDICIONES DE EXISTENCIA DE LA CONVOLUCION
Si f (x) y h (x) son monovaluadas se debe cumplir una de las siguientes condiciones:
1. Si f (x) y h (x) son absolutamente integrables sobre el intervalo semi-in¯nito (¡1; 0).
2. Si f (x) y h (x) son absolutamente integrables sobre el intervalo semi-in¯nito (0; 1).
3. Si f (x) o h (x), o ambas son absolutamente integrables sobre el intervalo in¯nito (¡1; 1).
Ejemplos:
EXISTE LA CONVOLUCI¶
oN NO EXISTE LA CONVOLUCI¶oN
step (x) ¤ step (x) step (x) ¤ step (¡x)
1 ¤ rect (x) 1 ¤ step (x)
tri (x) ¤ sgn (x) ramp (x) ¤ sgn (x)
rect (x) ¤ cos (2¼»0 x) cos (2¼»0 x) ¤ cos (2¼»0 x)
2.10 PROPIEDADES DE LA CONVOLUCION
1. CONMUTATIVA:
g (x) = f (x) ¤ h (x) = h (x) ¤ f (x) (2.149)
2. DISTRIBUTIVA:
[av (x) ¤ bw (x)] ¤ h (x) = a [v (x) ¤ h (x)] + b [w (x) ¤ h (x)] (2.150)

3. INVARIANZA A DESPLAZAMIENTO:
g (x ¡ x0 ) = f (x ¡ x0 ) ¤ h (x) (2.151)
g (x ¡ x0 ) = f (x) ¤ h (x ¡ x0 ) (2.152)
4. ASOCIATIVA:
[v (x) ¤ w (x)] ¤ h (x) = v (x) ¤ w (x) ¤ h (x) = v (x) ¤ h (x) ¤ w (x) = h (x) ¤ v (x) ¤ w (x)
(2.153)
=
5. EN FUNCIONES DELTA:
Z 1 Z 1
f (®) ±(® ¡ x)d® = f (®) ±(x ¡ ®)d® = f (x) (2.154)
¡1 ¡1
f (x) ¤ ±(x ¡ ®) = f (x) (2.155)
2.11 CONVOLUCION Y SISTEMAS LSI
Sea un sistema LSI caracterizado por su operador L fg teniendo una respuesta impulsional h (x).
Para una entrada f (x) la salida es dada por:
g (x) = L ff (x)g (2.156)
Se ha probado que:
Z 1
f (®) ±(x ¡ ®)d® = f (x) (2.157)
¡1
Por consiguiente:
½Z 1 ¾
g (x) = L f (®) ±(x ¡ ®)d® (2.158)
¡1
Utilizando la propiedad de linealidad del sistema LSI:

Z 1
g (x) = f (®) d®L f±(x ¡ ®)g (2.159)
¡1
Pero L f±(x ¡ ®)g es la respuesta impulsional del sistema. Finalmente se demuestra que:
Z 1
g (x) = f (®) h(x ¡ ®)d® (2.160)
¡1
Por tanto la salida de un sistema LSI es dada por la Convoluci¶

on de la entrada con la respuesta
impulsional del sistema.
2.12.1 Transformaci¶
on de una se~
nal de entrada en una se~
nal de salida
Para visualizar esta situaci¶on se ha escogido como ejemplo un sistema que tiene como respuesta
impulsional idealizada la mostrada en la ¯gura 2.18 y para la cual la entrada es una se~
nal variando
temporalmente consistiendo de cuatro funciones delta.
f (t) = ± (t + 2) + ± (t ¡ 1) + ± (t ¡ 3) + ± (t ¡ 6) (2.161)
La cual tambi¶en es mostrada en la ¯gura 2.18; por tanto la salida es dada por:
Figura 2.18. Sistemas LSI

g (t) = f (t) ¤h (t) (2.162)
g (t) = [± (t + 2) + ± (t ¡ 1) + ± (t ¡ 3) + ± (t ¡ 6)] ¤h (t) (2.163)
g (t) = h (t + 2) + h (t ¡ 1) + h (t ¡ 3) + h (t ¡ 6) (2.164)
Es aparente que cada t¶ermino de esta expresi¶on representa la respuesta a una componente de
funci¶on delta individual, mientras que la suma de los t¶erminos representa la respuesta a la entrada
total. Ambas las repuestas individuales y la respuesta total son mostradas en la ¯gura 2.19, note
que la respuesta total tiene esmoteado y es m¶as ancha que la se~
nal de entrada f (t).
En la discusi¶on precedente se toma el punto de vista de que cada parte de la entrada produce
una versi¶
on pesada y desplazada de h (t) la suma de lo cual produce la salida g (t); Ahora se busca
un segundo pero equivalente punto de vista. Cuando un sistema tiene una respuesta impulsional
similar al que se muestra en la ¯gura 2.18 aparecer¶a un rizado abrupto en los m¶aximos el cual
decaer¶
a a cero, debe ser claro que la m¶
as reciente porci¶
on de ocurrencia de la entrada tendr¶a la
m¶
as grande in°uencia sobre el valor de la salida y cualquier tiempo de observaci¶
on particular. De
otro lado puede ser confuso como una operaci¶
on convoluci¶on puede producir este comportamiento.
Figura 2.19. Salida del sistema. a. Respuesta a salida deltas individuales. b. Respuesta total
Para entender esto considere la salida:
Z 1
g (t) = f (¿ ) h (t ¡ ¿ ) d¿ (2.165)
¡1
Lo cual muestra que la salida tiene un valor igual al ¶area bajo el producto de f (¿ ) h (t ¡ ¿ ).
As¶³ la funci¶
on es una versi¶on re°ejada y desfasada de la respuesta impulsional y se ve que juega el
papel de factor de peso dependiente del tiempo, el efecto de, lo cual es pesar cada parte de la se~
nal
de entrada de acuerdo al intervalo entre el tiempo de ocurrencia y el tiempo en el cual la medici¶
on
es hecha.
2.12.2 Correlaci¶
on cruzada y autocorrelaci¶
on
Dadas dos funciones de valor complejo f (x) y g (x) se de¯ne la correlaci¶

on cruzada de f (x) con
g (x) como:
Z 1
f (x) ?g (x) = f (®) g (® ¡ x)d® (2.166)
¡1
Esta operaci¶
on es similar a la convoluci¶
on, pero existe una diferencia importante, la funci¶on
on; si se hace el cambio de variable ¯ = ® ¡ x la
g (x) no es vista como en el caso de la convoluci¶
ecuaci¶
on anterior se convierte en:
Z 1
f (x) ?g (x) = f (¯ + x) g (¯)d¯ (2.167)
¡1
Lo cual permite la conclusi¶

on de que en general:
f (x) ?g (x) 6=f (x) ?g (x) (2.168)
As¶³; a diferencia del caso de la convoluci¶

on la operaci¶
on correlaci¶on cruzada no es conmutativa,
sin embargo puede ser expresada en t¶erminos de la convoluci¶on como:
Z 1 Z 1 μ ¶ μ ¶
x¡® x
f (®) g (® ¡ x)d® = f (®) g d® = f (x) ¤g = f (x) ¤g (¡x) (2.169)
¡1 ¡1 ¡1 ¡1
Luego se muestra que:
f (x) ?g (x) = f (x) ¤g (¡x) (2.170)
Las condiciones para la existencia de esta operaci¶

on son las mismas que para la convoluci¶on. Pero
ellas pueden ser ahora aplicadas directamente. Si f (x) = g (x) entonces se de¯ne esta operaci¶
on
como la operaci¶
on autocorrelaci¶
on.
2.12.3 Represetanci¶
on matem¶
atica de un objeto bidimensional
A. Encuentre expl¶³citamente la ecuaci¶

on matem¶atica que describe la geometr¶³a del objeto que se
encuentra en el plano UA (x; y) de la ¯gura 2.20, la cual consiste de una cuadricula de lado l que
ocupa todo el plano.
De la gr¶
a¯ca se observa que el ancho de cada cuadricula de la ¯gura de difracci¶
on tiene dimen-
siones l por tanto la soluci¶
on en el eje de las X se obtiene como una convoluci¶on de (ver ¯gura
2.21) :
Ã !
x
rect l
(2.171)
2
Con una peinilla de Dirac de la forma:
1
X
comb (x) = ± (x ¡ 2nl) (2.172)
n=¡1
Figura 2.20. Objeto propuesto
Ã ! 1
x X
rect l
¤ ± (x ¡ 2nl) (2.173)
2 n=¡1
Situaci¶
on an¶
aloga para el caso del eje Y
Ã ! 1
y X
rect l
¤ ± (y ¡ 2nl) (2.174)
2 n=¡1
La expresi¶
on buscada es por consiguiente:
" Ã ! 1
#
x X
UA (x; y) = rect l
¤ ± (x ¡ 2nl)
2 n=¡1
" Ã ! 1
#
y X
rect l
¤ ± (y ¡ 2nl) (2.175)
2 n=¡1
Figura 2.21. Descomposici¶

on del objeto propuesto
B. Demuestre matem¶aticamente la siguiente propiedad (f (x), es una funci¶on arbitraria).
· μ ¶¸
x ¡ x0
f (x) comb =jbj
b
1
X
f (xo + nb) ± (x ¡ xo ¡ nb) (2.176)
n=¡1
De las propiedades de la funci¶

on peinilla de Dirac se tiene que:
1 h ³ x í X1
comb = ± (x ¡ nb) (2.177)
jbj b n=¡1
Para una funci¶on desfasada:
· μ ¶¸ X1
1 x ¡ x0
comb = ± (x ¡ x0 ¡ nb) (2.178)
jbj b n=¡1
Introduciendo la funci¶
on:
· μ ¶¸
1 x ¡ x0
f (x) comb =
jbj b
1
X
f (x) ± (x ¡ x0 ¡ nb) (2.179)
n=¡1
Para introducir la funci¶

on dentro de la sumatoria se debe cumplir la propiedad de la f8unci¶
on
delta de Dirac:
· μ ¶¸
1 x ¡ x0
f (x) comb =
jbj b
X1
f (x0 + nb) ± (x ¡ x0 ¡ nb) (2.180)
n=¡1
Lo cual ¯nalmente se puede escribir como:
· μ ¶¸
x ¡ x0
f (x) comb =
b
1
X
jbj f (x0 + nb) ± (x ¡ x0 ¡ nb) (2.181)
n=¡1
2
y f (x) = Ae¡¼( T ) .
x
T
C. Realice una gr¶a¯ca detallada para el caso en el cual x0 = 0, b = 4
La soluci¶
on gr¶a¯ca se encuentra en la ¯gura 2.22.
Figura 2.22. Gaussiana muestreada

2.12.4 Transformada de Fourier y propiedades
A. Teniendo en cuenta la expresi¶

on matem¶atica obtenida en el literal A del numeral I; encuentre
expl¶³citamente su transformada de Fourier.
= [UA (x; y)] (2.182)
Debido a la simetr¶³a en las dos componentes ya que UA (x; y) es uan funci¶on de variables
separables, la soluci¶on se puede plantear de la siguiente forma:
= [UA (x; y)] = = [VA (x) WA (y)] (2.183)
Por propiedad de las funciones de variables separables:
= [UA (x; y)] = = [VA (x)] = [WA (y)] (2.184)
donde:
" Ã ! 1
#
x X
VA (x) = rect l
¤ ± (x ¡ 2nl) (2.185)
2 n=¡1
" Ã ! 1
#
y X
WA (y) = rect l
¤ ± (y ¡ 2nl) (2.186)
2 n=¡1
En el eje de las x:
"" Ã ! 1
##
x X
= [VA (x)] = = rect l
¤ ± (x ¡ 2nl) (2.187)
2 n=¡1
Por propiedades de la transformada de Fourier:
"" Ã !# " 1
##
x X
= [VA (x)] = = rect l
= ± (x ¡ 2nl) (2.188)
2 n=¡1

" Ã !# μ ¶
x l l
= rect l
= sinc » (2.189)
2
2 2
" #
1
X 1
X ³ n´
= ± (x ¡ 2nl) = ± »¡ (2.190)
n=¡1 n=¡1
2l
Resultado similar se obtiene en el eje de las y por consiguiente el resultado ¯nal buscado es:
μ ¶ μ ¶
l2 l l
UA (»; ´) = sinc » sinc ´
4 2 2
X1 ³ n´ X ³
1
n´
± »¡ ± ´¡ (2.191)
n=¡1
2l n=¡1 2l
Utilizando propiedades de la funci¶

on delta de Dirac:
l2 X
1 ³n´ ³ n´
UA (»; ´) = sinc ± »¡
4 n=¡1 4 2l
1
X ³n´ ³ n´
sinc ± ´¡ (2.192)
n=¡1
4 2l
B. Demuestre explicitamente una de las propiedades de la transformada de Fourier que haya

utilizado en la soluci¶
on del literal A numeral III.
Soluci¶
on Libre.
Figura 2.23. Cuadrado de la transformada de Fourier

2.12.5 Aplicaci¶
on
Realice una gr¶a¯ca del cuadrado de la transformada de Fourier obtenida en el literal A del numeral
III del presente ex¶
amen. La soluci¶
on gr¶a¯ca se encuentra en la ¯gura 2.23.
on matem¶
atica de un objeto bidimensional
Figura 2.24. Objeto propuesto
A. Encuentre expl¶³citamente la ecuaci¶on matem¶

atica que describe la geometr¶³a del objeto que
se encuentra en el plano UA (x; y) de la ¯gura 1; el cual consiste de dos rejillas de anchura D y
altura H separadas una distancia L.
SOLUCION:
De la ¯gura 1 y aplicando la noci¶on de variables separables UA (x; y) = UA (x) UA (y). En el eje

de las y la ¯gura es la convoluci¶
on de un delta par con un rectangulo de altura D en el eje y es
decir:
h ³ y í
UA (y) = ±± (y) ¤ Drect (2.193)
H
La ¯gura anterior se puede ventanear por la ¯gura en el eje x:
³x´
UA (x) = rect (2.194)
D
De la de¯nici¶
on del delta par y de la ¯gura se requiere adem¶as la condici¶on: H = 1 para que la
¯gura se corresponda; es decir:
UA (y) = ±± (y) ¤ [Drect (y)] (2.195)
Finalmente se obtiene la expresi¶

on:
³x´
UA (x; y) = rect [±± (y) ¤ [Drect (y)]] (2.196)
D
2.12.7 Ejercicios pr¶

acticos
Considere la se~
nal mostrada en la ¯gura 5.
Figura 2.25. Se~

nal propuesta
A. Utilizando las propiedades de la convoluci¶on encuentre explicitamente la expresi¶

on matem¶
atica
que la describe f (t).
SOLUCION:
La se~
nal corresponde a la convoluci¶
on de un rect con una comb; es decir:
μ ¶ 1
X
2t
f (t) = Arect ¤ ± (t ¡ nT ) (2.197)
T n=¡1
B. Encuentre expl¶³citamente el espectro de esta se~

nal y realice una gr¶
a¯ca. (Valor 0.6 puntos)
SOLUCION:
De la teor¶³a de Fourier se conoce que:

F (º) = =[f (t)] (2.198)
" μ ¶ 1
#
2t X
F (º) = = Arect ¤ ± (t ¡ nT ) (2.199)
T n=¡1
Aplicando propiedades de la transformaci¶on de Fourier:
· μ ¶¸ " X1
#
2t
F (º) = = Arect = ± (t ¡ nT ) (2.200)
T n=¡1
De donde se obtiene:
μ ¶ X ³ n´
1
T ºT
F (º) = A sinc ± º¡ (2.201)
2 2 n=¡1
T
1
Si se tiene en cuenta que º0 = T
μ ¶ X
1
A º
F (º) = sinc ± (º ¡ nº0 ) (2.202)
2 2º0 n=¡1
Para introducir el sinc dentro de la funci¶on comb se debe cumplir que º = nº0 ; es decir, se
obtiene ¯nalmente:
A X
1 ³n´
F (º) = sinc ± (º ¡ nº0 ) (2.203)
2 n=¡1 2
La gra¯ca del espectro esta dada por la ¯gura 6.
2.12.8 Transformada de Fourier y propiedades
A. Teniendo en cuenta la expresi¶

on matem¶atica obtenida en el literal A del numeral I; encuentre
expl¶³citamente su transformada de Fourier.
SOLUCION:
Figura 2.26. Espectro de la se~

nal
h h ³ x íi
UA (x; y) = ±± (y) ¤ Drect (y)rect (2.204)
D
UA (»; ´) = =[UA (x; y)] (2.205)
Reemplazando:
h h ³ x íi
UA (»; ´) = = ±± (y) ¤ Drect (y)rect (2.206)
D
Por propiedades de la transformaci¶on de Fourier:
h ³ x í
UA (»; ´) = =[±± (y)]= Drect (y)rect (2.207)
D
£ ¤
UA (»; ´) = [cos (2¼´)] D2 sinc (»D)sinc (´) (2.208)
Finalmente se obtiene:
UA (»; ´) = D2 sinc (»D)sinc (´) cos (2¼´) (2.209)
B. Demuestre explicitamente una de las propiedades de la transformada de Fourier que haya

utilizado en la soluci¶
on del literal A numeral III.
SOLUCION:
La propiedad utilizada corresponde a la transformada de una convoluci¶on
Sea g (x) = f (x) ¤ h (x), g (x) una funci¶on con transformada de Fourier G (»), f (x) una funci¶on
con transformada de Fourier F (») y h (x) una funci¶on con transformada de Fourier H (») entonces:
G (») = F ff (x) ¤ h (x)g = F (») H (») (2.210)
¶ n es simplemente el producto de
La transformada de Fourier de una convolucio
las transformadas de las funciones individuales
Figura 2.27. Cuadrado de la transformada de Fourier
2.12.9 Aplicaci¶
on
Realice una gr¶a¯ca del cuadrado de la transformada de Fourier obtenida en el literal A del numeral
III del presente ex¶
amen.
SOLUCION:
La gr¶
a¯ca del cuadrado de la transformada de Fourier esta dada por la ¯gura 7.
3. FILTROS LINEALES Y SISTEMAS LSI
3.1 CARACTERISTICAS Y APLICACIONES DE LOS FILTROS

LINEALES
Se conoce que la salida de un sistema LSI puede ser calculada directamente en el dominio de la
entrada por la convoluci¶
on de la entrada con la respuesta impulsional del sistema; por tanto la
salida se puede ver como una versi¶on esmoteada de la entrada.
La salida tambi¶en puede ser calculada en el dominio frecuencial, donde el concepto de ¯ltro es
encontrado adecuado, es decir el espectro de salida es una versi¶
on ¯ltrada del espectro de entrada.
En este seminario estudiaremos el concepto de ¯ltrado, estudiaremos la aplicaci¶on de varios tipos
de ¯ltros lineales y se introducir¶³a el concepto de muestreo y recuperaci¶on de una se~
nal.
3.1.1 Sistemas lineales como ¯ltros
Si se considera un sistema LSI (ver ¯gura 3.1) El cual se caracteriza por su respuesta impulsional
h (x) y su funci¶
on de transferencia H (»). A este sistema se le aplica una se~
nal de entrada f (x) con
espectro F (»), entonces se obtiene la se~
nal de salida G (») respectivamente. En el curso de Optica
F¶³sica se demostr¶
o que el espectro de salida puede ser calculado por:
G (») = F (») H (») (3.1)
Se pretende determinar como G (») es afectada por H (»); para ello la funci¶on de transferencia
se puede escribir como:
H (») = AH (») e¡i©H (») (3.2)
Donde ambas AH (») y ©H (») son funciones bipolares de valor real, a los cuales se les llama
amplitud de la funci¶
on de transferencia del sistema y fase de la funci¶
on de transferencia del sistema
90 3. FILTROS LINEALES Y SISTEMAS LSI
Figura 3.1. Sistema LSI
respectivamente.
En la representaci¶
on frecuencial:
F (») = AF (») e¡i©F (») (3.3)
G (») = AG (») e¡i©G (») (3.4)
La salida puede ser expresada como:
AG (») e¡i©G (») = AF (») AH (») e¡i(©F (»)+©H (»)) (3.5)
Claramente la amplitud del espectro de salida es justamente el producto de la amplitud del

espectro de entrada y la amplitud de la funci¶on de transferencia; mientras que la fase del espectro
de salida es simplemente la suma de los espectros de la fase de entrada y de la fase de la funci¶
on
de transferencia:
AG (») = AF (») AH (») (3.6)
©G (») = (©F (») + ©H (»)) (3.7)
nal de salida en t¶erminos de AF (»), ©F (»), AH (») y

Por tanto ahora se puede expresar la se~
©H (»); es decir:
3.1 CARACTERISTICAS Y APLICACIONES DE LOS FILTROS LINEALES 91
g (x) = F ¡1 [G (»)] (3.8)
h i
g (x) = F ¡1 AF (») AH (») e¡i(©F (»)+©H (»)) (3.9)
De tal forma que solo necesitamos determinar los efectos de la amplitud y de la fase de la fun-
ci¶
on de transferencia sobre la amplitud y la fase del espectro de entrada. Es conveniente considerar
separadamente los efectos de tal forma que si un sistema es tal que e¡i©H (») = 1 para todo » se
denomina ¯ltro de amplitud y si se trata de un sistema donde AH (») = 1 para todo » el sistema es
un ¯ltro de solo fase. En la realidad siempre nos encontraremos con una combinaci¶
on de los dos;
sin embargo uno de ellos predominar¶a sobre el otro, por tanto los estudiaremos separadamente y
luego en combinaci¶on.
Consideremos un sistema con funci¶on de transferencia bipolar de valor real AH (»), este sistema
se puede mirar como un ¯ltro de amplitud con n entero:
AH (») = H (») (3.10)
©H (») = n2¼ (3.11)
O un ¯ltro combinado con:
AH (») =j H (») j (3.12)
0 1
n2¼ H (») > 0
B C
©H (») = B
@
C
A (3.13)
(2n + 1) ¼ H (») < 0
Adem¶as si j H (») j= 1 el sistema es un ¯ltro de pura fase.
3.1.2 Filtros de amplitud
on que e¡i©H (») = 1 para ¯ltros de amplitud se tiene entonces que:

Con la condici¶
h i
g (x) = F ¡1 AF (») AH (») e¡i(©F (»)) (3.14)
La amplitud del espectro de entrada es modi¯cada por AH (») pero la fase del espectro es
inalterada; la naturaleza exacta de los cambios en la amplitud de la se~
nal depende de los paramentos
del sistema, pero en general la ampli¯ca o la aten¶
ua, en el caso de sistemas pasivos se asume que
el u on y por simplicidad se tiene entonces que: j AH (») j· 1 y ©H (») = 0
¶nico efecto es la atenuaci¶
Si se consideran la clase de sistemas para los cuales AH (») es una constante es decir AH (») = A
donde j A j· 1 por tanto la salida es simplemente una versi¶
on atenuada no distorsionada de la
entrada,en ese caso nos encontramos ante los llamados ¯ltros de amplitud no distorsionadores;
Si AH (») es variable el sistema introduce una distorsi¶on en la amplitud y por tanto la salida no
tendr¶a la misma forma que la entrada; los ¯ltros de amplitud no distorsionadores son una forma
de ¯ltros pasa todo.
Uno de los m¶as simples tipos de ¯ltros de amplitud son los ¯ltros de amplitud binaria, tambi¶en
conocidos como ¯ltros ideales, la funci¶on de transferencia de tal ¯ltro puede u
¶nicamente tomar
valores de cero o uno, lo cual signi¯ca que las componentes de Fourier de la entrada son pasados
todos por el sistema sin alteraci¶on o que ellos son completamente atenuados.
Filtros binarios verdaderos son usualmente considerados no realizables f¶³sicamente, pero son
obtenidos bajo ciertas condiciones ¶opticas. Los Filtros de amplitud continua tiene la °exibilidad
adicional que pueden causar que varias componentes de Fourier de le entrada sean atenuadas en
alg¶
un grado no todas o ninguna como ocurre con los ¯ltros binarios, adem¶as ¯ltros de amplitud
continua son mas frecuentemente encontrados en la practica que los ¯ltros binarios. Funciones de
transferencia t¶³picas para estos dos tipos de ¯ltros de amplitud son mostrados en la ¯gura 3.2
Las dos primeras ¯guras son ilustrativas de ¯ltros pasa bajo, tales ¯ltros pasan sin atenuaci¶on
todas las componentes de Fourier para las cuales » es menor que la frecuencia de corte »c mientras
uan todas las componentes para las cuales j » j> »c . Se debe notar que cuando una se~
que aten¶ nal de
banda limitada pasa a trav¶es de un ¯ltro ideal pasa bajo no debe aparecer distorsi¶on en la amplitud
as¶³ como que la frecuencia de corte del ¯ltro es m¶
as grande que la del espectro de la se~
nal, esto
es debido a que la cantidad debe corresponder con la frecuencia de corte de un ¯ltro pasa bajo ideal.
Los ¯ltros pasa alto efectivamente pasan todas las componentes espectrales para las cuales j » j
un valor especi¯cado y elimina esas componentes para las cuales j » j es
es mas grande que alg¶
Figura 3.2. Filtros de amplitud
menor que ese valor. Filtros que pasan u

¶nicamente las componentes de Fourier dentro de bandas
de frecuencia especi¯cas mientras que bloquean otras cuyas frecuencias est¶an por fuera de estas
bandas son llamados ¯ltros pasa banda, las funciones de transferencia para ¯ltros pasa banda y
pasa alto se muestran en la ¯gura 3.2.
Ejemplo. Con el prop¶osito de observar los efectos producidos por los ¯ltros de amplitud, vamos
a considerar un ejemplo simple; por conveniencia se ha escogido un ¯ltro de amplitud binario pasa
bajo, cuya funci¶on de transferencia tiene la forma general siguiente
μ ¶
»
H(») = rect (3.15)
2»c
La se~
nal de entrada es una funci¶on de onda rectangular:
1 ³x´
f (x) = rect(x)¤ comb (3.16)
2 2
Con espectro dado por:
F (») = sinc(»)comb(2») (3.17)
Figura 3.3. Funci¶

on de onda rectangular usada como ejemplo para ¯ltros de amplitud y su
espectro
Como se muestra en la ¯gura 3.3 el espectro de la salida puede ser expresado como:
μ ¶
»
G(») = sinc(»)comb(2»)rect (3.18)
2»c
Debido a que el valor de la frecuencia de corte »c gobierna el ancho de la funci¶

on de transferencia
y este a su vez determina como algunas de las componentes espectrales aparecen a la salida, el
espectro de salida y por tanto la misma salida depende fuertemente del valor de »c . La respuesta
impulsional de este sistema por tanto es:
h(x) = 2»c sinc (2»c x) (3.19)
La forma de la convoluci¶
on de la salida es por tanto:
· ³ x ´¸
1
g(x) = rect (x) ¤ comb ¤ [2»c sinc (2»c x)] (3.20)
2 2
Donde se observa que la ecuaci¶

on anterior es conveniente para determinar los efectos del sis-
tema de una manera cualitativa; pero no es muy u
¶til para obtener resultados cuantitativos. Ahora
procederemos a calcular la salida para varios valores de la frecuencia de corte.
1. Si la frecuencia de corte es »c = 1. La funci¶on de transferencia es la unidad para todo »;

no existe acci¶on de ¯ltrado producido por el sistema y todas las componentes de Fourier de le
entrada son pasadas sin atenuaci¶
on o desfasaje. El espectro de salida es exactamente el mismo que
el espectro de entrada por tanto las se~
nales de salida y entrada son iguales; por tanto:
g(x) = f (x) (3.21)
Si se observa esta situaci¶

on en el dominio de la se~
nal de entrada, la respuesta impulsional llega
a ser la funci¶
on delta y se conoce que la convoluci¶
on con esta funci¶on no produce esmoteado de la
se~
nal de entrada. (ver ¯g. 3.4).
Figura 3.4. Efecto de un ¯ltro pasa todo sobre la entrada de onda rectangular
2. Si »c = 2 La funci¶on de transferencia llega a ser una funci¶on rect¶angulo cuyo ancho es cuatro
unidades como se muestra en la ¯gura 3.5. Como resultado la frecuencia fundamental cero y los tres
arm¶onicos componentes de la entrada son pasados inalteradamente, pero todas las componentes
de alta frecuencia son ¯ltradas a la salida; por tanto el espectro de salida es:
μ ¶
»
G(») = rect sinc(»)comb(2») (3.22)
4
μ ¶
1 ³ n´
X1
»
G(») = rect sinc(») ± »¡ (3.23)
4 n=¡1
2 2
μ ¶ X ³n´ ³ n´
1
» 1
G(») = rect sinc ± »¡ (3.24)
4 n=¡1 2 2 2
· μ ¶ μ ¶¸
1 1 2 1 1 1
G(») = ± (») + ± »¡ + ± »+ (3.25)
2 2 ¼ 2 ¼ 2
· μ ¶ μ ¶¸
1 ¡2 3 2 3
+ ± »¡ ¡ ± »+
2 3¼ 2 3¼ 2
μ ¶
1 2 2 2»
G(») = ± (») + ±± (2») ¡ ±± (3.26)
2 ¼ 9¼ 3
Por consiguiente la salida es obtenida como:
1 2 2
g(x) = + cos (¼x) ¡ cos (3¼x) (3.27)
2 ¼ 3¼
Figura 3.5. Efecto de un ¯ltro ideal pasa bajo sobre la entrada de onda rectangular para
»c = 2
3. Si »c = 1 la funci¶
on de transferencia es ahora una funci¶on rect¶angulo de ancho dos y el
espectro de salida es encontrado como:
μ ¶ X ³n´ ³ n´
1
» 1
G(») = rect sinc ± »¡ (3.28)
2 n=¡1 2 2 2
1 2
G(») = ± (») + ±± (2») (3.29)
2 ¼
Por consiguiente la salida es obtenida como:
1 2
g(x) = + cos (¼x) (3.30)
2 ¼
Lo cual signi¯ca que la se~

nal de salida contiene u
¶nicamente la frecuencia cero y las componentes
fundamentales de la entrada. Todas las componentes con frecuencia m¶
as alta que la fundamental
son ¯ltradas. (Ver ¯gura 3.6). Es interesante mostrar que la salida ser¶a escasamente descrita para
el rango 0:5 < »c < 1:5.
Desde el punto de vista de la convoluci¶

on. La respuesta impulsional ahora tiene un ancho de
aproximadamente el periodo de f (x) como se muestra en la ¯gura 3.6 y el esmoteado resultante es
mayor que en los anteriores ¯ltrados. Se debe puntualizar que es muy dif¶³cil determinar la forma
exacta de la salida por el m¶etodo de convoluci¶on.
»c = 1
4. Si »c = 0:25; se tiene que H(») = rect (2»); as¶³ que:
X1
1 ³n´ ³ n´
G(») = rect (2») sinc ± »¡ (3.31)
n=¡1
2 2 2
1
G(») = ± (») (3.32)
2
As¶³, la componente fundamental de Fourier, y todos los arm¶

onicos altos ahora han sido elimi-
nados por el sistema y la salida simplemente llega a ser una constante como se muestra en la ¯gura
3.7.
1
g(x) = (3.33)
2
De nuevo es interesante notar que tan grande como es 0 < »c < 0:5 la salida tendr¶a el valor
constante de 0.5. Viendo la salida una vez mas como una convoluci¶on, la respuesta impulsional es
tan ancha que esmotea completamente todas las variaciones en la entrada.
»c = 0:25
En este ejemplo de ¯ltro de amplitud binario se ha visto que el ancho de la funci¶on de trans-
ferencia in°uye en la salida del sistema: entre m¶
as ancha la funci¶
on de transferencia mas parecida
es la se~
nal de salida a la se~
nal de entrada y entre menos ancha la funci¶on de transferencia menos
parecidas las dos se~
nales.
En la ¯gura 3.8 se ilustra la funci¶

on de transferencia y la respuesta impulsional para varios
diferentes ¯ltros de amplitud. En resumen se debe indicar el comportamiento de estos sistemas
mostrando la salida cuando la entrada es de la forma como el ejemplo anterior.
Figura 3.8. Funciones de transferencia, respuesta impulsional para diferentes ¯ltros de am-
plitud
3.1.3 Filtros de Fase
Un ¯ltro de fase es un sistema que causa que el espectro de la fase de la se~

nal de entrada sea alterado
de alguna forma; mientras el espectro de amplitud de la se~
nal de entrada permanezca inalterado.
Debe ser notado sin embargo que un ¯ltro de fase verdadero es simplemente un caso especial de
¯ltro pasa todo y es por tanto f¶³sicamente irrealizable. Con la consideraci¶
on que AH (») = 1 para
los ¯ltros de fase, se tiene:
h i
g (x) = F ¡1 AF (») e¡i(©F (»)+©H (»)) (3.34)
h i
g (x) = F ¡1 F (») e¡i©H (») (3.35)
Todas las componentes de Fourier de la entrada son pasadas por el sistema sin atenuaci¶on, pero
la fase de estas componentes puede ser desplazada; como resultado todas las componentes de la
entrada estar¶
an a la salida pero sus posiciones relativas han sido modi¯cadas a tal grado que la
salida es severamente distorsionada.
Se comenzar¶a el an¶
alisis de los ¯ltros de fase considerando el caso para el cual la funci¶on ©H (»)
varia linealmente con » es decir un ¯ltro con fase lineal, espec¶³¯camente el caso es:
©H (») = 2¼x0 » (3.36)
Donde x0 es una constante real, por tanto el espectro de salida es:
G(») = F (»)e¡i2¼x0 » (3.37)
G(») = AF (»)e¡i(©F (»)+2¼x0 ») (3.38)
Y se puede ver que mientras todas las componentes de la entrada est¶an presentes en la salida,
ellas tienen un desfasaje de 2¼x0 ». La salida por tanto es:
£ ¤
g (x) = F ¡1 F (»)e¡i2¼x0 » (3.39)
g (x) = f (x ¡ x0 ) (3.40)
Se puede observar que un ¯ltro de fase lineal simplemente causa que la salida sea una versi¶
on
desfasada de la se~
nal de entrada. Se debe notar que la cantidad de desfasaje introducido por el
¯ltro de fase lineal es igual a la pendiente de ©H (») dividida por 2¼, es decir:
1 d
shif t = (2¼x0 ») = x0 (3.41)
2¼ d»
La respuesta impulsional de este ¯ltro lineal es dada por:

£ ¤
h (x) = F ¡1 e¡i2¼x0 » (3.42)
h (x) = ± (x ¡ x0 ) (3.43)
Y de la expresi¶
on anterior es f¶acil observar que la se~
nal de salida es una versi¶
on desfasada de
la se~
nal de entrada
g (x) = f (x) ¤h (x) (3.44)
g (x) = f (x) ¤± (x ¡ x0 ) (3.45)
g (x) = f (x ¡ x0 ) (3.46)
Como la salida no se deteriora, este ¯ltro se denomina ¯ltro de fase no distorsionador. Si la

funci¶on de transferencia no es una funci¶
on lineal de » el sistema normalmente introducir¶
a una
distorsi¶
on en la fase; sin embargo para el caso especial donde ©H (») es constante esta a¯rmaci¶
on
es falsa. Por tanto si ©H (») = B donde B es una constante real la salida es exactamente la entrada
multiplicada por e¡iB , es decir g (x) = f (x) e¡iB .
Ejemplo. Se considera ahora un ejemplo en el cual distorsi¶on de fase es encontrada. De nuevo la

entrada es una funci¶
on de onda rectangular y la funci¶
on de transferencia de fase es:
μ ¶ · μ ¶¸
» »
©H (») = ¼»rect + ¼sgn (») 1 ¡ rect (3.47)
2 2
Como se muestra en la ¯gura 3.9 es aparente que todas las componentes espectrales para las
cuales j » j> 1 ser¶
an desplazadas en fase por §¼ radianes lo cual u
¶nicamente introduce un signo
inverso, mientras que las componentes para las cuales j » j· 1 caer¶
an en un desfasaje que es
proporcional a ». Expresando la entrada por una expansi¶on en series de Fourier:
1 2 2 2
f (x) = + cos (¼x) ¡ cos (3¼x) + cos (5¼x) (3.48)
2 ¼ 3¼ 5¼
Figura 3.9. Funci¶

on de transferencia de un ¯ltro de fase que produce distorsi¶
on de fase
Se nota que el efecto de ©H (») es llevar a la frecuencia cero componentes no desfasadas, desplazar
¼
las componentes fundamentales por 2 y reversar los signos de todas las componentes del tercer
arm¶onico hacia arriba, de tal forma que la salida puede ser escrita como:
μ ¶
1 2 1
g (x) = + cos ¼ x ¡ (3.49)
2 ¼ 2
2 2
+ cos (3¼x) ¡ cos (5¼x) + :::
3¼ 5¼
£1 2
¤
Ser¶
a ahora conveniente adicionar y restar la cantidad 2 + ¼ cos ¼ (x) al lado derecho de la
ecuaci¶
on (49) es decir:
μ ¶ · ¸
1 2 1 1 2
g (x) = + cos ¼ x ¡ + + cos ¼ (x) (3.50)
2 ¼ 2 2 ¼
· ¸
1 2 2 2
¡ + cos ¼ (x) + cos (3¼x) ¡ cos (5¼x) + :::
2 ¼ 3¼ 5¼
Debido a este desarrollo g (x) se puede expresar como:
· μ ¶ ¸
2 1
g (x) = 1 ¡ f (x) + cos ¼ x ¡ + cos ¼ (x) (3.51)
¼ 2
p μ ¶
2 2 1
g (x) = 1 ¡ f (x) + cos ¼ x ¡ (3.52)
¼ 4
Ser¶
a muy instructivo encontrar la respuesta impulsional para este sistema; La funci¶on de trans-
ferencia tiene la forma:
» »
H(») = e¡i¼(»rect( 2 )+sgn(»)[1¡rect( 2 )]) (3.53)
Despu¶es de algunas manipulaciones de la ecuaci¶on anterior se obtiene:
μ ¶
» £ ¤
H(») = rect 1 + e¡i¼» ¡ 1 (3.54)
2
Y la respuesta impulsional por tanto es:
h (x) = 2sinc (2x) ¤ [± (x ¡ 0:5) + ± (x)] ¡ ± (x) (3.55)
h (x) = 2sinc (2 (x ¡ 0:5)) + 2sinc (2x) ¡ ± (x) (3.56)
Tanto g (x) como h (x) son gra¯cadas en la ¯gura 3.10 donde se observa la se~
nal de entrada, la
respuesta impulsional y la distorsi¶
on notoria en la se~
nal de salida
Figura 3.10. a.) Respuesta impulsional. b) se~

nal de entrada c) se~
nal de salida
Todos estos ¯ltros investigados son llamados ¯ltros de fase continua por el rango de continuidad
de los valores permitidos para ©H (»). Se puede observar que la funci¶on de transferencia de estos
¯ltros es en general de valor complejo y se puede asumir que cualquier valor se encuentra dentro
de un circulo unitario tal que j H(») j= 1. Un ¯ltro de base binario de otro lado tiene una funci¶on
de transferencia de fase que es limitada justo a dos valores, otra vez la funci¶
on de transferencia es
generalmente de valor complejo con j H(») j= 1 pero es ahora limitada u
¶nicamente a dos valores
en el circulo unitario.
3.2.1 Filtros lineales
Se tiene un ¯ltro cuya funci¶on de transferencia est¶

a dada por:
μ ¶
»
H (») = ¡rect +1 (3.57)
2»0
A. Gra¯car la funci¶
on de transferencia.
SOLUCION:
La soluci¶
on est¶a gra¯cada en la ¯gura 1.

on de transferencia
B. Encontrar anal¶³ticamente la respuesta impulsional.
SOLUCION:
· μ ¶ ¸
»
h (x) = = [H (»)] = = ¡rect +1 =
2»0
· μ ¶¸
»
= ¡rect = [1] (3.58)
2»0
h (x) = 2»0 sinc (2»0 x) + ± (x) (3.59)
C. Gra¯car la respuesta impulsional.
SOLUCION:
La soluci¶
Figura 3.12. Respuesta impulsional
D. Se considera una se~

nal de entrada como la mostrada en la ¯gura 3. Encuentre expl¶³citamente
la ecuaci¶
on matem¶
atica que la representa (Asuma una se~
nal in¯nita).
Figura 3.13. Se~

nal de entrada
SOLUCION:
La se~
nal corresponde a la convoluci¶
on de un tri con una comb; es decir:
1
X
f (x) = tri (4x) ¤ ± (x ¡ n) (3.60)
n=¡1
E. Encuentre la se~
nal de salida y concluya que clase de ¯ltro es.
SOLUCION:
La salida por tanto la convoluci¶

on de la se~
nal de entrada con la respuesta impulsional del
sistema; es decir:
" 1
#
X
g (x) = tri (4x) ¤ ± (x ¡ n)
n=¡1
¤ [2»0 sinc (2»0 x) + ± (x)] (3.61)
Se obtiene un ¯ltro ideal pasa alto
3.2.2 Sistemas LSI
Considere un sistema LSI cuya respuesta impulsional tiene la forma:
1 ³x´
h (x) =j j sinc2 (3.62)
b b
Al cual se le aplica una se~

nal de entrada de la forma:
f (x) = A cos (2¼»0 x) (3.63)
A. Encontrar anal¶³ticamente y gra¯car la funci¶

on de transferencia.
SOLUCION:
· ³ x ´¸
1
H (») = = [h (x)] = = j j sinc2 = (3.64)
b b
De donde se obtiene: Gra¯ca de la funci¶on de transferencia
H (») = tri (b») (3.65)
La soluci¶
Figura 3.14. Gra¯ca de la funci¶

on de transferencia
B. Encuentre la se~
nal de salida.
SOLUCION:
En la representaci¶
on frecuencial se tiene que:
G (») = H (») F (») (3.66)
Se sabe que:
F (») = = [f (x)] = = [A cos (2¼»0 x)] (3.67)
Por consiguiente:
μ ¶
A »
F (») = ±± (3.68)
2 j »0 j »0
Reemplazando:
μ ¶
A »
G (») = tri (b»0 ) ±± (3.69)
2 j »0 j »0
Pero:
· μ ¶¸
¡1 A »
g (x) = = tri (b»0 ) ±± (3.70)
2 j »0 j »0
Resolviendo:
· μ ¶¸
¡1 A »
g (x) = tri (b»0 )= ±± (3.71)
2 j »0 j »0
Finalmente:
g (x) = tri (b»0 )A cos (2¼»0 x) (3.72)
Por consiguiente:
g (x) = tri (b»0 )f (x) (3.73)
C. C¶omo es la se~
nal de salida respecto de la se~
nal de entrada?.
SOLUCION:
La se~
nal de salida es exactamente igual a la se~
nal de entrada y la magnitud es determinada por
el valor de tri (b»0 ):
nal de salida si j b»0 j> 1.
D. Qu¶e valor toma la magnitud de la se~
SOLUCION:
Cuando j b»0 j> 1 se tiene que g (x) = 0

Libro de Fisica

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Libro de Fisica

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD POPULAR DEL CESAR

Lorenzo Mattos Vasquez.

Laboratorio de Optica e Inform¶

TEORIA DE LOS SISTEMAS LINEALES

Doctor en Ciencias F¶³sica

Lorenzo Mattos V¶asquez

Grupo de Optica E inform¶atica

Universidad Popular del Cesar

TEORIA DE LOS SISTEMAS

Valledupar, Colombia C¶esar Torres M.

Valledupar, Colombia C¶esar Torres M.

1.1 Funciones de variable real. a) Monovaluada b) Multivaluada . . . . . . . . . . . . . . . . 5

2.1 Funciones especiales unidimensionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

2.19 Salida del sistema. a. Respuesta a salida deltas individuales. b. Respuesta

3.1 Sistema LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

1. REPRESENTACION DE CANTIDADES FISICAS : : : : : : : : : : : : : : : : : : : : : : : : 3

2. MATEMATICAS ESPECIALES DE LA OPTICA : : : : : : : : : : : : : : : : : : : : : : : : : 35

2.5 RESPUESTA IMPULSIONAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

3. FILTROS LINEALES Y SISTEMAS LSI : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 89

1.1 REPRESENTACION MATEMATICA DE CANTIDADES

Con el prop¶osito de facilitar el an¶

1.1.2 Clases y propiedades de las funciones

Una de las distinciones b¶

Las funciones matem¶

Donde y es la variable dependiente x es la variable independiente y f es la regla que relaciona

Figura 1.1. Funciones de variable real. a) Monovaluada b) Multivaluada

f (x) = f (x + nX) (1.2)

La frecuencia fundamental espacial de una funci¶on peri¶odica describe cuantas repeticiones la

Donde T ahora es el periodo, se acostumbra utilizar el signo º0 para representar la frecuencia

Funciones que no satisfacen las ecuaciones anteriores son llamadas no peri¶

f (x) = A sin (2¼»0 x ¡ μ) (1.6)

Figura 1.2. Funci¶

Figura 1.3. Funci¶

Figura 1.4. Funci¶

Figura 1.5. Funciones peri¶ odo X1 y X2

Figura 1.6. Suma de Funciones peri¶ odo X1 = 1 y X2 = 2

Figura 1.7. Funci¶

1.1.3 Propiedades de simetr¶³a

e (x) = e (¡x) (1.8)

o (x) = ¡o (¡x) (1.9)

Es llamada una funci¶on impar de x.

Figura 1.8. Funciones sim¶

Figura 1.9. Funciones que nunca son par o impar

Es f¶acil mostrar que cualquier funci¶

f (x) = fe (x) + fo (x) (1.10)

Si se utiliza la propiedad e (®) = e (¡®) se encuentra que:

De una forma similar se puede probar que:

1.2 FUNCIONES BIDIMENSIONALES

Donde t denota la transmitancia; x y y son las variables independientes y g (::) es la regla de

Figura 1.10. Funci¶

De donde se obtiene que:

f (x; y) = g (x) h (y) (1.21)

Donde g (x) es una funci¶on u

1.3 NUMEROS COMPLEJOS Y FASORES

v = < (u) (1.23)

Figura 1.11. Representaci¶

Tal vez la mas u

La cantidad r es conocida como valor absoluto o modulo de u mientras que Á es su argumento

Figura 1.12. Forma polar de un n¶

Si se toma el ejemplo anterior de u = 3 + 2i en forma polar se debe hacer:

Por tanto en forma polar el n¶

u = reiÁ = r (cos Á + i sin Á) (1.31)

De tal forma que: