Académique Documents
Professionnel Documents
Culture Documents
FACULTAD DE INGENIERIA
DEPARTAMENTO DE INGENIERIA ELECTRICA
APUNTES
SISTEMAS Y SENALES
Cod. 549 104 - Ingeniera Civil en Telecomunicaciones
Primera Edicion
24 de junio de 2016
Indice General
1. Introduccion 1
1.1. Por que estudiar Senales y Sistemas? . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Conceptos de senal, sistema y proceso . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1. Senales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2. Procesos y sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Fundamentos de senales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.1. Las senales como funciones . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.2. Operaciones basicas sobre senales . . . . . . . . . . . . . . . . . . . . . . 4
1.3.3. Clasificacion de Senales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.4. Senales comunes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4. Delta de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.4.1. Propiedad de cernido de la funcion impulso . . . . . . . . . . . . . . . 29
1.4.2. Implementacion en Matlab/Octave . . . . . . . . . . . . . . . . . . . . . 30
1.4.3. Impulso unitario discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.4.4. Nota final respecto al impulso . . . . . . . . . . . . . . . . . . . . . . . . 32
1.5. Fundamentos de Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.5.1. Sistemas comunes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.5.2. Interconexion de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.5.3. Modelacion de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.6. Alcances del curso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2. Sistemas y Senales 45
i
2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2. Propiedades de los Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2.1. Sistemas sin memoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2.2. Sistemas invertibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2.3. Sistemas causales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2.4. Sistemas estables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2.5. Sistemas invariantes en el tiempo . . . . . . . . . . . . . . . . . . . . . . 49
2.2.6. Sistemas lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.3. Sistemas lineales e invariantes en el tiempo . . . . . . . . . . . . . . . . . . . . . 54
2.3.1. Sistemas LIT en tiempo discreto (suma de convolucion) . . . . . . . . . . 54
2.3.2. Como calcular sumatoria de convolucion . . . . . . . . . . . . . . . . . . 56
2.3.3. Propiedades de los S.L.I.T discretos y su respuesta impulso . . . . . . . . 58
2.3.4. Sistemas LIT en tiempo continuo (integral de convolucion) . . . . . . . . 62
2.3.5. Propiedades de la convolucion . . . . . . . . . . . . . . . . . . . . . . . . 64
2.3.6. Calculo de la integral de convolucion . . . . . . . . . . . . . . . . . . . . 66
2.3.7. Propiedades de los S.L.I.T continuos y su respuesta impulso . . . . . . . 67
2.3.8. Convolucion de SLITs en cascada . . . . . . . . . . . . . . . . . . . . . . 70
2.4. Muestreo de senales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.4.1. Toma de muestras de una senal en tiempo continuo . . . . . . . . . . . . 72
2.4.2. Muestreo uniforme de senales en tiempo continuo . . . . . . . . . . . . . 72
2.5. Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.5.1. Funciones propias de un SLIT . . . . . . . . . . . . . . . . . . . . . . . . 76
2.5.2. Representacion de senales periodicas por series de Fourier . . . . . . . . . 80
2.5.3. Coeficientes de las series de Fourier para senales en tiempo continuo . . . 81
2.5.4. Coeficientes de las series de Fourier para senales en tiempo discreto . . . 94
2.5.5. Cuantos coeficientes de Fourier son necesarios? . . . . . . . . . . . . . . 96
2.5.6. Entonces... Para que usamos las series de Fourier? . . . . . . . . . . . . 96
2.5.7. Propiedades de las series de Fourier . . . . . . . . . . . . . . . . . . . . . 97
ii
3. Transformaciones y sus usos en el analisis de sistemas 99
3.1. Transformada de Fourier en tiempo continuo . . . . . . . . . . . . . . . . . . . . 99
3.1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.1.2. Analisis desde las series de Fourier . . . . . . . . . . . . . . . . . . . . . 100
3.1.3. Definicion de la transformada de Fourier . . . . . . . . . . . . . . . . . . 100
3.1.4. Cual es la relacion entre las series de Fourier y la transformada de Fourier?109
3.1.5. Propiedades de la transformada de Fourier . . . . . . . . . . . . . . . . . 111
3.2. Analisis de sistemas usando la TdeF . . . . . . . . . . . . . . . . . . . . . . . . 121
3.2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.2.2. Sistemas de primer orden . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.2.3. Sistemas de orden superior . . . . . . . . . . . . . . . . . . . . . . . . . . 122
3.2.4. Filtros ideales, reales y ancho de banda de 3dB . . . . . . . . . . . . . . 125
3.3. Modulacion en amplitud (AM) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
3.3.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
3.3.2. Doble banda lateral con portadora suprimida (DSB-SC) . . . . . . . . . 134
3.4. Teorema del muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
3.4.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
3.4.2. Transformada de Fourier de un tren de impulsos . . . . . . . . . . . . . . 138
3.4.3. Teorema de Nyquist-Shannon . . . . . . . . . . . . . . . . . . . . . . . . 140
3.5. Transformada de Fourier en tiempo discreto (DTFT) . . . . . . . . . . . . . . . 142
3.5.1. Derivacion de la DTFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
3.5.2. Periodicidad de la DTFT . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
3.5.3. Propiedades de la DTFT . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
3.5.4. Ejemplos de calculo de la DTFT . . . . . . . . . . . . . . . . . . . . . . 147
3.6. Analisis de sistemas en tiempo discreto usando la DTFT . . . . . . . . . . . . . 150
3.6.1. Filtros en tiempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . 153
iii
Captulo 1
Introduccion
La luz del sol se refleja en los objetos que Ud. esta fotografiando
Los sensores capturan la senal optica y la transforma en una senal electrica analoga.
La senal electrica es transformada en una senal digital para poder ser almacenada en la
memoria del telefono.
La senal digital puede ser procesada posteriormente y enviada mediante diferentes apli-
caciones.
Cada componente de este ejemplo puede ser abstrado de su realidad fsica como un bloque (es
decir, un sistema) con entradas y salidas. En cada bloque, tenemos senales que entran, se
procesan de alguna forma, y salen. El proceso entero de conversion luz a un archivo puede ser
1
1.2. CONCEPTOS DE SENAL, SISTEMA Y PROCESO
Fig. 1.1: Ejemplos de senales (de izquierda a derecha): las ondas del corazon son senales que
llevan informacion del estado cardiaco, senales electricas y senales cerebrales tambien contienen
informacion de interes
visto como un solo bloque. Podemos analizar la realidad fsica con el nivel de detalle
que dicta la aplicacion de interes.
As, en terminos coloquiales, podemos decir que una senal es cualquier ente portador de
informacion. Un sistema es aquel ente que procesa la informacion contenida en las senales para
generar nuevas senales. En el presente curso estudiaremos estos dos conceptos en detalle.
1.2.1. Senales
Una senal es una representacion de informacion de interes. Por ejemplo: la luz emitida por el
sol es una senal optica que queremos capturar, la salida de los detectores es una senal electrica
que podemos procesar, etc. En la Fig. 1.1 se muestran ejemplos de tres senales: cardiacas,
electricas y cerebrales; todas ellas portadoras de diferente informacion.
Entenderemos por proceso cualquier realidad fsica de interes que es objetivo de analisis.
Por ejemplo: El proceso de tomar una fotografa digital Un sistema es una abstraccion de
un proceso, cuyo nivel de detalle dependera del objetivo de analisis fijado para dicho proceso.
Apuntes 549104 2
1.3. FUNDAMENTOS DE SENALES
Por ejemplo: La camara puede ser visto como un sistema que toma la luz y la transforma en
electricidad.
En terminos generales, un sistema procesa la informacion en su entrada, u(t), para generar
una salida y(t). Representamos este procesamiento de la informacion de un sistema mediante la
transformacion
y(t) = T {u(t)} , (1.1)
u(t) T y(t)
En el presenta captulo daremos descripciones generales de las senal y los sistemas, para
posteriormente cubrir con mayor profundidad cada uno de los temas.
Una senal es, en general, una funcion del tiempo. Por ejemplo:
Apuntes 549104 3
1.3. FUNDAMENTOS DE SENALES
El soporte de una senal corresponde a todos los valores de la variable independiente, t, para
los cuales la senal x esta definida. En este curso veremos senales con soporte real: x(t), t IR
o con soporte entero: x[n], n Z
El rango de una senal es el conjunto formado por todas las imagenes, x(t), obtenidas para
todos los miembros t del soporte. En este curso veremos senales con rango entero, real y complejo.
La dimension de una senal x permite definir, por ejemplo, una senal de valores reales y
escalar si x(t) IR, t IR. Tambien se puede definir una senal de valores reales y vectorial
x1 (t)
x2 (t)
x(t) = .
,
..
xn (t)
si xj (t) IR, j = 1, 2, . . . , n, t IR. Por ejemplo, x(t) puede representar la radiacion electro-
magnetica recibida por n sensores ubicados en distintas areas.
En general una senal (y cualquier funcion) f puede ser modificada mediante la relacion
g(t) = f (at + b) + ,
Apuntes 549104 4
1.3. FUNDAMENTOS DE SENALES
Si < 0 entonces se hace una inversion, es decir, una reflexion con respecto al eje
g(t) = .
Apuntes 549104 5
1.3. FUNDAMENTOS DE SENALES
Si b > 0:
Si b < 0:
Apuntes 549104 6
1.3. FUNDAMENTOS DE SENALES
Apuntes 549104 7
1.3. FUNDAMENTOS DE SENALES
(a) (b)
Fig. 1.4: Ejemplo de una senal en tiempo continuo (izquierda) y en tiempo discreto (derecha)
Por un lado, una senal x es llamada continua si su soporte es real. Para tales efectos, puede
ser todo el eje real, o simplemente un intervalo de IR. La Fig. 1.4(a) muestra un ejemplo de
una senal continua. Por otro lado, una senal s es llamada discreta si su sporte es entero (o un
intervalo de Z). La Fig. 1.4(b) muestra un ejemplo de una senal discreta.
As como el soporte puede ser entero o real, el rango de las senales tambien puede serlo. As,
se definen las senales de rango entero y soporte real como senales cuantizadas. Las senales con
rango entero y soporte entero son llamadas senales digitales. Las Tabla 1.1 muestra un resumen
de la clasificacion de senales segun su soporte y rango.
Las senales analogas son aquellas que se encuentran en todas las aplicaciones, y pueden
ser transformadas en todas las otras senales. Si uno toma muestras en el tiempo de una senal
analoga, puede generar una senal en tiempo discreto y amplitud continua (senal muestreada). Si
uno limita la amplitud de una senal analoga de tal forma que se le permite asumir solo valores
discretos (los que se pueden asignar a una cantidad correlativa correspondiente), entonces se
Apuntes 549104 8
1.3. FUNDAMENTOS DE SENALES
genera una senal cuantizada. La Fig. 1.5 muestra la senal analoga de la Fig. 1.4(a) cuantizada
para t 0.
Se dice que una senal es no causal si esta definida para todo valor de la variable indepen-
diente, es decir, t IR o n Z, segun corresponda. Por ejemplo, la senal de la Fig. 1.4(a) es
no causal, puesto que esta definida para todos los valores de t.
Una senal x es causal si es cero para tiempos negativos, es decir x(t) = 0, t < 0 o x[n] =
0, n < 0. A su vez, se dice que x es anticausal si x(t) = 0, t > 0 o x[n] = 0, n > 0. En la
Fig. 1.6(a) y Fig. 1.6(b) se muestra una senal causal y una senal anticausal, respectivamente.
x(t) , t IR x[n] , n Z
Cuantizadas Digitales
Entero
xq (t) , t IR xq [n] , n Z
Apuntes 549104 9
1.3. FUNDAMENTOS DE SENALES
(a) (b)
Fig. 1.6: Ejemplo de una senal analoga (a) causal y (b) anticausal
Se dice que una senal continua x es periodica si existe un T > 0 tal que
El mnimo valor posible de N Z es llamado el periodo de la senal s. Notese que con la restric-
cion de que N tiene que ser un entero, algunas senales discretas que parecieran ser periodicas
(por su similitud con su contraparte continua) no lo son.
En la Fig. 1.7(a) se muestra una senal en tiempo discreto periodica. Se puede notar que el
cada 10 unidades la senal se repite, por lo que N = 10. Por otra parte, la senal que se muestra
en la Fig. 1.7(b) no se repite para ningun valor de N entero; por lo tanto, no es una senal
periodica.
Apuntes 549104 10
1.3. FUNDAMENTOS DE SENALES
(a) (b)
Fig. 1.7: Ejemplo de dos senales de tiempo discreto (a) periodica con periodo N = 10 y (b) no
periodica
Consideremos la senal x(t) = sin 0 t, con 0 > 0. Se puede demostrar que x(t) = x(t + T ), en
donde T = k 20 para cualquier valor de k Z+ :
2
x(t + T ) = sin 0 t + k
0
= sin (0 t + 2k)
= sin 0 t = x(t) ,
Apuntes 549104 11
1.3. FUNDAMENTOS DE SENALES
lo que se logra cuando ej3T /5 = 1. Utilizando la relacion de Euler, sabemos que ej3T /5 =
cos 3T + j sin 3T , de donde sabemos que necesariamente se debe cumplir que 3T
5 5 5
= 2k,
10
para algun k Z+ . As, la senal es periodica, y su periodo fundamental es T0 = 3
(k = 1).
10
lo que nuevamente se logra solo cuando ej3N/5 = 1. As, N = 3
k, para algun k Z+ .
Particularmente, N es entero solamente cuando k es un multiplo entero de 3. Entonces, N0 =
10.
Periodicidad y escalamiento: Que sucede cuando una senal periodica se escala en el tiem-
po?
Para una senal periodica x() con periodo fundamental T0 , la senal y(t) = x(at)con a > 0
es periodica con periodo fundamental T0 /a.
Para una senal periodica x[] con periodo funamental N0 , la senal y[n] = x[Ln] resulta
periodica con periodo fundamental M0 igual al entero mas pequeno tal que LM0 sea
divisible por N0 .
Una senal es llamada determinstica si sus valores estan completamente especificados para
cualquier valor de la variable independiente. Por lo tanto, cualquier senal determinstica puede
Apuntes 549104 12
1.3. FUNDAMENTOS DE SENALES
ser modelada por funciones del tiempo conocidas. Por otra parte, una senal es llamada aleatoria
o no determinstica cuando toma valores aleatorios para cualquier instante de tiempo. Por lo
mismo, deben ser caracterizadas de forma estadstica.
En la practica, para cualquier sistema de interes las senales tienen algun grado de aleatorei-
dad; sin embargo, en muchas situaciones, pueden igual ser modeladas por senales determinsti-
cas. En el presente curso trabajaremos principalmente con senal determinsticas. En cursos como
Procesos Aleatorios y Estadstica Aplicada se analizan y estudian senales aleatorias.
0<E<.
Las senales no-periodicas y las senales determinsticas son senales de energa, sin embargo, en
la practica, todas las senales realizables tiene energa finita.
La potencia de una senal x se define mediante la ecuacion
Z T
1 2
P = lm x2 (t) dt . (1.5)
T T T2
0<P <.
Las senales periodicas y las senales aleatorias son clasificadas como senales de potencia.
Apuntes 549104 13
1.3. FUNDAMENTOS DE SENALES
(a)
(b)
Fig. 1.8: Ejemplo de una senal (a) par continua (izquierda) y una discreta (derecha) y (b) impar
continua (izquierda) y una discreta (derecha)
Ejemplos de senales pares e impares se muestran en las Fig. 1.8(a) y Fig. 1.8(b), respectivamente.
Toda senal puede ser descompuesta en dos senales, una par y otra impar, es decir, para una
senal continua
x(t) = xp (t) + xi (t) , (1.6)
Sumando (1.6) y (1.8) y despejando se obtienen las relaciones para la componente par:
x(t) + x(t)
xp (t) = (1.9)
2
Apuntes 549104 14
1.3. FUNDAMENTOS DE SENALES
(b) Similarmente,
k
X 1
X k
X
x[n] = x[n] + x[0] + x[n]
n=k n=k n=1
1
X k
X
= x[m] + x[0] + x[n]
m=k n=1
Xk k
X
= x[m] + x[0] + x[n]
m=1 n=1
k
X
= x[0] + 2 x[n] .
n=1
Apuntes 549104 15
1.3. FUNDAMENTOS DE SENALES
ej = cos j sin .
Similarmente
xi (t) = j sin t
Note que el mismo resultado se pudo haber obtenido usando la relacion de Euler directamen-
te.
Senales ortogonales
De esta definicion de producto interno entre dos senales, se puede decir que < x1 , x2 >= 0 es
equivalente a kx1 (t)kkx2 (t)k cos = 0 en donde es el angulo entre ambas senales (en el espacio
de senales continuas).
Para el caso de senales en tiempo discreto, se puede utilizar la definicion de producto interno
del algebra lineal al considerar las senales como secuencias de numeros.
Senal constante
c(t) = 1 (1.12)
c[n] = 1 , (1.13)
Apuntes 549104 16
1.3. FUNDAMENTOS DE SENALES
(a) (b)
Fig. 1.9: Senal constante en (a) tiempo continuo y (b) tiempo discreto
y tambien recibe el nombre de senal estatica o senal DC. En la Fig. 1.9 se muestra la senal
DC tanto para tiempo continuo como para tiempo discreto. Estas figuras se pueden facilmente
generar en Matlab/Octave mediante la siguiente secuencia de comandos para tiempo continuo
>> t = linspace(-10,10,1e3);
>> c = @(t) ones(length(t));
>> figure(1); plot(t,c(t),k,LineWidth,2)
>> n = -10:10;
>> cd = @(n) ones(length(n));
>> figure(2); stem(n,c(n),k--,fill)
Apuntes 549104 17
1.3. FUNDAMENTOS DE SENALES
Escalon unitario
La senal (o funcion) escalon unitario es aquella que da un salto de cero a uno para tiempo
cero. Comunmente se denotan con la letra u y matematicamente se define mediante
0 ,t < 0
u(t) = (1.14)
1 ,t 0
0 ,n < 0
u[n] = . (1.15)
1 ,n 0
La Fig. 1.10 muestra la senal escalon unitario para tiempo continuo y discreto y puede ser
generado facilmente en Matlab/Octave mediante la siguiente secuencia de comandos para tiempo
contion
>> t = linspace(-10,10,1e3);
>> u = @(t) 1.*(t>=0);
>> figure(1); plot(t,u(t),k,LineWidth,2)
>> n = -10:10;
>> ud = @(n) 1.*(n>=0);
>> figure(2); stem(n,ud(n),k--,fill)
Rampa unitaria
Apuntes 549104 18
1.3. FUNDAMENTOS DE SENALES
(a) (b)
Fig. 1.10: Senal escalon unitario en (a) tiempo continuo y (b) tiempo discreto
Facilmente se puede demostrar que para las versiones discretas existen las siguientes relaciones
La Fig. 1.11 muestra la senal rampa unitaria en tiempo continuo y tiempo discreto. Estas
figuras pueden ser facilmente obtenidas en Matlab/Octave mediante la siguiente secuencias de
comandos para tiempo continuo
>> t = linspace(-10,10,1e3);
>> r = @(t) t.*(t>=0);
>> figure(1); plot(t,r(t),k,LineWidth,2)
Apuntes 549104 19
1.3. FUNDAMENTOS DE SENALES
(a) (b)
Fig. 1.11: Senal rampa unitaria en (a) tiempo continuo y (b) tiempo discreto
>> n = -10:10;
>> rd = @(n) n.*(n>=0);
>> figure(2); stem(n,rd(n),k--,fill)
Senales sinusoidales
sin embargo, dado que n Z entonces no todas las sinusoidades discretas son periodicas. La
Fig. 1.12 muestra como ejemplo senales sinusoidales en tiempo continuo y discreto. Note que la
sinusoidal discreta es periodica en este ejemplo.
Apuntes 549104 20
1.3. FUNDAMENTOS DE SENALES
(a) (b)
Fig. 1.12: Senal sinusoidal en (a) tiempo continuo y (b) tiempo discreto
Z T 1/2
1 2
sRM S , lm s (t) dt
T T 0
Z T 1/2
1 2 2
= lm A cos t dt
T T 0
Z T 1/2
1
1 + cos t
= A lm dt
T 0 T 2
" T T !#1/2
1 1 sin t
= A lm t +
T T 2 t=0 2 t=0
1/2
1 sin 2 sin 0
= A lm +
T 2 2
A
= .
2
Apuntes 549104 21
1.3. FUNDAMENTOS DE SENALES
(a) (b)
Fig. 1.13: Sinusoidades en tiempo discreto (a) periodica y (b) no-periodica. Para notar la no
periodicidad de (b), observe que de serlo, el valor en n = 6 deberia ser el mismo que en n = 7,
pero no lo es.
por lo que una senal sinusoidal no es una senal de energa, tal como se definio en su momento.
Apuntes 549104 22
1.3. FUNDAMENTOS DE SENALES
Solucion: (a) Para evaluar la periodicidad de la senal sinusoidal discreta, recordemos que
para ser periodica debe satisfacer la igualdad x[n] = x[n + N ], N Z+ es decir
x[n] = x[n + N ]
sin n = sin (n + N )
8 8
= sin n+ N .
8 8
Dado que la funcion sin es periodica con periodo 2, entonces ambas senales seran iguales si y
solo si 8 N es un multiplo entero de 2. Es decir, para k Z, se debe satisfacer
N = 2k
8
Ahora, para ningun valor de k Z podemos hacer N Z+ , por lo tanto la senal no es periodica.
Ambas senales de este ejemplo se muestran en la Fig. 1.13.
Senales exponenciales
en donde a y b son numeros reales y j 2 = 1 (luego adelante revisaremos los numeros complejos
con un poco mas de detalles). Existen las siguientes situaciones de interes:
Apuntes 549104 23
1.3. FUNDAMENTOS DE SENALES
y se observa que
Si si a > 0 entonces x oscila a una frecuencia b y tiene una envolvente que crece a
una tasa a
Si a < 0 entonces x oscila a una frecuencia b y tiene una envolvente que decrece a
una tasa a.
La Fig. 1.14(a) muestra un ejemplo para cada uno de los casos en que b = 0. De la misma
forma, en la Fig. 1.14(b) observamos el caso en que a > 0 y b 6= 0, resultando en una exponencial
compleja cuya envolvente crece. Este crecimiento trae consigo el concepto de divergencia de la
senal. Dado que la senal x es compleja, en un mismo grafico mostramos su parte real, denotada
por <{x} y su parte imaginaria, denotada por ={x}. En la Fig. 1.14(c) observamos el caso de
una envolvente decreciente, la que evidentemente converge. El caso a = 0, para el cual la senal
solamente oscila a una frecuencia b se observa en la Fig. 1.14(d).
y puede definirse mediante dos escalones unitarios mediante la relacion rect(t) = u(t+1)u(t1)
como veremos mas adelante. La Fig. 1.15(a) muestra el grafico de esta senal.
Apuntes 549104 24
1.3. FUNDAMENTOS DE SENALES
(a) (b)
(c) (d)
Fig. 1.14: La funcion exponencial compleja para (a) b = 0 con a > 0 y a < 0, resultando
en exponenciales; (b) b 6= 0 con a > 0, resultando en exponenciales complejas con envolvente
creciente; (c) b 6= 0 con a < 0, resultando en exponenciales complejas con envolvente decreciente;
y (d) b 6= 0 con a = 0, resultando en exponenciales complejas con envolvente unitaria.
Apuntes 549104 25
1.4. DELTA DE DIRAC
(a) (b)
Fig. 1.15: Senal (a) pulso rectangular unitario y (b) pulso triangular unitario
Senal sinc
La senal sinc es muy util para cuando revisemos el teorema del muestreo as como tambien
cuado revisemos transformada de Fourier. Esta definida por la relacion
sin(t)
sinc(t) , (1.28)
t
y su grafico se muestra en la Fig. 1.16 en donde se puede notar que cuando t = 1, 2, . . . la
funcion se hace cero
Apuntes 549104 26
1.4. DELTA DE DIRAC
Fig. 1.16: Senal sinc. Note que esta se hace cero para los valores enteros de t, es decir cuando
t = 1, 2, . . .
Por ejemplo, en la Fig. 1.17 se muestran dos posibles formas de la funcion delta que satisfacen
las condiciones antes mencionadas, teniendo en cuenta que es una constante muy pequena (su
valor dependera del contexto).
Normalmente se representa como una flecha solida en el grafico y su definicion formal se
hace mediante la propiedad de cernido de : Sea a < 0, b > 0 y x una funcion continua en
t = 0, entonces Z b
f (t)(t) dt = f (0) . (1.29)
a
La idea es que actua sobre un intervalo de tiempo infinitesimal, para el cual f (t) f (0). La
definicion de (0) en realidad no existe, sin embargo si se define que (t) = 0, t 6= 0
Asi, la integral
Z b 1 , t = 0 (a, b)
(t) dt = .
a 0 , t = 0 6 (a, b)
Apuntes 549104 27
1.4. DELTA DE DIRAC
(a) (b)
Fig. 1.17: Dos diferentes interpretaciones de que muestran que la forma de la funcion no es
importante para la idealizacion
Rb
Sin embargo, la integral a
(t) dt es ambigua si a = 0 o b = 0. En el presente curso utilizaremos
la convencion a y b+ para indicar si incluimos el cero dentro de los lmites de integracion. Por
ejemplo:
Z b Z b Z 0 Z 0+
(t)dt = 0, (t)dt = 1, (t)dt = 0, (t)dt = 1 .
0+ 0 a a
La interpretacion fsica de la senal impulso es que esta se utiliza para modelar senales
fsicas que actuan en un periodo de tiempo muy corto, y cuyo efecto aparece en la integral de
otra senal. Ademas, la integral de una funcion con impulsos tiene saltos en cada impulso, igual
a la magnitud del impulso. Revisemos un ejemplo para explicar este fenomeno
que se muestra en la Fig. 1.4. Solucion: Para los tramos continuos, facilmente notamos que
f 0 (t) = 1, sin embargo en t = 1 y t = 2 la funcion de saltos de una +1 y de 2, respec-
Apuntes 549104 28
1.4. DELTA DE DIRAC
tivamente. Explicamos esto mediante impulsos ubicados en los instantes de tiempo donde se
produce el salto con una amplitud igual a la magnitud de dicho salto. As
f 0 (t) = 1 + (t 1) 2(t 2) .
De esta forma, podemos notar que la funcion impulso y el escalon unitario u estan direc-
tamente relacionados mediante la derivada
d
(t) = u(t) (1.30)
Zdtt
u(t) = (t) dt (1.31)
Apuntes 549104 29
1.4. DELTA DE DIRAC
Si la senal es cambiada por s que asume cualquier valor, posiblemente diferente de x, pero
tal que x(t0 ) = s(t0 ), entonces el resultado de la integracion es exactamente el mismo
Z
x(t) = x( )(t ) d (1.33)
>> t = linspace(-1,1,1e5);
>> delta = @(t,eps) (1/eps).*(t>=-eps/2 & t<=eps/2);
en donde debemos definir el valor de eps () dependiendo de la aplicacion. En la Fig. 1.18 se
muestra el efecto directo de cambiar la variable eps tal que tome valores 0.1, 0.01 y 0.001.
Notamos que a medida que 0, nuestra funcion tiende a .
La version discreta del impulso unitario es mucho mas sencilla de definir que su contraparte
continua. Matematicamente se define
1 ,n = 0
[n] = (1.34)
0 , n 6= 0
Apuntes 549104 30
1.4. DELTA DE DIRAC
Fig. 1.18: Aproximacion de la funcion en Matlab para (a) = 0,1, (b) = 0,01 y (c) = 0,001.
Se observa que a medida que 0, nuestra funcion tiende a
en donde n Z. De la definicion se puede notar que un escalon unitario discreto que se muestra
en la Fig. 1.10 y definido en (1.15) puede ser escrito como una secuencia de impulsos discretos
0 ,n < 0
u[n] = = . (1.35)
1 ,n 0
= [0] + [1] + [2] + + [n 1] + [n] (1.36)
Xn
= [k] (1.37)
k=0
Ademas, para cualquier senal en tiempo discreto x[], dada la definicion del impulso unitario
satisface la igualdad
x[n][n] = x[0][n] ,
x[n][n k] = x[k][n k] .
X
x[n] = x[k][n k] (1.38)
k=
Apuntes 549104 31
1.5. FUNDAMENTOS DE SISTEMAS
Hasta ahora hemos tratado a como una funcion, pero en realidad no lo son. De hecho,
de Dirac es lo que se conoce como una distribucion. Es normal manipular como una funcion
en expresiones como las integrales que hemos revisado, pero expresiones como (t2 ) o 2 (t) no
tienen sentido alguno.
u(t) y(t)
Sistema
u[n] y[n]
Sistema
En terminos simples, un sistema es una funcion que mapea funciones o secuencias en una
nueva funcion o secuencia. Un sistema lo representaremos en forma general como un mapeo T
por lo que la salida es representada por y = T {u}. Para un punto de interes, digamos t, la salida
evaluada en ese punto se denota y(t) = T {u}(t), sin embargo, en algunas situaciones se hara
abuso de notacion y simplemente escribiremos y(t) = T {u(t)}.
Entonces, en general
u y = T {u}
T
Apuntes 549104 32
1.5. FUNDAMENTOS DE SISTEMAS
Sistema retardo
y(t) = u(t t0 )
Un sistema descrito por esta ecuacion se conoce como sistema retardo pues su unico efecto
en la senal de entrada es retardarla en el tiempo. En general, si t0 > 0 se habla de un sistema
retardo. Si t0 < 0 entonces hablamos de un sistema predictor.
Sistema de escalonamiento
y(t) = au(t)
Apuntes 549104 33
1.5. FUNDAMENTOS DE SISTEMAS
Sistema integrador
Sistema derivador
Es evidente que los sistemas pueden interconectarse entre si. Hay tres principales formas
de interconexion que permiten describir cualquier otra interconexion mas compleja: cascada,
paralelo, realimentacion.
Apuntes 549104 34
1.5. FUNDAMENTOS DE SISTEMAS
1. Cascada (Series):
u y
T1 T2
2. Suma (Paralelo)
u y1
T1
y
+
u y2
T2
En donde la salida es
y = T1 {u} + T2 {u}
3. Realimentacion
u y
+ T1
T2 {y}
T2
Apuntes 549104 35
1.5. FUNDAMENTOS DE SISTEMAS
Modelos fenomenologicos se obtienen mediante la aplicacion de leyes que rigen los fenome-
nos de interes en el proceso. Es decir, se aplica la experiencia acumulada respecto a de-
terminado fenomeno, traducida a leyes que sintetizan un comportamiento en particular.
Modelos empricos son los que se determinan de la observacion directa de los resultados
de excitar un proceso con entradas conocidas, y posterior correlacion de la informacion
obtenida. En estos casos se hace total abstraccion de los patrones de comportamiento
internos al proceso. La metodologa usada para obtener modelos empricos se le denomina
identificacion de sistemas.
El uso de la modelacion fenomenologica requiere del conocimiento de los fenomenos que ocurren
en el proceso, y de las leyes que rigen su comportamiento. Es por ello que un modelo de
este tipo, desarrollado para un proceso en particular, puede ser representativo de otro proceso
equivalente, luego de un ajuste apropiado de sus parametros. Dado que esta modelacion puede
realizarse conociendo la naturaleza de los fenomenos, es posible desarrollar modelos en ausencia
del proceso. La obtencion de modelos fenomenologicos se basa principalmente, en la aplicacion
de las leyes de conservacion (balance) y del principio de mnima accion.
Ecuaciones de balance
Apuntes 549104 36
1.5. FUNDAMENTOS DE SISTEMAS
d
P (t) = Fin F out + Pgen Pcon .
dt
A continuacion veremos dos ejemplos en donde se aplica la ley de balance de masa y de energa
que son los casos mas importantes de las ecuaciones de balance a utilizar en ingeniera. Las leyes
postulan que la masa de un sistema dinamico se debe mantener constante en cualquier instante
de tiempo. Similarmente, las variaciones de energa deben ser nulas (la energa no se crea ni se
destruye, solo se transforma).
d
m(t) = e fe s fs ,
dt
Apuntes 549104 37
1.5. FUNDAMENTOS DE SISTEMAS
cambia dentro del estanque, entonces e = s = , y ademas la masa acumulada del estanque
se puede calcular como m = V = Ah(t), en donde A = R2 es el area del estanque. As, el
modelo que describe el altura del estanque como funcion de la entrada (flujo de entrada, fe ) es
d
A h(t) = fe fs . (1.39)
dt
El flujo de salida lo encontramos en el siguiente ejemplo mediante el balance de energa.
Apuntes 549104 38
1.5. FUNDAMENTOS DE SISTEMAS
y=H
h(t)
y=0
Segun este principio, que nace de la mecanica clasica, todo proceso esta caracterizado por
una funcion de energa L{} que opera sobre las variables de estado del proceso. Las variables de
estado son aquellas cantidades que determinan el estado dinamico de un sistema. Por ejemplo, en
un circuito electrico, las variables de estado normalmente estan determinados por la corriente
y el voltaje instantaneos, i(t) y v(t), respectivamente. En el ejemplo anterior del estanque,
la variable de estado corresponde al nivel del estanque, h(t). En general, un proceso estara
deteminado por un vector de variables de estado que representamos de forma generica mediante
x(t).
El principio de mnima accion postula que la integral
Z t2
J= L{x(t)} dt ,
t1
dn y dn1 y dy dm u dm1 u du
n
+ a n1 n1
+ + a 1 + a0 y = b m m
+ b m1 m1
+ + b1 + b0 u .
dt dt dt dt dt dt
Apuntes 549104 39
1.5. FUNDAMENTOS DE SISTEMAS
diL (t)
vL (t) = L (1.42)
dt
para el inductor, y
dvC (t)
iC (t) = C (1.43)
dt
para el condensador. Aplicamos la Ley de Voltaje de Kirchhoff (LVK) para encontrar la relacion
e(t) = vL (t) + vR (t) que en terminos de entrada-salida se escribe como x(t) = vL (t) + y(t) =
Li0L (t) + y(t). Ahora aplicamos la Ley de Corriente de Kirchhoff (LCK) para encontrar que
iL (t) = iC (t) + iR (t) = CvC0 (t) + vR (t)/R por lo que
diL (t)
x(t) = vL (t) + y(t) = L + y(t)
dt
d dvC (t) y(t)
= L C + + y(t)
dt dt R
d2 y L dy
= LC 2 + +y ,
dt R dt
por lo que la ecuacion diferencial que describe el circuito puede ser expresada de forma canonica
como
1 0 1 1
y 00 + y + y= x.
RC LC LC
Para resolver de forma unica esta ecuacion requerimos las condiciones iniciales sobre el voltaje
de salida, es decir, se requiere conocer y(0) y y 0 (0).
Apuntes 549104 40
1.5. FUNDAMENTOS DE SISTEMAS
entrada: e(t)
salida: vC (t)
1 1
x1 (t) = x2 (t) + e(t)
L L
1 1
x2 (t) = x1 (t) x2 (t)
RC C
y(t) = vC (t) .
Las dos ecuaciones superiores representan el mismo sistema descrito por la EDO anterior,
sin embargo, solo se compone por ecuaciones diferenciales de primer orden. Esta representacion
de la dinamica del sistema se conoce como representacion en variables de estado, o sim-
plemente, ecuaciones de estado del sistema. La ultima ecuacion simplemente asigna una
de las variables de estado como la salida del sistema. En general, las ecuaciones de estado se
Apuntes 549104 41
1.5. FUNDAMENTOS DE SISTEMAS
representan de forma matricial, por lo que reescribimos las ecuaciones anteriores mediante
1
1
x1 (t) 0 x 1 (t)
L L
= + e(t)
1
1
x2 (t) x2 (t) 0
RC C
x 1 (t)
y(t) = 0 1
x2 (t)
De esta forma, se puede ver que cualquier variable de salida que se quiera definir estara
determinada por estas variables de estado. El numero de variables de estado es el orden del
sistema y esta ntimamente ligado con el numero de acumuladores de energa que son linealmente
independientes. En forma general la ecuacion de estado de un sistema queda representada por,
o en sus componentes,
x (t) f1 (x, e, p) y1 (t) h1 (x, e, p)
1
x (t) f (x, e, p) y (t) h (x, e, p)
2 2 2 2
= , =
.. .. .. ..
. . . .
xn (t) fn (x, e, p) yq (t) hq (x, e, p)
Apuntes 549104 42
1.6. ALCANCES DEL CURSO
Apuntes 549104 43
1.6. ALCANCES DEL CURSO
Apuntes 549104 44
Captulo 2
Sistemas y Senales
2.1. Introduccion
Como se explico en el Cap. 1, un sistema es una descripcion cuantitativa de un proceso fsico.
Los sistemas continous y discretos son aquellos sistemas en que la variable independiente de
las senales que se procesan son continuas y discretas, respectivamente. Vale decir, sistemas con-
tinous procesan senales analogas y/o cuantizadas, mientras que los sistemas discretos procesan
senales muestreadas y/o digitales.
y(t) = (2x(t) x2 (t))3 no tiene memoria, pues y(t) depende exclusivamente de x(t). No
existen ningun termino como x(t + 1), x(t 0,1), etc.
y[n] = x[n + 1] si tiene memoria pues depende de un instante diferente a n (en particular
45
2.2. PROPIEDADES DE LOS SISTEMAS
tiene o no memoria.
Notamos que la relacion entrada-salida del sistema esta determinado por una ecuacion
recursiva de la salida. Es decir, la salida en el instante n depende los valores anteriores de
ella misma (del valor en n 1 en este ejemplo). Para ver si el sistema tiene memoria, debemos
expresar y solamente en funcion de x. Si reemplazamos n por n 1 en la definicion tenemos
de donde se observa que claramente y[n] depende de mas valores que solamente de x[n].
Apuntes 549104 46
2.2. PROPIEDADES DE LOS SISTEMAS
Esto es, que si para cada par de entradas x1 y x2 que no son identicamente iguales (i.e.,
existe al menos un t0 tal que x1 (t0 ) 6= x2 (t0 )), las correspondientes salidas T {x1 } y T {x2 }
no son identicamente iguales. En palabras simples, queremos decir que entradas diferentes son
mapeadas a salidas diferentes y que por ende, podemos recuperar x1 de la salida T {x1 }.
Hay dos reglas basicas para demonstrar si un sistema es invertible o no:
1. Para demostrar que un sistema es invertible uno debe mostrar su formula de inversion
2. Para demostrar que un sistema no es invertible uno debe mostrar un contra ejemplo.
Apuntes 549104 47
2.2. PROPIEDADES DE LOS SISTEMAS
y(t) = x(t) + 3x(t 3) es un sistema causal pues solo depende entradas pasadas y actuales
y[n] = x[n] es no causal. Esto pues para n = 1, la salida depende de x[1]. Es decir, la
salida en tiempo negativo depende de la entrada en tiempos positivos (osea, del futuro).
y(t) = x(t) cos(t + 1) es causal, pues la salida solamente depende de la entrada en t. Para
este caso cos(t + 1) es una constante con respecto a x(t).
Rt
y(t) =
x( ) d es causal pues la integral se evalua en desde hasta t lo que
constituye solamente valores pasados y el instante actual.
Un sistema es estable cuando para una entrada acotada, su salida tambien es acotada.
Matematicamente, si |x(t)| < , t, entonces existe un C finito tal que |T {x} | < C. Esta
estabilidad de un sistema se le llama estabilidad BIBO (entrada acotada, salida acotada).
Rt
Por ejemplo el sistema integrador: y(t) = 0 x(t) dt es inestable, pues para una entrada
escalon (que claramente es acotada), la salida crece al infinito.
Apuntes 549104 48
2.2. PROPIEDADES DE LOS SISTEMAS
2B 2 + B <
Por lo tanto, para una entrada acotada, la salida tambien es acotada. Es decir, el sistema es
estable.
Apuntes 549104 49
2.2. PROPIEDADES DE LOS SISTEMAS
x(t t0 ) y(t t0 )
y(t t0 ) = sin[x(t t0 )] .
Apuntes 549104 50
2.2. PROPIEDADES DE LOS SISTEMAS
Dadas dos senales x1 y x2 y un sistema T , se dice que este satisface la propiedad de adicion
o superposicion si
T {x1 + x2 } = T {x1 } + T {x2 } . (2.1)
Esto implica que sumar dos senales antes o despues del sistema no tiene diferencia y la salida
es exactamente la misma. Ambas situaciones se muestran en la Fig. 2.1
Propiedad de Homogeneidad
Dada una senal x, un escalar y un sistema T se dice que el sistema satisface la propiedad
de homogeneidad si
T {x} = T {x} , (2.2)
Apuntes 549104 51
2.2. PROPIEDADES DE LOS SISTEMAS
x1
y
+ T
x2
(a)
x1 y1
T
y
+
x2 y2
T
(b)
esto quiere decir que escalar una senal antes o despues del sistema no tiene diferencia y generara
la misma salida. Ambas situaciones se muestran en la Fig. 2.2
Z t
T {x1 (t) + x2 (t)} = x1 ( ) + x2 ( ) d
Z t Z t
= x1 ( ) d + x2 ( ) d
= T {x1 (t)} + T {x2 (t)} ,
Apuntes 549104 52
2.2. PROPIEDADES DE LOS SISTEMAS
x y
T
(a)
x y
T
(b)
por lo tanto el sistema integrador satisface la propiedad de adicion. Sea un escalar, entonces
Z t
T {x1 (t)} = x1 ( ) d
Z
= x1 ( ) d
= T {x1 (t)} ,
por lo tanto, tambien satisface la propiedad de homogeneidad. Por ambas razones, el sistema
integrador es lineal.
y[n] = T {x[n]} = (x[2n])2 = (x1 [2n] + x2 [2n])2 = 2 x21 [2n] + 2x1 [2n]x2 [2n] + 2 x22 [2n]) ,
Apuntes 549104 53
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
T {x} = T {x}
T {x(t t0 )} = y(t t0 )
Los SLIT presentan una propiedad interesante que se obtiene cuando la entrada x es un
impulso, es decir x = . Denotamos la salida asociada a esta entrada por h y por su importan-
cia recibe el nombre de funcion caracteristica del sistema y simplemente corresponde a la
respuesta a entrada impulso (tambien llamada respuesta a impulso).
Para comenzar, consideraremos los sistemas en tiempo discreto. Denotemos por h[] la res-
puesta a impulso discreto, de un sistema T {}, es decir
Apuntes 549104 54
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Con estos antecedentes, queremos obtener la salida y[] de un sistema L.I.T. para cualquier
senal arbitraria de entrada, x[].
(
)
X
y[n] = T {x[n]} = T x[k][n k] , por adicion
k=
X
= T {x[k][n k]} , por homogeneidad
k=
X
= x[k]T {[n k]} , por inv. en tiempo
k=
X
= x[k]h[n k] .
k=
Esta ultima ecuacion permite conocer y para cualquier x solamente conociendo la respuesta
a impulso del sistema LIT con la cual se debe realizar la siguiente operacion matematica:
X
y[n] = x[k]h[n k] , (2.4)
k=
Apuntes 549104 55
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
1. Reflejar
2. Desplazar
3. Multiplicar y sumar
que cualquier de las senales puede elegirse para reflejarse y luego ser desplazada. En particular
para este ejemplo elegimos h[n]. Identificamos las siguientes zonas de interes:
Apuntes 549104 56
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
En resumen, la salida es
(n + 2)AB 1 n 2
3n9
4AB
y[n] =
(13 n)AB 10 n 12
0 otro caso
La Fig. 2.3 se muestran las curvas necesarias para cada uno de estos puntos.
Apuntes 549104 57
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Fig. 2.3: Senales para el Ejemplo 2.12 que fueron definidas como x[n] = A(u[n] u[n 11]) y
h[n] = B(u[n + 1] + u[n 3]) en Matlab, (a) senales originales, (b) senal h ha sido reflejada en
el origen, (c) caso 1: n 2 no hay overlap. (d) caso 2: 1 n 2 senal h entrando en x,
(e) caso 3: 3 n 9 solapamiento completo, (f) caso 4: 10 n 12 senal h saliendo en x
para algun a C.
Apuntes 549104 58
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
X
y[n] = x[n] h[n] = x[k]h[n k]
k=
X
= x[k]a[n k]
k=
= ax[n] ,
por lo tanto el sistema es sin memoria. Inversamente, si el sistema en sin memoria, entonces
y[n] no puede depender de valores de x[k] para k 6= n. Mirando la definicion de la suma de
convolucion,
X
y[n] = x[k]h[n k]
k=
podemos concluir que esto solamente se da cuando h[n k] = 0 para todo k 6= n, lo que es
equivalente a decir que si el sistema es sin memoria, entonces
h[n] = 0 , n 6= 0 .
Esto implica que y[n] = x[n]h[0] = ax[n], en donde fijamos h[0] = a. As, necesariamente
h[n] = a[n].
Apuntes 549104 59
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Sistemas invertibles
Teorema 2.2. Un sistema LTI es invertible si y solo si existe una funcion g tal que
Demostracion. Si el sistema T es invertible, entonces x1 [n] 6= x2 [n] implica que y1 [n] 6= y2 [n],
por lo que debe existir un mapeo inyectivo (mapeo uno-a-uno) T tal que y = T {x} = h x.
Como T es inyectiva, entonces existe un mapeo inverso, T 1 tal que
T 1 {T x[n]} = x[n]
por la asociatividad de la convolucion, esto implica que (g[n] h[n]) x[n] = x[n], es decir que
g[n] h[n] = [n].
De forma inversa, si existe una funcion g tal que g[n] h[n] = [n] entonces para cada
x1 [n] 6= x2 [n] tenemos
Dado que x1 [n] 6= x2 [n] y g[n] 6= 0 entonces necesariamente y1 [n] y2 [n] 6= 0, osea y1 [n] 6= y2 [n],
por loq ue el sistema es invertible.
Apuntes 549104 60
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Sistemas causales
Teorema 2.3. Un sistema LTI es causal si y solo si su respuesta a entrada impulso es una
senal causal, es decir si
h[n] = 0 , n < 0 (2.7)
Demostracion. Si T es causal, entonces la salida y no puede depender de x[k] para k > n. Por
la ecuacion de la convolucion
X
y[n] = x[k]h[n k]
k=
observamos que necesariamente esto se dara solamente cuando h[n k] = 0 para todo k > n,
o, equivalentemente, cuando h[n k] = 0 para todo n k < 0. Haciendo m = n k, vemos que
si T es causal, entonces
h[m] = 0 , m < 0 .
Sistemas estables
Un sistema es estable cuando para una entrada acotada, su salida tambien es acotada.
Matematicamente, si |x(t)| < , t, entonces existe un C finito tal que |T {x} | < C. Esta
estabilidad de un sistema se le llama estabilidad BIBO (entrada acotada, salida acotada).
Teorema 2.4. Un sistema LTI es estable si y solo si su respuesta a entrada impulso es abso-
lutamente sumable, es decir si
X
h[n] < (2.8)
k=
Apuntes 549104 61
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
P
Demostracion. Supongamos que h[n] < . Para cualquier senal acotada |x(t)| B,
k=
la salida es
X
|y[n]| = x[k]h[n k]
k=
X
|x[k]| |h[n k]|
k=
X
B |h[n k]| ,
k=
Claramente, x esta acotada, especificamente x[n] 1, para todo n. La salida bajo estas condi-
ciones es
X
|y[0]| = x[k]h[k]
k=
X
= h[k]
k=
X
= h[k] = ,
k=
Recordemos que para un sistema L.I.T. discreto la respuesta a entrada impulso h nos permite
obtener la salida del sistema para cualquier entrada: Sabiendo h = T {}, con T {} un S.L.I.T.
Apuntes 549104 62
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
discreto, entonces, para una entrada cualquiera x, la salida asociada, y esta determinada por
y =xh
en donde representa la convolucion entre las senales x (entrada) y h (la respuesta a entrada
impulso). Queremos encontrar la misma propiedad para sistemas en tiempo continuo.
En el Captulo 1, encontramos que la propiedad de cernido del delta nos permita expresar
una senal cualquiera, x mediante la (1.33), que repetimos aca por claridad:
Z
x(t) = x( )(t ) d .
Entonces, la salida de un SLIT continuo con respuesta a entrada impulso h(t) y entrada x(t) es
Z
y(t) = T {x(t)} = T x( )(t ) d
Z
= T {x( )(t )} d (por adicion)
Z
= x( )T {(t )} d (por homogeneidad)
Z
= x( )h(t ) d (por invariabilidad en el tiempo) ,
en resumen:
Z
y(t) = x( )h(t ) d (2.9)
A continuacion veremos las propiedades mas importantes que presenta y que se satisfacen para
la convolucion de senales en tiempo continuo y discreto.
Apuntes 549104 63
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Las siguientes propiedades se verifican para la suma y la integral de convolucion, sin embargo
por simplicidad solo se demuestran para el caso continuo. Un buen ejercicio para el lector es
realizar las demsotraciones para el caso discreto.
Conmutatividad
La convolucion es conmutativa:
(f g) = (g f )
f (g + h) = f g + f h
Demostracion.
Z
(f (g + h))(t) , f ( )(g(t ) + h(t )) d
Z
= f ( )g(t ) + f ( )h(t ) d
Z
Z
= f ( )g(t )d + f ( )h(t ) d
, (f g)(t) + (f h)(t)
Apuntes 549104 64
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Asociatividad
La convolucion es asociativa:
f (g h) = (f g) h
Permtame la notacion
f (t) (t t0 ) = f (t t0 )
Apuntes 549104 65
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Demostracion.
Z
f (t) (t t0 ) , f ( )(t t0 ) d
Z
= f (t )( t0 ) d
= f (t t0 )
observamos que si consideramos h(t ) como una funcion de , entonces h(t ) esta retardada
al tiempo t e invertida. Esto se debe multiplicar punto a punto con la entrada para posterior-
mente integrar sobre para obtener y para dicho valor de t. Este proceso se repite para todos
los valores de t de interes.
As, se siguen los siguientes pasos
Receta de cocina:
Apuntes 549104 66
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Para t < 0:
y(t) = 0
Para 0 t 1: Z t Z t
y(t) = x( )h(t ) d = 2 d = 2t
0 0
En resumen
2t ,0 t 1
,1 t 2
2
y(t) =
2(3 t)
,2 t 3
0 , otro caso
Cuyo resultado se muestra en la Fig. 2.5(derecha).
Cabe destacar que las propiedades de los sistemas en tiempo continuos como memoria,
inveribilidad, estabilidad y causalidad deben cumplir las mismas propiedades antes descritas
Apuntes 549104 67
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Fig. 2.5: Senales para el Ejemplo 2.2: Respuesta entrada impulso (izquierda) y entrada para un
sistema (centro). El resultado del calculo (derecha)
para sistemas en tiempo discreto. Las demistraciones son equivalentes por lo que aca solamente
se mencionaran dichas propiedades sin demostracion.
Para todos los SLITs en tiempo continuo, asuma que su respesta a entrada impulso es h, es
decir, asuma que
h(t) = T {(t)} .
para algun a C.
Sistemas invertibles
Un SLIT en tiempo continuo es invertible si y solo si existe una funcion g tal que
Sistemas causales
Apuntes 549104 68
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Fig. 2.6: Senales para el Ejemplo 2.2: Distintos snapshots del proceso de desplazar h(t ) para
calcular la convolucion
Apuntes 549104 69
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
Sistemas estables
Recordemos que dos sistemas estan conectados en cascada si se pueden representar mediante
el diagrama:
x z y
T1 T2
La salida del primer sistema es z = T1 {x} por lo que la salida del sistema completo es
y = T2 {z} = T2 {T1 {x}}. Si estos sistemas son LIT, entonces pueden ser descritos por sus
respuesta a impulso, h1 (t) y h2 (t), respectivamente:
Entonces, en terminos de convolucion, la salida del primer sistema sera z(t) = x(t) h1 (t)
y la del segundo sistema sera y(t) = z(t) h2 (t). Ahora, usando la propiedad de asociatividad
tenemos
y(t) = z(t) h2 (t) = x(t) h1 (t) h2 (t) = x(t) [h1 (t) h2 (t)] .
Este resultado quiere decir que sistemas conectados en cascada equivalen a un solo sistema
cuya respuesta a impulso equivalente es la convolucion de las respuestas a impulso de todos los
sistemas conectados en cascada
x(t) y(t)
(h1 h2 )
Este resultado se puede extender facilmente a cualquier numero de sistemas y ademas es vali-
do en ambas direcciones; es decir, cualquier sistema puede ser descompuesto en sub-sistemas
Apuntes 549104 70
2.3. SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO
mediante esta tecnica. Ademas, dado que la convolucion es conmutativa, entonces cualquier
combinacion de sistemas en cascada es tambien conmutativa Esto es importante pues muchos
sistemas pueden ser descritos por convolucion y todos conmutan. Por ejemplo: integrador, dife-
renciadores, retardos, etc.
(t) h(t)
SLIT
d
Para resolver esto, primero recordamos que (t) = dt
u(t). Conectando un sistema diferen-
ciador en cascada con el sistema de interes, se tiene
u(t) d
(t) h(t)
dt SLIT
Dado que el sistema diferenciador es SLIT, entonces puede expresarse en funcion de una
convolucion; Por lo tanto, ambos sistemas pueden conmutar manteniendo las entradas y salidas
intactas
u(t) s(t) d
h(t)
SLIT dt
En donde la salida del sistema a entrada escalon la hemos llamado s(t). Claramente, h(t) =
s0 (t). As, hemos encontrado que midiendo la respuesta a entrada escalon de un sistema LIT y
luego tomando la derivada de dicha respuesta podemos encontrar la respuesta a entrada impulso
de un sistema LIT.
Apuntes 549104 71
2.4. MUESTREO DE SENALES
Cualquier senal en tiempo continuo puede transformarse en una senal en tiempo discreto
mediante el proceso de muestreo. Como su nombre lo indica en este proceso se toman muestras
de la senal continua en puntos especficos de tiempo. Matematicamente, las muestras se toman
utilizando la propiedad de cernido del delta. As, tomamos una muestra de la senal f en el
instante t0 multiplicando f por un delta en dicho instante, es decir:
t = 0 : x(0)(t)
t = Ts : x(Ts )(t Ts )
Apuntes 549104 72
2.5. SERIES DE FOURIER
por lo que podemos definir la senal muestreada (usamos el subndice s para indicarlo)
en donde hemos usado la propiedad de cernido una vez mas en la ultima igualdad.
De forma general, el proceso de muestreo se representa como el producto de la senal en
tiempo continuo x y un tren de impulsos p que se define como
X
p(t) = (t nTs ) , (2.14)
n=
Notemos que xs sigue siendo una senal en tiempo continuo! Sin embargo, podemos notar
que define a una senal en tiempo discreto si definimos x[n] = x(nTs ). La Fig. 2.7 muestra el
muestreo de la senal x(t) = 3 + 2 sin(2f0 t) + 52 sin(22f0 t) con f0 = 50Hz. Particularmente, se
ha muestreado la senal a una tasa de muestreo fs = 20f0 = 1000Hz, es decir que el tiempo de
muestreo es Ts = 1/fs = 1ms.
Si la tasa de muestreo se aumenta (es decir se reduce el periodo del tren de impulsos,
tambien llamado periodo de muestreo) evidentemente se toman mas muestras por segundo.
Dicha situacion se ejemplifica en la Fig. 2.8, en donde para la misma senal anterior se ha ido
reduciendo el periodo de muestreo. Notese que para todos los casos se utilizo muestreo uniforme
de la senal en tiempo continuo.
Apuntes 549104 73
2.5. SERIES DE FOURIER
(a) (b)
(c) (d)
Fig. 2.7: Ejemplo del proceso de muestreo de una senal continua (a) Senal en tiempo continuo,
x, (b) tren de impulsos p (c) Resultado del producto x(t)p(t) y (d) Comparacion entre senal en
tiempo continuo y sus muestras
Apuntes 549104 74
2.5. SERIES DE FOURIER
(a) (b)
(c) (d)
Fig. 2.8: Ejemplo del efecto de aumentar la tasa de muestreo (a) el doble de la frecuencia
fundamental, es decir fs = 2f0 , (b) fs = 10f0 (c) fs = 20f0 y (d) fs = 50f0
Apuntes 549104 75
2.5. SERIES DE FOURIER
1. Cada senal dentro de la familia que pasa por cualquier SLIT solamente modifica su am-
plitud, es decir
T {xk (t)} = k xk (t) ,
2. Cualquier senal puede ser representada como una combinacion lineal de las senales
dentro de su familia, es decir
X
x(t) = ak xk (t) .
k=
Ambas condiciones nos permitira encontrar la salida de cualquier SLIT generado por x(t)
mediante la relacion
(
)
X X X
T {x(t)} = T ak xk (t) = ak T {xk (t)} = ak k xk (t) ,
k= k= k=
Para responder la primera pregunta, necesitamos retomar la definicion de las funciones pro-
pias de un sistema LTI.
Consideremos un SLIT con respuesta a entrada impulso h() y senal de entrada x(). Enton-
ces,
x(t) y(t)
h(t)
Apuntes 549104 76
2.5. SERIES DE FOURIER
Supongamos que la entrada es x(t) = est , para algun s complejo. Sabemos que la salida es
Z
y(t) = (h x)(t) = h( )x(t ) d
Z
= h( )es(t ) d
Z
st s
= e h( )e d
st
= e H(s) = x(t)H(s) ,
La funcion H(s) es conocida como la funcion de transferencia del SLIT en tiempo continuo
definido por h(t). Notamos que H(s) esta definida explicitamente por la funcion h(t) y que
ademas depende del numero complejo s (no del tiempo t!). Por lo ultimo, el producto H(s)x(t)
puede verse como un escalar multiplicando la funcion de entrada x(t).
De este analisis concluimos que:
en donde H(j) recibe el nombre de respuesta en frecuencia del sistema LIT descrito por
h(t).
Apuntes 549104 77
2.5. SERIES DE FOURIER
x[n] y[n]
h[n]
en donde H(ej ) recibe el nombre de respuesta en frecuencia del sistema LIT en tiempo
discreto descrito por h[n].
Apuntes 549104 78
2.5. SERIES DE FOURIER
transformada de Fourier (en tiempo continuo) de la respuesta a entrada impulso h(t) y representa
la respuesta en frecuencia del sistema, permitiendo realizar analisis en frecuencia del sistema.
Similarmente, H(z) defida en (2.18) es la transformada Z de la respuesta a entrada impulso
h[n] y permite obtener, en el plano Z, la respuesta del sistema de forma sencilla. De la misma
forma, veremos que H(ej )defida en (2.19) es la transformada de Fourier (en tiempo discreto)
de la respuesta a entrada impulso h[n] y representa la respuesta en frecuencia del sistema,
permitiendo realizar analisis en frecuencia del sistema discreto.
Para el analisis que se esta haciendo en la presente seccion, nos interesa el caso en que
una senal x a la entrada puede representarse mediante una combinacion de estas entradas. Por
ejemplo, consideremos que la entrada al sistema en tiempo continuo descrito por h(t) es
Este resultado implica que si la entrada a cualquier sistema es una combinacion lineal de ex-
ponenciales complejas, entonces la salida es tambien una combinacion lineal de exponenciales
complejas. Si x es una suma infinita de exponenciales complejas, su salida es
( )
X X X
sk t
s t
T {x(t)} = T ak e = ak T e k
= ak H(sk )esk t ,
k= k= k=
Apuntes 549104 79
2.5. SERIES DE FOURIER
asociada a dicha entrada puede ser determinada de manera sencilla simplemente evaluando la
funcion de transferencia del sistema correspondiente. De las definiciones (2.16) y (2.18) vemos
que dada la unicidad de la respuesta a entrada impulso del sistema LTI, su funcion de transfe-
rencia tambien es unica!
Ahora la pregunta es, Como expresamos una senal arbitraria x como una combinacion lineal
de exponenciales complejas?
Lamentablemente, no todas las senales pueden ser decompuestas como una combinacion
lineal de exponenciales complejas. Sin embargo, un gran numero de funciones si permite tal
representacion: las senales periodicas que son cuadraticamente integrables o que satisfacen las
condiciones de Dirichlet. Recordemos que una senal es periodica si
x(t) = x(t + T )
2. En cualquier intervalo finito de tiempo, las variaciones de x(t) estan acotadas. Esto es, el
numero de maximos y mnimos dentro de un periodo de la senal es un numero finito.
Apuntes 549104 80
2.5. SERIES DE FOURIER
Esta clase de senales son posibles de expresar mediante una combinacion lineal de exponen-
ciales complejas
X
x(t) = ck ejk0 t , (2.20)
k=
en donde
2
0 = 2f0 = , (2.21)
T0
siendo f0 la frecuencia fundamental y T0 el periodo fundamental de la senal x(t). Los coeficientes
ck se les llama los coeficientes de la serie de Fourier (SdeF) y ahora veremos como son calculados
para senales en tiempo continuo y tiempo discreto
Retomemos la definicion de la SdeF para la senal en tiempo continuo x(t) dada en (2.20).
Multiplicando a ambos lados por ejn0 t e integrando de 0 a T tenemos
X
x(t) = ck ejk0 t
k=
"
#
X
x(t)ejn0 t = ck ejk0 t ejn0 t
k=
"
#
Z T Z T X
x(t)ejn0 t dt = ck ejk0 t ejn0 t dt
0 0 k=
X Z T
j(kn)0 t
= ck e dt .
k= 0
Aca usamos una definicion que no habamos revisado de la funcion delta discreta que dice
Z T 1 , k=n
1
ej(kn)0 t dt = = [n k] . (2.22)
T 0 0 , k 6= n
Apuntes 549104 81
2.5. SERIES DE FOURIER
Teorema 2.5 (Coeficientes de las SdeF para senales en tiempo continuo). Los coeficientes
de la serie de Fourier (SdeF) de una senal en tiempo continuo
X
x(t) = ck ejk0 t
k=
ej = cos j sin
1
ej + ej , por lo tanto
para encontrar que cos = 2
1 1
x(t) = ej0 t + ej0 t .
2 2
Leyendo directamente los coeficientes, notamos que
1
,k = 1
2
ck = 1 .
2
, k = 1
0 , otro caso
Apuntes 549104 82
2.5. SERIES DE FOURIER
x(t) = x(t + T )
1 1
1 + cos(2t) + sin(3t) = 1 + cos[2(t + T )] + sin[3(t + T )]
2 2
1 1
cos(2t) + sin(3t) = cos[2t + 2T ] + sin[3t + 3T )] .
2 2
La igualdad de la funcion coseno se alcanzara para 2T = 2k, (con k Z), que equivale
simplemente a que T Z. La igualdad del seno en cambio se logra cuando 3T = 2k, con
k Z. Esto equivale a T = 32 k con k Z. Para que toda la senal x se repita, entonces se debe
cumplir que
2
T Z T = k, kZ
3
lo que se cumple para k = 3, dando un periodo fundamental de T0 = 2.
As, la frecuencia (angular) fundamental es 0 = 2/T0 = , por lo que cos(2t) = cos(20 t)
y sin(3t) = sin(30 t). Ahora, usando la relacion de Euler, tenemos que
1 j20 t j20 t 1 j30 t j30 t
x(t) = 1 + e +e + e e .
4 2j
Por lo que los coeficientes de la SdeF son (nuevamente los leemos de la ecuacion)
1 ,k = 0
1
,k = 2
4
1
, k = 2
4
ck = .
1
2j
,k = 3
1
, k = 3
2j
0 , otro caso
Del ejemplo anterior, observamos que los valores coeficientes de la SdeF para k < 0 son
el complejo conjugado de los valores correspondientes al mismo k > 0. Es decir, c2 = c2 y
c3 = c3 . La pregunta a responder entonces es bajo que condiciones se cumple que ck = ck ?
La respuesta es que esto siempre se cumple cuando la senal es real. En efecto, consideremos que
la senal x es real, es decir que x(t) = x (t), en donde el superndice
representa el complejo
Apuntes 549104 83
2.5. SERIES DE FOURIER
Comparando (2.20) con (2.24) observamos que para senales reales, se requiere que ck = ck , o,
equivalentemente, que
ck = ck .
Ahora, usaremos esta igualdad para derivar formas alternativas de la SdeF para senales
reales. Comencemos utilizando dicha propiedad separando los coeficientes positivos de los ne-
garivos en (2.20)
X 1
X
X
jk0 t jk0 t
x(t) = ck e = ck e + c0 + ck ejk0 t
k= k= k=1
X
X
= c0 + cm ejk0 t + ck ejk0 t
m=1 k=1
X
+ ck ejk0 t
jk0 t
= c0 + ck e
k=1
X
+ ck ejk0 t
jk0 t
= c0 + ck e
k=1
X
< ck ejk0 t ,
= c0 + 2 (2.25)
k=1
en donde usamos la propiedad de que la suma de dos numeros complejos conjugados es dos
veces su parte real. La ecuacion (2.25) es una forma alternativa de representar las SdeF para
senales reales.
Apuntes 549104 84
2.5. SERIES DE FOURIER
0
0 0
Z
2A 2A 1 + jk0 t jk0 t
jk0 t A jk0 t
I1 = te dt = 2 e T0 = 2k 2 2 (1 + jk0 t) e
T02 T
20 T0 k 2 02 t= 2
T0
t= 2
A T0 jk0 T0 A jk
= 1 1 jk0 e 2 = 1 (1 jk) e
2k 2 2 2 2k 2 2
A
= [1 (1 jk) cos k] ,
2k 2 2
Z T0 T0
2A 2
jk0 t A jk0 t
2
I3 = te dt = (1 + jk0 t) e
T02 0 2k 2 2
t=0
A T0 jk0 T0 A
= 1 + jk0 e 2 1 = 2 2 [1 (1 + jk) cos k] .
2k 2 2 2 2k
Apuntes 549104 85
2.5. SERIES DE FOURIER
ck = I1 + I2 + I3 + I4
A A
= 2 2
[1 (1 jk) cos k] + 2 2 [1 (1 + jk) cos k]
2k 2k
A
= [1 cos k + jk cos k + 1 cos k jk cos k]
2k 2 2
2A
A 2 2 , k impar
= 2 2 [1 cos k] = k ,
k
0 , k par
por lo que la senal triangular puede aproximarse por la serie de Fourier dada por
A 2A X ejk0 t A 2A X ej(2k1)0 t
x(t) = + 2 = + 2 ,
2 k= k 2 2 k= (2k 1)2
k,impar
Ahora, dado que ck son numeros complejos, entonces puede ser expresados de forma carte-
siana, es decir ck = ak jbk o polar, es decir ck = |ck |ejk . La relacion que existe entre ambas
p
para pasar de rectangular a polar es |ck | = a2k + b2k y k = tan1 [bk /ak ]. Para pasar de polar
a rectangular es ak = |ck | cos k y bk = |ck | sin k . Si expresamos en forma polar, entonces (2.25)
se convierte en
X
X
jk0 t
< |ck |ejk ejk0 t
x(t) = c0 + 2 < ck e = c0 + 2
k=1 k=1
X
|ck |< ej(k0 t+k )
= c0 + 2
k=1
X
= c0 + 2 |ck | cos [k0 t + k ] , (2.26)
k=1
Apuntes 549104 86
2.5. SERIES DE FOURIER
Fig. 2.9: Senal triangular utilizado como senal para el Ejemplo 2.18: (a) senal original, (b)
armonicos que permiten la representacion por series de Fourier, (c) reconstruccion de la senal
con un armonico (d), (e), (f), (g), (h) e (i) reconstruccion de la senal con tres, cinco, siete, nueve
once y trece armonicos, respectivamente.
Apuntes 549104 87
2.5. SERIES DE FOURIER
en donde |ck | es numero siempre real (normalmente denotado simplemente por Ak ). La forma
dada en (2.26) es una de las formas mas utilizadas de las series de Forier para senales reales
y periodicas en tiempo continuo. La otra forma se logra usando la forma cartesiana de los
coeficientes, es decir ck = ak jbk . El razonamiento se muestra a continuacion partiendo de
(2.25)
X
X
jk0 t
< (ak jbk )ejk0 t
x(t) = c0 + 2 < ck e = c0 + 2
k=1 k=1
X
= c0 + 2 < [(ak jbk )(cos k0 t + j sin k0 t)]
k=1
X
= c0 + 2 < [ak cos k0 t jak sin k0 t jbk cos k0 t + bk sin k0 t]
k=1
X
= c0 + 2 ak cos k0 t + bk sin k0 t . (2.27)
k=1
La ecuacion (2.27) es una de las formas mas sencillas de la serie de Fourier para senales reales.
Para este caso, claramente ak = <[ck ] y bk = =[ck ]. Por ende, por (2.23)
Z Z Z
1 jk0 t 1 jk0 t 1
ak = < x(t)e dt = x(t)< e dt = x(t) cos k0 t dt .
T0 T0 T0 T0 T0 T0
Similarmente,
Z Z Z
1 jk0 t 1 jk0 t 1
bk = = x(t)e dt = x(t)= e dt = x(t) sin k0 t dt .
T0 T0 T0 T0 T0 T0
Apuntes 549104 88
2.5. SERIES DE FOURIER
y
={ck }2
1
k = tan =0,
<{ck }2
por lo que la representacion equivalente es
A 4A X cos k0 t A 4A X cos[(2k 1)0 t]
x(t) = + 2 = + 2 .
2 k=1 k2 2 k=1 (2k 1)2
k,impar
Ahora, usamos la SdeF trigonometrica dada por (2.27), por lo que los coeficientes ak y bk
son
Z
1 A A
ak = x(t) cos k0 t dt = < {ak } = < 2 2
[1 cos k] = 2 2 [1 cos k]
T0 T0 k k
y, Z
1 A
bk = x(t) sin k0 t dt = ={ck } = = [1 cos k] =0.
T0 T0 k 2
2
Por lo tanto, la senal triangular tiene la misma repreentacion anterior en funcion de senos y
cosenos, es decir
A 4A X cos k0 t A 4A X cos[(2k 1)0 t]
x(t) = + 2 = + 2 .
2 k=1 k2 2 k=1 (2k 1)2
k,impar
Observamos que para la senal del Ejemplo 2.18, los coeficientes que acompanan a la funcion
seno, es decir bk son nulos. Esto es, en general una consecuencia de que si x es par, entonces el
Apuntes 549104 89
2.5. SERIES DE FOURIER
producto x(t) sin k0 t es impar y la integral de cualquier senal impar en el intervalo de tiempo
t [ T20 , T20 ] es siempre cero. En efecto, si x es par entonces cumple la condicion de paridad, es
decir
x(t) = x(t) ,
por lo que
T0 T0
Z
2
Z 0 Z
2
bk = x(t) sin k0 t dt = x(t) sin k0 t dt + x(t) sin k0 t dt
T0 T0
2
2
0
T0
Z 0 Z
2
= x() sin(k0 ) d + x(t) sin k0 t dt
T0
2
0
Z T0 Z T0
2 2
= x() sin(k0 ) d + x(t) sin k0 t dt
0 0
= 0.
De la misma forma, si la senal x es impar, se puede demostrar que por que el producto
x(t) cos k0 t es par, entonces ak = 0, tal como se muestra en el siguiente ejemplo.
que se muestra en la Fig. 2.9(a). Primero, observamos que la funcion es impar, por lo que
necesariamente ak = 0. Calculamos entonces solamente el valor DC y los valores bk . Comenzamos
con el valor DC:
"Z
0 Z T0 # "
0 T0 #
A
Z
1 1 2 2
c0 = x(t) dt = A dt + A dt = t t
T0 T0 T0 T20 0 T0 T
t= 20 t=0
A T0 T0
= 0+ +0 =0 ,
T0 2 2
conforme a lo que uno esperara al observar el grafico de la senal en la Fig. 2.10(a). Sabemos
Apuntes 549104 90
2.5. SERIES DE FOURIER
que los coeficientes ak son cero, pues la senal x es impar. Ahora, para bk tenemos
Z T0 " Z
0 Z T0 #
1 2 A 2
bk = x(t) sin k0 t dt = sin k0 t dt + sin k0 t dt
T0 20
T T0 T
20 0
" 0 T0 #
A 2
= cos k0 t cos k0 t
k0 T0 T
t= 20 t=0
A T0 T0 A
= 1 cos k0 cos k0 1 = [1 cos k] ,
2k 2 2 k
2A
que al igual que antes sabemos que es cero para k par y k
para k impar. En definitiva, la SdeF
de esta senal es
2A X sin[(2k 1)0 t]
x(t) = .
k=1 (2k 1)
La aproximacion para diferente numero de armonicos se muestra en la Fig. 2.10.
Z Z T1
1 1 2 A T1 T1 T1
c0 = x(t) dt = A dt = + = A = dA ,
T0 T0 T0
T1
2
T0 2 2 T0
T1
en donde d = T0
se define como el duty-cycle de la senal cuadrada. Los otros coeficientes:
T0 T1 T1
A 1 jk0 t 2
Z Z
1 2
jk0 t A 2
jk0 t
ck = x(t)e dt = e dt = e
T0 T
20 T0
T
21 T0 jk0 T1
t= 2
T1 T1
" #
A h jk0 T1 T
jk0 21
i A ejk0 2 ejk0 2
= e 2 e =
jk0 T0 k 2j
A T1 A T1 sin (kd)
= sin k0 = sin k = Ad = Ad sinc(kd) ,
k 2 k T0 kd
sin t T1
en donde usamos la definicion de la senal sinc(t) = t
yd= T0
al igual que antes. Aproxima-
ciones para distintos valores de d se muestran en la Fig. 2.11.
Apuntes 549104 91
2.5. SERIES DE FOURIER
Fig. 2.10: Tren de pulsos, senal utilizada en el Ejemplo 2.20: (a) senal original, (b) armonicos
que permiten la representacion por series de Fourier, (c) reconstruccion de la senal con un
armonico (d), (e), (f), (g), (h) e (i) reconstruccion de la senal con tres, cinco, siete, nueve once
y trece armonicos, respectivamente.
Apuntes 549104 92
2.5. SERIES DE FOURIER
Fig. 2.11: Aproximacion de un tren de impulsos segun el Ejemplo 2.21. En todos, primera colum-
na: senal original segunda columna: cuatro primeros armonicos y tercera columna: aproximacion
con 21 armonicos. Primera fila : d = 40 %, Segunda fila: d = 20 %, Tercera fila: d = 5 %.
Apuntes 549104 93
2.5. SERIES DE FOURIER
Del Ejemplo 2.21 podemos notar que a medida que T1 0 el tren de pulsos se acerca cada
vez mas a un tren de impulsos. Sabemos que un tren de impulsos que se repite cada T0 segundos
esta dado por
X
x(t) = (t kT0 ) .
k=
Dado que se repite cada T0 segundos, entonces el periodo fundamental de esta senal periodica
es T0 . Los coeficientes de la SdeF para esta senal es
c0 = lm dA = 0 ,
d0
y para k 6= 0
Z T0
1 2
jk0 t 1 jk0 t 1
ck = (t)e dt = e = ,
T0
T0
2
T0
t=0 T0
dada la propiedad de cernido de la funcion delta. As, la SdeF del tren de impulsos es
X 1 jk0 t
x(t) = e .
k=
T0
Para construir la representacion en serie de Fourier para senales en tiempo discreto, tambien
trabajamos con senales periodicas con periodo N , es decir
x[n] = x[n + N ] ,
o que satisface las condicionesde Dirichlet. Bajo estas condiciones, tenemos el siguiente teorema.
Teorema 2.6 (Series de Fourier para senales en tiempo discreto). La senal periodica x que
es cuadraticamente sumable o satisface las condiciones de Dirichlet puede ser representada
mediante la serie
X
x[n] = ck ejk0 n (2.31)
k=
Apuntes 549104 94
2.5. SERIES DE FOURIER
1 X
ck = x[n]ejk0 n (2.32)
N0 n=<N0 >
P
en donde n=<N0 > representa la suma de la senal solamente sobre un periodo N0 .
Estudiamos esto con un ejemplo similar al Ejemplo 2.21 pero para tiempo discreto.
2N 1
A jk0 N1 1 ejk0 (2N1 +1)
A jk0 N1 X jk0 m
= e e = e
N0 m=0
N0 1 ejk0
0 0 0
A sin k0 N1 + 21
A ejk 2 (ejk0 N1 ejk 2 ejk0 N1 ejk 2 )
= = ,
N0 e jk 20
(ejk 20
e jk 20
) N 0 sin k 20
en donde hemos usado el hecho de que
2N1 2N1
jk0 m 1 r2N1 +1 1 ejk0 (2N1 +1)
X X
jk0 m
e = e = = jk0
.
m=0 m=0
1 r jk
r=e 0 1 e
Los resultados de aproximacion se muestran en la Fig. 2.12.
Apuntes 549104 95
2.5. SERIES DE FOURIER
Fig. 2.12: Aproximacion de un tren de pulsos en tiempo discreto segun el Ejemplo 2.22: (a)
senal original (b) cuatro primeros armonicos (c) aproximacion con los primeros 21 armonicos.
Como se vio en los ejemplos anteriores, uno en rigor necesita tener infinitos coeficientes para
aproximar de forma exacta la senal periodica. Sin embargo, si definimos
N
X
xN (t) , ck ejk0 t ,
k=N
entonces xN (t) es una aproximacion de x(t). A medida que N , notamos que xN (t) x(t).
Por lo tanto, el numero de coeficientes de la serie de Fourier que se requieren, dependen de la
precision con que se quiere aproximar x(t). Tpicamente uno selecciona N de tal forma que el
promedio de la aproximacion este acotado. Es decir, uno selecciona N de tal forma que
Z
|x(t) xN (t)|2 dt ,
Las series de Fourier nos dicen que cualquier senal periodica que se puede integrar cuadrati-
camente (o sumar cuadraticamente para el caso discreto) puede ser expresada como la combi-
nacion lineal de exponenciales complejas. Dado que las exponenciales complejas son funciones
propias de cualquier sistema LTI, entonces la salida de cualquier sistema LTI tambien sera una
combinacion lineal de las mismas exponenciales complejas.
Apuntes 549104 96
2.5. SERIES DE FOURIER
Fig. 2.13: Diagrama de bloques del uso de las series de Fourier para obtener la salida de un
sistema LIT cuya entrada es x(t).
Esto es, que para cualquier senal x(t) que se pueda representar mediante
X
x(t) = ck ejk0 t ,
k=
entonces su salida es
X
X
jk0 t
y(t) = ck H(jk0 )e = dk ejk0 t ,
k= k=
Existen un numero de propiedades que las series de Fourier satisfacen que normalemente
son estudiadas en el curso de Complemento de Calculo. Aca solamente las revisaremos de forma
resumida.
1. Linealidad. Las series de Fourier son lineales, es decir si x1 (t) tiene coeficientes ck (lo
que representamos mediante x1 (t) ck ) y x2 (t) dk , entonces para los escalares
, IR
x1 (t) + x2 (t) ck + dk ,
Apuntes 549104 97
2.5. SERIES DE FOURIER
x(t t0 ) ck ejk0 t0
x[n n0 ] ck ejk0 n0
x(t) ck
x[n] ck
4. Conjugacion.
x (t) ck
x [n] ck
6. Igualdad de Parseval. La energa de una senal calculada en el tiempo esta dada por los
coeficientes de Fourier en el plano de estos ultimos.
Z
1 2
X
|x(t)| dt = |ck |2
T0 T0 k=
1 X X
|x[n]|2 = |ck |2
N0 n=<N0 > k=<N0 >
Un buen ejercicio para el alumno sera demostrar estas propiedades para tiempo discreto y
continuo.
Apuntes 549104 98
Captulo 3
3.1.1. Introduccion
1. La senal debe ser periodica, es decir existe un T0 IR (un N0 Z para el caso en tiempo
discreto) tal que x(t + T0 ) = x(t) (equivalentemente, xn[n + N0 ] = x[n] para el caso en
tiempo discreto); y,
2. Las senales deven ser cuadraticamente integrables (sumables para el caso en tiempo dis-
creto) o satisfacer las condiciones de Dirichlet.
En esta seccion generalizaremos la idea de las series de Fourier para senales no periodicas.
99
3.1. TRANSFORMADA DE FOURIER EN TIEMPO CONTINUO
Del mismo ejemplo podemos reconocer que los coeficientes de Fourier son
Si cambiamos = k0 , entonces
2 sin T21
ck = .
T0
=k0
2 sin T21
T0 ck = = X() , (3.1)
al que llamamos el coeficiente de Fourier normalizado. De este ejemplo, observamos que a sin
importar el valor de T0 , la senal tiene sus coeficientes de Fourier siempre se acotados a la
envolvente dada por (3.1). Ahora bien, a medida que incrementamos T0 (sin cambiar el valor
de T1 ), el espaciamiento que separa estas muestras se reduce, manteniendo la misma forma de
la envolvente. Esto se explica pues al aumentar T0 , entonces disminumos 0 (recordemos que
0 = 2/T0 ); dado que las muestras de la envolvente se toman en multiplos enteros de 0 ,
el reducirlo hara que dichos multiplos se encuentren cada vez mas cerca. Dicho fenomeno se
muestra en la Fig. 3.1.
En el lmite, cuando T0 , entonces los coeficientes de la serie de Fourier T0 ck se convierten
en la funcion envolvente dada en (3.1). Esto sugiere que si tenemos senales no-periodicas las
podemos tratar como senales periodicas con periodo T0 . En la siguiente seccion utilizamos
esto para definir la transformada de Fourier.
(a) (b)
(c) (d)
(e) (f)
Fig. 3.1: Ejemplo de como al aumentar el periodo de un tren de pulsos, los coeficientes de
la serie de Fourier de la senal se mantienen dentro de la envolvente dada en (3.1) solamente
generando mas muestras. Primera columna muestra senal cuadrada para distintos valores para
T0 , y la segunda columna muestra los coeficientes de la serie de Fourier correspondiente.
Asumimos que una senal aperiodica x(t) tiene duracion finita, es decir, que x(t) = 0 para
T0
|t| > 2
, para algun T0 . Dado que x(t) es aperiodica, primero construimos una senal periodica
x(t) tal que
T0 T0
x(t) = x(t) , para <t< ,
2 2
y que x(t + T0 ) = x(t).
Esto lo representamos mediante la siguiente figura:
Dado que x(t) es periodica entonces acepta representacion por sus series de Fourier
X
x(t) = ck ejk0 t (3.2)
k=
Si definimos la funcion Z
X() , x(t)ejt dt , (3.3)
Ahora, notamos que como x(t) es la version periodica de x(t), a medida que T0 ,
entonces x(t) x(t). Mas aun, podemos entonces decir que en el lmite en que T0
(consecuentemente, 0 0) entonces
Z
1 X jk0 t 1
x(t) = lm x(t) = lm 0 X(0 )e = X()ejt d .
T0 0 0 2 2
k=
y su transformacion inversa
Z
1 1
x(t) = F [X()] , X()ejt dt
2
Z
F [x(t) + y(t)] = [x(t) + y(t)] ejt dt
Z Z
jt
= x(t)e dt + y(t)ejt dt
= X() + Y () ,
por lo tanto, la transformada de Fourier es lineal. El mismo analisis se puede usar para demostrar
que la transformada inversa de Fourier tambien es un operador lineal.
Z
1 1
x(t) = F [X()] = 2( k0 )ejt dt
2
Z
= ( k0 )ejt dt = ejk0 t ,
en donde usamos la propiedad de cernido de la funcion delta. Dado que los pares de transfor-
madas de Fourier son unicas, entonces se demuestra que F ejk0 t = 2( k0 ).
Fig. 3.2: Magnitud y fase de la transformada de Fourier de la senal en tiempo continuo x(t) =
eat u(t), con a > 0 del Ejemplo 3.3.
1
h i
X() = tan .
a
Ambos graficos se muestran en la Fig. 3.2 en donde notamos que para , |X()| 0 y
X() 2 y que para = a, X() = 4 .
Esto quiere decir que el delta tiene todas las componentes de frecuencia!
Ahora para el delta ubicado en t0
Z
F [(t t0 )] = (t t0 )ejt dt = ejt0 = cos(t0 ) j sin(t0 ) .
(a) (b)
Fig. 3.3: Transformada de Fourier de funcion delta en cero y ubicada en t0 segundos, conforme a
lo calculado en el Ejemplo 3.4: (a) la TdeF de un delta en cero es la funcion constante (contiene
todas las componentes de frecuencia con igual magnitud) y (b) la TdeF de un delta desplazado
es ejt0 (dibujamos su parte real e imaginaria).
en donde usamos la propiedad de cernido del delta. Entonces, hemos demostrado que F [1] =
2(). La similitud que se obseeva en los ultimos dos ejemplos se formaliza en la propiedad de
la dualidad de la transformada de Fourier
Notamos que para = 0, X( = 0) = , es decir, con esto estamos diciendo que el valor DC
de la senal escalon unitario es infinito. Sin embargo, como sabemos del Captulo 1, el valor DC
del escalon unitario es finito, lo que genera una inconsistencia que nos dice que la transformada
de Fourier que calculamos no es correcta. Para resolver esto, notemos que u(t) se puede obtener
1
mediante la funcion sgn(t) mediante u(t) = 2
+ 21 sgn(t). Esto se puede inferir directamente de
los siguientes graficos
Ahora, dada la discontinuidad de esta funcion, tambien puede presentar problemas en su trans-
formada de Fourier por lo que tambien la aproximamos por otra funcion, g(t), que tiene transfor-
mada de Fourier bien definida. Especficamente aproximamos sgn(t) mediante la funcion (a >
eat , t > 0
0), g(t) = 0 ,t = 0 ,
eat , t < 0
Sabemos que g(t) es una aproximacion de sgn(t) puesto que a medida que a 0, entonces
g(t) sgn(t) como se muestra en la figura. Ademas, tal como se obtuvo en el Ejemplo 3.3, g(t)
tiene transformada de Fourier bien definida y dada por
Z Z Z 0
jt at jt j2 2
F [g(t)] = g(t)e dt = e e dt eat ejt dt = 2 2
= .
0 a + j(a + 2 )
2
Luego,
1 1 1 1 1
F [u(t)] = F + sgn(t) = F [1] + F [sgn(t)] = () + ,
2 2 2 2 j
resultado que es consistente con tener valor DC finito.
Para responder a esta pregunta, apliquemos la transformada de Fourier a una expasion por
series de Fourier.
Asumamos que la senal x(t) es periodica y satisface las condiciones necesarias para aceptar
expansion por series de Fourier. Entonces, su transformada de Fourier es
"
# "
#
X Z X
X() = F [x(t)] = F ck ejk0 t = ck ejk0 t ejt dt
k= k=
X Z
X
= ck ej(k0 )t dt = ck ( k0 ) , (3.5)
k= k=
Los siguientes ejemplos utilizan esta propiedad para calcular la transformada de Fourier de
algunas senales periodicas comunes.
Ahora, usando el resultado de la (3.5) y lo obtenido en el Ejemplo 2.17, es decir que los
coeficientes de la serie de Fourier del seno son
1
,k = 1
2j
ck = 1 ,
2j
, k = 1
0 , otro caso
Una observacion interesante, es que los modulos de las transformadas de Fourier de las funciones
seno y conseno es la misma. solo cambia su fase!
Una observacion muy interesante de (3.5) es que la transformada de Fourier de una senal en
tiempo continuo pero periodica es una senal en frecuencia discreta.
Linealidad
Desplazamiento en el tiempo
F [x(t t0 )] = X()ejt0 .
= |X()|ej(X()t0 ) ,
es decir, el factor solo afecta la fase de la senal desplazada en el tiempo. Por eso, es comun
referirse al factor de desplazamiento, t0 , como el desfase.
Conjugacion
F [x (t)] = X () .
Si x(t) es una senal real, entonces x (t) = x(t) y por lo tanto X() = X (). En palabras
simples, estamos diciendo que si la senal es real, entonces la transformada de Fourier para fre-
cuencias angulares positivas, es exactamente igual al complejo conjugado de la transformada de
Fourier para frecuencias negativas. En todos los ejemplos vistos anteriormente hemos observado
esta propiedad, la que se hace mas evidente en el Ejemplo 3.7.
Derivacion
Escalamiento en el tiempo
Dualidad
F [X(t)] = 2x() .
y su inversa es
Z
1 1
x(t) = F [X()] = X()ejt dt
2
Cambiando los roles de t y en esta ultima ecuacion y comparando con la definicion de la TdeF
dada en la primera, obtenemos que
F [X(t)] = 2x() .
Igualdad de Parseval
Modulacion
Convolucion
Dadas dos senales h(t) y x(t) con transformadas de Fourier H() y X(), respectivamente,
entonces
F [h(t) x(t)] = H()X() .
Esta propiedad noes dice que convolucion en el dominio del tiempo se traduce en multiplicacion
en el dominio de la frecuencia!
x( ) H()ej d
=
Z
= H() x( )ej d
= H()X() .
como se muestra en la Fig. 3.7(a). Conforme a los ejemplos que hemos visto anteriormente, es
facil demostrar que (t) = rect(t) rect(t). Usamos eso para evaluar la transformada de Fourier
de la funcion (t).
La otra utilidad de esta propiedad es evidente considerando que la salida de cualquier sistema
esta determinada por la convolucion de su respuesta entrada impulso, h(t), y la entrada, x(t).
Si para un sistema conocemos un par de entrada-salida, entonces su respuesta entrada impulso
(a) (b)
Fig. 3.7: Figuras para el Ejemplo 3.10. (a) senal triangulo (t) y (b) su correspondiente trans-
formada de Fourier dada por sinc2 ()
Usamos este resultado en el siguiente ejemplo. (Esta propiedad la explotaremos con mayor
detalle en la Seccion 3.2 en donde analizaremos sistemas continuos).
El modulo y la fase de esta funcion son |H()| = ||, H() = 2 sgn(), cuyos graficos se
muestran en la Fig. 3.8.
Fig. 3.8: Modulo y fase del sistema derivador del Ejemplo 3.11 con respuesta en frecuencia dada
por H() = j.
Fig. 3.9: Diagrama de Bode del sistema derivador del Ejemplo 3.11.
Integracion
Multiplicacion
3.2.1. Introduccion
Recordemos que la salida de un S.L.I.T. con respuesta a entrada impulso h(t), su salida para
cualquier entrada x(t) esta dada por la convolucion entre las senales x y h. En smbolos
En el plano de Fourier esto se traduce en el producto entre las funciones X() = F [x(t)] y
H() = F [h(t)], es decir
Y () = X()H() .
Por lo tanto, la forma en que y(t) se comporta en el plano de Fourier, esta determinado por la
respusta en frecuencia del sistema, determinada por la funcion H(). Veremos a continuacion
como obtener H() y h(t) usando estas propiedades.
para algun a > 0. Tomamos la tranformada de Fourier en ambos lados para obtener
jY () + aY () = X() .
Notese que esto es valido para cualquier sistema de primer orden descrito por una ecuacion
diferencial como en (3.6).
De todas las propiedades anteriores y los respectivos ejemplos, es evidente que para cualquier
sistema que este descrito por ecuaciones diferenciales de orden n,
dn y dn1 y dy dm x dm1 x dx
n
+ a n1 n1
+ + a 1 + a 0 y = b m m
+ b m1 m1
+ + b1 + b0 x ,
dt dt dt dt dt dt
en donde y es la salida y x corresponde a la entrada del sistema se puede aplicar un razonamiento
similar.
Entonces, denotamos de forma compacta esta ecuacion mediante
n m
X dk X dk
ak k y(t) = bk k x(t)
k=0
dt k=0
dt
con an = 1. Nuestro objetivo es determinar h(t) y H() para este tipo de sistemas. Tomamos
la transformada de Fourier a ambos lados de esta ecuacion y usamos la propiedad de linealidad
y de las derivadas de orden superior para obtener,
" n # " m #
X dk X dk
F ak k y(t) = F bk k x(t)
k=0
dt k=0
dt
n
X m
X
k
ak (j) Y () = bk (j)k X()
k=0 k=0
" n # " m
#
X X
Y () ak (j)k = X() bk (j)k .
k=0 k=0
Y () = X()H() .
H() = |H()|ejH()
X() = |X()|ejX() ,
= |H()||X()|ej[H()+X()] .
|Y ()| = |X()||H()| ,
y su fase es
Y () = X() + H() .
Este resultado dice que un sistema con respuesta a impulso h(t) tomara la senal x(t) y la
atenuara por |H()| y la desfasara en H(). Por ello, es normal llamar filtrado al proceso el
pasar una senal por un sistema LTI. Entonces, un filtro es un SLIT que se disena para generar
en la salida una modificacion en la magnitud (o en la fase) de la senal de entrada.
Filtros ideales
en donde la funcion rect() es igual a la definida en (1.26). Abreviamos el filtro pasabajo por
sus siglas en ingles de LPF (low-pass filter). La Fig. 3.12(arriba) muestra el filtro pasabajo ideal
con frecuencia de corte W , la que tambien es llamado ancho de banda del filtro.
De la misma forma, podemos tener filtros que dejen pasar solamente frecuencias superiores
al valor W y atenuen a cero frecuencias bajas menores que este mismo valor. Estos filtros se
les llama filtro pasaalto ideal y se abrevia por sus siglas en ingles HPF (high-pass filter). Su
respuesta en frecuencia esta dada evidentemente por
0 , || W
HHP F () = = 1 HLP F () = 1 rect , (3.11)
1 , otro caso 2W
Fig. 3.12: Filtros ideales: Arriba se muestra el filtro pasabajo (LPF) ideal, al medio se muestra
el filtro pasaalto (HPF) ideal y abajo el filtro pasabanda (BPF) ideal.
les llama filtros pasabanda y se abrevian por BPF por sus siglas en ingles (band-pass filter). Su
respuesta en frecuencia esta determinada por
1 , W < || < W
1 2
HBP F () = . (3.12)
0 , otro caso
En este caso se habla que el ancho de banda del filtro pasabanda es W2 W1 . La Fig. 3.12(abajo)
muestra el filtro pasabanda ideal.
Ademas se puede definir un filtro conocido como el filtro rechazabanda que es aquel que su
modulo vale uno para todas las frecuencias, salvo para la banda de frecuencias W1 < || < W2 .
Claramente su respuesta en frecuencia esta determinada por la ecuacion
0 , W < || < W
1 2
HBRF () = = 1 HBP F () . (3.13)
1 , otro caso
Filtros reales
Los filtros reales en cambio, tienen respuesta como las que hemos visto hasta ahora en
sistemas con forma como la que se muestra en la Fig. 3.13(arriba). Para estos casos, la frecuencia
de corte (el llamado ancho de banda para los filtros pasabajo y pasabanda) se define como el
valor de frecuencia al cual la transferencia de potencia del filtro es al menos la mitad de la
maxima transferencia de potencia. Esto se llama normalmente la frecuencia de corte (o ancho
(j + 2)
H() = ,
(j + 1)(j + 3)
2
32
|H(0 )| = = .
2 3
(2 2 + 6)2 + ( 3 + 5)2
|H()|2 = <{H()}2 + ={H()}2 = .
( 2 + 1)2 ( 2 + 9)2
Resolvemos numericamente ahora para encontrar 0 tal que |H(0 )|2 = 92 . Para ello usamos
0
el comando de Matlab fzero, encontrando que 0 = 1,1488 lo que equivale a f0 = 2
=
0,1828, resultado concordante con el mostrado en la Fig. 3.10 en donde se incluyo tanto el
maximo valor de transmision de potencia como tambien la atenuacion de la mitad de la potencia
(aproximadamente 3dB debajo de dicho valor).
Analicelos la respuesta en frecuencia del circuito RC para sus dos posibles salidas, es decir
cuando la salida es el voltaje en el condensador y cuando es el voltaje en la resistencia, tal como
lo muestra la siguiente figura
y2 (t)
x(t) y1 (t) C
Caso 1: Para el caso en que la salida es y1 (t), sabemos que este circuito esta descrito por la
ecuacion diferencial
1 1
y10 (t) + y1 (t) = x(t)
RC RC
cuyo modulo es
1
|H1 ()| = r 2 .
1/RC
+1
Notamos que el maximo del modulo es 1 y ocurre en = 0 y que |H()| decae a cero a
1 1
| = 12 , por lo que la frecuencia de
medida que , por lo que para = RC , |H RC
1
corte es 0 = RC
. Para tal valor, la fase del sistema es /4
1
y20 (t) + y2 (t) = x0 (t)
RC
El modulo correspondiente es
1/RC
|H2 ()| = r 2 ,
1/RC
+1
1
de donde nuevamente deducimos que la frecuencia de corte se da para 0 = RC
, pero que
en este caso el maximo se da para frecuencias altas y no en cero, por lo que H2 () define
un filtro pasaalto.
(a) (b)
Fig. 3.14: Diagrama de Bode para el circuito (filtro) RC en configuracion (a) pasabajo y (b)
pasaalto
1 0 1 1
y 00 + y + y= x.
RC LC LC
El grafico del modulo y la fase de esta respuesta en frecuencia se observan en la Fig. 3.15 para
distintas combinaciones de R, L, y C.
Fig. 3.15: Respuesta en frecuencia (en dB) para el circuito RLC descrito en los ejemplos 1.13 y
3.16 para distintos valores de R, L y C.
3.3.1. Introduccion
El proceso de recuperar el mensaje m(t) de la senal recibida r(t) recibe el nombre de de-
modulacion y corresponde a estimar, de la senal recibida r(t), el mensaje enviado. A la salida
del demodulador tenemos una estimacion del mensaje, que denotamos por m(t). Idealmente,
m(t) = m(t), pero solamente bajo condiciones extremadamente especficas esto es realizable.
En general, la modulacion se realiza para lograr al menos uno de los siguientes objetivos:
1. Trasladar las frecuencias de una senal pasabajo en una senal pasabanda que cuadre con
las caractersticas del canal por que se realizara la transmision.
2. Simplificar la estructura del transmisor utilizando altas frecuencias; por ejemplo en bajas
frecuencias se requieren grandes antenas.
Los objetivos 1, 2 y 3 se pueden lograr mediante modulacion AM. El objetivo 4 se puede lograr
mediante modulacion angular (FM y/o PM).
En lo que sigue, asumimos que m(t) es una senal de banda limitada con transformada
de Fourier M (). Recordemos que decir que una senal es de banda limitada quiere decir que
M () = 0, W . El valor de W es llamado el ancho de banda de m. Por ejemplo, la Fig. 3.16
muestra una senal en el tiempo y su respectivo espectro. Por espectro nos referimos solamente
al modulo de la transformada de Fourier de la senal en el tiempo.
Modulacion
Fig. 3.17: Senal en el tiempo y su respectivo espectro al modular con DSB-SC la senal de la
Fig. 3.16 con una senal portadora en 5kHz.
Ac Ac
F [x(t)] = F [Ac m(t) cos(c t)] = M ( + c ) + M ( c ) ,
2 2
senal modulada no muestra la portadora, y tanto la banda superior como la inferior se envan
por el canal, esta modulacion recibe el nombre de modulacion en amplitud de doble banda
laterla con portadora suprimida (DSB-SC). En resumen, el modulador se muestra en el
siguiente diagrama:
Ac cos(c t)
Demodulacion
Recordemos que la envolvente de la senal enviada contiene el mensaje que se nos ha querido
transmitir, y que se ha construdo mediante el producto del mensaje y la senal portadora, como
se muestra en (3.14). Por simplicidad, asumimos que la senal recibida es simplemente r(t) = x(t).
Para recuperar la senal en el receptor, se requiere nuevamente multiplicar por la senal portadora
Fig. 3.18: Senal en el tiempo y su respectivo espectro al multiplicar la senal recibida con la
misma senal portadora en 5kHz utilizada en el transmisor.
Es decir, hemos obtenido el espectro original del mensaje (atenuado a la mitad) y el mensaje
nuevamente pero en el doble de la frecuencia portadora. Entonces, al incluir un filtro pasabajo
(LPF, Low-Pass Filter ) con una frecuencia de corte 0 inferior a 2c , pero superior a W , la
senal original se obtendra a la salida del filtro, con una atenuacion que se puede despreciar si
el filtro tiene ganancia 2 en la banda permitida. (Evidentemente, se requiere que c > W , en
donde W es el ancho de banda del mensaje m(t)). Un ejemplo de el filtro necesario para realizar
esta demodulacion se muestra en la Fig. 3.18(derecha) con una lnea segmentada.
En resumen, el demodulador DSB-SC se muestra en el siguiente diagrama: y la senal estimada
r(t) m(t)
LPF, 0 [W, 2c ]
cos(c t)
3.4.1. Introduccion
Revisaremos que sucede con la transformada de Fourier de una senal que se muestrea a una
tasa de fs muestras por segundo. Recordemos que cuando introdujimos el concepto de muestreo,
Fig. 3.19: Senal en el tiempo y su respectivo espectro al utiliziar un filtro pasabajo ideal para
obtener la senal estimada.
modelamos dicho proceso como la multiplicacion de la senal x(t) por un tren de impulsos, es
decir, por deltas ubicados en multiplos enteros de Ts = 1/fs . Es decir, la version muestreada de
x(), denotada por x[] esta dada por
X
X
x[n] x(nTs ) = x(t)p(t) = x(t) (t nTs ) = x(t)(t nTs )
n= n=
Para poder analizar esto en frecuencia, primero necesiamos saber la transformada de Fourier
un tren de impulsos p(t), lo que revisaremos a continuacion.
2
en donde s = 2fs = Ts
. Trataremos aca de demostrar aquello de forma simple y usando las
propiedades vistas en el curso.
Partimos tomando la transformada de Fourier inversa sobre la ecuacion de la derecha y la
llamamos q(t), es decir,
"
#
X
q(t) = F 1 s ( ns ) .
n=
en donde,
N
X 2N
X 2N
X
jns t j(mN )s t jN s t
qN (t) = e = e =e ejms t ,
n=N n=0 n=0
La cantidad entre los corchetes es un tren de funciones sinc con peaks en los multiplos enteros
2N +1
de Ts , cuyo valor maximo es el mismo en todos y vale Ts
. A medida que N , estos peaks
alcanzan el infinito. Por esto, podemos decir que esta ultima ecuacion es equivalente
X
q(t) = (t nTs ) = p(t) ,
n=
tomamos transformada de Fourier en ambos lados y usamos la propiedad del producto para
obtener,
"
#
X
F [x(t)p(t)] = X() F (t nTs )
n=
"
#
X
= X() s ( ns )
n=
X
= s X() ( ns )
n=
2 X
= X( ns ) ,
Ts n=
en donde usamos la propiedad de convolucion con . Este resultado muestra que el espectro de
la senal muestreada Xs () es una replica de la transformada de Fourier de la senal original,
X(), pero que se repite a una tasa de s = 2fs [rad/s] (y que ademas se atenua en un factor
proporcional a fs ). Es decir, la TdeF de una senal discreta x[k] es una funcion continua y
periodica!
Permtame referirme a la Fig. 3.20. Si x
es una senal de banda acotada (vale decir
X() = 0, > W ) entonces se cumple que
W
Cuando fs > 2 2 , entonces los espectros
de la senal original y sus replicas no se
solapan (linea continua) de la Fig. 3.20.
W
Fig. 3.20: Ejemplo de muestrear a una tasa su-
Si fs < 2 2 se produce el efecto de alia-
perior al doble del ancho de banda de la senal y
sing, que corresponde al solapamiento
el efecto de cuando dicha condicion no se cumple
del espectro original y sus replicas, co-
(aliasing)
mo se muestra en la (linea segmentada)
de la Fig. 3.20.
Fig. 3.21: Efecto de aliasing en senales en el tiempo (a) y en imagenes: (b) imagen muestreada
a una tasa adecuada, (c) misma imagen muestreada a frecuencia inferior a la frecuencia de
Nyquist.
W
De dichas observaciones, podemos notar que si fs > 2 2 , en donde W es el ancho de banda de
la senal muestreada, entonces x(t) puede recuperarse completamente de sus muestras al pasarla
por un filtro pasabajos con una frecuencia de corte en el rango 0 (W, s W ).
Teorema 3.2. Teorema de Nyquist-Shannon Una senal continua de espectro acotado con
W
frecuencia maxima 2
que se muestrea a una tasa de fs muestras por segundo, puede ser
W
completamente recuperada de dichas muestras si y solo si fs 2 2 . Para el caso lmite
W
(inferior) fs = 2 2 lo que se llama tasa de Nyquist.
El fenomeno de aliasing se ve en situaciones tales como en que sinusoidales que son mues-
treadas a tasas inferiores pueden ser confundidas facilmente y tambien puede ser observada en
senales bidimensionales (imagenes) cuando la tasa de muestreo no es la apropiada. La Fig. 3.21
muestra este fenomeno para senales uni y bidimensionales.
De las observaciones hechas para el caso del muestreo, indirectamente encontramos que para
una senal en tiempo discreto, su transformada de Fourier era una senal en frecuencia continua y
periodica. En la presente seccion formalizamos dicho descubrimiento realizando el mismo analisis
que hicimos para la transformada de Fourier en tiempo continuo.
Recordemos que para una senal en tiempo discreto que es periodica con periodo N0 su serie
de Fourier esta dada por
X
x[n] = ck ejk0 n
k=
1 X
ck = x[n]ejk0 n
N0 n=<N0 >
P
en donde n=<N0 > representa la suma de la senal solamente sobre un periodo N0 .
Asumimos que una senal aperiodica x[n] tiene duracion finita, es decir, que x[n] = 0 para
N0
|n| > 2
, para algun N0 par. Construimos una senal periodica x[n] tal que x[n] = x[n], para
N20 < t < N0
2
, y que x[n + N0 ] = x[n].
Esto lo representamos mediante la siguiente figura:
Dado que x[n] es periodica entonces acepta representacion por sus series de Fourier
X
x[n] = ck ejk0 n (3.16)
k=
1 X
ck = x[n]ejk0 n ,
N0 n=<N0 >
2
0 = .
N0
1 X
ck = x[n]ejk0 n
N0 n=<N0 >
N0
2
1 X
= x[n]ejk0 n
N0 N0
n= 2
N0
2
1 X
= x[n]ejk0 n , pues x[n] = x[n] para este rango de n,
N0 N0
n= 2
1 X
= x[n]ejk0 n , pues x[n] = 0, fuera del rango de n,
N0 n=
Si definimos la funcion
X
j
x[n]ejn ,
X e , (3.17)
n=
Z
1
X ej ejn d,
x[n] = (3.18)
2 2
Este resultado es consistente con lo encontrado anteriormente para el caso de una senal
muestreada. Por lo mismo, X (ej ) es una senal en frecuencia continua y periodica. Dicha pe-
riodicidad se puede comprobar calculando X ej(+2) .
X
j(+2)
x[n]ej(+2)n
X e =
n=
X
= x[n]ejn ej2n
n=
X
= x[n]ejn
n=
j
= X e ,
n
en donde usamos que ej2n = (ej2 ) = 1n = 1 para todo n entero. Dado que demostramos
que X ej(+2) = X (ej ), entonces demostramos que X (ej ) es periodica con periodo 2. Se
puede demostrar que la TdeF para senales en tiempo continuo no satisface esta propiedad.
F [x[n]] = X ej
.
Periodicidad
X ej(+2) = X ej
Linealidad
Desplazamiento en el tiempo
F [x[n n0 ]] = ejn0 X ej
Conjugacion
F [x [n]] = X ej
Inversion en el tiempo
F [x[n]] = X ej
Derivacion
d
X ej
F [nx[n]] = j
d
Igualdad de Parseval
Z
X 2 1 X ej 2 d
E= x[n] =
n=
2 2
Convolucion
Si
entonces
Fig. 3.23: Grafico de magnitud X (ej ) |big| para la senal x[n] = [n] + [n 1] + [n + 1].
Multiplicacion
Si
y[n] = x1 [n]x2 [n] ,
entonces
Z
j 1
X1 ej X2 ej() d
Y e = F [x1 [n]x2 [n]] =
2 2
X ej = 1 + 2ej + 4ej2 .
Si esta senal se aplica a un sistema con respuesta a entrada impulso h[n] = [n] + [n 1],
entonces
H ej = 1 + ej .
Y ej = H ej X ej
= 1 + ej 1 + 2ej + 4ej2
X
jn
X
n jn
X n 1
j
aej
X e = x[n]e = a e = = .
n= n=0 n=0
1 aej
Ahora, queremos graficar la magnitud X (ej ) . Para hacer ello, hacemos el analisis sobre
X ej 2 = X ej X ej
1 1
=
1 aej 1 aej
1 1
=
1 aej 1 aej
1
= j
1 a [e + e ] + a2 [ej ej ]
j
1
=
1 2a cos + a2
Analizamos los maximos y mnimos para determinar la forma del espectro en funcion del valor
2
de a. Para ello, observamos que los maximos (o mnimos) de X (ej ) ocurren para los mnimos
(o maximos, respectivamente) de la funcion f (, a) = 12a cos +a2 . Para encontrar los puntos
crticos de esta funcion, derivamos con respecto a e igualamos a cero.
f (, a) = 2a sin = 0 ,
lo que se cumple para = 0, , 2, . . . , pero nos quedamos solamente con los casos de
= 0, pues se encuentran dentro del perodo de X (ej ). Entonces, tenemos los casos
2
Caso 1: Si 0 < a < 1, entonces X (ej ) tiene sus maximos en = 0 y los mnimos en =
(puesto que f (, a) alcanza los extremos opuestos en dichos valores). Especficamente,
dichos maximos y mnimos son
X ej 2 =
1 1
max 2
=
1 2a + a (1 a)2
y
X ej 2 =
1 1
mn 2
=
1 + 2a + a (1 + a)2
2
Caso 2: Por otra parte, si 1 < a < 0, entonces X (ej ) tiene sus maximos en = y
los mnimos en = 0. Para este caso
X ej 2 =
1
max (1 + a)2
y
X ej 2 =
1
mn (1 a)2
.
Fig. 3.24: Grafico de la magnitud de la DTFT de la senal an u[n] para el caso de 0 < a < 1 a la
izquierda y 1 < a < 0 a la derecha.
As, si un sistema tiene su respuesta a entrada impulso igual a x, entonces podriamos decir
que dicho sistema es un filtro pasabajos si 0 < a < 1 y un filtro pasaaltos si 1 < a < 0. Los
resultados se muestra en la Fig. 3.24
Al igual que para los sistemas en tiempo continuo la DTFT nos entrega informacion respecto
a la respuesta en frecuencia de un sistema discreto, lo que se infiere directamente de la propiedad
de la convolucion vista en la seccion anterior, Recordemos que un S.L.I.T. en tiempo discreto
con entrada x[n] y salida y[n] puede ser descrito por ecuaciones de diferencias lineales
N
X M
X
ak y[n k] = bk x[n k]
k=0 k=0
N
X M
X
ak ejk Y ej = bk ejk X ej
k=0 k=0
O, equivalentemente,
M
X
bk ejk
j
Y (e )
H(ej ) = = k=0 . (3.19)
X (ej ) XN
ak ejk
k=0
Esta ecuacion es importantsima, pues nos dice que al igual que para los sistemas continuos,
los sistemas discretos pueden ser analizados en frecuencia de forma directa de sus ecuaciones de
diferencias que los definen. Los siguientes ejemplos muestran resultados al respecto.
1
H(ej ) =
1 aej
De los ejemplos anteriores sabemos que esta es la DTFT de una senal causal, por lo que su
respuesta a entrada impulso es
h[n] = an u[n] .
3 1
y[n] y[n 1] + y[n 2] = 2x[n]
4 8
2 2
H(ej ) = 3 j 1 j2 = 1 j
1 41 ej
1 4
e + 8
e 1 2
e
1 n
Y si al sistema se le aplica una entrada x[n] = 4
u[n]?
La salida (en Fourier) sera
2
= 2
1 21 ej 1 14 ej
2
= 2 ,
1 j
1 14 ej
1 2e
al que podemos aplicar fracciones parciales para encontrar A, B y C tal que
2 A B C
Y (ej ) = = + +
1 j 2 1 j 1 j 2
1 j 1 2e 1 4e 1
1 2
e 1 4
e 1 4 ej
Notamos que esto es equivalente a resolver el sistema (reemplazamos z = ej por simplicidad)
2
1 1 1 1
2=A 1 z +B 1 z 1 z +C 1 z
4 4 2 2
entonces primero fijamos z = 4 para encontrar C = 2, luego fijamos z = 2 para encontrar
A = 8. Ahora usamos z = 1, entonces
2
3 3 1 1
2=8 +B 2 ,
4 4 2 2
por lo que B = 4. As,
8 4 2
Y (ej ) = 1 j
+ 1 j
+ 2
1 2e 1 4e 1 41 ej
Usando ahora los resultados de la transformada de Fourier en tiempo discreto que dicen que
1 1
F [an u[n]] = , y que F [(n + 1)an u[n]] = ,
1 aej (1 aej )2
obtenemos que la salida sera
n n n
1 1 1
y[n] = 8 u[n] 4 u[n] 2(n + 1) u[n]
2 4 4
n n
1 1
= 8 (2n + 6) u[n]
2 4
Del ejemplo anterior, notamos que debe realizarse exactamente el mismo procedimiento para
el analisis de sistemas en tiempo discreto del procedimiento que se segua en sistemas en tiempo
continuo.
Dado que la DTFT es una funcion continua (en frecuencia), podemos definir filtros similares
a los estudiados en el caso de sistemas continuous, pero debemos tener en cuenta la periodicidad.
As, un filtro pasabajo ideal que anteriormente se defina para todo el rango de frecuencias, aca
se hace para el rango [, ], dada la periodicidad de 2 de la DTFT. La Fig. 3.25 muestra
los ejemplos de dichos filtros para el mencionado rango de frecuencia.