Cap 03

2 Variable compleja 91
donde C es el contorno mostrado en la gura 2.41. El integrando tiene dos polos dobles en
2j, pero el contorno solo encierra al polo en z = 2j. El residuo en 2j es
a
1
[
z=2j
= lim
z2j
d
dz
_
(z 2j)
2
1
(z 2j)
2
(z + 2j)
2
_
= lim
z2j
2
(z + 2j)
3
=
2
(4j)
3
=
1
32
j
y por el teorema del residuo
_
C
1
(z
2
+ 4)
2
dz = 2j
_
1
32
j
_
=

16
Puesto que R[f(Re
j
)[ decrece a una tasa R
3
cuando R entonces la integral en el
semicrculo es cero y por tanto
_

1
(x
2
+ 4)
2
dx =
_
C
1
(z
2
+ 4)
2
dz =

16
2.30
2.8.2 Caso 2: Integrales de funciones reales trigonometricas
Si G(sen , cos ) es una funci on racional de senos y cosenos, entonces la integral real
_
2
0
G(sen , cos ) d
puede resolverse a traves de integrales de contorno de variable compleja. Si z = e
j
, entonces
sen =
1
2j
_
z
1
z
_
, cos =
1
2
_
z +
1
z
_
y
dz = je
j
d = jzd, d =
dz
jz
lo que quiere decir que la integral anterior puede realizarse a traves de la integral
_
C
f(z)dz
donde C es el crculo unitario [z[ = 1.
Ejemplo 2.31 Eval ue
_
2
0
1
2 + cos
d
Soluci on: Sustituyendo z = e
j
, cos =
1
2
_
z +
1
z
_
y d =
dz
jz
se obtiene la integral de variable
compleja
_
C
1
jz
_
2 +
1
2
_
z +
1
z
_ dz =
2
j
_
C
1
z
2
+ 4z + 1
dz
92 2.8 Evaluacion de integrales reales
donde la trayectoria de integraci on C es el crculo unitario [z[ = 1. Puesto que el integrando
tiene dos polos en z = 2
3, el contorno de integraci on solo incluye a z = 2 +
3. El
residuo del integrando es
a
1
= lim
z2+
3
_
2
j
(z + 2
3)
1
(z + 2
3)(z + 2 +
3)
_
=
1
j
3
as que por el teorema del residuo
_
2
0
1
2 + cos
d = 2j
1
j
3
=
2
3
2.31
Otros casos de integrales reales resueltas por medio de integraci on compleja encontrara el
lector en el an alisis del impulso gaussiano (p ag. 163), y en el apendice B.
2.9 Problemas
Los siguientes ejercicios estan basados en [8, 9], algunos con leves modicaciones, otros
nuevos para profundizar en los conceptos introducidos en este captulo.
Problema 2.1. Indique que tipo de estructura algebraica es (S, ), donde S IN, Z, Q, IR, C,
y +, , , , . El smbolo denota divisi on y el smbolo potenciaci on.
Problema 2.2. Demuestre utilizando las deniciones de suma y multiplicacion en los
n umeros naturales que a 1 = a.
Problema 2.3. Que clase de estructura algebraica es (Z, )?
Problema 2.4. Utilizando las deniciones de suma y producto de n umeros complejos en
(2.5), calcule:
1. (0, 1)
2
= (0, 1) (0, 1)
2. (a, 0) (1, 0) + (b, 0) (0, 1)
3. (a, b) (a, b)
4. (a, b) + (a, b)
5. (a, b) (a, b)
Problema 2.5. Encuentre la magnitud, argumento, y componentes real e imaginario de
los siguientes n umeros complejos:
1. z
1
= j
2. z
2
= j
3. z
3
= 3 j4
4. z
4
= 2e
j/4
5. z
5
= 2e
j/4
6. z
6
= 2e
j
7. z
7
= cos 1; IR
8. z
8
= e
jk
; k Z
Problema 2.6. Indique que trazo describen sobre el plano complejo el conjunto de todos
los n umeros complejos que satisfacen la igualdad Rez + 2 Imz = 1
Problema 2.7. Demuestre que j
0
=1, j
1
=j, j
2
=1, j
3
=j, j
4
=1 . . . , j
n+4
=j
n
, . . .
Problema 2.8. Utilizando la identidad de Euler, encuentre a que equivalen las expresiones
sen(A + B) y cos(A + B) en terminos de senos y cosenos de A y B por separado.
Problema 2.9. Sume los siguientes n umeros complejos. Verique las sumas gr acamente:
1. (2 + j5) + (3 + j2)
2. (j3) + (2)
3. Si z = x + jy calcule z + z
4. Si z = x + jy calcule z z
Problema 2.10. Multiplique los siguientes n umeros complejos.

94 2.9 Problemas
1. (2 + j2)(2 + j2)
2. (j3)(2)
3. Si z = x + jy calcule zz
4. Si z = re
j
calcule z/z
Problema 2.11. Calcule las cinco races 1

1/5
y grafquelas en el plano complejo.
Problema 2.12. Calcule la magnitud, argumento, parte real y parte imaginaria de los
n umeros complejos z
i
resultantes de las operaci ones
1. z
1
= (1 + j
3)
1+j
2. z
2
=
j
3. z
3
= j
j
4. z
4
= j
j
5. z
5
= sen(j)
6. z
6
= cos(j)
Problema 2.13. Sean z, w C. Se sabe que [z[ = 2, w = /4 y z + w = 1. Encuentre
gr acamente z y w.
Problema 2.14. Sean z, w C. Se sabe que [z[ = 2, [w[ = 3 y z + w = 4. Encuentre
gr acamente z y w.
Problema 2.15. Sean z, w C. Se sabe que z = /4, w = /3 y z + w = 4.
Encuentre gr acamente z y w.
Problema 2.16. Demuestre que la recta en el plano z = x + jy dada por la ecuaci on
y = mx + b
es transformada por el mapeo w = z + a la recta
v = K
1
u + K
2
donde w = u + jv y
K
1
=

Im
+
Re
m
Re
Im
m
K
2
=

Im
b
Re
Re
Im
m
(
Im
+
Re
m) +
Re
b +
Im
.
Problema 2.17. Otra posible demostraci on de que un mapeo lineal conserva la forma de
rectas o un crculos es utilizando representaciones parametricas de las mismas. Considerando
que una recta se describe como
z(t) = z
m
t + z
b
con t IR, z
m
, z
b
C, z
m
=cte, z
b
=cte, y que un crculo puede representarse como
z(t) = re
jt
+ z
0
con t [0, 2[ IR, r IR, z
0
C, r =cte, z
0
=cte, demuestre que el mapeo w = z + no
cambia la forma de la recta o del crculo.
Problema 2.18. Encuentre las ecuaciones en la forma y = mx + b de las siguientes rectas
en el plano z, con z = x + jy, x, y, m, b IR.
1. [z p[ = [z q[, p, q C
2. [z (2 j)[ = [z (3 + j)[
3. [z + z
+ 4j(z z
)[ = 6
Problema 2.19. Encuentre el punto de interseccion y el angulo de interseccion de las rectas
[z (1 + j)[ = [z (3 j)[ y [z (1 j)[ = [z (3 + j)[
Problema 2.20. Dibuje las regiones representadas por las siguientes ecuaciones, si r,
IR
+
:
1. [z[ < r
2. [z z
0
[ < r
3. [ Rez[ < r
4. Rez < r
5. [ Imz[ < r
6. Imz < r
7. [ Rez[ > r
8. Rez > r
9. [ Imz[ > r
10. Imz > r
11. Re[z[ < r
12. [z[ <
Problema 2.21. Encuentre la imagen de la lnea 6x +y = 22 (con z = x +jy) en el plano
w bajo el mapeo w = jz + 4 j3.
Problema 2.22. Encuentre la regi on en el plano w a la que es mapeada la region y > 1
del plano z = x + jy si w = (1 j)z.
Problema 2.23. Encuentre a que es mapeado el semiplano x > 0 del plano z = x + jy
bajo la transformaci on w = jz + j.
Problema 2.24. Encuentre la transformacion que hace el mapeo w = jz + 1 a la franja
semi-innita x > 0, 0 < y < 2 en el plano z = x + jy.
Problema 2.25. Encuentre las imagenes que realiza el mapeo w = (
3 + j)z 1 + j
3
de las siguientes curvas del plano z = x + jy:
1. y = 0
2. x = 0
3. [z[ = 1
4. x
2
+ y
2
+ 2y = 1
Problema 2.26. El mapeo lineal w = f(z) = z+ cumple j = f(1+j) y (1+j) = f(1).
1. Determine y ( uselos en el resto del problema).
2. Encuentre la imagen de Im(z) > 0
3. Encuentre la imagen de [z 2[ < 2
96 2.9 Problemas
4. Encuentre los puntos jos del mapeo
Problema 2.27. Demuestre que el mapeo de inversi on w = 1/z transforma crculos cen-
trados en el eje real del plano z en crculos centrados en el eje real del plano w o en rectas
verticales, y que transforma crculos centrados en el eje imaginario del plano z en crculos
centrados en el eje imaginario del plano w, o en rectas horizontales.
Problema 2.28. Sea C un crculo en el plano complejo z descrito parametricamente como
C : z(t) = re
j2t
+ z
0
con [z
0
[ , = r y t [0, 1[ IR. Si el par ametro t se hace variar desde 0 hasta 1, el crculo es
descrito en sentido antihorario.
Indque que sentido describe la imagen de dicho crculo ante el mapeo de inversi on w = 1/z,
cuando
1. r < [z
0
[
2. r > [z
0
[.
Para las dos condiciones anteriores indique a que es mapeado el interior del crculo.
Problema 2.29. Calcule la imagen en el plano w del crculo [z 3[ = 2 utilizando el mapeo
w = 1/z.
Problema 2.30. Utilice division polinomial para demostrar los resultados en la ecuaci on (2.23)
de la p agina 36.
Problema 2.31. Demuestre que el mapeo inverso de w =
az+b
cz+d
es tambien un mapeo
bilineal. Verique que los determinantes de ambos mapeos son iguales.
Problema 2.32. Que tipo de rectas describe la ecuaci on [z a[ = [z b[ si adem as se
cumple que [a 2j[
2
= [b 2j[
2
. (Ayuda: revise los conceptos indicados en la gura 2.14)
Generalice el concepto si la condicion dada es [a c[ = [b c[, con c C constante.
Problema 2.33. Demuestre que el mapeo bilineal del ejemplo 2.7 transforma cualquier
lnea que no pasa por z = 1 en un crculo que pasa por = 1. Encuentre los puntos jos
de ese mapeo. A que es mapeado el crculo unitario del plano z?
Problema 2.34. Encuentre la imagen en el plano w del crculo [z[ = 2 y su interior bajo
el mapeo bilineal
w =
z j
z + j
Problema 2.35. Encuentre la transformaci on bilineal w = f(z) que satisface j = f(0),
j = f(1), 0 = f(1).
Problema 2.36. Encuentre la imagen del semiplano y > c bajo el mapeo de inversi on
w = 1/z, donde z = x + jy, y c = cte IR. Analice los casos c > 0, c = 0 y c < 0.
Problema 2.37. Encuentre la imagen en el plano w = 1/z de
1. El crculo
z +
3
4
+ j
=
7
4
2. El disco [z a[ <= a, con a IR, a > 0
Problema 2.38. Encuentre el mapeo bilineal w = f(z) que cumpla j = f(0), 1 = f(j)
y 0 = f(1). Encuentre la imagen con el mapeo encontrado de las rectas horizontales y
verticales en el plano z. Encuentre los puntos jos del mapeo.
Problema 2.39. Dado el mapeo bilineal
w =
1 + j
z
1. Indique las operaciones involucradas en el mapeo, tales como rotaciones, inversiones,
traslaciones, etc.
2. Encuentre las im agenes de z = 1, z = 1 j y z = 0 en el plano w.
3. Encuentre la imagen del interior de crculo unitario [z[ < 1 en el plano z.
4. Encuentre las im agenes de las rectas x = y y x + y = 1 si z = x + jy.
5. Encuentre los puntos jos del mapeo.
Problema 2.40. Dado el mapeo bilineal
w =
z + 1
z 1
encuentre la imagen del arco semicircular x
2
+ y
2
= 1 para x 0 descrito del punto (0, 1)
al punto (0, 1).
Problema 2.41. Encuentre a que mapea
w =
z + j
z 3
la regi on del plano z = x + jy entre las rectas x = y y y = 0 con x < 0 en el plano
w. Encuentre que construcci on geometrica en el plano z corresponde al crculo unitario del
plano w.
Problema 2.42. Encuentre a que corresponde en el plano w la region del plano z = x+jy
dada por y 0 bajo el mapeo
w = f(z) = e
j
0
z z
0
z z
0
Encuentre los valores particulares de z
0
y
0
si se cumple f(j) = 0 y f() = 1.
98 2.9 Problemas
Problema 2.43. Demuestre que la composici on de dos mapeos bilineales es a su vez un
mapeo bilineal. Es decir, si
w
=
az + b
cz + d
w =
a
+ b
+ d
entonces el mapeo w = f(z) es tambien bilineal.

Problema 2.44. Demuestre que un mapeo bilineal tiene uno, dos o innitos puntos jos.
Problema 2.45. Una propiedad interesante del mapeo bilineal es que existe solo una
transformaci on de este tipo capaz de mapear tres puntos dados z
1
, z
2
y z
3
en tres puntos
especcos w
1
, w
2
y w
3
respectivamente. Demuestre que la transformaci on bilineal est a dada
por:
(w w
1
)(w
2
w
3
)
(w w
3
)(w
2
w
1
)
=
(z z
1
)(z
2
z
3
)
(z z
3
)(z
2
z
1
)
Problema 2.46. Encuentre el mapeo bilineal w = f(z) m as general que mapea el crculo
unitario [z[ = 1 en el crculo unitario [w[ = 1 y que cumple adem as f(z
0
) = 0.
Problema 2.47. Encuentre un mapeo bilineal w = f(z) que transforme la curva A del
plano z mostrada a la izquierda de la siguiente gura, en la curva B del plano w mostrada a la
derecha, si se sabe que la secci on de la curva A ubicada sobre [z 1j[ = 1 es transformada
en el segmento de recta que une 1 y 1 en el plano w.
1
1 1
1
2
2
-1
-1
Im{z}
Re{z}
Im{w}
Re{w}
A
B
Problema 2.48. Encuentre un mapeo bilineal w = f(z) que transforme la curva A del
plano z mostrada a la izquierda de la siguiente gura, en la curva B del plano w mostrada a
la derecha, si se sabe que la seccion de la curva A ubicada sobre [z 1[ = 1 es transformada
en el segmento de recta que une 1 y 1 en el plano w.
replacemen
1
1 1
1
2 3
-1
-1
Im{z}
Re{z}
Im{w}
Re{w}
3
A
B
Problema 2.49. Indique si siempre es posible encontrar un mapeo bilineal que transforme
cualquier par de crculos que se intersecan en exactamente dos puntos, en la gura de la
derecha del problema 2.48.
Problema 2.50. Encuentre un mapeo bilineal que transforme el semicrculo al lado derecho
de la gura en el problema 2.48 a un semicrculo igual, pero tal que el segmento de recta es
transformado al semicrculo, y el semicrculo al segmento de recta.
Problema 2.51. Encuentre la imagen en el plano w de las siguientes regiones bajo el mapeo
w = e
z
.
1. x > 0
2. 0 x 1, 0 y 1
3.
1
2
y , 0 x
Problema 2.52. Demuestre, utilizando la descomposici on del coseno y seno como combi-
naci on lineal de dos exponenciales complejas, que para z = x + jy C se cumple:
cos z = cos x cosh y j sen x senh y
sen z = sen x cosh y + j cos x senh y
[ cos z[
2
= cos
2
x + senh
2
y
[ sen z[
2
= sen
2
x + senh
2
y
Problema 2.53. Verique que la funcion f(z) = e
z
, = cte C satisface las ecuaciones
de Cauchy-Riemann y calcule su derivada.
Problema 2.54. En que regi on de C son las siguientes funciones analticas
1. ze
z
2. zz
3. sen 4z
4. cos 2z
Problema 2.55. Que valores de a y b hacen que
w = f(z = x + jy) = x
2
+ ay
2
2xy + j(bx
2
y
2
+ 2xy)
100 2.9 Problemas
sea analtica, y que forma tiene entonces f
(z).
Problema 2.56. Encuentre una funci on v(x, y) conjugada a u(x, y) = 2x(1y), y encuentre
entonces f(z) = u(x, y) + jv(x, y) y f
(z).
Problema 2.57. Demuestre que u(x, y) = e
x
(x cos y y sen y) es una funcion arm onica y
encuentre una funci on conjugada arm onica v(x, y). Escriba f(x, y) = u(x, y) + jv(x, y) en
terminos de z si z = x + jy.
Problema 2.58. Demuestre que u(x, y) = sen x cosh y es arm onica y encuentre la funcion
conjugada armonica v(x, y). Encuentre f(z = x +jy) = u(x, y) +jv(x, y) en terminos de z.
Problema 2.59. Encuentre trayectorias ortogonales de las siguientes familias de curvas:
1. x
3
y xy
3
= , con constante real
2. e
x
cos y + xy = , con constante real
Problema 2.60. Encuentre las componentes real e imaginaria de las funciones
1. f(z) = z
2
e
2z
2. sen 2z
y determine la regi on de C en la que son analticas y sus derivadas en esas regiones.
Problema 2.61. Determine los puntos o regiones donde los siguientes mapeos no son
conformes:
1. w = z
2
1
2. w = 2z
3
21z
2
+ 72z + 6
3. w = 8z +
1
2z
2
4. w = sen z
Problema 2.62. Encuentre y graque las imagenes de las lneas verticales y horizontales
para los mapeos sen z, cos z y Ln z. Donde son estos mapeos conformes?
Problema 2.63. Demuestre que
w = z +
a
2
z
transforma el crculo [z[ = a en un segmento de recta en el plano w. Encuentre la longitud
del segmento de recta. Encuentre la imagen de [z[ = b ,= a.
Problema 2.64. Demuestre que S
N
=
N1
n=0
z
n
=
1z
N
1z
Problema 2.65. Encuentre la representacion en serie de potencias de la funci on 1/(z j)
en las regiones
1. [z[ < 1
2. [z[ > 1
3. 1 < [z 1 j[ <
2
Problema 2.66. Encuentre por division polinomial las representaciones en serie de poten-
cias de
1
z
2
+1
centradas en z
0
= 0.
Problema 2.67. Encuentre los desarrollos en Series de Taylor para las siguientes funciones
centradas en los puntos dados
1.
1
1 + z
, en z
0
= 1.
2.
1
z(z 4j)
, en z
0
= 2j.
3.
1
z
2
, en z
0
= 1 + j.
4.
1
1 + z + z
2
, en z
0
= 0.
Problema 2.68. Encuentre la serie de Laurent para
f(z) =
1
z(z 1)
2
alrededor de z
0
= 0 y z
0
= 1, y especique las posibles regiones de convergencia en cada
caso.
f(z) = z
2
sen
1
z
alrededor de
1. z
0
= 0
2. z = a ,= 0, a C
f(z) =
z
(z 1)(2 z)
en una expansi on en serie de Laurent valida para las regiones de convergencia
1. [z[ < 1
2. 1 < [z[ < 2
3. [z[ > 2
4. [z 1[ > 1
5. 0 < [z 2[ < 1
f(z) =
z
(z 1)(z + 2)
si esta se centra en z
0
= 0, para la regi on de convergencia 1 < [z[ < 2.
102 2.9 Problemas
Problema 2.72. Para la funcion
f(z) =
z
(z + j)(z j)
indique cu antas y cu ales regiones de convergencia son posibles para la serie de Laurent
centrada en z
0
= 1 + j. Encuentre las series en cada una de dichas regiones.
Problema 2.73. La funci on de variable compleja f(z) tiene, entre otros, los siguientes
desarrollos en series de Laurent
1. f(z) =
k=2
1
2
k
(z + 3)
k
2. f(z) =
k=1
(j)
k+1
k (z 1)
k
3. f(z) =
k=4
2
k
(z 1 j)
k
4. f(z) =
k=0
5
k
(z + j)
k
donde para todas las series se han utilizado regiones de convergencia que contienen como
punto lmite al punto donde ellas se centran.
a. Indique d onde al menos deben encontrarse polos, ceros (ambos con su respectivo orden),
puntos regulares y singularidades esenciales de f(z).
b. Indique el valor de los residuos de f(z) en los tres puntos donde se centran las series
anteriores.
Problema 2.74. Indique que tipos de singularidades y ceros tienen las siguientes funciones:
1.
cos z
z
2
2.
1
(z + j)
2
(z j)
3.
z
z
4
1
4.
sen z
z
2
+
5. e
z
1z
6.
z 1
z
2
+ 1
7.
z + j
(z + 2)
2
(z 3)
8.
1
z
2
(z
2
4z + 5)
Problema 2.75. Encuentre los desarrollos de Laurent para las siguientes funciones alrede-
dor de z
0
= 0 e indique el tipo de singularidad:
1.
1 cos z
z
2.
e
z
2
z
3
Problema 2.76. Determine los residuos de la funci on 1/(1 +z
4
) en cada uno de sus polos
en el plano nito z.
Problema 2.77. Calcule los residuos de las siguientes funciones en cada uno de sus polos
nitos, a menos que se especique lo contrario:
1.
2z + 1
z
2
z 2
2.
1
z
2
(1 z)
3.
3z
2
+ 2
(z 1)(z
2
+ 9)
4.
z
3
z
2
+ z 1
z
3
+ 4z
5.
z
6
+ 4z
4
+ z
3
+ 1
(z 1)
5
6.
_
z + 1
z 1
_
2
7.
cos z
z
solo en z = 0
8.
z
sen z
solo en z =
9.
1
(z
2
+ 1)
2
solo en z = j
Problema 2.78. Utilizando la denicion de la integral de contorno para funciones de
variable compleja, demuestre que si el sentido de la trayectoria de integracion se invierte,
entonces la integral adquiere el valor de la integral con el sentido original pero negado, es
decir: _
C
f(z) dz =
_
C
f(z) dz
donde C representa al contorno de integracion en el sentido contrario a C.
Problema 2.79. En la demostraci on del valor que toma una integral de contorno cerrada en
el cual la trayectoria de integracion encierra a un polo, se utiliz o la deformaci on del contorno
tal y como lo muestra la gura 2.35. Se eligieron all lneas rectas para pasar de A a B y
luego de B
a A
. Discuta que ocurre si se tomaran dos curvas simples cualesquiera para

sustituir esos segmentos de recta, que pasan solo por puntos donde la funcion es analtica.
Problema 2.80. Esboce gr acamente las siguientes trayectorias, indicando su sentido, y
adem as exprese la trayectoria con una ecuacion no parametrica (que no depende de t) cuando
sea posible. (Por ejemplo z(t) = e
j2t
para 0 t 1 es lo mismo que [z[ = 1 en sentido
positivo)
1. z(t) = (1 + 2j)t para 1 t 3
2. z(t) = 2 3jt para 2 t 1
3. z(t) = 2 j + 2e
jt
para 0 t 2
4. z(t) = 1 + j + e
jt
para 0 t 2
5. z(t) = e
jt
para 0 t
6. z(t) = 3 + j + 2e
jt
para t 2
7. z(t) = 6 cos 2t + j5 sen 2t para 0 t
8. z(t) = 1 + 2t + j8t
2
para 1 t 1
9. z(t) = t
2
+ j
1
2
t
3
para 1 t 2
10. Familia de curvas z
k
(t) = e
j
2
t
k + (1 t(1 j))(1 k) para 0 t 1 y el selector de
curva k es un n umero real 1 k 1
104 2.9 Problemas
Problema 2.81. Esboce gr acamente y represente de forma parametrica las trayectorias
a. Segmento de 1 + j a 4 2j
b. Crculo unitario (en sentido horario)
c. Segmento de a + jb a c + jd
d. Hiperbola xy = 1 desde 1 + j a 4 + j
1
4
e. Semielipse x
2
/a
2
+ y
2
/b
2
= 1, y 0
f. Parabola x = 4 4y
2
(1 y 1)
g. [z 2 + 3j[ = 4 (en sentido antihorario)
h. [z a jb[ = r (en sentido horario)
i. Elipse 4(x 1)
2
+ 9(y + 2)
2
= 36
Problema 2.82. Eval ue las integrales
_
C
(z
2
+ 3z) dz
_
C
(x
2
+ y
2
+ j(3x + y)) dz
para los contornos C
1. segmento de recta de 2 a j2
2. contorno de dos segmentos de recta, primero de 2 a (2 + j2), y luego a j2.
3. segmento del crculo [z[ = 2 que va en sentido positivo de 2 a j2.
Problema 2.83. Eval ue
_
C
(5z
4
z
3
+ 2) dz
para las trayectorias de integracion
1. [z[ = 1
2. el cuadrado con vertices 0, 1, 1 + j y j.
3. una curva compuesta por la par abola y = x
2
de 0 a 1 + j y y
2
= x de 1 + j a 0.
Problema 2.84. Eval ue la integral de contorno
_
C
dz
z 4
para un contorno cerrado que contiene a z = 4, y para otro contorno que lo excluye.
Problema 2.85. Eval ue la integral
_
C
2z
(2z 1)(z + 2)
dz
para los contornos [z[ = 1 y [z[ = 3.
_
C
5z
(z + 1)(z 2)(z + j4)
dz
Problema 2.87. Eval ue las siguientes integrales
_
z
3
+ z
(2z + 1)
3
dz C : [z[ = 1
_
4z
(z 1)(z + 2)
2
dz C : [z[ = 3
_
C
z
3
z
2
+ z 1
z
3
+ 4z
dz
_
C
1
z
3
(z
2
+ 2z + 2)
dz
para el contorno [z[ = 3.
Problema 2.90. Demuestre que
lim
R
_
2
f(z) dz = 0
si ademas se sabe que
lim
R
max [Rf(Re
j
)[ = 0 para 0
y
2
es el contorno semicircular ilustrado en la gura 2.38 de la p agina 86.
_
C
z
z
2
+ 1
dz
donde C es
1. el crculo [z[ =
1
2
2. el crculo [z[ = 2
106 2.9 Problemas
_
C
z
2
+ 3jz 2
z
3
+ 9z
dz
donde C es
Problema 2.93. Calcule los residuos de todos los polos de la funcion
f(z) =
(z
2
+ 2)(z
2
+ 4)
(z
2
+ 1)(z
2
+ 6)
y con ellos calcule la integral
_
C
f(z) dz
con el contorno C denido como
2. el crculo [z j[ = 1
_
C
1
z
2
(1 + z
2
)
2
dz
donde la trayectoria de investigacion C es
1. el crculo [z[ =
1
2
Problema 2.95. Con la ayuda del teorema del resduo eval ue las siguientes integrales de
contorno:
1.
_
C
3z
2
+ 2
(z 1)(z
2
+ 4)
dz
con las trayectorias C:
1.1. [z 2[ = 2
1.2. [z[ = 4
2.
_
C
(z
2
2z)
(z + 1)
2
(z
2
+ 4)
dz
2.1. [z + j[ = 2
2.2. [z[ = 3
3.
_
C
1
(z + 1)
3
(z 1)(z 2)
dz
3.1. [z[ =
1
2
3.2. [z + 1[ = 1
3.3. el rect angulo con vertices en j y
3 j.
4.
_
C
(z 1)
(z
2
4)(z + 1)
4
dz
4.1. [z[ =
1
2
4.2.
z +
3
2
= 2
4.3. el triangulo con vertices en
3
2
+j,
3
2
j y 3.
Problema 2.96. Utilizando una integral de contorno apropiada, eval ue las siguientes inte-
grales de funciones de valor y variable real:
1.
_

1
x
2
+ x + 1
dx
2.
_

1
(x
2
+ 1)
2
dx
3.
_

0
1
(x
2
+ 1)(x
2
+ 4)
2
dx
4.
_
2
0
cos 3
5 4 cos
d
5.
_
2
0
4
5 + 4 sen
d
6.
_

x
2
(x
2
+ 1)
2
(x
2
+ 2x + 2)
dx
7.
_
2
0
1
3 2 cos + sen
d
8.
_

0
1
x
4
+ 1
dx
9.
_

1
(x
2
+ 4x + 5)
2
dx
10.
_
2
0
cos
3 + 2 cos
d
108 2.9 Problemas
Captulo 3
Analisis de Fourier
3.1 Ortogonalidad
El adjetivo ortogonal proviene del griego orthos (recto) y gonia ( angulo). Este denota en-
tonces la perpendicularidad entre dos elementos: dos calles que se cruzan en un angulo
recto presentan una conguraci on ortogonal. En ingeniera y matem atica el termino se ha
extendido a otros niveles y se habla por ejemplo de juegos de instrucciones ortogonales en
arquitecturas de microprocesadores, o de codicaciones ortogonales en comunicaciones digi-
tales inal ambricas. En esta seccion se restringira sin embargo la discusi on a las deniciones
de caracter matem atico que constituyen el fundamento para la comprensi on del an alisis de
funciones por medio de las transformadas de Fourier, Laplace, Transformada z, las llamadas
wavelets y otros m as.
El objetivo ser a presentar los conceptos de ortogonalidad entre funciones, y para llegar all se
partir a de un contexto familiar: la ortogonalidad de vectores, introduciendo en el camino una
serie de conceptos matem aticos de car acter abstracto cada vez m as utilizados en ingeniera.
3.1.1 Espacios lineales
Tradicionalmente se utiliza en ingeniera el concepto de vector como un conjunto ordenado
(o tupla) de n cantidades, por ejemplo [x
1
, x
2
, . . . , x
n
]
T
. En los casos particulares de vectores
bidimensionales (n = 2) y tridimensionales (n = 3) se emplean varias representaciones
equivalentes que comprenden magnitudes y angulos (por ejemplo, utilizando coordenadas
cartesianas, polares, cilndricas o esfericas). En terminos matem aticos se preere la notaci on
cartesiana por su generalidad: el concepto de vector es valido para todo entero n no negativo
(esto es n = 0, 1, . . .), donde las componentes x
i
se toman del conjunto de los n umeros reales
IR o de los n umeros complejos C. Esta denicion es sin embargo incompleta, puesto que
existen tuplas similares que no son vectores.
Sea IF un cuerpo escalar, es decir, una estructura algebraica que consiste por una parte en
un conjunto de n umeros escalares y por otra parte de dos operaciones con propiedades ya
109
110 3.1 Ortogonalidad
discutidas en la secci on 2.1.2 (entre otras, que ambas operaciones son asociativas, conmuta-
tivas y distributivas). Un conjunto V se denomina espacio vectorial o espacio lineal sobre
un cuerpo IF (por ejemplo el cuerpo de los n umeros reales (IR, +, ) o el cuerpo de los
n umeros complejos (C, +, )) si
para una operaci on de adici on vectorial en V, denotada x +y, con x, y V; y
para una operacion de multiplicacion escalar en V, denotada como ax, con x V y
a IF
se cumplen las siguientes propiedades con a, b IF y x, y, z V:
1. x +y V. (V es cerrado con respecto a la adici on vectorial).
2. x + (y +z) = (x +y) +z. (Asociatividad de la adicion vectorial en V).
3. Existe un elemento neutro 0 V, tal que para todo x V se cumple que x + 0 = x.
(Existencia de un elemento identidad aditivo en V).
4. Para todo x V existe un elemento y V tal que x +y = 0. (Existencia de inversos
aditivos en V).
5. x +y = y +x. (Conmutatividad de la adici on vectorial en V).
6. ax V. (V es cerrado con respecto a la multiplicaci on escalar).
7. a(bx) = (ab)x. (Asociatividad de la multiplicaci on escalar en V).
8. Si 1 representa el elemento neutro multiplicativo del cuerpo IF entonces 1x = x. (Neu-
tralidad de uno).
9. a(x +y) = ax + ay. (Distributividad con respecto a la adici on vectorial).
10. (a + b)x = ax + bx. (Distributividad con respecto a la adici on del cuerpo IF).
A los elementos de V se les denomina vectores. N otese que el concepto de espacio lineal
es completamente abstracto. Para determinar si un conjunto V es un espacio lineal deben
especicarse tan solo el conjunto V, el cuerpo escalar IF y las operaciones vectoriales de
adici on y multiplicaci on escalar en V. Si las diez propiedades anteriores se satisfacen, se dice
entonces que V es un espacio lineal (o vectorial) y sus elementos son vectores. Esto quiere
decir, que el concepto anteriormente mencionado de vectores como tuplas de n elementos en
un espacio IR
n
no es correcta desde un punto de vista matem atico, sino hasta que se denan
las operaciones de suma y producto escalar.
Combinaciones lineales
Se denomina combinacion lineal de los vectores u
1
, u
2
, . . . , u
n
de un espacio lineal V a todo
vector x del tipo
x = c
1
u
1
+ c
2
u
2
+ . . . + c
n
u
n
3 Analisis de Fourier 111
con los coecientes de la combinacion lineal c
1
, . . . , c
n
, que son escalares del cuerpo escalar
IF relacionado con el espacio lineal V.
Un conjunto de vectores | = u
1
, u
2
, . . . , u
n
V se dice ser un conjunto ligado o lineal-
mente dependiente si al menos uno de ellos es una combinaci on lineal de los dem as. Se
denomina conjunto libre o linealmente independiente cuando los unicos escalares c
1
, . . . , c
n
para los que se cumple c
1
u
1
+ c
2
u
2
+ . . . + c
n
u
n
= 0 son c
1
= . . . = c
n
= 0. Se cumple
adem as que
un conjunto que contiene un solo vector, es libre si el vector es no nulo,
el vector neutro 0 no forma parte de ning un sistema libre,
todo subconjunto de un sistema libre es tambien libre,
el n umero m aximo de vectores de un sistema libre es igual a la dimension de dichos
vectores.
Un espacio lineal V se dice engendrado por el conjunto de vectores
| = u
1
, u
2
, . . . , u
n
V
si contiene todas las combinaciones lineales de los vectores de |, al que se denomina entonces
conjunto generador del espacio. A cada elemento del conjunto | se le denomina en este
contexto vector generador. Este espacio no vara si
se multiplica cualquier vector generador por un escalar no nulo,
se suma un generador con otro,
si se suprimen los generadores que son una combinacion lineal de los dem as.
Subespacios y bases
Cualquier subconjunto Wdel espacio lineal V que es cerrado ante las operaciones vectoriales
aditivas y de multiplicacion escalar se denomina subespacio de V. Se puede apreciar que un
subespacio de V es a su vez un espacio lineal sobre el mismo cuerpo IF del espacio lineal
original. Ejemplos de subespacios del espacio lineal tridimensional IR
3
son por ejemplo todos
los planos que pasan por el origen [0, 0, 0]
T
, si se utilizan las deniciones convencionales de
adici on y multiplicaci on.
Los subespacios tienen las siguientes propiedades:
Todo espacio lineal V contiene al menos dos subespacios: el mismo V y 0.
La intersecci on W
1
W
2
de dos subespacios lineales W
1
y W
2
del mismo espacio lineal
V es a su vez un subespacio lineal.
La union W
1
W
2
de dos subespacios lineales W
1
y W
2
del mismo espacio lineal V no
necesariamente es un subespacio lineal.
El espacio lineal V se denomina nito si existe un sistema de vectores
| = u
1
, u
2
, . . . , u
n
V
que es conjunto generador del espacio lineal, y n es nito. Si los vectores generadores u
i
son
linealmente independientes entonces se dice que | es una base de V. Todo espacio lineal
nito V ,= 0 posee al menos una base. Si existen varias bases, todas contienen el mismo
n umero de vectores generadores. Este n umero de vectores es la dimension del espacio lineal.
Los siguientes puntos conforman el llamado teorema fundamental del algebra lineal para un
espacio lineal nito V con una base de n elementos con n IN
+
:
1. toda base de V tiene exactamente n elementos,
2. todo subconjunto linealmente independiente de V tiene a lo sumo n elementos y co-
rresponde a una base de V si y solo si tiene exactamente n elementos,
3. cualquier subconjunto de V que act ua como conjunto generador de V debe tener al
menos n elementos y es una base si y solo si tiene exactamente n elementos,
4. si los elementos de una determinada base en V se toman en un orden determinado,
cualquier elemento de V puede entonces ser representado por una secuencia unica de
coordenadas.
El ultimo punto indica que si V tiene como base a | = u
1
, u
2
, . . . , u
n
, entonces un vector
x = c
1
u
1
+ c
2
u
2
+ . . . + c
n
u
n
puede representarse utilizando tan solo los coecientes c
i
y
manteniendo ja la base: x = [c
1
, c
2
, . . . , c
n
]
T
. Ninguna otra secuencia puede representar
con la misma base al vector x, puesto que si existiese alguna otra representacion equivalente
x = d
1
u
1
+ d
2
u
2
+ . . . + d
n
u
n
entonces la diferencia de ambas representaciones debera ser
cero y
(d
1
c
1
)u
1
+ (d
2
c
2
)u
2
+ . . . + (d
n
c
n
)u
n
= 0
se cumple solo si d
i
= c
i
, i = 1, 2, . . . n por el requisito de que la base | debe ser linealmente
independiente.
3.1.2 Tipos de espacios lineales
Los espacios lineales se clasican de acuerdo a las propiedades de las operaciones denidas
para sus elementos. A continuacion se enumeran los m as utilizados en la literatura tecnica.
Espacio metrico
Un espacio metrico es una estructura algebraica en la que se dene la operacion d(x, y)
d : V V IR
denominada metrica o distancia, la cual debe satisfacer las siguientes condiciones:
d(x, y) 0 (no negatividad)
d(x, x) = 0 (reexividad)
d(x, y) = 0 x = y (identidad de los indiscernibles)
d(x, y) = d(y, x) (simetra)
d(x, z) d(x, y) + d(y, z) (desigualdad del tri angulo)
N otese que el concepto de espacio metrico es en realidad independiente del concepto de
espacio lineal, pues solo se requiere el conjunto de elementos, que no necesariamente deben
ser vectores, mas una metrica denida para los elementos de dicho conjunto.
Espacio lineal normado
Un espacio lineal normado es un espacio lineal junto con una operacion denominada norma,
denotada usualmente como | | que asigna un n umero real a cada punto de V
| | : V IR
y que debe cumplir con las siguientes propiedades para x, y V, y a IF.
|x| 0 (positividad)
|ax| = [a[|x| (escalabilidad positiva)
|x +y| |x| +|y| (desigualdad de Minkowski)
|x| = 0 x = 0.
Si las primeras tres propiedades se cumplen, no as la cuarta, entonces a la operacion se le
denomina una seminorma. Usualmente se le asigna a la norma |x| el signicado de longitud
o magnitud del vector x.
Todo espacio normado es a su vez un espacio metrico, pues se puede denir la metrica como
d(x, y) = |x y| (3.1)
El lector puede demostrar que si la operaci on | | cumple con todas las propiedades de una
norma, y la distancia se dene como (3.1), entonces todas las propiedades para una metrica
son cumplidas por d(, ).
Espacio de Banach
En el captulo 1 se deni o una secuencia de Cauchy como una secuencia cuyos terminos
se acercan arbitrariamente entre s en tanto la secuencia progresa. Para un espacio lineal
normado la denicion de secuencia de Cauchy se puede replantear como
> 0, N IN, n, m IN, n, m > N : |x
n
x
m
| <
donde se reemplazo la operaci on de valor absoluto por la norma.
Un espacio normado se denomina espacio de Banach si es completo con respecto a la norma,
lo que quiere decir que cualquier secuencia de Cauchy de elementos en el espacio lineal
converge a un elemento en el mismo espacio, en el sentido de que la norma de las diferencias
entre los elementos de la secuencia tiende a cero.
Espacios con producto interno
Si a la estructura de espacio lineal se le agrega el concepto de producto interno aparecen
entonces los llamados espacios con producto interno o espacios pre-Hilbert. El concepto
de producto interno (a veces denominado producto escalar
1
) permite introducir conceptos
1
Notese que en este contexto el concepto de producto escalar es diferente a la multiplicacion escalar
utilizada en la denicion de espacio lineal. Para evitar confusiones se preferira aqu el uso del termino
producto interno sobre producto escalar.
geometricos como angulos y longitudes vectoriales. El producto interno es una operaci on
binaria
, ) : V V IF
que satisface los siguientes axiomas:
x V, x, x) 0. (No negatividad)
Esto implica que el producto interno de un vector por s mismo x, x) debe ser real,
puesto que el operador solo est a denido para los n umeros reales.
x V, x, x) = 0 si y solo si x = 0. (No degenerabilidad).
x, y V,
x, y
_
=
y, x
_
. (Simetra o conmutatividad conjugada).

a IF, x, y V,
x, ay
_
= a
x, y
_
;
x, y, z V,
x, y +z
_
=
x, y
_
+x, z). (Sesquilinearidad).
N otese que si el cuerpo IF corresponde a los n umeros reales IR entonces la simetra conjugada
corresponde a la conmutatividad del producto interno, esto es
x, y
_
=
y, x
_
. Combinando
la sesquilinearidad con la simetra conjugada se obtiene adem as (ver problema 3.3)
a IF, x, y V,
ax, y
_
= a
x, y
_
(3.2)
x, y, z V,
x +y, z
_
= x, z) +
y, z
_
(3.3)
Utilizando el producto interno puede denirse la norma de un vector x como
|x| =
_
x, x) x, x) = |x|
2
(3.4)
Esta norma esta correctamente denida si se considera el axioma de no negatividad en la
denici on del producto interno. Tambien se cumple el requisito de tener un n umero real
como valor. Utilizando la simetra conjugada se demuestra la escalabilidad positiva:
|ax| =
_
ax, ax) =
_
a ax, x) =
_
ax, ax)
=
_
aa
x, x) =
_
[a[
2
x, x) = [a[|x|
Las siguientes demostraciones concluyen la vericacion de que los axiomas para una norma
se cumplen con la anterior denici on basada en el producto interno. Por ello, un espacio con
producto interno es a su vez un espacio lineal normado.
Utilizando unicamente los axiomas anteriores puede demostrarse la desigualdad de Cauchy-
Schwarz [3] para x, y V que establece
[
x, y
_
[ |x||y| . (3.5)
Para ello se observa primero que si [
x, y
_
[ = 0 entonces (3.5) se cumple porque el lado dere-
cho nunca es negativo. As umase entonces para el resto de la demostracion, que [
x, y
_
[ , = 0.
Por la propiedad de no negatividad se cumple
x + ay, x + ay
_
0
para cualquier escalar a IF. Por la sesquilinearidad, lo anterior se puede expresar como
x, x) + a
x, y
_
+ a
x, y
_
+[a[
2
y, y
_
0
Sea b un n umero real arbitrario y t omese a = b
x, y
_
. Sustituyendo se obtiene
x, x) + 2b[
x, y
_
[
2
+ b
2
[
x, y
_
[
2
y, y
_
0
El lado izquierdo es una ecuacion cuadr atica de b con coecientes reales. Puesto que esta
ecuaci on debe ser mayor o igual que cero para todo b, el determinante de la ecuaci on no
puede ser positivo, puesto que si lo fuera tendra dos races reales, lo que implicara que para
un intervalo de b su valor sera negativo. Esto es:
[
x, y
_
[
4
x, x) [
x, y
_
[
2
y, y
_
0
y puesto que se parti o del hecho que [
x, y
_
[ , = 0 entonces puede dividirse la ecuacion
anterior por [
x, y
_
[
2
para obtener
[
x, y
_
[
2
x, x)
y, y
_
0
[
x, y
_
[
2
|x|
2
|y|
2
[
x, y
_
[ |x||y|
con lo que la desigualdad queda demostrada.
La desigualdad de Minkowski es otro resultado importante del uso de la norma (3.4):
|x +y| |x| +|y|
que se demuestra a continuacion.
|x +y|
2
=
x +y, x +y
_
= x, x) +
y, x
_
+
x, y
_
+
y, y
_
= |x|
2
+
x, y
_
x, y
_
+|y|
2
Considerando que para un n umero complejo z = x + jy se cumple
z + z
= 2x 2[z[ = 2
_
x
2
+ y
2
entonces
|x +y|
2
|x|
2
+ 2[
x, y
_
[ +|y|
2
y utilizando la desigualdad de Cauchy-Schwarz (3.5) entonces
|x +y|
2
|x|
2
+ 2|x||y| +|y|
2
_
|x| +|y|
_
2
y aplicando la raz cuadrada a ambos lados de la desigualdad se comprueba nalmente la
desigualdad de Minkowski. A partir de esta, y sustituyendo x por x h, y y por h y se
obtiene la desigualdad del triangulo
|x y| |x h| +|h y| .
En estos espacios lineales con producto interno se dice que dos vectores x y y diferentes de 0
son ortogonales si su producto interno
x, y
_
es 0. Adem as, el angulo entre los dos vectores
se dene indirectamente por medio de la ecuaci on
cos
_
(x, y)
_
=
x, y
_
|x||y|
. (3.6)
con lo que se deduce entonces que la magnitud del angulo entre dos vectores ortogonales es
de /2, puesto que el coseno del angulo entre ellos es cero. Notese que con la desigualdad
de Cauchy-Schwarz se puede asegurar para los espacios basados en el cuerpo IR que el lado
derecho de la ecuacion siempre estar a entre -1 y 1, por lo que el valor del angulo siempre
ser a real. Si el cuerpo base es complejo (C), entonces en general el lado derecho adquirira
valores complejos.
Si | = u
1
, u
2
, . . . , u
n
V es una base de V y todo par de vectores u
i
y u
k
(i ,= k) es
ortogonal, se dice que | es una base ortogonal de V. Si ademas se cumple que la norma de
todos los vectores generadores |u
i
| es uno, entonces a | se le denomina una base ortonormal .
Ejemplo 3.1 Si | es una base ortogonal de V, c omo se pueden calcular los coecientes
para representar un vector x V en dicha base?
Soluci on:
Si | es una base ortogonal de V se cumple para todo vector x V
x =
n
i=1
c
i
u
i
(3.7)
Realizando el producto escalar a ambos lados con un vector generador especco u
k
, utili-
zando las propiedades del producto interno descritas anteriormente, y haciendo uso de la
ortogonalidad de los vectores generadores u
i
se obtiene
u
k
, x) =
_
u
k
,
n
i=1
c
i
u
i
_
=
n
i=1
u
k
, c
i
u
i
) =
n
i=1
c
i
u
k
, u
i
) = c
k
u
k
, u
k
) = c
k
|u
k
|
2
con lo que se deriva
c
k
=
u
k
, x)
|u
k
|
2
(3.8)
3.1
Espacio de Hilbert
Un espacio con producto interno se denomina espacio de Hilbert si es a su vez un espacio
de Banach, es decir, si es completo con respecto a la norma denida a traves del producto
interno, lo que quiere decir que cualquier secuencia de Cauchy de elementos en el espacio
lineal converge a un elemento en el mismo espacio. Los espacios de Hilbert se utilizan en
la generalizacion del concepto de ciertas transformaciones lineales como la transformada de
Fourier, y son de crucial importancia en la formulacion matem atica de la mec anica cu antica.
La gura 3.1 muestra las relaciones entre los distintos tipos de espacios lineales descritos
anteriormente.
Conjunto
Espacio metrico
distancia
Espacio vectorial
suma vectorial
multiplicaci on escalar
Espacio normado
norma
Espacio pre-Hilbert
producto interno
Espacio de Banach
completo
Espacio de Hilbert
Figura 3.1: Relaciones entre los espacios lineales. Cada espacio hereda las operaciones y carac-
tersticas de sus antecesores. As, un espacio de Hilbert es completo, tiene producto
interno a traves del cual se dene la norma que a su vez se emplea para denir la
metrica, y tiene operaciones de suma lineal y producto escalar.
Espacios euclidianos
El espacio euclidiano de n dimensiones es un caso particular de espacio de Hilbert, donde
los vectores se representan por tuplas de n elementos: Por ejemplo, en el espacio euclidiano
IF
n
, denido sobre el cuerpo IF, un vector x se representa como
x =
_
_
x
1
x
2
.
.
.
x
n
_
_
= [x
1
, x
2
, . . . x
n
]
T
donde cada una de las componentes x
i
del vector x son elementos del cuerpo IF. En un
espacio euclidiano el producto interno utilizado es siempre el producto punto, denido como
x, y
_
!
= x y = x
T
y =
n
i=1
x
i
y
i
. (3.9)
Con esto se puede denir la norma euclidiana |x| de un vector x como
|x| =
_
x, x) =

x x =
_
x
T
x =
_
n
i=1
[x
i
[
2
.
La metrica euclidiana puede describirse entonces en terminos de la norma:
d
2
(x, y) = |x y| =
_
n
i=1
[x
i
y
i
[
2
(3.10)
El espacio euclidiano representa la generalizaci on de los espacios matem aticos en dos y tres
dimensiones conocidos y estudiados ya en la antig uedad por Euclides
2
. A la funci on de
distancia d
2
, basada en el teorema de Pit agoras, se le conoce como metrica euclidiana.
Cualquier base ortogonal | para un espacio euclidiano de n dimensiones contiene entonces
exactamente n vectores ortogonales entre s. Si la base es ortonormal, entonces los coecien-
tes de la combinaci on lineal se determinan como (ver (3.8))
x
k
= u
k
, x)
y (3.7) se puede escribir entonces
x =
n
i=1
u
i
, x) u
i
(3.11)
donde la norma de x estar a dada por
|x|
2
=
n
i=1
[ u
i
, x) [
2
que corresponde al teorema de Pitagoras, es decir, el cuadrado de la norma de x es igual a
la suma de los cuadrados de los componentes del vector x en la base ortonormal |.
A la base ortonormal del espacio euclidiano IR
n
conformada por los vectores u
1
= [1, 0, . . . , 0]
T
,
u
2
= [0, 1, . . . , 0]
T
, . . ., u
n
= [0, 0, . . . , 1]
T
se le denomina base canonica, y se utiliza como
referencia universal o absoluta para representar los vectores pertenecientes al espacio en-
gendrado por dicha base. Observese que el producto interno de un vector x = [x
1
, x
2
, . . . , x
n
]
T
por alg un vector u
i
de la base can onica extrae exactamente la componente x
i
:
x
i
= u
i
, x)
2
Euclides fue un matematico griego del s. III a. C., quien escribio Elementos, que es la base de la geometra
plana actual.
Ejemplo 3.2 Dado un vector x = [cos(), sen()]
T
en un espacio euclidiano bidimensional,
encuentre otro vector de magnitud 1 ortogonal y demuestre que su producto interno es cero.
Soluci on: Un vector ortogonal a x = [cos(), sen()]
T
forma un angulo de 90
con el. La
gura 3.2 muestra una solucion gr aca: el vector x
= [sen(), cos()]
T
es perpendicular
a x.
sen()
sen()
cos()
cos()
x =
cos()
sen()
Figura 3.2: Construccion geometrica para obtener un vector ortogonal.

La misma conclusi on puede obtenerse utilizando identidades trigonometricas en la expresion
[cos( +

2
), sen( +

2
)]
T
.
El producto x, x
) se calcula entonces como

x, x
) = [cos(), sen()]
_
sen()
cos()
_
= cos() sen() + cos() sen() = 0
3.2
La gura 3.3 muestra la representaci on tradicional de un vector x en un espacio euclidiano
bidimensional. Para la gura en el lado izquierdo se ha utilizado la base ortonormal canonica
u
1
u
2
u
1
u
2
a
1
a
2
a
1
a
2
x
x
Figura 3.3: Representacion de un vector euclidiano bidimensional x utilizando dos bases ortonor-
males diferentes.
| = u
1
, u
2
, con los coecientes escalares a
1
y a
2
. El lado derecho muestra el vector con
otra base ortonormal |
= u
1
, u
2
. Se puede apreciar que los coecientes a
1
y a
2
de x con la
nueva base |
son diferentes a los obtenidos con |. Sin embargo, si se establece claramente

una base, las componentes calculadas pueden utilizarse para representar a cualquier vector
x de forma unica e inequvoca, tal y como lo establece el teorema fundamental del algebra
lineal mencionado anteriormente. Notese que cada uno de los vectores en la base |
puede
representarse en terminos de combinaciones lineales de los vectores en la base canonica |.
De esta forma, es posible representar los mismos vectores a traves de los coecientes gene-
rados para una base determinada, como lo muestra la gura 3.4 para las dos bases en la
gura 3.3.
a
i
a
i
1 2 1 2
i i
Figura 3.4: Representacion alternativa del vector euclidiano en la gura 3.3 para las bases orto-
normales utilizadas all.
Esta forma de representacion de los coecientes lineales facilita el manejo de vectores con
m as de tres dimensiones, que son difciles o incluso imposibles de imaginar en un espacio
geometrico.
Ejemplo 3.3 Una base ortonormal |
en un espacio euclidiano tridimensional est a com-

puesta por los vectores
u
1
= [x
1
, y
1
, z
1
]
T
u
2
= [x
2
, y
2
, z
2
]
T
u
3
= [x
3
, y
3
, z
3
]
T
cuyas coordenadas x
i
, y
i
y z
i
indican las componentes de cada vector de esta base en la base
can onica | = u
1
, u
2
, u
3
con
u
1
= [1, 0, 0]
T
u
2
= [0, 1, 0]
T
u
3
= [0, 0, 1]
T
Encuentre los coecientes c
i
para representar al vector v = [a, b, c]
T
(tambien representado
en la base can onica) como combinacion lineal de los vectores u
i
.
Soluci on: Se sabe que
v = c
1
u
1
+ c
2
u
2
+ c
3
u
3
donde, por ser la base |
ortonormal, se cumple que

c
i
=
u
i
, v)
|u
i
|
2
= u
i
, v)
Puesto que el espacio utilizado es euclidiano, se utiliza el producto punto como producto
interno, y as:
c
1
= ax
1
+ by
1
+ cz
1
c
2
= ax
2
+ by
2
+ cz
2
c
3
= ax
3
+ by
3
+ cz
3
que puede expresarse de forma matricial como
_
_
c
1
c
2
c
3
_
_
=
_
_
x
1
y
1
z
1
x
2
y
2
z
2
x
3
y
3
z
3
_
_
_
_
a
b
c
_
_
As, el producto del vector representado en la base can onica puede ser transformado a otro
vector en la base |
multiplic andolo por la izquierda con una matriz cuyas las corresponden
a los vectores generadores de la nueva base, representados sobre la base can onica.
Los valores c
i
pueden interpretarse como que tanto de cada vector u
i
est a contenido en v,
de modo que la suma de los tres tantos genera dicho vector.
v
u
1
u
2
u
3
u
1
u
2
u
3
Figura 3.5: Vector representado en una base ortogonal tridimensional.
La gura 3.5 muestra un ejemplo gr aco para ilustrar estos conceptos. Se ilustran con lneas
punteadas las componentes de los vectores de la base |
sobre la base canonica |, y las

proyecciones del vector v sobre los vectores de la base ortogonal. La gura 3.6 presenta la
descomposici on del vector v en sus tres componentes de la base can onica, mientras que la
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
v
v
v
u
1
u
2
u
3
u
1
u
1
, v
u
2
u
2
, v
u
3
u
3
, v
Figura 3.6: Descomposicion del vector v en el ejemplo 3.3 en sus componentes de la base canonica
ortonormal. La primera columna muestra al vector v. La segunda columna muestra
a los vectores de la base canonica, con todas sus componentes excepto una iguales
a cero. La tercera columna muestra al vector de la base canonica escalado por el
coeciente correspondiente de la combinacion lineal, igual a u
i
, x). La suma de los
vectores en la tercer columna es igual al vector original v.
gura 3.7 muestra la descomposici on de dicho vector en las componentes de la nueva base,
representados estos en la base can onica.
3.3
3.1.3 Ortogonalidad de funciones
La representacion de un vector x a traves de sus componentes para una determinada base |
puede interpretarse como una funci on x : 1, 2, . . . , n IF que asigna a cada vector gene-
rador u
i
con ndice i 1, 2, . . . , n su coeciente correspondiente con un valor en el cuerpo
IF, es decir, x(i) = c
i
es una funcion que permite obtener el valor de los coecientes para
cada componente de la base utilizada. Extendiendo esta idea es incluso posible representar
vectores con un n umero innito de dimensiones, utilizando funciones de la forma x : Z IF.
Con esta nueva notaci on funcional, para un espacio euclidiano el producto punto se puede
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
-1
0
1
2
1 2 3
v
v
v
u
1
u
2
u
3
u
1
,v
2
u
2
,v
2
u
3
,v
2
Figura 3.7: Descomposicion del vector v en el ejemplo 3.3 en sus componentes de la base orto-
gonal, expresada en terminos de la base canonica. La primera columna muestra al
vector v. La segunda columna muestra a los vectores de la base ortogonal en terminos
de la base canonica. La tercera columna muestra al vector de la base ortogonal es-
calado por el coeciente correspondiente de la combinacion lineal c
i
= u
i
, x) /|u
i
|
2
.
La suma de los vectores en la tercer columna es igual al vector original v.
representar como
x, y
_
=
n
2
i=n
1
x
(i)y(i) (3.12)
donde n
1
y n
2
pueden ser valores nitos o innitos, en cualquier rango de enteros consecutivos
tales que n
1
n
2
. Esta expresion equivale al producto punto denido anteriormente en (3.9).
N otese que este simple cambio de representaci on del vector de tupla a funci on no ha alterado
ninguno de los conceptos desarrollados hasta ahora para espacios lineales. En principio, un
vector est a ahora siendo representado por una funci on, o dicho de otra forma, estas funciones
de variable entera son elementos de un espacio lineal-funcional.
A partir de esta representaci on resulta una consecuencia natural eliminar la restriccion para
la variable independiente de estos vectores-funciones de ser n umeros enteros, y permitirles
tomar valores reales o complejos, generalizando o reemplazando as enteramente el concepto
de vectores por funciones. El espacio lineal se transforma entonces en un espacio funcional ,
donde todos los conceptos introducidos anteriormente siguen siendo v alidos si los axiomas
124 3.2 Series de Fourier
b asicos de espacios lineales hasta espacios de Hilbert se mantienen. Se interpreta entonces
ahora que una funcion es un elemento del espacio funcional, as como anteriormente un
vector era un elemento del espacio lineal.
El producto interno de dos funciones x(t) y y(t) denidas en un intervalo [a, b] se generaliza
entonces transformando la suma (3.12) en la siguiente integral
x(t), y(t)) =
_
b
a
x
(t)y(t) dt (3.13)
con lo que se concluye que dos funciones son ortogonales en el intervalo [a, b] si (3.13) es
cero.
La norma de la funci on se dene utilizando la ecuacion (3.13), de igual forma que se hizo
para los vectores con la ecuacion (3.4):
|x(t)| =
_
x(t), x(t)) =
_
b
a
[x(t)[
2
dt (3.14)
Con estas deniciones se puede incluso tomar el concepto de angulo entre vectores (3.6) y
generalizarlo como angulo entre funciones:
cos ((x(t), y(t))) =
x(t), y(t))
|x(t)||y(t)|
(3.15)
con lo que se puede armar que el angulo entre dos funciones ortogonales es /2.
3.2 Series de Fourier
3.2.1 Series generalizadas de Fourier
Un conjunto (posiblemente innito) de funciones ortogonales puede entonces servir de base
generadora para un espacio funcional, de la misma manera que vectores ortogonales sirven
de base generadora para espacios lineales. Sea | un conjunto de funciones ortogonales
| = u
n
1
(t), u
n
1
+1
(t) . . . , u
n
2
1
(t), u
n
2
(t) . (3.16)
Este conjunto puede entonces utilizarse como conjunto generador de un espacio funcional
para toda funci on
x
m
(t) =
n
2
i=n
1
c
i
u
i
(t) (3.17)
donde c
i
representa los coecientes escalares de la combinacion lineal de las funciones gene-
radoras u
i
(t).
As umase ahora que se desea aproximar una funcion x(t) para un intervalo [t
1
, t
2
] con la
combinaci on lineal x
m
(t) de m = n
2
n
1
+1 funciones generadoras denidas en ese mismo
intervalo. Se desea minimizar la distancia entre x(t) y x
m
(t), denida a traves de la norma
de la diferencia de las funciones, esto es, se desea minimizar |x(t) x
m
(t)| (comparar por
ejemplo con la metrica euclidiana en la ecuacion (3.10)). Al cuadrado de esta distancia se le
denomina funcion de error E, que, dada la base funcional | en (3.16), depender a entonces
de los valores de los coecientes escalares c
i
. Utilizando las deniciones anteriores se tiene
que
E(c
n
1
, c
n
1
+1
, . . . , c
n
2
1
, c
n
2
) = |x(t) x
m
(t)|
2
=
_
t
2
t
1
[x(t) x
m
(t)[
2
dt (3.18)
Encapsulando todos coecientes c
i
como vector c = [c
n
1
, c
n
1
+1
, . . . , c
n
2
1
, c
n
2
]
T
e insertando
(3.17) en (3.18) se obtiene entonces:
E(c) =
_
t
2
t
1
x(t)
n
2
i=n
1
c
i
u
i
(t)
2
dt . (3.19)
La minimizaci on de E(c) tiene como condicion necesaria (pero no suciente) que el gradiente
de la funci on de error respecto a los coecientes sea 0:
E(c) =
_
E(c)
c
n
1
,
E(c)
c
n
1
+1
, . . . , . . . ,
E(c)
c
n
2
1
,
E(c)
c
n
2
_
T
!
= [0, 0, . . . , 0]
T
.
Se debe cumplir entonces que
E(c)
c
k
= 0
para todo k = n
1
, . . . , n
2
, lo que implica que
c
k
_
t
2
t
1
x(t)
n
2
i=n
1
c
i
u
i
(t)
2
dt = 0 .
Para el caso especial en que las funciones y coecientes son reales, y considerando que para
valores reales [t[
2
/t = 2t se obtiene
3
c
k
_
t
2
t
1
x(t)
n
2
i=n
1
c
i
u
i
(t)
2
dt =
_
t
2
t
1
2
_
x(t)
n
2
i=n
1
c
i
u
i
(t)
_
(u
k
(t)) dt = 0 (3.20)
_
t
2
t
1
x(t)u
k
(t) dt =
n
2
i=n
1
c
i
_
t
2
t
1
u
i
(t)u
k
(t) dt
Para el caso especial en que u
i
(t) y u
k
(t) sean ortogonales se tiene que
_
t
2
t
1
x(t)u
k
(t) dt = c
k
|u
k
(t)|
2
3
Notese que para valores complejos de x, esta derivada no existe, pues [x[
2
= xx
no es una funcion
analtica (ver problema 3.10)
con lo que nalmente se puede obtener el valor optimo para c
k
:
c
k
=
1
|u
k
(t)|
2
_
t
2
t
1
x(t)u
k
(t) dt =
x(t), u
k
(t))
|u
k
(t)|
2
(3.21)
que es un resultado concorde a lo utilizado para vectores (comparar con la ecuacion (3.8)).
Para demostrar que estos valores obtenidos para c
k
corresponden en efecto a un mnimo
para la funci on de error E, debe demostrarse que la matriz Hessiana de la funcion de error
es denida positiva, es decir, que todos sus valores propios son positivos. Esta matriz est a
dada por:
H(E(c)) =
_
2
E
c
2
n
1
2
E
c
n
1
c
n
1
+1
. . .

2
E
c
n
1
c
n
2
2
E
c
n
1
+1
c
n
1
2
E
c
2
n
1
+1
. . .

2
E
c
n
1
+1
c
n
2
.
.
.
.
.
.
.
.
.
.
.
.
2
E
c
n
2
c
n
1
2
E
c
n
2
c
n
1
+1
. . .

2
E
c
2
n
2
_
_
Considerando la primera derivada en (3.20) junto con la ortogonalidad de las funciones u
i
(t)
se puede calcular la segunda derivada:
E(c)
c
k
= 2
_
t
2
t
1
x(t)u
k
(t) dt +
n
2
i=n
1
2c
i
_
t
2
t
1
u
i
(t)u
k
(t) dt
= 2
_
t
2
t
1
x(t)u
k
(t) dt + 2c
k
|u
k
(t)|
2
2
E(c)
c
j
c
k
=
_
0 para j ,= k
2|u
k
(t)|
2
para j = k
por lo que la matriz Hessiana se simplica a una matriz diagonal
H(E(c)) =
_
_
2|u
n
1
(t)|
2
0 . . . 0
0 2|u
n
1
+1
(t)|
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 2|u
n
2
(t)|
2
_
_
donde todos los elementos en la diagonal son positivos. Puesto que los valores propios de
una matriz diagonal coinciden con las entradas en la diagonal de dicha matriz, entonces los
valores propios son todos positivos, la matriz es denida positiva y por lo tanto los valores
encontrados para c
k
minimizan a la funci on de error E(c).
Una conclusion importante de (3.21) es que si se utiliza una base ortogonal para la apro-
ximaci on de una funci on x(t), el valor optimo para el coeciente c
k
depende tan solo de la
funci on generadora u
k
(t) correspondiente al coeciente a calcular y de la funci on x(t) que
se desea aproximar. Estos coecientes no dependen ni del n umero de funciones en la base
funcional, ni de la forma de otras funciones generadoras.
El resultado anterior tambien se puede obtener por un metodo ademas valido para funciones
y coecientes complejos: se procede de la misma forma que para obtener los coecientes de
la combinacion lineal de vectores ortogonales. A partir de la representacion de la funci on
x(t) x
m
(t) como serie (ver ecuaci on (3.17)), se evalua el producto interno por una funci on
generadora particular u
k
(t) para obtener
u
k
(t), x(t))
_
u
k
(t),
n
2
i=n
1
c
i
u
i
(t)
_
=
n
2
i=n
1
u
k
(t), c
i
u
i
(t))
=
n
2
i=n
1
c
i
u
k
(t), u
i
(t))
= c
k
u
k
(t), u
k
(t))
con lo que se deriva
c
k
=
u
k
(t), x(t))
|u
k
(t)|
2
. (3.22)
A esta misma conclusi on se puede llegar trabajando por separado las componentes real e
imaginaria de los coecientes c
i
(ver problema 3.12).
Si la base funcional u
k
(t), k Z es completa, es decir, si la aproximaci on de la funcion
x(t) con la serie innita converge a la funci on:
x(t) =
k=
c
k
u
k
(t) (3.23)
con las funciones generadoras u
k
(t) ortogonales y los coecientes c
k
calculados con (3.22),
entonces a la expansi on en serie se le denomina serie generalizada de Fourier. A (3.22) se le
conoce como ecuaci on de analisis y a (3.23) como ecuacion de sntesis.
Se plantear a el lector ahora la pregunta, que base funcional puede tomar el papel de la base
can onica ortonormal utilizada en espacios vectoriales euclidianos. En aquel caso, el producto
interno de un vector u
i
de la base can onica por un vector x = [x
1
, x
2
, . . . , x
n
]
T
retornaba
exactamente la i-esima componente x
i
de dicho vector; es decir u
i
, x) = x
i
. Por ejemplo,
en un espacio tridimensional, con el vector de la base canonica u
1
= [1, 0, 0]
T
se obtiene la
componente x
1
del vector [x
1
, x
2
, x
3
]
T
. En el caso de funciones se requiere un nuevo concepto
que permita entonces extraer con el producto interno el valor de una funci on para un valor
particular de su variable independiente. Ll amese entonces (t t
) a una funci on real que

cumple la propiedad de muestreo:
x(t
) = (t t
), x(t)) =
_

(t t
)x(t) dt .
Si se toma por ejemplo x(t) = 1 y se realiza un cambio de variable = t t
entonces se
debe cumplir
_

() d = 1
lo que indica que el area bajo la curva de la funcion (t) debe ser igual a uno. Para derivar
el papel de la funci on (t) en la base canonica funcional se parte de un impulso rectangular
de area unitaria, como el ilustrado en la gura 3.8.
0 t
1/
2
r(t)
Figura 3.8: Impulso rectangular de area unitaria. Observese que mientras mas angosto sea el
impulso (menor ), mayor sera la altura del impulso para mantener el area igual a
uno.
El lector puede demostrar que el conjunto generador dado por las funciones
|
= . . . , r(t + 3), r(t + 2), r(t + ), r(t), r(t ), r(t 2), r(t 3), . . .
es ortogonal, puesto que los desplazamientos ocurren siempre en m ultiplos del ancho del
impulso (r(t k) con k Z). La norma de dichos impulsos est a dada por:
|r(t k)| =
[r(t k)[
2
dt =
_
1
y el coeciente c
k
correspondiente a la funci on r(t k), necesario para aproximar una
funci on x(t) se calcula como:
c
k
=
r(t k), x(t))
|r(t k)|
2
=
_
k+
2
k
2
1
x(t) dt
=
_
k+
2
k
2
x(t) dt
y considerando que la integral denida de una funci on en un intervalo es siempre igual a la
longitud del intervalo multiplicada por el valor de la funci on en un punto particular de dicho
intervalo, se obtiene nalmente:
c
k
= x(t
k
)
con t
k

_
k

2
, k +

2
. Observese entonces que el k-esimo termino de la combinaci on

lineal est a dado por c
k
r(t k), y as, la mejor aproximaci on de la funcion x(t) con la base
ortogonal |
es:
x
a
(t) =
k=
k=
c
k
r(t k) =
k=
k=
x(t
k
)r(t k) (3.24)
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
x(t) = 1 = 1/4
Figura 3.9: Aproximaciones de la funcion x(t) con dos bases ortogonales de funciones rectangu-
lares equiespaciadas.
La gura 3.9 muestra las mejores aproximaciones de una funci on x(t) utilizando dos bases
ortogonales con = 1 y = 1/4, donde mejor signica que la aproximacion y la funci on
tienen la menor distancia posible (es decir, se minimiza |x(t) x
a
(t)|) para el utilizado.
La gura 3.10 muestra la descomposicion de la funci on en sus componentes ortogonales con
= 1.
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
-1
0
1
2
0 1 2 3 4 5 6
k = 1 k = 2 k = 3 k = 4 k = 5
Figura 3.10: Descomposicion de la funcion x(t) en la gura 3.9 con la base ortogonal de funciones
rectangulares r(tk) con = 1. La primera la muestra las funciones ortogonales,
y la segunda la presenta dichas funciones escaladas con su respectivo coeciente.
Observando la gura 3.9 resulta evidente que mientras m as peque no sea el valor de (el
ancho del impulso rectangular), mas cerca estar a la aproximacion x
a
(t) de la funci on x(t).
Sin embargo, para un valor nito de , el espacio funcional engendrado por la base funcional
de impulsos rectangulares desplazados no es completo y por tanto no constituye un espacio
de Hilbert, puesto que la distancia |x(t) x
a
(t)| no puede hacerse arbitrariamente peque na.
La base constituida por estos impulsos ser a completa solo si se hace tender a cero, de modo
que se transforma en un diferencial dt
, y el instante k se transforma en un valor real

t
. Bajo estas condiciones, el impulso rectangular se transforma en una construccion igual a

cero para todo punto t ,= 0, e innito para t = 0, pero manteniendo el area unitaria. Esta
construcci on cumple con los requisitos establecidos anteriormente para la funci on (t), que
se conoce bajo el nombre de impulso Dirac o delta Dirac:
(t) = lim
0
r(t) =
_
para t = 0
0 para t ,= 0
_

(t) dt = 1 (3.25)
y ser a retomada en la secci on 3.3.3. Finalmente, si se hace 0 entonces la suma en la
ecuaci on de sntesis (3.24) se transforma en una integral
x(t) = lim
0
k=
x(t
k
)r(t k)
!
=
_

x(t
)(t t
) dt
donde, puesto que t
k

_
k

2
, k +

2
, al hacer 0 entonces t
k
= k = t
.
Ejemplo 3.4 Encuentre los terminos de la combinacion lineal que aproxima a la funci on
x(t) = t
2
+2t 1, correspondientes a las funciones de la base canonica (t +1), (t) y (t 1)
con t IR.
Soluci on: Con la base de impulsos rectangulares desplazados, el k-esimo termino de la
combinaci on lineal esta dado por c
k
u
k
(t), con c
k
= x(k) y u
k
(t) = r(t k). Si 0
se sustituye c
k
por c
t
= x(t
) dt
y u
k
(t) por u
t
(t) = (t t
). Los terminos x(t
)(t t
) dt
solicitados son entonces:

x(1)(t + 1) dt
= 2(t + 1) dt
x(0)(t) dt
= (t) dt
x(1)(t 1) dt
= 2(t 1) dt
La gura 3.11 muestra la funci on sobrepuesta con las tres componentes calculadas. Notese
que (t) dt tiene amplitud uno, puesto que proviene de r(t) = / = 1.
-2
-1
0
1
2
3
-2 -1 0 1 2
t
x(t)
Figura 3.11: Funcion x(t) = t
2
+ 2t 1 y tres de sus proyecciones sobre la base canonica.
3.4
Al igual que con vectores (ver ejemplo 3.3), la idea general de las series generalizadas de
Fourier ser a representar cualquier funci on x(t) en terminos de funciones ortogonales u
k
(t),
que no necesariamente corresponden a la base can onica, pero que pueden expresarse en
terminos de ella. Un ejemplo de esto lo constituyen las Series de Fourier, que se presentan
con detalle en la siguiente seccion.
3.2.2 Series de Fourier
El siguiente analisis es ampliamente utilizado en ingeniera para se nales que son una funci on
del tiempo. Por esta raz on se ha utilizado la variable independiente t que denota al tiempo.
Se dice que x(t) es una funci on peri odica, si para todo t se cumple que
x(t) = x(t + T) (3.26)
A T se le denomina entonces periodo de la funcion x(t). Al menor T que satisfaga (3.26) se
le denomina periodo fundamental . Notese que si x(t) es peri odica con perodo T entonces
x(t + 2T) = x((t + T) + T) = x(t + T) = x(t)
y en general
x(t + kT) = x((t + (k 1)T) + T) = x(t + (k 1)T) = . . . = x(t) k Z
es decir, una funci on peri odica con periodo T tambien es peri odica con periodo kT.
Las funciones exponenciales complejas
s
k
(t) = e
jk
0
t
= e
j2kf
0
t
k = 0, 1, 2, . . . (3.27)
son funciones peri odicas que se dicen estar relacionadas armonicamente por tener todas un
periodo com un T
p
= 1/f
0
. El periodo fundamental de la se nal s
k
(t) es 1/(kf
0
) = T
p
/k, lo que
equivale a una frecuencia kf
0
. Puesto que una se nal peri odica con periodo T
p
/k es tambien
periodica con periodo k(T
p
/k) = T
p
con k Z entonces todas las se nales s
k
(t) tienen como
periodo com un T
p
. Estas funciones se utilizan frecuentemente como conjunto generador de
espacios funcionales.
Evaluando el producto interno denido en un perodo
s
i
(t), s
k
(t)) =
_
t
0
+Tp
t
0
s
i
(t)s
k
(t) dt
=
_
t
0
+Tp
t
0
(e
j
0
it
)
e
j
0
kt
dt =
_
t
0
+Tp
t
0
e
j
0
it
e
j
0
kt
dt
=
_
t
0
+Tp
t
0
e
j
0
(ki)t
dt (3.28)
Para el caso k = i se obtiene
s
k
(t), s
k
(t)) =
_
t
0
+Tp
t
0
e
j
0
0t
dt =
_
t
0
+Tp
t
0
1 dt = T
p
(3.29)
lo que quiere decir que con un periodo T
p
com un a todas las funciones exponenciales
arm onicas, la norma de s
k
(t) = e
j
0
kt
est a dada por
|s
k
(t)|
2
= s
k
(t), s
k
(t)) = T
p
En el caso k ,= i
s
i
(t), s
k
(t)) =
e
j
0
(ki)t
j
0
(k i)
t
0
+Tp
t
0
=
e
j
0
(ki)t
0
_
e
j
0
(ki)Tp
1
_
j
0
(k i)
. (3.30)
Considerando nalmente que
0
T
p
= 2 se obtiene
s
i
(t), s
k
(t)) =
e
j
0
(ki)t
0
_
e
j2(ki)
1
_
j
0
(k i)
= 0
con lo que queda demostrada la ortogonalidad de las funciones exponenciales complejas
arm onicamente relacionadas s
k
(t) = e
j
0
kt
. Se puede demostrar adem as que el conjunto de
todas las funciones s
k
(t), con k Z engendran un espacio de Hilbert.
De esta forma es posible aproximar cualquier funci on periodica x(t) = x(t +kT
p
) con la serie
x(t) =
k=
c
k
e
j
0
kt
(3.31)
conocida como la serie de Fourier de x(t), con
c
k
=
1
T
p
_
t
0
+Tp
t
0
e
j
0
kt
x(t) dt (3.32)
donde t
0
puede elegirse de forma arbitraria (usualmente se toma t
0
= 0 o t
0
= T
p
/2. A
(3.31) se le denomina ecuaci on de sntesis y a (3.32) ecuaci on de an alisis.
En la mayora de las aplicaciones se utilizaran funciones x(t) de valor real. Para este caso
especial, puesto que x
a = (xa)
cuando x C y a IR, y x
+ y
= (x + y)
, entonces se
cumple para los coecientes de la serie con k IN
+
que
c
k
=
s
k
(t), x(t))
|s
k
(t)|
2
=
e
j
0
kt
, x(t)
_
|e
j
0
kt
|
2
=
1
T
p
_
t
0
+Tp
t
0
_
e
j
0
kt
_
x(t) dt
=
1
T
p
_
t
0
+Tp
t
0
_
e
j
0
kt
x(t)
_
dt =
1
T
p
__
t
0
+Tp
t
0
e
j
0
kt
x(t) dt
_
=
_
1
T
p
_
t
0
+Tp
t
0
e
j
0
kt
x(t) dt
_
= c
k
(3.33)
A esta relacion, que tambien puede escribirse como c
k
= c
k
se le conoce como simetra
conjugada o simetra hermtica de los coecientes de Fourier para funciones reales. Notese
que esto implica que la magnitud de c
k
y c
k
son iguales, y que el angulo de c
k
es igual al
inverso aditivo del angulo de c
k
(c
k
= c
k
).
Adem as, utilizando el hecho de que z + z
= 2 Rez se puede reescribir (3.31), asumiendo

que c
k
= [c
k
[e
j
k
, con
k
= c
k
como
x(t) =
k=
c
k
e
j
0
kt
=
1
k=
c
k
e
j
0
kt
+ c
0
+
k=1
c
k
e
j
0
kt
=
k=1
c
k
e
j
0
kt
+ c
0
+
k=1
c
k
e
j
0
kt
(3.34)
= c
0
+
k=1
_
_
c
k
e
j
0
kt
_
+ c
k
e
j
0
kt
_
= c
0
+
k=1
2 Rec
k
e
j
0
kt
= c
0
+
k=1
2[c
k
[ Ree
j(
0
kt+
k
)
= c
0
+
k=1
2[c
k
[ cos (
0
kt +
k
)
= c
0
+
k=1
c
k
cos (
0
kt +
k
) (3.35)
con c
k
= 2[c
k
[ que tienen todos valores reales, incluso c
0
, puesto que siguiendo s
0
(t) =
e
j
0
0t
= 1 entonces
c
0
=
1
T
p
_
t
0
+Tp
t
0
x(t) dt
que adquiere siempre un valor real, y equivale al valor medio de la funcion x(t) en un periodo
T
p
. A este coeciente c
0
se le denomina en ingeniera la componente CD de la se nal o funci on
x(t).
Por convenci on (3.35) se escribe con frecuencia como
x(t) =
k=0
c
k
cos (
0
kt +
k
) (3.36)
donde c
0
es entonces [c
0
[ y
0
es cero si c
0
0 o si c
0
< 0.
Resumiendo, la funci on real x(t) puede representarse como una suma innita de se nales
cosenoidales de frecuecias m ultiplos de una frecuencia fundamental
0
, desfasadas por valores
k
. Se dice entonces que x(t) tiene componentes de frecuencia k
0
de magnitud c
k
y fase
k
.
El lector puede vericar (ver problema 3.15) que las funciones cos (
0
kt +
k
) son ortogonales
entre s, y por tanto esta nueva expresi on sigue representando una combinaci on lineal de una
base generadora del espacio funcional que contiene a x(t).
Otra representaci on de la serie de Fourier para funciones reales x(t) se obtiene a partir de
(3.34) utilizando la identidad de Euler:
x(t) =
k=1
c
k
e
j
0
kt
+ c
0
+
k=1
c
k
e
j
0
kt
= c
0
+
k=1
c
k
(cos(
0
kt) j sen(
0
kt)) +
k=1
c
k
(cos(
0
kt) + j sen(
0
kt))
= c
0
+
k=1
(c
k
+ c
k
) cos(
0
kt) + j
k=1
(c
k
c
k
) sen(
0
kt)
y considerando (3.33)
x(t) = c
0
+
k=1
(c
k
+ c
k
) cos(
0
kt) + j
k=1
(c
k
c
k
) sen(
0
kt)
que se puede simplicar con (2.11) y (2.12) en
x(t) = c
0
+
k=1
2 Rec
k
cos(
0
kt)
k=1
2 Imc
k
sen(
0
kt)
=
1
2
a
0
+
k=1
a
k
cos(
0
kt) +
k=1
b
k
sen(
0
kt) (3.37)
con a
0
= 2c
0
, a
k
= 2 Rec
k
= 2[c
k
[ cos
k
y b
k
= 2 Imc
k
= 2[c
k
[ sen
k
, es decir:
c
k
=
1
2
(a
k
jb
k
) .
El lector puede comprobar que en este caso las funciones seno y coseno tambien represen-
tan una base generadora del espacio funcional, puesto que son ortogonales entre s (pro-
blema 3.14).
El mismo resultado se puede alcanzar a partir de (3.35) utilizando la identidad trigonometrica
cos( + ) = cos cos sen sen .
Utilizando (3.22) se deriva adem as:
a
k
=
cos
0
kt, x(t))
| cos
0
kt|
2
=
2
T
p
_
t
0
+Tp
t
0
x(t) cos
0
kt dt (3.38)
b
k
=
sen
0
kt, x(t))
| sen
0
kt|
2
=
2
T
p
_
t
0
+Tp
t
0
x(t) sen
0
kt dt (3.39)
lo que justica la eleccion de a
0
= 2c
0
para que sea compatible con la expresi on m as general
de a
k
.
Esta ultima representacion (3.37) es la mas cercana a la hist oricamente planteada en 1807 por
el matematico frances Jean Baptiste Joseph Fourier (1768-1830), quien la utiliz o para anali-
zar la distribucion de temperatura a traves de un cuerpo. En su epoca el no pudo demostrar
con suciente precision matematica que tipo de funciones peri odicas podran representarse
por estas series, sin embargo tuvo la perspicacia de comprender el potencial de aplicacion de
la representacion de funciones a traves de series trigonometricas.

El sostena que cualquier
funci on periodica podra representarse por una serie de este tipo. Su trabajo se bas o en ideas
anteriores sobre vibraciones de una cuerda hechos por L. Euler en 1748 y por D. Bernoulli
en 1753. Este ultimo matematico argumentaba que todos los movimientos de una cuerda
eran representables por una combinacion lineal de los modos de oscilacion normales, pero
no lo pudo demostrar matematicamente por lo que fue ignorado. El documento planteado
por Fourier fue revisado por cuatro matem aticos: S. F. Lacroix, G. Monge y P. S. de Laplace
estuvieron de acuerdo en publicar su trabajo, pero J. L. Lagrange rechaz o rotundamente
la idea por considerar imposible que funciones discontinuas o con discontinuidades en sus
derivadas (con picos) pudieran ser representadas como sumas de funciones suaves como
los senos y cosenos. No fue sino 15 a nos mas tarde, en 1822, que Fourier public o sus ideas
en un trabajo titulado Theorie analytique de la chaleur. Fue hasta 1829 que P. L. Dirichlet
proporcion o la demostraci on precisa de la condiciones necesarias y sucientes para que una
funci on pueda ser expresada como serie trigonometrica.
En principio, la descomposicion de una funcion real x(t) en una serie de Fourier brindar a un
conjunto de coecientes c
k
(o alternativamente a
k
y b
k
, o c
k
) que indican que tan fuerte es
([c
k
[
2
indica incluso cu anta energa contiene) la k-esima componente de la serie con frecuencia
angular k
0
. Esto es, la serie de Fourier es un primer paso para realizar un an alisis en el
dominio de la frecuencia.
La importancia de esto para los circuitos electricos y electr onicos lineales ( unicamente con
elementos pasivos y amplicadores operacionales ideales), o cualquier sistema lineal, es que,
si la entrada al circuito puede descomponerse como una suma de funciones trigonometricas,
entonces, por el principio de superposici on, es posible analizar el efecto de cada una de las
componentes por separado, y luego sumar todas las respuestas obtenidas para generar la
respuesta total. Debido a que estos circuitos lineales no alteran la frecuencia de una se nal de
entrada sinusoidal, entonces para cada componente de frecuencia k
0
habr a una componente
a la salida con la misma frecuencia, pero con magnitud y fase modicadas.
Ahora bien, hasta ahora se ha presentado el calculo de los coecientes que minimiza el
error entre una funci on y su aproximacion como serie de exponenciales complejas, o en el
caso especial de funciones de valor real, los coecientes y desfaces de una serie de funciones
cosenoidales. Sin embargo no se ha analizado en que casos estas series convergen a la funcion
x(t). Las llamadas condiciones de Dirichlet para la funci on x(t) garantizan la convergencia
de la serie de Fourier en todo punto de x(t) exceptuando en sus discontinuidades, donde la
serie converge al valor medio de la discontinuidad. Estas condiciones son:
1. La funci on x(t) es absolutamente integrable en cualquier periodo, esto es:
_
t
0
+Tp
t
0
[x(t)[ dt < (3.40)
2. La funci on x(t) contiene un n umero nito de m aximos y mnimos en cualquier periodo.
3. La funci on x(t) tiene un n umero nito de discontinuidades en cualquier periodo.
Estas condiciones son sucientes, mas no siempre necesarias; es decir, existen funciones con
representaci ones validas en series de Fourier que no satisfacen las condiciones de Dirichlet.
Otro aspecto interesante a mencionar es la rapidez con que la serie de Fourier converge para
funciones reales:
1. Si x(t) tiene un n umero nito de discontinuidades entonces sus coecientes decrecen a
una tasa 1/k.
2. Si x(t) es continua, pero sus primeras derivadas son discontinuas (la funcion tiene
picos) entonces los coecientes decrecen a una tasa 1/k
2
.
3. Si x(t) y todas sus derivadas hasta de n-esimo orden son continuas, pero la (n+1)-esima
derivada es discontinua entonces los coecientes decrecen a una tasa 1/k
n+2
Las observaciones anteriores estipulan que mientras mas suave sea una funci on, mas rapido
convergera su serie de Fourier.
Ejemplo 3.5 Calcule los coecientes de la Serie de Fourier para una se nal rectangular como
la mostrada en la gura 3.12, utilizando las tres bases funcionales presentadas anteriormente.
0
replacemen
t
T
p
T
p
1/
t
0
t
0
+
x(t)
Figura 3.12: Se nal rectangular periodica.
Soluci on:
Los coecientes de la serie exponencial compleja
x(t) =
k=
c
k
e
j
0
kt
se calculan con (3.32) como:
c
k
=
1
T
p
_
Tp
0
e
j
0
kt
x(t) dt =
1
T
p
_
t
0
+
t
0
e
j
0
kt
dt
Para k = 0 se tiene con e
j0
= 1
c
0
=
1
T
p
_
t
0
+
t
0
dt =
1
T
p
t[
t
0
+
t
0
=
1
T
p
[(t
0
+ ) t
0
] =
1
T
p
=
1
T
p
y para k ,= 0
c
k
=
1
T
p
e
j
0
kt
j
0
k
t
0
+
t
0
=
1
T
p
e
j
0
k(t
0
+)
e
j
0
kt
0
j
0
k
=
1
T
p
e
j
0
kt
0
_
e
j
0
k
1
_
j
0
k
=
2
T
p
e
j
0
kt
0
e
j
0
k
2
_
e
j
0
k
2
e
j
0
k
2
_
2j
0
k
=
2
T
p
e
j
0
k(t
0
+
2
)
_
e
j
0
k
2
e
j
0
k
2
_
2j
0
k
=
1
T
p
sen
_
0
k
2
_
0
k
2
e
j
0
k(t
0
+
2
)
c
k
=
1
T
p
sa
_
0
k
2
_
e
j
0
k(t
0
+
2
)
de donde se obtiene nalmente
[c
k
[ =
1
T
p
sa
_
0
k
2
_
c
k
=
_
0
k
_
t
0
+

2
_
si sa (
0
k/2) 0

0
k
_
t
0
+

2
_
si sa (
0
k/2) < 0
Tal y como se establecio anteriormente, por existir discontinuidades en la funcion a apro-
ximar, los coecientes decrecen a una tasa 1/k al ser el seno una funci on acotada y estar
dividida por un termino m ultiplo de k.
N otese que si t
0
se elige como /2 entonces los coecientes c
k
son reales. Estos pueden
gracarse en un eje de frecuencias para varios valores de T
p
y , tal y como lo muestra la
gura 3.13. Los coecientes c
k
se han espaciado de tal modo que el eje horizontal tiene las
mismas unidades de frecuencia, es decir, la distancia entre c
i
y c
i+1
es proporcional a 1/T
p
.
N otese que mientras m as baja la frecuencia, mayor es T
p
y la distancia entre los coecientes
c
k
(que se denominaran aqu lneas espectrales) disminuye. Por otro lado, si aumenta,
entonces la funci on envolvente sa(
0
k/2) se comprime. De la ecuaci on para c
k
se observa
incluso que si tiende a T
p
, entonces
0
k/2 tiende a k, y puesto que sa(k) es cero para
todo k ,= 0, entonces c
k
= 0 para k ,= 0. El unico coeciente diferente de cero es en este
caso entonces c
0
. Esto tiene sentido puesto que si T
p
entonces x(t) sera una funcion
constante, y su unica componente espectral se encuentra en la frecuencia cero.
Para la representaci on como serie innita de funciones cosenoidales desfasadas (3.36)
x(t) =
k=0
c
k
cos(
0
kt +
k
)
se obtiene de lo anterior
c
0
= c
0
=
1
T
p
c
k
= 2[c
k
[ =
2
T
p
sa
_
0
k
2
_
, k > 0
t
f(t)
2
T
p
T
p

-15 -10 -5 0 5 10 15

-15 -10 -5 0 5 10 15
c
k
c
k
kk
(a) (b)

-15 -10 -5 0 5 10 15

-15 -10 -5 0 5 10 15
c
k
c
k
kk
-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30

-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30
c
k
c
k
kk
(c) (d)
Figura 3.13: Secuencia periodica de pulsos rectangulares en tiempo continuo. (a) Representacion
temporal. (b) Lneas espectro de (a) con = 1 y T
p
= 5. (c) Lneas espectrales de
(a) con = 2 y T
p
= 5. (d) Lneas espectrales de (a) con = 1 y T
p
= 10.
k
= c
k
=
_
0
k
_
t
0
+

2
_
si sa (
0
k/2) 0

0
k
_
t
0
+

2
_
si sa (
0
k/2) < 0
La gura 3.14 muestra cuatro aproximaciones de la se nal rectangular utilizando solo la primer
componente espectral (solo c
0
), las primeras dos, cinco y quince componentes. Se aprecia
que la convergencia a la se nal rectangular es relativamente rapida, y se nota c omo todas las
aproximaciones en la discontinuidad de x(t) pasan por el promedio de los lmites de la se nal
a la izquierda y a la derecha de la misma. La aproximaci on de la funcion en las cercanas de
la discontinuidad siempre exhibir a sobreoscilaciones conocidas como el fenomeno de Gibbs.
Puede demostrarse que este fen omeno no desaparece cuando la serie avanza hasta innito,
sino simplemente el pico producido se acerca arbitrariamente a la discontinuidad.
Para la ultima representaci on como serie innita trigonometrica (3.37):
x(t) =
1
2
a
0
+
k=1
a
k
cos
0
kt +
k=1
b
k
sen
0
kt
los coecientes a
k
y b
k
se pueden obtener directamente con (3.38) y (3.39) o utilizando los
0
1
2
-1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1
f(t)
t
-1
-0.5
0
0.5
1
-1 -0.5 0 0.5 1
c
k
cos(
0
kt +
k
)
t
(a) (b)
Figura 3.14: Aproximaciones de la se nal rectangular con 1, 2, 5 y 15 componentes espectrales.
(a) Las aproximaciones, (b) y sus ultimas componentes espectrales consideradas.
resultados anteriores
a
0
= 2c
0
=
2
T
p
a
k
= 2[c
k
[ cos
k
=
2
T
p
sa
_
0
k
2
_
cos
_
0
k
_
t
0
+

2
__
b
k
= 2[c
k
[ sen
k
=
2
T
p
sa
_
0
k
2
_
sen
_
0
k
_
t
0
+

2
__
.
N otese que si se elige t
0
= /2 entonces todos los terminos b
k
desaparecen. 3.5
Ejemplo 3.6 El siguiente caso de aplicaci on del analisis de Fourier se encuentra en el
area de electronica de potencia, donde se estudia la densidad de potencia en los diferentes
arm onicos de una se nal sinusoidal recticada de media onda con un angulo de disparo 0
, tal y como se indica en la gura 3.15. Encuentre la serie de Fourier de esta se nal.
0
t
x(t)
Tp
2
3Tp
4
T
p
3Tp
2
-
Tp
2
-T
p
Tp
2
Figura 3.15: Se nal senoidal recticada de media onda con angulo de disparo .
Soluci on: Una se nal sinusoidal recticada de media onda es cero excepto en el intervalo
que va desde T
p
/2 hasta T
p
/2, tiempo en el que la se nal es senoidal. De este modo, los
coecientes de Fourier se calculan de la siguiente manera:
c
k
=
1
T
p
_
Tp
0
e
j
0
kt
x(t) dt =
1
T
p
_
Tp
2
Tp
2
e
j
0
kt
sen(
0
t) dt
=
1
T
p
_
Tp
2
Tp
2
e
j
0
kt
_
e
j
0
t
e
j
0
t
2j
_
dt
=
1
j2T
p
_
Tp
2
Tp
2
_
e
j
0
t(k1)
e
j
0
t(k+1)
dt
Asumiendo que k ,= 1:
=
1
j2T
p
_
e
j
0
t(k1)
j
0
(k 1)

e
j
0
t(k+1)
j
0
(k + 1)
_
Tp
2
Tp
2
Considerando que
0
= 2/T
p
=
1
4
_
(k + 1)e
j
0
kt
e
j
0
t
(k 1)e
j
0
kt
e
j
0
t
(k 1)(k + 1)
_
Tp
2
Tp
2
=
1
4(k
2
1)
_
ke
j
0
kt
sen(
0
t)2j + e
j
0
kt
cos(
0
t)2
Tp
2
Tp
2
=
e
j
0
kt
2(k
2
1)
[cos(
0
t) + jk sen(
0
t)]
Tp
2
Tp
2
=
e
jk
2(k
2
1)
[cos() + jk sen()]
e
jk
2(k
2
1)
[cos() + jk sen()]
=
1
2(k
2
1)
_
(1)
k+1
e
jk
cos() + jk sen()
La parte imaginaria de los coecientes est a determinada por la parte imaginaria del producto:
e
jk
cos() + jk sen()
cuyo signo depende directamente del signo de k, lo que conrma el hecho de que c
k
= c
k
para la funcion real x(t). Adem as, puesto que las se nales seno y coseno son acotadas, se
deriva que los coecientes de la funci on senoidal recticada convergen a cero con una tasa
de 1/k si es diferente de cero, puesto que en este caso la se nal tiene discontinuidades, y a
una tasa 1/k
2
si es igual a cero, cuando la se nal es continua.
No se han calculado a un los casos k = 1. Para k = 1 se tiene
c
1
=
1
j2T
p
_
Tp
2
Tp
2
_
1 e
j2
0
t
dt
=
1
j2T
p
_
t
e
j2
0
t
j2
0
_
Tp
2
Tp
2
=
1
j2T
p
_
T
p
2
+
1
j2
0
T
p
2

e
j2
j2
0
_
=
1
j2T
p
_
j
0
T
p
+ j
0
T
p
e
j2
j
0
2
_
=
1
8
_
(1 e
j2
) + j2( )
=
1
8
[(1 cos(2)) + j(2 2 + sen(2))]
Puesto que debe cumplirse para el caso k = 1 que c
1
= c
1
entonces:
c
1
=
1
8
[(1 cos(2)) j(2 2 + sen(2))]
0
1
2
3
4
5
6
7
8
9
0
0.2
0.4
k
/2
0
|c
k
|
Figura 3.16: Coecientes de se nal recticada de media onda con angulo de disparo .
La gura 3.16 muestra la magnitud de los coecientes (espectro de tension) para diferentes
valores del angulo de disparo. Se nota que si = , entonces todos los coecientes se
hacen cero. Adem as se aprecia que el mayor valor CD se alcanza para = 0 y decae
monot onicamente hasta cero, tal y como se puede esperar. Para = 0 se observa ademas
que los coecientes impares a partir de k = 3 desaparecen. 3.6
3.2.3 Propiedades de la serie de Fourier
Un operador es un concepto matematico que transforma una funci on en otra. Puede inter-
pretarse como una relacion entre puntos de un espacio funcional, es decir, una relacion que
asigna a una funci on, otra funci on
4
. Ejemplos de operadores son el operador de derivaci on
x
o el operador de integraci on
_
dx. Relacionado con la serie (generalizada) de Fourier
puede considerarse un operador o
F
G
que transforma una funcion peri odica continua en
una serie innita de valores c
k
que puede interpretarse como una funcion de una variable
entera c(k):
c(k) = o
F
G
x(t) =
u
k
(t), x(t))
|u
k
(t)|
2
4
En realidad el termino operador tiene en matematica muchas otras acepciones, reriendose a una funcion,
a un mapeo entre puntos de espacios lineales, o a un mapeo entre funciones, como el aqu utilizado.
para el caso generalizado. Para el caso particular de series de Fourier se cumple u
k
(t) = s
k
(t),
donde s
k
(t) corresponde a las funciones exponenciales armonicamente relacionadas denidas
en (3.27).
Linealidad
Sean dos funciones x
1
(t) y x
2
(t) y dos valores escalares
1
y
2
. Un operador O se
denomina operador lineal si cumple con la propiedad
O
1
x
1
(t) +
2
x
2
(t) =
1
Ox
1
(t) +
2
Ox
2
(t)
El lector puede vericar que los operadores de derivacion e integracion son lineales. Con-
siderese ahora que x
1
(t) y x
2
(t) tienen desarrollos en series generalizadas de Fourier con
coecientes c
1
(k) y c
2
(k) respectivamente. Analizando el c alculo de los coecientes para el
desarrollo generalizado de Fourier de la combinaci on lineal de estas funciones, y recordando
la propiedad de sesquilinearidad del producto interno se obtiene
o
F
G
x(t) = o
F
G

1
x
1
(t) +
2
x
2
(t) =
u
k
(t), x(t))
|u
k
(t)|
2
=
u
k
(t),
1
x
1
(t) +
2
x
2
(t))
|u
k
(t)|
2
=
u
k
(t),
1
x
1
(t))
|u
k
(t)|
2
+
u
k
(t),
2
x
2
(t))
|u
k
(t)|
2
=
1
u
k
(t), x
1
(t))
|u
k
(t)|
2
+
2
u
k
(t), x
2
(t))
|u
k
(t)|
2
=
1
c
1
(k) +
2
c
2
(k)
=
1
o
F
G
x
1
(t) +
2
o
F
G
x
2
(t)
Con lo que se demuestra que toda serie generalizada de Fourier puede considerarse como
un operador lineal, o en otras palabras, los coecientes de la serie generalizada de Fourier
para una combinaci on ponderada lineal
1
x
1
(t)+
2
x
2
(t) son iguales a la misma ponderaci on
lineal de los coecientes de cada funci on x
1
(t) y x
2
(t) por separado.
Para el caso particular de las series de Fourier se puede corroborar la linealidad directamente.
Utilizando el operador o
F
asociado a la serie de Fourier se tiene:
c(k) = o
F

1
x
1
(t) +
2
x
2
(t) =
1
T
p
_
t
0
+Tp
t
0
e
j
0
kt
(
1
x
1
(t) +
2
x
2
(t)) dt
=
1
T
p
_
t
0
+Tp
t
0
e
j
0
kt
1
x
1
(t) dt +
1
T
p
_
t
0
+Tp
t
0
e
j
0
kt
2
x
2
(t) dt
=
1
1
T
p
_
t
0
+Tp
t
0
e
j
0
kt
x
1
(t) dt +
2
1
T
p
_
t
0
+Tp
t
0
e
j
0
kt
x
2
(t) dt
=
1
c
1
(k) +
2
c
2
(k) =
1
o
F
x
1
(t) +
2
o
F
x
2
(t)
Se deja como ejercicio para el lector (ver problema 3.17) demostrar que los coecientes de
la serie trigonometrica de Fourier (3.37) son tambien resultado del mapeo de un operador
lineal.
Ejemplo 3.7 Encuentre los coecientes de la serie de Fourier para la funcion indicada en
la gura 3.17 utilizando la propiedad de linealidad y los resultados del ejemplo 3.5.
0
t
T
p
Tp
2
3Tp
4
T
p
1/
2/
x(t)
Figura 3.17: Funcion conformada por la combinacion lineal de funciones rectangulares.
Soluci on: Hay varias maneras de generar la funci on indicada en la gura 3.17 como combi-
naci on lineal de funciones rectangulares. Aqu se mostrara solo un ejemplo.
Si x
1
(t) es igual a la funci on rectangular con = T
p
/2 y t
0
= 0 entonces su desarrollo es:
x
1
(t) =
k=
c
1k
e
j
0
kt
c
1k
=
1
T
p
sa
_
0
k
2
_
e
j
0
k(t
0
+
2
)
=
1
T
p
sa
_
k
2
_
e
j
k
2
=
_
_
j
2
Tpk
si k es impar
1
Tp
si k es cero
0 si k es par (excepto cero)
Si x
2
(t) es igual a la funci on rectangular con = T
p
/4 y t
0
= T
p
/2 entonces
x
2
(t) =
k=
c
2k
e
j
0
kt
c
2k
=
1
T
p
sa
_
0
k
2
_
e
j
0
k(t
0
+
2
)
=
1
T
p
sa
_
k
4
_
e
j
5k
4
La funcion x(t) tiene entonces como coecientes
c
k
= c
1k
+ 2c
2k
=
1
T
p
sa
_
k
2
_
e
j
k
2
+
2
T
p
sa
_
k
4
_
e
j
5k
4
3.7
Simetras
Una funcion x(t) se denomina simetrica o par si para todo t se cumple x(t) = x(t), y es
llamada asimetrica o impar si x(t) = x(t). En esta secci on se estudian las caractersticas
de los coecientes de las series de Fourier para estos dos casos particulares.
Si en la ecuacion para el calculo de los componentes (3.32) se elige t
0
= T
p
/2 entonces se
obtiene
c
k
=
1
T
p
_
Tp
2
Tp
2
e
j
0
kt
x(t) dt
=
1
T
p
_
_
0
Tp
2
e
j
0
kt
x(t) dt +
_
Tp
2
0
e
j
0
kt
x(t) dt
_
=
1
T
p
_
_
Tp
2
0
e
j
0
kt
x(t) dt +
_
Tp
2
0
e
j
0
kt
x(t) dt
_
=
1
T
p
_
Tp
2
0
_
e
j
0
kt
x(t) + e
j
0
kt
x(t)
_
dt (3.41)
Para el caso en que la funci on sea par, entonces
c
k
=
1
T
p
_
Tp
2
0
x(t)
2
2
_
e
j
0
kt
+ e
j
0
kt
_
dt
=
2
T
p
_
Tp
2
0
x(t) cos
0
kt dt
que son coecientes de valor real. Puesto que el coseno es una funcion par, entonces se
observa que c
k
= c
k
. Esto quiere decir, que si se interpretan estos coecientes como una
funci on de variable entera c(k) = c(k), entonces estos conforman a su vez una funci on par
(ver ejemplo 3.5)
Para el caso de simetra impar se tiene a partir de (3.41):
c
k
=
1
T
p
_
Tp
2
0
x(t)
2j
2j
_
e
j
0
kt
+ e
j
0
kt
_
dt
=
2j
T
p
_
Tp
2
0
x(t) sen
0
kt dt
que son coecientes con solo componente imaginaria, y puesto que el seno es una funci on
impar entonces c
k
= c
k
. Para el caso en que x(t) sea real, ambos resultados para las
simetras par e impar concuerdan con la relacion encontrada anteriormente c
k
= c
k
.
Puesto que toda funci on x(t) puede descomponerse en una componente par x
e
(t) y otra
componente impar x
o
(t), de la siguiente forma
x(t) = x
e
(t) + x
o
(t) (3.42)
x
e
(t) =
x(t) + x(t)
2
(3.43)
x
o
(t) =
x(t) x(t)
2
(3.44)
y considerando la propiedad de linealidad de los coecientes de las series de Fourier, se
deduce que la componente real de los componentes es originada por la componente par de
la funci on, mientras que los componentes imaginarios provienen de la componente impar de
la funcion.
Con respecto a la representaci on trigonometrica de la serie de Fourier (3.37), por la equi-
valencia de los coecientes a
k
y b
k
con c
k
= [c
k
[e
j
k
se deriva que si la funci on x(t) es par,
entonces los b
k
= 2[c
k
[ sen
k
= 0 para todo k, puesto que
k
= 0 o . Por otro lado, si la
funci on es impar, entonces a
k
= 2[c
k
[ cos
k
= 0 para todo k puesto que
k
= /2.
Las siguientes propiedades son utiles en el analisis de simetra:
1. La suma de dos o mas funciones pares es par
2. La suma de dos o mas funciones impares es impar
3. El producto de dos o mas funciones pares es par
4. El producto de dos funciones impares es par
5. El producto de una funci on impar con una par es una funcion impar
6. La derivada de una funcion par es impar
7. La derivada de una funcion impar es una funci on par
Ejemplo 3.8 Encuentre los coecientes de la serie de Fourier para la funcion periodica
representada en la gura 3.18.
0
t
T
p
Tp
2
T
p
1/
1/
x(t)
Figura 3.18: Funcion impar simple
Soluci on: La gura 3.18 muestra una funci on rectangular impar. Esta funcion se diferencia
de las utilizadas en ejemplos anteriores unicamente en nivel CD (el valor promedio) que en
este caso es cero, y por tanto el coeciente c
0
es cero. Observando que la amplitud de la
se nal es dos veces la utilizada en el ejemplo 3.5 se tiene entonces que
x(t) =
k=
c
k
e
j
0
kt
c
k
=
2
T
p
sa
_
0
k
2
_
e
j
0
k(t
0
+
2
)
=
2
T
p
sa
_
k
2
_
e
j
k
2
; k ,= 0
=
_
j
4
Tpk
si k es impar
0 si k es par, incluyendo al cero
que es completamente imaginario y es una funci on de variable entera, impar en k. El lector
puede vericar el resultado haciendo el calculo de c
k
aplicando directamente su denicion a
traves del producto interno.
3.8
Desplazamiento en el tiempo
Si una se nal periodica se desplaza en el tiempo, su periodo T
p
no es alterado. Si los coecien-
tes c
k
del desarrollo en series de Fourier de la funci on x(t) se calculan con (3.32), entonces,
para x(t ) y haciendo la sustitucion de variable u = t
c
k
=
1
T
p
_
t
0
+Tp
t
0
e
j
0
kt
x(t ) dt
=
1
T
p
_
t
0
+Tp
t
0
e
j
0
k(u+)
x(u) du
=
1
T
p
_
t
0
+Tp
t
0
e
j
0
ku
e
j
0
k
x(u) du
= e
j
0
k
1
T
p
_
t
0
+Tp
t
0
e
j
0
ku
x(u) du
= e
j
0
k
c
k
N otese que el termino que aparece debido al desplazamiento temporal solo produce un cambio
de fase, mas no de magnitud a los coecientes.
En ejemplos anteriores con la se nal rectangular se obtuvo que si esta es real y par, entonces los
valores de c
k
son completamente reales. Cuando la se nal se desfaso medio periodo se introdujo
un cambio de fase de la forma e
jk/2
, tal y como lo predice la propiedad de desplazamiento.
Inversi on en el tiempo
Si x(t) tiene como expansi on en serie de Fourier
x(t) =
k=
c
k
e
j
0
kt
entonces se obtiene con k
= k que
x(t) =
k=
c
k
e
j
0
kt
=
=
c
k
e
j
0
k
t
=
=
c
k
e
j
0
k
t
Lo que implica que la funcion x(t) tiene como coecientes c
k
.
Escalamiento en el tiempo
La dilataci on o contracci on del eje temporal t (con inversion o sin ella) se plantea en terminos
de un escalamiento temporal, es decir, multiplicando la variable t por una constante .
Cuando esto ocurre, el periodo de la nueva se nal x(t) es modicado por la misma constante
:
x(t) =
k=
c
k
e
j
0
k(t)
=
k=
c
k
e
j(
0
)kt
Esto puede interpretarse de la siguiente manera: el escalamiento en el tiempo de una funci on
no altera los coecientes c
k
, pero s la serie de Fourier, puesto que sus bases funcionales
e
j(
0
)kt
tienen una nueva frecuencia fundamental
0
.
Multiplicaci on
Dos propiedades estan relacionadas con la multiplicaci on: los coecientes del producto de
dos funciones, y la funci on obtenida al multiplicar los coecientes correspondientes a dos
funciones.
Sean las series
i
a
i
= (. . . +a
1
+a
2
+. . . +a
i
+. . .) y
j
b
j
= (. . . +b
1
+b
2
+. . . +b
j
+. . .).
El producto entre ellas se calcula como entonces
_
i
a
i
__
j
b
j
_
=. . . +a
1
b
1
+a
1
b
2
+. . .+a
1
b
j
+. . .+
. . . +a
2
b
1
+a
2
b
2
+. . .+a
2
b
j
+. . .+
. . . +a
i
b
1
+a
i
b
2
+. . .+a
i
b
j
+. . . + . . . =
j
(a
i
b
j
) (3.45)
Utilizando esto, pueden encontrarse los coecientes del producto de dos funciones periodicas
x
1
(t) y x
2
(t), ambas con el mismo periodo T
p
, y con coecientes c
1
k
y c
2
l
para sus respectivos
desarrollos en series de Fourier:
x(t) = x
1
(t)x
2
(t) =
_

k=
c
1k
e
j
0
kt
__

l=
c
2l
e
j
0
lt
_
=
k=
l=
c
1k
c
2l
e
j
0
(k+l)t
Haciendo una sustitucion de variable l
= l + k, y por lo tanto l = l
k e intercambiando
el orden de las sumatorias
x(t) = x
1
(t)x
2
(t) =
=
_

k=
c
1k
c
2(l
k)
_
. .
c
l
e
j
0
l
t
A la suma
c
l
=
k=
c
1k
c
2(l
k)
se le denomina convolucion discreta de c
1k
y c
2k
. Su signicado en ingeniera ser a analizado
posteriormente, cuando se revisen las propiedades de la transformada z.
Por otro lado, sean c
1k
y c
2k
los coecientes del desarrollo en serie de Fourier de las funciones
x
1
(t) y x
2
(t) respectivamente. Se desea ahora encontrar la funci on x(t) que tiene como
coecientes c
k
el producto c
k
= c
1k
c
2k
:
c
k
= c
1k
c
2k
= c
2k
_
1
T
p
_
t
0
+Tp
t
0
x
1
()e
j
0
k
d
_
=
1
T
p
_
t
0
+Tp
t
0
x
1
()c
2k
e
j
0
k
d
=
1
T
p
_
t
0
+Tp
t
0
x
1
()
_
1
T
p
_
t
1
+Tp
t
1
x
2
()e
j
0
k
d
_
e
j
0
k
d
=
1
T
p
_
t
0
+Tp
t
0
x
1
()
_
1
T
p
_
t
1
+Tp
t
1
x
2
()e
j
0
k(+)
d
_
d
y con t = + , y t
2
= t
1
+
=
1
T
p
_
t
0
+Tp
t
0
x
1
()
_
1
T
p
_
t
1
+Tp+
t
1
+
x
2
(t )e
j
0
kt
dt
_
d
=
1
T
p
_
t
0
+Tp
t
0
_
1
T
p
_
t
2
+Tp
t
2
x
1
()x
2
(t )e
j
0
kt
dt
_
d
e intercambiando el orden de integraci on
=
1
T
p
_
t
2
+Tp
t
2
_
1
T
p
_
t
0
+Tp
t
0
x
1
()x
2
(t ) d
_
. .
x(t)
e
j
0
kt
dt
Es decir, la funci on denida como convolucion periodica de x
1
(t) y x
2
(t), expresada como
x(t) =
1
T
p
_
t
0
+Tp
t
0
x
1
()x
2
(t ) d
tiene como coecientes de Fourier el producto de los coecientes del desarrollo de las funcio-
nes x
1
(t) y x
2
(t), es decir, c
k
= c
1k
c
2k
.
Conjugacion y simetra conjugada
Si x(t) es una funci on compleja, interesa observar como se comportan los coecientes de
x
(t), en comparacion a los c

k
correspondientes a x(t). Aplicando la conjugaci on compleja
a ambos lados de la representacion de funcion como serie se obtiene
(x(t))
=
_

k=
c
k
e
j
0
kt
_
(t) =
k=
c
k
e
j
0
kt
=
k=
c
k
e
j
0
kt
=
k=
c
k
e
j
0
kt
es decir, x
(t) tiene como coecientes c
k
. Esto conrma el resultado anterior (3.33) obte-
nido para funciones reales, pues en dicho caso x(t) = x
(t) y por lo tanto c

k
= c
k
, lo que
representa simetra hermtica con respecto al ndice k.
Derivacion e Integraci on
Considerando la funci on x(t) y su desarrollo en serie de Fourier se puede observar el efecto
de aplicar el operador de derivacion de la siguiente manera:
d
dt
x(t) =
d
dt
_

k=
c
k
e
j
0
kt
_
=
k=
c
k
d
dt
e
j
0
kt
=
k=
(j
0
kc
k
) e
j
0
kt
En otras palabras, la derivacion de una funcion equivale a multiplicar cada uno de sus
coecientes c
k
por j
0
k.
La integraci on es posible si y solo si el coeciente c
0
= 0, puesto que de otra forma la integral
crecer a indenidamente y dejara de ser periodica, condici on que es necesaria para el c alculo
de la serie de Fourier. Por otro lado, el valor de la integral depende del punto inicial de
integraci on:
_
t
t
0
x() d =
_
t
t
0
_

k=
c
k
e
j
0
k
_
d
=
k=
c
k
_
t
t
0
e
j
0
k
d
=
k=
c
k
e
j
0
k
j
0
k
t
=t
0
=
k=
c
k
_
e
j
0
kt
e
j
0
kt
0
j
0
k
_
=
k=
c
k
j
0
k
e
j
0
kt
k=
c
k
j
0
k
e
j
0
kt
0
El segundo termino del lado derecho no depende de la variable t, y por lo tanto corresponde
a una constante determinada por el instante t
0
en el que inicia la integracion. Por convenci on
se toma esta constante como cero cuando t
0
se hace tender a . De esta forma, la integral
de la funci on x(t) tiene como coecientes c
k
/(j
0
k).
Como conclusion debe anotarse que los coecientes de la derivada de x(t), al estar multipli-
cados por j
0
k decrecen m as despacio que los coecientes originales de x(t) y por tanto la
serie converge mas lentamente que la serie de x(t). Por el contrario, al estar divididos los
coecientes de la integral de x(t) por j
0
k entonces esta serie converge m as r apido que la de
x(t).
La relaci on de Parseval
Una resistencia electrica puede utilizarse para modelar cualquier sistema que consuma po-
tencia real, como un motor, o elementos que convierten cualquier forma de energa en calor.
Puesto que en un modelo electrico la potencia instant anea disipada por la resistencia se puede
plantear en terminos de la corriente i(t) o de la tensi on electrica v(t) como P(t) = Ri
2
(t)
o P(t) = v
2
(t)/R, entonces a las funciones de la forma [x(t)[
2
se les asocia usualmente el
concepto de potencia instant anea, y a su integral
_
t
t
0
[x()[
2
d el concepto de energa. Esto
es v alido si se asume que x(t) es la tension o corriente electrica que cae sobre, o circula por
una resistencia R de 1 . En principio, el valor de la resistencia no altera la forma de la
funci on de potencia o de energa, sino que solo produce un escalamiento en amplitud.
Interesa ahora revisar c omo se relaciona la potencia promedio de una se nal periodica en
uno de sus periodos con respecto a los coecientes de su desarrollo en serie de Fourier. La
potencia promedio estar a dada por
P
f
=
1
T
p
_
t
0
+Tp
t
0
[x(t)[
2
dt
y puesto que [x(t)[
2
= x(t)x
(t) se cumple
P
f
=
1
T
p
_
t
0
+Tp
t
0
x(t)x
(t) dt
=
1
T
p
_
t
0
+Tp
t
0
x(t)
_

k=
c
k
e
j
0
kt
_
dt
=
k=
c
k
_
1
T
p
_
t
0
+Tp
t
0
x(t)e
j
0
kt
dt
_
=
k=
c
k
c
k
=
k=
[c
k
[
2
.
A esta relaci on
P
f
=
1
T
p
_
t
0
+Tp
t
0
[x(t)[
2
dt =
k=
[c
k
[
2
(3.46)
se le conoce como la relacion de Parseval e implica que la potencia media de la se nal equivale
a la suma de las potencias medias de cada uno de los componentes frecuenciales c
k
, a los
que tambien se les denomina armonicos. A la gr aca de [c
k
[
2
para cada frecuencia k
0
se le
denomina densidad espectral de potencia, espectro de la densidad de potencia o simplemente
espectro de potencia. Si x(t) es real entonces debido a que [c
k
[ = [c
k
[ = [c
k
[, la densidad
espectral de potencia es una funci on con simetra par. Al par de gr acas de [c
k
[ y c
k
contra
k
0
se les denomina espectro de tensi on, con [c
k
[ par e c
k
impar para funciones reales.
Cambio de periodo por m ultiplo del periodo fundamental
Si la funci on x(t) tiene periodo fundamental T
p
, y se calcula el desarrollo en serie de Fourier
utilizando n periodos nT
p
y no uno como en el caso normal (n IN
+
), entonces se cumple
que la nueva frecuencia del desarrollo 2/(nT
p
) = 2f
0
/n =
0
/n y la funcion x(t) tiene dos
representaciones equivalentes:
x(t) =
k=
c
k
e
j
0
kt
=
l=
c
l
e
j
0
n
lt
La segunda representaci on utiliza una base para el espacio funcional que tiene n veces mas
componentes que la primera representaci on (la distancia entre dos componentes armonicas
es ahora
0
/n en vez de
0
). El conjunto generador e
j
0
kt
engendrar a entonces un subespacio
funcional del espacio producido por e
j
0
n
lt
. Debido a que la primera representaci on converge
a x(t), entonces todas las componentes nuevas en la base e
j
0
n
lt
no son necesarias y los c
l
correspondientes deben ser cero. Se debe cumplir entonces que c
l/n
= c
k
, o de otra forma,
solo los c
l
con l = nk pueden ser diferentes de cero (e iguales a c
k
), mientras que c
l
= 0 para
l ,= nk.
La tabla 3.3 resume las propiedades de la serie de Fourier anteriormente tratadas.
Ejemplo 3.9 Con los coecientes obtenidos para la funcion recticada de media onda,
encuentre los coecientes de la funcion mostrada en la gura 3.19.
Soluci on: Sea x(t) la funci on recticada de media onda. La funcion x
c
(t) en cuestion se
puede expresar como:
x
c
(t) = x(t) x
_
t
T
p
2
_
Por las propiedades de linealidad y de desplazamiento en el tiempo, los coecientes c
k
de la
Tabla 3.1: Propiedades de la Serie de Fourier
Propiedad Se nal en el tiempo Coecientes
x(t) c
k
x
1
(t) c
1
k
x
2
(t) c
2
k
Linealidad
1
x
1
(t) +
2
x
2
(t)
1
c
1
k
+
2
c
2
k
Simetra par x(t) = x(t) c
k
=
2
T
p
_
Tp
2
0
x(t) cos(
0
kt) dt
c
k
IR
Simetra impar x(t) = x(t) c
k
=
2j
T
p
_
Tp
2
0
x(t) sen(
0
kt) dt
c
k
jIR
Funcion real x(t) IR c
k
= c
k
Desplazamiento temporal x(t ) e
j
0
k
c
k
Conjugaci on x
(t) c
k
Inversi on en el tiempo x(t) c
k
Escalamiento en el tiempo x(t), > 0 c
k
Convolucion periodica
_
Tp
x
1
()x
2
(t ) d T
p
c
1
k
c
2
k
Multiplicaci on x
1
(t)x
2
(t)
l=
c
1
l
c
2
kl
Diferenciaci on
dx(t)
dt
jk
0
c
k
Integraci on
_
t
x(t) dt, c
0
= 0
c
k
jk
0
Relaci on de Parseval
1
T
p
_
t
0
+Tp
t
0
[x(t)[
2
dt =
k=
[c
k
[
2
funci on recticada de onda completa se pueden expresar como:
c
k
= c
k
e
j
0
kTp/2
c
k
= c
k
_
1 e
jk
_
= c
k
_
1 (1)
k
_
=
_
2c
k
si k es impar
0 si k es par
3.9
0
t
x
c
(t)
Tp
2
3Tp
4
T
p
5Tp
4
3Tp
2
-
Tp
4
-
Tp
2
-
3Tp
4
-T
p
Tp
2
Figura 3.19: Funcion senoidal truncada con angulo de disparo .
3.3 Transformada de Fourier
En la seccion anterior se analizaron las Series de Fourier, que permiten representar en el
dominio de la frecuencia funciones peri odicas de periodo T
p
, al descomponer estas en sus
componentes espectrales (o componentes armonicas) ubicadas en las frecuencias k
0
(k Z),
con
0
= 2/T
p
. Se dice entonces que una se nal periodica continua tiene un espectro de
frecuencia discreto.
La transformada de Fourier es una extension de los conceptos obtenidos para funciones
periodicas hacia funciones no peri odicas. Fourier desarroll o estos conceptos a partir de una
observacion: una funcion aperiodica puede considerarse como una funci on peri odica con
periodo innito. Ya en el ejemplo 3.5, gura 3.13 se mostr o que el aumentar el periodo de
una se nal nita sin alterar la forma de la parte de se nal diferente de cero, tiene como efecto
el acercamiento entre las lneas espectrales, puesto que estas se ubican en 2k/T
p
. Debe
esperarse entonces que al hacer tender el periodo a innito, las lneas espectrales tambien se
acercar an innitamente.
3.3.1 Transformada de Fourier directa e inversa
T
1
T
1
T
p
T
p
2T
p
2T
p
x(t)
x(t)
t
t
Figura 3.20: Extension periodica de periodo T
p
de funcion aperiodica nita.
154 3.3 Transformada de Fourier
La gura 3.20 muestra una funci on x(t) aperi odica nita, y su extensi on peri odica x(t) de
periodo T
p
. Esta segunda funci on puede representarse a traves de un desarrollo de Fourier:
x(t) =
k=
c
k
e
j
0
kt
(3.47)
donde
0
es la frecuencia angular fundamental que esta relacionada con el periodo funda-
mental por
0
= 2/T
p
. El coeciente c
k
(k-esimo componente espectral) est a asociado
con la frecuencia k
0
, lo que implica que dos componentes espectrales consecutivas est an
separadas por una frecuencia =
0
= 2/T
p
, que se reduce conforme aumenta el periodo
T
p
. Estos coecientes se calculan como
c
k
=
1
T
p
_
Tp
2
Tp
2
x(t)e
j
0
kt
dt
donde, puesto que dentro del intervalo de integraci on
_
Tp
2
,
Tp
2
_
se cumple x(t) = x(t), y
adem as para todo [t[ >
Tp
2
x(t) = 0, entonces
c
k
=
1
T
p
_
Tp
2
Tp
2
x(t)e
j
0
kt
dt =
1
T
p
_

x(t)e
j
0
kt
dt
Si ahora se dene X(j) como la funci on envolvente de los coecientes T
p
c
k
, que se expresa
por
X(j) =
_

x(t)e
jt
dt (3.48)
entonces los puntos c
k
pueden verse como muestras cada k
0
de dicha funcion:
c
k
=
1
T
p
X(jk
0
) (3.49)
A (3.48) se le conoce como Transformada de Fourier de la funci on x(t). A esta funcion
convergen todos los componentes T
p
c
k
cuando T
p
se hace tender a innito. Esta transformada
es entonces un operador que asigna a la funcion x(t) otra funci on X(j). Esta asignacion
entre funciones, que implica un operador funcional, se designa usualmente con el smbolo
F , es decir
X(j) = F x(t)
La relacion entre estas dos funciones se designa adem as con el smbolo :
x(t) X(j)
donde el crculo relleno denota siempre al dominio de la frecuencia, es decir, a la funcion
X(j), y el crculo blanco al dominio del tiempo (x(t)).
En las series de Fourier, denidas para se nales periodicas, las componentes espectrales existen
solo para frecuencias discretas relacionadas arm onicamente k
0
. Ahora con la Transformada
de Fourier se obtiene un espectro continuo para una se nal aperi odica en el dominio de la
frecuencia. La relaci on (3.49) indica entonces que si la funcion no peri odica x(t) es nita y se
utiliza para construir una se nal periodica x(t) de periodo T
p
, donde no hay traslapes, entonces
los coecientes de la serie de Fourier para x(t) son proporcionales a muestras tomadas de la
transformada de Fourier F x(t) a las frecuencias k
0
.
Si se introduce (3.49) en (3.47) se obtiene a su vez
x(t) =
k=
1
T
p
X(jk
0
)e
jk
0
t
=
k=
0
2
X(jk
0
)e
jk
0
t
=
1
2
k=
X(jk
0
)e
jk
0
t
0
=
1
2
k=
X(jk)e
jkt
Si se hace T
p
tender al innito, entonces =
0
= 2/T
p
tender a a un diferencial d,
el termino discreto k tiende a la variable continua , y x(t) tiende a x(t), por lo que la
suma anterior converge en la integral
x(t) =
1
2
_

X(j)e
jt
d (3.50)
que es conocida como la Transformada Inversa de Fourier, denotada por el operador F
1
:
x(t) = F
1
X(j)
Las transformadas directa e inversa de Fourier permiten entonces asociar las representa-
ciones de una se nal en el dominio del tiempo y en el dominio de la frecuencia, donde una
se nal aperiodica contara con un espectro continuo, que contrasta con el espectro discreto de
se nales peri odicas. A pesar de que las deducciones anteriores partieron del hecho de que
la funci on x(t) puede tener duraci on arbitraria pero nita, pueden encontrarse condiciones
de convergencia de estas transformadas para funciones aperi odicas de longitud innita, que
es el tema de la siguiente seccion. De esta forma, a X(j) se le conoce como espectro de
frecuencia de x(t), a [X(j)[ se le conoce como espectro de magnitud y a arg X(j) espectro
de fase.
3.3.2 Convergencia de la Transformada de Fourier
Debido a la relacion estrecha entre la Transformada de Fourier y la Serie de Fourier, es de
esperar que las condiciones de convergencia para ambas esten relacionadas. Se buscan ahora
las condiciones para que la funcion representada por la transformada inversa de Fourier
x(t) =
1
2
_

X(j)e
jt
d
sea equivalente con la funcion x(t) que da origen a la transformada de Fourier X(j)
X(j) =
_

x(t)e
jt
dt
Las condiciones de convergencia para que x(t) = x(t) (excepto en los puntos de disconti-
nuidad, donde x(t) = (x(t
+
) + x(t
))/2) se denominan tambien en este caso condiciones de

Dirichlet y establecen que
1. x(t) debe ser absolutamente integrable
_

[x(t)[ dt <
2. x(t) solo puede tener un n umero nito de maximos y mnimos dentro de cualquier
intervalo nito
3. x(t) solo puede tener un n umero nito de discontinuidades dentro de cualquier intervalo
nito, y esas discontinuidades deben ser nitas.
Estas condiciones son de nuevo sucientes, mas no necesarias, puesto que existen ciertas fun-
ciones que no las cumplen y tienen una representaci on valida en el dominio de la frecuencia.
3.3.3 Ejemplos de Transformadas de Fourier
En esta seccion se evaluaran algunos casos especiales de transformadas de Fourier amplia-
mente utilizados en ingeniera.
Impulso rectangular
La gura 3.21 muestra un impulso rectangular r(t) de ancho y amplitud 1/. Su longitud
nita hace que sea absolutamente integrable, y de hecho
_

[r(t)[ dt =
_
t
0
+
t
0
1
dt = 1 (3.51)
Adem as, solo tiene dos discontinuidades y ning un maximo, por lo que las tres condiciones
de Dirichlet se cumplen y debe entonces existir su transformada de Fourier.
0
t
1/
t
0
t
0
+
r(t)
Figura 3.21: Impulso rectangular de ancho y amplitud 1/.
Con la denici on (3.48) se obtiene para j = 0:
R(j)[
j=0
=
_

r(t) dt =
_
t
0
+
t
0
1
dt = 1 (3.52)
y para j ,= 0
R(j) =
_

r(t)e
jt
dt =
1
_
t
0
+
t
0
e
jt
dt =
e
jt
0
j
_
e
j
1
_
=
e
jt
0
j
2
2
e
j/2
_
e
j/2
e
j/2
_
= e
j(t
0
+
2
)
sen(/2)
/2
que se puede combinar con (3.52) para obtener:
= e
j(t
0
+
2
)
sa(/2) (3.53)
donde se aprecia que los espectros de magnitud y fase son
[R(j)[ = [ sa(/2)[
R(j) =
_
_
t
0
+

2
_
si sa(/2) 0

_
t
0
+

2
_
si sa(/2) < 0
que demuestra que la magnitud espectral depende solo del ancho del pulso , mientras
que la posicion del pulso t
0
afecta la pendiente de la fase lineal. La gura 3.22 representa
las dos componentes del espectro de r(t). Junto a la magnitud se ha gracado ademas
2/([[) [R(j)[.
0
1
-4 -3 -2 -1 0 1 2 3 4
|R(j)|
2
-3
-2
-1
0
1
2
3
-4 -3 -2 -1 0 1 2 3 4
R(j)
2
Figura 3.22: Magnitud y fase del espectro en frecuencia de un impulso rectangular de ancho y
amplitud 1/.
Si se elige t
0
= /2 el pulso quedar a centrado en el origen temporal y el espectro se
torna completamente real R(j) = sa(/2). Utilizando la transformacion inversa se debe
cumplir:
x(t) =
1
2
_

sa
_
2
_
e
jt
d
de donde se nota para el caso especial t = 0,
x(0) =
1
=
1
2
_

sa
_
2
_
d
y con = 2 entonces
_

sa() d =
que tambien puede obtenerse por otros medios de integraci on. Puesto que la funcion sa()
es una funci on par, se cumple ademas
_

0
sa() d =

2
(3.54)
En el apendice B se demuestra esta integral por metodos de integraci on compleja.
Impulso unitario
El impulso unitario o impulso Dirac, denotado con (t) es una funci on que es cero para todo
punto t ,= 0 e innito para t = 0, pero que tiene un area igual a uno (recordar pagina 130),
esto es
(t) =
_
si t = 0
0 si t ,= 0
;
_

() d = 1
Si se multiplica el impulso por una funci on cualquiera x(t), se cumple x(t)(t) = x(0)(t),
por lo que
_
t
x()() d =
_
t
x(0)() d = x(0)
_
t
() d =
_
0 si t < 0
x(0) si t 0
que es conocida como la propiedad de muestreo del impulso unitario. Se cumple ademas
_

x()( t
0
) d = x(t
0
)
lo que se demuestra utilizando las propiedades anteriores haciendo un cambio de variable.
Esto quiere decir que la transformada de Fourier del impulso unitario es
F (t) =
_

(t)e
jt
dt = 1
lo que indica que un impulso unitario contiene todas las componentes espectrales posibles.
Escalon unitario (primer intento)
El escal on unitario, denotado usualmente como u(t), y llamado tambien funcion de Heaviside
es una funci on igual a cero para todo t < 0 y uno para todo t 0, que se expresa como
u(t) =
_
t
() d =
_
0 si t < 0
1 si t 0
A partir de esta relacion se utiliza
d
dt
u(t) = (t)
Para observar su transformada de Fourier se calcula a partir de la denicion
U(j) =
_

u(t)e
jt
dt =
_

0
e
jt
dt
=
e
jt
j
0
=
e
j
j
+
1
j
que no puede calcularse puesto que e
j
no converge. Notese que en principio este escal on
unitario no satisface la condicion de Dirichlet de integraci on absoluta. En las siguientes
secciones se utilizar an otros mecanismos para obtener la transformada de Fourier de esta
funci on.
Funcion exponencial
Una funcion frecuentemente encontrada en sistemas electronicos es
x(t) = e
at
u(t) (3.55)
donde u(t) es el escal on unitario indicado anteriormente, y a es una constante compleja con
Re(a) > 0. La gura 3.23 representa un caso particular, donde se interpreta al n umero
complejo e
at
u(t) como fasor que vara en el tiempo, de modo que se pueden apreciar las
componentes reales e imaginarias, as como la magnitud y fase del valor complejo de x(t) en
funci on del tiempo. Observese que si a
Re
y a
Im
son las componentes real e imaginaria de a
respectivamente, entonces la funci on se puede reescribir como
x(t) = e
(a
Re
+ja
Im
)t
= e
a
Re
t
e
ja
Im
t
donde el termino e
a
Re
t
representa la magnitud del valor complejo y e
ja
Im
t
aporta la fase.
Aplicando la identidad de Euler se obtiene ademas Rex(t) = e
a
Re
t
cos(a
Im
t) y Imx(t) =
e
a
Re
t
sen(a
Im
t).
La transformada de Fourier de esta funcion x(t) es
X(j) =
_

e
at
u(t)e
jt
dt =
_

0
e
(a+j)t
dt
=
e
(a+j)t
(a + j)
0
=
1
a + j
Im{e
at
}
Re{e
at
}
t
Figura 3.23: Representaci on graca de funcion exponencial e
at
u(t).
donde magnitud y fase pueden expresarse como
[X(j)[ =
1
_
Re(a)
2
+ (Im(a) + )
2
X(j) = arctan
_
Im(a) +
Re(a)
_
La gura 3.24 representa estas componentes para el caso especial a IR.
-5 -4 -3 -2 -1 0 1 2 3 4 5
|F(j)|
a
1/a
1
a
2
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
F(j)
4
Figura 3.24: Espectro en magnitud y fase para la funcion exponencial unilateral.
N otese que si en (3.55) se elige a real, y se hace tender a 0, entonces x(t) u(t) y
X(j) = 1/(j), que podra err oneamente interpretarse como la transformada del escalon
unitario. Utilizando la transformada inversa
x(t) =
1
2
_

1
j
e
jt
d
para t = 0 esto equivale a
x(0) = lim
R
1
2
_
R
R
1
j
d = lim
R
lim
r0
+
__
r
R
1
j
d +
_
R
r
1
j
d
_
1
2
y haciendo un cambio de variable en la primera integral
= lim
R
lim
r0
+
_
_
R
r
1
j
d +
_
R
r
1
j
d
_
1
2
= lim
R
lim
r0
+
__
R
r
_
1
j

1
j
_
d
_
1
2
= 0
Para t ,= 0
x(t) =
1
2
_

1
j
e
jt
d
=
1
2
_
0
1
j
e
jt
d +
1
2
_

0
1
j
e
jt
d
y haciendo un cambio de variable en la primera integral
=
1
2
_

0
1
j
e
jt
d +
1
2
_

0
1
j
e
jt
d
=
1
2
_

0
2t
e
jt
e
jt
2jt
d =
1
2
_

0
2t sa(t) d
y con = t entonces d = td y
x(t) =
1
_
t
0
sa() d
Si t > 0 entonces el lmite superior de la integraci on es + y la ecuaci on anterior equivale,
utilizando (3.54), a
x(t) =
1
_

0
sa()d =
1
2
=
1
2
Si t < 0 entonces el lmite superior de la integracion es y la ecuacion anterior equivale,
utilizando (3.54), haciendo un cambio de variable y utilizando la simetra par de la
funci on sa
x(t) =
1
_

0
sa()d =
1
_

0
sa()d =
1
2
=
1
2
Resumiendo,
F
1
_
1
j
_
= u(t)
1
2
=
1
2
sgn(t) =
_
_
1
2
para t > 0
0 para t = 0
1
2
para t < 0
(3.56)
y esta funci on no tiene ning un nivel CD, a diferencia del escal on unitario, cuyo valor promedio
es 1/2.
Funciones con una sola componente espectral
Considerese una funci on x(t) cuya transformada de Fourier es X(j) = c(
0
), con c
constante. Utilizando la ecuacion de la transformada inversa se obtiene
x(t) =
1
2
_

c(
0
)e
jt
d =
c
2
e
j
0
t
es decir, la funcion exponencial compleja e
j
0
t
que oscila a una tasa
0
tiene como trans-
formada de Fourier un unico impulso ubicado en
0
, lo que puede interpretarse como una
unica componente espectral.
Observese que una funci on x(t) = c, con c constante tendra como transformada de Fourier
X(j) = 2c(), lo que implica que solo tiene una componente espectral en
0
= 0.
Escalon unitario
Ahora se dispone de todo lo necesario para determinar la transformada de Fourier de la
funci on escalon unitario u(t). En (3.56) se obtuvo el escalon excepto por un nivel CD,
que ahora puede introducirse considerando la propiedad mencionada y la linealidad de la
transformada de Fourier:
F u(t) =
1
j
+ ()
que existe a pesar de que las condiciones de Dirichlet no se cumplen para u(t). El termino
() aparece al agregar 1/2 a todos los puntos de la funci on correspondiente a F
1
1/j.
Funciones peri odicas
Si ahora se tiene un espectro conformado por una combinacion lineal de impulsos distanciados
por la frecuencia
0
, es decir
X(j) =
k=
2c
k
( k
0
) (3.57)
entonces
x(t) =
1
2
_

k=
2c
k
( k
0
)
_
e
jt
d =
k=
c
k
e
jk
0
t
que es el desarrollo en serie de Fourier para x(t). Esta debe ser entonces periodica con
periodo 2/
0
. En otras palabras, la transformada de Fourier de una funci on periodica
tendr a impulsos separados por la frecuencia
0
, cuya area es escalada por el factor 2c
k
,
donde c
k
son los coecientes correspondientes en su serie de Fourier.
Ejemplo 3.10 Calcule la transformada de Fourier de las funci ones x(t) = sen(
0
t) y
x(t) = cos(
0
t).
Soluci on: El desarrollo en serie de Fourier de x(t) = sen(
0
t) tiene como coecientes
c
k
=
_
_
0 para k Z 1, 1
1
2j
= j
1
2
para k = 1
1
2j
= j
1
2
para k = 1
Por lo que la transformada de Fourier del seno es X(j) = j( +
0
) j(
0
).
Del mismo modo el desarrollo del coseno utiliza
c
k
=
_
0 para k Z 1, 1
1
2
para k = 1
y por lo tanto X(j) = ( +
0
) + (
0
).
Observese que en este caso no se cumple la primera condici on de Dirichlet, que establece que
la funcion debe ser absolutamente integrable. 3.10
Impulso gaussiano
Para mostrar el llamado principio de incertidumbre entre los dominios del tiempo y la fre-
cuencia, se utilizar a como caso especial la funcion de distribuci on normal, o impulso gaussiano
denida como
g(t) =
1
2
e
1
2
(
t
)
2
que es una funci on par de area igual a uno, centrada en cero, cuya extension depende de la
varianza
2
. La gura 3.25 presenta tres casos donde se nota que a mayor varianza, mas
extensa se torna la funcion a pesar de que su area se mantiene constante en la unidad.
Para encontrar la transformada de Fourier se puede proseguir de dos maneras: utilizando
las propiedades de integraci on compleja del captulo anterior, o utilizando propiedades de la
transformada de Fourier que se especicar an en la siguiente seccion.
Para iniciar la demostraci on se utiliza la denicion
G(j) = F g(t) =
_

g(t)e
jt
dt
=
_

2
e
1
2
(
t
)
2
e
jt
dt
=
1
2
_

1
2
(
t
)
2
jt
dt
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
g(t)
t/
2
Figura 3.25: Curvas de distribucion normal con varianzas /2, y 2.
y completando cuadrados en el exponente
=
1
2
_

1
2
h
(
t
)
2
+2jt+(j)
2
(j)
2
i
dt
=
1
2
_

1
2
h
(
t
)
2
+2jt+(j)
2
i
e
1
2
(j)
2
dt
=
1
2
e
1
2
()
2
_

1
2
(
t
+j)
2
dt
=
1
2
e
1
2
()
2
_

1
2
t+j
2
2
dt
Sustituyendo = t + j
2
y dt = d se obtiene
=
1
2
e
1
2
()
2
_
+j
2
+j
2
e
1
2
2
d
que puede interpretarse como una integral en el plano complejo en una trayectoria horizontal
desde hasta a una distancia
2
del eje real. Completando un contorno cerrado como
lo muestra la gura 3.26 se tiene, puesto que el integrando es analtico, que en ese contorno
cerrado la integral es cero, y por lo tanto
_
R+j
2
R+j
2
e
1
2
2
d =
_
R
R+j
2
e
1
2
2
d
_
R
R
e
1
2
2
d
_
R+j
2
R
e
1
2
2
d
=
_
R
R
e
1
2
2
d
_
R
R+j
2
e
1
2
2
d
_
R+j
2
R
e
1
2
2
d
donde, el lector podr a demostrar que para R las dos ultimas integrales al lado derecho
Im{t}
Re{t}
j
2
R R
Figura 3.26: Trayectoria de integracion para calculo de transformada de Fourier de distribucion
normal.
son iguales a cero. Por lo tanto
lim
R
_
R+j
2
R+j
2
e
1
2
2
d =
_

1
2
2
d =
2
con lo que nalmente se puede expresar
G(j) =
1
2
e
1
2
()
2
_
+j
2
+j
2
e
1
2
2
d =
1
2
e
1
2
()
2
2
= e
1
2
()
2
En otras palabras, la transformada de Fourier de g(t) tiene tambien la forma de una dis-
tribuci on normal, pero sin normalizar y con una nueva varianza 1/
2
, donde es este ultimo
detalle es de gran importancia para el an alisis en el dominio de la frecuencia: mientras menor
sea la varianza en el dominio del tiempo, es decir, mientras m as concentrada se encuentre la
se nal en un peque no intervalo de tiempo, mayor ser a el intervalo de frecuencias correspon-
dientes en el dominio de la frecuencia, y mientras mas concentradas esten las componentes
de frecuencia, m as dispersa es la se nal correspondiente en el tiempo. Este llamado principio
de incertidumbre establece que a un evento localizado puntualmente en el dominio de la
frecuencia no se le puede asignar con precision el punto en que el evento ocurre, y un evento
caracterstico que ocurre en un instante preciso de tiempo (por ejemplo, una discontinuidad)
tendr a una representaci on frecuencial distribuida en todo el espectro. Este principio corres-
ponde a la transformada de Fourier en s y no solo al caso particular de las distribuciones
normales, tal y como se observar a con la propiedad de escalado.
La tabla 3.2 resume los ejemplos anteriores y algunas otras transformadas frecuentes.
3.3.4 Propiedades de la Transformada de Fourier
La relaci on estrecha entre las series de Fourier y la transformada de Fourier hace que ambos
operadores compartan la mayor parte de sus propiedades.
Tabla 3.2: Transformadas de Fourier
Nombre Se nal en el tiempo Transformada
Transformacion x(t) =
1
2
_

X(j)e
jt
d X(j) =
_

x(t)e
jt
dt
Impulso unitario (t) 1
Escalon unitario u(t)
1
j
+ ()
Impulso rectangular
1
[u(t t
0
) u(t t
0
)] e
j(t
0
+
2
)
sa(/2)
Exponencial e
at
u(t), Rea > 0
1
a + j
Exponencial por rampa e
at
tu(t), Rea > 0
1
(a + j)
2
Laplaciana e
a|t|
, Rea > 0
2a
a
2
+
2
Exponencial compleja e
j
0
t
2(
0
)
Constante c 2c()
Funcion periodica
k=
c
k
e
jk
0
t
k=
2c
k
( k
0
)
Impulso gaussiano
1
2
e
1
2
(
t
)
2
e
1
2
()
2
Seno sen(
0
t)

j
[(
0
) ( +
0
)]
Coseno cos(
0
t) [(
0
) + ( +
0
)]
Linealidad
Sean dos funciones x
1
(t) y x
2
(t), sus respectivas transformadas de Fourier x
1
(j) y x
2
(j),
y dos valores escalares
1
y
2
. La linealidad de la transformada de Fourier especica que
F
1
x
1
(t) +
2
x
2
(t) =
1
F x
1
(t) +
2
F x
2
(t) =
1
X
1
(j) +
2
X
2
(j)
lo que puede demostrarse utilizando la ecuacion (3.48) y la linealidad del operador de inte-
graci on.
Ejemplo 3.11 Encuentre la transformada de Fourier de las funciones seno y coseno.
Soluci on: Para el seno se cumple
sen(
0
t) =
e
j
0
t
e
j
0
t
2j
y considerando que
e
j
0
t
2(
0
)
se obtiene
F sen(
0
t) = j[(
0
) ( +
0
)]
= j( +
0
) j(
0
)
que concuerda con lo obtenido anteriormente.
Para el coseno se procede de forma similar:
F cos(
0
t) = [(
0
) + ( +
0
)]
3.11
Simetra
La inuencia de la simetra de x(t) en su transformada de Fourier se puede vericar del
mismo modo que se hizo para los coecientes de la serie de Fourier:
X(j) =
_

x(t)e
jt
dt =
_
0
x(t)e
jt
dt +
_

0
x(t)e
jt
dt
=
_

0
x(t)e
jt
dt +
_

0
x(t)e
jt
dt
=
_

0
x(t)e
jt
+ x(t)e
jt
dt
Si se tiene simetra par, entonces x(t) = x(t) y
X(j) =
_

0
x(t)e
jt
+ x(t)e
jt
dt =
_

0
x(t)(e
jt
+ e
jt
) dt
= 2
_

0
x(t) cos(t) dt
Si x(t) es adem as real, y puesto que el coseno es una funcion par, entonces el espectro sera
tambien real y tendr a simetra par con respecto a .
Con la simetra impar se cumple x(t) = x(t) y por tanto
X(j) =
_

0
x(t)e
jt
+ x(t)e
jt
dt =
_

0
x(t)(e
jt
+ e
jt
) dt
= 2j
_

0
x(t) sen(t) dt
Si x(t) es real y utilizando la simetra impar del seno se deriva que el espectro de una funci on
impar es a su vez impar y puramente imaginario.
Desplazamiento en el tiempo y en la frecuencia
Si la funci on x(t) tiene como transformada a X(j) entonces el desplazamiento de x(t) en
el tiempo por una magnitud t
0
tendr a como transformada
x(t t
0
)
_

x(t t
0
)e
jt
dt
y haciendo una sustituci on de variable = t t
0
=
_

x()e
j(+t
0
)
d =
_

x()e
j
e
jt
0
d
=e
jt
0
_

x()e
j
d
=e
jt
0
X(j)
lo que implica que un desplazamiento en el tiempo tambien produce unicamente un cambio
en la fase del espectro de x(t), quien es modicada linealmente sumandole t
0
a la fase de
X(j).
Ahora, si es el espectro X(j) quien se traslada en la frecuencia por una magnitud
0
,
entonces
X(j j
0
)
1
2
_

X(j j
0
)e
jt
d
y haciendo una sustituci on de variable =
0
=
1
2
_

X(j)e
j(+
0
)t
d =
1
2
_

X(j)e
jt
e
j
0
t
d
=e
j
0
t
1
2
_

X(j)e
jt
d
=e
j
0
t
x(t) (3.58)
La siguiente seccion deriva una propiedad muy utilizada en comunicaciones electricas, a
partir del desplazamiento en la frecuencia.
Modulacion
Se dice que una funci on se modula a la frecuencia
0
cuando se multiplica por cos(
0
t). Esto
es
cos(
0
t)x(t) =
e
j
0
t
+ e
j
0
t
2
x(t) =
e
j
0
t
2
x(t) +
e
j
0
t
2
x(t)
Utilizando la propiedad (3.58) y la linealidad se deduce que el espectro de la se nal modulada
es
F cos(
0
t)x(t) =
1
2
X(j + j
0
) +
1
2
X(j j
0
)
lo que implica que el espectro de x(t) se divide en dos mitades, donde una se desplaza a
0
y otra a
0
(gura 3.27).
Otro tipo de modulaci on se obtiene multiplicando la se nal por el sen(
0
t), donde de forma
equivalente a lo anterior se obtiene
sen(
0
t)x(t) =
e
j
0
t
e
j
0
t
2j
x(t) =
e
j
0
t
2j
x(t)
e
j
0
t
2j
x(t)
t t
|X(j)| |F{x(t) cos(t}|

0
x(t) x(t) cos(
0
t)
cos(
0
t)
Figura 3.27: Modulacion de una se nal x(t) y el espectro correspondiente.
Utilizando la propiedad (3.58) y la linealidad se deduce que el espectro de la se nal modulada
es
F sen(
0
t)x(t) =
1
2j
X(j j
0
)
1
2j
X(j + j
0
)
=
e
j/2
2
X(j j
0
)
e
j/2
2
X(j + j
0
)
=
e
j/2
2
X(j j
0
) +
e
+j/2
2
X(j + j
0
)
lo que implica que el espectro de x(t) se divide en dos mitades, donde una se desplaza a
0
y otra invertida a
0
, donde adem as la fase de cada mitad se desplaza en /2.
Conjugacion y Simetra Conjugada
Si la transformada de Fourier de x(t) es X(j), entonces se cumple
x
(t) X
(j)
lo que se demuestra utilizando las propiedades de conjugaci on compleja:
F x
(t) =
_

(t)e
jt
dt =
_

_
x(t)e
jt
_
dt
=
__

x(t)e
jt
dt
_
=
__

x(t)e
j()t
dt
_
= X
(j)
N otese que si x(t) es real, entonces x(t) = x
(t) y por tanto las transformadas de Fourier

de ambas funciones deben ser iguales, de donde se deduce que para funciones reales X(j)
tiene simetra hermtica, es decir, se cumple X(j) = X
(j). Esto implica que las

transformaciones de Fourier de funciones reales tienen componente real y magnitud par,
mientras que su componente imaginaria y fase son impares.
Diferenciaci on e integracion
Para observar el efecto de la derivacion de una funcion x(t) en su transformada de Fourier
se utiliza la transformada inversa:
d
dt
x(t) =
d
dt
_
1
2
_

X(j)e
jt
d
_
=
1
2
_

X(j)
d
dt
e
jt
d
=
1
2
_

jX(j)
. .
F
d
dt
x(t)
e
jt
d
y por lo tanto
d
dt
x(t) jX(j)
Lo anterior se puede generalizar para derivadas de orden superior:
d
n
dt
n
x(t) (j)
n
X(j)
Esta propiedad es de gran utilidad en el an alisis de ecuaciones diferenciales, puesto que la
diferenciaci on en el dominio del tiempo se transforma en una multiplicacion por el factor j
en el dominio de la frecuencia.
De forma equivalente, para la derivada en el dominio de la frecuencia se obtiene
d
d
X(j) =
d
d
__

x(t)e
jt
dt
_
=
_

d
d
_
x(t)e
jt
_
dt
=
_

jtx(t)
. .
F
1
d
d
X(j)
e
jt
dt
de donde
j
d
d
X(j) tx(t)
x
1
(t) x
2
(t)
A A
T T 2T 2T 3T 3T
Figura 3.28: Funciones utilizadas en ejemplo 3.12.
Ejemplo 3.12 Utilice la propiedad de derivacion de la transformada de Fourier para en-
contrar la transformada de las funciones en la gura 3.28.
Soluci on: La propiedad de derivaci on puede utilizarse para calcular facilmente la transfor-
mada de Fourier de funciones que son formadas por segmentos de recta, como las mostradas
en la gura 3.28. En el procedimiento a seguir, se derivan las funciones hasta obtener impul-
sos de Dirac, donde debe tomarse en cuenta que si la funci on original tiene un valor promedio
nito (o nivel CD), al derivar la primera vez dicha informacion se pierde, y debe reinsertarse
posteriormente.
x
1
(t) x
2
(t)
x
1
(t) x
2
(t)
A
T
A
T
A
T
A
T
T T
T T
2T
2T
2T
2T
3T 3T
3T
3T
Figura 3.29: Funciones utilizadas en ejemplo 3.12.
La gura 3.29 muestra la primera y segunda derivadas de las funciones x
1
(t) y x
2
(t). La
funci on x
1
(t) tiene valor promedio igual a cero:
lim
L
1
2L
_
L
L
x
1
(t) dt = lim
L
TA
L
= 0
Puesto que la transformada de Fourier del delta Dirac es 1, entonces por linealidad, y
utilizando las propiedades de desplazamiento y de derivacion, se cumple:
(j)
2
X
1
(j) =
A
T
_
1 e
jT
e
j2T
+ e
j3T

=
A
T
_
e
j
3
2
T
_
e
j
3
2
T
+ e
j
3
2
T
_
e
jT
e
j
T
2
_
e
j
T
2
+ e
j
T
2
__
= 2
A
T
e
j
3
2
T
_
cos
_
3
2
T
_
cos
_
T
2
__
y nalmente se obtiene:
X
1
(j) = 2
A
2
T
e
j
3
2
T
_
cos
_
T
2
_
cos
_
3
2
T
__
Tambien es posible agrupar otros pares de impulsos para obtener expresiones algebraicas
equivalentes. El lector puede realizar agrupaciones diferentes, como por ejemplo los impulsos
en 0 y 2T, y por otro lado en T y 3T para obtener senos. Otro ejercicio sera agrupar los
impulsos en 0 y T, y por otro lado los impulsos en 2T y 3T.
Para el caso de la funcion x
2
(t), el valor promedio es diferente de cero:
lim
L
1
2L
_
L
L
x
2
(t) dt = lim
L
1
2L
_
AT
2
+ A(L T)
_
=
A
2
Este nivel es eliminado en la derivacion, pero se sabe que su transformada de Fourier es
A(), que deber a considerarse en la transformada.
Procediendo de modo similar al caso anterior, se cumple:
X
2
(j) =
A
T(j)
2
_
1 e
jT
+ A()
=
A
T
2
_
e
j
T
2
_
e
j
T
2
e
j
T
2
__
+ A()
= 2j
A
T
2
e
j
T
2
sen
_
T
2
_
+ A()
3.12
Aunque podra intuirse que la transformada de Fourier de la integral de una funci on sera
igual a la transformada de dicha funci on dividida por j, esto es solo parcialmente cierto.
La propiedad de integraci on establece que
_
t
x() d
1
j
X(j) + X(0)()
donde el termino X(0)() describe en el dominio de la frecuencia al valor promedio que
puede resultar de la integracion en el dominio del tiempo, tal y como se observo en el
ejemplo 3.12.
Ejemplo 3.13 Determine la transformada de Fourier del escal on unitario x(t) = u(t).
Soluci on: Puesto que el escal on se puede denir como la integral del impulso, y se sabe que
F (t) = 1 entonces, aplicando la propiedad de integraci on se obtiene
F u(t) = U(j) =
1
j
1 + 1()
=
1
j
+ ()
Tambien se puede corroborar con la propiedad de derivacion que
d
dt
u(t) j
_
1
j
+ ()
_
= 1 + j() = 1
puesto que () = 0. 3.13
Ejemplo 3.14 Encuentre la transformada de Fourier de la distribuci on gaussiana
g(t) =
1
2
e
1
2
(
t
)
2
Soluci on: Anteriormente se demostro la transformada de Fourier de la distribuci on gaussiana
utilizando la teora de funciones del captulo anterior. Ahora se hara uso de la propiedad de
diferenciaci on en ambos dominios para encontrarla.
Derivando g(t) se tiene
d
dt
g(t) =
t
2
g(t)
Ahora, aplicando el operador de la transformada de Fourier a ambos lados y considerando
las propiedades de derivacion en el tiempo y frecuencia se tiene
jG(j) =
1
j
2
d
d
G(j)
lo que puede reescribirse como
d
d
G(j)
G(j)
=
2
e integrando a ambos lados
_

0
d
d
G(j
)
G(j
)
d
=
_

0
2
d
ln G(j) ln G(0) =
1
2
2
y aplicando la funci on exponencial a ambos lados
G(j) = G(0)e
1
2
2
y puesto que
G(0) =
1
2
_

1
2
t
2
2
dt = 1
nalmente se obtiene
G(j) = e
1
2
2
3.14
Escalamiento en tiempo y frecuencia
Si el tiempo se escala por , entonces
F x(t) =
_

x(t)e
jt
dt
sustituyendo = t
=
_
_
1
x()e
j(/)
d > 0
x()e
j(/)
d < 0
=
1
[[
X
_
j
_
La dilatacion temporal de la funcion x(t) ( < 1) trae entonces como consecuencia una
contracci on de su espectro, adem as de un aumento en sus magnitudes. La contracci on
temporal de x(t), por otro lado, expande el espectro y reduce la amplitud del espectro.
N otese la relacion de este hecho con el principio de incertidumbre mencionado anteriormente.
De lo anterior se deriva directamente que si se invierte la se nal x(t) en el tiempo, entonces
su espectro se invierte tambien:
x(t) X(j)
Dualidad
Al comparar las ecuaciones (3.48) y (3.50) que denen las transformadas de Fourier directa
e inversa, se observa que estas son muy similares pero no identicas. Esta semejanza conduce
a la denominada propiedad de dualidad. Para observar la relacion con mas detalle, se parte
de la transformada inversa de Fourier
x(t) =
1
2
_

X(j)e
jt
d
sustituyendo por
2x(t) =
_

X(j)e
jt
d
y reemplazando t por
2x() =
_

X(j)e
j
d
2x() = F X(j)
es decir, si se toma la transformada de Fourier X(j) de una funci on x(t) y se utiliza como
funci on en el tiempo X(jt), entonces su transformada de Fourier ser a igual a la funci on
original evaluada en la frecuencia reejada, y multiplicada por el factor 2, es decir:
F X(jt) = 2x()
Ejemplo 3.15 Determine la transformada de Fourier de la se nal
g(t) = sa(t)
Soluci on: Se demostr o anteriormente que la transformada del impulso rectangular en la
gura (3.21) est a dada por (3.53)
r(t) =
1
[u(t t
0
) u(t t
0
)] R(j) = e
j(t
0
+
2
)
sa(/2)
y con t
0
= /2, y = 2
r(t) =
1
2
[u(t + ) u(t )] R(j) = sa()
donde, empleando la propiedad de dualidad se cumple
R(jt) = sa(t) 2r() =

[u( + ) u( )]
=

[u( + ) u( )]
La funcion sa(t) tiene entonces un espectro rectangular real con componentes espectrales
iguales para el intervalo entre [, ]. 3.15
La propiedad de dualidad permite entonces aplicar las relaciones encontradas en las secciones
anteriores en ambas direcciones: del dominio del tiempo a la frecuencia, y viceversa.
Relacion de Parseval
Interesa ahora observar la relaci on entre la energa de una se nal en el dominio del tiempo
y en el dominio de la frecuencia. Partiendo de la denicion de energa en el dominio del
tiempo
_

[x(t)[
2
dt =
_

x(t)x
(t) dt
=
_

x(t)
_
1
2
_

(j)e
jt
d
_
dt
e invirtiendo el orden de integraci on
_

[x(t)[
2
dt =
1
2
_

(j)
__

x(t)e
jt
dt
_
d
=
1
2
_

(j)X(j) d =
1
2
_

[X(j)[
2
d
Esta llamada relaci on de Parseval establece que la energa total se puede calcular tanto a
traves de la energa por unidad de tiempo [x(t)[
2
como a traves de la llamada densidad de
energa [X(j)[
2
/2. N otese que mientras la relaci on de Parseval para se nales peri odicas
establece los vnculos entre la potencia promedio, para se nales no periodicas establece la
relaci on de la energa en ambos dominios. Esto se debe a que se nales periodicas tienen una
energa innita, por lo que debe usarse la potencia. Se nales con energa nita reciben el
nombre de se nales de energa, se nales con potencia promedio nita reciben el nombre de
se nales de potencia. Puede demostrarse que la potencia promedio de una se nal de energa
es cero.
Multiplicaci on y Convolucion
La propiedad de convoluci on es fundamental para el analisis de sistemas lineales, y se tratara
con detalle en la siguiente seccion. Aqu se introducira la propiedad desde un punto de
vista m as matematico. Utilizando el mismo procedimiento que para las series de Fourier,
si se dene la transformada de Fourier X(j) de la funci on x(t) como el producto de las
transformadas X
1
(j) y X
2
(j) de dos funciones x
1
(t) y x
2
(t) entonces
X(j) = X
1
(j)X
2
(j)
=
__

x
1
(t)e
jt
dt
___

x
2
(t)e
jt
dt
_
cambiando la variable de integraci on en el segundo factor de t a y utilizando (3.45), donde
se considera a las integrales como sumas, se obtiene
=
__

x
1
(t)e
jt
dt
___

x
2
()e
j
d
_
=
_

x
1
(t)x
2
()e
j(t+)
d dt
y con = t + entonces
=
_

x
1
(t)x
2
( t)e
j
d dt
e intercambiando el orden de integraci on
=
_

__

x
1
(t)x
2
( t) dt
_
. .
x
1
(t)x
2
(t)
e
j
d = F x
1
(t) x
2
(t)
En otras palabras, la transformada de Fourier de la convolucion de dos funciones x
1
(t)x
2
(t)
es igual al producto de las transformadas de Fourier de cada funci on.
De forma equivalente se obtiene que el producto de dos funciones x
1
(t)x
2
(t) tendra como
espectro
F x
1
(t)x
2
(t) =
1
2
X
1
(j) X
2
(j)
Tabla 3.3: Propiedades de la Transformada de Fourier
Propiedad Se nal en el tiempo Transformada
x(t) X(j)
x
1
(t) X
1
(j)
x
2
(t) X
2
(j)
Linealidad
1
x
1
(t) +
2
x
2
(t)
1
X
1
(j) +
2
X
2
(j)
Simetra par x(t) = x(t) 2
_

0
x(t) cos(t) dt
X(j) IR
Simetra impar x(t) = x(t) 2j
_

0
x(t) sen(t) dt
X(j) jIR
Funcion real x(t) IR X(j) = X
(j)
Dualidad X(jt) 2x()
Desplazamiento temporal x(t ) e
j
X(j)
Desplazamiento en frecuencia e
j
0
t
x(t) X(j j
0
)
Modulaci on cos(
0
t)x(t)
1
2
X(j j
0
) +
1
2
X(j + j
0
)
Conjugaci on x
(t) X
(j)
Inversi on en el tiempo x(t) X(j)
Escalamiento en el tiempo x(at)
1
[a[
X
_
j
a
_
Convolucion x
1
(t) x
2
(t) X
1
(j)X
2
(j)
Multiplicaci on x
1
(t)x
2
(t)
1
2
X
1
(j) X
2
(j)
Diferenciaci on
dx(t)
dt
jX(j)
tx(t) j
d
d
X(j)
Integraci on
_
t
x(t) dt
1
j
X(j) + X(0)()
Relaci on de Parseval
_

[x(t)[
2
dt =
1
2
_

[X(j)[
2
d
La tabla 3.1 resume las propiedades de la transformada de Fourier anteriormente tratadas.
A continuacion se brinda un ejemplo en el que se usan varias de ellas para encontrar una
transformaci on que no se puede obtener f acilmente de forma directa.
Ejemplo 3.16 Demuestre la propiedad de integracion a traves de las propiedades de con-
voluci on y de la transformada de Fourier del escal on unitario.
Soluci on: La convolucion de una funcion x(t) con el escal on unitario es
x(t) u(t) =
_

x()u(t ) d
lo que, considerando que u(t ) es cero para todo > t y uno para todo t, puede
expresarse como:
x(t) u(t) =
_
t
x() d
Puesto que
F x(t) u(t) = X(j)U(j)
= X(j)
_
1
j
+ ()
_
=
X(j)
j
+ ()X(j)
y considerando que x(t)(t) = x(0)(t)
F
__
t
x() d
_
=
X(j)
j
+ ()X(0)
3.16
Ejemplo 3.17 La funcion puente p
T
(t) mostrada en la gura 3.30 se utiliza para tomar
muestras cada T segundos de alguna se nal x(t) denida en el tiempo. La se nal muestreada
replacemen
T T 2T 3T
t
p
T
(t)
Figura 3.30: Funcion puente utilizada para tomar muestras periodicas en el tiempo de se nales.
x
s
(t) se obtiene entonces a traves del producto de la se nal x(t) y p
T
(t) (gura 3.31):
x
s
(t) = x(t)p
T
(t)
Al periodo T se le conoce como periodo de muestreo, y a su inverso f
s
= 1/T se le denomina
frecuencia de muestreo. Se desea ahora encontrar el espectro de la se nal muestreada X
s
(j)
en terminos del espectro de la se nal sin muestrear X(j) [23].
T
T
T
T
2T
2T
3T
3T
t
t
x(t)
x
s
(t)
Figura 3.31: Muestreo de se nal utilizando la funcion puente.
Soluci on: Puesto que la funci on puente p
T
(t) es peri odica, se puede expresar por medio de
una serie de Fourier con coecientes P
n
:
p
T
(t) =
n=
P
n
e
jn
0
t
;
0
=
2
T
= 2f
s
de modo que se cumple
x
s
(t) = x(t)
n=
P
n
e
jn
0
t
Transformando a ambos lados de la ecuacion y utilizando la propiedad de linealidad se
obtiene
X
s
(j) = F x
s
(t) = F
_
x(t)
n=
P
n
e
jn
0
t
_
=
n=
P
n
F
_
x(t)e
jn
0
t
_
y considerando la propiedad de desplazamiento en frecuencia, lo anterior equivale a
X
s
(j) =
n=
P
n
X(j jn
0
)
= P
0
X(j) +
n=
n=0
P
n
X(j jn
0
)
de donde se deduce que con el muestreo se producen replicas del espectro original de la
se nal X(j), separadas en el dominio de la frecuencia por
0
= 2/T y ponderadas por los
coecientes de la representaci on de la funci on puente como serie de Fourier (gura 3.32).
Si el espectro original X(j) es de banda limitada, es decir, si a partir de cierta frecuencia
2B (donde B es el llamado ancho de banda) se cumple X(j) = 0, entonces eligiendo el
periodo de muestreo sucientemente alto es posible evitar que las replicas se traslapen con
el espectro original. Si x(t) es real, entonces la magnitud de su espectro es par, y por tanto
para evitar el traslape la siguiente replica se deber a posicionar al menos en
0
> 4B lo
180 3.4 Sistemas Lineales e Invariantes en el Tiempo y la Convolucion
(a)
(b)
x(t)
x
s
(t)
t
t
T

0
2f
s
2B
2B
X(j)
2B
2B
X
s
(j)
Figura 3.32: Replicaci on del espectro por medio del muestreo.
que es equivalente a armar que la frecuencia de muestreo f
s
debe ser al menos el doble del
ancho de banda B del espectro X(j) para evitar que las replicas se traslapen.
Se puede demostrar que si no hay traslape entonces es posible rescatar a partir de la se nal
muestreada x
s
(t) la se nal original x(t) utilizando un ltro paso-bajos que permita pasar
unicamente el rango de frecuencias angulares desde 2B hasta 2B.
Estos principios se resumen en el llamado teorema del muestreo que puede resumirse de la
siguiente manera: para muestrear una se nal analogica sin perdidas de informacion se requiere
una tasa de muestreo de al menos el doble del ancho de banda del espectro de la se nal.
3.17
3.4 Sistemas Lineales e Invariantes en el Tiempo y la
Convolucion
En las secciones anteriores se introdujo la propiedad de linealidad en operadores como la
transformada de Fourier, o los coecientes de la serie de Fourier. Esta propiedad de lineari-
dad, junto con la invarianza en el tiempo representan la base para el entendimiento de los
llamados sistemas lineales, dentro de los cuales se encuentran por ejemplo todos los circuitos
RLC, junto con amplicadores operacionales.

Cap 03

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Cap 03

Hochgeladen von

Copyright:

Verfügbare Formate

2 Variable compleja 91

3, el contorno de integraci on solo incluye a z = 2 +

Problema 2.10. Multiplique los siguientes n umeros complejos.

Problema 2.11. Calcule las cinco races 1

entonces el mapeo w = f(z) es tambien bilineal.

. Discuta que ocurre si se tomaran dos curvas simples cualesquiera para

. (Simetra o conmutatividad conjugada).

Figura 3.2: Construccion geometrica para obtener un vector ortogonal.

) se calcula entonces como

son diferentes a los obtenidos con |. Sin embargo, si se establece claramente

en un espacio euclidiano tridimensional est a com-

ortonormal, se cumple que

sobre la base canonica |, y las

) a una funci on real que

. Observese entonces que el k-esimo termino de la combinaci on

, y el instante k se transforma en un valor real

. Bajo estas condiciones, el impulso rectangular se transforma en una construccion igual a

donde, puesto que t

). Los terminos x(t

solicitados son entonces:

= 2 Rez se puede reescribir (3.31), asumiendo

(t), en comparacion a los c

(t) tiene como coecientes c

(t) y por lo tanto c

))/2) se denominan tambien en este caso condiciones de

(t) y por tanto las transformadas de Fourier

(j). Esto implica que las

172 3.3 Transformada de Fourier

Das könnte Ihnen auch gefallen