Mate Supeiror

Se nales y Sistemas
Fundamentos Matem aticos
Se nales y Sistemas
Fundamentos Matem aticos
Pablo Alvarado Moya
Escuela de Ingenier a Electr onica Instituto Tecnol ogico de Costa Rica
Ediciones
CENTRO DE DESARROLLO
DE MATERIAL BIBLIOGRAFICO
Dr.-Ing. Pablo Alvarado Moya

Escuela de Ingenier a Electr onica Instituto Tecnol ogico de Costa Rica Apartado Postal 159 7050 Cartago Costa Rica
Primera Edici on, segunda reimpresi on Centro de Desarrollo de Material Bibliogr aco (CDMB) Instituto Tecnol ogico de Costa Rica Apartado Postal 159 7050 Cartago Costa Rica
621.3822 A 472 s Alvarado Moya, Pablo. Se nales y Sistemas. Fundamentos Matem aticos / Pablo Alvarado Moya. a 1 Ed. Cartago, Costa Rica: Instituto Tecnol ogico de Costa Rica, Centro de Desarrollo de Material Bibliogr aco, 2008. 315 p. : il. ISBN 978-9968-514-06-4
1. Sistemas. 2. Se nales. 3. Teor a de funciones. 4. Series de Fourier. 5. Transformada de Fourier. 6. Transformada de Laplace. 7. Transformada z .
c 2005-2013 Pablo Alvarado Moya Reservados todos los derechos. Ni la totalidad ni parte de este documento pueden reproducirse, registrarse o transmitirse en ninguna forma ni por ning un medio sin permiso previo del autor.
Este documento ha sido elaborado con software libre. Principalmente A L TEX, BibTEX, GNUPlot, Octave, XFig, GNU-Make y Subversion en Linux
Prefacio
La soluci on de problemas t picos en las areas de ingenier a presupone un fuerte dominio matem atico, puesto que la matem atica representa el lenguaje b asico para poder describir tanto el comportamiento de fen omenos en el entorno, como los m etodos utilizados para modicar dichos comportamientos de una manera controlada. El presente texto pretende introducir los fundamentos matem aticos necesarios para el an alisis de se nales y sistemas, y ha sido elaborado para servir de gu a en el curso EL-4701 Modelos de Sistemas impartido en la carrera de Ingenier a Electr onica del Instituto Tecnol ogico de Costa Rica. Un arduo proceso en los u ltimos dos a nos ha precedido este documento, que se presenta en el actual formato por considerar que ya ha alcanzado el grado de madurez necesario. Se ha pretendido cubrir con suciente detalle la materia correspondiente a dicho curso, que involucra fundamentos del c alculo con variable compleja, el an alisis de Fourier, y las transformadas de Laplace y z . Estos temas introducen el vocabulario indispensable para el an alisis de sistemas y se nales llevado a cabo en las u ltimas fases de la carrera de Ingenier a Electr onica, especialmente en las a reas de control autom atico, comunicaciones el ectricas y procesamiento de se nales. Es recomendable, sin embargo, que la revisi on de la materia sea acompa nada por otros libros de texto. Se sugieren entre otros los libros de James [8], y Brown y Churchill [2] para el tema de variable compleja, Oppenheim y Willsky [14] para el an alisis de Fourier y Laplace, y Proakis y Manolakis [16] para la transformada z . Para el lector que tenga inter es en un tratamiento m as formal de la materia se recomiendan adem as los libros de Shilov [19], LePage [11], Davis [3] y Kreyszig [9]. El orden de presentaci on de los temas ha sido adecuado a la forma considerada m as natural para su introducci on. Especialmente la presentaci on del an alisis de Fourier sigue un enfoque m as formal que el tradicionalmente utilizado en textos para ingenier a, con el objetivo de introducir conceptos necesarios para la comprensi on de t opicos frecuentemente utilizados en la actualidad, como la teor a de wavelets, o t ecnicas de modulaci on basadas en ortogonalidad. En cuanto a la distribuci on del curso en un semestre, se recomienda utilizar una semana en el primer cap tulo, de cinco a seis semanas en el cap tulo de variable compleja y un lapso similar para el an alisis de Fourier. Similitudes conceptuales permiten invertir de tres a cuatro semanas tanto con la Transformada de Laplace como con Transformada z . Para nalizar, deseo agradecer a los colegas Ing. N estor Hern andez Hostaller, M.Sc., Ing. Arys Carrasquilla Batista, M.Sc. e Ing. Faustino Montes de Oca Murillo por haber construido la estructura original del curso. A mis estudiantes agradezco el haber sido los m as exigentes
revisores de este texto, as como a mi colega Ing. Gabriela Ort z Le on, M.Sc., con quien hemos dado forma al contenido actual del curso. Finalmente agradezco a mi colega el Ing. David G omez Tames por la exhaustiva revisi on del texto.
Dr. Jos e Pablo Alvarado Moya Cartago, 25 de febrero de 2013
Indice general
Indice de tablas Indice de ejemplos Lista de s mbolos y abreviaciones 1 Introducci on 1.1 Se nales, sistemas y modelos . 1.1.1 Se nales . . . . . . . . . 1.1.2 Sistemas . . . . . . . . 1.1.3 Modelos . . . . . . . . 1.1.4 Diagramas de Bloques 1.2 Estructura del documento . . 1.3 Problemas . . . . . . . . . . . v ix xi 1 1 1 3 4 4 5 7 9 9 9 11 13 14 14 15 16 24 24 25 27 31 35 40 41 41 43 44
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
2 Variable compleja 2.1 Deniciones de algebra abstracta . . . . . 2.1.1 Conjuntos . . . . . . . . . . . . . . 2.1.2 Estructuras algebraicas . . . . . . . 2.1.3 N umeros naturales . . . . . . . . . 2.1.4 Los n umeros enteros . . . . . . . . 2.1.5 Los n umeros racionales . . . . . . . 2.1.6 Los n umeros reales . . . . . . . . . 2.1.7 Los n umeros complejos . . . . . . . 2.1.8 Otros conjuntos . . . . . . . . . . . 2.2 Funciones de variable compleja . . . . . . 2.2.1 El concepto de mapeo . . . . . . . 2.2.2 Mapeos lineales . . . . . . . . . . . 2.2.3 Mapeo de Inversi on . . . . . . . . . 2.2.4 Mapeo bilineal . . . . . . . . . . . 2.2.5 Otros mapeos . . . . . . . . . . . . 2.3 Derivaci on compleja . . . . . . . . . . . . 2.3.1 Algunas deniciones fundamentales 2.3.2 L mites y continuidad . . . . . . . . 2.3.3 Funciones diferenciables y anal ticas i
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
ii
Indice general
2.4
2.5
2.6
2.7 2.8
2.9
2.3.4 Ecuaciones de Cauchy-Riemann . . . 2.3.5 Funciones conjugadas y arm onicas . . 2.3.6 Mapeos conformes . . . . . . . . . . Series complejas . . . . . . . . . . . . . . . . 2.4.1 Series de potencias . . . . . . . . . . 2.4.2 Series de Taylor . . . . . . . . . . . . 2.4.3 Series de Laurent . . . . . . . . . . . Singularidades, ceros y residuos . . . . . . . 2.5.1 Singularidades y ceros . . . . . . . . 2.5.2 Residuos . . . . . . . . . . . . . . . . Integraci on compleja . . . . . . . . . . . . . 2.6.1 Integrales de contorno . . . . . . . . 2.6.2 Teorema de la integral de Cauchy . . 2.6.3 F ormula de la integral de Cauchy . . 2.6.4 Teorema del Residuo . . . . . . . . . Integraci on sobre semic rculos extensos . . . Evaluaci on de integrales reales . . . . . . . . 2.8.1 Caso 1: Integrales impropias . . . . . 2.8.2 Caso 2: Integrales de funciones reales Problemas . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . trigonom etricas . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
47 48 51 53 53 58 61 66 66 67 70 72 76 80 84 85 89 90 91 93 109 109 109 112 122 124 124 131 141 153 153 155 156 165 180 180 184 185 186 188
3 An alisis de Fourier 3.1 Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 Espacios lineales . . . . . . . . . . . . . . . . . . . . . 3.1.2 Tipos de espacios lineales . . . . . . . . . . . . . . . . 3.1.3 Ortogonalidad de funciones . . . . . . . . . . . . . . . 3.2 Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Series generalizadas de Fourier . . . . . . . . . . . . . . 3.2.2 Series de Fourier . . . . . . . . . . . . . . . . . . . . . 3.2.3 Propiedades de la serie de Fourier . . . . . . . . . . . . 3.3 Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . 3.3.1 Transformada de Fourier directa e inversa . . . . . . . 3.3.2 Convergencia de la Transformada de Fourier . . . . . . 3.3.3 Ejemplos de Transformadas de Fourier . . . . . . . . . 3.3.4 Propiedades de la Transformada de Fourier . . . . . . . 3.4 Sistemas Lineales e Invariantes en el Tiempo y la Convoluci on 3.4.1 Linealidad e invarianza en el tiempo . . . . . . . . . . 3.4.2 Convoluci on . . . . . . . . . . . . . . . . . . . . . . . . 3.4.3 Funciones propias . . . . . . . . . . . . . . . . . . . . . 3.4.4 Causalidad y estabilidad . . . . . . . . . . . . . . . . . 3.5 Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
4 Transformada de Laplace 197 4.1 Transformada bilateral de Laplace . . . . . . . . . . . . . . . . . . . . . . . . 198
Indice general
iii
4.2
4.3
4.1.1 Regiones de convergencia . . . . . . . . . . . . . . . . . . . 4.1.2 Propiedades de la transformada de Laplace . . . . . . . . . 4.1.3 La transformada inversa de Laplace . . . . . . . . . . . . . 4.1.4 Sistemas LTI y la transformada de Laplace . . . . . . . . . 4.1.5 Ecuaciones diferenciales lineales con coecientes constantes Transformada unilateral de Laplace . . . . . . . . . . . . . . . . . 4.2.1 Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.2 Ecuaciones diferenciales . . . . . . . . . . . . . . . . . . . Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
202 206 209 221 223 225 227 233 235 241 241 242 243 245 248 248 252 260 268 268 270 271 283 283 287 288 289 293 299 301 303 311
5 Transformada z 5.1 Funciones en tiempo discreto . . . . . . . . . . . . . . . . 5.1.1 Conversi on anal ogica/digital . . . . . . . . . . . . 5.1.2 Representaciones de funciones de variable discreta 5.1.3 Se nales elementales de variable discreta . . . . . . 5.2 Transformada z bilateral . . . . . . . . . . . . . . . . . . 5.2.1 Transformada z bilateral directa . . . . . . . . . . 5.2.2 Propiedades de la transformada z bilateral . . . . 5.2.3 Transformada z inversa . . . . . . . . . . . . . . . 5.3 Sistemas en tiempo discreto . . . . . . . . . . . . . . . . 5.3.1 Descripci on entrada-salida de sistemas . . . . . . 5.3.2 Tipos de sistemas en tiempo discreto . . . . . . . 5.3.3 An alisis de sistemas LTI en tiempo discreto . . . 5.4 Transformada z unilateral . . . . . . . . . . . . . . . . . 5.4.1 Denici on y propiedades . . . . . . . . . . . . . . 5.4.2 Respuestas natural y forzada . . . . . . . . . . . . 5.5 Interconexi on de sistemas . . . . . . . . . . . . . . . . . 5.5.1 Diagramas de bloques . . . . . . . . . . . . . . . 5.6 Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . Bibliograf a A Teorema de Green B Demostraciones de integrales Indice alfab etico
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
iv
Indice general
Indice de tablas
1.1 2.1 2.2 2.3 2.4 2.5 3.1 3.2 3.3 4.1 4.2 4.3 4.4 5.1 5.2 Caracter sticas de las se nales . . . . . . . . . . . . . . . . . . . . . . . . . . . Estructuras similares a grupos. . . . . . . . . . . . . . . . . . Estructuras similares a anillos . . . . . . . . . . . . . . . . . . Propiedades de la suma y la multiplicaci on con Z. . . . . . . . Estructuras algebraicas num ericas. . . . . . . . . . . . . . . . Valores de integrales en los semic rculos extensos mostrados en . . . . . . . . . . . . . . . . . . . . la gura . . . . . . . . . . . . 2.38. 3 12 13 14 17 89
Propiedades de la Serie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . 152 Transformadas de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 Propiedades de la Transformada de Fourier . . . . . . . . . . . . . . . . . . . 177 Propiedades de la Transformada Bilateral de Laplace . . . . . . Transformadas Bilaterales de Laplace de funciones elementales . Transformadas Unilaterales de Laplace de funciones elementales Propiedades de la Transformada Unilateral de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 216 226 227
Transformada z bilateral de algunas funciones comunes . . . . . . . . . . . . 254 Propiedades de la transformada z bilateral. . . . . . . . . . . . . . . . . . . . 259
vi
Indice de tablas
Indice de ejemplos
2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 2.14 2.15 2.16 2.17 2.18 2.19 2.20 2.21 2.22 2.23 2.24 2.25 2.26 2.27 2.28 2.29 2.30 2.31 3.1 3.2 3.3 3.4 Propiedades de operaciones . . . . . . . . . . . . . . . . . Diagrama de Argand . . . . . . . . . . . . . . . . . . . . Mapeo de una l nea recta . . . . . . . . . . . . . . . . . . Mapeo lineal de rectas . . . . . . . . . . . . . . . . . . . . Mapeo lineal de c rculos . . . . . . . . . . . . . . . . . . . Mapeo lineal de una regi on . . . . . . . . . . . . . . . . . Carta de Smith . . . . . . . . . . . . . . . . . . . . . . . Derivada de f (z ) = z . . . . . . . . . . . . . . . . . . . . Derivada de f (z ) = z . . . . . . . . . . . . . . . . . . . . Funci on anal ticas y las ecuaciones de Cauchy-Riemann . Funciones conjugadas . . . . . . . . . . . . . . . . . . . . Mapeo conforme . . . . . . . . . . . . . . . . . . . . . . . Mapeo conforme exponencial . . . . . . . . . . . . . . . . Radio de convergencia de derivadas . . . . . . . . . . . . Serie de potencias . . . . . . . . . . . . . . . . . . . . . . Serie de Taylor de la funci on cosenoidal . . . . . . . . . . Series de Taylor . . . . . . . . . . . . . . . . . . . . . . . Serie de Laurent . . . . . . . . . . . . . . . . . . . . . . . Series de Laurent con diferentes regiones de convergencia C alculo de residuos . . . . . . . . . . . . . . . . . . . . . C alculo de residuos . . . . . . . . . . . . . . . . . . . . . Residuo de una singularidad esencial . . . . . . . . . . . . Integral de contorno . . . . . . . . . . . . . . . . . . . . . Integral de contorno cerrada alrededor de polo simple . . Integral de contorno cerrada alrededor de polo m ultiple . Integraci on compleja . . . . . . . . . . . . . . . . . . . . Teorema de la integral de Cauchy . . . . . . . . . . . . . F ormula integral de Cauchy . . . . . . . . . . . . . . . . Integraci on por teorema del residuo . . . . . . . . . . . . Integraci on innita real . . . . . . . . . . . . . . . . . . . Integraci on de una funci on trigonom etrica real . . . . . . Coecientes de una base ortogonal . . . . . . . . . . . . . Ortogonalidad en el espacio euclidiano bidimensional . . . Cambio de base para un vector . . . . . . . . . . . . . . . Proyecci on de funciones sobre base can onica funcional . . vii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 17 26 28 30 30 37 44 45 48 50 51 52 55 56 59 59 62 63 68 69 70 73 75 75 79 80 83 85 90 91 116 119 120 130
viii
Indice de tablas
3.5 3.7 3.8 3.10 3.12 3.13 3.14 3.15 3.16 3.17 3.18 3.19 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.11 4.12 4.13 4.14 4.15 4.16 4.17 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 5.10 5.11 5.12 5.13 5.14 5.15
Serie de Fourier de se nal rectangular . . . . . . . . . . . . . . . . . . . . . . Linealidad en las series de Fourier . . . . . . . . . . . . . . . . . . . . . . . Simetr a en series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . Transformada de Fourier del seno y el coseno . . . . . . . . . . . . . . . . . Propiedad de derivaci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Propiedad de integraci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . Transformada de Distribuci on Normal . . . . . . . . . . . . . . . . . . . . . Dualidad de la transformada de Fourier . . . . . . . . . . . . . . . . . . . . Uso de propiedades para el c alculo del principio de integraci on . . . . . . . Muestreo de se nales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sistemas lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sistemas invariantes en el tiempo . . . . . . . . . . . . . . . . . . . . . . . . Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . Regi on de convergencia de la transformada de Laplace . . . . . . . . . . . . Transformada de Laplace y ROC . . . . . . . . . . . . . . . . . . . . . . . . Transformada de Laplace de funci on nita . . . . . . . . . . . . . . . . . . Convergencia de funciones bilaterales . . . . . . . . . . . . . . . . . . . . . Derivaci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Inversi on por integraci on de funci on racional con polo simple . . . . . . . . Inversi on por integraci on de funci on racional con polos de orden superior . . Inversi on por integraci on de funci on con polo en cero . . . . . . . . . . . . . Transformada de Laplace de un t ermino de segundo orden . . . . . . . . . . Transformada inversa de Laplace por descomposici on en fracciones parciales Estabilidad y regiones de convergencia . . . . . . . . . . . . . . . . . . . . . Estabilidad de sistemas de segundo orden . . . . . . . . . . . . . . . . . . . Circuito RLC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Transformada unilateral de Laplace de una funci on peri odica . . . . . . . . Soluci on de ecuaci on diferencial con condiciones iniciales . . . . . . . . . . . Transformada z de funciones nitas . . . . . . . . . . . . . . . . . . . . . . Transformada z de funci on exponencial . . . . . . . . . . . . . . . . . . . . Transformada z de funci on exponencial causal general . . . . . . . . . . . . Transformada z de funci on exponencial anticausal general . . . . . . . . . . Transformada de combinaci on lineal de exponenciales . . . . . . . . . . . . Linealidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Escalado en el dominio z . . . . . . . . . . . . . . . . . . . . . . . . . . . . Inversi on temporal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Diferenciaci on en el dominio z . . . . . . . . . . . . . . . . . . . . . . . . . Transformada z inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Transformada z inversa por divisi on polinomial . . . . . . . . . . . . . . . . Transformada z inversa por series de Taylor . . . . . . . . . . . . . . . . . . Conversi on de funci on impropia en un polinomio m as una funci on propia . Continuaci on de ejemplo 5.13 . . . . . . . . . . . . . . . . . . . . . . . . . . Expansi on en fracciones parciales con solo polos simples . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
136 143 145 162 170 172 173 175 177 178 181 182 199 199 200 203 204 208 211 212 213 215 217 222 223 224 229 233 249 249 250 251 252 252 255 257 257 260 261 262 263 264 265
Indice de ejemplos
ix
5.16 5.17 5.18 5.19 5.20 5.21 5.22 5.23 5.24 5.25 5.26 5.27 5.28 5.29 5.30 5.31 5.32 5.33 5.34
Expansi on en fracciones parciales con polos dobles . . Descripci on entrada-salida . . . . . . . . . . . . . . . Salida de sistema acumulador . . . . . . . . . . . . . . Invarianza en el tiempo . . . . . . . . . . . . . . . . . Sistemas lineales . . . . . . . . . . . . . . . . . . . . . Descomposici on en impulsos . . . . . . . . . . . . . . Convoluci on . . . . . . . . . . . . . . . . . . . . . . . Reacci on de sistemas con respuesta exponencial . . . . Sistemas lineales discretos en el dominio z . . . . . . . Estabilidad y convergencia . . . . . . . . . . . . . . . Estabilidad y convergencia . . . . . . . . . . . . . . . Sistemas en tiempo discreto recursivos y no recursivos Ecuaci on de diferencias a partir de transformada z . . Transformada z unilateral . . . . . . . . . . . . . . . . Transformada z unilateral y adelanto temporal . . . . Teorema del valor nal . . . . . . . . . . . . . . . . . Respuestas natural y forzada. . . . . . . . . . . . . . . Diagrama de bloques . . . . . . . . . . . . . . . . . . Sistema retroalimentado . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
266 268 269 270 271 272 273 274 276 278 278 280 282 283 285 286 287 290 291
Indice de ejemplos
Lista de s mbolos y abreviaciones

Notaci on general
IN+ , IN IN, IN0 Z Q IR C AB AB AB A\B j Conjunto de los n umeros naturales sin cero IN+ = IN\{0}. Conjunto de los n umeros naturales IN = {0, 1, 2, . . .}. Conjunto de los n umeros enteros Z = {. . . , 2, 1, 0, 1, 2, . . .}. Conjunto de los n umeros racionales Q = {q | q = n ; n, d Z}. d Conjunto de los n umeros reales. Conjunto de los n umeros complejos. A es subconjunto de B . A uni on B . A intersecci on B . A menos B . j 2 = 1 Mapeo de un dominio temporal al dominio frecuencial o z Mapeo de un dominio frecuencial (o z ) al dominio temporal (a, b) Par ordenado con primer componente a y segundo componente b. a, b Producto interno entre a y b z Complejo conjugado de z z o arg z Angulo o argumento del n umero complejo z Im(z ) o zIm Parte imaginaria del n umero complejo z Re(z ) o zRe Parte real del n umero complejo z T [] Transformaci on realizada por un sistema F {} Transformada de Fourier 1 F {} Transformada inversa de Fourier L {} Transformada de Laplace 1 L {} Transformada inversa de Laplace Z {} Transformada z 1 Z {} Transformada inversa z y Escalar. A Matriz. a11 a12 a1m a21 a22 a2m A= . . . . . . . . . . . . an1 an2 anm
xi
xii
Lista de s mbolos y abreviaciones
Vector.
x1 x2 T x = [x1 x2 . . . xn ] = . . . xn Entrada acotada Salida acotada (bounded input bounded output ) Digital Signal Processing (o Processor ). Respuesta nita al impulso (Finite Impulse Response ) Respuesta innita al impulso (Innite Impulse Response ) Sistema lineal e invariante en el tiempo (Linear and Time Invariant ) Procesamiento Digital de Se nales. Regi on de convergencia (Region of Convergence ).
Abreviaciones
BIBO DSP FIR IIR LTI PDS ROC
Cap tulo 1 Introducci on

La principal tarea de un ingeniero es aplicar sus conocimientos cient cos y tecnol ogicos en la soluci on de problemas de ndole t ecnica, optimizando dichas soluciones bajo consideraci on de restricciones y requisitos impuestos por materiales, consideraciones tecnol ogicas, econ omicas, legales, ambientales y humanas [15]. Para encontrar la soluci on a un problema concreto es, entonces, estrictamente necesario comprender todos fen omenos involucrados, de modo tal que se cuente con suciente informaci on para poder dise nar la interacci on y manipulaci on del entorno orientada a obtener los resultados deseados. El lenguaje utilizado para describir dichos fen omenos con la precisi on necesaria es la matem atica. El presente texto tiene como objetivo introducir las bases de matem atica avanzada utilizados en ingenier a. Estos conceptos permiten simplicar el an alisis de fen omenos f sicos encontrados en las a reas de termodin amica, o ptica, ac ustica, mec anica, sismolog a y electricidad, por mencionar algunas, y constituyen la base conceptual de tres grandes areas de la ingenier a el ectrica y electr onica, a saber: comunicaciones el ectricas, procesamiento de se nales, y control autom atico. Todas estas ramas comparten el mismo lenguaje matem atico, que permite caracterizar se nales, sistemas y modelos. Estos t erminos se introducen a continuaci on.
1.1
1.1.1
Se nales, sistemas y modelos

Se nales
Una se nal es el resultado de la observaci on o medici on de una cantidad f sica que var a con el tiempo, espacio o cualquier otra variable o variables independientes, y que lleva asociado un contenido sem antico, es decir, un signicado propio para la aplicaci on donde la se nal se encuentre. En general, toda se nal contiene informaci on que se desea extraer o modicar de acuerdo a 1
1.1 Se nales, sistemas y modelos
los requerimientos de las diversas aplicaciones. Un sism ografo, por ejemplo, registra se nales s smicas que contienen informaci on sobre intensidad y frecuencias de los sismos, con ayuda de las cuales pueden determinarse entre otras cosas la ubicaci on de epicentros y origen de los s smos. Las se nales electrocardiogr acas le permiten al m edico determinar el estado del coraz on de sus pacientes. Las se nales son representadas por funciones matem aticas de una o m as variables. Una se nal de voz, por ejemplo, puede representarse como una funci on de una variable temporal f (t), mientras que im agenes se pueden considerar como funciones de dos variables espaciales f (x, y ). Las se nales pueden ser adem as escalares o vectoriales. Si la voz se captura con un micr ofono monof onico, la se nal el ectrica de salida tendr a por ejemplo un solo valor de tensi on el ectrica en cada instante de tiempo. Por otro lado, un electroencefalograma provee un conjunto o vector de se nales el ectricas provenientes de los diferentes electrodos para cada instante t: f1 (t) f2 (t) f (t) = . . . fn (t)
Otro ejemplo de se nales vectoriales utilizadas frecuentemente en ingenier a son las im agenes en color, en las que cada elemento de la im agen o pixel se representa como un vector en un espacio de color, donde las componentes del vector pueden, por ejemplo, representar los valores de los colores primarios rojo, verde y azul. A cada una de las componentes de las se nales vectoriales se les denomina usualmente canales y por lo tanto a la se nal se le denota como multicanal . Las variables de las que depende la se nal pueden ser discretas o continuas. La salida de un foto-transistor puede ser por ejemplo obtenida en todo instante de tiempo t (variable continua), mientras que el n umero de llamadas realizado por hora es una se nal que una compa n a telef onica puede generar para instantes discretos de tiempo nT distanciados por un intervalo de T = 1 h (variable discreta). Los puntos donde la variable independiente de una se nal discreta est a denida no deben ser necesariamente equidistantes; sin embargo, usualmente esto es asumido por conveniencia computacional y manejabilidad matem atica. Los valores que puede tomar una se nal pueden ser tambi en discretos o continuos. As , el voltaje del fototransistor puede tomar cualquier valor real en un intervalo, mientras que el n umero de llamadas es siempre un valor entero. Tambi en los valores de una funci on discreta pueden ser equidistantes o seguir otros patrones m as complejos (como el logar tmico). El t ermino digital se utiliza para se nales de variables independientes discretas y de valores discretos, mientras que anal ogica es una se nal con variables independientes continuas y valores continuos. Muchos aspectos del tratamiento de se nales digitales pueden ser analizados matem aticamente de manera m as simple a trav es de funciones cont nuas de variable discreta, llamadas usualmente se nales en tiempo discreto, por representar la variable independiente generalmente instantes de tiempo denidos. Un u ltimo criterio de car acter matem atico para clasicar las se nales es su naturaleza es-
1 Introducci on
tad stica: las se nales pueden ser deterministas si puede especicarse con precisi on la forma de la funci on. Por ejemplo, para se nales deterministas denidas en el tiempo, sus valores en el pasado, presente y futuro son siempre conocidos (por ejemplo, una se nal senoidal). Las se nales aleatorias solo permiten una descripcion aproximada de la forma de su funci on, por tener asociado un comportamiento impredecible (por ejemplo, un generador de ruido, una se nal s smica, una se nal ac ustica de voz). Tabla 1.1: Caracter sticas de las se nales Caracter stica N umero de variables Dimensionalidad Variables independientes Valores de la se nal Naturaleza estad stica una variable escalar discretas discretos deterministas Valores multiples variables vectorial (multicanal) continuas continuos aleatorias
La tabla 1.1 resume las caracter sticas utilizadas para clasicar las se nales. En el presente texto se estudiar an se nales de una variable, de valor escalar, en tiempo discreto y continuo, con valores continuos, y con una naturaleza determinista.
1.1.2
Sistemas
El t ermino sistema denota a una colecci on o conjunto de elementos interrelacionados que conforman un todo unicado [24]. Su ra z etimol ogica es el t ermino latino syst ema, que a su vez proviene del griego relacionado con los conceptos combinar e instalar. Un sistema puede formar parte de otro sistema de mayor nivel, en cuyo caso al primero se le denomina subsistema. Los diferentes subsistemas intercambian por lo general informaci on, materia o energ a para lograr alg un objetivo. Los t erminos se nales de entrada o de salida se utilizan entonces para abstraer ese ujo de informaci on, materia o energ a en el concepto matem atico de funciones. El sistema entonces puede interpretarse como un conjunto de subsistemas que logran transformar una se nal en otra. Estos dispositivos pueden ser entes f sicos, como un circuito electr onico, o virtuales, como algoritmos implementados en software. Como ejemplo puede citarse un motor CD. La tensi on el ectrica de entrada puede considerarse a su vez como la se nal de entrada, la velocidad angular del eje podr a representar la se nal de salida. Desde esta perspectiva el motor es un sistema completo que transforma una se nal de tensi on en una se nal de velocidad angular. Por supuesto otras interpretaciones son posibles, como por ejemplo el motor es un sistema que transforma energ a el ectrica en energ a mec anica. En este u ltimo caso las se nales de entrada y salida ser an entonces mediciones de potencia o energ a. Por otro lado, este motor puede formar parte de sistemas m as complejos, como una unidad de disco compacto, que a su vez forma parte de un computador personal, y este puede ser un elemento de una red de computadoras, y as sucesivamente.
1.1 Se nales, sistemas y modelos
1.1.3
Modelos
En el presente contexto, modelo es una abstracci on matem atica de un sistema, que permite sustituirlo cuando se estudia la relaci on entre las se nales de entrada y salida. Ejemplos sencillos de modelos son las ecuaciones utilizadas para representar los componentes pasivos b asicos en circuitos el ectricos. As , un resistor se modela con una ecuaci on lineal que relaciona tensi on y corriente con una constante de proporcionalidad, mientras que para condensadores y bobinas se utilizan ecuaciones diferenciales para este n. Los modelos normalmente simplican la realidad y tienen validez solo para un rango restringido de puntos de operaci on. Por ejemplo, el modelo de una resistencia real como relaci on de proporcionalidad pierde validez si se utilizan frecuencias muy elevadas, pues efectos inductivos y capacitivos dejan de ser despreciables. Los modelos matem aticos introducidos en este texto son modelos lineales . A pesar de que estos no pueden caracterizar todo sistema real, son ampliamente utilizados en ingenier a por su versatilidad. A un en los sistemas no lineales, los modelos lineales se pueden utilizar para describir por separado secciones del modelo completo. En resumen, el presente texto revisa la matem atica necesaria para describir sistemas y sus se nales de entrada y salida, materia que ser a de necesaria para profundizar en las a reas de control autom atico, comunicaciones el ectricas y procesamiento de se nales tanto anal ogicas como digitales.
1.1.4
Diagramas de Bloques
En ingenier a se utilizan diagramas de bloques para representar las relaciones entre sistemas, subsistemas, se nales y sus modelos (gura 1.1). Las se nales se representan con las l neas, donde la echa indica si la se nal sale o entra a un bloque de procesamiento particular.
Sistema Seal de Entrada Seal de Salida
Figura 1.1: Diagrama de bloques de un sistema con sus se nales de entrada y salida.
Estos bloques pueden interconectarse de diferentes formas para formar sistemas m as complejos. Por ejemplo, la gura 1.2 muestra un t pico sistema de comunicaciones con sus tres elementos, transmisor, canal y receptor, donde cada uno de ellos puede verse como un subsistema con sus propios bloques internos. El transmisor prepara la se nal para poder ser enviada a trav es del canal, quien la distorsiona debido a sus caracter sticas f sicas y a interferencias y ruidos introducidos en el medio. El receptor intenta reconstruir el mensaje original a partir de la se nal recibida. La gura 1.3 muestra otro ejemplo: el diagrama de bloques de un sistema de control realimentado. Una se nal de referencia x(t) es utilizada para indicar el valor deseado a la salida
1 Introducci on
Transmisor Mensaje de entrada Seal transmitida
Canal Seal recibida
Receptor Mensaje reconstruido
Figura 1.2: Diagrama de bloques de un sistema t pico de comunicaciones el ectricas.
de una planta. Esta se nal es comparada con la salida real de la planta, modelada bajo consideraci on de posibles perturbaciones al sistema. De esta comparaci on resulta una se nal de error. El controlador es un subsistema que se encarga de modicar la se nal de entrada a la planta de tal modo que la se nal de error pueda reducirse.
Perturbaci on p( t ) Entrada de referencia x (t)
+
Se nal de realimentaci on r (t)
e( t ) Controlador
v (t) Planta
Salida y (t)
Sensor(es)
Figura 1.3: Diagrama de bloques de un sistema t pico de control realimentado.
1.2
Estructura del documento
Los modelos matem aticos utilizados en diversas ramas de la ingenier a basan su utilidad en propiedades espec cas de las funciones de variable compleja. Estas permiten simplicar el an alisis num erico y anal tico que se requerir a en caso de utilizar dominios de variable real. Es por ello que la primera parte del presente texto (cap tulo 2) cubre el estudio de la variable compleja, necesario para comprender los operadores funcionales estudiados en el resto del documento y que son base de diversas a reas de la ingenier a. El an alisis de Fourier (cap tulo 3) representa quiz a la herramienta de m as frecuente uso en el an alisis de sistemas de comunicaciones el ectricas. Este es adem as la base del procesamiento y an alisis autom atico de se nales y se emplea en el estudio de sistemas electr onicos de potencia. Generalizando los conceptos matem aticos del an alisis de Fourier se deriva la Transformada de Laplace (cap tulo 4), con la que pueden solucionarse de manera relativamente sencilla ecuaciones diferenciales que describen el comportamiento de gran cantidad de fen omenos f sicos. La Transformada de Laplace es la herramienta por excelencia en la descripci on de sistemas lineales en el area de control autom atico. Finalmente, la Transformada z (cap tulo 5) se utiliza en el caso especial de que el sistema o se nal deban ser controlados u observados por medios digitales, y es la base para el procesamiento digital de se nales y el control de sistemas en el llamado tiempo discreto.
1.2 Estructura del documento
Al nal de cada cap tulo el lector encontrar a una recopilaci on de ejercicios para fortalecer los conceptos presentados. Las soluciones a dichos ejercicios se encuentran disponibles para vericaci on autodidacta de los resultados.
1 Introducci on
1.3
Problemas
Problema 1.1. Busque un ejemplo de se nal para cada una de las 32 posibles combinaciones de las caracter sticas de las se nales indicadas en la Tabla 1.1. Problema 1.2. Una se nal puede clasicarse seg un cinco criterios: (Una variable o (Escalar o (Discretas o (Discretas o (Determinista o Multiples variables) Vectorial ) Continuas ) Continuas ) Aleatoria )
N umero de variables Dimensi on del valor Variables independientes Valores de la se nal Naturaleza estad stica
Utilice las letras may usculas indicadas en negrita para identicar las caracter sticas de las se nales a continuaci on. Si alguna caracter stica no se aplica o puede interpretarse con cualquier valor de la propiedad, ind quelo con . Se nal Caracter stica N um. Variables (U/M/) Estad stica (D/A/)
Dimensi on (E/V/)
Variables (D/C/)
Imagen tomada por una c amara digital a color Registro mensual de la posici on de una bandada de aves migratorias Se nales de salida de un micr ofono est ereo Se nal digital Se nal anal ogica
Problema 1.3. Identique alg un sistema y su papel como subsistema en construcciones m as complejas, donde al menos exista una jerarqu a de 4 niveles (es decir A es subsistema de B que es subsistema de C que es subsistema de D). Identique adem as cu ales ser an posibles se nales de entrada y salida en cada caso. Problema 1.4. Indique cu antas variables independientes tiene una se nal de RealD, el
Valores (D/C/)
1.3 Problemas
sistema de cine utilizado en la proyecci on de pel culas en 3D. Problema 1.5. Indique qu e dimensiones tiene una se nal de audio Dolby Surround 7.1.
Cap tulo 2 Variable compleja

2.1 Deniciones de algebra abstracta
Los m etodos y procedimientos aplicados en las ramas de la ingenier a moderna se basan en conceptos matem aticos abstractos. Los siguientes p arrafos brindan un breve recorrido por los conjuntos y las estructuras algebraicas que constituyen una base conceptual para la comprensi on de dichos m etodos. Los t erminos presentados a continuaci on se reeren a conceptos tratados ya en otros cursos introductorios de matem atica, que sin embargo se incursionan ahora desde un nuevo nivel de abstracci on.
2.1.1
Conjuntos
El concepto de conjunto se asocia con una colecci on C de elementos ci denotada generalmente como C = {c1 , c2 , c3 , . . .} La pertenencia del elemento ci al conjunto C se indica con la notaci on ci C , lo que se lee como ci en C . Dos conjuntos se consideran iguales solo si contienen exactamente los mismos elementos, es decir A = B ai A ai B bi B bi A . Si A y B son dos conjuntos y todo elemento ai en A est a contenido tambi en en B entonces se dice que A es un subconjunto de B (denotado con A B ). En otras palabras A B ai A ai B .
El conjunto vac o = {} es siempre un subconjunto de cualquier otro conjunto, y un conjunto siempre es subconjunto de s mismo. La operaci on de uni on entre dos o m as conjuntos de una colecci on C = {C1 , C2 , C3 , . . .} es el conjunto de todos los elementos contenidos en al menos uno de los conjuntos C1 , C2 , C3 , . . . 9
10

i
y se denota con C = C1 C2 C3 . . . =
i
Ci , es decir,
Ci = {c | c C1 c C2 c C3 . . . }
La intersecci on entre dos o m as conjuntos de un colecci on C = {C1 , C2 , C3 , . . .} es el conjunto de elementos contenidos en todos los conjuntos, y se denota con C = C1 C2 C3 . . . = i Ci . Matem aticamente Ci = {c | c C1 c C2 c C3 . . . }
La diferencia entre dos conjuntos se denota como A \ B y es el conjunto de todos los elementos de A que no est an en B , es decir A \ B = {c | c A c / B} Lo anterior implica que (A \ B ) A = (A \ B ) y (A \ B ) B = . La gura 2.1 muestra la representaci on en diagramas de Venn de las operaciones anteriores.
A A B A B B A AB B
(a)
(b)
(c)
A AB
A A\B
A B\A
(d)
(e)
(f)
Figura 2.1: Representaci on en diagramas de Venn de operaciones entre dos conjuntos A y B . Las regiones sombreadas representan (a) el conjunto A, (b) el conjunto B , (c) la uni on de A y B , (d) la intersecci on de A y B , (e) A menos B , (f) B menos A.
El producto cartesiano de dos conjuntos A y B , denotado por A B , es un conjunto que contiene todos los pares ordenados (a, b) con a A y b B . A B = {(a, b) | a A b B } Este concepto se extiende a m as de dos conjuntos, reemplazando los pares ordenados por tuplas. Por ejemplo, el conjunto A B C contiene todas las tuplas (a, b, c) con a A, b B y c C.
2 Variable compleja
11
2.1.2
Estructuras algebraicas
Una estructura algebraica es un par ordenado compuesto por un conjunto de operandos (como por ejemplo el conjunto de los n umeros naturales, un conjunto binario de dos elementos {0, 1}, el conjunto de los n umeros racionales, etc.) y por un conjunto de una o varias operaciones que deben satisfacer axiomas dados. La estructura algebraica se denota con (C, O) donde C denota al conjunto de operandos y O al conjunto de operaciones. Si no hay ambig uedades usualmente se usa C para denotar tanto al conjunto de operandos como a la estructura algebraica. Las operaciones involucradas son usualmente unarias o binarias , implicando el n umero de elementos que toma la operaci on para producir un nuevo elemento. Las operaciones unarias toman un solo elemento (por ejemplo, el valor absoluto de un n umero) y se representan como una relaci on entre elementos de dos conjuntos C D. Las operaciones binarias toman dos elementos para producir uno nuevo, lo que se denota con C C D (por ejemplo, la operaci on suma toma usualmente dos n umeros para producir otro elemento). Se dice que la operaci on es cerrada si su aplicaci on a elementos de C produce elementos tambi en en C (por ejemplo, C C o C C C ). Si una operaci on binaria1 mapea n x o x n hacia el mismo elemento x, entonces a n se le denomina elemento neutro , o elemento identidad de dicha operaci on. Un elemento x se denomina inverso de un elemento y con respecto a la operaci on si se cumple x y = n donde n es el elemento neutro de . Obs ervese que la neutralidad de un elemento se dene para la operaci on con todos los elementos de la estructura algebraica, es decir, toda la estructura algebraica tiene un u nico elemento neutro. Por otro lado, cada elemento de la estructura puede tener su propio elemento inverso con respecto a la operaci on en cuesti on, y por lo tanto no es la estructura la que posee elemento inverso, sino cada elemento de esa estructura. La operacion binaria a b = b a. es asociativa si se cumple (a b) c = a (b c), y es conmutativa si si se
Sean y dos operaciones binarias. Se dice que es distributiva con respecto a cumple a (b c) = (a b) (a c) y (b c) a = (b a) (c a). Ejemplo 2.1 Sea C un conjunto denido por C = { , , , }, y la operaci on por la siguiente matriz:
denida
Indique las caracter sticas de la operaci on

N otese que la operaci on funciones l ogicas, etc.
1
denota cualquier operaci on binaria, como suma, resta, multiplici on, divisi on,
12
Soluci on: N otese que la operaci on toma dos elementos del conjunto C y genera otro elemento del mismo conjunto, por lo que es una operaci on binaria y cerrada. La operaci on no es conmutativa, puesto que por ejemplo = , pero = . Puesto que x =x para cualquier x C se puede armar que es el elemento neutro de . En este caso particular, puesto que la operaci on no es conmutativa, es neutro en la segunda posici on, mas no en la primera. Finalmente, todos los elementos de C son inversos de s mismos, puesto que x x=
2.1
Algunas estructuras algebraicas se listan a continuaci on: Estructuras simples Conjunto es un caso especial de una estructura algebraica con una colecci on vac a de operaciones. Sistema unario es una estructura conformada por un conjunto C y una operaci on unaria. Estructuras similares a grupos Magmas o grupoides son estructuras con una sola operaci on binaria y cerrada. Semigrupo es un magma en el que la operaci on binaria es asociativa. Monoide es un semigrupo con un elemento identidad. Monoide conmutativo es un monoide con operaci on conmutativa. Grupo es un monoide en el que cada elemento tiene un inverso. Es decir, el grupo tiene una operaci on binaria asociativa con elemento identidad y con elemento inverso.
Grupo abeliano es un grupo donde la operaci on es adem as conmutativa. La tabla 2.1 sintetiza la informaci on anterior. Tabla 2.1: Estructuras similares a grupos. Estructura magma semigrupo monoide monoide conmutativo grupo grupo abeliano Operaci on conjunto m as operaci on binaria y cerrada magma con operaci on adem as asociativa semigrupo con elemento identidad monoide con operaci on conmutativa monoide con elemento inverso grupo con operaci on conmutativa
Estructuras similares a anillos Semianillo es una estructura algebraica con dos operaciones de monoide.
2 Variable compleja
13
Anillo es un semianillo con una operaci on de monoide (como el producto) y otra operaci on de grupo abeliano (como la suma), ambas satisfaciendo la distributividad. Anillo conmutativo es un anillo donde la operaci on de monoide (el producto) es adem as conmutativa. Anillo de divisi on Es un anillo en el que los elementos neutros de ambas operaciones son diferentes, y donde todo elemento diferente del elemento neutro de la operaci on de grupo abeliano (como por ejemplo el 0 si la operaci on es la suma) tiene un inverso con respecto a la operaci on de monoide. Cuerpo es un anillo de divisi on donde ambas operaciones son conmutativas. La tabla 2.2 sintetiza las propiedades de las operaciones en estas estructuras, donde los s mbolos + y deben entenderse en un contexto general, indicando dos operaciones no necesariamente relacionadas con la suma y el producto conocidas en aritm etica. Tabla 2.2: Estructuras similares a anillos Estructura Operaci on + Operaci on operaci on de monoide operaci on de monoide conmutativo operaci on de grupo operaci on de grupo abeliano
semianillo operaci on de monoide anillo operaci on de grupo abeliano anillo conmutativo anillo de divisi on cuerpo
2.1.3
N umeros naturales
La cardinalidad de un conjunto C es el n umero de elementos que contiene ese conjunto y se denota con |C |. El conjunto de todas las posibles cardinalidades de conjuntos es el llamado conjunto de los n umeros naturales, es decir, los n umeros naturales se pueden utilizar para contar los elementos de un conjunto. Este conjunto se denota con IN = {0, 1, 2, . . .}, donde el cero se incluir a aqu de acuerdo a la tendencia seguida en teor a de conjuntos, l ogica e inform atica, puesto que en otras areas (como en teor a de n umeros), el cero es excluido de los n umeros naturales. Para hacer expl cita la inclusi on del cero se encontrar a en ocasiones + el s mbolo IN0 y para denotar la exclusi on del cero se usa IN o IN . Los n umeros naturales se utilizan tanto para contar (el n umero de elementos de un conjunto), como para ordenar (un elemento de un conjunto se encuentra antes que otro, es mayor que otro, etc.). Estos n umeros se pueden denir a trav es de los axiomas de Peano : Existe un n umero natural 0. Todo n umero natural a tiene un n umero natural sucesor, denotado con S (a). No existe ning un n umero natural cuyo sucesor es 0. Dos n umeros naturales distintos tienen sucesores distintos, es decir, si a = b entonces S (a) = S (b).
14
Si 0 tiene una propiedad y el sucesor de cualquier n umero natural tiene tambi en esa propiedad, entonces la propiedad es de todos los n umeros naturales. La suma de dos n umeros naturales se puede denir recursivamente deniendo como elemento neutro a 0 (a + 0 = a) y a + S (b) = S (a + b) para todo a, b. Con esta denici on (IN, +) es un monoide conmutativo. Si se dene S (0) = 1 entonces S (b) = S (b + 0) = b + S (0) = b + 1, es decir, el sucesor de b es simplemente b + 1. La multiplicaci on se puede denir a partir de la suma con a 0 = 0 y a S (b) = (a b)+ a. Esto hace de (IN, ) un monoide conmutativo con elemento neutro 1. Los n umeros naturales junto con la suma y multiplicaci on denidas anteriormente conforman un semianillo conmutativo (IN, {+, }). Ambas operaciones son cerradas, lo que quiere decir que la suma o multiplicaci on de dos n umeros naturales es siempre otro n umero natural.
2.1.4
Los n umeros enteros
El conjunto de los n umeros enteros Z contiene a los n umeros naturales IN m as el conjunto de los n umeros enteros negativos, que constituyen inversos aditivos de los n umeros naturales positivos. Por ello, este conjunto junto con la operaci on suma es un grupo abeliano, mientras que Z junto con la multiplicaci on es un monoide conmutativo. La tabla 2.3 resume las propiedades en ambos casos. N otese que, a diferencia de los n umeros naturales quienes no Tabla 2.3: Propiedades de la suma y la multiplicaci on con Z. Suma Multiplicaci on
(Z, {+}): grupo abeliano (Z, {}): monoide conmutativo Es cerrada a + b es entero a b es entero Asociativa a + (b + c) = (a + b) + c a (b c) = (a b) c Conmutativa a+b=b+a ab=ba Elemento neutro a + 0 = a a1=a Elemento inverso a + (a) = 0 no hay Distributividad a ( b + c) = ( a b ) + ( a c) tienen inverso ni en la suma ni en la multiplicaci on, los n umeros enteros si tienen elementos inversos para la suma y por tanto (Z, {+, }) es un anillo conmutativo. Se puede denir ahora la operaci on resta , que es cerrada pero no conmutativa, como la suma del primer elemento con el inverso aditivo del segundo (a b = a + (b)).
2.1.5
Los n umeros racionales
Los elementos de este conjunto se pueden denir a trav es de pares ordenados de n umeros enteros (a, b) con b diferente al elemento neutral de la suma (es decir, diferente de cero). El par ordenado representando un n umero racional se denota usualmente como a/b o a . b
2 Variable compleja
15
Dos n umeros racionales (a, b) y (c, d) se dicen equivalentes si se cumple a d = b c. Esta equivalencia se denota con (a, b) (c, d), aunque por lo general se utiliza directamente la relaci on de igualdad (por ejemplo, se escribe (2; 4) = (1; 2), o 2 =1 ). Se dene orden en el 4 2 conjunto Q a trav es del operador , donde se cumple (a, b) (c, d) si y solo si a d b c, con b, d 0. La suma y multiplicaci on de los n umeros racionales se denen a partir del producto y multiplicaci on de los n umeros enteros como (a, b) + (c, d) = (a d + b c, b d) (2.1)
(a, b) (c, d) = (a c, b d) .
Puesto que, a diferencia del conjunto de los n umeros enteros, existe para cada elemento en Q un inverso multiplicativo, se concluye que el conjunto de los n umeros racionales Q es un cuerpo.
2.1.6
Los n umeros reales
Existe alg un n umero racional (a, b) que cumpla con la ecuaci on (a, b) (a, b) = 2? El lector conocer a alguna de las demostraciones por contradicci on que indican que no existe tal n umero. De la generalizaci on de esta observaci on se concluye que los n umeros racionales no pueden representar todos los puntos de una recta ideal innita. Aquellos puntos de dicha recta no cubiertos por los n umeros racionales conforman el conjunto de los n umeros irracionales I. Estos u ltimos tienen como caracter stica fundamental una representaci on decimal de longitud innita que no sigue ning un patr on (por ejemplo, 2 = 1,41423 . . . o = 3,1415927 . . .). Dentro de estos puntos se encuentran los valores a, tales que a a = p, con p un n umero entero primo, lo que implica que la potenciaci on no es una operaci on cerrada en Q. El conjunto de los n umeros reales IR se dene entonces como Q I, o en otras palabras, el conjunto que tiene una correspondencia uno a uno con todos los puntos de una recta innita. El conjunto de los n umeros reales es un cuerpo , donde a las operaciones binarias suma y multiplicaci on corresponden las operaciones inversas de substracci on y divisi on, respectivamente. El conjunto IR es tambi en ordenado, es decir, para el operador ordinal se cumple: x0y 0xy 0 xy x+z y+z (2.2)
Los n umeros reales son completos , propiedad que se dene a trav es de la existencia de sucesiones de Cauchy . Una sucesi on (xn ) de n umeros reales se denomina sucesi on de Cauchy si para cualquier > 0 innitesimalmente peque no existe un entero N tal que la distancia |xn xm | es menor que cuando n y m son ambos mayores que N : > 0 N IN n, m IN, n > N, m > N : |xn xm | < (2.3)
16
En otras palabras la sucesi on es de Cauchy si sus elementos se acercan arbitrariamente conforme n crece. Se dice que la sucesi on (xn ) converge a x si |xn x| < para n > N . En el caso de los n umeros reales y racionales, cualquier sucesi on convergente es una sucesi on de Cauchy: > 0 N IN n IN, n > N : |xn x| < (2.4)
Para los n umeros reales se cumple adem as que cualquier sucesi on de Cauchy es convergente, lo que no se cumple para los n umeros racionales. Por ejemplo, la sucesi on 1; 1,5; . . . ; xn+1 = converge a 1 2 xn + 2 xn ;...
2 que no se encuentra en Q. Lo mismo ocurre con la sucesi on (1; 1,4; 1,41; 1,414; 1,4142; 1,41421; . . .)
2.1.7
Los n umeros complejos
El conjunto de los n umeros complejos C es una extensi on de los n umeros reales que es cerrada ante las operaciones de potenciaci on (por ejemplo, 1 C), o expresado de otra forma, este conjunto contiene todas las ra ces de polinomios, lo que no es posible en IR. Formalmente los n umeros complejos se denen como pares ordenados de n umeros reales (a, b) que junto con las operaciones (a, b) + (c, d) = (a + c, b + d) (a, b) (c, d) = (a c b d, b c + a d) (2.5)
conforma un cuerpo algebraico, por lo que se deben cumplir los siguientes axiomas para los n umeros complejos s, w, z z + w C, z w C (ley de clausura) z + w = w + z (ley conmutativa de la adici on) z + (w + s) = (z + w) + s (ley asociativa de la adici on) z w = w z (ley conmutativa de la multiplicaci on) z (w s) = (z w) s (ley asociativa de la multiplicaci on) z (w + s) = z w + z s (ley distributiva) z + (0, 0) = (0, 0) + z = z (elemento neutro de la suma es (0, 0)) (1, 0) z = z (1, 0) = z (elemento neutro de la multiplicaci on es (1, 0)) Para todo z C existe un solo elemento w C tal que z + w = (0, 0) (Existencia de elemento inverso u nico con respecto a la suma) 10. Para todo z C \ (0, 0) existe un solo elemento w C tal que z w = w z = (1, 0) (Existencia de elemento inverso u nico con respecto a la multiplicaci on) 1. 2. 3. 4. 5. 6. 7. 8. 9. Sea el n umero complejo z = (a, b). Al n umero real a se le denomina componente real y al n umero real b componente imaginaria de z . Por convenci on, se dice que el n umero complejo
2 Variable compleja
17
(a, 0) corresponde con el n umero real puro a. Puesto que (a, 0) (c, d) = (a c, a d) la notaci on se puede simplicar como a (c, d). De esta forma se cumple que z = (a, b) = a (1, 0) + b (0, 1). Puesto que el n umero (1, 0) es el elemento neutro de la multiplicaci on y denotando a (0, 1) como j se obtiene la notaci on convencional de n umeros complejos z = a + jb, donde se ha simplicado adem as la notaci on del producto j b por jb. Se dice que dos n umeros complejos son iguales si y solo si tanto sus componentes reales como imaginarias son iguales, es decir (a, b) = (c, d) a = c b = d. (2.6)
A diferencia de los conjuntos anteriores, los n umeros complejos no son ordenados, es decir, no es posible indicar si un n umero complejo es mayor o menor que otro. La tabla 2.4 sintetiza las relaciones de las estructuras algebraicas revisadas desde los n umeros naturales hasta los n umeros complejos. Tabla 2.4: Estructuras algebraicas num ericas. IN Z Q IR C semianillo anillo cuerpo cuerpo cuerpo conmutativo Operaciones +, +, , +, , , / +, , , / +, , , /, ab cerradas sec. Cauchy sec. Cauchy Ordinalidad s s s s no
Plano complejo El n umero complejo z = (a, b) = a + jb se puede representar geom etricamente como un punto en un sistema coordenado cartesiano, llamado el plano complejo o tambi en diagrama de Argand o de Wessel, donde el eje horizontal representa la componente real y el eje vertical la componente imaginaria (gura 2.2). En este diagrama el n umero complejo puede tambi en representarse por medio de una notaci on 2 2 polar con magnitud o m odulo r = |z | = mag(z ) = a + b que es siempre positivo y argumento o angulo = z = arg(z ) = arctan(b/a) que se indica usualmente entre y o entre 0 y 2 . Se debe cumplir entonces z = a + jb = r (cos + j sen ), es decir, la componente real es a = r cos y la componente imaginaria b = r sen . Ejemplo 2.2 Graque en un diagrama de Argand los conjuntos de n umeros complejos que cumplen las siguientes desigualdades: |z | = 2 z = /3 Re{z } = 2
18
Im z r a
Re
Figura 2.2: Diagrama de Argand representando a z = a + jb y z = a jb.
Im{z } = 1 Soluci on: El conjunto de todos los n umeros complejos z que tienen magnitud dos est a conformado por un c rculo de radio dos, centrado en el origen. Todos los n umeros complejos que tienen un angulo igual a /3 conforman un rayo que parte del origen con dicho a ngulo con respecto al eje real. Todos los n umeros complejos sobre una l nea vertical que pasa por z = 2 cumplen Re{z } = 2. Por u ltimo, todos los puntos sobre una l nea horizontal que pasa por z = j cumplen Im{z } = 1.
Im{z }
2
z = /3
Im{z } = 1
1 2
Re{z }
|z | = 2 Re{z } = 2
Figura 2.3: Representaciones de conjuntos de n umeros complejos en el plano complejo.
2.2
2 Variable compleja
19
Identidad de Euler La identidad o f ormula de Euler arma para un a ngulo de valor real que ej = cos + j sen (2.7)
con lo que un n umero complejo z = a + jb = r (cos + j sen ) se puede representar como j z = r e , o simplicando la notaci on del producto z = rej . Esto se puede demostrar de varias maneras, de las cuales aqu se presentar an dos: una por medio de series de Taylor y otra por medio de c alculo. Se puede demostrar f acilmente que j 0 = 1, j 1 = j, j 2 = 1, j 3 = j, j 4 = 1 . . . , j n+4 = j n , . . . Con la variable real x se puede obtener que las series de Taylor de las funciones ex , sen(x) y cos(x) est an dadas por x2 x3 x4 + + + ... 2! 3! 4! x2 x4 x6 cos(x) = 1 + + ... 2! 4! 6! x3 x5 x 7 sen(x) = x + + ... 3! 5! 7! ex = 1 + x + Asumiendo por ahora que las series de Taylor mantienen su validez cuando x se sustituye por el n umero complejo2 j (con real) se obtiene: ej = 1 + j + (j)2 (j)3 (j)4 + + + ... 2! 3! 4! 2 j3 4 = 1 + j + + ... 2! 3! 4! 2 4 6 3 5 7 = 1 + + ... + j + + ... 2! 4! 6! 3! 5! 7! = cos() + j sen() Para demostrar el teorema utilizando c alculo def nase el n umero complejo x = cos() + j sen(). Derivando con respecto a la variable real se obtiene dx = sen() + j cos() = j 2 sen() + j cos() = j (cos() + j sen()) = jx d
Matem aticamente la validez de esto se justica por el principio de continuaci on anal tica , que establece que si una funci on real es innitamente diferenciable en un intervalo ]a, b[ y tiene una expansi on en serie de Taylor, entonces la funci on de variable compleja obtenida sustituyendo la variable real x por la variable compleja z tendr a la misma serie de Taylor con la variable tambi en reemplazada y converger a para todo el plano complejo z si la serie real correspondiente converge para todo x real. (esto se retomar a en la secci on 2.4).
2
20
Separando las variables e integrando a ambos lados se obtiene (asumiendo de nuevo que las propiedades de integraci on se mantienen para la variable compleja). 1 dx = jd x ln x = j + C Si se hace = 0 y considerando que x = cos(0) + j sen(0) = 1 se obtiene que C = 0, por lo que ln x = j eln x = ej x = ej ej = cos() + j sen() De la identidad de Euler se puede derivar f acilmente que: ej + ej 2 j e ej sen = 2j cos = Operaciones con n umeros complejos Las siguientes son notaciones equivalentes para los n umeros complejos z = (a, b) = a + jb = r = rej = r exp(j) (2.8)
donde la componente real a, la componente imaginaria b, la magnitud r y el argumento son todos n umeros reales relacionados por las ecuaciones a = r cos , b = r sen . N otese que para estas u ltimas identidades se obtiene que los argumentos y 2k con k Z son equivalentes por ser el seno y el coseno funciones peri odicas de periodo 2 . Es decir z = rej = rej (+2k) (2.9)
Conjugaci on compleja Una operaci on b asica de los n umeros complejos no presente en los n umeros reales es la conjugaci on compleja . Sea z = x + jy = rej C. La conjugaci on compleja es una operaci on unaria que sustituye la componente imaginaria del n umero por su inverso aditivo y se denota con un super ndice (z ) o con una l nea horizontal sobre la variable (z ). Puesto que el inverso aditivo de cero es a su vez cero, entoces el complejo conjugado de un n umero real x = x + j 0 es igual a x j 0 = x que equivale al mismo n umero real. La conjugaci on compleja es adem as equivalente a intercambiar el argumento del n umero por j su inverso aditivo (ver gura 2.2). De esta forma z = x jy = re .
2 Variable compleja
21
Los n umeros complejos conjugados juegan un papel importante en modelos de fen omenos y sistemas reales, pues si el modelo de estos sistemas puede plantearse en t erminos de polinomios de orden n de la forma Pn (z ) = a0 z n + a1 z n1 + a2 z n2 + . . . + an1 z + an = a0 (z z1 )(z z2 ) . . . (z zn ) (2.10) entonces existir an exactamente n ra ces zi (tambi en llamadas ceros del polinomio, pues Pn (zi ) = 0) las cuales pueden ser iguales o distintas. Cuando los coecientes ai son reales, las ra ces zi podr an ser n umeros reales o complejos, present andose siempre las ra ces no reales en pares complejos conjugados. Valor absoluto o magnitud El valor absoluto , m odulo o magnitud de un n umero comj plejo z = x + jy = re se deni o anteriormente como: |z | = x2 + y 2 = r
N otese adem as que z z = z z = x2 + y 2 y por lo tanto |z |2 = r2 = z z o lo que es lo mismo |z | = r = z z . Combinando lo anterior se observa que siempre se cumple |z | > Re{z } y |z | > Im{z }. Se cumple adem as 1. |z1 z2 | = |z1 | |z2 | 1| 1 2. z = ||z (con z2 = 0) z2 z2 | 3. |z1 + z2 | |z1 | + |z2 | 4. |z1 z2 | |z1 | |z2 | donde las primeras dos igualdades se demuestran utilizando el hecho de que |z | = |rej | = r2 (cos2 + sen2 ) = r.
La u ltima desigualdad surge de la tercera (que se demostrar a posteriormente), a partir de |z1 | = |z1 z2 + z2 | |z1 | |z2 | |z1 z2 |
|z1 z2 | + |z2 |
Suma y Resta Sean los n umeros complejos z1 = x1 + jy1 = r1 ej1 y z2 = x2 + jy2 = r2 ej2 . Para la suma y resta se cumple: z1 + z2 = (x1 + x2 ) + j (y1 + y2 ) z1 z2 = (x1 x2 ) + j (y1 y2 ) Obs ervese que z1 + z2 = (x1 jy1 ) + (x2 jy2 ) = (x1 + x2 ) j (y1 + y2 ) = (z1 + z2 )
22
y en general para n n umeros complejos zi = xi + jyi se cumple

n n n n
zi =
i=1 i=1
(xi jyi ) =
n
i=1
xi j
yi
i=1
=
i=1
zi
El lector puede adem as demostrar que: z1 + z1 = 2 Re{z1 } (2.11) (2.12)
z1 z1 = j 2 Im{z1 }
Multiplicaci on y Divisi on Para los n umeros complejos z1 = x1 + jy1 = r1 ej1 y z2 = x2 + jy2 = r2 ej2 se cumple: z1 z2 = (x1 + jy1 )(x2 + jy2 ) = (x1 x2 y1 y2 ) + j (x1 y2 + x2 y1 ) = r1 r2 ej (1 +2 ) z1 z2 x1 x2 + y 1 y 2 x2 y 1 x1 y 2 z1 = = +j 2 2 2 z2 z2 z2 x2 + y2 x2 2 + y2 r1 = ej (1 2 ) r2
donde se ha simplicando la notaci on del producto de n umero reales y complejos z1 z2 por z1 z2 . De las ecuaciones anteriores resulta claro que, anal ticamente, es m as simple utilizar las notaciones polares para resolver productos y divisiones de n umeros complejos. De forma similar al caso de la suma de n umeros conjugados se cumple con la multiplicaci on z1 z2 = (r1 ej1 )(r2 ej2 ) = r1 r2 ej (1 +2 ) = (z1 z2 ) y en general para n n umeros complejos zi = ri eji se cumple
n n n
zi =
i=1 i=1
(ri eji ) =
i=1 n
ri .
ej
n i=1 i
=
i=1
zi
El lector puede adem as demostrar que:

2 z1 z1 = r1 z1 = ej 21 z1
(2.13) (2.14)
2 Variable compleja
23
Potenciaci on Dada una colecci on de n n umeros zi = xi + jyi = ri eji C, i = 1 . . . n puede demostrarse que
n n
zi =
i=1 i=1
ri
ej
n i=1 i
Para el caso especial en que todos los elementos zi sean iguales a z = x + jy = rej se obtiene:
n n
z=z =
i=1 i=1
r ej
n i=1
= rn ejn
(2.15)
A (2.15) se le denomina frecuentemente el teorema de Moivre. Este teorema puede utilizarse para encontrar las n- esimas ra ces de z denidas como los n umeros w que multiplicados por n s mismos n veces resultan en z , es decir w = z . Junto con (2.9) puede observarse que w = z 1/n = (rej )1/n = (rej (+2k) )1/n = r1/n ej
+2k n
que puede tomar n valores u nicos con k = 0, . . . , n 1. En otras palabras, cualquier n umero complejo z tiene n n- esimas ra ces. Las n n- esimas ra ces de z tienen todas la misma magnitud |z |1/n , lo que implica que se encuentran situadas sobre un c rculo en el plano complejo de radio |z |1/n . Adem as, la primera arg z ra z tiene un a ngulo igual a n y a partir de esta las otras ra ces se distribuyen regularmente sobre el c rculo separadas por un angulo igual a 2/n. La gura 2.4 muestra un ejemplo.
Im r w1
w2
w0 4 r Re
w3
Figura 2.4: Ejemplo de las cuatro ra ces cuartas de rej 60 .
Exponenciaci on La exponenciaci on con n umeros complejos mantiene las propiedades presentes en los n umeros reales y extiende la identidad de Euler presentada anteriormente. As ez = e(x+jy) = ex ejy = ex cos(y ) + jex sen(y )
24
2.2 Funciones de variable compleja
que es un n umero de magnitud ex con a ngulo igual a y , parte real ex cos(y ) y parte imaginaria ex sen(y ). El lector puede demostrar que se cumple adem as: ejz + ejz = cos x cosh y j sen x senh y 2 ejz ejz sen(z ) = = sen x cosh y + j cos x senh y 2j cos(z ) = Logaritmo El logaritmo natural mantiene en los n umeros complejos las mismas propiedades que en los reales, esto quiere decir que, si z = rej y k Z ln z = ln rej (+2k) = ln r + ln(ej (+2k) ) = ln r + j ( + 2k ). donde se nota que z complejo tiene un innito n umero de logaritmos. El caso especial k = 0 se denomina valor principal y se denota como Ln z = ln |z | + j z .
2.1.8
Otros conjuntos
Luego del conjunto de los n umeros complejos encuentran aplicaci on otras generalizaciones, como las llamadas algebras de Cliord, en las que se enmarcan conjuntos como cuaterniones, octoniones, sedeniones, etc., utilizados ampliamente en gr acos por computadora. Estos temas escapan sin embargo a la tem atica del presente curso. El lector interesado puede buscar m as informaci on en [24].
2.2
Funciones de variable compleja
Una funci on f es un concepto matem atico que involucra dos conjuntos X y Y y una regla o relaci on que asocia a cada elemento x X uno y solo un elemento de y Y . Se dice entonces que f mapea el elemento x en el elemento y (gura 2.5). Esto se denota generalmente como f :XY
f ( ) y x X Y
y = f ( x)
Figura 2.5: Diagrama de relaci on funcional entre x X y y Y .
A x se le denomina variable independiente, puesto que puede tomar cualquier valor dentro de X . La variable dependiente y adquiere un valor determinado por el valor espec co de x y la funci on f .
2 Variable compleja
25
El conjunto X es el dominio de la funci on f y el conjunto de todas las im agenes {y | y = f (x), x X } Y es el conjunto imagen , rango o codominio de f . En el presente documento se utilizan principalmente funciones donde X, Y C. A diferencia de las funciones de variable y valor reales y = f (x), que se pueden representar f acilmente por medio de curvas en un plano cartesiano, la funci on de variable compleja w = f (z ) con w, z C no puede ser representada directamente por requerir para ello cuatro dimensiones. Se utilizan entonces varias notaciones. Por un lado, si z = x + jy , w = u + jv y w = f (z ) se cumple entonces que w = f (x, y ) = u(x, y ) + jv (x, y ) es decir, las componentes real e imaginaria son funciones de valor real de dos variables reales (u, v : IR IR IR). A su vez, se deriva directamente que w = f (x, y ) = r(x, y )ej(x,y) lo que equivale a decir que w puede analizarse u observarse a trav es de su magnitud y argumento. En estos casos, u(x, y ), v (x, y ), r(x, y ) y (x, y ) son funciones reales de dos variables reales, que pueden representarse en un espacio tridimensional (gura 2.6). Estos conceptos ser an retomados posteriormente.
2.2.1
El concepto de mapeo
Mientras que con las representaciones de magnitud, fase, componentes real e imaginaria de funciones de valor y variable compleja se intenta observar c omo var an individualmente estas con respecto a todo el plano complejo C, con los llamados mapeos se estudia c omo es transformada una regi on espec ca del plano z (que puede ser una recta, una banda, un c rculo, etc.) en otra regi on del plano w cuando se aplica w = f (z ). La idea general de mapeo o transformaci on que realiza una funci on entre los conjuntos X y Y provee otro modo de visualizaci on y an alisis que se utiliza frecuentemente en ingenier a para simplicar modelos geom etricos relativamente complejos. Por ejemplo, en electrost atica se utilizan transformaciones que mapean la forma de supercies met alicas hacia planos, con los que los campos el ectricos generados por cargas el ectricas se pueden analizar de forma relativamente simple, para luego aplicar la transformaci on inversa, que permite derivar c omo se deforman los campos y l neas de fuerza en la conguraci on original. Un caso similar ocurre en aeron autica, donde se mapea la forma (o perl) de un ala a un cilindro que permite aplicar modelos matem aticos m as exibles de las corrientes de aire a su alrededor, para luego invertir el mapeo y observar cu al es el comportamiento del aire con la forma real del ala. Como funci on o mapeo inverso de w = f (z ) se conoce a aquel que logra recobrar el valor de z a partir de su imagen, y se denota como z = f 1 (w), es decir: w = f (z ) z = f 1 (w) = f 1 (f (z )) No toda funci on tiene un inverso, aunque en ingenier a son precisamente aquellas funciones invertibles las que encuentran mayor aplicaci on en casos como los mencionados.
26
30 |f (z )| 20
f (z )
10
/2
0 -3 -2
0 -3 -2 -1 0 1 2 3
/2
-1
Re{z } 1
2 3-3
-2
-1
Re{z } 1
Im{z }
2 3-3
-2
-1
Im{z }
(a)
15 Re {f (z )} 10 5 0 -3 -5 -10 -15 -2 -1 0 1 2 3 15{f (z )} Im 10 5 0 -3 -5 -10 -15 -2 -1 0
(b)
Re{z } 1
2 3-3
-2
-1
Im{z }
Re{z } 1
2 3-3
-2
-1
Im{z }
(c)
(d)
Figura 2.6: Representaci on en un espacio tridimensional de (a) r(x, y ), (b) (x, y ), (c) u(x, y ) y (d) v (x, y ), para una funci on ejemplo f (z ).
Se denomina como punto jo del mapeo o funci on f , aquel donde se cumple z = f (z ), es decir, un punto que no cambia cuando se le aplica la transformaci on f . Ejemplo 2.3 Encuentre la imagen en el plano w de la regi on lineal y = 2x + 4 del plano z = x + jy bajo el mapeo w = 2z + 6. Encuentre los puntos jos de este mapeo, y su mapeo inverso. Soluci on: Se sabe que w = u + jv = f (z ) = 2z + 6 = 2(x + jy ) + 6 = (2x + 6) + j 2y
u v
de donde se puede despejar x= y sustituyendo en v se obtiene
u6 2
v = 2y = 2(2x + 4) = 4x + 8 = 2u 12 + 8 = 2u 4 lo que corresponde tambi en a una l nea recta (gura 2.7). El u nico punto jo del mapeo
2 Variable compleja
y Plano z v
27
y = 2x + 4
2
v = 2u 4
x
4
Plano w
Figura 2.7: Mapeo de y = 2x + 4 por medio de w = 2z + 6.
w = 2z + 6 es z = 6, y se encuentra f acilmente resolviendo la ecuaci on lineal z = 2z + 6. w 6 El mapeo inverso es z = 2 . 2.3
2.2.2
Mapeos lineales
Un mapeo lineal es realizado por una funci on de variable compleja de la forma w = z + , , C
Caso 1: Si = 0 entonces w = , lo que implica que todo el plano z es mapeado a un solo punto . N otese que entonces es un punto jo de w = , que a su vez no tiene mapeo inverso (gura 2.8). A este caso en el que todo el plano z se proyecta a un solo punto de b se le denomina mapeo degenerado .
y Plano z v
Plano w
Figura 2.8: Mapeo de todo el plano z a con w = .
28
Caso 2: Si = 0 y = 0 entonces w = z , lo que equivale a decir que 0 es un punto jo y 1 el mapeo inverso es z = w. Si se utiliza la notaci on polar z = rej y = ||ej entonces w = z = ||ej rej = ||rej (+) esto implica que |w| = ||r y w = + . En otras palabras, el mapeo w = z equivale a una expansi on (ampliaci on o magnicaci on del plano z ) por un factor || y una rotaci on por el a ngulo (gura 2.9).
y Plano z v
Plano w
Figura 2.9: Rotaci on y escalado por el mapeo w = z .
Caso 3: Si = 0 y = 0, entonces w = z + se puede considerar como dos mapeos en cascada. Primero = z y luego w = + . Se observa entonces que sumar una constante a un punto equivale a una traslaci on hacia + . As , el mapeo lineal amplica, rota y traslada los puntos de z en w.
Ejemplo 2.4 Demuestre que el mapeo lineal w = z + transforma una recta en z en otra recta en w. Soluci on: Cualquier recta en z puede describirse por medio de la ecuaci on |z a| = |z b| (2.16)
donde a, b C y la recta es la mediatriz del segmento de recta entre a y b (gura 2.10). Puesto que w = z + entonces w z= (2.17)
2 Variable compleja
Im(z ) | z a | = | z b|
29
b Re(z )
Figura 2.10: Construcci on geom etrica de una recta con |z a| = |z b|. Puesto que |z a| es la distancia entre z y a, un c rculo centrado en un punto z sobre la recta descrita tendr a que pasar por ambos puntos a y b. Adem as, dos c rculos del mismo radio centrados en a y b deber an intersecarse sobre la recta |z a| = |z b|. As , la recta en cuesti on es la mediatriz del segmento ab, es decir, la recta perpendicular al segmento ab que corta a este por su mitad.
Sustituyendo (2.17) en (2.16) se obtiene w w a = b 1 1 |w (a + )| = |w (b + )| || || |w a | = |w b| donde a = a + y b = b + que son las transformaciones de los dos puntos generadores de la recta. Con esto queda claro que la proyecci on de la recta es otra recta. Otra posible demostraci on se esboza a continuaci on. As umase como dominio la recta y = mx + b. Se cumple w = z + = (x + jy ) + = (x + ) + jy = u + jv Puesto que , C, no es posible igualar x + = u, pues el lado izquierdo no es real. Utilizando = Re + jIm y = Re + jIm se pueden obtener y agrupar las partes reales e imaginarias y demostrar que v = K1 u + K2 lo que tambi en representa una recta, donde las constantes se denen como Im + Re m Re Im m Im b Re K2 = (Im + Re m) + Re b + Im Re Im m K1 =
.
2.4
30
Ejemplo 2.5 Demuestre que el mapeo lineal transforma un c rculo en z en otro c rculo en w. Soluci on: La ecuaci on de un c rculo en z es |z z0 | = r, donde el c rculo tiene radio r y est a centrado en z0 (gura 2.11). El mapeo lineal es w = z + . Esto quiere decir que w =z
Im(z )
z z0 = rej z0
Re(z )
Figura 2.11: Construcci on geom etrica para representaci on de un c rculo centrado en z0 y de radio r como |z z0 | = r.
Si se resta z0 a ambos lados se obtiene z z0 = w w w + z0 z0 = z0 = 1 = (w w0 )
con w0 = + z0 . Puesto que el c rculo en z es |z z0 | = r esto implica que 1 (w w0 ) = r |w w0 | = r|| En otras palabras, el radio del c rculo en el plano w ha sido escalado con un factor || y est a centrado en w0 = z0 + , que corresponde a la aplicaci on del mapeo lineal al centro del c rculo z0 . 2.5 Si una curva corta al plano z en dos, entonces una curva mapeada linealmente al plano w tambi en corta al u ltimo en dos, donde los puntos en un lado de la curva en z se proyectan a solo un lado de la curva en w. Ejemplo 2.6 Consid erese el mapeo lineal w = f (z ) = z + . Si 1 + j = f (1 + j ) y 0 = f (j ) 1. Determine los valores de y .
2 Variable compleja
31
2. Encuentre la regi on del plano w a la que es mapeado el semiplano izquierdo del plano z. 3. Encuentre la regi on en el plano w correspondiente a |z | < 2. 4. Encuentre los puntos jos del mapeo. Soluci on: Con los dos pares de puntos dados se plantea un sistema de dos ecuaciones lineales (1 + j ) + = 1 + j j + = 0 De (2.19) se despeja = j lo que se introduce en (2.18) para despejar : (1 + j ) j = 1 + j con lo que se deriva adem as = 1 j . Como el mapeo es lineal, el eje imaginario del plano z es transformado a otra recta del plano w = u + jv . Puesto que el eje imaginario es la recta z = jy , se sustituye esto en el mapeo, lo que resulta en: w = (1 + j )jy + (1 j ) = jy y + 1 j
u
(2.18) (2.19)
=1+j
= (1 y ) + j (y 1)
v
Despejando y en t erminos de u e insertando en v se obtiene v = u. Para encontrar qu e parte del plano w dividido por v = u corresponde al semiplano izquierdo de z se puede proceder tomando un punto de ese semiplano y encontrando su proyecci on en w. Por ejemplo, el punto z = 1 es transformado en w = (1 + j ) + (1 j ) = 2j , lo que quiere decir que Re{z } < 0 es transformado en el semiplano inferior izquierdo v < u. A la misma conclusi on se puede llegar utilizando la interpretaci on geom etrica del mapeo: puesto que = 1 + j = 2ej 4 el semiplano se escala por 2 y luego se rota 45 en contra de las manecillas del reloj, para ser luego trasladado en = 1 j = 2ej 4 , que deja al semiplano izquierdo de z del lado inferior izquierdo de w (gura 2.12). Como el mapeo es lineal, el c rculo es transformado en otro c rculo. Siguiendo la interpre taci on geom etrica el nuevo c rculo tendr a un radio 2 2 centrado en w0 = 1 j , es decir, el circulo |z | < 2 es transformado en |w w0 | < 2 2. Como punto jo se tiene que z = z + que tiene una sola soluci on z = w = 1 + j (ver el enunciado). 2.6
2.2.3
Mapeo de Inversi on
El mapeo de inversi on tiene la forma general: w= 1 z
32
y Plano z

v
Plano w
Figura 2.12: Ejemplo de mapeo lineal
Interesa analizar ahora c omo se transforman los c rculos y rectas del plano z en este caso. Para ello, obs ervese primero el caso del c rculo |z z0 | = 1 z0 = r w .
Utilizando las propiedades de los n umeros complejos se derivan las siguientes conclusiones: 1 z0 = r w 1 w z0 = r w w y puesto que z z = |z |2 w z0 |w|2 w z0 |w|2 1 wz0 2 |w| |w|2 w z0 = r2 |w|2 w z0 = r2 |w|2 w z0 + |z0 |2 = r2 |w|2
1 (wz0 + w z0 ) = (r2 |z0 |2 )|w|2

=cteIR
(2.20)
wz0 + w z0 1 ww + = As umase por ahora que = 0. Sumando a ambos lados de la igualdad cuadrados, se obtiene: wz0 + w z0 z0 z0 1 z0 z0 + 2 = + 2 2 wz w z z z r 0 0 0 0 ww + + + = ww +
z0 z0 2
para completar
2 Variable compleja
33
w w +
z0 z0 z0 + w +
w+
z0
2
w + = r
z0
2
w+
z0
w+
z0
z0 = w+ Por lo tanto
con w0 = z0 / y rw =|r/| = |r/(r2 |z0 |2 )|. Entonces, si = 0, un c rculo en el plano z es transformado por inversi on en otro c rculo en el plano w. N otese que = 0 equivale a decir r = |z0 |, es decir, un c rculo que pasa por el origen. En otras palabras, cualquier 1 c rculo en el plano z que no pasa por el origen es transformado por w = z en otro c rculo que tampoco pasa por el origen, pues si r = |z0 | entonces rw = |r| z0 |z0 | = = || ||
|w w0 | = rw
Para el caso especial en el que el c rculo en el plano z pasa por el origen, entonces es cero y la ecuaci on (2.20) se transforma en 1 (wz0 + w z0 ) = 0 y considerando que w = u + jv , z0 = x0 + jy0 y z + z = 2 Re{z } se obtiene: 2(ux0 vy0 ) = 1 x0 1 v = u y0 2y0 lo que equivale a una recta en el plano w que corta el eje imaginario en v = 21 y tiene y0 x0 pendiente y0 . De forma similar se procede ahora con el mapeo de inversi on de una recta en el plano z . Para ello se utilizar a ahora la ecuaci on de la recta de la siguiente forma: |z a| = |z b| donde a, b C, que describe la recta perpendicular al segmento de recta entre a y b, que corta a este u ltimo a la mitad (mediatriz). Sustituyendo z = 1/w y elevando al cuadrado ambos lados de la ecuaci on se obtiene 1 1 a = b w w w a |w|2 w a |w|2
2
2 Re{wz0 } = 1
w a |w|2
w b |w|2 w = b |w|2 =
w b |w|2
34
de donde se puede despejar w w ( a b ) + (a b) = |a|2 |b|2 |w|2 |w|2

=cteIR
w (a b) + w(a b) = (|a|2 |b|2 )|w|2
(2.21)
N otese que la constante es igual a cero si y solo si los dos puntos a y b tienen la misma magnitud, en cuyo caso la mediatriz es una recta que pasa por el origen. En este caso, la ecuaci on anterior ser a equivalente a w (a b) + w(a b) = 0 y utilizando z + z = 2 Re{z }, w = u + jv se obtiene como parte real del producto entre w y ( a b) 2u Re{a b} 2v Im{a b} = 0 de donde se deriva v= Re{a b} u Im{a b}
lo que corresponde a una recta en el plano w que pasa por el origen. En otras palabras, una recta que pasa por el origen en z ser a proyectada en otra recta que pasa por el origen en w. Si = 0 entonces la recta no pasa por el origen y la ecuaci on (2.21) se puede reescribir w (a b) (a b) +w = |w|2 = ww
Reagrupando los t erminos y completando los cuadrados sumando (a b)(a b) / 2 se obtiene (a b) (a b)(a b) (a b)(a b) (a b) w + = ww w 2 2 que es equivalente a ab w w
(a b) ab
w w
ab
|a b|2 2
2
ab |a b| = (a b ) |a b| w = | |
b) b . Puesto que Esto corresponde a un c rculo centrado en w0 = (a de radio rw = a rw = |w0 | entonces la recta es transformada en un c rculo que pasa por el origen del plano w.
En resumen, el mapeo de inversi on transforma los c rculos y rectas en c rculos o rectas. Puesto que w = 1/z , es f acil de recordar que si z tiende a cero, entonces w tender a a innito, el cual es contenido en rectas del plano w. Si z nunca se hace cero (como por ejemplo,
2 Variable compleja
35
en c rculos que no pasan por el origen), entonces su transformaci on siempre tendr a valores nitos en w. Si z se hace innito, entonces el valor de w = 1/z ser a cero, por lo que toda recta en el plano z (por contener al innito) tendr a una imagen que pasa por el origen del plano w. Los puntos jos de este mapeo se encuentran resolviendo z = 1/z , lo que equivale a z 2 = 1. Esto tiene dos posibles valores en z = 1. Adem as cualquier c rculo centrado en el origen de z de radio r ser a transformado en otro c rculo centrado en el origen de w con radio 1/r. Esto quiere decir que el interior del c rculo unitario en z se proyecta al exterior del c rculo unitario en w. N otese que el c rculo unitario |z | = 1 contiene a los dos puntos jos, que se deben encontrar entonces en su proyecci on. N otese adem as que el mapeo inverso de w = 1/z es z = 1/w, es decir, el mapeo inverso de la inversi on es a su vez la inversi on. Se deja como ejercicio para el lector mostrar que el mapeo de inversi on transforma c rculos centrados en el eje real del plano z en c rculos centrados en el eje real del plano w o en rectas verticales; adem as, transforma c rculos centrados en el eje imaginario del plano z en c rculos centrados en el eje imaginario del plano w, o en rectas horizontales. La gura 2.13 ilustra el resultado del mapeo de inversi on para el c rculo unitario, l neas verticales y horizontales en el plano z .
y Plano z
j
Plano w
Figura 2.13: Mapeo de inversi on de l neas horizontales y verticales. El eje imaginario Im(z ) = 0 corresponde con Im(w) = 0, y de forma equivalente el eje real Re(z ) = 0 equivale a Re(w) = 0. Las otras rectas corresponden con c rculos, todos pasando por el origen del plano w. El c rculo unitario es su propia imagen.
2.2.4
Mapeo bilineal
Se le denomina polinomio bilineal de z y w a la expresi on de la forma 1 zw + 2 z + 3 w + 4 = 0
36
con las constantes complejas 1 , 2 , 3 y 4 , puesto que si se considera a una de las variables z o w constante, la expresi on resultante es lineal. Esta ecuaci on puede reescribirse como: w(1 z + 3 ) = 2 z 4 2 z 4 w= 1 z + 3 Si se denen a = 2 , b = 4 , c = 1 y d = 3 se obtiene la forma m as usual para un mapeo bilineal: az + b (2.22) w= cz + d N otese que el mapeo lineal visto anteriormente (secci on 2.2.2) es un caso especial del mapeo bilineal con c = 0 y d = 1, y el mapeo de inversi on (secci on 2.2.3) es otro caso especial con a = d = 0 y b = c = 1. El mapeo (2.22) se puede transformar en una sucesi on de mapeos ya analizados para derivar sus propiedades. Multipl quese para ello el t ermino az por c/c y s umese ad/c ad/c: ad a ( cz + d ) + b az + b c = a + bc ad w= = c cz + d cz + d c c(cz + d) (2.23)
donde la variable z aparece ahora una sola vez en el denominador del segundo t ermino. De la u ltima expresi on se nota que si el t ermino (bc ad) (denominado determinante del mapeo ) es cero, entonces el mapeo degenera en w = a y por lo tanto no tiene mapeo inverso. c Si el determinante del mapeo es diferente de cero, entonces su mapeo inverso existe y est a dado por el mapeo tambi en bilineal e invertible (ver problema 2.32): z= dw + b cw a (2.24)
Para apreciar mejor los pasos involucrados de este mapeo, (2.23) se puede reescribir con = a/c, = bc ad, = c2 y = cd: w =+ lo que equivale a los siguientes tres pasos 1. z1 = z + (mapeo lineal) 1 2. z2 = (mapeo de inversi on) z1 3. w = z2 + (mapeo lineal) El primer mapeo lineal escala, rota y traslada el plano z , por lo que si el dominio del mapeo es una curva, su forma no cambiar a en el plano z1 : rectas se transformar an en rectas, y c rculos en c rculos. El segundo mapeo, de inversi on, transformar a c rculos y rectas en c rculos y rectas, que a su vez ser an escalados, rotados y trasladados por el u ltimo paso a su posici on nal. En otros t erminos, el mapeo bilineal tambi en transforma c rculos y rectas en z en c rculos y rectas en w. z +
2 Variable compleja
37
Ejemplo 2.7 En el estudio de l neas de transmisi on se utiliza a menudo la llamada carta de Smith que relaciona el coeciente complejo de reexi on con la impedancia compleja normalizada z por medio del mapeo bilineal: = z1 z+1 (2.25)
Verique a qu e equivalen las proyecciones de resistencia o reactancias normalizadas constantes en z en el plano del coeciente complejo de reexi on. Soluci on: Una primera soluci on conceptual puede obtenerse observando que los dos mapeos lineales involucrados en la ecuaci on (2.25) son relativamente sencillos: = z1 2 =1 z+1 z+1
El primer mapeo z1 = z + 1 en el denominador del t ermino racional corresponde a trasladar al plano z una unidad hacia la derecha. Luego se aplica el mapeo de inversi on z2 = 1/z1 y, j 180 puesto que 2 = 2e , se hace un escalado por el factor de 2 seguido por una rotaci on en 180 . Al resultado z2 solo resta desplazarlo una unidad hacia la derecha para obtener . N otese que en z = , = 1, esto quiere decir que toda recta en z tendr a un mapeo que pasa por el punto = 1 pues toda recta contiene a . Adem as, en z = 1, = , por lo que, considerando todo el an alisis anterior para el mapeo de inversi on, cualquier c rculo o recta que pase por z = 1 ser a transformado en una recta en el plano . Consecuencia de lo anterior es que toda recta que no pasa por z = 1 tiene como equivalente un c rculo que pasa por = 1. Para un an alisis m as algebraico de la expresi on (2.25) consid erese primero la ecuaci on general de una l nea: |z a| = |z b| (2.26) Partiendo del hecho de que el mapeo inverso de (2.25) tiene la forma z= 1+ 1 1+ = b 1
2
y elevando ambos lados de (2.26) al cuadrado se obtiene 1+ a 1

2
|(1 + ) a(1 )|2 = |(1 + ) b(1 )|2 |(1 + a) + (1 a)|2 = |(1 + b) + (1 b)|2
a1 a2 b1 b2
N otese que los t erminos a1 , a2 , b1 , b2 son n umeros complejos, introducidos para simplicar 2 la notaci on. Utilizando la propiedad |z | = zz (a1 + a2 )(a1 + a2 ) = (b1 + b2 )(b1 + b2 ) |a1 + a2 |2 = |b1 + b2 |2
38
Desarrollando la expresi on anterior y asumiendo = 0 se obtiene: ||2 (|a1 |2 |b1 |2 ) + (a1 a2 b1 b2 ) + (a1 a2 b1 b2 ) = |b2 |2 |a2 |2
IR IR
||2 + Completando cuadrados con

2
+ =
||2 +
+ + 2 = + 2 + + = + 2 +
2
+ 2
(2.27)
Lo que representa, como se esperaba, c rculos en el plano , centrados en y de radio Como caso de inter es se estudia ahora la proyecci on de las rectas horizontales y verticales en el plano z sobre el plano . Una recta horizontal que cruza el eje imaginario en y (y IR) puede representarse por ejemplo con la ecuaci on (2.26) donde a = j (y 1) b = j (y + 1) b1 = 1 + j (y + 1), a1 = 1 + j (y 1), b2 = 1 j (y + 1) a2 = 1 j (y 1)
+ . 2
Puesto que = a1 a2 b1 b2
= (1 j (y 1))(1 j (y 1)) (1 j (y + 1))(1 j (y + 1)) = 1 j 2(y 1) (y 1)2 [1 j 2(y + 1) (y + 1)2 ] = 4y + 4j
= |a1 |2 |b1 |2 = 4y
= |b2 |2 |a2 |2 = 4y = 1 1+j y

2
con lo que se puede derivar que la ecuaci on del c rculo equivalente est a dada por: = 1 y2
lo que conrma la observaci on anterior de que todo c rculo representando a una recta en z pasar a por el punto = 1, puesto que el radio es igual a la separaci on entre el centro del c rculo y el punto = 1. Para las rectas verticales de forma similar se obtiene: a=x1 b=x+1 a1 = x, a2 = 2 x
b1 = 2 + x,
b2 = x
2 Variable compleja
39
con lo que se deriva = a1 a2 b1 b2 = 4x
= |a1 |2 |b1 |2 = 4x 4 = |b2 |2 |a2 |2 = 4x 4

2
y se puede expresar entonces 1 1 x+1 = 1 (x + 1)2
N otese que el centro de este c rculo est a alejado de = 1 la misma distancia que su radio, por lo que tambi en pasa por = 1. El eje imaginario del plano z es mapeado al c rculo unitario del plano . Falta por analizar el caso = 0. Esto implica que |a1 |2 |b1 |2 = 0 |1 + a|2 = |1 + b|2 Considerando que la expresi on |z z0 | se puede interpretar como la distancia entre los puntos z y z0 , entonces, reorganizando la expresi on anterior como |a (1)| = |b (1)| se obtiene que la distancia del punto a hacia 1 debe ser igual que la distancia del punto b a 1, o en otros t erminos, ambos puntos a y b deben estar sobre un c rculo con centro en 1, lo que se ilustra en la gura 2.14. Puesto que la mediatriz de dos puntos situados sobre un c rculo pasa por el centro de dicho c rculo, la ecuaci on |z a| = |z b| con |a + 1| = |b + 1| describe entonces una l nea recta que pasa por el punto 1 del plano z . A partir de esta observaci on se puede utilizar entonces una representaci on param etrica del eje real de z y la recta vertical que pasa por 1, para obtener directamente a trav es de la expresi on del mapeo las representaciones correspondientes. Primero, el eje real se puede expresar como z = t, con t IR. Esto produce t1 = t+1 que es siempre real, y por tanto representa al eje real del plano , tendiendo a 1 para t , haci endose cero para t = 1, y si t se acerca a 1 por la izquierda o por la derecha. La recta vertical que pasa por z = 1 se puede representar como z = 1 + jt con lo que se obtiene (1 + jt) 1 2 = =1+j (1 + jt) + 1 t que es una recta vertical que pasa por el punto = 1 al variar con t solo la parte imaginaria. La gura 2.15 presenta en forma gr aca los resultados descritos hasta el momento. La Carta de Smith com unmente representa solo lo que se encuentra dentro del c rculo unitario del |a1 |2 = |b1 |2
40
Im{z } a
|a + 1|
2 1
0 j
Re{z } b
|b + 1|
| z a | = | z b|
Figura 2.14: Demostraci on gr aca que |z a| = |z b| con |a + 1| = |b + 1| describe una recta que pasa por z = 1.
plano , puesto que componentes resistivos negativos de la impedancia normalizada z no tienen sentido en la aplicaci on pr actica. N otese la similitud con el mapeo de inversi on de rectas verticales y horizontales en la gura 2.13.
Im(z )
3 2 1 -2 -1 -1 -2 -3
-1
Im{}
1
Re(z )
0 -1 0 1
Re{}
Figura 2.15: Mapeo bilineal utilizado en la Carta de Smith.
2.7
2.2.5
Otros mapeos
Existen otra gran variedad de mapeos, como por ejemplo w= P (z ) Q(z )
donde P (z ) y Q(z ) son polinomios en z , mapeo que se utiliza fuertemente en las transformadas de Laplace y z . La gura 2.16 muestra el resultado de mapear las l neas verticales, horizontales y c rculos mostrados, utilizando los mapeos w = Ln(z ), w = sen(z ) y w = cos(z ).
2 Variable compleja
41
Im{z }
3 2
3
0 -1 0 1 2 3
Re{z }
-1
-2
-3
(a)
Im{z }4
3
(b)
Im{z }4
3
0 -4 -3 -2 -1 -1 0 1 2 3 4
Re{z }
0 -4 -3 -2 -1 -1 0 1 2 3 4
Re{z }
-2
-2
-3
-3
-4
-4
(c)
(d)
Figura 2.16: Efectos de mapear las l neas y c rculos en (a) utilizando los mapeos (b) w = Ln(z ), (c) w = sen(z ) y (d) w = cos(z ).
El mapeo w = aebz se estudiar an con m as detalle en cap tulos posteriores. El lector interesado puede revisar [18], donde encontrar a muchos otros tipos de mapeos y sus aplicaciones en ingenier a.
2.3
2.3.1
Derivaci on compleja
Algunas deniciones fundamentales
Los conjuntos de puntos del plano complejo pueden caracterizarse de acuerdo a sus caracter sticas topol ogicas: Una vecindad de radio (o simplemente vecindad ) de un punto z0 en un conjunto de puntos S es el conjunto de todos los puntos z S tales que |z z0 | < , donde es
42
2.3 Derivaci on compleja
cualquier n umero real positivo (gura 2.17a). La vecindad reducida de radio del punto z0 es igual a la vecindad de radio de z0 excluyendo al punto z0 , es decir, el conjunto de puntos z para los que se cumple 0 < |z z0 | < (gura 2.17b).
C z0
C z0
(a)
(b)
Figura 2.17: Diagramas para aclarar los conceptos de (a) Vecindad y (b) Vecindad reducida.
Un punto z0 se llama punto l mite o punto de acumulaci on de un conjunto S C si toda vecindad reducida de radio de z0 contiene puntos de S . Un punto l mite puede interpretarse entonces como aquel punto de S al que es posible acercarse arbitrariamente utilizando solo otros puntos de S . Esto quiere decir que, puesto que es cualquier n umero positivo, el conjunto S tiene cardinalidad innita. N otese adem as que el punto l mite z0 no necesariamente debe pertenecer a S . Un conjunto S se dice cerrado si cada punto l mite de S pertenece a S . Por ejemplo, el conjunto |z | 1 es cerrado mientras que |z | < 1 no lo es. Un conjunto S se denomina acotado si existe una constante M IR tal que para todo z S se cumple |z | < M . Un conjunto S se denomina ilimitado si no es acotado. Un conjunto compacto es cerrado y acotado. Un punto z0 se llama punto interior de un conjunto S si existe una vecindad de z0 cuyos puntos pertenecen completamente a S . Un punto z0 se llama punto frontera de un conjunto S si toda vecindad de z0 contiene puntos que pertenecen a S y puntos que no le pertenecen. Un punto z0 se llama punto exterior de un conjunto S si no es punto interior o punto frontera. Un conjunto es abierto si contiene solamente puntos interiores. N otese que si un conjunto es abierto, entonces no es cerrado y viceversa. El conjunto |z | < 1 es abierto. Un conjunto S es conexo si cualquier par de puntos del conjunto pueden ser unidos por un camino formado por segmentos de recta contenidos en S . Un conjunto abierto y conexo recibe tambi en el nombre de regi on abierta o dominio. Si a un conjunto S se le agregan todos los puntos l mite de S , al nuevo conjunto se le denomina clausura de S y es un conjunto cerrado. La clausura de una regi on abierta o dominio se denomina regi on cerrada. Una regi on es una regi on abierta con ninguno, varios o todos sus puntos l mite.
2 Variable compleja
43
2.3.2
L mites y continuidad
Sea el plano complejo z = x + jy , el plano complejo w = u + jv (con x, y, u, v IR) y la funci on de variable compleja w = f (z ) denida en un dominio S C. Sea adem as z0 un punto l mite dentro de S . Se dice que l es el l mite de f (z ) cuando z tiende a z0 , lo que se escribe
z z0
lim f (z ) = l
(2.28)
si los valores de f (z ) se aproximan a l cuando z se aproxima a z0 ; es decir, si para todo real positivo es posible encontrar un real positivo tal que para todo z en una vecindad reducida de z0 de radio se cumple |f (z ) l| < que representa un disco de radio en el plano w centrado en el valor del l mite (gura 2.18). Expresado matem aticamente: IR+ , IR+ : 0 < |z z0 | < |f (z ) l| <
v Plano w z z0 f (z ) l x u
y Plano z
Figura 2.18: Representaci on gr aca del l mite con variable compleja.
La funci on f (z ) se denomina continua en el punto z = z0 si f (z0 ) est a denida y se cumple lim f (z ) = f (z0 ) .
z z0
Puesto que z0 es un punto l mite en el dominio S de denici on de f (z ), entonces se concluye que f (z ) est a denida tambi en en una vecindad de z0 . La funci on se denomina continua en un dominio, si es continua en todos los puntos de ese dominio.
44
2.3.3
Funciones diferenciables y anal ticas
Deniciones El n umero complejo A se denomina derivada de la funci on w = f (z ) en el punto z0 relativo al conjunto S y se denota con fS (z0 ) si se cumple A = fS (z0 ) = lim
z z0
f (z ) f (z0 ) z z0
(2.29)
Esta denici on es muy similar a la derivada en caso de funciones de variable real: f (x0 ) = lim f (x) f (x0 ) x x0
xx0
en cuyo caso el dominio S se ha reducido a un intervalo abierto del eje real que incluye a x0 . Mientras que en este u ltimo caso el acercamiento a x0 puede ser solo por la izquierda o por la derecha, en las funciones de variable compleja el acercamiento hacia z0 puede realizarse desde un n umero innito de direcciones diferentes, lo que impone un requisito m as estricto a la existencia de la derivada de una funci on compleja, al exigirse que los valores del limite en todas esas direcciones sea el mismo. Una funci on f (z ) se denomina holomorfa , anal tica 3 , o regular en una regi on abierta (o dominio) G C si es diferenciable en todo punto de G. En este caso se simplica la d f (z ) sin indicar dz notaci on de la derivada fG (z ), que se puede escribir entonces como f (z ) o expl citamente la regi on G. Seg un la anterior denici on, si f (z ) es anal tica en G y z0 G entonces f (z ) es diferenciable en z = z0 relativo a cualquier subconjunto S G que contenga a z0 como punto l mite y fS (z0 ) = f (z0 ) La funci on f (z ) se dice anal tica en el punto z = z0 (o en un conjunto S ) si f (z ) es anal tica en un conjunto abierto G que contiene a z0 (o a S ). Ejemplo 2.8 Calcule la derivada de la funci on f (z ) = z dentro de todo el plano z . Soluci on: Utilizando la denici on: f (z ) f (z0 ) z z0 = =1 z z0 z z0 se obtiene que f (z0 ) = 1 para todo z , por lo que la funci on es anal tica en C.
2.8
Formalmente, la denici on brindada corresponde a una funci on holomorfa. La funci on es anal tica en un punto z0 si la funci on se puede expresar por medio de una serie de Taylor centrada en z0 , lo que conduce a que sea innitamente diferenciable, y por lo tanto, holomorfa. Posteriormente se presentar a el hecho de que si una funci on es holomorfa, es diferenciable innitamente, lo que a su vez implica que tiene una serie de Taylor asociada. Por esta raz on, en este documento se utilizar an ambos t erminos indistintamente.
2 Variable compleja
45
Sea T un subconjunto de S y sea z0 T un punto l mite en T . Si existe fS (z0 ) entonces existe fT (z0 ) y se cumple fT (z0 ) = fS (z0 ) En otras palabras, si una funci on es diferenciable en un conjunto entonces es diferenciable en un subconjunto menor. Lo contrario no es cierto, como lo muestra el siguiente ejemplo. Ejemplo 2.9 Demuestre que la funci on f (z ) = z = x jy es diferenciable en cualquier punto z = z0 relativo a un rayo S que parte desde z0 . Soluci on: Con la denici on f (z ) f (z0 ) (z z0 ) = = ej 2(zz0 ) z z0 z z0
que es una expresi on con valor constante solo si z S y el conjunto S representa un segmento de recta que parte desde z0 , lo que implicar a valores del mismo valor angular. Si se toman un nuevo conjunto igual a la uni on de dos segmentos de recta, entonces se obtienen dos valores diferentes de la derivada lo que implica que la funci on no es anal tica. 2.9 Si la funci on f (z ) es diferenciable en el punto z = z0 con respecto al conjunto S , entonces si z tiende a z0 el cociente en (2.29) est a limitado por una constante C y por lo tanto |f (z ) f (z0 )| C |z z0 | para un radio |z z0 | sucientemente peque no (z S ) y por lo tanto
z z0
lim f (z ) = f (z0 )
lo que implica que f (z ) es continua en z = z0 con respecto al conjunto S . Reglas para el c alculo de derivadas Si f (z ) y g (z ) son funciones diferenciables en el punto z = z0 relativo a un conjunto S , y k C entonces se cumple [kf (z )]S = kfS (z ) [f (z ) + g (z )]S = fS (z ) + gS (z ) [f (z )g (z )]S = fS (z )g (z ) + f (z )gS (z ) f (z ) g (z ) =
S
(2.30)
fS (z )g (z ) f (z )gS (z ) g 2 (z )
La regla de la cadena tambi en es v alida: si w = f (z ) es diferenciable en z = z0 con respecto al conjunto S , y = g (w) se dene en un conjunto T que corresponde al mapeo de todos los puntos de S sucientemente cercanos a z0 , y es diferenciable en w0 = f (z0 ), entonces = h(z ) = g (f (z )) es diferenciable en z0 con respecto a S con derivada hS (z0 ) = gT (w0 )fS (z0 )
46
De forma similar a los n umeros reales, las derivadas de orden superior se denen de forma recursiva como (n+1) (n) fS (z ) = [fS (z )]S (n = 1, 2, . . .) para las que adem as se cumple [kf (z )]S = kfS (z ) [f (z ) + g (z )]S = fS (z ) + gS (z ) donde k C. El cumplimiento de estas dos u ltimas propiedades hace que el operador de diferenciaci on de n- esimo orden sea denominado un operador lineal . Algunas funciones elementales y su derivaci on Puede demostrarse que la f ormula de Euler derivada anteriormente (ver ecuaci on (2.7)) es v alida para todo el plano z , es decir: ejz = cos z + j sen z y junto con ejz = cos z j sen z se obtiene directamente que ejz + ejz 2 jz e ejz sen z = 2j cos z = (2.32) (2.33) (2.31)
(n) (n) (n) (n) (n)
Se cumple adem as que d z e = ez dz por lo que, utilizando la propiedad (2.30), la regla de la cadena y las ecuaciones de seno (2.33) y coseno (2.32), se deduce: d sen z = cos z dz d cos z = sen z dz De forma similar, para las ecuaciones hiperb olicas senh z = ez ez = j sen jz 2 ez + ez cosh z = = cos jz 2 Re(ez ) = ex cos y Im(ez ) = ex sen y d senh z = cosh z dz d cosh z = senh z dz
Puesto que las partes real e imaginaria de la exponencial compleja est an dadas por
2 Variable compleja
47
puede verse que a diferencia de la funci on exponencial de variable real (z = x + jy , y = 0) que es estrictamente monot onica, en el dominio complejo la funci on oscila de acuerdo al valor de su componente imaginaria. Puede demostrarse adem as que | cos z |2 = cos2 x + senh2 y
| sen z |2 = sen2 x + senh2 y de donde se observa que en caso complejo (Im{z } = y = 0) la magnitud de senos y cosenos puede superar a 1, lo cual es imposible con z IR. Otras derivadas mantienen el formato presente en los n umeros reales. Por ejemplo se puede demostrar que: d n z = nz n1 para z C dz d 1 ln z = para z C \ IR dz z donde IR es el eje real no positivo, puesto que ah ln z no es anal tica.
2.3.4
Ecuaciones de Cauchy-Riemann
Sea f (z ) una funci on anal tica dentro de un dominio S . Por lo tanto, su derivada en z0 S existe y est a dada por f (z ) f (z0 ) f (z0 ) = lim z z0 z z0
donde z puede tender a z0 por cualquier trayectoria dentro de S . Un caso especial lo representan las trayectorias paralelas a los ejes real e imaginario del plano z . Por ejemplo, si se elije una trayectoria paralela al eje real entonces z z0 = x y f (z0 ) = lim
x 0
f (z0 + x) f (z0 ) x
y puesto que f (z ) = f (x + jy ) = u(x, y ) + jv (x, y ) entonces f (z0 ) = lim u(x0 + x, y0 ) + jv (x0 + x, y0 ) u(x0 , y0 ) jv (x0 , y0 ) x0 x u(x0 + x, y0 ) u(x0 , y0 ) v (x0 + x, y0 ) v (x0 , y0 ) = lim +j x0 x x u v = +j x x x=x0 ,y=y0
(2.34)
Si ahora se elije una direcci on paralela al eje imaginario, se tiene z z0 = j y f (z0 ) = lim
y 0
f (z0 + j y ) f (z0 ) j y
48
y similar al caso anterior se tiene adem as f (z0 ) = lim u(x0 , y0 + y ) + jv (x0 , y0 + y ) u(x0 , y0 ) jv (x0 , y0 ) j y u(x0 , y0 + y ) u(x0 , y0 ) v (x0 , y0 + y ) v (x0 , y0 ) = lim +j y 0 j y j y v u = j y y x=x0 ,y=y0
y 0
(2.35)
Puesto que la funci on se ha asumido anal tica, entonces (2.34) y (2.35) deben ser iguales, lo que solo ocurre si sus partes real e imaginarias son id enticas (ver (2.6)), es decir, si u v = x y u v = y x
(2.36)
conocidas como las Ecuaciones de Cauchy-Riemann . De esto se deriva que las ecuaciones de Cauchy-Riemann proporcionan condiciones necesarias para la existencia de la derivada de f (z ) en un punto particular z0 . Ahora, si se tienen dos funciones continuas de valor real u(x, y ) y v (x, y ) con x, y IR, que a su vez tienen derivadas parciales continuas, se puede demostrar que si u(x, y ) y v (x, y ) satisfacen las ecuaciones de Cauchy-Riemann en una regi on S , entonces f (z ) = u(x, y ) + jv (x, y ) es anal tica en S . N otese entonces, que si la funci on es anal tica, entonces su derivada puede calcularse eligiendo cualquier direcci on, entre otras las dadas en (2.34) y (2.35). Ejemplo 2.10 Verique que la funci on f (z ) = z 2 satisface las ecuaciones de CauchyRiemann y determine la derivada f (z ). Soluci on: Con z = x+jy se obtiene f (z ) = (x+jy )2 = (x2 y 2 )+j 2xy , y con u(x, y ) = x2 y 2 y v (x, y ) = 2xy se pueden calcular las derivadas u = 2x, x v = 2y, x u = 2y y v = 2x y
que obviamente cumplen con las ecuaciones de Cauchy-Riemann. Eligiendo la direcci on en x se obtiene que la derivada es entonces f (z ) = u v +j = 2x + j 2y = 2(x + jy ) = 2z x x
2.10
2.3.5
Funciones conjugadas y arm onicas
Un par de funciones de valor y variables reales u(x, y ) y v (x, y ) se denominan funciones conjugadas si satisfacen las ecuaciones de Cauchy-Riemann. Estas funciones son ortogonales
2 Variable compleja
49
en el sentido de que las curvas en el plano (x, y ) denidas por u(x, y ) =cte y v (x, y ) =cte, forman siempre a ngulos rectos entre s . La demostraci on de esto se puede realizar considerando que u(x, y ) = v (x, y ) =cte representan curvas de nivel, que siempre son ortogonales al gradiente de la supercie. As ,
u(x, y ) =
u(x, y ) u(x, y ) , x y v (x, y ) v (x, y ) v (x, y ) = , x y
y utilizando las ecuaciones de Cauchy-Riemann se obtiene que v (x, y ) = u(x, y ) u(x, y ) , y x
Ahora, el producto escalar de ambos gradientes es u(x, y ) v (x, y ) = u(x, y ) v (x, y ) u(x, y ) v (x, y ) + x x y y u(x, y ) u(x, y ) u(x, y ) u(x, y ) + =0 = x y y x
lo que implica que los gradientes de u y v son ortogonales entre s , que es equivalente a que las curvas de nivel, quienes siempre forman un a ngulo de 90 con el gradiente, son tambi en ortogonales entre s . Una funci on se denomina arm onica si satisface la ecuaci on de Laplace: 2u 2u + =0 x2 y 2 Si una funci on es anal tica entonces f (z ) = [f (z )] = y a su vez f (z ) = [f (z )] = 1 j y 1 u v + j y y = 2u 2v j y 2 y 2 x u v +j x x = 2u 2v + j x2 x2
Igualando los t erminos real e imaginario se obtiene 2u 2u + =0 x2 y 2 2v 2v + =0 x2 y 2
Esto quiere decir, que si una funci on es anal tica en una regi on, entonces sus componentes real e imaginaria son funciones arm onicas en esa regi on. Visto de otra manera, si u(x, y ) es arm onica, entonces a su vez existe una funci on conjugada v (x, y ) con la que se conforma una funci on anal tica.
50
Ejemplo 2.11 Sea u(x, y ) = x2 y 2 + 2x la componente real de una funci on anal tica f (z ) con z = x + jy en todo el plano z . Encuentre la funci on conjugada v (x, y ) tal que f (z ) = u(x, y ) + jv (x, y ). Soluci on: Como f (z ) es anal tica, las ecuaciones de Cauchy-Riemann deben cumplirse, por lo que v u = = 2x + 2 y x Integrando con respecto a y v = 2xy + 2y + F (x) Donde F (x) es la constante de integraci on, que en este caso puede ser cualquier funci on de x. Derivando respecto a x y considerando las ecuaciones de Cauchy-Riemann v dF (x) u = 2y + = = (2y ) = 2y x dx y por lo que F (x) debe ser constante para que su derivada sea cero. Asumiendo esta constante igual a jC se obtiene f (z ) = u(x, y ) + jv (x, y ) = x2 y 2 + 2x + j (2xy + 2y jC ) = x2 + 2x(jy ) y 2 + 2x + j 2y + C = (x + jy )2 + 2(x + jy ) + C = z 2 + 2z + C La gura 2.19 muestra ambas componentes como supercies y sus correspondientes curvas de nivel, donde se puede apreciar su ortogonalidad. Se ha asumido C = 0.
u(x, y ) v (x, y )
3
30 20 10 0 -10 -20 -30
2 1 0 -1
-3 -2 -1
-2
0 1 2 3-3 -2 -1 0
3
-3 -3 -2 -1 0 1 2 3
(a)
(b)
Figura 2.19: Funciones conjugadas y ortogonalidad de las curvas de nivel. (a) Ambas funciones conjugadas como supercies. (b) Curvas de nivel de ambas supercies y su ortogonalidad.
2.11
2 Variable compleja
51
2.3.6
Mapeos conformes
Un mapeo w = f (z ) se denomina conforme si el a ngulo que forman dos curvas en el plano z es preservando entre las dos curvas imagen del plano w. Puede demostrarse que si f (z ) es una funci on anal tica, entonces f (z ) representa un mapeo conforme excepto en aquellos puntos donde la derivada f (z ) = 0. Esta u ltima condici on permite analizar la generalidad de los mapeos introducidos anteriormente. El mapeo lineal con = 0: w = f (z ) = z + f (z ) =
es entonces un mapeo conforme. Esto es claro puesto que el mapeo representa una rotaci on, escalado y traslaci on, que no modican entonces la posici on relativa entre las curvas (gura 2.9). El mapeo de inversi on w = f (z ) = 1 z f (z ) = 1 z2
es entonces conforme en todo el plano C \ {0}, y esto se puede apreciar bien en la gura 2.13, donde el angulo entre las l neas horizontales y verticales es de 90 , a ngulo que se conserva en las intersecciones entre los c rculos correspondientes. Si se expresa el mapeo bilineal de la forma w = f (z ) = + entonces su derivada puede calcularse como f (z ) = (z + )2 (, = 0) z +
que de nuevo nunca es cero para ning un punto nito del plano z , y es anal tica en el plano C \ {/}. La Carta de Smith en la gura 2.15 tambi en muestra como las intersecciones entre los c rculos que representan a las rectas horizontales y verticales tambi en forman un a ngulo de 90 .
Ejemplo 2.12 Determine los puntos en los cuales el mapeo w = z + Soluci on: Utilizando z = x + jy , w = u + jv se tiene w = u + jv = x + jy + por lo que u=x+ x2 x + y2 v=y x2 y + y2 x jy x2 + y 2
1 z
no es conforme.
52
Con las ecuaciones de Cauchy-Riemann y con u x v y u y v x x2 y 2 (x2 + y 2 )2 x2 y 2 =1 2 (x + y 2 )2 2xy = 2 (x + y 2 )2 2xy = 2 (x + y 2 )2 =1
se obtiene que f (z ) es anal tica en C \ 0. Adem as dw 1 =1 2 =0 dz z lo que implica que la derivada se hace cero para z = 1. Por tanto el mapeo no es conforme en z = 0, y z = 1. 2.12 Ejemplo 2.13 Determine en qu e dominio es el mapeo w = f (z ) = ez es conforme. Soluci on: La derivada f (z ) = ez est a denida para todo el plano z , y por lo tanto f (z ) es z x jy anal tica. Puesto que e = e e entonces puede verse que la magnitud de ez se hace cero solo si x , lo que quiere decir que el mapeo es conforme en todo z . N otese que las l neas horizontales, que poseen y constante, equivalen a l neas radiales partiendo del origen del plano w. Por otro lado las l neas verticales que tienen a x constante, representan c rculos centrados en el origen de w. Obviamente las l neas radiales y los c rculos presentan a ngulos rectos en sus intersecciones (gura 2.20).
Im(z )
3 2 1
Im(w)
6 4 2
1 1 2 3
Re(z )
2 2 4 6
Re(w)
Figura 2.20: Mapeo exponencial es conforme.

2.13
2 Variable compleja
53
2.4
Series complejas
Las series complejas est an relacionadas directamente con el principio de continuaci on anal tica mencionado previamente en la nota al pie de la p agina 19. Si una funci on f (x) de variable y valor reales (f : IR IR) tiene un desarrollo como serie innita de potencias:
f ( x) =
n=0
an xn = a0 + a1 x + a2 x2 + . . . + ak xk + . . .
entonces tiene una funci on de variable y valor complejos correspondiente f (z ) (f : C C) con un desarrollo equivalente en serie de potencias
f (z ) =
n=0
an z n = a0 + a1 z + a2 z 2 + . . . + ak z k + . . .
(2.37)
Puesto que la mayor a de los operadores de c alculo diferencial e integral se basan en l mites de sumas y restas que tienen un comportamiento muy similar en los dominios real y complejo, las propiedades de la as denida f (x) ser an entonces aplicables a su continuaci on anal tica f (z ). As mismo, muchas funciones denidas a trav es de su representaci on en serie de potencias en los n umeros reales ser an entonces simplemente continuadas anal ticamente x en los n umeros complejos (por ejemplo, e , sen x, cos x, ln x, etc.). Las series complejas son utilizadas ampliamente en el an alisis de sistemas digitales, por medio de la transformada z .
2.4.1
Series de potencias
Una serie de potencias de la forma
n=0
an (z z0 )n = a0 + a1 (z z0 ) + a2 (z z0 )2 + . . . ak (z z0 )k + . . .
(2.38)
con an , z0 C se denomina serie de potencias centrada en z0 (o alrededor de z0 ). N otese que haciendo una sustituci on de variable z = z z0 puede estudiarse la serie utilizando (2.37) sin p erdida de generalidad, por lo que a continuaci on se analizar a este caso m as simple. Las pruebas de convergencia de series innitas complejas se realizan de forma muy similar a las series reales. Por ejemplo, sea la serie nita (revisar problema 2.65)
N 1
SN =
n=0
zn =
1 zN 1z
Si z = |z |ej entonces z N = |z |N ejN , y si N entonces z N converge solo si |z | < 1, y converge a cero, por lo que 1 zn = 1z n=0
54
2.4 Series complejas
Esta serie diverge si |z | 1. Ambos resultados son consistentes con la continuaci on anal tica del caso real, donde 1 xn = , |x| < 1 1 x n=0 es decir, la serie converge si z se encuentra dentro del c rculo unitario del plano complejo (gura 2.21). N otese que la regi on de convergencia para la serie real corresponde a la
Im(z ) |z | < 1
Regi on de divergencia
Regi on de convergencia
0 1
Re(z )
Figura 2.21: Regi on de convergencia de
n n=0 z .
intersecci on entre esta regi on circular del plano z y el eje real; es decir, el intervalo x ] 1, 1[. En general, la serie de potencias anterior extendida con coecientes constantes de ponderaci on an para cada t ermino z n
an z n
n=0
(2.39)
converge si |z | < R, y diverge si |z | > R, donde a R se le denomina radio de convergencia . El caso |z | = R deber a analizarse por separado. Una pregunta planteada en el an alisis de convergencia de la suma (2.39) es, c omo deben n comportarse los t erminos an z cuando n tiende a innito para poder converger. Sea Sk la suma parcial de los primeros k t erminos de la serie de potencias
k 1
Sk =
i=0
ai z i
de tal forma que se cumple para la suma de los primeros n +1 t erminos que
n n1
Sn+1 =
i=0
ai z i =
i=0
ai z i + an z n = Sn + an z n
de donde se aprecia que el n- esimo t ermino de (2.39) se puede obtener con an z n = Sn+1 Sn .
2 Variable compleja
55
Si la serie de potencias converge a S se cumple

n
lim an z n = lim (Sn+1 Sn ) = lim Sn+1 lim Sn = S S = 0

n n n
lo que implica que para que la serie converja entonces sus t erminos en n deben tender a cero como condici on necesaria (pero no suciente). Para determinar el radio de convergencia R de una serie de potencias puede utilizarse entre otros la raz on de DAlambert (o tambi en llamada f ormula de Cauchy-Hadamard), la cual establece que el radio de convergencia de (2.39) est a dado por R = lim siempre que el l mite exista. Regresando a la serie (2.38), esta converge cuando |z z0 | < R, es decir, cuando el valor de z se encuentra dentro de un c rculo de radio R centrado en z0 . Por otro lado, la serie
an an+1
(2.40)
n=0
an (z z0 )n = a0 +
a2 ak a1 + + ... + + ... 2 z z0 (z z0 ) (z z0 )k
1 , z z0
(2.41)
puede transformarse en (2.39) con z = ser a |z | < R
lo que implicar a que la regi on de convergencia |z z0 | > 1 R
1 <R z z0
que corresponde al exterior de un c rculo de radio 1/R centrado en el punto de desarrollo z0 , y divergir a en el interior de dicho c rculo (|z | < 1/R). Esto tiene sentido si se observa que 1/z k se hace arbitrariamente grande si z se acerca a cero, lo que indica que este u ltimo debe estar excluido de la regi on de convergencia. Adem as, puesto que los t erminos de la suma deben tender a cero para n , esto solo puede ocurrir si el denominador es sucientemente grande. Usualmente, para estas regiones externas a un c rculo centrado en z0 se utiliza la expresi on centradas en innito, lo que solo debe dar la idea de que la regi on conexa inicia en el innito hasta alcanzar la frontera circular de radio 1/R y centrada en z0 , tal y como ocurre en el plano z , donde la regi on de convergencia parte del origen hasta alcanzar el c rculo de radio R. Ejemplo 2.14 Demuestre que el radio de convergecia de (2.39) y su derivada son id enticos. Soluci on: Si f (z ) =
n=0
an z n
entonces f (z ) =
nan z n1 .
n=1
56
Si R es el radio de convergencia de f (z ) dado por (2.40) y R el radio de convergencia de f (z ), este u ltimo es, seg un la raz on de DAlambert: R = lim n nan an = lim n (n + 1)an+1 n n + 1 an+1 an 1 lim =1R = lim 1 n an+1 n 1 + n =R donde se ha utilizado la propiedad del producto de los l mites reales. Ejemplo 2.15 Determine la serie de potencias que representa a la funci on f (z ) = y su radio de convergencia. Soluci on: Existe un n umero innito de representaciones para esta funci on, cada una con su propio radio de convergencia, dependiendo de d onde se centre la serie de potencias; sin embargo, puesto que f (a) no est a denido, ninguna de la representaciones converger a para z = a. Por ejemplo, si se realiza la divisi on polinomial de 1 entre z a, se obtiene (gura 2.22):
1 -(1az 1 ) az 1 -( az 1 a2 z 2 ) a2 z 2 -( a2 z 2 a3 z 3 ) a3 z 3 -( a3 z 3 a4 z 4 ) a4 z 4 . . . za z 1 + az 2 + a2 z 3 + a3 z 4 + a4 z 5 . . .
2.14
1 za
Figura 2.22: Divisi on polinomial de 1 entre z a.
1 = za
n=1
an1 = zn
a
n=1
n1
1 z
Ahora, si se hace el cambio de variable z = 1/z y se aplica la raz on de DAlambert entonces n1 n se tiene que el radio de convergencia de n=1 a (z ) es R = lim an1 1 = n a a
2 Variable compleja
57
lo que quiere decir que la serie converge si |z | < 1 1 1 < |z | > |a| a z a
Por otro lado, si ahora se realiza la divisi on polinomial de 1 entre a + z , se obtiene (gura 2.23):
1 z -(1 a ) -( a + z 1 z z2 z3 2 3 4 ... a a a a
z a z z2 a a2 ) z2 a2 z2 z3 -( a 2 a3 ) z3 a3 z3 z4 -( a 3 a4 ) z4 a4
. . .
Figura 2.23: Divisi on polinomial de 1 entre a + z .
zn 1 = za an+1 n=0 Si se aplica la raz on de DAlambert entonces se tiene que el radio de convergencia es R = lim lo que quiere decir que la serie converge si |z | < |a|
n
(2.42)
an+2 = |a| an+1
El primer caso centr o la serie de potencias en z = , el segundo caso en z = 0. Sin embargo, es posible centrar la serie en cualquier otro punto, siempre que z = a no est e incluido dentro de la regi on de convergencia. Si se quiere por ejemplo encontrar la serie de potencias de la funci on anterior centrada en z0 , (z0 = a) la funci on puede reescribirse sumando y restando z0 en el denominador como 1 1 1 = = za (z z0 ) (a z0 ) z a (2.43)
con z = z z0 y a = a z0 . Esta expresi on puede a su vez descomponerse en las dos versiones de series de potencia descritas anteriormente: (a z0 )n1 para |z z0 | > |a z0 | n ( z z ) 1 0 = n=1 za (z z0 )n para |z z0 | < |a z0 | (a z0 )n+1 n=0
58
Lo que debe notarse es que, mientras en las versiones originales las regiones de convergencia estaban dadas por el area externa o interna de un c rculo de radio a centrado en el origen, ahora ser an las regiones internas o externas de un c rculo centrado en z0 de radio |a z0 |, es decir, de un radio igual a la distancia entre el punto a donde la funci on no est a denida y el punto donde se centra la serie de potencias z0 (gura 2.24).
Im(z ) a | z z 0 | < | a z0 | Im(z ) a | z z0 | > |a z0 |
z0
0
z0 Re(z )
0
Re(z )
1 ( z z0 ) n = za (a z0 )n+1 n=0
1 (a z0 )n1 = z a n=1 (z z0 )n
Figura 2.24: Regiones de convergencia para series de potencia de 1/(z a).

2.15
2.4.2
Series de Taylor
Sea f (z ) una funci on compleja anal tica dentro y sobre una curva cerrada simple C (como por ejemplo, un c rculo) en el plano z . Si z0 y z0 + h son dos puntos dentro de la regi on de convergencia entonces se cumple f (z0 + h) = f (z0 ) + hf (z0 ) + hn h2 f (z0 ) + . . . + f (n) (z0 ) + . . . 2! n! (2.44)
lo que tambi en puede ser expresado con h = z z0 como f (z ) = f (z0 ) + (z z0 )f (z0 ) +

(z z0 )2 (z z0 )n (n) f (z0 ) + . . . + f (z0 ) + . . . 2! n! an (z z0 )n (2.45)
=
n=0
f (n) (z0 ) (z z0 )n = n!
n=0
que es un caso especial de la serie de potencias (2.38) con los coecientes an = f (n) (z0 ) . n!
Esta u ltima representaci on en serie de potencias se conoce como desarrollo en Serie de Taylor de la funci on f (z ) alrededor de z0 y converge para |z z0 | < R, donde el radio de convergencia R est a determinado por lo general por el punto m as cercano a z0 donde f (z ) no es anal tica. El caso especial z0 = 0 se conoce tambi en como desarrollo en Serie de MacLaurin. Esto representa la continuaci on anal tica del caso real.
2 Variable compleja
59
Ejemplo 2.16 Encuentre la serie de Taylor centrada en z0 = 1/2 de la funci on f (z ) = cos(z ). Soluci on: Utilizando la denici on el lector puede demostrar que
cos(z ) =
n=0
an
1 z 2
donde los coecientes an est an dados por an = 0 (1)

n+1 2
para n par
n n!
para n impar
1.5 1 0.5 0 -0.5 -1 -1.5 9 7 0 0.5 1 3 1.5 2 1 5
15 13 11
Figura 2.25: Aproximaci on de la funci on cos(x) (l nea punteada) por los primeros N t erminos de la serie de Taylor centrada en x0 = 1/2 (l nea gruesa).
La gura 2.25 muestra la aproximaci on de la funci on de variable y valor reales f (x) = cos(x) con los primeros N t erminos de la serie de Taylor centrada en x0 = 1/2. La gura 2.26 muestra la magnitud de seis aproximaciones de la funci on f (z ) para diferente n umero de t erminos N de esta serie. La gura 2.27 muestra la parte real de las mismas aproximaciones.
2.16
Ejemplo 2.17 Encuentre el desarrollo en serie de Taylor de la funci on f (z ) = alrededor del punto z0 = j . Soluci on: La derivada de (2.46) puede calcularse de manera m as f acil si se encuentra su representaci on en fracciones parciales : f (z ) = 1 A B = + z (z 2j ) z z 2j 1 z (z 2j ) (2.46)
Multiplicando la ecuaci on anterior por z a ambos lados y haciendo z = 0 se encuentra que A = 1/(2j ), y multiplicando por z 2j y haciendo z = 2j se despeja B = 1/(2j ) con lo
60
01
2 1 4 3 2
01
2 1 4 3 2
01
2
y 4
00
1 2
1 x
y 4
00
1 2
1 x
y 4
1 4
00
1 2
1 x
3 2
01
2 1 4 3 2
01
2 1 4 3 2
01 2
2 1 4 3 2
00
1 2
1 x
00
1 2
1 x
00
1 2
1 x
Figura 2.26: Magnitud de la aproximaci on por medio de series de Taylor de la funci on cos(z ) para (de izquierda a derecha, primera y luego segunda las) N = 1, 3, 5, 7, 9, 11 t erminos de la serie, respectivamente. Se han superpuesto la magnitud de la funci on cos(z ) (l nea punteada) con la aproximaci on correspondiente (l nea gruesa).
4 2 01
2 1 4 3 2
4 2 01
2 1 4 3 2
4 2 01
2
2 y 4
00
1 2
1 x
2 y 4
00
1 2
1 x
2 y 4
1 4
00
1 2
1 x
3 2
4 2 01
2 1 4 3 2
4 2 01
2 1 4 3 2
4 2 01 2
2 1 4 3 2
2 y 4
00
1 2
1 x
2 y 4
00
1 2
1 x
2 y 4
00
1 2
1 x
Figura 2.27: Parte real de la aproximaci on por medio de series de Taylor de la funci on cos(z ) para (de izquierda a derecha, primera y luego segunda las) N = 1, 3, 5, 7, 9, 11 t erminos de la serie, respectivamente. Se han superpuesto la parte real de la funci on cos(z ) (l nea punteada) con la aproximaci on correspondiente (l nea gruesa).
2 Variable compleja
61
que nalmente f (z ) = 1 2j 1 1 z 2j z f (j ) = 1 f (j ) = 0 f (j ) = 2 f (3) (j ) = 0 f (4) (j ) = 24
Las derivadas y sus evaluaciones en z = j son entonces f (z ) = f (z ) = f (z ) = f (3) (z ) = f (4) (z ) = 1 2j 1 2j 1 2j 1 2j 1 2j 1 1 z 2j z 1 1 + 2 2 (z 2j ) z 2 2 3 3 (z 2j ) z 6 6 + 4 4 (z 2j ) z 24 24 5 5 (z 2j ) z
que se puede generalizar como f (n) (z ) = (1)n 2j n! n! n+1 n +1 (z 2j ) z f (n) (j ) = 0 si n impar
(1)n/2 n! si n par
Esto implica que el n- esimo t ermino de la serie de Taylor es 0 n (z j ) (n) f (j ) = (z j )n n! (1)n/2 n! = (z j )n (1)n/2 n! Por lo tanto
si n impar si n par
1 = 1 (z j )2 + (z j )4 (z j )6 + . . . z (z j 2)
En este caso z0 = j , y puesto que los dos puntos donde f (z ) no est a denido son z = 0 y z = 2j el radio de convergencia es igual a uno. En otras palabras, la serie de Taylor anterior es v alida solo para puntos z que se encuentren dentro de un c rculo de radio uno centrado en j . 2.17
2.4.3
Series de Laurent
Ya se discuti o anteriormente que las series de potencias de la forma descrita por (2.41) tienen su radio de convergencia centrado en z = . All se excluy o z = z0 de la regi on de convergencia. En general aquellos puntos donde una funci on no es anal tica (llamados tambi en singularidades ) no podr an ser utilizados como centros de los desarrollos en series de Taylor, puesto que las derivadas de la funci on no existen y por lo tanto no es posible obtener los coecientes de la serie. En el ejemplo 2.15 se pudo observar adem as que la regi on de convergencia siempre excluy o a la singularidad (ver gura 2.24). En ese ejemplo el radio de convergencia obtenido fue igual a la distancia entre el centro del desarrollo y la singularidad.
62
En general, el desarrollo en serie de Taylor de una funci on f (z ) centrado en z0 ser a v alido solo dentro de una regi on circular que no contenga singularidades. Las series de Laurent por otro lado constituyen una generalizaci on de las series de potencia, donde la regi on de convergencia es ahora de forma anular que puede entonces excluir singularidades en su interior (gura 2.28). Puede demostrarse que para una regi on de convergencia
Im(z )
z r1 r2
0
z0 Re(z )
Figura 2.28: Regi on de convergencia anular de las series de Laurent
anular r2 < |z z0 | < r1 centrada en z0 , la funci on f (z ) de variable compleja tendr a el desarrollo
f (z ) =
n=
cn (z z0 )n c k ck+1 c 1 + + ... + k k 1 (z z0 ) (z z0 ) z z0
= ... +
+ c0 + c1 (z z0 ) + . . . + ck (z z0 )k + . . . con ci C. Esta serie puede descomponerse como

1
(2.47)
f (z ) =
n=
cn (z z0 )n +
n=0
cn (z z0 )n
(2.48)
donde la suma con coecientes ci para i < 0 se denomina la parte principal de la serie de Laurent, y al segundo t ermino se le conoce como parte de Taylor. Si f (z ) es anal tica para todos los puntos en el interior del c rculo externo, es decir, para |z z0 | < r1 entonces ci = 0 para i < 0 y (2.48) conserva solo su segunda suma que equivale a la serie de Taylor. De forma similar a las series de Taylor, la regi on anular de convergencia estar a delimitada por lo general por puntos donde la funci on no est a denida o no es anal tica, conservando una regi on anular abierta que no contiene ninguna singularidad. Ejemplo 2.18 Calcule la serie de Laurent para la funci on f (z ) = z 2 (z 1 + 1)
2 Variable compleja
63
centrada en z0 = 0 y en z0 = 1, para una regi on de convergencia anular. Soluci on: Para el caso z0 = 0 se pueden utilizar los resultados del ejemplo 2.15 en su ecuaci on (2.42), con los que se obtiene que el factor 1/(z + 1) se puede expandir como 1 = 1 z + z2 z3 + z4 . . . 1+z con radio de convergencia |z | < 1. El t ermino en cuesti on ser a entonces z 2 (1 1 1 = 2 (1 z + z 2 z 3 + z 4 . . .) + z) z 1 1 = 2 + 1 z + z2 . . . z z
donde ahora debe excluirse al 0 de la regi on de convergencia debido a los dos primeros t erminos de la serie. Para el caso z0 = 1 se requiere expresar la serie de potencias en t erminos de (z + 1)k . Para ello puede procederse con el t ermino 1 1 1 1 = = = 2 2 2 2 z (z + 1 1) (z 1) z 2z + 1 con z = (z + 1). Puesto que hay otra singularidad en z = 0, la regi on de convergencia, para este t ermino aislado, podr a ser el exterior del c rculo de radio 1 centrado en z = 1, o su interior. Puesto que se necesita una regi on de convergencia anular, se escoge el interior del c rculo, para luego excluir el punto singular en z = 1. Realizando la divisi on polinomial para obtener la regi on de convergencia |z | < 1 se obtiene 1 = 1 + 2z + 3 z 2 + 4 z 3 + 5 z 4 + . . . 2 z = 1 + 2(z + 1) + 3(z + 1)2 + 4(z + 1)3 + 5(z + 1)4 + . . . con lo que la funci on original tiene una expansi on de Laurent centrada en z0 = 1 1 1 + 2(z + 1) + 3(z + 1)2 + 4(z + 1)3 + 5(z + 1)4 + . . . = z 2 (z + 1) z+1 1 = + 2 + 3(z + 1) + 4(z + 1)2 + 5(z + 1)3 + . . . z+1 con regi on de convergencia 0 < |z + 1| < 1. Ejemplo 2.19 Determine la expansi on en serie de Laurent de f (z ) = 1 (z + 1)(z + 3)
2.18
para las regiones de convergencia (gura 2.29): 1. 1 < |z | < 3 2. |z | > 3
64
Im(z ) 1 < |z | < 3 |z | < 1
0 1 2 3
Re(z )
0 < |z + 1| < 2
|z | > 3
Figura 2.29: Cuatro regiones de convergencia para el ejemplo 2.19.
3. 0 < |z + 1| < 2 4. |z | < 1 5. |z 1| < 2 Soluci on: Esto puede solucionarse m as f acilmente descomponiendo la funci on en fracciones parciales y aplicando los resultados del ejemplo 2.15. f (z ) = A B 1 = + (z + 1)(z + 3) (z + 1) (z + 3)
Multiplicando ambos lados por (z + 1) y evaluando en z = 1 se obtiene A = 1/2. Adem as, multiplicando ambos lados por (z + 3) y evaluando en z = 3 resulta B = 1/2, y por lo tanto 1 1 1 1 f (z ) = = (z + 1)(z + 3) 2 z+1 z+3 Para el primer t ermino se tiene (por divisi on polinomial) centrando el desarrollo en z0 = 0 1 = 1 z + z 2 z 3 + . . . , si |z | < 1 z+1 1 1 1 = 2 + 3 . . . , si |z | > 1 z z z mientras que el segundo t ermino (tambi en centrado en z0 = 0): 1 1 1 1 1 = 2 z + 3 z 2 4 z 3 + . . . , si |z | < 3 z+3 3 3 3 3 2 1 3 3 = 2 + 3 . . . , si |z | > 3 z z z Para el caso 1 < |z | < 3 se utiliza (2.50) y (2.51) que resulta en la serie de Laurent 1 1 1 1 1 1 1 1 3 = ... 3 2 + + z z2 + z ... (z + 1)(z + 3) 2z 2z 2z 6 18 54 162 (2.51) (2.52) (2.49) (2.50)
2 Variable compleja
65
El caso |z | > 3 utiliza (2.50) y (2.52) que resulta en la serie de Laurent centrada en z0 = 1 1 4 13 40 = 2 3 + 4 5 + ... (z + 1)(z + 3) z z z z
El caso 0 < |z + 1| < 2 est a centrado en una singularidad por lo que debe procederse de diferente forma. El factor 1 1 1 1 1 1 1 = = = 2z + 3z 2 4z 3 + ... z+3 (z + 1) + 2 z +2 2 2 2 2 1 1 1 1 1 = 2 (z + 1) + 3 (z + 1)2 4 (z + 1)3 + . . . z+3 2 2 2 2 por lo que se tiene nalmente el desarrollo lo que implica que este factor se puede desarrollar centrado en z0 = 1 como
1 1 1 1 1 = + (z + 1) (z + 1)2 + . . . (z + 1)(z + 3) 2(z + 1) 4 8 16 El caso |z | < 1 utiliza (2.49) y (2.51) que resulta en la serie de Laurent centrada en z0 = 0 1 4 13 40 1 = z + z2 z3 + . . . (z + 1)(z + 3) 3 9 27 81
que es a su vez una serie de Taylor. En el u ltimo caso |z 1| < 2 se centra la serie en 1, por lo que cada uno de los t erminos debe reevaluarse. Considerando que se requiere la convergencia solo para el interior del c rculo se tiene: 1 1 1 1 z z2 z3 z4 = = = 2 + 3 4 + 5 ... z+1 z1+1+1 z +2 2 2 2 2 2 1 z 1 (z 1)2 (z 1)3 (z 1)4 = 2 + + ... 2 2 23 24 25 y para el otro t ermino 1 z2 z3 z4 1 1 1 z = 2 + 3 4 + 5 ... = = z+3 z1+1+3 z +4 4 4 4 4 4 1 z 1 (z 1)2 (z 1)3 (z 1)4 = 2 + + ... 4 4 43 44 45 y combinando ambos t erminos se obtiene4 f (z ) = 1 3 7 15 31 (z 1) + (z 1)2 (z 1)3 + (z 1)4 . . . 8 32 128 512 2048 k k+1 (1) 2 1 = (z 1)k 2 k 8 2 k=0
2.19
Este resultado se puede obtener tambi en por medio de la divisi on polinomial de 1 1 = sustituyendo en el resultado z = z 1 (z +2)(z +4) z 2 +6z +8
1 (z 1+2)(z 1+4)
66
2.5 Singularidades, ceros y residuos
2.5
2.5.1
Singularidades, ceros y residuos

Singularidades y ceros
Como singularidad de una funci on de variable compleja f (z ) se conocen aquellos puntos del dominio de denici on donde f (z ) no es anal tica. Esto puede ser ya sea porque la funci on se indene, se hace innita, o su derivada adquiere diferentes valores dependiendo de la direcci on de derivaci on. Cada punto del dominio de denici on de f (z ) se puede clasicar en t erminos del desarrollo en serie de Laurent. Si el desarrollo en serie centrado en z0 , donde z0 es un punto l mite de la regi on de convergencia, tiene parte principal igual a cero, se dice entonces de z = z0 es un punto regular . Si la parte principal de este desarrollo contiene un n umero nito de t erminos, entonces a z0 se le denomina polo , por ejemplo: f (z ) = am a 1 + ... + + a0 + a1 (z z0 ) + . . . + ak (z z0 )k + . . . m (z z0 ) z z0
En la representaci on anterior, al mayor exponente de la parte principal (es decir, a m) se le denomina orden del polo , o expresado de otra forma, el orden del polo es n umero natural m para el que se cumple lim (z z0 )m f (z ) = am
z z0
donde am es nito y distinto de cero. Una singularidad en z = z0 se denomina esencial si la parte principal de la serie de Laurent contiene un n umero innito de t erminos. Como cero de una funci on de variable compleja se conocen aquellos puntos regulares z = z0 donde f (z0 ) = 0. El cero en z0 tiene orden n cuando no solo f (z ), sino tambi en las siguientes n 1 derivadas de f (z ) se hacen cero en z = z0 , es decir, si f (z0 ) = f (z0 ) = f (z0 ) = . . . = f (n1) (z0 ) = 0 pero f (n) (z0 ) = 0. N otese que si se hace un desarrollo de Taylor para f (z ) centrado en un cero de n- esimo orden, entonces los primeros n t erminos a0 , . . . , an1 desaparecen y por tanto: f (z ) = an (z z0 )n + an+1 (z z0 )n+1 + . . .
= (z z0 )n an + an+1 (z z0 ) + an+2 (z z0 )2 + . . .
(2.53)
Si f (z ) es anal tica y tiene un cero en z0 , entonces el cero z0 est a aislado , es decir, existe una vecindad de z0 que no contiene otros ceros adicionales. Esto se aprecia directamente en (2.53), pues si f (z ) es anal tica tiene entonces el all indicado desarrollo de Taylor, donde el t ermino entre par entesis cuadrados, para valores de z muy cercanos a z0 , tender a a an y por tanto ser a siempre diferente cero. Las siguientes funciones presentan diferentes tipos de singularidades: 1. f (z ) = 1 + 2z 3z 2 solo tiene puntos regulares. 2. f (z ) = z 1 tiene un polo de primer orden en z = 0.
2 Variable compleja
67
3. f (z ) = (z j )2 tiene un polo de segundo orden en z = j . 4. f (z ) = e1/(z+1) tiene una singularidad esencial en z = 1. 5. La funci on z+1 f (z ) = (z + j 2)(z 1)3
tiene un cero de primer orden en z = 1, un polo de primer orden en z = j 2 y un polo de orden 3 en z = 1. 6. La funci on sen z f (z ) = z no est a denida en z = 0. Sin embargo si se dene la funci on sa(z ) (tambi en llamada si(z ) o senc(z )) como sen z si z = 0 z sa(z ) = 1 si z = 0 entonces se obtiene una serie de Taylor sa(z ) = 1 z3 z5 z7 z + + ... z 3! 5! 7! z2 z4 z6 =1 + ... 3! 5! 7!
que es regular para todo z incluyendo a z = 0. La aparente singularidad en z = 0 se dice en este caso que es removible. Esta funci on tiene ceros en z = k , k Z \ {0}. A una funci on f (z ) se le denomina meromorfa si todas sus singularidades son polos. N otese que si la funci on f (z ) puede representarse como un cociente de dos polinomios P (z ) y Q(z ): P (z ) f (z ) = Q(z ) entonces los ceros del polinomio Q(z ) ser an polos de la funci on meromorfa f (z ), y los ceros de P (z ) ser an ceros de f (z ) siempre y cuando los ceros de P (z ) y los ceros de Q(z ) no coincidan. El orden de los ceros de Q(z ) ser a a su vez el orden de los polos de f (z ). Para los desarrollos de Laurent de este tipo de funciones, las posibles regiones de convergencia estar an delimitadas siempre por los polos, es decir, los anillos de convergencia tendr an siempre en sus l mites alg un polo de la funci on.
2.5.2
Residuos
Si una funci on de variable compleja f (z ) tiene un polo en z = z0 entonces el coeciente a1 de la serie de Laurent centrada en z0 , en una regi on de convergencia donde z0 es un punto l mite, se denomina residuo de f (z ) en z = z0 . En la secci on 2.6.4 se demostrar a la importancia de los residuos, cuyo c alculo puede realizarse sin tener que obtener el desarrollo completo de la serie Laurent. Por ejemplo, si f (z ) tiene
68
2.5 Singularidades, ceros y residuos
un solo polo simple en z0 , entonces su desarrollo en serie de Laurent es: f (z ) = a 1 + a0 + a1 (z z0 ) + a2 (z z0 )2 + . . . z z0 a1 = lim [(z z0 )f (z )]
z z0
Multiplicando ambos lados de la ecuaci on por (z z0 ) y haciendo tender z hacia z0 se obtiene:
Si la funci on f (z ) tiene un polo de orden dos en z = z0 entonces su desarrollo de Laurent es f (z ) = a 2 a1 + a0 + a1 (z z0 ) + a2 (z z0 )2 + . . . + 2 (z z0 ) z z0
y para aislar el residuo a1 puede ahora multiplicarse ambos lados por (z z0 )2 seguido de una derivaci on: (z z0 )2 f (z ) = a2 + a1 (z z0 ) + a0 (z z0 )2 + a1 (z z0 )3 + . . .
d (z z0 )2 f (z ) = a1 + 2a0 (z z0 ) + 3a1 (z z0 )2 + 4a2 (z z0 )3 + . . . dz con lo que nalmente se puede obtener el residuo a1 por medio de a1 = lim
z z0
d (z z0 )2 f (z ) dz
(2.54)
Este proceso puede continuarse para polos de orden superior, con lo que se obtiene que, si f (z ) tiene un polo de orden m en z = z0 entonces el residuo estar a dado por a 1 = 1 lim (m 1)! zz0 dm1 [(z z0 )m f (z )] m 1 dz (2.55)
Ejemplo 2.20 Determine el residuo de f (z ) = en cada uno de sus polos. Soluci on: Representando f (z ) en forma normalizada se tiene que f (z ) = As , para el residuo en z = j a1 = lim(z j ) z 1 z j (z + j )(z j )(z 2 ) z = lim z j (z + j )(z 1 ) 2 j 1 + 2j = = 5 2j (j 1 ) 2 z (z + j )(z j )(z 1 ) 2 (z 2 2z + 1)(2z 1)
2 Variable compleja
69
Para el residuo en z = j de forma equivalente a1 = lim (z + j )
z 1 z j (z + j )(z j )(z 2 ) z = lim z j (z j )(z 1 ) 2 1 2j j = 1 = 5 2j (j 2 )
y nalmente para z =
1 2
a1 = lim
z 1 1 z 1/2 2 (z + j )(z j )(z 2 ) z = lim z 1/2 (z + j )(z j ) 1 2 2 = = 1 1 5 ( 2 j )( 2 + j ) z

2.20
Ejemplo 2.21 Determine los residuos de f (z ) = en cada uno de sus polos en el plano z . Soluci on: La funci on puede reescribirse como f (z ) = (z + 1)2 (z z (z 2) 2j )(z + 2j ) z 2 2z (z + 1)2 (z 2 + 4)
lo que implica que f (z ) tiene polos simples en z = 2j y z = 2j y un polo doble en z = 1. Adem as la funci on tiene un cero en z = 0 y otro en z = 2. Para los dos primeros polos se procede de la misma manera que en el ejemplo anterior. Para el polo z = 2j . a1 = lim (z 2j ) z 2 2z z 2j (z + 1)2 (z 2j )(z + 2j ) z 2 2z = lim z 2j (z + 1)2 (z + 2j ) 4 4j 1 = = (7 + j ) 2 (2j + 1) 4j 25
Para el polo z = 2j .
a1 = lim (z + 2j )
z 2 2z z 2j (z + 1)2 (z 2j )(z + 2j ) z 2 2z = lim z 2j (z + 1)2 (z 2j ) 4 + 4j 1 = = (7 j ) 2 (2j + 1) 4j 25
70
2.6 Integraci on compleja
Para el polo doble en z = 1 se utiliza la ecuaci on (2.55), con lo que a 1 =
d z 2 2z 1 lim (z + 1)2 1! z1 dz (z + 1)2 (z 2 + 4) (z 2 + 4)(2z 2) (z 2 2z )(2z ) 14 = lim = 2 2 z 1 (z + 4) 25

2.21
La ecuaci on (2.55) es aplicable siempre y cuando el n umero de t erminos en la parte principal sea nito, es decir, aplica para polos. En el caso de singularidades esenciales debe encontrarse el residuo desarrollando la serie, como lo ilustra el siguiente ejemplo. Ejemplo 2.22 Encuentre los residuos de la funci on f (z ) = e z1 en z = 0 y z = 1, e indique qu e tipo de puntos son estos. Soluci on: El punto z = 0 es un punto regular (f (0) = 1/e), puesto que la funci on es holomorfa all , y por tanto tiene un desarrollo en serie de Taylor centrado en z = 0, es decir, la parte principal de la serie de Laurent correspondiente es cero y por tanto el residuo de dicho punto es igual a a1 = 0. El punto z = 1 corresponde a una singularidad esencial, puesto que ez tiene como serie de Taylor z zn z2 z3 z e =1+ + + + ... = 1! 2! 3! n! n=0 y con z = 1/(z 1) se obtiene la serie e z1 = 1 +
1 1
=
n=0
(z 1)1 (z 1)2 (z 1)3 + + + ... 1! 2! 3! (z 1)n n!
de donde se observa que la parte principal es de longitud innita, con el coeciente del t ermino 1/(z 1) igual a a1 = 1 que corresponde al residuo en z = 1. 2.22
2.6
Integraci on compleja
En el c alculo integral de funciones de variable real se distingue entre integrales denidas e integrales indenidas o antiderivadas. La integrales indenidas tienen la propiedad: d F (x) = f (x) dx La continuaci on anal tica de lo anterior puede utilizarse para denir las integrales indenidas de variable compleja: d F (z ) = f (z ) dz F (z ) = f (z ) dz F ( x) = f (x) dx
2 Variable compleja
71
Por otro lado, mientras que la integraci on denida para funciones de variable real ocurre dentro de intervalos cerrados en el eje real [a, b] IR:
b a
f (x) dx = F (b) F (a)
en el caso de funciones de variable compleja debe elegirse primero la trayectoria de integraci on C , que puede por ejemplo representarse de forma param etrica como C = {z : z (t) = x(t) + jy (t), ta t tb }
Im(z )
d z (t) dt
z( z( t)
t+
t)
z (t
t) +
z ( t)
Re(z )
Figura 2.30: Tangente a trayectoria de integraci on
La tangente en cada punto de esta curva C se puede calcular por medio de la derivada de su funci on param etrica con respecto a t (gura 2.30): d z (t + t) z (t) z (t) = lim t0 dt t Si esta derivada dz (t)/dt existe, es diferente de cero, y es continua para un subintervalo de [ta , tb ], entonces se dice que la trayectoria z (t) describe una curva suave . Una trayectoria de integraci on se llamar a cerrada si z (ta ) = z (tb ), es decir, si el punto inicial es id entico al punto nal, y se denomina simple si para todo par de valores t1 , t2 ]ta , tb [ con t1 = t2 se cumple z (t1 ) = z (t2 ) y adem as z (t1 ) = z (ta ), z (t2 ) = z (tb ), es decir, si no hay intersecciones en la curva descrita. Una curva simple y cerrada se denomina curva de Jordan y tiene la propiedad de partir el plano en dos conjuntos disjuntos: uno acotado y otro ilimitado. La regi on acotada por una curva de Jordan se denomina convexa , si cualesquiera dos puntos dentro de ella pueden ser unidos por exactamente un segmento de recta que contiene solo puntos de la regi on. Una curva de Jordan se dice tener sentido positivo si los puntos de la regi on acotada se encuentran al lado izquierdo de la trayectoria que se describe conforme t aumenta. Si la
72
curva de Jordan delimita una regi on convexa, el sentido positivo es equivalente a decir que, si t aumenta, entonces la trayectoria descrita sigue el sentido contrario a las manecillas del reloj (gura 2.31). La curva de Jordan tiene sentido negativo si al lado izquierdo de la trayectoria se encuentran los puntos de la regi on ilimitada.
Im(z ) Im(z )
Re(z )
Re(z )
Figura 2.31: En sentido positivo la trayectoria tiene su izquierda una regi on acotada, mientras que el sentido negativo tiene a su izquierda una region ilimitada.
2.6.1
Integrales de contorno
Sea f (z ) una funci on compleja, continua en todos los puntos de una curva simple C de longitud nita que une a los puntos a y b. La curva se subdivide en n segmentos a trav es de los puntos {z0 = a, z1 , z2 , . . ., zn1 , zn = b}, y se coloca un punto z k sobre cada uno de los segmentos zk1 zk (gura 2.32). Con esta subdivisi on puede hacerse una suma de integraci on
Im(z ) z n z k+1 zk+1 zn1 b = zn
z 2 z 1 z1
z2
zk 1
z k zk
a = z0
0
Re(z )
Figura 2.32: Partici on de la curva C en n segmentos.
de forma an aloga al caso de funciones de variable real: Sn = f ( z1 )(z1 z0 ) + f ( z2 )(z2 z1 ) + . . . + f ( zn )(zn zn1 ) Si se denota zk zk1 como zk entonces la suma anterior se puede expresar como
n
(2.56)
Sn =
k=1
f ( zk )zk
(2.57)
2 Variable compleja
73
Si n se hace crecer de tal modo que la magnitud del mayor intervalo |k | se aproxime a un diferencial dz innitesimalmente peque no, entonces la suma Sn se aproximar a a un valor que no depende de la subdivisi on de la curva, denominado integral de contorno o integral de l nea de f (z ) a lo largo de C , denotado como
n
f (z ) dz =
C
max |zk |0 k=1
lim n
f ( zk )zk
La notaci on f (z ) dz
C
con un peque no c rculo en el centro de la integral se utiliza para representar el caso especial en que la trayectoria de integraci on es cerrada, es decir, el punto inicial a es igual al punto nal b. Si se utiliza f (z ) = u(x, y ) + jv (x, y ), con z = x + jy entonces la integral anterior puede expresarse como f (z ) dz =
C C
[u(x, y ) + jv (x, y )] (dx + jdy ) [u(x, y ) dx v (x, y ) dy ] + j [v (x, y ) dx + u(x, y ) dy ]

C
=
C
(2.58)
que corresponden con integrales de l nea de variable real. Estas integrales pueden calcularse utilizando la expresi on param etrica de C , de tal forma que
tb
f (z ) dz =
C ta tb
f (z (t))
dz (t) dt dt
(2.59)
d d x(t) + j y (t) dt dt dt ta tb d d = u(x(t), y (t)) x(t) v (x(t), y (t)) y (t) dt dt dt ta tb d d +j v (x(t), y (t)) x(t) + u(x(t), y (t)) y (t) dt dt dt ta = [u(x(t), y (t)) + jv (x(t), y (t))] Ejemplo 2.23 Encuentre el valor de la integral de l nea z 2 dz
C
para la trayectoria de integraci on C de a = (1+ j ) a b = (5+ j 3) formada por dos segmentos de recta, de a = (1 + j ) a c = (5 + j ) y el segundo de c = (5 + j ) a b = (5 + j 3). Soluci on: N otese que el primer segmento a c es horizontal y el segundo c b es vertical (gura 2.33). Como z 2 = (x + jy )2 = (x2 y 2 ) + j (2xy )
74
Im(z )
3 2 1
a
1 1 2 3 4 5
c Re(z )
Figura 2.33: Trayectoria de integraci on C para el ejemplo 2.23.
entonces con (2.58) I=

C
z 2 dz =
C
(x2 y 2 ) dx 2xy dy + j
(2xy dx + (x2 y 2 ) dy
Esta integral se puede separar como la suma de las integrales en los dos segmentos I = Iac + Icb . Para el primero de ellos, por ser horizontal se tiene que y es constante (y = 1) y por tanto dy = 0:
5 5
Iac =
1
(x2 1) dx + j
5 1
2x dx
1 5 1
1 3 x x 3
+ j x2
= 36 + j 24
El segundo segmento c a es vertical con x constante (x = 5) y por tanto dx = 0:

3 3
Icb =
1
10y dy + j
(25 y 2 ) dy
3 1
1 = + j 25y y 3 3 124 = 40 + j 3
3 5y 2 1
y nalmente z 2 dz = Iac + Icb = (36 + j 24) + 40 + j 124 3 = 4 + j 196 3

2.23
En el ejemplo anterior el integrando es anal tico en todo el plano complejo z . En dicho caso siempre se va a cumplir que si la integral indenida de f (z ) es F (z ), entonces el valor de la integral
C
f (z ) dz = F (b) F (a)
donde a y b son los puntos inicial y nal de la curva C respectivamente. El lector puede vericar el resultado anterior conociendo que F (z ) = z 3 /3.
2 Variable compleja
75
Ejemplo 2.24 Encuentre la integral de f (z ) = 1/(z z0 ) con una trayectoria circular de radio r alrededor del punto constante complejo z0 . Soluci on: El c alculo de esta integral se puede simplicar haciendo uso de la sustituci on de variable z = z z0 . Puesto que dz = dz entonces
C
1 dz = z z0
1 dz z
es entonces ahora una trayectoria circular de radio r alrededor del origen del plano donde C z . Esta circunferencia se puede representar param etricamente como z (t) = r cos t + jr sen t, y su derivada es por tanto d z (t) = r sen t + jr cos t, dt = j 2 r sen t + jr cos t = j (r cos t + jr sen t) = jz (t) Utilizando (2.59) se obtiene entonces 1 dz (t) = z (t) 1 d z (t) dt (t) dt z C 2 1 = j (r cos t + jr sen t) dt = j r cos t + jr sen t 0 0 t 2 0 t 2
dt = 2j
0
De forma equivalente, la integral anterior se puede obtener utilizando como parametrizaci on jt jt de la circunferencia z (t) = re , con derivada dz (t)/dt = jre = j z (t). Entonces 1 dz (t) = z (t) 1 d z (t) dt = z (t) dt
2 0
1 jrejt dt = j rejt
dt = 2j
0
N otese que si se integrara en sentido de las manecillas del reloj (por ejemplo utilizando t de 0 a 2 ), entonces el resultado de esta integral ser a 2j . En resumen, si se integra en una trayectoria circular centrada en un polo simple, en sentido contrario a las manecillas del reloj, el valor de la integral es 2j , independientemente del radio de dicha trayectoria circular y de la ubicaci on del polo. 2.24 Ejemplo 2.25 Encuentre la integral de f (z ) = 1/(z z0 )n , para n Z \ {1} alrededor de una circunferencia de radio r. Soluci on: Prosiguiendo como en el ejemplo anterior se reemplaza primero z = z z0 y dz = dz , lo que tambi en traslada la trayectoria circular al origen de z . De esta forma se utiliza como curva: d z (t) = rejt , z (t) = jrejt = j z (t) dt
76
y considerando que n = 1 entonces: 1 dz (t) = ( z (t))n

2 0
1 rn ejnt
2
jrejt dt
jt(1n)
= jr
1n 0
dt = jr
1n
puesto que (1 n) es entero y ej 2k = 1 para k Z. Resumiendo, y considerando el resultado del ejemplo anterior: 2j si n = 1 1 dz = (2.60) n 0 si n = 1 C (z z0 ) para una trayectoria de integraci on circular cerrada C centrada en el polo z0 y en sentido 2.25 positivo (sentido contrario a las manecillas del reloj). Volviendo a la denici on de la suma integral (2.57), si se asume que la magnitud de la funci on f (z ) nunca supera el valor de una constante positiva M , es decir |f (z )| M para todo valor de z sobre la trayectoria de integraci on C , entonces, aplicando la desigualdad de Minkowski se obtiene:
n n n
r1n j (1n)2 = e 1 =0 1n
ejt(1n) j (1 n)
2 0
|Sn | =
k=1
f ( z )zk
k=1
|f ( z )||zk | M
k=1
|zk |
donde |zk | representa la longitud del segmento de recta entre zk y zk1 , por lo que
n zk 0
lim
k=1
|zk | = L
denota la longitud L de la trayectoria de integraci on C . Esto implica f (z ) dz M L (2.61)
es decir, la magnitud de la integral de contorno sobre la curva C es siempre menor al producto del mayor valor de la magnitud de la funci on M |f (z )| y la longitud L de la curva C . A esta importante propiedad se le denomina la desigualdad M L y se utilizar a en varias demostraciones posteriores.
2.6.2
Teorema de la integral de Cauchy
El Teorema de la integral de Cauchy establece que si f (z ) es una funci on anal tica con derivada f (z ) continua en todos los puntos dentro y sobre una curva cerrada simple C , entonces se cumple f (z ) dz = 0
C
(2.62)
Para demostrar este teorema se parte del hecho de que f (z = x + jy ) = u(x, y ) + jv (x, y ) es anal tica dentro y sobre C y su derivada f (z ) es continua, lo que permite asumir que
2 Variable compleja
77
tambi en u(x, y ) y v (x, y ) tienen derivadas parciales continuas en la misma regi on denida por C . Por estas razones es posible aplicar el Teorema de Green (ver ap endice A) que establece bajo las condiciones dadas que (u(x, y ) dx v (x, y ) dy ) = v (x, y ) u(x, y ) x y dx dy (2.63)
donde R es la regi on acotada por C . El lado derecho de este teorema sigue el mismo patr on que ambos sumandos en la ecuaci on (2.58) si C se elige cerrada: f (z ) dz =
C C
[u(x, y ) dx v (x, y ) dy ] + j
R
[v (x, y ) dx + u(x, y ) dy ]
C
= = 0 + j0
v (x, y ) u(x, y ) x y
dx dy + j
R
u(x, y ) v (x, y ) x y
dx dy
donde se ha considerado que f (z ) es anal tica y por lo tanto se cumplen las ecuaciones de Cauchy-Riemann, por lo que los integrandos de la u ltima expresi on son cero. Puede demostrarse que este teorema sigue siendo v alido a un sin la restricci on de continuidad de f (z ), en cuyo caso recibe el nombre de teorema de Cauchy-Goursat o teorema fundamental de integraci on compleja. El teorema de la integral de Cauchy junto con el ejemplo 2.25, donde se encontr o (2.60) permiten observar que, para que el valor de una integral de contorno cerrada sea cero, el hecho de que la funci on sea anal tica es una condici on suciente, pero no necesaria. Una de las consecuencias m as importantes del teorema de la integral de Cauchy es la independencia de la trayectoria de integraci on de un punto a a un punto b para una integral de contorno si el integrando es una funci on anal tica. Esto se observa eligiendo dos puntos cualesquiera sobre una curva cerrada sobre y dentro de la cual la funci on f (z ) es anal tica (gura 2.34). Puesto que f (z ) dz =
C C1
f (z ) dz +
C2
f (z ) dz = 0
donde considerando que si se invierte la direcci on de, por ejemplo C2 , lo que se denota por C2 y, como C1 , tambi en va de a hacia b, entonces
C1
f (z ) dz
f (z ) dz = 0
C2
f (z ) dz =
C1 C2
f (z ) dz
En la pr actica se utilizan con frecuencia funciones polinomiales racionales, como por ejemplo f1 (z ) = 1 , z z0 f2 (z ) = z (z z0 )2 (z + z1 )
que contienen singularidades del tipo polos. Para poder evaluar integrales con estas funciones se utiliza normalmente una deformaci on de la trayectoria de Jordan que evita incluir la singularidad dentro de la regi on acotada, tal y como lo muestra la gura 2.35. El ancho del
78
Im(z ) b C2
C1
a Re(z )
Figura 2.34: Independencia de integraci on de a hacia b con respecto a la trayectoria

Im(z ) C D z0 r
0
B B
A A Re(z )
Figura 2.35: Deformaci on del contorno para evitar una singularidad.
canal entre BA y B A se elige innitesimalmente peque no, de tal modo que el segmento de B a A es pr acticamente id entico al que va de A a B pero en sentido contrario. El segmento de curva D puede ser, por ejemplo, un c rculo cerrado de radio r, centrado en la singularidad, pero recorrido en sentido contrario a las manecillas del reloj. El contorno C es un segmento de curva tambi en pr acticamente cerrado. N otese que el interior de la regi on siempre se encuentra al lado izquierdo en el sentido de la trayectoria. Por el Teorema de la integral de Cauchy, la integral por esta trayectoria debe ser cero, por lo que f (z ) dz +
C AB
f (z ) dz +
D
f (z ) dz +
BA
f (z ) dz = 0
donde el signo en D denota que el sentido de la trayectoria es negativo (en el sentido de las manecillas del reloj). Puesto que A B y BA son pr acticamente el mismo segmento, se cumple f (z ) dz = f (z ) dz =
BA AB
f (z ) dz
AB
2 Variable compleja
79
y considerando que
D
f (z ) dz = f (z ) dz =
f (z ) dz
D
entonces f (z ) dz
D
(2.64)
es decir, el valor de la integral de contorno alrededor de un polo es independientemente de la trayectoria de integraci on elegida para rodear al polo. Ejemplo 2.26 Eval ue la integral 1 dz z (2 + j )
alrededor de cualquier contorno cerrado que incluya a z = 2 + j . Soluci on: Haciendo un cambio de variable z = z (2 + j ) se tiene dz = dz y la ecuaci on anterior se reduce a: 1 1 dz = dz z C C z (2 + j ) Considerando la ecuaci on (2.64), esta integral es igual a integrar en un c rculo de un radio . La ecuaci r sucientemente peque no para estar incluido en la regi on delimitada por C on (2.60) indica entonces que el valor de esta integral es 2j . 2.26 En general, si la curva C encierra a varias singularidades, se puede proceder de forma an aloga al principio anterior y evadir las singularidades como lo muestra la gura 2.36, con lo que se
Im(z ) D3 z3 C D1 z1
0
D2 z2
Re(z )
Figura 2.36: Deformaci on del contorno para evitar varias singularidades.
obtiene para n singularidades dentro de C : f (z ) dz =

C D1
f (z ) dz +
D2
f (z ) dz +
D3
f (z ) dz + . . . +
Dn
f (z ) dz
(2.65)
80
Ejemplo 2.27 Encuentre el valor de la integral de contorno cerrado de la funci on f (z ) = si la trayectoria de integraci on 1. contiene a ambas singularidades 2. contiene a z = j , pero no a z = 1 Soluci on: La integral se simplica si se separa el integrando en fracciones parciales: f (z ) = 1 1j 1+j + 2 (z 1) (z + j ) z (z 1)(z + j )
puesto que ahora la integral se puede reescribir como f (z ) dz =

C
1 (1 j ) 2
1 dz + (1 + j ) z1
I1
1 dz z+j
I2
donde I1 e I2 se pueden calcular f acilmente considerando resultados anteriores. Para el caso en que C encierra ambos polos entonces I1 = I2 = 2j y as : f (z ) dz =
C
2j 2 = 2j 2
Para el caso en que C solo encierra a z = j entonces I1 es cero por el teorema de Cauchy e I2 = 2j , lo que resulta en f (z ) dz =
C
2j (1 + j ) = (1 + j ) 2
2.27
2.6.3
F ormula de la integral de Cauchy
Sea f (z ) una funci on anal tica dentro y sobre un contorno de integraci on simple y conexo C . Si z0 se encuentra dentro de C entonces f (z ) dz = 2jf (z0 ) z z0 1 2j f (z ) dz z z0 (2.66)
o lo que es equivalente f (z0 ) = (2.67)

C
Esta llamada F ormula de la integral de Cauchy puede demostrarse sustituyendo en el lado izquierdo de (2.66) f (z ) = f (z0 ) + [f (z ) f (z0 )]
2 Variable compleja
81
lo que resulta en
C
El ejemplo 2.24 junto con el resultado en (2.64) muestra que la integral en el primer sumando del lado derecho de la ecuaci on es igual a 2j , por lo que ahora corresponde demostrar que la segunda integral es igual a cero. Puesto que el integrando es anal tico en todo z = z0 , entonces se puede deformar el contorno de integraci on para excluir a z0 , tal y como se mostr o en la gura 2.35. Como f (z ) es anal tica en z = z0 entonces es tambi en continua, por lo que
z z0
f (z ) dz = f (z0 ) z z0
1 dz + z z0
f (z ) f (z0 ) dz z z0
lim f (z ) = f (z0 ) .
Esto quiere decir que la distancia entre f (z ) y f (z0 ) se podr a hacer arbitrariamente peque na (|f (z ) f (z0 )| < ) acercando cuanto sea necesario z a z0 (|z z0 | < ): IR+ , IR+ : |z z0 | < |f (z ) f (z0 )| <
Si se elige entonces el c rculo D que excluye a z0 en el contorno deformado, con un radio r menor que , y adem as se toma = |z z0 |, entonces se cumplen las desigualdades f (z ) f (z0 ) < < z z0 r
y puesto que la longitud de la trayectoria circular de integraci on D es 2r entonces por la desigualdad M L (2.61), y considerando (2.64) se tiene
C
y como lo anterior debe ser v alido para cualquier valor positivo de , incluyendo aquellos arbitrariamente peque nos, se concluye que la integral f (z ) f (z0 ) dz = 0 z z0 C con lo que la f ormula de la integral de Cauchy queda demostrada. En las siguientes secciones ser a necesario utilizar una f ormula similar a la anterior, pero con el polo introducido de orden superior a uno. Para encontrar el valor de esta integral se calcular a ahora la derivada por denici on, es decir f (z0 ) = lim
z 0
f (z ) f (z0 ) dz = z z0
f (z ) f (z0 ) dz < 2r = 2 z z0 r
f (z0 + z ) f (z0 ) z
Utilizando la f ormula integral de Cauchy (2.67), se pueden reemplazar los t erminos en el numerador del l mite considerando una curva C que encierra al punto z0 , dentro y sobre la cual f (z ) es anal tica: f (z0 + z ) f (z0 ) 1 f (z ) f (z ) = dz dz z 2j z C z (z0 + z ) C z z0 1 f (z )(z z0 ) f (z )(z (z0 + z )) dz = 2j z C (z (z0 + z ))(z z0 ) 1 f (z ) = dz 2j C (z (z0 + z ))(z z0 )
82
Si z se hace tender a cero, entonces el u ltimo t ermino parece tender a 1 z 0 2j lim f (z ) 1 dz = (z (z0 + z ))(z z0 ) 2j f (z ) dz = (z z0 )2 f (z ) dz (z z0 )2
lo que puede corroborarse observando la tendencia de la resta f (z ) dz (z (z0 + z ))(z z0 ) f (z )z dz (z (z0 + z ))(z z0 )2
cuando z se aproxima a cero. Puesto que f (z ) es anal tica sobre C , quiere decir que su magnitud est a acotada y entonces |f (z )| M . Si d es la distancia m nima entre z0 y los puntos z C (ver gura 2.37) entonces se cumple para todos los puntos z sobre C |z z0 |2 d2
Im(z )
1 1 2 2 |z z0 | d
z d z0 d 2
d 2
Re(z )
Figura 2.37: Ayuda gr aca para comprender demostraci on de generalizaci on de la f ormula integral de Cauchy.
Adem as, puesto que z se est a haciendo tender a cero, entonces puede elegirse |z | tal que sea menor o igual que d/2, entonces para todo z C se cumple (gura 2.37): |z (z0 + z )| d 2 1 |z (z0 + z )| 2 d
Si la longitud de C es L, entonces por la desigualdad M L (2.61) se tiene f (z )z 2 1 2M L dz M |z | 2 L = |z | 2 (z (z0 + z ))(z z0 ) dd d3 1 2j f (z ) dz (z z0 )2
que tiende a cero si |z | 0. Por lo tanto se tiene que f (z0 ) =

C
2 Variable compleja
83
De hecho, este resultado puede utilizarse para demostrar de forma similar al procedimiento anterior que tambi en se cumple: f (z0 ) = y en general f (n) (z0 ) = n! 2j
C
2 2j
f (z ) dz (z z0 )3 n = 0, 1, 2, . . . (2.68)
que tambi en puede escribirse como:
f (z ) dz, (z z0 )n+1
f (z ) 2j dz = f (n) (z0 ) n +1 (z z0 ) n!
Un resultado importante de las derivaciones anteriores es que si una funci on es anal tica en un dominio R, entonces tiene derivadas de todos los o rdenes tambi en en R, que son a su vez funciones anal ticas en el mismo dominio y que estar an dadas para un punto z0 en R por (2.68). Esto es una diferencia fundamental con las funciones derivables de variable real, en cuyo caso no puede concluirse nada acerca de la existencia de derivadas de ordenes superiores si la funci on es derivable.
Ejemplo 2.28 Encuentre el valor de la integral de contorno cerrado de la funci on f (z ) = z (z 1)(z + j )
si la trayectoria de integraci on contiene a ambas singularidades. Soluci on: Por medio de (2.65) la integral se calcula como: f (z ) dz =
C D1
f (z ) dz +
D2
f (z ) dz
donde D1 contiene solo a z = 1 y D2 solo a z = j . El primer t ermino se puede escribir entonces como f (z ) dz =
D1 D1
z dz = (z 1)(z + j )
z ( z +j ) D1
z1
dz
lo que ahora se puede calcular utilizando la f ormula integral de Cauchy como f (z ) dz = 2j

D1
z z+j
= 2j
z =1
1 = (1 + j ) 1+j
El segundo t ermino se resuelve de forma an aloga: f (z ) dz =

D2 D2
z dz = (z 1)(z + j )
z (z 1) D2
z+j
dz
84
y con la f ormula integral de Cauchy f (z ) dz = 2j

D2
z z1
= 2j
z =j
j = (1 + j ) j 1
De forma tal que

C
f (z ) dz = (1 + j 1 + j ) = 2j
2.28
que coincide con el resultado obtenido anteriormente en el ejemplo 2.27.
2.6.4
Teorema del Residuo
Sea f (z ) una funci on anal tica excepto en un n umero nito de singularidades dentro de la regi on S delimitada por la curva C . Si el contorno se deforma para excluir a las singularidades, entonces I= f (z ) dz = f (z ) dz + f (z ) dz + . . . + f (z ) dz
C D1 D2 Dn
donde Di es una peque na regi on circular que evade a la singularidad zi , i = 1, 2, . . . , n (gura 2.36). As umase que f (z ) tiene un polo de orden m en z = zi , lo que conduce a un desarrollo en serie de Laurent de la forma f (z ) =
(i) a 1 am (i) (i) ( i) + a0 + a1 (z zi ) + . . . ak (z zi )k + . . . + . . . + (z zi )m z zi (i)
v alida en el anillo ri < |z zi | < Ri . Ahora, si se integra en el c rculo Di que rodea a zi se tiene: f (z ) dz =
Di Di (i) a1 a m + . . . + (z zi )m z zi (i)
+ a0 + a1 (z zi ) + . . . + ak (z zi )k + . . . dz = am
Di (i)
( i)
(i)
(i)
1 (i) dz + . . . + a1 (z zi )m
Di
Di
1 dz z zi
(i) Di
+ a0
( i)
dz + a1
(i) Di
(z zi ) dz + . . . + ak
(z zi )k dz + . . .
De acuerdo al ejemplo 2.25, todas integrales en la u ltima ecuaci on son cero excepto la que (i) multiplica al residuo a1 , por lo que f (z ) dz = a1 2j
(i)
Di
con lo que nalmente se obtiene

n
I=
C
f (z ) dz = 2j
i=1
a1 .
(i)
2 Variable compleja
85
Esta conclusi on es conocida como teorema del residuo y arma que si f (z ) es una funci on anal tica dentro y sobre una curva cerrada simple C , excepto en un n umero nito de polos, entonces su valor ser a igual a 2j multiplicado por la suma de todos los residuos de f (z ) para las singularidades dentro de C . Ejemplo 2.29 Eval ue la integral 1 dz z (1 + z )
si C es
1 1. |z | = 2 2. |z | = 2
Soluci on: Las singularidades est an en z1 = 0 y z2 = 1, y los residuos est an dados por (2.54): a 1 a1
(2) z2 =1 (1) z1 =0
= lim z
z 0
1 =1 z (z + 1) 1 = lim (z + 1) = 1 z 1 z (z + 1)
as que para el primer caso, donde la curva solo encierra al polo z1 = 0, el resultado de la integral es 1 dz = 2j C z (1 + z ) y para el segundo caso, donde ambos polos se encuentran dentro del c rculo entonces 1 dz = 2j (1 1) = 0 z (1 + z )
2.29
2.7
Integraci on sobre semic rculos extensos
En secciones subsiguientes se utilizar a la integraci on en contornos cerrados semicirculares como los mostrados en la gura 2.38, donde interesa estudiar varios casos donde R tiende a innito. Primero consid erense los dos casos siguientes para el semic rculo 1 : Caso 1: lim
R
f (z ) dz
1 R
(2.69) 2 2 (2.70) 2 2
cuando lim max |Rf (Rej )| = 0 para Caso 2: lim

R
f (z )eaz dz
1 R
cuando lim max |f (Rej )| = 0 para a IR, a < 0,
86
2.7 Integraci on sobre semic rculos extensos
jR
C1
1 R R
C2
jR jR 3 R C4 R R C3
jR
Figura 2.38: Trayectorias de integraci on semicirculares de radio R.
, donde g (Rej ) = f (Rej ) o La construcci on limR max |g (Rej )| = 0 para 2 2 j j g (Re ) = Rf (Re ), implica que la funci on g (z ) converge uniformemente a cero sobre todo el semic rculo 1 de radio R, cuando este radio se hace crecer indenidamente. En otros t erminos, para todo valor real positivo , existe un radio sucientemente grande R0 , a partir del cual el mayor valor absoluto de la funci on g (z ) en todos los semic rculos de radio R > R0 es siempre menor que , o expresado matem aticamente:
R
lim max |g (Rej )| = 0
IR+ , R0 IR+ : R > R0 |g (Rej )| <
El semic rculo 1 se puede describir como z = Rej con /2 /2. De este modo el diferencial dz est a dado por dz = jRej d. En el Caso 1, considerando el sentido de integraci on mostrado en la gura 2.38 se cumple:
/2 1
f (z ) dz = j
Rej f (Rej ) d
/2
con lo que se deriva si R > R0

/2 1
f (z ) dz
Rf (Rej ) d <
/2
Puesto que
puede elegirse arbitrariamente peque no entonces

R
lim
f (z ) dz = 0
1
Para el Caso 2
/2 1
f (z )eaz dz = j
Rej f (Rej )eaR cos ejaR sen d

/2
2 Variable compleja
87
con lo que se obtiene

/2 1
f (z )eaz dz
/2
R|f (Rej )|eaR cos d
Si se elige R > R0 entonces |f (Rej )| < . Adem as, puesto que el coseno es una funci on par en , entonces el t ermino exponencial tambi en es par, por lo que se debe cumplir:
/2 1
f (z )eaz dz 2R
eaR cos d
0
Para analizar la expresi on anterior se utiliza la desigualdad ilustrada en la gura 2.39, donde se aprecia 2 1 cos , para 0 2
2 1
cos()
0 0
Figura 2.39: Sustituci on del cos por una funci on lineal siempre menor que el coseno en un intervalo 0 /2.
Para el intervalo indicado, ambas funciones adquieren valores entre cero y uno. Con esto en mente, y considerando que el valor real a es estrictamente menor que cero, se cumple eaR cos eaR e2aR/ con lo que se deduce
/2 1 /2
para 0 /2
f (z )eaz dz 2R
eaR cos d 2R eaR
e2aR/ d =
0
eaR aR e 1 a = 1 eaR < |a| |a|
Por lo tanto, puesto que
puede elegirse arbitrariamente peque no, se debe cumplir: lim f (z )eaz dz = 0

1
a IR, a < 0
88
2.7 Integraci on sobre semic rculos extensos
Los siguientes dos casos son similares a los anteriores, pero utilizando el semic rculo 2 (gura 2.38): Caso 3: lim
R
f (z ) dz
2 R
(2.71)
cuando lim max |Rf (Rej )| = 0 para 0 Caso 4: lim

R
f (z )ejaz dz
2 R
(2.72)
cuando lim max |f (Rej )| = 0 para a IR, a > 0, 0 El Caso 3 se analiza del mismo modo que el Caso 1, con lo que se obtiene:
R
lim
f (z ) dz = 0
2
Para el Caso 4
f (z )ejaz dz = j
2 0
Rej f (Rej )ejaR cos eaR sen d
con lo que se obtiene

2
f (z )ejaz dz
R|f (Rej )|eaR sen d
Si se elige R > R0 entonces |f (Rej )| < . La integral al lado derecho se puede descomponer de la siguiente forma:
0 /2
R|f (Re )|e
aR sen
d =
0
R|f (Re )|e
aR sen
d +
/2
El primer t ermino se puede analizar haciendo uso de la relaci on mostrada en la gura 2.40, considerando que el valor real a es, en este caso particular, positivo, y asumiendo que R > R0 :
/2 0 /2
R eaR2/ d
0
R < 2a
(1 eaR ) 2aR
Por medio de un cambio de variable = /2, o aplicando el hecho de que para el intervalo 2 de /2 a se cumple sen 2 , el lector puede demostrar que para el segundo t ermino se cumple tambi en: R|f (Rej )|eaR sen d < 2a /2 con lo que nalmente se debe cumplir
0
R|f (Rej )|eaR sen d <
2 Variable compleja
1
89
sen()
0 0
Figura 2.40: Sustituci on del sen por una funci on lineal siempre menor que el seno en un intervalo 0 /2.
y por lo tanto
R
lim
f (z )ejaz dz = 0
2
si limR max |f (Rej )| = 0 con a real positivo. Para los contornos 3 y 4 se obtienen resultados similares, que se resumen junto a los obtenidos anteriormente en la tabla 2.5. Los u ltimos cuatro resultados en dicha tabla son conocidos como el Lema de Jordan , donde dependiendo de la fuente se preeren utilizar los semic rculos con orientaci on vertical (1 o 3 ), o los horizontales (2 o 4 ). Tabla 2.5: Valores de integrales en los semic rculos extensos mostrados en la gura 2.38. lim lim lim lim lim f (z ) dz = 0
i
si lim max |Rf (Rej )| = 0, para i {1, 2, 3, 4}

R
f (z )eaz dz = 0
1
si lim max |f (Rej )| = 0, a < 0 y /2 /2

R
f (z )eaz dz = 0
3
si lim max |f (Rej )| = 0, a > 0 y /2 3/2

R
f (z )ejaz dz = 0
2
si lim max |f (Rej )| = 0, a > 0 y 0

R
f (z )ejaz dz = 0
4
si lim max |f (Rej )| = 0, a < 0 y 2

R
2.8
Evaluaci on de integrales reales
Los principios de integraci on analizados hasta el momento pueden utilizarse para simplicar el c alculo de integrales reales denidas. Aqu se evaluar an dos casos.
90
2.8 Evaluaci on de integrales reales
2.8.1
Caso 1: Integrales impropias
La integral real f (x) dx
puede continuarse anal ticamente en una integral de contorno de variable compleja

R
f (z ) dz = lim
C
f (z ) dz +
R
f (z ) dz
donde la trayectoria de integraci on C se ha descompuesto en una l nea recta sobre el eje real de R a R (R es real), y el contorno , que es el semic rculo superior descrito por Rej con el par ametro que abarca de 0 a (gura 2.41). Si este segundo t ermino tiende a cero conforme R tiende a innito, entonces
f (x) dx =
C
f (z ) dz
Im(z )
Re(z )
Figura 2.41: Contorno cerrado para evaluar integrales reales innitas.
En la secci on anterior se demostr o que la integral en el arco se hace cero si el producto |Rf (z )| tiende uniformemente a cero sobre el semic rculo cuando el radio tiende hacia innito:
R
lim
f (z ) dz = 0 si lim max |Rf (Rej )| = 0

R
Ejemplo 2.30 Encuentre el valor de la integral

( x2
1 dx + 4)2
Soluci on: Se considera la continuaci on anal tica de la integral (z 2 1 dz + 4)2
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 a1 |z=2j = lim d 1 (z 2j )2 2 z 2j dz (z 2j ) (z + 2j )2 2 2 1 = lim = = j 3 3 z 2j (z + 2j ) (4j ) 32
y por el teorema del residuo (z 2 1 1 dz = 2j j 2 + 4) 32 = 16
Puesto que R|f (Rej )| decrece a una tasa R3 cuando R entonces la integral en el semic rculo es cero y por tanto

( x2
1 dx = + 4)2
(z 2
1 dz = 2 + 4) 16
2.30
2.8.2
Caso 2: Integrales de funciones reales trigonom etricas
Si G(sen , cos ) es una funci on racional de senos y cosenos, entonces la integral real
2
G(sen , cos ) d
0
puede resolverse a trav es de integrales de contorno de variable compleja. Si z = ej , entonces sen = y dz jz lo que quiere decir que la integral anterior puede realizarse a trav es de la integral dz = jej d = jzd, d = f (z )dz
C
1 2j
1 z
cos =
1 2
z+
1 z
donde C es el c rculo unitario |z | = 1. Ejemplo 2.31 Eval ue

2 0
1 d 2 + cos
1 1 Soluci on: Sustituyendo z = ej , cos = 2 z+z y d = dz se obtiene la integral de variable jz compleja 1 2 1 dz = dz 1 1 j C z 2 + 4z + 1 C jz 2 + 2 z + z
92
2.8 Evaluaci on de integrales reales
donde la trayectoria de integraci on C es el c rculo 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 a1 = lim 2 1 1 (z + 2 3) = j (z + 2 3)(z + 2 + 3) j 3
2 0
z 2+ 3
as que por el teorema del residuo 1 1 2 d = 2j = 2 + cos j 3 3

2.31
Otros casos de integrales reales resueltas por medio de integraci on compleja encontrar a el lector en el an alisis del impulso gaussiano (p ag. 163), y en el ap endice B.
2 Variable compleja
93
2.9
Problemas
Los siguientes ejercicios est an basados en [8, 9], algunos con leves modicaciones, otros nuevos para profundizar en los conceptos introducidos en este cap tulo. Problema 2.1. Indique qu e tipo de estructura algebraica es (S, { }), donde S {IN, Z, Q, IR, C}, y {+, , , , }. El s mbolo denota divisi on y el s mbolo potenciaci on. Problema 2.2. Demuestre utilizando las deniciones de suma y multiplicaci on en los n umeros naturales que a 1 = a. Problema 2.3. Problema 2.4. (2.5), calcule: 1. 2. 3. 4. 5. Qu e clase de estructura algebraica es (Z, {})? Utilizando las deniciones de suma y producto de n umeros complejos en
(0, 1)2 = (0, 1) (0, 1) (a, 0) (1, 0) + (b, 0) (0, 1) (a, b) (a, b) (a, b) + (a, b) (a, b) (a, b)
Problema 2.5. Encuentre la magnitud, argumento, y componentes real e imaginario de los siguientes n umeros complejos: 1. 2. 3. 4. z1 z2 z3 z4 =j = j = 3 j4 = 2ej/4 5. 6. 7. 8. z5 z6 z7 z8 = 2ej/4 = 2ej = cos 1; IR = ejk ; k Z
Problema 2.6. Indique qu e trazo describen sobre el plano complejo el conjunto de todos los n umeros complejos que satisfacen la igualdad Re{z } + 2 Im{z } = 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 qu e equivalen las expresiones sen(A + B ) y cos(A + B ) en t erminos de senos y cosenos de A y B por separado. Problema 2.9. Sume los siguientes n umeros complejos. Verique las sumas gr acamente: 3. Si z = x + jy calcule z + z 4. Si z = x + jy calcule z z
1. (2 + j 5) + (3 + j 2) 2. (j 3) + (2) Problema 2.10.
Multiplique los siguientes n umeros complejos.
94
2.9 Problemas
1. (2 + j 2)(2 + j 2) 2. (j 3)(2)
3. Si z = x + jy calcule zz 4. Si z = rej calcule z/z
Problema 2.11.
Calcule las cinco ra ces (1)1/5 y graf quelas en el plano complejo.
Problema 2.12. Calcule la magnitud, argumento, parte real y parte imaginaria de los n umeros complejos zi resultantes de las operaci ones 1. z1 = (1 + j 3)1+j 2. z2 = j 3. z3 = j j 4. z4 = j j 5. z5 = sen(j ) 6. z6 = 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. Sean z, w C. Se sabe que z = Encuentre gr acamente w y z + w. Problema 2.17.
3 2
+ j , Re{w} =
1 2
y |z + w| = 3.
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 = K1 u + K2 donde w = u + jv y Im + Re m Re Im m Im b Re K2 = (Im + Re m) + Re b + Im Re Im m K1 =
Problema 2.18. Otra posible demostraci on de que un mapeo lineal conserva la forma de rectas o un c rculos es utilizando representaciones param etricas de las mismas. Considerando que una recta se describe como z (t) = zm t + zb
2 Variable compleja
95
con t IR, zm , zb C, zm =cte, zb =cte, y que un c rculo puede representarse como z (t) = rejt + z0 con t [0, 2 [ IR, r IR, z0 C, r =cte, z0 =cte, demuestre que el mapeo w = z + no cambia la forma de la recta o del c rculo. Problema 2.19. 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 2.20. Encuentre el punto de intersecci on y el a ngulo de intersecci on de las rectas |z (1 + j )| = |z (3 j )| y |z (1 j )| = |z (3 + j )| Problema 2.21. IR+ : 1. 2. 3. 4. |z | < r |z z0 | < r | Re{z }| < r Re{z } < r Dibuje las regiones representadas por las siguientes ecuaciones, si r, 5. 6. 7. 8. | Im{z }| < r Im{z } < r | Re{z }| > r Re{z } > r 9. 10. 11. 12. | Im{z }| > r Im{z } > r Re{|z |} < r |z | <
Problema 2.22. Encuentre la imagen de la l nea 6x + y = 22 (con z = x + jy ) en el plano w bajo el mapeo w = jz + 4 j 3. Problema 2.23. Encuentre la regi on en el plano w a la que es mapeada la regi on y > 1 del plano z = x + jy si w = (1 j )z . Problema 2.24. Encuentre a qu e es mapeado el semiplano x > 0 del plano z = x + jy bajo la transformaci on w = jz + j . Problema 2.25. Encuentre la transformaci on que hace el mapeo w = jz + 1 a la franja semi-innita x > 0, 0 < y < 2 en el plano z = x + jy . Problema 2.26. Encuentre las im agenes 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. x2 + y 2 + 2y = 1
Problema 2.27. El mapeo lineal w = f (z ) = z + cumple j = f (1+ j ) y (1+ j ) = f (1).
96
2.9 Problemas
1. 2. 3. 4.
Determine y ( uselos en el resto del problema). Encuentre la imagen de Im(z ) > 0 Encuentre la imagen de |z 2| < 2 Encuentre los puntos jos del mapeo
Problema 2.28. Demuestre que el mapeo de inversi on w = 1/z transforma c rculos centrados en el eje real del plano z en c rculos centrados en el eje real del plano w o en rectas verticales, y que transforma c rculos centrados en el eje imaginario del plano z en c rculos centrados en el eje imaginario del plano w, o en rectas horizontales. Problema 2.29. Sea C un c rculo en el plano complejo z descrito param etricamente como C : z (t) = rej 2t + z0 con |z0 | = r y t [0, 1[ IR. Si el par ametro t se hace variar desde 0 hasta 1, el c rculo es descrito en sentido antihorario. Ind que qu e sentido describe la imagen de dicho c rculo ante el mapeo de inversi on w = 1/z , cuando 1. r < |z0 | 2. r > |z0 |. Para las dos condiciones anteriores indique a qu e es mapeado el interior del c rculo. Problema 2.30. mapeo w = 1/z . Calcule la imagen en el plano w del c rculo |z 3| = 2 utilizando el
Problema 2.31. Utilice divisi on polinomial para demostrar los resultados en la ecuaci on (2.23) de la p agina 36.
+b Problema 2.32. Demuestre que el mapeo inverso de w = az es tambi en un mapeo cz +d bilineal. Verique que los determinantes de ambos mapeos son iguales.
Problema 2.33. Qu e tipo de rectas describe la ecuaci on |z a| = |z b| si adem as se 2 2 cumple que |a 2j | = |b 2j | . (Ayuda : revise los conceptos indicados en la gura 2.14) Generalice el concepto si la condici on dada es |a c| = |b c|, con c C constante. Problema 2.34. Demuestre que el mapeo bilineal del ejemplo 2.7 transforma cualquier l nea que no pasa por z = 1 en un c rculo que pasa por = 1. Encuentre los puntos jos de ese mapeo. A qu e es mapeado el c rculo unitario del plano z ? Problema 2.35. el mapeo bilineal Encuentre la imagen en el plano w del c rculo |z | = 2 y su interior bajo w= zj z+j
2 Variable compleja
97
Problema 2.36. Encuentre la transformaci on bilineal w = f (z ) que satisface j = f (0), j = f (1), 0 = f (1). Problema 2.37. 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 2.38. 1. El c rculo z+ 2. El disco |z a| <= a, con a IR, a > 0 Problema 2.39. 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 2.40. Dado el mapeo bilineal w= Encuentre la imagen en el plano w = 1/z de 3 7 +j = 4 4
1. 2. 3. 4. 5.
1+j z Indique las operaciones involucradas en el mapeo, tales como rotaciones, inversiones, traslaciones, etc. Encuentre las im agenes de z = 1, z = 1 j y z = 0 en el plano w. Encuentre la imagen del interior de c rculo unitario |z | < 1 en el plano z . Encuentre las im agenes de las rectas x = y y x + y = 1 si z = x + jy . Encuentre los puntos jos del mapeo. Dado el mapeo bilineal w= z+1 z1
Problema 2.41.
encuentre la imagen del arco semicircular x2 + y 2 = 1 para x 0 descrito del punto (0, 1) al punto (0, 1). Problema 2.42. Encuentre a qu e mapea w=
z+j z3 la regi on del plano z = x + jy entre las rectas x = y y y = 0 con x < 0 en el plano w. Encuentre qu e construcci on geom etrica en el plano z corresponde al c rculo unitario del plano w. Problema 2.43. Encuentre a qu e corresponde en el plano w la regi on del plano z = x + jy dada por y 0 bajo el mapeo z z0 w = f (z ) = ej0 z z0
98
2.9 Problemas
Encuentre los valores particulares de z0 y 0 si se cumple f (j ) = 0 y f () = 1. Problema 2.44. Demuestre que la composici on de dos mapeos bilineales es a su vez un mapeo bilineal. Es decir, si w = az + b cz + d aw +b w= cw +d
entonces el mapeo w = f (z ) es tambi en bilineal. Problema 2.45. Demuestre que un mapeo bilineal tiene uno, dos o innitos puntos jos.
Problema 2.46. Una propiedad interesante del mapeo bilineal es que existe solo una transformaci on de este tipo capaz de mapear tres puntos dados z1 , z2 y z3 en tres puntos espec cos w1 , w2 y w3 respectivamente. Demuestre que la transformaci on bilineal est a dada por: (z z1 )(z2 z3 ) (w w1 )(w2 w3 ) = (w w3 )(w2 w1 ) (z z3 )(z2 z1 ) Problema 2.47. Encuentre el mapeo bilineal w = f (z ) m as general que mapea el c rculo unitario |z | = 1 en el c rculo unitario |w| = 1 y que cumple adem as f (z0 ) = 0. 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 secci on de la curva A ubicada sobre |z 1 j | = 1 es transformada en el segmento de recta que une 1 y 1 en el plano w.
2 A 1 B 1 Im{z } Im{w}
2 Re{z }
-1
Re{w}
-1
Problema 2.49. 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 1| = 1 es transformada en el segmento de recta que une 1 y 1 en el plano w.
2 Variable compleja
Im{z } 1 Im{w} 3 B 1
99
3 Re{z }
-1
Re{w}
-1
Problema 2.50. Indique si siempre es posible encontrar un mapeo bilineal que transforme cualquier par de c rculos que se intersecan en exactamente dos puntos, en la gura de la derecha del problema 2.49. Problema 2.51. Encuentre un mapeo bilineal que transforme el semic rculo al lado derecho de la gura en el problema 2.49 a un semic rculo igual, pero tal que el segmento de recta es transformado al semic rculo, y el semic rculo al segmento de recta. Problema 2.52. mapeo w = ez . Encuentre la imagen en el plano w de las siguientes regiones bajo el
1. x > 0 2. 0 x 1, 0 y 1 1 3. 2 y , 0 x Problema 2.53. Demuestre, utilizando la descomposici on del coseno y seno como combinaci 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 = cos2 x + senh2 y | sen z |2 = sen2 x + senh2 y
Problema 2.54. Verique que la funci on f (z ) = ez , = cte C satisface las ecuaciones de Cauchy-Riemann y calcule su derivada. Problema 2.55. 1. 2. 3. 4. zez zz sen 4z cos 2z Qu e valores de a y b hacen que En qu e regi on de C son las siguientes funciones anal ticas
Problema 2.56.
w = f (z = x + jy ) = x2 + ay 2 2xy + j (bx2 y 2 + 2xy )
100
2.9 Problemas
sea anal tica, y que forma tiene entonces f (z ). Problema 2.57. Encuentre una funci on v (x, y ) conjugada a u(x, y ) = 2x(1 y ), y encuentre entonces f (z ) = u(x, y ) + jv (x, y ) y f (z ). Problema 2.58. Demuestre que u(x, y ) = ex (x cos y y sen y ) es una funci on arm onica y encuentre una funci on conjugada arm onica v (x, y ). Escriba f (x, y ) = u(x, y ) + jv (x, y ) en t erminos de z si z = x + jy . Problema 2.59. Demuestre que u(x, y ) = sen x cosh y es arm onica y encuentre la funci on conjugada arm onica v (x, y ). Encuentre f (z = x + jy ) = u(x, y ) + jv (x, y ) en t erminos de z . Problema 2.60. Encuentre trayectorias ortogonales de las siguientes familias de curvas:
1. x3 y xy 3 = , con constante real 2. ex cos y + xy = , con constante real Problema 2.61. 1. f (z ) = z 2 e2z 2. sen 2z y determine la regi on de C en la que son anal ticas y sus derivadas en esas regiones. Problema 2.62. conformes: 1. 2. 3. 4. w w w w Determine los puntos o regiones donde los siguientes mapeos no son Encuentre las componentes real e imaginaria de las funciones
= z2 1 = 2z 3 21z 2 + 72z + 6 1 = 8z + 2 2z = sen z
Problema 2.63. Encuentre y graque las im agenes de las l neas verticales y horizontales para los mapeos sen z , cos z y Ln z . D onde son estos mapeos conformes? Problema 2.64. Demuestre que w=z+ a2 z
transforma el c rculo |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 2.65. Problema 2.66. en las regiones Demuestre que SN =
N 1 n=0
zn =
1z N 1z
Encuentre la representaci on en serie de potencias de la funci on 1/(z j )
2 Variable compleja
101
1. |z | < 1 2. |z | > 1 3. 1 < |z 1 j | < 2 Problema 2.67. Encuentre por divisi on polinomial las representaciones en serie de 1 potencias de z2 +1 centradas en z0 = 0. Problema 2.68. Encuentre los desarrollos en Series de Taylor para las siguientes funciones centradas en los puntos dados 1. 1 , en z0 = 1. 1+z 1 , en z0 = 2j . 2. z (z 4j ) 1 , en z0 = 1 + j . z2 1 4. , en z0 = 0. 1 + z + z2 3.
Problema 2.69.
Encuentre la serie de Laurent para f (z ) = 1 z (z 1)2
alrededor de z0 = 0 y z0 = 1, y especique las posibles regiones de convergencia en cada caso. Problema 2.70. Encuentre la serie de Laurent para f (z ) = z 2 sen alrededor de 1. z0 = 0 2. z = a = 0, a C Problema 2.71. Encuentre la serie de Laurent para f (z ) = z (z 1)(2 z ) 4. |z 1| > 1 5. 0 < |z 2| < 1 1 z
en una expansi on en serie de Laurent v alida para las regiones de convergencia 1. |z | < 1 2. 1 < |z | < 2 3. |z | > 2 Problema 2.72.
Encuentre la serie de Laurent para f (z ) = z (z 1)(z + 2)
si esta se centra en z0 = 0, para la regi on de convergencia 1 < |z | < 2.
102
2.9 Problemas
Problema 2.73.
Para la funci on 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 z0 = 1 + j . Encuentre las series en cada una de dichas regiones. Problema 2.74. La funci on de variable compleja f (z ) tiene, entre otros, los siguientes desarrollos en series de Laurent
1. f (z ) =
k=2
1 (z + 3)k 2k
3. f (z ) =
k=4
2k (z 1 j )k
2. f (z ) =
(j )k+1 k (z 1)k k=1
4. f (z ) =
k=0
5k (z + j )k
donde para todas las series se han utilizado regiones de convergencia que contienen como punto l mite 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 2.75. Indique qu e tipos de singularidades y ceros tienen las siguientes funciones: 1. cos z z2 5. e 1z 6. 7. 8. z1 z2 + 1 z+j (z + 2)2 (z 3) 1 z 2 (z 2 4z + 5)
z
z 3. 4 z 1 sen z 4. 2 z +
1 2. (z + j )2 (z j )
Problema 2.76. Encuentre los desarrollos de Laurent para las siguientes funciones alrededor de z0 = 0 e indique el tipo de singularidad: 1 cos z 1. z 2 ez 2. 3 z Problema 2.77. Determine los residuos de la funci on 1/(1 + z 4 ) en cada uno de sus polos en el plano nito z .
2 Variable compleja
103
Problema 2.78. Calcule los residuos de las siguientes funciones en cada uno de sus polos nitos, a menos que se especique lo contrario: 1. 2z + 1 2 z z2 1 2. 2 z (1 z ) 6. z+1 z1
2
3.
z3 z2 + z 1 4. z 3 + 4z 5. z 6 + 4z 4 + z 3 + 1 (z 1)5
3z 2 + 2 (z 1)(z 2 + 9)
7.
cos z solo en z = 0 z z solo en z = sen z 1 solo en z = j (z 2 + 1)2
8.
9.
Problema 2.79. Utilizando la denici on de la integral de contorno para funciones de variable compleja, demuestre que si el sentido de la trayectoria de integraci on se invierte, entonces la integral adquiere el valor de la integral con el sentido original pero negado, es decir: f (z ) dz = f (z ) dz
C C
donde C representa al contorno de integraci on en el sentido contrario a C . Problema 2.80. En la demostraci on del valor que toma una integral de contorno cerrada en el cual la trayectoria de integraci on encierra a un polo, se utiliz o la deformaci on del contorno tal y como lo muestra la gura 2.35. Se eligieron all l neas rectas para pasar de A a B y luego de B a A . Discuta qu e ocurre si se tomaran dos curvas simples cualesquiera para sustituir esos segmentos de recta, que pasan solo por puntos donde la funci on es anal tica. Problema 2.81. Esboce gr acamente las siguientes trayectorias, indicando su sentido, y adem as exprese la trayectoria con una ecuaci on no param etrica (que no depende de t) j 2t cuando sea posible. (Por ejemplo z (t) = e para 0 t 1 es lo mismo que |z | = 1 en sentido positivo) 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. z (t) = (1 + 2j )t para 1 t 3 z (t) = 2 3jt para 2 t 1 z (t) = 2 j + 2ejt para 0 t 2 z (t) = 1 + j + ejt para 0 t 2 z (t) = ejt para 0 t z (t) = 3 + j + 2ejt para t 2 z (t) = 6 cos 2t + j 5 sen 2t para 0 t z (t) = 1 + 2t + j 8t2 para 1 t 1 1 3 z (t) = t2 + j 2 t para 1 t 2 Familia de curvas zk (t) = ej 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 2.82. a. b. c. d. e. f. g. h. i.
Esboce gr acamente y represente de forma param etrica las trayectorias
Segmento de 1 + j a 4 2j C rculo unitario (en sentido horario) Segmento de a + jb a c + jd 1 Hip erbola xy = 1 desde 1 + j a 4 + j 4 Semielipse x2 /a2 + y 2 /b2 = 1, y 0 Par abola x = 4 4y 2 (1 y 1) |z 2 + 3j | = 4 (en sentido antihorario) |z a jb| = r (en sentido horario) Elipse 4(x 1)2 + 9(y + 2)2 = 36 Eval ue las integrales (z 2 + 3z ) dz
C
Problema 2.83.
(x2 + y 2 + j (3x + y )) dz
C
para los contornos C 1. segmento de recta de 2 a j 2 2. contorno de dos segmentos de recta, primero de 2 a (2 + j 2), y luego a j 2. 3. segmento del c rculo |z | = 2 que va en sentido positivo de 2 a j 2. Problema 2.84. Eval ue
C
(5z 4 z 3 + 2) dz
para las trayectorias de integraci on 1. |z | = 1 2. el cuadrado con v ertices 0, 1, 1 + j y j . 3. una curva compuesta por la par abola y = x2 de 0 a 1 + j y y 2 = x de 1 + j a 0. Problema 2.85. Eval ue la integral de contorno dz z4
para un contorno cerrado que contiene a z = 4, y para otro contorno que lo excluye. Problema 2.86. Eval ue la integral 2z dz (2z 1)(z + 2)
para los contornos |z | = 1 y |z | = 3.
2 Variable compleja
105
Problema 2.87.
Eval ue la integral 5z dz (z + 1)(z 2)(z + j 4)
para los contornos |z | = 3 y |z | = 5. Problema 2.88. Eval ue las siguientes integrales z3 + z dz (2z + 1)3 4z dz (z 1)(z + 2)2 C : |z | = 1 C : |z | = 3
Problema 2.89.
Eval ue la integral z3 z2 + z 1 dz z 3 + 4z
para los contornos |z | = 1 y |z | = 3. Problema 2.90. Eval ue la integral z 3 (z 2 1 dz + 2z + 2)
para el contorno |z | = 3. Problema 2.91. Demuestre que lim f (z ) dz = 0

2
si adem as se sabe que

R
lim max |Rf (Rej )| = 0 para 0
y 2 es el contorno semicircular ilustrado en la gura 2.38 de la p agina 86. Problema 2.92. Eval ue la integral z2 z dz +1
donde C es
1 1. el c rculo |z | = 2 2. el c rculo |z | = 2
106
2.9 Problemas
Problema 2.93.
Eval ue la integral z 2 + 3jz 2 dz z 3 + 9z
donde C es 1. el c rculo |z | = 1 2. el c rculo |z | = 4 Problema 2.94. Calcule los residuos de todos los polos de la funci on f (z ) = y con ellos calcule la integral f (z ) dz
C
(z 2 + 2)(z 2 + 4) (z 2 + 1)(z 2 + 6)
con el contorno C denido como 1. el c rculo |z | = 2 2. el c rculo |z j | = 1 3. el c rculo |z | = 4 Problema 2.95. Eval ue la integral z 2 (1 1 dz + z 2 )2
donde la trayectoria de investigaci on C es 1. el c rculo |z | = 1 2 2. el c rculo |z | = 2 Problema 2.96. contorno: Con la ayuda del teorema del res duo eval ue las siguientes integrales de
3z 2 + 2 1. dz 2 C (z 1)(z + 4) con las trayectorias C : 1.1. |z 2| = 2 1.2. |z | = 4 (z 2 2z ) dz 2. 2 2 C (z + 1) (z + 4) con las trayectorias C : 2.1. |z + j | = 2 2.2. |z | = 3 1 3. dz 3 C (z + 1) (z 1)(z 2)
con las trayectorias C : 1 3.1. |z | = 2 3.2. |z + 1| = 1 3.3. el rect angulo con v ertices en j y 3 j. (z 1) 4. dz 2 4 C (z 4)(z + 1) con las trayectorias C : 1 4.1. |z | = 2 3 4.2. z + 2 =2 4.3. el tri angulo con v ertices en 3 + j, 2 3 2 j y 3.
2 Variable compleja
107
Problema 2.97. Utilizando una integral de contorno apropiada, eval ue las siguientes integrales de funciones de valor y variable real:
1.

1 dx 2 x +x+1 1 dx 2 (x + 1)2
4.
0 2
cos 3 d 5 4 cos 4 d 5 + 4 sen x2 dx (x2 + 1)2 (x2 + 2x + 2) 1 dx 2 (x + 4x + 5)2 cos d 3 + 2 cos
2.

5.
0
3. 7. 8.
1 dx 2 (x + 1)(x2 + 4)2 0 2 1 d 3 2 cos + sen 0

0
6.

9.
2
1 dx x4 + 1
10.
0
108
2.9 Problemas
Cap tulo 3 An alisis de Fourier

3.1 Ortogonalidad
El adjetivo ortogonal proviene del griego orthos (recto) y gonia ( angulo). Este denota entonces la perpendicularidad entre dos elementos: dos calles que se cruzan en un a ngulo recto presentan una conguraci on ortogonal. En ingenier a y matem atica el t ermino 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 digitales inal ambricas. En esta secci on se restringir a sin embargo la discusi on a las deniciones de car acter 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 ingenier a.
3.1.1
Espacios lineales
Tradicionalmente se utiliza en ingenier a el concepto de vector como un conjunto ordenado (o tupla ) de n cantidades, por ejemplo [x1 , x2 , . . . , xn ]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, cil ndricas o esf ericas). En t erminos matem aticos se preere la notaci on cartesiana por su generalidad: el concepto de vector es v alido para todo entero n no negativo (esto es n = 0, 1, . . .), donde las componentes xi se toman del conjunto de los n umeros reales IR o de los n umeros complejos C. Esta denici on 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, conmutativas 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 operaci on de multiplicaci on 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). on vectorial en V). 2. x + (y + z) = (x + y) + z. (Asociatividad de la adici 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). on vectorial en V). 5. x + y = y + x. (Conmutatividad de la adici 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. (Neutralidad de uno). on vectorial). 9. a(x + y) = ax + ay. (Distributividad con respecto a la adici 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 IRn 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 combinaci on lineal de los vectores u1 , u2 , . . . , un de un espacio lineal V a todo vector x del tipo x = c1 u1 + c2 u2 + . . . + cn un
3 An alisis de Fourier
111
con los coecientes de la combinaci on lineal c1 , . . . , cn , que son escalares del cuerpo escalar IF relacionado con el espacio lineal V. Un conjunto de vectores U = {u1 , u2 , . . . , un } V se dice ser un conjunto ligado o linealmente 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 u nicos escalares c1 , . . . , cn para los que se cumple c1 u1 + c2 u2 + . . . + cn un = 0 son c1 = . . . = cn = 0. Se cumple adem as que un conjunto que contiene un solo vector, es libre si el vector es no nulo, un sistema libre, el vector neutro 0 no forma parte de ning todo subconjunto de un sistema libre es tambi en libre, el n umero m aximo de vectores de un sistema libre es igual a la dimensi on de dichos vectores.
Un espacio lineal V se dice engendrado por el conjunto de vectores U = {u1 , u2 , . . . , un } V si contiene todas las combinaciones lineales de los vectores de U , al que se denomina entonces conjunto generador del espacio. A cada elemento del conjunto U se le denomina en este contexto vector generador . Este espacio no var a 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 combinaci on lineal de los dem as. Subespacios y bases Cualquier subconjunto W del espacio lineal V que es cerrado ante las operaciones vectoriales aditivas y de multiplicaci on 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 IR3 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 W1 W2 de dos subespacios lineales W1 y W2 del mismo espacio lineal V es a su vez un subespacio lineal. La uni on W1 W2 de dos subespacios lineales W1 y W2 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 = {u1 , u2 , . . . , un } V que es conjunto generador del espacio lineal, y n es nito. Si los vectores generadores ui son linealmente independientes entonces se dice que U es una base de V. Todo espacio lineal
112
3.1 Ortogonalidad
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 dimensi on 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 corresponde 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 sucesi on u nica de coordenadas . El u ltimo punto indica que si V tiene como base a U = {u1 , u2 , . . . , un }, entonces un vector x = c1 u1 + c2 u2 + . . . + cn un puede representarse utilizando tan solo los coecientes ci y manteniendo ja la base: x = [c1 , c2 , . . . , cn ]T . Ninguna otra sucesi on puede representar con la misma base al vector x, puesto que si existiese alguna otra representaci on equivalente x = d1 u1 + d2 u2 + . . . + dn un entonces la diferencia de ambas representaciones deber a ser cero y (d1 c1 )u1 + (d2 c2 )u2 + . . . + (dn cn )un = 0 se cumple solo si di = ci , i = 1, 2, . . . n por el requisito de que la base U 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 continuaci on se enumeran los m as utilizados en la literatura t ecnica. Espacio m etrico Un espacio m etrico es una estructura algebraica en la que se dene la operaci on d(x, y) d : V V IR denominada m etrica 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) (simetr a) d(x, z) d(x, y) + d(y, z) (desigualdad del tri angulo)
N otese que el concepto de espacio m etrico es en realidad independiente del concepto de espacio lineal, pues solo se requiere el conjunto de elementos, que no necesariamente deben ser vectores, m as una m etrica denida para los elementos de dicho conjunto.
113
Espacio lineal normado Un espacio lineal normado es un espacio lineal junto con una operaci on 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 operaci on 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 m etrico, pues se puede denir la m etrica 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 m etrica son cumplidas por d(, ). Espacio de Banach En el cap tulo 1 se deni o una sucesi on de Cauchy como una sucesi on cuyos t erminos se acercan arbitrariamente entre s en tanto la sucesi on progresa. Para un espacio lineal normado la denici on de sucesi on de Cauchy se puede replantear como > 0, N IN, n, m IN, n, m > N : xn xm < donde se reemplaz o 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 sucesi on 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 sucesi on 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 escalar1 ) permite introducir conceptos
N otese que en este contexto el concepto de producto escalar es diferente a la multiplicaci on escalar utilizada en la denici on de espacio lineal. Para evitar confusiones se preferir a aqu el uso del t ermino producto interno sobre producto escalar .
1
114
3.1 Ortogonalidad
geom etricos como a ngulos 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 . (Simetr a o conmutatividad conjugada). a IF, x, y V, x, ay = a x, y ; x, y, z V, x, y + z = x, y + x, z . (Sesquilinealidad). N otese que si el cuerpo IF corresponde a los n umeros reales IR entonces la simetr a conjugada corresponde a la conmutatividad del producto interno, esto es x, y = y, x . Combinando la sesquilinealidad con la simetr a conjugada se obtiene adem as (ver problema 3.3) a IF, x, y V, x, y, z V, ax , y = a x , y x + y , z = x, z + y , z (3.2) (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 est a correctamente denida si se considera el axioma de no negatividad en la denici on del producto interno. Tambi en se cumple el requisito de tener un n umero real como valor. Utilizando la simetr a conjugada se demuestra la escalabilidad positiva: ax = = ax, ax = aa x, x = a ax , x = a x, ax
|a|2 x, x = |a| x
Las siguientes demostraciones concluyen la vericaci on 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 u nicamente los axiomas anteriores puede demostrarse la desigualdad de CauchySchwarz [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 derecho nunca es negativo. As umase entonces para el resto de la demostraci on, que | x, y | = 0. Por la propiedad de no negatividad se cumple x + ay , x + ay 0 para cualquier escalar a IF. Por la sesquilinealidad, lo anterior se puede expresar como x , x + a x , y
+ a x, y + |a|2 y, y 0
115
Sea b un n umero real arbitrario y t omese a = b x, y . Sustituyendo se obtiene x, x + 2b| x, y |2 + b2 | x, y |2 y, y 0 El lado izquierdo es una ecuaci on 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 tendr a dos ra ces reales, lo que implicar a que para un intervalo de b su valor ser a 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 ecuaci on 2 anterior por | x, y | para obtener | x, y |2 x, x | x, y |2 x y, y 0
2
y y
| x, y | x
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 continuaci on. x+y
2
= x + y, x + y = x , x + y , x + x, y + y , y = x
2
+ x, y
+ x, y + y
Considerando que para un n umero complejo z = x + jy se cumple z + z = 2x 2|z | = 2 x2 + y 2 entonces x+y

2
+ 2 | x, y | + y
y utilizando la desigualdad de Cauchy-Schwarz (3.5) entonces x+y

2
+2 x y + y
2
x + y
y aplicando la ra z 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 tri angulo xy xh + hy .
116
3.1 Ortogonalidad
En estos espacios lineales con producto interno se dice que dos vectores x y y diferentes de 0 as, el angulo entre los dos vectores son ortogonales si su producto interno x, y es 0. Adem 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 a ngulo entre dos vectores ortogonales es de /2, puesto que el coseno del a ngulo entre ellos es cero. N otese que con la desigualdad de Cauchy-Schwarz se puede asegurar para los espacios basados en el cuerpo IR que el lado derecho de la ecuaci on 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 adquirir a valores complejos. Si U = {u1 , u2 , . . . , un } V es una base de V y todo par de vectores ui y uk (i = k ) es ortogonal, se dice que U es una base ortogonal de V. Si adem as se cumple que la norma de todos los vectores generadores ui es uno, entonces a U se le denomina una base ortonormal . Ejemplo 3.1 Si U 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 U es una base ortogonal de V se cumple para todo vector x V
n
x=
i=1
ci ui
(3.7)
Realizando el producto escalar a ambos lados con un vector generador espec co uk , utilizando las propiedades del producto interno descritas anteriormente, y haciendo uso de la ortogonalidad de los vectores generadores ui se obtiene
n n n 2
uk , x =
uk ,
i=1
ci ui
=
i=1
uk , ci ui =
i=1
ci uk , ui = ck uk , uk = ck uk
con lo que se deriva ck = uk , x uk 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 trav es del producto interno, lo que quiere decir que cualquier sucesi on de Cauchy de elementos en el espacio lineal converge a un elemento en el mismo espacio. Los espacios de Hilbert se utilizan en
117
la generalizaci on del concepto de ciertas transformaciones lineales como la transformada de Fourier, y son de crucial importancia en la formulaci on 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 m etrico 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 caracter sticas de sus antecesores. As , un espacio de Hilbert es completo, tiene producto interno a trav es del cual se dene la norma que a su vez se emplea para denir la m etrica, 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 IFn , denido sobre el cuerpo IF, un vector x se representa como x1 x2 x = . = [x1 , x2 , . . . xn ]T . . xn
118
3.1 Ortogonalidad
donde cada una de las componentes xi del vector x son elementos del cuerpo IF. En un espacio euclidiano el producto interno utilizado es siempre el producto punto , denido como
n
x, y = x y = x y =
xi y i .
i=1
(3.9)
Con esto se puede denir la norma euclidiana x de un vector x como x = x, x =

n
xx=
x T x
=
i=1
|xi |2 .
La m etrica euclidiana puede describirse entonces en t erminos de la norma:

n
d2 (x, y) = x y =
i=1
|xi yi |2
(3.10)
El espacio euclidiano representa la generalizaci on de los espacios matem aticos en dos y tres 2 dimensiones conocidos y estudiados ya en la antig uedad por Euclides . A la funci on de distancia d2 , basada en el teorema de Pit agoras, se le conoce como m etrica euclidiana . Cualquier base ortogonal U para un espacio euclidiano de n dimensiones contiene entonces exactamente n vectores ortogonales entre s . Si la base es ortonormal, entonces los coecientes de la combinaci on lineal se determinan como (ver (3.8)) x k = uk , x y (3.7) se puede escribir entonces
n
x=
i=1
ui , x ui
(3.11)
donde la norma de x estar a dada por

n
=
i=1
| ui , x |2
que corresponde al teorema de Pit agoras, 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 U . A la base ortonormal del espacio euclidiano IRn conformada por los vectores u1 = [1, 0, . . . , 0]T , u2 = [0, 1, . . . , 0]T , . . ., un = [0, 0, . . . , 1]T se le denomina base can onica , y se utiliza como referencia universal o absoluta para representar los vectores pertenecientes al espacio engendrado por dicha base. Obs ervese que el producto interno de un vector x = [x1 , x2 , . . . , xn ]T por alg un vector ui de la base can onica extrae exactamente la componente xi : x i = ui , x
Euclides fue un matem atico griego del s. III a. C., quien escribi o Elementos, que es la base de la geometr a plana actual.
2
119
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 a ngulo de 90 con el. La T gura 3.2 muestra una soluci on gr aca: el vector x = [ sen(), cos()] es perpendicular a x.
x= sen() cos() cos() sen()
sen() cos()
Figura 3.2: Construcci on geom etrica para obtener un vector ortogonal.
La misma conclusi on puede obtenerse utilizando identidades trigonom etricas en la expresi on T [cos( + 2 ), sen( + 2 )] . El producto x, x se calcula entonces como x, x = [cos(), sen()] sen() = cos() sen() + cos() sen() = 0 cos()
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 can onica
a2 x x
a 2 u2 u 2 a 1 u 1 u1 a1
Figura 3.3: Representaci on de un vector euclidiano bidimensional x utilizando dos bases ortonormales diferentes.
U = {u1 , u2 }, con los coecientes escalares a1 y a2 . El lado derecho muestra el vector con otra base ortonormal U = {u1 , u2 }. Se puede apreciar que los coecientes a1 y a2 de x con la
120
3.1 Ortogonalidad
nueva base U son diferentes a los obtenidos con U . Sin embargo, si se establece claramente una base, las componentes calculadas pueden utilizarse para representar a cualquier vector x de forma u nica e inequ voca, tal y como lo establece el teorema fundamental del algebra lineal mencionado anteriormente. N otese que cada uno de los vectores en la base U puede representarse en t erminos de combinaciones lineales de los vectores en la base can onica U . De esta forma, es posible representar los mismos vectores a trav es de los coecientes generados para una base determinada, como lo muestra la gura 3.4 para las dos bases en la gura 3.3.
ai a i
Figura 3.4: Representaci on alternativa del vector euclidiano en la gura 3.3 para las bases ortonormales utilizadas all .
Esta forma de representaci on de los coecientes lineales facilita el manejo de vectores con m as de tres dimensiones, que son dif ciles o incluso imposibles de imaginar en un espacio geom etrico. Ejemplo 3.3 Una base ortonormal U en un espacio euclidiano tridimensional est a compuesta por los vectores u 1 = [x1 , y1 , z1 ]T u 2 = [x2 , y2 , z2 ]T u 3 = [x3 , y3 , z3 ]T cuyas coordenadas xi , yi y zi indican las componentes de cada vector de esta base en la base can onica U = {u1 , u2 , u3 } con u1 = [1, 0, 0]T u2 = [0, 1, 0]T u3 = [0, 0, 1]T Encuentre los coecientes ci para representar al vector v = [a, b, c]T (tambi en representado en la base can onica) como combinaci on lineal de los vectores ui . Soluci on: Se sabe que v = c1 u1 + c2 u2 + c3 u3
121
donde, por ser la base U ortonormal, se cumple que ci = ui , v = ui , v ui 2
Puesto que el espacio utilizado es euclidiano, se utiliza el producto punto como producto interno, y as : c1 = ax1 + by1 + cz1 c2 = ax2 + by2 + cz2 c3 = ax3 + by3 + cz3 que puede expresarse de forma matricial como a x1 y1 z1 c1 c2 = x2 y2 z2 b c x3 y3 z3 c3
As , el producto del vector representado en la base can onica puede ser transformado a otro vector en la base U 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 ci pueden interpretarse como qu e tanto de cada vector ui est a contenido en v, de modo que la suma de los tres tantos genera dicho vector.
u 1 v u 3 u3
u1 u 2
u2
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 l neas punteadas las componentes de los vectores de la base U sobre la base can onica U , 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 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
122
3.1 Ortogonalidad
v
2 1 0 -1 1 2 3 2 1 0 -1 1
u1
2 1 0 -1 2 3 1
u 1 u1 , v
v
2 1 0 -1 1 2 3 2 1 0 -1 1
u2
2 1 0 -1 2 3 1
u 2 u2 , v
v
2 1 0 -1 1 2 3 2 1 0 -1 1
u3
2 1 0 -1 2 3 1
u 3 u3 , v
Figura 3.6: Descomposici on del vector v en el ejemplo 3.3 en sus componentes de la base can onica ortonormal. La primera columna muestra al vector v. La segunda columna muestra a los vectores de la base can onica, con todas sus componentes excepto una iguales a cero. La tercera columna muestra al vector de la base can onica escalado por el coeciente correspondiente de la combinaci on lineal, igual a ui , x . La suma de los vectores en la tercer columna es igual al vector original v.
3.1.3
Ortogonalidad de funciones
La representaci on de un vector x a trav es de sus componentes para una determinada base U puede interpretarse como una funci on x : {1, 2, . . . , n} IF que asigna a cada vector generador ui con ndice i {1, 2, . . . , n} su coeciente correspondiente con un valor en el cuerpo IF, es decir, x(i) = ci es una funci on 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 representar como
n2
x, y =
i=n1
x (i)y (i)
(3.12)
donde n1 y n2 pueden ser valores nitos o innitos, en cualquier rango de enteros consecutivos tales que n1 n2 . Esta expresi on 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
123
v
2 1 0 -1 1 2 3 2 1 0 -1 1
u 1
2 1 0 -1 2 3 1
u 1
u 1 ,v 2 u 1
v
2 1 0 -1 1 2 3 2 1 0 -1 1
u 2
2 1 0 -1 2 3 1
u 2 ,v u2 u 2 2
v
2 1 0 -1 1 2 3 2 1 0 -1 1
u 3
2 1 0 -1 2 3 1
u 3
u 3 ,v 2 u 3
Figura 3.7: Descomposici on del vector v en el ejemplo 3.3 en sus componentes de la base ortogonal, expresada en t erminos de la base can onica. La primera columna muestra al vector v. La segunda columna muestra a los vectores de la base ortogonal en t erminos de la base can onica. La tercera columna muestra al vector de la base ortogonal escalado por el coeciente correspondiente de la combinaci on lineal ci = ui , x / ui 2 . La suma de los vectores en la tercer columna es igual al vector original v.
de variable entera son elementos de un espacio lineal-funcional. A partir de esta representaci on resulta una consecuencia natural eliminar la restricci on 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 b asicos de espacios lineales hasta espacios de Hilbert se mantienen. Se interpreta entonces ahora que una funci on 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
b
x(t), y (t) =
a
x (t)y (t) dt
(3.13)
124
3.2 Series de Fourier
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 ecuaci on (3.13), de igual forma que se hizo para los vectores con la ecuaci on (3.4):
b
x(t) =
x(t), x(t) =
a
|x(t)|2 dt
(3.14)
Con estas deniciones se puede incluso tomar el concepto de a ngulo 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 a ngulo entre dos funciones ortogonales es /2.
3.2
3.2.1
Series de Fourier
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 U un conjunto de funciones ortogonales U = {un1 (t), un1 +1 (t) . . . , un2 1 (t), un2 (t)} . (3.16)
Este conjunto puede entonces utilizarse como conjunto generador de un espacio funcional para toda funci on
n2
xm (t) =
i=n1
ci ui (t)
(3.17)
donde ci representa los coecientes escalares de la combinaci on lineal de las funciones generadoras ui (t). As umase ahora que se desea aproximar una funci on x(t) para un intervalo [t1 , t2 ] con la combinaci on lineal xm (t) de m = n2 n1 +1 funciones generadoras denidas en ese mismo intervalo. Se desea minimizar la distancia entre x(t) y xm (t), denida a trav es de la norma de la diferencia de las funciones, esto es, se desea minimizar x(t) xm (t) (comparar por ejemplo con la m etrica euclidiana en la ecuaci on (3.10)). Al cuadrado de esta distancia se le denomina funci on de error E , que, dada la base funcional U en (3.16), depender a entonces de los valores de los coecientes escalares ci . Utilizando las deniciones anteriores se tiene que E (cn1 , cn1 +1 , . . . , cn2 1 , cn2 ) = x(t) xm (t)
2 t2
=
t1
|x(t) xm (t)|2 dt
(3.18)
125
Encapsulando todos coecientes ci como vector c = [cn1 , cn1 +1 , . . . , cn2 1 , cn2 ]T e insertando (3.17) en (3.18) se obtiene entonces:
t2 n2 2
E (c) =
t1
x(t)
ci ui (t)
i=n1
dt .
(3.19)
La minimizaci on de E (c) tiene como condici on necesaria (pero no suciente) que el gradiente de la funci on de error respecto a los coecientes sea 0: E (c) = E (c) E (c) E (c) E (c) , ,...,..., , cn1 cn1 +1 cn2 1 cn2
T
= [0, 0, . . . , 0]T .
Se debe cumplir entonces que E (c) =0 ck para todo k = n1 , . . . , n2 , lo que implica que ck
t2 t1 n2 2
x(t)
ci ui (t)
i=n1
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 obtiene3 ck
t2 t1 n2 2 t2 n2
x(t)
ci ui (t)
i=n1
dt =
t1 t2
2 x(t)
i=n1
ci ui (t) (uk (t)) dt = 0

n2 t2
(3.20)
x(t)uk (t) dt =
t1 i=n1
ci
t1
ui (t)uk (t) dt
Para el caso especial en que ui (t) y uk (t) sean ortogonales se tiene que
t2
x(t)uk (t) dt = ck uk (t)

t1
con lo que nalmente se puede obtener el valor o ptimo para ck : 1 ck = uk (t)

t2 2
x(t)uk (t) dt =
t1
x(t), uk (t) uk (t) 2
(3.21)
que es un resultado concorde a lo utilizado para vectores (comparar con la ecuaci on (3.8)). Para demostrar que estos valores obtenidos para ck corresponden en efecto a un m nimo para la funci on de error E , debe demostrarse que la matriz Hessiana de la funci on de error
N otese que para valores complejos de x, esta derivada no existe, pues |x|2 = xx no es una funci on anal tica (ver problema 3.10)
3
126
es denida positiva, es decir, que todos sus valores propios son positivos. Esta matriz est a dada por: 2E 2E 2E ... c2 cn1 cn1 +1 cn1 cn2 n1 2E 2E 2E ... 2 cn1 +1 cn1 +1 cn2 H(E (c)) = cn1 +1 cn1 . . . . . . .. . . . . 2 2 2 E E E ... 2 cn2 cn1 cn2 cn1 +1 cn2 Considerando la primera derivada en (3.20) junto con la ortogonalidad de las funciones ui (t) se puede calcular la segunda derivada: E (c) = 2 ck = 2 E (c) = cj ck
2 t2 n2 t2
x(t)uk (t) dt +
t1 t2 i=n1
2ci
t1 2
ui (t)uk (t) dt
x(t)uk (t) dt + 2ck uk (t)

t1
0 2 uk (t)
2
para j = k para j = k
por lo que la matriz Hessiana se simplica a una matriz diagonal 2 un1 (t) 0 H(E (c)) = . . . 0
2
0 2 un1 +1 (t) . . . 0
2
... ... .. .
0 0 . . .
2
. . . 2 un2 (t)
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 ck minimizan a la funci on de error E (c). Una conclusi on importante de (3.21) es que si se utiliza una base ortogonal para la aproximaci on de una funci on x(t), el valor o ptimo para el coeciente ck depende tan solo de la funci on generadora uk (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 tambi en se puede obtener por un m etodo adem as v alido para funciones y coecientes complejos: se procede de la misma forma que para obtener los coecientes de la combinaci on lineal de vectores ortogonales. A partir de la representaci on de la funci on x(t) xm (t) como serie (ver ecuaci on (3.17)), se evalua el producto interno por una funci on
127
generadora particular uk (t) para obtener

n2
uk (t), x(t) =
uk (t),
i=n1 n2
ci ui (t)
uk (t), ci ui (t)
i=n1 n2
=
i=n1
ci uk (t), ui (t)
= ck uk (t), uk (t) con lo que se deriva ck = uk (t), x(t) . uk (t) 2 (3.22)
A esta misma conclusi on se puede llegar trabajando por separado las componentes real e imaginaria de los coecientes ci (ver problema 3.12). Si la base funcional {uk (t)}, k Z es completa, es decir, si la aproximaci on de la funci on x(t) con la serie innita converge a la funci on:
x(t) =
k=
ck uk (t)
(3.23)
con las funciones generadoras uk (t) ortogonales y los coecientes ck 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 an alisis y a (3.23) como ecuaci on de s ntesis . Se plantear a el lector ahora la pregunta, qu e 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 ui de la base can onica por un vector x = [x1 , x2 , . . . , xn ]T retornaba exactamente la i- esima componente xi de dicho vector; es decir ui , x = xi . Por ejemplo, en un espacio tridimensional, con el vector de la base can onica u1 = [1, 0, 0]T se obtiene la componente x1 del vector [x1 , x2 , x3 ]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 funci on (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.
128
r (t) 1/
Figura 3.8: Impulso rectangular de area unitaria. Obs ervese que mientras m as angosto sea el impulso (menor ), mayor ser a la altura del impulso para mantener el area igual a uno.
El lector puede demostrar que el conjunto generador dado por las funciones U = {. . . , 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 =
y el coeciente ck correspondiente a la funci on r(t k ), necesario para aproximar una funci on x(t) se calcula como: ck = r(t k ), x(t) r(t k ) 2 k + 2 1 x(t) dt = k 2
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: ck = x(tk ) con tk k , k + . Obs ervese entonces que el k - esimo t ermino de la combinaci on 2 2 lineal est a dado por ck r(t k ), y as , la mejor aproximaci on de la funci on x(t) con la base ortogonal U es:
k= k=
xa (t) =
k=
ck r(t k ) =
k=
x(tk )r(t k )
(3.24)
La gura 3.9 muestra las mejores aproximaciones de una funci on x(t) utilizando dos bases
x (t)
2 2
129
=1
2
= 1/4
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
Figura 3.9: Aproximaciones de la funci on x(t) con dos bases ortogonales de funciones rectangulares equiespaciadas.
ortogonales con = 1 y = 1/4, donde mejor signica que la aproximaci on y la funci on tienen la menor distancia posible (es decir, se minimiza x(t) xa (t) ) para el utilizado. La gura 3.10 muestra la descomposici on de la funci on en sus componentes ortogonales con = 1.
k=1
2 2
k=2
2
k=3
2
k=4
2
k=5
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
-1 0 1 2 3 4 5 6
Figura 3.10: Descomposici on de la funci on x(t) en la gura 3.9 con la base ortogonal de funciones rectangulares r(t k ) 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), m as cerca estar a la aproximaci on xa (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) xa (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 construcci on 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
130
se conoce bajo el nombre de impulso Dirac o delta Dirac : (t) = lim r(t) =
0
para t = 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 s ntesis (3.24) se transforma en una integral
x(t) = lim
k=
x(tk )r(t k ) =
2
x(t ) (t t ) dt
, k + donde, puesto que tk k 2
, al hacer 0 entonces tk = k = t .
Ejemplo 3.4 Encuentre los t erminos de la combinaci on lineal que aproxima a la funci on 2 x(t) = t + 2t 1, correspondientes a las funciones de la base can onica (t + 1), (t) y (t 1) con t IR. Soluci on: Con la base de impulsos rectangulares desplazados, el k - esimo t ermino de la combinaci on lineal est a dado por ck uk (t), con ck = x(k ) y uk (t) = r(t k ). Si 0 se sustituye ck por ct = x(t ) dt y uk (t) por ut (t) = (t t ). Los t erminos x(t ) (t t ) dt solicitados son entonces: x(1) (t + 1) dt = 2 (t + 1) dt x(1) (t 1) dt = 2 (t 1) dt x(0) (t) dt = (t) dt
La gura 3.11 muestra la funci on sobrepuesta con las tres componentes calculadas. N otese que (t) dt tiene amplitud uno, puesto que proviene de r(t) = / = 1.
x (t)
3
0 -2 -1 -1 0 1 2
-2
Figura 3.11: Funci on x(t) = t2 + 2t 1 y tres de sus proyecciones sobre la base can onica.
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 t erminos de funciones ortogonales uk (t),
131
que no necesariamente corresponden a la base can onica, pero que pueden expresarse en t erminos de ella. Un ejemplo de esto lo constituyen las Series de Fourier, que se presentan con detalle en la siguiente secci on.
3.2.2
Series de Fourier
El siguiente an alisis es ampliamente utilizado en ingenier a 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 funci on x(t). Al menor T que satisfaga (3.26) se le denomina periodo fundamental . N otese que si x(t) es peri odica con per odo 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) kZ
es decir, una funci on peri odica con periodo T tambi en es peri odica con periodo kT . Las funciones exponenciales complejas sk (t) = ejk0 t = ej 2kf0 t k = 0, 1, 2, . . . (3.27)
son funciones peri odicas que se dicen estar relacionadas arm onicamente por tener todas un periodo com un Tp = 1/f0 . El periodo fundamental de la se nal sk (t) es 1/(kf0 ) = Tp /k , lo que equivale a una frecuencia kf0 . Puesto que una se nal peri odica con periodo Tp /k es tambi en peri odica con periodo k (Tp /k ) = Tp con k Z entonces todas las se nales sk (t) tienen como periodo com un Tp . Estas funciones se utilizan frecuentemente como conjunto generador de espacios funcionales. Evaluando el producto interno denido en un per odo
t0 +Tp
si (t), sk (t) =
t0 t0 +Tp
si (t)sk (t) dt (ej0 it ) ej0 kt dt = ej0 (ki)t dt

t0 +Tp t0
=
t0 t0 +Tp
ej0 it ej0 kt dt (3.28)
=
t0
Para el caso k = i se obtiene

t0 +Tp
sk (t), sk (t) =
t0
j0 0t
t0 +Tp
dt =
t0
1 dt = Tp
(3.29)
132
lo que quiere decir que con un periodo Tp com un a todas las funciones exponenciales j0 kt arm onicas, la norma de sk (t) = e est a dada por sk (t) En el caso k = i si (t), sk (t) = ej0 (ki)t j0 (k i)
t0 +Tp 2
= sk (t), sk (t) = Tp
=
t0
ej0 (ki)t0 ej0 (ki)Tp 1 . j0 (k i)
(3.30)
Considerando nalmente que 0 Tp = 2 se obtiene si (t), sk (t) = ej0 (ki)t0 ej 2(ki) 1 =0 j0 (k i)
con lo que queda demostrada la ortogonalidad de las funciones exponenciales complejas arm onicamente relacionadas sk (t) = ej0 kt . Se puede demostrar adem as que el conjunto de todas las funciones sk (t), con k Z engendran un espacio de Hilbert. De esta forma es posible aproximar cualquier funci on peri odica x(t) = x(t + kTp ) con la serie
x(t) =
k=
ck ej0 kt
(3.31)
conocida como la serie de Fourier de x(t), con ck = 1 Tp

t0 +Tp t0
ej0 kt x(t) dt
(3.32)
donde t0 puede elegirse de forma arbitraria (usualmente se toma t0 = 0 o t0 = Tp /2. A (3.31) se le denomina ecuaci on de s ntesis y a (3.32) ecuaci on de an alisis. En la mayor a de las aplicaciones se utilizar an 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 = ej0 kt , x(t) sk (t), x(t) 1 = = sk (t) 2 ej0 kt 2 Tp
t0 +Tp t0 t0 +Tp t0 t0 +Tp t0 t0 +Tp
ej0 kt x(t) dt
1 = Tp = 1 Tp
j0 kt
x(t)
1 dt = Tp
e
t0
j0 kt
x(t) dt (3.33)
j0 kt
x(t) dt
= ck
A esta relaci on, que tambi en puede escribirse como c k = ck se le conoce como simetr a conjugada o simetr a herm tica de los coecientes de Fourier para funciones reales. N otese que esto implica que la magnitud de ck y ck son iguales, y que el a ngulo de ck es igual al inverso aditivo del angulo de ck (ck = ck ).
133
Adem as, utilizando el hecho de que z + z = 2 Re{z } se puede reescribir (3.31), asumiendo que ck = |ck |ejk , con k = ck como
1
x(t) =
k=
ck e
j0 kt
=
k=
ck e
j0 kt
+ c0 +
k=1
ck ej0 kt (3.34)
=
k=1
ck ej0 kt + c0 +
k=1
ck ej0 kt + ck ej0 kt
= c0 +
k=1
ck ej0 kt
= c0 +
k=1
2 Re{ck ej0 kt } = c0 + 2|ck | cos (0 kt + k ) c k cos (0 kt + k )
k=1
2|ck | Re{ej (0 kt+k ) }
= c0 +
k=1
= c0 +
k=1
(3.35)
con c k = 2|ck | que tienen todos valores reales, incluso c0 , puesto que siguiendo s0 (t) = j0 0t e = 1 entonces t0 +Tp 1 x(t) dt c0 = Tp t0 que adquiere siempre un valor real, y equivale al valor medio de la funci on x(t) en un periodo Tp . A este coeciente c0 se le denomina en ingenier a 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 |c0 | y 0 es cero si c0 0 o si c0 < 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 k0 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
j0 kt
+ c0 +
k=1
ck ej0 kt
= c0 +
k=1
ck (cos(0 kt) j sen(0 kt)) +
ck (cos(0 kt) + j sen(0 kt))

k=1
134

= c0 +
k=1
(ck + ck ) cos(0 kt) + j

k=1
(ck ck ) sen(0 kt)
y considerando (3.33)

x(t) = c0 +
k=1
(ck + ck ) cos(0 kt) + j

k=1
(ck ck ) sen(0 kt)
que se puede simplicar con (2.11) y (2.12) en

x(t) = c0 +
1 = a0 + ak cos(0 kt) + bk sen(0 kt) 2 k=1 k=1 con a0 = 2c0 , ak = 2 Re{ck } = 2|ck | cos k y bk = 2 Im{ck } = 2|ck | sen k , es decir: ck = 1 (ak jbk ) . 2
k=1
2 Re{ck } cos(0 kt)
k=1
2 Im{ck } sen(0 kt) (3.37)
El lector puede comprobar que en este caso las funciones seno y coseno tambi en representan una base generadora del espacio funcional, puesto que son ortogonales entre s (problema 3.14). El mismo resultado se puede alcanzar a partir de (3.35) utilizando la identidad trigonom etrica cos( + ) = cos cos sen sen . Utilizando (3.22) se deriva adem as: ak = bk = 2 cos 0 kt, x(t) = 2 cos 0 kt Tp sen 0 kt, x(t) 2 = sen 0 kt 2 Tp
t0 +Tp
x(t) cos 0 kt dt
t0 t0 +Tp
(3.38) (3.39)
x(t) sen 0 kt dt
t0
lo que justica la elecci on de a0 = 2c0 para que sea compatible con la expresi on m as general de ak . Esta u ltima representaci on (3.37) es la m as cercana a la hist oricamente planteada en 1807 por el matem atico franc es Jean Baptiste Joseph Fourier (1768-1830), quien la utiliz o para analizar la distribuci on de temperatura a trav es de un cuerpo. En su epoca el no pudo demostrar con suciente precisi on matem atica qu e tipo de funciones peri odicas podr an representarse por estas series, sin embargo tuvo la perspicacia de comprender el potencial de aplicaci on de sosten la representaci on de funciones a trav es de series trigonom etricas. El a que cualquier funci on peri odica podr a 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 u ltimo matem atico argumentaba que todos los movimientos de una cuerda eran representables por una combinaci on lineal de los modos de oscilaci on normales, pero
135
no lo pudo demostrar matem aticamente 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 m as tarde, en 1822, que Fourier public o sus ideas en un trabajo titulado Th eorie 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 trigonom etrica. En principio, la descomposici on de una funci on real x(t) en una serie de Fourier brindar a un conjunto de coecientes ck (o alternativamente ak y bk , o c k ) que indican qu e tan fuerte es 2 (|ck | indica incluso cu anta energ a contiene) la k - esima componente de la serie con frecuencia angular k0 . 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 el ectricos 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 trigonom etricas, 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 k0 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 c alculo de los coecientes que minimiza el error entre una funci on y su aproximaci on 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 qu e casos estas series convergen a la funci on 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:
t0 +Tp t0
|x(t)| dt <
(3.40)
2. La funci on x(t) contiene un n umero nito de m aximos y m nimos 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 v alidas 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:
136
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 funci on tiene 2 picos) entonces los coecientes decrecen a una tasa 1/k . 3. Si x(t) y todas sus derivadas hasta de n- esimo orden son continuas, pero la (n +1)- esima n+2 derivada es discontinua entonces los coecientes decrecen a una tasa 1/k
Las observaciones anteriores estipulan que mientras m as suave sea una funci on, m as r apido converger a 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.
x (t) 1/
Tp
t0
t0 +
Tp
Figura 3.12: Se nal rectangular peri odica.
Soluci on: Los coecientes de la serie exponencial compleja
x(t) =
k=
ck ej0 kt
se calculan con (3.32) como: 1 Tp

Tp
ck =
ej0 kt x(t) dt =
0
1 Tp
t0 + t0
ej0 kt dt
Para k = 0 se tiene con ej 0 = 1 1 c0 = Tp

t0 +
dt =
t0
1 1 1 1 0 + t|t = [(t0 + ) t0 ] = = t0 Tp Tp Tp Tp
137
y para k = 0 1 ej0 kt ck = Tp j0 k 1 e = Tp
t0 +
t0 j0 k(t0 + )
j 2 ej 2 j0 kt0 j 0 k e 2 e = e Tp 2j0 k
ej0 kt0 1 j0 kt0 ej0 k 1 = e j0 k Tp j0 k

0 k 0 k 2
2 = ej0 k( Tp ck = 1 sa Tp
t0 + 2
ej
0 k 2
ej
0 k 2
2j 0 k ej0 k(t0 + 2 )
1 sen 02k j0 k(t0 + 2) = e k 0 Tp 2
0 k 2
de donde se obtiene nalmente |ck | = ck = 1 sa Tp 0 k 2

2 2
0 k t0 +
0 k t0 +
si sa (0 k /2) 0 si sa (0 k /2) < 0
Tal y como se estableci o anteriormente, por existir discontinuidades en la funci on a aproximar, 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 t0 se elige como /2 entonces los coecientes ck son reales. Estos pueden gracarse en un eje de frecuencias para varios valores de Tp y , tal y como lo muestra la gura 3.13. Los coecientes ck se han espaciado de tal modo que el eje horizontal tiene las mismas unidades de frecuencia, es decir, la distancia entre ci y ci+1 es proporcional a 1/Tp . N otese que mientras m as baja la frecuencia, mayor es Tp y la distancia entre los coecientes ck (que se denominar an aqu l neas espectrales ) disminuye. Por otro lado, si aumenta, entonces la funci on envolvente sa(0 k /2) se comprime. De la ecuaci on para ck se observa incluso que si tiende a Tp , entonces 0 k /2 tiende a k , y puesto que sa(k ) es cero para todo k = 0, entonces ck = 0 para k = 0. El u nico coeciente diferente de cero es en este caso entonces c0 . Esto tiene sentido puesto que si Tp entonces x(t) ser a una funci on constante, y su u nica 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 = c0 = 1 Tp 2 sa Tp 0 k 2 , k>0
c k = 2|ck | =
138
ck
f (t)
Tp
Tp
t
-15 -10 -5 0 5 10
k
15
(a)
ck
(b)
ck
k
-15 -10 -5 0 5 10 15
k
-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30
(c)
(d)
Figura 3.13: Secuencia peri odica de pulsos rectangulares en tiempo continuo. (a) Representaci on temporal. (b) L neas espectro de (a) con = 1 y Tp = 5. (c) L neas espectrales de (a) con = 2 y Tp = 5. (d) L neas espectrales de (a) con = 1 y Tp = 10.
k = ck =
0 k t0 +
2 2
0 k t0 +
si sa (0 k /2) < 0
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 c0 ), las primeras dos, cinco y quince componentes. Se aprecia que la convergencia a la se nal rectangular es relativamente r apida, y se nota c omo todas las aproximaciones en la discontinuidad de x(t) pasan por el promedio de los l mites de la se nal a la izquierda y a la derecha de la misma. La aproximaci on de la funci on en las cercan as de la discontinuidad siempre exhibir a sobreoscilaciones conocidas como el fen omeno 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 u ltima representaci on como serie innita trigonom etrica (3.37): 1 x(t) = a0 + ak cos 0 kt + bk sen 0 kt 2 k=1 k=1 los coecientes ak y bk se pueden obtener directamente con (3.38) y (3.39) o utilizando los

f (t)
2
139
c k cos(0 kt + k )
1
0.5
1 -1 -0.5
0 0 -0.5 0.5 1
0 -1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1
-1
(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 u ltimas componentes espectrales consideradas.
resultados anteriores a0 = 2c0 = 2 Tp
ak = 2|ck | cos k =
0 k 2 sa cos 0 k t0 + Tp 2 2 0 k 2 sa sen 0 k t0 + bk = 2|ck | sen k = Tp 2 2
. N otese que si se elige t0 = /2 entonces todos los t erminos bk desaparecen.

3.5
Ejemplo 3.6 El siguiente caso de aplicaci on del an alisis de Fourier se encuentra en el a rea de electr onica 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 a ngulo de disparo 0 , tal y como se indica en la gura 3.15. Encuentre la serie de Fourier de esta se nal.
x (t)
-T p
T - 2p
Tp 2
t
Tp 2 3T p 4
Tp
3T p 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 Tp /2 hasta Tp /2, tiempo en el que la se nal es senoidal. De este modo, los
140
coecientes de Fourier se calculan de la siguiente manera: 1 ck = Tp 1 = Tp 1 = j 2Tp

Tp 0
Tp 2 Tp 2
1 ej0 kt x(t) dt = Tp ej0 kt

Tp 2
Tp 2 Tp 2
ej0 kt sen(0 t) dt dt
ej0 t ej0 t 2j
Tp 2
ej0 t(k1) ej0 t(k+1) dt
Asumiendo que k = 1: 1 ej0 t(k1) ej0 t(k+1) = j 2Tp j0 (k 1) j0 (k + 1) Considerando que 0 = 2/Tp 1 (k + 1)ej0 kt ej0 t (k 1)ej0 kt ej0 t = 4 (k 1)(k + 1) = 1 4 (k 2 1)
Tp 2 Tp 2 Tp 2 Tp 2 Tp 2 Tp 2
kej0 kt sen(0 t)2j + ej0 kt cos(0 t)2

Tp 2 Tp 2
ejk ejk [cos( ) + jk sen( )] [cos() + jk sen()] 2 (k 2 1) 2 (k 2 1) 1 (1)k+1 ejk {cos() + jk sen()} = 2 (k 2 1) = La parte imaginaria de los coecientes est a determinada por la parte imaginaria del producto: ejk {cos() + jk sen()} cuyo signo depende directamente del signo de k , lo que conrma el hecho de que ck = c k para la funci on 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 2 una tasa 1/k 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 1 c1 = j 2Tp
Tp 2 Tp 2
ej0 kt [cos(0 t) + jk sen(0 t)] = 2 (k 2 1)
1 ej 20 t dt
Tp 2 Tp 2
1 ej 20 t = t j 2Tp j 20
141
1 Tp 1 Tp ej 2 + j 2Tp 2 j 20 2 j 20 1 j0 Tp + j0 Tp ej 2 = j 2Tp j0 2 1 (1 ej 2 ) + j 2( ) = 8 1 = [(1 cos(2)) + j (2 2 + sen(2))] 8 = Puesto que debe cumplirse para el caso k = 1 que c1 = c 1 entonces: c1 =
|c k |
1 [(1 cos(2)) j (2 2 + sen(2))] 8
0.4
0.2
0 1 2 3
/2
4 5 6 7 8 9
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 tensi on) para diferentes valores del a ngulo 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 adem as 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 matem atico que transforma una funci on en otra. Puede interpretarse como una relaci on entre puntos de un espacio funcional, es decir, una relaci on que 4 asigna a una funci on, otra funci on . Ejemplos de operadores son el operador de derivaci on o el operador de integraci on dx. Relacionado con la serie (generalizada) de Fourier x puede considerarse un operador SFG {} que transforma una funci on peri odica continua en una serie innita de valores ck que puede interpretarse como una funci on de una variable entera c[k ]: uk (t), x(t) c[k ] = SFG {x(t)} = uk (t) 2
En realidad el t ermino operador tiene en matem atica muchas otras acepciones, reri endose a una funci on, a un mapeo entre puntos de espacios lineales, o a un mapeo entre funciones, como el aqu utilizado.
4
142
para el caso generalizado. Para el caso particular de series de Fourier se cumple uk (t) = sk (t), donde sk (t) corresponde a las funciones exponenciales arm onicamente relacionadas denidas en (3.27).
Linealidad Sean dos funciones x1 (t) y x2 (t) y dos valores escalares 1 y 2 . Un operador O {} se denomina operador lineal si cumple con la propiedad O {1 x1 (t) + 2 x2 (t)} = 1 O {x1 (t)} + 2 O {x2 (t)} El lector puede vericar que los operadores de derivaci on e integraci on son lineales. Consid erese ahora que x1 (t) y x2 (t) tienen desarrollos en series generalizadas de Fourier con coecientes c1 [k ] y c2 [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 sesquilinealidad del producto interno se obtiene SFG {x(t)} = SFG {1 x1 (t) + 2 x2 (t)} = uk (t), x(t) uk (t) 2 uk (t), 1 x1 (t) + 2 x2 (t) = uk (t) 2 uk (t), 1 x1 (t) uk (t), 2 x2 (t) = + 2 uk (t) uk (t) 2 uk (t), x1 (t) uk (t), x2 (t) + 2 = 1 2 uk (t) uk (t) 2 = 1 c1 [k ] + 2 c2 [k ] = 1 SFG {x1 (t)} + 2 SFG {x2 (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 x1 (t)+ 2 x2 (t) son iguales a la misma ponderaci on lineal de los coecientes de cada funci on x1 (t) y x2 (t) por separado. Para el caso particular de las series de Fourier se puede corroborar la linealidad directamente. Utilizando el operador SF {} asociado a la serie de Fourier se tiene: c[k ] = SF {1 x1 (t) + 2 x2 (t)} = 1 Tp
t0 +Tp t0 t0 +Tp
ej0 kt (1 x1 (t) + 2 x2 (t)) dt e

j0 kt
1 = Tp = 1
t0
1 1 x1 (t) dt + Tp
t0 +Tp t0
ej0 kt 2 x2 (t) dt ej0 kt x2 (t) dt
1 Tp
t0 +Tp t0
ej0 kt x1 (t) dt + 2
1 Tp
t0 +Tp t0
= 1 c1 [k ] + 2 c2 [k ] = 1 SF {x1 (t)} + 2 SF {x2 (t)}
143
Se deja como ejercicio para el lector (ver problema 3.17) demostrar que los coecientes de la serie trigonom etrica de Fourier (3.37) son tambi en resultado del mapeo de un operador lineal. Ejemplo 3.7 Encuentre los coecientes de la serie de Fourier para la funci on indicada en la gura 3.17 utilizando la propiedad de linealidad y los resultados del ejemplo 3.5.
x (t) 2/ 1/ Tp
0
Tp 2 3T p 4
Tp
Figura 3.17: Funci on conformada por la combinaci on lineal de funciones rectangulares.
Soluci on: Hay varias maneras de generar la funci on indicada en la gura 3.17 como combinaci on lineal de funciones rectangulares. Aqu se mostrar a solo un ejemplo. Si x1 (t) es igual a la funci on rectangular con = Tp /2 y t0 = 0 entonces su desarrollo es:
x1 (t) =
k=
c1 k ej0 kt
1 0 k 1 sa sa ej0 k(t0 + 2 ) = Tp 2 Tp 2 j Tp k si k es impar
c1 k =
k 2
ej
k 2
Si x2 (t) es igual a la funci on rectangular con = Tp /4 y t0 = Tp /2 entonces
Tp 0
si k es cero
si k es par (excepto cero)
x2 (t) =
k=
c2 k ej0 kt 1 sa Tp 0 k 2 ej0 k(t0 + 2 ) =
c2 k =
1 sa Tp
k 4
ej
5k 4
La funci on x(t) tiene entonces como coecientes ck = c1 k + 2 c2 k = 1 sa Tp k 2 ej

k 2
2 sa Tp
k 4
ej
5k 4
3.7
144
Simetr as Una funci on x(t) se denomina sim etrica o par si para todo t se cumple x(t) = x(t), y es llamada asim etrica o impar si x(t) = x(t). En esta secci on se estudian las caracter sticas de los coecientes de las series de Fourier para estos dos casos particulares. Si en la ecuaci on para el c alculo de los componentes (3.32) se elige t0 = Tp /2 entonces se obtiene 1 ck = Tp 1 = Tp 1 = Tp = 1 Tp
Tp 2 Tp 2
ej0 kt x(t) dt ej0 kt x(t) dt +

0 j0 kt
Tp 2
0
Tp 2 Tp 2
ej0 kt x(t) dt ej0 kt x(t) dt
e
0
Tp 2
x(t) dt +
Tp 2
ej0 kt x(t) + ej0 kt x(t) dt
(3.41)
Para el caso en que la funci on sea par, entonces 1 ck = Tp 2 = Tp

Tp 2
x(t)
0
Tp 2
2 j0 kt e + ej0 kt dt 2
x(t) cos 0 kt dt
0
que son coecientes de valor real. Puesto que el coseno es una funci on par, entonces se observa que ck = ck . 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 simetr a impar se tiene a partir de (3.41): 1 ck = Tp 2j = Tp
Tp 2
x(t)
0
Tp 2
2j ej0 kt + ej0 kt dt 2j
x(t) sen 0 kt dt
0
que son coecientes con solo componente imaginaria, y puesto que el seno es una funci on impar entonces ck = ck . Para el caso en que x(t) sea real, ambos resultados para las simetr as par e impar concuerdan con la relaci on encontrada anteriormente ck = c k . Puesto que toda funci on x(t) puede descomponerse en una componente par xe (t) y otra
145
componente impar xo (t), de la siguiente forma x(t) = xe (t) + xo (t) x(t) + x(t) xe (t) = 2 x(t) x(t) xo (t) = 2 (3.42) (3.43) (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 funci on. Con respecto a la representaci on trigonom etrica de la serie de Fourier (3.37), por la equivalencia de los coecientes ak y bk con ck = |ck |ejk se deriva que si la funci on x(t) es par, entonces los bk = 2|ck | sen k = 0 para todo k , puesto que k = 0 o . Por otro lado, si la funci on es impar, entonces ak = 2|ck | cos k = 0 para todo k puesto que k = /2. Las siguientes propiedades son u tiles en el an alisis de simetr a: 1. 2. 3. 4. 5. 6. 7. La suma de dos o m as funciones pares es par La suma de dos o m as funciones impares es impar El producto de dos o m as funciones pares es par El producto de dos funciones impares es par El producto de una funci on impar con una par es una funci on impar La derivada de una funci on par es impar La derivada de una funci on impar es una funci on par
Ejemplo 3.8 Encuentre los coecientes de la serie de Fourier para la funci on peri odica representada en la gura 3.18.
x (t) 1/ Tp
0
Tp 2
Tp
1/
Figura 3.18: Funci on impar simple
Soluci on: La gura 3.18 muestra una funci on rectangular impar. Esta funci on se diferencia de las utilizadas en ejemplos anteriores u nicamente en nivel CD (el valor promedio) que en este caso es cero, y por tanto el coeciente c0 es cero. Observando que la amplitud de la se nal es dos veces la utilizada en el ejemplo 3.5 se tiene entonces que
146
x(t) =
k=
ck ej0 kt 2 sa Tp 0 0 k 2 ej0 k(t0 + 2 ) =
ck = =
2 sa Tp
k 2
ej
k 2
k=0
j Tp4k
si k es impar 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 c alculo de ck aplicando directamente su denici on a trav es del producto interno.
3.8
Desplazamiento en el tiempo Si una se nal peri odica se desplaza en el tiempo, su periodo Tp no es alterado. Si los coecientes ck del desarrollo en series de Fourier de la funci on x(t) se calculan con (3.32), entonces, para x(t ) y haciendo la sustituci on de variable u = t ck = = = 1 Tp 1 Tp 1 Tp
t0 +Tp t0 t0 +Tp t0 t0 +Tp t0
ej0 kt x(t ) dt ej0 k(u+ ) x(u) du
ej0 ku ej0 k x(u) du

t0 +Tp t0
=e =e
j0 k
1 Tp ck
ej0 ku x(u) du
j0 k
N otese que el t ermino 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 ck son completamente reales. Cuando la se nal se desfas o medio periodo se introdujo jk/2 un cambio de fase de la forma e , 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=
ck ej0 kt
147
entonces se obtiene con k = k que

x(t) =
ck e
k=
j0 kt
=
k =
ck e
j0 k t
=
k =
ck ej0 k t
Lo que implica que la funci on x(t) tiene como coecientes ck . Escalamiento en el tiempo La dilataci on o contracci on del eje temporal t (con inversi on o sin ella) se plantea en t erminos 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=
ck e
j0 k(t)
=
k=
ck ej (0 )kt
Esto puede interpretarse de la siguiente manera: el escalamiento en el tiempo de una funci on no altera los coecientes ck , pero s la serie de Fourier, puesto que sus bases funcionales j (0 )kt e tienen una nueva frecuencia fundamental 0 .
Multiplicaci on Dos propiedades est an 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 ai = (. . . + a1 + a2 + . . . + ai + . . .) y El producto entre ellas se calcula como entonces ai
i j j bj
= (. . . + b1 + b2 + . . . + bj + . . .).
bj
= . . . +a1 b1 +a1 b2 +. . .+a1 bj +. . .+ . . . +a2 b1 +a2 b2 +. . .+a2 bj +. . .+ . . . + ai b1 + ai b2 +. . .+ ai bj +. . . + . . . =

i j
(ai bj )
(3.45)
Utilizando esto, pueden encontrarse los coecientes del producto de dos funciones peri odicas x1 (t) y x2 (t), ambas con el mismo periodo Tp , y con coecientes c1k y c2l para sus respectivos desarrollos en series de Fourier:

x(t) = x1 (t)x2 (t) = =
c1 k e
k=
j0 kt l=
c2 l ej0 lt
c1 k c2 l ej0 (k+l)t
k= l=
148
Haciendo una sustituci on de variable l = l + k , y por lo tanto l = l k e intercambiando el orden de las sumatorias

x(t) = x1 (t)x2 (t) =

l = k=
c1 k c2(l k) ej0 l t
cl
A la suma cl =
c1 k c2(l k)
k=
se le denomina convoluci on discreta de c1 k y c2 k . Su signicado en ingenier a ser a analizado posteriormente, cuando se revisen las propiedades de la transformada z . Por otro lado, sean c1 k y c2 k los coecientes del desarrollo en serie de Fourier de las funciones x1 (t) y x2 (t) respectivamente. Se desea ahora encontrar la funci on x(t) que tiene como coecientes ck el producto ck = c1 k c2 k : ck = c1 k c2 k = c2 k = 1 Tp 1 Tp
t0 +Tp
x1 ( )ej0 k d
t0 t0 +Tp
x1 ( )c2 k ej0 k d x1 ( ) 1 Tp 1 Tp
t1 +Tp t1 t1 +Tp t1
1 = Tp = 1 Tp
t0 t0 +Tp t0 t0 +Tp
x2 ( )ej0 k d ej0 k d x2 ( )ej0 k( + ) d d
x1 ( )
t0
y con t = + , y t2 = t1 + 1 = Tp = 1 Tp
t0 +Tp
x1 ( )
t0 t0 +Tp t0
1 Tp
t2 +Tp t2
t1 +Tp + t1 +
x2 (t )ej0 kt dt d
1 Tp
x1 ( )x2 (t )ej0 kt dt
e intercambiando el orden de integraci on = 1 Tp

t2 +Tp t2
1 Tp
t0 +Tp t0
x1 ( )x2 (t ) d ej0 kt dt
x(t)
Es decir, la funci on denida como convoluci on peri odica de x1 (t) y x2 (t), expresada como 1 x(t) = Tp
t0 +Tp t0
x1 ( )x2 (t ) d
tiene como coecientes de Fourier el producto de los coecientes del desarrollo de las funciones x1 (t) y x2 (t), es decir, ck = c1 k c2 k .
149
Conjugaci on y simetr a conjugada Si x(t) es una funci on compleja, interesa observar como se comportan los coecientes de x (t), en comparaci on a los ck correspondientes a x(t). Aplicando la conjugaci on compleja a ambos lados de la representaci on de funci on como serie se obtiene

(x(t)) = x (t) =
k= k=
ck e
j0 kt
c k ej0 kt =
k=
c k ej0 kt =
k=
c k ej0 kt
es decir, x (t) tiene como coecientes c k . Esto conrma el resultado anterior (3.33) obtenido para funciones reales, pues en dicho caso x(t) = x (t) y por lo tanto ck = c k , lo que representa simetr a herm tica con respecto al ndice k . Derivaci on 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 derivaci on de la siguiente manera: d d x(t) = dt dt

ck ej0 kt
k=
=
k=
ck
d j0 kt e dt
=
k=
(j0 kck ) ej0 kt
En otras palabras, la derivaci on de una funci on equivale a multiplicar cada uno de sus coecientes ck por j0 k . La integraci on es posible si y solo si el coeciente c0 = 0, puesto que de otra forma la integral crecer a indenidamente y dejar a de ser peri odica, 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
x( ) d =
t0 t0 k=
ck ej0 k
t
=
k=
ck
t0
ej0 k d
t =t0
ej0 k = ck j0 k k=
=
k=
ck
ej0 kt ej0 kt0 j0 k
150
ck j0 kt0 ck j0 kt e e = j0 k j0 k k= k=
El segundo t ermino del lado derecho no depende de la variable t, y por lo tanto corresponde a una constante determinada por el instante t0 en el que inicia la integraci on. Por convenci on se toma esta constante como cero cuando t0 se hace tender a . De esta forma, la integral de la funci on x(t) tiene como coecientes ck /(j0 k ). Como conclusi on debe anotarse que los coecientes de la derivada de x(t), al estar multiplicados por j0 k decrecen m as despacio que los coecientes originales de x(t) y por tanto la serie converge m as lentamente que la serie de x(t). Por el contrario, al estar divididos los coecientes de la integral de x(t) por j0 k entonces esta serie converge m as r apido que la de x(t). La relaci on de Parseval Una resistencia el ectrica puede utilizarse para modelar cualquier sistema que consuma potencia real, como un motor, o elementos que convierten cualquier forma de energ a en calor. Puesto que en un modelo el ectrico la potencia instant anea disipada por la resistencia se puede plantear en t erminos de la corriente i(t) o de la tensi on el ectrica v (t) como P (t) = Ri2 (t) o P (t) = v 2 (t)/R, entonces a las funciones de la forma |x(t)|2 se les asocia usualmente el t concepto de potencia instant anea, y a su integral t0 |x( )|2 d el concepto de energ a. Esto es v alido si se asume que x(t) es la tensi on o corriente el ectrica 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 energ a, sino que solo produce un escalamiento en amplitud. Interesa ahora revisar c omo se relaciona la potencia promedio de una se nal peri odica en uno de sus periodos con respecto a los coecientes de su desarrollo en serie de Fourier. La potencia promedio estar a dada por 1 Pf = Tp
t0 +Tp t0
|x(t)|2 dt
y puesto que |x(t)|2 = x(t)x (t) se cumple Pf = = =

k=
1 Tp 1 Tp
t0 +Tp t0 t0 +Tp
x(t)x (t) dt
x(t)
t0 k=
c k ej0 kt
t0 +Tp t0
dt
c k
1 Tp
x(t)ej0 kt dt .
=
k=
c k ck =
k=
|ck |2
151
A esta relaci on Pf = 1 Tp
t0 +Tp t0
|x(t)|2 dt =
k=
|ck |2
(3.46)
se le conoce como la relaci on 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 ck , a los que tambi en se les denomina arm onicos . A la gr aca de |ck |2 para cada frecuencia k0 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 |ck | = |c k | = |ck |, la densidad espectral de potencia es una funci on con simetr a par. Al par de gr acas de |ck | y ck contra k0 se les denomina espectro de tensi on, con |ck | par e ck impar para funciones reales.
Cambio de periodo por m ultiplo del periodo fundamental Si la funci on x(t) tiene periodo fundamental Tp , y se calcula el desarrollo en serie de Fourier utilizando n periodos nTp y no uno como en el caso normal (n IN+ ), entonces se cumple que la nueva frecuencia del desarrollo 2/(nTp ) = 2f0 /n = 0 /n y la funci on x(t) tiene dos representaciones equivalentes:
j0 kt
x(t) =
k=
ck e
=
l=
cl ej
0 lt n
La segunda representaci on utiliza una base para el espacio funcional que tiene n veces m as componentes que la primera representaci on (la distancia entre dos componentes arm onicas j0 kt es ahora 0 /n en vez de 0 ). El conjunto generador e engendrar a entonces un subespacio 0 j n lt funcional del espacio producido por e . Debido a que la primera representaci on converge 0 a x(t), entonces todas las componentes nuevas en la base ej n lt no son necesarias y los cl correspondientes deben ser cero. Se debe cumplir entonces que cl/n = ck , o de otra forma, solo los cl con l = nk pueden ser diferentes de cero (e iguales a ck ), mientras que cl = 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 funci on recticada de media onda, encuentre los coecientes de la funci on mostrada en la gura 3.19. Soluci on: Sea x(t) la funci on recticada de media onda. La funci on xc (t) en cuestion se puede expresar como: xc (t) = x(t) x t Tp 2
Por las propiedades de linealidad y de desplazamiento en el tiempo, los coecientes ck de la
152
Tabla 3.1: Propiedades de la Serie de Fourier Propiedad Se nal en el tiempo x(t) x1 (t) x2 (t) 1 x1 (t) + 2 x2 (t) x(t) = x(t) x(t) = x(t) x(t) IR x( t ) x (t) x(t) x(t), > 0
Tp
Coecientes ck c1k c2k 1 c1k + 2 c2k 2 ck = Tp ck IR

Tp 2
Linealidad Simetr a par
x(t) cos(0 kt) dt

0
Tp 2
Simetr a impar Funci on real Desplazamiento temporal Conjugaci on Inversi on en el tiempo Escalamiento en el tiempo Convoluci on peri odica Multiplicaci on Diferenciaci on Integraci on
2j ck = Tp ck j IR ck = c k ej0 k ck c k ck ck Tp c1k c2k
x(t) sen(0 kt) dt

0
x1 ( )x2 (t ) d
x1 (t)x2 (t)
l=
c1l c2kl jk0 ck ck jk0 |x(t)| dt =

2
dx(t) dt
t
x(t) dt, c0 = 0
Relaci on de Parseval
1 Tp
t0 +Tp t0
k=
|ck |2
funci on recticada de onda completa se pueden expresar como:
ck = ck ej0 kTp /2 ck = ck 1 ejk 2ck 0 = ck 1 (1)k = si k es impar si k es par
3.9
x c (t)
153
-T p -
3T p 4
Tp 2
Tp 4
Tp 2
t
Tp 2 3T p 4
Tp
5T p 4
3T p 2
Figura 3.19: Funci on senoidal truncada con angulo de disparo .
3.3
Transformada de Fourier
En la secci on anterior se analizaron las Series de Fourier, que permiten representar en el dominio de la frecuencia funciones peri odicas de periodo Tp , al descomponer estas en sus componentes espectrales (o componentes arm onicas) ubicadas en las frecuencias k0 (k Z), con 0 = 2/Tp . Se dice entonces que una se nal peri odica continua tiene un espectro de frecuencia discreto. La transformada de Fourier es una extensi on de los conceptos obtenidos para funciones peri odicas hacia funciones no peri odicas. Fourier desarroll o estos conceptos a partir de una observaci on: una funci on aperi odica 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 l neas espectrales, puesto que estas se ubican en 2k/Tp . Debe esperarse entonces que al hacer tender el periodo a innito, las l neas espectrales tambi en se acercar an innitamente.
3.3.1
Transformada de Fourier directa e inversa

x (t)
T1
T1 t x (t)
2Tp
Tp
Tp
2Tp
Figura 3.20: Extensi on peri odica de periodo Tp de funci on aperi odica nita.
La gura 3.20 muestra una funci on x(t) aperi odica nita, y su extensi on peri odica x (t) de
154
3.3 Transformada de Fourier
periodo Tp . Esta segunda funci on puede representarse a trav es de un desarrollo de Fourier:
x (t) =
k=
ck ej0 kt
(3.47)
donde 0 es la frecuencia angular fundamental que est a relacionada con el periodo fundamental por 0 = 2/Tp . El coeciente ck (k - esimo componente espectral) est a asociado con la frecuencia k0 , lo que implica que dos componentes espectrales consecutivas est an separadas por una frecuencia = 0 = 2/Tp , que se reduce conforme aumenta el periodo Tp . Estos coecientes se calculan como 1 ck = Tp
Tp 2 Tp 2
x (t)ej0 kt dt se cumple x(t) = x (t), y
p Tp , 2 donde, puesto que dentro del intervalo de integraci on T 2
adem as para todo |t| >
Tp 2
x(t) = 0, entonces
Tp 2 Tp 2
1 ck = Tp
x(t)e
j0 kt
1 dt = Tp
x(t)ej0 kt dt
Si ahora se dene X (j ) como la funci on envolvente de los coecientes Tp ck , que se expresa por
X (j ) =
x(t)ejt dt
(3.48)
entonces los puntos ck pueden verse como muestras cada k0 de dicha funci on: ck = 1 X (jk0 ) Tp (3.49)
A (3.48) se le conoce como Transformada de Fourier de la funci on x(t). A esta funci on convergen todos los componentes Tp ck cuando Tp se hace tender a innito. Esta transformada es entonces un operador que asigna a la funci on x(t) otra funci on X (j ). Esta asignaci on entre funciones, que implica un operador funcional, se designa usualmente con el s mbolo F {}, es decir X (j ) = F {x(t)} La relaci on entre estas dos funciones se designa adem as con el s mbolo x(t)
X (j )
donde el c rculo relleno denota siempre al dominio de la frecuencia, es decir, a la funci on X (j ), y el c rculo blanco al dominio del tiempo (x(t)). En las series de Fourier, denidas para se nales peri odicas, las componentes espectrales existen solo para frecuencias discretas relacionadas arm onicamente k0 . 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 funci on no peri odica x(t) es nita y se
155
utiliza para construir una se nal peri odica x (t) de periodo Tp , 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 k0 . Si se introduce (3.49) en (3.47) se obtiene a su vez 1 0 x (t) = X (jk0 )ejk0 t = X (jk0 )ejk0 t T 2 p k= k= 1 = 2

X (jk0 )e
k=
jk0 t
1 0 = 2
X (jk )ejkt
k=
Si se hace Tp tender al innito, entonces = 0 = 2/Tp tender a a un diferencial d , el t ermino 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 )ejt 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 representaciones de una se nal en el dominio del tiempo y en el dominio de la frecuencia, donde una se nal aperi odica contar a 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 secci on. 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 relaci on estrecha entre la Transformada de Fourier y la Serie de Fourier, es de esperar que las condiciones de convergencia para ambas est en relacionadas. Se buscan ahora las condiciones para que la funci on representada por la transformada inversa de Fourier x (t) = 1 2
X (j )ejt d
sea equivalente con la funci on x(t) que da origen a la transformada de Fourier X (j )
X (j ) =
x(t)ejt 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 tambi en en este caso condiciones de Dirichlet y establecen que
156
1. x(t) debe ser absolutamente integrable

|x(t)| dt <
2. x(t) solo puede tener un n umero nito de m aximos y m nimos 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 funciones que no las cumplen y tienen una representaci on v alida en el dominio de la frecuencia.
3.3.3
Ejemplos de Transformadas de Fourier
En esta secci on se evaluar an algunos casos especiales de transformadas de Fourier ampliamente utilizados en ingenier a. 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
t0 +
|r(t)| dt =
t0
1 dt = 1
(3.51)
Adem as, solo tiene dos discontinuidades y ning un m aximo, por lo que las tres condiciones de Dirichlet se cumplen y debe entonces existir su transformada de Fourier.
r (t) 1/
t0
t0 +
Figura 3.21: Impulso rectangular de ancho y amplitud 1/ .
Con la denici on (3.48) se obtiene para j = 0:

t0 +
R(j )|j=0 = y para j = 0
r(t) dt =
t0
1 dt = 1
(3.52)
R(j ) = =
r(t)e
jt0
jt
1 dt =
t0 + t0
jt
e ej /2 ej /2 ej /2 j 2 2
ejt0 j dt = e 1 j sen( /2) = ej(t0 + 2 ) /2
157
que se puede combinar con (3.52) para obtener: = ej(t0 + 2 ) sa( /2) donde se aprecia que los espectros de magnitud y fase son |R(j )| = | sa( /2)| R(j ) = t0 +
(3.53)
t0 +
si sa( /2) < 0
si sa( /2) 0
que demuestra que la magnitud espectral depende solo del ancho del pulso , mientras que la posici on del pulso t0 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 adem as 2/(| | ) |R(j )|.
1
|R(j )|
0 -4 -3 -2 -1 0 1 2 3 4
R(j )
0 -4 -3 -2 -1 -1 0 1 2 3 4
-2
-3
Figura 3.22: Magnitud y fase del espectro en frecuencia de un impulso rectangular de ancho y amplitud 1/ .
Si se elige t0 = /2 el pulso quedar a centrado en el origen temporal y el espectro se torna completamente real R(j ) = sa( /2). Utilizando la transformaci on inversa se debe cumplir: 1 jt x(t) = sa e d 2 2 de donde se nota para el caso especial t = 0, 1 1 x(0) = = 2
sa
158
y con = 2 entonces
sa( ) d =
que tambi en puede obtenerse por otros medios de integraci on. Puesto que la funci on sa( ) es una funci on par, se cumple adem as
sa( ) d =
0
(3.54)
En el ap endice B se demuestra esta integral por m etodos 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 a rea igual a uno (recordar p agina 130), esto es si t = 0 ( ) d = 1 (t) = ; 0 si t = 0 Si se multiplica el impulso por una funci on cualquiera x(t), se cumple x(t) (t) = x(0) (t), por lo que
t t t
x( ) ( ) d =

x(0) ( ) d = x(0)
( ) d =
0 x(0)
si t < 0 si t 0
que es conocida como la propiedad de muestreo del impulso unitario. Se cumple adem as

x( ) ( t0 ) d = x(t0 )
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)ejt dt = 1
lo que indica que un impulso unitario contiene todas las componentes espectrales posibles.
Escal on unitario (primer intento) El escal on unitario, denotado usualmente como u(t), y llamado tambi en funci on de Heaviside es una funci on igual a cero para todo t < 0 y uno para todo t 0, que se expresa como
t
u(t) =
( ) d =
0 1
si t < 0 si t 0
159
A partir de esta relaci on se utiliza d u(t) = (t) dt Para observar su transformada de Fourier se calcula a partir de la denici on

U (j ) = =
u(t)e e j
jt
jt
dt =
0
ejt dt
=
0
e 1 + j j
que no puede calcularse puesto que ej no converge. N otese que en principio este escal on unitario no satisface la condici on 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. Funci on exponencial Una funci on frecuentemente encontrada en sistemas electr onicos es x(t) = eat 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 eat u(t) como fasor que var a 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. Obs ervese que si aRe y aIm son las componentes real e imaginaria de a
Im{eat } Re{eat }
Figura 3.23: Representaci on gr aca de funci on exponencial eat u(t).
respectivamente, entonces la funci on se puede reescribir como x(t) = e(aRe +jaIm )t = eaRe t ejaIm t donde el t ermino eaRe t representa la magnitud del valor complejo y ejaIm t aporta la fase. Aplicando la identidad de Euler se obtiene adem as Re{x(t)} = eaRe t cos(aIm t) y Im{x(t)} = eaRe t sen(aIm t).
160
La transformada de Fourier de esta funci on x(t) es

X (j ) = =
at
u(t)e
jt
dt =
0
e(a+j)t dt
e (a + j )
(a+j )t
=
0
1 a + j 1
donde magnitud y fase pueden expresarse como + (Im(a) + )2 Im(a) + X (j ) = arctan Re(a) La gura 3.24 representa estas componentes para el caso especial a IR.
1/a |F (j )|
1 a 2
|X (j )| =
Re(a)2
-5
-4
-3
-2
-1
2 4
F (j )
0 -5 -4 -3 -2 -1 0 1 2 3 4 5
4 2
Figura 3.24: Espectro en magnitud y fase para la funci on 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 podr a err oneamente interpretarse como la transformada del escal on unitario. Utilizando la transformada inversa 1 jt 1 x(t) = e d 2 j para t = 0 esto equivale a x(0) = lim 1 R 2
R R
1 d = lim lim R r0+ j
r R
1 d + j
R r
1 1 d j 2
161
y haciendo un cambio de variable en la primera integral

R
= lim lim +
R r0
r R
= lim lim +
R r0
1 d + j 1 1 j j
1 1 d 2 r j 1 d =0 2
Para t = 0 x(t) = 1 2 1 = 2
0
1 jt e d j 1 jt 1 e d + j 2
1 jt e d j
y haciendo un cambio de variable en la primera integral =

1 jt 1 1 jt 1 e d + e d 2 0 j 2 0 j 1 ejt ejt 1 = 2t d = 2t sa(t) d 2 0 2jt 2 0
y con = t entonces d = td y 1 x(t) =

t
sa() d
0
Si t > 0 entonces el l mite superior de la integraci on es + y la ecuaci on anterior equivale, utilizando (3.54), a 1 x(t) =
sa()d =
0
1 1 = 2 2
Si t < 0 entonces el l mite superior de la integraci on es y la ecuaci on anterior equivale, utilizando (3.54), haciendo un cambio de variable y utilizando la simetr a par de la funci on sa x(t) = 1
0
sa()d =
sa()d = 1 2
1 1 = 2 2
Resumiendo, F
1
1 j
y esta funci on no tiene ning un nivel CD, a diferencia del escal on unitario, cuyo valor promedio es 1/2.
1 1 = u(t) = sgn(t) = 0 2 2 1
2
para t > 0 para t = 0 para t < 0 (3.56)
162
Funciones con una sola componente espectral Consid erese una funci on x(t) cuya transformada de Fourier es X (j ) = c ( 0 ), con c constante. Utilizando la ecuaci on de la transformada inversa se obtiene x(t) = 1 2

c ( 0 )ejt d =
c j0 t e 2
es decir, la funci on exponencial compleja ej0 t que oscila a una tasa 0 tiene como transformada de Fourier un u nico impulso ubicado en 0 , lo que puede interpretarse como una u nica componente espectral. Obs ervese que una funci on x(t) = c, con c constante tendr a como transformada de Fourier X (j ) = 2c ( ), lo que implica que solo tiene una componente espectral en 0 = 0. Escal on unitario Ahora se dispone de todo lo necesario para determinar la transformada de Fourier de la funci on escal on unitario u(t). En (3.56) se obtuvo el escal on excepto por un nivel CD, que ahora puede introducirse considerando la propiedad mencionada y la linealidad de la transformada de Fourier: 1 F {u(t)} = + ( ) j que existe a pesar de que las condiciones de Dirichlet no se cumplen para u(t). El t ermino 1 ( ) aparece al agregar 1/2 a todos los puntos de la funci on correspondiente a F {1/j }. Funciones peri odicas Si ahora se tiene un espectro conformado por una combinaci on lineal de impulsos distanciados por la frecuencia 0 , es decir
X (j ) =
k=
2ck ( k0 )
(3.57)
entonces 1 x(t) = 2

k=
2ck ( k0 ) e
jt
d =
k=
ck ejk0 t
que es el desarrollo en serie de Fourier para x(t). Esta debe ser entonces peri odica con periodo 2/0 . En otras palabras, la transformada de Fourier de una funci on peri odica tendr a impulsos separados por la frecuencia 0 , cuya a rea es escalada por el factor 2ck , donde ck 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).
163
Soluci on: El desarrollo en serie de Fourier de x(t) = sen(0 t) tiene como coecientes 0 para k Z \ {1, 1} para k = 1 para k = 1
ck =
1 2j
= j 1 2 1 = j 1 2j 2
Por lo que la transformada de Fourier del seno es X (j ) = j ( + 0 ) j ( 0 ). Del mismo modo el desarrollo del coseno utiliza 0
1 2
ck =
para k Z \ {1, 1} para k = 1
y por lo tanto X (j ) = ( + 0 ) + ( 0 ). Obs ervese que en este caso no se cumple la primera condici on de Dirichlet, que establece que la funci on debe ser absolutamente integrable. 3.10
Impulso gaussiano Para mostrar el llamado principio de incertidumbre entre los dominios del tiempo y la frecuencia, se utilizar a como caso especial la funci on de distribuci on normal, o impulso gaussiano denida como 1 t 2 1 g (t) = e 2 ( ) 2 que es una funci on par de a rea igual a uno, centrada en cero, cuya extensi on depende de la 2 varianza . La gura 3.25 presenta tres casos donde se nota que a mayor varianza, m as extensa se torna la funci on a pesar de que su a rea 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 cap tulo anterior, o utilizando propiedades de la transformada de Fourier que se especicar an en la siguiente secci on. Para iniciar la demostraci on se utiliza la denici on
G(j ) = F {g (t)} = =
g (t)ejt dt

1 t 2 1 e 2 ( ) ejt dt 2
1 = 2
e 2 ( )
jt
dt
164
g (t) 2
2
0 -5 -4 -3 -2 -1 0 1 2 3 4
t/
5
Figura 3.25: Curvas de distribuci on normal con varianzas /2, y 2 .
y completando cuadrados en el exponente

2 1 1 t +2jt+(j )2 (j )2 = dt e 2 () 2 2 1 1 t +2jt+(j )2 1 (j )2 = e 2 () e2 dt 2 2 1 t 1 1 2 = e 2 () e 2 ( +j) dt 2
1 1 2 = e 2 () 2
1 2
t+j 2
dt
Sustituyendo = t + j 2 y dt = d se obtiene
1 1 2 = e 2 () 2
+j 2 +j 2
e 2 2 d
1 2
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 anal tico, que en ese contorno cerrado la integral es cero, y por lo tanto
R+j 2 R+j 2
1 2
2 2
d = =
e
R+j 2 R
1 2
1 2
2 2
d
R
e
R
1 2
2 2
R+j 2
d
R
e 2 2 d
1 2
e 2 2 d
R+j 2
e 2 2 d
1 2
R+j 2
e 2 2 d
1 2
donde, el lector podr a demostrar que para R las dos u ltimas integrales al lado derecho
Im{t} j 2
165
Re{t}
Figura 3.26: Trayectoria de integraci on para c alculo de transformada de Fourier de distribuci on normal.
son iguales a cero. Por lo tanto

R+j 2 R
lim
e
R+j 2
1 2
2 2
d =
1 2 e 2 2 d = 2
con lo que nalmente se puede expresar

1 1 2 G(j ) = e 2 () 2 1 2 1 1 2 e 2 2 d = e 2 () 2 2 +j 2
+j 2
= e 2 ()
En otras palabras, la transformada de Fourier de g (t) tiene tambi en la forma de una distribuci on normal, pero sin normalizar y con una nueva varianza 1/ 2 , donde es este u ltimo 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 correspondientes en el dominio de la frecuencia, y mientras m as concentradas est en 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 precisi on el punto en que el evento ocurre, y un evento caracter stico 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 corresponde 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.
166
Tabla 3.2: Transformadas de Fourier Nombre Transformaci on Impulso unitario Escalon unitario Impulso rectangular Exponencial Se nal en el tiempo x(t) = (t) u(t)
1 [u(t
Transformada
1 2
X (j )ejt d
X (j ) =
x(t)ejt dt
eat u(t), Re{a} > 0
t0 ) u(t t0 )]
Exponencial por rampa eat tu(t), Re{a} > 0 Laplaciana Exponencial compleja Constante Funci on peri odica
k=
ej0 t c
ea|t| , Re{a} > 0
1 1 + ( ) j ej(t0 + 2 ) sa( /2) 1 a + j 1 (a + j )2 2a 2 a + 2 2 ( 0 ) 2c ( )
ck ejk0 t
1 t 2 1 e 2 ( ) 2 sen(0 t)
k=
1
2ck ( k0 )
2
Impulso gaussiano Seno Coseno Linealidad
cos(0 t)
e 2 () [ ( 0 ) ( + 0 )] j [ ( 0 ) + ( + 0 )]
Sean dos funciones x1 (t) y x2 (t), sus respectivas transformadas de Fourier x1 (j ) y x2 (j ), y dos valores escalares 1 y 2 . La linealidad de la transformada de Fourier especica que F {1 x1 (t) + 2 x2 (t)} = 1 F {x1 (t)} + 2 F {x2 (t)} = 1 X1 (j ) + 2 X2 (j ) lo que puede demostrarse utilizando la ecuaci on (3.48) y la linealidad del operador de integraci 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) = y considerando que ej0 t se obtiene ej0 t ej0 t 2j 2 ( 0 )
F {sen(0 t)} = j [ ( 0 ) ( + 0 )] = j ( + 0 ) j ( 0 )
167
que concuerda con lo obtenido anteriormente. Para el coseno se procede de forma similar: F {cos(0 t)} = [ ( 0 ) + ( + 0 )]
3.11
Simetr a La inuencia de la simetr a 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:
0
X (j ) =

x(t)ejt dt =

x(t)ejt dt +
0
x(t)ejt dt
=
0
x(t)ejt dt +
x(t)ejt dt
0
=
0
x(t)ejt + x(t)ejt dt
Si se tiene simetr a par, entonces x(t) = x(t) y

X (j ) =
0
x(t)e
0
jt
+ x(t)e
jt
dt =
0
x(t)(ejt + ejt ) dt
=2
x(t) cos(t) dt
Si x(t) es adem as real, y puesto que el coseno es una funci on par, entonces el espectro ser a tambi en real y tendr a simetr a par con respecto a . Con la simetr a impar se cumple x(t) = x(t) y por tanto

X (j ) =
0
x(t)e
0
jt
+ x(t)e
jt
dt =
0
x(t)(ejt + ejt ) dt
= 2j
x(t) sen(t) dt
Si x(t) es real y utilizando la simetr a 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 t0 tendr a como transformada x(t t0 )
x(t t0 )ejt dt
168
y haciendo una sustituci on de variable = t t0

x( )ej( +t0 ) d =

x( )ej ejt0 d
=ejt0
x( )ej d X (j )
=e
jt0
lo que implica que un desplazamiento en el tiempo tambi en produce u nicamente un cambio en la fase del espectro de x(t), quien es modicada linealmente sum andole t0 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 j0 )
1 2
X (j j0 )ejt d
y haciendo una sustituci on de variable = 0 = 1 2
X (j )ej ( +0 )t d =

1 2
X (j )ejt ej0 t d
1 =ej0 t 2 =e
j0 t
X (j )ejt d
x(t)
(3.58)
La siguiente secci on deriva una propiedad muy utilizada en comunicaciones el ectricas, a partir del desplazamiento en la frecuencia. Modulaci on Se dice que una funci on se modula a la frecuencia 0 cuando se multiplica por cos(0 t). Esto es ej0 t + ej0 t ej0 t ej0 t cos(0 t)x(t) = x(t) = x(t) + x(t) 2 2 2 Utilizando la propiedad (3.58) y la linealidad se deduce que el espectro de la se nal modulada es 1 1 F {cos(0 t)x(t)} = X (j + j0 ) + X (j j0 ) 2 2 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) = ej0 t ej0 t ej0 t ej0 t x(t) = x(t) x(t) 2j 2j 2j
x (t) cos(0 t) x(t) cos(0 t)
169
|X (j )|
|F {x(t) cos(t}|
Figura 3.27: Modulaci on 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 1 1 F {sen(0 t)x(t)} = X (j j0 ) X (j + j0 ) 2j 2j j/2 e ej/2 = X (j j0 ) X (j + j0 ) 2 2 ej/2 e+j/2 X (j j0 ) + X (j + j0 ) = 2 2 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. Conjugaci on y Simetr a 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)} = =
x (t)ejt dt =

x(t)ejt
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 simetr a herm tica, 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.
170
Diferenciaci on e integraci on Para observar el efecto de la derivaci on de una funci on x(t) en su transformada de Fourier se utiliza la transformada inversa:
d d 1 x(t) = X (j )ejt d dt dt 2 d 1 X (j ) ejt d = 2 dt 1 = jX (j )ejt d 2 d F { dt x(t)}
y por lo tanto d x(t) dt
jX (j )
Lo anterior se puede generalizar para derivadas de orden superior: dn x(t) dtn
(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 multiplicaci on 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)ejt dt
d x(t)ejt dt d jtx(t)
d F 1 { d X (j )}
ejt dt
de donde j
d X (j ) d
tx(t)
Ejemplo 3.12 Utilice la propiedad de derivaci on de la transformada de Fourier para encontrar la transformada de las funciones en la gura 3.28. Soluci on: La propiedad de derivaci on puede utilizarse para calcular f acilmente la transformada 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 impulsos 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 informaci on se pierde, y debe reinsertarse posteriormente.
x 1 (t) A A x 2 (t)
171
2T
3T
2T
3T
Figura 3.28: Funciones utilizadas en ejemplo 3.12.
La gura 3.29 muestra la primera y segunda derivadas de las funciones x1 (t) y x2 (t). La funci on x1 (t) tiene valor promedio igual a cero: 1 L 2L lim
L L
x1 (t) dt = lim
TA =0 L L
Puesto que la transformada de Fourier del delta Dirac es 1, entonces por linealidad, y utilizando las propiedades de desplazamiento y de derivaci on, se cumple: (j )2 X1 (j ) = A 1 ejT ej2T + ej3T T T 3 T T A j 3 T j 3 T = e 2 e 2 + ej 2 T ejT ej 2 ej 2 + ej 2 T 3 T A 3 = 2 ej 2 T cos T cos T 2 2
y nalmente se obtiene: X1 (j ) = 2 A j 3 T e 2 2T cos T 2 3 cos T 2
Tambi en es posible agrupar otros pares de impulsos para obtener expresiones algebraicas equivalentes. El lector puede realizar agrupaciones diferentes, como por ejemplo los impulsos
x 1 (t)
A T A T
x 2 (t)
2T T
3T T 2T 3T
x 1 (t)
A T A T
x 2 (t)
2T 3T
T 2T 3T
Figura 3.29: Funciones utilizadas en ejemplo 3.12.
172
en 0 y 2T , y por otro lado en T y 3T para obtener senos. Otro ejercicio ser a agrupar los impulsos en 0 y T , y por otro lado los impulsos en 2T y 3T . Para el caso de la funci on x2 (t), el valor promedio es diferente de cero: 1 lim L 2L
L L
x2 (t) dt = lim
1 AT A + A(L T ) = L 2L 2 2
Este nivel es eliminado en la derivaci on, 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:
X2 (j ) =
A 1 ejT + A ( ) T (j )2 T T T A + A ( ) = 2 ej 2 ej 2 ej 2 T A j T T 2 sen = 2j e + A ( ) T 2 2
3.12
Aunque podr a intuirse que la transformada de Fourier de la integral de una funci on ser a 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 X (j ) + X (0) ( ) j
donde el t ermino X (0) ( ) describe en el dominio de la frecuencia al valor promedio que puede resultar de la integraci on en el dominio del tiempo, tal y como se observ o 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 1 + 1 ( ) j 1 = + ( ) j
Tambi en se puede corroborar con la propiedad de derivaci on que d u(t) dt puesto que ( ) = 0.
1 + ( ) = 1 + j ( ) = 1 j
3.13
173
Ejemplo 3.14 Encuentre la transformada de Fourier de la distribuci on gaussiana

1 t 2 1 g (t) = e 2 ( ) 2
Soluci on: Anteriormente se demostr o la transformada de Fourier de la distribuci on gaussiana utilizando la teor a de funciones del cap tulo anterior. Ahora se har a uso de la propiedad de diferenciaci on en ambos dominios para encontrarla. Derivando g (t) se tiene d t g (t) = 2 g (t) dt Ahora, aplicando el operador de la transformada de Fourier a ambos lados y considerando las propiedades de derivaci on en el tiempo y frecuencia se tiene jG(j ) = lo que puede reescribirse como d G(j ) d = 2 G(j ) e integrando a ambos lados
0
1 d G(j ) j 2 d
d G(j ) d d = G(j )
2 d
0
1 ln G(j ) ln G(0) = 2 2 2 y aplicando la funci on exponencial a ambos lados G(j ) = G(0)e 2 y puesto que 1 G(0) = 2 nalmente se obtiene G(j ) = e 2
1 2 2 1 2 2
e 2 2 dt = 1
1 t2
3.14
Escalamiento en tiempo y frecuencia Si el tiempo se escala por , entonces
F {x(t)} =
x(t)ejt dt
174
sustituyendo = t 1 x( )ej (/) d = 1 x( )ej (/) d 1 = X j || >0 <0
La dilataci on temporal de la funci on 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 relaci on 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 tambi en: x(t) 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 id enticas. Esta semejanza conduce a la denominada propiedad de dualidad . Para observar la relaci on con m as detalle, se parte de la transformada inversa de Fourier 1 x(t) = 2 sustituyendo por

X (j )
X (j )ejt d
2x(t) =
X (j )ejt d
y reemplazando t por
2x( ) =
X (j )ej 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( )
175
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 t0 ) u (t t0 )]
R(j ) = ej(t0 + 2 ) sa( /2)
y con t0 = /2, y = 2 r(t) = 1 [u(t + ) u(t )] 2
R(j ) = sa( )
donde, empleando la propiedad de dualidad se cumple R(jt) = sa(t)
2r( ) =
[u( + ) u( )] = [u( + ) u( )]
La funci on 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. Relaci on de Parseval Interesa ahora observar la relaci on entre la energ a de una se nal en el dominio del tiempo y en el dominio de la frecuencia. Partiendo de la denici on de energ a en el dominio del tiempo

|x(t)|2 dt = =
x(t)x (t) dt

x(t)
1 2
X (j )ejt d dt
e invirtiendo el orden de integraci on 1 |x(t)| dt = 2 1 = 2

2
X (j )

x(t)ejt dt d

1 X (j )X (j ) d = 2
|X (j )|2 d
Esta llamada relaci on de Parseval establece que la energ a total se puede calcular tanto a 2 trav es de la energ a por unidad de tiempo |x(t)| como a trav es de la llamada densidad de 2 energ a |X (j )| /2 . N otese que mientras la relaci on de Parseval para se nales peri odicas establece los v nculos entre la potencia promedio, para se nales no peri odicas establece la
176
relaci on de la energ a en ambos dominios. Esto se debe a que se nales peri odicas tienen una energ a innita, por lo que debe usarse la potencia. Se nales con energ a nita reciben el nombre de se nales de energ a , 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 energ a es cero. Multiplicaci on y Convoluci on La propiedad de convoluci on es fundamental para el an alisis de sistemas lineales, y se tratar a con detalle en la siguiente secci on. Aqu se introducir a la propiedad desde un punto de vista m as matem atico. 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 X1 (j ) y X2 (j ) de dos funciones x1 (t) y x2 (t) entonces X (j ) = X1 (j )X2 (j )

x1 (t)ejt dt
x2 (t)ejt 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

= =
x1 (t)ejt dt

x2 ( )ej d
x1 (t)x2 ( )ej(t+) d dt
y con = t + entonces

x1 (t)x2 ( t)ej d dt
e intercambiando el orden de integraci on

x1 (t)x2 ( t) dt ej d = F {x1 (t) x2 (t)}

x1 (t)x2 (t)
En otras palabras, la transformada de Fourier de la convoluci on de dos funciones x1 (t) x2 (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 x1 (t)x2 (t) tendr a como espectro 1 F {x1 (t)x2 (t)} = X1 (j ) X2 (j ) 2 La tabla 3.1 resume las propiedades de la transformada de Fourier anteriormente tratadas. A continuaci on 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.
177
Tabla 3.3: Propiedades de la Transformada de Fourier Propiedad Se nal en el tiempo x(t) x1 (t) x2 (t) 1 x1 (t) + 2 x2 (t) x(t) = x(t) x(t) = x(t) Transformada X (j ) X1 (j ) X2 (j ) 1 X1 (j ) + 2 X2 (j )
Linealidad Simetr a par
2
0
x(t) cos(t) dt
X (j ) IR Simetr a impar Funci on real Dualidad Desplazamiento temporal Desplazamiento en frecuencia Modulaci on Conjugaci on Inversi on en el tiempo Escalamiento en el tiempo Convoluci on Multiplicaci on Diferenciaci on 2j x(t) sen(t) dt
0
Integraci on Relaci on de Parseval
X (j ) j IR x(t) IR X (j ) = X (j ) X (jt) 2x( ) x(t ) ej X (j ) ej0 t x(t) X (j j0 ) 1 1 cos(0 t)x(t) X (j j0 ) + 2 X (j + j0 ) 2 x (t) X (j ) x(t) X (j ) 1 j x(at) X |a| a x1 (t) x2 (t) X1 (j )X2 (j ) 1 X1 (j ) X2 (j ) x1 (t)x2 (t) 2 dx(t) jX (j ) dt d tx(t) j X (j ) d t 1 x(t) dt X (j ) + X (0) ( ) j 1 |x(t)|2 dt = |X (j )|2 d 2
Ejemplo 3.16 Demuestre la propiedad de integraci on a trav es de las propiedades de convoluci on y de la transformada de Fourier del escal on unitario. Soluci on: La convoluci on de una funci on 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:
t
x(t) u(t) =
x( ) d
178
Puesto que F {x(t) u(t)} = X (j )U (j ) = X (j ) = y considerando que x(t) (t) = x(0) (t)
t
1 + ( ) j
X (j ) + ( )X (j ) j
x( ) d
X (j ) + ( )X (0) j
3.16
Ejemplo 3.17 La funci on puente pT (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
pT ( t )
2T
3T
Figura 3.30: Funci on puente utilizada para tomar muestras peri odicas en el tiempo de se nales.
xs (t) se obtiene entonces a trav es del producto de la se nal x(t) y pT (t) (gura 3.31): xs (t) = x(t)pT (t)
x (t)
T x s (t)
2T
3T
2T
3T
Figura 3.31: Muestreo de se nal utilizando la funci on puente.
Al periodo T se le conoce como periodo de muestreo , y a su inverso fs = 1/T se le denomina frecuencia de muestreo . Se desea ahora encontrar el espectro de la se nal muestreada Xs (j ) en t erminos del espectro de la se nal sin muestrear X (j ) [23].
179
Soluci on: Puesto que la funci on puente pT (t) es peri odica, se puede expresar por medio de una serie de Fourier con coecientes Pn :
pT (t) =
n=
Pn ejn0 t ;
0 =
2 = 2fs T
de modo que se cumple xs (t) = x(t)
Pn ejn0 t
n=
Transformando a ambos lados de la ecuaci on y utilizando la propiedad de linealidad se obtiene

Xs (j ) = F {xs (t)} = F
x(t)
n=
Pn e
jn0 t
=
n=
Pn F x(t)ejn0 t
y considerando la propiedad de desplazamiento en frecuencia, lo anterior equivale a
Xs (j ) =
n=
Pn X (j jn0 )
= P0 X (j ) +
n= n=0
Pn X (j jn0 )
de donde se deduce que con el muestreo se producen r eplicas 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).
x (t) X (j )
t (a) x s (t)
2B
2B Xs (j )
t (b)
2fs 2B
2B
Figura 3.32: Replicaci on del espectro por medio del muestreo.
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 r eplicas 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 r eplica se deber a posicionar al menos en 0 > 4B lo
180
3.4 Sistemas Lineales e Invariantes en el Tiempo y la Convoluci on
que es equivalente a armar que la frecuencia de muestreo fs 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 xs (t) la se nal original x(t) utilizando un ltro paso-bajos que permita pasar u nicamente 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 anal ogica sin p erdidas de informaci on 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 Convoluci on
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 linealidad, 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.
3.4.1
Linealidad e invarianza en el tiempo
Sistema Lineal Un sistema, se discuti o ya en el primer cap tulo, transforma una se nal de entrada en una se nal de salida (gura 1.1, p agina 4). As , si la salida del sistema es y (t) y su entrada x(t), entonces la relaci on entre ambas puede expresarse como y (t) = T [x(t)] donde el operador T [] denota la transformaci on hecha a la se nal por el sistema. As , para dos se nales de entrada x1 (t) y x2 (t), el sistema producir a dos se nales de salida: y1 (t) = T [x1 (t)] y2 (t) = T [x2 (t)] El sistema se denomina lineal, si para dos valores escalares 1 y 2 cualesquiera se cumple adem as que 1 y1 (t) + 2 y2 (t) = T [1 x1 (t) + 2 x2 (t)] Esta propiedad de linealidad puede expresarse de forma m as general como
n n
i=1
i yi (t) = T
i xi (t)
i=1
para n entradas diferentes con yi = T [xi (t)].
181
Ejemplo 3.18 Determine si los sistemas y (t) = T [x(t)] son lineales. 1. y (t) =
d x(t) dt
2. y (t) = x(t) 3. y (t) = x(t) + 1 Soluci on: Para comprobar la linealidad se calcula por un lado la combinaci on lineal de las respuestas a diferentes entradas por separado, y luego se verica que dicha combinaci on equivale a la respuesta del sistema a la combinaci on lineal de las entradas. 1. Si y1 (t) =
d x (t) dt 1
y y2 (t) =
d x (t) dt 2
entonces d d x1 (t) + 2 x2 (t) dt dt
1 y1 (t) + 2 y2 (t) = 1
Por otro lado, si x(t) = 1 x1 (t) + 2 x2 (t) y se calcula y (t) = T [x(t)] entonces d d d d x(t) = [1 x1 (t) + 2 x2 (t)] = 1 x1 (t) + 2 x2 (t) dt dt dt dt por lo que el sistema es lineal. y (t) = 2. Si y1 (t) = x1 (t) y y2 (t) = x2 (t) entonces 1 y1 (t) + 2 y2 (t) = 1 x1 (t) + 2 x2 (t) Por otro lado, si x(t) = 1 x1 (t) + 2 x2 (t) y se calcula y (t) = T [x(t)] entonces y (t) = x(t) = 1 x1 (t) + 2 x2 (t) lo que indica que el sistema es lineal. 3. Si y1 (t) = x1 (t) + 1 y y2 (t) = x2 (t) + 1 entonces 1 y1 (t) + 2 y2 (t) = 1 x1 (t) + 2 x2 (t) + 1 + 2 Por otro lado, si x(t) = 1 x1 (t) + 2 x2 (t) y se calcula y (t) = T [x(t)] entonces y (t) = x(t) + 1 = 1 x1 (t) + 2 x2 (t) + 1 lo que indica que el sistema no es lineal.
3.18
Sistema Invariante en el Tiempo Un sistema se denomina invariante en el tiempo si la salida es siempre la misma ante una misma entrada, sin importar el instante de tiempo en el que se aplica dicha entrada. En otras palabras, un sistema se denomina invariante en el tiempo si y (t) = T [x(t)] y (t t0 ) = T [x(t t0 )]
182
Ejemplo 3.19 Determine si los sistemas y (t) = T [x(t)] son invariantes en el tiempo. 1. y (t) =
d x(t) dt
2. y (t) = x(t) 3. y (t) = x(t) + 1 Soluci on: Para corroborar la invarianza en el tiempo se calcula primero la respuesta del sistema a la se nal desplazada en el tiempo, y luego se compara esto con la respuesta a la entrada sin desplazar, desplazada en el tiempo.
d d 1. Si y (t) = dt x(t) entonces la respuesta a x(t t0 ) es dt x(t t0 ). La salida y (t) desplazada d en el tiempo es tambi en dt x(t t0 ) por lo que el sistema es invariante en el tiempo.
2. Si y (t) = x(t) entonces la respuesta a la se nal x(t) desplazada en el tiempo es x((t t0 )) = x(t + t0 ). Por otro lado, si se desplaza la salida correspondiente a x(t) entonces y (t t0 ) = x(t t0 ). Esto implica que el sistema es variante en el tiempo. 3. Si y (t) = x(t) + 1 la respuesta a la entrada desplazada es x(t t0 ) + 1, y la respuesta desplazada correspondiente a x(t) tambi en es y (t t0 ) = x(t t0 ) + 1 por lo que el sistema es invariante en el tiempo.
3.19
Sistema LTI Los sistemas lineales e invariantes en el tiempo (o sistemas LTI por sus siglas en ingl es Linear and Time Invariant ) corresponden a una importante clase de sistemas en el an alisis de fen omenos reales, al permitir modelar comportamientos complejos con herramientas matem aticas tan poderosas como las transformadas de Fourier y Laplace. Para comprender mejor los conceptos detr as de los sistemas LTI, consid erese un impulso rectangular x0 (t) de duraci on 0 y amplitud 1/0 como entrada a un sistema LTI, que responde a el con la salida h0 (t) tal y como lo muestra la gura 3.33. Puesto que el sistema es lineal
1 x 0 (t) 0 0 t LTI t h0 (t)
Figura 3.33: Respuesta a impulso rectangular de un sistema LTI.
e invariante en el tiempo, una secuencia de impulsos ponderados a la entrada tendr a como salida una ponderaci on equivalente de la salida h0 (t). La gura 3.34a muestra por ejemplo
183
la aproximaci on de una se nal x(t) por una se nal xa (t) compuesta de impulsos rectangulares de duraci on 0 , tal que se tiene:
x(t) xa (t) =
n=
x(n0 )x0 (t n0 )0
y puesto que cada impulso rectangular x(n0 )x0 (t n0 )0 tiene como respuesta x(n0 )h0 (t n0 )0 , se obtiene entonces la respuesta mostrada en la gura 3.34b, que se puede expresar
x (t) x a (t) x (t) y a (t)
0 -5 -4 -3 -2 -1 0 1 2 3 4
t/
5 -5 -4 -3 -2 -1
0 0 1 2 3 4
t/
5
(a)
(b)
Figura 3.34: Entrada compuesta por impulsos rectangulares y respectiva salida del sistema LTI en la gura 3.33
como ya (t) =
n=
x(n0 )h0 (t n0 )0
Es claro que la funci on xa (t) aproximar a de mejor manera a la funci on x(t) si 0 se hace cada vez m as peque no. De esta forma, si 0 se hace tender a cero, puede sustituirse por un diferencial d , el t ermino n0 converger a a una variable continua y la funci on x0 (t), que conserva su area igual a uno sin importar la elecci on de 0 , converger a al impulso (t). Por lo tanto, las dos ecuaciones anteriores se convierten en:
x(t) =

x( ) (t ) d = x(t) (t) x( )h(t ) d = x(t) h(t)
y (t) =
donde la funci on h(t) es la respuesta al impulso del sistema, obtenida como la respuesta al impulso rectangular cuando su duraci on 0 tiende a cero. N ote que estas son integrales de convoluci on, donde se demuestra que una funci on convolucionada con el impulso resulta en la misma funci on (o en otros t erminos, la funci on impulso Dirac es el elemento neutro del operador convoluci on). Por otro lado la respuesta de un sistema LTI a una entrada x(t) est a dada por la convoluci on de dicha entrada con la respuesta al impulso h(t) del sistema LTI.
184
Considerando la propiedad de convoluci on de la transformada de Fourier, si se cumple F {x(t)} = X (j ), F {y (t)} = Y (j ) y F {h(t)} = H (j ), entonces X (j ) = F {x(t) (t)} = X (j )1 = X (j ) Y (j ) = F {x(t) h(t)} = X (j )H (j ) que implica que, conociendo la respuesta al impulso del sistema h(t) y su equivalente respuesta en frecuencia H (j ), en el dominio de la frecuencia la respuesta a cualquier entrada con transformada X (j ) se calcula simplemente multiplicando X (j )H (j ). Esta simplicaci on del c alculo de la convoluci on hace de la transformada de Fourier una herramienta muy poderosa en el an alisis de sistemas LTI. Por lo general es m as simple transformar una se nal de entrada y la respuesta al impulso al dominio de la frecuencia, realizar all el producto, y luego transformar el resultado al dominio del tiempo para observar el comportamiento de la salida del sistema LTI. N otese que si se conoce que un sistema es LTI, entonces, obteniendo su salida Y (j ) para una entrada X (j ) en el dominio de la frecuencia, la respuesta en frecuencia H (j ) del sistema se puede calcular como Y (j ) X (j )
H (j ) =
Existen sin embargo propiedades de los sistemas que pueden comprenderse mejor en el dominio temporal, y para ello es necesario analizar con m as detalle el operador de convoluci on.
3.4.2
Convoluci on
Los p arrafos anteriores demostraron que la convoluci on es un operador que puede utilizarse para encontrar la salida correspondiente a una entrada, si se conoce la respuesta al impulso h(t) de un sistema LTI. As , la convoluci on de x(t) y h(t) se expresa como
x(t) h(t) =
x( )h(t ) d
(3.59)
Haciendo un cambio de variable = t entonces d = d y

t
x(t) h(t) =
t+
x(t )h( ) d =
h( )x(t ) d = h(t) x(t)
es decir, la convoluci on es un operador conmutativo. Se deja como ejercicio para el lector demostrar que adem as es un operador asociativo y distributivo: x(t) g (t) h(t) = [x(t) g (t)] h(t) = x(t) [g (t) h(t)]
x(t) [g (t) + h(t)] = [x(t) g (t)] + [x(t) h(t)]
En la aplicaci on de la convoluci on (3.59) es posible identicar varios pasos. Primero n otese que la variable de integraci on est a negada en la funci on h(t ). Esto implica que al
185
realizar la convoluci on debe primero invertirse la funci on h( ) h( ). Segundo, sumar t a la variable equivale a trasladar el origen de la funci on h( ) al punto t. Luego se realiza la multiplicaci on punto a punto entre esta funci on invertida y trasladada h(t ) por la segunda funci on inalterada x( ). El area bajo la curva de dicho producto es el valor que se asigna a la se nal de salida en el instante t. Este principio se ilustra de manera gr aca en la gura 3.35.
x ( ) h( ) h(t )
(a) x ( )h(t1 )
(b) x ( )h(t2 )
t<0 t>0 (c) x ( )h(t3 )
t1 (d) x ( )h(t4 )
(e) x ( )h(t5 )
t2
(f) x (t) h(t)
t3
t4 (g)
(h)
t5
t1 t2 t3 t4 (i)
t5
Figura 3.35: Ejemplo de la convoluci on entre dos funciones. (a) y (b) se nales de entrada, (c) segunda se nal reejada y trasladada a t, (d)-(h) diferentes valores de t > 0 y las areas bajo el producto. (i) convoluci on.
3.4.3
Funciones propias
Un caso particularmente interesante en sistemas LTI son las funciones exponenciales complejas. Un sistema LTI con respuesta al impulso h(t) tendr a como respuesta a una entrada j0 t x(t) = e una salida y (t) que se calcula de la siguiente manera: y (t) = T [x(t)] = h(t) x(t) = h(t) ej0 t En el dominio de la frecuencia y considerando la respuesta en frecuencia H (j ) = F {h(t)} se tiene F {y (t)} = Y (j ) = H (j )F ej0 t
= H (j )2 ( 0 )
= H (j0 )2 ( 0 ) y la transformada inversa de esto es y (t) = F 1 {H (j0 )2 ( 0 )} = H (j0 )ej0 t
186
que es una funci on exponencial compleja de la misma frecuencia 0 que tiene la se nal de entrada, pero con amplitud y fase alteradas por el valor de la respuesta H (j ) evaluado en la frecuencia = 0 . Puesto que la forma de la entrada se mantiene, excepto por una constante compleja, a estas funciones exponenciales complejas se les denomina funciones propias de los sistemas LTI. Esto permite observar adem as el comportamiento de se nales de entrada senoidales y cosenoidales en sistemas LTI. Si se asume que la respuesta al impulso h(t) es una funci on real, entonces H (j0 ) = H (j0 ). Puesto que ej0 t + ej0 t 2 entonces por linealidad, y asumiendo que H (j0 ) = |H (j0 )|ej0 la salida ser a cos(0 t) = y (t) =
|H (j0 )| j0 t+0 e + ej0 t0 = |H (j0 )| cos(0 t + 0 ) 2 es decir, un sistema LTI responde a una se nal cosenoidal, con otra se nal cosenoidal de la misma frecuencia, pero con fase y amplitudes alteradas por H (j ). Por lo tanto, un sistema LTI no puede bajo ninguna circunstancia alterar las frecuencias presentes en la se nal de entrada. Esto solo ocurrir a en sistemas no lineales o variantes en el tiempo.
3.4.4
Causalidad y estabilidad
Sistemas causales y no causales En cuanto a la reacci on temporal de un sistema se pueden identicar los sistemas causales y los sistemas no causales . En los primeros, el sistema tendr a una salida diferente de cero solo durante o despu es de que ocurra alg un evento diferente de cero a su entrada. Un sistema no causal puede tener una respuesta a una entrada antes de que la entrada misma ocurra. Sistemas reales, en donde la variable independiente de la se nal de entrada es el tiempo, podr an tener una respuesta u nicamente despu es de que se presente dicha entrada, siendo por lo tanto causales. Sin embargo, no necesariamente es el tiempo la u nica posibilidad de variable independiente de una se nal. En im agenes, por ejemplo, las variables independientes son posici on dentro de la imagen, y aqu la no-causalidad es un hecho normal. La causalidad de un sistema real LTI se puede observar directamente en su respuesta al impulso h(t). Puesto que el impulso ocurre en t = 0, el sistema es causal si y solo si h(t) = 0 para todo t < 0, lo cual puede expresarse tambi en como h(t) = h(t)u(t) . En analog a a este hecho se dice que cualquier se nal x(t), con x(t) = 0 para t < 0, es causal. La causalidad tiene implicaciones en la naturaleza de la respuesta en frecuencia H (j ) del sistema causal: las componentes par e impar de h(t) son ambas diferentes de cero, por lo que H (j ) no puede ser ni puramente real ni puramente imaginaria. En otras palabras, si h(t) es real entonces H (j ) tiene magnitud par y fase impar, pero el hecho de que el sistema sea causal implica que la fase de H (j ) no puede ser cero o /2 en todo el rango de frecuencias.
187
Sistemas estables Un sistema se dice que es estable o estable en amplitud si para cualquier entrada x(t) acotada en amplitud |x(t)| Ax , Ax IR, Ax > 0 el sistema reacciona con una salida y (t) tambi en acotada en amplitud |y (t)| Ay , Ay IR, Ay > 0
A estos sistemas se les denomina BIBO, por las siglas en ingl es Bounded Input Bounded Output. Si el sistema es LTI, entonces se cumple
|y (t)| = |x(t) h(t)| =
x( )h(t ) d

|x( )h(t )| d
Ax |h(t )| d = Ax
|h( )| d
y por lo tanto el sistema es estable si y solo si su respuesta al impulso es absolutamente integrable, lo que a su vez garantiza la primera condici on de Dirichlet para la existencia de la transformada de Fourier de la respuesta al impulso de un sistema estable. Si un sistema es inestable, la transformada de Fourier es inadecuada para su an alisis, por el simple hecho de que la salida no acotada puede violar las condiciones de Dirichlet y no poseer una representaci on v alida en el dominio de la frecuencia. Esta es una de las razones principales por las cuales se extienden los conceptos aqu presentados en la llamada Transformada de Laplace, que es tema del siguiente cap tulo.
188
3.5 Problemas
3.5
Problemas
Los siguientes ejercicios est an basados en [8, 14], algunos con leves modicaciones, otros nuevos para profundizar en los conceptos introducidos en este cap tulo. Problema 3.1. El espacio lineal V se dene a trav es de sus elementos que son tuplas con componentes tomados de un cuerpo escalar IF, y las operaciones suma y producto escalar. Qu e tipo de estructura algebraica es (V, +)? Qu e tipo de estructura algebraica es (V, ), donde representa aqu el producto escalar? Qu e tipo de estructura algebraica es (V, {+, }), donde representa de nuevo el producto escalar? Problema 3.2. Demuestre que la denici on de la funci on d(, ) d(x, y) = x y cumple con todas las condiciones denidas para una funci on de distancia de un espacio m etrico, si es una norma. Problema 3.3. Demuestre utilizando los axiomas de espacios pre-Hilbert, que ax , y = a x , y x + y , z = x, z + y , z
Problema 3.4. Encuentre tres vectores ortonormales en el espacio euclidiano tridimensional y compruebe que el producto punto entre cualquier par de vectores es cero. Problema 3.5. Demuestre que para la operaci on entre dos funciones denida como
b
x(t), y (t) =
a
x (t)y (t) dt
se cumplen todas las propiedades que debe satisfacer un producto interno. Problema 3.6. Utilizando la ecuaci on (3.15) encuentre cu al es el a ngulo entre las funciones sen() y sen( + ) para el intervalo [0, 2 ]. Problema 3.7. Utilizando la ecuaci on (3.15) encuentre cu al es el a ngulo entre las funciones sen() y tan() para el intervalo [/2, /2]. Problema 3.8. La siguiente gura muestra cuatro funciones peri odicas. Seleccione de estas cuatro funciones una base ortogonal con el mayor n umero posible de funciones generadoras. Cu ales funciones se encontrar an en su base ortogonal denida en el intervalo 1 < t 1?
u 1 (x )
1 1
189
u 2 (x ) x x
1 1
1 1
u 3 (x )
1 2 1 1 1 1
u 4 (x ) x x
1 1
Calcule la norma de las cuatro funciones en la gura anterior y de la funci on sen(t) en el intervalo t [0, 2]. Para la base ortogonal seleccionada por usted, calcule el valor de los coecientes que mejor aproximan la funci on x(t) = sen(t). Problema 3.9. Las funciones (t) y (t) denidas como 1, para 0 t <
1 2
(t) =
(t) =
1 1, para 2 t<1 0 en el resto.
1, para 0 t < 1 0, en el resto.
se utilizan como funciones madre para generar dos familias funcionales:

j i (t) =
2j (2j t i) 2j (2j t i) j i (t) =
j 1. Graque las funciones i (t) y j i (t) si i, j {0, 1, 2, 3}. j 2. Encuentre la norma de las funciones i (t) y j i (t). 3. Indique qu e condiciones deben cumplir i y j para que las funciones anteriores sean ortogonales, tanto dentro de cada familia, como entre ambas. 4. Encuentre la mejor aproximaci on del primer periodo de la funci on sen(t) con una base ortogonal constituida por las funciones elegidas por usted en el punto anterior. j A esta familia de funciones i (t) y j i (t) se le conoce como la base de Haar, en honor al matem atico h ungaro Alfred Haar, quien las propuso en 1910, y son utilizadas por ejemplo en el estandar de compresi on de im agenes JPEG-2000.
Problema 3.10.
Demuestre que f (z ) = |z |2 no es una funci on anal tica.
Problema 3.11. Sean ui (t) funciones de valor complejo y variable real, ortogonales en el intervalo [t1 , t2 ] IR. Si la representaci on rectangular de dichas funciones se expresa como
190
3.5 Problemas
ui (t) = ri (t) + jqi (t) demuestre que se cumple

t2 t1 t2 t1 t2
ri (t)rk (t) dt = ri (t)qk (t) dt =

t1
qi (t)qk (t) dt
t1 t2
qi (t)rk (t) dt
para todo i = k . Problema 3.12. Utilizando la funci on de error (3.18):

2 t2
E (c0 , c1 , . . . , cn ) = x(t) xn (t)
=
t1
|x(t) xn (t)|2 dt
demuestre que para funciones y coecientes complejos los coecientes denidos en (3.22) minimizan la funci on de error. (Sugerencia: Exprese ci en coordenadas rectangulares como ci = ai + jbi , y utilice los resultados del problema 3.11.) Problema 3.13. Sea f (t) una funci on compleja de variable real t. Para cualquier denici on de f (t) y valores reales positivos y indique qu e relaci on tienen las funciones 1. f (t) 2. f (t) 3. f (t + ) 4. f (t ) 5. f (t) + 6. f (t) 7. f (t) 8. f (t + ) 9. f ((t ))
para < 1 y > 1 con dicha funci on f (t). Problema 3.14. Demuestre que las funciones cos(0 kt) y sen(0 kt) son ortogonales en intervalo Tp = 2/0 es decir, que 1. cos(0 kt), cos(0 lt) = 2. cos(0 kt), sen(0 lt) = 0 3. sen(0 kt), sen(0 lt) = para k, l IN. Problema 3.15. Utilizando los resultados del ejercicio 3.14 demuestre que las funciones cos (0 kt + k ), k IN+ son ortogonales entre s . Problema 3.16. Determine los coecientes las series de Fourier para la continuaci on peri odica de las siguientes funciones, si el periodo es Tp y 0 < < Tp . Encuentre los coecientes para las tres formas de series estudiadas: suma ponderada de exponenciales complejas, suma ponderada de cosenoidales desfasadas, y suma ponderada de senos y cosenos. 0 k=l Tp /2 k = l 0 k=l
Tp /2 k = l
191
1. x(t) =
(t /2)2 + 2 /4 si 0 t 0
si < t < Tp
2. x(t) =
sen(2t/Tp ) si 0 t Tp /2
si Tp /2 < t < Tp
3. x(t) = | cos(0 t)| 4. x(t) = sen(0 t) 5. x(t) = cos(0 t) 6. x(t) = A, con A constante.
Problema 3.17.
Demuestre que en la serie trigonom etrica de Fourier 1 bk sen 0 kt ak cos 0 kt + x(t) = a0 + 2 k=1 k=1

los coecientes ak y bk pueden considerarse como el resultado de operadores lineales. Problema 3.18. Demuestre que en la descomposici on de una funci on: x(t) = xe (t) + xo (t) x(t) + x(t) xe (t) = 2 x(t) x(t) xo (t) = 2 la componente xe (t) es una funci on par y xo (t) es una funci on impar. Problema 3.19. Extraiga las componentes par e impar para la extensi on peri odica de periodo Tp de la funci on: sen x(t) = 0
2 t Tp
para 0 t para
Tp 2
Tp 2
< t < Tp
y calcule los desarrollos en series de Fourier para ambas componentes por separado. Compruebe que los coecientes de la funci on corresponden a la suma de los coecientes correspondientes de sus componentes par e impar. Problema 3.20. Cuando se revis o la relaci on de Parseval (3.46) se utiliz o el caso especial de la serie de Fourier, sin embargo, esta relaci on se aplica para cualquier funci on representada como serie generalizada de Fourier.
192
3.5 Problemas
Demuestre que si se cumple para el intervalo t [t1 , t2 ]
x(t) =
k=
ck uk (t)
con el conjunto de funciones generadoras ortonormales uk (t), entonces

t2 t1
|x(t)| dt =
k=
|ck |2
Problema 3.21. Obtenga el desarrollo en series exponenciales complejas de Fourier para las extensiones peri odicas de periodo Tp de las funciones 1. x(t) = 2. x(t) = 3. x(t) =
t Tp
para 0 t < Tp para 0 t < Tp

Tp 2
Tp t Tp 2|t| Tp
p para T t< 2
Problema 3.22. Encuentre los coecientes de la serie de Fourier para una funci on x3 (t) = |xc (t)| donde xc (t) est a denida como en el ejemplo 3.9. Problema 3.23. Encuentre los coecientes de la serie de Fourier para las siguientes funciones, utilizando tan solo los resultados del ejemplo 3.6, los coecientes de la funci on seno y las propiedades de las series de Fourier.
x 4 (t) x 5 (t)
-T p -
3T p 4
Tp 2
Tp 4
Tp 2
t
Tp 2 3T p 4
Tp
5T p 4
3T p 2
-T p -
3T p 4
Tp 2
Tp 4
Tp 2
t
Tp 2 3T p 4
Tp
5T p 4
3T p 2
(a) Problema 3.24. Calcule el valor de la integral

t
(b)
x( ) (a ) d
si a IR y a > 0.
193
Problema 3.25. Calcule la Transformada de Fourier en el ejemplo 3.12, pero utilizando otras agrupaciones de los delta de Dirac, como se esboza en la soluci on de dicho ejemplo. Problema 3.26. Encuentre las transformadas de Fourier de las funciones mostradas en la siguiente gura, utilizando la linealidad y la propiedad de derivaci on. Exprese, en los casos donde es posible, las expresiones en t erminos puramente reales o en t erminos puramente imaginarios.
1 1 (a) (b) 1 1
1 1 (c)
1 1 (d)
1 1 (e)
1 1 (f) 1
1 1 (g) (h)
Problema 3.27. Sea X (j ) la transformada de Fourier de una funci on x(t). Encuentre la transformada de Fourier inversa de la n- esima derivada de X (j ) en t erminos de x(t). Problema 3.28. Demuestre utilizando la propiedad de derivaci on de la transformada de Fourier que la impedancia de una bobina L y un condensador C est an dadas respectivamente por: 1 ZL (j ) = jL ZC (j ) = jC
Problema 3.29. Problema 3.30.
Calcule la transformada de Fourier de la funci on x(t) = ea|t| . Determine la transformada de Fourier de la funci on a ( t 0) t + a x(t) =
a t + a (0 < t ) 0 en el resto
y su derivada. Graque ambas funciones y sus respectivos espectros.
194
3.5 Problemas
Problema 3.31. Si la transformada de Fourier de x(t) es X (j ), encuentre la transformada de t t0 af T
Problema 3.32.
Si la transformada de Fourier de x(t) es X (j ), encuentre el espectro de xD (t) = x(t + t0 ) x(t t0 )
Esboce el espectro para el caso especial x(t) = u(t + 1/2) u(t 1/2) y t0 = 1/2. Problema 3.33. Encuentre la componente impar xo (t) de la funci on x(t) = et/ u(t). Graque xo (t) y encuentre su transformada de Fourier. Problema 3.34. gaussiano Encuentre el resultado de aplicar n veces la convoluci on de un impulso
1 t 2 1 g (t) = e 2 ( ) 2
con sigo mismo. Problema 3.35. Una funci on escal on unitario real se puede modelar con u(t) r(t/T ) con r(t) = u(t + 1/2) u(t 1/2) Graque esta funci on y encuentre su transformada de Fourier. En qu e afecta el t ermino T a esta funci on y su espectro? Problema 3.36. Problema 3.37. Problema 3.38. Problema 3.39. Encuentre la transformada de Fourier de x(t) = u(t)et/T cos 0 t. A qu e es igual el resultado de x(t) (t t0 )? Encuentre el resultado de la convoluci on sa(t/T ) sa(t/T ) Encuentre la transformada de Fourier de
x(t) =
n=
(t nT )
Problema 3.40.
Encuentre la transformada de Fourier de

K
x(t) =
n=K
(t nT )
195
Problema 3.41. Demuestre que entre las componentes par e impar (xe (t) y xo (t) respectivamente) de una funci on x(t) real y causal se cumple xe (t) = xo (t)[2u(t) 1] Utilice este resultado para encontrar la dependencia entre Re{X (j )} y Im{X (j )}, con X (j ) = F {x(t)} (Esta relaci on es conocida como la transformada de Hilbert) Problema 3.42. Demuestre que para las a reas bajo la curva de una funci on y de su espectro se cumple:

x(t) dt = X (0)

X ( ) d = 2x(0)
Problema 3.43.
Determine la transformada de Fourier de la funci on: x(t) = 1 + cos(at) t a 0

a
en el resto
Problema 3.44. Encuentre la transformada F {x(t) cos 0 t cos 0 t} en t erminos de X (j ) = F {x(t)}. Esta se conoce como la propiedad de demodulaci on. Problema 3.45. Una se nal real anal ogica xa (t) tiene un espectro limitado en banda Xa (j ) cuya frecuencia m axima se sabe es 10 kHz. Cu al es la frecuencia m nima fs min a la cual se debe muestrear xa (t) tal que las muestras x(n) = xa (n/fs ) representan sin p erdida de informaci on a xa (t)? Problema 3.46. Compruebe si los siguientes sistemas y (t) = T [x(t)] son lineales y/o invariantes en el tiempo. 1. y (t) = x2 (t) 2. y (t) = x(t)m(t), con m(t) una funci on arbitraria independiente de x(t). 3. y (t) = 1/x(t)
Problema 3.47.
Dado el sistema integrador y (t) = T [x(t)]

t
y (t) =
x( ) d
1. Eval ue la linealidad e invarianza en el tiempo de este sistema 2. Cu al es la respuesta al impulso del integrador?
196
3.5 Problemas
Problema 3.48. Un sistema LTI causal responde a una funci on x(t) con y (t), donde estas funciones se denen como: x(t) = u t + 1 1 u t 2 2 1 1 y (t) = x 2t + (2t + 1) + x 2t 2 2
(1 2t)
1. Graque las funciones x(t) y y (t) 2. Cu al es la respuesta a x2 (t) = x

t1 2
3. Cu al es la respuesta y3 (t) al escal on unitario? 4. Cu al es la respuesta al impulso?
Problema 3.49. Sea la funci on r(t) = u Graque las siguientes funciones: 1. r(t) cos(t) 2. r(t) cos(t) 3. r(t) sen(10t) 4. r(t/T ) sen(t)
1 2
t u t+
1 2
, donde u(t) es el escal on unitario.
5. u(t) r(t) 6. r(t) r(t) 7. u(t) u(t) 8. u(1 t ) Demuestre que d x(t) h(t) = dt
2
9. tu(t)u(1 t) 10. (1 t)u(t)u(1 t) 11. (1 t)u(t)u(1 t) 12. tu(t) 2(2 t)u(t 1)+ r(t 2) u(t 2)
Problema 3.50.
d d h(t) x(t) = (h(t) x(t)) dt dt
Problema 3.51. Dos se nales x1 (t) y x2 (t) tienen areas A1 y A2 respectivamente. Demuestre que el a rea de la funci on x(t) = x1 (t) x2 (t) es igual a A1 A2 . Problema 3.52. a la suma. Demuestre que la convoluci on es asociativa y distributiva con respecto
Problema 3.53. Sean dos funciones de longitud nita x1 (t) y x2 (t). La longitud de x1 (t) sea l1 y la longitud de x2 (t) sea l2 . Encuentre la longitud de la funci on resultante de la convoluci on x1 (t) x2 (t).
Cap tulo 4 Transformada de Laplace

La Transformada de Laplace es la herramienta de preferencia en el an alisis de sistemas lineales e invariantes en el tiempo. Se le atribuye a Pierre-Simon de Laplace (17491827), a pesar de que se ha sugerido que esta transformaci on integral fue propuesta por Leonhard Euler (17071783) [24]. El uso difundido de la ahora llamada transformada de Laplace en ingenier a se debe al ingeniero ingl es Oliver Heaviside (1850-1925) quien utiliz o un m etodo similar para la soluci on de ecuaciones diferenciales ordinarias con coecientes constantes. Sus desarrollos carec an de rigor matem atico, por lo que no fue sino hasta que sus m etodos demostraron gran utilidad pr actica que los matem aticos les prestaron atenci on y buscaron justicaci on te orica, que fue encontrada en el trabajo de Laplace [8]. La transformada de Laplace puede interpretarse como una generalizaci on de la transformada de Fourier, que permite manejar problemas no tratables con esta u ltima. El paso clave ocurre con la observaci on de que muchas de las propiedades de la transformada de Fourier se conservan si en vez de utilizar una frecuencia puramente imaginaria j , se utiliza una frecuencia compleja s = + j , con = Re{s} y = Im{s}. As , la frecuencia pasa de ser un valor en una recta, a un valor en el plano complejo s. Puede demostrarse que las funciones exponenciales complejas est siguen siendo funciones propias de un sistema LTI, hecho en el cual se basa toda la aplicaci on pr actica de esta transformada. Se distinguen dos versiones de la transformada de Laplace: bilateral y unilateral. La primera est a directamente relacionada con la transformada de Fourier, y la segunda es la herramienta ampliamente utilizada en ingenier a, que se deriva de la transformada bilateral para se nales causales. Aqu se revisar an ambas para brindar el panorama completo. En la literatura de ingenier a, la mayor a de las veces en que se habla de transformada de Laplace se hace impl citamente referencia a su versi on unilateral.
197
198
4.1 Transformada bilateral de Laplace
4.1
Transformada bilateral de Laplace
En el cap tulo anterior se deni o la transformada de Fourier como X (j ) =
x(t)ejt dt
La transformada de Laplace se obtiene ampliando la recta de frecuencias complejas j al plano complejo s = + j , donde es ahora un nuevo componente real de la frecuencia. As , la transformada de Laplace se dene como:
X (s) =
x(t)est dt
(4.1)
De forma similar a la transformada de Fourier, se utiliza aqu la notaci on L {} para denotar al operador que transforma la se nal en el tiempo, a su equivalente en el plano de frecuencia compleja s: X (s) = L {x(t)} La relaci on entre el dominio temporal y de frecuencia compleja se denota como x(t) o simplemente x(t) si el contexto lo permite. N otese entonces que se cumple L {x(t)}|s=j = X (s)|s=j = F {x(t)} Por otro lado
X (s)
X (s)
L {x(t)} = X (s) = X ( + j ) = =
x(t)e(+j)t dt

x(t)et ejt dt

x(t)et ejt dt
= F x(t)et lo que quiere decir que la transformada de Laplace puede interpretarse como la transformada de Fourier de la funci on x(t) multiplicada por una se nal exponencial real et que ser a creciente o decreciente dependiendo del signo de . De hecho, este producto entre x(t) y la funci on de ponderaci on et fue el punto de partida de Heaviside para su propuesta inicial: si x(t) no tiene directamente transformada de Fourier, puede conseguirse indirectamente la tenga si se multiplica por una funci on monot onicamente decreciente (o creciente) conocida, t como e .
4 Transformada de Laplace
199
Ejemplo 4.1 Calcule la transformada de Laplace de la funci on x(t) = eat u(t). Soluci on: Se tiene que
L {x(t)} = =
eat u(t)est dt

eat est dt
0
=
0
e(a+s)t dt
0
e(a+s)t = a+s
1 e(a+s) = a+s Se debe evaluar la convergencia del t ermino e(a+s) . Descomponiendo el exponente en sus partes real e imaginaria y considerando s = + j se tiene e(a+s) = e(Re{a}+) ej (Im{a}+) donde el segundo factor no converge; sin embargo, puesto que su magnitud es uno, la convergencia del producto depende del primer factor: si Re{a} + > 0, esta expresi on converge a cero, si Re{a} + < 0 diverge hacia innito, y si Re{a} + = 0 entonces el producto simplemente no converge. Esto quiere decir que L {x(t)} = 1 , a+s > Re{a}
4.1
Este ejemplo pone en evidencia que la transformada de Laplace involucra no solo la expresi on algebraica en el dominio s, sino adem as la regi on de convergencia en dicho plano, abreviada con ROC, por sus siglas en ingl es (Region of Convergence ). Obs ervese que el caso Re{a} < 0 representa una regi on de convergencia que excluye al eje j , y por tanto la funci on x(t) no tiene transformada de Fourier. Este caso corresponder a en el tiempo a una exponencial monot onicamente creciente, lo que viola las condiciones de Dirichlet de integrabilidad absoluta. El pr oximo ejemplo pone en evidencia la importancia de la regi on de convergencia. Ejemplo 4.2 Calcule la transformada de Laplace de la funci on x(t) = eat u(t). Soluci on: Se tiene que
L {x(t)} = =
eat u(t)est dt eat est dt
200
0
e(a+s)t dt
0
e(a+s)t = a+s =
1e a+s
(a+s)
Se debe evaluar la convergencia del t ermino e(a+s) . Descomponiendo el exponente en sus partes real e imaginaria y considerando s = + j se tiene e(a+s) = e(Re{a}+) ej (Im{a}+) y a pesar de que el segundo factor no converge, puesto que su magnitud es uno, la convergencia del producto depende del primer factor: si Re{a} + < 0, esta expresi on converge a cero, si Re{a} + > 0 diverge hacia innito, y si Re{a} + = 0 entonces el producto simplemente no converge. Esto quiere decir que L {x(t)} = 1 , a+s < Re{a}
4.2
Plano s
Plano s
-Re{a}
-Re{a}
Figura 4.1: Regiones de convergencia para ejemplos 4.1 (izquierda) y 4.2 (derecha).
Los ejemplos anteriores muestran un hecho fundamental en el manejo de la transformada de Laplace: la misma expresi on algebraica en el dominio s puede representar funciones diferentes en el dominio temporal, dependiendo de la regi on de convergencia utilizada. La gura 4.1 muestra las ROC de los dos ejemplos anteriores en el plano s. N otese que la regi on de convergencia puede interpretarse como el conjunto de puntos del plano s = + j para los cuales la transformada de Fourier de x(t)et existe. Ejemplo 4.3 Encuentre la transformada de Laplace de la funci on x(t) = ebt u(t) + et cos(at)u(t)
201
con a y b reales. Soluci on: La funci on puede reescribirse utilizando la ecuaci on de Euler como ejat + ejat x(t) = e + e u(t) 2 1 1 = ebt + e(1ja)t + e(1+ja)t u(t) 2 2
bt t
y calculando la transformada de Laplace se obtiene X (s) = 1 1 ebt + e(1ja)t + e(1+ja)t u(t)est dt 2 2 1 1 = ebt + e(1ja)t + e(1+ja)t est dt 2 2 0 1 1 (1+ja)t st = ebt est dt + e(1ja)t est dt + e e dt 2 2 0 0 0
que son tres transformaciones id enticas a las del ejemplo 4.1, por lo que X (s) = 1 1 1 1 1 + + b+s 2 (1 ja) + s 2 (1 + ja) + s
ROC:>1 ROC:>1
ROC:>b
Puesto que los tres t erminos deben converger, se utiliza como regi on de convergencia total a la intersecci on de las tres ROC individuales, y por tanto la ROC de x(t) es > max{1, b}. Finalmente x(t) = ebt u(t) + et cos(at)u(t)
2s2 + (3 + b)s + 1 + a2 + b (b + s)(1 + a2 + 2s + s2 )

4.3
Los ejemplos anteriores son casos particulares donde la transformada de Laplace es una funci on racional, es decir, un cociente de polinomios N (s) y D(s) de variable compleja s X ( s) = N (s) D ( s)
En estos casos en que X (s) es racional, x(t) es siempre una combinaci on lineal de exponenciales reales o complejas. Adem as, este tipo de funciones racionales aparecen, como se analizar a posteriormente, cuando se describen sistemas especicados a trav es de ecuaciones diferenciales lineales con coecientes constantes. En las funciones racionales, los ceros corresponden a las ra ces de N (s) y los polos a las ra ces de D(s). Puesto que la ubicaci on de estas ra ces, excepto por un factor de escala, son sucientes para especicar X (s), se acostumbra utilizar un diagrama de polos y ceros para indicar la transformada de Laplace, donde con se demarcan los polos, y con los ceros, y se denota adem as la regi on de convergencia en uso. As , el diagrama de polos y ceros para los ejemplos 4.1 y 4.3 se muestra en la gura 4.2.
202
Plano s
Plano s
1 + ja b 1 1 ja
Figura 4.2: Regiones de convergencia para ejemplos 4.1 (izquierda) y 4.3 (derecha).
Adem as de los ceros y polos en la expresi on algebraica de la transformada de Laplace, si esta es racional, y el orden del numerador es en un orden k menor que el denominador, se dice que hay un cero de orden k en innito, puesto que si s tiende a innito, entonces X (s) tiende a cero. De forma similar, si el numerador es en un orden k mayor que el denominador, entonces se considera que hay un polo de orden k en el innito, puesto que si s tiende a innito, tambi en lo har a X (s). En otras palabras, para las funciones racionales puede considerarse que siempre hay el mismo n umero de polos y ceros, si se toman en cuenta aquellos en el innito.
4.1.1
Regiones de convergencia
La regi on de convergencia contiene aquellos puntos del plano s para los que la transformada de Fourier de x(t)et existe, lo que implica que x(t)et debe ser absolutamente integrable:

|x(t)|et dt <
Esto depende u nicamente de la componente real de la frecuencia compleja s. Por esta raz on, la ROC de X (s) consiste en bandas paralelas al eje j en el plano s. Puesto que la integral de Laplace debe converger, la ROC no puede contener ning un polo, por indenirse all el valor de la expresi on algebraica. Esto sugiere que los l mites de las bandas verticales que conforman la ROC estar an determinados por las componentes reales de los polos. Sea x(t) una funci on de duraci on nita, es decir, con valores diferentes de cero dentro de un intervalo nito [t1 , t2 ], y fuera de all siempre cero. Sea x(t) adem as absolutamente integrable dentro de dicho intervalo:
t2 t1
|x(t)| dt < .
(4.2)
203
Si s = + j est a dentro de la ROC, eso quiere de decir que x(t)et es tambi en absolutamente integrable
t2 t1
|x(t)|et dt <
(4.3)
Con = 0 (4.3) se reduce a (4.2) por lo que = 0 se encuentra en la ROC. Si > 0 entonces el valor m aximo de et se obtiene para t = t1 y por tanto
t2 t1
|x(t)|et dt et1
t2 t1
|x(t)| dt <
por lo que todo > 0 se encuentra en la ROC. De forma similar para < 0 se cumple que el mayor valor de et ocurre para t = t2 , por lo que
t2 t1
|x(t)|e
dt e
t2
t2 t1
|x(t)| dt <
y as todo < 0 se encuentra en la ROC. De esta forma se ha demostrado que si x(t) es nita y absolutamente integrable entonces todo el plano s constituye su ROC.
Ejemplo 4.4 Calcule la transformada de Laplace de la funci on nita x(t) = eat , 0 < t < T 0, en otro caso
Soluci on: Utilizando la denici on de transformada de Laplace se obtiene

T
X (s) =
0
eat est dt =
1 1 e(s+a)T s+a
lo que aparenta tener un polo en s = a. Esto ser a sin embargo contradictorio con la propiedad anteriormente descrita. Sin embargo, si s = a el numerador tambi en se hace cero, por lo que debe evaluarse la convergencia en este punto utilizando, por ejemplo, la regla de lH opital: d (s+a)T 1e aT sT =T lim X (s) = lim ds = lim T e e d sa sa sa (s + a) ds que al ser un valor nito concuerda con la propiedad de convergencia completa del plano s.
4.4
Una se nal acotada por su izquierda, o tambi en llamada una se nal derecha es aquella para la que se cumple x(t) = 0 para t < t1 . Si la transformada de Laplace converge para alg un valor = 0 entonces

|x(t)|e0 t dt <
204
Puesto que la se nal es derecha entonces lo anterior se puede reescribir como

t1
|x(t)|e0 t dt <
y para todo 1 > 0

t1
|x(t)|e1 t dt =
t1
|x(t)|e0 t e(1 0 )t dt e(1 0 )t1
t1
|x(t)|e0 t dt <
es decir, para una se nal derecha su ROC contendr a siempre el semiplano derecho de s a partir de un cierto valor 0 . Un razonamiento similar se sigue para se nales izquierdas o acotadas por la derecha, que converger an para todo un semiplano izquierdo delimitado por la recta vertical que pasa por 0 . Una se nal bilateral es aquella de extensi on innita tanto a la izquierda, como a la derecha. Una se nal de este tipo puede descomponerse como la suma de una se nal izquierda y otra derecha, parti endola en dos en alg un punto nito. En este caso la ROC contendr a la intersecci on de las ROC individuales. Si dicha intersecci on es vac a, entonces la transformada de Laplace no existe. En caso contrario, como es la intersecci on de un semiplano izquierdo y otro derecho, la ROC corresponder a a una banda vertical. La gura 4.3 muestra los cuatro casos anteriores en forma esquem atica. Ejemplo 4.5 Encuentre la transformada de Laplace de x(t) = ea|t| con su respectiva regi on de convergencia, para a IR. Soluci on: Esta ecuaci on puede reescribirse como la suma de una se nal derecha y otra izquierda acotadas en el punto t = 0. x(t) = eat u(t) + e+at u(t) De los ejemplos 4.1 y 4.2 eat u(t) eat u(t)
1 , s+a 1 , sa
ROC: > a ROC: < a
N otese que si a < 0 entonces no hay una regi on de convergencia com un a ambos t erminos y por tanto no existe la transformada de Laplace. Si a > 0 entonces ea|t|
1 1 2a = 2 , s+a sa s a2
ROC: a < < a
x (t) ROC t1 (a) x (t) j ROC t1 (b) x (t) ROC t2 (c) x (t) j ROC t (d) t j t t2 t j
205
Figura 4.3: Regiones de convergencia correspondientes a se nales (a) nita, (b) derecha, (c) izquierda y (d) bilateral.
4.5
Si la transformada de Laplace X (s) de x(t) es racional, entonces si x(t) es una funci on derecha, su ROC ser a el semiplano derecho limitado a la izquierda por el polo de X (s) con mayor componente real. Por otro lado, si x(t) es izquierda, su ROC ser a el semiplano izquierdo limitado a la derecha por el polo de X (s) con menor componente real. La gura 4.4 muestra las posibles regiones de convergencia de una funci on X (s) con varios polos. N ote que en el caso de la gura solo la ROC correspondiente a una funci on derecha permite la existencia de la transformada de Fourier, puesto que solo ella incluye al eje imaginario j . N otese que en todo el an alisis anterior se ha supuesto que x(t) es de orden exponencial, es decir, que cuando t existen n umero reales constantes , M , t1 y t2 tales que |x(t)| < M et
206
j

j
Figura 4.4: Regiones de convergencia limitados por polos de transformada de Laplace X (s).
para todo t > t1 y x(t) una se nal derecha, o para t < t2 y x(t) una se nal izquierda. En caso contrario, no existe la transformada de Laplace al no converger la integral de denici on.
4.1.2
Propiedades de la transformada de Laplace
Por su estrecha relaci on con la transformada de Fourier, muchas de las propiedades de esta u ltima se mantienen. Sin embargo, en la transformada de Laplace debe tenerse cuidado con las implicaciones para la regi on de convergencia. En el caso de funciones racionales, por ejemplo, si la modicaci on de la funci on altera la posici on de los polos, la ROC se trasladar a con ellos, en concordancia con los conceptos discutidos anteriormente. Linealidad Sean las funciones en el dominio del tiempo x1 (t) y x2 (t) y sus respectivas transformadas de Laplace x1 (t)
x2 (t) entonces 1 x1 (t) + 2 x2 (t)
X1 (s), X2 (s),
ROC: R1 ROC: R2 ROC: R1 R2
1 X1 (s) + 2 X2 (s),
donde la ROC indicada representa la menor regi on de convergencia posible, puesto que, como el problema 4.7 lo muestra, la ROC de la combinaci on lineal puede ser mayor que la de los t erminos por separado, puesto que algunos polos pueden desaparecer.
207
Esta propiedad puede demostrarse f acilmente utilizando la propiedad de linealidad de la integral, junto con la observaci on de que la transformada total converge solo en aquella regi on com un a todos los t erminos, es decir, a su intersecci on. N otese que es posible, si no hay puntos comunes en las regiones de convergencia, que no exista la transformada de Laplace de una combinaci on lineal. Desplazamiento en el tiempo y en el dominio s Con un an alisis an alogo al caso de la transformada de Fourier se puede demostrar que si x(t) X (s) con ROC R entonces x(t t0 )
y es0 t x(t)
est0 X (s),
ROC: R
X (s s0 ),
ROC: {s | s = r + s0 , r R}
Es decir, la regi on de convergencia no es alterada cuando se desplaza la se nal en el tiempo. Sin embargo, si de desplaza la se nal en el dominio s entonces tambi en lo hace su regi on de convergencia. Esto puede comprenderse considerando que en X (s s0 ) los polos y ceros est an desplazados en s0 con respecto a los de X (s), y por tanto tambi en se desplaza su regi on de convergencia. Puesto que las ROC son bandas de longitud vertical innita, este desplazamiento puede interpretarse como un corrimiento horizontal de la ROC determinada por Re{s0 }. Un caso particular consiste en la modulaci on, es decir ej0 t x(t)
X (s j0 )
que desplaza la transformada de Laplace en direcci on vertical, trasladando todo polo y cero en a hacia a + j0 . N otese que la ROC en este caso queda inalterada. Conjugaci on Para x(t)
X (s) con ROC R se cumple x (t)
X (s ),
ROC: R
y por lo tanto X (s) = X (s ) si x(t) es real. Consecuencia directa de este hecho es que si p es un polo complejo con parte imaginaria diferente de cero, entonces p tambi en lo es. Escalamiento en el tiempo Si L {x(t)} = X (s) con ROC R entonces para a IR x(at)
1 s X , |a| a
ROC:
r s | s = ,r R a
208
es decir, al igual que con la serie de Fourier, una compresi on en el tiempo equivale a una dilataci on en el dominio s, donde sin embargo ahora la dilataci on ocurre en el plano complejo. N otese que los l mites de la ROC cambian. Si para x(t) estos l mites eran r1 y r2 , entonces para x(at) estos ser an r1 /a y r2 /a. Para el caso en particular a = 1 se tiene entonces x(t)
X (s) ,
ROC: {s | s = r, r R}
que equivale a una rotaci on de 180 del plano s como dominio de denici on de X (s), modic andose la posici on de los polos y por tanto tambi en la ROC. Convoluci on Si
x1 (t)
x2 (t) entonces x1 (t) x2 (t)
X1 (s), X2 (s),
X1 (s)X2 (s),
donde la regi on de convergencia puede ser mayor a la indicada si en el producto los polos que determinan los l mites de las ROC individuales se cancelan. Diferenciaci on en el tiempo y en el dominio s Si x(t)
X (s) con ROC R entonces d x(t) dt
sX (s),
ROC: R
donde si X (s) tiene un polo de primer orden en s = 0 entonces la ROC puede ser mayor. Esta propiedad se puede aplicar recursivamente para llegar a dn x(t) dtn Adem as tx(t)
sn X (s),
ROC: R
d X (s), ds
ROC: R
Ejemplo 4.6 Encuentre la transformada de Laplace de x(t) = teat u(t) Soluci on: Puesto que eat u(t)
1 , s+a
ROC: > a
209
entonces teat u(t)
d 1 1 = , ds s + a (s + a)2
ROC: > a
4.6
Integraci on en el tiempo Si x(t)
X (s) con ROC R entonces

t
x( ) d
1 X (s), s
ROC: R {s | Re{s} > 0}
lo que puede deducirse del hecho que

t
x( ) d = u(t) x(t)
y puesto que L {u(t)} = 1/s con ROC > 0 entonces, con la propiedad de convoluci on se tiene 1 u(t) x(t) X (s) s con una ROC igual a la intersecci on entre > 0 y la ROC de X (s).
4.1.3
La transformada inversa de Laplace
Puesto que
X (s) = X ( + j ) = F x(t)e
x(t)et ejt dt
con s = + j dentro de la ROC, entonces puede de forma equivalente utilizarse la transformada inversa de Fourier para encontrar a x(t) x(t)et = F 1 {X ( + j )} = Multiplicando ambos lados por et se obtiene x(t) = 1 2
1 2
X ( + j )ejt d
X ( + j )e(+j)t d
que corresponde a una integral en el plano complejo s con una trayectoria de integraci on vertical con componente real constante dentro de la ROC y con componente imaginaria que abarca desde = hasta = . Esto puede expresarse tambi en, haciendo un cambio de variable en la ecuaci on anterior s = + j , ds = jd , como 1 x(t) = 2j
+j
X (s)est ds
j
(4.4)
A esta ecuaci on se le conoce como transformada inversa de Laplace, o tambi en f ormula integral de Bromwich.
210
Tabla 4.1: Propiedades de la Transformada Bilateral de Laplace Propiedad Se nal en el tiempo x(t) x1 (t) x2 (t) 1 x1 (t) + 2 x2 (t) x(t) IR x(t ) es0 t x(t) x (t) x(t) x1 (t) x2 (t) dx(t) dt n d x(t) dtn tx(t)
t
Transformada X (s) X1 ( s) X2 ( s) 1 X1 (s) + 2 X2 (s) X (s) = X (s ) es X (s) X (s s0 ) X (s ) X (s) 1 s X |a| a X1 (s)X2 (s) sX (s) sn X (s) d X ( s) ds 1 X (s) s
ROC R R1 R2 R1 R2 R R R + s0 R R R/a R1 R2 R R R R { > 0}
Linealidad Funci on real Desplazamiento temporal Desplazamiento en s Conjugaci on Inversi on en el tiempo
Escalamiento en el tiempo x(at) Convoluci on Diferenciaci on
Integraci on
x( ) d
Las operaciones aritm eticas utilizadas en la ROC se reeren a operaciones aplicadas a cada uno de los elementos de la regi on. As por ejemplo R + s0 denota en realidad {s | s = r + s0 , r R}. El s mbolo en la ROC implica que la regi on es al menos la indicada.
M etodo de inversi on por integraci on Para calcular la transformada inversa de Laplace a trav es de la integral de Bromwich se recurre a las herramientas tratadas en el cap tulo 2.6. La gura 4.5 muestra el contorno de integraci on denominado contorno de Bromwich , con el cual se realiza el c alculo directo de la transformada inversa de Laplace para una se nal causal. Este se compone de un segmento vertical AB con componente real , situado dentro de la regi on de convergencia, y de un arco de un c rculo de radio R centrado en el origen que pasa por BCDEA. Debe tenerse cuidado de que no existan polos en el innito, que intereran con el contorno de integraci on. La elecci on de una funci on derecha o izquierda se hace observando la forma de la regi on de convergencia, donde para se nales anticausales se elige la reexi on del contorno mostrado en la gura 4.5. Una descripci on detallada de los cuidados que debe tenerse y el procedimiento correcto para evitarlos se encuentra en [11]. Para calcular la transformada inversa, considerando que T = R2 2 , la integral (4.4) se puede reescribir como 1 x(t) = lim R 2j
+jT
X (s)est ds
jT
Im{s} C T B
211
Plano s
R D Re{s}
T E
Figura 4.5: Contorno de Bromwich.
= lim
1 R 2j
X (s)est ds
X (s)est ds
Como ya se mencion o anteriormente, la ROC no contiene polos de X (s). Cuando R tiende a innito, el contorno encerrar a a todos los polos nitos a la izquierda de la regi on de convergencia y esta integral cerrada se puede calcular con cualquiera de los m etodos estudiados anteriormente, como el teorema del residuo o la f ormula integral de Cauchy. N otese que si la integral sobre el contorno tiende a cero para R entonces se cumple 1 x(t) = lim R 2j
+jT
X (s)est ds = lim
jT
1 R 2j
X (s)est ds
(4.5)
Para determinar esto, se puede utilizar el Lema de Jordan (secci on 2.7) si primero se aplica un mapeo lineal que traslade horizontalmente el plano s de modo tal que el segmento de recta AB se sobreponga al nuevo eje imaginario. Considerando esto se obtiene que la integral sobre el contorno tiende a cero para todas las funciones polinomiales N (s)/D(s) donde el grado del polinomio N (s) es menor que el de D(s) (ver problema 4.11). Ejemplo 4.7 Calcule la transformada inversa de Laplace de X (s) = si Re{a} > 0. Soluci on: Como la funci on es racional y se cumplen los requisitos para que la integral en el arco del contorno de Bromwich desaparezca y 1 x(t) = 2j
+j j
1 , s+a
ROC: > Re{a}
1 st 1 e ds = s+a 2j
1 st e ds s+a
212
Puesto que debe estar en la ROC, y el contorno encierra al u nico polo de X (s) en a, entonces, utilizando la f ormula integral de Cauchy: 1 st e ds = 2jeat s+a
y nalmente, como el resultado anterior es v alido solo para t 0 x(t) = eat u(t)
4.7
Ejemplo 4.8 Calcule la transformada inversa de Laplace de X (s) = si Re{a} > 0 y n IN, n > 1. Soluci on: Como la funci on es racional se cumplen los requisitos para que la integral en el arco del contorno de Bromwich desaparezca y 1 x(t) = 2j
+j j
1 , (s + a)n
ROC: > Re{a}
1 1 est ds = n (s + a) 2j
1 est ds n (s + a)
Puesto que debe estar en la ROC, y el contorno encierra al polo de n- esimo orden de X (s) en a, entonces, utilizando la f ormula integral de Cauchy:
2j dn1 st 1 st e ds = e (s + a)n (n 1)! dsn1
s=a
Puesto que d st e = test ds d2 st e = t2 est ds2 . . . dn1 st e = tn1 est dsn1 entonces, como el resultado es v alido solo para t 0 x(t) = 1 t(n1) eat u(t) (n 1)!
4.8
213
Ejemplo 4.9 Encuentre la transformada inversa de 1 X (s) = n s para n 1 Soluci on: De los ejemplos anteriores con a = 0 y n 0 se obtiene 1 1 1 u(t) tn1 u(t) n s s (n 1)!
4.9
Este m etodo basado en la integral de Bromwich es poco utilizado en la pr actica, puesto que hay muchas sutilezas matem aticas (no consideradas aqu ) que pueden llevar al resultado err oneo. El lector puede comprobar este hecho transformado, por ejemplo, eat u(t t0 ) al dominio de Laplace y de regreso al dominio temporal. De hecho, siempre que la expresi on algebraica de la transformada de Laplace tenga polos en innito o un n umero de polos innito, la integral de Bromwich debe evaluarse con m etodos alternativos por no cumplirse las condiciones necesarias para asumir que la integral en el arco circular desaparece. Los m etodos generalmente m as utilizados involucran el uso de tablas realizadas para funciones elementales, y la descomposici on de funciones X (s) m as complejas en t erminos de estas funciones elementales. Estos m etodos se tratan a continuaci on. M etodo de series Si X (s) se puede expresar en su ROC como una serie de potencias, por ejemplo c1 c2 c3 X (s) = + 2 + 3 + ... s s s entonces, utilizando los resultados del ejemplo 4.9 y la propiedad de linealidad de la transformada de Laplace se cumple que c3 c4 x(t) = c1 + c2 t + t2 + t3 + . . . u(t) 2! 3! Descomposici on en fracciones parciales Cualquier funci on racional de la forma X (s) = N (s)/D(s), con N (s) y D(s) polinomios tales que el orden de D(s) es estrictamente mayor que el de N (s) pueden descomponerse como una suma de t erminos m as sencillos, cada uno con un solo polo de orden n. Si X (s) contiene u nicamente m polos simples en ai , entonces
m
X (s) =
i=1
Ai s ai
N otese que los numeradores de cada t ermino son todos constantes, y que esto es v alido solo si el orden de N (s) es menor que el de D(s), en cuyo caso a X (s) se le denomina funci on racional propia . En caso contrario, X (s) es una funci on racional impropia que puede expresarse como una suma de un polinomio m as una funci on racional propia. Esta u ltima descomposici on se puede realizar por medio de una divisi on polinomial adecuada.
214
Ejemplo 4.10 Descomponga la siguiente funci on racional impropia en una suma de un polinomio m as una funci on racional propia. X ( s) = s3 1 s2 1
Soluci on: Utilizando divisi on polinomial se obtiene s3 s3 ) 1 s2 1 s
s s
con lo que resulta X ( s) = s +
1 s1 = s + s2 1 s+1
Si se desea obtener la transformada inversa de esta expresi on, de la tabla 4.2 se tiene que s 1 s+1
d (t) dt et u(t)
donde se ha asumido que la se nal debe ser causal. Con la propiedad de linealidad se tiene entonces d X ( s) x(t) = (t) + et u(t) dt
4.10
Si X (s) contiene polos de n- esimo orden en ai , entonces en la descomposici on en fracciones parciales aparecer an los t erminos Ai1 Ain Ai2 + ... + + 2 s ai ( s ai ) (s ai )n Para encontrar el coeciente Ak del polo simple ak se procede con
m sak
lim (s ak )X (s) = lim
sak
i=1
( s ak )
Ai = s ai
m sak
i=1
lim (s ak )
Ai s ai
donde, puesto que

sak
lim
s ak = s ai
sak
0 para i = k 1 para i = k (4.6)
entonces Ak = lim (s ak )X (s) El coeciente Ain para el polo ai orden n > 1 se obtiene de manera similar: Ain = lim (s ai )n X (s)
sai
215
Los coecientes Aik con 1 k < n se determinan a trav es de derivaciones sucesivas, con un razonamiento an alogo al utilizado en la determinaci on de los residuos en la p agina 68. El lector puede comprobar que estos coecientes estar an dados por Aik = lim 1 d(nk) [(s ai )n X (s)] (n k )! ds(nk)
sai
Puede demostrarse que si hay un par de polos complejos conjugados ai = a k , los coecientes correspondientes tambi en ser an complejos conjugados, es decir Ai = A k . En los ejemplos 4.1, 4.2, 4.7 y 4.8 se mostr o la correspondencia entre los dominios temporal y de Laplace para dichos t erminos simples, donde no debe perderse de vista la ROC de cada t ermino. Utilizando la propiedad de linealidad de la transformada de Laplace puede entonces determinarse la se nal en el tiempo correspondiente a X (s). La tabla 4.2 muestra algunas funciones elementales frecuentemente encontradas. Se deja al lector como ejercicio su demostraci on. Ejemplo 4.11 Encuentre la transformada inversa de Laplace de X (s) = s2 1 + 2s +
asumiendo primero que la se nal correspondiente x(t) es causal, y luego que es una se nal izquierda, y que , IR. Soluci on: Los polos a1 y a2 de X (s) equivalen a las ra ces del denominador: a1 = + 2
a2 =
que pueden ser dos valores reales diferentes, dos valores reales iguales, que equivaldr a a un polo doble, o un par de polos complejos conjugados, dependiendo si el t ermino = 2 es positivo, cero, o negativo, respectivamente. En el caso que = 0 entonces a1 = a2 = X (s) = 1 (s + )2
y con el ejemplo 4.8 se tiene para la regi on de convergencia > x(t) = tet u(t) . Utilizando la tabla 4.2 se obtiene para la regi on de convergencia < x(t) = tet u(t)
216
Tabla 4.2: Transformadas Bilaterales de Laplace de funciones elementales Se nal (t) Transformada ROC todo s >0 <0 >0 <0 > a < a > a < a todo s >0 >0 > a > a todo s
1 1 u(t) s 1 u(t) s n1 t 1 u(t) (n 1)! sn n1 1 t u(t) (n 1)! sn 1 eat u(t) s+a 1 eat u(t) s+a tn1 at 1 e u(t) (n 1)! (s + a)n n1 t 1 eat u(t) (n 1)! (s + a)n (t ) es [cos(0 t)]u(t) [sen(0 t)]u(t) [eat cos(0 t)]u(t) [eat sen(0 t)]u(t) dn (t) dtn s2
s 2 + 0 0 2 2 s + 0 s+a 2 (s + a)2 + 0 0 2 (s + a)2 + 0
sn
En el caso que = 0 se cumple X (s) = 1 A1 A2 = + (s a1 )(s a2 ) s a1 s a2
Para encontrar Ai puede utilizarse (4.6) o simplemente se multiplica ambos lados de la ecuaci on anterior por (s a1 )(s a2 ) que resulta en 1 = (s a2 )A1 + (s a1 )A2 Con s a2 , y luego con s a1 se obtiene A1 = 1 1 = a1 a2 2 A2 = 1 1 = A1 = a2 a1 2
217
por lo que nalmente 1 1 1 X (s) = 2 s a1 s a2 Si > 0 entonces ambos polos son reales y se cumple a1 > a2 por lo que para la ROC > a1 se obtiene 1 x(t) = ea1 t ea2 t u(t) 2 y para la ROC < a2 1 x(t) = ea1 t ea2 t u(t) 2 Si < 0 se cumple a1 = a2 y entonces para la ROC > se obtiene x(t) = = = y para la ROC < x(t) = 1 || et sen ||t u(t)
4.11
1 2j 1 ||
eRe{a1 }t ej Im{a1 }t ej Im{a1 }t u(t)
|| 1 ||
eRe{a1 }t sen(Im{a1 }t)u(t) et sen ||t u(t)
La gura 4.6 muestra ejemplos para cada uno de los casos citados.
Ejemplo 4.12 Calcule la transformada inversa de Laplace de X (s) = s(s + a) + a(1 j ))(s + a(1 + j ))
(s +
2a)2 (s
con a IR una constante positiva, para todas las regiones de convergencia posibles. Soluci on: Para encontrar las regiones de convergencia se parte del diagrama de polos y ceros indicado en la gura 4.7. Se nota claramente que con los polos indicados hay tres posibles regiones. Para la se nal derecha, ROC1 tiene > a. La se nal bilateral tiene como ROC2 2a < < a. La se nal izquierda tiene como ROC3 < 2a. El super ndice sobre el polo en 2a indica el orden del mismo. El orden del numerador de X (s) es uno, y el orden del denominador es cuatro, por lo tanto se cumple A11 A12 A2 A3 X ( s) = + + + 2 s + 2a (s + 2a) s + (a ja) s + (a + ja)
218
Anticausales x (t) =0
Causales x (t) =0
t x (t) >0 x (t) >0
x (t) <0
x (t) <0
Figura 4.6: Ejemplos de funciones con transformada de Laplace de orden 2 para el ejemplo 4.11. Del lado izquierdo se presentan las se nales anticausales. Del lado izquierdo se presentan las se nales causales (con ROC un semiplano derecho). En cada caso se indica si el valor del t ermino es positivo, negativo o cero.
j ROC3 ROC2 ROC1 a
219
2a
a a
Figura 4.7: Diagrama de polos y ceros del ejercicio 4.12.
con A11 = lim d d s(s + a) s2 + sa = lim s2a ds s2 + 2as + 2a2 s2a ds (s + (a ja))(s + (a + ja)) 1 a(s2 + 4as + 2a2 ) = = lim 2 2 2 s2a (s + 2as + 2a ) 2a s(s + a) A12 = lim =1 s2a (s + (a ja))(s + (a + ja)) 1 2 j/4 A2 = lim = (1 + j ) = e s(a+ja) 4a 4a 1 2 j/4 A3 = lim = (1 j ) = e s(aja) 4a 4a
Para la ROC1 , todos los t erminos corresponden a funciones derechas, por lo que, utilizando resultados de ejemplos anteriores se tiene que x(t) = = 1 2at 1 j/4 (aja)t j/4 (a+ja)t e + te2at + 2e e + 2e e 2a 4a at 2e 1 2at t e + cos at + u(t) 2a 2a 4 u(t)
lo que se muestra en la gura 4.8. Para la ROC2 los polos complejos conjugados corresponden a una se nal izquierda mientras que el polo real en 2a corresponde a una se nal derecha. As at 1 2e 2at x(t) = t e u(t) cos at + u(t) 2a 2a 4 lo que se muestra en la gura 4.9.
220
x (t)
0.1
0.05
0 -1 0 1 2 3 4 5 6 7 8 9
-0.05
Figura 4.8: Funci on x(t) para la ROC1 del ejemplo 4.12, con a = 1.
x (t)
0.5
0 -2 -1 -0.5 0 1 2 3 4 5 6 7
-1
-1.5
-2
-2.5
Y nalmente para la ROC3 todos los polos aportan a se nales izquierdas y x(t) = 1 t e2at 2a at 2e cos at + 2a 4 u(t)
lo que se muestra en la gura 4.10.

x (t)
2
0 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0
t
0.1
4.12
221
4.1.4
Sistemas LTI y la transformada de Laplace
Tal y como se discuti o en la secci on 3.4, la reacci on de un sistema a una se nal de entrada se puede calcular a trav es de la convoluci on de dicha se nal de entrada con la respuesta al impulso del sistema. Debido a la propiedad de convoluci on de la transformada de Laplace, es posible simplicar el manejo de este operador utilizando la representaci on de las se nales involucradas y la respuesta al impulso en el dominio de la frecuencia, tal y como se hizo con la transformada de Fourier:
Esta transformada tiene mayores posibilidades en el an alisis de sistemas que la transformada de Fourier, puesto que con ella se pueden tratar casos inestables que no tienen representaci on en el dominio j , es decir, todos aquellos casos en que la ROC de la transformada de Laplace no incluye al eje imaginario del plano s = + j . Recu erdese que a H (j ) se le conoce como respuesta en frecuencia del sistema. A H (s) se le denomina funci on del sistema o funci on de transferencia del sistema. Causalidad Si un sistema es causal entonces su respuesta al impulso h(t) es cero para todo t < 0 y es por tanto una funci on derecha. Por esta raz on la ROC de todo sistema causal ser a un semiplano derecho. Debe notarse, sin embargo, que lo contrario no es cierto, es decir, que si la ROC de una funci on es un semiplano derecho entonces la funci on no es necesariamente causal, puesto que no toda funci on derecha es causal. Por ejemplo, u(t + 1) es derecha pero como en el intervalo [1, 0] es diferente de cero entonces no es causal. Para el caso particular de funciones racionales, al no tener H (s) los t erminos exponenciales causantes del desfase en el tiempo, se puede armar que si su ROC es un semiplano derecho delimitado por el polo m as a la derecha de H (s), entonces h(t) es causal. Un sistema se denomina anticausal si su respuesta al impulso h(t) es cero para todo t > 0, que por ser una funci on izquierda implica un semiplano izquierdo como ROC. De igual modo que para sistemas causales, solo si H (s) es racional se puede inferir que si su ROC es un semiplano izquierdo entonces su respuesta al impulso es anticausal. Estabilidad En la secci on 3.4.4 se estableci o que un sistema estable BIBO tiene una respuesta al impulso absolutamente integrable, y por lo tanto tiene transformada de Fourier. Esto implica entonces a su vez que si h(t) es la respuesta al impulso de un sistema estable, entonces H (s) debe incluir en su ROC al eje imaginario j del plano s.

Y (s) = H (s)X (s)
y (t) = h(t) x(t)
222
Ejemplo 4.13 Sea H ( s) =
la funci on de transferencia de un sistema estable. Determine su respuesta al impulso. Soluci on: La gura 4.11 muestra el diagrama de polos y ceros de X (s) junto con las tres posibles regiones de convergencia. Puesto que de las tres ROC mostradas solo la banda de convergencia al centro contiene al eje j , se deriva que la respuesta al impulso es una funci on bilateral.
j j j
s2 (s + 1)(s 1)
+1
+2
+1
+2
+1
+2
Figura 4.11: Diagrama de polos y ceros y posibles regiones de convergencia en el ejemplo 4.13.
Descomponiendo a H (s) en fracciones parciales se obtiene H (s) = y de este modo 1 3 h(t) = et u(t) + et u(t) 2 2 lo que se muestra en la gura 4.12.
h(t)
1.5
1 1 3 2 s+1 s1
4.13
0.5
0 -5 -4 -3 -2 -1 0 1 2 3 4 5
Figura 4.12: Gr aca de la respuesta al impulso h(t) en el ejemplo 4.13.
En el ejemplo 4.13 la ROC correspondiente al semiplano derecho corresponde a una respuesta causal, pero inestable, al no incluir al eje j . El semiplano izquierdo corresponde a una se nal anticausal, tambi en inestable. De lo anterior se deduce que, para que un sistema causal, con funci on de transferencia racional, sea estable, entonces todos sus polos deben estar localizados al lado izquierdo del eje imaginario.
223
Ejemplo 4.14 Eval ue la estabilidad del sistema causal de segundo orden con funci on de transferencia 1 H (s) = 2 s + 2s + donde , IR. Soluci on: En el ejemplo 4.11 se analizaron las posibles transformaciones causales y anticausales de una funci on igual a H (s). Para la estabilidad del sistema causal se deben considerar tres casos: un polo de orden dos, dos polos reales, o un par de polos complejos conjugados. Si el discrimiante = 2 es cero se tiene un polo de orden dos en . Este polo se encuentra del lado izquierdo del eje j solo si > 0. Si > 0 los polos son reales, y el polo m as a la derecha se encuentra en a1 = + 2
Este polo se encuentra a la izquierda del eje imaginario solo si > 0 y + 2 < 0
2 < 2 >0
2 <
Si < 0 entonces la componente real del polo es , que se encontrar a del lado izquierdo del eje imaginario solo si > 0. Estos tres casos se resumen gr acamente en la gura 4.13.
<0
>0
Figura 4.13: Valores de y que dan origen a un sistema de segundo orden causal y estable. Solo valores en las regiones sombreadas conducen a la estabilidad.
4.14
4.1.5
Ecuaciones diferenciales lineales con coecientes constantes
El comportamiento de muchos sistemas f sicos, entre ellos los circuitos lineales (es decir, circuitos RLC, con amplicadores operacionales lineales) puede describirse a trav es de ecua-
224
ciones diferenciales lineales con coecientes constantes de la forma

N
ak
k=0
dk y (t) = dtk
bk
k=0
dk x(t) dtk
Aplicando la transformada de Laplace a ambos lados L dk y (t) ak dtk k=0

N M
=L
k=0
bk
dk x(t) dtk
y con la propiedad de linealidad

N
ak L
k=0
dk y (t) dtk
=
k=0
bk L
dk x(t) dtk
Utilizando ahora la propiedad de diferenciaci on

N M
ak s Y (s) =
k=0 N k=0
bk sk X (s)
M
Y (s)
k=0
ak sk = X (s)
k=0
bk s k
Puesto que la funci on de transferencia del sistema es H (s) = entonces se cumple H ( s) =

M k k=0 bk s N k k=0 ak s
Y (s) X ( s)
que es una funci on racional con un numerador igual a un polinomio de grado M , cuyos coecientes son iguales a aquellos que multiplican las derivadas de la funci on de entrada, y con un denominador igual a un polinomio de grado N con coecientes iguales a los de las k derivadas de la funci on de salida. Los ceros de H (s) son entonces las ra ces de M k=0 bk s y est an determinados entonces por los coecientes de las derivadas de la entrada u nicamente. N k Los polos de H (s) equivalen a las ra ces de k=0 ak s y est an determinados por los coecientes de las derivadas de la salida. Note que esta deducci on es v alida tambi en utilizando la transformada de Fourier, y se sustituye simplemente s por j . Ejemplo 4.15 La gura 4.14 muestra un circuito RLC interpretado como sistema con tensi on el ectrica de entrada x(t) y tensi on el ectrica de salida y (t). Determine la funci on de transferencia del sistema, y eval ue la estabilidad del mismo. Soluci on: En un condensador y en una bobina se cumple para su tensiones u(t) y sus corrientes i(t) d d i(t) = C u(t) u(t) = L i(t) dt dt
225
R
+
L
+
x (t)
y (t)
Figura 4.14: Circuito RLC.
Para el circuito de la gura 4.14 en particular, la tensi on en el condensador es y (t) y por tanto d i(t) = C y (t) dt Adem as, se cumple que d i(t) + y (t) dt d2 d = RC y (t) + LC 2 y (t) + y (t) dt dt y expresando esto en el dominio de Laplace x(t) = Ri(t) + L X (s) = sRC Y (s) + s2 LC Y (s) + Y (s) = Y (s) LCs2 + RCs + 1 por lo que para la funci on de transferencia se cumple H (s) = = donde R R 4L 1 2 2L 2L R C y puesto que R, L, y C son siempre reales positivos se puede decir que el t ermino dentro de la ra z es siempre menor que uno, por lo que la parte real de los polos es siempre menor que cero. Puesto que, como sistema real, el circuito es causal, entonces se puede deducir que el sistema es estable al estar incluido en la ROC de H (s) el eje imaginario j . 1,2 = La respuesta al impulso se puede calcular a partir de H (s), pero su forma depender a del signo del discriminante de la ecuaci on cuadr atica anterior, tal y como se mostr o en el ejemplo 4.11.
4.15
Y (s) 1 = X ( s) LCs2 + RCs + 1 1 LC 1 s2 + R s+ L

1 LC
1 1 LC (s 1 )(s 2 )
4.2
Transformada unilateral de Laplace
Sistemas reales que modican se nales x(t) denidas en el tiempo son siempre causales. Estos sistemas pueden modicar se nales solamente a partir del instante en que estas ocurran,
226
4.2 Transformada unilateral de Laplace
pero es imposible reaccionar a ellas antes de que la se nal aparezca, o adelantarlas en el tiempo. Estas limitantes conducen a que en ingenier a se utilice una modicaci on de la transformada de Laplace que ignora lo que ocurre antes del instante de tiempo t = 0. As , se dene la transformada unilateral de Laplace como
Lu {x(t)} =
x(t)est dt = L {x(t)u(t)}
es decir, la transformada unilateral de Laplace es id entica a la transformada bilateral de la funci on x(t)u(t), o en otras palabras, si x(t) es causal sus transformadas unilateral y bilateral son id enticas. Ambas transformadas dieren si x(t) = 0 para t < 0. Puesto x(t)u(t) es una se nal derecha, su ROC es siempre un semiplano derecho. Cuando ocurren singularidades en el instante t = 0, entonces se acostumbra especicar si estas se deben considerar, en cuyo caso se integra desde cero por la izquierda, lo que se indica con 0 , o si se desea ignorar dicha singularidad se integra desde 0+ . Usualmente si no hay indicaci on expl cita respecto a la inclusi on o no del cero se asume 0 . Esto es de fundamental importancia por ejemplo para el c alculo de la transformada del delta Dirac (t). Tabla 4.3: Transformadas Unilaterales de Laplace de funciones elementales Se nal (t) Transformada ROC todo s >0 >0 > a > a todo s >0 >0 > a > a todo s
1 1 1 s tn1 1 (n 1)! sn 1 eat s+a 1 tn1 at e (n 1)! (s + a)n (t ), > 0 es cos(0 t) sen(0 t) eat cos(0 t) eat sen(0 t) dn (t) dtn s2
s 2 + 0 0 2 2 s + 0 s+a 2 (s + a)2 + 0 0 2 (s + a)2 + 0
sn
La tabla 4.3 muestra las transformadas unilaterales de algunas funciones elementales. N otese que estas funciones equivalen a las funciones causales de la tabla 4.2 de la p agina 216, solo que ahora no es necesario multiplicarlas por u(t) al estar esto impl cito en el ndice inferior de integraci on de la transformada.
227
4.2.1
Propiedades
Las propiedades de la transformada unilateral de Laplace se resumen en la tabla 4.4. Algunas de ellas son id enticas a sus contrapartes en la transformada bilateral, pero otras dieren considerablemente. Todas aquellas propiedades que conducen a una regi on de convergencia igual a un semiplano izquierdo del plano s no tienen equivalencia en la transformada unilateral, puesto que esta u ltima permite u nicamente semiplanos derechos en su ROC. Es por ello que propiedades como inversi on, o escalado en el tiempo con magnitudes negativas no tienen equivalente en la transformada unilateral.
Tabla 4.4: Propiedades de la Transformada Unilateral de Laplace Propiedad Se nal en el tiempo x(t) = x(t)u(t) x1 (t) = x1 (t)u(t) x2 (t) = x2 (t)u(t) 1 x1 (t) + 2 x2 (t) x(t) IR x(t ), > 0 es0 t x(t) x (t) x1 (t) x2 (t) dx(t) dt dn x(t) dtn Transformada X (s) X1 ( s) X2 ( s) 1 X1 (s) + 2 X2 (s) X (s) = X (s ) es X (s) X (s s0 ) X ( s ) 1 s x a a X1 (s)X2 (s) sX (s) x(0 ) sn X (s)
n
ROC R R1 R2 R1 R2 R R R + s0 R R/a R1 R2 R
Linealidad Funci on real Desplazamiento temporal Desplazamiento en s Conjugaci on Convoluci on Diferenciaci on Diferenciaci on m ultiple
Escalamiento en el tiempo x(at), a > 0
sni x(i1) (0 ) Diferenciaci on en s Integraci on

0
tx(t)
t
x( ) d x(0+ )
t
Teorema de valor inicial Teorema de valor nal
s s0
d X (s) ds 1 X (s) s lim sX (s)
i=1
R R { > 0}
lim x(t)
lim sX (s)
Las operaciones aritm eticas utilizadas en la ROC se reeren a operaciones aplicadas a cada uno de los elementos de la regi on. As por ejemplo R + s0 denota en realidad {s | s = r + s0 , r R}. El s mbolo en la ROC implica que la regi on es al menos la indicada.
228
Linealidad Sean las funciones en el dominio del tiempo x1 (t) y x2 (t) y sus respectivas transformadas unilaterales de Laplace x1 (t)
x2 (t) entonces 1 x1 (t) + 2 x2 (t)
X1 (s), X2 (s),
1 X1 (s) + 2 X2 (s),
Esto se puede demostrar utilizando la propiedad de linealidad del operador de integraci on. Desplazamiento temporal y en el dominio s El desplazamiento temporal de una se nal x(t) puede tener implicaciones en la causalidad de x(t) y por tanto debe tratarse con cuidado cuando se manejan desplazamientos con la transformada unilateral de Laplace. Si x(t) es causal, es decir x(t) = x(t)u(t), entonces un atraso en el tiempo de x(t) puede expresarse utilizando la propiedad x(t )
es X (s)
donde debe ser mayor que cero. Esto se demuestra del mismo modo que para la transformada bilateral y la transformada de Fourier. Si x(t) no es causal, el retraso en el tiempo hace que aparezca un nuevo segmento de x(t) en el intervalo [0, ], no considerado en la transformaci on unilateral de x(t). En este caso se debe agregar la transformada para ese nuevo t ermino nito: x(t )
es X (s) + Lu {x(t )u( t)u(t)}
donde u( t)u(t) es una ventana rectangular que recorta el segmento no considerado de x(t). Un adelanto en el tiempo puede causar que parte de x(t) sea desplazado antes del instante t = 0, lo que no ser a considerado por la transformada unilateral. Utilizando la denici on:
Lu {x(t + )} = y con = t + , d = dt
x(t + )est dt
0
x( )es( ) d = es

x( )es() d x( )es d
= es
0 s
x( )es d
= e [X (s) Lu {x(t)u(t)u( t)}]
229
lo que indica que debe eliminarse la componente correspondiente al segmento desplazado antes de t = 0. Un desplazamiento en el dominio s tiene un efecto id entico al caso de la transformada bilateral, puesto que no causa ninguna alteraci on en la causalidad de la se nal x(t): es0 t x(t)
X (s s0 )
donde la regi on de convergencia se desplaza en s0 . Ejemplo 4.16 Calcule la transformada unilateral de Laplace de una funci on peri odica x(t). Soluci on: As umase que x (t) = x(t) para 0 t < T 0 en el resto
es una funci on nita causal igual al primer periodo T de la funci on x(t). Se cumple entonces que
x(t)u(t) =
n=0
x (t nT )
y la transformada unilateral de Laplace es, utilizando la propiedad de desplazamiento y de linealidad
Lu {x(t)} = =
n=0
L u {x (t nT )} esnT Lu {x (t)}
n=0
=
n=0
snT
(s) = X (s) X
n=0
esnT
Utilizando el resultado del problema 2.65 con z = esT se tiene que

N 1 N
lim
esnT = lim
n=0
1 esN T N 1 esT 1 1 esT
para Re{s} = > 0, con lo que nalmente se obtiene Lu {x(t)} = (s) X 1 esT
4.16
230
Conjugaci on Al igual que con la transformada bilateral se cumple x (t) X (s )
y por tanto para funciones x(t) reales se cumple que si p es un polo complejo con parte imaginaria diferente de cero, entonces p tambi en lo es. Obs ervese que la relaci on X (s) = X (s ) para funciones reales indica que si se hace un corte paralelo al eje j de la supercie correspondiente a |X (s)|, entonces la funci on en ese corte presenta simetr a par. Por otro lado, la fase tiene un comportamiento impar en los cortes paralelos al eje j . Escalamiento en el tiempo A diferencia de la transformada bilateral, donde el escalamiento temporal puede realizarse con cualquier valor real, positivo o negativo, en la transformada unilateral solo tiene sentido utilizar valores positivos, puesto que un escalamiento por un valor negativo implica una inversi on temporal, que convierte se nales derechas en se nales izquierdas, las cuales no tienen representaci on v alida si se ignora todo instante t < 0. Para todo a > 0 se cumple entonces 1 s x(at) X a a
Si X (s) es una funci on racional, entonces el escalado en el tiempo produce que los polos cambien su componente real, desplazando tambi en la regi on de convergencia, tal y como sucede con la transformada bilateral. Convoluci on La diferencia fundamental de la propiedad de convoluci on en el caso de la transformada unilateral es la restricci on de que las dos funciones involucradas en la operaci on deben ser causales, es decir x1 (t) x2 (t) X1 (s)X2 (s) siempre y cuando x1 (t) = x2 (t) = 0, para todo t menor que cero. De no ser as , en el dominio s aparecen nuevos t erminos producidos por los segmentos de las se nales que ocurren antes de t = 0. Diferenciaci on Una de las propiedades m as poderosas de la transformada unilateral de Laplace es la diferenciaci on, que permite incorporar condiciones iniciales en la soluci on de ecuaciones diferenciales. Si x(t) tiene como transformada unilateral X (s), y x(t) es continua en x(0) y su derivada es de orden exponencial entonces Lu d x(t) dt
=
0
d x(t)est dt dt
231
e integrando por partes = x(t)est

0
+s
0
x(t)est dt
= sX (s) x(0 ) Para la segunda derivada se cumple Lu e integrando por partes

d d est x(t) dt x(t) + s =e dt dt 0 0 d d = x(t) + sLu x(t) dt dt t=0 d = s2 X (s) sx(0 ) x(t) dt t=0 st
d2 x(t) dt2
=
0
d2 x(t)est dt dt2
y para ordenes superiores esto se generaliza en Lu dn x(t) dtn = sn X (s) sn1 x(0 ) sn2 x(1) (0 ) . . . x(n1) (0 )
n
= s X ( s) donde
sni x(i1) (0 )
i=1
x(n) (0 ) =
dn x(t) dtn
t=0
Integraci on Puesto que el uso de la transformada unilateral se restringe al manejo de funciones causales, la propiedad de integraci on diere al caso de la transformada bilateral, en la cual se deb a considerar que x(t) podr a ser diferente de cero para t < 0. En el actual caso, si x(t) es causal, entonces se cumple
t 0
x( ) d = x(t) u(t)
1 X (s)U (s) = X (s) s
donde debe notarse que la integraci on se realiza ahora a partir de 0 . Teoremas de valor inicial y valor nal Sea x(t) una funci on causal, es decir, x(t) = x(t)u(t), y sin valores singulares en el origen, como el impulso o su derivada. El teorema del valor inicial establece que x(0+ ) = lim sX (s)
s
232
Para demostrarlo se parte del hecho que Lu por lo que

s
d x(t) dt
=
0
est
d x(t) dt = sX (s) x(0 ) dt d x(t) dt dt d x(t) dt + lim s dt
lim [sX (s) x(0 )] = lim = lim
est
0 0+ 0
est
est
0+
d x(t) dt dt
Si x(t) es discontinua en 0 entonces en la vecindad de 0 esta funci on puede aproximarse por + + [x(0 ) x(0 )]u(t) + x(0 ) y su derivada ser a [x(0 ) x(0 )] (t). Por ello, para el primer t ermino se cumple
0+ s
lim
est [x(0+ ) x(0 )] (t) dt = x(0+ ) x(0 )
Por otro lado, como la transformada unilateral de dx(t)/dt existe, entonces debe ser de orden exponencial y en la ROC d lim est x(t) dt = 0 s 0+ dt con lo que nalmente
s
lim [sX (s) x(0 )] = x(0+ ) x(0 )

s
lim sX (s) = x(0+ )
Ahora, si x(t) es continua en 0 entonces

0+ s
lim
est
0
d x(t) dt = 0 dt
y puesto que x(0+ ) = x(0 ) se tiene tambi en

s
lim [sX (s) x(0 )] = 0

s
lim sX (s) = x(0+ )
El problema 4.29 presenta otra alternativa para demostrar este teorema. El teorema del valor nal indica
t
lim x(t) = lim sX (s)

s0
lo que se puede demostrar tambi en a trav es de la propiedad de diferenciaci on: d d lim[sX (s) x(0 )] = lim est x(t) dt = x(t) dt = x(t)| 0 s0 s0 0 dt dt 0 = lim x(t) x(0 )
t
por lo que
t
lim x(t) = lim sX (s)

s0
233
4.2.2
Ecuaciones diferenciales
Los principios utilizados en la soluci on de ecuaciones diferenciales con la transformada bilateral de Laplace pueden ser aplicados con la versi on unilateral. Puesto que el equivalente en el dominio s de las derivadas contiene t erminos de x(t) y sus derivadas evaluados en t = 0, esto permite ahora incorporar condiciones iniciales en la soluci on. Ejemplo 4.17 Encuentre la respuesta de un sistema LTI caracterizado por la ecuaci on diferencial de segundo orden con coecientes constantes d2 d y (t) + 2 y (t) + y (t) = x(t) 2 dt dt bajo las condiciones iniciales y (0 ) = a la entrada x(t) = u(t). Soluci on: Aplicando la transformada unilateral de Laplace a ambos lados se obtiene: s2 Y (s) sy (0 ) y reagrupando Y (s) s2 + 2s + = X (s) + sy (0 ) + de donde se obtiene Y (s) =
d (s + 2)y (0 ) + dt y (t) X (s) + s2 + 2s + s2 + 2s + t=0
d y (t) dt
=
t=0
d y (t) dt
t=0
+ 2 sY (s) y (0 ) + Y (s) = X (s)
d y (t) dt
+ 2y (0 )
t=0
Aqu se observa claramente que la salida tiene dos componentes: la primera depende de la entrada X (s) y se conoce como respuesta forzada; la segunda est a determinada por las condiciones iniciales y se conoce como respuesta natural del sistema. Si el sistema est a en reposo, es decir, todas sus condiciones iniciales son cero, entonces solo presentar a respuesta forzada ante la entrada. Por otro lado, si no se aplica ninguna entrada, entonces el sistema reaccionar a dependiendo de las condiciones iniciales. Para los valores iniciales dados y la entrada indicada x(t) = u(t) se obtiene Y (s) = s(s2
X (s) =
(s + 2) + + 2 + 2s + ) s + 2s +
234
El t ermino cuadr atico fue analizado en los ejemplos 4.11 y 4.14. Aqu deben considerarse los tres casos aplicables a un sistema causal. Si = 0 entonces Y (s) = con A1 = con lo que y (t) = A1 u(t) + A2 et u(t) + A3 tet u(t) Si > 0 entonces a1 y a2 son reales y Y (s) = por lo que y (t) = A1 u(t) + A2 ea1 t u(t) + A3 ea2 t u(t) con A1 = a2 2a1 a1 + A2 = 1 a1 ( a1 a2 ) 2 a2 + 2a2 + a2 A3 = a2 (a1 a2 ) A2 A1 A3 + + s s a1 s a2 s2 + 2s + s+ s(s + 2 )2

A2 A3 A1 + + s s + (s + )2 A3 = +
A2 =
Si < 0 entonces a2 = a 1 y A3 = A2 con lo que y (t) = A1 u(t) + 2|A2 |et cos ||t + A2 u(t)
4.17
235
4.3
Problemas
Los siguientes ejercicios est an basados en [8, 14], algunos con leves modicaciones, otros nuevos para profundizar en los conceptos introducidos en este cap tulo. Problema 4.1. Encuentre la transformada de Laplace de 3. x(t) = sa(at) 4. x(t) = sa(at)u(t)
1. x(t) = cos(at)u(t) 2. x(t) = sen(at)u(t)
Problema 4.2. Encuentre las regiones de convergencia de las transformadas de Laplace de las siguientes funciones 1. e3t u(t) 2. e3t u(t + 3)u(t + 3) 3. e3|t| 4. e3t u(t) 5. e3t 6. e3|t| u(t) Dada la se nal x(t) = e3t u(t 1) Encuentre su transformada de Laplace X (s) y su regi on de convergencia. Si g (t) = Ae3t u(t t0 ) entonces encuentre los valores de A y t0 para los cuales la expresi on algebraica de G(s) = L {g (t)} = X (s). Indique la regi on de convergencia de G(s) Problema 4.4. Dada la se nal x(t) = e3t u(t) + et u(t) encuentre su transformada de Laplace y los valores de C necesarios para que la regi on de convergencia de X (s) sea > 1. Problema 4.5. Encuentre los polos y regi on de convergencia de la transformada de Laplace de la funci on x(t) = et sen(2t)u(t) Problema 4.6. Graque las funci ones
Problema 4.3.
1. et u(t) para > 0
236
4.3 Problemas
2. 3. 4. 5. 6. 7. 8.
et u(t) para < 0 et u(t) para > 0 et u(t) para < 0 et u(t) para > 0 et u(t) para < 0 et u(t) para > 0 et u(t) para < 0 Encuentre la transformada de Laplace de la funci on x(t) = x1 (t) x2 (t) x1 (t) x2 (t)
Problema 4.7. si
X1 (s) = X2 (s) =
1 , s+1
ROC: > 1 ROC: > 1
1 , (s + 1)(s + 2)
Problema 4.8.
Encuentre la transformada de Laplace de x(t) = x1 (t) + x2 (t) x1 (t) = eat u(t) x2 (t) = eat u(t)
si a IR. Problema 4.9. Utilizando la propiedad de desplazamiento en el dominio s encuentre la transformada de Laplace de x(t) cos(0 t) si L {x(t)} = X (s). Problema 4.10. Utilizando las demostraciones de las propiedades de la transformada de Fourier como referencia, demuestre todas las propiedades de la transformada de Laplace. Problema 4.11. Demuestre que si representa el arco circular en el contorno de Bromwich (gura 4.5), entonces, si se cumple sobre dicho contorno |X (s)| < Rn
con las constantes IR, > 0, y n IN+ , entonces

R
lim
X (s)est ds = 0
Problema 4.12. Demuestre que en la descomposici on en fracciones parciales de un polo de orden n > 1 los coecientes Aik est an dados por Aik = lim 1 d(nk) [(s ai )n X (s)] (n k )! ds(nk)
sai
237
Problema 4.13. Demuestre que si X (s) es una funci on racional propia, entonces si tiene un par de polos complejos conjugados ai = a k , entonces los coecientes correspondientes tambi en son complejos conjugados, es decir Ai = A k . Problema 4.14. Demuestre que un par de polos simples complejos conjugados con la expresi on algebraica de Transformada de Laplace: A A X (s) = + s p 1 s p1 corresponde a las expresiones en el tiempo continuo dadas por x(t) = 2|A|e1 t cos(1 t + A)
= 2 Re{A}e1 t cos(1 t) 2 Im{A}e1 t sen(1 t)
donde p1 = 1 + j1 , y se ha asumido que la regi on de convergencia es el semiplano derecho Re{s} > 1 . Problema 4.15. En el ejemplo 4.11 se trataron diferentes posibilidades de transformadas inversas para un t ermino de orden cuadr atico sin ceros nitos. Indique cu al regi on de convergencia no ha sido considerada y determine la funci on en el tiempo equivalente. Problema 4.16. Demuestre que en un sistema LTI la funci on x(t) = es0 t es tambi en una funci on propia, con s0 = 0 + j0 . (Ayuda: utilice para ello la equivalencia de la transformada de Laplace como transformada de Fourier de x(t)et ) Problema 4.17. Encuentre el n umero y ubicaci on de ceros y polos, nitos e innitos, de las siguientes expresiones algebraicas de transformadas de Laplace. 1. 1 1 + s+1 s+3 2. s+1 s2 1 3. s3 1 s2 + s + 1
Problema 4.18. Se sabe que una se nal x(t) es absolutamente integrable, y su transformada de Laplace tiene un polo en s = 2. Indique cu ales de las siguientes armaciones son ciertas o falsas, y las razones para ello. 1. x(t) es de duraci on nita 2. x(t) puede ser izquierda 3. x(t) puede ser derecha 4. x(t) puede ser bilateral
Problema 4.19. Cu antas se nales pueden tener una transformada de Laplace con expresi on algebraica (s 1) X ( s) = (s + 2)(s + 3)(s2 + s + 1)
238
4.3 Problemas
Problema 4.20. Si x(t) es una funci on cuya transformada de Laplace es racional con exactamente dos polos en s = 1 y s = 3. Se sabe que para otra funci on g (t) = e2t x(t) existe su transformada de Fourier G(j ). Indique si x(t) es izquierda, derecha o bilateral. Problema 4.21. Calcule la transformada inversa de Laplace tanto con la integral de Bromwich como por medio de descomposici on en fracciones parciales de 2(s + 2) , + 7s + 12 ROC: > 3
X (s) =
s2
Problema 4.22.
Para una se nal x(t) se conoce que
1. x(t) = 0 para todo t < 0 2. x(k/10) = 0 para todo k IN+ 3. x(1/20) = e15 Indique cu ales enunciados son congruentes con la informaci on proporcionada para x(t), si X (s) es su transformada de Laplace y se sabe que X (s) es racional: 1. X (s) tiene un solo polo nito. 2. X (s) tiene solo un par de polos nito. 3. X (s) tiene m as de dos polos nitos Problema 4.23. Para una se nal g (t) = x(t) + x(t) con x(t) = et u(t), se sabe que su transformada de Laplace es G(s) = s , 1 1 < < 1
s2
Determine entonces los valores v alidos de las constantes y . Problema 4.24. Laplace X (s): Se conocen los siguientes datos de la se nal x(t) con transformada de
1. x(t) es real y par 2. X (s) tiene cuatro polos y ning un cero en el plano nito de s. j/4 3. X (s) tiene un polo en s = 2e 4. x(t) dt = 1 Encuentre entonces la expresi on para X (s) y su ROC. Problema 4.25. Dado el siguiente sistema de ecuaciones diferenciales de dos se nales
239
derechas x(t) y y (t) dx(t) = 2y (t) + (t) dt dy (t) = 2x(t) dt
Encuentre X (s) y Y (s) junto con sus regiones de convergencia. Encuentre entonces las soluciones en el dominio del tiempo x(t) y y (t). Problema 4.26. Un sistema LTI causal tiene respuesta al impulso h(t). Encuentre esta respuesta si el sistema de entrada x(t) y salida y (t) se rige por la ecuaci on diferencial d3 y (t) d2 y (t) dy (t) + (1 + ) + ( + 1) + 2 y (t) = x(t) dt3 dt2 dt Determine adem as para qu e valores de el sistema es estable. Si dh(t) + h(t) dt indique cu antos polos tiene su transformada de Laplace G(s). g (t) = Problema 4.27. Analice la existenca de la transformada de Laplace bilateral de las funciones x(t) = 1, x(t) = sen(t) y x(t) = cos(t). Problema 4.28. Sea x1 (t) = eat u(t) con a IR, a > 0. 1. Determine las transformadas bilateral y unilateral de x1 (t) y x2 (t). 2. Calcule la transformada bilateral inversa del producto Lb {x1 (t)} Lb {x2 (t)} para encontrar g (t) = x1 (t) x2 (t) 3. Calcule la transformada unilateral inversa del producto Lu {x1 (t)} Lu {x2 (t)} y compare con el resultado obtenido para g (t). y x2 (t) = e2a(t+1) u(t + 1)
Problema 4.29.
Demuestre el teorema del valor inicial x(0+ ) = lim sX (s)

s
para x(t) = x(t)u(t) (es decir, x(t) causal).
240
4.3 Problemas
Para ello exprese primero x(t) como serie de Taylor centrada en t = 0+ . Luego, determine la transformada de Laplace para cada t ermino dn x(t) dtn Demuestre entonces que X ( s) =
n=0
t=0+
tn u(t) n!
dn x(t) dtn
1
t=0+
sn+1
a partir de lo cual se puede demostrar el teorema. Problema 4.30. Encuentre la transformada unilateral de Laplace para
1. x(t) = e2t u(t + 1) 2. x(t) = (t + 1) + (t) + e2(t+3) u(t + 1) 3. x(t) = e2t u(t) + e4t u(t) Problema 4.31. diferencial Resuelva utilizando la transformada unilateral de Laplace la ecuaci on
d2 x(t) dx(t) + 4 + 5x(t) = 8 cos(t) dt2 dt si x(t) = dx(t)/dt = 0 en t = 0. Problema 4.32. diferencial Resuelva utilizando la transformada unilateral de Laplace la ecuaci on 5
d2 x(t) dx(t) 3 2x(t) = 6 2 dt dt si x(t) = 1 y dx(t)/dt = 1 en t = 0.
Cap tulo 5 Transformada z

La transformada z es a los sistemas en tiempo discreto lo que la transformada de Laplace es a los sistemas en tiempo continuo. Ambas representan herramientas para el an alisis de ciertas propiedades de las se nales, que en el dominio del tiempo s olo pueden ser evaluadas con mayor dicultad: la convoluci on es transformada otra vez en un producto, y las ecuaciones de diferencias, que son el equivalente discreto de las ecuaciones diferenciales, pueden ser solucionadas de forma m as sencilla en el dominio de la frecuencia compleja que en el dominio del tiempo discreto. Antes de presentar la transformada z propiamente, es necesario introducir algunos conceptos b asicos sobre se nales discretas.
5.1
Funciones en tiempo discreto
En la actualidad muchas aplicaciones de la electr onica involucran el an alisis digital de datos. Los reproductores de video y sonido utilizan desde hace varias d ecadas tecnolog as digitales de almacenamiento y reproducci on, como por ejemplo en discos compactos y discos vers atiles digitales (CD y DVD); la pr oxima generaci on de televisi on (HDTV) codica las se nales de audio y v deo por m etodos digitales; la telefon a celular es posible gracias a los complejos algoritmos de compresi on implementados tambi en con t ecnicas de procesamiento digital. El aumento continuo del uso de computadoras digitales en pr acticamente todos los a mbitos del quehacer humano ha sido en parte soportado por la gran variedad de tipos de datos que pueden ser manipulados por medios digitales. Ya en el cap tulo 1 se deni o una se nal digital como aquella existente u nicamente en ciertos instantes en el tiempo, y que adem as solo puede adquir valores dentro de un conjunto nito de valores. Puesto que el ser humano se desenvuelve en un ambiente eminentemente anal ogico, debe plantearse entonces la pregunta qu e tan factible o tan exacto es utilizar representaciones digitales para fen omenos eminentemente anal ogicos? El lector podr a inferir de los ejemplos mencionados, que su uso pr actico es factible y ventajoso, considerando por ejemplo el incremento notable en la calidad de v deos y bandas sonoras de uso dom estico. 241
242
5.1 Funciones en tiempo discreto
5.1.1
Conversi on anal ogica/digital
Conceptualmente en la conversi on de una se nal anal ogica a una representaci on digital intervienen tres pasos (gura 5.1): 1. Muestreo es la conversi on de una se nal de variable continua a otra de variable discreta que es el resultado de tomar muestras de la se nal de variable continua en ciertos instantes. Si xa (t) es la entrada al bloque de muestreo, entonces la salida puede ser tomada en instantes equidistantes xa (nT ), donde a T se le denomina el intervalo de muestreo . 2. Cuanticaci on es la conversi on de la se nal de variable discreta y valores continuos a otra se nal de variable discreta pero con valores discretos. El valor de cada muestra es aproximado entonces con un valor de un conjunto nito de posibles valores. A la diferencia entre el valor continuo y su aproximaci on se le denomina error de cuanticaci on . 3. Codicaci on consiste en la asignaci on de una representaci on usualmente binaria para los valores cuanticados.
Convertidor A/D
x a (t)
Muestreo
x[n]
Cuanticaci on
xq [n]
Codicaci on
c[n]
Se nal Anal ogica
Se nal de Variable Discreta
Se nal Cuanticada
Se nal Digital
Figura 5.1: Pasos b asicos en la conversi on anal ogica/digital.
Estos pasos en la pr actica se realizan en un solo bloque operacional. Desde un punto de vista de an alisis matem atico, usualmente se ignora el efecto del segundo paso, asumiendo que el n umero de valores posible es sucientemente elevado, de tal modo que el efecto de la cuanticaci on solo introduce un leve nivel de ruido, que puede ser manejado con otras herramientas estad sticas. El u ltimo paso es solo de relevancia para los algoritmos de procesamiento propiamente dichos. En otras palabras, el an alisis matem atico de se nales digitales se simplica en la pr actica realizando solamente un an alisis de se nales en tiempo discreto, para el cual solo el primer paso de la digitalizaci on es relevante. Existen muchas posibilidades de seleccionar las muestras de una se nal en tiempo discreto a partir de una se nal anal ogica. Aqu se utilizar a el llamado muestreo peri odico o uniforme por las facilidades que este brinda al an alisis matem atico. En el, la relaci on entre la se nal anal ogica xa (t) y la se nal de variable discreta x[n] est a dada por x[n] = xa (nT ) n Z, T IR
5 Transformada z
243
donde la secuencia x[n] contiene entonces muestras de la se nal anal ogica xa (t) separadas por un intervalo T (gura 5.2).
Se nal Anal ogica x a (t) Fs = 1/T Muestreo x a (t) x[n] x[n] = xa (nT ) Se nal de variable discreta
x a (t) x[n] = xa (nT )
Figura 5.2: Muestreo peri odico de una se nal anal ogica.
Las variables t y n de las se nales de variable continua y discreta respectivamente est an relacionadas a trav es del intervalo de muestreo T t = nT = n/Fs donde a Fs se le denomina tasa de muestreo. Otros tipos de muestreo m as complejos utilizan tasas variables, que se ajustan de acuerdo a la velocidad de cambio de las se nales. Estos son utilizados por ejemplo en algoritmos de compresi on de se nales.
5.1.2
Representaciones de funciones de variable discreta
Se ha visto que x[n] es una funci on denida para n entero. La gura 5.3 presenta un ejemplo de representaci on gr aca de una se nal de este tipo.
x[n]
3 2 1
Figura 5.3: Representaci on gr aca de una funci on de variable discreta x[n].
Se debe insistir en que x[n] est a denida u nicamente para valores enteros n. No se debe cometer el error de asignar cero o cualquier otro valor a x(t) para n umeros t reales no enteros
244
(t IR \ Z), puesto que la se nal x[n] (que es diferente a xa (t)) est a denida exclusivamente para valores enteros. A n se le denomina n umero de muestra y a x[n] la n- esima muestra de la se nal. En cap tulos previos ya se trabaj o con una funci on de variable discreta: el espectro de una se nal peri odica obtenido por medio de los coecientes ck de la serie de Fourier, que fueron interpretados en su ocasi on como una funci on de variable discreta c[k ]. Adem as de la representaci on gr aca para las se nales discretas, hay otras tres representaciones usuales: 1. Funcional: 1 para n = 1 el resto para 2 n 4
x[n] =
Esta es la representaci on m as usual en el an alisis matem atico de funciones discretas. 2. Tabular n . . . -1 0 1 2 3 4 5 . . . x[ n ] . . . 0 0 1 3 2 1 0 . . . En programas computacionales para manipulaci on y modelado digital de sistemas, TM como por ejemplo el MATLAB [13] o el Octave [4], las funciones se representan usualmente de esta manera: por un lado con los n umeros de muestra n, y por otro con los valores de las muestras x[n]. 3. Como sucesi on. Una secuencia de duraci on innita con el origen en n = 0 (indicado con ) se representa como x[n] = {. . . , 0, 0, 1, 3, 2, 1, 0, . . .}
5n 0
Si la secuencia es 0 para n < 0 se puede representar como x[n] = {0, 1, 3, 2, 1, 0, . . .}
y si es nita x[n] = {0, 1, 3, 2, 1} = {0, 1, 3, 2, 1}
donde la echa se omite si la primera muestra en la secuencia corresponde a la muestra en 0. Esta notaci on es muy u til para interpretaci on r apida de los efectos que tienen ciertas operaciones b asicas (como desplazamiento, inversi on, escalado, etc.) sobre se nales de variable discreta. Para el an alisis matem atico de se nales y sistemas en tiempo discreto es u til representar la funci on muestreada xa (nT ) por medio de impulsos de Dirac con areas modicadas de acuerdo al valor de cada muestra. As , def nase la funci on muestreada x a (t) como

x a (t) =
n=
xa (t) (t nT ) =
n=
xa (nT ) (t nT )
(5.1)
5 Transformada z
245
N otese que esta representaci on ya fue utilizada para representar con la transformada de Fourier el espectro de una se nal peri odica, que es bien sabido tiene un espectro discreto determinado por los coecientes ck de la serie de Fourier. Esta u ltima representaci on es fundamental para la obtenci on de la transformada z .
5.1.3
Se nales elementales de variable discreta
Ciertas se nales aparecen frecuentemente en el an alisis de sistemas y se nales discretas.
Impulso unitario El impulso unitario [n] est a denido como (gura 5.4a): 1 0 para n = 0 para n = 0
[n] =
Escal on unitario El escal on unitario u[n] se dene como (gura 5.4b): 0 1 para n < 0 para n 0
n
u[n] =
N otese que u[n] =

i=
[i]
Rampa unitaria La rampa unitaria se obtiene de

n
ur [n] =
i=
u[i 1]
lo que resulta en (gura 5.4c) 0 n para n < 0 para n 0
u r [n] =
246
[n]
u[n]
ur [n]
(a)
(b)
(c)
Figura 5.4: Tres funciones elementales (a) Impulso unitario. (b) Escal on unitario. (c) Rampa unitaria
Se nal exponencial La se nal exponencial se dene como x[n] = an y su comportamiento depende de la constante a. Para valores reales y complejos de a, el comportamiento es estable si |a| < 1 o inestable si |a| > 1 (gura 5.5).
1.5
x[n]
x[n]
3 2.5
2 1.5
0.5
1 0.5
0 -1 0 1 2 3 4 5 6 7 8 9
n
10 11 12 -1
0 0 1 2 3 4 5 6 7 8 9
n
10 11 12
(a)
(b)
x[n]
1.5 1 0.5 0 -1 0 -0.5 -1 -1.5
n
1 2 3 4 5 6 7 8 9 10 11 12
3.5 3 2.5 2 1.5 1 0.5 0 -1 0 -0.5 -1 -1.5 -2 -2.5 -3 -3.5
x[n]
n
1 2 3 4 5 6 7 8 9 10 11 12
(c)
(d)
Figura 5.5: Funciones exponenciales para valores de a reales. (a) 0 < a < 1 (b) a > 1 (c) 1 < a < 0 (d) a < 1.
5 Transformada z
247
Si a es complejo entonces puede expresarse como a = rej x[n] = rn ejn es decir, un fasor de magnitud rn con fase n (gura 5.6).
|x[n]|
1
x[n]
3
0 -1 0 -1
0 -1 0 1 2 3 4 5 6 7 8
n
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
n
9 10 11 12 13 14 15 16 17 18 19 20
-2
-3
(a)
(b)
Figura 5.6: Magnitud y fase de la funci on exponencial compleja con a = rej , r < 1 y 0 < < . (a) Magnitud. (b) Fase
Utilizando la identidad de Euler se obtiene x[n] = rn cos(n) + jrn sin(n) cuyas partes real e imaginaria se muestran en la gura 5.7.
Re{x[n]}
1
Im{x[n]}
1
0 -1 0
n
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0 -1 0
n
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
-1
-1
(a)
(b)
Figura 5.7: Partes real e imaginaria de la funci on exponencial con a compleja. (a) Parte real. (b) Parte imaginaria
N otese que si r = 1 la se nal es amplitud constante. Otra representaci on de una se nal exponencial compleja se presenta en la gura 5.8, donde el valor de cada muestra se graca sobre un plano complejo perpendicular al eje n, gener andose as un patr on fasorial en el tiempo discreto, en el que se aprecian tanto las componentes real e imaginaria, como la magnitud y fase de cada muestra.
248
Im{x[n]} Re{x[n]}
5.2 Transformada z bilateral
Figura 5.8: Representaci on de muestras complejas en planos complejos, situados en cada muestra n.
5.2
5.2.1
Transformada z bilateral
Transformada z bilateral directa
T omese ahora la representaci on x a (t) de una se nal muestreada, tal como se deni o en (5.1). Su transformada de Laplace es

L {x a (t)} = =
n=
xa (nT ) (t nT ) est dt
xa (nT )
n=
(t nT )est dt
=
n=
xa (nT )esnT
Si se dene z = esT y considerando que x[n] = xa (nT ) se obtiene
Z {x[n]} = L {x a (t)} =
x[n]z n = X (z )
n=
que es la denici on de la transformada z bilateral para la secuencia discreta x[n], que considera tanto valores positivos como negativos de n. La relaci on entre la secuencia discreta x[n] y su representaci on X (z ) en el dominio z se denota como: z x[ n ] X (z ) o x[n] X (z )
Como la transformada z es una serie innita de potencias, esta existe solo para los valores de z en que la serie converge. La regi on de convergencia (ROC, region of convergence ) de X (z ) es entonces el conjunto de valores de z para los que X (z ) es nita.
5 Transformada z
249
N otese que la sustituci on de variable z = esT puede interpretarse como un mapeo conforme del plano s = + j al plano complejo z . En el ejemplo 2.13 ya se analiz o que, debido a que z = e(+j)T = eT ejT entonces una linea vertical en el plano s, para la cual es constante, es transformada en un c rculo de radio eT . Se deduce que una banda vertical entre min < < max es transformada en un anillo delimitado por un c rculo interno de radio emin T y un c rculo max T externo de radio e . Puesto que X (z ) corresponde a una transformada de Laplace cuya ROC es alguna banda vertical en el plano s, se concluye que las regiones de convergencia de la transformada z equivalen a anillos (de posible extensi on innita) en el plano z . Si la se nal es derecha, entonces la ROC ser a seg un lo anterior el exterior de un c rculo. Si la se nal es izquierda, ser a el interior de un c rculo. Al igual que con la transformada bilateral de Laplace, cuando se haga referencia a la transformada z de una se nal discreta x[n] debe tambi en incluirse su ROC. Ejemplo 5.1 Calcule la transformada z de: 1. x1 [n] = {1, 2, 5, 7, 0, 1} 2. x2 [n] = {1, 2, 5, 7, 0, 1}
3. x3 [n] = [n] 4. x4 [n] = [n + k ], k > 0 Soluci on: 1. 2. 3. 4. X1 (z ) = 1 + 2z 1 + 5z 2 + 7z 3 + 1z 5 , ROC = z C\{0} X2 (z ) = z 3 + 2z 2 + 5z + 7 + z 2 , ROC = z C\{0, } X3 (z ) = 1, ROC = z C X4 (z ) = z +k , ROC = z C\{}
5.1
La ROC de se nales nitas es todo el plano z excepto z = 0 y/o z = . Ejemplo 5.2 Determine la transformada z de: x[ n ] = Soluci on: X (z ) =
n=
1 2
u[n]
x[n]z n =
n=0
1 2
z n =
n=0
z 1 2
que converge si
1 1 z 2
< 1 |z | > 1 , a: 2 X (z ) = 1 1
1 1 , z 2
ROC: |z | >
1 2
5.2
250
Si se expresa z en su forma polar z = rej , con r = |z | y = z , entonces:
X (z ) =
n=
x[n]rn ejn
Dentro de la ROC de X (z ), |X (z )| < , por lo que:

|X (z )| =
x[n]r
n=
n jn
x[n]rn
n=
(5.2)
es decir, si x[n]rn es absolutamente sumable entonces |X (z )| es nita. Para encontrar la ROC se debe entonces encontrar el rango de valores de r para los que la secuencia x[n]rn es absolutamente sumable. Ahora bien, la ecuaci on (5.2) puede reescribirse como:
1
|X (z )|
x[n]r
n=
+
n=0
x[n]r
=
n=1
|x[n]r | +
x[n]rn
n=0
y ambas sumatorias deben converger si |X (z )| ha de ser nito. Para la primera suma deben existir valores de r sucientemente peque nos para que x[n]rn sea absolutamente sumable (r < r1 ) (gura 5.9).
Im{z } Plano z r1 ROC de Re{z }
n=1
|x[n]rn |
Figura 5.9: Representaci on gr aca de la ROC para r sucientemente peque nos.
Para que la segunda suma converja, se necesitan valores de r sucientemente grandes para que x[n]rn sea absolutamente sumable. Por ello, la ROC ser an los puntos fuera de una circunferencia r > r2 (gura 5.10). Como ambas sumas deben converger la ROC de X (z ) es la regi on anular del plano z , r2 < r < r1 (gura 5.11), lo que concuerda con el an alisis anterior basado en el mapeo conforme sT z=e . Ejemplo 5.3 Determine la transformada z de: x[n] = n u[n]
5 Transformada z
Im{z } Plano z r2
251
Re{z }
Figura 5.10: Representaci on gr aca de la ROC para r sucientemente grandes.

Im{z } Plano z r1
r2 Re{z }
Figura 5.11: Representaci on gr aca completa de la ROC.
Soluci on: Se tiene que:

X (z ) =
n=
x[n]z
=
n=0
(z ) =
n=0
1 n
(z 1 )
que converge si |z 1 | < 1 (|z | > ||) a
1 . 1z 1
N otese que si = 1, se tiene la transformada z del escal on unitario: x[n] = u[n]
X (z ) =
1 , 1 z 1
ROC: z > 1
5.3
Ejemplo 5.4 Determine la transformada z de: x[n] = n u[n 1] Soluci on:

1
X (z ) =
n=
x[n]z
z
n=
n n
m=1
m m
z =
(1 z )m
m=1
252
que converge s olo si |1 z | < 1, es decir, si |z | < ||, a: X (z ) = 1 1 1 1 z =
1 z 1 = 1 1 z 1 z 1
N otese que esta expresi on es id entica a la obtenida para x[n] = n u[n]. Se concluye que la forma compacta de la transformada z no especica una u nica se nal en el dominio del tiempo. Esto s olo ocurre indicando adem as la ROC. El t ermino transformada z indica entonces no s olo la expresi on X (z ), sino tambi en su ROC. Lo anterior cumple con que la ROC de una se nal anticausal es el interior de una circunferencia, mientras que para se nales causales es el exterior de una circunferencia. 5.4 Ejemplo 5.5 Determine la transformada z de: x[n] = n u[n] + bn u[n 1] Soluci on:
1
X (z ) =
n=
x[n]z n =
n=0
n z n +
n=
bn z n =
n=0
z 1
+
n=1
b 1 z
La primera suma converge si |z 1 | < 1 (|z | > ||) y la segunda si |b1 z | < 1 (|z | < |b|). Esto implica que la transformada z existe si y s olo si |b| > || y la ROC es un anillo en el plano z . 5.5 La gura 5.12 muestra un resumen de lo discutido hasta el momento en cuanto a la relaci on de la causalidad de una se nal con respecto a la ROC de su transformada z . N otese la relaci on con las ROC de la transformada de Laplace. La tabla 5.1 resume algunas transformaciones importantes. Se aprecia que todas las transformaciones en esta tabla son funciones racionales.
5.2.2
Propiedades de la transformada z bilateral
Linealidad Si x1 [n]
X1 (z ) y x2 [n]
X2 (z ), entonces X (z ) = a1 X1 (z ) + a2 X2 (z ) .
x[n] = a1 x1 [n] + a2 x2 [n]
Ejemplo 5.6 Determine la transformada z de x[n] = [3(2n ) 4(3n )]u[n]. Soluci on: Si x1 [n] = 2n u[n] y x2 [n] = 3n u[n], entonces x[n] = 3x1 [n] 4x2 [n] En el ejemplo (5.3) se deriv o: n u[n]
1 , 1 z 1
ROC: |z | > ||
5 Transformada z
253
Funciones de duraci on nita Causal z \ {0} n
Anticausal z \ {} n
Bilateral z \ {0, } n
Funciones de duraci on innita Causal r2 < |z | n
Anticausal |z | < r1 n
Bilateral r2 < |z | < r1 n
Figura 5.12: Familia de Se nales y sus ROC[16].
254
Tabla 5.1: Transformada z bilateral de algunas funciones comunes Se nal x[n] [n] u[n] an u[n] nan u[n] (an )u[n 1] n(an )u[n 1] cos(0 n)u[n] sen(0 n)u[n] an cos(0 n)u[n] an sen(0 n)u[n] Transformada z , X (z ) 1 1 1 z 1 1 1 az 1 az 1 (1 az 1 )2 1 1 az 1 az 1 (1 az 1 )2 1 z 1 cos 0 1 2z 1 cos 0 + z 2 z 1 sen 0 1 2z 1 cos 0 + z 2 1 az 1 cos 0 1 2az 1 cos 0 + a2 z 2 az 1 sen 0 1 2az 1 cos 0 + a2 z 2 ROC Plano z |z | > 1 |z | > |a| |z | > |a| |z | < |a| |z | < |a| |z | > 1 |z | > 1 |z | > a |z | > a
con lo que se obtiene: X1 ( z ) = 1 , 1 2z 1 1 X2 ( z ) = , 1 3z 1 ROC: |z | > 2 ROC: |z | > 3
y la transformada de x[n] es: X (z ) = 3 4 , 1 1 2z 1 3z 1 ROC: |z | > 3

5.6
N otese que la ROC nal debe ser al menos la intersecci on de las dos ROC individuales.
Desplazamiento en el tiempo Si x[n]
La ROC de z k X (z ) es la misma de X (z ) excepto z = 0 si k > 0 y z = si k < 0.
X (z ), entonces x[n k ]
z k X (z ).
5 Transformada z
255
Esto se demuestra f acilmente con un cambio de variable del ndice de la suma:
Z {x[n k ]} = y con m = n k
n=
x[ n k ] z n
=
m=
x[m]z (m+k)
k m=
=z =z
x[m]z m X (z )
Ya que el coeciente de z n es el valor de la muestra en el instante n, se aprecia que retrasar una se nal en k muestras (k > 0) es equivalente a multiplicar todos los t erminos de k la transformada z por z . Escalado en el dominio z Si x[n]
X (z ), ROC: r1 < |z | < r2 , entonces: an x [ n ]
X (a1 z ),
ROC: |a|r1 < |z | < |a|r2
para todo a C. Demostraci on:
Z {a x[n]} =
a x[n]z
n=
=
n=
x[n](a1 z )n = X (a1 z )
dado que la ROC de X (z ) es r1 < |z | < r2 , entonces para X (a1 z ) se cumple que r1 < |a1 z | < r2 |a|r1 < |z | < |a|r2 . Con a = r0 ej0 , z = rej y = a1 z =
1 r r0
Z {an x[n]} = X (a1 z ) = X ( ), que si r0 > 1 implica una expansi on del plano z , o si r0 < 1 una contracci on del plano z , en combinacion con una rotaci on (si 0 = 2k ). N otese que 1 = a z representa un mapeo lineal del plano z al plano . Ejemplo 5.7 Determine la transformada z de la se nal an cos[0 n]u[n] Soluci on: Con la identidad de Euler se obtiene primero que: 1 1 cos[0 n] = ej0 n + ej0 n 2 2
ej (0 ) , se observa con Z {x[n]} = X (z ) y
256

1 1z 1
y con Z {n u[n]} =
se obtiene con = ej0 y la linealidad de la transformaci on:
Z {cos[0 n]u[n]} =
1 2 1 = 2 1 = 2
por lo que
1 1 + j 1 0 1e z 1 e j0 z 1 1 ej0 z 1 + 1 ej0 z 1 (1 ej0 z 1 )(1 ej0 z 1 ) 2 z 1 (ej0 + ej0 ) , (ej0 + ej0 ) = 2 cos 0 1 ej0 z 1 ej0 z 1 + z 2 1 z 1 cos 0 = ; ROC: |z | > |ej0 | = 1 1 2 1 2z cos 0 + z 1 az 1 cos 0 , 1 2az 1 cos 0 + a2 z 2 |z | > |a|
5.7
Z {an cos[0 n]u[n]} =
Conjugaci on Si x[n] tiene como transformada z a X (z ) con ROC R entonces x [n] X (z ), ROC: R
Esto se demuestra utilizando las propiedades de conjugaci on:
Z {x [n]} = =
x [n]z n
n=
x[n](z )n
n= n
=
n=
x[n](z )
= X (z ) De lo anterior se deduce que si x[n] es real, entonces X (z ) = X (z ), lo que implica que si X (z ) tiene un polo o cero en z = z0 , tambi en lo tendr a en z = z0 . En otras palabras, los polos y ceros aparecen como pares complejos conjugados en la transformada z de secuencias reales x[n]. Obs ervese que la relaci on X (z ) = X (z ) para funciones reales indica que si se hace un corte paralelo al eje Im{z } de la supercie correspondiente a |X (z )|, entonces la funci on en ese corte presenta simetr a par. Por otro lado, la fase tiene un comportamiento impar en los cortes paralelos al eje Im{z }. Inversi on temporal x[n] x[n]
ROC: r1 < |z | < r2 1 1 X (z 1 ), ROC: < |z | < r2 r1 X (z ),
5 Transformada z
257
Demostraci on:

Z {x[n]} =
n=
x[n]z
=
l=
x(l)(z 1 )l = X (z 1 )
1 r1
La ROC de X (z 1 ) ser a r1 < |z 1 | < r2
1 r2
< |z | <
Ejemplo 5.8 Determine la transformada z de u[n]. Soluci on: Puesto que 1 , ROC: |z | > 1 1 z 1 1 , ROC: |z | < 1 1z
5.8
Z {u[n]} = entonces Z {u[n]} =
Diferenciaci on en el dominio z Si x[n]
X (z ), entonces nx[n]
(z ) z dX . dz
Para demostrar esta propiedad se derivan ambos lados de la denici on con respecto a z : d dX (z ) = dz dz = z
x[n]z
n= 1 n=
=
n=
x[n](n)z n1
(nx[n])z n = z 1 Z {nx[n]}
dX (z ) = Z {nx[n]} dz
Ejemplo 5.9 Determine la transformada z de x[n] = nan u[n] Soluci on: Con x1 [n] = an u[n], entonces x[n] = nx1 [n], y puesto que X1 (z ) = |z | > |a|, se obtiene: nan u[n]
1 , 1az 1
ROC
X (z ) = z
az 2 az 1 dX1 (z ) = , = z dz (1 az 1 )2 (1 az 1 )2
ROC: |z | > |a|
Con a = 1 se obtiene la transformaci on de la rampa unidad: nu[n]
z 1 , (1 z 1 )2
ROC: |z | > 1
5.9
258
Convoluci on de dos secuencias Si x1 [ n ] x2 [ n ] entonces: la ROC es al menos R1 R2 . Demostraci on:
X1 ( z ) , X2 ( z ) ,
ROC: R1 ROC: R2
x[n] = x1 [n] x2 [n]
X (z ) = X1 (z )X2 (z )
x[n] =
k=
x1 [k ]x2 [n k ] = x1 [n] x2 [n]
la transformada z de x[n] es:

X (z ) =
n=
x[n]z n =
n= k=
x1 [k ]x2 [n k ] z n
Intercambiando las sumatorias y aplicando la propiedad de desplazamiento en el tiempo se obtiene que:

X (z ) =
k=
x1 [ k ]
n=
x2 [n k ]z n
= X2 (z )
k=
x1 [k ]z k = X2 (z )X1 (z )
Teorema del valor inicial Si x[n] es causal (x[n] = 0, n < 0), entonces: x[0] = lim X (z )
z
Puesto que x[n] es causal:
X (z ) =
n=0
x[n]z n = x[0] + x[1]z 1 + . . .
Si z todos los t erminos z 1 , z 2 , etc. tienden a cero y por tanto: x[0] = lim X (z )
z
Todas las propiedades descritas anteriormente se resumen en la tabla 5.2.
Tabla 5.2: Propiedades de la transformada z bilateral. Dominio n ROC R = {z | r2 < |z | < r1 } R1 R2 x[n] x1 [ n ] x2 [ n ] X2 (z ) X (z ) X1 (z ) Dominio z
5 Transformada z
Propiedad
Notaci on
Linealidad x[n k ] an x[n] x[n] x [ n ] Re{x[n]} Im{x[n]} nx[n] x1 [n] x2 [n] Si x[n] es causal X (z ) X (z 1 ) X (a1 z ) z k X (z )
a1 x1 [n] + a2 x2 [n] a1 X1 (z ) + a2 X2 (z ) por lo menos R1 R2 R \ {0} si k > 0 y R \ {} si k < 0 |a|r2 < |z | < |a|r1 1 1 < |z | < r1 r2 R Incluye R Incluye R r2 < |z | < r1 X1 (z )X2 (z ) x[0] = lim X (z )
z
Desplazamiento en n
Escalado en z
Reexi on en n
Conjugaci on
Parte real
Parte imaginaria
Derivaci on en z
1 [X (z ) + X (z )] 2 1 [X (z ) X (z )] 2 dX (z ) z dz
Convoluci on
Por lo menos R1 R2
Teorema del valor inicial
259
260
5.2.3
Transformada z inversa
Denici on El procedimiento de encontrar la se nal en el dominio del tiempo correspondiente a la expresi on algebraica en el dominio z para una determinada regi on de convergencia se denomina transformada z inversa . Utilizando el teorema integral de Cauchy y la f ormula integral de Cauchy se demuestra que se cumple 1 2j z n1k dz =
C
1 0
k=n k=n
(5.3)
para un contorno de integraci on C que rodea al origen. A partir de la denici on de la transformada z para una se nal de variable discreta x[k ]
X (z ) =
k=
x[k ]z k
se obtiene multiplicando ambos lados por z n1 , e integrando en un contorno cerrado que contiene al origen, y que est a dentro de la ROC:
X (z )z
C
n1
dz =
C k=
x[k ]z k+n1 dz
Como la serie converge dentro de C , la integral y la sumatoria pueden ser intercambiadas:
X (z )z
C
n1
dz =
k=
x[k ]
C
z k+n1 dz
que con el resultado en (5.3) s olo es diferente de cero para k = n, es decir: x[n] = 1 2j X (z )z n1 dz
C
(5.4)
Ejemplo 5.10 Encuentre la transformada z inversa de la expresi on 1 1 z 1 si se sabe que la se nal correspondiente es causal. X (z ) = Soluci on: Aplicando (5.4) se obtiene x[n] = 1 2j 1 = 2j 1 = 2j 1 = 2j X (z )z n1 dz
C
1 z n1 dz 1 z 1 z z n1 dz z zn dz z
5 Transformada z
261
Como C debe estar dentro de la ROC, y la se nal es causal, entonces se escoje una circunferencia de radio mayor que ||. Para n > 0 se tiene un cero de orden n en z = 0, o ning un cero cuando n = 0, y en ambos casos hay un polo en z = . En estos casos se puede aplicar la f ormula integral de Cauchy para obtener directamente x[n] = z n |z= = n Para n < 0 la funci on f (z ) tiene un polo de orden n en z = 0, que tambi en est a dentro de C , por lo que dos polos z1 = 0 y z2 = a contribuyen al valor de la integral. Con n = 1 y la f ormula integral de Cauchy: 1 2j
C
1 1 1 dz = + z (z a) z a z=0 z 1 1 = + =0 a a
z =a
Con n = 2: 1 2j
C
1 1 dz = 2 z (z a) 2j
1 1 a12 a a2 + + dz 2 z za C z 1 1 =0 2 + 2 =0 a a
Esto se puede repetir para todo n < 2 resultando en x[n] = 0. Por tanto, resumiendo ambos casos en una ecuaci on se obtiene: x[n] = an u[n]
5.10
La transformada z inversa mediante expansi on en serie de potencias La idea de este m etodo es expandir X (z ) en una serie de potencias de la forma:

X (z ) =
n=
cn z
=
n=
x[n]z n
que converge en la regi on de convergencia asociada a X (z ). Este m etodo ya se introdujo en la secci on 2.4.1 sobre series de potencias, donde se observa que ahora se utiliza el caso particular de series de Laurent centradas en z = 0. Ejemplo 5.11 Calcule la secuencia en tiempo discreto x[n] si su transformada z tiene como expresi on algebraica 1 1 1+ 2 z X (z ) = 3 1 1 2 1 2z + 2 z
para las regiones de convergencia
262
1. ROC: |z | > 1 2. ROC: |z | < 1/2 Soluci on: Debido a que la ROC |z | > 1 es el exterior de un c rculo y X (z ) es racional, entonces x[n] es una se nal causal. Para calcularla se ordenan el numerador y el denominador del mayor coeciente al menor y se divide:
1 1 1+2 z 3 1 1 2 -(1 2 z + 2 z ) 2 2 z 1 1 2z 1 2 -( 2z 3z +z 3 ) 5 2 z 3 2z 2 3 5 4 -( 5 15 +4z ) 2z 4 z 11 3 4 z 5 4 4z 11 3 33 4 11 5 -( 4 z 8 z + 8 z ) 23 4 5 11 8 z 8 z 1 2 1 3 +1 2z 2z 5 2 1 1 + 2z + 2 z +
11 3 4 z
23 4 8 z
+ ...
Con lo que se deduce x[n] =
5 11 23 1, 2, 2 , 4 , 8 ,... .
La ROC |z | < 1/2 corresponde a una se nal anticausal. Para este caso se ordenan el numerador y el denominador de menor a mayor y se divide:
1 1 +1 2z 1 1 -( 2 z 3 2 5 2 -( 5 2 3 1 2 z +1 2 z + 5z + 13z 3 + 29z 4 + 61z 5 + . . . 1 2 2z
+z ) z 2 15 2 z +5z ) 13 2 2 z 5 z 39 2 13 -( 2 z 2 z +13z 3 ) 29 2 13z 3 2 z 2 3 4 87 -( 29 2 z 2 z +29z ) 61 3 29z 4 2 z
y nalmente x[n] = {. . . , 61, 29, 13, 5, 1, 0}
5.11
Este m etodo no provee la forma cerrada de x[n] y resulta tedioso si se desea determinar x[n] para n grande. Es adem as inestable num ericamente si se automatiza para ser calculado en computador. Ejemplo 5.12 Determine la transformada z inversa de: X (z ) = ln(1 + az 1 ), Soluci on: Puesto que la serie de Taylor para ln(1 + x), |x| < 1 es
ROC: |z | > |a| .
ln(1 + x) =
n=1
(1)n+1 xn n
5 Transformada z
263
entonces X (z ) =
n=1
(1)n+1 an z n , n 1]
5.12
de donde se obtiene directamente x[n] =
(1)n+1 an u[n n
La transformada z inversa mediante expansi on en fracciones parciales Este m etodo es an alogo al ya revisado para la transformada inversa de Laplace en la secci on 4.1.3. En el se expresa X (z ) como una combinaci on lineal: X (z ) = 1 X1 (z ) + 2 X2 (z ) + . . . + k Xk (z ) donde {Xi (z )} son las transformaciones de las se nales {xi [n]} disponibles en tablas. Por linealidad se tendr a que: x[n] = 1 x1 [n] + 2 x2 [n] + . . . + k xk [n] Si X (z ) es una funci on racional, entonces: X (z ) = N (z ) b0 + b1 z 1 + . . . + bM z M = D(z ) 1 + a1 z 1 + . . . + aN z N
N otese que si a0 = 1, lo anterior se puede obtener dividiendo numerador y denominador por a0 . Como se indic o en el cap tulo anterior, esta funci on se denomina propia si aN = 0 y M < N , es decir, si el n umero de ceros nitos es menor que el n umero de polos nitos. Una funci on impropia (M N ) siempre se puede representar como la suma de un polinomio y una funci on racional propia. Ejemplo 5.13 Exprese la funci on impropia:
1 3 1 + 3z 1 + 11 z 2 + 3 z 6 X (z ) = 5 1 1+ 6 z +1 z 2 6
en t erminos de un polinomio y una funci on propia. Soluci on: Para hacer esto, se debe hacer la divisi on de tal forma que los t erminos z 2 y z 3 sean eliminados, y para esto deben ordenarse los divisores de la misma manera que para determinar la expansi on en serie de potencias de se nales anticausales.
1 3 11 2 z + 6 z +3z 1 +1 3 1 3 5 2 -( 3 z +3 z +2z 1 ) 1 2 z +z 1 +1 6 1 2 5 1 -( 6 z +6 z +1) 1 1 z 6 1 2 z 6 1
2z
+5 z 1 + 1 6 +1
264
X (z ) = 1 + 2z
1+
1 1 z 6 1 2 5 1 z +6 z 6
5.13
En general, cualquier funci on racional impropia (M N ) se puede expresar como: X (z ) = N (z ) N1 (z ) = c0 + c1 z 1 + . . . + cM N z (M N ) + D(z ) D (z )
Como la transformada z inversa de un polinomio en t erminos de z 1 se puede calcular f acilmente al corresponder este directamente con las primeras muestras causales de la se nal, se prestar a ahora especial atenci on a la transformada de funciones racionales propias. Sea X (z ) una funci on racional propia: X (z ) = N (z ) b0 + b1 z 1 + . . . + bM z M = D(z ) 1 + a1 z 1 + . . . + aN z N
con aN = 0 y M < N . Multiplicando por z N tanto el numerador como denominador: X (z ) = puesto que N > M entonces X (z ) b0 z N 1 + b1 z N 2 + . . . + bM z N M 1 = z z N + a1 z N 1 + . . . + aN que es siempre propia. Para descomponer esta funci on como una suma de fracciones simples, se factoriza el denominador en factores que contengan los polos p1 , p2 , . . . , pN de X (z ). 1. Caso: Polos diferentes de primer orden. Si todos los polos son diferentes y de primer orden, entonces se busca la expansi on: A1 A2 AN X (z ) = + + ... + z z p1 z p2 z pN donde Ak = (z pk ) X (z ) z b0 z N + b1 z N 1 + . . . + bM z N M z N + a1 z N 1 + . . . + aN
z =pk
Ejemplo 5.14 Encuentre la descomposici on en fracciones parciales de la componente propia en el ejemplo 5.13, y con ella la transformada inversa x[n] de la funci on X (z ) en dicho ejemplo, si se sabe que esta es causal. Soluci on: Multiplicando por
1 1 z 6 5 1 1 2 z +6 z 6 z2 z2
se obtiene:
1 6 1 2
1+
1 z z2 6 = 5 2 2 z z + 6z +
1 z 6
z+
1 3
z+
A1 A2 + 1 z+3 z+1 2
5 Transformada z
265
N otese que no fue aqu necesario dividir por z pues la funci on racional resultante fue propia desde un principio. Multiplicando ambos lados por (z + 1/3) y haciendo z 1/3 se obtiene A1 = 1/3. Por otro lado, multiplicando ambos lados por (z + 1/2) y haciendo z 1/2 se obtiene A2 = 1/2. Se cumple entonces:
1 1 3 2 + 1 z+3 z+ 1 1 1 z 1 z 3 2 = + 1 1 z 1 z 1+ 1 1+ 2 3
1 2
1 3
1 3
n1
u[n 1] +
1 2
1 2
n1
u[n 1] =
1 3
1 2
u[n 1]
donde se ha hecho uso de las propiedades de linealidad y de desplazamiento en el tiempo. Falta u nicamente transformar los t erminos 1 + 2z 1 que corresponden en el tiempo discreto a [n] + 2 [n 1]. De este modo se cumple x[n] = [n] + 2 [n 1] + 1 3
n
1 2
u[n 1]
5.14
Ejemplo 5.15 Determine la expansi on en fracciones parciales de 1 + z 1 X (z ) = z 2 1 z 1 + 1 2 . Soluci on: Multiplicando por X (z ) =
1 12 2 z2 z2
se obtiene: X (z ) z+1 = 2 z z z+
1 j 45 e 2
z2 + z z2 z + =
1 2
1 2
1 2
con los polos p1,2 = descomposici on:
j1 = 2
se puede realizar la siguiente
X (z ) A1 A2 A1 A2 = + X (z ) = + 1 z z p 1 z p2 1 p1 z 1 p2 z 1
X (z ) A1 = (z p1 ) z A2 = (z p2 ) X (z ) z
z =p1
z+1 = z p2 = z+1 z p1
z =p1
p1 + 1 1 3 = = j = p1 p 2 2 2
z =p2
z =p2
10 j 71,6 e 2 p2 + 1 1 3 10 j 71,6 = = +j = e p2 p 1 2 2 2
266
Recu erdese que para el caso en que los coecientes de los polinomios en el numerador y denominador son reales, entonces si p1 = p2 se cumple A1 = A2 . Asumiendo que se trata de una se nal causal, se obtiene de la tabla 5.1
n Z 1 {X (z )} = x[n] = [A1 pn 1 + A1 p1 ] u[n]
= |A1 ||p1 |n ej [A1 +np1 ] + ej [A1 +np1 ] u[n] = 2|A1 ||p1 |n cos [A1 + np1 )] u[n] = 10 cos [n45 71,6 ] u[n] 2n
5.15
2. Caso: polos de orden m ultiple. Si hay un polo de orden l, (z pk )l , entonces la expansi on en fracciones parciales tendr a t erminos: A1k A2k Alk + + ... + 2 z p k ( z pk ) (z pk )l donde los coecientes {Aik } pueden obtenerse por medio de derivaciones sucesivas Ejemplo 5.16 Determine la expansi on en fracciones parciales de: 1 X (z ) = 1 (1 + z )(1 z 1 )2 y encuentre la se nal causal equivalente x[n]. Soluci on: Multiplicando numerador y denominador por z 3 resulta en: X (z ) z2 A1 A2 A3 = = + + 2 z (z + 1)(z 1) (z + 1) (z 1) (z 1)2 A1 y A3 se encuentran f acilmente multiplicando por los denominadores parciales y haciendo z = pi : A1 = (z + 1) X (z ) z X (z ) z =
z =1
A3 = (z 1)2 para calcular A2 se procede:
=
z =1
z (1 + z )
z2 (z 1)2
2
=
z =1
1 4
=
z =1
1 2
X (z ) (z 1)2 = A1 + A2 (z 1) + A3 z z+1 y se deriva con respecto a z : (z 1)2 d dz (z 1)2 X (z ) z d (z 1)2 d + A2 (z 1) dz z + 1 dz 2(z 1)(z + 1) + (z 1)2 = A1 (z + 1)2 2z (z + 1) z 2 3 = = = A2 2 (z + 1) 4 z =1 = A1
z =1
+ A2
z =1
d dz
z2 z+1
z =1
5 Transformada z
267
Por lo tanto, se cumple X (z ) = 1 1 3 1 1 z 1 + + 4 1 + z 1 4 1 z 1 2 (1 z 1 )2
y bajo la suposici on de que la se nal correspondiente es causal, se obtiene con las propiedades de linealidad y la tabla 5.1: x[n] = 3 1 1 (1)n + + n u[n] 4 4 2
5.16
Para obtener la inversi on de X (z ) se utiliza entonces la linealidad junto con el hecho ya demostrado de que: Z 1 1 1 pk z 1 (pk )n u[n], (pk )n u[n 1], si ROC: |z | > |pk | (se nales causales)
si ROC: |z | < |pk | (se nales anticausales)
N otese que si la se nal es causal, la ROC es |z | > pmax = max{|p1 |, |p2 |, . . . , |pN |} y x[n] = n n (A1 p1 + A2 p2 + . . . + AN pn N )u[n]. Si hay un par de polos complejos conjugados, ya se mencion o que los coecientes tambi en ser an complejos conjugados siempre y cuando los coecientes de los polinomios en el numerador y denominador sean reales, y por tanto:
n xk [n] = [Ak pn k + Ak pk ]u[n]
(5.5)
Expresando en forma polar: Ak = |Ak |ejk , pk = |pk |ejk y sustituyendo en (5.5), entonces: xk [n] = |Ak ||pk |n [ej (k n+k ) + ej (k n+k ) ]u[n] = 2|Ak ||pk |n cos[k n + k ]u[n],
ROC: |z | > |pk | = rk
N otese entonces que un par de polos complejos conjugados dan origen a una se nal sinusoidal con envolvente exponencial, donde la distancia del polo al origen determina la atenuaci on exponencial, y el angulo de los polos respecto al eje real determina la frecuencia de la oscilaci on. Los ceros afectan la amplitud y fase a trav es de su inuencia en los coecientes Ak . Para el caso de polos m ultiples se utilizan tablas, pero es usual encontrar Z 1 pz 1 (1 pz 1 )2 = npn u[n], ROC: |z | > |p|
268
5.3 Sistemas en tiempo discreto
5.3
Sistemas en tiempo discreto
A los dispositivos que operan sobre se nales de variable discreta (o tiempo discreto) se les denomina sistemas discretos . En general, reciben una se nal de entrada x[n] para producir una se nal de salida y [n]. Se dice que el sistema transforma x[n] en y [n], lo que se expresa como y [n] = T [x[n]] donde T [] representa al operador de transformaci on o procesamiento realizado por el sistema sobre x[n] para producir y [n].
5.3.1
Descripci on entrada-salida de sistemas
La descripci on de entrada-salida dene la relaci on entre x[n] y y [n]. La estructura interna del sistema es desconocida o ignorada, es decir, el sistema se interpreta como una caja negra (gura 5.13).
x[n]
Sistema Discreto
y [n]
Figura 5.13: Entrada-salida de un sistema discreto
Ejemplo 5.17 Determine la salida de los siguientes sistemas para la entrada x[n] = 1. 2. 3. 4. 5. 6. 3 |n| para 2 n 2 en el resto
y [n] = x[n] y [n] = x[n 2] y [n] = x[n + 1] 1 y [n] = 3 [x[n + 1] + x[n] + x[n 1]] y [n] = max {x[n + 1], x[n], x[n 1]} y [n] = n k= x[k ]
Soluci on: 1. Al sistema y [n] = x[n] se le denomina identidad , pues su salida es id entica a la entrada: y [n] = {1, 2, 3, 2, 1}
2. El sistema y [n] = x[n 2] retarda la entrada dos unidades: y [n] = {1, 2, 3, 2, 1}.
3. El sistema y [n] = x[n + 1] adelanta la se nal una unidad y solo puede ser realizado fuera de l nea, por ser imposible en un sistema de tiempo real determinar el valor de la se nal una muestra en el futuro: y [n] = {1, 2, 3, 2, 1}.
5 Transformada z
269
4. El ltro paso bajos y [n] = 1 [x[n + 1] + x[n] + x[n 1]] calcula el promedio de tres 3 muestras: y [n] = {1/3, 1, 2, 7/3, 2, 1, 1/3}.
5. El ltro de rango y [n] = max {x[n + 1], x[n], x[n 1]} entrega el valor m aximo de la muestra actual, la anterior y la futura: y [n] = {1, 2, 3, 3, 3, 2, 1}. Este ltro puede
considerarse tambi en como ltro paso bajos. n 6. El acumulador y [n] = on discreta de la entrada: k= x[k ] realiza la integraci y [n] = {1, 3, 6, 8, 9, 9, . . .}. N ote que el acumulador puede reescribirse como
n n1
y [n] =
k=
x[k ] =
k=
x[k ] + x[n] = y [n 1] + x[n]
y [n1]
5.17
En general la salida y [n] en el instante n no solo depende de la entrada x[n] sino de muestras anteriores y posteriores a n. Adem as, la salida de un sistema puede depender de un estado interno. Por ejemplo, en el acumulador y [n] = y [n 1] + x[n] si una secuencia de entrada se aplica en dos instantes de tiempo distintos las dos reacciones del sistema dieren, dependiendo de la historia anterior del sistema y [n 1]. Para determinar entonces la salida en un instante n0 es necesario conocer y [n0 1]. El c alculo de la secuencia de salida y [n] para todo instante n > n0 tiene como condici on inicial al valor y [n0 1], que en cierta forma resume todo el pasado del sistema. Si la condici on inicial es cero, se dice que el sistema esta en reposo . Siempre se asume que en n = todo sistema est a en reposo. La salida de un sistema en reposo puede expresarse entonces utilizando u nicamente la se nal de entrada. Ejemplo 5.18 Determine la salida del sistema acumulador para la entrada x[n] = nu[n] con condici on inicial y [1] = . Soluci on:
n 1 n
y [n] =
k=
x[k ] =
k=
x[ k ] +
k=0 y [1]=
k =+
n(n+1) 2
n(n + 1) 2
Donde se ha utilizado
n k=0 k n k=0 k n k=0 k n k=0 n k=0
2 2
= = =
1 n n+1
+ 2 + ... + n + n 1 + ... + 1 + n + 1 + ... + n + 1
k = n(n + 1) =
n(n+1) 2
5.18
270
5.3.2
Tipos de sistemas en tiempo discreto
Sistemas variantes e invariantes en el tiempo Un sistema en reposo T es invariante en el tiempo o invariante al desplazamiento si y solo si x[n] y [n]
T
x[n k ] y [n k ]
Ejemplo 5.19 Determine si los siguientes sistemas son invariantes en el tiempo. 1. y [n] = x[n] x[n 1] 2. y [n] = x[n] cos[0 n] Soluci on: Para demostrar la invarianza en el tiempo se calcula la respuesta del sistema a la entrada x[n k ], que resulta en yk [n] = x[n k ] x[n k 1]. La respuesta a x[n], retrasada k muestras es y [n k ] = x[n k ] x[n k 1]. Como y [n k ] = yk [n] el sistema es invariante en el tiempo. Para el segundo sistema, su respuesta yk [n] a x[n k ] es yk [n] = x[n k ] cos[0 n], y la repuesta a x[n], retrasada k muestras es y [n k ] = x[n k ] cos[0 (n k )] que es diferente a yk [n]. Por lo tanto el sistema modulador y [n] = x[n] cos[0 n] es variante en el tiempo, 5.19 Sistemas lineales y no lineales Un sistema es lineal si satisface el teorema de superposici on, es decir, para las constantes a1 , a2 y para las se nales x1 [n] y x2 [n] se cumple T [a1 x1 [n] + a2 x2 [n]] = a1 T [x1 [n]] + a2 T [x2 [n]] . Como consecuencia, todo sistema lineal tiene la propiedad multiplicativa o de escalado T [a1 x1 [n]] = a1 T [x1 [n]] y la propiedad aditiva T [x1 [n] + x2 [n]] = T [x1 [n]] + T [x2 [n]] . El principio de superposici on con M entradas puede generalizarse como
M M
x[n] =
k=1
ak xk [n] y [n] =
k=1
ak T [xk [n]]
De la propiedad de escalado se deduce adem as que en un sistema lineal en reposo con entrada cero (a1 = 0), entonces la salida debe ser cero. Si para un sistema la propiedad de superposici on no se cumple, entonces el sistema se dice ser no lineal.
5 Transformada z
271
Ejemplo 5.20 Compruebe si los siguientes sistemas son lineales. 1. 2. 3. 4. 5. y [n] = nx[n] y [n] = x[n2 ] y [n] = x2 [n] y [n] = Ax[n] + B y [n] = ex[n]
Soluci on: 1. Para el sistema 1 se obtiene primero la respuesta del sistema a una entrada igual a la suma ponderada de dos se nales x1 [n] y x2 [n], es decir, para una entrada total x[n] = a1 x1 [n]+a2 x2 [n] y se obtiene yT [n] = n(a1 x1 [n]+a2 x2 [n]) = a1 nx1 [n]+a2 nx2 [n]. Ahora, la suma ponderada de la salida del sistema para x1 [n] y x2 [n] por separado es y1 [n] = nx1 [n] y y2 [n] = nx2 [n], y su suma ponderada resulta en yS [n] = a1 y1 [n] + a2 y2 [n], que es igual a yS [n] = a1 nx1 [n] + a2 nx2 [n]. Como yT [n] = yS [n] se puede armar que el sistema y [n] = nx[n] es lineal. 2. Para y [n] = x[n2 ] las salidas yT [n] = a1 x1 [n2 ] + a2 x2 [n2 ] y yS = a1 x1 [n2 ] + a2 x2 [n2 ] son id enticas y por tanto el sistema es lineal. 2 2 2 3. Para y [n] = x2 [n] la salida yT [n] = (a1 x1 [n]+a2 x2 [n])2 = a2 1 x1 [n]+a2 x2 [n]+2a1 a2 x1 [n]x2 [n] 2 y la salida yS [n] = a1 x2 1 [n]+ a2 x2 [n] evidentemente son diferentes y por tanto el sistema no es lineal. 4. Para y [n] = Ax[n] + B la salida yT [n] = A(a1 x1 [n] + a2 x2 [n]) + B y la salida yS [n] = a1 (Ax1 [n] + B )a2 (Ax2 [n] + B ) = A(a1 x1 [n] + a2 x2 [n]) + B (a1 + a2 ) dieren y por tanto el sistema, a pesar de su apariencia, no es lineal. 5. Para y [n] = ex[n] la salida yT = ea1 x1 [n]+a2 x2 [n] = ea1 x1 [n] ea2 x2 [n] y la salida yS = a1 ex1 [n] + a2 ex2 [n] son diferentes y por tanto el sistema tampoco es lineal.
5.20
5.3.3
An alisis de sistemas LTI en tiempo discreto
Existen dos m etodos b asicos para el an alisis del comportamiento de un sistema: 1. Descomposici on de la se nal de entrada en se nales elementales para las que se conoce su respuesta. 2. Soluci on de la ecuaci on de diferencias. El an alisis de sistemas, independientemente del m etodo seleccionado, se simplica enormemente si estos son lineales e invariantes en el tiempo (LTI: Linear and Time Invariant ).
272
Descomposici on en se nales elementales El concepto fundamental del an alisis por descomposici on es el siguiente: sup ongase que la entrada x[n] puede expresarse como una suma ponderada de funciones elementales {xk [n]} x[n] =
k
ck xk [n]
donde ck son los coecientes de ponderaci on o pesos de la descomposici on de la se nal x[n]. Si la respuesta del sistema en reposo a xk [n] es yk [n], es decir yk [n] = T [xk [n]] entonces con la propiedad de linealidad se obtiene y [n] = T [x[n]] = T ck xk [n] =
k k
ck T [xk [n]] =
ck yk [n]
k
En otras palabras, si el sistema es lineal, la respuesta del sistema a una entrada es igual a la suma ponderada de las repuestas del sistema a cada una de las componentes en que se puede descomponer la entrada, donde se cumple adem as que los coecientes de ponderaci on de la salida corresponden a los coecientes de ponderaci on de la entrada. Utilizando como funciones elementales a impulsos unitarios desplazados [n k ] es posible expresar cualquier funci on de variable discreta x[n] como:
x[n] =
k=
x[k ] [n k ]
N otese la semejanza con el an alisis de sistemas LTI en tiempo continuo derivado en la secci on 3.4.1. Ejemplo 5.21 Descomponga la se nal x[n] = {0, 1, 2, 1, 1/2, 1}
en sus impulsos. Soluci on: Esta se nal puede expresarse como x[n] = 1 [n 1] + 2 [n 2] 1 [n 3] 1 [n 4] + 1 [n 5] 2
5.21
Si h [n, k ] se utiliza para denotar la respuesta de un sistema lineal a un impulso desplazado k unidades [n k ] h [n, k ] = T [ [n k ]]
5 Transformada z
273
entonces la salida del sistema puede calcularse con las respuestas elementales a los impulsos desplazados: y [n] =
k
ck yk [n] =
k
x[k ]h [n, k ]
Si el sistema es adem as invariante en el tiempo, entonces con h[n] = T [ [n]] se tiene que h [n, k ] = h[n k ] y por lo tanto
y [n] =
k=
x[k ]h[n k ] = x[n] h[n]
que se denomina suma de convoluci on . Se dice que la respuesta del sistema y [n] a la entrada x[n] es igual a la convoluci on de x[n] con la respuesta al impulso h[n]. Esto quiere decir que en un sistema LTI en reposo su respuesta a cualquier entrada puede determinarse con solo conocer dicha entrada y la respuesta al impulso h[n], lo cual es similar a lo analizado en cap tulos anteriores para sistemas en tiempo continuo. El c alculo de la suma de convoluci on involucra cuatro pasos equivalentes a los estudiados para el caso de la integral de convoluci on: 1. Reexi on de h[k ] con respecto a k = 0 para producir h[k ]. 2. Desplazamiento de h[k ] hacia el punto n que se desea calcular. 3. Multiplicaci on de x[k ] y h[n k ] para obtener una secuencia producto vn [k ] = x[k ]h[n k ]. 4. Suma de todos los valores de vn [k ] para obtener y [n]. Los pasos del 2 al 4 deben realizarse para todo instante n que se dese e calcular.
Ejemplo 5.22 Determine la respuesta a la se nal de entrada x[n] = {1, 2, 3, 1}
de un sistema lineal e invariante en el tiempo con respuesta al impulso h[n] = {1, 2, 1, 1}
Soluci on: Siguiendo el procedimiento indicado, primero se calcula la reexi on de la respuesta al impulso h[k ] = {1, 1, 2, 1}. Los siguientes pasos se resumen en la tabla 5.14.
Con lo que resulta la se nal de salida en y [n] = {1, 4, 8, 8, 3, 2, 1}
5.22
274
2. Desplazamiento
3. Multiplicaci on por x[k ] = {1, 2, 3, 1}

4. Suma
h[1 k ]={1, 1, 2, 1}
v1 ={0, 0, 0, 1, 0, 0, 0} y1 =1 v0 ={0, 0, 2, 2, 0, 0}
h[0 k ]={1, 1, 2, 1}
y0 =4 y1 =8 y2 =8 y3 =3 y4 =-2 y5 =-1
h[1 k ]={1, 1, 2, 1}
v1 ={0, 1, 4, 3, 0}
h[2 k ]={1, 1, 2, 1}
v2 ={1, 2, 6, 1}
h[3 k ]={0, 1, 1, 2, 1}
v3 ={0, 2, 3, 2}
h[4 k ]={0, 0, 1, 1, 2, 1}
v4 ={0, 0, 3, 1}

h[5 k ]={0, 0, 0, 1, 1, 2, 1}
v5 ={0, 0, 0, 1}
Figura 5.14: Ejemplo de convoluci on de dos secuencias nitas.
Con un cambio de variables es posible demostrar que la convoluci on es conmutativa:

y [n] = x[n] h[n] = =
k=
x[k ]h[n k ]
=
m=nk m=
x[n m]h[m]
m=
h[m]x[n m]
= h[n] x[n] La convoluci on es adem as asociativa y distributiva (x[n] h1 [n]) h2 [n] = x[n] (h1 [n] h2 [n])
x[n] (h1 [n] + h2 [n]) = x[n] h1 [n] + x[n] h2 [n] Ejemplo 5.23 Encuentre la salida de un sistema con respuesta al impulso h[n] = an u[n], ante una entrada x[n] = u[n]. Soluci on: Para determinar la salida y [n] del sistema con la entrada escal on unitario u[n] se utiliza la sumatoria de convoluci on:

|a| < 1 .
y [n] =
k=
x[n k ]h[k ] =
k=
u[n k ]h[k ]
(5.6)
Para n < 0 el producto de u[n k ] y h[k ] es siempre cero y por tanto y [n] = 0. Evaluando
5 Transformada z
275
(5.6) para algunos valores de n se obtiene: y [0] = h[0] = 1 y [1] = h[0] + h[1] = 1 + a y [2] = h[0] + h[1] + h[2] = 1 + a + a2 . . .
n n
y [n] =
k=0
h[k ] =
k=0
ak
Puesto que
n k k=0 a n k k=0 a a) n k=0
a (1
ak
= 1 +a +a2 + . . . +an = a +a2 + . . . +an +an+1 = 1 an+1

n
se deriva para n 0 y [n] =
ak =
k=0
1 an+1 1a
1 . 1a
Si |a| < 1 entonces lim an+1 = 0 lo que implica que y () = n ejemplo de la respuesta para a = 0,9.
y [n]
10 9 8 7 6 5 4 3 2 1 0
La gura 5.15 muestra un
1 1 a
n
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Figura 5.15: Respuesta del sistema en el ejemplo 5.23 al escal on, con a = 0,9.
5.23
La propiedad de convoluci on de la transformada z permite simplicar el an alisis de sistemas LTI en el dominio z , donde la salida del sistema puede calcularse a trav es del producto de las transformadas z de la entrada y de la respuesta al impulso, de forma an aloga a lo expuesto anteriormente para la transformada de Laplace y el an alisis de sistemas en el tiempo continuo. En sistemas de variable discreta tambi en se le denomina a H (z ) funci on de transferencia del sistema, que corresponde con la transformada z de la respuesta al impulso unitario h[n]. Si
276
Y (z ) = Z {y [n]} y X (z ) = Z {x[n]} entonces se cumple:
Si se conoce la transformada de la salida Y (z ) y la transformada X (z ) de la entrada que dio origen a dicha salida, es entonces posible encontrar la respuesta al impulso: Y (z ) = H (z ) X (z )
Ejemplo 5.24 Repita el ejemplo 5.23 pero utilice la transformada z para su soluci on. Soluci on: Debe encontrarse la salida de un sistema con respuesta al impulso h[n] = an u[n], ante una entrada x[n] = u[n]. En secciones anteriores se demostr o: X (z ) = 1 1 z 1 1 H (z ) = 1 az 1 1 (1 z 1 )(1 az 1 ) |a| < 1 .
con lo que se obtiene la salida en el dominio z : Y (z ) = H (z )X (z ) =
que se puede descomponer en fracciones parciales como Y (z ) = 1 (1 z 1 )(1 az 1 ) = a 1 1 1 1 1a 1z 1 a 1 az 1
que transformado al dominio del tiempo discreto resulta en y [n] = 1 a n 1 an+1 u[n] a u[n] = u[n] 1a 1a 1a
5.24
lo que conrma el resultado del ejemplo anterior. Sistemas LTI causales
Un sistema es causal si y [n] depende solo de las entradas presentes y pasadas {x[n], x[n 1], x[n 2], . . .}, y salidas pasadas {y [n 1], y [n 2], . . .}, pero no de las entradas o salidas

Y (z ) = H (z )X (z )
y [n] = h[n] x[n]
h[n]
5 Transformada z
277
futuras {x[n + 1], x[n + 2], . . .; y [n + 1], y [n + 2], . . .}. En caso contrario, el sistema es no causal. Sistemas que funcionan en l nea deben ser causales por la imposibilidad de determinar el valor de la entrada o la salida en el futuro. En un sistema causal la salida en n = n0 depende exclusivamente de valores de entrada x[n] para n n0 . Como en un sistema LTI
1
y [n0 ] =
k=
h[k ]x[n0 k ] =
k=0
h[k ]x[n0 k ] +
Muestras pasadas y actual
k=
h[k ]x[n0 k ]
Muestras futuras
se deriva que para que la salida sea independiente de entradas futuras entonces se debe cumplir h[k ] = 0 para todo k 1. Dado que h[n] es la respuesta impulsional de un sistema LTI en reposo, h[n] = 0 para n < 0 es condici on necesaria y suciente para la causalidad. As , un sistema LTI es causal si y solo si h[n] = 0, n < 0, lo que tambi en es consistente con lo mencionado para sistemas de variable continua. Si un sistema es causal entonces la convoluci on puede simplicarse en
n
y [n] =
k=0
h[k ]x[n k ] =
k=
x[k ]h[n k ]
Generalizando, a una secuencia x[n] con x[n] = 0 para alg un n < 0 se le denomina secuencia no causal, y de lo contrario, secuencia causal. Si tanto la entrada x[n] como la respuesta impulsional son causales, entonces la convoluci on se simplica en:
n n
y [n] =
k=0
h[k ]x[n k ] =
k=0
x[k ]h[n k ]
N otese que esta respuesta es a su vez causal, es decir, y [n] = 0 para todo n < 0. En general, puesto que un sistema causal tiene como respuesta al impulso una se nal h[n] causal, se puede armar que la regi on de convergencia de la funci on de transferencia H (z ) es el exterior de un c rculo centrado en el origen. Estabilidad de sistemas lineales e invariantes en el tiempo Un sistema arbitrario en reposo se dice de entrada acotada - salida acotada (BIBO: bounded input bounded output ) si toda entrada acotada produce una salida acotada: |x[n]| Mx < |y [n]| My < ,
T
n Z
278
Si para alguna entrada acotada se produce una salida no acotada (es innita), el sistema se dice ser inestable. Dada la convoluci on
y [n] =
k=
h[k ]x[n k ]
se cumple para su valor absoluto

|y [n]| =
k=
h[k ]x[n k ] |h[k ]|
k=
|h[k ]||x[n k ]|
k=
|h[k ]|Mx
|y [n]| Mx
k=
lo que implica que |y [n]| es acotada solo si
Sh =
k=
|h[k ]|
En consecuencia un sistema LTI es estable si su respuesta al impulso es absolutamente sumable. Esta condici on es necesaria y suciente.
Ejemplo 5.25 Determine el rango del par ametro a para el que el sistema LTI de respuesta n al impulso h[n] = a u[n] es estable. Soluci on: El sistema es estable si

k=0
|a | =
k=0
|a|k = 1 + |a| + |a|2 + . . .
converge. Esto ocurre si y solo si |a| < 1 y converge a
k=0
|ak | =
1 1 | a|
5.25
Ejemplo 5.26 Determine el rango de valores de a y b para los cuales el sistema LTI de respuesta h[n] = an bn n0 n<0
5 Transformada z
279
es estable. La condici on de estabilidad es

1
n=
|h[n]| =
n=
|b| +
n=0
|a| =
n=1
1 b
+
n=0
|a|n
|b| 1 + |b| 1 1 |a|
Converge si |b| > 1
Converge si |a| < 1
El sistema es estable si |a| < 1 y si |b| > 1. En el dominio z la estabilidad se puede observar f acilmente considerando que

5.26
|H (z )| =
h[n]z
n=
h[n]z
n=
n=
|h[n]||z n |
para el caso especial |z | = 1, que es el c rculo unitario en el plano z , y considerando que si un sistema es estable su respuesta al impulso es absolutamente sumable, entonces lo anterior se reduce a |H (z )|
n=
|h[n]| < ,
|z | = 1
lo que implica un sistema descrito por H (z ) es estable si su regi on de convergencia incluye al c rculo unitario. De lo anterior se deriva que si un sistema es estable y causal, entonces los polos de su funci on de transferencia deben estar dentro del c rculo unitario. Sistemas en tiempo discreto y ecuaciones de diferencias El c alculo de la convoluci on: y [n] =
k=
h[k ]x[n k ]
s olo es aplicable en sistemas LTI que tienen una respuesta al impulso de longitud nita (llamados tambi en sistemas FIR por Finite Impulse Response ), puesto que de otro modo se requerir a de una memoria innita para almacenar h[n], y un n umero innito de multiplicaciones y adiciones. Las llamadas ecuaciones de diferencias permiten trabajar con sistemas con una respuesta al impulso de longitud innita (o sistemas IIR por Innite Impulse Response ), y son el equivalente en el dominio discreto de las ecuaciones diferenciales. Un sistema causal es recursivo si su salida en el instante n depende no solo de los valores presentes y pasados a la entrada, sino tambi en de valores anteriores de la salida, y [n 1], y [n 2], . . .: y [n] = F [y [n 1], y [n 2], . . . , y [n N ], x[n], x[n 1], . . . , x[n M ]]
280
donde F [] denota una funci on cualquiera con argumentos iguales a las entradas y salidas presentes y pasadas. El sistema se denomina no recursivo si depende u nicamente de las entradas presentes y pasadas: y [n] = F [x[n], x[n 1], . . . , x[n M ]] N otese que los sistemas LTI causales con una respuesta nita al impulso de longitud M son no recursivos, puesto que pueden expresarse de la forma
M 1
y [n] =
k=0
h[k ]x[n k ]
que depende de la entrada actual x[n] y las M 1 entradas anteriores. En general, los sistemas recursivos tienen respuestas al impulso innitas, pero que pueden calcularse en un n umero nito de pasos considerando las salidas anteriores. Esto tiene la inconveniencia de que la salida de un sistema recursivo debe calcularse en orden estrictamente secuencial, por requirse los c alculos de dichas salidas anteriores. En un sistema no recursivo las salidas anteriores no son consideradas y se puede calcular un valor para cualquier n directamente. Ejemplo 5.27 El sistema de media acumulativa 1 y [n] = n+1 es recursivo pues
n n
x[k ]
k=0
(n + 1)y [n] =
k=0 n1
x[ k ]
ny [n 1] = (n + 1)y [n] = y [n] =
x[ k ]
k=0 n1
k=0
x[k ] + x[n] = ny [n 1] + x[n]
n 1 y [n 1] + x[ n ] n+1 n+1 1 = (ny [n 1] + x[n]) n+1
(5.7)
5.27
Los sistemas descritos por ecuaciones de diferencias con coecientes constantes son una subclase de los sistemas recursivos y no recursivos. Consid erese por ejemplo el sistema y [n] = ay [n 1] + x[n]
5 Transformada z
281
que a pesar de su similitud con (5.7), diere por la naturaleza de los coecientes, lo que tiene implicaciones sobre la invarianza en el tiempo. En este u ltimo caso, el coeciente a es constante y el sistema es invariante en el tiempo. Para la media acumulativa, los coecientes n 1 y n+1 son dependiente del tiempo y el sistema es variante en el tiempo. n+1 Eval uese ahora la respuesta de este sistema ante una entrada x[n] causal y con una condici on inicial y [1]: y [0] = ay [1] + x[0] y [1] = ay [0] + x[1] = a2 y [1] + ax[0] + x[1]
y [2] = ay [1] + x[2] = a3 y [1] + a2 x[0] + ax[1] + x[2] . . . y [n] = an+1 y [1] + an x[0] + an1 x[1] + . . . + a0 x[n]
n
=a
n+1
y [1] +
yzi [n]
k=0
ak x [ n k ] ,
yzs [n]
n0
El t ermino yzi [n] depende de las condiciones iniciales y se obtendr a si la entrada fuese cero (zero input ), como resultado del estado inicial del sistema y de sus caracter sticas propias. A yzi [n] se le denomina respuesta natural o libre del sistema, o tambi en, respuesta a entrada nula. El t ermino yzs [n] se obtiene cuando el estado del sistema es cero (zero state ), es decir, con una entrada x[n] cuando el sistema est a en reposo, y se le denomina respuesta en estado nulo o respuesta forzada. N otese que en el ejemplo, yzs [n] puede interpretarse como la convoluci on de x[n] con la respuesta al impulso: h[n] = an u[n] donde los ndices son nitos debido a la causalidad de ambas se nales x[n] y h[n]. Este ejemplo corresponde a una ecuaci on de diferencias de primer orden, y es un caso particular de la ecuaci on de diferencias:
N M
y [n] = o con a0 = 1:
N
k=1
ak y [ n k ] +
M
k=0
bk x [ n k ]
k=0
ak y [n k ] =
k=0
bk x [ n k ]
(5.8)
donde el entero N recibe el nombre de orden de la ecuaci on de diferencias u orden del sistema. Las condiciones iniciales y [1], . . . , y [n] resumen toda la historia pasada del sistema, y son necesarias para efectuar el c alculo de las salidas presentes y futuras. La respuesta al impulso h[n] en sistemas recursivos se dene como la respuesta del sistema cuando la entrada x[n] es igual al impulso [n], y el sistema est a inicialmente en reposo.
282
Cualquier sistema recursivo descrito por una ecuaci on de diferencias lineal con coecientes constantes es un sistema de respuesta innita al impulso, pero no todo sistema de respuesta innita LTI puede ser descrito con estas ecuaciones. En el dominio z la ecuaci on (5.8) se transforma, utilizando la propiedad de desplazamiento, en
N M
ak Y (z )z
k=0 N
=
k=0
bk X (z )z k
M
Y (z )
k=0
ak z
= X (z )
bk z k
H (z ) =
Y (z ) = X (z )
k=0 M k k=0 bk z N k k=0 ak z
lo que quiere decir que cualquier sistema en tiempo discreto descrito por una ecuaci on de diferencias con coecientes constantes tiene una funci on de transferencia racional. Puesto que la descomposici on en fracciones parciales de H (z ) contendr a una suma de t erminos con un u nico polo de orden n, los cuales corresponden en el dominio n con una secuencia de longitud innita, se deriva que todo sistema descrito por una ecuaci on de diferencias con coecientes constantes tiene una respuesta al impulso h[n] de longitud innita.
Ejemplo 5.28 Encuentre la ecuaci on de diferencias correspondiente a un sistema causal con funci on de transferencia 1 + z 1 H (z ) = 1+ 5 z 1 + 1 z 2 6 6 Soluci on: Se tiene que H (z ) = esto es equivalente a 1 5 Y (z ) 1 + z 1 + z 2 = X (z ) 1 + z 1 6 6 Y (z ) 1 + z 1 = X (z ) 1+ 5 z 1 + 1 z 2 6 6
5 1 y [n] + y [n 1] + y [n 2] = x[n] + x[n 1] 6 6 con lo que nalmente se obtiene 5 1 y [n] = y [n 1] y [n 2] + x[n] + x[n 1] 6 6
5.28
5 Transformada z
283
5.4
Transformada z unilateral
Al igual que en el caso de sistemas en tiempo continuo, la mayor a de aplicaciones en ingenier a involucra sistemas y se nales causales, por lo que tiene sentido denir la transformada z unilateral.
5.4.1
Denici on y propiedades
La transformada z unilateral se dene como: Zu {x[n]} = X (z ) = y la relaci on se denota como x[n]

!
x[n]z n
n=0
zu
X (z ).
La transformada z unilateral y la bilateral se diferencian en el l mite inferior de la sumatoria, y presenta por lo tanto las siguientes caracter sticas: 1. No contiene informaci on sobre la se nal x[n] para los valores negativos de n. 2. Es u nica s olo para se nales causales, puesto que estas son las u nicas se nales que son cero para n < 0. 3. Zu {x[n]} = Z {x[n]u[n]}. Puesto que x[n]u[n] es causal, la ROC de su transformada X (z ) es siempre exterior a un c rculo. Por lo tanto, cuando se trate con transformadas z unilaterales, no es necesario referirse a su regi on de convergencia. Ejemplo 5.29 Determine la transformada z unilateral de: 1. x1 [n] = {1, 2, 5, 7, 0, 1}.

2. x2 [n] = {1, 2, 5, 7, 0, 1}.
3. x3 [n] = {2, 4, 5, 7, 0, 1}. 4. x4 [n] = [n]. 5. x5 [n] = [n k ], k > 0. 6. x6 [n] = [n + k ], k > 0. 1. 2. 3. 4. 5. 6. 1 + 2z 1 + 5z 2 + 7z 3 + 1z 5 . 5 + 7z 1 + z 3 . 5 + 7z 1 + z 3 . 1. z k . 0.

5.29
N otese que la transformada z unilateral no es u nica para se nales con componentes anticausales diferentes (por ejemplo X2 (z ) = X3 (z ), aun cuando x2 [n] = x3 [n]). Para se nales anticausales, X (z ) siempre ser a cero.
284
5.4 Transformada z unilateral
Las propiedades de esta transformada son similares a las de la transformada z bilateral, pero el desplazamiento merece especial atenci on.
Retardo temporal Si x[n]
zu
X (z ), entonces x[n k ]
zu
X (z ) +
n=1
x[n]z n
para k > 0. Si x[n] es causal entonces x[n k ] = z k X (z ). Demostraci on:

Zu {x[n k ]} =
n=0
x[n k ]z
=
m=k
x[m]z
(m+k)
=
m=k
x[m]z m z k
= z k
m=k
x[m]z m = z k
m=k k
x[m]z m +
m=0
x[m]z m
= z k
X (z ) +
n=1
x[n]z n
N otese que si se desplaza x[n] hacia la derecha entonces aparecen k nuevas muestras que deben considerarse.
Adelanto temporal Si x[n]
zu
X (z ), entonces x[ n + k ]
zu
k1
z k X (z )
x[n]z n
n=0
para k > 0. Demostraci on:

Zu {x[n + k ]} =
x[ n + k ] z n =
n=0 k m=0 m
x[m]z (mk) = z k
m=k k1 m=k m k
x[m]z m
k 1
=z
x[m]z
x[m]z
m=0
=z
X (z )
x[m]z m
m=0
N otese que si la se nal se desplaza a la izquierda, entonces k muestras de la transformada X (z ) deben desaparecer.
5 Transformada z
285
Ejemplo 5.30 Calcule la transformada z unilateral de: 1. x[n] = an . 2. x2 [n] = x[n 2]. 3. x3 [n] = x[n + 2]. Soluci on: 1. Se cumple Zu {x[n]} = Z {x[n]u[n]} = 2.
2 2
1 1 az 1
Zu {x[n 2]} = z =z = 3.
X (z ) +
n=1
x[n]z n
z 2 + a1 z 1 + a2 1 az 1
X (z ) + x[1]z + x[2]z 2
Zu {x[n + 2]} = z
X (z )
x[n]z n
n=0
1 1 az 1 1 az 1 z2 = z 2 az 1 az 1 = z2
5.30
La propiedad de desplazamiento de la transformada z unilateral se utiliza en la soluci on de ecuaciones de diferencias con coecientes constantes y condiciones iniciales no nulas.
Teorema del valor nal Se tiene que:

N
X (z ) = Zu {x[n]} = lim y adem as:
x[n]z n
n=0
Zu {x[n + 1]} = zX (z ) zx[0] = lim
x[n + 1]z n
n=0
286
5.4 Transformada z unilateral
con lo que se tiene: Zu {x[n + 1]} Zu {x[n]} = (zX (z ) zx[0]) X (z ) = (z 1)X (z ) zx[0]
N N n
= lim
x[n + 1]z
n=0 N
x[n]z n
n=0 N 1
= lim
n=0 N 1
x[n + 1]z n x[n + 1]z

n
x[n + 1]z n1
n=1 N 1 N
= lim
+ x[n + 1]z
n=0 N 1
x[0]
x[n + 1]z n1
n=0
= lim
n=0 N 1
x[n + 1](z n z n1 ) + x[n + 1]z N x[n + 1]z n1 (z 1) + x[n + 1]z N
x[0] x[0]
= lim con lo que se deduce:
n=0
N 1
(z 1)X (z ) = lim
n=0
x[n + 1]z n1 (z 1) + x[n + 1]z N
+ (z 1)x[0]
y aplicando el l mite cuando z tiende a 1 a ambos lados se obtiene:

n
lim x[n] = lim(z 1)X (z )

z 1
lo que se conoce como teorema del valor nal . En la demostraci on se ha asumido que la ROC de (z 1)X (z ) incluye a |z | = 1. Este teorema se utiliza para calcular el valor asint otico de la se nal x[n] cuando n tiende a innito, si se conoce X (z ) pero no x[n]. Ejemplo 5.31 Determine la respuesta del sistema con respuesta impulsional h[n] = an u[n], |a| < 1, ante un escal on unitario, cuando n . Soluci on: La salida del sistema ante la entrada dada se calcula en el dominio z como: y [n] = h[n] x[n]
Y (z ) =
1 1 z2 = , ROC : |z | > 1 1 az 1 1 z 1 (z a)(z 1) z2 1 = (z a)(z 1) 1a

ROC: |z | > a < 1
x() = lim(z 1)
z 1
Este resultado es consistente con lo mostrado en la gura 5.15.

5.31
5 Transformada z
287
5.4.2
Respuestas natural y forzada
Las propiedades de desplazamiento en el tiempo de la transformada z unilateral permiten evaluar el comportamiento de un sistema cuando las condiciones iniciales no son nulas. En general, si se asume que el sistema est a en reposo, es decir, si se asume que todas las condiciones iniciales del sistema son nulas, entonces la respuesta y [n] del sistema ante la entrada causal x[n] se conoce como respuesta forzada del sistema. Si por otro lado la entrada x[n] es nula, pero el sistema tiene condiciones iniciales no nulas, entonces a la reacci on del sistema a partir de la muestra cero y [n] se le conoce como respuesta natural del sistema. La respuesta total del sistema es entonces aquella conformada por las respuestas natural y forzada. El siguiente ejemplo ilustra estos conceptos.
Ejemplo 5.32 Un sistema LTI en tiempo discreto est a descrito por la ecuaci on de diferencias: 4 1 y [n] = y [n 1] y [n 2] + x[n] x[n 2] 5 4 Encuentre la respuesta natural del sistema ante las condiciones iniciales y [1] = 0 y y [2] = 4, y la respuesta forzada del sistema ante un escal on unitario. Soluci on: Aplicando la transformada z unilateral, sus propiedades de retraso en el tiempo, y considerando que la entrada x[n] es causal, se cumple: Y (z ) = 4 Y (z )z 1 + y [1] 5 1 Y (z )z 2 + y [1]z 1 + y [2] 4 + X (z ) X (z )z 2 x[1]z 1 + x[2]
4 1 4 1 1 Y (z ) 1 z 1 + z 2 = X (z ) 1 z 2 + y [1] y [2] z 1 y [1] 5 4 5 4 4 4 1 1 1 2 y [1] 4 y [2] 4 z y [1] 1z 5 Y (z ) = X ( z ) + 4 1 4 1 1 2 1 2 1 5z + 4z 1 5z + 4z

Respuesta forzada Respuesta natural
Obs ervese que ambas componentes, la natural y la forzada, comparten los mismos polos, y determinan as la forma de las se nales en cuanto a atenuaci on/amplicaci on exponenciales y la frecuencia de las componentes oscilatorias. Los ceros ser an responsables de la fase y amplitud de las se nales resultantes. La respuesta natural del sistema se obtiene haciendo X (z ) = 0: Y (z ) =
4 y [1] 5
1 y [2] 1 z 1 y [1] 4 4 4 1 1 5 z +1 z 2 4
288
5.5 Interconexi on de sistemas
y con las condiciones iniciales dadas Y (z ) = = y por lo tanto y [n] = 1 2

n 1 2 = 4 1 z +4 z 5 1 2 j3 2 + 2 3 z 1 + j 10 5
1 1 1
2 3 + j 10 5 1 + j2 2 3 2 3 j 5 10
1 1
z 1 z 1
2 5
3 z 1 j 10
3 4 cos n arctan u[n] + 4 3
1 2
sen n arctan
3 u[n] 4
La respuesta forzada ante un escal on unitario estar a dada por la transformada z inversa de Y (z ) = 1 z 2 1 4 1 1 2 1 5 z + 4 z 1 z 1
El cero en 1 se cancela con el polo en el mismo sitio. El lector puede demostrar por descomposici on en fracciones parciales que: expresi on se puede reescribir como: Y (z ) = = 1 + z 1 1 2 = z 1 + 4 z 1 4 1 5 1
n 1 2 2 5 7 j3 + 3 + j 10 z 1 1 2 3 + j 10 5 1 + j7 2 3 2 3 j 10 5
1 + z 1 z 1 1 z 1
2 5
3 j 10 z 1
que corresponde a la se nal y [n] = 1 2 cos n arctan 3 14 u[n] + 4 3 1 2

n
sen n arctan
3 u[n] 4
5.32
5.5
Interconexi on de sistemas
Los siguientes conceptos se aplican tanto a sistemas discretos como continuos. Puesto que en los dominios de la frecuencia j , s y z la convoluci on del tiempo se transforma en un producto algebraico, adem as de que las transformaciones son lineales, esto permite generalizar los conceptos a los tres dominios por igual. Se tratar a aqu el caso especial de los sistemas discretos, pero los principios son v alidos si se sustituye la variable discreta n por la variable continua t, y si se reemplaza el dominio z y la transformada z , por el dominio s y la transformada de Laplace. Hay dos maneras fundamentales de interconectar sistemas: interconexi on en cascada (serie) e interconexi on paralela (gura 5.16). La interconexi on en cascada se describe con sistemas de la forma: y [n] = T2 [T1 [x[n]]] = Tc [x[n]]
5 Transformada z
289
En general, para la conexi on en cascada el orden de los bloques no es relevante. Si los sistemas son lineales e invariantes en el tiempo entonces Tc es invariante en el tiempo, y T1 T2 = T2 T1 . La interconexi on en paralelo se describe por y [n] = T1 [x[n]] + T2 [x[n]] = Tp [x[n]] .
y1 (n)
T1 x(n) T1 y1 (n) (a) T2 y (n) x(n) T2 (b)
y (n) y2 (n)
Figura 5.16: Interconexi on de sistemas discretos. (a) Cascada. (b) Paralelo
N otese que si el sistema es LTI, entonces se cumple y1 [n] = x[n] h1 [n] y por tanto en el dominio z esta relaci on se puede representar por Y1 (z ) = X (z )H1 (z ). Puesto que tambi en se cumple Y (z ) = H2 (z )Y1 (z ) se concluye que Y (z ) = [H1 (z )H2 (z )]X (z ) o en otras palabras la funci on de transferencia de la cascada de sistemas es igual al producto de las mismas. Para la conexi on en paralelo se puede hacer uso de la linealidad y as obtener Y (z ) = [H1 (z ) + H2 (z )]X (z )
5.5.1
Diagramas de bloques
Sumador El sumador es un bloque que realiza la adici on entre dos se nales, sumando las muestras en un instante dado y se representa como lo indica la gura 5.17.
x1 [n] x2 [n] y [n] = x1 [n] + x2 [n]
Figura 5.17: Diagrama de un sumador.
Multiplicador por constante El multiplicador por constante es un bloque que escala la amplitud y cambia la fase de una se nal, y se representa como lo indica la gura 5.18.
290
x[n] a y [n] = ax[n]
Figura 5.18: Diagrama de un multiplicador por constante.
Multiplicador de se nal El multiplicador de se nal es un bloque que multiplica en cada instante de tiempo sus diversas entradas. Este es representado como lo indica la gura 5.19.
x1 [n] y [n] = x1 [n]x2 [n]
x2 [n]
Figura 5.19: Diagrama de un multiplicador de se nales.
Retardador de un elemento El retardador es un bloque que retrasa la se nal de entrada en una unidad de tiempo. Este es utilizado principalmente en el an alisis y modelado de sistemas discretos. Se representa como lo indica la gura 5.20.
x[n] z 1 y [n] = x[n 1]
Figura 5.20: Diagrama de elemento retardador.
Adelantador de un elemento El adelantador es un elemento que adelanta una se nal una unidad de tiempo en el futuro. No es realizable f sicamente y solo existe en sistemas discretos que operan fuera de l nea. Se representa como lo indica la gura 5.21. Ejemplo 5.33 Realice el diagrama de bloques para 1 1 1 y [n] = y [n 1] + x[n] + x[n 1] 4 2 2 N otese primero que esta expresi on puede reescribirse de la siguiente forma: 1 1 y [n] = y [n 1] + (x[n] + x[n 1]) 4 2 con lo que se deriva f acilmente el diagrama mostrado en la gura 5.22.
5.33
5 Transformada z
x[n] z y [n] = x[n + 1]
291
Figura 5.21: Diagrama de elemento adelantador.

1 2
y [n] z 1
x[n] z 1
1 4
Figura 5.22: Diagrama de bloques de la ecuaci on 5.22.
Ejemplo 5.34 Encuentre la funci on de transferencia del sistema mostrado en la gura 5.23. Soluci on: Las funciones en los bloques denotan sus respuestas al impulso. As se tiene que los bloque y se nales tienen las siguientes transformadas: x[n] y [n] q [n] g [n] e[n]
X (z ) Y (z ) Q(z ) G(z ) E (z )
La se nal e[n] se obtiene con la substracci on de la entrada x[n] y la salida del bloque con funci on de transferencia G(z ), y se cumple entonces en el dominio z que E (z ) = X (z ) Y (z )G(z ). Aplicando las propiedades de linealidad y de convoluci on se tiene que E (z )Q(z ) = Y (z ) [X (z ) G(z )Y (z )]Q(z ) = Y (z ) X (z )Q(z ) = Y (z )[1 + G(z )Q(z )] Q(z ) Y (z ) = H (z ) = X (z ) 1 + G(z )Q(z )
Esta estructura ser a utilizada ampliamente en control autom atico. N otese que si X (z ), y Q(z ), G(z ) son funciones racionales, entonces H (z ) tambi en lo ser a.
x[n] e[n] q [n] y [n]
g [n]
Figura 5.23: Sistema retroalimentado
292

5.34
5 Transformada z
293
5.6
Problemas
Los siguientes ejercicios est an basados en [16, 14], algunos con leves modicaciones, otros nuevos para profundizar en los conceptos introducidos en este cap tulo. Problema 5.1. Considere la representaci on de la funci on de variable discreta x[n] en t erminos continuos

x a (t) =
n=
x[n] (t nT ) =
n=
xa (nT ) (t nT ) =
n=
xa (t) (t nT )
donde x[n] se obtiene muestreando peri odicamente a la se nal anal ogica xa (t). Si xa (t) tiene una respuesta en frecuencia Xa (j ), encuentre el espectro correspondiente de x[n]. Qu e relaci on debe existir entre el periodo de muestreo T y el espectro Xa (j ) para que la se nal original xa (t) sea reconstru ble? Problema 5.2. 1. 2x[n] 2. x[n] Problema 5.3. Dada la secuencia x[n] = {1, 2, 4, 3, 2, 1, 1 }, graque las secuencias: 2
3. x[2 n] 4. x[2 n]
5. x[2 + n] 6. x[2 + n]
Si x[n] = {1, 2, 3, 4}, exprese las siguientes secuencias en t erminos de x[n]

1. {1, 2, 3, 4, 0, 0} 2. {0, 1, 2, 3, 4}
3. {4, 3, 2, 1}
4. {4, 3, 2, 1}
Problema 5.4. Represente las siguientes secuencias en t erminos de rampas ur [n] y escalones unitarios u[n]. 1. x1 [n] = {0, 1, 2, 3, 4, 3, 2, 1, 0} 2. x2 [n] = {0, 1, 2, 3, 4, 4, 4, 3, 2, 1, 0} 3. x3 [n] = {0, 1, 1, 1, 1, 0, 0} 4. x4 [n] = {4, 3, 2, 1, 0, 1, 2, 3, 4}
5. x5 [n] = {4, 3, 2, 1, 0, 1, 2, 3, 4}
Problema 5.5. Graque las siguientes funciones e indique cualitativamente qu e regiones de convergencia (ROC) tiene su transformada z : 1. x[n] = sen(n)u[n] 2. x[n] = u[n + 4] u[n 2] 3. x[n] = u[n 2] 4. x[n] = ur [n] 2ur [n 5] + ur [n 10]
1 5. x[n] = 2 |n|
6. x[n] = ur [n + 5]u[n 5]
294
5.6 Problemas
Problema 5.6.
Encuentre las regiones del plano z donde las siguientes series convergen:
1.
n=2
1 3
n+2
3.
n=2
1 3 1 3
n+2
zn
|n|
2.
n=0
1 + (1)n n z 2
4.
n=
cos
n zn 4
Problema 5.7.
Encuentre la transformada z de u[n 2] x[ n ] = 4n con su correspondiente ROC. Problema 5.8. Sea x[n] = (1)n u[n] + n u[n n0 ]
Encuentre para qu e valores de y n0 es la ROC de la transformada z de x[n] 1 < |z | < 2 Problema 5.9. Encuentre la transformada z de x[n] = Indique los polos, ceros y ROC. Problema 5.10. innitos. 1. 2. Para las siguientes expresiones identique los ceros y polos nitos e z 2 (1 z 1 ) 1 1 1 4 z 1+ 1 z 1 4
1 n 2
cos
n 4
n0 n>0
1 1 z 1 1 2 z 1 1 1 1 z 1 1 4 z 3
3.
(1 z 1 ) (1 2z 1 ) (1 3z 1 ) (1 4z 1 )
Problema 5.11. Si x[n] es absolutamente sumable y tiene transformada z racional, con un polo en 1/2, entonces podr a x[n] ser 1. una se nal nita? 2. una se nal izquierda? Problema 5.12. Sea X (z ) =
1 2 1+ 4 z
3. una se nal derecha? 4. una se nal bilateral?
1 1 z 2 4 1+ 5 z 1 + 3 z 2 4 8
5 Transformada z
295
Indique cu antas y cu ales regiones de convergencia son posibles para X (z ). Problema 5.13. Encuentre para todas las se nales discretas x[n] mostradas en la tabla 5.1 la transformada z correspondiente utilizando la denici on. Problema 5.14. Sea x[n] una se nal con transformada z racional X (z ), que tiene un polo en z = 1/2. Se sabe adem as que x1 [n] = es absolutamente sumable, pero x2 [n] = 1 8 1 4
n
x[n]
n
x[n]
no es absolutamente sumable. Con esta informaci on indique si x[n] es izquierda, derecha, bilateral o nita. Problema 5.15. Encuentre las funciones en tiempo discreto equivalentes a las transformadas z indicadas en la tabla 5.1 utilizando la denici on integral de la transformada z inversa. Problema 5.16. Utilizando la denici on de la transformada z inversa, encuentre la secuencia en el tiempo discreto equivalente a z 1 1 1 3 , X (z ) = (1 z 1 )(1 + 2z 1 ) Problema 5.17. 1. X (z ) = cos(z ) 2. X (z ) = sen(z ) sabiendo que en ambos casos el c rculo unitario del plano z se encuentra en la ROC. Problema 5.18. Encuentre por divisi on polinomial la transformada z inversa de X (z ) = para ROC: |z | > 1/3 y para ROC: |z | < 1/3. Problema 5.19. Encuentre la transformada inversa de X (z ) =
1 1 1 3 z (1 z 1 )(1 + 2z 1 )
ROC: |z | > 2
Encuentre la transformada z inversa de:
1 + z 1 1+ 1 z 1 3
para todas las posibles regiones de convergencia por medio de descomposici on en fracciones parciales.
296
5.6 Problemas
Problema 5.20.
Encuentre la transformada z inversa de X (z ) = 1 256 z 8 , 256 1 1 z 1 2 ROC: |z | > 0
Problema 5.21.
Para la ventana rectangular x[ n ] = 1 0nk
0 en el resto
sea g [n] = x[n] x[n 1] 1. Encuentre una expresi on para g [n] y su transformada z . 2. Encuentre la transformada z de x[n] considerando que
n
x[n] =
k=
g [k ]
Problema 5.22. Demuestre que dos t erminos polinomiales simples complejos conjugados, y una ROC externa a los dos polos, dan origen a las se nales: A A + 1 p 1 z 1 1 p1 z 1
2 |A| |p1 |n cos[np1 + A]u[n] = 2|p1 |n Re{A} cos[np1 ] 2|p1 |n Im{A} sen[np1 ]
Problema 5.23.
Dada la se nal triangular g [n] = ur [n] 2ur [n a] + ur [n 2a]
si x[n] es una ventana rectangular x[ n ] = 1 0nk
0 en el resto
encuentre los valores de k y n0 en t erminos de a necesarios para que se cumpla g [n] = x[n] x[n n0 ] Encuentre la transformada z de g [n] directamente de su denici on, y utilizando la propiedad de convoluci on. Problema 5.24. Para las siguientes funciones de transferencia de sistemas discretos, si se sabe que estos son estables indique si adem as son causales:
5 Transformada z
297
1.
z 1
4 1 1 3 z +1 z 2 2 1 1 1 1 z 1 1 3 z 2
2. 3.
1 z2 z2 + 1 z 2 4 3
3 16
z+1 2 3 z+ 1 z 2 3 z 2
Problema 5.25. Un sistema LTI tiene funci on de transferencia H (z ) y respuesta al impulso h[n]. Se sabe 1. h[n] es real 2. h[n] es derecha 3. lim H (z ) = 1
z
4. H (z ) tiene dos ceros 5. H (z ) tiene uno de sus polos en una ubicaci on no real en el c rculo |z | = 3/4 Es el sistema causal? Es estable? Problema 5.26. 1 4
n
Encuentre la transformada z unilateral de las siguientes se nales.
1. x1 [n] =
u[n + 5]
2. x2 [n] = [n + 3] + [n] + 2n u[n] 3. x3 [n] = 1 2

|n|
Problema 5.27. diferencias:
Un sistema de entrada x[n] y salida y [n] se rige por la ecuaci on de y [n 1] + 2y [n] = x[n]
1. Determine la respuesta de entrada cero al sistema si su condici on inicial es y [1] = 2. 2. Encuentra la respuesta de estado cero si su entrada es x[n] = (1/4)n u[n]. 3. Determine la salida del sistema para n 0 si y [1] = 2 y x[n] = (1/4)n u[n]
298
5.6 Problemas
Bibliograf a
[1] Y. S. Bugrov and S. M. Nikolsky. Matem aticas superiores, ecuaciones diferenciales, integrales m ultiples, series, funciones de variable compleja. Mir Moscu, 1988. [2] R. V. Churchill and J. W. Brown. Variable Compleja y Aplicaciones. McGraw Hill, 7ma edici on, 2004. [3] H. F. Davis. Fourier series and orthogonal functions. Dover Publications, Inc., 1963. [4] John W. Eaton. Octave [online]. 1998 [visitado el 25 de febrero de 2013]. URL http: //www.octave.org. [5] John W. Eaton. Octave repository [online]. 1998 [visitado el 25 de febrero de 2013]. URL http://octave.sourceforge.net/afunclist.html. [6] S. Haykin and B. van Veen. Se nales y sistemas. Limusa Wiley, 2001. [7] A.S.B Holland. Complex Function Theory. Elsevier North Holland, 1980. [8] G. James. Matem aticas Avanzadas para Ingenier a. Prentice Hall, 2da edici on, 2002. [9] E. Kreyszig. Matem aticas Avanzadas para Ingenier a, volume II. Limusa Wiley, 3ra edici on, 2000. [10] E. Kreyszig. Matem aticas Avanzadas para Ingenier a, volume I. Limusa Wiley, 3ra edici on, 2000. [11] W. R. LePage. Complex Variables and the Laplace Transform for Engineers. Dover Publications, Inc., 1961. [12] D. Lindner. Introducci on a las se nales y los sistemas. McGraw Hill, 2002. [13] MathWorks. Matlab [online]. 1994 [visitado el 25 de febrero de 2013]. URL http: //www.matlab.com. [14] A. Oppenheim, A. Willsky, and S. H. Nawab. Se nales y Sistemas. Prentice Hall, 2da edici on, 1998. [15] G. Pahl and W. Beitz. Engineering Design. A Systematic Approach. Springer Verlag, 2da edici on, 1996. 299
300
Bibliograf a
[16] J. G. Proakis and D. G. Manolakis. Tratamiento Digital de Se nales. Prentice Hall, 1998. [17] M. J. Roberts. Se nales y Sistemas. An alisis mediante m etodos de transformada y MatLab. McGraw Hill, 2005. [18] R. Schinzinger and P.A.A. Laura. Conformal Mapping. Methods and Applications. Dover Publications, Inc., 1991. [19] G. E. Shilov. Elementary Real and Complex Analysis. Dover Publications, Inc., 1973. [20] E. Soria Olivas, M. Mart nez Sober, J. V. Franc es Villora, and G. Camps Valls. Tratamiento Digital de Se nales. Problemas y ejercicios resueltos. Prentice Hall, Madrid, 2003. [21] M. R. Spiegel. Variable Compleja. Schaum. McGraw-Hill, 1991. [22] M. R. Spiegel. Matem aticas Avanzadas para Ingenier a y Ciencias. Schaum. McGrawHill, 2004. [23] F. G. Stremler. Introducci on a los sistemas de comunicaci on. Addison Wesley Longman, 3ra edici on, 1993. [24] Wikimedia. Wikipedia [online]. Julio 2005 [visitado el 25 de febrero de 2013]. URL http://en.wikipedia.org/wiki.
Ap endice A Teorema de Green

El Teorema de Green es nombrado as en honor al matem atico ingl es George Green (17931841), quien se iniciara como panadero y progres o en la matem atica de forma autodidacta hasta llegar a ser miembro del Caius College en Cambridge. A pesar de ello permaneci o en se dedic el anonimato, incluso en Inglaterra, hasta despu es de su muerte. El o a la teor a del potencial con relaci on a la electricidad y el magnetismo, vibraciones, ondas y teor a de la elasticidad [10]. El Teorema de Green en el plano, utilizado para demostrar el Teorema de Cauchy en la secci on 2.6.2, establece que dada una regi on R, cerrada y acotada en el plano xy cuya frontera C se compone de un n umero nito de curvas suaves en sentido positivo, entonces para dos funciones continuas u(x, y ) y v (x, y ), con derivadas parciales u(x, y )/y y v (x, y )/x tambi en continuas en todo dominio que contiene a R, se cumple v (x, y ) u(x, y ) x y dx dy =
C
(u(x, y ) dx + v (x, y ) dy )
(A.1)
lo que permite transformar entonces una integral de a rea en una integral de contorno. Para demostrar el teorema se asumir a primero que la regi on R se puede representar de las dos formas siguientes (gura A.1) a x b, r(x) y s(x) (A.2) (A.3)
c y d, p(y ) x q (y )
El primer t ermino del integrando a mano izquierda se puede reescribir de la siguiente forma: u(x, y ) dx dy = y
b a s(x) r(x)
u(x, y ) dy dx y
(A.4)
y considerando que
s(x) r(x)
u(x, y ) dy = u(x, y ) y
y =s(x) y =r(x)
= u(x, s(x)) u(x, r(x))
(A.5)
301
302
y y d C2 s (x ) R C1 p( y ) R
r (x ) a b x
q (y ) x
Figura A.1: Regi on especial simplemente conexa utilizada para demostrar el teorema de Green.
entonces (invirtiendo los ndices de integraci on), u(x, y ) dx dy = y

b a b
u(x, s(x)) dx
b a
u(x, r(x)) dx
a a
(A.6) u(x, s(x)) dx
u(x, r(x)) dx +
b
y puesto que y = r(x) representa la curva C1 y y = s(x) es C2 , entonces las u ltimas integrales pueden expresarse como u(x, y ) dx dy = y =
C
u(x, y ) dx +
C1 C2
u(x, y ) dx (A.7)
u(x, y )dx
De forma equivalente para el otro t ermino del integrando en el lado izquierdo de (A.1): v (x, y ) dx dy = x =
c d c d q (y ) p(y )
v (x, y ) dx dy x
c
v (q (y ), y ) dy +
d
v (p(y ), y ) dy (A.8)
=
C
v (x, y )dy
con lo que nalmente el Teorema de Green v (x, y ) u(x, y ) x y dx dy =

C
(u(x, y ) dx + v (x, y ) dy )
queda demostrado. En caso de que la regi on no pueda expresarse como en (A.2) y (A.3) entonces las integrales pueden realizarse para un conjunto de regiones de la forma mencionada cuya uni on es la regi on deseada y cuya intersecci on es vac a.
Ap endice B Demostraciones de integrales

A continuaci on se presentan dos demostraciones de integrales impropias reales utilizando los m etodos de integraci on compleja.
Integral de la funci on sa
Se desea demostrar que se cumple

sa(x) dx =

sen(x) dx = x
(B.1)
Para ello se parte1 de la trayectoria de integraci on mostrada en la gura B.1, y de la funci on jz e /z , que es anal tica dentro y sobre la trayectoria indicada.
R R
Figura B.1: Trayectoria de integraci on para entontrar el area bajo la funci on sa.
Se debe cumplir entonces por el teorema de Cauchy y considerando que z = x + jy = rej .

R
ejx dx + x
ejx dx + x
ejz dz z
ejz dz = 0 z
La demostraci on aqu presentada se basa en el trabajo del estudiante Erick Salas Chaverri, elaborada en el primer semestre de 2006, a su vez basada en [1]
303
304
El segmento L se puede describir con z = Rej = R cos() + jR sen() con variando desde cero hasta . Con dz = jRej d se cumple ejz dz = z
0 0
eR sen() ejR cos jRej d j Re
eR sen() d
Puesto que sen( ) = sen() se puede reescribir la integral anterior haciendo un cambio de variable = y d = d como
/2
e
0
R sen()
d =
0 /2
R sen()
d +
/2 0
eR sen() d eR sen() d
/2
=
0
eR sen() d
/2
=2
0
eR sen() d
2
Puesto que dentro del intervalo 0
se cumple 2
sen() > entonces
eR sen() < e2R/ y por lo tanto

0 /2
eR sen() d 2
e2R/ d
0 /2
e2R/ = 2R 0 (1 eR ) = 2R Para R el numerador tiende a uno y el denominador a innito, por lo que esta integral converge en este caso a cero: ejz lim dz = 0 (B.2) R L z Para el arco de radio igual a uno se cumple considerando que el l mite lim ej
0 z
es, para todo z nito,
lim
0
ejz dz = lim 0 z = j lim

0
ej
(cos +j sen )
ej ej
0
j ej d d
(cos +j sen )
= j lim
0 0
d = j
B Demostraciones de integrales
305
Considerando los cuatro segmentos de la trayectoria se debe cumplir entonces

R
ejx dx + x ejx dx x
R R
ejx dx = j x ejx dx = j x
Haciendo un cambio de variable x = x en el segundo t ermino se obtiene

R
ejx dx x
0
R 0 R
lim 2j
ejx ejx dx = 2j j 2x
0
ejx dx = j x sen(x) dx = j x
sen(x) dx = x 2
0
y considerando que la funci on sa posee simetr a par, se concluye

sen(x) dx = x
sen(x) dx + x
sen(x) dx = 2 x
sen(x) dx = x
con lo que (B.1) queda demostrado.
Area bajo el impulso gaussiano

El impulso gaussiano se dene como
1 t 2 1 g (t) = e 2 ( ) 2
Se desea demostrar ahora que
g (t) dt = 1
(B.3)
utilizando los m etodos de integraci on compleja2 . Haciendo un cambio de variable t = ; 2 se puede reescribir la integral como
1 t 2 1 e 2 ( ) dt = 1 2 1 2 e 2 d = 1 2 1 2 e d = 1
2 =
t2 ; 2 2
dt d = 2
Esta demostraci on se basa en el trabajo del estudiante Carlos Andr es P erez en el primer semestre de 2006, basada a su vez en las p aginas 182-183 del libro de Holland [7]
306
y utilizando la paridad del integrando se obtiene nalmente

0
d = 2
(B.4)
Si se logra demostrar que (B.4) se cumple, se habr a demostrado que (B.3) es cierta, puesto que bastar a invertir los pasos seguidos en el cambio de variable para llegar al punto de partida. Para demostrar esto se utilizar a la integral de contorno en el plano complejo z = x + jy ejz dz sen(z )
2
donde el contorno de integraci on rectangular C se muestra en la gura B.2. Separando al

H R Q
Figura B.2: Contorno de integraci on utilizado para encontrar el area bajo el impulso gaussiano.
contorno en cuatro segmentos lineales se cumple ejz dz = sen(z )

2
PQ
ejz dz + sen(z ) e dz + sen(z )

jz 2
HK
ejz dz + sen(z ) ejz dz sen(z )

2
KP
QH
La integral en cada uno de los segmentos se evaluar a a continuaci on. Para el segmento P Q se cumple z = x + jy , donde x = /2. Por lo tanto, el numerador se puede expresar como ejz = e2xy ej (x y ) 2 = e y ej ( 4 y ) y para el denominador se obtiene sen( z ) = sen + j y 2
2 2 2
307
Utilizando la identidad de Euler lo anterior se reescribe como ej ( 2 +j y) = 2j j y ej 2 e y e 2e je y + je y = = 2j 2j ej ( 2 +j

y )
y por tanto sobre el segmento P Q e sen( z ) =

y
+ e 2
= cosh( y )
de modo que con dz = jdy ejz dz = sen(z )

2
R R
PQ
2 2e y ej ( 4 y ) j dy e y + e y
Del mismo modo para el segmento HK se cumple que z = x + jy con x = /2. Por lo tanto, el numerador se puede expresar como ejz = e2xy ej (x y ) 2 = e y ej ( 4 y ) y para el denominador se obtiene sen( z ) = sen + j y 2 Utilizando la identidad de Euler lo anterior se reescribe como ej ( 2 +j y) = 2j j y e 2e je y je y ej 2 e y = = 2j 2j ej ( 2 +j
y )
2 2 2
y por tanto sobre el segmento HK e sen( z ) = de modo que con dz = jdy ejz dz = sen(z ) =
R
2
+ e 2
= cosh( y )
R R R
HK
2 2e y ej ( 4 y ) y j dy e + e y 2 2e y ej ( 4 y ) j dy e y + e y
308
Combinando los resultados de los segmentos P Q y HK se obtiene: ejz dz + sen(z )

2
PQ
HK
ejz dz = j sen(z ) = 2j
R R
2 2 2e y ej ( 4 y ) 2e y ej ( 4 y ) + y dy + e y e y + e y e
2 ej ( 4 y ) dy
Para el segmento QH se cumple z = x + jy con y = R, y por lo tanto ejz

2
= ej (x+jR) = ej (x
2 R2
) e2xR
= e2xR Adem as, en dicho segmento QH se cumple | sen z | = | sen (x + jR) | y considerando que | sen z |2 = (sen2 x + senh2 y ) con z = x + jy (ver problema 2.53) entonces | sen z |2 = sen2 (x ) + senh2 (R )
y puesto que ambos t erminos en la suma anterior son positivos, se cumple para todo valor positivo de R que | sen z | senh(R ) por lo que para z = x + jR ejz dz sen(z )
2
QH
QH
ejz dz sen(z )
2
e2xR dx senh(R )
e 1 senh(R ) 2R 1 R senh(R ) 1 R
2xR
eR
eR 2
senh(R ) = R senh(R )
de modo que si R el aporte del segmento de trayectoria QH es cero. Para el segmento KP se cumple z = x jR y por lo tanto ejz
2
= ej (xjR) = ej (x = e2xR
2 R 2
) e2xR
309
Adem as, en dicho segmento KP se cumple | sen z | = | sen (x jR) | y considerando que | sen z |2 = (sen2 x + senh2 y ) y que el seno hiperb olico es una funci on impar entonces | sen z |2 = sen2 (x ) + senh2 (R ) = sen2 (x ) + (1)2 senh2 (R ) = sen2 (x ) + senh2 (R ) y puesto que ambos t erminos en la suma anterior son positivos, se cumple para todo valor positivo de R que | sen z | senh(R ) por lo que para z = x jR
KP
ejz dz sen(z )
KP
2
ejz dz sen(z )
2
e2xR dx senh(R )
1 e2xR senh(R ) 2R 1 R senh(R ) 1 R
eR
eR 2
senh(R ) R senh(R )
de modo que si R el aporte del segmento de trayectoria KP es tambi en cero. Por lo tanto, combinando los resultados para los cuatro segmentos se obtiene: lim ejz dz = lim R sen(z ) = lim 2j
R R
2
PQ R
ejz dz + sen(z )
2 ej ( 4 y ) dy
HK
ejz dz sen(z )
y considerando que el integrando es anal tico dentro y sobre el contorno C excepto en el punto z = 0 se obtiene con el teorema del residuo lim ejz dz = 2j a1 sen(z )
2
donde el residuo a1 se calcula con a1 = lim z

z 0
ejz = lim sen(z ) z0
sen(z ) z
ejz
310
y puesto que se cumple que

z 0
lim
sen z =1 z
se obtiene
1 a1 =
de modo que lim ejz 2j dz = = j 2 = lim 2j R sen(z )

2
R R
2 ej ( 4 y ) dy
de donde se deriva
R R 0 R
lim
2 ej ( 4 y ) dy = dy =
lim
ej (
y 2 4
) dy +
0
R R j( y 2 ) 4
y con y = y y dy = dy
0 R
lim
2 ej ( 4 y ) dy +
R 0
2 ej ( 4 y ) dy
2 ej ( 4 y ) dy = R 0 R 2 j( y e 4 ) dy = lim R 0 2 R 2 ej 4 ejy dy = lim R 0 2 lim 2 haciendo un cambio de variable 2 = jy 2 y considerando que una de las ra ces cuadradas de j j j j es e 4 se cumple = e 4 y y dy = e 4 d y por tanto 2 e d = 2 0 que fue el punto de partida.
Indice alfab etico

adelantador, 290 a lgebra lineal teorema fundamental, 112 anal ogica, 2 an alisis, 132 ecuaci on de, 127 ancho de banda, 179 a ngulo, 17 anillo, 13 conmutativo, 13 de divisi on, 13 anticausalidad, 221 Argand, 17 argumento, 17 arm onico, 151 axiomas, 11 axiomas de Peano, 13 Banach espacio de, 113 base, 111 can onica, 118, 127 ortogonal, 116 ortonormal, 116 BIBO, 277 Bromwich, 210 canales, 2 carta de Smith, 37 cascada, 288 Cauchy F ormula de la integral, 80 sucesi on de, 15, 113 Teorema de la integral, 76 Cauchy-Goursat, 77 Cauchy-Hadamard f ormula, 55 Cauchy-Riemann Ecuaciones, 48 Cauchy-Schwarz desigualdad de, 114 causalidad, 186, 221, 276 cero, 66 aislado, 66 codicaci on, 242 codominio, 25 combinaci on lineal, 110 completitud, 15 componente imaginaria, 16 real, 16 condici on inicial, 269 condiciones de Dirichlet, 135 conjugaci on, 207, 230, 256 conjugaci on compleja, 20 conjunto, 9, 11 abierto, 42 acotado, 42 cerrado, 42 clausura, 42 compacto, 42 ilimitado, 42 imagen, 25 conjunto generador, 111 conjunto libre, 111 conjunto ligado, 111 continuaci on anal tica, 19, 53 continuidad, 43 contorno Bromwich, 210 convergencia 311
312
Indice alfab etico
regi on de, 199 convoluci on, 176, 184, 208, 230, 258, 273 discreta, 148 peri odica, 148 coordenada, 112 cuanticaci on denici on, 242 error, 242 cuerpo, 13, 15, 109 curva cerrada, 71 de Jordan, 71 simple, 71 suave, 71 DAlambert raz on, 55 degenerado mapeo, 27 delta Dirac, 130 derivada, 44 descomposici on, 272 desigualdad Cauchy-Schwarz, 114 Minkowski, 76, 113, 115 ML, 76 tri angulo, 115 desplazamiento, 167, 207, 228, 254, 273 diagrama de Argand, 17 diagrama de polos y ceros, 201 diferencia, 10 diferenciaci on, 170, 208, 230, 257 digital, 2 dimensi on, 111, 112 distancia, 112 divisi on, 22 dominio, 25, 42 dominio de la frecuencia, 153 dualidad, 174 ecuaci on de diferencias, 279 ecuaciones
diferenciales, 223, 233 elemento inverso, 11 neutro, 11 elementos, 9 escal on unitario, 158, 162, 245 escalado, 255 escalamiento, 173, 207, 230 espacio Banach, 113 completo, 113, 116 euclidiano, 117 funcional, 123 Hilbert, 116 lineal, 110 m etrico, 112 pre-Hilbert, 113 producto interno, 113 vectorial, 110 espacio lineal nito, 111 espectro continuo, 155 estabilidad, 187, 221, 277 estructura algebraica, 11 Euler f ormula, 19 identidad, 19 exponenciaci on, 23 exponencial, 159, 246 relacionada arm onicamente, 131 Fourier transformada, 153, 154 transformada inversa, 155 fracciones parciales, 59, 64, 80, 263 descomposici on, 213 frecuencia de muestreo, 178 funci on, 24 anal tica, 44 arm onica, 49 asim etrica, 144 conjugada, 48
Indice alfab etico
313
de transferencia, 221 del sistema, 221 Heaviside, 158 holomorfa, 44 impropia, 263 meromorfa, 67 propia, 186, 263 racional propia, 213 regular, 44 residuo, 67 sim etrica, 144 grupo, 12 abeliano, 12 grupoide, 12 identidad, 268 impulso Dirac, 130, 158 gaussiano, 163 unitario, 158, 245 integraci on, 172, 209, 231 integral denida, 71 indenida, 70 trayectoria, 71 integral de contorno, 73 integral de l nea, 73 interconexi on cascada, 288 paralela, 288 intersecci on, 10 invarianza en el tiempo, 181, 270 inversi on temporal, 256 Jordan curva de, 71 lema, 89 Laplace transformada, 197 transformada bilateral, 198 transformada inversa, 209
transformada unilateral, 225 Laurent parte principal, 62 l nea espectral, 137 linealidad, 166, 180, 206, 228, 252, 270 logaritmo, 24 magma, 12 magnitud, 17, 21 mapeo, i, 25 bilineal, 35 conforme, 51 de inversi on, 31 degenerado, 27 determinante, 36 lineal, 27 mediatriz, 28 m etrica, 112 m etrica euclidiana, 118 Minkowski desigualdad de, 76, 113, 115 modelo, 4 lineal, 4 modulaci on, 168 m odulo, 17, 21 Moivre teorema de, 23 monoide, 12 conmutativo, 12 muestreo, 127 denici on, 242 intervalo, 242 peri odico, 242 teorema del, 180 uniforme, 242 multiplicaci on, 14, 22, 273 multiplicador, 289, 290 norma, 113, 114 n umero, 13 complejo, 16 entero, 14 natural, 13
314
Indice alfab etico
racional, 14 real, 15 operaci on binaria, 11 cerrada, 11 unaria, 11 operaciones, 11 operador, 141 operador lineal, 46 ortogonal, 109 ortogonalidad, 116 paralelo, 288 Parseval relaci on de, 175 periodo, 131 de muestreo, 178 fundamental, 131 plano complejo, 17 polinomio bilineal, 35 polo, 66 orden, 66 potenciaci on, 23 principio de incertidumbre, 163 producto cartesiano, 10 producto escalar, 113 producto interno, 113 producto punto, 118 punto de acumulaci on, 42 jo, 26 frontera, 42 interior, 42 l mite, 42 regular, 66 radio de convergencia, 54 ra z compleja, 23 rampa, 245 rango, 25 reexi on, 273 regi on abierta, 42
cerrada, 42 convexa, 71 de convergencia, 199, 202, 248 relaci on, 24 relaci on de Parseval, 151 reposo, 269 residuo, 67 teorema, 85 respuesta forzada, 287 natural, 287 respuesta al impulso, 183 respuesta en frecuencia, 184, 221 resta, 14, 21 retardador, 290 ROC, 199 sa funci on, 67 se nal, 1 aleatoria, 3 bilateral, 204 derecha, 203 determinista, 3 izquierda, 204 multicanal, 2 tiempo discreto, 2 semianillo, 12 semigrupo, 12 seminorma, 113 se nal causal, 186 de energ a, 176 de potencia, 176 serie de potencias, 53 Fourier, 132 generalizada de Fourier, 127 Serie de MacLaurin, 58 Serie de Taylor, 58 sesquilinealidad, 114 simetr a, 167 conjugada, 132 herm tica, 132
Indice alfab etico
315
impar, 144 par, 144 singularidad, 61, 66 esencial, 66 polo, 66 s ntesis, 132 ecuaci on de, 127 sistema, 3 causal, 186, 276 discreto, 268 estable, 278 inestable, 278 lineal, 180 no causal, 186 no recursivo, 280 recursivo, 279 tiempo discreto, 268 Smith carta de, 37 subespacio, 111 sucesi on de Cauchy, 15, 113 suma, 14, 21, 273 sumador, 289 teorema del muestreo, 180 del valor nal, 286 fundamental de integraci on compleja, 77 integral de Cauchy, 77 tiempo invarianza, 181 transformaci on, 25 transformada z , 241 Fourier, 153 Laplace, 197 z inversa, 260 z unilateral, 283 transformada z inversa, 260 trayectoria cerrada, 71 de integraci on, 71
simple, 71 tri angulo desigualdad, 115 tupla, 109 uni on, 9 valor absoluto, 21 valor nal teorema, 232, 285 valor inicial teorema, 231, 258 valor principal, 24 vecindad, 41 reducida, 42 vector, 2, 110 generador, 111 ortogonal, 116 vectores linealmente dependientes, 111 linealmente independientes, 111

Mate Supeiror

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Mate Supeiror

Uploaded by

Copyright:

Available Formats

Se nales y Sistemas

Fundamentos Matem aticos

Dr.-Ing. Pablo Alvarado Moya

Dr. Jos e Pablo Alvarado Moya Cartago, 25 de febrero de 2013

4 Transformada de Laplace 197 4.1 Transformada bilateral de Laplace . . . . . . . . . . . . . . . . . . . . . . . . 198

Lista de s mbolos y abreviaciones

Lista de s mbolos y abreviaciones

Cap tulo 1 Introducci on

Se nales, sistemas y modelos

1.1 Se nales, sistemas y modelos

1.1 Se nales, sistemas y modelos

Transmisor Mensaje de entrada Seal transmitida

Canal Seal recibida

Receptor Mensaje reconstruido

Figura 1.2: Diagrama de bloques de un sistema t pico de comunicaciones el ectricas.

Figura 1.3: Diagrama de bloques de un sistema t pico de control realimentado.

Estructura del documento

1.2 Estructura del documento

Cap tulo 2 Variable compleja

2.1 Deniciones de algebra abstracta

Indique las caracter sticas de la operaci on

2.1 Deniciones de algebra abstracta

2.1 Deniciones de algebra abstracta

Los n umeros enteros

Los n umeros racionales

Los n umeros reales

2.1 Deniciones de algebra abstracta

Los n umeros complejos

2.1 Deniciones de algebra abstracta

Figura 2.2: Diagrama de Argand representando a z = a + jb y z = a jb.

Figura 2.3: Representaciones de conjuntos de n umeros complejos en el plano complejo.

2.1 Deniciones de algebra abstracta

2.1 Deniciones de algebra abstracta

y en general para n n umeros complejos zi = xi + jyi se cumple

El lector puede adem as demostrar que: z1 + z1 = 2 Re{z1 } (2.11) (2.12)

El lector puede adem as demostrar que:

Figura 2.4: Ejemplo de las cuatro ra ces cuartas de rej 60 .

2.2 Funciones de variable compleja

Funciones de variable compleja

Figura 2.5: Diagrama de relaci on funcional entre x X y y Y .

2.2 Funciones de variable compleja

de donde se puede despejar x= y sustituyendo en v se obtiene

Figura 2.7: Mapeo de y = 2x + 4 por medio de w = 2z + 6.

w = 2z + 6 es z = 6, y se encuentra f acilmente resolviendo la ecuaci on lineal z = 2z + 6. w 6 El mapeo inverso es z = 2 . 2.3

Un mapeo lineal es realizado por una funci on de variable compleja de la forma w = z + , , C

Figura 2.8: Mapeo de todo el plano z a con w = .

2.2 Funciones de variable compleja

Figura 2.9: Rotaci on y escalado por el mapeo w = z .

2.2 Funciones de variable compleja

Si se resta z0 a ambos lados se obtiene z z0 = w w w + z0 z0 = z0 = 1 = (w w0 )

El mapeo de inversi on tiene la forma general: w= 1 z

2.2 Funciones de variable compleja

Figura 2.12: Ejemplo de mapeo lineal

1 (wz0 + w z0 ) = (r2 |z0 |2 )|w|2

2.2 Funciones de variable compleja

de donde se puede despejar w w ( a b ) + (a b) = |a|2 |b|2 |w|2 |w|2

w (a b) + w(a b) = (|a|2 |b|2 )|w|2

Se le denomina polinomio bilineal de z y w a la expresi on de la forma 1 zw + 2 z + 3 w + 4 = 0

2.2 Funciones de variable compleja

y elevando ambos lados de (2.26) al cuadrado se obtiene 1+ a 1

2.2 Funciones de variable compleja

||2 + Completando cuadrados con

= (1 j (y 1))(1 j (y 1)) (1 j (y + 1))(1 j (y + 1)) = 1 j 2(y 1) (y 1)2 [1 j 2(y + 1) (y + 1)2 ] = 4y + 4j

= |b2 |2 |a2 |2 = 4y = 1 1+j y