Señales

en tiempo continuo y en tiempo discreto

Raúl Restrepo Agudelo, MSc.

Profesor asociado
Universidad Pontificia Bolivariana
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Tabla de contenido

Capítulo 1: SEÑALES EN TIEMPO CONTINUO .............................................................................11

1.1. INTRODUCCIÓN ......................................................................................................................11
1.2. TIPOS DE SEÑALES. ...............................................................................................................12
1.2.1. Señales en tiempo continuo. .................................................................................................12
1.2.2. Señales continuas por tramos ................................................................................................13
1.2.3. Señales en tiempo discreto....................................................................................................15
1.2.4. Señales Periódicas y Aperiódicas .........................................................................................16
1.2.5. Armónicos.............................................................................................................................18
1.2.6. Señales analógicas y digitales, aleatorias y deterministas ....................................................23
1.2.7. Señales de energía finita y de potencia media finita. ............................................................23
1.3. SUMA GRÁFICA DE SEÑALES .............................................................................................26
1.4. TRANSFORMACIONES DE LA VARIABLE INDEPENDIENTE ........................................28
1.4.1. Desplazamiento: x(t)  x(t-t 0) ...........................................................................................28
1.4.2. Reflexión: x(t)  x( - t ) .....................................................................................................32
1.4.3. Simetría .................................................................................................................................33
1.4.4. Escalado temporal: x(t)  x( Kt ) ........................................................................................35

2
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.4.5. Transformaciones simultáneas de la variable independiente ................................................36

1.5. SEÑALES ELEMENTALES .....................................................................................................39
1.5.1. Función Escalón Unitario .....................................................................................................39
1.5.2. Función Signo, sgn(t)............................................................................................................42
1.5.3. Función Rampa unitaria: r(t) ................................................................................................43
1.5.4. Función de muestreo Sa(x) ...................................................................................................45
1.5.5. Función Sinc (x) ....................................................................................................................46
1.5.6. Función impulso unitario o delta de Dirac: (t)....................................................................47
1.6. PROPIEDADES DE LA FUNCIÓN IMPULSO .......................................................................51
1.6.1. Desplazamiento.....................................................................................................................51
1.6.2. Muestreo ...............................................................................................................................52
1.6.3. Escalado ................................................................................................................................54
1.7 INTEGRAL Y DERIVADA DE LA FUNCIÓN IMPULSO. ..................................................54
1.7.1. Integral del Impulso ..............................................................................................................54
1.7.2. Derivada del impulso ............................................................................................................59
1.8. LA SEÑAL EXPONENCIAL Ceat ............................................................................................60
Capítulo 2: SISTEMAS EN TIEMPO CONTINUO ...........................................................................62
2.1. TIPOS DE SISTEMAS ..............................................................................................................62

3
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.1.1. Sistema en tiempo continuo: .................................................................................................62

2.1.2. Sistema en tiempo discreto: ..................................................................................................63
2.2. CLASIFICACIÓN DE LOS SISTEMAS EN TIEMPO CONTINUO ......................................64
2.2.1. Sistema lineal ........................................................................................................................64
2.2.2. Sistema no lineal ...................................................................................................................65
2.2.3. Sistemas variantes e invariantes en el tiempo.......................................................................65
2.2.4. Sistemas lineales e invariantes con el tiempo .......................................................................66
2.2.5. Sistemas con memoria y sin memoria ..................................................................................67
2.2.6. Sistemas causales ..................................................................................................................70
2.2.7. Sistemas invertibles y sistema inverso .................................................................................71
2.2.8. Sistemas estables ..................................................................................................................72
2.3. LA CONVOLUCIÓN ................................................................................................................73
2.4. PROPIEDADES DE LA CONVOLUCIÓN ..............................................................................78
2.4.1. Propiedad conmutativa .........................................................................................................78
2.4.2. Propiedad asociativa .............................................................................................................79
2.4.3. Propiedad Distributiva ..........................................................................................................79
2.5. INTERPRETACIÓN GRÁFICA DE LA CONVOLUCIÓN ....................................................81
2.5.1. Paso 1. ...................................................................................................................................81

4
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.5.2. Paso 2. ...................................................................................................................................81

2.6. PROPIEDADES DE LOS SISTEMAS LTI...............................................................................89
2.6.1. Propiedad de memoria ..........................................................................................................89
2.6.2. Sistemas LTI Causales ..........................................................................................................89
2.6.3. Sistemas LTI Invertibles .......................................................................................................91
2.6.4. Sistemas LTI estables ...........................................................................................................92
2.7. SISTEMAS DESCRITOS POR ECUACIONES DIFERENCIALES .......................................93
2.7.1. Sistema eléctrico RLC en paralelo. ......................................................................................94
2.7.2. Sistema Masa-Amortiguador–Resorte. .................................................................................95
2.8. SOLUCIÓN DE ECUACIONES DIFERENCIALES LINEALES EN EL DOMINIO DEL
TIEMPO ............................................................................................................................................98
2.8.1. Solución Transitoria............................................................................................................100
2.8.2. Solución forzada. ................................................................................................................103
2.9. COMPONENTES BÁSICOS DE LOS SISTEMAS ...............................................................107
2.9.1. El integrador .......................................................................................................................108
2.9.2. Sumadores, restadores y multiplicadores escalares ............................................................109
2.10. DIAGRAMAS DE SIMULACIÓN PARA SISTEMAS EN TIEMPO CONTINUO ...........111
Capítulo 3: SEÑALES Y SISTEMAS EN TIEMPO DISCRETO ....................................................116

5
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

3.1. ENERGÍA Y POTENCIA DE UNA SEÑAL ..........................................................................117

3.1.1. Señal con energía total finita: E < . ................................................................................118
3.1.2. Señal con potencia promedio finita: ...................................................................................118
3.2. TRANSFORMACIONES DE LA VARIABLE INDEPENDIENTE ......................................119
3.2.1. Desplazamiento: .................................................................................................................119
3.2.2. Reflexión: ...........................................................................................................................120
3.2.3. Escalado: .............................................................................................................................122
3.3. SEÑALES PERIÓDICAS ........................................................................................................123
3.4. SEÑALES ELEMENTALES ...................................................................................................125
3.4.1. Impulso unitario, (n). ........................................................................................................125
3.4.2. Escalón unitario, u(n)..........................................................................................................126
3.4.3. Rampa unitaria, r(n)............................................................................................................128
3.5. SIMETRÍA ...............................................................................................................................129
3.6. OTRAS SEÑALES DISCRETAS: EXPONENCIAL, COMPLEJA Y SENOIDAL ..............130
3.7. ARMÓNICOS DE UNA SEÑAL EN TIEMPO DISCRETO .................................................135
3.8. CONVOLUCIÓN DE SEÑALES EN TIEMPO DISCRETO .................................................140
3.9. ECUACIONES DE DIFERENCIAS .......................................................................................147

6
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

3.9.1. Primera diferencia de una señal ..........................................................................................147

3.10. SISTEMAS DESCRITOS MEDIANTE ECUACIONES DE DIFERENCIAS ....................154
3.11. SOLUCIÓN DE ECUACIONES DE DIFERENCIAS ..........................................................156
3.11.1. Método iterativo................................................................................................................156
3.11.2. Método analítico: Solución mediante el análisis de la respuesta completa ......................159
[Link]. Solución homogénea (régimen transitorio) de la ecuación de diferencias. ...................160
[Link]. Solución forzada o solución particular de la ecuación de diferencias. ..........................168
Capítulo 4: SERIES DE FOURIER ...................................................................................................176
4.1. INTRODUCCIÓN ....................................................................................................................176
4.2. FORMA TRIGONOMÉTRICA DE LA SERIE DE FOURIER ..............................................178
4.2.1. El teorema de Fourier y su forma trigonométrica. ..............................................................178
4.2.2. Condiciones de Dirichlet ....................................................................................................183
4.2.3. Resumen de ecuaciones. .....................................................................................................184
4.2.2. ¿Qué representan las componentes de las Series de Fourier? .............................................188
4.3. EL USO DE LA SIMETRÍA ....................................................................................................191
4.3.1. Simetría de media onda ......................................................................................................192
4.4 FORMA COMPLEJA DE LA SERIE DE FOURIER ............................................................197
4.4.1. Simplificaciones debidas a la simetría ................................................................................202

7
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 5: LA TRANSFORMADA DE FOURIER .........................................................................206

5.1. INTRODUCCIÓN ....................................................................................................................206
5.2. EXISTENCIA DE LA TRANSFORMADA DE FOURIER ...................................................212
5.3. PROPIEDADES DE LA TRANSFORMADA DE FOURIER ................................................221
5.3.1. Linealidad. ..........................................................................................................................221
5.3.2. Simetría. ..............................................................................................................................221
5.4. TEOREMA DE PARSEVAL ...................................................................................................229
5.5. DENSIDAD ESPECTRAL DE ENERGÍA Y DENSIDAD ESPECTRAL DE POTENCIA. 231
5.6. APLICACIONES DE LA TRANSFORMADA DE FOURIER ..............................................238
5.6.1. Convolución. .......................................................................................................................238
Capítulo 6: ANÁLISIS EN FRECUENCIA DE SEÑALES EN TIEMPO DISCRETO ...................247
6.1. SERIES DE FOURIER DE SEÑALES EN TIEMPO DISCRETO .........................................248
6.2. LA TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO .......................................255
6.3. CONSIDERACIONES PRÁCTICAS EN EL CÁLCULO DE LA DFT ................................261
6.4. LA TRANSFORMADA RÁPIDA DE FOURIER (FFT – Fast Fourier Transform) ..............266
Capítulo 7: LA TRANSFORMADA DE LAPLACE Y LA TRANSFORMADA Z ........................270
7.1. INTRODUCCIÓN ....................................................................................................................270
7.1.1. Transformadas funcionales. ................................................................................................272

8
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

[Link]. Laplaciano de la función escalón unitario. ......................................................................273

[Link]. Laplaciano de la función impulso unitario, δ(t). ..............................................................273
[Link]. Laplaciano de la función exponencial decreciente. .........................................................274
[Link]. Laplaciano de la función rampa, r(t) = t u(t) ..................................................................274
7.1.2. Transformadas operacionales .............................................................................................276
[Link]. Multiplicación por una constante.....................................................................................276
[Link]. Linealidad. .......................................................................................................................276
[Link]. Teorema de integración en el tiempo...............................................................................277
[Link]. Convolución .....................................................................................................................278
7.2. LA TRANSFORMADA INVERSA DE LAPLACE ...............................................................280
7.3. DESCOMPOSICIÓN EN FRACCIONES PARCIALES ........................................................282
7.3.1. Método para la descomposición en fracciones parciales ....................................................283
11.5.2. Expansión de términos cuadráticos irreducibles...............................................................286
7.4. LA TRANSFORMADA Z .......................................................................................................291
Capítulo 8: TEOREMA DE MUESTREO .........................................................................................295
8.1. MUESTREO DE UNA SEÑAL ...............................................................................................296
8.2. TEOREMA DE MUESTREO ..................................................................................................304
8.2.1. Muestreo de señales de banda no limitada .........................................................................309

9
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 9: FILTRADO .....................................................................................................................312

9.1. INTRODUCCIÓN ....................................................................................................................312
9.2. CLASIFICACIÓN DE LOS FILTROS....................................................................................313
9.2. EL FILTRO RC ........................................................................................................................314
9.2.1. Filtro Pasa altos...................................................................................................................315
9.2.2. Filtro Pasa bajos. .................................................................................................................319
9.3. MEDIDAS DE DESEMPEÑO DE UN FILTRO ....................................................................321
9.4. RESPUESTA DE UN FILTRO PASABAJOS. .......................................................................322
9.4.1. Respuesta a un escalón. ......................................................................................................322
9.4.2. Respuesta a una entrada escalonada. ..................................................................................323
9.4.3. Filtros digitales. ..................................................................................................................324

10
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 1: SEÑALES EN TIEMPO CONTINUO

1.1. INTRODUCCIÓN

Las señales son magnitudes físicas o variables detectables mediante las cuales se pueden
transmitir mensajes o información. Ejemplos de señales son la voz humana, la temperatura
o un tren de pulsos digitales. Las señales eléctricas son las más fáciles de medir y, por eso,
se procura convertir todas las señales a magnitudes eléctricas.

Matemáticamente, las señales se representan como funciones de una o más variables

independientes; normalmente, en este texto se trabajará con funciones que dependen de una
sola variable y se asumirá que ella es el tiempo.

Una forma de clasificar las señales es atendiendo a la naturaleza de la variable

independiente. Si la variable independiente es continua, la señal correspondiente se
denomina señal en tiempo continuo y está definida para valores continuos de la variable

11
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

independiente. Ejemplos de este tipo de señales son la voz, la señal de radio (como función
del tiempo) o la presión atmosférica como función de la altitud.

1.2. TIPOS DE SEÑALES.

1.2.1. Señales en tiempo continuo.

Se dice que una señal x(t) es continua en t1 si para todo valor posible de t1 se cumple que:

x(t1) = x(t1+) = x(t1-) (Ec. 1.1)

Si lo anterior no se cumple para todo valor de t1 se dice que la señal es discontinua.

Figura 1.1: Definición de una señal continua en t1.

12
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.2.2. Señales continuas por tramos

Una señal que presente un número finito o infinito numerable* de discontinuidades será
continua por tramos, siempre y cuando el salto en cada discontinuidad sea finito.

* Al hablar de cantidades infinitas se debe distinguir entre infinitos numerables e infinitos

no numerables. Si, por ejemplo, se hace referencia a los números reales positivos, se puede
ver que se trata de un infinito numerable, pues la cuenta será 1, 2, 3, 4, . . . hasta infinito y
se pudo establecer una numeración. Por el contrario, si se quisiera hallar la cantidad de
intervalos posibles que hay entre los números 1 y 2 o entre otro par de números, se
concluiría que existiría una cantidad infinita de intervalos y no sería posible numerarlos,
pues su longitud no sería precisa; éste sería el caso de un infinito no numerable.

Ejemplos de funciones continuas por tramos son la función pulso rectangular o la función
escalón. La función pulso rectangular se define de la siguiente manera:

𝑡 1, |𝑡 | < 𝜏⁄2
𝑟𝑒𝑐𝑡 ( ) = {
𝜏 0, |𝑡 | > 𝜏⁄2

13
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 1.2: Función pulso rectangular.

Generalmente se considera que el valor de una señal es indefinido en la discontinuidad. Sin

embargo, aunque matemáticamente esto es aceptable, en el mundo real una señal debe tener
algún valor en cualquier discontinuidad. Con el objeto de darle un tratamiento igual a las
señales continuas y a las continuas por tramos, el valor de una señal en la discontinuidad
se toma igual a

x (t1) = ½ [x(t1- ) + x(t1+ )] Valor de una función en la discontinuidad (Ec. 1.2)

14
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.2.3. Señales en tiempo discreto

Si la variable independiente sólo toma valores discretos, como sería el caso cuando t=[Link],
en donde Ts es un número real positivo y K un entero, la correspondiente señal x(KTs) se
denomina señal en tiempo discreto. Las señales en tiempo discreto pueden ser algunas
como la liquidación de un crédito (con pagos mensuales, trimestrales, semestrales, etc.), el
muestreo de una señal analógica, etc.

Ejemplo 1.1: Una universidad sólo admite estudiantes una vez al semestre. Se quiere
mostrar gráficamente el número de estudiantes matriculados en la universidad desde
cuando la institución inició labores. Una gráfica posible de la “señal” correspondiente sería
la siguiente:

Estudiantes Matriculados

1200
1000
800
600
400
200
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Figura 1.3: Ejemplo de una señal en tiempo discreto.

15
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Es claro que la unidad de tiempo en este caso será el semestre y que no tendría sentido
pensar en el dato correspondiente al semestre 1,7 o al semestre 5,3, etc., pues no habrá
admisiones de estudiantes una vez iniciado el semestre. Dicho de otra forma, sólo existirán
los datos correspondientes a los valores enteros de la unidad de tiempo, por ejemplo, la
cantidad de estudiantes que ingresaron en el semestre 1 o en el semestre 2, etc.

De igual forma, cuando toman muestras de una señal, por ejemplo, en un sistema digital,
la señal muestreada sólo existe en los instantes precisos en que se toma la muestra, que son
instantes definidos por el ciclo del reloj del sistema. Así es el comportamiento de las señales
en tiempo discreto. Puede afirmarse, por lo tanto, que una señal en tiempo discreto sólo
existe para valores enteros de la variable independiente.

1.2.4. Señales Periódicas y Aperiódicas

Cualquier señal en tiempo continuo que satisfaga la condición

x(t) = x(t  nT) , n= 1,2,3, . . . T>0, (Ec. 1.3)

en donde T se llama período fundamental, se considera que es una señal periódica; en caso
contrario, la señal será aperiódica. Un ejemplo de señal periódica es la señal senoidal

16
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

x(t) = A sen ( ω0t +  ) (Ec. 1.4)

en donde A = Amplitud
ω0 = Frecuencia angular en rad/s
ϕ = Ángulo de fase
T = Período

Figura 1.4: Características de una señal periódica.

Un tren de pulsos es otro ejemplo de señal periódica.

17
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 1.5: Tren de pulsos.

Nótese que si x(t) es periódica con período fundamental T, también será periódica con
período 2T, 3T, 4T, etc. La frecuencia fundamental ω0 (expresada en radianes por segundo,
ya que se trata de una frecuencia angular) está dada por

ω0 = 2 / T Frecuencia fundamental (Ec. 1.5)

1.2.5. Armónicos

Si una señal tiene una frecuencia fundamental igual a ω0, su armónico K-ésimo es otra señal
senoidal con frecuencia angular igual a K ω0. De acuerdo con esta definición, el segundo
armónico será una senoidal con frecuencia igual a 2 ω0, el tercer armónico será otra senoidal
con frecuencia igual a 3 ω0, y así sucesivamente, como se muestra en la figura 1.6.

18
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 1.6: Armónicos de una señal.

Los diferentes armónicos de una señal pueden tener distintas amplitudes y ángulos de fase.
Esto es, la amplitud del segundo armónico puede ser diferente de la del tercer armónico y
de la del cuarto, etc., e igual puede suceder con su ángulo de fase. De hecho, esta situación,
tal como se verá más adelante cuando se trate el tema de las Series de Fourier, es la que
permite tener señales con la misma frecuencia fundamental, pero con diferente forma de
onda. Para señales de audio, esta forma de onda diferente es la que genera el concepto de
timbre de un sonido, gracias al cual el oído humano es capaz de identificar, por ejemplo,
entre dos instrumentos musicales que están dando una misma nota.

19
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La suma de dos señales periódicas puede ser periódica o aperiódica. Para que la suma de
dos señales periódicas dé como resultado otra señal periódica es necesario que el cociente
de sus respectivos períodos se pueda expresar como un número racional, o sea como la
razón de dos números enteros.

Ejemplo 1.2: Determinar si la señal x(t) es periódica

x(t)= sen( 3 /5 *t) + cos( 2 / 7 * t)

Solución: Como puede verse, la señal x(t) es el resultado de sumar dos funciones
periódicas cuyas frecuencias angulares son: ω1=3 / 5 y ω2=2 / 7. Por lo tanto,

T1 = 2/ω1  T1=2 / (3 / 5) = 10 / 3 T2 = 2/ω2  T2=2 / (2 / 7) = 7

El cociente de los períodos de estas funciones es:

𝑇1 10⁄3 10
= =
𝑇2 7⁄ 21
1

20
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Como la relación de los períodos es una relación de números enteros, se puede afirmar que
x(t) es periódica.

Ejemplo 1.3: Determinar si la señal f(t) es periódica

f(t)=sen( 3t ) + sen( 3/5 t)

Solución:

También ahora, la señal f(t) es el resultado de sumar dos funciones periódicas. Las
frecuencias angulares de estas señales son: ω1=3 y ω2 = 3 / 5.

Por lo tanto,

T1 = 2/ω1  T1=2/(3) = 2/3 T2 = 2/ω2  T2=2 / (3/5) = 10/3

El cociente de los períodos de estas funciones es:

𝑇1 2⁄3 
= =
𝑇2 10⁄ 5
3

21
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Esta vez, el cociente de los períodos no es una relación de números enteros, por lo tanto, se
puede afirmar que x(t) no es periódica.

Nótese que, si x(t) y y(t) tienen el mismo período T, entonces z(t) = x(t)  y(t) es periódica
con período T.

De acuerdo con la definición, una señal x(t) será periódica si x(t) = x(t  nT), para todo
valor de n. En consecuencia, se puede afirmar que todas las señales periódicas deben ser de
duración infinita, o sea que empiezan en menos infinito y terminan en más infinito. Por lo
tanto, todas las señales reales deben ser aperiódicas, pues no pueden tener duración infinita.
Sin embargo, para efectos de análisis y para el trabajo con las señales reales, se considerará
que una señal es periódica si se comporta como tal dentro de un intervalo de tiempo
suficientemente grande.

22
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.2.6. Señales analógicas y digitales, aleatorias y deterministas

Una señal que contenga algún tipo de información debe ser aleatoria en algún sentido. Si
no lo fuera, dejaría de llevar información útil. Una señal cuyo futuro se pueda predecir se
conoce como determinística.

La palabra analógica significa que se comporta en forma similar, pero en un dominio

diferente. Por ejemplo, la tensión eléctrica en los terminales de salida de un amplificador
varía exactamente de la misma manera que el sonido que activó el micrófono conectado a
la entrada del amplificador.

Una señal en tiempo discreto puede tomar valores continuos o discretos. Si una señal en
tiempo discreto sólo toma valores dentro de un conjunto finito se dice que se trata de una
señal en tiempo discreto con amplitud discreta o simplemente una señal digital.

1.2.7. Señales de energía finita y de potencia media finita.

Si x(t) representa el voltaje en una resistencia de valor R, la corriente i(t) a lo largo de la

resistencia estará dada por

i(t) = x(t) / R (Ec. 1.6)

23
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La potencia instantánea de la señal será

p(t) = x(t)2 / R (Ec. 1.7)

Para normalizar la potencia y la energía, se asume R = 1 , con lo cual se tiene

p(t) = x2 (t) Potencia instantánea (Ec. 1.8)

ya que la energía es igual al producto de la potencia por el tiempo, la energía

correspondiente a un intervalo infinitesimal dt será

E = P(t) t = [x2 (t)] dt (Ec. 1.9)

Si se tiene interés en un intervalo de tiempo de duración 2L, la energía asociada con la señal
será:
L L
E2L =  P(t)dt =  x(t)  2 dt Energía asociada al intervalo 2L (Ec. 1.10)
L L

y la energía total de la señal, entre menos infinito y más infinito será

24
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

lím L
E  
2
x(t ) dt Energía total de la señal x(t) (Ec. 1.11)
L   L

La potencia media de la señal será el resultado de dividir la energía total entre el intervalo
de tiempo; en estas condiciones, la potencia media será

lím E lím 1 L
P   
2
x(t ) dt Potencia media de la señal (Ec. 1.12)
L   2L L   2L  L

Cuando el límite definido en la ecuación 1.11 existe y es finito ( 0 < E <  ) se dice que la
señal x(t) es de energía finita. Observando la ecuación 1.12, se ve que las señales de energía
finita tienen potencia media cero, ya que si L tiende a infinito el denominador se hace
infinito y la potencia media se hace cero.

Tal como se dijo anteriormente, las señales periódicas están definidas entre menos infinito
y más infinito y, por lo tanto, tienen energía infinita. En la mayoría de los casos, las señales
periódicas tienen potencia media finita y energía infinita. Por el contrario, las señales de
duración limitada son señales de energía finita y potencia media nula.

25
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.3. SUMA GRÁFICA DE SEÑALES

Como ocurre con todas las funciones, cuando se quiere sumar dos señales el proceso debe
hacerse punto a punto, esto es, para cada instante de tiempo deben sumarse los valores
instantáneos de ambas señales para obtener el resultado. Esto hace que la operación sea
más fácil de entender si el proceso se hace gráficamente, lo que se verá en el siguiente
ejemplo:

26
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 1.4: Sumar las señales x(t) y w(t) mostradas en la figura siguiente. El proceso se
obvia, ya que simplemente se hace una suma tramo a tramo de los valores de las dos señales.

Figura 1.7: Suma gráfica de señales.

27
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.4. TRANSFORMACIONES DE LA VARIABLE INDEPENDIENTE

Cuando la variable independiente de una señal sufre alguna modificación, se obtiene una
nueva señal que tiene bastante parecido con la señal original. Hay tres operaciones que se
usan frecuentemente para transformar señales; estas operaciones son desplazamiento,
reflexión y escalado temporal. A continuación, se verán estas tres operaciones.

1.4.1. Desplazamiento: x(t)  x(t-t 0)

La señal x(t-t 0) corresponde a una versión de x(t) desplazada t0 unidades de tiempo hacia
la derecha, tal como puede deducirse a partir del siguiente ejemplo.

Ejemplo 1.5: Dada la función x(t) tal como se define en el corchete,

a) grafique x(t)
b) grafique x(t-t 0)

𝑡, 0 < 𝑡 < 2
𝑥(𝑡) = { 2, 2 < 𝑡 < 3
0, 𝑒𝑛 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜

28
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Solución

a) A partir de la definición de la señal, se hace la gráfica de acuerdo con lo que se indica

para cada tramo, obteniéndose lo siguiente:

Figura 1.8: Señal a la cual se le hará desplazamiento temporal.

b) Como probablemente el lector ya sabrá, el término que aparece entre paréntesis en una
función se conoce como “argumento” de la función. Así, el argumento de x(t) es t, mientras
que el argumento de x(t – t0 ) es t – t0. Por lo tanto, una transformación de la variable
independiente no es otra cosa que un cambio del argumento de la señal. Con esto en mente,
se puede ver cuál es el efecto de transformar la variable independiente reemplazando, en la
definición de la señal, el argumento original por el nuevo. Para el caso del presente ejemplo
lo que habrá que hacer será cambiar (t) por (t – t0). Al hacer esto se obtiene lo siguiente:

29
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

𝑡 − 𝑡0 , 0 < 𝑡 − 𝑡0 < 2
𝑥(𝑡 − 𝑡0 ) = { 2, 2 < 𝑡 − 𝑡0 < 3
0, 𝑒𝑛 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜

El primer intervalo, 0 < t-t 0 < 2, puede dividirse en las siguientes dos partes para su mejor
comprensión

0 < t - t0 y t - t0 < 2

de donde se obtiene

t > t0 y t < t0 + 2

y puede afirmarse, finalmente, que la nueva señal vale t - t0 en el intervalo [ t0 < t < t0 +2 ]

Para el segundo intervalo se hace un proceso similar, luego del cual se puede afirmar que
la nueva señal vale 2 en el intervalo [ t0+2 < t < t0 +3 ]. La gráfica obtenida será, entonces,
la siguiente:

30
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 1.9: Resultado del desplazamiento temporal.

Puede verse que la señal x(t-t0) corresponde a una versión de la señal x(t) desplazada hacia
la derecha t0 unidades de tiempo, tal como se dijo más atrás. Si uno pensara en la imagen
grabada en una cinta de video, la señal x(t) sería la imagen original, mientras que la señal
x(t–t0) correspondería a la imagen reproducida un tiempo t0 posterior.

Se puede notar que un proceso de transformación de la variable independiente no implica

cambio alguno en la amplitud de la señal. Esta última afirmación es válida para la operación
de desplazamiento y para cualquier otro tipo de transformación de la variable
independiente.

31
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.4.2. Reflexión: x(t)  x( - t )

La señal x(-t) equivale a la señal x(t) girada alrededor del eje vertical, tal como se puede
verificar haciendo el proceso de cambio de argumento. Gráficamente, el proceso de
reflexión puede visualizarse imaginando que se tiene la señal dibujada sobre una hoja de
papel transparente y que la hoja rota 180º alrededor del eje de las ordenadas. Tomando la
señal x(t) del ejemplo anterior, la señal x(-t) será la que se muestra en la figura siguiente.

Figura 1.10: Resultado de la reflexión.

Nuevamente, si la señal x(t) fuera la imagen grabada en una cinta de video, la señal x(-t)
sería la imagen que se vería al reproducir la cinta hacia atrás y con la misma velocidad con
que fue grabada.

32
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La reflexión es una propiedad que resulta útil cuando se requiere analizar las propiedades
de simetría de las señales; el estudio de la simetría, a su vez, permite identificar algunas
características de las señales gracias a las cuales es posible simplificar procesos de
análisis como el de las Series de Fourier, como se verá más adelante. En cuanto a la
simetría se puede decir lo siguiente:

1.4.3. Simetría

Una señal puede ser simétrica con respecto a un eje vertical o a uno horizontal, y puede
presentar diversos tipos de simetría. Para este curso es de especial interés analizar la
simetría de una señal con respecto a un eje vertical. En este caso se habla de simetría par,
impar y de media onda, las cuales se describen brevemente en la siguiente tabla.

Tipo de simetría Característica

Par x( t ) = x( - t )
Impar x( t ) = - x( - t )
Media onda x(t) = - x( t  T/2 )

Una señal cualquiera se puede expresar siempre como la suma de una señal par más otra
impar. Expresado en una ecuación, se puede decir que

33
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

x( t ) = xp ( t ) + xi ( t ) (Ec. 1.13)

en donde xp(t) y xi(t) representan las señales par e impar, respectivamente. Estas señales, a
su vez, se pueden obtener a partir de las ecuaciones

xp ( t ) = ½ [x( t ) + x( - t )] (Ec. 1.14)

xi ( t ) = ½ [x( t ) - x( - t )] (Ec. 1.15)

Ejercicio 1.1: Encuentre las componentes par e impar de la señal mostrada en la figura
siguiente y luego, a partir de estas componentes, reconstruya la señal original.

Figura 1.11: Señal a la cual se le debe hallar la simetría.

34
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.4.4. Escalado temporal: x(t)  x( Kt )

Si la variable independiente se escala o multiplica por un parámetro K, la nueva señal x(Kt)

será una versión de x(t) expandida en el tiempo, y el factor de expansión de la señal será
(1/K). De esta manera, si K > 1 la señal se contraerá y si K < 1 la señal se expandirá. A
manera de ejemplo, puede decirse que para K = 2 la señal se contraerá a la mitad, o durará
la mitad del tiempo que la señal original, mientras que para K = 0.5 la señal se expandirá al
doble, o sea que durará el doble de tiempo que la señal original.

Retomando la señal x(t) vista al principio y para los casos en los cuales K = 2 y K = 0.5, se
tendrán las siguientes gráficas:

35
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 1.12: Resultado del escalado temporal.

1.4.5. Transformaciones simultáneas de la variable independiente

En las líneas anteriores se vieron los casos en los cuales se hacía una única transformación
de la variable independiente. Sin embargo, una situación más general es la que se presenta
cuando ocurren varias transformaciones al mismo tiempo. Pueden tenerse casos en los
cuales a una señal se le hagan simultáneamente una reflexión y un escalado temporal, o un

36
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

desplazamiento y una reflexión, o las tres operaciones vistas. En general, cuando se tenga
el caso de varias transformaciones a una señal, se debe proceder como sigue:

1. Debe reorganizarse la expresión del argumento de tal forma que la variable

independiente quede sola. Este cambio permitirá ver más claramente cuáles son las
operaciones que se deben hacer.
2. Cuando a una señal se le hacen simultáneamente las operaciones de escalado y
desplazamiento, o reflexión y desplazamiento, la operación de desplazamiento debe
hacerse de última.

Ejemplo 2: Dada una función x(t) definida en el ejemplo 1, se desea identificar las
operaciones que deben hacerse a la señal para obtener la señal x (-2t + 4 ) y graficar la
nueva señal.

Solución: Se reorganiza el argumento buscando que la variable independiente quede sola.

Para esto, el argumento se factoriza por - 2, tal como se indica a continuación:

x (-2 t + 4) = x ( - 2 [ t - 2 ] )

37
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

En esta última expresión puede verse que hay dos operaciones de transformación de la
variable independiente: Un escalado por 2 y un desplazamiento de 2 unidades de tiempo
hacia la derecha.

La función original y la nueva quedarán entonces como se muestra a continuación:

Figura 1.13: Resultado de las transformaciones simultáneas.

38
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.5. SEÑALES ELEMENTALES

Existen varias señales elementales importantes que aparecen frecuentemente en las

aplicaciones de tratamiento de señales y simulación se sistemas y que sirven de base para
representar otras señales. Dentro de estas señales elementales están las funciones escalón
unitario, rampa, de muestreo, sinc, impulso unitario y pulso rectangular, las cuales se
describen a continuación.

1.5.1. Función Escalón Unitario

Esta función se denota por u(t) y se define de la siguiente manera:

0, 𝑡 < 0
𝑢(𝑡) = {
1, 𝑡 > 0
y, como puede deducirse de la definición, su representación gráfica es

Figura 1.14: Función escalón unitario.

39
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Este es un ejemplo de una función continua por tramos y su valor en la discontinuidad es

u(0)=1/2. Un escalón unitario corresponde al caso en que las señales son aplicadas
súbitamente como ocurre, por ejemplo, cuando se enciende una fuente de alimentación, en
donde la señal es nula para t < 0 y constante diferente de cero para t > 0.

Aplicando las transformaciones de la variable independiente vistas y algunas operaciones

entre señales, es posible obtener otras señales a partir del escalón unitario; un ejemplo de
esto es la obtención del pulso rectangular, el cual se puede expresar como

 t 
[Link]   Au(t  a)  u(t  a) (Ec. 1.16)
 2a 

Figura 1.15: Función pulso rectangular.

40
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejercicio 1.2: Verifique gráficamente el resultado de la ecuación 1.16.

Ejemplo 1.6: Suma de funciones escalón

La suma de funciones escalón desplazadas en el tiempo puede permitir obtener señales más
complejas, tal como se muestra en este ejemplo. Se trata de graficar la señal definida por

x(t)= -2u(t+3) + u(t+2) + 2u(t+1) + u(t) - 2u(t-1) - u(t-2) + 3u(t-3) – 2u(t-4) (Ec. 1.17)

Solución: Al dibujar cada una de las señales individuales y hacer la respectiva suma, se
obtiene la señal que se muestra a continuación. Es trabajo del lector verificar el resultado.

Figura 1.16: Resultado de la suma de escalones desplazados.

41
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.5.2. Función Signo, sgn(t)

Esta función se define como

−1, 𝑡 < 0
𝑠𝑔𝑛(𝑡) = {
1, 𝑡 > 0

y la gráfica correspondiente es

Figura 1.17: Función signo.

La función signo también puede expresarse utilizando con base en la función escalón
unitario, de la siguiente manera:

sgn(t) = 2 u(t) – 1 (Ec. 1.18)

42
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

De acuerdo con lo indicado en la ecuación 1.2, el valor de cualquier función en una

discontinuidad es igual al valor promedio de los valores inmediatamente anterior e
inmediatamente posterior al instante de la discontinuidad. En consecuencia, se puede
afirmar que sgn(0) = 0.

1.5.3. Función Rampa unitaria: r(t)

La función rampa se define como

0, 𝑡 < 0
𝑟(𝑡) = {
𝑡, 𝑡 ≥ 0

y la respectiva gráfica es

Figura 1.18: Función Rampa Unitaria.

43
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Nótese que, a diferencia de las funciones escalón unitario y signo, la función rampa es
continua en t = 0.

La función rampa también puede expresarse como:


r(t) = tu(t) o r(t) =  u(t)dt (Ec. 1.19)


El dispositivo físico que realiza la segunda operación se denomina “integrador” y es muy

utilizado en sistemas de control, en donde contribuye a mejorar la precisión de la respuesta
del sistema. La teoría de sistemas establece que es posible simular un sistema utilizando
solamente integradores y constantes, razón por la cual este elemento (el integrador) resulta
de gran interés dentro de la ingeniería.

La rampa unitaria, r(t), tiene una pendiente también unitaria. El escalado temporal de la
función rampa por un factor K produce una rampa con pendiente K. Por ejemplo, si la rampa
unitaria se escala en un factor de 2, se tendrá una rampa con pendiente 2, tal como puede
deducirse al cambiar el argumento en la definición, como se indica a continuación.

0, 𝑡 < 0
𝑟(2𝑡) = {
2𝑡, 𝑡 ≥ 0

44
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.5.4. Función de muestreo Sa(x)

La función de muestreo, Sa(x) (las letras “Sa” vienen de la palabra inglesa “sample” que
significa “muestra”), se define como

𝑠𝑒𝑛(𝑥)
𝑆𝑎(𝑥 ) = (Ec. 1.20)
𝑥

Como el denominador crece con el valor de x, y el numerador varía entre -1 y 1, la función

Sa(x) es simplemente una onda senoidal amortiguada. El valor de la función en x=0 se
obtiene mediante la regla de L’Hopital y es igual a la unidad. La gráfica de la función Sa(x)
es la que se muestra en la figura 1.19.

Figura 1.19: Función de Muestreo.

45
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejercicio 1.3: Obtenga una gráfica de la función Sa(x) en Matlab por medio de la siguiente
instrucción:

x= -12*pi:.001:12*pi; y=sin(x); z=y./x; grid, hold, plot(x,z)

1.5.5. Función Sinc (x)

Una función relacionada con la señal Sa(x) es la función sinc(x), que se define como

sin(𝜋𝑥 )
𝑠𝑖𝑛𝑐(𝑥 ) = 𝑆𝑎(𝜋𝑥 ) = (Ec. 1.21)
𝜋𝑥

Como puede verse, la función sinc es una versión comprimida de la función de muestreo,
con un factor de compresión igual a . Gráficamente, esta función se ve como se muestra
a continuación.

46
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 1.20: Función sinc(x).

1.5.6. Función impulso unitario o delta de Dirac: (t)

Hay muchos fenómenos físicos que se pueden modelar como funciones delta, tales como
fuentes puntuales de tensión y de corriente que actúan durante intervalos muy cortos de
tiempo. Matemáticamente, la función delta se define de tal forma que cumpla con
t2
 x(t)(t)dt = x(0), t < 0 < t2 , (Ec. 1.22)
t1
suponiendo que x(t) es continua en t = 0. Esta ecuación indica que (t) vale cero para todo
t diferente de 0, e infinito para t = 0, y el área bajo la curva es igual a 1. La función (t) se

47
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

representa gráficamente mediante una flecha ubicada en el origen del plano cartesiano, tal
como se muestra:

Figura 1.21: Función Impulso Unitario.

Lo indicado en la ecuación 1.22 es la base para la realización del proceso de muestreo y

puede visualizarse en la siguiente gráfica:

Figura 1.22: Muestreo mediante la función Impulso Unitario.

48
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La función (t) fue propuesta por el físico Paul Dirac para representar matemáticamente los
fenómenos en los que existen grandes cantidades de energía en intervalos de tiempo muy
cortos. Con base en esto, la función impulso se definió de tal forma que debe cumplir con
lo siguiente:

a. (0)   (Gran cantidad de energía en un instante muy pequeño).

b. (t ) = 0, para todo t  0 (Sólo existe en t = 0).

c.  (t)dt=1 (El área bajo la curva vale 1).
d. (t) = (-t) (La función tiene simetría par).

Dado que lo anterior no se ajusta a la definición convencional de función, lo cual no

permitiría lograr físicamente algo parecido a una función impulso, es conveniente
considerarla como el límite de otra función. En la figura siguiente se muestran tres ejemplos
de funciones que cumplen con la definición de la función impulso cuando  tiende a cero.

49
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 1.23: Realización práctica de la función Impulso Unitario.

Las anteriores son formas de modelar la función impulso en el mundo real haciendo que 
tienda a un valor muy pequeño. En ellas se cumple lo siguiente:

a) El valor de la función en t = 0 es muy grande (tiende a infinito) cuando  tiende a

cero.
b) La duración de la función es muy corta cuando  es muy pequeño.
c) El área bajo la curva es igual a uno.
d) Todas las funciones son pares.

Por lo tanto, llevadas al límite, todas estas funciones cumplen con la definición de la
función impulso unitario.

50
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.6. PROPIEDADES DE LA FUNCIÓN IMPULSO

1.6.1. Desplazamiento

Esta propiedad permite expresar una señal como una suma continua de impulsos
ponderados. La propiedad de desplazamiento se expresa así:
𝑡2
𝑥 (𝑡0 ), 𝑡0 < 𝑡1 < 𝑡2
∫ 𝑥(𝑡)𝛿 (𝑡 − 𝑡0 )𝑑𝑡 = { (Ec. 1.23)
0 , 𝑒𝑛 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜
𝑡1

En general, esta propiedad se puede expresar de esta manera:


x(t) =  x(t) (t-)d

(Ec. 1.24)

Lo anterior indica que la señal x(t) se puede expresar como una suma continua de impulsos
ponderados. Este resultado se puede mostrar gráficamente si se aproxima x(t) mediante una

51
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

suma de impulsos rectangulares. Cada impulso tiene un ancho de t segundos y su altura

varía de acuerdo con el valor de la señal, tal como se muestra en la figura siguiente.

Figura 1.24: Aproximación de una señal continua mediante una suma de impulsos
rectangulares.

1.6.2. Muestreo

Si x(t) es continua en t0, entonces

x(t) (t-t0) = x(t0) (t-t0) (Ec. 1.25)

52
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Gráficamente, esta propiedad se puede ilustrar aproximando la señal impulso mediante un

pulso rectangular de ancho  y altura 1/, como se muestra en la figura siguiente, y
haciendo que  tienda a cero.

Figura 1.25: Aproximación de un pulso rectangular a un impulso ponderado.

Matemáticamente, dos funciones f1 (δ(t) y f2(δ(t)) son equivalentes en el intervalo (t1, t2) si
para cualquier función continua y(t) se cumple
t2 t2
 y(t)f1(δ(t))dt =  y(t)f2(δ(t))dt (Ec. 1.26)
t1 t1

Por lo tanto
x(t) δ(t -t0) = x(t0) δ(t -t0) (Ec. 1.27)

Ya que

53
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

t2 t2
 y(t) x(t) δ(t -t0) dt = y(t0) x(t0) =  y(t) x(t0) δ(t -t0)dt (Ec. 1.28)
t1 t1

1.6.3. Escalado

Al aplicar la operación de escalado temporal por una constante “a” simultáneamente con
un desplazamiento temporal en un intervalo de tiempo “- b”, se obtiene lo siguiente:

(at+b) = (1/ |a| ) (t + b/a) (Ec. 1.29)

1.7 INTEGRAL Y DERIVADA DE LA FUNCIÓN IMPULSO.

1.7.1. Integral del Impulso

Si se desea hallar la integral de la función impulso, la expresión se puede evaluar en dos

intervalos bien definidos: (- , 0) y [0,  ). De acuerdo con la definición de la función delta,
en el primero de estos intervalos el área bajo la curva es cero, mientras que el área bajo la
curva del segundo intervalo es uno. La ecuación quedará entonces:

54
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

 0 

 (t)dt =  (t)dt +  (t)dt = u(t)


(Ec. 1.30)
 0

El primer sumando, correspondiente a la integral entre - y 0, es igual a cero, ya que en

ese intervalo la función δ(t) vale cero. El segundo sumando corresponde a la integral de la
función desde t=0 hacia la derecha. Como en la definición de la función impulso se indica
que su área bajo la curva vale 1, ese segundo sumando es igual a 1.

En resumen, la integral del impulso da como resultado una función que vale cero hasta t=0,
y vale 1 a partir de t=0. Esa función no es otra que el escalón unitario. Por lo tanto, se puede
concluir que la integral del impulso es el escalón unitario y que la derivada del escalón es
la función impulso.

 (t)dt = u(t) du(t)/dt = (t) (Ec. 1.31)

Ejemplo 1.7: Hallar gráficamente la derivada de la función escalón unitario.

Solución: La función escalón unitario consiste en un cambio súbito de la señal, desde cero
hasta uno. Este cambio súbito tiene asociado un tiempo de subida, durante el cual se
produce la transición entre el valor inicial y el valor final. Cuando la señal vale cero o

55
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

cuando vale uno la pendiente es cero, pero durante el tiempo de subida la pendiente es
diferente de cero. Si se grafica la señal ampliando el período de transición entre el valor
inicial y el final, y a partir de esta gráfica se dibuja la pendiente, se obtiene lo siguiente:

Figura 1.26: Detalle de la derivada del escalón en la discontinuidad.

Nótese que en la derivada se obtiene un pulso rectangular en el instante de la transición. Si

la duración de la transición es muy corta, la pendiente aumenta y el pulso rectangular
obtenido tiende a una función impulso unitario (lo cual se ajusta a lo que se dedujo más
atrás), quedando la figura tal como se muestra en seguida:

56
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 1.27: Representación de la derivada del Escalón Unitario.

Puede concluirse que si el escalón hubiera tenido un salto de dos unidades el impulso
correspondiente a la derivada tendría el doble de amplitud; en general, para K unidades, la
amplitud del impulso será igual a K veces la del caso anterior. Por otra parte, si el escalón
hubiera sido negativo, el impulso correspondiente a la derivada apuntaría hacia abajo. Este
análisis permite obtener gráficamente la derivada de funciones conformadas por escalones,
tal como se muestra en el siguiente ejemplo:

Ejemplo 1.8: En la figura siguiente se muestra una señal escalonada, x(t), y su

correspondiente derivada, x’(t). Nótese que la derivada consiste en un conjunto de
funciones impulso desplazadas y ponderadas de acuerdo con la magnitud y dirección del
escalón en cada punto. Si la derivada de la función se hubiera hallado observando

57
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

simplemente las porciones horizontales de la señal, el resultado hubiera sido cero en todo
instante y no se hubiera podido reconstruir la señal original a partir de la gráfica de su
derivada. En cambio, con la gráfica obtenida en este ejemplo sí es posible reconstruir la
señal original a partir de la derivada, lo que indica que ésta última contiene toda la
información de la señal.

Figura 1.28: Derivada de una señal con discontinuidades.

58
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.7.2. Derivada del impulso

Se puede demostrar que la derivada de la función impulso, δ´(t) está dada por:

′(
𝑑 [𝛿(𝑡)]
𝛿 𝑡) = (Ec. 1.32)
𝑑𝑡

A esta nueva función δ´(t) se le llama doblete unitario y se representa gráficamente de la

siguiente manera:

Figura 1.29: Función doblete unitario.

De la gráfica anterior puede verse que esta representación efectivamente equivale a la

derivada de δ(t), pues, vista desde 0 -, su pendiente es positiva e infinita y, vista desde 0+,
su pendiente es negativa e infinita.

59
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1.8. LA SEÑAL EXPONENCIAL Ceat

La señal exponencial tiene amplio uso en la representación de señales, ya que con ella es
posible obtener constantes, funciones senoidales, funciones con crecimiento o decaimiento
exponencial o, en general, combinaciones de las anteriores.

Si se tienen los números complejos C y a, tales que

C = C1+ j C2 (Ec. 1.33)

a = a1+ j a2 (Ec. 1.34)

Es posible expresar una función x(t) con estos términos de la siguiente manera:

𝑥 (𝑡) = (𝐶1 + 𝑗𝐶2 )𝑒 (𝑎1+𝑗𝑎2 )𝑡 (Ec. 1.35)

Con lo cual,

𝑥 (𝑡) = 𝐶1 [𝑒 𝑎1𝑡 + 𝑒 𝑗𝑎2𝑡 ] + 𝑗𝐶2 [𝑒 𝑎1𝑡 + 𝑒 𝑗𝑎2𝑡 ] (Ec. 1.36)

60
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Un análisis sencillo se puede hacer si C2 = 0, con lo cual, para una expresión como esta,
existen las siguientes posibilidades:

a) Si a1 = 0 y a2 = 0, x(t) = C1 y la función será una constante.

b) Si a2 = 0, x(t) = C1 ea1t y la función será una exponencial creciente para a1 > 0, o
decreciente para a1 < 0.
c) Si a1 = 0, x(t) = C1 eja2t y, de acuerdo con la identidad de Euler (ej = cos + jsen),
la función corresponderá a una señal senoidal.
d) Si C1  0, a1  0 y a2  0, x(t) = C1 [ea1t +e ja2t ] y la función será una señal senoidal
que puede ser: de amplitud constante, creciente o decreciente, según sea el valor
de a1.

61
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 2: SISTEMAS EN TIEMPO CONTINUO

Una característica de casi cualquier sistema físico es su capacidad de aceptar una entrada y
producir una salida como respuesta a esa entrada. Un sistema se puede ver como un proceso
(o un conjunto de elementos físicos) que transforma señales de entrada en otras señales de
salida. Así como se ha hablado de señales en tiempo continuo y señales en tiempo discreto,
también debe hablarse de sistemas en tiempo continuo y en tiempo discreto. La diferencia
entre los unos y los otros puede verse en las siguientes definiciones:

2.1. TIPOS DE SISTEMAS

2.1.1. Sistema en tiempo continuo:

Es aquel que transforma la señal de entrada en tiempo continuo en una señal de salida en
tiempo continuo.

62
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 2.1: Representación de un Sistema en Tiempo Continuo.

2.1.2. Sistema en tiempo discreto:

Es un sistema que transforma señales de entrada en tiempo discreto en señales de salida en

tiempo discreto.

Figura 2.2: Representación de un Sistema en Tiempo Discreto.

Para estudiar el comportamiento de un sistema se modela matemáticamente cada uno de

sus elementos y después se considera la interconexión entre ellos. Este modelamiento

63
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

matemático consiste en encontrar las ecuaciones que rigen el sistema, tales como la Ley de
Ohm y las Leyes de Kirchhoff en los sistemas eléctricos o las Leyes de Newton y la Ley
de Hooke en los sistemas mecánicos, etc. El análisis de sistemas lineales se puede reducir
al estudio de su respuesta a ciertas señales básicas de entrada.

2.2. CLASIFICACIÓN DE LOS SISTEMAS EN TIEMPO CONTINUO

2.2.1. Sistema lineal

Un sistema lineal es aquel en el cual se puede aplicar el principio de superposición. Esto

es, si al sistema se le aplica una entrada x1(t) y produce una salida y1(t), y al aplicarle una
entrada x2(t) produce una salida y2(t), entonces, si el sistema es lineal, al aplicarle una
entrada ax1(t) + bx2(t) la salida será ay1(t) + by2(t), siendo a y b constantes arbitrarias.

64
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 2.3: Sistema Lineal.

2.2.2. Sistema no lineal

Un sistema no lineal es el que no cumple con la propiedad anterior.

2.2.3. Sistemas variantes e invariantes en el tiempo

Se dice que un sistema es invariante con el tiempo si un desplazamiento temporal de la

señal de entrada causa un desplazamiento temporal idéntico en la señal de salida. Si x(t)
produce una salida y(t), x(t-t0) producirá una salida y(t-t0).

65
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

El proceso para hacer la verificación de la invariabilidad del sistema en el tiempo es el

siguiente:

Figura 2.4: Sistema Invariante en el Tiempo.

Si y2(t) = y1(t-t0), el sistema es invariante con el tiempo.

2.2.4. Sistemas lineales e invariantes con el tiempo

También se les conoce como sistemas LTI (Linear Time Invariant) y son los que cumplen
simultáneamente con las condiciones mencionadas, o sea que al mismo tiempo son lineales
y sus características no varían en el tiempo. En el mundo real se trabaja con sistemas que
no cumplen con ninguna de estas condiciones en forma absoluta ya que la naturaleza no
tiene un comportamiento lineal ni tiene características de invariabilidad temporal. Sin
embargo, al aproximar los sistemas reales a sistemas LTI, se simplifica enormemente su

66
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

análisis. Esta aproximación es válida si se tiene en cuenta que la mayoría de los sistemas
físicos presentan comportamientos aproximadamente lineales e invariantes en el tiempo
dentro de ciertos rangos.

Un ejemplo de esto es la resistencia eléctrica, que se rige, teóricamente, por la ley de Ohm
(V=IR), sin que dicha ley especifique ningún rango para su validez. No obstante, es bien
sabido que, si se excede la potencia máxima especificada por el fabricante, el elemento se
destruirá por exceso de temperatura y, aunque se siguiera aumentando el voltaje, la
corriente desde ese instante sería nula. Por lo tanto, la Ley de Ohm describe un
comportamiento lineal (o aproximadamente lineal) pero sólo es aplicable dentro del rango
permitido por la potencia máxima que pueda disipar el dispositivo. Dentro de ese rango, la
resistencia puede considerarse como un sistema LTI.

2.2.5. Sistemas con memoria y sin memoria

En la mayoría de los sistemas, las entradas y las salidas son funciones de la variable
independiente. Se dice que el sistema es sin memoria o instantáneo si el valor actual de la
salida depende solamente del valor actual de la entrada. Por ejemplo, una resistencia es un
sistema sin memoria, ya que si la entrada x(t) es la corriente que circula por la resistencia y

67
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

la salida y(t) es la tensión entre los extremos de la resistencia, la relación (entrada / salida)
es y(t) = R x(t), en donde R es la resistencia.

Por lo tanto, el valor de y(t) en cualquier instante depende sólo del valor de x(t) en ese
instante.

Por el contrario, un condensador o una bobina, por ejemplo, son sistemas con memoria; en
el caso del condensador, se tiene:

1
𝑦(𝑡) = ∫ 𝑥 (𝜏)𝑑𝜏 (Ec. 2.1)
𝐶

En este caso, la salida, y(t), depende del pasado de la entrada.

En general, se puede hacer la siguiente clasificación global de los sistemas

68
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Sistemas en Sistemas lineales

Sistemas LTI
general en general
y(t) = F(x(t)) y(t) = k(x) x(t) y(t) = K x(t)

Algunos ejemplos de sistemas lineales invariantes en el tiempo y sin memoria son los
siguientes:

a) Amortiguador mecánico en el que la entrada es la fuerza aplicada F(t) y salida es la

velocidad relativa de un extremo respecto al otro, v(t):

𝐹 (𝑡) = 𝐵𝑣(𝑡) (Ec. 2.2)

en donde la constante B representa el coeficiente de fricción viscosa del amortiguador.

b) Resorte en el que la entrada es el desplazamiento x(t) y salida es la fuerza f(t):

𝐹 (𝑡) = −𝐾𝑥(𝑡) (Ec. 2.3)

en donde K es el coeficiente de elasticidad del resorte.

69
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Un sistema cuya respuesta en el instante t está determinada completamente por las señales
de entrada durante los últimos T segundos (es decir, en el intervalo desde t-T hasta t), se
denomina sistema con memoria finita. La memoria de un sistema de este tipo tiene una
longitud igual a T unidades de tiempo.

2.2.6. Sistemas causales

Un sistema es causal, no anticipativo o físicamente realizable si la salida en cualquier

instante t0 depende sólo de los valores de la entrada para t<t0. Matemáticamente, eso se ve
así:

Si x1(t) = x2(t) para t < t0, y si el sistema es causal, entonces y1(t) = y2(t)

Se puede expresar esto diciendo que un sistema es causal si la salida y(t0) depende sólo de
los valores de la entrada x(t) para t ≤ t0.

70
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.2.7. Sistemas invertibles y sistema inverso

Se dice que un sistema es invertible si observando la salida se puede determinar la entrada.

Es decir, el sistema será invertible si se puede construir un sistema inverso tal que cuando
éste se coloca en cascada con el sistema original produce una salida igual a la entrada del
sistema original. La figura siguiente ilustra esta situación.

Figura 2.5: Sistema Original y Sistema Inverso.

Nótese que si dos entradas diferentes producen la misma salida el sistema no es invertible.
Por ejemplo, si el sistema lo que hace es hallar la magnitud de la entrada, su respuesta será
la misma para una entrada x(t) o para – x(t), lo cual no permitirá saber cuál es la entrada
conociendo la salida.

71
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

El sistema inverso de un sistema causal no tiene que ser causal necesariamente, lo que
indica que podría no tener posibilidad de ser construido físicamente y ser simplemente
utilizado por conveniencia matemática.

Figura 2.6: Sistemas Causal y No Causal.

2.2.8. Sistemas estables

Se pueden definir muchos tipos de estabilidad. Sin embargo, aquí se hablará sólo de la
estabilidad BIBO (Bounded Input Bounded Output), que traducida al español se conoce
como EASA (Entrada Acotada Salida Acotada), y que se resume en lo siguiente: un sistema
es estable en el sentido BIBO (EASA) si para cualquier entrada acotada (esto es, limitada
a valores finitos) x(t), la respuesta y(t) también es acotada.

72
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.3. LA CONVOLUCIÓN

En los sistemas lineales se cumple el principio de superposición, lo que se puede indicar

como:

Si x(t) = a1x1(t) + a2x2(t) + . . . + anxn(t) = Σ aixi(t), para 1 ≤ i ≤ n (Ec.2.4)

Entonces

y(t) = a1y1(t) + a2y2(t) + . . . + anyn(t) = Σ aiyi(t), para 1 ≤ i ≤ n (Ec.2.5)

La propiedad de desplazamiento de la función impulso (t), está dada por

∞

𝑥(𝑡) = ∫ 𝑥(𝜏)𝛿 (𝑡 − 𝜏)𝑑𝜏 (Ec. 2.6)

−∞

e indica que cualquier señal x(t) se puede expresar como un continuo de pulsos ponderados.

73
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 2.7: Representación de una señal x(t) mediante un continuo de pulsos

ponderados.

Considérese ahora un sistema en tiempo continuo con entrada x(t). Si el sistema es lineal
se puede aplicar el principio de superposición; esto es, se puede expresar la salida y(x) como
una combinación lineal de las respuestas del sistema a las señales impulso desplazadas. Si
la respuesta del sistema a un impulso unitario de entrada (t) se denomina h(t), gracias a la
linealidad, se puede afirmar que para una entrada K (t) la salida será K h(t). Ahora, si el
sistema es invariante en el tiempo, para una entrada K (t-) se tendrá una salida K h(t-).
Si, en lugar de la constante se tiene una función x(t) evaluada en t =  , la cual ponderará a
la función impulso haciendo que la entrada al sistema sea x() (t-), la salida será x() h(t-
). Gracias a que se puede aplicar la superposición, es posible afirmar que la salida total,
y(t), será la suma de todas las salidas obtenidas en los diversos instantes, o sea,

74
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

𝑦(𝑡) = ∑ 𝑥(𝜏)ℎ(𝑡 − 𝜏) (Ec. 2.7)

−∞

Al llevar esta sumatoria al límite, la ecuación se convierte en:

∞

𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏 (Ec. 2.8)

−∞

Esta ecuación se conoce como “Integral de Convolución” y representa la respuesta y(t) de

un sistema LTI a una entrada x(t). Esa operación se representa en forma más concisa como
∞

𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏 = 𝑥(𝑡) ∗ ℎ(𝑡) Integral de convolución (Ec. 2.9)

−∞

Con base en lo visto hasta ahora, se puede decir que un sistema LTI queda completamente
caracterizado por su respuesta al impulso; por esta razón, es posible representarlo como un
bloque dentro del cual se indica la función h(t), con una señal de entrada x(t) y una salida

75
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

y(t) que es la convolución entre x(t) y h(t). Esto y el proceso que acaba de describirse pueden
verse gráficamente como se muestra a continuación:

Figura 2.8: Deducción de la operación de convolución.

76
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La convolución no existe para cualquier señal; sin embargo, para que exista es suficiente
que se cumpla una de las siguientes condiciones:

 x(t) y h(t) deben ser absolutamente integrables en el intervalo (- , 0].

 x(t) y h(t) deben ser absolutamente integrables en el intervalo [0 , ).
 x(t) y h(t) o ambas deben ser absolutamente integrables en el intervalo (- , ).

Nota: Una función es absolutamente integrable en un intervalo determinado si, al integrarla

en ese intervalo, se obtiene un número finito.

77
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.4. PROPIEDADES DE LA CONVOLUCIÓN

Al igual que muchas operaciones matemáticas, la convolución tiene algunas propiedades

que permiten simplificar los cálculos o inferir resultados en ciertas condiciones. A
continuación, se presentan estas propiedades.

2.4.1. Propiedad conmutativa

𝑥(𝑡) ∗ ℎ(𝑡) = ℎ(𝑡) ∗ 𝑥(𝑡) (Ec. 2.10)

Esta propiedad indica que la señal de entrada y la respuesta al impulso son intercambiables.
Gráficamente, la propiedad conmutativa se puede ver de la siguiente manera:

Figura 2.9: Propiedad conmutativa de la convolución.

78
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.4.2. Propiedad asociativa

𝑥(𝑡) ∗ ℎ1 (𝑡) ∗ ℎ2 (𝑡) = [𝑥(𝑡) ∗ ℎ1 (𝑡)] ∗ ℎ2 (𝑡) = 𝑥(𝑡) ∗ [ℎ1 (𝑡) ∗ ℎ2 (𝑡)] (Ec. 2.11)

Esta propiedad indica que una combinación de bloques en cascada se puede reemplazar por
un único bloque con respuesta al impulso igual a la convolución de sus respuestas al
impulso. Gráficamente, se puede ver de la siguiente manera:

Figura 2.10: Propiedad asociativa de la convolución.

2.4.3. Propiedad Distributiva

𝑥 (𝑡) ∗ [ℎ1 (𝑡) + ℎ2 (𝑡)] = [𝑥(𝑡) ∗ ℎ1 (𝑡)] + [𝑥(𝑡) ∗ ℎ2 (𝑡)] (Ec. 2.12)

79
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Esta propiedad equivale a decir que una combinación de dos sistemas LTI en paralelo tiene
un comportamiento igual a uno solo cuya respuesta al impulso es la suma de las respuestas
al impulso de los sistemas individuales. Gráficamente, se puede ver de la siguiente manera:

Figura 2.11: Propiedad distributiva de la convolución.

80
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.5. INTERPRETACIÓN GRÁFICA DE LA CONVOLUCIÓN

2.5.1. Paso 1.

Para un valor arbitrario fijo de t en el intervalo [ti-1, ti] se dibuja x(τ), h(t-τ) y su producto
como funciones de τ. Nótese que h(t-τ) es una versión invertida y desplazada de h(τ), y que
se obtiene desplazando h (- τ) t segundos hacia la derecha.

2.5.2. Paso 2.

Se integra el producto g(t,τ) = x(τ) h (t-τ) como función de τ. Nótese que el integrando g(t,τ)
depende de t y de τ. τ es la variable de integración que desaparecerá al calcular la integral
e imponer los límites sobre el resultado. La integración puede verse como el área bajo la
curva g(t,τ).

Ejemplo 2.1: Hallar gráficamente la función y(t) = x(t) * h(t), sabiendo que las funciones
x(t) y h(t) están dadas por:

x (t) = rect (t/2)

h(t) = 2 rect [ (t-1) / 4] + rect [ (t+1) / 2]

81
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Los pasos indicados anteriormente equivalen a hacer lo siguiente:

a) Obtener gráficamente x(t) y h (t-τ).

b) Ir incrementando el valor de t desde - hasta  para obtener el producto g (t,τ) al cual

se le calcula el área bajo la curva (esto último equivale a desplazar h(t-τ) hacia la derecha
y hallar el área bajo la curva).

Siguiendo este procedimiento, se hallará el resultado de la convolución de las dos señales

indicadas.

a) Gráficas de x (t) y h (t):

Figura 2.12: Señales cuya convolución se desea hallar.

82
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

b) Gráfica de h (-τ): Se hace la gráfica en el dominio de τ y no en el dominio de t. Ahora t

cumple la función de producir un desplazamiento de la señal h (-τ). Nótese que aquí t = 0,
pues sólo se ha hecho una reflexión de la señal.

Figura 2.13: Gráfica de h (-τ).

La gráfica de h (t- τ) equivale a la de h (-(τ -t)) y corresponde al desplazamiento hacia la

derecha de la curva de h (-τ) a medida que t aumenta.

Al hacer la multiplicación de las señales x(τ) y h (t- τ) a medida que transcurre el tiempo
(según lo sugiere la integral de convolución), se obtiene la gráfica de una nueva señal que
se llamará g(t, τ), que corresponde al producto x(τ) h (t- τ). Posteriormente, de acuerdo con
lo indicado por la operación de la integral, se halla el área bajo la curva de la señal g(t, τ)
para los diferentes valores de t, obteniéndose una nueva función que es la convolución
x(t)h(t).

83
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 2.14: h (-τ) desplazándose.

Por ejemplo, para el caso de la gráfica anterior, t es igual a cero, ya que, en estas
condiciones, la señal h(t-τ) será igual a h(-τ) y corresponderá a la señal reflejada en el
dominio de τ. Si t es diferente de cero, la señal h(t- τ) se desplazará hacia la izquierda o
hacia la derecha, dependiendo de si t es menor o mayor que cero.

Como lo que se quiere hacer es hallar el área bajo el producto x(τ).h(t- τ), este producto
debe calcularse para cada valor de t, ya que la señal estará cambiando de posición. Esto se
hace desplazando la señal h(t- τ) desde menos infinito hasta más infinito. En realidad, sólo
es necesario desplazar la señal desde cuando empiece a existir traslape entre h(t- τ) y x(τ),
ya que el producto entre las dos señales sólo será diferente de cero mientras exista dicho

84
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

traslape. En estas condiciones, el proceso puede hacerse en unos pocos pasos tal como se
muestra a continuación:

(a)

85
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

(b)

(c)

(d)

86
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

(e)

(f)
Figura 2.15: Descripción gráfica del proceso de la convolución.

Para que no haya traslape entre las dos señales, h(t- τ) debe correrse hacia la izquierda tres
unidades de tiempo, o sea que, en estas condiciones, se tendrá que t = - 3. El producto de
las dos señales y el área bajo la curva g(t, τ) se muestran en la figura siguiente para los
diversos valores de t para los cuales existe traslape entre las señales. A partir del resultado

87
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

del área bajo la curva obtenida para cada valor de t, se construye la curva final de y(t) =
x(t)  h(t). El resultado gráfico es el siguiente:

Figura 2.16: Resultado de la convolución.

88
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.6. PROPIEDADES DE LOS SISTEMAS LTI

2.6.1. Propiedad de memoria

Ya se había visto que los sistemas LTI sin memoria tienen una relación entrada/salida de la
siguiente forma:

𝑦(𝑡) = 𝐾 𝑥(𝑡) (Ec. 2.13)

Si x(t) = δ(t), un sistema como estos tiene una respuesta al impulso de la forma:

ℎ(𝑡) = 𝐾 𝛿(𝑡) (Ec. 2.14)

2.6.2. Sistemas LTI Causales

Para que un sistema sea causal, y(t) no debe depender de τ para τ ≥ t. Esto se cumplirá si
h(t)=0 para t < 0. En este caso, la convolución se transforma en:
∞

𝑦(𝑡) = ∫ 𝑥 (𝜏)ℎ( 𝑡 − 𝜏)𝑑𝜏 (Ec. 2.15)

0

89
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

y esta vez se evalúa en el intervalo ( 0,  ), debido a que h (t) = 0 para t < 0.

Un sistema es causal si su respuesta no se anticipa a la señal de entrada, en caso contrario,

el sistema es no causal.

Señal causal: y(t) = 0, t < 0

Señal anticausal: y(t) ≠ 0, t < 0

Cualquier señal que no contenga funciones impulso ni sus derivadas en t = 0 se puede

escribir como la suma de una parte causal x+(t) y una no causal x-(t).

𝑥(𝑡) = 𝑥 + (𝑡) + 𝑥 − (𝑡) (Ec. 2.16)

Un ejemplo de esto es la señal exponencial decreciente:

𝑥(𝑡) = 𝑒 −𝑡 = 𝑒 −𝑡 𝑢(𝑡) + 𝑒 −𝑡 𝑢(−𝑡)

90
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.6.3. Sistemas LTI Invertibles

Figura 2.17: Sistema Original y Sistema Inverso.

Si h1(t) representa la respuesta al impulso del sistema inverso, entonces debe cumplirse:

𝑦(𝑡) = ℎ1 ∗ ℎ(𝑡) ∗ 𝑥 (𝑡) = 𝑥(𝑡) (Ec. 2.17)

Pero, como se sabe que

𝑥(𝑡) ∗ 𝛿(𝑡) = 𝑥(𝑡) (Ec. 2.18)

entonces,

ℎ1 ∗ ℎ(𝑡) = 𝛿(𝑡) (Ec. 2.19)

91
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

O sea que la convolución entre la respuesta al impulso de un sistema y la respuesta al

impulso del sistema inverso es igual a la función impulso unitario.

2.6.4. Sistemas LTI estables

Ya se ha dicho que un sistema en tiempo continuo es estable si y sólo si cualquier entrada

acotada produce una salida acotada. Considérese entonces una entrada acotada x(t) que
cumple |x(t)|< B para todo t, la cual se aplica a un sistema LTI cuya respuesta al impulso es
h (t). Se tiene entonces que la respuesta del sistema será:
∞ ∞

|𝑦(𝑡)| = | ∫ ℎ(𝜏)𝑥(𝑡 − 𝜏)𝑑𝜏| ≤ ∫ |ℎ(𝜏)||𝑥(𝑡 − 𝜏)|𝑑𝜏 (Ec. 2.20)

−∞ −∞

en donde |x(t-τ)| = B = constante


∞

|𝑦(𝑡)| ≤ 𝐵 ∫ |ℎ(𝜏)|𝑑𝜏 (Ec. 2.21)

−∞

92
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Por lo tanto, el sistema será estable si:

∞

∫ |ℎ(𝜏)|𝑑𝜏 < ∞ (Ec. 2.22)

−∞

O sea, que la condición suficiente y necesaria para la estabilidad en el sentido BIBO

(Bounded Input, Bounded Output) o EASA (Entrada Acotada, Salida Acotada) de un
sistema LTI es que su respuesta al impulso sea absolutamente integrable.

2.7. SISTEMAS DESCRITOS POR ECUACIONES DIFERENCIALES

La respuesta de muchos sistemas físicos se puede describir mediante ecuaciones

diferenciales. Estos sistemas se pueden simular mediante sumadores, multiplicadores e
integradores. Es posible determinar la respuesta al impulso de sistemas LTI descritos por
ecuaciones diferenciales lineales con coeficientes constantes. Dos ejemplos de este tipo de
sistemas son el sistema eléctrico RLC y el sistema mecánico Masa-Amortiguador-Resorte,
los cuales se analizarán a continuación.

93
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.7.1. Sistema eléctrico RLC en paralelo.

Figura 2.18: Sistema eléctrico RLC en paralelo

El sistema mostrado en la Figura 2.18 corresponde a un circuito RLC en paralelo, el cual

se puede analizar aplicando la Ley de Corrientes de Kirchhoff. Al aplicar esa ley, se obtiene
la siguiente ecuación:

𝑦(𝑡) = 𝑖𝑅 (𝑡) + 𝑖𝐿 (𝑡) + 𝑖𝐶 (𝑡)

1 1 dx(t )
L
iR (t )  x(t ) iL (t )  x(t )dt iC (t )  C
R dt

94
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1 1 dx(t )
y(t )  x(t )   x(t )dt  C
R L dt
Si esta ecuación se deriva, se obtiene lo siguiente:

dy(t ) 1 dx(t ) 1 d 2 x(t )

  x(t )  C
dt R dt L dt 2

Al dividir por C y reorganizar la ecuación, se obtiene

d 2 x(t ) 1 dx(t ) 1 1 dy(t )

  x (t ) 
dt 2 RC dt LC C dt

Y la anterior ecuación diferencial constituye el modelo matemático del sistema RLC.

2.7.2. Sistema Masa-Amortiguador–Resorte.

Este sistema es el equivalente mecánico del sistema eléctrico analizado anteriormente. En

él intervienen, a cambio de las constantes R, L y C, la masa M, la constante de elasticidad
del resorte, K, y el coeficiente de fricción viscosa, B, y el comportamiento del sistema se

95
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

rige por la segunda Ley de Newton (ΣF=Ma), la Ley de Hooke (FK=Kx(t)) y la ecuación
del amortiguador con fricción viscosa (FB=Bv(t)).

Figura 2.19: Sistema mecánico Masa-Amortiguador-Resorte

Para el análisis de un sistema mecánico se hace un diagrama de cuerpo libre; en este caso,
el diagrama de cuerpo libre es el que se muestra en la figura 2.20.

Figura 2.20: Diagrama de cuerpo libre del sistema de la figura 2.19

96
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

De este diagrama se puede obtener la siguiente ecuación:

F (t )  FK (t )  FB (t )  Ma(t )
dx(t )
FK (t )  Kx(t ) FB (t )  Bv(t )  B
dt
dv(t ) d 2 x(t )
a(t )  
dt dt 2

dx(t ) d 2 x(t )
F (t )  Kx(t )  B M
dt dt 2
Reorganizando la ecuación y dividiéndola por M, se obtiene

dx(t ) d 2 x(t )
F (t )  Kx(t )  B M
dt dt 2

d 2 x(t ) B dx(t ) K 1
2
  x (t )  F (t )
dt M dt M M

y la anterior ecuación diferencial constituye el modelo matemático del sistema Masa-

Amortiguador–Resorte. Nótese la similitud entre las ecuaciones que describen los sistemas

97
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

eléctrico y mecánico. En general, se puede decir que un sistema físico con parámetros
concentrados, lineal e invariante en el tiempo puede describirse mediante una ecuación
diferencial lineal, con coeficientes constantes.

2.8. SOLUCIÓN DE ECUACIONES DIFERENCIALES LINEALES EN EL

DOMINIO DEL TIEMPO

Una ecuación diferencial lineal ordinaria con coeficientes, constantes es característica de

los sistemas concentrados lineales invariantes en el tiempo. Para sistemas con una sola
entrada y una sola salida se tiene la posibilidad de hacer un análisis como el que se muestra
a continuación. Supóngase que la ecuación que describe al sistema es de orden n,

d n y(t ) d n1 y(t )

an  an1  ...  a0 y(t )  x(t ) (Ec. 2.23)
dt n dt n1

Esta ecuación se puede escribir en forma operacional como

 dn d n1 
 n n
a  a n 1 n 1
 ...  a 0  y (t )  x(t ) (Ec. 2.24)
 dt dt 

98
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

O, en forma más resumida, como

L [y(t)] = x(t) (Ec. 2.25)

En esa expresión, el operador L equivale a lo siguiente:

 dn d n1 
L  an n  an1 n1  ...  a0  (Ec. 2.26)
 dt dt 

L es un operador lineal, o sea que:

LC1 y1 (t )  C2 y2 (t )  C1 Ly1 (t )  C2 Ly2 (t )

Lo que quiere decir que si y1(t) y y2(t) son soluciones de L[y]= 0, entonces C1y1(t)+C2y2(t)
también es una solución.

La solución de la ecuación 2.23 tiene dos componentes:

1. La solución sin fuentes (llamada transitoria, natural, complementaria u homogénea).

99
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2. La solución correspondiente a la componente resultante de la fuente (conocida como

forzada, de estado estable, no homogénea o solución particular).

2.8.1. Solución Transitoria.

La solución transitoria yc(t) se obtiene de la ecuación homogénea correspondiente a la

ecuación 2.23. Es decir, yc (t) corresponde a cuando x(t) = 0, y debe satisfacer la condición

L[yc(t)] = 0 (Ec. 2.27)

Para el caso especial de coeficientes constantes se tiene la solución de la ecuación 2.27; su

forma general es:

yc(t)= C1 y1(t) + C2 y2(t)+ . . . + Cn yn(t) (Ec. 2.28)

Las funciones y1(t), y2(t),....yn(t) dependen de las raíces de la ecuación característica

asociada,

f(r) = anrn + an-1rn-1 + . . . + a0 = 0 Ecuación Característica (Ec. 2.29)

100
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

En donde an, an-1,.....a0 son los mismos coeficientes que en la ecuación 2.26. Si la ecuación
2.29 tiene n raíces distintas r1, r2, ...rn, las funciones yi(t), i =1,2,....n, son yi(t) = erit . Al
reemplazar en la ecuación 2.28, se encuentra que la solución transitoria o complementaria
es:

𝑦𝑐 (𝑡) = 𝐶1 𝑒 𝑟1𝑡 + 𝐶2 𝑒 𝑟2𝑡 + ⋯ + 𝐶𝑛 𝑒 𝑟𝑛𝑡 (Ec. 2.30)

Según como sea la multiplicidad de las raíces de la ecuación 2.29, se asigna la yi(t),
i=1,2,....n, como se explica a continuación:

1. Para cada raíz real r, la función ert

2. Para cada raíz real r de multiplicidad k, las funciones ert, tert,...., tk-1ert.
3. Para cada par complejo simple de raíces a ±jb, las funciones eat cos(bt) y eat sen(bt).
4. Para raíces complejas con multiplicidad k, se procede de forma similar al punto 3,
obteniéndose las funciones

eat cosbt, eat senbt, teat cosbt, teat senbt, ...., tk-1eat cosbt, tk-1eat senbt.

Las constantes Ci, i = 1, 2,....,n en la ecuación 2.28 se determinan de las condiciones

iniciales o de frontera del problema.

101
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Se puede emplear el método de coeficientes indeterminados si las derivadas de x(t) dan por
resultado un número finito de funciones independientes. A continuación, se describe este
método.

Sea D el operador definido como D = d/dt, de tal forma que el operador L quedará expresado
como

L = anDn + an-1Dn-1 +. . . + a0 (Ec. 2.31)

Es decir, L es un operador polinomial en el operador D. Se desea encontrar un operador

que “anule” x(t). Es decir: dado x(t), se desea encontrar un operador LA tal que:

LA[x(t)] = 0 (Ec. 2.32)

Entonces se tiene que

anDn + an-1Dn-1 +. . . + a0 = 0 Ecuación característica

Después de esto, se hallan las raíces de esta ecuación y se continúa con el proceso de
acuerdo con lo establecido en los criterios recientemente expuestos para la asignación de
cada una de las funciones yi(t).

102
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.8.2. Solución forzada.

Un método rápido para obtener la solución particular de la ecuación se basa en la linealidad,

según el siguiente razonamiento: Como la solución de la ecuación debe tener la misma
naturaleza de la función forzadora, f(t), que es el término de la derecha de la ecuación
diferencial, entonces, dada f(t), se puede suponer que la respuesta forzada yp (o solución
particular), tiene la forma que se indica en la siguiente tabla para cada caso:

f(t) yp(t)
A K
At K1 + K2 t
𝐴1 ∗ 𝐾 −𝐵𝑡 𝐴2 ∗ 𝐾 −𝐵𝑡 ( raíces
diferentes)
𝐴1 ∗ 𝐾 −𝑟𝑖 𝑡 𝐴2 ∗ 𝐾 −𝑟𝑖 𝑡 ( raíces
repetidas)
A cos(ωt) K1 set(ωt) + K2 cos(ωt)
A set(ωt) K1 set(ωt) + K2 cos(ωt)

103
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

A continuación, se reemplaza yp(t) en la ecuación diferencial completa para obtener los

coeficientes Ki. Este reemplazo es indispensable para que la ecuación particular propuesta
satisfaga la ecuación diferencial.

Ejemplo 2.2: Encontrar la respuesta completa a la ecuación diferencial dada por:

d 2 y(t ) dy(t )
2
 3  2 y(t )  e t (Ec. 2.33)
dt dt

Solución:

La ecuación dada se transforma, por medio del operador D, en

( D 2  3D  2) y(t )  e t (Ec. 2.34)

Se deben encontrar la solución homogénea y la particular y después sumarlas para obtener

la respuesta completa.

y(t )  yh (t )  y p (t ) (Ec. 2.35)

104
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Solución homogénea: yh(t). Esta se puede obtener a partir de las raíces de la ecuación,
igualando el polinomio a cero, así:

( D 2  3D  2) y(t )  0 (Ec. 2.36)

De donde se obtienen las raíces r1 = -1 y r2 = -2. Entonces,

yh (t )  C1e t  C2 e 2t (Ec. 2.37)

Solución particular: yp(t). Esta se obtiene a partir de la tabla anterior, de donde se obtiene
lo siguiente:
y p (t )  C3e t (Ec. 2.38)

Respuesta completa:

yh (t )  C1e t  C2 e2t  C3e t  C4 e2t  C2 e2t (Ec. 2.39)

105
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 2.3. Encontrar la respuesta completa a la ecuación diferencial dada por:

d 2 y(t ) dy(t )
 2  y(t )  cos(5t ) (Ec. 2.40)
dt 2 dt

Solución: Por medio del operador D, se tiene:

( D 2  2D  1) y(t )  cos(5t ) (Ec. 2.41)

Las raíces dan:
r1 = -1
r2 = -1,

con lo cual se tendrá:

yh (t )  C1er1t  C2ter2t  C1e t  C2tet (Ec. 2.42)

Y la solución particular, yp(t), será de la forma:

y p (t )  C3 sen(5t )  C4 cos(5t ) (Ec. 2.43)

106
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Entonces, la respuesta completa será:

y(t )  C1et  C2tet  C3 sen(5t )  C4 cos(5t ) (Ec. 2.44)

2.9. COMPONENTES BÁSICOS DE LOS SISTEMAS

Todos los sistemas LTI, continuos y de dimensión finita descritos por la ecuación.

d N y(t ) N 1  d i y(t )  M  d i x(t ) 

N
  ai  i
  bi  i
 (Ec. 2.45)
dt i 0  dt  i 0  dt 

con M ≤ N, se pueden realizar o simular utilizando sumadores, restadores, multiplicadores

escalares e integradores. Estos, conocidos como componentes básicos de los sistemas, se
pueden implementar a su vez utilizando resistencias, condensadores y amplificadores
operacionales.

107
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.9.1. El integrador

Es un elemento básico en la teoría de sistemas y en sus aplicaciones. Matemáticamente la

relación entrada/salida que describe a un integrador como el que se muestra en la figura
siguiente es:
𝑡

𝑦(𝑡) = 𝑦(𝑡0 ) + ∫ 𝑥 (𝜏)𝑑𝜏 , 𝑡 ≥ 𝑡0 (Ec. 2.46)

𝑡0

Electrónicamente, un integrador se puede implementar como sigue:

Figura 2.21: Implementación de un integrador utilizando un amplificador operacional

(OP-AMP).

108
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Si y(t0) = 0 se dice que el integrador está en reposo. En estas condiciones la ecuación

diferencial de entrada / salida del integrador es

dy(t )
 x(t ) (Ec. 2.47)
dt

2.9.2. Sumadores, restadores y multiplicadores escalares

La figura siguiente muestra estas operaciones y su implementación electrónica.

Figura 2.22: Implementación de un Sumador utilizando un OP-AMP.

109
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 2.23: Implementación de un Restador utilizando un OP-AMP.

Figura 2.24: Implementación de un Multiplicador por un escalar utilizando un OP-AMP.

110
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

2.10. DIAGRAMAS DE SIMULACIÓN PARA SISTEMAS EN TIEMPO

CONTINUO

Considérese el sistema LTI descrito por la ecuación

 N N 1 i M i


D  
i 0
ai D 

y (t )  
 i 0
bi D  x(t )

(Ec. 2.48)

La construcción de un sistema real implica, normalmente, altos costos, tiempos de

operación difíciles de manejar, etc., por lo cual interesa disponer de un método para simular
el sistema sin que sea necesario construirlo tal como es en realidad.

A partir del conjunto de ecuaciones diferenciales, se puede ver el sistema se puede simular
utilizando sólo integradores y elementos constantes. De dichas ecuaciones se pueden
construir los que se conocen como “Diagramas de simulación”, los cuales facilitan la
verificación del desempeño de los sistemas mediante el uso del computador digital.

111
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Con base en el conjunto de ecuaciones diferenciales, un sistema se puede realizar de varias

maneras diferentes. En este texto, se presentarán dos formas (conocidas como formas
canónicas) diferentes. Primero, se supondrá que M = N y se multiplicará la ecuación 2.48
por D-N (en donde el operador D-1 representa un integrador), con lo que se obtiene:

y(t )  bN x(t )  D1bN 1 x(t )  aN 1 y(t ) ...  D( N 1) b1 x(t )  a1 y(t ) D N b0 x(t )  a0 y(t ) (Ec.2.49)

A partir de la ecuación 2.49 se puede obtener el siguiente diagrama de simulación:

Figura 2.25: Diagrama de simulación para sistemas en tiempo continuo (Primera forma
canónica).

112
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Este diagrama se arma comenzando por la derecha y desplazándose hacia la izquierda. El

operador D-K indica que se debe integrar K veces.

Una segunda forma canónica para la simulación de sistemas es la que se muestra en la

figura siguiente:

Figura 2.26: Diagrama de simulación para sistemas en tiempo continuo (Segunda forma
canónica).

113
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 2.4: Construya los diagramas de simulación en las dos formas canónicas vistas
correspondientes al sistema descrito por la siguiente ecuación diferencial.

𝑑 3 𝑦(𝑡) 𝑑 2 𝑦(𝑡) 𝑑𝑦(𝑡) 𝑑 2 𝑥(𝑡) 𝑑𝑥(𝑡)

+ 4 + 2 + 𝑦 (𝑡 ) = 7 + 3 + 5𝑥(𝑡)
𝑑𝑡 3 𝑑𝑡 2 𝑑𝑡 𝑑𝑡 2 𝑑𝑡

Solución:

De acuerdo con las formas canónicas vistas, los términos an corresponden a los coeficientes
de x(t) y sus derivadas, mientras que los términos los términos bn corresponden a los
coeficientes de y(t) y sus derivadas. En consecuencia, estos términos son:

a0 = 1 b0 = 5
a1 = 2 b1 = 3
a2 = 4 b2 = 7
b3 = 0

Las formas canónicas correspondientes serán, entonces, las que se muestran en las figuras
siguientes:

114
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 2.27: Diagrama de simulación correspondiente a la primera forma canónica.

Figura 2.28: Diagrama de simulación correspondiente a la segunda forma canónica.

115
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 3: SEÑALES Y SISTEMAS EN TIEMPO

DISCRETO

Tal como ya se indicó en el primer capítulo, las señales discretas están definidas en tiempos
discretos, de tal forma que la variable independiente toma solamente un conjunto discreto
de valores. La designación de la variable independiente que se utilizará para las señales
discretas no será t, como en las señales continuas, sino n. Además, la representación gráfica
de las señales discretas se hará mediante impulsos ponderados, los cuales podrán existir
únicamente en valores enteros de la variable independiente, tal como se muestra en la
siguiente figura.

Figura 3.1: Ejemplo de señal en tiempo discreto.

116
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Una clase muy importante de señales discretas surge del muestreo de señales continuas. En
este caso, la señal discreta x(n) representa muestras sucesivas de un fenómeno para el cual
la variable independiente es continua. La discretización de estas señales que son
originalmente continuas resulta particularmente útil cuando se utilizan procesadores
digitales, los cuales sólo trabajan con secuencias en tiempo discreto.

3.1. ENERGÍA Y POTENCIA DE UNA SEÑAL

Cuando se estudiaron las señales en tiempo continuo se desarrollaron algunas ecuaciones

que pueden trasladarse sin dificultad para señales en tiempo discreto. En primer lugar, se
mencionará la energía asociada con la señal:

n2 2

Energía total de una señal discreta: E   x(n)

n  n1

lím N
E  
2
x(n) (Ec. 3.1)
N   n  N
n2
1
Potencia total de una señal discreta: P  n  n  1  x(n)
2

2 1 n n1

117
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

lím 1 N
P  x(n)
2

N   2 N  1 n  N (Ec. 3.2)

Tal como ya se estudió, una señal puede ser de los siguientes tipos:

3.1.1. Señal con energía total finita: E < .

Estas señales tienen que tener potencia promedio cero, según se puede ver de la ecuación
de la potencia, en donde, se tiene un valor finito de E dividido sobre infinito.

3.1.2. Señal con potencia promedio finita:

De acuerdo con lo que se vio en el literal anterior, se puede concluir que para P≠0,
necesariamente E = .

118
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

3.2. TRANSFORMACIONES DE LA VARIABLE INDEPENDIENTE

Cuando se estudiaron las señales en tiempo continuo, se vio que existían tres tipos básicos
de transformaciones de la variable independiente: Desplazamiento, Escalado y Reflexión.
Con las señales discretas el procedimiento obedece al mismo razonamiento, de la siguiente
manera:

3.2.1. Desplazamiento:

La señal x(n-n0) tiene la misma forma de x(n) y se encuentra desplazada n0 unidades hacia
la derecha.

Ejemplo 3.1: Graficar x(n-5), sabiendo que x(n) es la señal mostrada en la figura siguiente.

Figura 3.2: Señal discreta que se desea desplazar en el tiempo.

119
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Solución:

La gráfica correspondiente a x(n-5) tiene la misma forma que x(n) pero sufre un retraso de
cinco unidades de tiempo, o sea que se encuentra desplazada cinco unidades de tiempo
hacia la derecha, tal como se muestra a continuación:

Figura 3.3: Señal desplazada en el tiempo.

3.2.2. Reflexión:

La señal x(-n) se obtiene a partir de la señal x(n) mediante una reflexión con respecto al eje
n = 0 (o sea, invirtiendo la señal).

120
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 3.2: Graficar x(-n), tomando como base la señal x(n) del ejemplo anterior.

Solución:

La gráfica correspondiente a x(-n) equivale a la imagen de x(n) rotada alrededor del eje de
las ordenadas, tal como se muestra a continuación:

Figura 3.4: Señal reflejada en el tiempo.

121
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

3.2.3. Escalado:

La señal x(an) corresponde a la señal x(n) pero comprimida (si a>1) o expandida (si a<1)
en el tiempo.

Ejemplo 3.3: Graficar x(3n).

Solución:

La gráfica correspondiente a x(3n) equivale a la imagen de x(n) comprimida a la tercera

parte, tal como se muestra a continuación:

Figura 3.5: Señal escalada en el tiempo.

122
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Puede notarse que en este último caso la forma de la señal cambió, debido a que algunas
de las componentes desaparecieron al hacer la compresión en el tiempo. Particularmente,
la nueva señal en ningún instante toma los valores de 4, 5 o 1, mientras que x(n) sí toma
esos valores. Esta es una diferencia de las señales en tiempo discreto con respecto a las
señales en tiempo continuo, pues en la compresión de las señales en tiempo discreto puede
perderse parte de la información, lo que se evidencia con el cambio de la forma de onda de
la señal.

Cuando se hacen transformaciones simultáneas de la variable independiente a señales en

tiempo discreto, se debe tener en cuenta la misma recomendación que se hizo para las
señales en tiempo continuo, que consiste en que siempre la operación de desplazamiento
debe hacerse de última.

3.3. SEÑALES PERIÓDICAS

De una señal en tiempo discreto se sabe que sólo existe en valores discretos de la variable
independiente n, esto es, cuando n es entero. Por otra parte, de una señal periódica en tiempo
continuo se sabe que debe cumplir con la condición

x(t) = x(t±T),

123
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

en donde T es el período fundamental de la señal y está dado por

T= 2π /ω0,

y ω0 es la frecuencia angular de la señal.

Cuando se tienen señales periódicas en tiempo discreto se deben cumplir simultáneamente

dos condiciones, que son:

a) La señal sólo puede existir en valores discretos de la variable independiente, y

b) La señal debe cumplir con

x(n) = x(n±N), (Ec. 3.3)

en donde N es un número entero y se denomina período fundamental de la señal en tiempo

discreto y está dado por
N= 2π /Ω0, (Ec. 3.4)

siendo Ω0, la frecuencia angular de la señal en tiempo discreto.

124
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Tal como se vio al analizar las señales en tiempo continuo, también se puede afirmar aquí
que, si una señal es periódica con período N, también será periódica con períodos 2N, 3N,
etc., en donde N0 es el valor positivo más pequeño para el cual se cumple la ecuación
anterior. Más adelante se verá cuál es la condición con la que debe cumplir una señal
discreta para que sea periódica.

3.4. SEÑALES ELEMENTALES

Al igual que en el caso de tiempo continuo, en tiempo discreto se pueden identificar algunas
señales elementales que permiten construir otras más complejas. Algunas de estas señales
elementales se definen a continuación:

3.4.1. Impulso unitario, (n).

La función impulso unitario en tiempo discreto se define como

1 𝑛=0
𝛿 (𝑛) = {
0 𝑒𝑛 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜

125
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

y la gráfica correspondiente es la que se muestra a continuación.

Figura 3.6: Impulso Unitario en tiempo discreto.

3.4.2. Escalón unitario, u(n).

La función escalón unitario en tiempo discreto se define como

1 𝑛<0
𝑢(𝑛) = {
0 𝑛≥0

La gráfica correspondiente al escalón es la que se muestra en la figura 3.7.

126
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 3.7: Escalón Unitario en tiempo discreto.

A partir de la gráfica es posible deducir que la función escalón unitario también puede
definirse en términos de la función impulso unitario, de la siguiente manera:


u(n)   (n  k )
k 0
También es posible notar que

 (n)  u(n)  u(n 1)

O sea que la función escalón unitario en tiempo discreto equivale a una suma sucesiva de
señales impulso unitario desplazadas a partir de n = 0 hasta infinito, y la función impulso
unitario equivale a la primera diferencia de la función escalón unitario. Más adelante se

127
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

hablará de la primera diferencia de una función y se llegará al tema de las ecuaciones de

diferencias, que son el equivalente en tiempo discreto de las ecuaciones diferenciales.

3.4.3. Rampa unitaria, r(n).

La función rampa unitaria en tiempo discreto se define como

0 𝑛<0
𝑟(𝑛) = {
𝑛 𝑛>0
y la gráfica correspondiente es

Figura 3.8: Rampa unitaria en tiempo discreto.

128
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

A partir de la gráfica es posible deducir que la función escalón unitario también puede
definirse en términos de la función u(n), de la siguiente manera:


r (n)   u(n  k )
k 1
3.5. SIMETRÍA

Al igual que en el caso de señales en tiempo continuo, las señales en tiempo discreto tendrán
los siguientes tipos de simetría:

Simetría par:
Una señal tendrá simetría par si x(n) = x(- n ) (Ec. 3.5)

Simetría impar:
Una señal tendrá simetría impar si x(n) = - x(- n ) (Ec. 3.6)

Simetría de media onda:

Una señal tendrá simetría de media onda si x(n) = -x(n ± N0/2) (Ec. 3.7)

129
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

3.6. OTRAS SEÑALES DISCRETAS: EXPONENCIAL, COMPLEJA Y

SENOIDAL

Al igual que en tiempo continuo, una señal muy importante en tiempo discreto es la señal
o secuencia exponencial compleja definida por

x(n) = Cen, (Ec. 3.8)

donde C y  son, en general, números complejos.

Si  es real existen dos posibilidades:

a) Si >1, la magnitud de la señal crece exponencialmente.

b) Si <1, la magnitud de la señal decrece exponencialmente.

130
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 3.4: Graficar la señal x(n) = 4 e-2n u(n).

Solución: Si se arma una tabla en la cual se dan valores a x(n) para n ≥ 0, se obtiene lo
siguiente:
n 0 1 2 3 4
x(n) 4 1.47 0.54 0.20 0.07

Con estos datos es posible graficar la señal correspondiente, tal como se muestra en la
siguiente figura:

Figura 3.9: Grafica de la señal x(n) = 4 e-2n u(n).

Si  es una cantidad imaginaria, de acuerdo con la identidad de Euler, se puede ver que la
señal corresponde a una función discreta senoidal o cosenoidal.

131
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 3.5: Graficar la señal x(n) = 4 e j n/4 u(n).

Solución: De acuerdo con la identidad de Euler,

e j = cos () + j sen().

Por lo tanto,

e jn/4 = cos (n/4) + j sen(n/4)

Si se tabula esta función para un período completo, esto es para 0  n  8, se logra la

siguiente tabla.

n 0 1 2 3 4 5 6 7 8
Rex(n) 1 0.707 0 -0.707 -1 -0.707 0 0.707 1
Imx(n) 0 0.707 1 0.707 0 -0.707 -1 -0.707 0

De esta nueva tabla se obtiene la siguiente figura:

132
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 3.10: Grafica de la señal x(n) = 4 e j n/4 u(n).

Por otra parte, si  es una cantidad compleja, la señal corresponde a una senoidal creciente
(si la parte real es mayor que uno) o decreciente (si la parte real es menor que uno).

Si la señal exponencial x(n) es una función periódica, se puede afirmar lo siguiente:

x(n)  e j0n  e j0 ( n N )  e j0n e j0 N (Ec. 3.9)

de donde puede concluirse que ejΩoN = 1. Para que esto se cumpla es necesario que

133
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

e j0n  cos(0 n)  jsen(0 n)  1 (Ec. 3.10)

Si se igualan las partes reales (o sea cos Ω0n =1), se ve que esto sólo es posible si Ω0N=2π
o un múltiplo de 2π. Dicho de otra forma, Ω0N = 2πm, en donde m es un número entero. Al
escribir esto mismo de otra manera, se tiene

0 m

2 N (Ec. 3.11)

lo que indica que para que una señal en tiempo discreto sea periódica es necesario que
Ω0/2𝝅 sea un número racional.

134
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

3.7. ARMÓNICOS DE UNA SEÑAL EN TIEMPO DISCRETO

En tiempo continuo una señal periódica se puede expresar como

f(t) = C ejΩot = C ej(2 / T) t (Ec. 3.12)

y el armónico K-ésimo de f(t) será

fK(t) = C ejKΩot (Ec. 3.13)

y pueden existir infinitos armónicos.

En tiempo discreto una señal periódica se puede expresar como

f(n) = C ejΩon = C ej(2 / N) n (Ec. 3.14)

y el armónico K-ésimo de f(n) será

fK(n) = C ejKΩon = C ejK(2 / N) n (Ec. 3.15)

135
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

El armónico K+N será

fK+N(n) = C ej(K+N) (2 / N) n = C ejK(2 / N) n ejN (2 / N) n = C ejK(2 / N) n (Ec. 3.16)

Por lo tanto, el armónico K+N es igual al armónico K, lo que se puede expresar como

fK+N(n) = fK(n) (Ec. 3.17)

En conclusión, se puede afirmar que para las señales periódicas en tiempo discreto los
armónicos K, K+N, K+2N, etc., son idénticos. Por lo tanto, en una señal discreta sólo
existen, como máximo, N armónicos.

A modo de ilustración de la afirmación anterior, pueden verse los armónicos de una señal
iniciando con K=0 y terminando con K=N, tal como se muestra en la figura siguiente. De
dicha figura puede concluirse que se tendrán armónicos de baja frecuencia en valores de
Ω0 cercanos a múltiplos pares de  (0, 2, 4, etc.), pues es claro que cuando Ω0 = 0 ó 2,
la señal no cambia en el tiempo, o, mejor dicho, equivale a una componente de corriente
continua. Por otra parte, cuando se tengan valores de Ω0 cercanos a múltiplos impares de
, o sea , 3, 5, etc.) existirán armónicos de alta frecuencia. Nótese, en particular, que la

136
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

máxima frecuencia se logra cuando Ω0 = , ya que para este caso la señal tiene las más
bruscas variaciones en el tiempo.

Figura 3.11: Ilustración de los armónicos de una señal en tiempo discreto.

137
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

De acuerdo con la identidad de Euler, la exponencial ej Ωon tiene un comportamiento

senoidal. La frecuencia angular Ω0 puede variar, con lo cual se obtendrán nuevas
senoidales. Sin embargo, a diferencia de lo que ocurre en las señales en tiempo continuo,
para las cuales el valor de Ω0 puede crecer hasta infinito, en las señales en tiempo discreto
se repetirán las condiciones cada 2, esto es, la frecuencia angular Ω0 arrojará el mismo
resultado que Ω0+2, ya que ejΩon = e j (Ωo+2n) En estas circunstancias, cualquier intervalo
de longitud 2 será apropiado para definir el rango de variación de ω. Un intervalo muy
apropiado es -<ω<.

Ejemplo 3.6: Determinar el período de la función x(n)= e j (2 / 3) n

Solución: De acuerdo con la identidad de Euler, se tiene que

x(n)= e j (2 / 3) n = cos((2 / 3) n)+ j sen((2 / 3) n),

y de esta expresión se deduce que el período fundamental es N0 = 3

138
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 3.7: Determinar el período de la función x(n) e j (2 / 3) n + e j (2 / 5) n

Solución: De acuerdo con la identidad de Euler, se tiene que

e j (2 / 3) n + e j (3 / 4) n = cos((2/3) n)+ j sen((2/3) n)+ cos((2/5) n)+ j sen((2/5) n),

Tal como se vio al analizar las señales de tiempo continuo, la condición para que la suma
de dos señales periódicas dé como resultado otra señal periódica es que la relación de sus
períodos se pueda expresar por medio de un número racional. En este caso, los períodos
son

N1 = 2/ Ω1 = 2/ (2/3) = 3

y N2 = 2/ Ω2 = 2/ (2/5) = 5,

con lo cual la suma de las señales será también una señal periódica ya que 3/5 es la relación
de dos enteros.

Ahora, el período de la señal resultante se calcula buscando el lapso de tiempo mínimo

dentro del cual quepa un número entero de períodos de cada una de las señales originales,

139
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

lo cual no es otra cosa que el mínimo común múltiplo, mcm, de dichos períodos; El cálculo
del mcm de dos números se hace de la siguiente manera:
a) Si ambos números son primos, el mcm es igual al producto entre ellos.
b) Si uno de los dos no es primo, o ninguno es primo, se toma el mayor de ellos y se
multiplica sucesivamente por los números 2, 3, 4, 5, . . . hasta encontrar un resultado
que sea divisible por el otro número. Este resultado será el mcm.

En consecuencia, para el caso del ejemplo, se tiene que el mínimo común múltiplo de los
números 3 y 5 es 15. Por lo tanto, el período de la señal resultante es N = 15.

3.8. CONVOLUCIÓN DE SEÑALES EN TIEMPO DISCRETO

En tiempo discreto el proceso de convolución sigue la misma lógica que en tiempo

continuo, presentándose sólo las diferencias propias de las señales en tiempo discreto. Una
de estas diferencias es que ahora no se hablará de la “integral” de convolución sino de la
“suma” de convolución. Como ya se sabe, la operación de convolución representa el
resultado de la interacción entre una señal x(n) y un sistema cuya respuesta al impulso es
h(n); dicho de otro modo, la convolución permite conocer la señal de respuesta que aparece
cuando a un sistema h(n) se le aplica una señal de entrada x(n). Para deducir esta operación,
se parte del hecho de que x(n)=x(k)  (n-k), de acuerdo con la propiedad de muestreo de la

140
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

función impulso unitario. En una forma similar a la que se vio en su momento para las
señales en tiempo continuo, la convolución en tiempo discreto puede visualizarse mediante
el procedimiento mostrado desde el paso a) hasta el paso e) en la Figura 3.12.

El paso a) muestra la respuesta al impulso. El paso b) es el resultado de la linealidad del

sistema. El paso c) es el resultado de la invarianza temporal del sistema. En el paso d), en
vez de la constante K1, se introduce valor de la función en el instante k, o sea x(k), que no
es otra cosa que un impulso ponderado por dicho valor x(k). En el paso e), al sumar los
impulsos ponderados para k variando desde menos infinito hasta más infinito, se está
aplicando al sistema la función x(n) (esta operación se justifica mediante la propiedad de
muestreo de la función impulso), con lo cual la señal de salida del sistema será la suma de
las respuestas de las entradas individuales, lo cual es válido gracias a la propiedad de
superposición.

141
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 3.12: Deducción de la operación de convolución en tiempo discreto.

142
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Al mirar el resultado final, para determinar la convolución entre dos señales, el

procedimiento puede describirse de la siguiente manera:

1. Se grafican ambas señales.

2. Se invierte una de ellas.
3. Se desplaza esta última desde menos infinito hasta más infinito moviéndola punto a
punto y graficando el producto de las señales en cada instante. A este producto se le
llama g(n,k).
4. Para cada valor de k se suman los valores de g(n,k), o sea, las amplitudes (con su signo
respectivo) de los impulsos resultantes del producto en ese valor de k. Con esto se está
calculando Σg(n,k) en ese valor de k (lo cual equivale al cálculo del área bajo la curva
en tiempo continuo)
5. Se grafica Σg(n,k) para los diferentes valores de k, cambiando ahora k por n. Esta
gráfica es la convolución de las dos señales.

143
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 3.8: Determinar la forma de la señal y(n) en el sistema de la Figura 3.13.

Figura 3.13-a: Sistema en tiempo discreto.

Figura 3.13-b: Señales discretas cuya convolución se hallará.

Solución: La señal y(n) es el resultado de la convolución entre las señales x(n) y h(n). El
procedimiento descrito anteriormente se puede desarrollar más fácilmente mediante la
construcción de una tabla que mediante un proceso gráfico como el utilizado para la
convolución de señales en tiempo continuo. Para la construcción de la tabla se escriben los
vectores de las señales x(n) y h(n), subrayando el valor correspondiente a n=0 para cada
una de ellas, con el fin de no perder el punto de referencia. De acuerdo con esto, las dos
señales se expresarán así:

144
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

x(n) = ( 1, 1, 2 )

h(n) = ( 3, 2, 1, 2 )

En la tabla, se invierte una de las dos señales (puede ser cualquiera, ya que la convolución
es conmutativa) y luego se va desplazando desde menos infinito hasta más infinito,
haciendo en cada instante la multiplicación. El resultado es el siguiente:

145
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Y la gráfica correspondiente será la siguiente:

Figura 3.14: Resultado de la convolución.

146
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

3.9. ECUACIONES DE DIFERENCIAS

Mientras en las señales en tiempo continuo se habla de derivadas, en las señales en tiempo
discreto se habla de diferencias. La operación de primera derivada de una función en tiempo
continuo corresponde a la operación de primera diferencia para una función en tiempo
discreto. Igualmente existen las operaciones de segunda, tercera diferencia, etc. y, en
general, la diferencia de orden n.

3.9.1. Primera diferencia de una señal

A manera de ejemplo, puede utilizarse la función escalón unitario en tiempo discreto para
ver la operación de primera diferencia. Esta operación consiste en restar de un escalón
unitario otro escalón unitario desplazado una unidad de tiempo discreto. Esto es,

x(n) = u’(n) = u(n) - u(n-1) (Ec. 3.18)

Gráficamente, el resultado puede verse en la siguiente figura.

147
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 3.15: Primera diferencia de la función escalón unitario.

y puede concluirse que

u’(n) = δ(n) (Ec. 3.19)

148
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

En el ejemplo anterior los impulsos que conforman el escalón están separados por una
unidad de tiempo. Si uno se ciñe a la definición de la derivada, ve que esta se lleva a cabo
dividiendo la diferencia en el valor de la señal, Δf(t), entre la diferencia en el tiempo, Δt,
esto es,

∆𝑓(𝑡)
𝑓 ′ (𝑡) = (Ec. 3.20)
∆𝑡

Como en el caso de la primera diferencia del escalón unitario Δt es uno, no fue necesario
hacer la división por Δt, y esto podría generar confusión si el ejemplo se tomara como
modelo. Ya que la distancia temporal entre las muestras no es siempre unitaria sino una
cantidad entera cualquiera, Δn, la primera diferencia de una señal está dada, en general, por

𝑓 (𝑛)−𝑓(𝑛−∆𝑛)
𝑓 ′ (𝑛) = (Ec. 3.21)
∆𝑛

149
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 3.9: Hallar la primera diferencia de la señal x(n) mostrada en la figura siguiente.

Figura 3.16: Señal del ejemplo.

Solución: De acuerdo con la ecuación 3.21, la primera diferencia de la señal estará dada
por

′(
𝑓(𝑛) − 𝑓(𝑛 − ∆𝑛)
𝑓 𝑛) =
∆𝑛

y puede verse que, para el presente caso, Δn = 2. Este tipo de problemas puede trabajarse
utilizando Matlab o incluso una hoja de cálculo. Con base en esto, la primera diferencia
puede determinarse con ayuda de la siguiente tabla:

150
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

n 1 3 5 7 9 11 13 15 17 19 21 23 25
x(n) 2 3 4 5 6 7 8 6 4 2 -2
x(n-
Δn) 2 3 4 5 6 7 8 6 4 2 -2
x'(n) 1 0,5 0,5 0,5 0,5 0,5 0,5 -1 -1 -1 -1 -1 1

Las gráficas de las señales son las siguientes.

x[n] x ' [n]
10 1,5

8
1

6
0,5

4
0
2 1 3 5 7 9 11 13 15 17 19 21 23 25 27

-0,5
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27

-2 -1

-4 -1,5

Figura 3.17: Señal original y su primera diferencia.

151
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 3.10: Hallar la segunda diferencia de x(n).

Solución: A partir de la tabla anterior se puede construir otra así:

n 1 3 5 7 9 11 13 15 17 19 21 23 25 27
x'(n) 1 0,5 0,5 0,5 0,5 0,5 0,5 -1 -1 -1 -1 -1 1
- - -
x''(n) 0,5 0,25 0,75 1 0,5

y la gráfica correspondiente será

x '' [n]
1,2
1
0,8
0,6
0,4
0,2
0
-0,2 1 3 5 7 9 11 13 15 17 19 21 23 25 27
-0,4
-0,6
-0,8
-1

Figura 3.18: Segunda diferencia de la señal.

152
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejercicios:

Hallar x(n) en los siguientes casos:

sen(n/ 6), 0  n  12
1. x(n) =
0 en el resto

Δn = 1

2. x(n) = e-n ( u(n) – u (n-10) )

3. x(n) = n2 ( u(n) – u (n-4) )

4. Hallar x‘(n) y x’’(n) para las tres funciones anteriores.

153
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

3.10. SISTEMAS DESCRITOS MEDIANTE ECUACIONES DE

DIFERENCIAS

Así como los sistemas en tiempo continuo se pueden describir utilizando ecuaciones
diferenciales, es posible describir los sistemas en tiempo discreto mediante ecuaciones de
diferencias. En un sistema en tiempo discreto con entrada f(n) y salida y(n) habrá una
relación entrada/salida que quedará descrita por una ecuación de diferencias. Para hacer
una introducción al tema, puede verse el caso de un sistema descrito mediante la siguiente
ecuación de diferencias:

f (n)  y(n)  y' (n)  y' ' (n)  y' ' ' (n) (Ec. 3.22)

De acuerdo con la ecuación 3.21, las expresiones correspondientes a y’(n), y’’(n) y y’’’(n)
serán
y(n)  y(n  n)
y' (n) 
n

y(n)  2 y(n  n)  y(n  2n)

y' ' (n) 
n2

154
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

y(n)  3 y(n  n)  3 y(n  2n)  y(n  3n)

y' ' ' (n) 
n3
Al reemplazar estas expresiones en la ecuación original, se obtiene

y(n)  y(n  n) y(n)  2 y(n  n)  y(n  2n) y(n)  3 y(n  n)  3 y(n  2n)  y(n  3n)
f (n)  y(n)    (Ec. 3.23)
n n2 n3

Agrupando los términos semejantes, la ecuación 3.23 puede escribirse también como

f (n)  a0 y(n)  a1 y(n  n)  a2 y(n  2n)  a3 y(n  3n) (Ec. 3.24)

Extrapolando el resultado, puede inferirse que, para una ecuación de diferencias de orden
N, la expresión general será
N
f (n)   ak . y(n  k ) (Ec. 3.25)
k 0

En consecuencia, la relación entrada/salida de un sistema en tiempo discreto tendrá la forma

siguiente:

155
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

N M
y(n)   ak y(n  k )   bk x(n  k ) (Ec. 3.26)
k 1 k 0

M N
y(n)  bk x(n  k )   ak y(n  k ) (Ec. 3.27)
k 0 k 1

3.11. SOLUCIÓN DE ECUACIONES DE DIFERENCIAS

3.11.1. Método iterativo

Tomando la ecuación de diferencias del sistema LTI discreto, su solución puede obtenerse
a partir de las condiciones iniciales del sistema.
M N
y(n) =  bk x(n – k) -  ak y(n – k) (Ec. 3.28)
k 0 k 1

En esta ecuación, la entrada x(n-k) es conocida. Si también se conoce y(n-k) se puede

conocer y(n). Si se evalúa la ecuación en n = 0, se tiene

156
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

M N
y(0) =  bk x(– k) -  ak y(– k) (Ec. 3.29)
k 0 k 1

en donde los valores de y(-k), con k = 1, 2, 3, . . . , representan las condiciones iniciales del
sistema, las cuales deben conocerse. A partir del valor del valor y(0) calculado como se
indicó en la ecuación anterior, se continúa con el proceso para calcular y(1), así:
M N
y(1) =  bk x(1 – k) -  ak y(1 – k) (Ec. 3.30)
k 0 k 1

ya conocido y(1) y haciendo n = 2, se calcula y(2), y así sucesivamente.

Ejemplo 3.11: Calcúlense los primeros cuatro términos de y(n) correspondientes a la

siguiente ecuación:

y(n) – ½ y(n-1) + ⅓ y(n-2) = 2n, n0

con las siguientes condiciones iniciales:

y(-1) = 2 y(-2) = 3

157
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Solución:
y(n) = ½ y(n-1) - ⅓ y(n-2) + 2n

para n = 0:
y(0) = ½ y(-1) - ⅓ y(-2) + 20 = ½(2)-⅓(3)+1

y(0) = 1
para n =1:
y(1) = ½ y(0) - ⅓ y(-1) + 21 = (1 / 2) – (2 / 3) + 2

y(1) = 11 / 6
para n = 2:
y(2) = ½ y(1) - ⅓ y(0) + 22

y(2) = 55 / 12

para n = 3:
y(3) = ½ y(2) - ⅓ y(1) + 23

y(3) = 697 / 72

158
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejercicio 3.1: Calcule los primeros cuatro términos de la serie

y(n) + y(n-1) – 2y(n-2) = n2, n0

con las siguientes condiciones iniciales:

y(-1) = ½ , y(-2) = ¼

3.11.2. Método analítico: Solución mediante el análisis de la respuesta completa

La respuesta completa de un sistema comprende dos partes: la respuesta natural y la

respuesta forzada. La respuesta natural corresponde a lo que se conoce como solución
homogénea y depende de las características de los componentes del sistema; la respuesta
forzada corresponde a la solución particular y depende de la función forzadora o excitatriz.
Por lo tanto, la solución de una ecuación de diferencias mediante el análisis de la respuesta
completa comprende la solución de ambas partes. Inicialmente, se verá la solución
homogénea y posteriormente la solución particular.

159
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

[Link]. Solución homogénea (régimen transitorio) de la ecuación de diferencias.

Tal como se mencionó cuando se trató el tema de los sistemas en tiempo continuo, la
solución homogénea corresponde a la respuesta del sistema cuando se eliminan todas las
funciones forzadoras, o sea cuando las entradas se hacen cero. En los sistemas en tiempo
discreto ocurre lo mismo; por lo tanto, la solución homogénea de la ecuación de diferencias
que describe a un sistema LTI estará determinada por la condición
N

k 0
ak y(n – k) = 0 (Ec. 3.31)

De la misma forma como se hizo en el caso de los sistemas en tiempo continuo, se puede
suponer que la solución a la anterior ecuación tiene la forma exponencial siguiente

yh(n) = A αn (Ec. 3.32)

yh(n-k) = A α n-k (Ec. 3.33)

Al reemplazar esta solución en la ecuación de diferencias, se tiene

160
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

k 0
ak A α n-k = 0 (Ec. 3.34)

Por lo tanto, la solución homogénea deberá satisfacer la siguiente ecuación

N

 (A α )ak α = 0
n -k
(Ec. 3.35)
k 0

y como yh = A α n ≠ 0, se puede afirmar que

N

 ak α = 0
-k
(Ec. 3.36)
k 0

La anterior es la ecuación característica de la ecuación de diferencias, y sus N raíces se

denominan raíces características; estas raíces pueden ser iguales o diferentes. Dependiendo
de si son iguales o diferentes, pueden presentarse los siguientes casos:

a) Raíces diferentes

yh(n) = A1 α1n + A2 α2n + . . . . + AN αNn (Ec. 3.37)

161
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

b) Raíces repetidas: Por cada raíz i repetida p veces se tendrá lo siguiente:

yh(n) = A1 α1n + . . . + Ai αin + Ai+1 nαin + . . .+ Ap+i-1 np-1αp+1n +. . . + AN αNn (Ec. 3.38)

Resulta conveniente determinar un procedimiento para hallar la solución homogénea de

una ecuación de diferencias, el cual puede resumirse en los siguientes pasos:

1. Identificar los coeficientes ak.

N
2. Escribir la suma  akα-k
k 0

3. Multiplicar por α . N

4. Factorizar y hallar las raíces.

5. Aplicar las condiciones iniciales.
N
6. Hacer yh(n) =  Akαkn
k 1

7. Hallar las Ak y reemplazar en y(n).

162
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 3.12: Hallar la solución homogénea de la siguiente ecuación de diferencias:

y(n) - 6 y(n-1) + 11 y(n-2) - 6 y(n-3) = 0

y(-1) = 17 y(-2) = 9 y(-3) = 6

Solución: Tomando la forma exponencial A αn propuesta, se tiene que la ecuación

característica estará dada de acuerdo con lo siguiente:

N N

a 
k 0
k
k
  a k y h (n  k )  0
k 0

Entonces, a partir de la ecuación de diferencias, se tiene

1 0  6 1  11 2  6 3  0

a0 a1 a2 a3

Como puede verse, N = 3. Por lo tanto, se multiplican ambos miembros de la ecuación por
α3,

163
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

 3  6 2  11  6  0
de donde se concluye que las que satisfacen la ecuación característica son

1  1 2  2 3  3

Como todas las raíces son diferentes, la solución homogénea tiene la forma

yh (n)  A11n  A2 2n  A33n  A1  A2 2n  A3 3n

Si se reemplazan las condiciones iniciales, se tiene

Para n = -1: y(-1) = A1 + A2 (2)-1 + A3 (3)-1 = 17

Para n = -2: y(-2) = A1 + A2 (2)-2 + A3 (3)-2 = 9

Para n = -3: y(-3) = A1 + A2 (2)-3 + A3 (3)-3 = 6

164
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Esto se convierte en
A1 + ½ A2 + (1/3) A3 = 17

A1 + ¼ A2 + (1/9) A3 = 9

A1 + (1/8) A2 + (1/27) A3 = 6

Y, al resolver este sistema de ecuaciones, se encuentra

A1 = 4 A2 = 8 A3 = 27

Por lo tanto, la solución homogénea será

yh(n) = 4 + 8 (2)n + 27 (3)n

165
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 3.13: Determinar la solución de la siguiente ecuación homogénea:

y(n) - 9y(n-1) + 24y(n-2) - 20y(n-3) = 0

condiciones iniciales:

y(-1) = 105 y(-2) = 65 y(-3) = 41

Solución: Reemplazando la solución exponencial propuesta, se tiene

1  9 1  24 2  20 3  0

Multiplicando por 3 se tiene

 3  9 2  24  20  0
Las raíces de la ecuación característica serán

1  2 2  2 3  5

166
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Como hay raíces repetidas, la solución homogénea tiene la forma

yh (n)  A11n  A2 n 2n  A33n  A1 (2) n  A2 n(2) n  A3 5n

De donde se tiene

Para n = -1: A1/2- A2/2+ A3/5 = 105

Para n = -2: A1/4- 2A2/4+ A3/25 = 65

Para n = -3: A1/8 - 3A2/8+ A3/125 = 41

Y, al resolver este sistema de ecuaciones, se encuentra

A1 = 80 A2 = -80 A3 = 125

Por lo tanto, la solución homogénea será

yh(n) = 80 (2)n - 80 n (2)n + 125 (5)n

167
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

[Link]. Solución forzada o solución particular de la ecuación de diferencias.

Tal como se mencionó cuando se trató el tema de los sistemas en tiempo continuo, la
solución particular o respuesta forzada para los sistemas LTI en tiempo discreto se supone
de la misma forma funcional que la señal de entrada, y esto es razonable gracias a la
linealidad del sistema. De acuerdo con esto, se puede transformar la tabla utilizada allí, de
la siguiente manera:

f(n) yp(n)
A K
An K1 + K2 n
𝐴1 ∗ 𝐾 −𝐵𝑛 𝐴2 ∗ 𝐾 −𝐵𝑛 ( raíces diferentes)
𝐴1 ∗ 𝐾 𝑟𝑖 𝑛 𝐴2 ∗ 𝐾 𝑟𝑖 𝑛 ( raíces repetidas)
A cos(Ωn) K1 sen(Ωn) + K2 cos(Ωn)
A sen(Ωn) K1 sen(Ωn) + K2 cos(Ωn)

La respuesta completa del sistema es igual a la suma de la respuesta natural u homogénea,

yh(n), más la respuesta forzada o particular, yp(n).

168
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 3.14: Hallar la respuesta completa del sistema descrito por la ecuación de
diferencias

y(n) – (3/4) y(n-1) + (1/8)y(n-2) = 2 sen(n/2)

y cuyas condiciones iniciales son

y(-1) = 2 y(-2) = 4

- Solución particular

La solución particular se resuelve a partir de la tabla anterior, de la siguiente manera:

yp(n) = K1 sen(n/2) + K2 cos(n/2)

Es necesario encontrar yp(n-1) y yp(n-2) (por la misma razón que en tiempo continuo se
hallaban dy/dt y d2/dt2).

yp(n-1) = K1 sen((n-1)/2) + K2 cos((n-1)/2)

yp(n-2) = K1 sen((n-2)/2) + K2 cos((n-2)/2)

169
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Como esta ecuación de diferencias contempla una suma de términos en la que se incluyen
y(n), y(n-1) y y(n-2), conviene llevar las funciones seno y coseno a expresiones con iguales
argumentos para facilitar su factorización. Por lo tanto, se analizarán estas funciones para
encontrar sus equivalencias con argumento n/2, dándoles valores de acuerdo con la
siguiente tabla.

n sen(n/2) cos(n/2) sen((n-1)/2) cos((n-1)/2) sen((n-2)/2) cos((n-2)/2)

0 0 1 -1 0 0 -1
1 1 0 0 1 -1 0
2 0 -1 1 0 0 1
3 -1 0 0 -1 1 0

En la tabla anterior puede verse que existen las siguientes identidades:

a) sen((n-1)/2) = - cos(n/2)
b) cos((n-1)/2) = sen(n/2)
c) sen((n-2)/2) = - sen(n/2)
d) cos((n-2)/2) = - cos(n/2)

170
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Reemplazando en las ecuaciones, se tiene:

yp(n-1) = -K1 cos(n/2) + K2 sen(n/2)

yp(n-2) = -K1 sen(n/2) - K2 cos(n/2)

Si se reemplaza en la ecuación de diferencias, resulta

y(n) – (3/4) y(n-1) + (1/8)y(n-2) = 2 sen(n/2)

𝑛𝜋 𝑛𝜋 3 𝑛𝜋 𝑛𝜋
𝐾1 𝑠𝑒𝑛 ( ) + 𝐾2 𝑐𝑜𝑠 ( ) − (−𝐾1 𝑐𝑜𝑠 ( ) + 𝐾2 𝑠𝑒𝑛 ( ))
2 2 4 2 2
1 𝑛𝜋 𝑛𝜋 𝑛𝜋
+ (−𝐾1 𝑠𝑒𝑛 ( ) − 𝐾2 𝑐𝑜𝑠 ( )) = 2𝑠𝑒𝑛 ( )
8 2 2 2

Al factorizar, se obtiene

3 1 𝑛𝜋 3 1 𝑛𝜋 𝑛𝜋
(𝐾1 − 𝐾2 − 𝐾1 ) 𝑠𝑒𝑛 ( ) + (𝐾2 + 𝐾1 − 𝐾2 ) 𝑐𝑜𝑠 ( ) = 2𝑠𝑒𝑛 ( )
4 8 2 4 8 2 2

171
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

de donde, por analogía entre factores, se puede concluir que

3 1 3 1
𝐾1 − 𝐾2 − 𝐾1 = 2 y 𝐾2 + 𝐾1 − 𝐾2 = 0
4 8 4 8

Resolviendo estas dos ecuaciones se encuentra que las constantes tienen los siguientes
valores

K1 = 112/85 K2 = -96/85

con lo cual la ecuación particular queda

yp(n) = (112/85) sen(n/2) – (96/85) cos(n/2)

172
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

- Solución Homogénea

La solución homogénea se halla a partir de la ecuación característica. Volviendo a escribir

la ecuación original igualada a cero, se llega a lo siguiente:

y(n) – (3/4) y(n-1) + (1/8) y(n-2) = 0

3 1
1   1   2  0
4 8

Al multiplicar ambos miembros de la ecuación por α2, se obtiene:

3 1
2     0
4 8
y las raíces características son

1 1
1  1 
2 4

173
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

n n
1 1
yh (n)  A1    A2  
 2  4

Por lo tanto, la respuesta completa será:

y(n) = yh(n) + yp(n)

Entonces,

y(n) = A1(1/2)n + A2(1/4)n + (112/85) sen(n/2) – (96/85) cos(n/2)

Al reemplazar las condiciones iniciales se llega a:

y(-1) = A1(1/2)-1 + A2(1/4)-1 + (112/85) sen(-/2) – (96/85) cos(-/2) = 2

Entonces,

2 A1 + 4 A2 = (282/85)

174
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

y(-2) = A1(1/2)-2 + A2(1/4)-2 + (112/85) sen(-2/2) – (96/85) cos(-2/2) = 4

4A1 + 16 A2 + (96/85)= 4

De ahí se obtienen los valores de las constantes:

A1 = (13/5) A2 = - (8/17)

y la respuesta completa será:

y(n) = (13/5)(1/2)n - (8/17) (1/4)n + (112/85) sen(n/2) – (96/85) cos(n/2)

175
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 4: SERIES DE FOURIER

4.1. INTRODUCCIÓN

En el año 1822 el matemático francés Jean Baptiste Joseph Fourier publicó un teorema
según el cual cualquier función periódica puede expresarse como una sumatoria de
funcionales seno y funciones coseno más una constante o componente DC. Una forma
rápida de ver el efecto de sumar estas componentes es haciendo gráficamente la operación.

El teorema de Fourier establece que las componentes seno y coseno que intervienen en la
sumatoria son la función con frecuencia fundamental y sus armónicos; a manera de
ejemplo, la figura siguiente muestra el caso en el cual se suman una onda seno (frecuencia
fundamental) con sus armónicos segundo, tercero y cuarto.

176
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 4.1: La señal de abajo es el resultado de sumar la fundamental (que es la onda

seno de arriba) con los armónicos 2, 3 y 4.

177
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Como puede notarse, la suma de las ondas es periódica y su periodo es el mismo de la

fundamental (que es T=2ω).

La forma de la función periódica resultante cambia a medida que cambian las amplitudes y
las fases de los armónicos, pudiendo generarse prácticamente cualquier señal periódica por
medio de combinaciones apropiadas de los armónicos. La manera de seleccionar estos
armónicos, sus amplitudes y sus fases se determina por medio del cálculo de lo que se
conoce como coeficientes de las series de Fourier, que es lo que se explica a continuación:

4.2. FORMA TRIGONOMÉTRICA DE LA SERIE DE FOURIER

4.2.1. El teorema de Fourier y su forma trigonométrica.

El teorema de Fourier establece que cualquier función periódica f(t) puede representarse
por la siguiente serie infinita:

f(t) = a0 + a1cos ωt + a2cos 2ωt + .... + ancos nωt + b1sen ωt + b2sen 2ωt +.....+ bnsen
nωt
(Ec. 4.1)

178
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

que también puede escribirse en forma más concisa como:


f (t )  a0  ak cos(kw0 t )  bk sen(kw0t )
k 1

Forma trigonométrica de la Serie de Fourier (Ec. 4.2)

 La frecuencia fundamental ωo está relacionada con el periodo T por ωo = 2(π/T)

 a0, ak y bk son constantes que dependen de k y de f(t).

Para ver cómo se evalúan los coeficientes de la serie, resulta útil hacer una revisión al valor
que tienen algunas integrales al evaluarlas en un período. En primer lugar, como el valor
promedio de una senoidal sobre el periodo vale cero, se puede afirmar que:
T

 sen kω0tdt = 0
0
(Ec. 4.3)
T

 cos kω0tdt = 0
0
(Ec. 4.4)

179
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

También es fácil comprobar los siguientes resultados:

T

 sen mω0t cos kω0t dt = 0

0
(Ec. 4.5)

m k
T

 sen mω0t sen kω0t dt = 0

0
(Ec. 4.6)

m k
T

 cos mω0t cos kω0t dt = 0

0
(Ec. 4.7)

Cuando K = n, se tendrá:
T
T
 sen kω0tdt =
2
(Ec. 4.8)
0 2
T
T
 cos kω0t dt = 2
2
(Ec. 4.9)
0

Ahora pueden evaluarse las constantes desconocidas de la serie de Fourier. Iniciando con
a0, se hará lo siguiente: se integrará a cada lado de la ecuación 4.2 y se obtiene:

T T T 

 f (t )dt   a dt   a
0 0
0
0 k 1
k cos(kw0 t )  bk sen(kw0 t ).dt (Ec. 4.10)

Y esto puede escribirse como:

180
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

T T T  T 

 f (t )dt   a dt   a
0 0
0
0 k 1
k cos(kw0 t ).dt    bk sen(kw0 t ).dt
0 k 1
(Ec. 4.11)

En esta ecuación se puede ver que se anulan las integrales de las dos últimas sumatorias y
queda solamente

T T

 f (t )dt   a dt  a T
0 0
0 0 (Ec. 4.12)

entonces
1T
a0   f (t )dt (Ec. 4.13)
T0

Ya que esta expresión corresponde al valor promedio de la señal, tal como se puede ver en
la ecuación 4.13, a la constante a0 se le conoce como componente DC o componente
continua.

181
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Para evaluar los coeficientes de los cosenos, se multiplica primero cada lado de la ecuación
4.2 por cos(mω0t) y luego ambos miembros de la ecuación se integran sobre un periodo
completo:
T

 f(t)cos(mω0t) dt =
0
T T  T 

 a0cos(mω0t)dt +  n1 [akcos(mω0t)cos(kΩ0t) dt +  n1 bkcos(mω0t)sen(kΩ0t) ] dt

0 0 0

(Ec. 4.14)
De las ecuaciones 4.4, 4.5 y 4.7 se observa que cada uno de los términos del segundo
miembro de la ecuación vale cero, excepto cuando k = m. Ese término se evalúa por medio
de la ecuación 4.9 y, al hacerlo se obtiene ak.
T
2
ak =
T  f(t) cos(kΩ0t) dt
0
(Ec. 4.15)
En forma similar, bk se obtiene al multiplicar la ecuación 4.2 por sen(mωot), integrar sobre
un periodo, observar que todos menos uno de los términos en el segundo miembro se
anulan, y calcular la única integral que no se anula en la ecuación. El resultado es:
T
2
bk =
T  f(t) sen(kΩ0t) dt
0
(Ec. 4.16)

182
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

4.2.2. Condiciones de Dirichlet

Si se trabaja con funciones periódicas, o sea con aquellas en las cuales se cumple que
f(t )=f(t+T), en donde T es el periodo, se puede aplicar el teorema de Fourier siempre y
cuando se cumplan las siguientes condiciones, conocidas como condiciones de Dirichlet:
t0

1. La integral  f (t )dt

existe (esto es, no es infinita) para cualquier valor to.
2. f(t) tiene un número finito de máximos y mínimos en un periodo.
3. f(t) tiene un número finito de discontinuidades en un periodo.

183
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

4.2.3. Resumen de ecuaciones.

A manera de resumen, se puede hacer la siguiente tabla:

ECUACIONES RELACIONADAS CON LAS SERIES DE FOURIER


f(t) = a0 +  [ ak cos(kω0t) + bksen(kω0t) ] Forma trigonométrica
n 1

ωo = 2(π/T) = 2πf0 Frecuencia angular

T
1
a0 =
T  f(t)dt
0
Componente continua o Valor promedio
T
2
ak =
T  f(t) cos(kω0t) dt
0
ak
T
2
bk =
T  f(t) sen(kω0t) dt
0
bk

184
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 4.1: La onda semisenoidal de la figura 4.2 representa el voltaje a la salida de un

rectificador. Se pide determinar su representación como serie de Fourier.

Figura 4.2: Forma de onda del voltaje de salida de un rectificador.

Solución: Primero se evalúan periodo y frecuencia.

T = 0.4 f = 2.5 Hz ω0 = 5 rad/s

Ahora debe buscarse una expresión apropiada de f(t) que sea válida durante todo el periodo.
Una expresión que describe correctamente la función es

185
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Vm cos(5t), -0.1 t  0.1

v(t) =
0 , 0.1 t  0.3

A continuación, se calculan las componentes:

Vm cos 5tdt +  0 dt
0.3
1 1 0.1 0.3
a0 =
0.4  v(t)dt =
 0.1 0.4 0.1
[
0.1
]

Vm
a0 = 
La amplitud de un término coseno general es:

 Vm cos 5t cos(5kt) dt

0.1
2
ak =
0.4  0.1

Cuando k valga uno,

a1 = 5Vm  cos2 5t dt =
0.1
Vm
 0.1 2

186
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Cuando k sea diferente de uno, se tendrá:

ak = 5 Vm  cos 5t cos(5kt) dt = 5 Vm  ½ [cos 5 (1+k) t + cos 5 (1-k) t ]dt

0.1 0.1

 0.1  0.1

 k 
cos 
2 Vm  2 
ak  para k  1
 (1  k 2 ) ,

Unas operaciones similares permiten ver que bk = 0 para cualquier valor de k, por lo cual
esta serie de Fourier no contiene términos seno. Por consiguiente, la serie de Fourier de la
señal será:

𝑉𝑚 𝑉𝑚 2𝑉𝑚 2𝑉𝑚 2𝑉𝑚

𝑣 (𝑡) = + cos 5𝜋𝑡 + cos10𝜋𝑡 − cos20𝜋𝑡 + cos 30𝜋𝑡 − ⋯
𝜋 2 3𝜋 15𝜋 35𝜋

187
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

4.2.2. ¿Qué representan las componentes de las Series de Fourier?

Al obtener las componentes de la serie de Fourier de una señal, se logra tener un nuevo
punto de vista de dicha señal desde un dominio diferente al del tiempo, pues se pueden
apreciar de manera independiente las amplitudes de los armónicos que la conforman. Este
nuevo plano en que aparece la señal se denomina el dominio de la frecuencia. Véase, por
ejemplo, el caso de una señal compuesta por sólo tres armónicos. La gráfica
correspondiente al dominio del tiempo sería la siguiente:

Figura 4.3: Resultado de sumar los tres primeros armónicos.

188
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La gráfica de la misma señal vista en tres dimensiones es la siguiente:

Figura 4.4: Vista en tres dimensiones de la suma de los tres primeros armónicos.

189
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Y la gráfica en el dominio de la frecuencia será:

Figura 4.5: Vista desde el dominio de la frecuencia de la suma de los tres primeros
armónicos (sólo se muestran las amplitudes de las señales).

Esta última gráfica recibe el nombre de espectro en frecuencia.

190
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Por lo tanto, al conocer los coeficientes de las series de Fourier es posible ver a la señal
desde el punto de vista del dominio de la frecuencia, puesto que se conocen de esta manera
los detalles de las componentes armónicas que conforman la señal original. La nueva
perspectiva de la señal es bastante útil para aplicaciones como los filtros, cuya función
consiste en eliminar un conjunto de componentes y dejar pasar sólo una porción del
espectro. En el campo de las comunicaciones, la visualización del espectro en frecuencia
permite apreciar la distribución de las bandas asignadas a diferentes canales.

4.3. EL USO DE LA SIMETRÍA

Recuérdese que las simetrías se definen así:

f(t) = f(-t) Simetría par (Ec. 4.17)

f(t) = - f(-t) Simetría impar (Ec. 4.18)

El producto de dos funciones con simetría par, o de dos funciones con simetría impar da
como resultado otra función con simetría par. El producto de una función par con una impar
da como resultado una función impar.

191
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

De acuerdo con el teorema de Fourier, una función f(t) es igual a una suma de funciones
seno y coseno. Si f(t) tiene simetría par, esta suma debe ser par. Sin embargo, una onda
seno es impar y ninguna suma de ondas seno puede producir una función par. Por lo tanto,
si f(t) tiene simetría par, entonces no hay términos seno, o sea, bk =0. Dicho inversamente,
si bk=0, la señal resultante tiene simetría par.

Un análisis similar indica que, al tener una función con simetría impar, los componentes
que contribuyen con señales coseno, las cuales tienen simetría par, deben eliminarse, con
lo cual todos los ak deberán ser iguales a cero. Lo mismo ocurriría con a0. Por consiguiente,
para f(t) con simetría impar, ak = 0 y a0 = 0. La afirmación inversa también es válida.

4.3.1. Simetría de media onda

Otro tipo de simetría es la simetría de media onda, la cual se define así: Se dice que una
señal f(t) tiene simetría de media onda si:

f(t) = - f(t  ½ T) (Ec. 4.19)

192
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La simetría de media onda también conduce a la simplificación de los resultados. Se puede

demostrar que en las señales con simetría de media onda no hay armónicos pares. Los
términos para cuando k es impar son:
T /2
4
ak =
T  f(t) cos(kω0t)dt
0
(Ec. 4.20)
T /2
4
bk =
T  f(t) sen(kω0t)dt
0
(Ec. 4.21)
Ejemplo 4.2:

En las gráficas siguientes pueden verse algunas señales que presentan simetría de media
onda y otras que no. Un rápido análisis a las gráficas a la luz de la definición de la simetría
de media onda permitirá entender cuándo las señales tienen este tipo de simetría.

Es posible verificar gráficamente si una señal tiene simetría de media onda. Para esto, se
desplaza medio período un semiciclo de la señal y luego se rota alrededor del eje horizontal.
Si el semiciclo rotado coincide exactamente con el que se mantuvo fijo, la señal tiene
simetría de media onda.

193
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 4.6: Señales sin simetría de media onda.

Figura 4.7: Señales con simetría de media onda.

194
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejercicio 4.1: Hallar la representación en series de Fourier para las siguientes señales:

Figura 4.8: Señales para el ejercicio 4.1.

Ejercicio 4.2: Se sabe que f(t)

tiene simetría impar y su
espectro es el que se muestra.
Si todas las componentes ak y
bk son no negativas, determine
la serie de Fourier para v(t).

Figura 4.9: Espectro de la señal del ejercicio 4.2.

195
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

COEFICIENTES DE FOURIER: SIMPLIFICACIONES POR SIMETRÍA

ak  0
1. Función impar 2
bk 
T  f (t )sen(kw t )dt
T
0

2 bk  0
2. Función par ak   f (t ) cos(kw0t )dt
TT a0  0
4
T T/ 2
ak  f (t ) cos(kw0 t )dt Estas expresiones aplican para cuando k es
3. Simetría de impar
media onda 4
T T/ 2
bk  f (t )sen(kw0 t )dt
Si k es par: ak  bk  0

NOTA: El símbolo 
T
indica que la función se integra a lo largo de un período,

mientras que el símbolo 

T /2
indica que la función se integra a lo largo de medio
período.

196
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

4.4 FORMA COMPLEJA DE LA SERIE DE FOURIER

Una forma más concisa de la serie de Fourier se obtiene si los senos y cosenos se expresan
como funciones exponenciales con constantes multiplicativas complejas.

Se toma la forma trigonométrica de la serie de Fourier:


f(t) = a0 +  [ ak cos(kω0t) + bksen(kω0t) ]
n 1

Las funciones seno y coseno pueden reemplazarse por exponenciales. Para esto se utiliza
la identidad de Euler que establece lo siguiente:

cos() = 1
[ej + e-j] y sen() = 1
[ej - e-j] (Ec. 4.22)
2 2j

Sustituyendo las formas exponenciales para el seno y el coseno y haciendo el

reordenamiento conveniente, se tiene:


ak  jbk ak  jbk
f(t) = a0 + k 1
[ 2
e jkw0t
+ 2
e  jkw0t ] (Ec. 4.23)

197
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ahora, se puede definir una constante compleja Ck:

ak  jbk
Ck = 2 con k = 1, 2, 3, . . . . (Ec. 4.24)

en donde los valores de ak, bk y ck dependen todos de k y de f(t). Si se sustituyen k por -k

los coeficientes cambiarán así:

a-k = ak ya que cos(-k) = cos(k),

y
b-k = -bk ya que sen(-k) = -sen(k),

De la ecuación 4.24 se deduce

ak  jbk
C-k = 2
con k = 1, 2, 3, . . . . (Ec. 4.25)
O sea que C-k es el conjugado de Ck.

Ck = C*-k

198
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Adicionalmente, como se comprobará más adelante, C0 = a0.

Por lo tanto, f(t) quedará

 
f (t )  C0  Ck e jkw0t
 Ck e  jkw0t
k 1 k 1
 
f (t )   Ck e jkw0t
  Ck e  jkw0t
k 0 k 1

Ahora, en vez de sumar en la segunda serie sobre los enteros positivos desde 1 hasta
infinito, se puede sumar sobre los enteros negativos desde -1 hasta infinito, sin que esto
produzca cambios en el resultado de la sumatoria.

 
f (t )   Ck e jkw0t
  Ck e jkw0t
k 0 k 1

y esta expresión se puede sintetizar en un sola, convirtiéndose en


f (t )   k
C e
k 
jkw0t
Forma compleja de la Serie de Fourier (Ec. 4.26)

199
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Para obtener la expresión que evalúe un coeficiente complejo en particular, Ck, se

reemplazan las expresiones de ak y bk (ecuaciones 4.15 y 4.16) en la ecuación 4.24 y se
obtiene:

1 T /2
Ck   f (t )e  jkw0t dt
T T / 2 Coeficientes de la forma compleja de la Serie de Fourier (Ec. 4.27)

A partir de esta expresión puede comprobarse que C0 = a0, reemplazando k = 0, así:

1 T /2
T T/ 2
C0  f (t )dt  a0 (Ec. 4.28)

Como una forma de relacionar los coeficientes de las formas trigonométrica y exponencial,
de la ecuación 4.24 se puede armar la Figura 4.10, a partir de la cual se pueden deducir las
ecuaciones 4.29, 4.30 y 4.31.

Figura 4.10: Relación fasorial de los coeficientes de Fourier.

200
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

(ak2  bk2 )
Ck  , k≠0 (Ec. 4.29)
2

ak = 2 Ck cos(k) (Ec. 4.30)

bk = 2 Ck sen(k) (Ec. 4.31)

La amplitud de la componente de la Serie Exponencial de Fourier en ω = kω0 es Cn. Se

puede graficar un espectro de magnitudes en frecuencia discreto mostrando Ck contra
kω0 o kf0 con una abscisa que muestre los valores positivos y negativos, y la gráfica será
simétrica con respecto al origen, ya que Ck=C-k.

Figura 4.11: Espectro de magnitudes.

201
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

4.4.1. Simplificaciones debidas a la simetría

Los coeficientes son afectados por la simetría como se muestra en la siguiente tabla:

SERIE COMPLEJA DE FOURIER – SIMPLIFICACIONES POR SIMETRÍA

2 T /2
1. Función par Ck =  f(t) cos(kω0t) dt T 0

 j2 T /2

2. Función impar Ck =
T  f(t) sen(kω0t) dt
0

2 T /2

Ck = T  f (t ).e  jkw0t dt k impar

3. Simetría de media onda 0

Ck = 0 k par

202
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejercicio 4.3: Encuentre la serie de Fourier de las siguientes funciones: para esto, haga lo
siguiente:

 Determine la simetría.
 Determine la serie trigonométrica.
 Determine la serie compleja.

a)

b)

203
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

c)

d)

e)

204
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

f)

205
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 5: LA TRANSFORMADA DE FOURIER

5.1. INTRODUCCIÓN

Cuando se tienen señales periódicas el espectro de Fourier es un conjunto de líneas

verticales colocadas sobre el eje de la frecuencia (o de k) cuyas amplitudes corresponden a
las de las componentes de la respectiva serie de Fourier. Un ejemplo de esto, es el caso de
un tren de pulsos rectangulares como el que se muestra en la figura siguiente:

Figura 5.1: Tren de pulsos rectangulares.

206
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Los coeficientes de la serie de Fourier de esta señal son:

 /2

Ck = 1
T /2

 f (t )e
 jkw0t
dt =
A
 e  jkw0t
dt = jkw T e 
 A  jkw0 / 2
 e jkw0 / 2

T T / 2 T 0

A
Ck = jkw T e 
jkw0 / 2
 e  jkw0 / 2 
0

 kw    kw  
sen 0  sen 0 
 2  A  2 
Ck = 2A kw0T
=  kw0 
T  
 2 
 kw0 
Haciendo x =  2  , queda
 
A kw0 A
Ck = T Sa ( ) = Sa(x) (Ec. 5.1)
2 T

Recuérdese que esta es la función de muestreo, y su magnitud se representa gráficamente

como se muestra a continuación:

207
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 5.2: Coeficientes de Fourier (espectro) del tren de pulsos rectangulares.

Dado que k es un número entero, la gráfica consiste en una representación discreta, tal como
se indica con las líneas verticales. Siempre que se tengan funciones del tiempo periódicas
se obtendrá un espectro discreto.

Sin embargo, existen muchas funciones excitatrices importantes que no son periódicas,
tales como un solo pulso rectangular, una función escalón, una función rampa o una función
impulso, por mencionar sólo las elementales.

Para estas funciones no periódicas puede obtenerse el espectro de frecuencia, pero serán
espectros continuos en los cuales podrá encontrarse, en general, energía en cualquier
intervalo de frecuencia diferente a cero, por pequeño que este sea. Este concepto se
desarrolla a partir de la función periódica haciendo que el periodo tienda a infinito.

208
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 5.3: Tren de pulsos con período infinito

Si el periodo T tiende a infinito, puede concluirse lo siguiente: Para el tren de pulsos

analizado recientemente se observa que la envolvente disminuye en amplitud sin cambiar
su forma y que en cualquier intervalo de frecuencias dado habrá más componentes de
frecuencia. En el límite se tendrá una envolvente de amplitud infinitesimal que contiene un
número infinito de componentes de frecuencia separadas por intervalos de frecuencia
infinitesimales.

Iniciemos con la ecuación 4.26: f (t )  C e

k 
k
jkw0t
(Ec. 5.2)
1 T /2
Se sabe que: Ck   f (t )e  jkw0t dt
T T / 2 (Ec. 5.3)
en donde ω0 = 2/T.

209
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Si el periodo se hace muy grande, de tal modo que T tienda a infinito, con lo cual ω0 tiende
a dω, se tiene:
1 𝜔0 𝑑𝜔
= = (Ec. 5.4)
𝑇 2𝜋 2𝜋

En el límite, la frecuencia de cualquier armónico kω0 debe ahora corresponder a la variable

frecuencia que describe el espectro continuo. Dicho de otra forma, k tenderá a infinito
cuando ω0 tienda a cero, para que el producto permanezca finito; entonces

kω0  ω (Ec. 5.5)

Al aplicar esto a la ecuación 5.3 se encuentra que Ck debe tender a cero. Si cada lado de
esta ecuación se multiplica por el periodo T y luego se aplican los resultados del proceso
de llevar la expresión al límite, se obtiene:


Ck T= 

f(t) e-jωt dt (Ec. 5.6)
El segundo miembro de esta ecuación es una función de ω y se le representa por F(jω).
Si la ecuación 5.2 se lleva al límite, la sumatoria se convierte en integral. Multiplicando y
dividiendo esta ecuación por T se obtiene:

210
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

∞
𝑗𝑘𝜔0 𝑡 )
1
𝑓(𝑡) = ∑ (𝐶𝑘 𝑇𝑒 (Ec. 5.7)
𝑇
𝑘=−∞

en donde el producto CkT es lo que se ha denominado F(jω).

Usando las expresiones 5.4 y 5.5 y llevando la sumatoria al límite, se obtiene:

∞
1
𝑓(𝑡) = ∫ 𝐹(𝑗𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔 (Ec. 5.8)
2𝜋
−∞

A manera de resumen, se pueden escribir estas ecuaciones así.

∞

𝐹(𝑗𝜔) = ∫ 𝑓(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡 Transformada de Fourier (Ec. 5.9)

−∞
∞
1
𝑓(𝑡) = ∫ 𝐹(𝑗𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔 Transformada inversa de Fourier (Ec. 5.10)
2𝜋
−∞

211
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La relación entre ambas transformadas se indica de la siguiente manera:

F(jω)  f(t)

Esta relación indica que, para cierta función en el dominio del tiempo, f(t), hay una función
correspondiente en el dominio de la frecuencia, F(jω).

La operación de transformación de Fourier de una función f(t) se indica como

ℱ {f(t)}

5.2. EXISTENCIA DE LA TRANSFORMADA DE FOURIER

Se dice que la señal f(t) tiene transformada de Fourier en sentido ordinario si la integral de
la ecuación 5.9 converge (es decir, existe). Como:

 y(t )dt   y(t )dt

y e  jwt = 1

212
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

entonces, la integral de la ecuación 5.9 existe si:

a. f(t) es absolutamente integrable

b. f(t) no presenta “comportamientos anómalos”, o sea que f(t) se puede representar

mediante una curva de longitud finita en cualquier intervalo de tiempo finito, o sea que
tiene un número finito de discontinuidades, máximos y mínimos en cualquier intervalo de
tiempo finito.

Si la señal es discontinua en t0, la integral de la ecuación 5.10 converge al valor

1
2
 
f (t 0 )  f (t 0 ) (Ec. 5.11)

En los demás puntos converge al valor de f(t). Con excepción de las funciones delta, la
mayoría de las señales de interés no presentan comportamientos anómalos y satisfacen la
ecuación 5.11.

213
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 5.1:

Encontrar la expresión para la transformada de Fourier de un pulso rectangular, rect(t/τ).

Solución

F(jω) =  f(t)

e  jwt dt

Recuérdese que el pulso rectangular está dado por:

Figura 5.4: Pulso rectangular.

214
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

𝜏⁄
2 𝜔𝜏
1 −𝑗𝜔𝜏⁄ 2 𝜔𝜏 𝑠𝑒𝑛 ( )
𝐹 (𝑗𝜔) = ∫ 𝑒 −𝑗𝜔𝑡
𝑑𝑡 = [𝑒 2−𝑒 𝑗𝜔 𝜏⁄
2] = 𝑠𝑒𝑛 ( ) = 𝜏 [ 𝜔𝜏 ] 2
𝑗𝜔 𝜔 2 ( )
𝜏
− ⁄2 2
𝜔𝜏
𝐹 (𝑗𝜔) == 𝜏 𝑆𝑎 ( )
2

Al graficar F(jω), se obtiene lo siguiente:

Figura 5.5: Espectro del pulso rectangular.

215
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

De acuerdo con lo visto en el momento de la deducción de las ecuaciones de la transformada

de Fourier, es claro que el espectro del pulso rectangular se extiende por todo el intervalo
de frecuencias - < ω < . Sin embargo, al observar la figura anterior, se ve que la mayor
parte del contenido espectral del pulso se encuentra en el intervalo -2π/τ <ω < 2π/τ. Este
intervalo se conoce como lóbulo principal de la señal sinc. La otra parte del espectro
representa lo que se llaman lóbulos laterales. Al aumentar τ, el lóbulo principal se hace
más angosto y viceversa.

Ejemplo 5.2:

Encontrar la transformada de Fourier de la señal pulso triangular, (t/τ), definido por:

1 - |t|/τ, |t|  τ
f(t) = (t/τ)=
0 |t| > τ

La gráfica correspondiente a esta función es

216
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 5.6: Pulso triangular.

∞ 0 𝜏
−𝑗𝜔𝑡
𝑡 −𝑗𝜔𝑡 𝑡 −𝑗𝜔𝑡
( )
𝐹 𝑗𝜔 = ∫ ( )
𝑓 𝑡 𝑒 𝑑𝑡 = ∫ (1 + 𝑒) 𝑑𝑡 + ∫ (1 − )𝑒 𝑑𝑡
𝜏 𝜏
−∞ −∞ 0

Entonces se puede hacer el siguiente cambio

𝜏 𝜏
𝑡 𝑗𝜔𝑡 𝑡 −𝑗𝜔𝑡
𝐹 (𝑗𝜔) = ∫ (1 − ) 𝑒 𝑑𝑡 + ∫ (1 − ) 𝑒 𝑑𝑡
𝜏 𝜏
0 0

217
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La validez de ese cambio se puede ver gráficamente en la Figura 5.6, en donde se aprecia
que las integrales, o sea las áreas bajo las curvas, son iguales.


Figura 5.7: Equivalencia entre las integrales  (1+t/)(e-jωt)dt y  (1-t/)(ejωt) dt.
0

 0

Ahora, según la identidad de Euler

1 𝑗𝜃
[𝑒 + 𝑒 −𝑗𝜃 ] = cos 𝜃,
2

se tiene
𝜏
𝑡
𝐹 (𝑗𝜔) = 2 ∫ (1 − ) cos 𝜔𝑡 𝑑𝑡
𝜏
0

218
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Integrando y simplificando, resulta que la Transformada de Fourier es

∆𝑡 𝜔𝜏
ℱ{ } = 𝜏 𝑆𝑎2 ( )
𝜏 2

Ejemplo 5.3: Calcular la transformada de Fourier de la señal exponencial unilateral, que

está dada por

f(t) = e-t u(t), para > 0.

Solución:
∞ ∞ ∞
−𝛼𝑡 −𝑗𝜔𝑡 −(𝛼+𝑗𝜔)𝑡
𝑒 −(𝛼+𝑗𝜔)𝑡 1
( )
𝐹 𝑗𝜔 = ∫ 𝑒 𝑢(𝑡)𝑒 𝑑𝑡 = ∫ 𝑒 𝑑𝑡 = | = 0−
−(𝛼 + 𝑗𝜔) 0 −(𝛼 + 𝑗𝜔)
−∞ 0

Entonces,

1
𝐹 (𝑗𝜔) =
𝛼 + 𝑗𝜔

219
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 5.4: Calcular la transformada de Fourier de la señal exponencial bilateral, que está
dada por

f(t) = e-t | , para  > 0.

Solución:
0 ∞ 0 ∞

𝐹 (𝑗𝜔) = ∫ 𝑒 𝛼𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡 + ∫ 𝑒 −𝛼𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡 = ∫ 𝑒 (𝛼−𝑗𝜔)𝑡 𝑑𝑡 + ∫ 𝑒 −(𝛼+𝑗𝜔)𝑡 𝑑𝑡

−∞ 0 −∞ 0

0 ∞
𝑒 (𝛼−𝑗𝜔)𝑡 𝑒 −(𝛼+𝑗𝜔)𝑡 1 1
= | + | = +
(𝛼 − 𝑗𝜔) −∞ −(𝛼 + 𝑗𝜔) 0 (𝛼 − 𝑗𝜔) (𝛼 + 𝑗𝜔)

Entonces,
2𝛼
𝐹 (𝑗𝜔) =
𝛼 2 + 𝜔2

220
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

5.3. PROPIEDADES DE LA TRANSFORMADA DE FOURIER

5.3.1. Linealidad.

Si
f1(t)  F1(jω) y f2(t)  F2(jω)

entonces

a f1(t) + b f2(t) = a F1(jω) + b F2(jω) (Ec. 5.12)

Esta propiedad es consecuencia directa de la linealidad de la integración.

5.3.2. Simetría.
 

 f (t )e  f (t )cos(wt)  jsen(wt)dt
 jwt
F(jω) = dt =
 
 
=  f(t) cos(ωt)dt – j  f(t) sen(ωt)dt = A(ω) – j B(ω)
 

221
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Se puede ver a F(jω) como un fasor conformado por una componente real, llamada A(ω),
y una componente imaginaria, llamada B(ω), las cuales están dadas por las expresiones
siguientes:

A(ω) =  f(t) cos(ωt)dt


B(ω) =  f(t) sen(ωt)dt


Como A(ω) depende de la función coseno, tendrá simetría par en el dominio de la

frecuencia, por lo tanto, A(ω) = A(-ω). Por su parte, B(ω) depende de la función seno y
tendrá simetría impar, con lo que B(ω) = -B(-ω).

A(ω) = A(-ω)
B(ω) = -B(-ω)

A partir de este análisis y con la ayuda de la Figura 5.7 se puede afirmar, entonces, que

F(jω) = A(ω) – j B(ω)

F(-jω) = A(ω) + j B(ω)

222
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 5.8: Relación fasorial entre A(ω), B(ω) y F(ω).

Por lo tanto,

F(-jω) = F*(jω) Propiedad de simetría (Ec. 5.13)

𝐹 (𝑗𝜔) = √𝐴2 (𝜔) + 𝐵2 (𝜔) (Ec. 5.14)

𝐵(𝜔)
𝜙(𝜔) = 𝑡𝑎𝑛−1 (𝐴(𝜔)) (Ec. 5.15)

223
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

F(jω) = |F(jω)|ejϕω

|F(jω)| = |F(- jω)| y ϕ(ω) = -ϕ(- ω)

Si se hacen otros ejemplos, es posible armar un conjunto de pares de funciones en el

dominio del tiempo y en el dominio de la frecuencia. Los resultados pueden presentarse
finalmente en una tabla de propiedades de la transformada de Fourier como la que se
muestra a continuación.

224
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

TABLA DE PROPIEDADES DE LA TRANSFORMADA DE FOURIER

Dominio de la
Dominio del Dominio del Dominio de la
Propiedad frecuencia Propiedad
tiempo tiempo frecuencia compleja
compleja
aF1(jω) +
Linealidad af1(t) +b f2(t) Convolución 𝑓(𝑡) ∗ 𝑔(𝑡) 𝐹 (𝑗𝜔 )𝐺 (𝑗𝜔 )
bF2(jω)
Desplazamiento 1
f(t-t0) 𝑒 −𝑗𝜔𝑡0 𝐹(𝑗𝜔) Multiplicación 𝑓(𝑡)𝑔(𝑡) 𝐹 (𝑗𝜔 ) ∗ 𝐺 (𝑗𝜔 )
en el tiempo 2𝜋
Desplazamiento Diferenciación 𝑑 𝑛 𝑓(𝑡)
𝑒 𝑗𝜔𝑡0 𝑓(𝑡) F(j(ω-ω0)) 𝑗𝜔 𝐹 (𝑗𝜔 )
en frecuencia en el tiempo 𝑑𝑡 𝑛
𝑡
1
Conjugación f*(t) F*(-jω) Integración ∫ 𝑓 (𝑡 )𝑑𝑡 𝐹 (𝑗𝜔 ) + 𝜋𝐹(0)𝛿(𝜔)
𝑗𝜔
−∞
Inversión en el Diferenciación 𝑑
tiempo
f (-t) F(-jω)
en frecuencia
t f(t) 𝑗 𝐹 (𝑗𝜔 )
𝑑𝜔
Relación de ∞ ∞
Escalamiento 1 𝑗𝜔 1
Parseval para
de tiempo y de f(at) 𝐹( ) ∫ |𝑓(𝑡)|2 𝑑𝑡 = ∫ |𝐹(𝑗𝜔)|2 𝑑𝜔
|𝑎| 𝑎 señales 2𝜋
frecuencia −∞ −∞
aperiódicas

225
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

De manera similar a lo que se ha hecho en los casos anteriores, es posible demostrar otras
propiedades de la transformada de Fourier. A continuación, se relacionan los resultados.

PARES DE LA TRANSFORMADA Y LAS SERIES DE FOURIER

Coeficientes de la serie de
Señal Transformada de Fourier
Fourier (señales periódicas)
∞ ∞

∑ 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡 2𝜋 ∑ 𝑎𝑘 𝛿(𝜔 − 𝑘𝜔0 ) 𝑎𝑘

𝑘=−∞ 𝑘=−∞
a1=1
𝑒 𝑗𝜔0 𝑡 2𝜋𝛿 (𝜔 − 𝑘𝜔0 )
ak=0, con otro valor
1
𝑎1 = −𝑎−1 =
𝑐𝑜𝑠(𝜔0 𝑡) 𝜋 [𝛿 (𝜔 − 𝑘𝜔0 ) + 𝛿 (𝜔 + 𝑘𝜔0 )] 2𝑗
ak=0, con otro valor
𝜋 1
[𝛿 (𝜔 − 𝑘𝜔0 ) + 𝛿 (𝜔 + 𝑘𝜔0 )] 𝑎1 = −𝑎−1 =
𝑠𝑒𝑛(𝜔0 𝑡 ) 2𝑗
𝑗
ak=0, con otro valor
𝑎0 = 1, 𝑎𝑘 = 0 para 𝑘 ≠ 0

f(t)=1 2𝜋𝛿 (𝜔) Esta es la representación en serie

de Fourier para cualquier
selección de T>0

226
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Onda cuadrada periódica

1, |𝑡 | < 𝑇
𝑓(𝑡) = { 𝑇 ∞
0, 𝑇 < |𝑡| < 2 𝑠𝑒𝑛(𝑘𝜔0 𝑇 ) 𝜔0 𝑇 𝑘𝜔0 𝑇 𝑠𝑒𝑛(𝑘𝜔0 𝑇 )
2 ∑ 𝛿 (𝜔 − 𝑘𝜔0 ) 𝑠𝑖𝑛𝑐 ( )=
𝑘 𝜋 𝜋 𝑘𝜋
𝑘=−∞
y

𝑥 (𝑡 + 𝑇 ) = 𝑥(𝑡)
∞ ∞
2𝜋 2𝜋𝑘 1
∑ 𝛿 (𝑡 − 𝑘𝑇) ∑ 𝛿 (𝜔 − ) 𝑎𝑘 =
𝑇 𝑇 𝑇
𝑘=−∞ 𝑘=−∞
1, |𝑡 | < 𝑇 2 𝑠𝑒𝑛(𝜔𝑇 )
𝑓(𝑡 ) = { -
0, |𝑡 | > 𝑇 𝜔
2 𝑠𝑒𝑛(𝑊𝑡 ) 1, |𝜔| < 𝑊
𝐹 (𝑗𝜔) = { -
𝜋𝑡 2, |𝜔| > 𝑊
𝛿 (𝑡 ) 1 -
1
𝑢(𝑡) + 𝜋𝛿 (𝜔) -
𝑗𝜔
𝛿 (𝑡 − 𝑡0 ) 𝑒 −𝑗𝜔0 𝑡 -
𝑒 −𝑎𝑡 𝑢(𝑡) 1
-
𝑎 + 𝑗𝜔

227
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La parte real de a es
positiva
𝑡 𝑛−1
𝑒 −𝑎𝑡 𝑢(𝑡)
(𝑛 − 1)! 1
-
(𝑎 + 𝑗𝜔)𝑛
La parte real de a es
positiva

228
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

5.4. TEOREMA DE PARSEVAL

Suponiendo que f(t) representa el voltaje entre los extremos de una resistencia de 1 ohm, la
potencia instantánea disipada por esta resistencia será f2(t), y la energía W suministrada a
la resistencia será igual a

 
W =  f2(t) dt =  f(t) f(t) dt
 

Reemplazando el segundo término f(t) por el de la ecuación 5.10 (transformada inversa de

Fourier), se tiene:
 
W =  f (t) [1  F(jω) e jwt dω ] dt

2 

229
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Dado que f(t) no es función de ω puede introducirse dentro del integrando, como si se
tratara de una constante; así mismo se puede sacar el término 1/2π de la integral.
Intercambiando el orden de integración queda la ecuación así:
 
1
W=
2  [  F(jω)
 
e jwt f (t) dt ] dω
 
1
W=
2  F(jω) [  f (t)

e jwt dt ] dω

Y se puede ver, de acuerdo con la ecuación 5.9, que




 f (t) e jwt dt = F(- jω)
Por lo tanto,

1
W= F(jω) F(- jω) dω
2 

Pero, tal como se vio en la ecuación 5.13, F(-jω) = F*(jω) con lo cual F(jω) F(-jω) =
|F(jω)|2

Entonces
 
1
W =  f 2(t) dt = 2
 | F(jω) | dω Teorema de Parseval (Ec. 5.16)

2 

230
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

El teorema de Parseval indica que la energía asociada con f(t) puede obtenerse integrando
en el dominio del tiempo en el intervalo - < t < , o integrando en el dominio de la
frecuencia en el intervalo - < ω < .

5.5. DENSIDAD ESPECTRAL DE ENERGÍA Y DENSIDAD ESPECTRAL

DE POTENCIA.

Supóngase que la gráfica siguiente corresponde a la función |F(jω)|2.

Figura 5.9: Gráfica de |F(jω)|2.

El área sombreada corresponde a Δ|F(jω)|2. La suma de las áreas diferenciales es la energía

total. Por lo tanto, al término |F(jω)|2 se le conoce como densidad espectral de energía o

231
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

energía por unidad de ancho de banda (Joules/Hertz). Puede verse que la densidad de
energía tiene las siguientes propiedades:

 Es una función real

 Es una función par, no negativa
 No es función de la fase de F(jω), lo que sugiere que diferentes funciones pueden tener
igual densidad de energía.

Tal como ya se ha dicho, las señales periódicas tienen energía infinita, pero potencia media
finita. La densidad espectral de potencia es una función que describe la distribución de la
potencia media de una señal en función de la frecuencia. Dada una función f(t) con potencia
media finita definida como:

f(t), -τ < t < τ

fτ(t) =
0, en el resto

fτ(t) = f(t) rect(t/2τ) (Ec. 5.17)

232
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La transformada de Fourier de esta función será:

ℱ{fτ(t)}= Fτ(ω) (Ec. 5.18)

La potencia media de la señal f(t) es (según se vio en capítulo 1).

lím  1  2  lím  1  
    2 
P    
2
 | f (t ) |dt  | f (t ) | dt 
     2  

A partir del teorema de Parseval, esta última ecuación se puede reescribir así:
∞ ∞
1 1 2
1 |𝐹𝜏 (𝜔)|2
𝑃= lim [ ∫ |𝐹𝜏 (𝜔)| 𝑑𝜔] = ∫ lim [ ] 𝑑𝜔
2𝜋 𝜏→∞ 2𝜏 2𝜋 𝜏→∞ 2𝜏
−∞ −∞

|𝐹𝜏 (𝜔)|2
En esta ecuación, se encuentra el término 𝑙𝑖𝑚 [ ], que se conoce como densidad
𝜏→∞ 2𝜏
espectral de potencia, y se representa como S(ω).

|𝐹𝜏 (𝜔)|2
𝑆(𝜔) = 𝑙𝑖𝑚 [ ] Densidad espectral de potencia (Ec. 5.19)
𝜏→∞ 2𝜏

233
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Entonces

1
P=
2  S(ω) dω

(Ec. 5.20)

La densidad espectral de potencia, S(ω), representa la forma como se distribuye la potencia

de la señal en función de la frecuencia ω. Al igual que la densidad espectral de energía, la
densidad espectral de potencia depende sólo de la magnitud y no de la fase.

Ejemplo 5.5: Un pulso dado por 4e-3tu(t) se aplica a la entrada de un filtro pasabanda ideal
definido por

1< | f | <2 Hz.

Calcular la energía total de salida del filtro.

Solución: Un filtro pasabanda es una red de dos puertos que permite que a través de ella
pasen únicamente los componentes de frecuencia comprendidas dentro del rango de
frecuencias para el cual está definido el filtro.

234
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Si vo(t) es el voltaje de salida del filtro, la energía en vo(t) será el resultado de hallar la
integral entre los límites determinados por las frecuencias de corte del filtro.

∞ 𝜔2
1
𝜔0 = ∫ 𝑓 2 (𝑡)𝑑𝑡 = ∫ |𝐹(𝑗𝜔)|2 𝑑𝜔
2𝜋
−∞ 𝜔1
De acuerdo con el enunciado, el filtro está definido en el siguiente rango de frecuencias:

-2 < f < -1
1< | f | <2 =
1 <f< 2
Si se multiplica la frecuencia cíclica (f) por 2π, para expresar todo en términos de la
frecuencia angular (ω), la expresión anterior se convierte en:

-4π < ω < -2π

2π < | ω| <4π =
2π < ω < 4π

235
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Entonces, la energía estará dada por:

2 4
1 1
 | F(jω) | dω +
2
 | F(jω) | dω
2
Wo =
2 4 2 2

Pero se sabe que

∞ ∞ ∞
−(3+𝑗𝜔)𝑡
4𝑒
𝐹 (𝑗𝜔) = ∫ 4𝑒 −3𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡 = ∫ 4𝑒 −(3+𝑗𝜔)𝑡 𝑑𝑡 = |
3 + 𝑗𝜔 0
0 0

Al evaluar las integrales, se tiene:

4
𝐹 (𝑗𝜔) =
3 + 𝑗𝜔

Si esto se reemplaza en la ecuación de la energía, W0 quedará así:

−2𝜋 4𝜋
8 𝑑𝜔 8 𝑑𝜔
𝑊0 = ∫ + ∫
𝜋 9 + 𝜔2 𝜋 9 + 𝜔2
−4𝜋 2𝜋

236
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

De aquí resulta:
4𝜋
4𝜋
16 𝑑𝜔 16 1 −1
𝜔 16 −1
𝜔 4𝜋
𝑊0 = ∫ = [ 𝑡𝑎𝑛 ( )] = [𝑡𝑎𝑛 ( )]
𝜋 9 + 𝜔2 𝜋 3 3 2𝜋 3𝜋 3 2𝜋
2𝜋

Entonces
16 4𝜋 16 2𝜋
𝑊0 = 𝑡𝑎𝑛−1 ( ) − 𝑡𝑎𝑛−1 ( ) = 0.358 𝐽𝑜𝑢𝑙𝑒𝑠
3𝜋 3 3𝜋 3

237
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

5.6. APLICACIONES DE LA TRANSFORMADA DE FOURIER

5.6.1. Convolución.

En el dominio del tiempo la convolución permite hallar la respuesta y(t) de un sistema

identificado con una respuesta al impulso h(t) ante una entrada x(t). En el dominio de la
frecuencia esta operación se reduce a la multiplicación de las transformadas de Fourier de
la respuesta al impulso y de la señal de entrada, quedando así:

Figura 5.10: La convolución en los dominios del tiempo y de la frecuencia.

238
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

H(jω) es la transformada de Fourier de la respuesta del sistema al impulso. Gracias a que

la operación para el cálculo de la respuesta Y(jω) se redujo a una simple multiplicación,
también se puede afirmar que la respuesta al impulso se reduce a una división, así:

𝑌(𝑗𝜔)
𝐻(𝑗𝜔) = (Ec. 5.21)
𝑋(𝑗𝜔)

Es posible demostrar que:

|Y(jω)| = |X(jω)| |H (jω)| (Ec. 5.22)

y Y(jω) = X(jω) + H (jω) (Ec. 5.23)

Nota: El símbolo  hace referencia al ángulo de fase de la función.

239
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 5.6: Se desea conocer el voltaje en

la bobina del circuito RL de la figura 5.11,
ante una entrada exponencial decreciente.

Figura 5.11: Circuito del ejemplo 5.6.

Solución: A partir de lo que ya se conoce de la transformada de Fourier, el voltaje de

entrada, que tiene comportamiento exponencial, está conformado por una sumatoria de
funciones senoidales. Además, como el circuito está compuesto por elementos lineales, en
él se debe cumplir el principio de superposición, o sea que la respuesta será igual a la suma
de las respuestas debidas a cada una de las componentes senoidales de la fuente.

Con base en este razonamiento, el circuito se puede analizar considerando que las corrientes
y los voltajes son fasores. Para hacer ese análisis, los elementos pasivos se reemplazan de
la siguiente manera:

Elemento Representación Se reemplaza por:

Resistencia R R
Bobina L jL
Condensador C -j /(C)

240
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

De acuerdo con esto, el circuito de este ejemplo quedará una resistencia de 4 Ω en serie con
una reactancia de j2ω Ω, como se muestra en la figura 5.12.

Figura 5.12: Circuito del ejemplo 5.6 con las reactancias en el dominio de la frecuencia.

Tal como se dijo más atrás, la respuesta al impulso (en el dominio de la frecuencia) se
calcula relacionando la entrada, Vf, con la salida, Vo, de acuerdo con lo que se deduce de la
operación de convolución. Esto se calcula por medio del divisor de voltaje, así:

𝑗2𝜔 𝑉𝑜 (𝑗𝜔) 𝑗2𝜔

𝑉𝑜 (𝑗𝜔) = 𝑉 (𝑗𝜔) → = 𝐻(𝑗𝜔) =
4 + 𝑗2𝜔 𝑓 𝑉𝑓 (𝑗𝜔) 4 + 𝑗2𝜔

241
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Por otra parte, la función excitatriz se puede representar en el dominio de la frecuencia por
su transformada de Fourier así:

5
𝑉𝑓 (𝑗𝜔) = ℱ {5𝑒 −3𝑡 𝑢(𝑡)} = 3+𝑗𝜔 (esto se deduce de la tabla de transformadas)

Entonces
5 𝑗2𝜔 𝐴 𝐵
𝑉𝑜 (𝑗𝜔) = 𝑉𝑓 (𝑗𝜔)𝐻(𝑗𝜔) = ( )( )= +
3 + 𝑗𝜔 4 + 𝑗2𝜔 3 + 𝑗𝜔 4 + 𝑗2𝜔

La conversión de un producto de funciones en una suma se conoce como descomposición

en fracciones parciales y se hace para facilitar el proceso de transformada inversa. Los
términos A y B representan un par de constantes. Para determinar el valor de estas
constantes, se recurre al siguiente procedimiento:

a)Se multiplican ambos miembros de la ecuación por el denominador del primer

sumando, que en este caso es (3+jω).
b) Se despeja la constante A y se evalúa en el valor de jω que hace que su cociente sea
cero, esto es jω = -3. Para el caso del ejemplo, la situación será

242
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

𝑗2𝜔 3 + 𝑗𝜔
𝐴 = [5 ( )−𝐵( )] → 𝐴 = 15
4 + 𝑗2𝜔 4 + 𝑗2𝜔 𝑗𝜔=−3

c)Para calcular el valor de B, se hace un proceso similar, esta vez con j2ω=-4, o sea que
jω=-2.

𝑗2𝜔 4 + 𝑗2𝜔
𝐵 = [5 ( )−𝐴( )] → 𝐵 = −20
3 + 𝑗𝜔 3 + 𝑗𝜔 𝑗𝜔=−2

Con estos resultados la ecuación queda

15 20 15 10
𝑉𝑜 (𝑗𝜔) = − → 𝑉𝑜 (𝑗𝜔) = −
3 + 𝑗𝜔 4 + 𝑗2𝜔 3 + 𝑗𝜔 2 + 𝑗𝜔

Al hacer la transformada inversa, se encuentra que el valor de la salida en el dominio del

tiempo es
𝑣𝑜 (𝑡) = (15𝑒 −3𝑡 − 10𝑒 −2𝑡 )𝑢(𝑡)

243
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 5.7: En el circuito de la figura siguiente se desea conocer el valor de la corriente

io(t) teniendo como función de entrada if (t) = sgn(t).

Figura 5.13: Circuito del ejemplo 5.7.

Solución: Se expresan los componentes en el dominio de la frecuencia y se busca una

relación entre la entrada y la salida.

Figura 5.14: Circuito del ejemplo 5.7 con las reactancias en el dominio de la frecuencia.

244
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Aplicando la ecuación correspondiente a un divisor de corriente y haciendo el cociente

entre la corriente de salida sobre la corriente de entrada, se tiene:

𝐼𝑜 (𝑗𝜔) 1
( )
= 𝐻 𝑗𝜔 =
𝐼𝑓 (𝑗𝜔) 4 + 𝑗𝜔
Por lo tanto:

1 2 𝐴 𝐵
𝐼𝑜 (𝑗𝜔) = ( )( ) = +
4 + 𝑗𝜔 𝑗𝜔 4 + 𝑗𝜔 𝑗𝜔

Despejando las constantes, como se hizo en el ejemplo anterior, se tiene:

2 4 + 𝑗𝜔 2
𝐴 =[ −𝐵 ] = −0 → 𝐴 = −0.5
𝑗𝜔 𝑗𝜔 𝑗𝜔=−4 −4

2 𝑗𝜔 2
𝐴=[ −𝐴 ] = −0 → 𝐵 = 0.5
4 + 𝑗𝜔 4 + 𝑗𝜔 𝑗𝜔=0 4

245
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Luego de reemplazar estos valores, la salida queda:

0.5 0.5
𝐼𝑜 (𝑗𝜔) = −
𝑗𝜔 4 + 𝑗𝜔

Y, al hallar la transformada inversa, se encuentra que la función en el dominio del tiempo

es:

𝑖𝑜 (𝑡) = 0.25 𝑠𝑔𝑛(𝑡) − 0.5𝑒 −4𝑡 𝑢(𝑡)

246
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 6: ANÁLISIS EN FRECUENCIA DE

SEÑALES EN TIEMPO DISCRETO

Ya se ha hecho el análisis en frecuencia de las señales en tiempo continuo. También, al

presentar las señales en tiempo discreto, se ha visto que existen algunas diferencias entre
estas señales y las de tiempo continuo. Particularmente, se encontraron, al menos, las
siguientes características de las señales en tiempo discreto, que las distinguen de las de
tiempo continuo:

 Una señal en tiempo discreto sólo puede existir en valores discretos de la variable
independiente
 En una señal periódica en tiempo discreto el período N es un número entero.
 Para que una señal en tiempo discreto sea periódica es necesario que Ω0/2π sea un
número racional.
 Una señal en tiempo discreto con período N, tiene máximo N armónicos.
 El escalado temporal puede cambiar la forma de una señal en tiempo discreto.

247
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

6.1. SERIES DE FOURIER DE SEÑALES EN TIEMPO DISCRETO

El Teorema de Fourier fue concebido para señales periódicas en tiempo continuo y está
dado por la ecuación 4.26, que se expresa como sigue:


f (t )  C e
k  
k
jkw0 t

Si se quiere adaptar esta ecuación a señales periódicas en tiempo discreto, debe cambiarse
t por n y ω0 por 0. Adicionalmente, como las señales en tiempo discreto tienen máximo N
armónicos, los límites de la sumatoria deben cambiarse de tal forma que sólo se sumen N
términos. En estas condiciones, la ecuación de la Serie de Fourier para señales en tiempo
discreto será:

N
f (n)  Ck e jk0 n (Ec. 6.1)
k 1

248
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Por otra parte, para el cálculo de los coeficientes de la Serie de Fourier de la señal en tiempo
discreto se hacen los reemplazos equivalentes en la ecuación 4.27. En este caso, la integral
debe reemplazarse por una sumatoria, debido a la naturaleza discreta del tiempo. De esta
forma, la ecuación quedará así:
1 N
Ck   f (n)e  jk0n (Ec. 6.2)
N n1

Como puede verse, la sumatoria de la ecuación 6.2 sólo incluye N términos, que
corresponden a los N armónicos que puede tener la señal. De acuerdo con esto, puede
afirmarse que
Ck  Ck  N (Ec. 6.3)
para todo valor de k. Esto quiere decir que una señal en tiempo discreto tiene un espectro
periódico que se repite cada N valores de Ck. En vista de esto, cuando se desea graficar el
espectro de una señal en tiempo discreto, sólo es necesario hacerlo para N valores de Ck, ya
que resulta redundante dibujarlo para más valores.

249
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 6.1: Graficar los espectros de amplitud y fase correspondientes a la señal periódica
de la figura 6.1.

Figura 6.1. Señal en tiempo discreto a la cual se le calcularán las componentes

espectrales

Solución: Como puede verse, f(n) es una función periódica en tiempo discreto, con período
N=4, y con los siguientes valores:

f(0)=2,
f(1)=1,
f(2)=4
f(3)=3.

250
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La frecuencia angular está dada por

2 2 
0   
N 4 2

Aplicando la ecuación 6.2, se calculan los diversos valores de Ck, así:


1 4  jk n
Ck   f (n)e 2 ,
4 n1

de donde se obtienen los siguientes valores de Ck:

1   j (1) 2 (1)  j (1) ( 4) 

   
 j (1) ( 2)  j (1) ( 3)
C1  1  e  4e 2
 3 e 2
 2e 2 
4 
1   j ( 2) 2 (1)  j ( 2) ( 4) 
   
 j ( 2) ( 2)  j ( 2) ( 3)
C2  1  e  4e 2
 3 e 2
 2e 2

4 
1   j (3) 2 (1)  j (3) ( 4) 
   
 j ( 3) ( 2)  j ( 3) ( 3)
C3  1  e  4e 2
 3 e 2
 2e 2

4 
1   j ( 4) 2 (1)  j ( 4) ( 4) 
   
 j ( 4) ( 2)  j ( 4) ( 3)
C4  1  e  4e 2
 3 e 2
 2e 2

4 

251
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Aplicando la identidad de Euler ( e  j  cos( )  jsen( ) ), se encuentra que las constantes son

C1= 0.5+0.5j , C2= - 0.5 , C3=0.5-0.5j , C4=2.5

El espectro de amplitudes es una gráfica de las amplitudes de todos los coeficientes en

función de la frecuencia; el espectro de fase es una gráfica del ángulo de fase de los
coeficientes en función de la frecuencia. A partir de los resultados obtenidos, se pueden
calcular las amplitudes y las fases para los coeficientes, lográndose lo siguiente:

|C1|= 0.7071, |C2|=0.5, |C3|=0.7071, |C4|=2.5

 
C1  C2   , C3  C4  0
4, 4
,

La gráfica del espectro de amplitudes será, entonces, la siguiente:

252
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 6.2: Espectro de amplitudes de la señal del ejemplo 6.1.

Nótese que en el espectro de amplitudes se incluyen algunos componentes cuyo cálculo no

fue necesario hacer debido a que el espectro es periódico. Resulta de particular interés la
componente C0, que es la componente DC o valor promedio, la cual también hubiera podido
calcularse a partir de la señal en el dominio del tiempo, sumando todos los valores que toma
la señal en un período y dividiendo luego por el período. De esta manera, la operación
hubiera sido la siguiente:

f (0)  f (1)  f (2)  f (3) 2  1  4  3

C0    2.5
4 4

253
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La gráfica del espectro de fases será la siguiente:

Figura 6.3: Espectro de fases de la señal del ejemplo 6.1.

254
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

6.2. LA TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO

En el Capítulo 5 se tomaron como punto de partida las ecuaciones de las Series de Fourier,
utilizando como ejemplo una señal periódica consistente en un tren de pulsos rectangulares,
llevando luego el período a una duración tendiente al infinito. Este simple artificio permitió
que el concepto de las Series de Fourier, que se limitaba a las señales periódicas, se
extendiera a todo tipo de señales: periódicas o aperiódicas. El resultado fue la Transformada
de Fourier.

Para las señales en tiempo discreto también existe la Transformada de Fourier, conocida
como Transformada de Fourier en Tiempo Discreto, o DTF, por sus siglas en inglés. La
deducción de la DTF se hace de manera similar a como se hizo en el caso de las señales en
tiempo continuo. Para tal efecto, supóngase que se tiene la señal en tiempo discreto
mostrada en la figura 6.4:

255
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 6.4: Señal periódica en tiempo discreto.

En esta señal se tienen algunos valores de especial interés, que son:

a) El período N.
b) El instante -N1, que es el instante en el cual la señal tiene el primer valor diferente de
cero en un período.
c) El instante N2, que es el instante en el cual la señal tiene el último valor diferente de
cero en un período.

Como se trata de una señal periódica, puede expandirse en una serie de Fourier de la
siguiente manera:

256
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

ki  N 1
f (n)  C e
k ki
k
jk0n
(Ec. 6.3)

y los coeficientes de la serie de Fourier estarán dados por la expresión:

1 ni  N 1
Ck  
N nni
f (n)e  jk0n (Ec. 6.4)

En el intervalo de un período la función vale cero a la izquierda de -N1 y a la derecha de

N2, por lo tanto, la sumatoria se puede delimitar entre N1 y N2. Ahora, si el período crece
indefinidamente ( N   ), la señal se vuelve aperiódica y queda tal como se muestra en la
siguiente figura.

Figura 6.5: Cuando el período tiende a infinito la señal se vuelve aperiódica.

257
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ahora los límites de la sumatoria se pueden cambiar por  y -, con lo cual los coeficientes
de la serie quedan así:

1
Ck 
N
 f (n).e
n  
 jk0 n
(Ec. 6.5)

Se definirá ahora una nueva expresión, F(ejω), que se denominará Transformada de Fourier
de la señal en tiempo discreto. Esta expresión queda definida de la siguiente manera:


F (e ) 
jw
 f (n).e
n  
 jwn
Transformada de Fourier en tiempo discreto (Ec. 6.6)

De acuerdo con esto, la expresión de los coeficientes de Fourier será la siguiente:

1
Ck  F (e jk0 ) (Ec. 6.7)
N

y la expresión de la función en tiempo discreto será:

ki  N 1


1
f (n)  F (e jk0 )e jk0n (Ec. 6.8)
k ki N

258
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

en donde
1 0
N = 2 (Ec. 6.9)

Cuando N crece sin límite, se llega a las siguientes aproximaciones:

Ω0  dω
k Ω0  ω
 
Entonces, la función queda así:
.
1
𝑓(𝑛) = ∫ 𝐹(𝑒 𝑗𝜔 )𝑒 𝑗𝜔𝑛 𝑑𝜔 (Ec. 6.10)
2𝜋
2𝜋

En esta ecuación, la indicación 2 bajo el símbolo de la integral (  ) indica que dicha

2

integral debe evaluarse en un intervalo igual a 2.

A manera de resumen, se pueden escribir las dos ecuaciones que representan el par de
transformación de Fourier para señales en tiempo discreto, de la siguiente manera:

259
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Transformada discreta de Fourier

∞

𝐹(𝑒 𝑗𝜔 ) = ∑ 𝑓(𝑛)𝑒 −𝑗𝜔𝑛 (Ec. 6.11)

−∞

Transformada discreta inversa de Fourier

.
1
𝑓(𝑛) = ∫ 𝐹(𝑒 𝑗𝜔 )𝑒 𝑗𝜔𝑛 𝑑𝜔 (Ec. 6.12)
2𝜋
2𝜋

Con base en lo visto en el anterior desarrollo se pueden identificar las siguientes diferencias
entre la transformada de Fourier en tiempo continuo con respecto a la transformada de
Fourier en tiempo discreto:

a) Para la transformada inversa en tiempo discreto el intervalo de integración es finito y

está limitado a 2, o sea a un período.

260
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

b) La transformada discreta es periódica, debido a que los armónicos se repiten cada N

términos. Dicho de otra forma, para las señales periódicas en tiempo discreto en el
dominio de la frecuencia puede verse que sus espectros también son periódicos.

6.3. CONSIDERACIONES PRÁCTICAS EN EL CÁLCULO DE LA DFT

La DFT encuentra una amplia aplicación cuando se hace procesamiento digital de señales,
bien sea mediante un computador, un microcontrolador, un DSP (Procesador Digital de
Señales), etc. En este caso, las ecuaciones 6.11 y 6.12 representan serios problemas al tratar
de hacer que un dispositivo como los mencionados haga el cálculo indicado por dichas
ecuaciones. Por una parte, una suma infinita nunca produce una respuesta en el mundo real.
Por otra parte, hay restricciones de tiempo en el procesamiento, aun con dispositivos muy
potentes como el DSP.

El primer problema es fácil de superar tomando sólo una sección de los valores de la señal
de entrada x(n). Esta operación se conoce usualmente como ventaneo y también se usa en
muchas otras aplicaciones. Si se realiza la DFT en la porción ventaneada de x(n), el espectro
resultante está dado por

XN(ω) = X(ω)*W(ω) (Ec. 6.13)

261
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

en donde XN(ω) denota el espectro ventaneado siendo N el número de muestras, W(ω)

denota el espectro de la ventana y el símbolo * denota la operación de convolución entre
W(ω) y X(ω).

Supóngase que se ha hecho un ventaneo a la función x(n). Lo que se requiere conocer ahora
es el efecto de usar sólo una cantidad limitada de frecuencias y determinar cuántas
frecuencias se necesitan para mantener la calidad de la señal. En general, el número óptimo
de valores es igual al número de las muestras tomadas de x(n), o sea N. La forma más simple
de análisis consiste en asumir que la porción ventaneada de x(n) representa un período de
una secuencia larga (como se muestra en la figura 6.6), con período NTs y frecuencia Ws/N.
Si se hace esto, es posible dar a la secuencia un tratamiento como el de una serie de Fourier
y se verá que el espectro consta de una serie de valores.

Figura 6.6: Presentación de la porción ventaneada de la señal como un período de una

secuencia.

262
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Como se sabe, el espectro de una señal periódica es repetitivo con período Ws, de tal forma
que si los valores están espaciados por , como se muestra en la Figura 6.7, entonces:

N = W (Ec. 6.14)

Figura 6.7: Fasores espaciados por .

Esto ha permitido digitalizar la escala de frecuencia de tal forma que el espectro puede
ahora escribirse en términos de k en lugar de ω:
𝑁−1

𝑋(𝑘𝛿 ) = ∑ 𝑥 (𝑛) 𝑒 𝑗(−𝑘𝛿𝑇𝑠 𝑛) (Ec. 6.15)

𝑛=0

263
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Si se tiene en cuenta que:

2𝜋
𝑤𝑠 = (Ec. 6.16)
𝑇𝑠

De las ecuaciones 6.14 y 6.16 se deduce que:

𝑤𝑠 2𝜋
𝛿= = (Ec. 6.17)
𝑁 𝑁𝑇𝑠

es posible reescribir la ecuación en la forma:

𝑁−1
2𝜋𝑘𝑛
−𝑗( )
𝑋𝑁 (𝑘 ) = ∑ 𝑥(𝑛)𝑒 𝑁 (Ec. 6.18)
𝑛=0

Esta es la forma de la DFT práctica que se usa generalmente. Se utiliza un factor de

conversión, llamado WN, definido como
2𝜋
−𝑗( ) (Ec. 6.19)
𝑊𝑁 = 𝑒 𝑁

264
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

De esta manera, finalmente, se puede escribir el par de transformación de Fourier en la

siguiente forma:
𝑁−1

𝑋𝑁 (𝑘 ) = ∑ 𝑥(𝑛)𝑊𝑁𝑘𝑛 (Ec. 6.20)

𝑛=0

y
𝑁−1
1
𝑥(𝑛) = ∑ 𝑋𝑁 (𝑘 )𝑊𝑁−𝑘𝑛 (Ec. 6.21)
𝑁
𝑛=0

265
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

6.4. LA TRANSFORMADA RÁPIDA DE FOURIER (FFT – Fast Fourier

Transform)

La evaluación de la DFT de una secuencia de N términos requiere un total de N2

operaciones, lo cual puede llegar a ser prohibitivo cuando N es muy grande. Por ejemplo,
si se trata de una secuencia de 1000 términos, la cantidad de operaciones necesarias es igual
a 10002, o sea 106, lo que implica una buena porción de tiempo de procesamiento, que
podría ser aprovechado por el procesador para realizar otras tareas.

En vista de lo anterior, se han desarrollado algunas técnicas para reducir el tiempo requerido
para el cálculo de la DFT, dando lugar a una transformación equivalente que necesita una
cantidad de operaciones mucho menor, y que se conoce como la FFT o Transformada
Rápida de Fourier. Una de las técnicas es la que se conoce como “Diezmado en el tiempo”
y que sigue el procedimiento que se indica a continuación:

El primer paso es dividir la señal de entrada x(n) en varias secuencias consecutivas más
cortas. Es precisamente por esto por lo que el procedimiento se conoce como diezmado en
el tiempo. Si se toma una señal con N valores, la secuencia original se divide inicialmente
en dos secuencias, una conformada por los números pares y la otra por los números impares,
de tal forma que la DFT correspondiente estará dada por la secuencia siguiente:

266
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

𝑁−1

𝑋𝑁 (𝑘) = ∑ 𝑥(𝑛)𝑊𝑁𝑘𝑛 (Ec. 6.22)

𝑛=0
se convierte en
𝑁 𝑁
−1 −1
2 2

𝑋𝑁 (𝑘 ) = ∑ 𝑥 (2𝑟)𝑊𝑁2𝑟𝑘 + ∑ 𝑥(2𝑟 + 1)𝑊𝑁

2𝑟+1 ( )𝑘 (Ec. 6.23)
𝑟=0 𝑟=0

Entonces
𝑁 𝑁
−1 −1
2 2

𝑋𝑁 (𝑘 ) = ∑ 𝑥 (2𝑟)(𝑊𝑁2 )𝑟𝑘 + 𝑊𝑁𝑘 ∑ 𝑥(2𝑟 + 1)(𝑊𝑁2 )𝑟𝑘 (Ec. 6.24)

𝑟=0 𝑟=0

Según la ecuación 6.19, se sabe que para la DFT

−2𝜋
𝑗( ) (Ec. 6.25)
𝑊𝑁 = 𝑒 𝑁

267
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Entonces
2𝜋
−2𝜋 −𝑗(𝑁 )
𝑊𝑁2 =
𝑗(
𝑒 𝑁
×2)
= 𝑒 ⁄2
= 𝑊𝑁⁄ (Ec. 6.26)
2

y la ecuación se convierte en

(Ec. 6.27)

X N (K )  G(k )  WNK H (k ) (Ec. 6.28)

Ahora, gracias a esta operación, la DFT original queda expresada como la suma de dos
DFTs más pequeñas, de longitud N/2. Para el ejemplo de N=1000, en donde se requerían

268
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

106 operaciones, con esta modificación se requieren solamente 5002+5002+500=500500

operaciones (aproximadamente la mitad). Si la longitud de la secuencia es una potencia
entera de 2 se pueden seguir dividiendo estas dos secuencias en otras dos, hasta reducirlas
al mínimo posible, logrando así un considerable ahorro en el número de operaciones y en
el tiempo de procesamiento requerido.

En Matlab existen un par de funciones para obtener la transformada rápida de Fourier (FFT)
o su inversa (IFFT); estas funciones son las siguientes:

 fft(x) : Calcula la transformada de Fourier de la señal almacenada en el vector x.

 ifft(x) : Calcula la transformada inversa de Fourier, o sea que encuentra la señal en el
dominio del tiempo.

269
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 7: LA TRANSFORMADA DE LAPLACE Y

LA TRANSFORMADA Z

7.1. INTRODUCCIÓN

Muchas funciones no tienen transformada de Fourier debido a que la integral incluida en la

operación de transformación no converge en ellas. Una forma de hacer que dichas funciones
converjan es multiplicarlas por una función que provoque la convergencia, como lo es la
función exponencial compleja e-st, en donde s= σ+jω se denomina variable compleja. Con
esto, ahora se obtiene una nueva función, que es f(t)e-σt.

Cuando se halla la transformada de Fourier a la nueva función f(t)e-σt, se obtiene la siguiente

expresión:
∞
𝐹 (𝑗𝜔) = ∫ 𝑒 −𝑗𝜔𝑡 𝑓(𝑡)𝑒 −𝜎𝑡 𝑑𝑡
−∞

270
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Como los términos exponenciales que están dentro de la integral tienen la misma base (e),
la ecuación se convierte en
∞
𝐹 (𝑗𝜔) = ∫ 𝑒 −(𝜎+𝑗𝜔)𝑡 𝑓(𝑡)𝑑𝑡
−∞

Ahora el exponente incluye los términos σ y jω, y es la suma de un término real más otro
imaginario, o sea que se trata de una cantidad compleja. A esta nueva cantidad se le llamará
frecuencia compleja, y estará dada por

s = σ + jω

Al escribir la frecuencia compleja en la ecuación, se obtiene esta nueva expresión,

denominada Transformada de Laplace de una función f(t):
∞
ℒ{𝑓(𝑡)} = 𝐹 (𝑠) = ∫0 𝑒 −𝑠𝑡 𝑓(𝑡)𝑑𝑡 (Ec. 7.1)

donde el símbolo ℒ{𝑓(𝑡)} se lee “Laplaciano de f(t)” y se representa como F(s).

271
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Nótese que el límite inferior de la integral es cero, lo que indica que, en este caso, la
transformada de Laplace ignora a f(t) para valores negativos de t. En otras palabras, F(s)
está determinada sólo por el comportamiento de f(t) para valores positivos de t. Lo que
sucede en t<0 se tiene en cuenta al incluir en el cálculo las condiciones iniciales. Debido a
esto, a la ecuación anterior se le conoce como “Transformada unilateral de Laplace”. La
transformada bilateral es idéntica, sólo que el límite de integración inferior es -.

Hay dos tipos de transformadas de Laplace: funcionales y operacionales. En el primer caso

lo que se pretende es encontrar el Laplaciano de una función específica, mientras que en el
segundo caso se busca hallar las transformadas aplicadas a operaciones matemáticas de la
función.

7.1.1. Transformadas funcionales.

Tal como ya se mencionó, una transformada funcional es el Laplaciano de una función de

t. En las líneas siguientes, se aplicará la operación de transformación de Laplace a algunas
señales elementales, y sus resultados, junto con otros que aquí no se desarrollan, se
consignarán en una Tabla de pares de transformación de Laplace.

272
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

[Link]. Laplaciano de la función escalón unitario.

 
e  st  1
 f (t )e dt   1.e dt 
 st  st
ℒ{ 𝑓(𝑡)}=   (Ec. 7.2)
0 0
s 0
s

[Link]. Laplaciano de la función impulso unitario, δ(t).

∞
ℒ { δ(𝑡 − 𝑡̥ )} = ∫ δ(t − t̥)𝑒 −𝑠𝑡 𝑑𝑡
0

La propiedad de desplazamiento del impulso establece lo siguiente:

∫ 𝑓(𝑡)𝛿 (𝑡 − 𝑡0 )𝑑𝑡 = 𝑓(𝑡0 )

entonces:
∞
ℒ {𝛿 (𝑡 − 𝑡0 )} = ∫ 𝛿 (𝑡 − 𝑡0 )𝑒 −𝑠𝑡 𝑑𝑡 = 𝑒 −𝑠𝑡0
0

⟶ ℒ {𝛿 (𝑡 − 𝑡0 )} = 𝑒 −𝑠𝑡0

273
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Caso especial: t0=0

ℒ {𝛿 (𝑡)} = 1

[Link]. Laplaciano de la función exponencial decreciente.

  
1
= 
0
f (t )e st dt   e at .e st dt   e ( a  s )t dt 
0 0
( s  a) (Ec. 7.3)
[Link]. Laplaciano de la función rampa, r(t) = t u(t)
∞
1
ℒ {𝑡 𝑢(𝑡)} = ∫ 𝑡𝑒 −𝑠𝑡 𝑑𝑡 =
0 𝑠2

Si se sigue con el cálculo de las transformadas de otras funciones se puede armar una
tabla de pares de transformación, como la que se muestra a continuación.

274
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Tabla de pares de transformación de Laplace

f(t) F(s) f(t) F(s)

1 𝑛!
u(t) tn u(t)
𝑠 𝑠 𝑛+1
1 1
𝑒 𝑎𝑡 𝑢(𝑡) t eat u(t)
𝑠−𝑎 (𝑠 − 𝑎)2
𝜔 𝑛!
sin (ωt) u(t) tn eat u(t)
𝑠2 + 𝜔2 (𝑠 − 𝑎)𝑛+1
𝑠 2𝜔𝑠
cos (ωt) u(t) t sin(ωt) u(t)
𝑠2 + 𝜔2 (𝑠 2 + 𝜔 2 )2
𝜔 𝑠 2 − 𝜔2
𝑎𝑡
𝑒 𝑠𝑖𝑛 (𝜔𝑡 ) 𝑢(𝑡) t cos(ωt) u(t)
(𝑠 − 𝜎)2 + 𝜔 2 (𝑠 2 + 𝜔 2 )2
(𝑠 − 𝜎) 2𝜔(𝑠 − 𝜎)
𝑒 𝑎𝑡 𝑐𝑜𝑠 (𝜔𝑡 ) 𝑢(𝑡) t eσt sin(ωt) u(t)
(𝑠 − 𝜎)2 + 𝜔 2 ((𝑠 − 𝜎)2 + 𝜔 2 )2
1 σt
(𝑠 − 𝜎)2 − 𝜔2
t u(t) t e cos(ωt) u(t)
𝑠2 ((𝑠 − 𝜎)2 + 𝜔 2 )2

275
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

7.1.2. Transformadas operacionales

Tal como se mencionó más atrás, también se puede construir una tabla en la que se vea el
efecto de la transformación de Laplace sobre determinadas operaciones aplicadas a una
función f(t). Dichas operaciones son tales como la derivación, la integración, la
multiplicación por una constante, la convolución, etc. Se iniciará el tema desarrollando
algunos pares de transformadas operacionales.

[Link]. Multiplicación por una constante.



Si F(s) =  f (t )e st dt (Ec. 7.4)

0

entonces
 

 Kf (t )e dt  K  f (t )e st dt  KF (s)
 st
(Ec. 7.5)
0 0

[Link]. Linealidad.
 

 f (t )e f
 st
Si F1(s)= 1 dt y F2(s)= 2 (t )e  st dt (Ec. 7.6)
0 0

entonces
  

 af (t )  bf (t )e dt  a  f1 (t )e dt  b f 2 (t )e st dt  aF1 (s)  bF2 (s)

 st  st
1 2 (Ec. 7.7)
0 0 0

276
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

[Link]. Teorema de integración en el tiempo

Dado f(t) y conocido F(s), se quiere saber cuánto vale ℒ {∫ f(t)dt}

ℒ {∫ 𝑓(𝑡)𝑑𝑡} = ∫ [∫ 𝑓(𝑡)𝑑𝑡] 𝑒 −𝑠𝑡 𝑑𝑡

Haciendo:
𝑢 = ∫ 𝑓(𝑡)𝑑𝑡 𝑦 𝑣 ′ = 𝑒 −𝑠𝑡 𝑑𝑡
1 −𝑠𝑡
𝑢′ = 𝑓(𝑡)𝑑𝑡 𝑦 𝑣=− 𝑒
𝑠
∞ ∞
1 1
ℒ {∫ 𝑓(𝑡)𝑑𝑡} = ∫ 𝑢𝑣 ′ 𝑑𝑡 = − 𝑒 −𝑠𝑡 ∫ 𝑓(𝑡)𝑑𝑡 + ∫ 𝑒 −𝑠𝑡 𝑓(𝑡)
𝑠 0 𝑠 0

1
ℒ{∫ 𝑓(𝑡)𝑑𝑡} = 𝐹(𝑠)
𝑠

277
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

[Link]. Convolución

En el dominio del tiempo, la convolución de las señales f1(t) y f2(t) está dada por
∞
𝑦(𝑡) = 𝑓1 (𝑡) ∗ 𝑓2 (𝑡) = ∫ 𝑓1 (𝑡)𝑓2 (𝑡 − 𝜏)𝑑𝜏)
−∞

En el dominio de la frecuencia, la convolución se reduce a

𝑦(𝑠) = 𝐹1 (𝑠)𝐹2 (𝑠)

Tal como se hizo cuando se calcularon las parejas de transformación de Laplace, también
se puede construir una tabla que muestre las propiedades de la transformada de Laplace,
que es la que se muestra a continuación.

278
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Transformadas operacionales de Laplace

Dominio del tiempo Dominio de la frecuencia compleja

f1(t) + f2(t) F1(s) + F2(s)
a f(t) a F(s)
𝑑𝑓(𝑡)
s F(s) - f(0 +)
𝑑𝑡
𝑛−1
𝑑 𝑛 𝑓(𝑡)
𝑠 𝑛 𝐹 (𝑠) − ∑ 𝑠 𝑛−𝑖−1 𝑓 (𝑖) (0+ )
𝑑𝑡 𝑛
𝑖=0
𝑎𝑡
𝑒 𝑓(𝑡) 𝐹(𝑠 − 𝑎)
𝑑 𝑛 𝐹(𝑠)
𝑡 𝑛 𝑓(𝑡) (−1) 𝑛
𝑑𝑠 𝑛
f1(t)* f2(t) F1(s) F2(s)
Teorema del valor inicial lim+ 𝑓(𝑡) = lim 𝑠 𝐹(𝑠)
𝑡→0 𝑠→∞
Teorema del valor final lim 𝑓(𝑡) = lim 𝑠 𝐹(𝑠)
𝑡→∞ 𝑠→0

279
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

7.2. LA TRANSFORMADA INVERSA DE LAPLACE

Sea
g (t )  e t f t  (Ec. 7.8)
∞ ∞

𝐺 (𝑗𝜔) = ∫ 𝑒 −𝑗𝜔𝑡 𝑒 −𝜎𝑡 𝑓(𝑡)𝑑𝑡 = ∫ 𝑒 −(𝜎+𝑗𝜔)𝑡 𝑓(𝑡)𝑑𝑡 = (Ec. 7.9)

−∞ −∞
∞
(Ec. 7.10)
−(𝜎+𝑗𝜔)𝑡
𝐺 (𝑗𝜔) = 𝐹 (𝜎 + 𝑗𝜔) = ∫ 𝑓(𝑡) 𝑒 𝑑𝑡 =
−∞

Esta expresión puede compararse con la de la ecuación 5.10, que establece lo siguiente:
∞
1
𝑔(𝑡) = ∫ 𝐺 (𝑗𝜔) 𝑒 𝑗𝜔𝑡 𝑑𝜔
2𝜋
−∞

Al reemplazar G(jω) por F(σ+jω), resulta:

280
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

∞
1
𝑔(𝑡) = ∫ 𝐹 (𝜎 + 𝑗𝜔) 𝑒 𝑗𝜔𝑡 𝑑𝜔 = 𝑒 −𝜎𝑡 𝑓(𝑡) (Ec. 7.11)
2𝜋
−∞

De la ecuación 7.11 se deduce que:

∞
1
𝑓 (𝑡) = ∫ 𝐹 (𝜎 + 𝑗𝜔) 𝑒 (𝜎+𝑗𝜔)𝑡 𝑑𝜔 (Ec. 7.12)
2𝜋
−∞

Como la variable compleja es s=σ+jω, se puede deducir lo que se presenta a continuación:

𝑑𝑠 = 𝑗𝑑𝜔 (Ec. 7.13)

𝑑𝑠
𝑑𝜔 = (Ec. 7.14)
𝑗
∞
1
𝑓(𝑡) = ∫ 𝐹 (𝑠) 𝑒 𝑠𝑡 𝑑𝑠 (Ec. 7.15)
2𝜋𝑗
−∞

281
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

7.3. DESCOMPOSICIÓN EN FRACCIONES PARCIALES

Generalmente, la aplicación de la transformada inversa de Laplace no resulta tan simple

como la utilización de la tabla de pares de transformación de Laplace, que es inmediata.
Sin embargo, no todas las expresiones que uno obtiene en el dominio del tiempo se
encuentran en una tabla como esta, por lo que hay que manipularlas hasta llegar a
expresiones que sí aparezcan en la tabla. Para hacer esto, existe el método de
descomposición en fracciones parciales, el cual se presenta a continuación.

N s 
Dada una función racional expresada como F s   Ds  , dicha función se puede expresar
como:
N s 
 T1 (s)  T2 (s)  ...Tn (s) ,
Ds 
en donde cada término Ti (s) tendrá la forma:

A Bs  C
s  bu o
s 2
 ps  q 
v

282
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Y los factores de la forma s2+ps+q son irreducibles, o sea que no pueden descomponer en
factores con raíces reales.

7.3.1. Método para la descomposición en fracciones parciales

Una forma práctica para utilizar el método de descomposición en fracciones parciales es el

que se describe a continuación:

a) Descomponer D(s) en factores simples

b) Expandir la función en fracciones parciales como se indica en seguida:

N s  A B C1 s  D1 C2 s  D2 Cu s  Du
     ..... 
s  b2 s 2  ps  qu 
s  b s  b2 s 2  ps  q s 2  ps  q 
2
s 2
 ps  q 
u

c) Multiplicar la ecuación por D(s)

d) Igualar los coeficientes de los términos “s” del mismo orden y calcular los valores
de las constantes.

283
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 7.1. Dada F(s), calcular f(t).

8s  11
F s  
s 3  7s 2  14s  8
Solución:
Primero, se descompone la función en fracciones parciales:

8s  11 8s  11
F s  
A B C
   
s3  7s 2  14s  8 s  1s  2s  4 s  1 s  2 s  4

Ahora, se multiplican ambos términos por D(s):

8s+11 = A(s+2) (s+4) + B(s+1) (s+4) + C(s+1) (s+2)

8s+11 = (A+B+C) s2 + (6A+5B+3C) s+(8A+4B+2C)

Se igualan los coeficientes de s2, los de s y los términos independientes de ambos lados de
la ecuación, y de ahí resultan las tres ecuaciones que se muestran a continuación:

284
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

A+B+C=0
6A+5B+3C=8
8A+4B+2C=11

Al resolver este sistema de ecuaciones, se encuentra que los valores de las constantes son:

A=1 B=2.5 C=-3.5

con lo que la función F(s) es:

F s  
1 2.5 3.5
 
s 1 s  2 s  4

Hallando la transformada inversa, se obtiene f(t), que tiene la siguiente expresión:

𝑓(𝑡) = [𝑒 −𝑡 + 2.5𝑒 −2𝑡 − 3.5𝑒 −4𝑡 ]𝑢(𝑡)

285
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

11.5.2. Expansión de términos cuadráticos irreducibles

Cuando se tienen términos cuadráticos que no pueden reducirse a factores con raíces reales
sino a factores con raíces complejas conjugadas, la expansión en fracciones parciales
𝐴𝑠+𝐵
incluye un término con la forma . La presencia de estas raíces complejas
𝑠2 +𝑝𝑠+𝑞
conjugadas indica que en el dominio del tiempo existen simultáneamente funciones seno y
coseno amortiguadas, correspondientes a las expresiones K1e-atsen(ωt) y K2e-atcos(ωt). La
siguiente tabla muestra las transformadas de Laplace de estas senoidales amortiguadas:

f(t) F(s)
K1
K1e  at sen(t )
( s  a) 2   2
K 2 ( s  a)
K 2e  at
cos(t )
( s  a) 2   2

Entonces, al hacer la expansión en fracciones parciales, es necesario determinar los valores

de las constantes K1, K2, a y ω en términos de las constantes A, B, p y q. Estos valores se

286
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

determinan igualando la transformada de Laplace con la forma general que se tiene al

expandir la función, como se muestra a continuación.

As  B K1 K 2 ( s  a)
H ( s)   
s 2  ps  q (s  a) 2   2 (s  a) 2   2

As  B K 2 s  ( K1  K 2 a)

s 2  ps  q s 2  2as  (a 2   2 )

De esta última ecuación puede deducirse que se cumple lo siguiente:

K2  A

2a  p  a  p / 2

p2
a   q   q  a   q 
2 2 2

287
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ap
B
B  K2a 2
K1  K 2 a  B  K1   K1 
 p2
q
4
Al reemplazar estos resultados en la primera ecuación, resulta:

Ap p
(B 
) A( s  )
As  B 2 2
H ( s)  2  
s  ps  q  p
2
 p  
2
p
2
 p2 
s  2   q  4  s  2   q  4 
   

Y si se llevan estos valores a la expresión en el dominio del tiempo, resulta

 Ap  
 ( B  )   
 2  ( p / 2 ) t   p 2   ( p / 2 ) t

  p 2  
h(t )   e sen q t  Ae cos q t u(t )
 2    4     4  
 q p     

  
4 

288
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Ejemplo 7.2:

Hallar la transformada inversa de la siguiente función:

3𝑠 2 + 2𝑠 + 10
𝐻(𝑠) =
(𝑠 + 3)(𝑠 + 6)(𝑠 2 + 2𝑠 + 5)
Solución:

Se expande la función en fracciones parciales, de la siguiente manera:

3𝑠 2 + 2𝑠 + 10 𝐴 𝐵 𝐶𝑠 + 𝐷
( )
𝐻 𝑠 = = + +
(𝑠 + 3)(𝑠 + 6)(𝑠 2 + 2𝑠 + 5) 𝑠 + 3 𝑠 + 6 𝑠 2 + 2𝑠 + 5

Ahora se multiplican ambos lados por el denominador de H(s)

3𝑠 2 + 2𝑠 + 10 = 𝐴(𝑠 + 6)(𝑠 2 + 2𝑠 + 5) + 𝐵 (𝑠 + 3)(𝑠 2 + 2𝑠 + 5) + (𝐶𝑠 + 𝐷)(𝑠 + 3)(𝑠 + 6)

El desarrollo de los productos da como resultado lo siguiente:

3𝑠 2 + 2𝑠 + 10 =
(𝐴 + 𝐵 + 𝐶 + 𝐷)𝑠 3 + (8𝐴 + 5𝐵 + 9𝐶 + 𝐷)𝑠 2 +(7𝐴 + 11𝐵 + 18𝐶 + 9𝐷)𝑠 + (30𝐴 + 15𝐵 + 18𝐷)

289
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

De aquí resultan las siguientes ecuaciones:

A+B+C+D = 0
8A+5B+9C+D = 3
7A+11B+18C+9D = 2
30A+15B+18D = 10

Al resolver el sistema de ecuaciones, se obtienen los siguientes valores para las

constantes:

A = 3.32 B = -12.57 C= 3.75 D = 5.49

Con esto, la función original tiene esta nueva presentación:

3.32 12.57 3.75𝑠 + 5.49

𝐻(𝑠) = − + 2
𝑠+3 𝑠+6 𝑠 + 2𝑠 + 5

Y la función correspondiente en el dominio del tiempo será:

ℎ(𝑡) = (3.32𝑒 −3𝑡 − 12.57𝑒 −6𝑡 − 7.945𝑒 −𝑡 𝑠𝑒𝑛(2𝑡) + 3.32𝑒 −𝑡 cos(2𝑡))

290
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

7.4. LA TRANSFORMADA Z

La transformada Z es el equivalente en tiempo discreto de la transformada de Laplace. Así

como la transformada de Laplace permite analizar en frecuencia las señales en tiempo
continuo que no tienen transformada de Fourier, la transformada Z permite analizar señales
en tiempo discreto que no tienen DFT.

La transformada Z puede obtenerse a partir de la transformada de Laplace aplicando esta

última a una señal discreta dada por la secuencia resultante del muestreo de una señal
analógica. Si ésa señal analógica es xa(t), la señal muestreada correspondiente es xs(t), y si
las muestras se toman cada T segundos, dicha señal muestreada estará dada por
∞

𝑥𝑠 (𝑡) = ∑ 𝑥𝑎 (𝑛𝑇)𝛿(𝑡 − 𝑛𝑇) (Ec. 7.16)

𝑛=−∞

expresada como una función en tiempo discreto, queda

𝑥(𝑛) = 𝑥𝑎 (𝑛𝑇) (Ec. 7.17)

Por lo tanto, la transformada de Laplace de xs(t) es

291
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

∞ ∞ ∞

𝑋𝑠 (𝑠) = ∫ ∑ 𝑥𝑎 (𝑛𝑇) 𝑒 −𝑠𝑡 𝑑𝑡 = ∑ 𝑥𝑎 (𝑛𝑇) 𝑒 −𝑛𝑇𝑠 (Ec. 7.18)

−∞ 𝑛=−∞ 𝑛=−∞

este último paso se deduce de la propiedad de desplazamiento de la función impulso. Si se

hace z=eTs, se obtiene:
∞

𝑋𝑠 (𝑠)|𝑧=𝑒 𝑠𝑇 = ∑ 𝑥𝑎 (𝑛𝑇) 𝑧 −𝑛 (Ec. 7.19)

𝑛=−∞

La anterior expresión define la Transformada Z, y su forma definitiva se logra al reemplazar

xa(nT) por x(n), con lo que se obtiene la siguiente expresión:
∞

𝑋 (𝑧) = ∑ 𝑥(𝑛) 𝑧 −𝑛 (Ec. 7.20)

𝑛=−∞

292
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

La transformada Z suele denotarse como Z[x(n)]. Si la secuencia x(n) es causal, lo cual

corresponde a las señales realizables físicamente, la expresión de la transformada Z se
convierte en
∞

𝑋(𝑧) = ∑ 𝑥(𝑛) 𝑧 −𝑛 (Ec. 7.21)

𝑛=0

Para la transformada Z se puede hacer algo similar a lo que se hizo al calcular las
transformadas funcionales y operacionales de Laplace, para obtener las tablas que se
muestran a continuación.

293
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

PARES DE TRANSFORMADAS Z

x(n) para n≥0 X(s) x(n) X(z)

(𝑛 + 1)(𝑛 + 2) … (𝑛 + 𝑚) 𝑎 𝑛 𝑧 𝑚+1
δ(n) 1
𝑚! (𝑧 − 𝑎 )𝑚+1
𝑧(𝑧 − 𝑐𝑜𝑠Ω0 )
δ(n-m) z-m 𝑐𝑜𝑠Ω0 𝑛
𝑧 2 − 2𝑧 𝑐𝑜𝑠Ω0 + 1
𝑧 𝑧𝑠𝑒𝑛Ω0
u(n) 𝑠𝑒𝑛Ω0 𝑛
𝑧−1 𝑧 2 − 2𝑧𝑐𝑜𝑠Ω0 + 1
𝑧 𝑧(𝑧 − 𝑎 𝑐𝑜𝑠Ω0 )
n 𝑎 𝑛 𝑐𝑜𝑠Ω0 𝑛
(𝑧 − 1)2 𝑧 2 − 2𝑧𝑎 𝑐𝑜𝑠Ω0 + 𝑎 2
𝑧(𝑧 + 1) 𝑧𝑎 𝑠𝑒𝑛Ω0
n2 𝑎 𝑛 𝑠𝑒𝑛Ω0 𝑛
(𝑧 − 1)3 𝑧 2 − 2𝑧𝑎 𝑐𝑜𝑠Ω0 + 𝑎 2
𝑧 𝑧
an 𝑒 𝑎𝑛𝑇 𝑢(𝑛)
𝑧−𝑎 𝑧 − 𝑒 −𝑎𝑇
𝑎𝑧 𝑇𝑧
n an nT
(𝑧 − 𝑎 )2 (𝑧 − 1)2
𝑧2 𝑇𝑧 𝑒 −𝑎𝑇
(n+1) an 𝑛𝑇 𝑒 −𝑎𝑛𝑇 𝑢(𝑛)
(𝑧 − 𝑎 )2 (𝑧 − 𝑒 −𝑎𝑇 )2

294
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

PROPIEDADES DE LA TRANSFORMADA Z

Linealidad 𝑎1 𝑥1 (𝑛) + 𝑎2 𝑥2 (𝑛) 𝑎1 𝑋1 (𝑧) + 𝑎2 𝑋2 (𝑧)

𝑛0 −1

𝑥 (𝑛 + 𝑛0 ) 𝑧 𝑛0 [𝑋(𝑧) − ∑ 𝑥(𝑚)𝑧 −𝑚 ]
Desplazamiento 𝑚=0
temporal −1

𝑥 (𝑛 − 𝑛0 ) 𝑧 −𝑛0 [𝑋 (𝑧) + ∑ 𝑥(𝑚)𝑧 −𝑚 ]

𝑚=−𝑛0
Escalado en
𝑎 𝑛 𝑥(𝑛) 𝑋(𝑎 −1𝑧)
frecuencia
Multiplicación 𝑑
𝑛𝑥(𝑛) −𝑧 𝑋(𝑧)
para n 𝑑𝑧
𝑑 𝑘
𝑛𝑘 𝑥(𝑛) (−𝑧 ) 𝑋(𝑧)
𝑑𝑧
Convolución 𝑥1 (𝑛) ∗ 𝑥2 (𝑛) 𝑋1 (𝑧)𝑋2 (𝑧)

295
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 8: TEOREMA DE MUESTREO

8.1. MUESTREO DE UNA SEÑAL

Con frecuencia, es necesario tomar muestras de una señal analógica. Esto ocurre, por
ejemplo, cuando se dispone de un sistema digital que está monitoreando muchas señales
analógicas. En un caso como este, generalmente, el tiempo que dura el ciclo del reloj del
sistema digital es considerablemente menor que el período de la componente de más alta
frecuencia de muchas de las señales que debe muestrear. Gracias a esto, el sistema digital
puede tomar sólo unas pocas muestras de cada señal sin que se pierda información. La
figura 8.1 muestra una posible señal analógica, x(t), que es susceptible de ser muestreada.

296
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 8.1. Señal analógica que se quiere muestrear.

Una forma de muestrear la señal x(t) es utilizando un tren de impulsos periódicos, p(t),
como el mostrado en la figura 8.2. Dada su aplicación para lo que aquí se pretende hacer,
a este tren de impulsos se le denomina función de muestreo.

Figura 8.2. Tren de impulsos, p(t), o función de muestreo.

297
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Puede verse que el tren de impulsos está definido por la siguiente expresión


p(t )   (t  nT )
n
(Ec. 8.1)
Como ya se dijo, el tren de impulsos recibe el nombre de función de muestreo. El período
T se conoce como período de muestreo y la frecuencia fundamental del tren de impulsos,
ωs=2/T, se llama frecuencia de muestreo. Para lograr una señal muestreada, este tren de
impulsos multiplica a la señal en tiempo continuo que se desea muestrear, tal como se indica
en la Figura 8.3.

Figura 8.3. Muestreo de x(t) utilizando el tren de impulsos p(t).

298
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

A la señal muestreada se le da el nombre de xs(t) y está dada por

xs(t) = x(t)p(t) (Ec. 8.2)

Gracias a la propiedad de muestreo de la función impulso, se sabe que

x(t)  (t-t0) = x(t0)  (t- t0) (Ec. 8.3)

lo que indica que al multiplicar la señal de la Figura 8.1 por el tren de impulsos periódicos
de la Figura 8.2 se obtiene como resultado la señal de la Figura 8.4, que realmente es un
tren de impulsos ponderados, es decir, un tren de impulsos cuyas amplitudes varían de
acuerdo con la amplitud de la señal x(t). A esta nueva señal se le conoce como señal
muestreada, xs(t).

Figura 8.4. Señal muestreada, xs(t)

299
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

En estas condiciones, la señal muestreada tendrá la siguiente expresión:


xs (t )   x(nT ) (t  nT )
n
(Ec. 8.4)

Al hacer la transformación de Fourier de esta señal, según puede verse de la propiedad de

multiplicación (ver Tabla de propiedades de la Transformada de Fourier), se obtiene


1
X s ( jw) 
2
 X ( jw)  P( jw)

(Ec. 8.5)
y se puede demostrar que

2 
P( jw) 
T
 (w  kw )
k 
s (Ec. 8.6)

Como la convolución entre una función y un impulso desplazado simplemente desplaza la

señal, esto es,
X ( jw)   (w  w0 )  X  j (w  w0 ) (Ec. 8.7)

300
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

se deduce que
1 
X s ( jw)   X  j (w  kws ) (Ec. 8.8)
T k 

O sea que Xs(jω) es una función periódica (en el dominio de la frecuencia) que consiste en
una sucesión de réplicas de X(jω) desplazadas cada ωs y escaladas por (1/T), como se
muestra en la Figura 8.5. En la Figura 8.5.c, cuando la frecuencia máxima ωM es tal que
ωM<(ωs-ωM), o sea cuando ωs > 2ωM, no hay traslape entre las réplicas de X(jω), mientras
que en la Figura 8.5.d, caso en el cual ωs < 2 ωM , sí hay traslape entre dichas réplicas, lo
cual produce distorsión en la señal al ser recuperada. Ésta se conoce como distorsión por
submuestreo y produce el efecto conocido como aliasing. Por lo tanto, puede concluirse
que para recuperar completamente una señal es necesario que la frecuencia de muestreo sea
igual o mayor al doble de la máxima componente frecuencia de la señal. Esto se conoce
como teorema de muestreo o teorema de Nyquist y se expresa como se indica en el numeral
7.2.

301
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

302
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 8.5. Efecto en el dominio de la frecuencia del muestreo en el dominio del tiempo.

303
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

8.2. TEOREMA DE MUESTREO

A partir de lo visto en la Figura 8.5, puede enunciarse el Teorema de Muestreo, de la

siguiente manera:

Sea x(t) una señal de banda limitada con X(jω) = 0 para |ω|>ωM. Entonces x(t) se determina
unívocamente mediante sus muestras x(nT), en donde n es un número entero, si

𝜔𝑠 ≥ 2𝜔𝑀 (Ec. 8.8)

donde
2𝜋
𝜔𝑠 = (Ec. 8.9)
𝑇

A partir de las muestras tomadas de esta manera, es posible reconstruir la señal x(t)
generando un tren de impulsos periódicos en el cual los impulsos sucesivos tengan
amplitudes que correspondan a valores de muestras sucesivas. Este tren de impulsos es
entonces procesado a través de un filtro pasa bajos ideal con ganancia T cuya frecuencia de
corte sea mayor que ωM y menor que ωs - ωM. La señal de salida resultante será exactamente
igual a x(t).

304
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

El teorema de muestreo también puede enunciarse de la siguiente manera: Si una función

x(t) contiene frecuencias no mayores que fm, dicha función puede determinarse
completamente tomando muestras de ella cada 1/(2fm) segundos. En otras palabras, para
representar con precisión una señal analógica, la mínima frecuencia de muestreo debe ser
igual o mayor al doble de la componente de frecuencia más alta de la señal original. Esta
mínima frecuencia de muestreo se conoce también como “Frecuencia de Nyquist” o Límite
de Nyquist.

Si fs<2fm, las bandas de frecuencia se traslapan y esto causa interferencia en la señal de

salida. Este efecto se llama “aliasing” y se muestra en la figura 8.6.d (Y es el mismo que
se mostró en la Figura 8.5.d). El efecto del aliasing en la entrada puede demostrarse usando
ratas de muestreo sobre una onda seno de frecuencia fa, como se muestra en la figura 8.6.a.
En la figura 8.6.b se muestrea en el límite de Nyquist (fs=2fa). Si se juntan las muestras con
líneas rectas se obtiene una onda triangular. Cualquier onda triangular tiene componentes
frecuenciales en fa, 3fa, 5fa, etc., pero si se usa un filtro pasa bajos cuya frecuencia de corte
esté entre 2fa y 3fa, se podrá recuperar fácilmente la señal original.

305
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 8.6.a. Onda seno original de entrada con frecuencia fa.

Figura 8.6.b. Muestreo a fs = 2fa.

306
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Usando el mismo método en las muestras que se ven en la figura 8.6.c (fa<fa) se puede ver
que, al unir las muestras adyacentes, la forma de onda no mantiene algunas de las
características de la onda seno original. En efecto, las muestras parecen ahora representar
una onda seno con una frecuencia totalmente diferente. Ahora no se puede recuperar la
señal original a partir de las muestras. Este es el origen del término “aliasing”: La onda
seno de frecuencia más alta tiene ahora un alias en la onda seno de menor frecuencia
inferida de las muestras. En otras palabras, las muestras digitales no son representativas de
la señal de entrada y por lo tanto cualquier procesamiento numérico será inválido.

Figura 8.6.c Muestreo a fs <2fa. Ocurre aliasing.

307
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Luego se toma una frecuencia de muestreo fs por encima de fa, que es la componente de
mayor frecuencia de la onda seno original en el espectro muestreado, como se muestra en
la figura 8.6.d y se logra una mejor calidad en la representación de la señal de entrada. Esto
facilita la recuperación de la señal original. Sin embargo, una señal sobremuestreada
implica un mayor trabajo para el procesador digital de señales (DSP) utilizado, ya que debe
calcular una salida para cada muestra de entrada; si se incrementa la frecuencia de muestreo
se reduce el tiempo disponible para que el DSP realice cualquier otra función que se
requiera.

Figura 8.6.d. Muestreo a fs >> 2fa. Se obtiene una representación de mayor calidad.

308
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

8.2.1. Muestreo de señales de banda no limitada

En el mundo real rara vez se trabaja con señales conformadas por una única onda seno
como la de la figura 8.6.a. Las señales típicas tienen un espectro amplio, como se muestra
en la figura 8.7. La información ubicada por encima de cierta frecuencia o por debajo de
cierta amplitud usualmente se considera superflua para las exigencias. Por ejemplo, en
aplicaciones de audio de alta fidelidad (HiFi) a menudo se asume que la máxima frecuencia
que el oído puede detectar es 20 KHz. Si la máxima frecuencia de interés en una señal es
fm, dicha señal podría muestrearse a fs=2fm, que es la rata de Nyquist, o sea 40 KHz en
aplicaciones de HiFi.

Figura 8.7. Espectro amplio de una señal típica.

309
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

En general, si la señal no es de banda limitada, se pueden obtener resultados no deseados

al hacer el muestreo. Si se muestrea una señal como esta (o sea, de banda no limitada) se
obtiene un espectro como el mostrado en la figura 8.8. Las bandas adyacentes se traslapan
y se produce aliasing en la señal de salida. Para evitar esto, la señal de entrada debe aplicarse
primero a un filtro pasa bajos para remover las componentes superiores a fm, como se
muestra en la figura 8.9.

Figura 8.8. Muestreo de un espectro amplio. Ocurre aliasing.

Este filtro pasa bajos se llama filtro antialiasing. En la mayoría de las aplicaciones se
requieren estos filtros. Como se necesitan antes de que se muestree la señal, estos filtros
siempre son analógicos. Teóricamente, sería posible eliminar el aliasing usando
dispositivos como los procesadores digitales de señales (DSP), pero esto implicaría una
aplicación relativamente complicada. En la práctica, no es común hacer esto, pues se podría

310
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

consumir gran parte de la capacidad de procesamiento del DSP, la cual se requiere para
otras tareas.

En la figura 8.9 se muestra la característica antialiasing ideal. Es plana sobre la banda de

paso y nula por fuera de ella. Un filtro ideal podría tener también una respuesta de fase
lineal. Las variaciones de este comportamiento ideal pueden tener un efecto significativo
sobre el desempeño del sistema. Por ejemplo, en el control de la velocidad de un motor, un
filtro mal diseñado puede significar que el sistema gaste todo el tiempo tratando de
compensar el filtro antes que tratar de mantener una velocidad constante en el motor. En
aplicaciones de audio una respuesta pobre de fase puede conducir a una distorsión armónica
y la degradación normalmente se percibe en forma audible, como sonidos desagradables.
Para las aplicaciones de audio, los filtros capacitivos conmutados disponibles
comercialmente se usan fácilmente y proveen una respuesta de fase razonablemente lineal.

Figura 8.9. Aplicación de un filtro pasa bajos para restringir la máxima frecuencia a fm.

311
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Capítulo 9: FILTRADO

9.1. INTRODUCCIÓN

Cuando se aplica una señal a un sistema, dicho sistema produce una respuesta que depende
de la señal de entrada y de las constantes del sistema, y que equivale a la convolución entre
la señal de entrada y la respuesta al impulso del sistema. Ésta respuesta, en general, contiene
unas componentes frecuenciales diferentes a las de la señal de entrada, ya que las
características del sistema hacen que presente su propia respuesta en frecuencia, atenuando
unas componentes, manteniendo algunas iguales y, probablemente, reforzando otras. Esas
diferencias entre las componentes frecuenciales de las señales de entrada y salida variarán
si la entrada se aplica a un sistema distinto. Por lo tanto, dependiendo del sistema al que se
aplique la entrada, se tendrá un determinado perfil en el espectro de la señal de salida.

A partir del conocimiento de sistemas elementales, se puede ver que es posible construir
sistemas cuya respuesta sea tal que permitan eliminar ciertas bandas de frecuencia dejando
pasar sin distorsión otras bandas. A estos sistemas se les denomina Filtros.

312
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

9.2. CLASIFICACIÓN DE LOS FILTROS

Se pueden lograr filtros que únicamente permitan el paso de las componentes de baja
frecuencia eliminando las de alta frecuencia; a éstos se les denomina Filtros Pasa Bajos.
También se pueden construir otros que sólo permitan el paso de las altas frecuencias, y se
denominan Filtros Pasa Altos. Otra opción es que se disponga de filtros que permitan el
paso de las componentes frecuenciales superiores a cierta frecuencia fmín e inferiores a otra
fmáx, y se conocen como Filtros Pasa Banda. Una cuarta opción es la de los Filtros Rechaza
Banda, los cuales permiten el paso de todas las frecuencias con excepción de las
comprendidas dentro de una determinada banda. En la Figura 9.1 se pueden ver
gráficamente las características ideales de los diferentes tipos de filtros.

313
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 9.1: Clasificación de los Filtros.

9.2. EL FILTRO RC

Como ya se dijo, la combinación adecuada de los componentes de un sistema permite

obtener determinadas características en la señal de salida. Estos componentes pueden
conformar sistemas eléctricos, mecánicos, hidráulicos, etc. Los sistemas eléctricos, que
pueden incluir bobinas, resistencias y condensadores, merecen especial atención debido a
su facilidad de implementación y análisis. Con mucha frecuencia se evita el uso de las

314
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

bobinas, debido a su gran peso, volumen y alto costo, trabajando solamente con
condensadores y resistencias, esto es con sistemas RC.

9.2.1. Filtro Pasa altos.

El análisis del sistema mostrado en la Figura 9.2 permite ver su respuesta en frecuencia. La
señal de salida puede calcularse mediante la operación de división de tensión, tal como se
hace a continuación:

Figura 9.2: Filtro Pasa Altos RC.

315
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

R
Vsal  Vent (Ec. 9.1)
R  XC

en donde XC es la reactancia capacitiva y está dada por

1
𝑋𝐶 = (Ec. 9.2)
𝑗𝜔𝐶

o sea que el voltaje de salida puede expresarse como

𝑅
𝑉𝑠𝑎𝑙 = ( ) 𝑉𝑒𝑛𝑡 (Ec. 9.3)
1
1 + 𝑗𝜔𝐶

y la función de transferencia será

𝑉𝑠𝑎𝑙 𝑅 𝑗𝜔𝑅𝐶
𝐻(𝑗𝜔) = = =
𝑉𝑒𝑛𝑡 1 + 1 1 + 𝑗𝜔𝑅𝐶 (Ec. 9.4)
𝑗𝜔𝐶

316
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Un rápido análisis permite ver que la función de transferencia tiene una respuesta en
frecuencia tal que es de amplitud baja en las bajas frecuencias y tiende a la unidad en las
altas frecuencias, tal como se muestra en la Figura 9.3. Esta es la característica de un filtro
pasa-altos.

Figura 9.3: Respuesta en frecuencia de la amplitud del filtro pasa altos.

Así como hay una respuesta de amplitud, hay otra de fase, según se puede deducir de la
ecuación 9.4, a partir de la cual se construye el diagrama fasorial de la Figura 9.4.

317
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

Figura 9.4: Diagrama fasorial de la función de transferencia.

Por lo tanto, para este filtro RC pasa altos la respuesta de fase será la que se muestra en la
Figura 9.5.

Figura 9.5: Respuesta en frecuencia de la fase del filtro pasa altos.

318
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

9.2.2. Filtro Pasa bajos.

Si se intercambian las posiciones de R y C, como se muestra en el sistema de la Figura 9.6,

se logra un comportamiento propio de un filtro pasa bajos.

Figura 9.6: Filtro Pasa Bajos RC.

En este caso, la señal de salida está dada por

𝑋𝐶
𝑉𝑠𝑎𝑙 = 𝑉 (Ec. 9.5)
𝑅 + 𝑋𝐶 𝑒𝑛𝑡

o también puede expresarse como

319
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

1
𝑗𝜔𝐶 1
𝑉𝑠𝑎𝑙 = 𝑉 = 𝑉 (Ec. 9.6)
1 𝑒𝑛𝑡 1 + 𝑗𝜔𝑅𝐶 𝑒𝑛𝑡
𝑅 + 𝑗𝜔𝐶

y la función de transferencia del filtro será

𝑉𝑠𝑎𝑙 1
𝐻(𝑗𝜔) = = (Ec. 9.7)
𝑉𝑒𝑛𝑡 1 + 𝑗𝜔𝑅𝐶

Con base en la expresión de la función de transferencia se construyen las gráficas de

amplitud y fase, que se muestran en la Figura 9.7.

Figura 9.7: Respuesta en frecuencia de amplitud y fase del filtro pasa bajos.

320
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

9.3. MEDIDAS DE DESEMPEÑO DE UN FILTRO

Como puede verse en las curvas de los filtros pasa bajos y pasa altos, su respuesta no es
exactamente igual a las curvas de los filtros ideales. Esto siempre ocurrirá en el mundo real
cuando se construya cualquier tipo de filtro; sin embargo, es posible lograr un cierto grado
de aproximación entre la respuesta en frecuencia real y la ideal. Con el fin de visualizar qué
tanto se aproximan estas respuestas, se identifican ciertos parámetros o medidas de
desempeño en la respuesta del filtro real, como se muestra en la Figura 9.8.

Figura 9.8: Medidas de desempeño de un filtro.

321
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

9.4. RESPUESTA DE UN FILTRO PASABAJOS.

9.4.1. Respuesta a un escalón.

Un filtro como los vistos hasta aquí es un filtro de primer orden. Si este filtro se conecta en
cascada con otro con configuración similar, se convierte en un filtro de segundo orden. Las
respuestas de estos filtros a una entrada escalón se muestran en la Figura 9.9.

a) Primer orden b) Segundo orden

Figura 9.9: Respuestas en el tiempo de filtros de primer y segundo orden a una entrada
escalón.

322
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

9.4.2. Respuesta a una entrada escalonada.

Si en vez de un escalón se aplica una señal escalonada a la entrada de un filtro RC, se

obtiene una salida como la mostrada en la Figura 9.10. Como puede verse, el efecto del
filtro es suavizar la señal.

Figura 9.10: Respuesta en el tiempo de un filtro RC a una entrada escalonada.

323
 Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

9.4.3. Filtros digitales.

Como ya se sabe, una señal en tiempo discreto tiene algunas características que la
diferencian de una señal en tiempo continuo. Una de éstas es que una señal en tiempo
discreto tiene una cantidad finita de armónicos, lo cual se mostró claramente en la figura
3.11. Allí se vio que las señales de baja frecuencia (por ejemplo, las mostradas en las figuras
3.11.a y 3.11.i) corresponden a valores de Ω cercanos a múltiplos de 2π, mientras que las
altas frecuencias (como las de las figuras 3.11.d, 3.11.e y 3.11.f) corresponden a valores de
Ω cercanos a múltiplos impares de π. Esto indica que la respuesta en frecuencia de los
filtros en tiempo discreto debe hacerse mirando qué tan cerca de π o a 2π se encuentran las
componentes frecuenciales de la señal. De esta manera, las respuestas en frecuencia de los
diferentes tipos de filtros mencionados anteriormente, tendrán las características mostradas
en la figura siguiente:

324
Señales en tiempo continuo y tiempo discreto Raúl Restrepo Agudelo

325