Professional Documents
Culture Documents
w = f (z ) = u + jv
z = x + jy ⇒ w = u ( x, y ) + jv( x, y )
Forma polar:
z − z0 ≤ ρ
jy
ρ
z
z0
θ + 2kπ θ + 2kπ
n
z = n ρ .cos + j sin para k ∈ {0,1,2,..., (n − 1)}
n n
Complementos V.C. Pág. 20
Exponencial:
e z = e x ± jy = e x .e ± jy = e x .(cos θ ± j sin θ )
Complementos V.C. Pág. 22
Trigonométricas e Hiperbólicas:
cos 2 z + sin 2 z = 1
1 jz
cos z =
2
(
e + e − jz )
cos z = cos( x ). cosh ( y ) − j sin ( x ). sinh ( y )
1 jz
sin z =
2j
(
e − e − jz )
sin z = sin (x ). cosh ( y ) + j cos( x ). sinh ( y )
1 z
cosh z =
2
(
e + e −z )
cosh z = cos( jz )
1 z
sinh z =
2
(
e − e −z )
sinh z = j sin ( jz )
Complementos V.C. Pág. 23
Logarítmicas:
a z = e z . ln a
ln z = ln ρ + jθ
Complementos V.C. Pág. 24
Límite:
jy jv
z0 δ
ε
l
x u
Complementos V.C. Pág. 11
Continuidad:
Si ∃f (z 0 ) ∧ ∃ lim f ( z ) = l ∧ f ( z 0 ) = l ⇒ f ( z ) es contínua en z 0
z → z0
Complementos V.C. Pág. 12
Derivada:
df ( z ) f ( z + ∆z ) − f ( z )
= lim
dz ∆z → 0 ∆z
Si el límite existe, o sea, si la función es derivable
La derivada de una función compleja, cumple las propiedades de la derivada de una función
real, por ejemplo la derivada de una suma o de un producto, etc.
Complementos V.C. Pág. 12
Ecuaciones de Cauchy-Riemann:
Una función es analítica en una cierta región si está definida y es derivable en dicha región.
Siempre se cumple que:
∂u ∂v
∂x = ∂y
f ( z ) es analítica ⇔
∂v ∂u
=−
∂x ∂y
*/ Estudiar la demostración /*
Complementos V.C. Pág. 15
Ecuación de Laplace:
∇ 2u = 0
∂ 2u ∂ 2u
Si + = 0 ⇒ u es armónica
∂x 2 ∂y 2
x = x(t )
Sea C : (a ≤ t ≤ b ) una curva en el plano complejo, en la cual x(t ) e y(t ) son
y = y( y)
funciones derivables, siendo z (t ) = x (t ) + j. y (t ) .
b
∫ f ( z ).dz = ∫ f [z (t )].z ′.dt
C a
*/ Estudiar la demostración /*
Complementos V.C. Pág. 26
Teorema de Cauchy para funciones analíticas:
Sea f (z ) una función analítica en una región R , cuyo borde es una curva C cerrada y
simple, entonces:
∫
C
f ( z ).dz = 0
*/ Estudiar la demostración /*
⇐
/
O sea: Si f ( z ) es analítica ⇒ ∫ f ( z ).dz = 0
C
Complementos V.C. Pág. 32
Fórmula de la Integral de Cauchy:
Sea F ( z ) una función analítica en una región R , cuyo borde es una curva C cerrada y simple,
F ( z)
recorrida en sentido positivo, y sea f ( z ) = , analítica en R menos en el punto z 0 ,
(z − z 0 )
entonces:
F (z )
∫ f (z ).dz = ∫ (z − z ).dz = 2.π . j.F (z )
C C
0
0
*/ Estudiar la demostración /*
Complementos V.C. Pág. 35
Derivadas de una función analítica:
n! F (z )
F (n ) ( z 0 ) = ⋅∫ .dz
2.π . j C ( z − z 0 )n +1
*/ Estudiar la demostración /*
Complementos V.C. Pág. 36
SERIES Y SUCESIONES
Series: principios de la convergencia de Cauchy:
∞
Serie: La serie es la suma de los términos de una sucesión. S = ∑W
i =1
i
∞ ∞
Dada S = ∑ Wn : Si ∑ Wn converge ⇒ S es ABSOLUTAMENTE CONVERGENTE
n =1 n =1
∞ ∞
Dada S = ∑ Wn : Si converge pero ∑ Wn diverge ⇒ S es CONDICIONALMENTE
n =1 n =1
CONVERGENTE
Complementos V.C. Pág. 42
Criterios de convergencia de Series:
Prueba de la razón:
Prueba de la raíz:
Serie Geométrica:
∞
( )
S = ∑ q n =q a + q a +1 + q a + 2 + ...
n=a
∞
[
S = ∑ C n .( z − a )
n
]
n =0
a R Región de Convergencia
ROC
*/ Estudiar la demostración /*
Teorema:
Si S converge para un z 0 ⇒ converge absolutamente ∀z z − a < z 0 − a
*/ Estudiar la demostración /*
Criterio de Unicidad:
Serie de Taylor:
f (n ) (a )
Corolario: C n =
n!
Complementos V.C. Pág. 49
Serie de Laurent:
*/ Estudiar la demostración /*
2π . j. A−1 = ∫ f ( z ).dz
C
*/ Estudiar la demostración /*
Complementos V.C. Pág. 54
Analiticidad, ceros y polos:
Ceros:
Cero Simple:
Cero Múltiple:
Polos:
Los ceros del denominador de la función son los polos de f ( z ) , por lo tanto la
función no es analítica.
Si existe un polo de multiplicidad m , entonces:
−1
f ( z ) = A−m .( z − a ) + ... + A−1 .( z − a ) + A0 + A1 .( z − a ) + ...
−m
Singularidad Esencial:
A−1 = lim[( z − a ). f ( z )]
z →a
p(z ) p (a )
Si f ( z ) = ⇒ A−1 =
q(z ) q ′(a )
*/ Estudiar la demostración /*
A−1 =
1
lim
[
d (m−1) ( z − a )m . f ( z )
]
(m − 1)! z →a dz m −1
*/ Estudiar la demostración /*
Complementos V.C. Pág. 61
Teorema de los residuos:
x
Complementos V.C. Pág. 64
Evaluación de Integrales reales por el método de los residuos:
2π
1) Integrales del tipo ∫0
R(cos θ , sin θ ).dθ
dz
z = e jθ ⇒ dz = j.e jθ .dθ ⇒ dθ =
j. z
z + z −1
cos θ =
2 R z + z , z − z ⇒
−1 −1
−1
sin θ =
z−z
2 2 j
2 j
n
2π dz
∫ R (cos θ , sin θ ).dθ = ∫ f (z ). = 2π . j.∑ Res f ( z )a j
0 C j. z i =1
*/ Estudiar resolviendo ejemplos /*
∞
2) Integrales impropias del tipo ∫−∞
f ( x).dx
( 2
)
debido a que dividiendo por 1 − x , los coeficientes son funciones analíticas en x = 0 .
Los coeficientes de dicha serie, serán definidos a través de la siguiente fórmula de recurrencia:
C s+2 = −
(n − s )(. n + s + 1) C
(s + 2)(. s + 1) s
y si elegimos C 0 y C1 como constantes arbitrarias, podemos obtener todos los demás.
La solución de la ecuación será:
y ( x ) = C 0 . y1 ( x ) + C1 . y 2 ( x )
*/ Demostrar todo /*
Complementos L Pág. 1
Polinomios de Legèndre:
Los polinomios de Legèndre son las diferentes soluciones resultantes a la ecuación de Legèndre.
Se definen como:
M
Pn ( x ) = ∑ (C n − 2.m ).x n −2.m
m =0
C n −2.m = (− 1) .
m (2.n − m )!
2 .m!.(n − m )!.(n − 2.m )!
n
con M =
n
para n par y M =
(n − 1) para n impar.
2 2
*/ Demostrar todo /*
Complementos L Pág. 4
Ecuación diferencial de Bessel:
( )
x 2 . y ′′ + x. y ′ + x 2 − p 2 . y = 0
1
C 2.m = − .C 2.m −2 con C 0 constante arbitraria, y todos los coeficientes de índice
2 .m.( p + m )
2
∞
Γ(α ) = ∫ e −t .t α −1 .dt
0
Γ(k + 1) = k!
Complementos B Pág. 3
Volviendo a Bessel, utilizando la función gamma podemos escribir los coeficientes como:
(− 1)
m
1
C 2.m = 2.m + p debido a que se toma C 0 =
2 .m!.Γ( p + m + 1) 2 .Γ( p + 1)
p
2. m + p
J p (x ) = ∑
∞
(− 1)m x
.
m = 0 m!.Γ ( p + m + 1) 2
“Función de Bessel de primera clase, de orden p ”
*/ Demostrar todo /*
Complementos B Pág. 4
Funciones de Bessel de primera y segunda clase:
La segunda solución a la ecuación de Bessel, está conformada por una función de la forma:
J p ( x ). cos( p.π ) − J − p ( x )
Y p (x ) =
sin ( p.π )
“Función de Bessel de segunda clase, de orden p ”
E = −∇φ
El campo eléctrico es igual al gradiente del potencial eléctrico cambiado de signo.
∇ 2φ = −4.π .ρ
Ecuación de Poisson
Complementos TP Pág. 1
Ecuación de Laplace:
∇ 2φ = 0
Ecuación de Laplace
Propiedades:
1. Linealidad: La combinación lineal de las soluciones linealmente independientes de la
Ecuación de Laplace, también es solución de la misma.
2. Unicidad: Dos soluciones de la Ecuación de Laplace que satisfacen las mismas
condiciones de contorno, difieren a lo sumo en una constante aditiva.
Complementos TP Pág. 3
t n
Apuntes Pág. 1
Potencia y energía de las Señales:
Potencia promedio:
Energía:
∑ x[n]
t2 2 2
E = ∫ x(t ) .dt y E =
t1
n = N1
Tiempo continuo:
1 T 2 T 2
P∞ = lim .∫ x(t ) .dt y E ∞ = lim ∫ x(t ) .dt
T →∞ 2T −T T →∞ −T
Tiempo discreto:
1 N N
. ∑ x[n] y E ∞ = lim ∑ x[n ]
2 2
P∞ = lim
N →∞ 2 N + 1 N →∞
n=− N n =− N
Apuntes Pág. 3
x(− t ) x[− n]
t n
Traslación:
x(t − t 0 ) x[n − n0 ]
t0 t n0 n
Reflexión y traslación:
x(t 0 − t ) x[n0 − n]
t0 t n0 n
Escalado:
Compresión Diezmado
x(α .t ) α >1 x[N .n] N ∈Z
N =2
t n
Expansión Interpolación 0
x(α .t ) α <1 n N ∈Z
x
N N =2
t n
n n
Apuntes Pág. 5
Simetrías:
Teorema:
Toda señal arbitraria tiene una parte par y una parte impar definidas como:
1 1
x par (t ) = (x(t ) + x(− t )) y ximpar (t ) = (x(t ) − x(− t ))
2 2
*/ Estudiar la demostración /*
Apuntes Pág. 8
Señales Periódicas:
Señal exponencial Compleja:
¡OJO!
La señal exponencial Compleja General NO ES PERIÓDICA debido al factor eσ .t , que
para σ < 0 la hace decrecer en amplitud y para σ > 0 la hace crecer
Apuntes Pág. 14
Señal exponencial e j .ω .t :
x(t ) = e j .ω0 .t
x[n] = e j .Ω.n
donde Ω = ω.∆t , y también es la frecuencia angular de la señal.
Propiedades:
1. Periodicidad en n :
x[n] = x[n + N ] donde N es un número entero de muestras
2. Periodicidad en Ω :
e j.Ω.n = e j .(Ω + 2.k .π ).n
Apuntes Pág. 15
Funciones especiales:
Tiempo Continuo:
Impulso unitario o Delta de Dirac:
∞ si t = 0
δ (t ) =
0 si t ≠ 0
Propiedades:
∞
1. ∫ δ (t ).dt = 1
−∞
∞
2. Propiedad de selección: ∫ δ (t − t ).ϕ (t ).dt = ϕ (t )
−∞
0 0
Apuntes Pág. 21
Función escalón:
1 si t > 0
u (t ) =
0 si t < 0
Propiedades:
t
1. u (t ) = ∫ δ (τ ).dτ
−∞
du (t )
2. = δ (t )
dt
Apuntes Pág. 21
Tiempo Discreto:
Impulso unitario o Delta de Dirac:
1 si n = 0
δ [n] =
0 si n ≠ 0
Propiedades:
∞
1. Propiedad de selección: ∑ δ [n − k ].x[k ] = x[n]
k = −∞
Apuntes Pág. 20
Función escalón:
1 si n ≥ 0
u[n ] =
0 si n < 0
Propiedades:
n
1. u[n ] = ∑ δ [k ]
k = −∞
Apuntes Pág. 25
Clasificación:
Respecto de la memoria:
Si tenemos un sistema Lineal e Invariante con el tiempo (Sistema L.T.I.), puede ser
caracterizado por una función h[n] llamada Respuesta Impulsiva, y que corresponde a
la salida del sistema cuando en la entrada se coloca un impulso o Delta de Dirac.
Ahora, la salida de dicho sistema, puede calcularse conociendo la entrada que vamos a
aplicar y la respuesta impulsiva, aplicando una operación llamada Convolución, y que
consiste en:
∞
y[n ] = x[n ]* h[n] = ∑ x[k ].h[n − k ]
k = −∞
*/ Estudiar la demostración /*
x[n] h[n] y[n]
Apuntes Pág. 30
Tiempo Contínuo:
∞
y (t ) = x(t ) * h(t ) = ∫ x(τ ).h(t − τ ).dτ
−∞
*/ Estudiar la demostración /*
x(t ) h(t ) y (t )
Apuntes Pág. 35
Propiedades de la Convolución:
1. Conmutativa: x * h = h * x
2. Asociativa: h1 * (h2 * h3 ) = (h1 * h2 ) * h3
3. Distributiva respecto de la suma: x * (h1 + h2 ) = ( x * h1 ) + ( x * h2 )
Apuntes Pág. 38
Representación Matemática de Sistemas y Señales:
Sistemas L.T.I. en Tiempo Contínuo:
∑a
k =0
k .y (k )
(t ) = ∑ bk .x (k ) (t )
k =0
x1 x1 + x 2 x a a.x
+
x2
Derivador: Integrador:
x x′ t
N M
x2
Si x(t ) = e j .ω .t , entonces:
y (t ) = e j .ω .t .H ( j.ω )
donde
∞
H ( j.ω ) = ∫ h(τ ).e − j .ω .τ .dτ
−∞
*/ Estudiar la demostración /*
h(t ) h(t )
Apuntes Pág. 39
Estabilidad:
Todo sistema Estable o BIBO (Bounded Input - Bounded Output | Entrada acotada - Salida
Acotada) tiene como condición que:
∑
h[n − k ] < ∞ [Tiempo Discreto]
k
∞
∫ h(τ ).dτ < ∞ [Tiempo Continuo]
−∞
*/ Estudiar la demostración /*
Esto quiere decir que la sumatoria o integral de la respuesta impulsiva debe converger a algún
valor finito, porque sino, por más que yo ponga una señal acotada en la entrada, la salida no será
acotada.
Apuntes Pág. 39
Series de Fourier
TIEMPO CONTÍNUO
Desarrollos Ortogonales:
Para poder desarrollar con mayor facilidad las Series de Fourier, necesitamos conjuntos de
funciones ortogonales.
Un conjunto de funciones { f n (t )}n =1 es ortogonal en un intervalo (a, b ) si se cumple que:
∞
b
∫ f (t ). f (t ).w(t ).dt = 0 siendo i ≠
a
i j j
donde w(t ) es la llamada función de peso, que para el caso de la mayoría de las funciones
utilizadas comúnmente, es igual a 1.
Apuntes Pág. 45
Norma:
Para que una función cualquiera pueda ser desarrollada por Series de Fourier, debe cumplir con
las siguientes condiciones, llamadas Condiciones de Dirichlet:
1. f (t ) debe ser absolutamente integrable sobre cualquier período, o sea que en él no
debe tener discontinuidades infinitas:
∫<T >
f (t ) .dt < ∞ ⇒ C n < ∞
2. f (t ) debe tener un número finito de máximos y mínimos en un período cualquiera
3. f (t ) puede tener un número finito de saltos finitos en un periodo cualquiera
Apuntes Pág. 46
Serie Generalizada de Fourier:
Para poder representar matemáticamente cualquier fenómeno físico que recibimos como señal,
constamos de una herramienta llamada Serie de Fourier, que nos permite sintetizar la señal
recibida a partir de un conjunto de señales más simples, dosificando con coeficientes la cantidad
de cada señal simple que se va a aplicar.
La fórmula más general de la Serie de Fourier es:
∞
F (t ) = ∑ C n . f n (t )
n=0
SÍNTESIS
Donde C n son los Coeficientes de la Serie de Fourier y f n (t ) son las funciones pertenecientes
a un conjunto de funciones más sencillas.
1 b
2 ∫
Cn = . F (t ). f n (t ).w(t ).dt
f n (t ) a
ANÁLISIS
*/ Estudiar la demostración /*
Apuntes Pág. 45
Convergencia de las series de Fourier:
Las Series de Fourier que son de utilidad son las que convergen.
S .F .(t ) → F (t )
S .F .(t ) =
( )
F t− + F t+ ( )
2
Apuntes Pág. 47
Serie Trigonométrica de Fourier:
a0 ∞
F (t ) = + ∑ [a n . cos(n.ω 0 .t ) + bn . sin (n.ω 0 .t )]
2 n =1
SÍNTESIS
2
T ∫<T >
an = F (t ). cos(n.ω 0 .t ).dt
2
bn = ∫ F (t ). sin (n.ω 0 .t ).dt
T <T >
ANÁLISIS
Apuntes Pág. 48
Simetrías:
La señal también puede tener simetría escondida (par o impar). Cuando tenemos éste
caso, debemos utilizar las propiedades anteriores, cuidando de afectar la fórmula con las
operaciones necesarias para corregir la simetría escondida.
a0 ∞
F (t ) ≈ + ∑ C n . cos(n.ω 0 .t − ϕ n )
2 n=1
SÍNTESIS
*/ Estudiar la demostración /*
bn
Cn = an 2 + bn 2 y ϕ n = arctan
an
De donde an y bn se calculan con la fórmula de análisis de la serie trigonométrica de Fourier.
Espectros de Líneas:
Cn ϕn
4ω0
∞
F (t ) ≈ ∑ C .e
n = −∞
n
j . n.ω0 .t
SÍNTESIS
*/ Estudiar la demostración /*
1 2 2 b
C n = C n .e j.ϕn C n = . a n + bn ϕ n = arctan n
2 an
a − j.bn a + j.bn
Cn = n C−n = n
2 2
1 1
Cn = .∫ F (t ).e − j .n.ω0 .t .dt C − n = .∫ F (t ).e j .n.ω0 .t .dt
T <T > T <T >
ANÁLISIS
En éste caso los coeficientes son valores complejos, que darán espectros de amplitud y de fase
con propiedades singulares:
Cn ϕn
−4ω0 −3ω0 −2ω0 −ω0 ω0 2ω0 3ω0 4ω0 ω −4ω0 ω0 2ω0 3ω0 ω
Las simetrías en los espectros son necesarias para que las partes imaginarias de los coeficientes
se cancelen, y se obtenga una señal real.
Apuntes Pág. 54
Propiedades de la Serie de Fourier en T.C.:
1. Linealidad:
x ( t ) ↔ ak
y ( t ) ↔ bk
z ( t ) = A.x ( t ) + B. y ( t ) ↔ A.ak + B.bk
*/ Estudiar la demostración /*
2. Desplazamiento:
x ( t ) ↔ ak
x ( t − t0 ) ↔ ak .e− j.k .ω0 .t0
*/ Estudiar la demostración /*
3. Inversión:
x ( t ) ↔ ak
x ( −t ) ↔ a− k
*/ Estudiar la demostración /*
4. Escalado:
x ( t ) ↔ ak
pero T → T
x (α .t ) ↔ ak α y ω0 → α .ω0
*/ Estudiar la demostración /*
5. Multiplicación y Convolución:
x ( t ) ↔ ak
y ( t ) ↔ bk
x ( t ) . y ( t ) ↔ ak * bk
x ( t ) * y ( t ) ↔ ak .bk
*/ Estudiar la demostración /*
6. Conjugación y Simetría Conjugada:
x ( t ) ↔ ak ak = a *− k
y si x ( t ) es Real,
x * ( t ) ↔ a *− k a *k = a− k
*/ Estudiar la demostración /*
7. Relación de Parseval:
1 2
.∫ x ( t ) .dt = ∑ am
2
T <T >
m
*/ Estudiar la demostración /*
“La Potencia promedio en una señal periódica es igual a la suma de las potencias
promedio en todas sus componentes armónicas”
Apuntes Pág. 58
TIEMPO DISCRETO
Dada una señal periódica discreta x[n ] = x[n + N ] donde N es el periodo, la serie de Fourier
que sintetiza la señal en base a exponenciales complejas es:
2π
j .k . .n
x[n ] = ∑a
k =< N >
k .e N
SÍNTESIS
donde k = 0,1,..., N − 1 o bien k = 1,2,..., N , etc. Entonces, ésta sumatoria tiene N términos,
debido a que sólo habrán N exponenciales complejas diferentes.
2π
1 − j.k . .n
ak =
N
∑ x[n].e
n =< N >
N
ANÁLISIS
La fórmula de Síntesis es una suma finita de N términos y describe una secuencia periódica (y
por tanto infinita) de muestras en el tiempo. La representación espectral en la frecuencia
también es un espectro de líneas, pero para el caso discreto es periódico.
Al ser una suma finita de N términos, la serie no necesitará ser truncada, y no aparecerá el
fenómeno de Gibbs (Problema en las discontinuidades de la Serie Continua de Fourier).
Apuntes Pág. 61
Propiedades de la Serie Discreta de Fourier:
1. Multiplicación:
x[n] ↔ a k
y[n] ↔ bk
x[n]. y[n] ↔ c k = ∑ al .bk −l
l =< N >
*/ Estudiar la demostración /*
2. Primera diferencia:
− j .k .
2π
x[n] − x[n − 1] ↔ a k .1 − e N
*/ Estudiar la demostración /*
3. Relación de Parseval:
1
∑ x[n] ∑a
2 2
= k
N n =< N > k =< N >
*/ Estudiar la demostración /*
“La Potencia promedio en una señal periódica es igual a la suma de las potencias
promedio en todas sus componentes armónicas (tomando N componentes armónicas
consecutivas)”
Apuntes Pág. 63
SISTEMAS L.T.I.
Como ya vimos, si a un sistema L.T.I. le damos como perturbación una señal exponencial
compleja, nos devuelve como salida la misma señal afectada por un coeficiente, que es la
respuesta en frecuencias del sistema.
La explicación de esto es que, al ser lineal, el sistema L.T.I. perturbado con una señal periódica
(que es una combinación lineal de exponenciales complejas) responderá con una combinación
lineal de exponenciales complejas idénticas en frecuencia pero afectadas de la función del
sistema correspondiente a cada una de esas frecuencias. Entonces las entradas serán:
2.π
j .k . .n
x(t ) = ∑ a k .e j .k .ω 0 .t
y x[n ] = ∑a k .e N
k k =< N >
para tiempo continuo y tiempo discreto respectivamente. Consecuentemente, las respectivas
salidas son:
j .k . 2N.π j .k . 2N.π .n
y (t ) = ∑ a k .H ( j.k .ω 0 ).e j .k .ω0 .t y y[n ] = ∑ k e
a . H .e
k k =< N >
Cabe señalar que los coeficientes de la función del sistema afectan a cada componente en
amplitud y en fase, pues son complejos.
Apuntes Pág. 65
Transformada de Fourier
TIEMPO CONTÍNUO
X ( jω ) = X ( jω ) .e j.ϕ ( jω )
De la expresión anterior obtenemos los espectros, que seguirán teniendo las anteriores simetrías
par e impar, pero como ahora las distancias ∆ω → dω , las líneas espectrales se juntan,
produciendo espectros continuos.
X ( jω ) ϕ ( jω )
ω
ω
Espectro de Amplitudes Espectro de Fases
Simetría Par Simetría Impar
Apuntes Pág. 68
Para que exista la transformada de Fourier de una cierta señal x(t ) , se debe cumplir que:
1. x(t ) debe ser absolutamente integrable, o sea:
∞
∫ x(t ).dt < ∞
−∞
2. x(t ) debe tener un número finito de máximos y mínimos en cualquier intervalo finito.
3. x(t ) debe tener un número finito (incluso cero) de discontinuidades finitas en cualquier
intervalo finito.
Apuntes Pág. 70
Transformada de Fourier para señales periódicas:
∞
X ( jω ) = ∑ 2.π .a .δ (ω − k.ω )
k = −∞
k 0
*/ Estudiar la demostración /*
∞
x(t ) = ∑a
k = −∞
k .e j .k .ω0 .t
*/ Estudiar la demostración /*
donde los a k son los coeficientes de la Serie de Fourier que representa a dicha señal.
1. Linealidad:
x ( t ) ↔ X ( jω )
y ( t ) ↔ Y ( jω )
A.x ( t ) + B. y ( t ) ↔ A. X ( jω ) + B.Y ( jω )
*/ Estudiar la demostración /*
2. Desplazamiento:
x ( t ) ↔ X ( jω )
x ( t − t0 ) ↔ X ( jω ) .e − j .ω .t0
*/ Estudiar la demostración /*
3. Conjugación y Simetría Conjugada:
x ( t ) ↔ X ( jω ) X ( jω ) = X ( − jω )
entonces (Simetrías de Espectros)
x * ( t ) ↔ X * ( − jω ) ϕ ( jω ) = −ϕ ( − jω )
*/ Estudiar la demostración /*
Relación de simetrías:
Si x(t ) es una función par, entonces X ( jω ) es netamente real.
Si x(t ) es una función impar, entonces X ( jω ) es imaginaria pura.
*/ Estudiar la demostración /*
4. Diferenciación e integración:
x ′(t ) ↔ j.ω. X ( j.ω )
*/ Estudiar la demostración /*
t 1
∫ x(τ ).dτ ↔
−∞ j.ω
. X ( j.ω ) + π . X (0 ).δ (ω )
*/ Estudiar la demostración /*
5. Escalado de tiempo y frecuencia:
1 j.ω
x(a.t ) ↔ .X
a a
*/ Estudiar la demostración /*
4. Relación de Parseval:
∞ 2 1 ∞ 2
∫ x(t )
−∞
.dt = .∫ X ( j.ω ) .dω
2π −∞
*/ Estudiar la demostración /*
“La Energía puede calcularse integrando por todo el tiempo o por toda la frecuencia”
6. Teorema de convolución:
Si y ( t ) = x ( t ) * h ( t ) , entonces Y ( jω ) = X ( jω ) .H ( jω ) , siendo H ( jω ) la
respuesta en frecuencias del sistema, que justamente es la transformada de la respuesta
impulsiva del sistema.
*/ Estudiar la demostración /*
7. Multiplicación:
x ( t ) ↔ X ( jω )
y ( t ) ↔ Y ( jω )
1
x (t ).y (t ) ↔ X ( jω ) * Y ( jω )
2π
*/ Estudiar la demostración /*
Apuntes Pág. 75
Sistemas Lineales de Tiempo Continuo:
Los sistemas lineales de tiempo continuo están caracterizados por ecuaciones diferenciales
lineales de la forma:
N
d k y (t ) M d k x(t )
∑
k =0
ak .
dt k
= ∑ bk .
k =0 dt k
∑ b .( jω )
k
Y ( jω ) k
H ( jω ) = = k =0
X ( jω ) N
∑ a .( jω )
k
k
k =0
Apuntes Pág. 80
Sistemas L.T.I. Continuos de Primer Orden:
τ . y ′(t ) + y (t ) = x(t )
siendo τ un parámetro llamado constante de tiempo del sistema
1 1 −t
H ( jω ) = y h(t ) = .e τ .u (t )
1 + j.ω.τ τ
*/ Estudiar las demostraciones /*
Apuntes Pág. 96
Sistemas L.T.I. Continuos de Segundo Orden:
2 2
y ′′(t ) + 2.ξ .ω n . y ′(t ) + ω n y (t ) = ω n x(t )
siendo ξ y ω n parámetros llamados razón de amortiguamiento y frecuencia angular de
resonancia, respectivamente.
ωn 2
H ( jω ) =
ω n 2 − ω 2 + j.2.ξ .ω.ω n
*/ Estudiar las demostraciones /*
Sea x[n] una señal aperiódica discreta de Energía Finita, entonces la Transformada de
Fourier de la señal es:
∞
( ) ∑ x[n].e
X e j.ω = − j .ω .n
n = −∞
*/ Estudiar la demostración /*
Y la Antitransformada:
1
x[n] = ∫π X (e ).e
ω j. − j .ω .n
.dω
2.π <2 >
*/ Estudiar la demostración /*
Apuntes Pág. 82
Relación con una señal periódica:
Para que la transformada de Fourier exista, la señal debe tener energía finita, lo que significa
que:
∑ x[k ]
2
<∞
k
*/ Estudiar la demostración /*
Apuntes Pág. 85
Transformada de Fourier para señales periódicas discretas:
Transformamos y obtenemos:
∞
2.π
( ) ∑ ∑
X e jω = 2.π .a k .δ ω − k . − 2.π .m
m = −∞ k =< N > N
*/ Estudiar la demostración /*
Infinitas réplicas de un grupo de N impulsos de áreas 2.π .a k separadas cada 2.π rad
2.π .a 0 2.π .a 0
2.π .aN −1 2.π .a 0 2.π .aN −1 2.π .aN −1
2.π .a1 2.π .a1 2.π .a1
… … … … …
− 2.π 0 2.π ω
2.π .a2 2.π .a2 2.π .a2
Apuntes Pág. 85
Propiedades:
1. Periodicidad:
( ) (
X e jω = X e j (ω + 2.k .π ) )
*/ Estudiar la demostración /*
2. Linealidad:
( )
x[n] ↔ X e jω
y[n] ↔ Y (e ) jω
*/ Estudiar la demostración /*
3. Desplazamiento en tiempo y en frecuencia:
x[n ] ↔ X e jω ( )
x[n − n0 ] ↔ e ( )
− j .ω .n0
. X e jω
e j .ω 0 .n
.x[n] ↔ X (e ) j (ω −ω0 )
*/ Estudiar la demostración /*
x * [n ] ↔ X * (e ) − jω
ϕ (e ) = −ϕ (e ) jω − jω
*/ Estudiar la demostración /*
Relación de simetrías:
( )
Si x[n] es una función par, entonces X e jω es netamente real.
Si x[n] es una función impar, entonces X (e ) es imaginaria pura.
jω
*/ Estudiar la demostración /*
5. Diferenciación y acumulación:
(
x[n ] − x[n − 1] ↔ 1 − e − j.ω . X e j .ω ) ( )
*/ Estudiar la demostración /*
n
( )
X e jω ∞
( )
∑ x[k ] ↔
k = −∞ 1 − e jω
+ π . X e j0
. ∑ δ (ω − 2.k.π )
k = −∞
*/ Estudiar la demostración /*
6. Inversión en tiempo:
x[− n] ↔ X e − jω ( )
*/ Estudiar la demostración /*
5. Diferenciación en frecuencia:
n.x[n] ↔ j.
dX e jω ( )
dω
*/ Estudiar la demostración /*
6. Relación de Parseval:
∞
1 2
∑ x[n]
2
=
2π ∫< 2π >
. X e jω ( ) .dω
n = −∞
*/ Estudiar la demostración /*
7. Convolución:
( ) ( ) ( )
Si y[n ] = x[n] * h[n] , entonces Y e jω = X e jω .H e jω , siendo H e jω la respuesta ( )
en frecuencias del sistema, que justamente es la transformada de la respuesta impulsiva
del sistema.
*/ Estudiar la demostración /*
8. Multiplicación:
( )
x[n ] ↔ X e j .ω
y[n ] ↔ Y (e ) j .ω
1
x[n ]. y[n] ↔ X (e )* Y (e ) j .ω j .ω
2π
*/ Estudiar la demostración /*
Apuntes Pág. 87
Sistemas L.T.I. Discretos:
Los sistemas lineales de tiempo discretos están caracterizados por ecuaciones en diferencias
lineales de la forma:
N M
∑ a . y[n − k ] = ∑ b .x[n − k ]
k =0
k
k =0
k
( ) ∑ b .e
− j .ω .k
Y e jω k
( )
H e jω =
X e jω
=
( ) ∑ a .e
k =0
N
− j .ω .k
k
k =0
Apuntes Pág. 93
Sistemas L.T.I. Discretos de Primer Orden:
1
( )
H e jω = − jω
y h[n] = a n .u[n] con a < 1
1 − a.e
*/ Estudiar las demostraciones /*
Apuntes Pág. 102
Sistemas L.T.I. Discretos de Segundo Orden:
1 rn
He ( )
jω
= y h[n ] = . sin[θ .(n + 1)].u[n]
1 − 2.r. cos θ .e − jω + r 2 .e − j .2.ω sin θ
*/ Estudiar las demostraciones /*
Apuntes Pág. 105
Muestreo
Muestreo: Discretización de Señales:
Para discretizar una señal continua, sólo nos basta multiplicarla por un tren de impulsos
periódicos, lo que nos deja sólo los valores de la señal que están ubicados en el lugar exacto de
cada impulso.
Apuntes Pág. 108
Teorema del Muestreo:
ω S ≥ 2.ω M
2π
donde ω S = es la frecuencia de muestreo. La señal puede recuperarse exactamente desde
∆t
sus muestras con un adecuado filtro pasabajos con frecuencia de corte mayor que ω M .
*/ Estudiar la demostración /*
− ωM ωM
t ω
− ωS ωS
− ωM ωM
t ω
∆t
− ωS ωS
t ω
∆t
Cuando la frecuencia de muestreo es menor que dos veces la frecuencia máxima, se produce un
solapamiento de los espectros llamado aliasing, lo que hace que la señal original sea
irrecuperable.
Para evitar esto, antes de muestrear la señal se utilizan filtros anti-aliasing (F.A.A.), que
eliminan las frecuencias de la señal que no queremos (ruido), y que se puede solapar en el
proceso de muestreo.
En la práctica conviene que la frecuencia de muestreo sea mayor o igual que por lo menos 2,6
veces la frecuencia máxima de la señal, debido a que no existen filtros pasa bajos ideales,
entonces debemos dejar un margen de error.
Apuntes Pág. 117
Muestreo en la frecuencia:
Como es más fácil procesar una señal en el dominio de la frecuencia, pero la computadora
maneja números, más que funciones continuas, debemos muestrear en la frecuencia. El
( )
problema es ¿Cuántas muestras de X e jω deberemos tomar para no alterar x[n.∆t ] ?
Buscamos entonces discretizar correctamente la Transformada de Fourier de una señal de
longitud finita de N muestras.
La variable ω pasará a ser una variable discreta:
2.π
ω = m. con m = 0,1,2,..., M − 1
M
j .m. 2π
X (m ) = X e M
Y para que la señal esté bien muestreada, sólo basta que M > N
*/ Estudiar la demostración /*
Apuntes Pág. 118
Transformada de Laplace
Transformada de Laplace, condiciones de convergencia:
∞
X ( p ) = ∫ x(t ).e − p.t .dt para p > α
0
j.ω
Zona de
existencia
de X ( p )
α σ
Apuntes Pág. 121
Transformada Inversa de Laplace:
1 c + j∞
2.π . j ∫
x(t ) = X ( p ).e p.t .dp
c − j∞
Pero ésta fórmula generalmente no se usa, sino que lo que se hace es separar la transformada en
fracciones simples y usar las tablas de transformadas, junto con las propiedades, para hallar las
antitransformadas.
Apuntes Pág. 132
Propiedades:
1. Linealidad:
x(t ) ↔ X ( p )
y (t ) ↔ Y ( p )
A.x(t ) + B. y (t ) ↔ A. X ( p ) + B.Y ( p )
*/ Estudiar la demostración /*
2. Desplazamiento en tiempo y en frecuencia:
x(t ) ↔ X ( p )
x(t − a ) ↔ e − a. p . X ( p )
e a.t .x(t ) ↔ X ( p − a )
*/ Estudiar la demostración /*
3. Escalado:
x(t ) ↔ X ( p )
1 p
x(a.t ) ↔ . X
a a
*/ Estudiar la demostración /*
4. Derivadas en tiempo y en frecuencia:
x(t ) ↔ X ( p )
x ′(t ) ↔ p. X ( p ) − x(0 )
x ′′(t ) ↔ p 2 . X ( p ) − p.x(0 ) − x ′(0 )
x (n ) (t ) ↔ p n . X ( p ) − p n −1 .x(0 ) − p n− 2 .x ′(0 ) − L − x (n −1) (0 )
*/ Estudiar la demostración /*
X ( p ) ↔ x(t )
(n )
X ( p ) ↔ (− 1)n .t n .x(t )
*/ Estudiar la demostración /*
Integrales:
x(t ) ↔ X ( p )
t 1
∫0 x(t ).dt ↔ p .X ( p )
*/ Estudiar la demostración /*
5. Convolución:
Si y (t ) = x(t ) * h(t ) , entonces Y ( p ) = X ( p ).H ( p ) , siendo H ( p ) la función de
transferencia del sistema.
*/ Estudiar la demostración /*
Apuntes Pág. 124
Solución de Ecuaciones Diferenciales:
Cuando tenemos un sistema L.T.I. representado por una ecuación diferencial, podemos obtener
su respuesta en frecuencias, su respuesta impulsiva o su respuesta a la perturbación que se le ha
puesto utilizando la transformada de Laplace. Para ello, transformamos ambos miembros de la
ecuación, utilizando la propiedad de derivación. Luego despejamos la transformada que
queremos obtener. En el otro miembro nos quedará una función racional de p , que podemos
descomponer en fracciones simples, y utilizar una tabla de transformadas de funciones simples
para llegar a la función buscada en el dominio del tiempo.
y que:
q( p )
k1 = Polo simple
( p − p2 )2 p = p1
q( p )
k2 = Polo múltiple, residuo de su multiplicidad
( p − p1 ) p = p 2
1 d
( 2−1)
q( p )
k3 = Polo múltiple, residuo en multiplicidad menor
(2 − 1)! dp (2−1) ( p − p1 )(2−1) p = p2
(se comienza a derivar aumentando el orden mientras decrece la multiplicidad del residuo)
Apuntes Pág. 133
Teorema del Valor Inicial:
lim p. X ( p ) = x(0)
p→∞
*/ Estudiar la demostración /*
Éste teorema es de utilidad para conocer el régimen transitorio de una señal (comportamiento
inicial).
Apuntes Pág. 137
Teorema del Valor Final:
lim p. X ( p ) = x(∞ )
p →0
*/ Estudiar la demostración /*
Éste teorema es de utilidad para conocer el régimen permanente de una señal (comportamiento
al que tiende después de un tiempo).
Apuntes Pág. 137
Tabla de Transformadas de Laplace:
t. cos(β .t ).u (t ) p2 − β 2
(p 2
+β2 )2
sin (β .t ).u (t ) β
p +β2
2
∞
X b ( p ) = ∫ x(t ).e − p.t .dt
−∞
Si un sistema es estable, h(t ) tiene una H ( p ) que converge en una región que contiene al eje
jω . Vale decir, existe la transformada de Fourier de la respuesta impulsiva del sistema.
*/ Estudiar la demostración /*
Apuntes Pág. 145
Transformada Z
Transformada Z:
∞
X (z ) = ∑ x[n].z
n = −∞
−n
1
x[n ] =
2.π . j ∫
X ( z ).z n −1
.dz
C
*/ Estudiar la demostración /*
Apuntes Pág. 154
Relación con la transformada de Fourier:
si tomamos z = e T . p , obtenemos:
∞
X s ( p) = ∑ x(n.T ).z
n = −∞
− n.
= X (z )
Cuando x[n] es causal, su X ( z ) converge hacia fuera de un círculo de radio a y cuando x[n]
es no causal, su X ( z ) converge hacia adentro de una circunferencia de radio a .
Una o más señales distintas pueden tener la misma transformada Z, pero distinta región de
convergencia. Por eso es importante especificarla cuando se determina la transformada de una
señal.
Para que un sistema sea estable, la región de convergencia debe contener a la circunferencia de
radio unitario, esto es: debe existir la transformada de Fourier de la respuesta impulsiva del
sistema.
*/ Estudiar la demostración /*
Apuntes Pág. 152
Propiedades:
1. Convergencias:
Cuando x[n] es de duración finita, la transformada Z converge en todo el plano,
excepto tal vez en z = 0 y/o z = ∞
Si x[n] es bilateral, X ( z ) converge en un anillo.
2. Linealidad:
x[n] ↔ X ( z )
y[n] ↔ Y ( z )
A.x[n] + B. y[n] ↔ A. X ( z ) + B.Y ( z )
*/ Estudiar la demostración /*
3. Desplazamiento en el tiempo:
x[n ] ↔ X (z )
x[n − n0 ] ↔ z − n0 . X ( z )
*/ Estudiar la demostración /*
4. Inversión en el tiempo:
x[n ] ↔ X ( z )
1
x[− n] ↔ X
z
*/ Estudiar la demostración /*
5. Conjugación:
x[n ] ↔ X (z )
x * [n ] ↔ X * ( z *)
*/ Estudiar la demostración /*
6. Convolución y Multiplicación:
Si y[n ] = x[n ]* h[n] , entonces Y ( z ) = X ( z ).H ( z ) , siendo H ( z ) la función de
transferencia del sistema.
*/ Estudiar la demostración /*
1
Si y[n] = x[n ].h[n] , entonces Y ( z ) = . X (z ) * H (z )
2π
*/ Estudiar la demostración /*
7. Diferenciación en Z:
x[n] ↔ X ( z )
dX ( z )
n.x[n] ↔ − z.
dz
*/ Estudiar la demostración /*
8. Escalado en Z:
x[n] ↔ X ( z )
z
a n .x[n] ↔ X
a
*/ Estudiar la demostración /*
Apuntes Pág. 155
Teorema del desplazamiento temporal:
n0 −1
x[n + n0 ] ↔ z n0 . X u ( z ) − z n0 ∑ x[m].z −m
m=0
−1
x[n − n0 ] ↔ z − n0
. X u (z ) + z − n0
∑ x[m].z
m = − n0
−m
x[n]
Muestras tomadas en X u ( z )
x[n + n0 ]
x[n − n0 ]
Cuando tenemos un sistema L.T.I. representado por una ecuación en diferencias, podemos
obtener su respuesta en frecuencias, su respuesta impulsiva o su respuesta a la perturbación que
se le ha puesto utilizando la transformada Z. Para ello, transformamos ambos miembros de la
ecuación, utilizando la propiedad de desplazamiento. Luego despejamos la transformada que
queremos obtener. En el otro miembro nos quedará una función racional de z , que podemos
descomponer en fracciones simples, y utilizar una tabla de transformadas de funciones simples
para llegar a la función buscada en el dominio de n .
Para descomponer en fracciones simples es el mismo método que para las transformadas de
Laplace, sólo que en algunos casos, la transformada Z requiere que se divida por z la expresión
antes de descomponer y luego se multiplique por z al final, para lograr obtener más fácilmente
las antitransformadas desde las tablas.
Apuntes Pág. 165
Teorema del Valor Inicial:
lim X ( z ) = x[0]
z →∞
*/ Estudiar la demostración /*
Éste teorema es de utilidad para conocer el régimen transitorio de una señal (comportamiento
inicial).
Apuntes Pág. 164
Teorema del Valor Final:
( )
lim 1 − z −1 X ( z ) = x[∞ ]
z →1
*/ Estudiar la demostración /*
Éste teorema es de utilidad para conocer el régimen permanente de una señal (comportamiento
al que tiende después de un tiempo).
Apuntes Pág. 164
Tabla de Transformadas Z:
Aplicaciones
MODULACIÓN
Modulación:
1
Y ( jω ) = [X (ω + ω c ) + X (ω − ω c )]
2
*/ Estudiar la demostración /*
− ωc ωc ω
Apuntes Pág. 172
FILTRADO DE SEÑALES
Definiciones de Filtro:
Definición 1:
El filtro es todo sistema que procesa una señal, separando la parte esencial o útil de otras
componentes no deseadas.
Definición 2:
Un filtro es un sistema que modifica en alguna medida el espectro de amplitud y/o el de fase de
una señal de entrada.
Apuntes Pág. 174
Clasificación:
Existen tanto en tiempo continuo como en tiempo discreto, cuatro tipos fundamentales de
filtros:
1. Pasa bajos
2. Pasa altos
3. Pasa banda
4. Corta banda
Apuntes Pág. 174
0 ωc ω − ωc 0 ωc 2.π ω
Pasa H ( jω ) H (e jω )
altos
1
1
0 ωc ω − ωc 0 ωc 2.π ω
Pasa H ( jω ) H (e jω )
banda
1
1
0 ω c1 ωc2 ω 0 ω c1 ω c 2 2.π ω
Corta H ( jω ) H (e jω )
banda
1
1
0 ω c1 ωc2 ω 0 ω c1 ω c 2 2.π ω
Estas características son las de filtros ideales, pero no son realizables físicamente.
Apuntes Pág. 175
Filtros Analógicos:
Filtro de Butterworth:
2 1
H ( jω ) =
1 + ω 2. N
H ( jω )
1
N =1
0,707
0 ωc = 1 N =4 ω
La función de sistema del filtro está relacionada con los polinomios de Butterworth
PN (s ) de la siguiente manera:
1
H (s ) =
PN (s )
Como el corte entre la banda de paso y la eliminada no es neto, hay una banda de
transición:
H ( jω ) Banda de transición
1 + δ1
1 − δ1
δ2
0 ωp ωs ω
Para adaptar a cualquier caso particular las fórmulas, basta con reemplazar s por
s / ωc .
Apuntes Pág. 176
Filtro de Chebyshev:
2 1
H ( jω ) =
1 + ε .C N (ω )
2
H ( jω )
1 1
1+ ε 2
δ2
0 ω p ωs / ω p ω /ωp
Un filtro F.I.R. de longitud de N muestras para h[n] tendrá fase lineal si verifica la
simetría:
h[n] = h[N − 1 − n]
Apuntes Pág. 184
Ventanas:
Las ventanas sirven para truncar los espectros de los filtros, para que se vuelvan
causales y de longitud finita.
Apuntes Pág. 185
Procedimiento de Diseño de Filtros F.I.R. (Fase Lineal):