Libro de la Asignatura (2013)

Apunte Español
Universidad Universidad Politécnica de Cataluña (UPC)
Grado Ingeniería de Sistemas de Telecomunicación - 2º curso
Asignatura Señales y Sistemas
Año del apunte 2013
Páginas 435
Fecha de subida 12/11/2014
Descargas 0
Subido por

Vista previa del texto

SEÑALES Y SISTEMAS José Morón SEÑALES Y SISTEMAS Universidad Rafael Urdaneta Autoridades Rectorales Dr. Jesús Esparza Bracho, Rector Ing. Maulio Rodríguez, Vicerrector Académico Ing. Salvador Conde, Secretario Lic. Nancy Villarroel M.L.S. Directora de Biblioteca 2011© Fondo Editorial Biblioteca Universidad Rafael Urdaneta Portada: Luz Elena Hernández Universidad Rafael Urdaneta, Fondo Editorial Biblioteca Vereda del Lago, Maracaibo, Venezuela.
ISBN: 978-980-7131-06-3 Deposito Legal:lfi2382011620521 CAPÍTULO UNO SEÑALES Y SISTEMAS 1.1 Introducción 1 1.2 Señales y Clasificación de Señales 2 1.3 Señales Periódicas y No Periódicas 6 1.4 Señales de Potencia y de Energía 8 1.5 Transformaciones de la Variable Independiente 12 1.6 Escalamiento en el Tiempo 16 1.7 Señales Pares e Impares 18 1.8 Señales de Tiempo Continuo Básicas 21 1.8.1 1.8.2 1.8.3 1.8.4 1.9 Señales de Tiempo Discreto Básicas 33 1.9.1 1.9.2 1.9.3 1.9.4 1.9.5 1.9.6 1.9.7 1.9.8 1.10 Señales Exponenciales Complejas 21 Señales Exponenciales Complejas Generales 26 La Función Escalón Unitario 27 La Función Impulso Unitario 27 Secuencias Exponenciales Complejas Generales 33 Secuencias Exponenciales Reales 33 Señales Sinusoidales 34 Señales Exponenciales Complejas Generales 34 Periodicidad de las Exponenciales Complejas 35 Periodicidad de la Exponencial Compleja 36 La Secuencia Escalón Unitario 38 La Secuencia Impulso Unitario 38 Sistemas y Clasificación de Sistemas 39 1.10.1 Sistemas en Tiempo Continuo y en Tiempo Discreto 40 1.10.2 Sistemas Con y Sin Memoria 42 1.10.3 Invertibilidad y Sistemas Inversos 43 ii 1.10.4 1.10.5 1.10.6 1.10.7 1.11 Sistemas Causales 44 Sistemas Estables 46 Invariabilidad en el Tiempo 47 Sistemas Lineales 49 Interconexión de Sistemas 51 Problemas 53 CAPÍTULO DOS SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO 2.1 2.2 Introducción 61 Sistemas LIT en Tiempo Discreto 62 2.2.1 2.3 Sistemas LIT Discretos: la Suma de Convolución 63 2.3.1 2.3.2 2.4 Propiedades de la Integral de Convolución 78 Evaluación de la Integral de Convolución 79 Respuesta al Escalón 83 Propiedades de los Sistemas LIT 84 2.5.1 2.5.2 2.5.3 2.5.4 2.6 Propiedades de la Suma de Convolución 73 Respuesta al Escalón 77 Sistemas de Tiempo Continuo: la Integral de Convolución 77 2.4.1 2.4.2 2.4.3 2.5 La Representación de Señales de Tiempo Discreto Mediante Impulsos Unitarios 62 Sistemas LIT Con y Sin Memoria 84 Causalidad 85 Estabilidad 87 Invertibilidad 89 Funciones Propias de Sistemas LIT de Tiempo Continuo 90 iii 2.7 Funciones Propias de Sistemas LIT de Tiempo Discreto 91 2.8 Sistemas Descritos por Ecuaciones Diferenciales 92 2.8.1 2.8.2 2.8.3 2.8.4 2.8.5 2.9 Ecuaciones Diferenciales Lineales con Coeficientes Constantes 93 Linealidad 94 Causalidad 95 Invariabilidad en el Tiempo 95 Respuesta al Impulso 96 Sistemas Descritos por Ecuaciones en Diferencias 101 2.9.1 2.9.2 2.9.3 Solución Homogénea de la Ecuación en Diferencias 104 La Solución Particular 106 Determinación de la Respuesta al Impulso 109 2.10 Simulación de Sistemas 112 2.10.1 2.10.2 2.10.3 Componentes Básicas: Sistemas de Tiempo Continuo 112 Diagramas de Simulación: Sistemas de Tiempo Continuo 114 Componentes Básicas: Sistemas de Tiempo Discreto 116 2.11 Representación Mediante Variables de Estado: Tiempo Continuo 120 2.11.1 2.11.2 2.11.3 2.11.4 2.11.5 2.11.6 Definiciones 121 Solución General de la Ecuación de Estado 122 Solución de la Ecuación de Estado Mediante Integración 125 Método de los Valores y Vectores Característicos 127 Solución Mediante Diagonalización de Matrices 135 Solución por Reducción a la Forma Canónica de Jordan 138 Problemas 147 CAPÍTULO TRES ANÁLISIS DE FOURIER (TIEMPO CONTINUO) Introducción 161 3.1 Respuesta de Sistemas LIT a Exponenciales Complejas 163 iv 3.2 Representación de Señales Usando Series de Fourier 164 3.2.1 Señales Periódicas y Combinaciones Lineales de Exponenciales Complejas 164 3.2.2 Series de Fourier 167 3.2.3. Condiciones para la Convergencia de las Series de Fourier 175 3.3 Propiedades de las Series de Fourier 181 3.3.1 3.3.2 3.3.3 3.3.4 3.3.5 3.3.6 3.4 Efectos de la Simetría 181 Linealidad 182 Diferenciación 183 Teorema de la Potencia de Parseval 184 Integración en el Tiempo 185 Manipulación de Señales 186 Transformadas de Fourier y Espectros Continuos 187 3.4.1 La Transformada de Fourier 187 3.4.2 Convergencia de las Transformadas de Fourier 191 3.4.3 Ejemplos de Transformadas de Fourier en Tiempo Continuo 193 3.5 La Transformada de Señales Periódicas 196 3.5.1 Los Coeficientes de la Serie de Fourier como Muestras de la Transformada 197 3.5.2 La Transformada de Fourier de Señales Periódicas 199 3.6 Propiedades Adicionales de la Transformada de Fourier 201 3.6.1 3.6.2 3.6.3 3.6.4 3.6.5 3.7 Retardo en el Tiempo y Cambio de Escala 202 Diferenciación en el Dominio del Tiempo 104 Integración en el Dominio del Tiempo 205 Dualidad 205 La Relación de Parseval 207 La Propiedad de Convolución 208 3.7.1 Las Funciones Escalón y Signo 211 3.8 Modulación 213 3.9 Generación de Otros Pares de Transformadas 215 v 3.10 Densidad Espectral de Potencia 217 Problemas 222 CAPÍTULO CUATRO ANÁLISIS DE FOURIER (TIEMPO DISCRETO) 4.1 Introducción 237 4.2 Señales Periódicas 237 4.3 Serie de Fourier Discreta 238 4.3.1 Secuencias Periódicas 238 4.3.2 Representación en Serie de Fourier Discreta 239 4.3.3 Convergencia de la Serie de Fourier Discreta 243 4.4 PROPIEDADES DE LA SERIE DE FOURIER DISCRETA 243 4.4.1 4.4.2 4.4.3 4.4.4 Periodicidad de los Coeficientes de Fourier 243 Dualidad 243 Otras Propiedades 244 Secuencias Pares e Impares 244 4.5 Teorema de Parseval 247 4.6 La Transformada de Fourier Discreta 248 4.6.1 4.6.2 4.6.3 4.6.4 4.7 Transformación de la Serie de Fourier Discreta en la Transformada de Fourier 248 Par de Transformadas de Fourier 250 Espectros de Fourier 252 Convergencia de X(Ω) 252 Propiedades de la Transformada de Fourier 253 4.7.1 Periodicidad 253 4.7.2 Linealidad 253 vi 4.7.3 4.7.4 4.7.5 4.7.6 4.7.7 4.7.8 4.7.9 4.7.10 4.7.11 4.7.12 4.7.13 4.7.14 4.7.15 4.8 Desplazamiento o Corrimiento en el Tiempo 253 Desplazamiento en Frecuencia 255 Conjugación 256 Inversión en el Tiempo 256 Escalamiento en el Tiempo 256 Dualidad 257 Diferenciación en Frecuencia 258 Diferencias 258 Acumulación 260 Convolución 260 Multiplicación o Modulación 262 Propiedades Adicionales 263 Relación de Parseval 263 La Respuesta de Frecuencia de Sistemas LIT Discretos 264 4.8.1 Sistemas LIT Caracterizados por Ecuaciones de Diferencias 265 4.8.2 Naturaleza Periódica de la Respuesta de Frecuencia 266 4.9 Respuesta del Sistema a Muestras de Sinusoides de Tiempo Continuo 266 4.9.1 Respuestas del Sistema 266 4.10 La Transformada de Fourier Discreta 267 4.10.1 4.10.2 4.10.3 4.10.4 Definición 268 Relación entre la TFD y la Serie de Fourier de Tiempo Discreto 270 Relación entre la TFD y la Transformada de Fourier 270 Propiedades de la TFD 271 Problemas 276 CAPÍTULO CINCO LA TRANSFORMACIÓN DE LAPLACE 5.1 Introducción 281 5.2 Definición de la Transformada de Laplace 282 vii 5.3 Condiciones para la Existencia de la Transformada de Laplace 285 5.3.1 Funciones Seccionalmente Continuas 285 5.3.2 Región de Convergencia de la Transformada 289 5.4 Teoremas de la Derivada y de la Integral 289 5.4.1 5.4.2 5.4.3 5.4.4 5.4.5 5.5 La Transformada de Laplace Bilateral 291 La Función Impulso 291 El Teorema de la Derivada 291 El Teorema de la Integral 294 Traslación Compleja 295 El Problema de Inversión 297 5.5.1 Inversión de Transformadas Racionales (Fracciones Parciales) 298 5.5.2 Inversión de Funciones Impropias 303 5.6 Los Valores Inicial y Final de f(t) a partir de F(s) 304 5.6.1 El Teorema del Valor Inicial 304 5.6.2 El Teorema del Valor Final 306 5.7 Teoremas Adicionales 307 5.7.1 5.7.2 5.7.3 5.7.4 El Teorema de Traslación Real o de Desplazamiento 307 El Teorema de Escala 309 Derivadas de Transformadas 310 La Transformada de una Función Periódica 311 5.8 Aplicación de la Transformada de Laplace a Ecuaciones Diferenciales Ordinarias 313 5.9 La Convolución 317 5.10 Propiedades de la Integral de Convolución 321 5.11 Ecuaciones Diferenciales e Integrales 322 5.12 Polos y Ceros de la Transformada 327 Problemas 329 viii CAPÍTULO SEIS LA TRANSFORMADA Z 6.1 Introducción 333 6.2 La Transformada Z 333 6.2.1.
6.2.2.
6.2.3.
6.3 Transformadas Z de Secuencias Importantes 340 6.3.1.
6.3.2.
6.3.3.
6.3.4.
6.4 6.5 Secuencia Impulso unitario δ[n] 340 Secuencia Escalón Unitario u[n] 340 Funciones Sinusoidales 340 Tabla de Transformadas Z 341 Propiedades de la Transformada Z 341 6.4.1 6.4.2 6.4.3 Linealidad 341 Desplazamiento (Corrimiento) en el Tiempo o Traslación Real 344 Inversión en el Tiempo 344 6.4.4 Multiplicación por z 0n o Corrimiento en Frecuencia 345 6.4.5 6.4.6 6.4.7 Multiplicación por n (o Diferenciación en el Dominio de z) 346 Acumulación 347 Convolución 348 La Transformada Z Inversa 349 6.5.1.
6.5.2.
6.5.3.
6.5.4.
6.6 Definición 334 La Región de Convergencia de la Transformada Z 335 Propiedades de la Región de Convergencia 338 Fórmula de Inversión 349 Uso de Tablas de Pares de Trasformadas Z 349 Expansión en Series de Potencias 349 Expansión en Fracciones Parciales 351 La Función del Sistema: Sistemas LIT de Tiempo Discreto 356 6.6.1.
6.6.2.
La Función del Sistema 356 Caracterización de Sistemas LIT de Tiempo Discreto 359 Causalidad 359 ix 6.6.3.
6.6.4.
6.7 La Transformada Z Unilateral 366 6.7.1.
6.7.2.
6.7.3.
6.7.4.
6.8 Estabilidad 360 Sistemas Causales y Estables 361 Función del Sistema para Sistemas LIT Descritos por Ecuaciones de Diferencias Lineales con Coeficientes Constantes. 361 Interconexión de Sistemas 364 Definición 366 Propiedades Básicas 367 La Función del Sistema 367 Valores Inicial y Final 367 Teorema del Valor Inicial 367 Teorema del Valor Final 367 La Transformada de Laplace y la Transformada Z 370 Pares Ordinarios de Transformadas Z 372 Problemas 373 CAPÍTULO SIETE MODULACIÓN DE AMPLITUD 7.1 Introducción 379 7.1.1 Necesidad de la Modulación 180 7.2 Tipos de Modulación Analógica 381 7.3 Transmisión de Señales de Banda Base Analógicas 381 7.3.1 7.3.2 7.3.3 7.3.4 7.4 Distorsión de la Señal en la Transmisión en la Banda Base 382 Distorsión Lineal 383 Compensación 384 Distorsión No Lineal y Compansión 385 Esquemas de Modulación Lineales OC 386 7.4.1 Modulación de Banda Lateral Doble (DSB) 387 x 7.4.2 7.4.3 7.4.4 7.4.5 7.4.6 7.4.7 Modulación de Amplitud Ordinaria 392 Índice de Modulación 393 Potencia y Ancho de Banda de la Señal Transmitida 393 Demodulación de Señales AM 396 Modulación de Banda Lateral Única (SSB) 400 Modulación de Banda Lateral Residal (VSB) 409 7.5 Conversión de Frecuencias (Mezclado) 411 7.6 Multicanalización por División de Frecuencias 413 Problemas Referencias 425 CAPÍTULO UNO SEÑALES Y SISTEMAS 1.1 Introducción Los conceptos de señales y sistemas surgen en una gran variedad de campos y las ideas y técnicas asociadas con estos conceptos juegan un papel importante en áreas tan diversas de la ciencia y la tecnología como las comunicaciones, la aeronáutica, sistemas de generación y distribución de energía, diseño de circuitos, acústica, etc. En este capítulo introducimos la idea básica sobre la descripción y representación matemática de señales y sistemas y sus clasificaciones. También se definen varias señales básicas importantes, especialmente sobre sistemas lineales, las cuales son esenciales para nuestros estudios posteriores.
El análisis de un sistema lineal se facilita frecuentemente utilizando un tipo específico de señales de excitación o una determinada representación de señales. Por esta razón, es conveniente incluir el análisis de señales y sus propiedades en un estudio de sistemas lineales. Además del análisis nos interesa también la síntesis de sistemas. De hecho, la síntesis o diseño de sistemas constituye la parte creativa de la ingeniería. De aquí que para abordar el diseño de sistemas primero se debe aprender a analizarlos. Este texto está orientado principalmente al análisis de ciertos tipos de sistemas lineales; sin embargo, debido a que los tópicos de diseño y análisis están íntimamente relacionados, este estudio proporciona las bases para un diseño elemental.
El análisis de sistemas puede dividirse en tres aspectos: 1.
El desarrollo de un modelo matemático apropiado para el problema físico bajo consideración. Esta parte del análisis se dedica a la obtención de “ecuaciones dinámicas”, condiciones iniciales o de frontera, valores de parámetros, etc. En este proceso es donde el juicio, la experiencia y laa experimentación se combinan para lograr el desarrollo de un modelo apropiado. En esta forma, este primer aspecto es el más difícil de desarrollar formalmente.
2.
Después de obtener un modelo apropiado, se resuelven las ecuaciones resultantes para encontrar soluciones de diversas formas.
3.
Luego, la solución del modelo matemático se relaciona o interpreta en función del problema físico.
Es conveniente que el desarrollo del modelo sea lo más exacto posible de manera que se puedan hacer interpretaciones y predicciones significativas concernientes al sistema físico. No obstante, se debe señalar que mientras más exacto sea un modelo, mayor es la dificultad para obtener una solución matemática y una realización física.
2 1.2 Señales y Clasificación de Señales Los términos señales y sistemas, en la forma en que se usan generalmente, tienen diferentes significados. En consecuencia, cualquier intento para dar una definición general precisa, o una definición en el contexto de la ingeniería no sería muy productivo. Normalmente el significado de estos términos se extrae del contenido del texto. Una señal es una función de una variedad de parámetros, uno de los cuales es usualmente el tiempo, que representa una cantidad o variable física, y típicamente contiene información o datos sobre la conducta o naturaleza de un fenómeno. Las señales pueden describir una variedad muy amplia de fenómenos físicos. Aunque las señales pueden representarse en muchas formas, en todos los casos, la información en una señal está contenida en un patrón que varía en alguna manera. Por ejemplo, el mecanismo vocal humano produce sonidos creando fluctuaciones en la presión acústica. Diferentes sonidos, usando un micrófono para convertir la presión acústica en una señal eléctrica, corresponden a diferentes patrones en las variaciones de la presión acústica; el sistema vocal humano produce sonidos inteligibles, generando secuencias particulares de estos patrones. Otros ejemplos son una imagen monocromática; en este caso es importante el patrón de variaciones en el brillo y los diferentes matices existentes entre los colores blanco y negro.
Matemáticamente, una señal se puede representar como una función de una o más variables independientes. Por ejemplo, una señal de audio puede representarse mediante la presión acústica en función del tiempo, y una imagen como una función del brillo de dos variables espaciales. En estas notas sólo consideraremos señales que involucran una sola variable independiente. Una señal se denotará por x(t). Por conveniencia, generalmente nos referiremos a la variable independiente como el tiempo, aun cuando ella no represente al tiempo en operaciones específicas. Por ejemplo, las señales que representan variaciones de cantidades físicas con la profundidad, tales como la densidad, porosidad y resistividad eléctrica, se usan en geofísica para estudiar la estructura de la tierra. También, el conocimiento de las variaciones en la presión del aire, la temperatura y la velocidad del viento con la altitud son de extrema importancia en investigaciones meteorológicas.
Has dos tipos básicos de señales: señales en tiempo continuo o señales analógicas y señales en tiempo discreto o digitales. Una señal x(t) es una señal en tiempo continuo si la variable independiente t es una variable continua y, por ende, estas señales están definidas para un continuo de valores de esa variable; es decir, el valor de x(t) es especificado en todo instante t de un intervalo de tiempo dado, ya sea mediante una expresión matemática o gráficamente por medio de una curva; en otras palabras, la variable independiente puede tomar cualquier valor real. Si la variable independiente t es una variable discreta, es decir, x(t) está definida en puntos del tiempo discretos, entonces x(t) es una señal en tiempo discreto, a menudo generada por muestreo de una señal de tiempo continuo. Como una señal de tiempo discreto está definida solamente en tiempos discretos, con frecuencia se identifica como una secuencia de números, denotada por {xn} o x[n], donde, para nuestros propósitos, n es un entero. En la Fig. 1.1 se ilustran una señal de tiempo continuo y una de tiempo discreto. La música proveniente de un disco compacto es una señal analógica, pero la información almacenada en el disco compacto está en forma digital. Ésta debe procesarse y convertirse en forma analógica antes de que pueda escucharse.
Una señal de tiempo discreto x[n] puede representar un fenómeno para el cual la variable independiente es inherentemente discreta. Por ejemplo, el promedio diario de los valores de cierre de la bolsa de valores es, por su naturaleza, una señal que evoluciona en puntos discretos en el tiempo (es decir, el cierre del día). Una señal de tiempo discreto, x[n], también puede obtenerse mediante el muestreo de una señal de tiempo continuo x(t) para obtener los valores 3 x(t ) x[n] 3 0 –3 –2 –1 0 t (a) 1 2 3 4 n (b) Figura 1.1. Señales de tiempo continuo y de tiempo discreto.
x ( t0 ), x ( t1 ),, x ( tn ), o en una forma abreviada como x [0], x [1],, x [ n ], o x0 , x1 ,, xn , y a los valores xn se les denomina muestras; el intervalo de tiempo entre muestras se llama el intervalo de muestreo. Cuando estos intervalos son iguales (muestreo uniforme), entonces xn  x [ n ]  x [ nTs ] donde la constante Ts es el intervalo de muestreo. Un dispositivo que convierta información analógica a forma digital mediante cuantización (redondeo) se denomina un convertidor analógico-digital.
Una señal de tiempo discreto con muestreo uniforme puede ser especificada de dos maneras: 1. Podemos especificar una regla para calcular el n-ésimo valor de la secuencia. Por ejemplo,   1 x [ n ]  xn   2   0 o  n n0 n0  { xn }  , 0, 0,1, 12 , 14 ,,  1 2  n ,  2. Podemos dar una lista explícita de los valores de la secuencia. Por ejemplo, la secuencia mostrada en la Fig. 1.1b puede escribirse como { xn }  {, 0, 0, 2,3,3, 2,1, 0, 0,}  o { xn }  {2,3,3, 2,1}  Se usa la flecha para indicar el término correspondiente a n = 0. Se usará la convención de que si no aparece la flecha, entonces el primer término corresponde a n = 0 y todos los valores son iguales a cero para n < 0.
4 Ejemplo 1. Dada la señal en tiempo continuo especificada por   1 t x (t )     0 1  t  1 t 1 Determine la secuencia de tiempo discreto resultante obtenida mediante muestreo uniforme de x(t) con un intervalo de muestreo de (a) 0.25 s; (b) 0.5 s.
Solución: Es más fácil resolver este problema gráficamente. La señal x(t) se grafica en la Fig. 1.2a. Las Figs. 1.2b y c muestran gráficos de las secuencias de las muestras resultantes obtenidas para los intervalos de muestreo especificados.
x(t) x[n) = x(n/4) 1 –1 0 t 1 –3 –2 –1 0 1 2 3 4 n (b) (a) x[n) = x(n/2) –4 –2 0 2 4 n (c) Figura 1.2. Las señales para el Ejemplo 1.
(a) Ts = 0.25 s. De la Fig. 1.2b obtenemos x [n]  {, 0, 0.25, 0.5, 0.75,1, 0.75, 0.5, 0.25, 0,}  (b) Ts = 0.5 s. De la Fig. 1.2c, obtenemos x [n]  {, 0, 0.5,1, 0.5, 0,}  Con frecuencia, se procesan señales para producir nuevas señales para diferentes propósitos. A continuación se da un ejemplo de cómo se generan nuevas señales a partir de señales conocidas.
5 Ejemplo 2. Usando las señales de tiempo discreto x1[n] y x2[n] mostradas en la Fig. 1.3, represente cada una de las siguientes señales mediante una gráfica y mediante una secuencia de números.
(a) y1 [ n ]  x1 [ n ]  x2 [ n ] ; (b) y2 [ n ]  2 x1 [ n ] ; (c) y3 [ n ]  x1 [ n ] x2 [ n ] .
x1[n] x2[n] 3 2 2 –2 –1 –1 0 1 2 3 4 5 6 7 –3 n 3 0 1 2 4 n Figura 1.3. Señales para el Ejemplo 2 Solución: (a) y1[n] se dibuja en la Fig. 1.4a. A partir ella obtenemos y1 [ n ]  {, 0,  2,  2,3, 4,3,  2, 0, 2, 2, 0, }  (b) y2[n] se dibuja en la Fig. 1.4b. De ella obtenemos y2 [ n ]  {, 0, 2, 4, 6, 0, 0, 4, 4, 0,}  (c) y3[n] se dibuja en la Fig. 1.4c. De ella obtenemos y3 [ n ]  {, 0, 2, 4, 0,}  y3[n] y2[n] y1[n] –3 –2 –1 3 0 1 (a) 2 4 5 6 n –1 0 1 2 3 (b) Figura 1.4 4 5 6 7 7 n –1 0 1 (c) 2 3 n 6 1.3 Señales Periódicas y No-Periódicas Una señal periódica de tiempo continua x(t) tiene la propiedad de que existe un número positivo T para el cual x  t   x  t  T  para todo t (1.1) x(t) ...
...
–T 0 T t Figura 1.5 En este caso decimos que la señal x(t) es periódica con período T. En la Fig. 1.5 se ilustra un ejemplo de esta clase de señales. Observe que una señal periódica repite un mismo patrón durante un tiempo múltiplo de T y continúa haciéndolo por tiempo infinito.
De la figura se deduce que si x(t) es periódica con período T, entonces x ( t )  x ( t  mT ) (1.2) para todo T y cualquier entero m. Por ello, x(t) también es periódica con período 2T, 3T,  . El período fundamental T0 es el mínimo valor de T para el cual se cumple la Ec. (1.1). Observe que esta definición de T0 funciona excepto cuando x(t) es una constante. En este caso, el período fundamental no está definido puesto que x(t) es periódica para cualquier selección de T (es decir, no hay un valor positivo mínimo). La Ec. (1.2) dice simplemente que si la señal se desplaza un número entero de períodos hacia la derecha o hacia la izquierda no cambia la forma de la onda. La frecuencia fundamental (cíclica) f0 es el recíproco del período fundamental, f0 = 1/T0, y se mide en hertz (ciclos por segundo). La frecuencia fundamental en radianes por segundo es 0 = 2f0 = 2/T0. Finalmente, a una señal que no exhiba periodicidad se le referirá como una señal no periódica o aperiódica.
Ejemplos conocidos de señales periódicas son las señales sinusoidales; como ejemplo está la señal x ( t )  A sen ( 0 t  ) donde A = amplitud.
ω0 = frecuencia angular (rad/s).
 = ángulo de fase inicial con respecto al origen del tiempo (rad).
Observe que sen[ 0 ( t  T )  ]  sen ( 0 t    0 T )  sen ( 0 t  ) 7 si 0 T  m 2  o T  m 2 0 , m un entero positivo Así que el período fundamental T0 de x(t) está dado por T0  2 0 Ejemplo 3. Sean x1(t) y x2(t) dos señales periódicas con períodos fundamentales T1 y T2, respectivamente. ¿Cuáles son las condiciones para que la suma z(t) = x1(t) + x2(t) sea periódica y cuál es el período fundamental de z(t)? Solución: Puesto que x1(t) y x2(t) son periódicas con períodos fundamentales T1 y T2, respectivamente, se tiene que x1 ( t )  x1 ( t  T1 )  x1 ( t  mT1 ) , m un entero positivo x2 ( t )  x2 ( t  T2 )  x2 ( t  nT2 ) , n un entero positivo Entonces, z ( t )  x1 ( t  mT1 )  x2 ( t  nT2 ) Para que z(t) sea periódica con período T, se necesita que z ( t )  z  t  T   x1 ( t  T )  x2 ( t  T )  x1 ( t  mT1 )  x2 ( t  nT2 ) y entonces se debe cumplir que mT1  nT2  T (1.3) o T1 T2  n m  número racional (1.4) En otras palabras, la suma de dos señales periódicas es periódica solamente si la relación entre sus periodos respectivos es un número racional. El período fundamental es entonces el mínimo común múltiplo de T1 y T2, y está dado por la Ec. (1.3) si los enteros m y n son primos relativos. Si la relación T1/T2 es un número irracional, entonces las señales x1(t) y x2(t) no tienen un período común y z(t) no puede ser periódica.
Las señales periódicas de tiempo discreto se definen en forma similar. Específicamente, una señal de tiempo discreto x[n] es periódica con período N, si existe un entero positivo N para el cual x  n  x  n  N  para toda n (1.5) 8 En la Fig. 1.6 se ilustra un ejemplo de este tipo de señal.
x[n] ...
...
n Figura 1.6. Una señal de tiempo discreto periódica.
El período fundamental N0 de x[n] es el menor entero positivo N para el cual se cumple la Ec. (1.5).
cualquier secuencia (señal de tiempo discreto) que no sea periódica se conoce como una secuencia noperiódica (o aperiódica).
1.4 Señales de Potencia y de Energía En muchas aplicaciones, no en todas, las señales que consideraremos están directamente relacionadas con cantidades físicas que representan potencia y energía. Por ejemplo, si v(t) e i(t) son, respectivamente, el voltaje y la corriente en un resistor de resistencia R, entonces la potencia instantánea p(t) viene dada por p (t )  v (t ) i (t )  1 R v2 ( t )  R i 2 ( t ) (1.6) La energía total disipada en el intervalo de tiempo t1  t  t2 está dada por t2 t2  p ( t ) dt  t1     t2 1  v ( t ) dt  R i 2 ( t ) dt 2 R (1.7) t1 t1 y la potencia promedio en ese intervalo es 1 t2  t1 t2  p ( t ) dt  t1 t1   t2  t1  1 t2 1 R v ( t ) dt  2 1 t2  t1 t1  Ri 2 ( t ) dt (1.8) t2 En una forma similar, la potencia disipada por fricción es p ( t )  b v 2 ( t ) , donde v(t) es la velocidad, y podemos definir la energía y la potencia promedio en un intervalo de tiempo dado en la misma forma que en las Ecs. (1.7) y (1.8).
Se acostumbra usar una terminología parecida para cualquier señal, ya sea de tiempo continuo x(t) o de tiempo discreto x[n], normalizando la energía y la potencia promedio de una señal arbitraria (en el caso de señales eléctricas, esto se hace tomando un valor de R = 1 ). Adicionalmente, con frecuencia 9 será conveniente considerar señales de valores complejos. En este caso, la energía total normalizada en el intervalo t1  t  t2 se define como t2  x t  2 (1.9) dt t1 La potencia promedio normalizada se obtiene dividiendo la Ec. (1.9) por la longitud o duración t2  t1 del intervalo. En la misma forma, la energía total normalizada para una señal de tiempo discreto x[n] en el intervalo n1  n  n2, se define como n2  x[n] 2 (1.10) n  n1 y al dividir la Ec. (1.10) por el número de puntos en el intervalo, ( n 2  n1  1) , se obtiene la potencia promedio en ese intervalo.
Adicionalmente, en muchos sistemas nos interesa examinar la potencia y la energía de señales en un intervalo de tiempo infinito. En estos casos, definimos la energía total normalizada E como los límites de las Ecs. (1.9) y (1.10) conforme el intervalo de tiempo aumenta indefinidamente. Para tiempo continuo, tenemos  T E  lím T   x ( t ) dt  2 T  2 x ( t ) dt (1.11)  y en tiempo discreto,  N E  lím N   x[n]  2 n  N  x[n] 2 (1.12) n  De la misma forma se puede definir la potencia promedio normalizada en un intervalo infinito como P  lím T  T 1 2T  2 (1.13) x ( t ) dt T para tiempo continuo y P  lím N  N 2 N 1  1 x[n] 2 (1.14) n  N para tiempo discreto.
Con base en las definiciones dadas por las Ecs. (1.11) a (1.14), se pueden definir tres clases importantes de señales: 1.
Se dice que x[t] o x[n] es una señal de energía si y sólo si 0 < E <  (energía finita). Una señal de este tipo debe tener una potencia promedio igual a cero, ya que, en el caso de tiempo continuo, por ejemplo, de la Ec. (1.13) vemos que P  lím T  E 2T 0 10 2.
Se dice que una señal x(t) o x[n] es una señal de potencia si y sólo si 0 < P <  (potencia promedio finita). Entonces, si P > 0, por necesidad E  . Esto tiene sentido, ya que si se tiene una energía promedio por unidad de tiempo diferente de cero (es decir, potencia promedio diferente de cero), entonces integrando o sumando en un intervalo de tiempo infinito produce una cantidad de energía infinita.
3.
Las señales que no satisfacen ninguna de las dos propiedades anteriores se conocen, por supuesto, como señales que no son ni de energía ni de potencia.
Se deben señalar las propiedades que contemplan una energía nula. Es claro que si x(t) = 0, la energía E es cero, pero lo contrario no es estrictamente cierto. Sólo es posible decir que si E = 0, entonces x(t) es igual a cero “casi en todas partes”. Desde un punto de vista puramente matemático, la propiedad E = 0 no define una sola señal sino una clase de señales equivalentes. En estas notas no consideramos este punto de vista, y todos los elementos de esta clase de señales equivalentes son considerados como una sola señal. Por lo tanto, una señal de energía nula es también considerada como una señal igual a cero.
Ejemplo 4. Si x(t) es una señal periódica con período fundamental T0, entonces la integral en la Ec.
(1.13) tiene el mismo valor para cualquier intervalo de longitud T0. Tomando el límite en una forma tal que 2T sea un múltiplo entero del período, es decir, 2T = mT0, entonces la energía total en un intervalo de longitud 2T es m veces la energía en un período. Como consecuencia, la potencia promedio es T0  1 P  lím  m x (t ) m mT  0 0  2  1 dt    T0 T0  x (t ) 2 dt 0 Observe que una señal periódica es de potencia si su contenido de energía por período es finito.
EJEMPLO 5. Considere las señales en la Fig. 1.7. Se quiere clasificar cada señal calculando la energía y la potencia en cada caso.
x1(t) A x2(t) A exp( t ) A  0 t 0 T0 t1 Figura 1.7. Señales de energía y de potencia.
Solución: La señal en la Fig. 1.7a es aperiódica y su energía total es t 11   A2 E  A exp( 2 t ) dt  2 2 0 la cual es finita. La potencia promedio es  1 P  lím  T   2 T  2T  0  A2 A2 exp( 2 t ) dt   lím 0  T  2 T  En consecuencia, la señal en la Fig. 1.7a es una señal de energía con una energía igual a A2/2 y potencia promedio cero.
La señal en la Fig. 1.7b es periódica con período T0. Su potencia promedio es P 1 T0 T0  x2 ( t ) 2 0 t1    2 A2  1 2 dt   A dt  A2 dt    T0  0 T0 t1     Así que x2(t) es una señal de potencia con energía infinita y potencia promedio igual a 2 A2  T0 .
Ejemplo 6. Considere las dos señales aperiódicas mostradas en la Fig. 1.8. Estas dos señales son ejemplos de señales de energía.
x1(t) x2(t) A / 2 0 A /2 t A exp  a t 0 (a)  t (b) Figura 1.8. Ejemplos de señales de energía.
La función pulso rectangular rect(t/) mostrada en la Fig. 1.8a está estrictamente limitada en el tiempo, ya que x1(t) es igual a cero para t fuera de la duración del pulso. La otra señal está asintóticamente limitada en el sentido de que x(t)  0 conforme t  . En cualquiera de los casos, la potencia promedio es igual a cero. La energía para la señal x1(t) es 2 T E1  lím T  y para x2(t) es x 2 1 T ( t ) dt    2 A2 dt  A2  12 T E1  lím T  A 2 exp( 2 a t ) dt  lím T  T A2 a [1  exp( 2 aT ) ]  A2 a Puesto que E1 y E2 son finitas, las señales x1(t) y x2(t) son señales de energía.
Aquí se debe señalar que la energía como la define la Ec. (1.11) o la Ec. (1.12) no indica la energía real de la señal a que la energía de la señal depende no sólo de la señal sino también de la carga. La interpretamos como la energía normalizada disipada en un resistor de 1 ohmio si a éste se le aplicase un voltaje x(t) o si por el pasase una corriente x(t). Observaciones similares aplican a la potencia de la señal definida en la Ec. (1.13) o en la Ec. (1.14). Por lo planteado, las ecuaciones para la energía o la potencia no tienen las dimensiones correctas. Las unidades dependen de la naturaleza de la señal. Por ejemplo, si x(t) es una señal de voltaje, entonces su energía E tiene unidades de V2s (voltios al cuadrado-segundos) y su potencia P tiene unidades de V2 (voltios al cuadrado) 1.5 Transformaciones de la Variable Independiente En muchas ocasiones es importante considerar analítica y gráficamente señales relacionadas por una modificación de la variable independiente, mediante operaciones tales como desplazamiento o corrimiento e inversión. Por ejemplo, como se ilustra en la Fig. 1.9, la señal x[n] se obtiene a partir de la señal x[n] por una reflexión o inversión en n = 0 (es decir, una inversión de la señal).
x[n] x[–n] n (a) n (b) Figura 1.9. Inversión en tiempo discreto.
De igual forma, como se muestra en la Fig. 1.10, x(t) se obtiene a partir de la señal x(t) por reflexión en t = 0. Entonces, si x(t) representa una señal de audio en un grabador de cinta, la señal x(t) es la misma grabación reproducida en reversa.
Esta operación se conoce como reflexión y es equivalente a “doblar” la señal (rotación de 180º) en torno a la línea t  0 o simplemente a intercambiar el “pasado” y el “futuro” de la señal de tiempo.
Observe que cualquier cosa que suceda en la Fig. 1.10(a) en el instante t también ocurre en la Fig.
1.10(b) en el instante t. Como esta operación significa intercambiar el “pasado” y el “futuro”, es obvio que ningún sistema físico puede ejecutarla.
13 x(t) x(–t) 0 t0 –t0 t t 0 (a) (b) Figura 1.10. Inversión en tiempo continuo.
Otra operación es la de desplazamiento. La señal x(t  t0 ) representa una versión desplazada de x(t), Fig. 1.11. El desplazamiento en el tiempo es t0, donde t0 es un número real. Si t0 > 0, entonces la señal es retrasada en t 0 unidades de tiempo. Físicamente, t0 no puede tomar valores negativos, pero desde un punto de vista analítico, x(t  t0), t0 < 0, representa una réplica adelantada de la señal x(t). Las señales que están relacionadas en esta forma (t0 > 0) surgen en aplicaciones tales como el radar, sonar, sistemas de comunicación y procesamiento de señales sísmicas. Un sistema cuya señal de salida es idéntica a la de su entrada pero retrasada por una constante se denomina una unidad de retardo. Por otra parte, si la señal de salida es idéntica a la de entrada pero avanzada por una constante, el sistema se denomina un predictor. Sin embargo, un sistema que prediga (adivine) es físicamente imposible de construir.
x(t – t0) x(t) –t1 0 t1 t t0 – t1 0 (a) t0 t0 + t1 t (b) Figura 1.11. Desplazamiento de una señal de tiempo continuo.
Ejemplo 7. Considere la señal x(t) mostrada en la Fig. 1.12. Se desea graficar x(t  2) y x(t + 3).
x(t) 1 –1 0 1 2 3 Figura 1.12 Solución: Es fácil verificar que t 14 1  t  0  t 1  1 0t 2  x (t )    t 3 2  t  3  0 otros valores de t Para realizar la operación de desplazamiento, se reemplaza t por t  2 en la expresión para x(t): 1  t  2  0  ( t  2)  1  1 0t2 2  x ( t  2)     ( t  2)  3 2  t  2  3  0 otros valores de t o, equivalentemente,  t 1  1  x ( t  2)    t 3  0 1 t  2 2t 4 4t 5 otros valores de t x(t+3) x(t–2) 1 1 0 1 2 3 4 5 t –4 –3 –2 –1 0 t (b) (a) Figura 1.13 La señal x(t) se grafica en la Fig. 1.13a y puede describirse como la función x(t) desplazada dos unidades hacia la derecha. En la misma forma se puede demostrar que  4  t  3 t4  1  3  t  1  x ( t  3)   1  t  0  t  0 otros valores de t Esta última señal se grafica en la Fig. 1.13b y representa una versión de x(t) desplazada tres unidades hacia la izquierda.
15 Ejemplo 8. Se desea dibujar x(t) y x(3  t) si x(t) es como se muestra en la Fig. 1.14.
x(t) 1 –1 0 1 2 t Figura 1.14 Solución: La señal x(t) se puede escribir como  t 1  x (t )   1  0  1  t  0 0t 2 otros valores de t Reemplazando ahora t por t, se obtiene   t 1  x ( t )   1  0  1   t  0   t 1 0  t  1  0  t  2  1 2  t  0 otros valores de t   0 otros valores de t La señal x(t) se muestra en la Fig. 1.15a.
x(–t) x(3–t) 1 –2 1 –1 0 1 t 0 1 (a) 2 3 (b) 4 t Figura 1.15 En la misma forma se puede demostrar que  4t  x (3  t )   1  0  3t  4 1 t  3 otros valores de t y x(3  t) es como se muestra en la Fig. 1.15b.
La figura es primero reflejada y luego trasladada. Este resultado se obtiene escribiendo la operación completa como 16 x (3  t )  x    t  3  Observe que si primero desplazamos la señal y luego reflejamos la señal desplazada, se obtiene como resultado la señal x(t  3) (Fig. 1.16).
De lo anterior se deduce que las operaciones de inversión y desplazamiento no son conmutativas. No obstante, una señal puede ser invertida y retardada simultáneamente. Las operaciones son equivalentes a reemplazar t o n por –t + t0 o  n  n0 . Para ver esto, consideramos una señal de tiempo continuo x(t) que se desea invertir y trasladar por t0 unidades de tiempo. Para producir la señal invertida reemplazamos t por –t en x(t), lo que resulta en x(–t). La señal invertida x(–t) es entonces retrasada por t0 unidades para obtener x[  ( t  t0 )]  x (  t  t0 ) , como se afirmó.
x(–t–3) 1 –5 –4 –3 –2 –1 0 t Figura 1.16 1.6 Escalamiento en el Tiempo La operación de compresión o expansión en el tiempo se conoce como escalamiento en el tiempo.
Considere, por ejemplo, las señales x(t), x(3t) y x(t/2), mostradas en la Fig. 1.17. Como se puede ver, x(3t) puede describirse como x(t) comprimida por un factor de 3. En forma similar, x(t/2) puede describirse como expandida por un factor de 2. Se dice que ambas funciones, x(3t) y x(t/2), son versiones de x(t) escaladas en el tiempo.
En general, si la variable independiente es escalada por un parámetro , entonces x(t) es una versión comprimida de x(t) si   1 y es una versión expandida de x(t) si   1 . Si consideramos a x(t) como si fuese la señal de salida de un grabador de video, por ejemplo, entonces x(3t) se obtiene cuando la grabación se reproduce a tres veces la velocidad con la cual fue grabada, y x(t/2) se obtiene cuando la grabación se reproduce a la mitad de esa velocidad. También se puede decir, por ejemplo, que lo que le pase a x(t) en el instante t, también le sucederá a x(t/2) en el instante t/2.
–1 x(3t) A x(t) A 0 1 t – 1/3 1/3 A t –2 x(t/2) 0 Figura 1.17. Ejemplos de escalamiento en el tiempo.
2 t 17 Ejemplo 9. Se desea graficar la señal x(3t  6), donde x(t) es la señal del Ejemplo 7. Usando la definición de x(t) dada en el Ejemplo 7, obtenemos 5  t 2  3t  5 3  2t 8 3  1 x (3t  6)     3t  9 8  t  3  3  otros valores de t  0 La señal x(3t  6) se grafica en la Fig. 1.18 y puede considerarse como x(t) comprimida por un factor de 3 (o escalada en el tiempo por un factor de 1/3) y luego desplazada dos unidades hacia la derecha; observe que si x(t) es desplazada primero y luego escalada por una factor de 1/3, hubiésemos obtenido una señal diferente; en consecuencia, las operaciones de desplazamiento y de escalamiento en el tiempo no son conmutativas. El resultado obtenido se puede justificar escribiendo la operación en la forma siguiente: x (3t  6)  x (3( t  2)) la cual indica que se ejecuta primero la operación de escalamiento y después la de desplazamiento.
x(t) 1 0 1 5/3 2 8/3 3 t Figura 1.18 Ejemplo 10. El tiempo que le toma a una señal para alcanzar 90% de su valor final, T90, es una característica muy importante. Determine T90 para las señales siguientes: (a) x(t); (b) x(2t); x(t/2), donde x ( t )  1  e t .
Solución (a) El valor final de x(t) es igual a 1. Para hallar el tiempo requerido por la función para alcanzar el valor de 0.90, tenemos que resolver la ecuación 0.90  1  e T90 la cual produce T90 = 2.3.
(b) Para la señal x(2t) tenemos que resolver 0.90  1  e2 T90 18 la cual produce T90 = 1.15.
(c) La señal x(t/2) tiene un T90 dado por 0.90  1  e T90 2 la cual resulta en T90 = 4.6.
Estos resultados eran de esperarse. En la parte (b) comprimimos la señal por un factor de 2, y en la parte (c) la expandimos por el mismo factor.
En conclusión, para cualquier señal general x(t), la transformación (múltiple) de la variable independiente en la forma t   puede realizarse de la manera siguiente: x ( t   )  x (  ( t    ) donde se supone que  y  son números reales. Las operaciones deben ejecutarse en el orden siguiente: 1. Escale por . Si  es negativo, refleje también con respecto al eje real.
2. Desplace hacia la derecha por  si  y  son de signos diferentes y hacia la derecha si tienen el mismo signo.
El orden de las operaciones es importante. Observe que las operaciones de reflexión y escalamiento en el tiempo son conmutativas, mientras que las de desplazamiento y reflexión o las de desplazamiento y escalamiento, como ya se mencionó, no lo son. Observe también que no definimos la operación de escalamiento en el tiempo para una señal de tiempo discreto (¿por qué?).
1.7 Señales Pares e Impares Adicionalmente a su uso en la representación de fenómenos físicos (como en el ejemplo del grabador), la reflexión es extremadamente útil para examinar las propiedades de simetría que pueda poseer una señal. Una señal x(t) o x[n] se conoce como una señal par si es idéntica a su reflexión respecto del origen, es decir, si x ( t )  x (t ) x[  n]  x[ n] (1.15) lo que equivale a decir que una señal par, x(t) o x[n], es invariante bajo la operación de reflexión (o inversión) en el tiempo..
Una señal se denomina impar si x ( t )   x (t ) x[  n]   x[ n] (1.16) Observe que una señal impar debe ser necesariamente igual a cero en el origen. En la Fig. 1.19 se muestran ejemplos de una señal par y una impar.
19 x(t) 0 x[n] t 0 n Figura 1.19. Ejemplos de una función par y una impar.
Un hecho importante es que cualquier señal, que no sea par ni impar, puede ser expresada como una suma de dos señales, una de las cuales es la parte par y la otra la parte impar. Para ver esto, considere la señal 1 x p ( t )  [ x ( t )  x (  t )] 2 la cual se conoce como la parte par de x(t). En forma similar, la parte impar de x(t) está dada por 1 xi ( t )  [ x ( t )  x (  t )] 2 Es muy sencillo comprobar que, efectivamente, la parte par es par y que la parte impar es impar, y que x(t) es la suma de las dos. Para el caso de tiempo discreto se cumplen definiciones completamente análogas. En resumen, tenemos las siguientes identidades: x ( t )  x p ( t )  xi ( t ) x [ n ]  x p [ n ]  xi [ n ] (1.17) 1 x p ( t )  [ x ( t )  x (  t )] 2 1 xp [ n ]  [ x[ n ]  x[  n ] 2 (1.18) 1 xi ( t )  [ x ( t )  x (  t )] 2 1 xi [ n ]  { x [ n ]  x [  n ]} 2 (1.19) Observe que la suma de dos señales pares es par y de dos señales impares es impar, y también que el producto de dos señales pares o dos impares es una señal par y que el producto de una señal par y una señal impar es una señal impar; también se puede demostrar que la derivada de cualquier función par es impar, y la derivada de una función par es impar (la demostración de todo lo anterior se deja como un ejercicio).
20 Ejemplo 11. Considere la señal x(t) definida por  1, t  0 x (t )    0, t  0 Las partes par e impar de esta señal, conocida como la función escalón, están dadas por xp (t )  1 para todo t, excepto en t = 0 2  1   2 , t  0 xi ( t )    1, t 0  2 El único problema aquí radica en el valor de las funciones en x = 0. Si definimos x (0)  1 2 , entonces 1 x p (0)  y xi (0)  0 2 Las señales xp(t) y xi(t) se grafican en la Fig. 1.20.
xp(t) xi(t) 1/2 1/2 0 t t 0 –1/2 Figura 1.20. Descomposición de la función escalón en sus partes par e impar.
Ejemplo 12. Considere la señal  A exp ( t ), t  0 x (t )   0, t0  La parte par de x(t) está dada por 1   2 A exp ( t ) xp (t )   1   2 A exp ( t ) t 0 t0  1 2 A exp   t y la parte impar por 1   exp ( t ), t  0 xi ( t )   2 1   2 exp ( t ). t  0 Las señales xp(t) y xi(t) se muestran en la Fig. 1.21.
 21 xp(t ) ½A xi(t) ½A t 0 0 t –½ A Figura 1.21 Ejemplo 13. Determine las componentes par e impar de x ( t )  e jt .
Solución: La parte par es y la parte impar es x p ( t )  12  e jt  e jt   cos t xi ( t )  12  e jt  e jt   j sen t 1.8 Señales en Tiempo Continuo Básicas En esta sección se introducen varias señales de tiempo continuo de particular importancia. Estas señales no sólo ocurren frecuentemente en la naturaleza, sino que ellas también sirven como bloques básicos para la construcción de otras señales. En éste y en los capítulos subsiguientes encontraremos que al construir señales de esta forma se podrán examinar y comprender más profundamente las propiedades de señales y sistemas.
1.8.1 Señales Exponenciales Complejas La señal exponencial compleja de tiempo continuo es de la forma x ( t )  Aest (1.20) donde A y s son, en general, números complejos. Dependiendo del valor de estos parámetros, la exponencial compleja puede tomar varias características diferentes. En el análisis a continuación, para simplificar, se tomará A = 1.
Si s se restringe a ser puramente imaginaria, s = j0 por ejemplo, se obtiene la señal x ( t )  e j0 t  cos 0 t  j sen 0 t (1.21) Usando ahora la identidad de Euler, esta señal puede ser definida como x ( t )  e j0 t  cos 0 t  j sen 0 t (1.22) 22 O sea que x(t) es una señal compleja cuyas partes real e imaginaria son cos 0 t y sen 0 t , respectivamente. Una propiedad importante de la señal exponencial compleja es su periodicidad. Para comprobar esto, recuerde de la Sec. 1.3 que una función x(t) será periódica con período T si x (t )  x (t  T ) o, para la función exponencial e j0 t  e j0 ( t T ) (1.23) Puesto que e j0 ( t T )  e j0 t e j0T se concluye que para tener periodicidad, se debe cumplir que e j0T  1 Si 0 = 0, entonces x(t) = 1, la cual es periódica para cualquier valor de T. Si 0  0 , entonces el período fundamental T0 de x(t) es T0  2 (1.24) 0 Así que las señales e j0 t y e j0 t tienen el mismo período fundamental. Observe también que x(t) es periódica para cualquier valor de 0.
Una señal íntimamente relacionada con la señal exponencial compleja periódica es la sinusoidal x ( t )  A cos (  0 t  ) (1.25) ilustrada en la Fig. 1.22 y ya estudiada en la Sección 1.3.
A x(t ) T0  A  cos  2  t 0 Figura 1.22 Las señales sinusoidales y las exponenciales complejas también se usan para describir las características de muchos procesos físicos – en particular, sistemas físicos en los cuales se conserva la energía. Por ejemplo, la respuesta natural de una red constituida solamente por inductores y capacitores o el movimiento armónico simple de un sistema mecánico consistente de una masa conectada por un resorte a un soporte estacionario. Las variaciones de la presión acústica correspondientes a un solo tono musical también son sinusoidales.
23 Como ya se vio, si se usa la relación de Euler, la exponencial compleja en la Ec. (1.21) puede escribirse en términos de señales sinusoidales con el mismo período fundamental, es decir, e j0 t  cos  0 t  j sen  0 t (1.26) En forma similar, la señal sinusoidal en la Ec. (1.26) puede escribirse en función de exponenciales complejas periódicas con el mismo período fundamental: A  A  A cos(  0 t   )   e j  e j0 t   e j  e j0 t 2  2  (1.27) Observe que las dos exponenciales en la Ec. (1.28) tienen amplitudes complejas. Alternativamente, una sinusoide puede expresarse en función de una señal exponencial compleja como  A cos(  0 t   )  A Re e j ( 0 t  )  (1.28) donde A es real y “Re” se lee “la parte real de”. También se usará la notación “Im” para denotar “la parte imaginaria de”. Entonces  A sen (  0 t   )  A Im e j ( 0 t  )  (1.29) De la Ec. (1.25) vemos que el período fundamental T0 de una señal sinusoidal o de una señal exponencial periódica (ambas funciones de tiempo continuo) es inversamente proporcional a 0 , a la cual llamaremos la frecuencia fundamental (rad/s). De la Fig. 1.23 vemos gráficamente lo que esto significa. Si disminuimos la magnitud de 0, el ritmo de oscilación se hace más lento y, por tanto, el período aumenta. Ocurren efectos exactamente opuestos si se aumenta la magnitud de 0. Considere ahora el caso cuando 0 = 0. Como ya se mencionó, aquí x(t) representa una constante y, por ello, es periódica con período T para cualquier valor positivo de T, lo que significa que el período de una señal constante no está definido. Por otra parte, no hay ambigüedad al definir la frecuencia fundamental de una constante como igual a cero; es decir, la tasa de oscilación de una constante es igual a cero (período infinito).
x1 (t )  cos 1t x2 (t )  cos 2 t t t (a) (b) x3 (t )  cos 3t t (c) Figura 1.23 1 > 2 > 3 T1 < T2 < T3 24 Las señales periódicas – y en particular, la señal exponencial compleja en la Ec. (1.21) y la señal sinusoidal en la Ec. (1.26) – proporcionan ejemplos importantes de señales con energía total infinita pero potencia promedio finita. Por ejemplo, considere la exponencial periódica de la Ec. (1.21) y suponga que calculamos la energía total y la potencia promedio en un período: T0 Eperíodo  e T0 j0 t 2  (1.30) Eperíodo  1 (1.31) dt  (1) dt  T0 0 0 Pperíodo  1 T0 Puesto que hay un número infinito de períodos conforme t varía de  a +, la energía total integrada para todo el tiempo es infinita. Sin embargo, cada período de la señal es idéntico a los demás.
Como la potencia promedio de la señal por período es igual a 1, promediando en periodos múltiples producirá un promedio igual a 1; es decir, P  lím T  1 2T T  e j0 t 2 dt  1 (1.32) T Ejemplo 14. Algunas veces es deseable expresar la suma de dos exponenciales complejas como el producto de una sola exponencial compleja. Por ejemplo, suponga que se quiere graficar la magnitud de la señal x (t )  e j 2 t  e j 3t Para hacer esto, primero extraemos un factor común del lado derecho de la ecuación, tomando como frecuencia de ese factor el promedio de las dos frecuencias de las exponenciales en la suma, y se obtiene x ( t )  e j 2.5 t ( e j 0.5 t  e j 0.5 t ) la cual, por la relación de Euler, se puede escribir como x ( t )  2 e j 2.5 t cos 0.5t y de aquí se obtiene directamente la expresión para la magnitud de x(t): x ( t )  2 cos 0.5t Así que x ( t ) es lo que se conoce comúnmente como una sinusoide rectificada de onda completa, como se muestra en la Fig. 1.24.
25 x(t) 2 ...
...
 0  2 t Figura 1.24 Para la señal compleja definida en la Ec. (1.20), si A es real y s =  (también real), entonces la expresión para la señal se reduce a x ( t )  Aet (1.33) vale decir, x(t) es una función exponencial real. Si  > 0, entonces x(t) es una exponencial creciente, una forma usada en la descripción de muchos procesos físicos diferentes, incluyendo las reacciones en cadena en explosiones atómicas y en reacciones químicas complejas. Si  < 0, entonces x(t) es una exponencial decreciente, la cual también se usa para describir fenómenos tales como el proceso de decaimiento radiactivo y las respuestas de redes eléctricas formadas por resistores-capacitores (RC) o resistores-inductores (RL). Observe también que para  = 0, x(t) es una constante. En la Fig. 1.25 se ilustran curvas típicas para  > 0 y  < 0.
x(t) A x(t) >0 A t < 0 t Figura 1.25 Las exponenciales complejas jugarán un papel importante en mucho de nuestro tratamiento sobre señales y sistemas, principalmente porque sirven como bloques sumamente útiles en la construcción de otras señales. Con frecuencia hallaremos de utilidad el considerar conjuntos de exponenciales complejas relacionadas armónicamente – es decir, conjuntos de exponenciales periódicas con un período común T0. Específicamente, ya vimos que una condición necesaria para que la exponencial compleja e jt sea periódica con período T0 es que e jT0  1 lo que implica que T0 debe ser un múltiplo de 2, es decir, T0  2 k , Entonces, si definimos la frecuencia fundamental k  0,  1,  2,  (1.34) 26  0 2 T0 (1.35) vemos que, para satisfacer la Ec. (1.34),  debe ser un múltiplo entero de 0. Es decir, un conjunto de exponenciales complejas relacionadas armónicamente es un conjunto de exponenciales periódicas con frecuencias fundamentales que son múltiplos de una sola frecuencia positiva 0: k ( t )  e jk0 t , k  0,  1,  2,  (1.36) Para k = 0, k ( t ) es una constante, mientras que para cualquier otro valor de k, k ( t ) es periódica con frecuencia fundamental k 0 y período fundamental T0 k  2 k 0 (1.37) el k-ésimo armónico k ( t ) todavía es periódico con período T0, a medida que recorre k de sus períodos fundamentales durante cualquier intervalo de duración T0.
1.8.2 Señales Exponenciales Complejas Generales El caso más general de una señal exponencial compleja puede expresarse e interpretarse en función de los casos examinados hasta ahora: la exponencial real y la exponencial compleja periódica.
Específicamente, considere una señal exponencial compleja Aest , donde A se expresa en forma polar y s en forma rectangular; es decir, A  A e j y s    j Entonces, Aest  A e j e(  j ) t  A et e j ( t  ) (1.38) Usando la identidad de Euler, se puede expandir esta relación para obtener Aest  A et cos (  t   )  j A et sen (  t   ) (1.39) Así que para  = 0, las partes real e imaginaria de una exponencial compleja son señales sinusoidales.
Para  > 0, ellas corresponden a señales sinusoidales multiplicadas por una exponencial real creciente y, para  < 0, corresponden a señales sinusoidales multiplicadas por una exponencial real decreciente.
Ambos casos se ilustran en la Fig. 1.26. Las líneas punteadas representan las funciones  A et . De la Ec. (1.39) vemos que A et es la magnitud de la exponencial compleja. Así que las líneas de puntos se comportan como una envolvente para las curvas oscilatorias en la figura, donde los picos de las oscilaciones justo tocan estas curvas y, de esta manera, la envolvente proporciona una forma conveniente de visualizar la tendencia general en la amplitud de la oscilación.
27 <0 >0 t t Figura 1.26. Señales sinusoidales multiplicadas por señales exponenciales.
Las señales sinusoidales multiplicadas por exponenciales decrecientes comúnmente se conocen como sinusoides amortiguadas. Ejemplos de ellas se encuentran en la respuesta de redes eléctricas compuestas de resistores-inductores-capacitores (RLC) y en sistemas mecánicos que contienen fuerzas de amortiguamiento y de restauración (el amortiguamiento de los automóviles, por ejemplo). Estos sistemas poseen mecanismos que disipan energía (resistores, fricción, etc.).
1.8.3 La Función Escalón Unitario La función escalón unitario u(t) se define como t 0 1 u (t )   0 (1.40) t 0 y se muestra en la Fig. 1.27a. Observe que es discontinua en t = 0 y que el valor en t = 0 no está definido. En la misma forma se define la función escalón unitario desplazado u(t  t0):  1 t  t0 u ( t  t0 )    0 t  t0 (1.41) y la cual se muestra en la Fig. 1.27b.
u(t – t0) u(t) 1 1 t 0 (a) 0 t0 t (b) Figura 2.27. La función escalón unitario.
1.8.4 La Función Impulso Unitario En aplicaciones de modelado prácticas, con frecuencia encontramos discontinuidades en una señal x(t) de tiempo continuo. Una señal así no posee derivadas finitas en sus discontinuidades. No obstante, por 28 razones conceptuales y operacionales, es deseable incluir la derivada de la señal x(t) en nuestras consideraciones; por lo tanto, introducimos el concepto de la función impulso unitario. Esta función, también conocida como la función delta de Dirac, se denota por  ( t ) y se representa gráficamente mediante una flecha vertical, como en la Fig. 1.28.
(t) 0 t Figura 1.28 Tradicionalmente, (t) se define como el límite de una función convencional seleccionada adecuadamente y la cual tiene un área unitaria en un intervalo de tiempo infinitesimal, como la función ilustrada en la Fig. 1.29.
En un sentido matemático estricto, la función impulso es un concepto bastante sofisticado. Sin embargo, para las aplicaciones de interés es suficiente comprender sus propiedades formales y aplicarlas correctamente. En lo que se expone a continuación se presentan estas propiedades, recalcando no el rigor sino la facilidad operacional. En las aplicaciones prácticas de algunos modelos, con frecuencia encontramos discontinuidades abruptas en una señal f(t) (como la de la Fig. 1.29). Esta señal no posee derivadas finitas en esas discontinuidades. No obstante, muchas veces es deseable incluir las derivadas de la señal en nuestras consideraciones. Es aquí donde tiene su aplicación el concepto de la función impulso unitario. Antes de enunciar algunas de las propiedades de la función impulso considere la función dada por   0,   xn ( t )   n ,    0,  t0 0t  t 1 n 1 n Para n =1, 2 y 3, los pulsos x1(t), x2(t) y x3(t) se muestran en la Fig. 1.29(b). Conforme n aumenta, la anchura del pulso disminuye y la altura aumenta. Como consecuencia, el área del pulso para toda n es igual a la unidad:   xn ( t ) dt  1,  0 1 n En el límite, conforme n → ∞, para un número  positivo, tenemos que   lím xn ( t ) dt  1 n  0 29 f(t) xn(t) 4 2 1 t  0 (a) ¼ ½ 1 t (b) Figura 1.29. Funciones modelos para obtener una función impulso.
lo que nos da una forma de definir la función impulso unitario como  ( t )  lím xn ( t ) n  La función impulso (t), también conocida como función delta de Dirac, tiene las siguientes propiedades: 1. Es una señal de área unitaria con valor cero en todas partes excepto en el origen:  0, t  0  (t )    no está definida en t  0 (1.42)    ( t ) dt  1 (1.43)  Pero una función ordinaria que es igual a cero en todas partes excepto en el origen debe tener una integral de valor cero (en el sentido de la integral de Riemann). Así que (t) no puede ser una función ordinaria y matemáticamente se define por    ( t )  ( t ) dt   (0) (1.44)  donde (t) es una función continua en el origen. Esta propiedad se conoce como la propiedad de selección o de filtrado de la función impulso unitario.
Una definición alterna de (t) está dada por   (0), ab  0   ( t )  ( t ) dt   0, ab  0  a  no definida, a  0 o b  0 b  (1.45) 30 Observe que la Ec. (1.45) o la Ec. (1.46) es una expresión simbólica y no debe ser considerada una integral de Riemann ordinaria. En este sentido, a (t) se le refiere con frecuencia como una función generalizada y a (t) como una función de prueba. Tome nota que la función impulso es una función ficticia con propiedades “ideales” que ninguna función real posee.
2. La función delta es la derivada de la función escalón unitario, es decir,  (t )  d u (t ) (1.46) dt La demostración de esta propiedad se deja como un ejercicio para el lector. Esta última ecuación también puede usarse para definir la función (t) como t  () d   u(t ) (1.47)  Al igual que (t), la función delta retrasada, (t – t0), se define por    ( t )  ( t  t ) dt   ( t ) 0 0 (1.48)  A continuación se presentan algunas consecuencias de las propiedades anteriores: De la propiedad de la definición en (1.44), se tiene que la función (t) es una función par; es decir,  (t )   ( t ) (1.49) También,  ( at )  1 a  (t ) (1.50) La función (t – t0) es la derivada de la función escalón unitario retrasado:  ( t  t0 )  d u ( t  t0 ) dt (1.51) Si (t) es continua en t = 0,  ( t )  ( t )   (0)  ( t ) (1.52)  ( t )  ( t  t0 )   ( t0 )  ( t  t0 ) (1.53) y si es continua en t = t0, Estas dos últimas ecuaciones representa la propiedad de muestro de la función delta, es decir, la multiplicación de cualquier función (t) por la función delta resulta en una muestra de la función en los instantes donde la función delta no es cero. El estudio de los sistemas en tiempo discreto se base en esta propiedad.
Una función impulso de nésimo orden se define como la nésima derivada de u(t), es decir dn  (t )  u (t ) dt (n) (1.54) 31 La función '(t) se denomina doblete, ''(t) triplete, y así sucesivamente.
Usando las Ecs. (1.47) y (1.48), se obtiene que cualquier función continua x(t) puede expresarse como   x ( ) (t  ) d x(t )  (1.55)  Esta identidad es básica. Diferenciándola con respecto a t, se obtiene  x ( t )   x (  )  ( t   ) d  (1.56)  y para t = 0,  x  (0)   x (  )  (   ) d  (1.57)  Puesto que (t) es una función par, su derivada   ( t ) , el doblete, es impar, es decir,  ( t )   (  t ) (1.58) por lo que al usar esta propiedad, la Ec. (1.55) se convierte en   x ( t ) ( t ) dt   x (0) (1.59)  También se puede demostrar que (¡hágalo Ud.!)   x (  )  ( t   ) d    x ( t ) (1.60)  Si g(t) es una función generalizada, su n-ésima derivada generalizada g ( n ) ( t )  d n g ( t ) dt n se define mediante la siguiente relación:   (t ) g  (n) ( t ) dt  ( 1)  n  (n) ( t ) g ( t ) dt (1.61)  donde (t) es una función de prueba que puede ser diferenciada un número arbitrario de veces y se anula fuera de algún intervalo fijo. Como una aplicación de la Ec. (1.59) y la Ec. (1.58), si g ( t )   ( t ) , entonces   (t )  (n) ( t  x ) dt  ( 1) n ( n ) ( x )  De la Ec. (1.46) se tiene que la función escalón unitario u(t) puede expresarse como (1.62) 32 t u(t )   ( ) d (1.63)  Ejemplo 15. Halle y dibuje la primera derivada de las señales siguientes: (a) x ( t )  u ( t )  u ( t  a ) a  0 (b) x ( t )  t [ u ( t )  u ( t  a )] a  0 Solución: (a) Usando la Ec. (1.46), tenemos que u (t )   (t ) Entonces, u (t  a )   (t  a ) y x(t )  u (t )  u (t  a )  (t )  (t  a ) Las señales x(t) y x(t ) se dibujan en la Fig. 1.30.
(b) Usando la regla para la derivada del producto de dos funciones y el resultado de la parte (a), se obtiene x  ( t )  u ( t )  u ( t  a )  t [  ( t )   ( t  a )] Pero, por las Ecs. (1.51) y (1.52), t  ( t )  (0)  ( t )  0 y t  ( t  a )  a  ( t  a ) Y, por ello, x(t )  u (t )  u (t  a )  a  (t  a ) Las señales x(t) y x(t ) se grafican en la Fig. 1.30b.
x(t) x(t) a 1 0 a t x'(t) (t) 0 a t x'(t) 1 a a t 0 (t –a) (a) t 0 (t – a) (b) Figura 1.30 33 1.9 Señales de Tiempo Discreto Básicas 1.9.1 Secuencias Exponenciales Complejas Generales Igual que en tiempo continuo, una señal importante en tiempo discreto es la secuencia exponencial compleja x [ n ]  A n (1.64) donde A y  son, en general, cantidades complejas. Esto podría expresarse alternativamente en la forma x [ n ]  Aen (1.65) donde   e .
Aunque la forma de la secuencia exponencial compleja dada en la Ec. (1.63) es más parecida a la forma de la función exponencial en tiempo continuo, a menudo es más conveniente expresarla en la forma de la Ec. (1.62).
1.9.2 Secuencias Exponenciales Reales Si en la Ec. (1.62) A y  son reales, podemos tener diferentes tipos de conducta para las secuencias, como se ilustra en la Fig. 1.31. Si   1 , la magnitud de la señal crece exponencialmente con n, mientras que si   1 , tenemos una exponencial decreciente. Adicionalmente, si  es positiva, todos los valores de A n tienen el mismo signo, pero si  es negativa, entonces los signos de x[n] se alternan. Observe también que si  = 1, entonces x[n] es una constante, mientras que si  = 1, el valor de x[n] se alterna entra +A y A. Las exponenciales en tiempo discreto de valores reales con frecuencia se usan para describir el crecimiento de una población en función de su tasa de generación, el retorno de una inversión en función del día, mes, etc.
<1 >1 (a) (b) –1 <  < 0  < –1 (c) (d) Figura 1.31 34 1.9.3 Señales Sinusoidales Otra exponencial compleja importante se obtiene usando la forma dada en la Ec. (1.63) y restringiendo  a ser puramente imaginaria (de modo que   1 ). Específicamente, considere la expresión x [ n ]  e j 0 n (1.66) Igual que en el caso de tiempo continuo, esta señal está íntimamente relacionada con la señal sinusoidal x [ n ]  A cos ( 0 n   ) (1.67) Si tomamos al parámetro n como adimensional, entonces 0 y  tienen las dimensiones de radianes. En la Fig. 1.32 se ilustra un ejemplo de una secuencia sinusoidal.
x[n]  cos –6 –9 6 0 3 6 n 9 12 n Figura 1.32 La relación de Euler nos permite escribir e j0 n  cos 0 n  j sen 0 n (1.68) A cos ( 0 n   )  12 e j  e j0 n  12 e j  e j0 n (1.69) y Las señales en las Ecs. (1.64) y (1.65) son ejemplos de señales de tiempo discreto con energía total infinita pero potencia promedio finita. Por ejemplo, puesto que e j 0 n  1 , toda muestra de la señal en la Ec. (1.64) contribuye con 1 a la energía de la señal, por lo que la energía total para   n   es infinita, mientras que la potencia promedio para algún período de tiempo es obviamente igual a 1.
1.9.4 Señales Exponenciales Complejas Generales La exponencial compleja de tiempo discreto general puede escribirse e interpretarse en función de señales exponenciales reales y de señales sinusoidales. Específicamente, si escribimos A y  en forma polar, 35 A  A e j y    e j 0 entonces A n  A  cos ( 0 n   )  j A  sen ( 0 n   ) n Así que para n (1.70)   1 , las partes real e imaginaria de una secuencia exponencial compleja son sinusoides. Para   1 , ellas corresponden a secuencias sinusoidales multiplicadas por una exponencial decreciente (Fig. 1.33a), mientras que para   1 , ellas corresponden a secuencias sinusoidales multiplicadas por exponenciales crecientes (Fig. 1.33b).
 1  1 n n (b) (a) Figura 1.33 1.9.5 Periodicidad de las Exponenciales Complejas Aunque hay muchas semejanzas entre las señales exponenciales de tiempo continuo y las de tiempo discreto, también hay diferencias importantes. Una de ellas se relaciona con la señal e j0 n . En la Sección 1.8.1 se señalaron las dos propiedades siguientes de su contraparte de tiempo continuo e j 0 t : (1) Mientras mayor sea la magnitud de 0, más grande será la tasa de oscilación de la señal; y (2) e j 0 t es periódica para cualquier valor de 0. Ahora se describirán las versiones en tiempo discreto de estas propiedades y, como se verá, hay diferencias bien definidas entre ellas y sus equivalentes en tiempo continuo.
El hecho de que la primera de estas propiedades sea distinta en tiempo discreto, es una consecuencia directa de otra diferencia extremadamente importante entre las exponenciales complejas de tiempo discreto y las de tiempo continuo. Específicamente, considere la exponencial compleja con frecuencia igual a 0  2 k  , donde k es un entero: e j ( 0 2 k  ) n  e j0 n e j 2 k n   e j0 n (1.71) 36 puesto que e j 2 k n   1 . De la Ec. (1.69) vemos que la secuencia exponencial compleja con frecuencia 0 es la misma que las secuencias con frecuencias iguales a 0  2  , 0  4  , etc. Así que tenemos una situación muy diferente de la del caso en tiempo continuo, donde las señales e j 0 t son todas distintas para distintos valores de 0. En tiempo discreto, las señales e j0 n no son todas distintas. Como lo indica la Ec. (1.69); las señales que están separadas por 2 radianes son idénticas y, por ello, al tratar con secuencias exponenciales en tiempo discreto, solamente necesitamos considerar un intervalo de longitud 2 en el cual seleccionar 0. En la mayoría de los casos se usará el intervalo 0  0  2  o el intervalo   0   .
Debido a la periodicidad implicada por la Ec. (1.69), la señal e j0 n no tiene una tasa de oscilación que aumenta continuamente conforme 0 aumenta en magnitud. Más bien, a medida que aumentamos 0 desde 0, obtenemos señales con tasas de oscilación crecientes hasta alcanzar el valor 0 = . De allí en adelante, al continuar aumentando 0, disminuye la tasa de oscilación hasta llegar al valor 0 = 2 que es la misma que en 0 = 0. ¡el proceso comienza de nuevo! 1.9.6 Periodicidad de la Exponencial Compleja Para que la señal e j0 n sea periódica con período N > 0, se debe cumplir que e j0 ( n N )  e j0 n o, equivalentemente, que e j0 N  1 (1.72) Esta ecuación se satisface si 0N es un múltiplo entero de 2, es decir, 0 N  2 m m un entero positivo u 0 2  m N un número racional (1.73) Por ello, la secuencia e j0 n no es periódica para cualquier valor de 0; es decir, si 0 satisface la condición de periodicidad en la Ec. (1.71), 0  0 y si N y m no tienen factores en común, el período fundamental N0 de la secuencia e j0 n está dado por  2  N0  m    0  (1.74) De acuerdo con la Ec. (1.71), la señal e j0 n es periódica si 0/2 es un número racional, y no lo es para cualquier otro valor. Estas mismas observaciones también son válidas para sinusoides de tiempo discreto. Por ejemplo, la secuencia en la Fig. 1.34, x[ n ]  cos  n 6  , es periódica con período fundamental igual a 12, pero la secuencia dada por x[ n ]  cos  n 2  no lo es.
37   x[n]  cos n 6 –6 6 –9 –3 0 3 9 n Figura 1.34 Ejemplo 16. Sea x[ n]  e j ( 7 9 )n Entonces 0 2  7 9 2  7 18  m N Así pues, x[n] es periódica y su período fundamental, obtenido al hacer m = 7, es igual a 18.
Si x[n] es la suma de dos secuencias periódicas x1[n] y x2[n], las cuales tienen periodos fundamentales N1 y N2, respectivamente, entonces si mN1  kN2  N (1.75) donde m y k son enteros, x[n] es periódica con período N (¡demuéstrelo!). Puesto que siempre podemos encontrar enteros m y k que satisfagan la Ec. (1.73), se deduce que la suma de dos secuencias periódicas es también periódica y su período fundamental es el mínimo común múltiplo de N1 y N2.
Igual que en el caso de tiempo continuo, en el análisis de sistemas y señales en tiempo discreto también es muy importante considerar conjuntos de exponenciales relacionadas armónicamente – es decir, exponenciales periódicas con un período común N0. De la Ec. (1.71) sabemos que éstas son precisamente las señales con frecuencias que son múltiplos de 2/N0. Es decir,  k [ n ]  e jk 0 n , 0  2 N0 , k  0,  1,  2,  (1.76) En el caso de tiempo continuo, todas las exponenciales complejas relacionadas armónicamente, e j k ( 2  T0 ) , k  0,  1,  2,, son distintas. Sin embargo, debido a la Ec. (1.69), éste no es el caso en tiempo discreto. Específicamente,  k  N0 [ n ]  e j ( k  N0 )( 2  N0 ) n  e j k ( 2  N0 ) n   k [ n ] (1.77) la cual implica que sólo hay N0 exponenciales periódicas distintas en el conjunto dado por la Ec. (1.74) y, por ello, se tiene que 38 0 [ n ]   N0 [ n ], 1 [ n ]   N0 1 [ n ],  , k [ n ]   N0 k [ n ],  1.9.7 (1.78) La Secuencia Escalón Unitario La secuencia escalón unitario u[n] se define como  1, n  0 u[n]    0, n  0 (1.79) la cual se muestra en la Fig. 1.35a. Observe que el valor de u[n] está definido en n = 0 (a diferencia de la función escalón unitario de tiempo continuo, que no lo está en t = 0). En forma similar, la secuencia escalón unitario desplazado u[n  k] se define como  1, n  k u[n  k ]    0, n  k (1.80) y se muestra en la Fig. 1.35b.
u[n – k] u[n ] ...
1 –2 –1 0 1 2 3 ...
...
1 k n (a) ...
...
n (b) Figura 1.35 1.9.8 La Secuencia Impulso Unitario Una de las señales más sencillas de tiempo discreto es la secuencia impulso unitario (o muestra unitaria), la cual se define como 1 n  0 (1.81) [ n ]   0 n0 y se ilustra en la Fig. 1.36a. En forma similar, la secuencia impulso unitario desplazado (o muestra unitaria que ocurre en n = k, [n  k] se define como 1 n  k [ n  k ]   0 nk la cual se muestra en la Fig. 1.36b.
(1.82) 39 [n ] ...
[n – k] 1 ...
–2 –1 0 1 2 3 1 ...
–1 0 1 n (a) ...
...
k n (b) Figura 1.36 A diferencia de la función impulso unitario de tiempo continuo (t), [n] se define para todos los valores de n sin complicaciones o dificultades analíticas; observe que la magnitud del impulso discreto es siempre finita. A partir de las definiciones (1.79) y (1.80) se ve rápidamente que x [ n ] [ n ]  x [0] [ n ] x [ n ] [ n  k ]  x [ k ] [ n  k ] las cuales representan la propiedad de selección de la secuencia impulso unitario, es decir, la secuencia impulso unitario puede usarse para tomar muestras de la señal x[n].
La relación en tiempo discreto entre el impulso y el escalón unitarios viene dada por la llamada primera diferencia; ella es [ n ]  u [ n ]  u [ n 1] (1.83) Inversamente, el escalón unitario es la suma acumulada de la muestra unitaria; es decir, u[n]  n  [ m ] (1.84) m  Observe en la Ec. (1.82) que la suma acumulada es igual a 0 para n < 0 y 1 para n  0 , Adicionalmente, si se cambia la variable de la sumatoria de m a k = n  m, la Ec. (1.82) se convierte en  u [ n ]   [ n  k ] (1.85) k 0 En la Ec. (1.83) el valor diferente de cero de [n  k ] ocurre cuando k = n, así que de nuevo vemos que la sumatoria es 0 para n < 0 y 1 para n  0. Una interpretación de la Ec. (1.83) es verla como una superposición de impulsos retardados, es decir, podemos considerar la ecuación como la suma de un impulso unitario  [ n ] en n = 0, un impulso unitario  [ n  1] en n = 1, otro,  [ n  2] en n = 2, etc.
1.10 Sistemas y Clasificación de Sistemas Los sistemas físicos en el sentido más amplio son un conjunto de componentes o bloques funcionales interconectados para alcanzar un objetivo deseado. Para nuestros propósitos, un sistema es un modelo matemático que relaciona las señales de entrada (excitaciones) al sistema con sus señales de salida (respuestas). Por ejemplo, un sistema de alta fidelidad toma una señal de audio grabada y reproduce esa señal. Si el sistema tiene controles de tono, se puede cambiar la calidad tonal de la señal reproducida; 40 en otras palabras, el sistema procesa la señal de entrada. De igual modo, la red sencilla de la Fig. 1.37 se puede considerar como un sistema que procesa un voltaje de entrada ve(t) y produce un voltaje de salida vs(t). Un sistema de realzamiento de imágenes transforma una imagen de entrada en una imagen de salida con algunas propiedades deseadas como, por ejemplo, un mayor contraste entre los colores.
R  ve vs C  Figura 1.37 Si x y y son las señales de entrada y de salida, respectivamente, de un sistema, entonces el sistema se considera como una transformación de x en y. Esta representación se denota por y  T[ x ] (1.86) donde T es el operador que representa alguna regla bien definida mediante la cual la excitación x es transformada en la respuesta y. La relación (1.84) se ilustra en la Fig. 1.38a para el caso de un sistema de una sola entrada y una sola salida. La Fig. 1.38b ilustra un sistema con entradas y salidas múltiples.
En estas notas solamente nos ocuparemos de sistemas con una sola entrada y una sola salida.
Sistema T x1 .
.
.
Sistema T xn y1 .
.
.
yn (a) (b) Figura 1.38 1.10.1 Sistemas en Tiempo Continuo y en Tiempo Discreto Un sistema en tiempo continuo es un sistema en el cual las señales de entrada y de salida son de tiempo continuo (Fig. 1.39a). Si las señales de entrada y de salida son de tiempo discreto, entonces el sistema se llama un sistema en tiempo discreto (Fig. 1.40b). Ambos sistemas también se denotarán simbólicamente por x (t )  y (t ) (a) x  n  y  n (b) (1.87) 41 x(t) y(t) Sistema de tiempo continuo x[n] Sistema de tiempo discreto (a) y[n] (b) Figura 1.39 Ejemplo 17. Considere la red RC de la Fig. 1.37. Si tomamos al voltaje ve(t) como la señal de entrada y al voltaje vs(t) como la señal de salida, entonces, aplicando la ley de Ohm, la corriente que pasa por el resistor R es v ( t )  vs ( t ) i (t )  e R Esta corriente está relacionada con el voltaje en el capacitor, vs(t), por d v (t ) i (t )  C s dt y de estas dos últimas relaciones, obtenemos la ecuación diferencial que conecta la entrada con la salida: d vs ( t ) 1 1 (1.88)  vs ( t )  ve ( t ) dt RC RC En general, los sistemas en tiempo continuo en una sola variable están descritos por ecuaciones diferenciales ordinarias. En el Ejemplo 17, la ecuación diferencial ordinaria es una con coeficientes constantes, lineal y de primer orden, de la forma d y (t ) dt  a y (t )  b x (t ) (1.89) en la cual x(t) es la entrada y y(t) es la salida y a y b son constantes.
Ejemplo 18. Un ejemplo sencillo de un sistema de tiempo discreto, lo da un modelo simplificado para el balance mensual de una cuenta bancaria de ahorros. Específicamente, sea y[n] el balance al final del n-ésimo mes y suponga que y[n] evoluciona mensualmente de acuerdo con la ecuación y [ n ]  1.01 y [ n 1]  x [ n ] o y [ n ] 1.01 y [ n 1]  x [ n ] (1.90) donde x[n] representa el depósito neto (es decir, depósitos menos retiros) durante el n-ésimo mes y el término 1.01y[n] modela el hecho del aporte del 1% de interés mensual 42 La Ec. (1.88) es un ejemplo de una ecuación en diferencias lineal de primer orden y de coeficientes constantes, vale decir, una ecuación en diferencias de la forma y [ n ]  a y [ n 1]  b x [ n ] Como lo sugieren los Ejemplos 17 y 18, las descripciones matemáticas de sistemas provenientes de una gran variedad de aplicaciones, con frecuencia tienen mucho en común, y este hecho es una de las mayores motivaciones para el desarrollo de herramientas que faciliten el análisis de señales y sistemas.
Aquí la clave del éxito está en identificar clases de sistemas que posean dos características importantes: 1. Los sistemas deben tener propiedades y estructuras que se puedan explotar para obtener una mejor comprensión de su comportamiento y para desarrollar herramientas efectivas para el análisis.
2. Los sistemas de importancia práctica deben poder modelarse con la mayor precisión posible usando modelos teóricos básicos.
La mayor parte de este texto está enfocada en la primera de estas características y su aplicación a sistemas lineales e invariantes en el tiempo (sistemas LIT). En la próxima sección se introducirán las propiedades que caracterizan este tipo de sistemas como también otras propiedades básicas de mucha importancia.
La segunda característica mencionada es de una importancia obvia para que cualquier técnica de análisis tenga valor práctico. Los sistemas que estudiaremos pueden modelar bastante bien una gran variedad de sistemas físicos. Sin embargo, un punto crítico es que cualquiera sea el modelo utilizado para analizar un sistema físico, ese modelo es una idealización y, por consiguiente, cualquier análisis basado en el modelo será tan bueno como lo sea el modelo. En el caso de resistores y capacitores reales, por ejemplo, los modelos idealizados son bastante precisos para muchas aplicaciones y proporcionan resultados y conclusiones útiles, siempre y cuando las variables físicas – voltajes y corrientes – permanezcan dentro de las bandas de operación establecidas por los modelos. Por ello, es importante en la práctica de ingeniería tener siempre presente los intervalos de validez de las suposiciones hechas para elaborar el modelo y también asegurarnos que cualquier análisis o diseño no viola esas suposiciones.
1.10.2 Sistemas Con y Sin Memoria Se dice que un sistema es instantáneo o sin memoria si su salida en cualquier instante depende solamente de su excitación en ese instante, no de ningún valor pasado o futuro de la excitación. Si esto no es así, se dice que el sistema tiene memoria. Un ejemplo de un sistema sin memoria es un resistor R; con la entrada x(t) tomada como la corriente y el voltaje tomado como la salida y(t), la relación de entrada-salida (ley de Ohm) para el resistor es y (t )  R x (t ) (1.91) Un sistema que no es instantáneo se dice dinámico y que tiene memoria. Así pues, la respuesta de un sistema dinámico depende no sólo de la excitación presente sino también de los valores de la entrada pasada. Un ejemplo de un sistema con memoria es un capacitor C con la corriente como la entrada x(t) y el voltaje como la salida y(t); entonces, 43 y (t )  t 1  x ( ) d  C (1.92) 0 En tiempo discreto, un ejemplo de un sistema con memoria es un acumulador, en el cual las secuencias de entrada y salida están relacionadas por n  x[k ] (1.93) y [ n ]  x [ n 1] (1.94) y [n]  k  y otro ejemplo es un retardo El concepto de memoria en un sistema, expuesto someramente, corresponde a la presencia de algún mecanismo que permite el almacenamiento de información sobre los valores de la excitación en tiempos diferentes del presente. Por ejemplo, el retardo en la Ec. (1.92) retiene el valor pasado inmediato. Del mismo modo, el acumulador de la Ec. (1.91), “recuerda” la información sobre todas las excitaciones hasta el momento presente; la relación (1.91) puede escribirse en la forma equivalente n 1 y [n]   x {k ]  x [ n ] k  o y [ n ]  y [ n  1]  x [ n ] (1.95) En estas dos últimas ecuaciones se observa que para obtener la salida en el tiempo presente, el acumulador debe recordar la suma acumulada de los valores previos, y esa suma es exactamente el valor precedente de la salida del acumulador.
1.10.3 Invertibilidad y Sistemas Inversos Se dice que un sistema es invertible si excitaciones distintas producen respuestas distintas. Como se ilustra en la Fig. 1.40a, si un sistema es invertible, entonces existe un sistema inverso, el cual, al ser excitado con la salida del sistema invertible, reproduce la señal original; es decir, en un sistema invertible siempre es posible recuperar la entrada si se conoce la salida; si las excitaciones diferentes (únicas) producen respuestas diferentes (únicas), entonces es posible, en principio, si se da la respuesta, asociarla con la excitación que la produjo.
Un ejemplo de un sistema de tiempo continuo invertible es y (t )  2 x (t ) (1.96) y su inverso es w t   Los dos sistemas se ilustran en la Fig. 1.40b.
1 2 y t  (1.97) 44 Otro ejemplo de un sistema invertible es el acumulador de la Ec. (1.91). En este sistema, la diferencia entre dos valores sucesivos es precisamente el último valor de la entrada. En consecuencia, para este caso el sistema inverso es w[ n ]  y [ n ]  y [ n 1] (1.98) como se muestra en la Fig. 1.40c.
x(t) Sistema invertible y(t) y(t) x(t) y(t )  2 x(t ) y(t) y(t) x[n] y[n]   n k   x[k ] y[n] y[n] Sistema invertible w(t )  1 y(t ) 2 x(t) w(t) = x(t) w[n]  y[n]  y[n  1] w[n] = x[n] Figura 1.40 Ejemplos de sistemas no invertibles son y  n  0 (1.99) y ( t )  x2 ( t ) (1.100) y En el primer caso, Ec. (1.97), el sistema produce la secuencia cero para cualquier entrada y, en el segundo caso, Ec. (1.98), no se puede determinar el signo de la función de entrada a partir del conocimiento de la señal de salida. Observe que en el primer caso, si y  n  c , donde c es una constante, el sistema no es invertible.
El concepto de invertibilidad es muy importante. Un ejemplo bastante claro proviene de los sistemas para codificación utilizados en una gran variedad de aplicaciones en los sistemas de comunicación. En esos sistemas, se codifica primero la señal que se va a transmitir; para que el sistema no cometa errores (sistema ideal), debe ser posible recuperar completamente la señal original a partir de la señal codificada. En otras palabras, el codificador debe ser invertible.
1.10.4 Sistemas Causales El término causalidad connota la existencia de una relación causa-efecto. Se dice que un sistema es causal si su salida en cualquier instante arbitrario depende solamente de los valores de la entrada en ese instante y en el pasado. Es decir, la salida de un sistema causal en el tiempo presente depende sólo de 45 los valores presente y pasados de la entrada. A estos sistemas también se les refiere como noanticipativos, ya que el sistema no anticipa, ni depende de valores futuros de la entrada. Como consecuencia, si dos entradas a un sistema causal son idénticas hasta algún punto en el tiempo t0 o n0, entonces las salidas correspondientes a esas entradas también deben ser idénticas. Todos los sistemas físicos son causales ya que no pueden ver el futuro y anticipar una excitación. El circuito RC de la Fig.
1.37 es un sistema causal puesto que, por ejemplo, el voltaje en el capacitor responde solamente a los valores presentes y pasados del voltaje de la fuente.
Un sistema se denomina no-causal, si no es causal. Ejemplos de sistemas no-causales son y ( t )  x ( t  1) (1.101) y [ n]  x[  n] (1.102) Observe que todos los sistemas sin memoria son causales; sin embargo, lo inverso no es cierto.
Aunque los sistemas causales son de gran importancia, ellos no constituyen los únicos sistemas de significación práctica. Por ejemplo, la causalidad no es con frecuencia una restricción esencial en aplicaciones en las cuales la variable independiente no es el tiempo, como, por ejemplo, en el procesamiento de imágenes. También, en el procesamiento de datos grabados con anterioridad, como sucede a menudo con señales de voz, geofísicas o meteorológicas, para nombrar algunas, no estamos en modo alguno restringidos a un procesamiento causal. Como otro ejemplo, en muchas aplicaciones, incluyendo el análisis histórico de la bolsa de valores o de estudios demográficos, podríamos estar interesados en determinar alguna tendencia de variación lenta, la cual podría contener fluctuaciones de alta frecuencia con respecto a la tendencia. En este caso, un enfoque común es promediar los datos para suavizarlos y mantener solamente la tendencia. Un ejemplo de un sistema causal que promedia está dado por y [n]  1 M  x[n  k ] 2 M  1 k  M (1.103) Para comprobar la causalidad de un sistema es importante observar cuidadosamente la relación de entrada-salida. Como ilustración, se comprobará la causalidad de dos sistemas específicos. Ejemplo 19.
El primer sistema lo define la Ec. (1.100), y [ n ]  x [  n ] . Observe que la salida y[n0], para un tiempo positivo n0, depende sólo del valor de la señal de entrada x [  n0 ] en el tiempo (  n0 ) , el cual es negativo y, por tanto, está en el pasado de n0. Aquí podría surgir la tentación de concluir que el sistema es causal. No obstante, debemos ser cuidadosos y proceder a comprobar la relación de entrada-salida para todo el tiempo. En particular, para n0 < 0, vemos que  n0  0 y y  n0   x  n0  , y la salida en n0 < 0 depende del valor futuro de la entrada. Por lo tanto, el sistema es no-causal.
También es importante distinguir cuidadosamente los efectos sobre la entrada de cualesquiera otras funciones usadas para definir un sistema. Por ejemplo, considere el sistema definido por la relación y ( t )  x ( t ) cos ( t  1) (1.104) En este caso, la salida en cualquier instante t, y(t), depende de la entrada x(t) multiplicada por un número que varía con el tiempo. Es decir, solamente el valor presente de x(t) influye en el valor presente de la salida y(t) y concluimos entonces que este sistema es causal (y ¡sin memoria!).
46 1.10.5 Sistemas Estables Básicamente, un sistema estable es aquél en el cual pequeñas excitaciones producen respuestas que no divergen (no aumentan sin límite). Considere, por ejemplo, el péndulo en la Fig. 1.41a, en el cual la excitación es la fuerza aplicada x(t) y la respuesta es la desviación angular y(t) con respecto a la normal. En este caso, la gravedad aplica una fuerza que tiende a regresar al péndulo a la posición vertical (posición de equilibrio) y las pérdidas por fricción tienden a frenar el movimiento oscilatorio.
Es obvio que si la fuerza aplicada es pequeña, la desviación resultante también lo será. Además, al dejar de aplicar esa fuerza, el péndulo regresará a su posición de equilibrio. En contraste, para el péndulo invertido en la Fig. 1.41b, la gravedad ejerce una fuerza que tiende a aumentar cualquier desviación de la posición de equilibrio. Por ello, la aplicación de cualquier fuerza, por muy pequeña que sea, conduce a un aumento de la desviación y hace que el péndulo caiga y no regrese a la posición original.
El sistema de la Fig. 1.41a es un ejemplo de un sistema estable, mientras que el de la Fig. 1.41b, es inestable. La estabilidad de los sistemas físicos resulta de la presencia de mecanismos que disipan energía. El circuito RC de la Fig. 1.37 es un sistema estable porque el resistor disipa energía, la respuesta está acotada para un voltaje de la fuente acotado y al desaparecer la excitación proporcionada por la fuente, desaparece la respuesta.
y(t) x(t) y(t) x(t) (a) (b) Figura 1.41 Los ejemplos mencionados dan una idea intuitiva del concepto de estabilidad. Expresado más formalmente, un sistema es estable si para una entrada acotada, la salida correspondiente también está acotada. Es decir, si la entrada está definida por x  k1 (1.105) y  k2 (1.106) entonces la salida está definida por donde k1 y k 2 son constantes reales finitas.
Para demostrar que un sistema es estable, una estrategia válida es buscar una excitación acotada específica y verificar si la salida resultante está acotada o no. Considere, por ejemplo, el sistema descrito por la relación 47 y[ n]  n x[ n] (1.107) Si seleccionamos una entrada constante, x[n] = k, la respuesta del sistema será y[n] = kn, que no está acotada, puesto que sea cual sea el valor (finito) de k, y [n] excederá ese valor para algún valor de n.
Esta propiedad y las anteriores, serán analizadas con mayor detalle en capítulos posteriores.
1.10.6 Invariabilidad en el Tiempo Conceptualmente, un sistema es invariable en el tiempo si su conducta y sus características son fijas en el tiempo. El circuito RC de la Fig. 1.37 es un sistema con esta propiedad si los valores de los parámetros R y C son constantes; es de esperar que experimentos idénticos produzcan los mismos resultados sin importar el momento en que se realicen. Por supuesto, esos resultados no serían los mismos si R o C o ambos cambian con el tiempo.
Esta propiedad puede expresarse en una forma muy sencilla para las señales y sistemas que hemos estudiado hasta ahora. Específicamente, se dice que un sistema es invariable en el tiempo si un desplazamiento en el tiempo (retraso o avance) en la señal de entrada resulta en un desplazamiento igual en la señal de salida. Entonces, para un sistema de tiempo continuo, el sistema no varía con el tiempo si x ( t  t0 )  y ( t  t0 ) (1.108) para cualquier valor real t0, y, para un sistema de tiempo discreto, x [ n  n0 ]  y [ n  n0 ] (1.109) para cualquier entero n 0 . Un sistema que no cumpla con la Ec. (1.108) (tiempo continuo) o la Ec.
(1.109), se conoce como un sistema variable en el tiempo. Para comprobar si un sistema es invariable en el tiempo, sencillamente comparamos la salida producida por la entrada desplazada Ejemplo 20. El sistema de la Fig. 1.42 se conoce como el elemento retardo unitario. Determine si el sistema es invariable en el tiempo.
Respuesta: Sea y1[n] la respuesta a x1 [ n ]  x [ n  n0 ] . Entonces y1 [ n ]  x [ n  n0  1] y también y [ n  n0 ]  x [ n  n0  1]  y1 [ n ] Por consiguiente, el sistema es invariable en el tiempo.
x[n] Retardo unitario Figura 1.42 y[n] = x[n – 1] 48 Ejemplo 21. Considere el sistema definido por y ( t )  sen  x ( t )  Sea y1(t) la respuesta a la entrada x1(t); esto es y1 ( t )  sen  x1  t   (1.110) y sea y2(t) la respuesta a la entrada desplazada x1 ( t  t0 ) ; es decir, y2 ( t )  sen  x1  t  t0   De la Ec. (1.110) se obtiene y1 ( t  t0 )  sen  x1  t  t0    y2 ( t ) y, por lo tanto, el sistema es invariable en el tiempo.
Ejemplo 22. Un sistema tiene una relación de entrada-salida dada por y[ n]  n x[ n] Determine si el sistema es invariable en el tiempo.
Respuesta. Sea y1[n] la respuesta a x1 [ n ]  x [ n  n0 ] . Entonces y1 [ n ]  n x [ n  n0 ] Pero y [ n  n0 ]  ( n  n0 ) x [ n  n0 ]  y1 [ n ] y el sistema varía con el tiempo El sistema de este ejemplo representa uno cuya ganancia varía con el tiempo. Si, digamos, el valor de la entrada es igual a 1, no podemos determinar el valor de la salida sin conocer el instante en que se aplicó la excitación. Continuando con esta idea, considere la señal de entrada x1 [ n ]  [ n ] ; ésta produce una salida igual a cero  n [ n ]  0  . Sin embargo, la entrada x2 [ n ]  [ n  1] produce la salida y2 [ n ]  n [ n  1]  [ n  1] . Así que, mientras que x 2 [n] es una versión desplazada de x 1 [n], la respuesta y 2 [n] no es una versión desplazada de y1[n]. Lo que se quiere señalar con esto es que para demostrar si un sistema cumple con la condición (1.106) o la (1.107), sólo basta con encontrar un ejemplo, y sólo uno, que indique lo contrario 49 1.10.7 Sistemas Lineales Un sistema lineal, en tiempo continuo o discreto, es aquél que posee la importante propiedad de la superposición. Para esta clase de sistemas, si una entrada consiste de la suma ponderada de varias señales, entonces la salida es la superposición – es decir, la suma ponderada – de las respuestas del sistema a cada una de esas señales. En forma más precisa, en tiempo continuo, si y1(t) es la respuesta a la entrada x1(t), y y2(t) es la respuesta a x2(t), entonces el sistema es lineal si La respuesta a x1 ( t )  x2 ( t ) es y1 ( t )  y2 ( t ) . Propiedad de aditividad.
La respuesta a x1 ( t ) es y1 ( t ) , donde  es cualquier constante. Propiedad de homogeneidad o de escalamiento.
1.
2.
Las dos propiedades que definen un sistema lineal pueden combinarse en una sola expresión: Tiempo continuo: x1 ( t )  x2 ( t )  y1 ( t )  y2 ( t ) (1.111) Tiempo discreto: x1 [ n ]  x2 [ n ]  y1 [ n ]  y2 [ n ] (1.112) donde  y  son constantes. Adicionalmente, es muy sencillo demostrar a partir de la definición de linealidad que si xk [ n ], k  1, 2,  , forman un conjunto de entradas a un sistema lineal de tiempo discreto con salidas correspondientes yk [ n ], k  1, 2,  , entonces la respuesta a una combinación lineal de estas entradas, x[n]   x [ n ] (1.113)  y [ n ] (1.114) k k k es y[n]  k k k Este hecho, de mucha importancia en el análisis de sistemas lineales, se conoce como la propiedad de superposición, y se cumple para sistemas tanto de tiempo continuo como discreto.
Una consecuencia directa de la propiedad de superposición es que, para sistemas lineales, una entrada que es cero para todo el tiempo resulta en una salida que también es igual a cero para todo el tiempo (propiedad de homogeneidad).
Ejemplo 23. Un sistema tiene la relación de entrada-salida y  x2 Demuestre que el sistema es no-lineal.
Solución: Tenemos que 50 x1  y1  x12 x2  y2  x22 y, por lo tanto, x1  x2  ( x1  x2 )2  x12  2 x1 x2  x22  x12  x22 Así que el sistema es no-lineal.
Ejemplo 24. Considere un sistema cuya relación de entrada-salida está dada por y (t )  t x (t ) Entonces, x1 ( t )  y1 ( t )  t x1 ( t ) x2 ( t )  y2 ( t )  t x2 ( t ) y si x3 ( t )  a x1 ( t )  b x2 ( t ) donde a y b son constantes arbitrarias, entonces, para la entrada x3 ( t ) se obtiene t x3 ( t )  a t x1 ( t )  bt x2 ( t )  a y1 ( t )  b y2 ( t ) y el sistema es lineal Ejemplo 25. Considere el sistema cuya relación de entrada-salida está dada por la ecuación lineal y = ax + b donde a y b son constantes. Si b  0, el sistema es no-lineal porque x = 0 implica que y = b  0 (propiedad de homogeneidad). Si b = 0, el sistema es lineal.
Puede parecer sorprendente que el sistema en el ejemplo anterior no sea lineal puesto que su ecuación de definición, y = ax + b, es una línea recta. Por otra parte, como se muestra en la Fig. 1.43, la salida de este sistema puede representarse como la suma de la salida de un sistema lineal y otra señal igual a la respuesta de entrada cero del sistema. Para el sistema del ejemplo, el sistema lineal es y = ax y la respuesta de entrada cero es y0(t) = b Hay grandes clases de sistemas que pueden representarse como en la Fig. 1.43 y para los cuales la salida completa del sistema consiste de la superposición de la respuesta de un sistema lineal y una respuesta de entrada cero. Estos sistemas corresponden a la clase de sistemas lineales incrementales, es 51 decir, sistemas que responden linealmente a cambios en la entrada. Dicho de otra forma, la diferencia entre las respuestas a dos entradas cualesquiera a un sistema lineal incremental es una función lineal de la diferencia entre las dos entradas.
y0(t) Sistema lineal x(t) y(t) Figura 1.43. Sistema lineal incremental.
1.11 Interconexión de Sistemas Una idea que se usará a través del texto es el concepto de la interconexión de sistemas. Muchos sistemas reales son conformados como interconexiones de varios subsistemas; un ejemplo es un sistema de audio, el cual involucra la interconexión de un radio receptor, un reproductor de discos compactos o un grabador con un amplificador y una o más bocinas. Considerando tales sistemas como una interconexión de sus componentes, podemos usar nuestros conocimientos de los componentes y de su interconexión para analizar la operación y conducta del sistema completo. Adicionalmente, al describir un sistema en función de una interconexión de subsistemas más sencillos, podemos de hecho definir formas útiles para sintetizar sistemas complejos a partir de bloques de construcción básicos más simples.
Aun cuando se puede construir una gran variedad de interconexiones de sistemas, hay varias formas básicas que se encuentran con mucha frecuencia. Una interconexión en serie o en cascada de dos sistemas se ilustra en la Fig. 1.44a. Esta clase de diagramas se conoce como diagramas de bloques.
Aquí, la salida del sistema 1 es la entrada al sistema 2. Un ejemplo de una interconexión en serie es un receptor de radio conectado a un amplificador. En la misma forma se puede definir una interconexión en serie de tres o más sistemas.
En la Fig. 1.44b se ilustra una interconexión en paralelo de dos sistemas. Aquí, la señal de entrada se aplica simultáneamente a los sistemas 1 y 2. El símbolo  en la figura denota la operación de adición, así que la salida de la interconexión en paralelo es la suma de la salida de los sistemas 1 y 2. Un ejemplo de esta interconexión es un sistema de audio sencillo, en el cual varios micrófonos alimentan un solo amplificador. Adicionalmente a la interconexión en paralelo sencilla de la Fig. 1.44b, podemos definir la interconexión en paralelo de más de dos sistemas y podemos combinar interconexiones en cascada y en paralelo para obtener interconexiones más complicadas. Un ejemplo es este tipo de interconexión se ilustra en la Fig. 1.44c.
Otro tipo importante de interconexión de sistemas es la llamada interconexión de realimentación; un ejemplo de ella se muestra en la Fig. 1.45. Aquí, la salida del sistema 1 es la entrada al sistema 2, mientras que la salida del sistema 2 es realimentada y sumada a la entrada externa para producir la entrada efectiva al sistema 1.
52 Sistema 1 Entrada Sistema 1 Salida Sistema 2 Salida Entrada Sistema 2 (a ) Sistema 1 (b) Salida Sistema 2 Entrada Sistema 4 Salida Sistema 3 (c) Figura 1.44. Interconexiones.
Entrada Salida Sistema 1 Sistema 2 Figura 1.45. Sistema realimentado.
Los sistemas realimentados surgen en una gran variedad de aplicaciones. Por ejemplo, el sistema de control de la velocidad de crucero de un automóvil mide la velocidad del vehículo y ajusta el flujo de combustible para mantener la velocidad en el nivel deseado. También, los circuitos eléctricos a menudo son considerados como si tuviesen interconexiones realimentadas. Como un ejemplo, considere el circuito mostrado en la Fig. 1.46a. Como se indica en la Fig. 1.46b, este sistema puede analizarse considerándolo como la interconexión realimentada de los elementos del circuito.
i(t) i (t ) i2 (t ) i1 ( t ) R C  v (t ) + i1(t) Capacitor 1 v(t )  C – i2(t )  v(t) t  i (t ) dt 1  Resistor i 2 (t )  (a) v(t ) R (b) Figura 1.46 53 Problemas 1.1. Las siguientes desigualdades se usan con frecuencia en estas notas. Demuestre su validez.
  1  N ,  1  n   1   n 0  N,  1  N 1 (a)  nf (c)  n  n0 n  n0   (b)  n 0 n  1 1  ,  1 n f 1 1  ,  1 1.2. Halle el menor período positivo T de las siguientes señales: cos nt , sen nt , cos 2 t k , sen 2 t k , cos 2 nt k , sen 2 nt k 1.3. Bosqueje las señales siguientes: (a) sen t , (b) sen 2 t  2sen 6 t ,   t  0  4 , (c) x ( t )   y x (t  2 )  x (t )  , 0t   4 (d) x ( t )  exp t ,    t  , y x ( t  2  )  x ( t ) 1.4. Demuestre que si x(t) es periódica con período T, entonces también es periódica con período nT, n = 2, 3, .
1.5. Si x1(t) y x 2 (t) tienen período T, demuestre que x3(t) = ax 1(t) +bx 2(t) (a, b constantes) tiene el mismo período T.
1.6. ¿Son periódicas las señales siguientes? Si lo son, determine sus períodos.
(a) x ( t )  sen 23 t  2sen 163 t (b) x ( t )  4exp  j 25 t   3exp  j 3t  1.7. Sea x(t) una señal periódica con período fundamental T. Determine cuáles de las siguientes señales son periódicas y halle sus períodos fundamentales: (a) y1 ( t )  x (2 t ) (c) y2 ( t )  x ( t 2)   n2 (e) x [ n ]  cos   8 (b) x ( t )  cos2 t (d) x [ n ]  e j [( n 4 ) ]    54  n   n   n  (f) x [ n ]  cos    sen    2cos    4   8   2  1.8. Si x(t) es una señal periódica en t con período T, demuestre que x(at), a > 0, es una señal periódica en t con período T/a, y que x(t/b), b > 0, es una señal periódica en t con período bT. Verifique estos resultados para x ( t )  sen t , a  b  2 .
1.9. Demuestre que si x[n] es periódica con período N, entonces se cumple que n (a) n N  x[k ]   k  n0 (b) x[k ] k  n0  N n n N k 0 k N  x[ k ]   x[ k ] 1.10. Determine si las siguientes señales son señales de potencia o de energía o de ninguno de los dos tipos. Justifique sus respuestas.
(a) x ( t )  A u ( t  a )  u ( t  a ) (b) r ( t )  r ( t  1) (c) x ( t )  exp(  at ) u ( t ), (e) x ( t )  u ( t ) (d) x ( t )  t u ( t ) a0 (f) x ( t )  A exp  bt  , b0 1.11. Para una señal de energía x(t) con energía Ex, demuestre que la energía de cualquiera de las señales x(t), x(t) y x(t  T) es Ex. Demuestre también que la energía de x(at) y de x(at  b) es Ex/a. ¿Cuál es el efecto sobre la energía de la señal si se multiplica por una constante a? 1.12. Para la señal x(t) dada como  t,  x ( t )   1,  0,  1  t  0 1 t  2 otros valores de t grafique y halle expresiones analíticas para las siguientes funciones: (a) x ( t  2) (c) x (2 t  4) (b) x (3  t ) (d) x   3t  12  1.13. Repita el Problema 1.11 para la señal  1,  x ( t )   exp(  t ) 0  1  t  0 t0 otros valores de t 1.14. Para la señal de tiempo discreto mostrada en la Fig. P1.14, dibuje cada una de las señales siguientes: (a) x  2  n (b) x 3n  4 55 (c) x  23 n  1  n  8 (d) x     4  (e) xp[n] (f) xi[n] (g) x  2  n  x 3n  4 3 2 1 –2 1 –1 0 3 2 –2 n –1 –3 Figura P1.14 1.15. Grafique las siguientes señales: (a) x2 ( t )  r ( t )  r ( t 1)  u ( t  2) (c) x4 (t )  2u (t )   (t  1) (b) x3 ( t )  exp (  t ) u ( t ) (d) x6 ( t )  u ( t ) u ( a  t ), a0 (f) x1 ( t ) x2  t  12  (e) x7 ( t )  u (cos t )  t 1 (g) x1     x3 (2  t )  3 2 1.16. (a) Demuestre que xp (t )  1 2  x ( t )  x (  t ) es una señal par.
(b) Demuestre que xi ( t )  1 2  x ( t )  x (  t ) es una señal impar.
1.17. Determine las partes par e impar de las señales siguientes: (a) x(t) = u(t) (b) x [ n ]  e j ( 0 n 2 ) (c) x [ n ]  [ n ] 1.18. Determine y grafique las partes par e impar de las señales mostradas en la Fig. P1.18.
Identifique sus gráficas cuidadosamente.
56 x(t) x(t) = –2t, t < 0 1 –1 0 1 2 t Figura P1.18 1.19. Sea x[n] una secuencia arbitraria con partes par e impar denotadas por xp[n] y xi[n], respectivamente. Demuestre que    x2 [ n ]  n    x 2p [ n ]  n   x [n] 2 i n  1.20. Considere el transmisor FM estéreo sencillo mostrado en la Fig. P1.20.
(a) Grafique la señal (I + D) e (I  D).
(b) Si las salidas de los dos sumadores se añaden, dibuje la forma de onda resultante.
(c) Si la señal I  D se invierte y se suma a la señal I + D, dibuje la forma de onda resultante.
I Señal de audio izquierda Amplificador Sumador I+D Sumador I–D –D Señal de audio derecha Amplificador D I(t) D(t) 2 2 0 –1 Inversor 0 1 2 3 t –1 1 2 3 t Figura P1.20 1.21. Para cada una de las señales mostradas en la Fig. P1.21, escriba una expresión en términos de funciones escalón y rampa unitarios.
57 x2(t) x1(t) 1 x3(t) a a 0 a t 0 a b a – b –a t x5(t) x4(t) a x6(t) a–c –a 0 t a a+b t b a a 0 0 c b/2 a t –a – b –a 0 a a+b t –a Figura P1.21 1.22. Sea x[n] una secuencia arbitraria con partes par e impar denotadas por x p [n] y xi [n] , respectivamente. Demuestre que    x2 [ n ]  n   n   x 2p [ n ]   x [n] 2 i n  1.23. Si la duración de x(t) se define como el tiempo en el cual x(t) cae a 1/e del valor en el origen, determine la duración de las siguientes señales: (a) x1 ( t )  A exp(  t T ) u ( t ) (b) x2 ( t )  x1 (3t ) (c) x3 ( t )  x1 ( t 2) 1.24. Demuestre las siguientes identidades: (a) t ( t )   ( t ) ; (b)  ( t )   (  t ) .
1.25. Verifique si alguna de las expresiones siguientes puede usarse como un modelo matemático de una función delta.
 t2 exp   2 2  2  2 1 (a) p1 ( t )  lím ε 0 (b) p2 ( t )  lím ε 0 (c) p3 ( t )  lím ε 0 2 4  t  2 2 2 1   t 2  2 (d) p4 ( t )  límexp   t ε 0     (e) p5 ( t )  lím ε 0 1 sen  t  t 1.26. Simplifique las expresiones siguiente:  sen t  (a)  2  (t ) t 2  j  5  (b)  2  ()  4 (c) et cos  3t  60º  (t )  sen  2  t  2   (d)   (t  2) t2  4    4  (e)   (  1)  j  5   sen k  (f)   ()    1.27. Evalúe las integrales siguientes:  (a)  (t  1)  ( t  1) dt  0 (b)        (c)      t  sen t    t   dt 2   4  cos t u ( t  1)  ( t ) dt   (d)  exp (5t )   ( t ) dt  2 (e)  t  t sen  2   (   t ) dt    0 2 (f)  t sen ( t 2)  (   t ) dt 0 1.28. La probabilidad de que una variable aleatoria x sea menor que  se determina integrando la función de densidad de probabilidades f (x) para obtener  P ( x  )   f ( x ) dx  Dado que f ( x )  0.2  ( x  2)  0.3 ( x )  0.2  ( x 1)  0.1 u ( x  3)  u ( x  6)  determine (a) P  x  3 59 (b) P  x  1.5 (c) P  x  4  1.29. Grafique la primera y segunda derivadas de las señales siguientes: (a) x(t) = t, 0 < t < 1, y x(t) es periódica con período 2.
(b) x(t) = u(t)  u(t  2) y x(t) es periódica con período 4.
0  t 1  t,  (c) x ( t )   1, 1 t  2  0, otros valores de t  1.30. Dé un ejemplo de un sistema lineal variable en el tiempo tal que con una entrada periódica la salida correspondiente no es periódica.
1.31. Considere el sistema de tiempo continuo cuya relación de entrada-salida es  y (t )   a x ( t  kT ) k a 1 k 0 Calcule la salida y(t) correspondiente a la entrada x ( t )  exp( jt ) . ¿Es este sistema lineal? 1.32. Si x(t) y y(t) denotan la entrada y la salida de un sistema, respectivamente, diga si los siguientes sistemas son lineales o no, causales o no, variables en el tiempo o no, tienen memoria o no. Justifique su respuesta.
(a) y ( t )  tx ( t ) (b) y [ n ]  x 2 [ n ] dx ( t ) (c) y ( t )  dt t (d) y [ n ]  n x [ n ] (e) y ( t )   x ( ) d  (f) y ( t )  x ( t  a )  (g) y ( t )  cos x ( t ) (j) dy ( t ) dt (h) y ( t )  x ( t ) cos t  ay ( t )  bx ( t ) (k) y ( t )  2 1 T (i) dy ( t ) dt  ay ( t )  bx ( t ) t T 2   x ( ) d (l) y ( t )  t T 2  x ( t )  ( t  kT ) s k  1.33. Demuestre que un sistema que tiene como respuesta la magnitud de su excitación es no lineal, estable, causal y no invertible.
1.34. Para los sistemas descritos por las ecuaciones que se dan a continuación, donde la entrada es x(t) y la salida es y(t), determine cuáles de ellos son invertibles y cuáles no lo son. Para los sistemas invertibles, halle la relación de entrada salida del sistema inverso.
t (a) y (t )   x() d  (b) y(t )  xn (t ), n un entero  (c) y(t )  x  3t  6  (d) y(t )  cos  x(t ) CAPÍTULO DOS SISTEMAS LINEALES E INVARIANTES EN EL TIEMPO 2.1 Introducción En este capítulo se introducen y discuten varias propiedades básicas de los sistemas. Dos de ellas, la linealidad y la invariabilidad en el tiempo, son atributos muy importantes y juegan un papel fundamental en el análisis de señales y sistemas porque muchos procesos físicos poseen estas propiedades y por ello pueden ser modelados como sistemas lineales e invariantes en el tiempo (sistemas LIT) y porque esos sistemas LIT pueden ser analizados con bastante detalle. Los objetivos primordiales de este texto son desarrollar la comprensión de las propiedades y herramientas para analizar señales y sistemas LIT y proporcionar una introducción a varias de las aplicaciones importantes en las que se usan estas herramientas. En este capítulo comenzamos este desarrollo derivando y examinando una representación fundamental y extremadamente útil de los sistemas LIT e introduciendo una clase importante de tales sistemas.
Una de las principales razones para lo amigable que resulta el análisis de los sistemas LIT es el hecho de cumplir con la propiedad de superposición. Por ello, si la entrada x(t) a un sistema LIT de tiempo continuo consiste de una combinación lineal de señales, x ( t )  a1 x1 ( t )  a2 x2 ( t )  a3 x3 ( t )  (2.1) entonces, por la propiedad de superposición, la salida está dada por y ( t )  a1 y1 ( t )  a2 y2 ( t )  a3 y3 ( t )  (2.2) donde yk(t) es la respuesta del sistema a la excitación xk(t), k = 1, 2, . En consecuencia, si podemos representar la entrada a un sistema LIT en función de un conjunto de señales básicas, podemos entonces usar la superposición para calcular la salida del sistema en función de sus respuestas a estas señales básicas.
Como veremos en la próxima sección, una de las características importantes del impulso unitario, tanto en tiempo continuo como discreto, es que puede usarse para representar señales muy generales.
Este hecho, unido a las propiedades de superposición e invariabilidad en el tiempo, nos permitirá desarrollar una caracterización completa de cualquier sistema LIT en términos de su respuesta a un impulso unitario. Esta representación, a la cual se le refiere como la suma de convolución en tiempo discreto y como la integral de convolución en tiempo continuo, proporciona gran facilidad analítica al tratar sistemas LIT. Posteriormente se discutirá la especificación de las relaciones de entrada-salida de sistemas LIT mediante ecuaciones diferenciales y ecuaciones de diferencias.
62 2.2 Sistemas LIT en Tiempo Discreto 2.2.1 La Representación de Señales en Tiempo Discreto Mediante Impulsos Unitarios La idea clave para visualizar cómo se puede usar la función impulso unitario para construir cualquier señal de tiempo discreto es considerar a ésta como una sucesión de impulsos individuales. Para ver cómo esta imagen puede convertirse en una representación matemática, considere la señal en tiempo discreto x[n] mostrada en la Fig. 2.1a. En las otras partes de la figura se muestran cinco secuencias de impulsos unitarios escalados y desplazados en el tiempo, donde el escalamiento de cada impulso es igual al valor de x[n] en el instante específico en que ocurre la muestra. Por ejemplo,  x [ 1], n  1 x [ 1]  [ n  1}    0, n  1  x [0], n  0 x [0]  [ n}    0, n  0  x [1], n  1 x [1]  [ n  1}    0, n  1 Por lo tanto, la suma de las tres secuencias en la figura, es decir, x [ 2] [ n  2]  x [ 1] [ n  1]  x [ n ] [ n ] (2.3) es igual a x[n] para 2  n  0 . En forma más general, incluyendo impulsos escalados adicionales, podemos escribir que x [ n ]    x [ 3]  [ n  3}  x [ 2]  [ n  2}  x [ 1]  [ n  1]  x [0]  [ n ] (2.4)  x [1] [ n  1]   x[n] ...
x[–2][n + 2] ...
–2 –1 –4 1 0 2 3 4 ...
...
5 –2 –3 n –1 0 n (b) (a) x[–1][n + 1] x[0][n] ...
...
–4 –3 –2 –1 1 2 0 12 ...
...
n (c) –4 –3 –2 –1 0 (d) Figura 2.1 1 2 n 63 Para cualquier valor de n, solamente uno de los términos en el lado derecho de la Ec. (2.4) es diferente de cero y la ponderación en ese término es precisamente x[n]. Escribiendo esta suma en una forma más compacta, se obtiene  x[n]   x [ k ][ n  k ] (2.5) k  Ésta corresponde a la representación de una secuencia arbitraria como una combinación lineal de impulsos unitarios desplazados, [n  k], donde los pesos en esta combinación son los valores x[k].
Como un ejemplo, considere la secuencia x[n] = u[n], la secuencia escalón unitario. En este caso, u[k] = 0 para k < 0 y u[k] = 1 para k  0 y la Ec. (2.5) se convierte en  [ n  k ] u[n]  k 0 la cual es idéntica a la expresión derivada en la Sec. 1.9.8 [ver la Ec. (1.81)].
La Ec. (2.5) se conoce como la propiedad de selección del impulso unitario de tiempo discreto.
Como la secuencia [n  k] es diferente de cero solamente cuando n = k, la sumatoria en el lado derecho de la Ec. (2.5) “selecciona” a través de la secuencia de valores x[n] y preserva sólo el valor correspondiente a k  n .
2.3 Sistemas LIT Discretos: La Suma de Convolución Considere un sistema lineal en tiempo discreto y una entrada arbitraria x[n] a ese sistema. Como vimos en la Sec. 2.2, cualquier señal arbitraria x[n] puede expresarse como una combinación lineal de muestras desplazadas en la forma de la Ec. (2.5), la cual repetimos aquí por conveniencia;  x[n]   x [ k ][ n  k ] k  Usando la propiedad de superposición de los sistemas lineales [Ecs. (1.109) y (1.110)], se deduce que la salida y[n] puede expresarse como una combinación lineal de las respuestas del sistema cuando la excitación está constituida por muestras unitarias desplazadas en el tiempo. Específicamente, si denotamos por hk[n] la respuesta de un sistema lineal a la muestra unitaria desplazada [n  k], entonces la respuesta del sistema a una entrada arbitraria x[n] puede expresarse como  y [n]   x [k ]h [n ] k (2.6) k  De acuerdo con la Ec. (2.6), si conocemos la respuesta de un sistema lineal al conjunto de muestras unitarias desplazadas, entonces podemos construir la respuesta a una entrada arbitraria. Una interpretación de la Ec. (2.6) se ilustra en la Fig. 2.2. En la Fig. 2.2a se dibuja una señal particular x[n], la cual es diferente de cero solamente para n = 1, 0 y 1. Esta señal se aplica a la entrada de un sistema lineal cuyas respuestas a las señales [n + 1], [n ] y [n  1] se muestran en la Fig. 2.2b.
Como x[n] puede escribirse como una combinación lineal de [n + 1], [n ] y [n  1], el principio de 64 superposición nos permite escribir la respuesta a x[n] como una combinación lineal de las respuestas a los impulsos individuales desplazados. Los impulsos individuales desplazados y escalonados que conforman a x[n] se ilustran en el lado izquierdo de la Fig. 2.2c, mientras que las respuestas a estas señales componentes se dibujan en el lado derecho.
x[n] ...
...
-1 -2 (a) h 0 [n ] h 1 [n ] ...
...
...
n 0 n 012 ...
...
...
n 0 x [ 1]  [ n  1] ...
h1 [n] x [ 1] h 1 [ n ] (b) ...
...
...
n n 0 x [0]  [n] x [ 0] h 0 [n ] ...
...
...
n 0 x [1] h1 [ n ] ...
...
n 0 (c) ...
0 ...
n 0 x[n] ...
n 0 x [1]  [ n  1] ...
n 0 y[n] ...
n ...
0 (d) Figura 2.2 n 65 Finalmente, en la Fig. 2.2d se muestra la entrada real x[n], la cual es la suma de sus componentes en la Fig. 2.2c y la salida real y[n], la cual, por superposición, es la suma de sus componentes en la Fig.
2.2c. Por consiguiente, la respuesta en el tiempo de un sistema lineal es simplemente la superposición de las respuestas debidas a cada valor sucesivo de la entrada.
En general, por supuesto, las respuestas hk [ n ] no tienen que estar relacionadas entre ellas para diferentes valores de k. No obstante, si el sistema también es invariable en el tiempo, entonces hk [ n ]  h0 [ n  k ] (2.7) Específicamente, como [n  k] es una versión desplazada de [n], la respuesta hk[n] es una réplica desplazada en el tiempo de h0[n]. Por conveniencia en la notación, no se usará el subíndice en h0[n] y se definirá la respuesta al impulso (muestra) unitario h[n] como h [ n ]  h0 [ n ] (2.8) (es decir, [n]  h[n]). Entonces, para un sistema LIT, la Ec. (2.6) se convierte en  y [ n ]  x[ n ]  h[ n ]   x [k ]h[n  k ] (2.9) k  Este último resultado se conoce como la suma de convolución o suma de superposición y la operación en el lado derecho de la Ec. (2.9) se conoce como la convolución de las secuencias x[n] y h[n] y que se representará simbólicamente por y [ n ]  x [ n ]  h [ n ] . Observe que la Ec. (2.9) expresa la respuesta de un sistema LIT a una entrada arbitraria en función de su respuesta al impulso unitario. En éste y en los próximos capítulos se desarrollarán algunas de las implicaciones de esta observación.
h[n - k] h[k] 0 (a) 0 n k x[k] 0 (b) k k (c) Figura 2.3 La interpretación de la Ec. (2.9) es que la respuesta debida a la entrada x[k] en el instante k es x  k  h  n  k  , y ésta es sencillamente una versión desplazada y escalada de h[n]. La respuesta real es la 66 superposición de todas estas respuestas. Para cualquier instante fijo n, la salida y[n] consiste de la suma para todos los valores de k de los números x  k  h  n  k  . Como se ilustra en la Fig. 2.3, esta interpretación es una forna útil de visualizar el cálculo de la respuesta usando la suma de convolución.
Específicamente, considere el cálculo de la respuesta para algun valor específico de n. Observe que h[n  k] se obtuvo mediante una reflexión en torno al origen seguida por un desplazamiento en el tiempo.
En la Fig. 2.3a se muestra h[k] y en la Fig. 2.3b se muestra h[n  k] como una función de k con n fija.
En la Fig. 2.3c se ilustra x[k]. La salida para este valor específico de n se calcula entonces ponderando cada valor de x[k] pora el valor correspondiente de h[n  k] y luego sumando estos productos. El proceso se ilustrará mediante ejemplos.
Ejemplo 1. Consideremos una entrada x[n] y la respuesta al impulso unitario h[n] dadas por x [ n ]  n u [ n ] h[ n ]  u [ n ] donde 0 <  < 1.
h[k] = u[k] ...
...
k 0 (a) h[-k] ...
...
h[-1 - k] ...
...
k 0 (b) -1 (c) h[1 - k] h[n - k] ...
...
0 k 0 (d) ...
...
k 1 n>0 0 n k (e)x [ k ]   u [ k ] k h[n - k] n<0 ...
...
n 0 ...
k (f) Figura 2.4 ...
0 (g) k 67 En la Fig. 2.4 se muestran h[k], h[k] y h[1  k], es decir, h[n  k] para n = 0, 1 y h  n  k  para cualquier valor positivo arbitrario de n. Finalmente, x[k] se ilustra en la Fig. 2.4g. En la figura se observa que para n < 0 no hay solapamiento entre los puntos que no son iguales a cero en x[k] y h[n  k]. Por ello, para n < 0, x[k]h[n  k] = 0 para todos los valores de k y, en consecuencia, y[n] = 0 para n < 0. Para n  0, x[k]h[n  k] está dada por  k , x[ k ] h[ n  k ]    0, 0k n otros valores de n Entonces, para n  0, n y [ n]   k k 0 El resultado se grafica en la Fig. 2.5.
1 1  n  ...
y[ n ]  ...
k k 0 0 n Figura 2.5 Ejemplo 2. Considere ahora las dos secuencias x[n] y h[n] dadas por  1, 0  n  4 x[ n]    0, otros valores de n  n , h[ n ]    0, 0n6 otros valores de n Estas señales se muestran en la Fig. 2.6. Para calcular la convolución de las dos señales, conviene considerar cinco intervalos separados para n. Esto se ilustra en la Fig. 2.7.
x[n] ...
h[n] ...
–2 –1 0 1 2 3 4 ...
n Figura 2.6 ...
–2 –1 0 1 2 3 4 5 6 n 68 Intervalo 1. Para n < 0 no hay solapamiento entre las porciones diferentes de cero de x[k] y h [ n  k ] y, por lo tanto, y[n] = 0.
Intervalo 2. Para 0  n  4, el producto x  k  h  n  k  está dado por  nk , x[ k ] h[ n  k ]    0, 0k n otros valores de k Por lo que en este intervalo, se tiene n y[n]   n k k 0 Intervalo 3. Para n > 4 pero n  6  0 (es decir, 4 < n  6), x[k]h[n  k] está dada por  nk , x[ k ] h[ n  k ]    0, 0k 4 otros valores de k Así que en este intervalo, 4 y[n]   n k k 0 Intervalo 4. Para n > 6 pero n  6  4 (es decir, para 6 < n 10),  nk , x[ k ] h[ n  k ]    0, ( n  6)  k  4 otros valores de k de modo que y [ n]  4  nk k  n 6 Intervalo 5. Para (n  6) < 4 o, equivalentemente, n > 10, no hay solapamiento entre las porciones diferentes de cero de x[k] y h[n  k] y, por tanto, y [n]  0 El resultado gráfico de la convolución se muestra en la Fig. 2.7.
y[n] 0 4 6 Figura 2.7 10 n 69 Estos dos ejemplos ilustran la utilidad de interpretar gráficamente el cálculo de la suma de convolución. En el resto de esta sección examinaremos varias propiedades importantes de la convolución que serán de mucha utilidad en diferentes ocasiones.
Ejemplo 3. Sean x [ n ]  n u [ n ] y h [ n ]  n u [ n ] Entonces    u [ k ] y[n]  k n k u[n  k ] k  Como u[k] = 0 para k < 0 y u[n  k] = 0 para k > n, podemos escribir la sumatoria como n y[n]    k n k n  n k 0 (  1 k ) k 0 Claramente, y[n] = 0 si n < 0.
Para n  0, si  = , tenemos n y [ n ]  n (1)  ( n  1)  n k 0 Si    , la sumatoria puede escribirse en forma compacta usando la fórmula n2 a k  k  n1 a n1  a n2 1 1 a a 1 , (2.10) Suponiendo que 1  1 , entonces podemos escribir y [ n ]  n 1  ( 1 ) n1 1  1   n1  n1   Como un caso especial de este ejemplo, sea  = 1, de modo que x[n] representa a la función escalón unitario. La respuesta al escalón para este sistema se obtiene haciendo  = 1 en la última expresión para y[n] y es y[n]  1  n 1 1  Observe que el Ejemplo 1 es un caso especial de esta relación.
Resumiendo, se tiene entonces que la suma de convolución está compuesta de cuatro operaciones básicas: 70 1.
Tomar la imagen especular de h[k] sobre el eje vertical a través del origen para obtener h[k].
2.
Desplazar h[n] en una cantidad igual al valor de n, en donde la secuencia de salida se evalúa para calcular h[n  k].
3.
Multiplicar la secuencia desplazada h[n  k] por la secuencia de entrada x[k].
4.
Sumar la secuencia de valores resultantes para obtener el valor de la convolución en n.
5.
Los pasos 1 a 4 se repiten conforme n varía de  a + para producir toda la salida h[n].
Existe otro algoritmo que se puede usar para evaluar convoluciones discretas (este método es especialmente útil para secuencias finitas). Suponga que se desea determinar la convolución de x[n] y h[n], en donde n    12  , n  0 h[ n ]   n0   0, y x [ n ]   3, 2, 1  Se puede construir una matriz donde h[n] se localice en la parte superior de la matriz y x[n] ocupe la parte izquierda de la misma, como se indica en la Fig. 2.8. En este caso, la matriz es infinita porque h[n] es infinita. Los valores dentro de la matriz se obtienen multiplicando los encabezados correspondientes a la fila y a la columna. Para calcular la convolución de las dos secuencias, basta con “girar y sumar” siguiendo las líneas diagonales punteadas. Así, por ejemplo, el primer término y[0] es igual a 3. El segundo término, y[1], es igual a 2 + 3/2 = 7/2, que es la suma de los términos contenidos entre la primera y la segunda diagonal. Procediendo en esta forma, se obtiene la secuencia de salida  y[n]  3 7 11 11 11 2 4 8 16  211k   En el caso de secuencias bilaterales, el término de orden cero correspondiente a la salida se localiza entre las diagonales en las cuales se encuentra el término correspondiente a la intersección de los índices de orden cero para las secuencias de las filas y columnas.
h[n] 1 1 3 3 3 2 2 1 1 1 1 1 1 0 0 0 2 2 1 3 4 4 2 8  8  4  8  0  1 3 1 x[n] 2 4 0 Figura 2.8 1 71 Ejemplo 4. Se desea determinar la convolución de la muestra unitaria [n] con una secuencia arbitraria x[n]. De la Ec. (2.9), el n-ésimo término de la secuencia resultante será  y[n]   x [ k ][ n  k ] k  Sin embargo, cada término de [n  k] es cero excepto cuando n = k. En este caso se tiene que  [0]  1 , por lo que el único término que es diferente de cero en la sumatoria aparece cuando n  k y, en consecuencia, y [ n]  x[ n] En otras palabras, la convolución de x[n] y [n] reproduce la secuencia x[n].
Ejemplo 5. Determinar la convolución de las secuencias x[n] y h[n], donde  an , n  0 x[n]    0, n  0 y  bn , h[n]    0, n0 n0 Solución: La secuencia resultante, y[n], está dada por  y [n]   n x [k ]h[n  k ]  k   x [k ]h[n  k ] k 0 Los límites en la última sumatoria se deben a que x[n] = 0 para n < 0 y h[n] = 0 para k > n. En consecuencia, n0  0,  n y[n]   a k bnk , n  0   k 0  Ejemplo 6. Determinar, empleando la suma de convolución, la salida del circuito digital de la Fig. 2.9, correspondiente a la secuencia de entrada x [n]   3  1 3  . Suponga que la ganancia G es igual a 1/2.
Solución: La ecuación que describe al sistema se puede obtener igualando la salida del sumador y[n] con las dos entradas, es decir, y [ n ]  12 y [ n  1]  x [ n ] (2.11) 72 x[n] y[n] + + Gy[n – 1] Ganancia G Unidad de retardo Figura 2.9 La Ec. (2.11) es un ejemplo de una ecuación en diferencias. Se supone que el sistema está inicialmente en reposo, de modo que y[1] = 0. Para emplear la suma de convolución, primero se debe calcular la función de respuesta al impulso h[n]. Un método para obtener dicha respuesta es emplear la ecuación en diferencias y determinar la salida en forma iterativa. De la Ec. (2.11) se tiene que h{0}  [0]  12 h[ 1]  1  0  1 h [1]   [1]  12 h [0]]  0  12 1  1 2 h [2]   [2]  12 h [1]  0  12  12  1 4  h [ n ]   [ n ]  12 h [ n  1]   12  n La función de respuesta al impulso es entonces n    12  , n  0 h[ n ]   n0   0, y la salida estará dada por y [ n ]   3 1 3      , 1 n 2 n0 Una forma sencilla de calcular esta convolución es emplear la matriz con el método de “gira y suma”, como se ilustra en la Fig. 2.10. De esta figura se obtiene la secuencia de salida como  y[n]  3 1 2 13 4 13 8 13 16  13 2n   Este método iterativo tiene la desventaja de que no siempre es posible reconocer la forma del término general. En esos casos, la solución para h[n] no se obtiene en una forma cerrada, como en este ejemplo, y puede no ser una solución aceptable.
73 h[n] 3 x[n] 1 1 3 3 1 1 3 1 2 3 2 1 4 3 4 8 8 1 16  3 16   12  14  18  116  3 3 3 3  3 2 4 8 16 Figura 2.10 2.3.1 Propiedades de la Suma de Convolución La Ec. (2.9) define la convolución de las dos secuencias x[n] y h[n]:  y [n]  x[n]h[n ]   x [k ]h [n  k ] (2.12) k  La primera propiedad básica de la suma de convolución es que es una operación conmutativa, es decir, x[ n] h [ n]  h [ n] x[ n] (2.13) Esto se demuestra en una forma directa mediante una sustitución de variables en la Ec. (2.12).
Haciendo m  n  k , la Ec. (2.12) se convierte en x[n]h[n]    k  m   x [k ]h [n  k ]   x [n  m ]h [m ]  h [n ]  x [n ] De acuerdo con esta última ecuación, la salida de un sistema LIT con entrada x[n] y respuesta al impulso h[n] es idéntica a la salida de un sistema LIT con entrada h[n] y respuesta al impulso x[n].
Una segunda propiedad útil de la convolución es que es asociativa, es decir,  x [ n ]  h1 [ n ]   h2 [ n ]  x [ n ]  h1 [ n ]  h2 [ n ]  Para demostrar esta propiedad, sean x [ n ]  h1 [ n ]  f1 [ n ] y h1 [ n ]  h2 [ n ]  f 2 [ n ] . Entonces  f1 [ n ]   x [k ]h [n  k ] 1 k  y (2.14) 74   x [ n ]  h1 [ n ]  h2 [ n ]   f1 [ m ] h2 [ n  m ] m      x [ k ] h1 [ m  k ] h2 [ n  m ]  m   k      Sustituyendo r = m  k e intercambiando el orden de las sumatorias, tenemos      x [ n ]  h1 [ n ]  h2 [ n ]   x [ k ]   h1 [ r ] h2 [ n  k  r ]  r  k   y ahora, puesto que  f2 [ n ]   h [ r ]h [n  r ] 1 2 r  tenemos  f2 [ n  k ]   h [ r ]h [n  k  r ] 1 2 k  y, por lo tanto,   x [ n ]  h1 [ n ]  h2 [ n ]   x [ k ] f 2 [ n  k ] k   x [ n ]  f 2 [ n ]  x [ n ]   h1 [ n ]  h2 [ n ]  La interpretación de la propiedad asociativa se indica en las Figs. 2.11a y b. Los sistemas mostrados en estos diagramas de bloques son sistemas LIT cuyas respuestas al impulso son las indicadas.
En la Fig. 2.11a, y [ n ]  w[ n ]  h2 [ n ]   x [ n ]  h1 [ n ]   h2 [ n ] x[n] h1[n] w[n] h2[n] x[n] y[n] h[ n ]  h1 [ n ]  h2 [ n ] (a) x[n] h[ n ]  h2 [ n ]  h1 [ n ] y[n] (b) y[n] x[n] (c) y[n] h2[n] h1[n] (d) Figura 2.11 75 En la Fig. 2.11b, y [ n ]  x[ n ]  h[ n ]  x [ n ]   h1 [ n ]  h2 [ n ]  Según la propiedad asociativa, la interconexión en cascada de los dos sistemas en la Fig. 2.11a es equivalente al sistema único en la Fig. 2.11b. También, como una consecuencia de la propiedad asociativa en conjunto con la propiedad conmutativa, la respuesta completa al escalón de sistemas LIT en cascada es independiente del orden en el cual los sistemas están conectados (Figs. 2.11c y d).
Una tercera propiedad de la convolución es la distributiva con respecto a la suma, es decir, x [ n ]  h1 [ n ]  h2 [ n ]   x [ n ]  h1 [ n ]  x [ n ]  h2 [ n ] (2.15) la cual se verifica fácilmente usando la propiedad de linealidad de la suma.
De nuevo, esta propiedad tiene una interpretación útil. Considere los dos sistemas LIT en paralelo mostrados en la Fig. 2.12a. Los dos sistemas h 1 [n] y h 2 [n] tienen entradas idénticas y sus salidas se suman.
Como y1 [ n ]  x [ n ]  h1 [ n ] y y2 [ n ]  x [ n ]  h2 [ n ] la salida del sistema de la Fig. 2.12a es y [ n ]  x [ n ]  h1 [ n ]  x n ]  h2 [ n ] que corresponde al lado derecho de la Ec. (2.15). La salida del sistema de la Fig. 2.12b es y [ n ]  x [ n ]  h1 [ n ]  h2 [ n ]  lo que corresponde al lado izquierdo de la Ec. (2.15). En consecuencia, por la propiedad distributiva de la convolución, una combinación en paralelo de sistemas LIT puede ser reemplazada por un solo sistema LIT cuya respuesta al impulso es la suma de las respuestas al impulso individuales de la combinación en paralelo.
h1[n] y1[n] x[n] y[n] x[n] h1[n] + h2[n] h2[n] y2[n] (b) (a) Figura 2.12 y[n] 76 Ejemplo 7. Considere el sistema mostrado en la Fig. 2.13 con h1 [ n ]  [ n ]  a [ n  1] h2 [ n ]   12  u [ n ] n h3 [ n ]  a n u [ n ] h4 [ n ]  ( n  1) u [ n ] h5 [ n ]  [ n ]  nu [ n  1]  [ n  2] h4[n]  h1[n] h2[n] h3[n]  h5[n] Figura 2.13 De la figura está claro que h [ n ]  h1 [ n ]  h2 [ n ]  h3 [ n ] { h5 [ n ]  h4 [ n ]} Para evaluar h[n], calculamos primero la convolución h1 [ n ]  h3 [ n ] h1 [ n ]  h3 [ n ]   [ n ]  a [ n  1]   a n u [ n ]  a n u [ n ]  a n u [ n  1]  [ n ] También, h5 [ n ]  h4 [ n ]  [ n ]  nu [ n  1]  [ n  2]  ( n  1) u [ n ]  [ n ]  [ n  2]  u [ n ] de modo que h [ n ]  [ n ]  h2 [ n ]  [ n ]  [ n  2]  u [ n ]   h2 [ n ]  h2 [ n  2]  s2 [ n ] donde s2 representa la respuesta al escalón correspondiente a h 2 [n]; En consecuencia, tenemos que h[n]    1 n 2 u[n]    1 n 2 2 n u [ n  2]   k 0 Usando la Ec. (2.10), este resultado puede escribirse como  1 k 2 77 h [ n ]   12  n2 u [ n  2]  2 u [ n ] 2.3.2 Respuesta al Escalón La respuesta al escalón s[n] de un sistema LIT de tiempo discreto cuya respuesta al impulso es h[n] se obtiene rápidamente a partir de la Ec. (2.9) como  n k  k   h [ k ]u [ n  k ]   h [ k ] s[n]  h[n]u[n]  (2.16) puesto que u[k  n] = 0 para k > n. De la Ec. (2.16) tenemos que h [ n ]  s [ n ]  s [ n 1] (2.17) 2.4 Sistemas de Tiempo Continuo: La Integral de Convolución En el dominio del tiempo, un sistema lineal se describe en términos de su respuesta al impulso, la cual se define como la respuesta del sistema (con cero condiciones iniciales) a una función impulso unitario o función delta (t) aplicada a la entrada del sistema. Si el sistema es invariable en el tiempo, entonces la forma de la respuesta al impulso es la misma sin importar cuando se aplica el impulso unitario al sistema. Así pues, suponiendo que la función impulso unitario se aplica en el instante t = 0, podemos denotar la respuesta al impulso de un sistema LIT por h(t). Suponga que el sistema está sometido a una excitación arbitraria x(t). Entonces. igual a como se hizo en la sección precedente, el objetivo de ésta es obtener una caracterización completa de sistemas LIT de tiempo continuo en función de la respuesta al impulso. Por la Ec. (1.51) sabemos que  x (t )   x ( ) (t  ) d (2.18)  La respuesta al impulso h(t) de un sistema LIT de tiempo continuo (representado por  ) se define como la respuesta del sistema cuando la entrada es (t), es decir, h ( t )   {  ( t )} (2.19) Puesto que el sistema es lineal, la respuesta y(t) del sistema a una excitación arbitraria x(t) puede ser expresada como      y ( t )   x ( t )     x (  )  ( t   ) d            x (  ) { ( t   )}d   Como el sistema no varía con el tiempo, entonces (2.20) 78 h ( t   )    ( t   )  (2.21) y sustituyendo la Ec. (2.21) en la Ec. (2.20), se obtiene  y (t )   x ( ) h (t  ) d  (2.22)  La Ec. (2.22) indica que un sistema LIT de tiempo continuo está completamente caracterizado por su respuesta al impulso h(t) y se conoce como la integral de convolución o la integral de superposición y es la contraparte de la Ec. (2.9) para la convolución en tiempo discreto. Tenemos entonces el resultado fundamental que la salida de cualquier sistema LIT de tiempo continuo es la convolución de la entrada x(t) con la respuesta al impulso h(t) del sistema. La respuesta a cualquier entrada x(t) puede calcularse usando la integral de la Ec. (2.22). La Fig. 2.14 ilustra esta definición.
La convolución de dos señales x(t) y h(t) se representará simbólicamente por y (t )  x (t )  h (t ) (t) x(t) Sistema LIT (2.23) h(t) y(t) = x(t) h(t) Figura 2.14 2.4.1 Propiedades de la Integral de Convolución La convolución en tiempo continuo satisface las mismas propiedades ya discutidas para la convolución de tiempo discreto. En particular, es conmutativa, asociativa y distributiva: Conmutativa: x (t )  h (t )  h (t )  x (t ) (2.24)  x ( t )  h1 ( t )   h2 ( t )  x ( t )  h1 ( t )  h2 ( t )  (2.25) x ( t )  h1 ( t )  h2 ( t )   x ( t )  h1 ( t )  x ( t )  h2 ( t ) (2.26) Asociativa: Distributiva: Estas propiedades tienen las mismas implicaciones que las discutidas para la convolución en tiempo discreto. Como una consecuencia de la propiedad conmutativa, los papeles de la señal de entrada y de la respuesta al impulso son intercambiables. Por la propiedad asociativa, una combinación en cascada de sistemas LIT puede agruparse en un solo sistema cuya respuesta al impulso es la convolución de las respuestas al impulso individuales. También, la respuesta al impulso total no es afectada por el orden que tienen los sistemas en la conexión en cascada. Finalmente, como un resultado de la propiedad 79 distributiva, una combinación en paralelo de sistemas LIT es equivalente a un solo sistema cuya respuesta al impulso es la suma de las respuestas al impulso individuales en la combinación en paralelo.
2.4.2 Evaluación de la Integral de Convolución La convolución es una operación integral que puede evaluarse analítica, gráfica o numéricamente.
Aplicando la propiedad de conmutatividad de la convolución, Ec. (2.24), a la Ec., se obtiene  y (t )  h (t )  x (t )   h ( ) x (t  ) d  (2.27)  la cual en algunos casos puede ser más fácil de evaluar que la Ec. (2.22). De esta última ecuación observamos que el cálculo de la integral de convolución involucra los cuatro pasos siguientes: 1. La respuesta al impulso h() es invertida en el tiempo (es decir, reflejada con respecto al origen) para obtener h() y luego desplazada por t para formar h(t  ), la cual es una función de  con parámetro t.
2. Las señal x() y la respuesta al impulso h(t  ) se multiplican para todos los valores de  con t fijo en algún valor.
3. El producto x() h(t  ) es integrado en  para producir un solo valor de salida y(t).
4. Los pasos 1 a 3 se repiten conforme t varía desde  hasta  para producir toda la salida y(t).
Tenga siempre presente que al evaluar la integral, x() y h(t – ) son funciones de  y no de t; t es una constante con respecto a .
Ejemplo 8. La entrada x(t) y la respuesta al impulso h(t) de un sistema LIT de tiempo continuo están dadas por h ( t )  e t u ( t ),   0 x (t )  u (t ) Calcule la salida y(t).
Solución: Por la Ec. (2.22)  y (t )   x ( ) h (t  ) d   Las funciones x() y h ( t   ) se muestran en la Fig. 2.15 para t < 0 y t > 0.
De la figura vemos que para t < 0, x() y h ( t   ) no se solapan, mientras que para t > 0, se solapan desde   0 hasta   t . En consecuencia, para t < 0, y(t) = 0. Para t > 0, tenemos t  y (t )  e 0 t   ( t  ) d  e  t  0 e d    1 e   1  t 80 y podemos escribir la salida y(t) como y (t )   1 e  u (t )  1  t (2.28) x() h() 1 1  0 1 1 t >0 t <0 t  0  0 h(t – ) h(t – ) 0 t  Figura 2.15 Ejemplo 9. Calcule la respuesta y(t) para un sistema LIT de tiempo continuo cuya respuesta al impulso h(t) y la entrada x(t) están dadas por h ( t )  e t u ( t ) x ( t )  et u (  t ),   0 Solución: Por la Ec. (2.22)  y (t )   x ( ) h (t  ) d   Así que,  e y (t )   u (   ) e   ( t  ) u ( t   ) d   Las funciones x() y h(t  ) se muestran en la Fig. 2.16a para t < 0 y t > 0.
De la Fig. 2.16a vemos que para t < 0, x() y h(t  ) se solapan desde  = – hasta  = t, mientras que para t > 0, se solapan desde  = – hasta  = 0. En consecuencia, para t < 0, tenemos t y (t )   t  e e   ( t  ) d  e  t   e 2  d    1 2 et y para t > 0, 0 y (t )  e  0 t e   ( t  ) d  e  t e  2 t dt  1 2 e  t 81 x()    h(t – )  t y(t) t<0   h(t – ) t   (b) t>0   t (a) Figura 2.16 Combinando las dos últimas relaciones, y(t) se puede escribir como y (t )  1 2 e  t , 0 Este resultado se muestra en la Fig. 2.16b.
Ejemplo 10. Evalúe la convolución y ( t )  x ( t )  h ( t ) , donde x(t) y h(t) se muestran en la Fig. 2.17, mediante una técnica analítica.
x(t) 0 1 h(t) 2 3 t 0 1 2 t Figura 2.17 Solución: Primero expresamos x(t) y h(t) como funciones del escalón unitario: x ( t )  u ( t )  u ( t  3) Entonces, por la Ec. (2.22), tenemos que  y (t )   x ( ) h (t  ) d   h ( t )  u ( t )  u ( t  2) 82    [ u (  )  u (   3) ][ u ( t   )  u ( t    2) ] d       u ( ) u (t  ) d    u ( ) u (t  2  ) d      u (   3) u ( t   ) d     u (   3) u ( t  2   ) d   Puesto que  1, 0    t , t  0 u ( ) u (t  )    0, otros valores de t  1, 0    t , t  2 u ( ) u (t  2  )    0, otros valores de t  1, 3    t , t  3 u (   3) u ( t   )    0, otros valores de t  1, 3    t  2, t  5 u (   3) u ( t  2   )    0, otros valores de t podemos expresar a y(t) como t   t 2  t   t 2  y ( t )   d  u ( t )   d  u ( t  2)   d  u ( t  3)   d  u ( t  5)  0   0   3   3       t u ( t )  ( t  2) u ( t  2)  ( t  3) u ( t  3)  ( t  5) u ( t  5) la cual se grafica en la Fig. 2.18.
y(t) 2u(t) 2 (t – 5)u(t – 5) 1 0 –1 1 2 3 (t – 2)u(t – 2) 4 5 t (t – 3)u(t – 3) Figura 2.18 Intente resolver este ejemplo mediante la técnica gráfica usada en el Ejemplo 9.
83 Ejemplo 11, Si x1(t) y x2(t) son ambas señales periódicas con un período común T0, la convolución de x1(t) y x2(t) no converge. En este caso, definimos la convolución periódica de x1(t) y x2(t) como T0 f ( t )  x1 ( t )  x2 ( t )   x1 (  ) x2 ( t   ) d  (2.29) 0 (a) Demuestre que f (t) es periódica con período T0.
(b) Demuestre que a T0  f (t )  x1 (  ) x2 ( t   ) d  (2.30) a para cualquier a.
Solución: (a) Como x2(t) es periódica con período T0, tenemos que x2 ( t  T0   )  x2 ( t   ) Entonces, de la Ec. (2.29) tenemos T0 f ( t  T0 )   x ( ) x (t  T 1 2 0  ) d 0 T0   x () x (t  ) d  f (t ) 1 2 0 Así pues, f (t) es periódica con período T0.
(b) Puesto que ambas x1(t) y x2(t) son periódicas con el mismo período T0, x1()x2(t  ) es periódica con período T0 y entonces, igual que toda función periódica x(t) con período T tiene la propiedad de que T a T 0 a  x ( t ) dt   x ( t ) dt y para cualquier a real, se tiene que a T0 T0 f (t )   x ( ) x (t  ) d   1 0 2 x1 (  ) x2 (  ) d  a 2.4.3 Respuesta al Escalón Otra señal que se usa con frecuencia para describir el comportamiento de sistemas LIT de tiempo continuo es la función escalón unitario. La respuesta al escalón s(t) de un sistema LIT de tiempo 84 continuo (representado por  ) se define como la respuesta del sistema cuando la entrada es u(t); es decir, s ( t )   u ( t )  (2.31) En muchas aplicaciones, la respuesta al escalón s(t) también es una caracterización útil del sistema y por ello es importante relacionarla con la respuesta al impulso. La respuesta al escalón se puede determinar fácilmente a partir de la integral de convolución, Ec. (2.22):  s (t )  h (t ) u (t )  t  h ( ) u (t  ) d   h ( ) d  (2.32)  Así que la respuesta al escalón s(t) puede obtenerse por integración de la respuesta al impulso h(t).
Diferenciando la Ec. (2.32) con respecto a t, se obtiene h (t )  s (t )  d s (t ) dt (2.33) Esta ecuación es la contraparte de la Ec. (2.17) en tiempo discreto.
2.5 Propiedades de los Sistemas LIT En las secciones anteriores se desarrollaron representaciones muy importantes para los sistemas LIT de tiempo discreto y de tiempo continuo. Esta representación en tiempo discreto toma la forma de la suma de convolución, mientras que su contraparte en tiempo continuo es la integral de convolución. En esta sección usamos la caracterización de sistemas LIT en función de sus respuestas al impulso para examinar otras propiedades de los sistemas.
2.5.1 Sistemas LIT Con y Sin Memoria Recuerde que la salida y(t) de un sistema sin memoria en un instante dado depende solamente de la entrada y(t) en ese mismo instante. Esta relación sólo puede ser de la forma y (t )  K x (t ) (2.34) donde K es una constante (ganancia del sistema). Por ello, la respuesta al impulso correspondiente h(t) es simplemente h (t )  K  (t ) (2.35) En consecuencia, si h ( t0 )  0 para t 0  0, el sistema LIT de tiempo continuo tiene memoria.
Para sistemas LIT de tiempo discreto sin memoria, la relación equivalente a la Ec. (2.34) es y[ n]  K x[ n] (2.36) donde K es una constante (ganancia del sistema) y la respuesta al impulso correspondiente h[n] es h [ n ]  K [ n ] (2.37) 85 Por lo tanto, si h[n0] ≠ 0 para n0 ≠ 0, el sistema LIT de tiempo discreto tiene memoria.
2.5.2 Causalidad Como ya se estudió en el Cap. 1, un sistema causal no responde a un evento en su entrada hasta que este evento efectivamente ocurra; en otras palabras, la respuesta de un sistema causal depende solamente de los valores presente y pasados de la excitación. Usando la suma y la integral de convolución, podemos relacionar esta propiedad con la propiedad correspondiente de la respuesta al impulso de un sistema LIT de tiempo discreto o de tiempo continuo. Específicamente, para que un sistema LIT de tiempo discreto sea causal, su salida y[n] no debe depender de la entrada x[k] para k  n . De la ecuación para la suma de convolución  y[n]   x [k ]h[n  k ] k  se deduce que éste será el caso si h [ n ]  0 para n  0 (2.38) y, aplicando esta condición, la suma de convolución se convierte en n  k  k 0  x [ k ]h [ n  k ]  h [ k ] x [ n  k ] y [n]  (2.39) La segunda sumatoria en el lado derecho de la Ec. (2.39) muestra que los únicos valores de x[n] usados para evaluar la salida y[n] son aquellos para k  n.
Se dice entonces que cualquier secuencia x[n] es causal si x [ n ]  0, n0 (2.40) x [ n ]  0, n0 (2.41) y se llama anticausal si Entonces, cuando la entrada x[n] es causal, la salida y[n] de un sistema LIT de tiempo discreto está dada por y [n]  n n k 0 k 0 h [ k ] x [ n  k ]   x [ k ]h [ n  k ] (2.42) Para que un sistema LIT de tiempo continuo sea causal se debe cumplir que la respuesta al impulso cumpla con la condición h ( t )  0, t 0 (2.43) y, en este caso, la integral de convolución se convierte en   y (t )  h ( ) x (t  ) d   0 t  x ( ) h (t  ) d   (2.44) 86 Por la condición de causalidad, Ec. (2.43), cualquier señal x(t) es causal si x ( t )  0, t 0 (2.45) x ( t )  0, t 0 (2.46) y se llama anticausal si Entonces, cuando la entrada x(t) es causal, la salida y(t) de un sistema LIT causal de tiempo continuo está dada por t t   y (t )  h ( ) x(t  ) d  x ( ) h (t  ) d 0 (2.47) 0 Ejemplo 11. Considere un sistema LIT de tiempo continuo descrito por y (t )  1 t T 2 T  x ( ) d (2.48) t T 2 (a) Determine y dibuje la respuesta al impulso h(t) del sistema.
(b) ¿Es causal este sistema? Solución: (a) La Ec. (2.44) puede escribirse como y (t )  1 T t T 2  x ( ) d    1 T t T 2  x ( ) d  (2.49)  Ahora bien, t t0  x ( t )  u ( t  t0 )   x ( ) u (t    t ) d   0  x ( ) d  por lo que la Ec. (2.49) puede expresarse como y (t )   T 1  T x (t )  u  t    x (t )  u  t   T  2 T  2 1  x (t )  1  T   T   u  t    u  t     x (t )  h (t ) T   2  2 y obtenemos T T 1 1   T   T    ,  t  h (t )   u  t    u  t      T 2 2 T   2  2   0, otros valores de t (2.50) 87 h(t) 1 –T/2 0 T/2 t Figura 2.19 (c) De la Ec. (2.50) o de la Fig. 2.19 vemos que h (t )  0 para t  0 . En consecuencia, el sistema no es causal.
Ejemplo 12. Considere un sistema LIT de tiempo discreto cuya entrada x[n] y salida y[n] están relacionadas por la ecuación n y[n]  2 k n x [ k  1] k  Determine si el sistema es causal.
Solución: Por definición, la respuesta al impulso h[n] del sistema está dada por n h[n]   n 2k n  [ k  1]  k   2  ( n 1 )  [ k  1]  2  ( n 1 ) k  n  [ k  1] k  Cambiando la variable k + 1 = m, obtenemos h[n]  2  ( n 1 ) n 1  [ m ]  2  ( n 1 ) u [ n  1] k  En esta última ecuación tenemos que h [ 1]  u [0]  1  0 y, por lo tanto, el sistema no es causal.
2.5.3 Estabilidad Recuerde de la Sección 1.10.5 que, para nuestros propósitos, un sistema es estable si pequeñas excitaciones producen respuestas que no divergen (no aumentan sin límite); o dicho de otra forma, el sistema es estable si toda entrada acotada produce una salida acotada. Para determinar las condiciones bajo las cuales un sistema LIT de tiempo discreto es estable, considere una excitación x[n] acotada en magnitud, es decir, x[ n]   para toda n donde  es una constante (finita). Si aplicamos esta excitación a un sistema LIT cuya respuesta al impulso unitario es h[n], la suma de convolución nos dará una réplica para la magnitud de la respuesta: 88  y[n]    h [k ] x [n  k ]  k   h[k ] x [n  k (2.51) k  Pero x [ n  k ]   para todos los valores de k y n, por lo que esta condición y la Ec. (2.51) implican que  y[n]    h[k ] (2.52) para toda n k  De la relación (2.52) se puede concluir que si la respuesta al impulso es absolutamente sumable, es decir, si   h [k ]   (2.53) k  entonces y[n] está acotada en magnitud y, en consecuencia, el sistema es estable. Por consiguiente, la Ec. (2.53) es una condición suficiente para garantizar la estabilidad de un sistema LIT de tiempo discreto. De hecho, esta condición también es necesaria, ya que si ella no se cumple, existirían entradas acotadas cuyas salidas no estarían acotadas.
Siguiendo un procedimiento similar para los sistemas LIT de tiempo continuo, se obtiene que el sistema es estable si su respuesta al impulso, h(t) es absolutamente integrable, vale decir,   h ( t ) dt   (2.54)  Ejemplo 13. Considere un sistema LIT de tiempo discreto cuya respuesta al impulso h[n] está dada por h [ n ]  n u [ n ] Determine si el sistema es estable.
Solución: Tenemos que   k   h [k ]    k u [ k ]  k   k k 0  1 1  ,  1 Por lo tanto, el sistema es estable si  1 .
Ejemplo 14. Para el acumulador en tiempo discreto, su respuesta al impulso es el escalón unitario u[n].
Este sistema es inestable porque   u[k ]   k  Es decir, la respuesta al impulso del sumador no es absolutamente sumable. Para el integrador, contraparte en tiempo continuo del acumulador, se obtiene una relación similar: 89     u ( ) d  d    0 por lo que ambos sistemas son inestables.
2.5.4 Invertibilidad Considere un sistema LIT de tiempo continuo cuya respuesta al impulso es h(t). Como ya vimos, este sistema es invertible solamente si existe un sistema inverso que, al ser conectado en serie (cascada) con el sistema original, produce una respuesta igual a la entrada al primer sistema. También, si un sistema LIT es invertible, entonces tiene un inverso. Esta cualidad se ilustra en la Fig. 2.20. En la Fig. 2.20a, el sistema original tiene una respuesta al impulso h(t) y su respuesta a una entrada x(t) es y(t). El sistema inverso, con respuesta al impulso h1(t), produce una salida que es igual a w(t) = x(t), lo que indica que la interconexión en la Fig. 2.20a produce el sistema identidad de la Fig. 2.20b.
x(t) h(t) h1 (t) w(t) = x(t) (a) x(t) Sistema identidad (t) y(t) (b) Figura 2.20 La respuesta del sistema combinado en la Fig. 2.20a es h ( t )  h1 ( t ) y, por ello, para que h1(t) sea la respuesta al impulso del sistema inverso debe satisfacer la condición h ( t )  h1 ( t )   ( t ) (2.55) En tiempo discreto, la respuesta al impulso h1[n] del sistema inverso de un sistema LIT cuya respuesta al impulso es h[n] debe cumplir con una condición similar a la dada por la Ec. (2.55) y ella es h [ n ]  h1 [ n ]  [ n ] (2.56) Ejemplo 15. Considere un sistema LIT cuya respuesta al impulso es h[ n ]  u [ n ] La respuesta de este sistema a una entrada arbitraria x[n] es  y[n]   x [ k ]u [ n  k ] k  (2.57) 90 Puesto que u [ n  k ]  0 para n  k  0, esta última ecuación se puede escribir como n y [n]   x[k ] (2.58) k  Es decir, el sistema es un sumador. Esta ecuación se puede escribir como n 1 y[n]   x [ k ]  x n  y n 1  x n k  o x [ n ]  y [ n ]  y [ n 1] Este sistema es invertible y su inverso está dado por y [ n ]  x [ n ]  x [ n 1] (2.59) Tomando x[n] = [n], la respuesta al impulso del sistema inverso es h1 [ n ]  [ n ]  [ n  1] (2.60) Mediante cálculo directo, se obtiene h [ n ]  h1 [ n ]  u [ n ]  [ n ]  [ n 1]   u [ n ] [ n ]  u [ n ] [ n 1]  u [ n ]  u [ n 1]  [ n ] lo que verifica que los sistemas especificados por las Ecs. (2.57) y (2.59) son inversos.
2.6 Funciones Propias de Sistemas LIT de Tiempo Continuo Sea y(t) la salida de un sistema LIT de tiempo continuo cuando la entrada es x ( t )  est , donde s es una variable compleja. Entonces  est   y ( t ) (2.61) en la cual  representa la acción del sistema. Puesto que el sistema no varía con el tiempo, tenemos que    es ( t t0 )  y ( t  t0 ) para cualquier t 0 real y arbitrario. Como el sistema es lineal, se tiene también que      es ( t t0 )   est est0  est9  est   est0 y ( t ) Por lo tanto, y ( t  t0 )  est0 y ( t ) Haciendo t = 0, obtenemos 91 y ( t0 )  y (0) est0 (2.62) Puesto que t0 es arbitrario, cambiando t0 a t, podemos reescribir la Ec. (2.62) como y ( t )  y (0) est  est o  est    est (2.63) En lenguaje matemático, una función x() que satisface la ecuación  x (  )    x (  ) (2.64) se denomina una función propia (o función característica) del operador  , y la constante  se llama un valor propio (o valor característico) correspondiente a la función propia x().
Si ahora hacemos x ( t )  est en la integral de convolución, hallamos que y ( t )   e  st    h ( ) e s ( t  )    d    h (  ) e  s d   e st      H ( s ) est   est (2.65) donde    H (s)   h ( ) e  s d (2.66)  Es decir, el valor propio de un sistema LIT de tiempo continuo asociado con la función propia e st está dado por H(s), la cual es una constante compleja cuyo valor es determinado por el valor de s dado por la Ec. (2.66). Observe en la Ec. (2.64) que y(0) = H(s).
2.7 Funciones Propias de Sistemas LIT de Tiempo Discreto Para sistemas LIT de tiempo discreto representados por  , las funciones propias son las exponenciales complejas z n , donde z es una variable compleja. Es decir,  z n    z n (2.67) Siguiendo un procedimiento similar al de la Sección 2.6 para sistemas LIT de tiempo continuo, se determina que, para una entrada x [ n ]  z n , la respuesta y[n] está dada por y[ n]  H ( z ) zn   zn (2.68) donde    H ( z)   h[k ] z k (2.69) k  Así que los valores propios de un sistema LIT de tiempo discreto asociados con las funciones propias z n están dados por H(z), la cual es una constante compleja cuyo valor lo determina el valor de z usando la Ec. (2.69).
92 Ejemplo 16. Considere el sistema LIT de tiempo continuo descrito por la relación t T 2 1 y (t )  T  x ( ) d (2.70) t T 2 Se quiere determinar el valor propio del sistema correspondiente a la función propia e st .
Solución: Sustituyendo el valor x (  )  es en la Ec. (2.70), se obtiene y (t )  t T 2 1  T e s d   t T 2 e st sT e sT 2  e  sT 2    est y el valor propio correspondiente a e st es  e sT 1 sT 2  e sT 2  2.8 Sistemas Descritos por Ecuaciones Diferenciales Considere el circuito RC mostrado en la Fig. 2.21. Este circuito puede considerarse como un sistema de tiempo continuo cuya entrada x(t) es igual a la fuente de corriente i(t) y cuya salida y(t) es igual al voltaje en el capacitor.
+ x (t )  i (t ) R y (t )  vC (t ) C  Figura 2.21 La relación entre la entrada y la salida es descrita por la ecuación diferencial C dy ( t ) dt  1 R y (t )  x (t ) (2.71) En general, la respuesta de muchos sistemas físicos puede describirse mediante una ecuación diferencial. En esta sección solamente trataremos sistemas lineales descritos por ecuaciones 93 diferenciales con coeficientes constantes, su realización o simulación usando sumadores, multiplicadores e integradores y demostraremos cómo se determina la respuesta al impulso de sistemas LIT.
2.8.1 Ecuaciones Diferenciales Lineales con Coeficientes Constantes La forma general de una ecuación diferencial lineal de coeficientes constantes de N-ésimo orden está dada por d k y (t ) N a k dt k k 0 d k x (t ) M  b k k 0 dt k (2.72) donde los coeficientes ai, i = 1, 2,  , N y bj, j = 1, 2, ,  , M, son constantes reales. El orden N se refiere a la mayor derivada de y(t) en la Ec. (2.72). Estas ecuaciones juegan un papel primordial en la descripción de las relaciones de entrada-salida de una amplia variedad de sistemas físicos. Por ejemplo, en el circuito RC de la Fig. 2.21, la entrada y la salida están relacionadas por una ecuación diferencial de primer orden con coeficientes constantes, Ec. (2.71).
La solución general de la Ec. (2.72) para una entrada específica x(t) está dada por y ( t )  y p ( t )  yh ( t ) (2.73) donde yp(t) es una solución particular que satisface la Ec. (2.71) y yh(t) es una solución homogénea (o solución complementaria) que satisface la ecuación diferencial homogénea N  ak k 0 d k yh ( t ) dt k 0 (2.74) La forma exacta de y(t) se determina mediante los valores de N condiciones auxiliares especificadas en algún punto en el tiempo, digamos, t0: y ( t0 ), y  ( t0 ),, y ( N 1) ( t0 ) (2.75) Ejemplo 17. Como un ejemplo, considérese la ecuación diferencial de primer orden d y (t ) dt  a y ( t )  bx ( t ) (2.76) donde a y b son constantes arbitrarias y x(t) es una función continua de t. Multiplicando ambos lados de la ecuación por e at , se tiene que e at d y (t ) e at d y (t ) dt  ae at y ( t )  be at x ( t ) o también dt  a  at y ( t )  be at x ( t ) 94 la cual puede escribirse en la forma d  e at y ( t )   b e at x ( t ) dt e integrando desde t 0 hasta t, t e at y ( t ) t t0   b e  a x (  ) d  t0 t  e at y ( t )  e at0 y ( t0 )  b e a x (  ) d  t0 Despejando a y(t) en la ecuación anterior se obtiene y (t )  e a  t t0  t  y ( t0 )  be a  t   x ( ) d  (2.77) t0 y cuando t 0 = 0, t  y ( t )  e y (0)  b e at a  t   x ( ) d  (2.78) 0 En la Ec. (2.77), la parte correspondiente a la solución homogénea [x(t) = 0] es yh ( t )  ea ( t t0 ) y ( t0 ) 2.8.2 Linealidad El sistema especificado por la Ec. (2.72) es lineal solamente si todas las condiciones auxiliares son idénticamente iguales a cero (¿por qué?). Si no lo son, entonces la respuesta y(t) de un sistema puede expresarse como y ( t )  yenc ( t )  yesc ( t ) (2.79) donde yenc(t) se denomina la respuesta de entrada cero y es la respuesta a las condiciones auxiliares; yesc(t) se llama la respuesta de estado cero, y es la respuesta del sistema cuando las condiciones iniciales son iguales a cero. Esto se ilustra en la Fig. 2.22 (ver Sec. 1.10.7).
yenc(t) x(t) Sistema lineal yesc(t) Figura 2.22 y(t) 95 2.8.3 Causalidad Para que el sistema lineal descrito por la Ec. (2.72) sea causal debemos suponer que el sistema está inicialmente en reposo. Es decir, si x(t) = 0 para t  t0, entonces suponemos que y(t) = 0 para t  t0 . En consecuencia, la respuesta para t > t0 puede determinarse a partir de la Ec. (2.72) con las condiciones iniciales y (t ) t t0  d y (t ) dt  t t0 d N 1 y ( t ) dt n1 0 t t0 Claramente, si el sistema está en reposo inicial, yenc(t) = 0.
2.8.4 Invariabilidad en el Tiempo Para que un sistema lineal sea causal, el estado de reposo inicial también implica que el sistema no varía con el tiempo. Esto se ilustrará mejor mediante un ejemplo.
Ejemplo 18. Considere el sistema cuya entrada x(t) y salida y(t) están relacionadas por la ecuación diferencial dy ( t ) dt  a y (t )  x (t ) donde a es una constante y y(0) = 0. Sea y1(t) la respuesta a una entrada x1(t) y x1(t) = 0 para t  0 .
Entonces dy1 ( t ) dt  a y1 ( t )  x1 ( t ) (2.80) y y1 (0)  0 Ahora, sea y2(t) la respuesta a la entrada desplazada x2 ( t )  x1 ( t   ) . Puesto que x1(t) = 0 para t  0 , tenemos que x2 ( t )  0, t Entonces y2(t) debe satisfacer la relación dy2 ( t ) dt  a y2 ( t )  x2 ( t ) (2.81) y2 (  )  0 (2.82) y 96 Ahora bien, de la Ec. (2.80) se tiene que dy1 ( t   )  a y1 ( t   )  x1 ( t   )  x2 (  ) dt Si hacemos y2 ( t )  y1 ( t   ) , entonces, puesto que y1 (0)  0 , se obtiene y2 (  )  y1 ( t   )  y1 (0)  0 Por lo tanto, se satisfacen las Ecs. (2.81) y (2.82) y se concluye que el sistema no varía con el tiempo.
2.8.5 Respuesta al Impulso De la discusión sobre la integral de convolución se sabe que si conocemos la respuesta de un sistema a un impulso unitario, podemos determinar la respuesta del sistema a una entrada arbitraria. La respuesta al impulso de un sistema puede determinarse a partir de la ecuación diferencial que describe al sistema, Ec. (2.72). Ella, h(t), se definió como la respuesta y(t) cuando x(t) = (t) y y ( t )  0,    t  0 , es decir, la respuesta al impulso satisface la ecuación diferencial d k h (t ) N a k k 0 dt k M  b d k (t ) k k 0 (2.83) dt k con el sistema inicialmente en reposo.
Ahora estudiaremos un método para determinar la respuesta h(t) de un sistema LIT de tiempo continuo. Para ilustrar una forma de determinar la respuesta al impulso, considere un sistema definido por la ecuación diferencial L { y ( t )}  x ( t ) (2.84) donde L es el operador definido por L  an dn dt n  an1 d n1 dt n1    a1 d dt  a0 (2.85) La respuesta s(t) al escalón unitario de la Ec. (2.83) se puede calcular a partir de la ecuación  1, t  0  0, t  0 L { s ( t )}   con las condiciones iniciales apropiadas. Entonces, la respuesta al impulso, h(t), se puede obtener a partir de h (t )  ds ( t ) dt Un método más poderoso se basa en el conocimiento de las soluciones homogéneas de la Ec. (2.84).
Para desarrollar este método, supóngase que se tiene un sistema de segundo orden de la forma 97 L { y ( t )}  ( D2  a1 D  a0 ){ y ( t )}  x ( t ), D d dt (2.86) Si se supone que el sistema está inicialmente en reposo, las condiciones iniciales serán y (0)  0 y  (0)  0 (2.87) Entonces, si la función de respuesta al impulso es h(t), la salida y(t) estará dada por la integral de convolución; es decir, t  y (t )  x ( ) h (t  ) d  (2.88) 0 Las Ecs. (2.86) y (2.88) representan dos métodos de cálculo de la respuesta de salida y(t). Empleando ambas ecuaciones como punto de partida, considérense las condiciones impuestas por las Ecs. (2.86) y (2.87) a la función de respuesta al impulso. Diferenciando la Ec. (2.88) con respecto a t, se tiene que t y ( t )  h ( t   ) x (  ) t   h ( t   ) x (  ) d  0 t   h (0) x ( t )  h  ( t   ) x (  ) d  (2.89) 0 Las condiciones en la Ec. (2.87) requieren que y'(0) = 0, lo que implica que h(0) = 0 en la Ec. (2.89).
Diferenciando de nuevo, se obtiene t  y  ( t )  h  (0) x ( t )  h ( t   ) x (  ) d  (2.90) 0 Las Ecs. (2.88), (2.89) y (2.90) son expresiones para y(t), y  ( t ) y y  ( t ) . Consideremos ahora el resultado de la suma y  ( t )  a1 y  ( t )  a0 y ( t ) . Éste es t t  t   h  (0) x ( t )  h  ( t   ) x (  ) d   a1 h  ( t   ) x (  ) d   a0 h ( t   ) x (  ) d  0 0 0 (2.91) t  h (0) x ( t )    h ( t   )  a h ( t   )  a h ( t   )  x (  ) d  1 0 0 Se observa que si (a) h  (0)  1 (2.92) t (b)  [ h ( t   )  a h ( t   )  a 1 0 0 h (t  ) ] x ( ) d   0 (2.93) 98 entonces la Ec. (2.88) será una solución de la Ec. (2.86). La Ec. (2.93) implica que el integrando del primer miembro en la integral del lado derecho de la Ec. (2.91) es igual a cero, puesto que si x (t )  0 se obtiene la solución trivial. Si x ( t )  0 , entonces el término entre corchetes es cero; es decir, h  ( t   )  a1 h  ( t   )  a0 h ( t   )  0 o h  ( t )  a1 h  ( t )  a0 h ( t )  0 (2.94) ya que el sistema no varía con el tiempo.
La Ec. (2.94) es la ecuación diferencial homogénea original. Así que la respuesta al impulso puede obtenerse calculando las soluciones homogéneas de la ecuación diferencial original sujeta a las condiciones iniciales h (0)  0 h  (0)  1 (2.95) Ejemplo 19. Considere el sistema representado por la ecuación diferencial y  ( t )  y ( t )  x ( t ) (2.96) La solución homogénea de (2.96) es h ( t )  ( c1 sen t  c2 cos t ) u ( t ) con condiciones iniciales h (0)  0, h  (0)  1 Por lo tanto, h (0)  0  c2 h  (0)  1  c1 y, en consecuencia, la respuesta al impulso del sistema modelado por la Ec. (2.96) es h ( t )  sen t u ( t ) Para verificar este resultado se sustituye la Ec. (2.97) en la Ec. (2.96) con h  ( t )  cos t u ( t )  sen t  ( t )  cos t u ( t ) h  ( t )   sen t u ( t )  cos t  ( t )   sen t u ( t )   ( t ) para obtener h  ( t )  h  ( t )   sen t u ( t )   ( t )  sen t u ( t )   ( t ) Ejemplo 20. Considere un sistema modelado por la ecuación diferencial y  ( t )  2 y  ( t )  2 y ( t )  x ( t ) (2.97) 99 La solución homogénea de esta ecuación es h ( t )   c1 e t sen t  c2 e t cos t  u ( t ) Las constantes c1 y c2 se obtienen aplicando las condiciones iniciales: h (0)  0  c2 h  (0)  1  c1 y la respuesta al impulso está dada por h ( t )  e t sen t u ( t ) Este método se puede generalizar de manera directa para sistemas de orden n. Para el caso general, la ecuación que describe el sistema es L { y ( t )}   Dn  an1 Dn1    a1 D  a0  [ y ( t ) ]  x ( t ) (2.98) sujeta a las condiciones iniciales dadas por y (0)  y  (0)    y ( n1) (0)  0 La respuesta se expresa como t  y (t )  h (t  ) x ( ) d  (2.99) 0 Igualando a cero las derivadas sucesivas de y(t) en la Ec. (2.99), se obtiene h (0)  h  (0)    h( n2 ) (0)  0 (2.100) Para la derivada n-ésima, obtenemos t y (n) (t )  h ( n 1 )  (0) x ( t )  h ( n ) ( t   ) x (  ) d  0 Usando el mismo argumento empleado para el caso de segundo orden ya analizado, se encuentra que la función de respuesta al impulso para el sistema de la Ec. (2.98) debe satisfacer la ecuación homogénea L { h ( t )}  0 sujeta a las condiciones iniciales h (0)  h  (0)    h( n2 ) (0)  0 y h( n1) (0)  1 .
Ejemplo 21. Considere un sistema modelado por la ecuación diferencial L { y ( t )}  ( D2 1) ( D2 1)[ y ( t ) ]  x ( t ) La solución de la ecuación homogénea es h ( t )   c1 et  c2 e t  c3 t et  c4 t e t  u (t ) 100 Aplicando las condiciones iniciales se obtiene h (0)  0  c1  c2 h  (0)  0  c1  c2  c3  c4 h  (0)  0  c1  c2  2 c3  2 c4 h  (0)  1  c1  c2  3 c3  3 c4 De estas ecuaciones se obtiene que c1  12 , c2   12 , c3   12 , c4   12 y la respuesta al impulso es h (t )  e 2 1 t  e  t  t et  t e  t  u (t ) Para completar esta sección, se extenderá el método a sistemas excitados por una señal de la forma LD { x ( t )} en lugar de x(t) y donde LD es un operador diferencial de la forma dada por la Ec. (2.84) y de menor orden que L. Sea un sistema descrito por una ecuación de la forma L { y ( t )}  LD { x ( t )} (2.101) Si el sistema L { y ( t )}  x ( t ) tiene una respuesta al impulso h ( t ) , la respuesta del sistema modelado por L { y ( t )}  x ( t ) está dada por t  y ( t )  h ( t   ) x (  ) d  (2.102) 0 La respuesta al impulso h ( t ) se calcula empleando los métodos descritos anteriormente en esta sección. Sin embargo, el sistema está siendo excitado ahora no por x(t), sino por LD { x ( t )} . Suponga que aplicamos el operador LD a ambos lados de la ecuación L { y ( t )}  x ( t ) Se obtiene entonces que LD {L { y ( t )}}  LD { x ( t )} (2.103) Empleando la propiedad conmutativa de los operadores diferenciales LIT, la Ec. (2.103) se puede escribir como L {LD { y ( t )}}  LD { x ( t )} (2.104) Comparando las Ecs. (2.101) y (2.103) vemos que LD { y ( t )}  y ( t ) . Se tiene entonces que la salida del sistema original es simplemente el operador LD operando sobre y ( t ) Así que la respuesta al impulso h(t) para el sistema descrito por la Ec. (2.101) debe ser h ( t )  LD { h ( t )} (2.105) 101 Ejemplo 22. Considere el circuito de la Fig. 2.23 en el que se utiliza una función x(t) cualquiera como excitación.
  x (t )  y (t ) 1F   Figura 2.23 La ecuación diferencial que relaciona la salida con la entrada es D 2  2 D  2 { y ( t )}  ( D  1){ x ( t )} (2.106) El primer paso es determinar la respuesta al impulso h ( t ) del sistema D 2  2 D  2 { h ( t )}  x ( t ) Este problema ya se resolvió en el Ejemplo 20 y su respuesta al impulso es h ( t )  e t sen t u ( t ) Entonces, la respuesta al impulso de la Ec. (2.106) está dada por h ( t )  ( D  1){ h ( t )}  ( D  1){ e  t sen t u ( t )}   e  t sen t u ( t )  e  t cos t u ( t )  e  t sen t  ( t )  e  t sen t u ( t )  e  t cos t u ( t ) y la salida y(t) será t  y ( t )  e  ( t  ) cos( t   ) x (  ) d  , t0 0 Si, por ejemplo, x(t) = u(t), la salida será t  y (t )  e 0  ( t  ) t t 1   2 (1  e sen t  e cos t ), t  0 cos( t   ) d    t0   0, 2.9 Sistemas Descritos por Ecuaciones en Diferencias Anteriormente vimos que un sistema de tiempo continuo puede caracterizarse en función de una ecuación diferencial que relaciona la salida y sus derivadas con la entrada y sus derivadas. La 102 contraparte en tiempo discreto de esta caracterización es la ecuación en diferencias, la cual, para sistemas lineales e invariables en el tiempo, toma la forma N  M ak y [ n  k ]  k 0 b x [ n  k ], k n0 (2.107) k 0 donde ak y bk son constantes conocidas. El orden N se refiere al mayor retardo de y[n] en la Ec. (2.107).
En una forma análoga al caso en tiempo continuo, la solución de la Ec. (2.107) y todas las propiedades de los sistemas, tales como linealidad, causalidad e invariabilidad en el tiempo, pueden desarrollarse siguiendo un método de discusión similar al usado para las ecuaciones diferenciales.
Definiendo el operador Dk y [ n ]  y [ n  k ] (2.108) podemos escribir la Ec. (2.107) en notación operacional como N  M ak D k y [ n ]  k 0 b D x [ n ] k (2.109) k k 0 Una forma alterna de la ecuación en diferencias, Ec. (2.107), se da algunas veces como N  M ak y [ n  k }  k 0 b x [ n  k ], k n0 (2.110) k 0 En esta forma, si el sistema es causal, debemos tener M  N.
La solución a cualquiera de las Ecs. (2.105) o (2.110) puede determinarse, en analogía con una ecuación diferencial, como la suma de dos componentes: (a) la solución homogénea, que depende de las condiciones iniciales que se suponen conocidas, y (b) la solución particular, la cual depende de la entrada.
Antes de explorar este enfoque para determinar la solución a la Ec. (2.107), consideremos un método alterno escribiendo de nuevo la Ec. (2.107) como y [n]  1 M  bk x [ n  k ]  a0  k 0   N a y [ n  k ] k (2.111) k 1 En esta ecuación, los valores x[n  k] son conocidos. Si también se conocen los valores y[n  k], entonces y[n] puede determinarse. Haciendo n = 0 en la Ec. (2.111) da 1 M y (0)   bk x [  k ]  a0  k 0   ak y [  k ]  k 1  N  (2.112) Las cantidades y[k], para k = 1, 2,  , N, representan las condiciones iniciales para la ecuación en diferencias y por tanto supuestas conocidas. Entonces, como todos los términos en el lado derecho son conocidos, podemos determinar y[0].
Ahora hacemos n = 1 en la Ec. (2.111) para obtener 103 y (1)  1 a0 M    bk x [1  k ]    k 0    ak y [1  k ]  k 1  N  y usamos el valor de y[0] determinado anteriormente para resolver por valores sucesivos de n y obtener y[n] por iteración.
Usando un argumento similar al anterior, se puede ver que las condiciones necesarias para resolver la Ec. (2.111) son las condiciones iniciales y[0], y[1],  , y[N  1]. Comenzando con estas condiciones iniciales, la Ec. (2.111) puede resolverse iterativamente en igual forma. Ésta es la formulación recursiva y la Ec. (2.111) se conoce como una ecuación recursiva ya que ella especifica un procedimiento recursivo para determinar la salida en función de la entrada y salidas previas.
Ejemplo 23. Considere la ecuación en diferencias y [ n ]  34 y [ n  1]  81 y [ n  2]   12  n con condiciones iniciales y[1] = 1 y y[2] = 0.
Entonces y [ n ]  34 y [ n  1]  81 y [ n  2]   12  n de modo que y [0]  34 y [ 1]  18 y [ 2]  1  y [1]  34 y [0]  81 y [ 1]  1 y [2]  34 y [1]  81 y [0]  1 2 4   7 4 27 16 83 64 . . . . . . . . . . .
En el caso especial cuando N = 0, de la Ec. (2.111) tenemos y[n]   1 M  bk x [ n  k ] a0  k 0   la cual es una ecuación no-recursiva ya que no se requieren los valores previos de la salida para calcular la salida presente. Por ello, en este caso, no se necesitan condiciones auxiliares para determinar y[n].
Aun cuando el procedimiento iterativo descrito anteriormente puede usarse para obtener y[n] para varios valores de n, él, en general, el método no produce una expresión analítica para evaluar y[n] para cualquier n arbitraria. Ahora consideraremos la solución analítica de la ecuación en diferencias determinando las soluciones homogénea y particular de la Ec. (2.107) 104 2.9.1 Solución Homogénea de la Ecuación en Diferencias La ecuación homogénea correspondiente a la Ec. (2.107) está dada por N a y [n  k ]  0 k (2.113) k 0 En analogía con nuestra discusión del caso en tiempo continuo, suponemos que la solución a esta ecuación viene dada por una función exponencial de la forma yh [ n ]  A n Sustituyendo esta relación en la ecuación en diferencias, se obtiene N a A n k k 0 k 0 Entonces, cualquier solución homogénea debe satisfacer la ecuación algebraica N a  k k 0 (2.114) k 0 La Ec. (2.114) es la ecuación característica para la ecuación en diferencias y los valores de  que satisfacen esta ecuación son los valores característicos. Es evidente que hay N raíces características 1 , 2 ,  ,  N , y que estas raíces pueden ser distintas o no. Si las raíces son distintas, las soluciones características correspondientes son independientes y podemos obtener la solución homogénea yh[n] como una combinación lineal de términos del tipo  in , es decir, yh [ n ]  A1 1n  A2 2n  AN nN (2.115) Si cualesquiera raíces son repetidas, entonces generamos N soluciones independientes multiplicando la solución característica correspondiente por la potencia apropiada de n. Por ejemplo, si 1 tiene una multiplicidad de P1, mientras que las otras N – P1 raíces son distintas, suponemos una solución homogénea de la forma yh [ n ]  A1 1n  A2 n 1n  AP1 n P1 1 1n  AP1 1 nP1 1  AN nN Ejemplo 24. Considere la ecuación y [ n ]  56 y [ n 1]  16 y [ n  2]  0 con las condiciones iniciales y[1] = 2, La ecuación característica es y[2] = 0 (2.116) 105 1  56 1  16 2  0 o 2  56   16  0 la cual puede factorizarse como    12     13   0 y las raíces características son 1  , 2  1 3 Puesto que estas raíces son distintas, la solución homogénea es de la forma n  1  1 yh [ n ]  A1     A2     2  3 n La sustitución de las condiciones iniciales da entonces las siguientes ecuaciones para las constantes incógnitas A1, y A2: 2 A1  3 A2  2 4 A1  9 A2  0 cuya solución es A1  3, A2  4 3 y la solución homogénea de la ecuación es igual a n  1 4 1 yh [ n ]  3         2 3 3 n Ejemplo 25. Considere la ecuación y [ n ]  54 y [ n 1]  12 y [ n  2]  161 y [ n  3]  0 con las condiciones iniciales y [ 1]  6, y [ 2]  6, y [ 3]  2 La ecuación característica es 1  54 1  12 2  161 3  0 y sus raíces son 1 1  , 2 1 2  , 2 3  1 4 106 Aquí se tiene una raíz repetida. Por consiguiente, escribimos la solución homogénea como n n 1 1 1 yh [ n ]  A1    A2 n    A3   2 2 4 n Sustituyendo las condiciones iniciales y resolviendo las ecuaciones resultantes, obtenemos 9 A1  , 2 5 A2  , 4 A3   1 8 y la solución homogénea es n n 91 5 1 11 yh [ n ]     n      2 2 4  2 8 4 2.9.2 n La Solución Particular Ahora consideraremos la determinación de la solución particular para la ecuación de diferencias N M  a y [ n  k ]  b x [ n  k ] k k k 0 (2.117) k 0 Observamos que el lado derecho de esta ecuación es la suma ponderada de la entrada x[n] y sus versiones retardadas. Por lo tanto, podemos obtener yp[n], la solución particular de la Ec. (2.117), determinando primero la solución particular de la ecuación N  a y [ n  k ]  x [ n ] k (2.118) k 0 El uso del principio de superposición nos permite entonces escribir N yp [n]  b y [ n  k ] k (2.119) k 0 Para hallar ~y [n] , suponemos que ella es una combinación lineal de x[n] y sus versiones retardadas x[n – 1], x[n  2], etc. Por ejemplo, si x[n] es una constante, también lo es x[n  k] para cualquier k. Por consiguiente, y [ n ] también es una constante. Similarmente, si x[n] es una función exponencial de la forma n , y [ n ] es también una exponencial de la misma forma. Si x [ n ]  sen 0 n entonces x [ n  k ]  sen 0 ( n  k )  cos 0 k sen 0 n  sen 0 k cos 0 n y, como corresponde, tenemos y [ n ]  A sen 0 n  B cos 0 n 107 Se obtiene la misma forma para y [ n ] cuando x [ n ]  cos 0 n Las constantes incógnitas en la solución supuesta se pueden determinar sustituyendo en la ecuación en diferencias e igualando los términos semejantes.
Ejemplo 26. Considere la ecuación en diferencias 1 n y [ n ]  34 y [ n  1]  y [ n  2]  2sen 8 2 con condiciones iniciales y[1] = 2 y y[2] = 4 De acuerdo con el procedimiento indicado, suponemos entonces que la solución particular es de la forma y p [ n ]  A sen n 2 n  B cos 2 Entonces ( n  1)  y p [ n  1]  A sen 2  B cos ( n  1)  2 Usando identidades trigonométricas se puede verificar fácilmente que sen ( n  1)  2   cos n 2 y cos ( n  1)   sen 2 n 2 de modo que y p [ n  1]   A cos n 2  B sen n 2 En forma similar se puede demostrar que y p [ n  2] es y p [ n  2]   A sen n 2  B cos n 2 Sustituyendo ahora en la ecuación en diferencias da A 3 4 B  81 A  sen n 2   B  43 A  81 B  cos n 2  2sen n 2 Igualando los coeficientes de los términos semejantes, se obtienen los valores de las constantes A y B: A y la solución particular es 112 85 , B 96 85 108 yp [ n]  112 85 sen n 96 n  cos 2 85 2 Para determinar la solución homogénea, escribimos la ecuación característica para la ecuación en diferencias como 1  34 1  18 2  0 cuyas raíces características son 1 1  , 4 2  1 2 y la solución homogénea está dada por yh [ n ]  A1  14   A2  12  n n de manera que la solución completa está dada por n 96 n 1  1  112 y [ n ]  A1    A2    sen  cos 85 2 85 2 4 2 n n Ahora podemos sustituir las condiciones iniciales dadas para resolver por las constantes A1 y A2 y se obtiene A1   8 17 A2  , 13 5 de modo que 8  1  13  1  112 n 96 n y[n]         sen  cos 17  4  5 2 85 2 85 2 n n Ejemplo 27. Considere el sistema descrito por la ecuación en diferencias y [ n ]  a y [ n  1]  Kbn u [ n ] donde a, b y K son constantes y y [ 1]  y1 .
La solución que satisface la ecuación homogénea yh [ n ]  a yh [ n  1]  0 es dada por yh [ n ]  Aa n Para determinar la solución particular, suponemos que y p [ n ]  Bbn , y sustituyendo ésta en la ecuación original, se obtiene n0 109 Bbn  a Bbn1  K bn a partir de la cual se obtiene que B Kb ba y yp [ n]  K ba bn 1 Combinando ahora yh[n] y yp[n], da y [ n ]  Aa n  K ba b n1 , n0 Para determinar A, aplicamos la condición dada: y [ 1]  y1  Aa 1  K ba de donde A  ay1  K a ba y la solución buscada es y [ n ]  y1 a n 1 K bn1  a n1 ba n0 Para n < 0, tenemos x[n] = 0 y, en este caso, y [ n ]  Aa n Aplicando la condición y [ 1]  y1 , se obtiene que A  y1 a y y [ n ]  y1 a n1 n0 y la solución completa para toda n es y [ n ]  y1 a n1  K 2.9.3 bn 1  a n 1 ba u[n] Determinación de la Respuesta al Impulso Concluimos esta sección considerando la determinación de la respuesta al impulso de sistemas descritos por la ecuación en diferencias de la Ec. (2.107). Recuerde que la respuesta al impulso es la respuesta del sistema a una entrada de muestra unitaria con cero condiciones iniciales; es decir, la respuesta al impulso no es sino la solución particular de la ecuación en diferencias cuando la entrada 110 x[n] es una función impulso unitario [n]. A diferencia del caso continuo, la respuesta al impulso h[n] de un sistema de tiempo discreto descrito por la Ec. (2.107) puede determinarse a partir de la relación 1 M h [ n ]   bk  [ n  k ]  a0  k 0   ak h [ n  k ]  k 1  N  (2.120) Para el caso especial cuando N = 0, la respuesta al impulso h[n] está dada por  bn  , h[n]  bk  [ n  k ]   a0 a0 k 0  0  M  1 0n M (2.121) otros valores de n Observe que la respuesta al impulso para este sistema tiene términos finitos; es decir, es diferente de cero solamente para una duración finita.
Ejemplo 28. Determine la respuesta al impulso para cada uno de los sistemas causales descritos por las ecuaciones en diferencias siguientes: (a) y [ n ]  x [ n ]  2 x [ n 1]  3 x [ n  3] (b) y [ n ]  12 y [ n  2]  2 x [ n ]  x[ n  2] Solución: (a) Por la definición (2.120) h [ n ]  [ n ]  2 [ n 1]  3[ n  3] (b) h [ n ]  12 h [ n  2]  2 [ n ]  [ n  2] Puesto que el sistema es causal, h[2] = h[1} = 0. Entonces, h [0]  12 h [ 2]  2  [0]   [ 2]  2  [0]  2 h [1]  12 h [ 1]  2  [1]   [ 1]  0 h [2]  12 h [0]  2  [2]   [0]  12 (2)  1  0 h [3]  12 h [1]  2  [3]   [1]  0  y, por tanto, h [ n ]  2 [ n ] Consideremos ahora de nuevo la Ec. (2.107), con x [ n ]  [ n ] y y[n] = h[n]: N  k 0 M ak h [ n  k ]  b [ n  k ], k k 0 n0 (2.122) 111 con h[1], h[2], etc. iguales a cero.
Claramente, para n > M, el lado derecho de la Ec. (2.122) es cero, de modo que tenemos una ecuación homogénea. Las N condiciones iniciales requeridas para resolver esta ecuación son h[M], h[M  1] ,  , h [ M  N  1] . Puesto que N  M para un sistema causal, sólo tenemos que determinar y[0], y[1],  , y[M]. Haciendo que n tome sucesivamente los valores 0, 1, 2,  , M en la Ec. (2.122) y usando el hecho de que y[k] es cero para k < 0, obtenemos el siguiente conjunto de M + 1 ecuaciones: j a y [ n  k ]  b , k j j  0,1, 2, M (2.123) k 0 o, equivalentemente, en forma matricial        a0 0   a1 a0   a2 a1 a0      aM aM 1   0   y [0]   b0 0   y [1]   b1   0   y [2]    b2          a0   y [ M ] bM        (2.124) Las condiciones iniciales obtenidas al resolver estas ecuaciones se usan ahora para determinar la respuesta al impulso como la solución de la ecuación homogénea: N  a h [ n  k ]  0, k nM (2.125) k 0 Ejemplo 29. Considérese la ecuación en diferencias del Ejemplo 26, pero con una excitación diferente, es decir, 1 y [ n ]  34 y [ n  1]  y [ n  2]  x [ n ]  12 x [ n  1] 8 tal que N = 2 y M = 1. Se deduce que la respuesta al impulso se determina como la solución de la ecuación 1 y [ n ]  34 y [ n  1]  y [ n  2]  0, 8 n2 De la Ec. (2.123), encontramos la ecuación para determinar las condiciones iniciales como  1  3  4 0   y [0] 1   1   y [1]   12  y y [0]  1, y [1]  5 4 112 Utilizando estas condiciones iniciales produce la respuesta al impulso: n 1 1 h[ n ]  4    3  2 4 n 2.10 Simulación de Sistemas 2.10.1 Componentes Básicas: Sistemas de Tiempo Continuo Cualquier sistema descrito por la ecuación diferencial d k y (t ) N a k M  dt k k 0 b d k x (t ) k (2.126) dt k k 0 o, tomando aN  1 , por la ecuación d N y (t ) dt N N 1  a k 0 d k y (t ) k dt k d k x (t ) M  b k dt k k 0 con M  N puede simularse usando sumadores, multiplicadores por escalares e integradores.
El Integrador Un elemento básico en la teoría y práctica de la ingeniería de sistemas es el integrador.
Matemáticamente, la relación de entrada-salida que describe el integrador, cuyo símbolo se muestra en la Fig. 2.24, es t  y ( t )  y ( t0 )  x (  ) d  ), t  t0 t0 y la ecuación diferencial de entrada-salida es d y (t )  x (t ) dt x(t)  y(t) Figura 2.24 Sumadores y Multiplicadores por Escalares En la Fig. 2.25 se ilustran las operaciones de suma y multiplicación por un escalar y los símbolos que las identifican.
Ejemplo 30. Considere el sistema mostrado en la Fig. 2.26.
113 x2(t) x1(t) x2(t) x1(t) + x2(t) – x1(t) x1(t) – x2(t) x(t) y(t) = Kx(t) K Figura 2.25 Denote la salida del primer integrador en la figura por v(t); entonces, la entrada a este integrador es dv ( t ) dt   a1 v ( t )  a0 y ( t )  b0 x ( t ) (2.127) La entrada al segundo integrador es dy ( t ) dt , por lo que se puede escribir dy ( t )  v (t ) dt Diferenciando ambos lados de esta última ecuación y usando la Ec. (2.127), se obtiene d 2 y (t ) dt 2  dv ( t ) dt   a1 dy ( t ) dt  a0 y ( t )  b0 x ( t ) o d 2 y (t ) dt 2  a1 dy ( t ) dt  a0 y ( t )  b0 x ( t ) que es la ecuación diferencial que relaciona la entrada y la salida en la Fig. 2.26.
a1  x(t) b0   a0 Figura 2.26  y(t) 114 2.10.2 Diagramas de Simulación: Sistemas de Tiempo Continuo Utilizando notación de operadores (D = (d/dt), la ecuación diferencial para un sistema LIT puede escribirse en la forma  N D   N 1  i 0   ai D  y ( t )     i M b D i i 0 i   x ( t ),  aN  1 (2.128) En esta sección se derivarán dos simulaciones canónicas diferentes para la Ec. (2.128). Para derivar la primera forma, se supone N = M y escribimos de nuevo la ecuación como D N ( y  bN x )  D N 1 ( an1 y  bN 1 x )  D ( a1 y  b1 x )  a0 y  b0 x  0 Multiplicando la ecuación por D  N y reacomodando los términos, se obtiene la relación y  bN x  D1 ( bN 1 x  aN 1 y )  D ( N 1) ( b1 x  a1 y )  D N ( b0 x  a0 y ) (2.129) a partir de la cual se puede dibujar el diagrama de la Fig. 2.27, comenzando por la salida y(t) en la derecha y trabajando hacia la izquierda. El operador D  k representa k integraciones y el diagrama de la Fig. 2.27 es la primera forma canónica.
Se puede obtener otro diagrama útil convirtiendo la ecuación diferencial de orden N en dos ecuaciones de orden menor. Para obtenerlas, sea  N D     a j D j  v (t )  x (t )  j 0  N 1  (2.130) Entonces,  y (t )    N  b D  v ( t ) i (2.131) i i 0 x(t) b0 b1  –a0 bN–1  –a1 bN  –aN–1 Figura 2.27 Primera forma canónica.
y(t) 115 Para verificar que estas dos últimas ecuaciones son equivalentes a la ecuación diferencial original, sustituimos (2.130) en (2.129) para obtener  N D      a j D  y (t )    j 0   N 1  j     N  i 0  bi D   D N    i N  bi D ( iN )  a j D j  v (t )  j 0  N 1  N 1  i 0 N   aj j 0  N  iN   bi  D   i 0   i 0 N 1 a D j j 0  bi D ( i  j )  v ( t )   i j     v (t )      N  b D  x ( t ) i i i 0 y así queda demostrada la equivalencia. La segunda forma canónica se muestra en la Fig. 2.28. Las variables v ( N 1) (t ),  , v (t ) que se usan en la construcción de y(t) y x(t) en las Ecs. (2.130) y (2.131), respectivamente, son obtenidas integrando sucesivamente a v ( N ) (t ) . Observe que en esta representación, la entrada a cualquier integrador es exactamente la misma que la salida del integrador precedente.
y(t) bN x(t) b N1  b N2 b1   a N1 b0 a N2 a 1 a 0 y (t ) Figura 2.28 Segunda forma canónica.
Ejemplo 31. Obtenga un diagrama de simulación para el sistema LIT descrito por la siguiente ecuación diferencial: y  ( t )  5 y  ( t )  4 y ( t )  2 x  ( t )  x ( t ) Primero escribimos de nuevo la ecuación como 116 D2 y ( t )  D  2 x ( t )  5 y ( t )   [ x ( t )  4 y ( t )] y ahora integramos dos veces para obtener y ( t )  D1 [2 x ( t )  5 y ( t )]  D2 [ x ( t )  4 y ( t )] Los diagramas de simulación correspondientes se muestran en la Fig. 2.29a y b para la primera y segunda forma, respectivamente.
x(t) 1 2   –4 y(t) –5 .
(a) y(t) 2 x(t) v''(t)  1  v'(t) –5 –4 .
(b) Figura 2.29 Diagramas para el Ejemplo 31.
2.10.3 Componentes Básicas: Sistemas de Tiempo Discreto Para simular mediante diagramas a los sistemas LIT de tiempo discreto descritos por ecuaciones en diferencias, se definirán tres elementos básicos: El sumador, el multiplicador por una constante y el elemento de retardo. Los tres se muestran en la Fig. 2.30. Estos elementos se pueden utilizar para obtener diagramas de simulación usando un desarrollo similar al del caso de sistemas en tiempo continuo. Igual que en este caso, podemos obtener varios diagramas de simulación diferentes para el mismo sistema. Esto se ilustra considerando dos enfoques para obtener los diagramas.
117 x2[n] x1[n] x[n] ax[n] x[n – 1] x[n] a D (b) (c) x1[n] + x2[n] (a) Figura 2.30 Ejemplo 32. Ahora se obtendrá un diagrama de simulación para el sistema descrito por la ecuación de diferencias y [ n ]  y [ n 1]  y [ n  2]  0.25 y [ n  3]  x [ n ]  2 x [ n 1]  x [ n  2] (2.132) usando un método similar al usado para sistemas en tiempo continuo.
Primero resolvemos por y[n] y agrupando términos semejantes, podemos escribir y [ n ]  x [ n ]  D [2 x [ n ]  y [ n ]]  D2 [ x [ n ]  y [ n ]]  D3 [ 0.25 y [ n ]] donde D representa el operador de retardo unitario. Para obtener el diagrama de simulación para este sistema, suponemos que y[n] está disponible y primero formamos la señal v4 [ n ]  0.25 y [ n ] x[n] 1 v4[n] D + – + 2 v3[n] D + 0.2 5 1 + + v2[n ] + D + + v1[n] = y[n] + + v1[n] = y[n] 1 Figura 2.31 x[n] 1 v4[n] – D + + v3[n] + 0.2 5 2 1 D + + v2[n ] + 1 Figura 2.31 D 118 Esta señal la pasamos por un retardo unitario y le añadimos x [ n ]  y [ n ] para formar v3 [ n ]  D{0.25 y [ n ]}  { x [ n ]  y [ n ]} Ahora retrasamos esta señal y le añadimos 2 x [ n ]  y [ n ] para obtener v2 [ n ]  D2 {0.25 y [ n ]}  D{ x [ n ]  y [ n ]}  {2 x [ n ]  y [ n ]} Si ahora pasamos v2[n] a través de un retardo unitario y le añadimos x[n], obtenemos v1 [ n ]  D3 {0.25 y [ n ]}  D2 { x [ n ]  y [ n ]}  D{2 x [ n ]  y [ n ]}  x[ n ] Claramente, v1[n] es igual a y[n], de modo que podemos completar el diagrama de simulación igualando v1[n] con y[n]. El diagrama de simulación se muestra en la Fig. 2.31.
Considere la ecuación de diferencias de orden N-ésimo y [ n ]  a1 y [ n 1]  aN y [ n  N ]  b0 x [ n ]  b1 x [ n 1}  bN x [ n  N ] (2.133) Siguiendo el enfoque dado en el último ejemplo, similar el método usado para sistemas de tiempo continuo, podemos construir el diagrama de simulación mostrado en la Fig. 2.32.
x[n] bN bN–1 b1 b0 y[n] D –aN D –aN–1 D –a1 Figura 2.32 Para derivar un diagrama de simulación alterno para el sistema en la Ec. (2.132), escribimos la ecuación en función de una nueva variable v[n] como N v[n]  a v [ n  j ]  x [ n ] j j 1 (2.134) 119 N y[n]  b v [ n  m ] (2.135) m m 0 Observe que el lado izquierdo de la Ec. (2.134) es de la misma forma que el lado izquierdo de la Ec.
(2.132) y el lado derecho de la Ec. (2.135) es de la forma del lado derecho de la Ec. (2.132).
Para verificar que estas dos ecuaciones son equivalentes a la Ec. (2.132), sustituimos la Ec. (2.135) en el lado izquierdo de la Ec. (2.117) para obtener  N  y[n]  a j y [n  j ]  bm v [ n  m ]  a j  bm v [ n  m  j ] j 1 m 0 j 1  m 0  N N  N     bm  v [ n  m ]   m 0 N    N  a v [ n  m  j ] j j 1 M  b x[ n  m ] m m 0 donde el último paso se obtiene a partir de la Ec. (2.134).
Para generar el diagrama de simulación, primero determinamos el diagrama para la Ec. (2.134). Si tenemos disponible a v[n], podemos generar v[n  1], v[n  2], etc., pasando sucesivamente a v[n] a través de unidades de retardo. Para generar a v[n], de la Ec. (2.135) observamos que N v[n]  x[n]  a v [ n  j ] (2.136) j j 1 b0 b1 b2 + + b N-1 x[n] + _ v[n - 1]  _ _ v[n]  D v[n - N - 1] D + bN D v[n - 2] v[n - N ] a1 a N-1 aN Figura 2.33  y[n] 120 Para completar el diagrama de simulación, generamos y[n] como en la Ec. (2.135) mediante una combinación adecuada de v[n], v[n  1], etc. El diagrama completo se muestra en la Fig. 2.33.
Observe que ambos diagramas de simulación pueden obtenerse en una forma directa a partir de la ecuación de diferencias correspondiente.
Ejemplo 33. El diagrama de simulación alterno para el sistema del Ejemplo 32, Ec. (2-131), es v [ n ]  v [ n 1]  v [ n  2]  0.25v [ n  3]  x [ n ] y y [ n ]  v [ n ]  2 v [ n 1]  v [ n  2] se muestra en la Fig. 2.34 usando estas dos ecuaciones.
2 v[n – 1] x[n] y[n] v[n – 2] v[n – 3] v[n] D D D –0.25 Figura 2.34 2.11 Representación Mediante Variables de Estado: Tiempo Continuo En esta sección se analizará la caracterización de sistemas en el dominio del tiempo (continuo) usando la descripción de la ecuación de estado y las variables de estado. El método permite estudiar el sistema como un todo, tomando en cuenta tanto sus variables internas como las variables de entrada y salida (excitación–respuesta). El método ha sido utilizado durante muchos años en la descripción y estudio de sistemas dinámicos y también es de mucha utilidad en la resolución de redes eléctricas.
La descripción mediante variables de estado utiliza un sistema de ecuaciones diferenciales (en forma matricial) de primer orden y es aplicable a sistemas lineales o no, variables o invariables en el tiempo.
Esta descripción con matrices que se emplea en la representación mediante variables de estado es independiente de la complejidad del sistema y, en consecuencia, puede facilitar grandemente el estudio de sistemas complejos. Además, la formulación con variables de estado proporciona un método apropiado para el proceso de solución de las ecuaciones por computadora.
121 2.11.1 Definiciones Desde el punto de vista del análisis y síntesis de sistemas, es conveniente clasificar las variables que caracterizan o están asociadas con el sistema en la forma siguiente: (1) variables de entrada o de excitación, ui, las cuales representan los estímulos generados por sistemas diferentes del sistema bajo estudio y que influyen en su conducta; (2) variables de salida o de respuesta, yj, las cuales describen aquellos aspectos de la conducta del sistema que son de interés; y (3) variables de estado o intermedias, xk, las cuales caracterizan la conducta dinámica del sistema bajo investigación.
El estado de un sistema es un resumen completo de cómo se encuentra el sistema en un punto particular en el tiempo, es decir, el estado de un sistema se refiere a sus condiciones pasadas, presentes y futuras. El conocimiento del estado en algún punto inicial, t0, más el conocimiento de las entradas al sistema después de t 0 , permiten la determinación del estado en un tiempo posterior t1. Así que el estado en t0 constituye una historia completa del sistema antes de t 0 , en la medida que esa historia afecta la conducta futura. El conocimiento del estado presente permite una separación bien definida entre el pasado y el futuro.
En cualquier instante fijo, el estado del sistema puede describirse mediante los valores de un conjunto de variables xi, denominadas variables de estado. Las variables de estado pueden tomar cualquier valor escalar, real o complejo y se definen como un conjunto mínimo de variables x1 , x2 ,, xn cuyo conocimiento en cualquier tiempo t0 y el conocimiento de la excitación que se aplique posteriormente, son suficientes para determinar el estado del sistema en cualquier tiempo t > t0.
Cuando un grupo de ecuaciones diferenciales ordinarias que representan un sistema físico dinámico está expresado en la forma xi  fi  x1 , x2 ,  ,xn ; u1 , u2 ,  ,um  , i  1, 2,  ,n , se dice que el grupo de ecuaciones está en la forma normal. Las variables xi (i = 1, 2,  , n) son las variables de estado y las variables uj (i = 1, 2,  , m) son las funciones de entrada o de excitación. Si el sistema es lineal, las ecuaciones pueden escribirse en la forma n xi   j 1 m aij x j  b u ik k i  1, 2,  , n k 1 o en forma matricial x ( t )  Ax ( t )  Bu ( t ) (2.137) en donde el conjunto de variables de estado se describe mediante un vector de estado  x1 ( t )   x (t ) x (t )   2       xn ( t )  (2.138) Este vector pertenece a un espacio n-dimensional, el espacio de estados, y el conjunto de variables de entrada o de excitación se describe mediante un vector de excitación o de entrada 122 u1 ( t )  u ( t )   u (t )   2     um ( t )  (2.139) A es una matriz de dimensión n  n y se denomina la matriz de los coeficientes, B es una matriz de dimensión n  m y se conoce como la matriz de distribución, x es simplemente la derivada de x con respecto al tiempo t, es decir, x  dx dt . Todos los vectores y matrices que aparecen en la Ec. (2.137) pueden depender del tiempo (sistemas variables en el tiempo). En este libro sólo se tratarán sistemas que no varían con el tiempo y, por tanto, las matrices A y B se tomarán siempre constantes y de la forma  a11 a A   21    an 1 a12  a1 n  a22  a2 n  ,    an 2  ann  b11 b12  b1 n  b b  b  2n  B   21 22      bn 1 bn 2  bnn  (2.140) 2.11.2 Solución General de la Ecuación de Estado Considérese ahora la ecuación diferencial escalar de primer orden dx ( t )  ax ( t )  bu ( t ) dt (2.141) donde a y b son constantes arbitrarias y u(t) es una función continua de t (no confundir con la función escalón definida en el capítulo anterior). Multiplicando ambos lados de la ecuación por eat , se tiene que e at dx(t )  ae at x(t )  be at u (t ) dt e at dx(t )  a  at x(t )  be at u (t ) dt o también la cual puede escribirse en la forma d  e at x(t )   b e at u (t ) dt e integrando desde t0 hasta t, t e at x(t )   b e  au () d  t t0  at e x(t )  e t0  at0 t x(t0 )   b e  au () d  t0 123 Despejando a x(t) en la ecuación anterior se obtiene x(t )  e a  t t0  t  x ( t0 )  be a  t   u ( ) d  (2.142) t0 y cuando t0 = 0, t  x ( t )  e x (0)  b e at a  t   d (2.143) 0 Ejemplo 34 Resolver la ecuación diferencial dx  2x  5 dt sujeta a la condición inicial x(0) = 3.
Solución. Esta ecuación puede escribirse en la forma dx  2 x  5 dt de donde a = 2 y u(t) = 1. Aplicando la Ec. (2.141) se obtiene t t x(t )  e2t  3   5e2(t  ) d   3e2t  5e2t  e 2  d  0 0  3e2t  2.5e2t e 2 t 0  2.5  0.5e2t Obsérvese en (2.141) que u(t) = 0 corresponde a la ecuación diferencial homogénea dx ( t ) dt  ax ( t ) (2.144) cuya solución es x (t )  e a t t0  x ( t0 ) (2.145) Considérese ahora el conjunto homogéneo de n ecuaciones de estado x  Ax , x ( t0 ) dado, A constante (2.146) La matriz de transición de estados se define como una matriz que satisface la ecuación de estado lineal homogénea dx ( t ) dt  A x (t ) (2.147) 124 Sea (t) una matriz de n  n que representa la matriz de transición de estados; entonces, por definición, ella debe satisfacer la ecuación dΦ ( t ) dt  A Φ(t ) (2.148) Aún más, sea x(0) el estado inicial en t = 0; entonces (t) también se define mediante la ecuación matricial x ( t )  Φ ( t ) x (0) (2.149) la cual es la solución de la ecuación de estado homogénea para t  0 .
Una forma alterna de resolver la ecuación de estado homogénea es suponer una solución, igual que en el método clásico de solución de las ecuaciones diferenciales lineales. Comparando las ecuaciones de estado y la ecuación escalar correspondiente muestra que la solución de la Ec. (2.147) es análoga a la de la Ec.(2.143); ella es x ( t )  eA t x (0) (2.150) para t  0 , donde la función exponencial e A t representa la siguiente serie de potencias para la matriz At: e At  I  At  1 2! A2 t 2  1 3! A3 t 3   (2.151) Aquí I es la matriz identidad de n  n. Es fácil demostrar que la Ec. (2.150) es una solución de la ecuación de estado homogénea ya que, de la Ec. (2.151), tenemos que de At dt  A e At (2.152) Por tanto, además de la Ec. (3.17), se obtuvo otra expresión para la matriz de transición de estados: Φ ( t )  e At  I  At  1 2! A2 t 2  1 3! A3 t 3   (2.153) La Ec. (2.153) también se puede obtener directamente a partir de la Ec. (3.17). Esto se deja como un ejercicio para el lector.
Ahora se considerará el conjunto no homogéneo de las ecuaciones de estado. La matriz A todavía se considera una constante, pero B puede ser una función del tiempo, es decir, B = B(t). Se supone que las componentes de Bu(t) son seccionalmente continuas para garantizar una solución única de la ecuación x  Ax  B ( t ) u ( t ), x ( t0 ) dado (2.154) Observe que aquí el tiempo inicial es t0 y no t = 0. Se repite la técnica usada para resolver la ecuación escalar con sólo modificaciones menores. Sea K(t) una matriz de n  n. Premultiplicando la Ec. (2.154) por K(t) y reagrupando, se obtiene K  t  x (t )  K(t )Ax(t )  K(t )B(t )u(t ) 125  , el lado izquierdo puede escribirse como una diferencial total Puesto que d [ K ( t ) x ( t )] dt  Kx  Kx    K ( t ) A . Una matriz así es K  e A ( t t0 ) . Aceptando que ésta es la matriz (vectorial) con tal que K que debe usarse, la ecuación diferencial puede escribirse en la forma d K ( t ) x ( t )  K ( t ) B ( t ) u ( t ) dt e integrando da t  K ( t ) x ( t )  K ( t0 ) x ( t0 )  K (  ) B (  ) u (  ) d  t0 La forma de K seleccionada siempre tiene una inversa, de modo que t  1 x ( t )  K ( t ) K ( t0 ) x ( t0 )  K 1 ( t ) K (  ) B (  ) u (  ) d  t0 o t x(t )  e A ( t t0 )  x ( t0 )  e A ( t  ) B (  ) u (  ) d  (2.155) t0 Ésta representa la solución para cualquiera ecuación del sistema en la forma de la Ec. (2.154).
Obsérvese que está compuesta de un término que depende solamente del estado inicial y una integral de convolución que incluye la entrada pero no el estado inicial. Estos dos términos se conocen por diferentes nombres, tales como la solución homogénea y la integral particular, la respuesta libre de excitación y la respuesta forzada, la respuesta de entrada cero y la respuesta de estado cero, etc.
A continuación se estudiarán varios métodos para determinar la solución de la ecuación de estado (2.146) cuando la matriz A es constante (sistemas invariables en el tiempo).
2.11.3 Solución de la Ecuación de Estado Mediante Integración Si la matriz A en la Ec. (2.146) es diagonal (valores diferentes de cero solamente en la diagonal principal), la solución para x se obtiene fácilmente por integración separada de cada una de las variables.
Ejemplo 35 Resolver el siguiente sistema de ecuaciones:  x1   1 0   x1   2  x    0  2  x   3  ,  2     2  5 x (0)    1  A partir del sistema se obtiene el par de ecuaciones escalares desacopladas (en este caso) x1   x1  2, x1 (0)  5 x2  2 x2  3, x2 (0)  1 126 Usando ahora la Ec. (2.141) se obtienen las soluciones t x1 ( t )  5 e t t   2e  ( t  ) d   5e t  2e t 0  5e t  e d  0 t  2e e  t 0  2  3e t t x2 ( t )  e 2 t   3 e2 ( t  ) d   e2 t  15 e2 t e2  t 0 0  1.5  0.5 e2 t Ahora se estudiarán algunas propiedades de la matriz de transición de estados. Puesto que la matriz de transición de estados satisface la ecuación de estado homogénea, ella representa la respuesta libre o natural de la red. En otras palabras, ella rige la respuesta producida por las condiciones iniciales solamente. De las Ecs. (3.17) y (2.153), se observa que la matriz de transición de estados depende solamente de la matriz A, por lo que en ocasiones también se conoce como la matriz de transición de estados A. Como el nombre lo indica, la matriz de transición de estados (t) define por completo la transición de estados desde el tiempo inicial t = 0 hasta cualquier tiempo t cuando las entradas son iguales a cero.
La matriz de transición de estados (t) posee las siguientes propiedades: 1.  (0)  I (matriz identidad) (2.156) Demostración La Ec. (2.154) se deduce directamente de la Ec. (2.153) al hacer t = 0.
2. 1  t      t  (2.157) Demostración Posmultiplicando ambos lados de la Ec. (2.153) por e  At , se obtiene Φ( t ) e At  eAt e At  I (2.158) Premultiplicando ahora ambos miembros de la Ec. (2.153) por Φ 1 (t ) , se obtiene e At  Φ1 ( t ) (2.159) Φ (  t )  Φ1 ( t )  e At (2.160) Por lo que Un resultado interesante de esta propiedad de (t) es que la Ec. (2.150) se puede escribir como x (0)  Φ(  t ) x ( t ) (2.161) lo que significa que el proceso de transición entre estados se puede considerar como bilateral en el tiempo. Es decir, la transición en el tiempo se puede dar en cualquier dirección.
3. Φ( t2  t1 ) Φ( t1  t0 )  Φ( t2  t0 ) para cualquier t0, t1 y t2.
127 Demostración: Φ ( t2  t1 ) Φ ( t1  t0 )  e A ( t2 t1 ) e A ( t1 t0 ) (2.162)  eA ( t2 t0 )  Φ ( t2  t0 ) Esta propiedad de la matriz de transición de estados es muy importante, ya que ella implica que un proceso de transición de estados se puede dividir en un número de transiciones esenciales. La Fig.
2.1 ilustra que la transición de t = t0 a t = t = t2 es igual a la transición de t0 a t1 y luego de t1 a t2. En general, por supuesto, el proceso de transición de estados se puede dividir en cualquier número de etapas.
4. Φ ( t )  Φ( kt ) para k entero y positivo.
k Demostración: Φ ( t )  k  e At e At  e At e kAt (k términos) (2.163)  Φ ( kt ) (t2 – t0) x(t0) x(t2) x(t1) (t1 – t0) t0 (t2 – t1) t1 t2 t Figura 2.1 2.11.4 Método de los Valores y Vectores Característicos Ahora se estudiará un método muy poderoso para determinar la solución de un sistema de ecuaciones diferenciales lineales de primer orden, homogéneo y con coeficientes constantes. El sistema a resolver es x1  a11 x1  a12 x2   + a1 n xn x2  a21 x1  a22 x2   + a2 n xn  xn  an 1 x1  an 2 x2   + ann xn (2.164) o, en forma vectorial, x ( t )  Ax ( t ) (2.165) 128 De la teoría de ecuaciones diferenciales se sabe que si x1, x2,  , xn son n soluciones independientes de la ecuación lineal homogénea x  A x en algún intervalo abierto I donde los elementos aij de A son continuos, entonces una solución cualquiera de la ecuación en I puede escribirse en la forma x ( t )  c1 x1 ( t )  c2 x2 ( t )   + cn xn ( t ) (2.166) para toda t en I; las ci, i = 1, 2,  , n, son constantes. Esto quiere decir que basta obtener n vectores solución linealmente independientes x1, x2,  , xn y entonces la Ec. (2.166) será una solución general del sistema dado por la Ec. (2.164).
El procedimiento para obtener las n soluciones vectoriales linealmente independientes es análogo al método de las raíces características usado para resolver una ecuación lineal homogénea con coeficientes constantes. Es decir, se anticipan vectores solución de la forma t  x1   v1 e   v1   x   t   v  ve x ( t )   2    2    2  e t  v e t            t  xn   vn e   vn  (2.167) donde , v1, v2,  , vn son constantes. Al sustituir xi  vi et , x i  vi et , i  1, 2,  , n en la Ec. (2.164), el factor e t se cancelará y quedarán n ecuaciones lineales en las que (para valores apropiados de ) se espera obtener los coeficientes v1, v2,  , vn en (2.167), de modo que x(t )  ve t sea una solución del sistema (2.162).
Para explorar esta posibilidad más eficazmente, se usa la forma vectorial compacta x  Ax (2.168) donde A = [aij] y se sustituye la solución tentativa x = vet con su derivada x  vet . El resultado es  v et  A v et El factor no nulo et se cancela y se obtiene Av  v (2.169) Esto significa que x = ve  t será una solución no trivial de la Ec. (2.168) siempre que v sea un valor no nulo y  una constante para que la Ec. (2.169) se cumpla; es decir, que el producto matricial Av sea un múltiplo escalar del vector v.
Ahora se procederá a determinar  y v. Primero se escribe la Ec. (2.169) en la forma ( I  A ) v  0 (2.170) donde I es la matriz identidad. Dado , éste es un sistema de n ecuaciones lineales homogéneas en las incógnitas v1, v2,  , vn. Del álgebra lineal se sabe que la condición necesaria y suficiente para que el sistema tenga una solución no trivial es que el determinante de los coeficientes de la matriz se haga cero; es decir, que 129 det  I  A   I  A  0 (2.171) Los números  (sean iguales a cero o no) obtenidos como soluciones de (2.171) se denominan valores característicos o propios de la matriz A.y los vectores asociados con los valores característicos  tales que Av = v, v diferente de cero, se conocen como vectores característicos o propios. La ecuación I  A    a11  a12   a1 n  a21   a22   a2 n    an 1  an 2   (2.172)   ann se conoce como la ecuación característica de la matriz A.
La Ec. (2.172) tiene n raíces (es un polinomio en  de grado n) por lo que una matriz de n  n posee n valores característicos (contando la multiplicidad), los cuales pueden ser distintos o repetidos, reales o complejos. Los casos se estudiarán por separado.
Valores Característicos Reales y Distintos Si los valores característicos son reales y distintos, se sustituye cada uno de ellos sucesivamente en la Ec. (2.171) y se determinan los vectores característicos asociados v1, v2,  , vn, los cuales darán las soluciones x1 ( t )  v1 e1t , x2 ( t )  v2 e2 t ,  , x n ( t )  v n en t (2.173) Se puede demostrar que estos vectores solución siempre son linealmente independientes. El procedimiento para otenerlos se ilustrará mediante ejemplos.
Ejemplo 36 Encuéntrese una solución general del sistema x1  4 x1  2 x2 x2  3 x1  x2 Solución. La forma matricial del sistema es 4 x   3 2 x 1 La ecuación característica de la matriz de los coeficientes es I  A  4 2 3  +1  (   4)(   1)  6   2  3  10  (  2)(  5)  0 y así se obtienen los valores característicos reales y distintos 1 = 2 y 2 = 5.
130 Para la matriz de los coeficientes A del sistema, la ecuación para los vectores característicos toma la forma   4  3   2   a   0    1 b  0 (2.174) donde el vector característico asociado es v = [a b]T (la T indica la matriz transpuesta).
(a) 1 =2: La sustitución  = 2 en (2.172) produce el sistema  6  2   a  0  3  1  b   0      o las dos ecuaciones escalares 6a  2b  0 3a  b  0 Obviamente, estas dos ecuaciones escalares son equivalentes y, por lo tanto, tienen una infinidad de soluciones no nulas; por ejemplo a se puede escoger arbitrariamente (diferente de cero) y entonces despejar b. Normalmente buscamos una solución “sencilla” con valores enteros pequeños (si ello es posible). En este caso tomaremos a = 1, lo cual produce b = 3, y entonces  1 v1     3 Observación: Si en lugar de a = 1 se hubiese tomado a = c, por ejemplo, se obtendría el vector característico  c   1 v1    c    3c   3 Puesto que éste es un múltiplo constante del resultado previo, cualquier selección que se haga será un múltiplo constante de la misma solución.
(b)  = 2: La sustitución de este valor en (2.174) produce el par de ecuaciones a  2b  0 3a  6b  0 Las cuales son equivalentes. Se escoge b = 1 y en consecuencia a = 2, de modo que 2 v2    1  Estos dos valores característicos con sus vectores característicos asociados producen las dos soluciones 131  1 x1 ( t )    e 2 t  3  2 y x 2 ( t )    e5 t 1  Es fácil demostrar que estas soluciones son linealmente independientes. En consecuencia, la solución general del sistema dado es  1  2 x ( t )  c1 x1 ( t )  c2 x2 ( t )  c1   e2 t  c2   e5 t  3 1  Ejemplo 37 Determínese una solución general del sistema  0 6 x   x  1  5  El polinomio característico es   6  I  A     2  5  6   1 5  (   2)(   3)  0 y así se obtienen los valores característicos 1 = 2 y 2 = 3, y la ecuación para los vectores característicos toma la forma    6   a   0 1   5 b   0      (2.175) siendo v = [a b]T el vector característico asociado.
(a) 1 = 2: La sustitución de  = 2 en (2.173) produce el sistema  2  1   6   a   0  3 b  0 o las dos ecuaciones escalares 2 a  6 b  0 a  3b  0 Igual que en el Ejemplo 36, este sistema tiene infinidad de soluciones. Se escoge b = 1, lo cual produce a  3 y entonces  3 v1     1 (b)  = 3: La sustitución de este valor en la Ec. (2.173) produce el par de ecuaciones 132 3a  6 b  0 a  2b  0 las cuales son equivalentes. Se escoge b = 1 y entonces a = 2, de manera que  2  v2     1 y los dos vectores solución asociados son  3 x1 ( t )    e 2 t  1  2 y x 2 ( t )    e 3 t  1 En consecuencia, la solución general del sistema es  3  2 x ( t )  c1   e 2 t  c2   e 3 t  1  1 Valores Propios Complejos y Distintos Si los valores propios son complejos pero distintos, el método ya descrito producirá las n soluciones independientes. La única complicación consiste en que los vectores propios asociados con valores propios complejos en general tomarán también valores complejos.
Puesto que se está suponiendo que los elementos de la matriz A son reales, los coeficientes de la ecuación característica (2.173) serán reales. Por lo tanto, los valores propios complejos deberán aparecer en pares de complejos conjugados. Supóngase que  = p + jq y * = p  jq constituyen un par de esos valores propios. Si v es un vector propio asociado con , es decir, ( I  A ) v  0 entonces, al tomar el conjugado de esta ecuación se obtiene (  * I  A ) v*  0 lo que significa que v*, el conjugado de v, es un vector propio asociado con *. La solución compleja asociada con  y v es entonces v = a + jb y, por tanto, x ( t )  v et  ( a  jb ) e( p  jq ) t  ( a  jb ) e pt (cos qt  j sen qt ) es decir, x ( t )  e pt ( a cos qt  b sen qt )  je pt ( b cos qt  a sen qt ) Puesto que las partes real e imaginaria de una solución con valores complejos son, a su vez, soluciones del sistema, entonces se obtienen dos soluciones con valores reales x1 ( t )  Re{ x ( t )}  e pt ( a cos qt  b sen qt ) x2 ( t )  Im{ x ( t )}  e pt ( b cos qt  a sen qt ) (2.176) 133 asociadas con los valores propios complejos p  jq.
No hay necesidad de memorizar las fórmulas (2.176) y esto se verá fácilmente en los ejemplos, Ejemplo 38 Encuéntrese una solución general del sistema x1  4 x1  3 x2 x2  3 x1  4 x2 (2.177) La matriz de los coeficientes 4 A 3 3 4  tiene la ecuación característica I  A  4 3 3 4   2  8   25  0 y por consiguiente los valores propios conjugados son  = 4  j3 y * = 4 + j3. Sustituyendo  = 4  j3 en la ecuación para el vector propio (I  A)v = 0, se obtiene   j 3 3   a   0 [(4  j 3) I  A ] v         3  j 3 b  0 para un vector propio asociado v = [a b]T. La división de cada fila entre 3 produce las dos ecuaciones escalares ja  b  0 a  jb  0 cada una de las cuales se satisface con a = 1 y b = j. Así v = [1 j]T es un vector complejo asociado con el valor propio complejo  = 4 j3.
La solución correspondiente para los valores complejos x(t)  v et de x  Ax es entonces 1  1  x ( t )    e( 43 j ) t    e4 t (cos 3t  j sen 3t )  j  j cos 3t  j sen 3t   e4 t    j cos 3t  sen 3t  Las partes real e imaginaria de x(t) son las soluciones con valores reales: cos3t  x1 ( t )  e4 t   sen 3t    sen 3t  y x 2 ( t )  e4 t    cos3t  y entonces una solución general con valores reales viene dada por 134 c1 cos3t  c2 sen 3t  x ( t )  c1 x1 ( t )  c2 x 2 ( t )  e4 t   c1 sen 3t  c2 cos3t  o, en forma escalar, x1 ( t )  e4 t ( c1 cos3t  c2 sen 3t ) x2 ( t )  e4 t ( c1 sen 3t  c2 cos3t ) Si se hubiese utilizado el otro valor característico  = 4 + j3, el vector propio asociado obtenido sería v* = [1 j]T Ejemplo 39 Determine la solución general del sistema  4 2  x   x  1  2 La ecuación característica es I  A  4 2 1 2   2  6   10 =( +3  j )( +3+j )  0 Por lo que los valores característicos son  = 3 + j y * = 3 j. Para  = 3 + j se tiene que 1  j  2   a  0  1  1  j   b    0      lo cual produce las ecuaciones escalares (1  j ) a  2 b  0 a  ( 1  j ) b  0 Las cuales se satisfacen con b = 1 y a = 1j. Así que v = [1j1 1]T es un vector característico complejo asociado con  = 3+j. El vector característico asociado con  = 3j es v* = [1+j1 1]T.
La solución correspondiente de vectores complejos x(t) es entonces 1  j  ( 3 j ) t 1  j  3 t x(t )    e  e (cos t  sen t )  1   1  (1  j )(cos t  sen t )  cos t  sen t  j (sen t  cos t )   e 3 t   e 3 t    cos t  jsen t  cos t  j sen t    Las partes real e imaginaria de x(t) son las soluciones con valores reales: cos t  sen t  x1 ( t )  e 3 t    cos t  sen t  cos t  y x 2 ( t )  e 3 t    sen t  135 y la solución general con valores reales está dada por c1 (cos t  sen t )  c2 (sen t  cos t )  x ( t )  c1 x1 ( t )  c2 x 2 ( t )  e 3 t   c1 cos t  c2 sen t   2.11.5 Solución Mediante Diagonalización de Matrices Se dice que una matriz A = [ai j] de n  n es una matriz diagonal si ai j = 0 para i  j. Por lo tanto, en una matriz diagonal, todos los elementos fuera de la diagonal principal son iguales a cero.
Si A y B son matrices de n  n, decimos que B es semejante a A si existe una matriz S no singular tal que B = S1AS. Del Álgebra Lineal se sabe que si A es una matriz de n  n que es semejante a una matriz diagonal Λ  S 1AS y si las columnas de S son los vectores característicos de A, entonces los elementos de la diagonal principal de son los valores característicos de A (A no tiene valores característicos repetidos), es decir, 1 0  0   0   0 2 1  Λ  diagonal ( 1 ,  ,  n )  S AS           0 0  n  (2.178) Ejemplo 40 Diagonalizar la matriz  0 6 A   1  5  Del Ejemplo 37 se tiene  3 S  [ v1 v 2 ]    1 2  , 1  1  2 S 1   3   1 por lo que 6  3  1  2   0 Λ  S 1 AS     3  1  5   1  1  2   2 0   1  0  3 Considérese ahora la ecuación de estado x  Ax  Bu y defínase la transformación x = Sz; entonces, sustituyendo en la Ec. (2.179), se obtiene x  Sz  ASz  Bu (2.179) 136 y despejando a z , z  S1 ASz  S1 Bu (2.180) Si S es la matriz cuyas columnas son los vectores característicos de A, entonces el producto S 1AS  Λ es una matriz diagonal y (2.180) se puede escribir como z  Λz  S1 Bu (2.181) Es evidente que la transformación lineal aplicada a x convierte al sistema original (2.179) con variables de estado x1, x2,  , xn en un nuevo sistema en el cual las nuevas variables de estado z1, z2  , zn están completamente desacopladas. Estas nuevas variables de estado se consiguen fácilmente mediante el método aplicado en el Ejemplo 35 y luego, a estas variables, se les aplica la transformación x  Sz para obtener las variables originales.
Ejemplo 41. Resolver el sistema  0 6  0 x   x   ,   1  5  1  1  x (0)     2 Usando el resultado obtenido en el Ejemplo 40, z  Λz  S 1 Bu 0  2  1 2  0  z     0 3  1 3 1 0  2  2   z    3  0 3    1 2 1   5 z (0)  S 1 x         1 3  2  7 Por lo que z1  2 z1  2, z2  3 z2  7, z1 (0)  5 z2 (0)  7 y usando la Ec. (2.142), t z1 ( t )  e 2 t  t ( 5)  ( 2) e 2 ( t  ) d   5 e 2 t  2e 2 t 0 e 0  4 e 2 t  1 t z2 ( t )  e 3 t  (7)  3 e 0  6e 1 3t de donde t 3 ( t  ) d  7e 3 t  3e 3 t e 0 3 d 2 d 137  3 x ( t )  Sz    1  2   4 e 2 t  1   1  6 e 3 t  1 1+12e 2 t  12 e 3 t  = 2 t 3 t    4e  6e  Ejemplo 43 Resolver el sistema  4 2  0  x   x   ,   1  2 2 3 x (0)    1  Usando los resultados del Ejemplo 39, se tiene que  3  j z    0  3  j =  0  1  j  0 1  j   2 0  1  1 z   3  j  2 j  1 0  1  z   3  j 1  1  1 z (0)  S 1 x (0)  2 j  1 j j  1   1  j  3  2  1  j  1   1   2  j  j   por lo que z1  ( 3  j ) z1  (1  j ), z1 (0)  z2  ( 3  j ) z2  (1  j ), z2 (0)  1 2 1 2 j j Entonces 1 z1    2 t  j  e( 3 j ) t  (1  j ) e( 3 j ) t e  ( 3 j )  d   0  1  j 1  j ( 3 j ) t 1     j  e( 3 j ) t   e 3 j 3 j 2  4  2 j 1  12 j ( 3 j ) t   e 10 10 138 1  j 1  j  ( 3 j ) t 1  z2    j  e  ( 3 j ) t   e 3 j 3 j 2  4  2 j 1  12 j  ( 3 j ) t   e 10 10 y por último,  4  2 j 1  12 j ( 3 j ) t   e  1  j 1  j   10 10 x   1   4  2 j 1  12 j  ( 3 j ) t   1  10  10 e  0.4  e 3 t (2.6cos t  2.2sen t )  0.4  3.406 e 3 t sen( t  130.24 )     3 t 3 t 0.8  e (0.2 cos t  2.4sen t )  0.8  2.408 e sen( t  175.24 )  2.11.6 Solución por Reducción a la Forma Canónica de Jordan En la Sección 2.7 se ilustró que una matriz cuadrada A con valores característicos distintos puede ser siempre reducida a una matriz diagonal mediante una transformación lineal. En el caso en que la ecuación característica de la matriz A (n  n) no posea n raíces distintas, entonces no siempre se puede obtener una matriz diagonal, pero se puede reducir a la forma canónica de Jordan (ésta se define más adelante).
Un valor propio es de multiplicidad k si es una raíz de multiplicidad k de la ecuación |I  A| = 0.
Para cada valor característico la ecuación para el vector característico asociado ( A  I ) v  0 (2.182) posee al menos una solución no nula, de modo que hay por lo menos un vector característico asociado con . Pero un valor característico de multiplicidad k > 1 puede tener menos de k vectores característicos asociados linealmente independientes. En este caso no se puede determinar un “conjunto completo” de los n vectores característicos linealmente independientes de A que se necesitan para formar la solución de la ecuación x  Ax . Considérese el ejemplo siguiente: Ejemplo 44 La matriz 1  0 A   4 4 tiene la ecuación característica g (  )  I  A   1 4 4  (   2)2  0 139 De aquí resulta que A tiene el valor propio 1 = 2 con multiplicidad 2. La ecuación para el vector característico es  2 ( I  A ) v    4 1   a  0  2  b  0 o en forma escalar, 2 a  b  0 4a  2b  0 Por tanto, b = 2a si v = [a b] es un vector característico de A y cualquier vector característico asociado con 1 = 2 de multiplicidad 2 tiene solamente un vector característico independiente y es, por consiguiente, incompleto.
T Si un valor característico  de multiplicidad k > 1 no es completo se denomina defectuoso. Cuando  tiene solamente p < k vectores característicos linealmente independientes, entonces el número d=kp de los vectores característicos faltantes se llama el defecto del valor característico defectuoso. En el Ejemplo 44, el valor característico defectuoso  = 2 tiene una multiplicidad k = 2 y un defecto d = 1 porque solamente tiene un vector característico asociado (p = 1).
Para este caso de valores característicos defectuosos, el método descrito en la Sección 2.7 producirá menos de las n soluciones linealmente independientes necesarias del sistema x  Ax y por ello se necesita un método para encontrar las soluciones faltantes correspondientes a un valor propio defectuoso  de multiplicidad k > 1. Considérese el caso k = 2 y supóngase que hay solamente un vector v1 asociado con  y la solución x1 ( t )  v1 et (2.183) Por analogía con el caso de una raíz característica repetida para una sola ecuación diferencial, se debería esperar una segunda solución de la forma x 2 ( t )  w t et (2.184) Al sustituir (2.184) en la ecuación x  Ax , se obtiene la relación wet  wtet  Awtet de la cual se deduce que w = 0 y entonces no existe una solución no trivial de la forma (2.183).
Ahora se intentará una solución de la forma x2 ( t )  v t et  w et Cuando se sustituye la Ec. (2.185) en la relación x  Ax , se obtiene la ecuación vet  vtet  wet  Avtet  Awet e igualando los coeficientes de las potencias de t iguales, se obtienen las dos ecuaciones (2.185) 140 [ I  A ] v  0 (2.186) [ I  A ] w   v (2.187) Los vectores v y w deben satisfacer las Ecs. (2.186) y (2.187) para que la Ec. (2.185) sea una solución de x  Ax . Obsérvese que la Ec. (2.185) significa solamente que v1 = v es un vector característico asociado con , y entonces la Ec. (2.186) implica que [ I  A ]2 w  [ I  A ] v  0 En consecuencia, para el caso de un valor característico defectuoso de multiplicidad 2, el método consiste en lo siguiente: 1. Encontrar una solución no nula de la ecuación [ I  A ]2 v  0 (2.188) [ I  A ] v 2   v1 (2.189) tal que no se anule y 2. Formar las dos soluciones independientes x1 ( t )  v1 et (2.190) x2 ( t )  ( v1 t  v 2 ) et (2.191) Ejemplo 45 Encuéntrese una solución general del sistema 1  0 x   x  4 4 (2.192) En el Ejemplo 44 se encontró que la matriz de los coeficientes A en la Ec. (2.192) tiene el valor propio defectuoso  = 2 de multiplicidad 2. Entonces se calcula  2  1   2  1  0 0 [ I  A ]2    2  4 2 0 0  4 y la Ec. (2.188) en este caso se convierte en  0 0  0 0 v 2  0   y en consecuencia es satisfecha por cualquier selección de v2. Usando ahora la Ec. (2.189), se obtiene  2  1  a   1 [ I  A ] v 2     v   1  2 2 b   4   de donde se obtienen las ecuaciones escalares 141 2 a  b  1 4a  2b  2 y tomando b = 1 da a = 0; en consecuencia, v2 = [0 1]T. Las dos soluciones de (2.192) son  1 x1 ( t )  v1 e 2 t    e 2 t  2  t  2 t x 2 ( t )  ( v1 t  v 2 ) e 2 t   e 1  2 t  y la solución general resultante es x ( t )  c1 x1 ( t )  c2 x 2 ( t )  1  t  2 t  c1   e 2 t  c2  e  2  1  2 t  c1  c2 t   2 t  e  2 c1  c2  2 c2 t  El vector v2 en la Ec. (2.189) es un ejemplo de un vector propio generalizado. Si  es un valor característico de la matriz A, entonces un vector característico generalizado de rango r asociado con  es un vector v tal que [ I  A ]r v  0 pero [ I  A ]r1 v  0 (2.193) Si r = 1, entonces la Ec. (2.193) significa sencillamente que v es un vector característico asociado con . Así, un vector característico generalizado de rango 1 es un vector característico ordinario. El vector v2 en la Ec. (2.189) es un vector característico generalizado de rango 2.
El método para multiplicidad 2 descrito anteriormente consistió en determinar un par de vectores característicos generalizados {v1, v2} tales que [I  A]v 2  v1 . Cuando la multiplicidad es superior, se obtienen “cadenas” más largas de vectores característicos generalizados. Una cadena de longitud k de vectores característicos generalizados basados en el vector característico v1 es un conjunto {v1, v2,  , vk} de k vectores característicos generalizados tales que [ I  A ] v k   v k 1 [ I  A ] v k 1   v k 2  (2.194) [ I  A ] v 2   v1 ya que v1 es un vector característico ordinario, [I  A]v1 = 0. Por consiguiente, de la Ec. (2.193) se deduce que [ I  A ]k v k  0 Las Ecs. (2.194) se pueden escribir en forma compacta como (2.195) 142 [ I  A ] v1  0 [ I  A ] vi 1   v1 , i  1, 2,  , k  1 (2.196) donde k es la multiplicidad (rango) del valor característico .
Al comienzo de esta sección se dijo que cuando la matriz cuadrada A (nn) poseía valores característicos repetidos, entonces no podía ser diagonalizada. En los cursos de Álgebra Lineal se demuestra que bajo la transformación S1AS siempre hay una selección de la matriz S tal que la matriz S1AS tenga la forma canónica de Jordan, en la cual aparecen bloques de Jordan J1 , J 2 ,  , J k (1  k  n ) en la diagonal principal y todos los otros elementos son iguales a cero:  J1 0 0  0  0 J 0  0  2  J  S 1 AS   . . . . . . . . . .
   0 0 0  J n  (2.197) Cada bloque Jj es una matriz de orden nj (1  nj  n) de la forma 0  0  j 1    0 j 1  0  J j           0 0  j 1     0 0  0  j  (2.198) donde una de las raíces j de la ecuación característica |I  A| = 0 aparece en la diagonal principal, el número 1 aparece en la diagonal justo encima de la diagonal principal y todos los otros elementos de la matriz son iguales a cero.
Las columnas de la matriz S en la Ec. (2.197) se forman con los vectores característicos dados por las Ecs. (2.196).
Ejemplo 46 Resolver el sistema 1  0  0 x   x    3 ,  4  4    1  x (0)     2 En este caso, la matriz A de los coeficientes es la misma de los Ejemplos 14 y 15. Allí se determinó que la ecuación característica |I  A| = 0 produce el valor propio  = 2 de multiplicidad 2 y que los vectores característicos asociados son v1 = [1 2]T y v2 = [0 1]T. Por lo tanto,  1 0 S  [ v1 v 2 ]   ,  2 1  1 0  S 1     2 1 Bajo la transformación x = Sz, la ecuación original se convierte en 143 1  1 0 1 0   0 1 0  0  2 z   z       3    0 2 1  4  4  2 1 2 1         1 0  z    2 3  1 0 1 1 z (0)  S 1 x (0)        2 1  2 4 o, en forma escalar, z1  2 z1  z2 , z2  2 z2  3, z1 (0)  1 z2 (0)  4 Resolviendo primero por z2: t z2  4 e 2 t  3e 2 t e 2 d  4e 2 t 0  3  e 2 2 t e  t 2  0 3 5  e 2 t 2 2 Sustituyendo ahora a z2 en la ecuación para z1, se obtiene z1  2 z1  3 5  e 2 t , 2 2 z1 (0)  1 y resolviendo, t z1  e 2 t e 3 1 2 t e  2 3 2  25 e 2   d  0  5  e 2 t  t e 2 t 4 4 2 Por lo tanto, 2 t 2 t 3 5 1 2 t 3 5 1 2 t  x1   1 0  4  4 e  2 te   4  4 e  2 t e  x     Sz      2 t 2 t 3 5 2 t  e 2 e  5 te    2 1    x2   2 2   Ejemplo 47 Resolver el sistema  2 x   0   1 La ecuación característica es 0 0 0 1  1  1  x  0 ,    0  0 1  x (0)  1     2 144  2 g (  )  I  A   0   1 1  1    3  2  2     (   1) 2    0  0 De aquí resulta 1 = 0 (multiplicidad 1) y 2 = 1 (multiplicidad 2).
Para 1 = 0:  2 [ I  A ] v1   0   1 1   a   0 0 1  b   0     0 1   c  0 0 y se obtienen las tres ecuaciones escalares 2a  c  0 c 0 a 0 Así que a = c = 0 y b puede tener cualquier valor. Tomando b = 1 se tiene que v1 = [0 1 0]T.
Para  = 1:  1 0 1   a   0 [ I  A ] v 2   0 1 1  b   0       1 0 1   c  0 lo que produce las tres ecuaciones escalares ac0 b  c  0 a  c  0 Si tomamos c = 1, entonces a = 1, b = 1 y v2 = [1 1 1]T: Para determinar el otro vector característico asociado con 2, se usa la Ec. (2.196): [I  A]v3 = v2 es decir,  1 0 1  a   1  0 1 1  b     1       1 0 1   c   0 o en forma escalar, a  c 1 bc 1  a  c  1 145 Tomando c = 1, se obtiene a = 0, b = 2 y entonces v3 = [0 2 1]T.
Ahora se forma la matriz S =[v1 v2 v3]:  0 1 0 S   1 1 2    1 1  0 de donde S  1   1   1 1 1 0 0 2 0  1 Bajo la transformación x = Sz, el sistema original se transforma en  0 0 0  1   z  0 1 1 z   1       0 0 1  1 con  1 z (0)   1   1 2 1  6  0 1    1      1  2  3  1 0 0 o en forma escalar, z1  1, z2   z2  z3  1, z3   z3 +1, z1 (0)  6 z2 (0)=  1 z3 (0)=3 Resolviendo, t  z1  6  d   6  t 0 t z3  3 e t e t  e d  1  2e  t 0 Entonces, z2   z2  1  2 e t  1, z2 (0)  1 o t z2   e t e t  e  2e d  e  0  t  2 t e t 146 y por consiguiente,   x1   0 1 0  6  t  t   t    x  x2  S z  1 1 1   e  2 te       x3   0 1 1  1  2 e  t    e t  2 t e t  t t   4  t  3 e  2 t e   1  e t  2 t e t    147 Problemas 2.1 Tales conceptos como memoria, invariabilidad en el tiempo, linealidad y causalidad también son válidos para sistemas de tiempo discreto. En lo que sigue, x[n] se refiere a la entrada a un sistema y y[n] a la salida. Determine si los sistemas son (i) lineales, (ii) sin memoria, (iii) invariables en el tiempo y (iv) causales. Justifique su respuesta en cada caso (a) y[n] = log{[ x[n]} (b) y[n] = x[n] x[n  2] (c) y [n]  n x [n]  3 (d) y [n]  x [n]  2 x [n 1]  (e) y [ n ]   x[k ] k 0 (f) y [ n ]  1 N N 1  x[n  k ] k 0 (g) y [ n ]  mediana de  x [ n  1], x [ n ], x [ n  1]  x [ n ], n  0 (h) y [ n ]     x [ n ], n  0 2.2 Evalúe las siguientes convoluciones: (a) rect( t a )  ( t  a ) (b) rect ( t a )  rect ( t a ) (c) rect ( t a )  rect ( t 2 a ) (d) rect ( t a )  u ( t )  d dt (t ) (e) rect ( t a )   ( t )   ( t  a ) (f) rect ( t a )  2 rect ( t  3a a   ( t  a ) (g) sgn ( t )  rect ( t a ) 2.3 Para las señales x[n] y h[n] dadas, determine la convolución y[n] = h[n]x[n]: (a) x[n] = 1, 5  n  5 , (b) x [ n ]  3n , n  0, h[n]= h [ n ]  1,  12  n u[n] 0n9 148 (c) x [n]  u [n] h [ n ]   13  u [ n ] n (d) x [ n ]   [ n ]  2  [ n  1]   12  u [ n ] n h [ n ]   12  u [ n ] n 1 0  n  5 (e) x [ n ]    1 6  n  10 h [ n ]   12  u [ n ]   13  u [ n ] n n (f) x [n]  nu [n] h [n]  u [n]  u [n  N ] 2.4 Halle la convolución y[n] = h[n]x[n] para cada uno de los dos pares de secuencias finitas dadas: (a) x [ n ]   1,  12 , 14 ,  81 , 161 , h [ n ]   1,  1,1,  1   (b) x [ n ]  1,2,3,0,  1, h [ n ]   2,  1,3,1,  2  (c) x [ n ]    1, 12 , 43 ,  15 ,1 , h [ n ]  1,1,1,1,1  2.5 Determine gráficamente la convolución de los pares de señales mostrados en la Fig. P2.5.
x(t) x(t) h(t) h(t) 1 1 1 1 -1 -1 0 t 1 0 1 t 0 1 t -1 0 1 t (b) (a) x(t) h(t) x(t) 1 1 h(t) 2 1 -1 0 2 t -1 0 1 t -1 0 1 t -1 (d) (c) Figura P.2.5 0 t 149 2.6 Use la integral de convolución para hallar la respuesta y(t) del sistema LIT con respuesta al impulso h(t) a la entrada x(t).
(a) x(t )  2exp(2t ) u (t ), h (t)  exp(t) u (t) (b) x(t )  t exp(2t ) u (t ), h (t)  exp(t) u (t) (c) x(t )  t exp(t ) u(t ), h (t)  exp(t) u(t) (d) x (t )  exp(3t ) u (t ), h (t)  rect (t 2) (e) x (t )  (2  t )exp(2t ) u (t ), h (t )  exp(t ) u (t ) 2.7 La correlación cruzada de dos señales diferentes se define como Rxy ( t )       x ( ) y (   t ) d   x (   t ) y ( ) d (a) Demuestre que Rxy ( t )  x ( t )  y (  t ) (b) Demuestre que la correlación cruzada no obedece la ley conmutativa.
(c) Demuestre que Rxy(t) es simétrica [Rxy(t) = Ryx(t)].
2.8 Determine la correlación cruzada entre una señal x(t) y la señal y(t) = x(t1) + n(t) para B A  0.01, y 1, donde x(t) y n(t) son como se muestra en la Fig. P2.8.
x(t) n(t) A B 3/2 0 1 t 0 1 2 t –B Figura P2.8 2.9 La autocorrelación es un caso especial de la correlación cruzada con y(t) = x(t). En este caso,  Rx ( t )  Rxx ( t )   x ( ) x (   t ) d   (a) Demuestre que Rx (0)  E , (b) Demuestre que la energía de x ( t ) 150 Rx ( t )  Rx (0) (use la desigualdad de Schwartz) (c) Demuestre que la autocorrelación de z (t )  x (t )  y (t ) es Rz ( t )  Rx ( t )  Ry ( t )  Ryx ( t ) 2.10 Considere un sistema LIT cuya respuesta al impulso es h(t). Sean x(t) y y(t) la entrada y salida del sistema, respectivamente. Demuestre que Ry ( t )  Rx ( t )  h ( t )  h (  t ) 2.11 La entrada a un sistema LIT con respuesta al impulso h(t) es la exponencial compleja exp(jt).
Demuestre que la salida correspondiente es y ( t )  exp( jt ) H ( ) donde  H ( )   h ( t ) exp(  jt ) dt  2.12 Determine si los siguientes sistemas LIT de tiempo continuo son causales o no causales, estables o inestables. Justifique sus respuestas.
(a) h (t )  exp(2t )sen 3t u (t ) (b) h (t )  exp(2t ) u (t ) (c) h (t )  t exp(3t ) u (t ) (d) h (t )  t exp(3t ) u (t ) (e) h (t )  exp t  (f) h (t )  rect (t 2) (g) h (t )   (t ) (h) h (t )  u (t ) (i) h ( t )  1  t  rect ( t 2) 2.13 Determine si cada una de los siguientes sistemas es invertible. Para aquellos que lo son, halle el sistema inverso.
(a) h (t )   (t  2) (b) h (t )  u (t ) (c) h (t )   (t  3) (d) h (t )  rect (t 4) (e) h (t )  exp(t ) u (t ) 151 2.14 Considere los dos sistemas mostrados en las Figs. P2.14(a) y P2.14(b). El sistema 1 opera sobre x(t) para producir una salida y1(t) que es óptima acorde con algún criterio especificado. El sistema II primero opera sobre x(t) con una operación invertible (subsistema I) para obtener z(t) y entonces opera sobre z(t) para producir una salida y2(t) mediante una operación que es óptima de acuerdo al mismo criterio que en el sistema I.
(a) ¿Puede el sistema II comportarse mejor que el sistema I? (Recuerde la suposición de que el sistema I es la operación óptima sobre x(t)).
(b) Reemplace la operación óptima sobre z(t) por dos subsistemas, como lo muestra la Fig.
P2.14(c). Ahora el sistema completo trabaja tan bien como el sistema I. ¿Puede el nuevo sistema ser mejor que el sistema II? (Recuerde que el sistema II ejecuta la operación óptima sobre z(t)).
(c) ¿Qué concluye de las partes (a) y (b)? (d) ¿Tiene el sistema que ser lineal para que la parte (c) sea verdad? Sistema I x(t) Sistema II Operación óptima sobre x(t) y1(t) x(t) Preporcesamiento subsistema I (a) z(t) Operación óptima sobre z(y) (b) z(t) Inverso del subsistema I x(t) Sistema I y1(t) (c) Figura P2.14 2.15 Determine si el sistema en la Fig. P2.15 es estable (entrada acotada – salida acotada) h1 ( t )  exp( 2 t ) u ( t ) h2 ( t )  2exp(  t ) u ( t ) h3 (t )  3 exp(t ) u (t ) h1(t) h4 (t )  4  (t ) h2(t) x(t) y(t) h3(t) h4(t) Figura P2.15 y2(t) 152 2.16 Las señales en la Fig. P2.16 son la entrada y la salida de un cierto sistema LIT. Grafique las respuestas a las entradas siguientes: (a) x(t  3) x(t) (b) 2x(t) y(t) 1 2 (c) x(t) (d) x(t  2) + 3x(t) (e) –1 0 1 dx (t ) dt –2 t 0 2 t Figura P2.16 2.17 Determine la respuesta al impulso del sistema inicialmente en reposo mostrado en la Fig. P2.17.
L + x(t) x(t) y(t) Sistema y(t) R  Figura P2.17 2.18 Determine la respuesta al impulso del sistema inicialmente en reposo mostrado en la Fig. P2.18.
Use este resultado para hallar la salida del sistema cuando la entrada es (a) u  t  2  (b) u  t  2  (c) rect ( t  ), donde   1 RC R  x(t )  e(t ) x(t) C y (t )  Figura P2.18 Sistema y(t) 153 2.19 Repita el Problema 2.18 para el circuito mostrado en la Figura P2.19.
C  x(t) x(t )  e(t ) y (t ) R y(t) Sistema  Figura P2.19 2.20 Resuelva las siguientes ecuaciones en diferencias por iteración: (a) y [ n ]  y [ n  1]  y [ n  2]  x [ n ], n  0 y [ 1]  0, y [ 2]  1, x [ n ]   12  n (b) y [ n ]  14 y [ n  1]  81 y [ n  2]  x [ n ]  12 x [ n  1], n  0 y [ 1]  1, y [ 2]  0, x [ n ]   12  n y [ n  2]  x [ n ], n  0 (c) y [ n ]  y [ n  1]  15 64 y [ 1]  1, y [ 2]  1, x [ n ]  2n (d) y [ n  2]  23 y [ n  1]  19 y [ n ]  x [ n ], n  0 y [1]  0, y [0]  1, x [ n ]   12  n (e) y [ n ]  x [ n ]  3 x [ n  1]  2 x [ n  2]  x [ n  3] x[n]  u[n] 2.21 (a) Determine la respuesta al impulso del sistema mostrado en la Fig. P2.21. Suponga que h1 [ n ]   12  u [ n ] , h2 [ n ]   [ n ]  12  [ n  1] , h3 [ n ]  u [ n ]  u [ n  5] y h4 [ n ]   13  u [ n ] .
n n (b) Determine la respuesta del sistema a una entrada igual a un escalón unitario.
2.22 (a) Repita el Problema 2.21 si h1 [ n ]   12  u [ n ] n h2 [ n ]   [ n ] h3 [ n ]  h4 [ n ]   13  u [ n ] (b) Determine la respuesta del sistema a un escalón unitario.
n 154 h1[n] h2[n] + h3[n]  h4[n] Figura P2.21 2.23 Determine las raíces características y las soluciones homogéneas de las siguientes ecuaciones en diferencias: (a) y [ n ]  85 y [ n  1]  323 y [ n  2]  x [ n ]  x [ n  1], n  0 y [ 1]  1, y [ 2]  0 (b) y [ n ]  y [ n  1]  14 y [ n  2]  x [ n ], n  0 y [1]   y [2]  1 (c) y [ n ]  y [ n  1]  18 y [ n  2]  x [ n ], n  0 y[1] = 1, y[2] = 0 (d) y [n]  3 y [n  1]  2 y [n  2]  x[n], n  0 y [1]  1, y [2]  1 (e) y [ n  2]  121 y [ n  1]  121 y [ n ]  x [ n ]  12 x [ n  1], n  0 y [1]  0, y [0]  1 2.24 Halle las respuestas al impulso de los sistemas en los Problemas 2.22 y 2.23.
2.25 Demuestre que cualquier sistema que pueda describirse por una ecuación diferencial de la forma d N y (t ) dt N N 1   k 0 ak ( t ) d k y (t ) dt k M   bk ( t ) d k x(t ) k 0 dt k es lineal (suponga que el sistema está inicialmente en reposo).
2.26 Demuestre que cualquier sistema que pueda describirse por la ecuación diferencial en el Problema 2.25 es invariable en el tiempo. Suponga que todos los coeficientes son constantes.
2.27 Considere un péndulo de longitud  y masa M como se muestra en la Fig. P2.27. El desplazamiento desde la posición de equilibrio es  , por lo tanto la aceleración es   . La entrada x(t) es la fuerza aplicada a la masa M tangencial a la dirección de movimiento de la masa.
La fuerza restauradora es la componente tangencial Mg sen  . Desprecie la masa de la barra y la resistencia del aire. Use la segunda ley del movimiento de Newton para escribir la ecuación diferencial que describe al sistema. ¿Es este sistema lineal? Como una aproximación, suponga que  es lo suficientemente pequeña para la aproximación sen   0. ¿Es lineal este último sistema? 155   Masa M Figura P2.27 2.28 (a) Al resolver ecuaciones diferenciales en una computadora, podemos aproximar las derivadas de orden sucesivo con las diferencias correspondientes en incrementos del tiempo discretos, T. Es decir, reemplazamos y (t )  d x (t ) dt por x ( nT )  x (( n  1) T ) y ( nT )  T y d y (t ) z (t )  dt  d 2 y (t ) d t2 por z ( nT )  y ( nT )  y (( n  1) T ) T x ( nT )  2 x (( n  1) T )  x (( n  2) T )  T2 , etc.
Use esta aproximación para derivar la ecuación que se usaría para resolver la ecuación diferencial 2 d y (t ) dt  y (t )  x (t ) (b) Repita la parte (a) usando la aproximación de las diferencias directas d x (t ) dt  x (( n  1) T )  x ( nT ) T 2.29 Verifique que el sistema descrito por la ecuación diferencial d 2 y (t ) dt 2 a dy ( t ) dt  b y (t )  c x (t ) 156 es realizado por la interconexión mostrada en la Fig. P2.29.
x(t)  c  y(t) -a -b Figura P2.29 2.30 Para el sistema simulado por el diagrama mostrado en la Fig. P2.30, determine las ecuaciones diferenciales que describen el sistema.
x(t) 2 4  1  3 y(t) 1 Figura P2.30 2.31 Considere el circuito RLC en serie mostrado en la Fig. P2.31.
(a) Derive la ecuación diferencial de segundo orden que describe el sistema.
(b) Determine los diagramas de simulación de la primera y segunda forma.
R L + x(t) +_ C y(t) _ Figura P.2.31 2.32 Dado un sistema LIT descrito por 157 y ( t )  3 y ( t )  y ( t )  2 y ( t )  3 x ( t )  x ( t ) Halle los diagramas de simulación de la primera y segunda formas canónicas.
2.33 Determine la respuesta al impulso del sistema inicialmente en reposo mostrado en la Fig. P2.33.
C + x( t)  v( t) _+ R y( t)  vR ( t) x( t) Sistema y( t) _ Figura P2.33 2.34 Halle los dos diagramas canónicos de simulación para los sistemas de los Problemas 2.22 y 2.23.
2.35 Resuelva las ecuaciones de estado siguientes cualquiera de los métodos estudiados en este capítulo.
1.
2.
 0 x   0   2 0  0 0 1 x  0 .
   1 2 1  1 1  x (0)   2   3  3.
 0 x   1   3 6 5 1  0 2 x  1  ,    2 4  2 1  x (0)  3   1  4.
1  0  x  6 11   6 11 1 2 3     6 x  1 , x (0)  2       5 0  0  5.
1 0  0  0  0     x  0 0 1 x  0 , x (0)  1         25 35 11 1  3 6.
0  3 2 1    x  1 1 1 x  1  ,      5 2 1  2 3  x (0)  2    0  7.
 9 x   26   24 1 0 0 0 2 3     1 x  5 , x (0)  4       0 0  0  8.
0 1 0 0   x  2 0 1 x  0 ,      0 2 3 1  3  x (0)  2    0  0  1 10 0 3      x  0 0 1 x  0 , x (0)  4         0 20 10 5 0  158 9.
10.
0 1 0 0 x   2 0 1  x  1  ,      0 2 3 1   1 2 x   0 2   1 0 0 x (0)  5    1  11.
1  0 0 x   0 ,    1 1  1 x (0)  1   1 1 0   0 1 x  0  ,    0 3  2 3  x (0)  0     2 12.
 1 1 0 1    x  0 1 0 x  0 ,      0 0 1 1  1  x (0)  1     2  0 x   1   5 0 2.36 Resuelva las ecuaciones diferenciales siguientes reduciéndolas primero a una ecuación de estado.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
d2x dt 2 d3x dt 3 d2x dt 2 d4x dt 4 d3x dt 3 d2x dt 2 d3x dt 3 d2x dt 2 d2x dt 2 d2x dt 2 3 2 4 3 7 4 2 dx dt d2x dt 2 dx dt 3 d2x dt 2 dx dt dt 2 d2x dt  19 2 4 dx dt dt  dx dt dx dt dt x  t  2, dt  3, dt t 0  1, d3x dt dt dt  2, 2  12, 2 t 0 dx dt t 0 dx dt d2x t 0 d2x dt  2, x (0)  1  5, dx 2 t 0  3, dx  4.25 x  t 2  1,  2, dx dt  1, t 0 x (0)  0 t 0 t 0 dt  1, t 0 x (0)  2 t 0 dt x (0)  1 t 0 x (0)  1  6, 3 d2x dx dx  5, 2 t 0 13 x  5,  x  10 e 2 t , 2 dt  t, x (0)  1.
d2x dx  20, 2 dx  2, t 0  4 x  4,  5 x  8sen t , d2x dt 4 dx dt  4 x  5t , d3x dt dx  2 x  4,  1, x (0)  0 dx  1, t 0 dt t 0 x (0)  0 x (0)  2 x (0)  1 159 11.
12.
d3x dt 3 d3x dt 3 3  d2x dt dx dt 3  5x  t ,  x  e 3 t , 3 d2x dt d2x dt 2 dt t 0  2, t 0 dx  2, 2 dx dt  5,  6, t 0 x (0)  3 t 0 x (0)  5 CAPÍTULO TRES ANÁLISIS DE FOURIER TIEMPO CONTINUO Introducción La representación de la señal de entrada a un sistema (entendiendo como sistema un conjunto de elementos o bloques funcionales conectados para alcanzar un objetivo deseado) de tiempo continuo lineal e invariable en el tiempo (LIT), como una integral ponderada de impulsos desplazados conduce a la integral de convolución. Esta representación de sistemas LIT de tiempo continuo indica cómo la respuesta de tales sistemas, para una entrada arbitraria se construye a partir de las respuestas a los impulsos unitarios desplazados. Entonces, la integral de convolución no sólo proporciona una manera conveniente de calcular la respuesta de un sistema LIT, suponiendo conocida su respuesta al impulso unitario, sino que también indica que las características de un sistema LIT son especificadas completamente por su respuesta al impulso unitario. A partir de este hecho se pueden analizar en detalle muchas de las propiedades de los sistemas LIT y relacionar estas propiedades con las características equivalentes de las respuestas al impulso de tales sistemas.
En este trabajo se desarrollará una representación alterna para las señales y los sistemas LIT. El punto de partida de esta discusión es el desarrollo de una representación de señales como sumas ponderadas de un conjunto de señales básicas, las señales exponenciales complejas. Las representaciones resultantes son conocidas como la serie y la transformada de Fourier y, como se verá, estas representaciones se pueden emplear para construir diferentes clases de señales. La idea central de la representación es la siguiente: Dada una secuencia de funciones u1(t), u2(t), u3(t), … que tienen, en un intervalo (a, b), la propiedad de ortogonalidad: b u m ( t ) un ( t ) dt  0 a siempre que n  m (el asterisco indica el conjugado complejo), se desea expandir una función “arbitraria” f (t) en una serie infinita de la forma f ( t )  C1u1 ( t )  C2 ( t ) u2 ( t )  C3 ( t ) u3 ( t )  A primera vista, esto parece bastante sencillo. Para determinar Cn para cualquier valor fijo de n, multiplicamos ambos lados de esta ecuación por un ( t ) e integramos en el intervalo (a, b): 162 b b b  f ( t ) u ( t ) dt  C  u ( t ) u ( t ) dt  C  u ( t ) u ( t ) dt   n 1 a 1  n 2 a  n 2 a Debido a la propiedad de ortogonalidad, todos los términos en el lado derecho se anulan excepto el nésimo y se obtiene b  b f ( t ) un ( t ) dx  Cn a  u (t ) n 2 dt a y esta relación se puede resolver para obtener Cn.
Las señales con las cuales se trabaja normalmente son magnitudes variables en el tiempo; por ejemplo, en las comunicaciones eléctricas, ellas son el voltaje y la corriente. La descripción de una señal x(t) usualmente existe en el dominio del tiempo, donde la variable independiente es el tiempo t.
Para muchas aplicaciones, con frecuencia es más conveniente describir las señales en el dominio de la frecuencia f, donde la variable independiente es la frecuencia f. Así, si la señal existe físicamente en el dominio del tiempo, entonces se puede decir que ella consiste de diferentes componentes en el dominio de la frecuencia y esas componentes en conjunto se denominan el espectro.
El análisis espectral basado en la serie y la transformada de Fourier es una herramienta poderosa en muchas ramas de la ingeniería. Como consecuencia, la atención en este trabajo se centrará en la teoría de Fourier antes que en otras técnicas como, por ejemplo, la transformación de Laplace y el análisis en el dominio del tiempo. Primero, el dominio de la frecuencia es esencialmente un punto de vista de régimen permanente y, para muchos propósitos, es razonable restringir nuestra atención al comportamiento en régimen permanente de los sistemas bajo estudio. En realidad, teniendo en cuenta la multitud de señales posibles que un sistema puede manejar, sería imposible encontrar soluciones detalladas de las respuestas transitorias para cada una de ellas. Segundo, el análisis espectral permite considerar clases completas de señales que poseen propiedades similares en el dominio de la frecuencia. Esto no sólo conduce a un conocimiento más profundo en el análisis, sino que es de gran valor para el diseño. Tercero, muchas de las componentes de un sistema se pueden clasificar como dispositivos lineales e invariables en el tiempo; siendo así, se pueden describir por sus características de respuesta en frecuencia, las cuales, a su vez, facilitan aún más el análisis y el trabajo de diseño.
Por lo tanto, este capítulo está dedicado al análisis de señales y sus respectivos espectros, poniendo atención especial a la interpretación de las propiedades de esas señales en el dominio de las frecuencias. Se examinarán los espectros de líneas basados en la expansión en serie de Fourier para señales periódicas y en los espectros continuos basados en la transformada de Fourier de señales aperiódicas. Finalmente, estos dos espectros se conjugarán con la ayuda del concepto de la respuesta al impulso.
Como primer paso, se deben escribir las ecuaciones que representan las señales en función del tiempo, pero sin olvidar que esas ecuaciones son sólo modelos matemáticos del mundo real y, por lo general, son modelos imperfectos. En efecto, una descripción completamente fiel de la señal física más sencilla sería demasiado complicada e impráctica para los propósitos de la ingeniería. Por lo tanto, se tratará de idear modelos que representen con una complejidad mínima las propiedades significativas de las señales físicas. El estudio de muchos modelos diferentes para las señales proporciona la información necesaria para seleccionar modelos apropiados para aplicaciones específicas.
163 3.1 Respuesta de Sistemas LIT a Exponenciales Complejas En el estudio de sistemas LIT es ventajoso representar las señales como combinaciones lineales de señales básicas que posean las propiedades siguientes: 1. El conjunto de señales básicas se puede usar como base para construir una clase de señales amplia y de mucha utilidad.
2. La estructura de la respuesta de un sistema LIT a cada señal básica debe ser lo suficientemente sencilla como para proporcionar una representación conveniente de la respuesta del sistema a cualquier señal construida como una combinación lineal de señales básicas.
En sistemas LIT de tiempo continuo, estas dos ventajas son proporcionadas por el conjunto de exponenciales complejas de la forma est, en donde s es una variable compleja. Considérese, por ejemplo, un sistema LIT con entrada x(t) y cuya función de transferencia H(j), s = j en este caso, se define de tal forma que cuando x ( t )  e jt , la salida es igual a H ( j) e jt ; es decir, H ( j )  y(t ) x(t ) (3.1) x ( t ) e jt Combinando la Ec. (3.1) con el principio de superposición, se deduce que si x(t) es una combinación lineal de señales exponenciales, digamos x ( t )  a1 e j1t  a2 e j2 t   (3.2) donde a1, a2,,  son constantes, entonces y ( t )  a1 H ( j1 ) e j1t  a2 H ( j2 ) e j2 t   (3.3) y H(j1) representa la función H(j) evaluada en 1, etc.
Generalizando a la señal compleja est, la respuesta de un sistema LIT a este tipo de señal, como se verá más adelante, es la misma exponencial compleja modificada por un factor de multiplicación, es decir, est  H  s  e st (3.4) donde el factor complejo H(s), llamado la función de transferencia, será en general una función de la variable compleja s. Una señal para la cual la respuesta del sistema es igual a la entrada multiplicada por una constante (posiblemente compleja) se conoce como una función característica del sistema, y el factor de amplitud se conoce como un valor característico. O sea que el valor característico de un sistema LIT de tiempo continuo asociado con la función característica e st está dado por H(s) cuyo valor lo determina el valor de s a través de la Ec. (3.7) (más adelante).
Para mostrar que las exponenciales complejas son en efecto funciones características de los sistemas LIT, considérese uno cuya respuesta al impulso es h(t). Para una entrada x(t), se puede determinar la salida empleando la integral de convolución, de manera que si x ( t )  est , se tiene que 164  y(t )   h( ) x(t  ) d     h( ) e s ( t  ) d (3.5)   e st  h( ) e  s d  Entonces la respuesta a la excitación exponencial est es de la forma y  t   H  s  est (3.6) donde H(s) es una respuesta compleja cuyo valor depende de s y que está relacionada con la respuesta al impulso del sistema por  H (s)   h( )e  s d (3.7)  Como ya se vio, si x(t) es una combinación lineal de exponenciales complejas aplicada a un sistema LIT, la respuesta es la suma de las respuestas a cada una de las exponenciales por separado. En forma general, a e k k sk t  a H ( s k k ) e sk t (3.8) k Entonces, para un sistema LIT, si se conocen los valores característicos H(sk), la respuesta a una combinación lineal de exponenciales complejas se puede obtener de manera directa.
3.2 Representación de Señales Usando Series de Fourier 3.2.1 Señales Periódicas y Combinaciones Lineales de Exponenciales Complejas Una señal es periódica si para algún valor de T diferente de cero la señal obedece la relación x ( t )  x ( t  T ),   t   (3.9) El menor valor de T > 0 que satisface la Ec. (3.9) se denomina el período fundamental de x(t), T0, o simplemente el período de x(t). Observe que la definición dada en (3.9) también puede escribirse en la forma x ( t )  x ( t  mT0 ),   t   (3.10) donde m es un entero. Esta última ecuación simplemente dice que desplazando la señal un número entero de períodos hacia la izquierda o hacia la derecha en el eje del tiempo no produce cambios en la onda. Como consecuencia, una señal periódica se describe completamente especificando su conducta 165 en cualquier período. Una señal para la cual no existe ningún valor de T que satisfaga la Ec. (3.9) se denomina no-periódica o aperiódica.
El valor 0  2 (3.11) T0 se conoce como la frecuencia angular fundamental (en rad/s).
Dos señales básicas conocidas son la sinusoide x ( t )  cos 0 t (3.12) x ( t )  e j0 t (3.13) y la exponencial compleja periódica Estas dos señales son periódicas con frecuencia fundamental 0 y período fundamental T0  2  0  1 f0 , donde f0 es la frecuencia fundamental (en Hz). Para la función x ( t )  cos 0 t y cualquier valor de t, se tiene que  2  cos 0  t  T0    cos 0  t    cos 0 t  0  lo que muestra que su período fundamental es T0  2  0 .
Con la señal de la Ec. (3.13) se encuentra asociado el conjunto de funciones exponenciales complejas relacionadas armónicamente, k  e jk 0 t  e j 2 kf0 t , k  0,  1,  2,  (3.14) Cada una de estas señales tiene una frecuencia fundamental que es un múltiplo de 0 y, por lo tanto, cada una de ellas es periódica con período fundamental T0 [aunque para | k |  2 el período fundamental de k(t) es una fracción de T0]. Así que una combinación lineal de exponenciales complejas relacionadas armónicamente de la forma  x (t )  c e k k  jk 0 t   c e k j 2 kf 0 t (3.15) k  es también periódica con período T0 . En la Ec. (3.15), el término para k = 0 es un término constante o CD. Los dos términos k = +1 y k = 1 tienen ambos un período fundamental igual a T0 y se conocen como las componentes fundamentales o como las primeras componentes armónicas. Los dos términos para k = +2 y k = 2 son periódicos con la mitad del período (o, equivalentemente, el doble de la frecuencia) de las componentes fundamentales y se les conoce como las componentes de la segunda armónica. Más generalmente, las componentes para k   N y k =  N se conocen como las componentes de la N-ésima armónica.
La representación de una señal periódica es un espectro de líneas obtenido mediante una expansión en serie de Fourier como la de la Ec. (3.15). La expansión requiere que la señal tenga potencia 166 promedio finita. Como la potencia promedio y otros promedios temporales son propiedades importantes de las señales, ahora procederemos a formalizar estos conceptos.
Dada cualquier función x(t), su valor promedio para todo el tiempo se define como x ( t )  lím T  1 T T /2  (3.16) x ( t ) dt T /2 La notación x(t) representa la operación de promediar, la cual comprende tres pasos: (i) integrar x(t) para obtener el área bajo la curva en el intervalo T/2  t  T/2; (ii) dividir esa área por la duración T del intervalo de tiempo, y (iii) hacer que T   para cubrir todo el tiempo. En el caso de una señal periódica, la Ec. (3.16) se reduce al promedio durante cualquier intervalo de duración T0, vale decir, 1 x(t )  T0 t1 T0  1 x ( t ) dt  T0 t1  x ( t ) dt (3.17) T0 donde t1 es un tiempo arbitrario y la notación To representa una integración desde cualquier valor arbitrario t1 hasta t1+T0, es decir, integración por un período completo.
Si x(t) es el voltaje entre las terminales de una resistencia R, se produce la corriente i(t) = x(t)/R y se puede calcular la potencia promedio resultante, promediando la potencia instantánea x ( t )  i ( t )x 2 ( t ) R Ri 2 ( t ) . Pero no necesariamente se sabe si una señal dada es un voltaje o una corriente, así que se normalizará la potencia suponiendo de aquí en adelante que R = 1 . La definición de la potencia promedio asociada con una señal periódica arbitraria se convierte entonces en P x(t )  2 1 T0  x(t ) 2 dt (3.18) T0 donde se ha escrito x(t) 2 en lugar de x2(t) para permitir la posibilidad de modelos de señales complejas. En cualquier caso, el valor de P será real y no negativo.
Cuando la señal en la Ec. (3.18) existe y da como resultado que 0 < P < , se dice que la señal x(t) tiene una potencia promedio bien definida y se denominará una señal de potencia periódica. Casi todas las señales periódicas de interés práctico caen en esta categoría. El valor promedio de una señal de potencia puede ser positivo, negativo o cero, pero está acotado por x ( t )  PT0 valor que proviene de la relación integral  2 x ( t ) dt   2 x ( t ) dt Algunos promedios de señales pueden determinarse por inspección, usando la interpretación física del promedio. Como un ejemplo específico, considérese la sinusoide x ( t )  A cos ( 0 t   ) para la cual 167 x ( t )  0, P A2 2 La energía disipada por la señal x ( t ) en el intervalo de tiempo (T/2, T/2) está dada por T 2  E 2 x(t ) (3.19) dt T 2 Se dice que una señal x(t) cualquiera es una señal de energía si y sólo si 0 < E < , donde T 2  E  lím T  3.2.2 x(t ) 2 (3.20) dt T 2 Series de Fourier La representación de una señal periódica en la forma de la Ec. (3.15) se conoce como la representación en serie de Fourier. Específicamente, sea x(t) una señal de potencia con período T0  2  0  1 f0 . Su expansión en una serie de Fourier exponencial es x (t )   c e jk 0 t k   k  c e j 2 kf 0 t k (3.21) k  Si x(t) es una función real, entonces x*(t) = x(t) y, por tanto, x *( t )  x ( t )   c e   jk 0 t k k  Reemplazando k por k en la sumatoria, se tiene que  x (t )  c  k e jk 0 t k  la cual, al compararla con la Ec. (3.21), requiere que ck  c k , o, en forma equivalente, que ck  c k (3.22) Ahora se determinarán los coeficientes ak. Multiplicando ambos lados de (3.21) por e jn0 t , se obtiene x ( t ) e jn 0 t   c e k jk 0 t e jn 0 t k  Ahora se integra ambos lados de esta relación desde 0 hasta T0 = 2/0 y se obtiene (3.23) 168 T0  T0 x (t ) e  j n 0 t dt    c e jk 0 t k e jn 0 t dt 0 k  0 donde T0 es el período fundamental de x(t). Intercambiando el orden de la integración y la sumatoria, da T0  x(t ) e  j n o t 0 T0  dt  ak  e j ( k n ) 0 t dt   0  k     (3.24) Aquí se está suponiendo que las condiciones sobre la integración y la serie son tales que permiten el intercambio. Para k  n, T0  e j ( k n ) 0 t dt  0 1 j ( k  n ) 0 e j ( k n ) 0 t T0  0 1  e j ( k n ) 2   1  0 j ( k  n ) 0 puesto que e j ( k n ) 2   1 (k y n son enteros). Si k = n, entonces T0  dt  T 0 0 y, por tanto, el lado derecho de la Ec. (3.24) se reduce a T0 c n. Por consiguiente, cn  1 T0 T0  x (t )e 0  jn0 t dt  1 T0 T0  x (t ) e  j 2 nf 0 t dt k n (3.25) 0 la cual es la relación buscada para determinar los coeficientes. La integración en (3.25) es para cualquier intervalo de longitud T0.
A la Ec. (3.21) a menudo se le refiere como la ecuación de síntesis y a la Ec. (3.25) como la ecuación de análisis. Los coeficientes {ck} se conocen como los coeficientes de la serie de Fourier de x(t) o los coeficientes espectrales de x(t). Puesto que, en general, los coeficientes son cantidades complejas, se pueden expresar en la forma polar ck  ck e j arg ak Así que la Ec. (3.21) expande una señal periódica como una suma infinita de fasores, siendo ck e jk0 t  ck e j arg ak e jk0 t el término k-ésimo.
Obsérvese que x(t) en la Ec. (3.21) consiste de fasores con amplitud ck y ángulo arg(ck) en las frecuencias k0 = 0, 0, 20, …. De aquí que el gráfico correspondiente en el dominio de la frecuencia sea un espectro de líneas bilateral definido por los coeficientes de la serie. Se da un mayor énfasis a la interpretación espectral escribiendo c(k0) = ck 169 tal que a  k0  representa el espectro de amplitud en función de f u 0 y arg[c(k0)] representa el espectro de fase. La Ec. (3.22) da una propiedad espectral importante para señales de potencia periódicas reales. Otras dos propiedades importantes para señales de potencia periódica son: 1. Todas las frecuencias son números enteros múltiplos o armónicos de la frecuencia fundamental 0  2  / T0  2 f0 . Así que las líneas espectrales tienen una separación uniforme 0 (o f0).
2. La componente CD es igual al valor promedio de la señal, ya que al hacer k = 0 en la Ec. (3.25) da 1 c0  T0  x ( t ) dt  (3.26) x (t ) T0 También, de la Ec. (3.22) se deduce que para x(t) real, entonces c k  ck*  ck e j arg ak y así se obtiene una tercera propiedad: 3.
c   k 0   c  k 0  arg c   k 0    arg c  k 0  (3.27) lo cual significa que el espectro de amplitud tiene simetría par y el de fase simetría impar.
La propiedad dada por la Ec. (3.22) para señales de valores reales permite reagrupar la serie exponencial en pares de conjugados complejos, excepto por a0, en la forma siguiente: m 1 x ( t )  c0  c e jm0 t m   m    c0   c n e  jn0 t   c e jn0 t n n 1  c n e  jn0 t  cn e jn0 t n 1   c0  jm0 t m m 1 n 1  c0  c e   2 Re  c e  jn0 t n n 1   c0   2 Re c  cos n t  2 Im c sen  t  n 0 n 0 n 1 Esta última ecuación puede escribirse como  x ( t )  a0  a n cos n0 t  bn sen n0 t (3.28) n 1 La expresión para x(t) en la Ec. (3.28) se conoce como la serie trigonométrica de Fourier para la señal periódica x(t). Los coeficientes cn y dn están dados por 170 a0  c0  1 T0  x (t ) dt T0 an  2 Re  cn   2 T0 bn  2 Im  cn    x ( t ) cos n t dt 0 (3.29) T0 2 T0  x ( t )sen n t dt 0 T0 En función de la magnitud y la fase de cn, la señal de valores reales x(t) puede expresarse como  x ( t )  c0  2 c n cos  n0 t  arg an  n 1   c0   A cos  n t    n 0 n (3.30) n 1 donde An  2 cn (3.31) n  arg cn (3.32) y La Ec. (3.30) representa una forma alterna de la serie de Fourier que es más compacta y más clara que la Ec. (3.28) y se conoce como la forma armónica de la serie de Fourier de x(t). Cada término en la serie representa un oscilador necesario para generar la señal periódica x(t).
Los coeficientes de la serie de Fourier de una señal se muestran en un conjunto de dos gráficas en el dominio de la frecuencia, los espectros de líneas. Una gráfica de | cn | y arg(cn), líneas, versus n o n0 (nf0) para valores positivos y negativos de n o n0 (nf0) se denomina un espectro bilateral de amplitud o de fase. La gráfica de An y n versus n o n0 (nf0) para n positiva se denomina un espectro unilateral.
Se debe señalar que la existencia de una línea en una frecuencia negativa no implica que la señal esté formada por componentes de frecuencias negativas, ya que con cada componente cnexp(jn0t) está asociada una correspondiente de la forma c n exp (  jn0 t ) . Estas señales complejas se combinan para crear la componente real an cos n0 t  bn sen n0 t .
Ejemplo 1. Considere la señal x ( t )  1  sen 0 t  2cos 0 t  cos(2 0 t   4) Aquí se podría aplicar la Ec. (3.28) para obtener los coeficientes de la serie de Fourier. Sin embargo, para este caso es más sencillo expandir las funciones sinusoidales como una combinación lineal de exponenciales complejas e identificar por inspección los coeficientes de la serie; así tenemos que x ( t )  1  21j  e j0 t  e j0 t    e j0t  e j0t   12  e j ( 2 0t  / 4 )  e j ( 0t  / 4 )  171 Agrupando términos se obtiene     x ( t )  1  1  21j e j0 t  1  21j e j0 t   12 e j / 4  e j 2 0 t   12 e j / 4  e j 2 0 t y los coeficientes de Fourier para este ejemplo son c0  1   c1  1  21j  1  12 j   c1  1  21j  1  12 j c2  12 e j / 4  2 4 c2  12 e j / 4  ck  0, (1  j ) 2 4 (1  j ) k 2 En la Fig. 3.1 se grafican la magnitud y la fase de ck.
ck ck ...
...
...
–2 –1 0 1 2 –1 0 k ...
1 –2 2 k Figura 3.1 Ejemplo 2. Tren de Pulsos Rectangulares Considérese el tren periódico de pulsos rectangulares en la Fig. 3.2. Cada pulso tiene una altura o amplitud A y una anchura o duración . Hay discontinuidades escalonadas al comienzo y al final de cada pulso en t    2 , etc., de manera que los valores de x(t) no están definidos en estos puntos de discontinuidad. Esto pone de manifiesto otra posible diferencia entre una señal física y su modelo matemático, ya que una señal física nunca hace una transición escalonada perfecta. Sin embargo, el modelo todavía puede ser razonable si los tiempos de transición efectivos son pequeños en comparación con la duración del pulso.
Para calcular los coeficientes de Fourier, se toma como intervalo de integración en la Ec. (3.25) el período central  T0 2  t  T0 2 , donde  A,  x(t )    0, t  /2 t  /2 172 x(t) A ...
...
 0  –T0 T0 t Figura 3.2 Entonces, ck    1 T0 T0 2  x (t ) e A e  jk 0 t dt  T0 2  jk 0 T0  jk 0  2 1 T0 2  Ae  jk 0 t dt  2  e jk 0  2  (3.33) A sen ( k 0  2) T0 k 0 2 Antes de continuar con este ejemplo, se derivará una expresión que aparece repetidamente en el análisis espectral. Esta expresión es la función sinc definida por sinc   sen   (3.34) La Fig. 3.3 muestra que la función sinc  es una función de  que tiene su valor pico en  = 0 y sus cruces con cero están en todos los otros valores enteros de , así que 0 1 sinc    0   1,  2,  En términos de la función definida por la Ec. (3.34), la última igualdad en la Ec. (3.33) se convierte en ck  A T0  donde 0 = 2f0.
sinc  k 0  2   A T0 sinc  kf 0   173 sinc  1.0 –3 –2 –1 0 1 2  3 Figura 3.3 El espectro de amplitudes para c ( kf0 )  ck  Af0  sinc ( f  ) se muestra en la Fig. 3.4a para el caso /T0 = f0 = 1/4.
c(kf 0 ) Af 0   1 0 f0 1  2  1  2  3  f (a ) arg[c(kf0 )] 180°  1  0 3  f –180° (b) Figura 3.4. Espectro del tren de pulsos rectangulares con f c   1 4 .
(a) Amplitud; (b) Fase.
Esta gráfica se construye dibujando la función continua Af 0  sinc  f   como una curva punteada, la cual se convierte en la envolvente de las líneas. Las líneas espectrales en 4f0, 8f0, etc., no aparecen, ya que ellas caen a cero precisamente en múltiplos de 1/ donde la envolvente es igual a cero. La componente CD tiene amplitud c(0) = A/T0, lo que debe reconocerse como el valor promedio de x(t) a partir una inspección de la Fig. 3.2. Incidentalmente, /T0 es la relación entre el tiempo cuando la onda es diferente de cero y su período, y frecuentemente se designa como el ciclo de trabajo en la electrónica de pulsos.
174 El espectro de fase en la Fig. 3.4b se obtiene observando que ak es siempre real pero algunas veces negativa. Por lo tanto, arg[c(kf 0 )] toma los valores 0° y 180°, dependiendo del signo de sinc(kf0. Se usó +180° y 180° para resaltar la simetría impar de la fase.
Ejemplo 3. El Rectificador de Media Onda Un voltaje sinusoidal E sen 0 t se pasa por un rectificador de media onda que elimina la porción negativa de la onda, como se muestra en la Fig. 3.5. Este tipo de señales puede encontrarse en problemas de diseño de rectificadores.
x(t) E sen 0t E ...
...
0 0 0 0  t 0 Figura 3.5 La representación analítica de x(t) es  0,  x (t )    E sen  t , 0  cuando   0 t 0 cuando 0 < t <  0 y x(t + 2/0) = x(t). Como x(t) = 0 cuando /0 <  < 0, de la Ec. (3.25) obtenemos T0 cn  1 T0   E sen  t exp  j 0 0     / 0 E 0  2 E 0 2 0 2 nt   dt T0  1 exp  j0 t   exp  j0 t   exp   jn0 t  dt 2j  / 0   exp  j  n  1 t   exp  j  n  1 t  dt 0 0 0 E exp   jn 2    jn   jn    exp     exp   2 2  (1  n )   2   2   E  (1  n2 ) cos  n / 2  exp   jn / 2  , n  1 (3.35) 175 E  ,     (1  n 2 ) 0,  n par (3.36) n impar, n  1 Haciendo n = 0, se obtiene la componente CD o el valor promedio de la señal periódica como c0  E  . El resultado puede verificarse calculando el área bajo medio ciclo de una onda seno y dividiendo por T0. Para determinar los coeficientes a1 y a  1 que corresponden a la primera armónica, observe que no se puede sustituir n =  1 en la Ec. (3.36), puesto que ello produce una cantidad indeterminada. En su lugar usamos la Ec. (3.35) con n =  1 lo cual resulta en c1  E y c1   4j E 4j Los espectros de líneas de x(t) se muestran en la Fig. 3.6.
E/ E/ E/3 E/15 –4  –3 –2 cn E/ E/3 –1 0 1 2 –2 3 4 n (a)  cn  –4 E/15 –1 0 1 2 3 4 n   (b)  Figura 3.6 3.2.3 Condiciones para la Convergencia de las Series de Fourier Hemos visto que una señal periódica puede ser aproximada por un número finito de términos de su serie de Fourier. Pero ¿converge la serie infinita a x(t)? Para entender mejor la cuestión de la validez de las representaciones mediante series de Fourier, considérese primero el problema de aproximar una señal periódica x(t) dada, por una combinación lineal de un número finito de exponenciales complejas relacionadas armónicamente, es decir, por una serie finita de la forma N xN ( t )  c e jk 0 t k k  N Denote por eN(t) el error de la aproximación, el cual está dado por (3.37) 176 N eN ( t )  x ( t )  xN ( t )  x ( t )  c e jk 0 t k (3.38) k  N Para determinar la bondad de cualquier aproximación en particular, es necesario especificar una medida cuantitativa del tamaño del error de la aproximación. El criterio que se usará es el de la magnitud total del error al cuadrado en un período: EN  e N  ( t ) 2 dt  eN ( t ) eN* ( t ) dt T0 (3.39) T0 En general, para cualquier señal z(t), la cantidad, definida anteriormente, b  z(t ) E 2 dt a es la energía en z(t) en el intervalo de tiempo a  t  b. Esta terminología es motivada por el hecho de que si z(t) corresponde, por ejemplo, a la corriente que fluye en un resistor de 1 , entonces E es la energía total disipada en el resistor durante el intervalo de tiempo a  t  b. Con respecto a la Ec. (3.39) , EN representa entonces la energía en el error de aproximación durante un período.
Ahora se procederá a demostrar que la escogencia particular para los coeficientes ck en la Ec. (3.37) minimiza la energía en el error (error cuadrático) y da para los coeficientes: ck  1 T0  x (t ) e  jk 0 t dt (3.40) T0 Suponga que se tiene la función f(t) y que se desea representarla mediante un conjunto de funciones en el intervalo finito [t1, t2]. Suponga también que estas funciones 1(t), 2(t),  , n(t) son ortogonales en el intervalo [t1, t2], es decir, t2   (t )  i t1  j 0, i  j ( t ) dt   ki , i  j (3.41) La representación de f(t) en [t1, t2] es una combinación lineal de las funciones i(t), i  1, 2,  , n , es decir, f ( t )  c1 1 ( t )  c2 2 ( t )    cn n ( t ) (3.42) En la Ec. (3.42) no aparece el signo de igualdad debido a que, en general, la representación n c  (t ) i i (3.43) i 1 contiene algún error. Se desea que la representación o aproximación esté “cerca” de f(t). Uno de los criterios más utilizados para elegir una aproximación es el de minimizar el error cuadrático entre el valor real de f(t) y la aproximación (3.43). Es decir, las c i , i = 1, 2,  , n, se eligen para minimizar la cantidad 177 t2 EC       n f (t )   i 1 2  ci i ( t )  dt  (3.44) t1 Evidentemente, el integrando de (3.44) es el error cuadrático. La integral da el error cuadrático en el intervalo [t1, t2]. La Ec. (3.44) se puede escribir como t2  EC   f ( t )  c11 ( t )  c2 2 ( t )    cn n (t )  2 dt t1 t2    f 2 ( t )  c12 12 ( t )  c22 22 ( t )    cn2 2n ( t )  2 c11 ( t ) f ( t )  2 c2 2 ( t ) f ( t )    2 cn n ( t )  dt   (3.45) t1 t2  f 2 (t ) dt  c12 k1  c22 k 2    cn2 k n  2c11  2c2  2    2cn  n t1 donde i, i =1, 2,  , n, se define como t2 i   f ( t )  ( t ) dt (3.46) i t1 c k 2 i i Ahora se completa el cuadrado de cada uno de los términos  2 ci  i  , sumando y restando  i2 ki , es decir,  c k  2 ci  i  ci ki   i 2 i i  ki 2   i2 (3.47) ki y la expresión dada por (3.44) se puede escribir como t2 EC    n f 2 ( t ) dt  ci ki   i i 1 t1  i2  k 2 ki n  i 1 (3.48) i Según la Ec. (3.44), es evidente que el EC es siempre mayor o igual a cero; es decir, EC  0. En la Ec.
(3.48), se observa que la relación para el EC toma su menor valor cuando ci ki  i i  1, 2,  , n , ki Es decir, los coeficientes c i se deben elegir como t2 ci  i ki  f ( t )  ( t ) dt i  t1 (3.49) t2   ( t )  ( t ) dt i t1 * i 178 Para el caso de la expansión de Fourier, las funciones i(t) corresponderían a las exponenciales e jk 0 t (cambiando i por k), el intervalo [t1, t2] correspondería al período T0 y c i correspondería a ck.
Comparando la Ec. (3.40) con la Ec. (3.25), vemos que la primera es idéntica a la expresión usada para determinar los coeficientes de la serie de Fourier. Entonces, si x(t) tiene una representación en serie de Fourier, la mejor aproximación usando sólo un número finito de exponenciales complejas relacionadas armónicamente se obtiene truncando la serie de Fourier en el número deseado de términos. Conforme N aumenta, se añaden nuevos términos pero los anteriores permanecen inalterados y EN disminuye. Si, efectivamente, x(t) tiene una representación en serie de Fourier, entonces el límite de EN conforme N   es cero.
Pongamos atención ahora al problema de la validez de la representación mediante series de Fourier de señales periódicas. Para cualquiera de estas señales se puede intentar obtener un conjunto de coeficientes de Fourier mediante el uso de la Ec. (3.25). Sin embargo, en algunos casos la integral en la Ec. (3.25) puede divergir; es decir, el valor de las ck puede ser infinito. Aún más, si todos los coeficientes de la Ec. (3.25) son finitos, cuando estos coeficientes se sustituyen en la ecuación de síntesis (3.21), la serie infinita resultante puede no converger hacia la señal original x(t). Sin embargo, sucede que no hay dificultades de convergencia si x(t) es continua. Es decir, toda señal periódica continua tiene una representación en serie de Fourier tal que la energía EN en el error de aproximación tiende a cero conforme N  . Esto también es válido para muchas señales discontinuas. Puesto que será de mucha utilidad usar señales discontinuas, tales como la onda cuadrada del Ejemplo 2, es importante considerar con más detalle el problema de la convergencia. Se discutirán dos condiciones algo diferentes que debe cumplir una señal periódica para garantizar que pueda ser representada por una serie de Fourier.
En muchos problemas prácticos se nos da la función x(t) y la usamos para construir una serie de Fourier. Por consiguiente, estaremos interesados en teoremas que nos digan algo “bueno” sobre la expansión en serie de x, con tal que x a su vez sea “buena” en algún sentido. Un teorema típico de esta clase es el siguiente: Si x(t) integrable en el intervalo (0, T0), su serie de Fourier convergerá a x(t) en cualquier punto t (0 < t < T0) donde x(t) sea diferenciable. Observe que el teorema no dice nada sobre qué sucede en los puntos extremos. Todo lo que dice es que si 0 < t < T0 y si x'(t0) existe cuando t = t0, entonces la serie converge cuando t = t0 y su suma es x(t0).
Una clase de funciones periódicas representable mediante series de Fourier es aquella que incluye señales cuyo cuadrado es integrable sobre un período. Es decir, cualquier señal x(t) en esta clase tiene energía finita en un solo período:  x ( t ) 2 dt   (3.50) T0 Cuando se cumple esta condición, se garantiza que los coeficientes a k obtenidos a partir de la Ec.
(3.40) son finitos. Adicionalmente, sea xN(t) la aproximación a x(t) usando estos coeficientes para | k|  N, es decir, N xN ( t )  c e jk 0 t k k  N Entonces, se cumple que lím EN  0, donde EN se define en la Ec. (3.39). Es decir, si definimos N  (3.51) 179  e(t )  x (t )  c e jk 0 t k (3.52) k  se obtiene que  e ( t ) dt  0 2 (3.53) T0 Como se verá en un ejemplo más adelante, la Ec. (3.53) no implica que la señal x(t) y su representación en serie de Fourier  c e jk 0 t k (3.54) k  sean iguales para todo valor de t. Lo que ella dice es que su diferencia no contiene energía.
Un conjunto alterno de condiciones, desarrolladas por Dirichlet, y también cumplidas por esencialmente todas las señales que nos interesan, garantiza que x(t) será efectivamente igual a su expansión, excepto en valores aislados para los cuales x(t) es discontinua. En estos valores de t, la serie infinita de (3.54) converge al “valor promedio” de la discontinuidad; es decir, si x(t ) tiene una discontinuidad en t0, la serie converge al valor dado por lím x ( t0   )  x ( t 0   ) 0 2 Las condiciones de Dirichlet para la expansión en serie de Fourier son: Si una función periódica x(t) es acotada, tiene un número finito de máximos, mínimos y discontinuidades por período, y si x(t) es absolutamente integrable en cualquier período, es decir,  x ( t ) dt   (3.55) T0 entonces la serie de Fourier existe y converge uniformemente dondequiera que x(t) sea continua. Dicho de otra forma, si una función periódica x(t) es continua por tramos, entonces es integrable en el sentido dado por la Ec. (3.55) en cualquier intervalo de longitud finita y, en especial, en uno de longitud T0, y converge a x(t) dondequiera que la función sea continua y a  x  t    x  t   2 en todo punto t donde posea ambas derivadas por la derecha y por la izquierda. Véase teorema más adelante.
Ahora bien, si la señal x(t) es absolutamente integrable o cuadrado integrable, la serie exhibe una conducta conocida como el fenómeno de Gibbs en los puntos de discontinuidad. La Fig. 3.7 ilustra esta conducta para una discontinuidad de tipo escalón en t = t0. La suma parcial xN(t) converge al punto medio de la discontinuidad, lo cual parece muy razonable. Sin embargo, a cada lado de la discontinuidad, xN(t) tiene sobrepasos oscilatorios con período T0/2N y valor pico de aproximadamente 18% de la altura del escalón e independiente de N. Así que, conforme N  , las oscilaciones colapsan formando picos denominados “lóbulos de Gibbs” por encima y por debajo de la discontinuidad.
Puesto que una señal real debe ser continua, el fenómeno de Gibbs no ocurre y tenemos justificación para tratar a x(t) y su representación en serie de Fourier como idénticas; pero modelos de señales 180 idealizadas como, por ejemplo, el tren de pulsos rectangulares, sí tienen discontinuidades. Por lo tanto, se debe tener cuidado con la convergencia cuando se trabaja con esos modelos.
xN(t) 0.09A T0/2N A A/2 t t0 Figura 3.7 Fenómeno de Gibbs en una discontinuidad de tipo escalón.
Las condiciones para la convergencia de una serie de Fourier se resumen en el teorema que se dará a continuación, sin demostración, pero antes se definirán algunos términos que se necesitan para su exposición.
Se dice que la función x(t) es suave en el intervalo [a, b] si posee una derivada continua en  a , b .
En lenguaje geométrico, esto significa que la dirección de la tangente cambia continuamente, sin saltos, conforme se mueve a lo largo de la curva y = x(t).
La función x(t) es suave por tramos en el intervalo [a, b] si x(t) y su derivada son ambas continuas en [a, b], o ellas tienen un número finito de discontinuidades de saltos en [a, b]. Se dice que una función x(t) continua o discontinua definida en todo el eje t es suave por tramos si es suave por tramos en todo intervalo de longitud finita. En particular, este concepto es aplicable a funciones periódicas.
Toda función x(t) suave por tramos (bien sea continua o discontinua) está acotada y tiene una derivada acotada en todas partes, excepto en sus saltos y puntos de discontinuidad [en todos estos puntos, x'(t) no existe].
TEOREMA Si x(t) es una función absolutamente integrable de período T0 y es suave (posee derivada continua por tramos) por tramos en el intervalo [a, b], entonces para todo t en a < t < b, la serie de Fourier de x ( t) converge a x(t) en los puntos de continuidad y al valor x ( t  0)  x ( t  0) 2 en los puntos de discontinuidades (la convergencia puede fallar en t = a y t = b).
181 3.3 Propiedades de las Series de Fourier A continuación se considerarán varias propiedades de las series de Fourier. Estas propiedades proporcionan una mejor comprensión del concepto de espectro de frecuencias de una señal de tiempo continuo y, adicionalmente, muchas de esas propiedades ayudan en la reducción de la complejidad del cálculo de los coeficientes de las series.
3.3.1 Efectos de la Simetría Los tipos más importantes de simetría son: 1. Simetría par, x(t) = x(t), 2. Simetría impar, x(t) =  x(t),  3. Simetría de media onda, x(t) = x t  T0 2 .
Cuando existe uno o más de estos tipos de simetría, se simplifica bastante el cálculo de los coeficientes de Fourier. Por ejemplo, la serie de Fourier de una señal par x(t) con período T0 es una serie de Fourier en cosenos:  x ( t )  a0  a n cos 2 n t T0 n 1 con coeficientes T0 2 T0 / 2 a0  T20  x ( t ) dt an  T40 y 0 2 nt  dt  x  t  cos T0  0 en tanto que la serie de Fourier de una señal impar x(t) con período T0 es una serie de Fourier en senos:  2 n t x (t )  bn sen T0 n 1 con coeficientes dados por  T0 2 bn  T40     x ( t )sen 2 n t T0 dt 0 Si la función x(t) posee simetría de media onda, entonces a0  0 a2 n  0 c2 n1  0 b2 n  0 b2 n1  0 La integración es sobre medio período y los coeficientes se multiplican por 2.
182 EJEMPLO 4. Considere la señal mostrada en la Fig. 3.8 x(t) A –T0/2 T0/2 0 T0 t –A Figura 3.8 La señal está definida por 4A  A  T t.
 0 x (t )    4 A t  3 A,  T0 0  t  T0 / 2 T0 / 2  t  T0 Observe que x(t) tiene simetría par y también de media onda. Por lo tanto, bn = 0 y no hay armónicos pares. También T0 2 an  T40      4 At  2 n t  dt  A  cos T0  T0  0  4A  n  2 1  cos n  n par 0,  8A  , n impar  n 2    Observe que a 0 , el cual corresponde al término CD, es cero porque el área bajo un período de x(t) es cero.
3.3.2 Linealidad Suponga que x(t) y y(t) son periódicas y con el mismo período y sean  x(t )   e n n  jn0 t  y y (t )   e n n  jn0 t 183 sus expansiones en series de Fourier y también sea z ( t )  k1 x ( t )  k2 y ( t ) donde k1 y k2 son constantes arbitrarias. Entonces podemos escribir   k  z (t )  1 n  k2  n  e jn0 t n    e  jn0 t n n  La última ecuación implica que los coeficientes de Fourier de z(t) están dados por n  k1n  k2  n 3.3.3 Diferenciación La derivada de x(t) se obtiene derivando cada término de su serie: dx ( t ) dt    dt  c e d jk 0 t k     jk  c e jk 0 t 0 k k  (3.56) k  y se observa que los coeficientes de Fourier para la función dx(t)/dt son iguales a los coeficientes de x(t) multiplicados por el factor jk0. La magnitud de cada armónico es ampliada por el factor k0, y el espectro tiene un contenido de frecuencias mucho mayor.
Como una aplicación de esta propiedad, considere el tren de pulsos de la Fig. 3.9a, cuya serie de Fourier se obtuvo en el Ejemplo 2. Su derivada se muestra en la Fig. 3.9b y contiene sólo impulsos. Los coeficientes de Fourier ck para x'(t) están dados por T0 2 ck  1    T0   At  T0    2 T0 2  A T0 e jk 0  2   T0   jk o t dt   A   t   e 2      e jk 0  2  2 jA T0 sen  k 0  2  y los coeficientes de Fourier correspondientes para la serie de pulsos en la Fig. 3.9a, de acuerdo con la Ec. (3.56), son ck  ck jk 0  A sen  k 0  2  T0 k 0 2 que es el mismo resultado obtenido en el Ejemplo 2, pero con un menor esfuerzo.
184 x(t) A ...
...
 0  –T0 t T0 (a) x'(t) ...
A A ...
 0 –T0  –A t T0 –A –A (b) Figura 3.9 3.3.4 Teorema de la Potencia de Parseval El teorema de Parseval relaciona la potencia promedio P de una señal periódica con los coeficientes de su serie de Fourier. Para derivar el teorema, comenzamos con la relación P 1 T0  x ( t ) dt  2  x ( t ) x *( t ) dt 1 T0 T0 T0 Ahora reemplazamos x*(t) por su serie exponencial      x *( t )   an e jn0 t   an e  jn0 t n   n     tal que P  T10          jn0 t  x (t )  cn e  dt  n    T0    T1 x ( t ) e  jn0 t dt  an 0  n    T0      y la expresión entre corchetes es igual a cn. Entonces  P n  que es el teorema de Parseval.
 c c   c  n n n n  2 (3.57) 185 La interpretación de este resultado es extraordinariamente sencilla: la potencia promedio se puede determinar elevando al cuadrado y sumando las magnitudes | c n | = |c(n  0 )| de las líneas de amplitud.
Observe que la Ec. (3.57) no involucra el espectro de fase. Para una interpretación adicional de la Ec.
(3.57), recuerde que la serie exponencial de Fourier expande x(t) como una suma de fasores de la forma cn e jn0 t . Se puede demostrar fácilmente que la potencia promedio de cada fasor es cn e jn0 t 2  cn 2 (3.58) Por lo tanto, el teorema de Parseval implica la superposición de la potencia promedio, puesto que la potencia promedio total de x(t) es la suma de las potencias promedio de sus componentes fasoriales.
3.3.5 Integración en el Tiempo Suponga que y ( t )   x    d  . Debemos considerar dos casos por separado; c0 = 0 y c0 ≠ 0. Si t  c0  0 , entonces t    y ( t )   x    d      cn e j 2 nf   d    n   t 0    t c  e n  d    j 2 nf 0  n  j 2 nf cn n  0 En consecuencia, si  y (t )   e j 2 nf 0 t n n  se concluye que n  cn j 2 nf 0  cn jn0 y, por tanto, t   x  d    j 2 nf n  cn e j 2 nf0 t  0   jn n  cn e jn0 t , c0  0 (3.59) 0 Si a0  0, la señal contiene un valor promedio diferente de cero. La integración de esta señal produce una componente que crece linealmente con el tiempo, y en este caso la señal resultante no es periódica y la serie obtenida por integración no converge.
186 3.3.6 Manipulación de Señales Cuando una señal periódica x(t) es trasladada, transpuesta (reflejada), diferenciada o integrada, los coeficientes de Fourier de la señal resultante pueden obtenerse a partir de los de la señal original x(t).
En esta sección derivaremos algunas de esas relaciones en función de los coeficientes de la serie de Fourier exponencial.
Considere el efecto sobre el espectro de frecuencias de una señal periódica producida por un desplazamiento en el tiempo de la señal. Sea x(t) una señal periódica de período T0, la cual tiene una serie de Fourier dada por  x (t )  c e jn0 t (3.60) n n  Consideremos ahora la serie de Fourier de la señal periódica retardada x(t  td) obtenida a partir de x(t) por un desplazamiento en el tiempo igual a td. De (3.60) tenemos que  x ( t  td )  c e jn0 ( t td ) n n     c e  jn0 td n n     ce e jn0 t jn0 t (3.61) n n  donde cn  cn e jn0 td . Es decir, el n-ésimo coeficiente de Fourier de x(t  td) es igual al n-ésimo coeficiente de Fourier de x(t) multiplicado por exp (  jn0 td ) . El resultado muestra que el espectro de amplitud no cambia pero el de fase es diferente. El n-ésimo armónico de la señal desplazada se retrasa por una cantidad igual a n0 td radianes.
Suponga ahora que una señal periódica x(t) de período T0 es contraída en el tiempo por un factor ; la señal resultante, x(t), también es periódica pero tiene un período contraído T/. La frecuencia fundamental de x(t) es por tanto 0, donde 0 es la frecuencia fundamental de x(t). Para valores del factor de escalamiento  menores que la unidad, la señal es expandida en el tiempo y los armónicos son escalados hacia abajo. Los coeficientes de Fourier an de x(t) pueden ser calculados por cn   T0 T0   x ( t ) e 0  jn0 t dt  1 T0 x () e T  jn0  d 0 donde  = t. Esta última relación nos dice que los coeficientes de Fourier de una señal periódica no cambian cuando se cambia la escala del tiempo. No obstante, las frecuencias de los armónicos cambian por un factor igual al factor de escalamiento.
Otras propiedades producidas por manipulación de la señal se dejan como ejercicios.
187 3.4 Transformadas de Fourier y Espectros Continuos Pasemos ahora de señales periódicas a señales no periódicas concentradas en intervalos de tiempo muy cortos. Si una señal no periódica tiene energía total finita, su representación en el dominio de la frecuencia será un espectro continuo obtenido a partir de la transformada de Fourier. Consideramos la transformada de Fourier como un límite de la serie de Fourier haciendo que el período se torne muy largo. De esta manera el espectro de líneas tiende a un espectro continuo.
3.4.1 La Transformada de Fourier Las series de Fourier por su propia naturaleza, están limitadas a la representación de funciones periódicas que satisfacen las condiciones de Dirichlet.. Por otra parte, muchas funciones importantes son no periódicas y con frecuencia se necesita una representación efectiva para esas señales. La Fig. 3.9 muestra dos señales no periódicas típicas. El pulso rectangular (Fig. 3.9a) está estrictamente limitado en tiempo ya que x(t) es idénticamente igual a cero fuera de la duración del pulso. La otra (Fig. 3.9b) está asintóticamente limitada en el tiempo en el sentido que x(t )  0 conforme t   . Tales señales también se pueden describir como “pulsos”. En cualquier caso, si se intenta promediar x(t) o | x(t)|2 para todo el tiempo, se encontrará que estos promedios son iguales a cero. Por consiguiente, en lugar de hablar sobre potencia promedio, una propiedad más significativa de una señal no-periódica es su energía.
x(t) x(t) A A   t –1/b (a) 1/b t (b) Figura 3.9 Como ya se dijo anteriormente, si x(t) es el voltaje en una resistencia, la energía total suministrada se encontraría integrando la potencia instantánea x2(t)/R. Por lo tanto, repetimos aquí la fórmula para la energía normalizada de la señal  E  2 x ( t ) dt (3.62)  Algunos cálculos de la energía pueden hacerse por inspección ya que E es sencillamente el área bajo la curva de | x(t)| 2 . Por ejemplo, la energía de un pulso rectangular de duración  y amplitud A es E = A2.
Cuando la integral en la Ec. (3.62) existe y da como resultado 0 < E < , se dice que la señal x(t) tiene energía bien definida y se denominará una señal de energía no periódica. Casi todas las señales 188 limitadas en tiempo de interés práctico caen en esta categoría, la cual es la condición esencial para el análisis de Fourier usando la transformada de Fourier.
Considere la señal periódica definida por 1,  x (t )   0,  t  T1 T1  t  T0 2 donde T0 es el período. Los coeficientes de la serie de Fourier para esta onda son ck  2sen k 0 T1 k 0 T0 0  , 2 (3.63) T0 En la Fig. 3.10 se grafica T0ak en lugar de ak y también se modifica la separación horizontal en cada gráfico. El significado de estos cambios se puede ver examinando la Ec. (3.63). Multiplicando ak por T0 se obtiene T0 ck  2sen k 0 T1 k 0  2sen T1  (3.64)  k 0 T0 a k 2 0 2 0   (a) T0 a k 4 0 4 0   (b) T0 a k 8 0 8 0   (c) Figura 3.10. Coeficientes de Fourier y sus envolventes para la onda periódica cuadrada: (a). T0 = 4T1; (b) T0 = 8T1; (c) T0 = 16T1.
189 Entonces, con  considerada como una variable continua, la función  2sen T1  /  representa la envolvente de T0ck y estos coeficientes son muestras igualmente espaciadas de esta envolvente.
También, para T1 fijo, la envolvente de T0ak es independiente de T0. Sin embargo, de la Fig. 3.10 vemos que conforme T0 aumenta (o, equivalentemente, 0 disminuye), la envolvente es muestreada con un espaciamiento más y más corto. Conforme T0 se hace arbitrariamente grande, la onda cuadrada periódica original se aproxima a un pulso rectangular, es decir, todo lo que queda en el dominio del tiempo es una señal aperiódica correspondiente a un período de la onda cuadrada. También, los coeficientes de la serie de Fourier, multiplicados por T0 se convierten en muestras de la envolvente menos separadas, así que de alguna forma el conjunto de los coeficientes de la serie de Fourier tiende a la función envolvente conforme T0  .
Este ejemplo ilustra la idea básica detrás del desarrollo de Fourier de una representación para señales aperiódicas. Específicamente, consideramos una señal aperiódica como el límite de una señal periódica conforme el período se hace arbitrariamente grande y examinamos la conducta en el límite de la representación en serie de Fourier de esta señal. Considere una señal aperiódica general x(t) de duración finita. Es decir, para algún valor T1, x(t) = 0 si | t | > T1. En la Fig. 3.11a se muestra una señal de este tipo. Partiendo de esta señal aperiódica podemos construir una señal periódica x ( t ) para la cual x(t) es un período, como se indica en la Fig. 3.11b. Conforme aumentamos el período T0, x ( t ) se hace más semejante a x(t) durante intervalos más largos, y conforme T0  , x ( t ) es igual x(t) para cualquier valor finito de x(t).
x(t) –T1 0 T1 t (a) ~ x (t ) ...
...
–T0 –T1 0 T1 T0 2T0 t (b) Figura 3.11. (a) Señal aperiódica x(t): (b) señal periódica x ( t ), construida para que sea igual a x(t) por un período.
Este ejemplo ilustra la idea básica detrás del desarrollo de Fourier de una representación para señales aperiódicas. Específicamente, consideramos una señal aperiódica como el límite de una señal periódica conforme el período se hace arbitrariamente grande y examinamos la conducta en el límite de la representación en serie de Fourier de esta señal. Considere una señal aperiódica general x(t) de duración finita. Es decir, para algún valor T1, x(t) = 0 si | t | > T1. En la Fig. 3.11a se muestra una señal 190 de este tipo. Partiendo de esta señal aperiódica podemos construir una señal periódica x ( t ) para la cual x(t) es un período, como se indica en la Fig. 3.11b. Conforme aumentamos el período T0, x ( t ) se hace más semejante a x(t) durante intervalos más largos, y conforme T0  , x ( t ) es igual x(t) para cualquier valor finito de x(t).
Examinemos ahora qué efecto tiene esto sobre la representación en serie de Fourier de la señal x ( t ) :  c e x ( t )  jk 0 t (3.65) k k  T0 2 ck   1 T0 x ( t ) e  jk 0 t dt (3.66)  T0 2 La separación entre los coeficientes ck es   (k  1)0  k 0  0 .
Puesto que x ( t )  x ( t ) para t  T0 2 y también como x(t) = 0 fuera de este intervalo, la Ec. (3.66) puede escribirse de nuevo como  T0 / 2 ck  1 T0  x (t ) e  jk 0 t dt  1 T0  T0 / 2  x (t ) e  jk 0 t dt  Por lo tanto, definiendo la envolvente X() de T0ak como X      x (t ) e  jt dt (3.67)  tenemos que los coeficientes ck pueden expresarse como ck  1 X  k 0  T0 (3.68) Combinando las Ecs. (3.68) y (3.65), x ( t ) se puede expresar en función de X() como  x ( t )  T k  1 X  k 0  e jk 0 t 0 o equivalentemente, como 2/T0 = 0, por x ( t )   X  k  e 2  1 0 k  jk 0 t 0   X  k  e 2  1 0 jk 0 t  (3.69) k  Conforme T0  , ~x (t ) tiende a x(t) y por consiguiente, la Ec. (3.67) se convierte en una representación de x(t). Adicionalmente,  = 0  0 conforme T0  , y el lado derecho de la Ec.
(3.69) pasa a ser una integral. Por lo tanto, usando el hecho de que x ( t )  x ( t ) conforme T0   , las Ecs. (3.69) y (3.67) se convierten en 191  x(t )  1 2  X ( ) e  j t d    x(t ) e j2 f t df (3.70)   X ( )   X ( f )e   jt dt    x(t ) e  j2 f t dt  X ( f ) (3.71)  Las Ecs. (3.70) y (3.71) se conocen como el par de transformadas de Fourier; la función X() [o X(f) ] dada por la Ec. (3.71) se conoce como la transformada de Fourier o integral de Fourier de x(t) y la Ec. (3.70) como la ecuación de la transformada de Fourier inversa. La ecuación de síntesis (3.70) juega un papel para las señales aperiódicas semejante al de la Ec. (3.21) para señales periódicas, ya que ambas corresponden a una descomposición de una señal en una combinación lineal de exponenciales complejas. Para señales periódicas, estas exponenciales complejas tienen amplitudes {ak} dadas por la Ec. (3.25) y ocurren en un conjunto discreto de frecuencias relacionadas armónicamente k0, k = 0, 1, 2, . Para señales aperiódicas, estas exponenciales complejas son equivalentes a especificar x(t), ocurren en un continuo de frecuencias y, de acuerdo con la ecuación de síntesis (3.70), tienen “amplitud” X()(d/). En analogía con la terminología usada para los coeficientes de la serie de Fourier para una señal periódica, la transformada X() [o X(f) ] de una señal aperiódica x(t) se conoce comúnmente como el espectro de X() [o de X(f) ], ya que nos da la información concerniente de cómo x(t) está compuesta de señales sinusoidales de diferentes frecuencias y proporciona una medida de la intensidad de x(t) en el intervalo de frecuencias entre 0 y 0 +  (d en el límite); es decir, en el dominio de la frecuencia, X() determina cuánto del valor de x(t) en t es atribuible a los valores de  entre 0 y 0 + , 3.4.2 Convergencia de las Transformadas de Fourier Aunque el argumento usado para derivar el par de transformadas de Fourier supuso que x(t) era de duración arbitraria pero finita, las Ecs. (3.70) y (3.71) se mantienen válidas para una clase extremadamente amplia de señales de duración infinita. De hecho, nuestra derivación de la transformada de Fourier sugiere que aquí también debe ser aplicable un conjunto de condiciones como las requeridas para la convergencia de la serie de Fourier, y ciertamente se puede demostrar que éste es el caso. Específicamente, considere la evaluación de X() de acuerdo con la Ec. (3.71) y sea xˆ ( t ) la señal obtenida al usar X() en el lado derecho de la Ec. (3.70); es decir,  xˆ ( t )  1 2  X ( ) e j t d  Lo que nos gustaría saber es cuándo es válida la Ec. (3.70) [es decir, cuándo xˆ ( t ) es una representación válida de la señal original x(t)]. Si x(t) es una señal cuyo cuadrado es integrable de modo que    x ( t ) dt   2 (3.72) 192 entonces estamos garantizando que X() es finita [la Ec. (3.71) converge] y que, denotando por e(t) el error entre xˆ ( t ) y x(t) [es decir, e(t) = xˆ ( t )  x ( t ) ], entonces   e ( t ) dt  0 2 (3.73)  Las Ecs. (3.72) y (3.73) son las contrapartes aperiódicas de las Ecs. (3.50) y (3.53) para señales periódicas. Así, al igual que con señales periódicas, si x(t) es cuadrado integrable, entonces aunque x(t) y su representación de Fourier xˆ ( t ) pueden diferir significativamente en valores individuales de t, en su diferencia no hay energía.
Igual que con las señales periódicas, existe un conjunto alterno de condiciones que son suficientes para asegurar que xˆ ( t ) sea igual a x(t) para cualquier t excepto en alguna discontinuidad, donde es igual al valor promedio de la discontinuidad. Estas condiciones, igualmente conocidas como las condiciones de Dirichlet, requieren que: 1. x(t) sea absolutamente integrable, es decir,   x ( t ) dt   (3.74)  2. x(t) tenga un número finito de máximos y mínimos dentro de cualquier intervalo finito.
3. x(t) tenga un número finito de discontinuidades dentro de cualquier intervalo finito. Adicionalmente, cada una de estas continuidades debe ser finita.
En consecuencia, las señales absolutamente integrables que son continuas o tienen un número finito de discontinuidades tienen transformadas de Fourier.
Aunque los dos conjuntos alternos de condiciones que hemos dado son suficientes para garantizar que una señal tiene una transformada de Fourier, en la próxima sección veremos que señales periódicas, que no son absolutamente integrables ni cuadrado integrables en un intervalo infinito, pueden considerarse que poseen transformadas de Fourier si se permiten funciones impulso en la transformada. Esto tiene la ventaja de que la serie y la transformada de Fourier pueden incorporarse en un marco común y esto será muy conveniente para diferentes tipos de análisis. Antes de examinar este punto un poco más en la próxima sección, primero se debe señalar que la transformada de Fourier es una transformación lineal; es decir, a1 x1 ( t )  a2 x2 ( t )  a1 X 1 ( )  a2 X 2 ( ) Se deja para el lector la demostración de esta propiedad.
Por la fórmula de Euler, la integral de Fourier, Ec. (3.71), puede escribirse en la forma  X ( )   x ( t ) (cos t  j sen t ) dt  Escribiendo ahora X ( )  Re[ X ( )]  j Im{ X ( ) e igualando con las partes real e imaginaria de la Ec. (3.75), se obtiene (3.75) 193  Re[ X ( )]   x ( t ) cos t dt (3.76)   Im[ X ( )]    x ( t )sen t dt (3.77)  Esto muestra que la parte real de X() es una función par de  y la parte imaginaria de X() es una función impar de , dando (3.78) X ( )  X *( ) La implicación de la Ec. (3.76) es que si X() es conocida para  > 0, entonces también es conocida para  < 0. Por esta razón, X() muchas veces sólo se grafica para  > 0.
Consideremos ahora algunos ejemplos de la transformada de Fourier.
3.4.3 Ejemplos de Transformadas de Fourier en Tiempo Continuo Ejemplo 5. Considere la señal x ( t )  e at u ( t ) Si a < 0, entonces x(t) no es absolutamente integrable y, por tanto, X() no existe. Para a > 0, X() se obtiene a partir de la Ec. (3.71) como   X ( )  e  a t e  jt dt   0 1 a  j e  a  j t  0 Es decir, X ( )  1 a  j , a0 Puesto que esta transformada de Fourier tiene partes real e imaginaria, para graficarla en función de  la expresamos en términos de su magnitud y fase: X ( )  1 a 2  2    X ()=  tan 1   a , Cada una de estas componentes se grafica en la Fig. 3.12. Observe que si a es compleja, entonces x(t) es absolutamente integrable siempre que Re{a} > 0, y en este caso el cálculo precedente produce la misma forma para X(); es decir, X ( )  1 a  j , Re  a   0 194 X () 1/a 1 –a  a (a) X () 2a    a  –a  (b) Figura 3.12 Transformada de Fourier de la señal x(t) = eatu(t).
Ejemplo 6. Sea x (t )  e a t donde a > 0. Esta señal se grafica en la Fig. 3.13.
x(t) 1 0 t Figura 3.13 Señal x(t) = ea| t | .
El espectro de esta señal es  X ( )  e e  jt dt     0 a t 1 a  j e at e  j t   1 a  j  En este caso X() es real y se ilustra en la Fig. 3.14.
 dt  e  a t e  jt dt 0 2a a  2 2 195 X() 2/a 1/a 0 –a  a Figura 3.14 Transformada de Fourier de la señal en la Fig. 3.13.
Ejemplo 7. Considere el pulso rectangular  1, x (t )    0, t  T1 (3.79) t  T1 que se muestra en la Fig. 3.15a.
x(t) 1 –T1 0 T1 t (a) 2T1  T X() 0 1   T1 (b) Figura 3.15. El pulso y su transformada de Fourier.
Aplicando la definición de la transformada, encontramos que ésta está dada por T1 X ( )    T1 e  jt dt  2 sen T1  (3.80) Como se explicó al comienzo de esta sección, la señal dada en la Ec. (3.79) puede considerarse como la forma límite de una onda cuadrada periódica conforme el período se hace arbitrariamente grande.
Por lo tanto, es de esperar que la convergencia de la ecuación de síntesis para esta señal se comporte en una forma similar a la observada para la onda cuadrada, y, de hecho, éste es el caso.
196 Ejemplo 8. Considere la señal x(t) cuya transformada de Fourier está dada por  1, X ( )    0,  W (3.81)  W Esta transformada se ilustra en la Fig. 3.16b.
Usando la ecuación de síntesis, podemos determinar x(t): x(t )  1 W e 2  j t d  W sen W t (3.82) t la cual se muestra en la Fig. 3.16a.
W/  W x(t)  W 0 t (a) X( ) 1 –W 0 W  (b) Figura 3.16. Par de transformadas de Fourier del Ejemplo 8.
Comparando las Figs. 3.15 y 3.16, o equivalentemente, las Ecs. (3.79) y (3.80) con las Ecs. (3.81) y (3.82), se observa una relación interesante. En cada caso, el par de transformadas de Fourier consiste de una función  sen x  / x y un pulso rectangular. Sin embargo, en el Ejemplo 7 es la señal x(t) la que es un pulso, mientras que en el Ejemplo 8, es la transformada. La relación especial que aparece aquí es una consecuencia directa de la propiedad de dualidad para las transformadas de Fourier, la cual se discute más adelante.
3.5 La Transformada de Señales Periódicas En la sección anterior se desarrolló la transformada de Fourier para señales aperiódicas considerando el comportamiento de la serie de Fourier para señales periódicas conforme el período se hace arbitrariamente grande. Como lo indican los resultados, las representaciones en series de Fourier y en transformadas de Fourier están íntimamente relacionadas y en esta sección investigamos un poco más esa relación y también desarrollamos una representación en serie de Fourier para señales periódicas.
197 3.5.1 Los Coeficientes de la Serie de Fourier como Muestras de la Transformada Como un primer paso, recuerde que en la derivación de la transformada de Fourier se hizo la observación de que los coeficientes de Fourier de una señal periódica x ( t ) se podían obtener a partir de muestras de una envolvente, que se determinó era igual a la transformada de Fourier de una señal aperiódica x(t) y que a su vez era igual a un período de ~x (t ) . Específicamente, sea T0 el período fundamental de x ( t ) , como se ilustra en la Fig. 3.17. Como ya se vio, si x(t) se toma como   x ( t ), x (t )   0,   T0 t  2 T0 t T0 2 o t 2 T0 (3.83) 2 entonces los coeficientes de Fourier c k de ~x (t ) pueden expresarse en función de las muestras de la transformada de Fourier X() de x(t): T0 / 2 ck   1 T0 T0 / 2 x ( t ) e  jk 0 t dt  1 T0  T0 / 2   x ( t ) e jk 0 t dt  T0 / 2  1 T0  1 x ( t ) e jk0 t dt  T0  X ( k 0 ) (3.84) x(t) ...
...
–T0  T0 0 2 T0 2 T0 t Figura 3.17. Señal Periódica.
Sin embargo, puesto que los coeficientes de Fourier, ck, pueden obtenerse integrando en cualquier intervalo de longitud T0, podemos efectivamente obtener una expresión más general que la dada en la Ec. (3.84). Específicamente, sea s un punto arbitrario en el tiempo y definamos la señal x(t) como igual a ~x (t ) en el intervalo s  t  s + T0 y cero para otros valores de s. Es decir, s  t  s  T0  x ( t ), x (t )   0, t  s o t  s  T0 (3.85) Entonces los coeficientes de la serie de Fourier de x ( t ) vienen dados por ck  1 T0 X ( k 0 ) (3.86) 198 donde X() es la transformada de Fourier de x(t) en la forma definida en la Ec. (3.85). Observe que la Ec. (3.86) es válida para cualquier selección de s y no únicamente para s  T0 / 2 . Sin embargo, esto no significa que la transformada X() es la misma para todos los valores de s, pero sí implica que el conjunto de muestras X(k0) es independiente de s.
En lugar de dar una demostración de la validez de la Ec. (3.86) en general, la ilustraremos mediante el siguiente ejemplo.
Ejemplo 9. Sea x ( t ) la onda periódica cuadrada con período T0 ilustrada en la Fig. 3.18a, y sean x1(t) y x2(t) como se muestran en las Figs. 3.18b y c. Estas señales son iguales a ~x (t ) en intervalos diferentes de longitud T0. La transformada de Fourier de x1(t) ya se obtuvo y es X1 ( )  2sen T1 (3.87)  La transformada de Fourier de x 2 (t) puede calcularse a partir la fórmula de definición:  X 2 ( )   x (t ) e 2  dt  e   1  e j  1 1 j  j t   j e 1  jT1  dt  e  jt dt T0 T1 0  jT0  e jT1  e jT1 / 2 e jT1 / 2  e jT1 / 2   T  sen  1 j  2 2 T0 T1  jt  1 1 j e  jT0 T1 / 2  e jT1 / 2  e  jT1 / 2    jT1 / 2  j T T / 2 e  0 1   e    (3.88) Las transformadas X1() y X2() no son iguales. De hecho, X1() es real para todos los valores de  mientras que X2() no lo es. Sin embargo, para  = k0, la Ec. (3.88) se convierte en X 2  k 0    k T sen  0 1 k 0  2 2   jk0T1 / 2  e jk 0T0 e jk 0T1 / 2    e  Puesto que 0T0 = 2, esta relación se reduce a X 2 ( k 0 )   k T sen  0 1 k 0  2 2   jk 0T1 / 2  e jk0T1 / 2    e   k T   k T  sen  0 1  cos  0 1  k 0  2   2  2sen  k 0 T1    X 1 ( k 0 ) k 0  4 199 x ( t ) 1 –T0 –T1 0 T1 t T0 (a ) x1(t) 1 –T1 0 t T1 (b) x2(t) 1 0 t T1 T0 – T1 (c) Figura 3.18 la cual confirma el resultado dado en la Ec. (3.86), a saber, que los coeficientes de Fourier de una señal periódica pueden obtenerse a partir de muestras de la transformada de Fourier de una señal aperiódica que sea igual a la señal periódica original en cualquier intervalo arbitrario de longitud T0 y que sea cero fuera de ese intervalo.
3.5.2 La Transformada de Fourier de Señales Periódicas Consideremos una señal x(t) cuya transformada de Fourier X() es un solo pulso de área 2 en  = 0, es decir, X ( )  2    0  (3.89) Para determinar la señal x(t) a la que corresponde esta transformada de Fourier, aplicamos la relación de la transformada de Fourier inversa para obtener x(t )  1  2       e 2  0 j t d  e j t Si X() está en la forma de una combinación lineal de impulsos igualmente espaciados en frecuencia, es decir, 200  X ( )   2  c     k  k (3.90) 0 k  entonces la aplicación de la propiedad de linealidad produce  c e x (t )  jk 0 t (3.91) k k  y esta última corresponde exactamente a la representación en serie de Fourier de una señal periódica.
Así que la transformada de Fourier de una señal periódica con coeficientes de su serie de Fourier {ak}, puede interpretarse como un tren de impulsos que ocurren en las frecuencias relacionadas armónicamente y donde el área de la k-ésima frecuencia armónica k0 es 2 veces el k-ésimo coeficiente de la serie de Fourier ck.
Ejemplo 10. Considere de nuevo la onda cuadrada ilustrada en la Fig. 3.18a. Los coeficientes de la serie de Fourier para esta señal son ck  sen k 0 T1 k y la transformada de Fourier es  X ( )   2sen k 0 T1 k k      k 0  la cual se grafica en la Fig. 3.19 para T0 = 4T1.
X ()     0 0  Figura 3.19. Transformada de Fourier de una onda cuadrada periódica simétrica.
Ejemplo 11. Considere el tren de impulsos periódicos dado por  x (t )    t  kT  k  y dibujado en la Fig. 3.20a. Esta señal es periódica con período fundamental T. Para determinar la transformada de Fourier de esta señal, calculamos primero sus coeficientes de Fourier: 201 T /2 ck  1 T   ( t ) e jk 0 t dt  T /2 1 T Insertando ésta en la Ec. (3.91) da X ( )   2 T       k  2 k  T  La transformada de un tren de impulsos en el tiempo es entonces un tren de impulsos en frecuencia, como se muestra en la Fig. 3.20b. Aquí se ve de nuevo una ilustración de la relación entre los dominios del tiempo y de frecuencia. Conforme la separación entre los impulsos en el tiempo se hace mayor, la separación entre los impulsos en frecuencia se hace menor.
x(t) 1 ...
...
–2T –T 0 T t 2T (a) X() 2 T ...
...
 4T  2T 0 2 T 4 T  (b) Figura 3.20. (a) Tren de impulsos periódicos; (b) su transformada de Fourier.
3.6 Propiedades Adicionales de la Transformada de Fourier Ahora pasaremos a considerar varias propiedades de la transformada de Fourier que nos proporcionan una cantidad significativa de comprensión de la transformada y de la relación entre las descripciones de la señal en los dominios del tiempo y la frecuencia. Adicionalmente, muchas de estas propiedades con frecuencia son útiles en la reducción de la complejidad en la evaluación de las transformadas y para estudiar mejor la relación entre las representaciones en serie de Fourier y en transformada de Fourier de una señal periódica. A través de la presentación también usaremos la notación x(t)  X() = F { x ( t )} para referirnos al par de transformadas x(t) y X().
202 3.6.1 Retardo en el Tiempo y Cambio de Escala Dada una función del tiempo x(t), a partir de ella se pueden generar otras formas de ondas mediante una modificación del argumento de la función. Específicamente, reemplazando t por t  td produce la señal retardada en el tiempo x(t  td). La señal retardada tiene la misma forma que x(t) pero esta desplazada td unidades hacia la derecha en el eje del tiempo. Para establecer esta propiedad, suponga que x(t)  X() Considere entonces la transformada de la función retardada:  F { x ( t  td }   x (t  t d ) e jt d   Haciendo  = t  td, se obtiene F  x ( t  td )    x  e  j td  d   e  j t d X (  )  esto es, x ( t  td )  e jtd X ( )  e j 2 ftd X ( f ) (3.92) Antes de proceder con el siguiente ejemplo, definamos el pulso rectangular de la Fig. 3.21, el cual por ser tan común merece un símbolo propio. Se adoptará la notación  1  ( t /  )  rect  t      0 t  /2 t  /2 (3.93) x(t) A  0  t Figura 3.21. La función rectangular.
que representa una función rectangular con amplitud unitaria y duración  centrada en t = 0. El pulso en la figura se escribe entonces como x ( t )  A  ( t  )  A rect  t   y su transformada de Fourier es (3.94) 203 /2 X ( )   Ae  jt dt   /2 2A  sen  2  A sinc  (3.95) 2 El desplazamiento o corrimiento de fase en la transformada es una función lineal de . Si td es una cantidad negativa, la señal es adelantada en el tiempo y la fase añadida tiene pendiente positiva.
Si el pulso rectangular no está centrado en el origen, entonces se denota como rect  t  T0   ; esto indica que el pulso está centrado en T0 y su ancho es igual a .
Ejemplo 12. La señal en la Fig. 3.22 se construye usando dos pulsos rectangulares x(t) = At tales que za ( t )  x ( t  td )   1 x  t   td  T   donde t0 = td + T/2. Aplicando los teoremas de superposición (linealidad) y de retardo, se obtiene Z a (  )  X (  )  e  j  td  e   j td T    donde X() está dada por la Ec. (3.95).
Si t 0 = 0 y T = , za(t) se degenera en la onda de la Fig. 3.22b donde  t 2  t  2 zb ( t )  A     A         El espectro se convierte entonces en Zb (  )   A sinc 2   j 2sen  2    j  A sinc2  2 El espectro es puramente imaginario porque zb(t) tiene simetría impar.
za(t) zb(t) T/2 T/2 A A   td td + T t0  t   0 –A (a ) (b) Figura 3.22 t 204 Otra operación en el eje del tiempo es un cambio de escala, el cual produce una imagen de x(t) escalada horizontalmente al reemplazar t por t. La señal escalada x(t) será expandida si   1 o comprimida si   1 ; un valor negativo de  produce inversión en el tiempo y también expansión o compresión.
El cambio de escala en el dominio del tiempo se convierte en un cambio de escala recíproco en el dominio de la frecuencia. Es decir, si x(t)  X() entonces x ( t )    X    1 (3.96) donde  es una constante real. Se demostrará la Ec. (3.96) para el caso  < 0 escribiendo     y haciendo ahora el cambio de variable     t , y dt   d   , se tiene que F  x (   t)   x (  t )e  jt dt   1      x ( ) e  j   d    x   e  j   /   d    X    1  3.6.2 1 Diferenciación en el Dominio del Tiempo Diferenciando la Ec. (3.68) (que da la definición de la transformada inversa) con respecto al tiempo, se obtiene dx ( t ) dt  1   jX ( ) e 2  jt d  Pero la expresión entre corchetes en el lado derecho, por definición, es la transformada de la derivada dx ( t ) dt y así obtenemos el par de transformadas dx ( t ) dt  jX ( ) (3.97) 205 Es bastante sencillo demostrar para el caso general que d n x (t ) dt n 3.6.3  (j)n X ( ) (3.98) Integración en el Dominio del Tiempo Suponga que a partir de x(t) se genera otra función por integración, es decir, t  x ( ) d .
y (t )   El teorema de integración dice que si  X (0)   x ( ) d  0  entonces t  x ( ) d   1 X ( )  j 1 j 2 f X(f) (3.99) La condición de que el área neta sea cero asegura que la señal integrada tiende a cero conforme t tiende a infinito. Puesto que la integración es el proceso inverso de la diferenciación, la Ec. (3.99) muestra que la operación en el dominio de la frecuencia correspondiente a la integración en el dominio del tiempo es la multiplicación por 1 j .
3.6.4 Dualidad Comparando las relaciones para la transformada y la transformada inversa  x (t )  1 2  X ( ) e  jt  d   X ( f ) e j 2 ft df  (3.100) 0  X ( )   x (t ) e  j t dt  X ( f ) (3.101)  se observa que hay una simetría bien definida, difiriendo solamente por la variable de integración y el signo en el exponente. De hecho, esta simetría conduce a una propiedad de la transformada de Fourier conocida como dualidad. Específicamente, considere cambiar en la Ec. (3.101)  por ; se obtiene X      x (t ) e jt dt (3.102)  Comparando esta ecuación con la Ec. (3.100), vemos que si ahora intercambiamos  y t, obtenemos 206  X ( t )   x   e jt d (3.103)  y se tiene que x ( )  21 F  X (  t )  (3.104) Es decir, si se nos da el par de transformadas de Fourier para la función temporal x(t): x ( t )  X( ) (3.105) y después consideramos la función del tiempo X(t), su par de transformadas de Fourier es X (t )  2  x ( )  x (  f ) (3.106) Las implicaciones de estas dos últimas ecuaciones son importantes. Por ejemplo, suponga que 1,  x (t )    0, t M t M (3.107) Entonces, de la Ec. (3.102), X ( )  2sen M   M   2 M sinc      (3.108) Ese resultado, junto con la Ec. (3.97) o, equivalentemente, la Ec. (3.105), produce el par de transformadas en la Ec. (3.96) para M = /2, mientras que si usamos la Ec. (3.105) o la Ec. (3.107) obtenemos el par en la Ec. (3.82) con M = W. Por lo tanto, la propiedad de dualidad permite obtener ambas de estas transformadas duales a partir de una evaluación de la Ec. (3.102). Esto a veces permite una reducción en la complejidad de los cálculos involucrados en la determinación de las transformadas y las transformadas inversas. Como ilustración de esta propiedad, consideraremos el siguiente ejemplo.
EJEMPLO 13. Supóngase que se desea evaluar la transformada de Fourier de la señal x (t )  2 t2 1 Si hacemos x ( )  2  1 2 entonces, de la Ec. (3.105), tenemos el par de transformadas de Fourier g ( t )  x ( )  Por el Ejemplo 6 sabemos que 2  1 2 207 g (t )  e  t Adicionalmente, usando el par de transformadas dado por la Ec. (3.106), concluimos que puesto que f(t) = x(t), entonces X ( )  F x ( t )   2  g ( )  2  e   La propiedad de dualidad también puede usarse para determinar o sugerir otras propiedades de la transformada de Fourier. Específicamente, si existen características de una función del tiempo que tienen implicaciones sobre la transformada de Fourier, entonces las mismas características asociadas con una función de la frecuencia tendrán implicaciones duales en el dominio del tiempo. Por ejemplo, sabemos que una función del tiempo periódica tiene una transformada de Fourier que es un tren de impulsos ponderados e igualmente espaciados. Debido a la dualidad, una función del tiempo que es un tren de impulsos ponderados e igualmente espaciados tendrá una transformada de Fourier que es periódica en frecuencia. Esto es una consecuencia de las Ecs. (3.103) y (3.104). En forma similar, algunas de las propiedades de la transformada de Fourier ya consideradas también implican propiedades duales. Por ejemplo, vimos que la diferenciación en el dominio del tiempo corresponde a multiplicar por j en el dominio de la frecuencia. De la discusión anterior podríamos entonces intuir que la multiplicación por jt en el dominio del tiempo corresponde a alguna forma de diferenciación en el dominio de la frecuencia. Para determinar la forma precisa de esta propiedad dual, procedemos en la forma siguiente: Diferenciamos la ecuación de síntesis con respecto a  para obtener dX ( ) d     jtx ( t ) e  j t dt  Es decir,  jtx ( t )  dX ( ) d (3.109) que es la propiedad dual de la Ec. (3.97).
En forma similar, otras propiedades duales son: e j0 t x ( t )  X (  0 ) (3.110) y  1 jt  x ( t )  x (0)  ( t )   X ( ) d  (3.111)  que se obtiene a partir de la Ec. (3.115) más adelante.
3.6.5 La Relación de Parseval Si x(t) y X() forman una par de transformadas de Fourier, entonces, la energía de una señal x ( t ) está relacionada con su espectro por la relación 208    E x ( t ) dt  2  1 2   X ( ) d   2   X(f ) 2 df (3.112)  Esta expresión, conocida como la relación de Parseval, se deduce de una aplicación directa de la transformada de Fourier. Específicamente,       x ( t ) dt  x ( t ) x *( t ) dt  x ( t )  21 X *( ) e  jt d  dt         2   Invirtiendo el orden de integración se obtiene    X *( )  x ( t ) e  jt dt  d        x ( t ) dt  2 1 2    Pero la cantidad entre corchetes es sencillamente la transformada de Fourier de x(t); en consecuencia,    x ( t ) dt  2  1 2   X ( ) d   2   2 X ( f ) df  La relación de Parseval expresa que la energía total puede determinarse bien sea calculando la energía por unidad de tiempo, | x(t)| 2 , e integrando para todo el tiempo o calculando la energía por unidad de frecuencia, X   , e integrando para todas las frecuencias. Por esta razón, a |X()| 2 también se le refiere como el espectro de la densidad de energía de la señal x(t). Con esto se quiere decir que la energía en cualquier banda diferencial de frecuencias df es igual a X ( f ) df .
Ejemplo 14. Considere el par de transformadas  1, x (t )    0, t  T1 t  T1  X ( )  2sen T1   T   2T1 sinc  1     La energía total de la señal es  1 2 T1   4 T 2 sinc2  T1  d    12 dt  2 T  1 1        T  1 Como se observa, es mucho más fácil integrar el lado derecho que el lado izquierdo.
3.7 La Propiedad de Convolución Esta propiedad juega un papel importante en el estudio de los sistemas LIT. La propiedad expresa que si 209 x ( t )  X ( ) h ( t )  H ( ) entonces  y (t )   x ( ) h (t  ) d   x (t )  h (t )  Y ( )  X ( ) H ( ) (3.113)  La demostración se obtiene directamente a partir de la definición de la integral de convolución, vale decir, queremos determinar Y() usando la ecuación    j t  x (  ) h ( t   ) d   e dt         Y ( )  F  y ( t )   Intercambiando el orden de integración y observando que x() no depende de t, tenemos   Y ( )  x (  )  h ( t   ) e  jt d  dt        Por el teorema del retardo, el término entre corchetes es simplemente H()e j, y entonces  Y ( )   x ( ) e  j H ( ) d     H ( )  x ( ) e  j d   H ( ) X ( ) x(t) X() h(t) LIT H() y(t) = x(t)h(t) Y() = X()H() Figura 3.23. Propiedad de convolución de sistemas LIT.
Así que una convolución en el dominio del tiempo es equivalente a una multiplicación en el dominio de la frecuencia, la cual, en muchos casos, es conveniente y se puede hacer por inspección. El uso de la propiedad de convolución para sistemas LIT se muestra en la Fig. 3.23. El espectro de amplitud y el de fase de la salida y(t) están relacionados con los espectros de la entrada x(t) y la respuesta al impulso h(t) en la forma Y ( )  X ( ) H ( )  Y ( )   X ( )   H ( ) 210 La función H() o H(f), la transformada de Fourier de la respuesta al impulso del sistema, generalmente se conoce como la respuesta de frecuencia del sistema. Muchas de las propiedades de sistemas LIT pueden interpretarse convenientemente en términos de H(). Por ejemplo, la respuesta al impulso de la conexión en cascada de dos sistemas LIT es la convolución de las respuestas al impulso de los sistemas individuales y la respuesta completa no depende del orden en el cual los sistemas están en la cascada (¡demuéstrelo!). Usando la Ec. (3.113) podemos definir esto en términos de las respuestas de frecuencia. Como se ilustra en la Fig. 3.24, la respuesta de frecuencia total de los dos sistemas en cascada es simplemente el producto de las respuestas de frecuencia individuales, y de esto está claro que la respuesta total no depende del orden de la cascada.
x(t) H1() y(t) H2() (a) x(t) y(t) H1()H2() (b) x(t) H2() y(t) H1() (c) Figura 3.24. Tres sistemas LIT equivalentes.
Ejemplo 15. La convolución periódica f ( t )  x1 ( t )  x2 ( t ) se definió en el Ejemplo 11 del Cap. 2. Si dn y en son los coeficientes de Fourier complejos de x1(t) y x2(t), respectivamente, demuestre que los coeficientes de Fourier complejos ck de f (t) están dados por ck  T0 dk ek donde T0 es el período fundamental común a x1(t), x2(t) y f (t).
Sabemos que T0 f ( t )  x1 ( t )  x2 ( t )   x ( ) x 1 2 ( ) d  0 Sean  x1 ( t )   d k e jk0 t k  las series de Fourier para x1 y x2. Entonces  y x2 ( t )  e e k k  jk 0 t 211 T0 f (t )          x ( )  ek e jk 0 ( t  )  d   k    0  T0   e e  x () e jk 0 t  jk 0  k k  d 0 Como dk  1 T0 T0  x ( ) e  jk 0  d 0 se obtiene que  f (t )  T d e e 0 jk 0 t k k k  la cual muestra que los coeficientes de Fourier complejos ck de f (t) son iguales a T0dkek.
3.7.1 Las Funciones Escalón y Signo La falta de simetría en la función escalón crea un problema cuando tratamos de determinar su transformada en el límite. Para resolver este problema, comenzamos con la función signo, Fig. 3.25, definida como 1 sgn t   1 t 0 t 0 la cual presenta simetría impar.
sgn t 1 0 t –1 Figura 3.25. La función signo.
La función signo puede considerarse como un caso límite de la función 212  e bt  z ( t )    bt   e t 0 t0 de manera que z ( t )  sgn t si b  0 . La transformada de z(t ) es Z( f )  j 4 f b  (2 f )2 2 y, por tanto, F  sgn t   lím Z ( f )  b0 1 jf de donde se obtiene el par de transformadas 1  sgn t j f Las funciones escalón y signo están relacionadas por la ecuación u (t )  1 2  sgn t  1  1 2 sgn t  1 2 y, por consiguiente, u (t ) 1 1  ( f ) j 2 f 2  (3.114) Ahora queremos derivar la propiedad de integración cuando la señal integrada tiene un área neta diferente de cero. Esta propiedad se obtiene mediante la convolución de u(t) con una señal de energía arbitraria x(t),  x (t ) u (t )   x ( ) u (t   ) d  t   x ( ) d  Pero, del teorema de la convolución y la Ec. (3.114), se tiene que 1  1    ( f )  j 2 f 2  F  x (t )  u (t )   X ( f )  por lo que t   x ( ) d  1 j 2 f  1 2 X (0)  ( f ) la cual se reduce a nuestro teorema de integración previo cuando X(0) = 0.
(3.115) 213 Ejemplo 16. Considere un sistema LIT con respuesta al impulso h ( t )  e at u ( t ) y cuya excitación es la función escalón unitario u(t). La transformada de Fourier de la salida es 1  1   Y (  )  F  u ( t ) F  e  a t u ( t )     (  )    j   a  j    1   ( )  a j  a  j   1 1  1 1  ( )    a j  a a  j Tomando la transformada de Fourier inversa de ambos lados resulta en 1 u ( t )  e  at u ( t ) a a 1   1  e at  u ( t ) a y (t )  1 3.8 Modulación La propiedad de convolución expresa que la convolución en el dominio del tiempo se corresponde con una multiplicación en el dominio de la frecuencia. A causa de la propiedad de dualidad entre los dominios del tiempo y de la frecuencia, es de esperar que también se cumpla una propiedad dual.
Específicamente, si x(t)  X() m(t)  M() entonces x (t ) m(t )  1 2  X ( )  M ( )  X ( f )  M ( f ) (3.116) La convolución de señales de frecuencia se obtiene exactamente igual a la convolución en el dominio del tiempo; es decir,  X ( )  H ( )     X ( ) H (   ) d   H ( ) X (   ) d  La multiplicación de la señal deseada x(t) por m(t) es equivalente a alterar o modular la amplitud de x(t) de acuerdo con las variaciones en m(t), y por ello también se denomina modulación de amplitud. La importancia de esta propiedad se ilustrará con algunos ejemplos.
214 Ejemplo 17. Sea x(t) una señal cuyo espectro X() se muestra en la Fig. 3.26a. También considere la señal m(t) definida por m ( t )  cos 0 t Entonces M ( )   (  0 )   (  0 ) como se muestra en la Fig. 3.28b, y el espectro (1/2) M()*X() de m(t)x(t) se obtiene aplicando la Ec. (3.112): 1 2 M ( )  X ( )  12 X (  0 )  12 X (  0 )  R ( ) el cual se grafica en la Fig. 3.26c. Aquí hemos tomado 0 > 1 para que las partes diferentes de cero de R() no se solapen. Vemos entonces que el espectro de la onda resultante de la multiplicación en el tiempo consiste de la suma de dos versiones desplazadas y escaladas de X().
S() A 1 0 1  (a) P()  R()  21 [S ()  P()]  A/2 0 0 0  0–1 0 0+1 0 0–1 0 0+1  (c) (b) Figura 3.26. La propiedad de modulación.
De la Ec. (3.116) y de la Fig. 3.26 está claro que toda la información contenida en la señal x(t) se preserva cuando la multiplicamos por una señal sinusoidal, aunque la información ha sido corrida hacia frecuencias mayores. Este hecho forma la base para los sistemas de modulación de amplitud sinusoidal y en el próximo ejemplo le damos una mirada a cómo podemos recuperar la señal original x(t) a partir de la señal modulada.
Ejemplo 18. Consideremos ahora la señal r(t) = m(t)x(t) en el Ejemplo 16 y sea g(t) = r(t)m(t) 215 donde, de nuevo, m ( t )  cos 0 t . Entonces, R(), M() y G() son como se muestra en la Fig. 3.27.
R() A/2 0 0 0  (a)  M() G()  A/2 A/4 0 0 0 0  0 0  (c) (b) Figura 3.27. Espectros de las señales en el Ejemplo 18.
De la Fig. 3.27c y de la linealidad de la transformada de Fourier, vemos que g(t) es la suma de 12 x ( t ) y una señal con un espectro que es diferente de cero solamente para las frecuencias más altas (centradas alrededor de 20). Suponga que aplicamos la señal g(t) como la entrada a un sistema LIT con respuesta de frecuencia H() que es constante para frecuencias bajas (digamos para   1 y cero para las frecuencias altas (para   0 ). Entonces la salida de este sistema tendrá como su espectro H()G(), la cual, debido a la selección particular de H(), será una réplica a escala de X(). Por lo tanto, la salida misma será una versión a escala de x(t).
3.9 Generación de Otros Pares de Transformadas El impulso y el escalón unitarios están relacionados por la identidad  ( t  td )  d dt u ( t  td ) (3.117) la cual proporciona otra interpretación del impulso en términos de la derivada de una discontinuidad en la forma de un escalón. Esta ecuación, junto con la ecuación de definición del impulso, facilita ciertos cálculos de transformadas y ayuda a predecir el comportamiento de alta frecuencia de una señal. El método es el siguiente: Se diferencia repetidamente la señal bajo análisis hasta que aparezcan por primera vez una o más discontinuidades escalonadas. La siguiente derivada, digamos la n-ésima, incluye entonces un impulso Ak  ( t  tk ) por cada discontinuidad de amplitud Ak, por lo que 216 dn dt n x (t )  y (t )   A (t  t k k ) (3.118) k donde y (t ) es una función que no contiene impulsos. Transformando la Ec. (3.118) da ( j 2 f )n X ( f )  Y ( f )  A e  j 2  f tk k (3.119) k la cual puede resolverse para obtener X ( f ) si se conoce Y ( f ) .
Ejemplo 19. La Fig. 3.28 muestra una forma de onda llamada el pulso coseno levantado porque está definida como x (t )  A t 1  cos 2    t      2  Usaremos el método de diferenciación para determinar el espectro X ( f ) y el comportamiento en alta frecuencia.
Al derivar se encuentra que dx ( t ) dt d 2 x (t ) dt 2 A  t   t  A  t    sen      1  cos   ( t   )   ( t   )  2     2  2   A  t   t     sen     2     2   A  t  t  A  t     cos     sen   ( t   )   ( t   )  2   2  2   2 A  t  t      cos    2   2  2 Observe que d 2 x(t)/dt2 es discontinua en y =   y, por ello, a partir de esta última relación se tiene que d 3 x (t ) dt 3    dx ( t ) A          2    dt 2 2   ( t   )   ( t   ) y tomando la transformada se obtiene  j 2 f  3  X ( f )     3   A  j 2 f  X ( f )     e j 2 ft  e j 2 ft   2 2 para obtener finalmente que X(f ) jA sen 2 f  j 2 f  (   )2 ( j 2 f )3  A sinc 2 f  1  (2 f  ) 2 217 A x(t ) A 2 (a)   2 0 dx dt   t  t 0 2   A    2 d2x dt 2 (b) 2  A  2  d 3x dt3 t  0 3   A    2  0 t  2 (c)  A    2 A X( f ) A 2 f 1  (2 f) 2 A 2 0 1 2 1 3 2 2 f Figura 3.28. Pulso coseno levantado. (a) Forma de onda; (b) derivadas; (c) espectro de amplitudes.
cuyo espectro de amplitudes se muestra en la Fig. 3.28 para f  0 . Observe que X ( f ) tiene un comportamiento de tercer orden (n = 3), en tanto que un pulso rectangular con X ( f )  sinc f   (sen f  ) ( f  ) tendría solamente un comportamiento de primer orden.
3.10 Densidad Espectral de Potencia Existe una clase importante de señales, a saber, las señales de potencia no-periódicas, para las cuales todavía no hemos desarrollado un modelo en el dominio de la frecuencia. La serie de Fourier no existe para señales de potencia no periódicas que no están limitadas en el tiempo. Para esas señales, la 218 transformada de Fourier puede existir o no, y no es aplicable el concepto de densidad espectral de energía. Sin embargo, puesto que se supone que la potencia promedio es finita, podemos usar funciones de la densidad espectral de potencia para describir señales de potencia no-periódicas en el dominio de la frecuencia.
Suponga que se nos da una señal de potencia x(t). Formemos con ella una versión truncada xT ( t ) de x(t), como se muestra en la Fig. 3.29. La potencia promedio normalizada de xT ( t ) está dada por S  T x T 2 1 T  2 (3.120) x ( t ) dt T 2 x(t) 0 –T/2 T/2 t (a) xT(t) 0 –T/2 T/2 t (b) Figura 3.29. (a) Una señal de potencia. (b) Versión truncada de la señal.
Ahora se introduce la función de autocorrelación RxxT (  ) de xT(t) definida como R ( )  T xx 1 T T 2  xT ( t ) xT ( t   ) d  (3.121) T 2 T La transformada de Fourier de Rxx (  ) es   R (  ) exp(  j 2 f  ) d   exp(  j 2 f  )  xT ( t ) xT ( t   ) dt  d  T        1 T xx  1 T        xT ( t ) xT ( t   ) exp(  j 2 f ( t   )) exp( j 2 ft ) dt  d           xT ( t ) exp( j 2 ft )  xT ( t   ) exp(  j 2 f ( t   )) d   dt   T     1 (3.122)  XT (  f ) XT ( f ) T 1    219 donde X T ( f ) es la transformada de Fourier de xT(t).
Puesto que x(t) es real, tenemos que X T (  f )  X T ( f ) y, por tanto,   RxxT (  ) exp(  j 2 f  ) d    1 XT ( f ) T 2 Haciendo Rxx (  )  lím RxxT (  ) y tomando el límite T   en ambos lados de la ecuación anterior, se T  obtiene que   Rxx (  ) exp(  j 2 f  ) d   lím T   1 T XT ( f ) 2 (3.123) El lector debe observar que el límite en el lado derecho de la Ec. (3.123) puede no existir siempre. El lado izquierdo de la Ec. (3.123) es la transformada de Fourier de la función de autocorrelación de la 2 señal de potencia x(t). En el lado derecho tenemos a X T ( f ) , que es la densidad espectral de energía 2 de xT(t) y, por lo tanto, X T ( f ) T da la distribución de potencia en el dominio de la frecuencia. Por esta razón podemos usar la relación en la Ec. (3.123) para definir la densidad espectral de potencia (dep) Gx(f) de x(t) como Gx ( f )  F{ Rxx (  )}  lím XT ( f ) T  (3.124) 2 T (3.125) La relación dada en la Ec. (3.123) se conoce como el teorema de Wiener – Khintchine y tiene gran importancia en la teoría de señales aleatorias.
Usaremos la dep definida en la Ec. (3.123) como la descripción en el dominio de la frecuencia de señales de potencia no-periódicas. Ya se definió previamente la dep para señales de potencia periódicas como Gx ( f )    n  Cx ( nf 0 )  ( f  nf 0 ) 2 El lector puede verificar que la definición dada en la Ec. (3.123) en efecto se reduce a la ecuación anterior para señales periódicas. En ambos casos, para una señal de potencia tenemos que S x  lím T  1 T T 2  x 2 ( t ) dt T 2  Rxx (0)    G ( f ) df x  (3.126) 220 Si x(t) es una señal de corriente o de voltaje que alimenta una resistencia de carga de un ohmio, entonces S x tiene las unidades de vatios y por ello a Gx ( f ) se le da las unidades de vatios por hertz.
Si la resistencia de carga tiene un valor diferente de un ohmio, entonces Gx ( f ) usualmente se especifica en términos de volts2 por hertz.
Se debe señalar aquí que la función de la densidad espectral de potencia (y la función de autocorrelación) no describe en forma única una señal. La dep retiene solamente la información de la magnitud y se pierde la información de la fase. Así que para una señal de potencia dada, hay una densidad espectral de potencia, pero hay muchas señales que tienen la misma densidad espectral de potencia. En contraste, las series de Fourier y las transformadas de Fourier de señales, cuando existen, describen en forma única una señal en todos los puntos de continuidad.
Ejemplo 20. La función de autocorrelación de una señal de potencia no-periódica es Rxx (  )  exp ( 2 2 2 ) Determine la dep y el contenido de potencia promedio normalizada de la señal.
Solución: Por el teorema de Wiener – Khintchine, la dep de la señal está dada por  Gx ( f )   exp(   2 2 2 ) exp(  j 2 f  ) d    2 2 exp  (2 f  )2 2 La potencia promedio normalizada está dada por S X  lím T  1 T T 2  x 2 ( t ) dt  Rxx (0) = 1 T 2 Ejemplo 21. Determine la función de autocorrelación y la densidad espectral de potencia de una forma de onda rectangular con un período T0, una amplitud pico igual a A y un valor promedio de A/2.
Solución Puesto que x(t) es periódica, necesitamos obtener el “promedio en el tiempo” para la correlación por un período solamente, es decir, Rxx (  )  1 T0 T0 2  x ( t ) x ( t   ) dt  T0 2 En la Fig. 3.30 se muestran dibujos de x(t) y x(t + ). Para 0    T0 2 , el valor de Rxx (  ) es igual al área sombreada en la Fig. 3.30c: Rxx (  )  A2  T0   2 1     A   T0  2   2 T0  ,  0 T0 2 221 x() A ,,, (a) ,,, –T0 –T0/2 0 T0/2  T0 x(t +) A ,,, (b) T0/2 –T0 –T0/2 0 ,,, (c)  T0 x(t)x(t +) A2 ,,, –T0 –T0/2 0 T0/2  T0 x(t)x(t +) Rxx() 2 A /2 (d) T0/2 ,,, ,,, ,,, –T0 –T0/2 0 T0/2 T0  Figura 3.30 (a) Señal x(t). (b) x(t + ), la cual es integrada desde  T0 2 hasta T0 2 para obtener R xx () . (d) R xx () .
Se puede verificar fácilmente que Rxx (  ) es una función par y que será periódica con un período igual a T0. En la Fig. 3.30d se muestra un dibujo de Rxx (  ) . La dep de x(t) está dada por  Gx ( f )  R xx (  ) exp(  j 2 f  ) d               A2   4 1   2 2 4  n    n  n impar     exp( j 2 nf 0  )  exp (  j 2 f  ) d    donde el término entre corchetes dentro de la integral es la serie de Fourier para Rxx (  ) . Completando la integración obtenemos    A2  4 Gx ( f )  ( f )   ( f  nf 0 )  2 2   4 n   n   n impar  222 Problemas 3.1. La serie exponencial de Fourier de una cierta señal periódica x(t) está dada por x(t )  j exp ( j 4t )  (3  j3) exp ( j3t )  (2  j 2) exp ( j 2t )  (2  j 2) exp( j 2t )  (3  j3) exp ( j3t )  j exp ( j 4t (a) Grafique el espectro de magnitud y el de fase de los dos espectros bilaterales de frecuencia.
(b) Escriba x(t) en la forma trigonométrica de la serie de Fourier.
3.2. La señal mostrada en la Fig. P3.2 es creada cuando una onda de voltaje o de corriente en forma de coseno es rectificada por un solo diodo, un proceso conocido como rectificación de media onda.
Deduzca la serie de Fourier exponencial para la señal rectificada de media onda.
x(t )  cos t 1 ,,, ,,, 2  3 2   2 0  2 3 2 2 5 2 t Figura P3.2 3.3. Determine la expansión en serie de Fourier trigonométrica para la señal en el Problema 3.2.
3.4. Dada la onda periódica x ( t )  e t , 0 < t < T0, determine los coeficientes de la serie exponencial de Fourier y dibuje los espectros de amplitud y de fase.
3.5. La señal en la Fig. P3.5 se crea cuando una onda de voltaje o de corriente en seno es rectificada por un circuito con dos diodos, un proceso conocido como rectificación de onda completa.
Determine la expansión en serie de Fourier exponencial para la señal rectificada de onda completa.
x(t )  sen t ,,,   ,,, 0   t Figura P3.5 3.6. Halle la representación en serie de Fourier trigonométrica para la señal en el Problema 3.5.
223 3.7. Halle las representaciones en series de Fourier exponenciales de las señales mostradas en la Fig.
P3.7. En cada caso, grafique los espectros de magnitud y de fase.
3.8. Determine las representaciones en serie de Fourier trigonométrica de las señales mostradas en la Figura P3.7.
x(t) x(t) 1 ...
...
–1 0 1 2 ...
...
–1 t 0 –1 –2 (a) (b) x(t) 2 t x(t) 1 1 ...
...
...
–2 –1 1 0 1 2 ...
–2 2 –1 0 t 1 t –1 (c) (d) Figura P3.7 3.8. (a) Demuestre que si una señal periódica es absolutamente integrable, entonces cn < .
(b) ¿Tiene representación en serie de Fourier la señal periódica x ( t )  sen 2 t ? Explique su respuesta.
(c) ¿Tiene representación en serie de Fourier la señal periódica x ( t )  tan 2 t ? ¿Por qué? 3.9. (a) Demuestre que x ( t )  t 2 ,    t  , x ( t  2  )  x ( t ) tiene la serie de Fourier x (t )  2 1 1    4  cos t  cos 2 t  cos 3t    3 4 9   (b) Haga t = 0 para obtener la expresión   n 1 ( 1)n 1 n2  2 12 3.10. Los coeficientes de Fourier de una señal periódica con período T vienen dados por 224 n0 0,  cn   n   1  exp   j 3   2 exp   jn  , n  0    ¿Representa esto una señal real? ¿Por qué o por qué no? A partir de la forma de cn, deduzca la señal de tiempo x(t). Ayuda: Use la relación  exp(  jn t )  ( t  t ) dt  exp(  jn t ) 1 1 3.11. (a) Grafique la señal x(t )  1 4 M  n  n sen 4 cos 2 nt 2 n 1 Para M = 1, 3 y 5.
(d) Prediga la forma de x(t) conforme M  .
3.12 Halle las series de Fourier exponencial y trigonométrica para los trenes de impulsos mostrados en la Fig. P3.12.
x(t) x(t) 1 1 ...
...
...
...
–2 –2 –1 0 1 2 3 t 2 –1 0 1 3 t Figura P3.12 3.13 (a) Calcule la energía de la señal x(t) dada en la Figura P3.12.
(b) Si la energía de los primeros cuatro armónicos es igual a 0.0268 julios, calcule la energía contenida en el resto de los armónicos.
3.14 Especifique los tipos de simetría para las señales mostradas en la Figura P3.14. Especifique también los términos que son iguales a cero.
3.15 Demuestre que el valor cuadrático medio de una señal periódica real x(t) es igual a la suma de los valores cuadráticos medios de sus armónicos.
3.16 Conociendo la expansión en serie de Fourier de x1(t) mostrada en la Figura P3.16a. determine los coeficientes de x2(t) mostrada en la Figura P3.16b.
3.17 Considere la onda triangular mostrada en la Fig. P3.17. Usando la técnica de diferenciación, determine (a) la serie de Fourier exponencial de x(t), y (b) la serie de Fourier trigonométrica de x(t).
225 x(t) x(t) 2 1 ...
–2 –1 ...
0 1 2 ...
...
–4 –2 t 0 2 4 t –2 (b) (a) x(t) x(t) 2 ...
...
...
...
1 2 –3 –T 0 T 2T –2 –1 0 t (c) 3 t (d) Figura P3.14 x2(t) 2 x1(t) 1 1 ...
...
–T 0  T T+ ...
...
–3 –1 0 t 2 3 5 t Figura P3.16 x(t) A –T0 0 T0 2T0 t Figura P3.17 3.18 La convolución periódica o circular es un caso especial de la convolución general. Para señales periódicas con el mismo período T, la convolución periódica se define mediante la integral z (t )  1 T  x ( ) y (t  ) d T 226 (a) Demuestre que z(t) es periódica.
(b) Demuestre que la convolución periódica es asociativa y conmutativa.
3.19 Determine la convolución periódica de las dos señales mostradas en la Fig. P3.19.
1 x(t) y(t) 1 ...
...
–2 –1 –½ 0 ½ 1 2 ...
...
–2 t –1 0 1 2 t Figura P3.19 3.20 Considere la señal periódica x(t) cuya serie exponencial de Fourier es  x(t )  c n exp( jn0 t ), c0  0 n  (a) Integre término por término para obtener la expansión de Fourier de y(t) = x(t)dt y demuestre que y(t) también es periódica.
(b) ¿Cómo se comparan las amplitudes de los armónicos de y(t) con las amplitudes de los armónicos de x(t)? (c) ¿La integración les quita o les pone énfasis a las componentes de alta frecuencia? (d) Usando la parte (c), ¿es la onda integrada más suave que la original? Explique.
3.21 La representación en serie de Fourier de la señal triangular en la Figura P3.21(a) es x (t )  8  1 1 1  sen t  sen 3 t  sen 5 t  sen 7 t    2 9 25 49    Use este resultado para obtener la serie de Fourier para la señal en la Fig. P3.21b.
x(t) x(t) 2 1 ...
...
...
...
  0   t –1 Figura P3.21   0   t 227 3.22 Un voltaje x(t) se aplica al circuito mostrado en la Figura P.3.22. Si los coeficientes de Fourier de x(t) están dados por   exp  jn  n 1  3 1 cn  (a) (b) (c) (d) (e) 2 Demuestre que x(t) debe ser una señal real del tiempo.
¿Cuál es el valor promedio de la señal? Determine los tres primeros armónicos de y(t) diferentes de cero.
¿Qué le hace el circuito a los términos de alta frecuencia de la entrada? Repita las partes (c) y (d) para el caso donde y(t) es el voltaje en el resistor.
1 x (t ) 1F + y (t )  Figura P3.22 3.23 Si el voltaje de entrada al circuito mostrado en la Fig. P3.22 es x ( t )  1  2(cos t  cos 2t  cos3t ) determine el voltaje de salida y(t).
3.24 La entrada  c x (t )  n exp( jn0 t ) n  se aplica a cuatro sistemas diferentes cuyas respuestas son  y1 ( t )   (   3) c n n   y2 ( t )   c n n   y3 ( t )   n  2 exp  jn0  t  t0  cn exp  j  n0 t    n 2 0 t0    y4 ( t )   n c n n  exp  j  n0 t    3n0 t0  exp  j  n0 t   228 ¿Cuál de ellos, si hay alguno, es un sistema sin distorsión? 3.25 Para el circuito mostrado en la Fig. P3.25, (a) Determine la función de transferencia H(j).
(b) Grafique  H(j) y  H(j).
(c) Considere la entrada x ( t )  10exp( jt ). ¿Cuál es la frecuencia más alta que se puede usar de forma que y (t )  x (t ) x (t )  0.01 ? (d) ¿Cuál es la mayor frecuencia que se puede usar tal que H(j) se desvíe de la característica lineal ideal por menos de 0.02? 1 k x (t ) 1 nF + y (t )  Figura P3.25 3.26 Se pueden usar dispositivos no lineales para generar armónicos de la frecuencia de entrada.
Considere el sistema no lineal descrito por y ( t )  A x ( t )  B x2 ( t ) Determine la respuesta del sistema a x ( t )  a1 cos 0 t  a2 cos 2 0 t . Haga una lista de todos los nuevos armónicos generados por el sistema y también sus amplitudes.
3.27 Se usa una fuente de frecuencia variable para medir la función del sistema H(j) de un sistema LIT cuya respuesta al impulso es h(t). La salida de la fuente y ( t )  exp( j t ) se conecta a la entrada del sistema LIT. La salida H ( ) exp( j t ) se mide para frecuencias diferentes. Los resultados se muestran en la Fig. P3.27.
H () H ()  2 12 –4103 0 4103  2  0   2 Figura P3.27 Determine la respuesta del sistema para la señal de entrada siguiente: 229 x(t) 1 ...
...
–700 –500 –300 –200 0 200 300 500 700  3.28 Para el sistema mostrado en la Fig. P3.28, la entrada x(t) es periódica con período T. Demuestre que yc(t) y ys(t) en cualquier tiempo t > T1 después de aplicar la entrada se aproximan a Re{cn } e Im{cn}, respectivamente. En efecto, si T1 es un múltiplo entero del período t de la señal de entrada x(t), entonces las salidas son exactamente iguales a los valores deseados. Discuta las salidas para los casos siguientes: (a) T1 = T (b) T1 = mT (c) T1 >> T pero T1  T x(t) h(t) yc(t) h(t) cos n0 t 0  sen n0 t 2 T ys(t) h(t) 1/T1 0 T1 t Figura P3.28 3.29 La ecuación diferencial siguiente es un modelo para un sistema lineal con entrada x(t) y salida y(t): d y (t ) dt  2 y (t )  x (t ) Si la entrada x(t) es una onda cuadrada de período 2 s, duración de l pulso igual a 1 s y amplitud unitaria, determine las amplitudes del primer y tercer armónicos en la salida.
3.30 Repita el Problema 3.29 para el sistema descrito por la ecuación diferencial y  ( t )  4 y  ( t )  3 y ( t )  2 x ( t )  x  ( t ) 3.31 Considere el circuito mostrado en la Fig. P3.31. La entrada es la señal rectificada de media onda del Problema 3.2. Halle la amplitud del segundo y cuarto armónico de la salida y(t).
230 500  + 100 F x (t ) 500  y (t )  Figura P3.31 3.32 Considere el circuito mostrado en la Fig. P3.32. La entrada es la señal rectificada de media onda del Problema 3.2. Determine la amplitud del segundo y del cuarto armónico de la salida y(t).
0 .1 H + x (t ) 100 F 1 k y (t )  Figura P3.32 3.33 Considere el circuito mostrado en la Fig. P3.31. La entrada es la señal rectificada de onda completa del Problema 3.5. Determine la componente cd y la amplitud del segundo armónico de la salida y(t).
3.34 Considere el circuito mostrado en la Fig. P3.32. La entrada el la señal rectificada de onda completa del Problema 3.5. Determine la componente cd y la amplitud del segundo y el cuarto armónico de la salida y(t).
3.35 Demuestre que las relaciones siguientes son identidades:   1 sen  n   0 t  N 2   (a)  exp( jn0 t )  sen  0 t 2  n  N T 2 (b) 1 T          1 sen  n   0 t  3   dt  1 sen  0 t 2  T 2 3.36 Para la señal x(t) mostrada en la Fig. P3.15a, mantenga T fijo y discuta el efecto de variarcon la restricción  < Tsobre los coeficientes de Fourier.
231 3.37 Considere la señal mostrada en la Fig. P3.15a. Determine el efecto sobre la amplitud del segundo armónico de x(t) cuando hay un error muy pequeño en la medición de . Para hacer esto, haga  = 0 – , donde  << 0, y determine la variación del segundo armónico con respecto a . Determine el cambio porcentual en c2 cuando T  10 y = 0.1.
3.38 En la Figura P3.38 se muestra una onda sinusoidal truncada.
(a) Determine los coeficientes de la serie de Fourier.
(b) Calcule la amplitud del tercer armónico para B = A/2.
(c) Obtenga t0 de manera que c3 Sea un máximo. Este método se usa para generar contenido armónico a partir de una forma de onda sinusoidal.
x(t) Asen t B   –B 0 t0 t0   t Figura P3.38 3.39 Para la señal x(t) mostrada en la Fig. P3.39 determine lo siguiente: (a) Los coeficientes de la serie de Fourier.
(b) Resuelva por el valor de t0 para el cual c3 es máximo.
(c) Compare el resultado con la parte (c) del Problema 3.38.
x(t) Asen t B –t0 –2 –2t0 – t0 0 t0  2 t Figura P3.39 3.40 La señal mostrada en la Fig. P3.40 es la salida es la señal rectificada de media onda suavizada.
Las constantes t1, t2 y A satisfacen las relaciones siguientes:  t1    tan 1 ( RC ) 232  t  A  sen  t1 exp  1   RC   t  A exp   2   sen  t2  RC  RC  0.1 s   2  60  377 rad/s (a) Verifique que  t1  1.5973 rad, A = 1.0429, y  t2  7.316 rad.
(b) Determine los coeficientes de la serie de Fourier exponencial.
(c) Determine la relación entre las amplitudes del primer armónico y la componente cd.
sen t A 1 A exp( 10t ) t0 0 t1 2 t2  t Figura P3.40 3.41 Determine la transformada de Fourier de una señal periódica x(t) con período T0.
3.42 La transformada de Fourier de una señal x(t) está dada por [Fig. P3.42] X ( )  12 pa (  0 )  12 pa (  0 ) Determine y dibuje x(t).
X() 1/2  –½ 0 –a Figura P3.42 3.43 Un sistema se excita mediante la señal  +a  233 t x ( t )  6 rect   4 y su respuesta es 10 1  e ( t  2 )  u ( t  2)  1  e ( t 2 )  u ( t  2 . ¿Cuál es su respuesta al impulso? 3.44 Usando el teorema de convolución, determine la transformada de Fourier inversa de X ( )  1 ( a  j )2 3.45 Dibuje una gráfica de la señal producida por la convolución de las dos funciones siguientes: (a) 2rect( t )  rect( t )  t 1   t 1  (b) rect    rect    2   2  (c) 2  ( t )  5sen t 3.46 Determine la transformada de Fourier de las señales siguientes: (a) x(t) = u(t) (b) x ( t )  eat u (  t ), a  0 3.47 Determine la transformada de Fourier del pulso gaussiano x ( t )  e at 2 a0 3.48 Halle la transformada de Fourier inversa de (a) X ( )  (b) X ( )  1 ( a  j ) N 1 2    j 3 2 3.49 Halle la transformada de Fourier de las señales siguientes, usando la propiedad de multiplicación: (a) x ( t )  cos 0 t u ( t ) (b) x ( t )  sen 0 t u ( t ) (c) x ( t )  e at cos 0 t u ( t ), a  0 (d) x ( t )  e at sen 0 t u ( t ), a  0 3.50 Sea x(t) una señal cuya transformada de Fourier está dada por 234 1  X ( )    0  1  1 Considere la señal y (t )  d 2 x (t ) dt 2 Determine el valor de   2 y ( t ) dt  3.51 Dibuje la transformada de Fourier inversa de la función en la Fig. P3.51.
X(f ) 2 –5 5 f X(f )  f  Figura P3.51 3.52 Sea x(t) una señal real cuya transformada de Fourier es X(). La señal analítica x+(t) asociada con x(t) es una señal compleja definida por x ( t )  x ( t )  j xˆ ( t ) donde xˆ (t ) es la transformada de Hilbert de x(t).
(a) Halle la transformada de Fourier X+() de x+(t).
(b) Halle la señal analítica x+(t) asociada con cos 0 t y su transformada de Fourier X+().
3.53 Considere una señal real x(t) y sea X ( )  F { x ( t )}  A ( )  j B ( ) y x ( t )  x p ( t )  xi ( t ) 235 donde xp(t) y xi(t) con las componentes par e impar de x(t), respectivamente. Demuestre que xp (t )  A ( ) xi ( t )  jB ( ) 3.54 Considere un sistema LIT de tiempo continuo con respuesta de frecuencia H(). Determine la transformada de Fourier S() de la respuesta al impulso unitario s(t) del sistema.
3.55 Un sistema se excita mediante la señal t x ( t )  4 rect   2 y su respuesta es y ( t )  10 1  e ( t 1)  u ( t  1)  1  e ( t 1)  u ( t  1)  ¿Cuál es la respuesta al impulso? CAPÍTULO CUATRO ANÁLISIS DE FOURIER TIEMPO DISCRETO 4. 1 Introducción Las técnicas del análisis de Fourier en tiempo continuo desarrolladas en el capítulo anterior tienen mucho valor en el análisis de las propiedades de señales y sistemas de tiempo continuo. En esta parte nos dedicamos al estudio del análisis de Fourier en tiempo discreto, dando primero un leve tratamiento de las señales discretas. Éstas, como su nombre lo indica, son señales que están definidas solamente en instantes discretos del tiempo El enfoque sigue muy de cerca el tratamiento que se hizo del caso en tiempo continuo y los resultados son muy semejantes a los obtenidos en el Capítulo 3.
4.2 Señales Periódicas Como ya se vio para los sistemas de tiempo continuo, estamos interesados en la respuesta de sistemas lineales a excitaciones periódicas. Ya se estudió que una secuencia (señal de tiempo discreto) x[n] es periódica con período N si existe un entero positivo N para el cual x[ n + N ] = x[ n] para toda n (4.1) En la Fig. 4.1 se muestra un ejemplo de una secuencia de este tipo.
De la Fig. 4.1 y la Ec. (4.1) se deduce que x [ n + mN ] = x [ n ] (4.2) x[n] ...
...
–N N 0 Figura 4.1 2N n 238 para toda n y cualquier entero m. El período fundamental N0 de x[n] es el menor entero positivo N para el cual se cumple la Ec. (4.1). Una secuencia que no es periódica se denomina una secuencia no periódica (o aperiódica).
Para una señal de tiempo discreto x[n], el contenido de energía normalizada E de x[n] se define como E= ∞ ∑ x[ n] 2 (4.3) n =−∞ La potencia promedio normalizada P de x[n] se define como P = lím N →∞ 1 N ∑ 2 N +1 x[n] 2 (4.4) n =− N Con base en estas definiciones, se definen las siguientes clases de señales: 1. Se dice que x[n] es una señal (secuencia) de energía si y sólo si 0 < E < ∞ (y, en consecuencia, P = 0).
2. Se dice que x[n] es una señal (secuencia) de potencia si y sólo si 0 < P < ∞, implicando con ello que E =∞.
3. A las señales que no satisfacen ninguna de estas propiedades no se les refiere ni como señales de energía ni de potencia.
Observe que una señal periódica es una señal de potencia si su contenido de energía por período es finito, y entonces la potencia promedio de esta señal sólo tiene que evaluarse durante un período.
4.3 Serie de Fourier Discreta 4.3.1 Secuencias Periódicas En la Sec. 1.3 se definió a una señal (secuencia) de tiempo discreto como periódica si existía un entero positivo N para el cual x[ n + N ] = x[ n] para toda n (4.5) El período fundamental N0 de x[n] es el menor entero positivo N para el cual se satisface la Ec. (4.5).
Ya vimos en el Cap. 2, que la secuencia exponencial compleja x [ n ] = e j ( 2 π N 0 ) n = e j Ω0 n (4.6) donde Ω 0 = 2 π N 0 , es una secuencia periódica con período fundamental N0. Como ya se analizó anteriormente, una diferencia muy importante entre la función exponencial compleja de tiempo discreto y la de tiempo continuo es que las señales e jω0 t son diferentes para valores diferentes de ω0, pero las secuencias e jΩ0 n que difieren en frecuencia por un múltiplo de 2π, son idénticas; es decir, e j ( Ω0 + 2 π ) n = e jΩ0 n e j 2 πkn = e jΩ0 n (4.7) 239 Sea Ψ k [ n ] = e jk Ω0 n , Ω0 = 2π N0 k = 0, ± 1, ± 2, K , (4.8) Entonces por la Ec. (4.7) tenemos Ψ 0 [ n ] = Ψ N0 [ n ], Ψ1 [ n ] = Ψ N0 +1 [ n ], K , Ψ k [ n ] = Ψ N0 + k [ n ], K (4.9) De modo que las secuencias Ψ k [ n ] son diferentes sólo en un intervalo de N0 valores sucesivos de k.
Es decir, cuando k es cambiado por cualquier múltiplo entero de N0, se genera la secuencia idéntica.
4.3.2 Representación en Serie de Fourier Discreta En analogía con la representación de señales periódicas en tiempo continuo, se busca una representación en serie de Fourier discreta de una secuencia periódica x[n] con período fundamental N0, en función de los armónicos correspondientes a la frecuencia fundamental 2 π N 0 . Es decir, buscamos una representación para x[n] de la forma x[ n] = N 0 −1 ∑a e jΩ0 nk k k =0 Ω0 = , 2π (4.10) N0 donde los valores ak son los coeficientes de Fourier y están dados por ak = 1 N 0 −1 N0 n =0 ∑ x[ n]e − jk Ω0 n (4.11) La validez de la relación dada por la Ec. (4.11) se demuestra en la forma siguiente: Usando la condición de ortogonalidad (la demostración de ésta se deja como ejercicio) ∑Ψ n= N m [ n ] Ψ ∗k [ n ] = = ∑e jm ( 2 π N ) n ∑e j ( m − k )( 2 π N ) n e − jk ( 2 π N ) n n= N n= N ⎧N =⎨ ⎩0 m=k m≠k (4.12) m, k < N donde las secuencias {Ψ k [ n ]} son ortogonales en cualquier intervalo de longitud N. Por ejemplo, el conjunto de exponenciales complejas Ψ k [ n ] = e jk ( 2 π N ) n k = 0, 1, 2, K , N − 1 (4.13) es ortogonal en cualquier intervalo de longitud N.
Reemplazando la variable k de la sumatoria por m en la Ec. (4.10), tenemos N −1 x [ n ] = ∑ am e jm ( 2 π N0 ) n m=0 (4.14) 240 Usando la Ec. (4.13) con N = N0, la Ec. (4.14) puede escribirse como x[ n] = N 0 −1 ∑a m=0 m Ψm [ n] (4.15) Multiplicando ambos lados de la Ec. (4.15) por Ψ ∗k [ n ] y sumando desde n = 0 hasta N0 − 1, se obtiene N 0 −1 ∑ n=0 ⎛ N0 −1 ⎞ ∗ a ∑ m ⎜ ∑ Ψm [n] ⎟ Ψk [n] n=0 ⎝ m=0 ⎠ N 0 −1 x [ n ] Ψ ∗k [ n ] = Intercambiando el orden de las sumatorias y usando la Ec. (4.12), obtenemos N 0 −1 ∑ n=0 ⎛ N0 −1 ⎞ x [ n ] Ψ [ n ] = ∑ am ⎜ ∑ Ψ m [ n ] Ψ ∗k [ n ] ⎟ = N 0 ak m=0 ⎝ n=0 ⎠ N 0 −1 ∗ k y de aquí se obtiene la Ec. (4.11).
Usando la Ec. (4.9), las Ecs. (4.10) y (4.11) pueden escribirse como x[ n] = ∑ ak e jk Ω0 n , 1 ∑ k = N0 ak = donde ∑ k = N0 N0 Ω0 = 2π N0 x [ n ] e− jk Ω0 n (4.16) (4.17) n = N0 denota la sumatoria en k conforme k varía en un intervalo de N0 enteros sucesivos. Así, conforme n toma los n = 0, 1, … , N0 − 1, las muestras x[n] de x(t) son aproximadas por la Ec. (4.16).
La Ec. (4.16) representa la ecuación de síntesis y la Ec. (4.17) la ecuación de análisis. Haciendo k = 0 en la Ec. (4.17), se obtiene a0 = 1 N0 ∑ x[ n] (4.18) n = N0 la cual indica que a0 es igual al valor promedio de x[n] en un período.
A los coeficientes de Fourier ak con frecuencia se les refiere como los coeficientes espectrales de x[n]. Es fácil demostrar que a k = a k + N 0 (¡hágalo!). Es decir, si consideramos más de N0 valores secuenciales de k, los valores ak se repetirán periódicamente con período N0. Este hecho debe interpretarse con cuidado. En particular, como solamente hay N0 exponenciales complejas distintas que son periódicas con período N0, la representación en serie de Fourier de tiempo discreto es una serie finita con N0 términos. Por consiguiente, si fijamos los N0 valores consecutivos de k para los cuales definimos la serie de Fourier en la Ec.(4.16), obtendremos un conjunto de exactamente N0 coeficientes a partir de la Ec. (4.17). Por otra parte, algunas veces será conveniente usar diferentes conjuntos de N0 valores de k y, en consecuencia, es útil considerar la Ec. (4.16) como una suma para cualquier conjunto arbitrario de N0 valores sucesivos de k.
241 Ejemplo 1. En este ejemplo consideramos la onda cuadrada periódica en tiempo discreto mostrada en la Fig. 4.2. Podemos evaluar la serie de Fourier de esta función usando la Ec. (4.17).
1 ...
...
–N0 0 N1 n N0 Figura 4.2 Debido a la simetría de esta secuencia con respecto a n = 0, es conveniente seleccionar un intervalo simétrico en el cual evaluar la sumatoria en la Ec. (4.17). Por ello, expresamos la Ec. (4.17) como ak = N1 1 N0 ∑ e− jk ( 2 π N0 ) n n =− N1 Haciendo m = n + N1, la ecuación anterior se convierte en ak = = 1 N0 1 N0 2 N1 ∑e − jk ( 2 π N 0 )( m − N1 ) m=0 e jk ( 2 π N0 ) N1 2 N1 ∑e − jk ( 2 π N 0 ) m m =0 cuya sumatoria consiste de los primeros (2N1 + 1) términos en una serie geométrica, la cual al ser evaluada produce ak = ⎛ 1 − e − jk 2 π( 2 N1 +1 ) N0 e jk ( 2 π N0 ) N1 ⎜ ⎜ 1 − e − jk ( 2 π 2 N0 ) N0 ⎝ 1 ⎞ ⎟⎟ ⎠ − jk ( 2 π 2 N 0 ) ⎡e jk 2 π( N1 + 2 ) N0 − e− jk 2 π ( N1 + 2 ) N0 ) ⎤ 1 e ⎣ ⎦ = − jk ( 2 π 2 N 0 ) − jk ( 2 π 2 N 0 ) jk ( 2 π 2 N 0 ) N0 ⎡⎣ e ⎤⎦ −e e 1 = 1 sen[2 πk ( N1 + 1 2 ) N 0 ] N0 sen (2 πk 2 N 0 ) 1 , k ≠ 0, ± N 0 , ± 2 N 0 , K y ak = 2 N1 N0 , k = 0, ± N 0 , ± 2 N 0 , K Esta expresión puede escribirse en una forma más compacta si los coeficientes se expresan como muestras de una envolvente: 242 sen[(2 N1 + 1) Ω0 2] N 0 ak = sen ( Ω0 2) Ω0 = 2 πk N 0 En la Fig. 4.3 se dibujan los coeficientes N0ak para 2N1 + 1 = 5 y N0 = 10.
N0a0 Envolvente N0a1 0 2π 10 π 2π Ω0 Figura 4.3 Ejemplo 2. Determine la representación en serie de Fourier discreta de la secuencia π π x [ n ] = cos n + sen n .
3 4 π π Tomemos x [ n ] = cos n + sen n = x1[n] +x2[n], donde 3 4 π π x1 [ n ] = cos n = cos Ω1 n → Ω1 = 3 3 π π x2 [ n ] = sen n = sen Ω 2 n → Ω 2 = 4 4 Como Ω1 2 π = 16 (= número racional), x1[n] es periódica con período fundamental N1 = 6, y como Ω 2 2 π = 18 (= número racional), x2[n] es periódica con período fundamental N2 = 8. Por tanto, x[n] es periódica y su período fundamental está dado por el mínimo común múltiplo de 6 y 8, es decir, N0 = 24 y Ω0 = 2 π N 0 = π 12 . Por la fórmula de Euler tenemos que x[ n] = 1 1 ⎡⎣ e j ( π 3 ) n + e − j ( π 3 ) n ⎤⎦ + ⎡⎣e j ( π 4 ) n − e − j ( π 4 ) n ⎤⎦ 2 2j = 1 1 1 1 e − j 4 Ω0 n + j e − j 3 Ω0 n − j e j 3 Ω0 n + e j 4 Ω0 n 2 2 2 2 Así que c3 = − j ( 12 ) , c4 = 12 , c−4 = c−4+ 24 = c20 = 12 , c−3 = c−3+ 24 = c21 = j ( Por lo tanto, la serie de Fourier discreta de x[n] es 1 2 ) y todos los otros ck = 0 .
243 1 1 1 1 x [ n ] = − j e j 3 Ω0 n + e j 4 Ω0 n + e j 20 Ω0 n + j e j 21 Ω0 n , 2 2 2 2 4.3.3 Ω0 = π 12 Convergencia de la Serie de Fourier Discreta Puesto que la serie de Fourier discreta de una secuencia x[n] es una serie finita, en contraste con el caso de tiempo continuo, y definida completamente por los valores de la señal en un período, no hay problemas de convergencia con la serie de Fourier discreta y no se presenta el fenómeno de Gibbs. En otras palabras, el hecho de que cualquier secuencia periódica en tiempo discreto x[n] está completamente especificada por un número finito de parámetros, a saber, los valores de la secuencia en un período, es la razón por la cual no hay problemas de convergencia en general con la serie de Fourier en tiempo discreto.
4.4 Propiedades de la Serie de Fourier Discreta 4.4.1 Periodicidad de los Coeficientes de Fourier De las Ecs. (4.9) y (4.10) vemos que ak + N0 = ak (4.19) la cual indica que los coeficientes de la serie de Fourier son periódicos con período fundamental N0. Es decir, si consideramos más de N0 valores secuenciales de k, los valores de ak se repetirán periódicamente con período N0.
4.4.2 Dualidad De la Ec. (4.19) vemos que los coeficientes de Fourier ak forman una secuencia periódica con período fundamental N0. Entonces, escribiendo ak como a[k], la Ec. (4.17) puede escribirse de nuevo como a[k ] = ∑ 1 n = N0 N0 ∑ 1 x [ n ] e− jk Ω0 n (4.20) Sea n = −m en la Ec. (4.20). Entonces a[k ] = m = N0 N0 x [ − m ] e jk Ω0 m Haciendo ahora k = n y m = k en la expresión anterior, obtenemos a[n] = ∑ m = N0 1 N0 x [ − k ] e jk Ω0 n (4.21) 244 Comparando la Ec. (4.21) con la Ec. (4.16), vemos que los valores (1 N 0 ) x [ − k ] son los coeficientes de Fourier de a[n]. Si adoptamos la notación ↔ SFD x[ n] ak = a [ k ] (4.22) para denotar el par de series de Fourier discretas (SFD), entonces, por la Ec. (4.21), tenemos 1 ↔ SFD a[n] N0 x[ − k ] (4.23) La Ec. (4.23) se conoce como la propiedad de dualidad de la serie de Fourier discreta. Dicho de otra forma, puesto que los coeficientes de Fourier ak de una señal periódica x[n] son a su vez una secuencia periódica, podemos expandir los coeficientes ak en una serie de Fourier. La propiedad de dualidad descrita implica que los coeficientes de la serie de Fourier para la secuencia periódica ak son los valores (1 N 0 ) x [ − k ] .
4.4.3 Otras Propiedades Cuando x[n] es real, entonces de la Ec. (4.11) [o la Ec. (4.17)] y la Ec. (4.19) se deduce que a− k = aN0 − k = ak∗ (4.24) donde, igual que antes, el asterisco (*) denota el conjugado complejo.
4.4.4 Secuencias Pares e Impares Cuando x[n] es real, sea x [ n ] = x p [ n ] + xi [ n ] donde xp[n] y xi[n] son las partes par e impar de x[n], respectivamente y sea ↔ SFD x[ n] ak Entonces xp [ n ] ↔ Re{ ak } xi [ n ] ↔ Im{ ak } SFD SFD (4.25) Vemos entonces que si x[n] es real y par, entonces sus coeficientes de Fourier son reales, mientras que si x[n] es real e impar, sus coeficientes son imaginarios.
245 Ejemplo 3. Sea x[n] una secuencia periódica real con período fundamental N0 y coeficientes de Fourier ck = ak + jbk, donde ak y bk son reales.
(a) Demuestre que a−k = ak y b−k = −bk.
(b) Demuestre que c N 0 2 es real si N0 es par.
(c) Demuestre que x[n] puede también expresarse como una serie de Fourier trigonométrica de la forma x [ n ] = c0 + 2 ( N 0 −1) 2 ∑ ( ak cos k Ω 0 n − bk sen k Ω0 n ) k =1 Ω0 = 2π N0 si N0 es impar, o x [ n ] = c0 + ( −1) cN0 2 + 2 ( N 0 −1 ) 2 ∑ n k =1 ( ak cos k Ω 0 n − bk sen k Ω 0 n ) si N0 es par.
Solución: (a) Si x[n] es real, entonces de la Ec. (4.11) tenemos c− k = 1 N 0 −1 N0 n =0 ∑ x[ n]e jk Ω0 n ⎛ 1 =⎜ ⎝ N0 N 0 −1 ∑ x[ n]e ∗ − jk Ω0 n n=0 ⎞ ∗ ⎟ = ck ⎠ Así que c− k = a− k + jb− k = ( ak + jbk )∗ = ak − jbk y obtenemos a− k = ak y b− k = − bk (b) Si N0 es par, entonces de la Ec. (4.11), cN0 2 = = 1 N 0 −1 N0 n=0 ∑ x[ n]e 1 N 0 −1 N0 n =0 ∑ ( −1) n − j ( N 0 2 )( 2 π N 0 ) n x[n] = 1 N 0 −1 N0 n=0 ∑ x[n]e − j πn real (c) Escribamos de nuevo la Ec. (4.10) como x[ n ] = N 0 −1 ∑c e k =0 k jk Ω0 n = c0 + N 0 −1 ∑c e k =1 jk Ω0 n k Si N0 es impar, entonces (N0 − 1) es par y podemos escribir a x[n] como 246 x [ n ] = c0 + ( N 0 −1 ) 2 ∑ (c e jk Ω0 n k k =1 + cN 0 − k e j ( N 0 − k ) Ω0 n ) Ahora, de la Ec. (4.24), cN0 − k = ck∗ y e j ( N0 − k ) Ω0 n = e jN0 Ω0 n e − jk Ω0 n = e j 2 πn e − jk Ω0 n = e − jk Ω0 n Por lo tanto, ( N 0 −1) 2 ∑ (c e x [ n ] = c0 + = c0 + k =1 ( N 0 −1) 2 2 Re ck e jk Ω0 n k =1 = c0 + 2 + ck∗ e − jk Ω0 n ( ∑ = c0 + 2 jk Ω0 n k ( N 0 −1) 2 ∑ k =1 ( N 0 −1) 2 ∑ k =1 ) ) Re ( ak + jbk ) (cos k Ω 0 n + j sen k Ω 0 n ) ( ak cos k Ω 0 n − bk sen k Ω 0 n ) Si N0 es par, podemos escribir a x[n] como x [ n ] = c0 + = c0 + N 0 −1 ∑c e k =1 ( N0 − 2 ) 2 ∑ k =1 jk Ω0 n k (c e jk Ω0 n k + cN0 − k e j ( N ) − k ) Ω0 n )+c N0 2 e j ( N0 2 ) Ω0 n Usando de nuevo la Ec. (4.24), se obtiene y e j ( N0 − k ) Ω0 n = e − jk Ω0 n cN0 − k = ck∗ y e j ( N0 2 ) Ω0 n = e j ( N0 2 ) ( 2 π N0 ) n = e jπn = ( −1) n Entonces x [ n ] = c0 + ( −1) cN0 2 + n ( N0 − 2 ) 2 ∑ k =1 = c0 + ( −1) n cN0 2 + 2 ( 2 Re ck e jk Ω0 n ( N0 − 2 ) 2 ∑ k =1 ) ( ak cos k Ω 0 n − bk sen k Ω 0 n ) 247 4.5 Teorema de Parseval Si x[n] está representada por la serie de Fourier discreta (4.16), entonces se puede demostrar que 1 N0 ∑ ∑ = 2 x[ n] n = N0 2 ak k = N0 (4.26) La Ec. (4.26) se conoce como la identidad de Parseval (o el teorema de Parseval) para la serie de Fourier discreta.
Demostración: Sean x1[n] y x2[n] dos secuencias periódicas con igual período fundamental N0 y con series de Fourier discretas dadas por x1 [ n ] = N 0 −1 ∑ bk e jkΩ0 n N 0 −1 ∑c e x2 [ n ] = k =0 k =0 jk Ω0 n Ω0 = k 2π N0 Entonces la secuencia x [ n ] = x1 [ n ] x2 [ n ] es periódica con el mismo período fundamental N0 (la demostración se deja para el lector) y se puede expresar como x[ n] = N 0 −1 ∑a e k =0 jk Ω 0 n Ω0 = k 2π N0 donde a k está dada por ak = N 0 −1 ∑b m=0 (4.27) c m k −m De esta relación se obtiene que ak = 1 N 0 −1 N0 n=0 ∑ x1 [ n ] x2 [ n ] e − jk Ω0 n = N 0 −1 ∑b m=0 c m k −m Haciendo k = 0 en la expresión anterior, se obtiene 1 N 0 −1 N0 n=0 ∑ x1 [ n ] x2 [ n ] = N 0 −1 N 0 −1 m=0 k =0 ∑ bm c− m = la cual se conoce como la relación de Parseval.
Ahora, sean x[ n] = N 0 −1 ∑a e k =0 y k jk Ω 0 n ∑b c k −k (4.28) 248 x *[ n ] = N 0 −1 ∑b e − jk Ω0 n ⎛ 1 =⎜ ⎝ N0 N 0 −1 k =0 k Entonces bk = 1 N0 N 0 −1 ∑ x *[ n ] e − jk Ω0 n n =0 ∑ x[ n]e n =0 ∗ jk Ω0 n ⎞ ∗ ⎟ = a− k ⎠ (4.29) La Ec. (4.29) indica que si los coeficientes de Fourier de x[n] son los ak, entonces los coeficientes de Fourier de x*[n] son los a−∗ k . Haciendo x1 [ n ] = x [ n ] y x2 [ n ] = x *[ n ] en la Ec. (4.28), se tiene que bk = ak y ek = c−∗ k (o c− k = ak∗ ) y se obtiene N 0 −1 1 N0 ∑ x [ n ] x *[ n ] = n=0 N 0 −1 ∑a a k =0 k ∗ k (4.30) o 1 N 0 −1 N0 n=0 ∑ x[ n] 2 = N 0 −1 ∑ k =0 ak 2 que es la relación buscada.
4.6 La Transformada de Fourier Discreta A continuación se considerará la representación en el dominio de la frecuencia de señales de tiempo discreto y de duración finita que no son necesariamente periódicas.
4.6.1 Transformación de la Serie de Fourier Discreta en la Transformada de Fourier Sea x[n] una secuencia no periódica de duración finita. Es decir, para algún entero positivo N1, x[ n ] = 0 n > N1 Una secuencia así se muestra en la Fig. 4.9a. Sea xN [ n ] una secuencia periódica formada al repetir 0 x[n] con un período fundamental N0, como se muestra en la Fig. 4.9b. Si hacemos que N 0 → ∞ , tenemos lím xN0 [ n ] = x [ n ] N 0 →∞ La serie de Fourier discreta para x N 0 [ n] está dada por (4.31) 249 xN0 [ n ] = ∑ae jk Ω0 n k Ω0 = ∑ xN0 [ n ] e − jk Ω0 n k = N0 2π (4.32) N0 donde ak = 1 N0 n = N0 (4.33) x[n] 0 –N1 N1 n (a) x N 0 [n] ...
...
–N1 –N0 N1 N0 n (a) Figura 4.4 Puesto que xN0 [ n ] = x [ n ] para n ≤ N1 y también como x[n] = 0 fuera de este intervalo, la Ec. (4.33) puede escribirse de nuevo como ak = 1 N0 N1 ∑ x [ n ] e − jk Ω0 n = n =− N1 1 N0 ∞ ∑ x[ n]e − jk Ω0 n (4.34) n =−∞ Definamos la envolvente X ( Ω ) de N0ak como X (Ω) = ∞ ∑ x[ n ] e − jΩn (4.35) n =−∞ Entonces, de la Ec. (4.34), los coeficientes de Fourier pueden expresarse como ak = 1 N0 X ( k Ω0 ) (4.36) 250 donde Ω0 se usa para denotar el espacio muestral 2π/N0. Así pues, los coeficientes ak son proporcionales a muestras igualmente espaciadas de esta función envolvente. Sustituyendo la Ec.
(4.36) en la Ec. (4.32), tenemos xN 0 [ n ] = ∑ k = N0 1 N0 X ( k Ω0 ) e jk Ω0 n o xN 0 [ n ] = Ω0 ∑ 2 π k = N0 X ( k Ω0 ) e jk Ω0 n (4.37) De la Ec. (4.35), X ( Ω ) es periódica con período 2π y e jΩn también lo es. Por ello, el producto X ( Ω ) e jΩn también será periódico con período 2π. Como se muestra en la Fig. 4.5, cada término en la sumatoria de la Ec. (4.37) representa el área de un rectángulo de altura X ( k Ω 0 ) e jk Ω0 n y anchura Ω 0 .
Conforme N 0 → ∞ , Ω0 = 2 π N 0 se hace infinitesimal ( Ω 0 → 0) y la Ec. (4.36) se convierte en una integral. También, puesto que la sumatoria en la Ec. (4.37) es sobre N0 intervalos consecutivos de anchura Ω 0 = 2 π N 0 , el intervalo total de integración siempre tendrá una anchura de 2π. Así que conforme N 0 → ∞ y en vista de la Ec. (4.31), la Ec. (4.37) se convierte en x[ n ] = 1 X (Ω) e 2π ∫ j Ωn dΩ (4.38) 2π Como X ( Ω ) e jΩn es periódica con período 2π, el intervalo de integración en la Ec. (4.38) puede tomarse como cualquier intervalo de longitud 2π.
X (Ω) e jΩn X (kΩ 0 ) e jkΩ0 n Ω0 −2π 0 kΩ0 π 2π Ω Figura 4.5 4.6.2 Par de Transformadas de Fourier La función X ( Ω ) definida por la Ec. (4.35) se denomina la transformada de Fourier de x[n] y la Ec.
(4.38) define la transformada de Fourier inversa de X ( Ω ) . Específicamente, ellas se denotan por 251 ∞ ∑ x[ n]e X ( Ω ) = F { x [ n ]} = − jΩn (4.39) n =−∞ x [ n ] = F −1 { X ( Ω )} = 1 X (Ω) e 2π ∫ jΩn dΩ (4.40) 2π y decimos que x[n] y X ( Ω ) forman un par de transformadas de Fourier denotadas por ↔ X (Ω) x[ n ] Las Ecs. (4.39) y (4.40) son las contrapartes discretas de las ecuaciones para las transformadas en tiempo continuo. La derivación de estas ecuaciones indica cómo una secuencia aperiódica puede verse como una combinación lineal de exponenciales complejas. En particular, la ecuación de síntesis es en efecto una representación de x[n] como una combinación lineal de exponenciales complejas infinitesimalmente cercanas en frecuencia y con amplitudes X(Ω)(dΩ/2π) y proporciona la información de sobre cómo x[n] está compuesta de exponenciales complejas en frecuencias diferentes.
Ejemplo 4. Determine la transformada de Fourier del pulso rectangular (Fig. 4.6) x[n] = u[n] + u[n − N ] De la Ec. (4.38), la transformada de Fourier de x[n] está dada por X (Ω) = ∞ ∑ x[ n]e − jΩn n =−∞ = 1 − e − jΩn 1− e − jΩ n=0 = = e − jΩ( N −1 ) 2 N −1 = ∑ (1) e − jΩn e − jΩN 2 e −Ω 2 (e (e j ΩN 2 jΩ 2 − e − j ΩN 2 − e − jΩ 2 ) ) sen ( ΩN 2) sen ( Ω 2) x[n] 1 ...
0 1 2 Figura 4.6 N–1 n 252 4.6.3 Espectros de Fourier La transformada de Fourier X ( Ω ) de x[n] es, en general, compleja y puede expresarse como X ( Ω ) = X ( Ω ) e jφ ( Ω ) (4.41) Igual que en tiempo continuo, la transformada de Fourier X ( Ω ) de una secuencia no periódica x[n] es la especificación en el dominio de la frecuencia de x[n] y se conoce como el espectro (o espectro de Fourier) de x[n]. La cantidad X ( Ω ) es el espectro de magnitud de x[n] y φ ( Ω ) es el espectro de fase de x[n]. Además, si x[n] es real, el espectro de amplitud X ( Ω ) es una función par y el espectro de fase φ ( Ω ) es una función impar de Ω.
Ejemplo 5. Considere la secuencia x [ n ] = αn u [ n ] α <1 Para este ejemplo, ∞ X ( Ω ) = ∑ α n e − jΩ n = n=0 1 1 − αe − j Ω El espectro de magnitud está dado por X (Ω) = 1 1 + α 2 − 2 α cos Ω y el de fase por φ ( Ω ) = tan −1 4.6.4 α sen Ω 1 − α cos Ω Convergencia de X(Ω) Igual que en el caso de tiempo continuo, la condición suficiente para la convergencia de X ( Ω ) es que x[n] sea absolutamente sumable, es decir, ∞ ∑ x[ n] < ∞ (4.42) n =−∞ La demostración de esto se deja para el lector. Por lo tanto, vemos que la transformada de Fourier en tiempo discreto posee muchas semejanzas con el caso de tiempo continuo. Las diferencias principales entre los dos casos son la periodicidad de la transformada de tiempo discreto X ( Ω ) y el intervalo finito de integración en la ecuación de síntesis. Ambas provienen de un hecho que ya se ha señalado: 253 Exponenciales complejas en tiempo discreto que difieren en frecuencia por un múltiplo de 2π son idénticas.
4.7 Propiedades de la Transformada de Fourier Hay muchas diferencias y semejanzas con el caso continuo. Estas propiedades son útiles en el análisis de señales y sistemas y en la simplificación del trabajo con las transformadas directa e inversa 4.7.1 Periodicidad Ya se vio que la transformada de Fourier discreta es siempre periódica en Ω con período 2π, de modo que X (Ω + 2π) = X (Ω) (4.43) Como una consecuencia de la Ec. (4.43), en el caso de tiempo discreto tenemos que considerar valores de Ω (radiantes) solamente en el intervalo 0 ≤ Ω < 2 π o − π ≤ Ω < π , mientras que en el caso continuo tenemos que considerar valores de ω (radianes/segundo) en todo el intervalo −∞ < ω < ∞ .
4.7.2 Linealidad Sean x1 [ n ] y x2 [ n ] dos secuencias con transformadas de Fourier X1(Ω) y X2(Ω), respectivamente.
Entonces a1 x1 [ n ] + a2 x2 [ n ] ↔ a1 X 1 ( Ω ) + a2 X 2 ( Ω ) (4.44) para cualesquiera constantes a1 y a2.
4.7.3 Desplazamiento o Corrimiento en el Tiempo Por sustitución directa en las ecuaciones de definición de la transformada de Fourier, se obtiene que x [ n − n0 ] ↔ e − jΩn0 X ( Ω ) La demostración de la Ec. (4.45) es la siguiente: Por definición, Ec. (4.39), F { x [ n − n0 ]} = ∞ ∑ x[ n − n n =−∞ Mediante el cambio de variable m = n − n0, obtenemos 0 ] e − jΩ n (4.45) 254 F { x [ n − n0 ]} = ∞ ∑ x[ m]e − j Ω ( m + n0 ) m =−∞ = e − jΩ n0 ∞ ∑ x[m]e − jΩ m = e − jΩ n0 X ( Ω ) m =−∞ Por tanto, x[ n] ↔ e − jΩ n0 X ( Ω ) Ejemplo 6. Determine (a) la transformada de Fourier X(Ω) de la secuencia en forma de pulso rectangular mostrada en la Fig. 4.7a; (b) Grafique X(Ω) para N1 = 4 y N1 = 8.
(a) De la Fig. 4.7 vemos que x [ n ] = x1 [ n + N1 ] donde x1[n] se muestra en la Fig. 4.7b. Haciendo N = 2N1 + 1 en el resultado del Ejemplo 4, tenemos X1 ( Ω ) = e − j ΩN1 sen ⎡⎣ Ω ( N1 + 12 ) ⎤⎦ sen ( Ω 2) x1[n x[n] 1 1 ...
–N1 ...
...
0 1 2 n N1 0 1 2 (a) (b) Figura 4.7 Ahora, por la propiedad de desplazamiento en el tiempo, tenemos que X (Ω) = e j ΩN1 sen ⎡⎣ Ω ( N1 + 12 ) ⎤⎦ X1 ( Ω ) = sen ( Ω 2) (b) Haciendo N1 = 4 en la ecuación anterior, se obtiene X (Ω) = sen (4.5 Ω ) sen (0.5 Ω ) la cual se grafica en la Fig. 4.8a. En forma similar, para N1 = 8 se obtiene 2N1 n 255 X (Ω) = sen (8.5 Ω ) sen (0.5 Ω ) la cual se grafica en la Fig. 4.8b.
X(ω) X(ω) 9 −π 17 π 0 Ω 0 (a) Ω (b) Figura 4.8 4.7.4 Desplazamiento en Frecuencia Esta propiedad, originada al multiplicar la exponencial e jΩ0 n por x[n], produce el par de transformadas dado por e j Ω0 n x [ n ] ↔ X ( Ω − Ω0 ) La demostración procede en la forma siguiente. Por la Ec. (4.39) ∞ F { e jΩ n x [ n ]} = 0 ∑e j Ω0 n x [ n ] e − jΩ n n =−∞ = ∞ ∑ x[ n]e − j ( Ω−Ω0 ) n n =−∞ = X ( Ω − Ω0 ) de donde e j Ω0 n x [ n ] ↔ X ( Ω − Ω0 ) Ejemplo 7. Determinar la transformada inversa de X ( Ω ) = 2 π δ ( Ω − Ω0 ) Ω , Ω0 ≤ π De la ecuación de definición de la transformada de Fourier inversa, se tiene que x[ n ] = 1 π 2π δ (Ω − Ω 2π ∫ −π 0 ) e j Ω0 n d Ω = e j Ω0 n (4.46) 256 y de aquí se obtiene el par de transformadas e jΩ0 n ↔ 2 π δ ( Ω − Ω 0 ) Haciendo Ω0 = 0 en la relación anterior, se obtiene otro par de transformadas: x[ n ] = 1 ↔ 2 π δ ( Ω ) , 4.7.5 Ω ≤π Conjugación Esta propiedad relaciona el conjugado de la función con su transformada y nos dice que x *[ n ] ↔ X *( −Ω ) (4.47) De la Ec. (4.39) F { x *[ n ]} = ∞ ∑ x *[ n ] e − jΩ n n =−∞ ⎛ ∞ ⎞ = ⎜ ∑ x [ n ] e jΩ n ⎟ ⎝ n =−∞ ⎠ ∗ ∗ ⎛ ∞ ⎞ = ⎜ ∑ x [ n ] e− j ( − Ω n ) ⎟ = X *( −Ω ) ⎝ n =−∞ ⎠ y, por tanto, x *[ n ] ↔ X *( −Ω ) Debido a la naturaleza discreta del índice del tiempo para señales de tiempo discreto, los escalamientos en tiempo y en frecuencia resultan en tiempos discretos que toman una forma algo diferente de sus contrapartes en tiempo continuo. Sea x[n] una señal con espectro X(Ω) y consideremos las dos propiedades siguientes.
4.7.6 Inversión en el Tiempo x[ − n] ↔ X ( −Ω ) (4.48) Esta demostración se deja para el lector. Aun cuando la Ec. (4.48) es análoga al caso de tiempo continuo, surgen diferencias cuanto tratamos de escalar tiempo y frecuencia en vez de simplemente invertir el eje del tiempo, como se verá a continuación.
4.7.7 Escalamiento en el Tiempo La propiedad de escalamiento de la transformada de Fourier en tiempo continuo se expresó como x ( at ) ↔ ⎛ ω⎞ X⎜ ⎟ a ⎝a⎠ 1 (4.49) 257 Sin embargo, en el caso de tiempo discreto, x[an] no es una secuencia si a no es un entero. Por otra parte, si a es un entero, digamos 2, x[2n] consiste solamente de las muestras pares de x[n]. Así que el escalamiento en el tiempo en tiempo discreto toma una forma algo diferente de la Ec. (4.49).
Sea m un entero positivo y defina la secuencia ⎧ x [ n m ] = x [ k ] si n = km , k entero x( m ) [ n ] = ⎨ si n ≠ km ⎩0 (4.50) Entonces tenemos ↔ X ( mΩ ) x( m ) [ n ] (4.51) La Ec. (4.51) es la contraparte en tiempo discreto de la Ec. (4.49). Expresa de nuevo la relación inversa entre el tiempo y la frecuencia. Es decir, conforme la señal se extiende en el tiempo ( m > 1) , su transformada de Fourier se comprime. Observe que X(mΩ) es periódica con período 2π/m, ya que X(Ω) es periódica con período 2π.
De la Ec. (4.39) ∞ ∑x F { x( m ) [ n ]} = n =−∞ (m) [ n ] e − jΩ n Haciendo el cambio de variable n = km en el lado derecho de esta ecuación, obtenemos F { x( m ) [ n ]} = ∞ ∞ ∑x k =−∞ − jΩ km = ∑ x [ k ] e− j ( mΩ ) k = X ( mΩ ) ( m ) [ km ] e −∞ De aquí que ↔ x( m ) [ n ] 4.7.8 X ( mΩ ) Dualidad La propiedad de dualidad de una transformada de Fourier de tiempo continuo se expresó como X (t ) ↔ 2 π x ( −ω ) (4.52) En el caso discreto no hay una contraparte para esta propiedad. Sin embargo, hay una dualidad entre la transformada de Fourier discreta y la serie de Fourier de tiempo continuo. Sea x[ n ] ↔ X (Ω) De las Ecs. (4.39) y (4.43), X (Ω) = ∞ ∑ x[ − k ]e − j 2n (4.53) n =−∞ X (Ω + 2π) = X (Ω) (4.54) 258 Puesto que Ω es una variable continua, haciendo Ω = t y n = −k en la Ec. (4.53), se obtiene ∞ X (t ) = ∑ x[ − k ]e jkt (4.55) k =−∞ Como X(t) es periódica con período T0 = 2π y la frecuencia fundamental ω0 = 2 π T0 = 1 , la Ec. (4.55) indica que los coeficientes de la serie de Fourier de X(t) serán iguales a x[−k]. Esta relación dual se denota por SF ↔ ak = x [ − k ] X (t ) (4.56) y donde SF denota “la serie de Fourier” y las ak son los coeficientes de Fourier.
4.7.9 Diferenciación en Frecuencia De nuevo, suponga que X(Ω) es la transformada de x[n]. Entonces n x[ n] ↔ j dX ( Ω ) (4.57) dΩ De la definición (4.39) sabemos que ∞ ∑ x[ n]e X (Ω) = − jΩ n n =−∞ Diferenciando ambos lados de la expresión anterior con respecto a Ω e intercambiando el orden de la diferenciación y la sumatoria, se obtiene dX ( Ω ) dΩ = ∞ d ⎛ ∞ d − jΩ n ⎞ x [ n ] e = x[ n] ( e − jΩ n ) ∑ ∑ ⎜ ⎟ d Ω ⎝ n =−∞ d Ω ⎠ n =−∞ =−j ∞ ∑ n x[ n]e − jΩ n n =−∞ Multiplicando ambos lados por j, vemos que F { n x [ n ]} = ∞ ∑ n x[ n]e − jΩ n = j n =−∞ y, por tanto, n x[ n] 4.7.10 Diferencias Para una sola diferencia, se tiene que ↔ j dX ( Ω ) dΩ dX [ n ] dΩ 259 x [ n ] − x [ n − 1] (1 − e − jΩ ) X ( Ω ) ↔ (4.58) La secuencia x [ n ] − x[ n − 1] ya se definió como la primera diferencia. La Ec. (4.58) se obtiene fácilmente a partir de la propiedad de linealidad, Ec. (4.44), y la propiedad de desplazamiento en el tiempo, Ec. (4.45).
Ejemplo 8. Demuestre que F {u [ n ]} = π δ ( Ω ) + 1 Ω ≤π 1 − e − jΩ Sea F {u [ n ]} = X ( Ω ) Observe ahora que δ [ n ] = u [ n ] − u [ n − 1] y tomando la transformada de Fourier de ambos lados de esta ecuación, se obtiene 1 = ( 1 − e − jΩ ) X ( Ω ) Ahora bien, ( 1 − e − jΩ ) = 0 para Ω = 0 y, por tanto, X(Ω) debe ser de la forma X (Ω) = Aδ(Ω) + 1 Ω ≤π 1 − e − jΩ donde A es una constante. Para determinar A, procedemos en la forma siguiente: La componente par de u[n] está dada por u p [ n ] = 12 + 12 δ [ n ] Así que la componente impar de u[n] está dada por ui [ n ] = u [ n ] − u p [ n ] = u [ n ] − 12 − 12 δ [ n ] y F {ui [ n ]} = A δ ( Ω ) + 1 1− e − jΩ − π δ (Ω) − 1 2 Pero la transformada de Fourier de una secuencia real impar debe ser puramente imaginaria; así que debemos tener que A = π y entonces F {u [ n ]} = π δ ( Ω ) + 1 1 − e − jΩ X (Ω) 260 4.7.11 Acumulación Esta propiedad dice que n ∑ x[ k ] ↔ πX (0) δ ( Ω ) + k =−∞ 1 1 − e − jΩ X (Ω) Ω ≤π (4.59) Observe que la acumulación es la contraparte en tiempo discreto de la integración. El término en impulso en el lado derecho de la Ec. (4.59) refleja el valor promedio o CD que puede resultar de la acumulación.
La demostración de esta propiedad se deja para el lector (use el resultado del Ejemplo 8).
Ejemplo 9. Determinar la transformada de Fourier de u[n] usando la propiedad de acumulación, Ec.
(4.59).
Ya sabemos que u[n] = n ∑ δ[ k ] k =−∞ y también que δ[ n ] ↔ 1 Haciendo x[k] = δ[k] en la Ec. (4.59), se obtiene x[ n ] = δ[ n ] ↔ X (Ω) = 1 ↔ π δ (Ω) + y X (0) = 1 y, por tanto, u[n] = n ∑ δ[ k ] k =−∞ 1 1 − e − jΩ Ω ≤1 4.7.12 Convolución Para dos señales discretas x1[n] y x2[n], su convolución y la transformada de ésta cumplen con la relación x1 [ n ] ∗ x2 [ n ] ↔ X1 ( Ω ) X 2 ( Ω ) (4.60) Esta propiedad juega un papel muy importante en el estudio de los sistemas LIT de tiempo discreto.
Por las definiciones (4.27) y (4.39), tenemos que F { x1 [ n ] ∗ x2 [ n ]} = ∞ ⎛ ∞ ∑ ⎜⎝ ∑ x [ k ] x n =−∞ k =−∞ 1 2 ⎞ [ n − k ] ⎟ e − jΩ n ⎠ 261 Intercambiando el orden de las sumatorias, obtenemos F { x1 [ n ] ∗ x2 [ n ]} = ⎛ ∞ ∞ ∑ x [ k ] ⎜⎝ ∑ x 1 k =−∞ n =−∞ 2 ⎞ [ n − k ] e − jΩ n ⎟ ⎠ Por la propiedad de desplazamiento en el tiempo, Ec. (4.45): ∞ ∑x n =−∞ 2 [ n − k ] e − jΩ n = e − jΩ n X 2 ( Ω ) y así tenemos que F { x1 [ n ] ∗ x2 [ n ]} = ∞ ∑ x [k ]e k =−∞ − jΩ k 1 X 2 (Ω) ⎛ ∞ = ⎜ ∑ x1 [ k ] e − jΩ k ⎝ k =−∞ ⎞ ⎟ X 2 ( Ω ) = X1 ( Ω ) X 2 ( Ω ) ⎠ y se verifica la relación (4.60).
Ejemplo 10. Determine la transformada de Fourier inversa x[n] de X (Ω) = 1 ( 1− a e ) − jΩ a <1 2 usando el teorema de convolución.
La transformada inversa de 1 a <1 ( 1− a e ) − jΩ es la función a n u [ n ] (Ejemplo 5). Ahora bien, X (Ω) = 1 (1 − a e ) − jΩ 2 1 1 ⎛ ⎞⎛ ⎞ =⎜ − jΩ ⎟ ⎜ − jΩ ⎟ ⎝ 1− a e ⎠ ⎝ 1− a e ⎠ Entonces, usando el teorema de convolución, Ec. (4.60), se obtiene x[ n ] = a n u [ n ] ∗ a n u [ n ] = ∞ ∑ a u[k ]a k k =−∞ n = a n ∑1 = ( n + 1) a n u [ n ] k =0 Por consiguiente, tenemos el par de transformadas n−k u[n − k ] 262 1 ( n + 1) a n u [ n ] ↔ a <1 ( 1− a e ) − jΩ 4.7.13 Propiedad de Multiplicación o Modulación En el Cap. 3 se introdujo la propiedad de modulación para señales de tiempo continuo y se indicaron algunas de sus aplicaciones. Existe una propiedad análoga para señales de tiempo discreto y juega un papel similar en aplicaciones. Esta propiedad es 1 ↔ x1 [ n ] x2 [ n ] 2π X1 ( Ω ) ⊕ X 2 ( Ω ) (4.61) donde el símbolo ⊕ denota la convolución periódica definida por X1 ( Ω ) ⊕ X 2 ( Ω ) = ∫X 1 (θ) X 2 (Ω − θ) dθ (4.62) 2π La propiedad de multiplicación (4.61) es la propiedad dual de la Ec. (4.60) y su demostración procede en la forma siguiente: Sea x [ n ] = x1 [ n ] x2 [ n ] . Entonces, por la definición (4.39), X (Ω) = ∞ ∑ x [n] x n =−∞ 1 2 [n] Por la Ec. (4.39), x1 [ n ] = 1 X 2π ∫ 1 ( θ ) e jθ n d θ 2π Entonces ∞ X (Ω) = ∑ n =−∞ ⎡ 1 ⎤ X 1 ( Ω ) e jθ n d θ ⎥ x2 [ n ] e − jΩ n ⎢ ∫ ⎣ 2π 2 π ⎦ Intercambiando el orden de la sumatoria y la integración obtenemos X (Ω) = = ⎛ ∞ ⎞ X1 ( θ ) ⎜ x2 [ n ] e − j ( Ω−θ ) n ⎟ d θ 2π 2 π ⎝ n =−∞ ⎠ 1 ∑ ∫ 1 X 2π ∫ 2π y así queda demostrada la propiedad.
1 (θ) X 2 (Ω − θ) dθ = 1 2π X1 ( Ω ) ⊕ X 2 ( Ω ) 263 4.7.14 Propiedades Adicionales Si x[n] es real, sea x [ n ] = x p [ n ] + xi [ n ] donde xp[n] y xi[n] son las componentes par e impar de x[n], respectivamente. Sea x[ n] X ( Ω ) = A ( Ω ) + jB ( Ω ) = X ( Ω ) e jθ ( Ω ) ↔ (4.63) Entonces X ( −Ω ) = X *( Ω ) (4.64) xp [ n ] ↔ Re{ X ( Ω )} = A ( Ω ) xi [ n ] ↔ j Im{ X ( Ω )} = jB ( Ω ) (4.65) La Ec. (4.64) es la condición necesaria y suficiente para que x[n] sea real. De las Ecs. (4.64) y (4.63) obtenemos A ( −Ω ) = A ( Ω ), B ( −Ω ) = − B ( Ω ) X ( −Ω ) = X ( Ω ) , θ ( −Ω ) = −θ ( Ω ) (4.66) De las Ecs. (4.65) y (4.66) se observa que si x[n] es real y par, entonces X(Ω) es real y par, mientras que si x[n] es real e impar, X(Ω) es imaginaria e impar.
4.7.15 Relación de Parseval Si x[n] y X[Ω] forman un par de transformadas de Fourier, entonces ∞ ∑ x [n] x n =−∞ 1 2 [n] = ∞ ∑ n =−∞ x[ n] 2 = 1 2 π 2∫π 1 2π ∫ X1 ( Ω ) X 2 ( Ω ) d Ω X (Ω) 2 dΩ (4.67) (4.68) 2π La Ec. (4.68) se conoce como la identidad de Parseval (o el teorema de Parseval) para la transformada de Fourier de tiempo discreto. En analogía con el caso de tiempo continuo, el lado izquierdo de la Ec.
2 (4.68) se conoce como la energía en x[n] y X ( Ω ) como el espectro de la densidad de energía.
Como la energía en una secuencia periódica es infinita, la Ec. (4.68) no es de utilidad en ese caso. Para señales periódicas se puede derivar una variante de la identidad de Parseval que relaciona la energía en un período de la secuencia con la energía en un período de los coeficientes de la serie de Fourier, ella es 264 1 N0 ∑ x[ n ] n = N0 2 ∑ = k = N0 ak 2 (4.69) 4.8 La Respuesta de Frecuencia de Sistemas LIT Discretos Como ya se mostró en el Cap. 2, la salida y[n] de un sistema LIT discreto es igual a la convolución de la entrada x[n] con la respuesta al impulso h[n], suponiendo que las transformadas de Fourier de x[n], y[n] y h[n] existen; es decir, y [ n ] = x [ n ] ∗ h[ n ] (4.70) Entonces la propiedad de convolución implica que Y (Ω) = X (Ω) H (Ω) (4.71) donde X(Ω), Y(Ω) y H(Ω) son las transformadas de Fourier de x[n], y[n] y h[n], respectivamente. De esta relación obtenemos H (Ω) = Y (Ω) (4.72) X (Ω) De la relación (4.71), observe que Y (Ω) = X (Ω) H (Ω) (4.73) ∠Y (Ω ) = ∠X (Ω ) + ∠H (Ω ) (4.74) Igual que en el caso de tiempo continuo, la función H (Ω ) se conoce como la respuesta de magnitud del sistema. Debido a la forma multiplicativa de la Ec. (4.73), a la magnitud de la respuesta de frecuencia de un sistema LIT algunas veces se le refiere como la ganancia del sistema. Las relaciones dadas por las Ecs. (4.71) y (4.72) se muestran en la Fig. 4.9.
δ[n] x[n] X[Ω] h[n] H(Ω) h[n] y[n] = x[n]∗h[n] Y[Ω] = X(Ω)H(Ω) Figura 4.9 265 Sea H ( Ω ) = H ( Ω ) e jθH ( Ω ) (4.75) La función H(Ω) se conoce como la respuesta de frecuencia del sistema, H ( Ω ) como la respuesta de magnitud del sistema y θ H ( Ω ) como la respuesta de fase del sistema.
4.8.1 Sistemas LIT Caracterizados por Ecuaciones de Diferencias Muchos sistemas LIT de tiempo discreto y de interés práctico son descritos por ecuaciones de diferencias con coeficientes constantes de la forma N M k =0 k =0 ∑ ak y [ n − k ] = ∑ bk x [ n − k ] (4.76) donde M ≤ N. En esta sección usamos las propiedades de la transformada de Fourier en tiempo discreto para obtener una expresión para la respuesta de frecuencia del sistema LIT descrito por la Ec. (4.76).
Tomando la transformada de Fourier de ambos lados de la Ec. (4.76) y usando las propiedades de linealidad y de desplazamiento en el tiempo, obtenemos N M k =0 k =0 ∑ ak e− jkΩ Y ( Ω ) = ∑ bk e− jkΩ X ( Ω ) o, en forma equivalente, M H (Ω) = Y (Ω) X (Ω) = ∑b e k =0 N − jk Ω k ∑a e k =0 (4.77) − jk Ω k Observe que H(Ω) es un cociente de polinomios en la variable e − jΩ . Los coeficientes del polinomio del numerador son los mismos coeficientes que aparecen en el lado derecho de la Ec. (4.76) y los coeficientes del denominador son los mismos coeficientes que aparecen en el lado izquierdo de la Ec.
(4.76). Esto implica que la respuesta de frecuencia de un sistema LIT especificado por la Ec. (4.77) puede escribirse por inspección.
Ejemplo 11. Considere un sistema LIT inicialmente en reposo descrito por la ecuación de diferencias y [ n ] − 34 y [ n − 1] + 18 y [ n − 2] = x [ n ] De la Ec. (4.77), la respuesta de frecuencia es H (Ω) = Y (Ω) X (Ω) = 1 1 − 34 e− jΩ + 81 e − j 2 Ω 266 Para determinar la respuesta al impulso, debemos obtener la transformada inversa de H(Ω), por lo que necesitamos expandir esta última expresión en fracciones parciales. Por lo tanto, H (Ω) = = 1 1 − 34 e − jΩ 2 1− e 1 2 − jΩ + 81 e − − j 2Ω = ( 1− 1 1 2 e − jΩ ) ( 1 − 14 e− jΩ ) 1 1 − e − jΩ 1 4 La transformada inversa puede obtenerse por inspección y el resultado es n n h [ n ] = ⎡ 2 ( 12 ) − ( 14 ) ⎤ u [ n ] ⎣ ⎦ 4.8.2 Naturaleza Periódica de la Respuesta de Frecuencia De la Ec. (4.43) sabemos que H (Ω) = H (Ω + 2π) Así que, a diferencia de la respuesta de frecuencia de los sistemas de tiempo continuo, la de todos los sistemas LIT de tiempo discreto es periódica con período 2π. Por consiguiente, solamente necesitamos observar la respuesta de un sistema de tiempo discreto en la banda de frecuencias 0 ≤ Ω < 2 π o −π ≤ Ω < π.
4.9 Respuesta del Sistema a Muestras de Sinusoides de Tiempo Continuo 4.9.1 Respuestas del Sistema Denote por yc[n], ys[n] y y[n] las respuestas del sistema a las excitaciones cos Ω n , sen Ω n y e jΩn , respectivamente (Fig. 4.10). Puesto que e jΩn = cos Ω n + j sen Ω n , y la respuesta de un sistema LIT con respuesta al impulso h[n] a una excitación exponencial de la forma zn es y[n] = H ( z ) zn , H (z) = ∞ ∑ h[ n ] z −n n =−∞ se tiene que y [ n ] = yc [ n ] + jys [ n ] = H ( Ω ) e jΩn yc [ n ] = Re{ y [ n ]} = Re { H ( Ω ) e jΩn } ys [ n ] = Im{ y [ n ]} = Im { H ( Ω ) e jΩn } (4.78) 267 ejΩn cos Ωn sen Ωn H(Ω) y[n] = H(Ω)ejΩn y c [n] = Re [ H (Ω) e jΩn ] y s [n] = Im [ H (Ω) e jΩn ] Figura 4.10 Cuando una sinusoide cos Ω n se obtiene por muestreo de una sinusoide de tiempo continuo cos ω t , con un intervalo de muestreo igual a Ts, es decir cos Ω n = cos ωt t − nTs = cos ωTs n se pueden aplicar todos los resultados obtenidos en esta sección si sustituimos ωTs por Ω: Ω = ωTs Para una sinusoide de tiempo continuo cos ω t existe una forma de onda única para todo valor de ω en el intervalo de 0 a ∞. Un aumento en ω resulta en una sinusoide de frecuencia siempre creciente. En contraste, la sinusoide de tiempo discreto cos Ω n tiene una forma de onda única solamente para valores de Ω en el intervalo de 0 a 2π porque cos[ ( Ω + 2 πm ) n ] = cos ( Ω n + 2 πmn ) = cos Ω n m = entero Este intervalo también está restringido por el hecho de que cos ( π ± Ω ) n = cos π n cos Ω n m sen π n sen Ω n = ( −1) n cos Ω n y, por lo tanto, cos ( π + Ω ) n = cos ( π − Ω ) n (4.79) La Ec. (4.79) muestra que una sinusoide de frecuencia(π + Ω) tiene la misma forma de onda que una con frecuencia(π – Ω). Por ello, una sinusoide con cualquier valor de Ω fuera del intervalo 0 a π es idéntica a una sinusoide con Ω en el intervalo de 0 a π. Concluimos entonces que toda sinusoide de tiempo discreto con una frecuencia en la banda 0 ≤ Ω < π tiene una forma de onda única y sólo necesitamos observar la respuesta de frecuencia de un sistema en la banda de frecuencias 0 ≤ Ω < π.
4.10 La Transformada de Fourier Discreta Una de las razones para el crecimiento en el uso de los métodos de tiempo discreto para el análisis y síntesis de señales y sistemas fue el desarrollo de herramientas muy eficientes para realizar el análisis de Fourier de secuencias de tiempo discreto. En el corazón de estos métodos está una técnica muy cercana a las ideas que hemos presentado en las secciones anteriores y que está idealmente adaptada 268 para el uso en una computadora digital o para su implementación en hardware digital. Esta técnica es la transformada de Fourier discreta (TFD) para señales de duración finita y aun cuando puede considerarse como una extensión lógica de la transformada de Fourier ya estudiada, no debe ser confundida con la transformada de Fourier de tiempo discreto. Específicamente, en muchas aplicaciones solamente se pueden verificar los valores de una función en un número finito de puntos igualmente espaciados. Por ejemplo, un conjunto de esos valores podría ser una sucesión obtenida mediante el muestreo instantáneo de una señal continua en un conjunto de puntos con igual separación entre ellos. Entonces debemos hallar una serie de Fourier finita cuya suma en cada punto del dominio de la función sea igual al valor correspondiente de la función en ese punto.
4.10.1 Definición Sea x[n] una secuencia finita de longitud N, es decir, x [ n ] = 0 fuera de la banda 0 ≤ n ≤ N − 1 (4.80) La TFD de x[n], denotada como X[k], se define por N −1 X [ k ] = ∑ x [ n ]WNkn n=0 k = 0, 1, K , N − 1 (4.81) donde WN es la N-ésima raíz de la unidad dada por WN = e− j ( 2 π N ) (4.82) La TFD inversa (TFDI) está dada por x[ n] = 1 N −1 ∑ X [ k ]W N − kn N k =0 n = 0, 1, K , N − 1 (4.83) El par de TFD se denota por x[ n] ↔ X [k ] (4.84) La TFD tiene las siguientes características importantes: 1. Existe una correspondencia uno a uno entre x[n] y X[k].
2. Para su cálculo está disponible un algoritmo extremadamente rápido llamado la transformada de Fourier rápida (FFT por sus iniciales en inglés).
3. La TFD está íntimamente relacionada con la serie y la transformada de Fourier de tiempo discreto y, por ello, exhibe algunas de sus propiedades importantes.
4. La TFD es la representación de Fourier apropiada para realización en una computadora digital ya que es discreta y de longitud finita tanto en el dominio del tiempo como en el de la frecuencia.
Observe que la selección de N en la Ec. (4.81) no es fija, siempre que ella se escoja mayor que la duración de x[n]. Si x[n] tiene longitud N1 < N, deseamos suponer que x[n] tiene longitud N mediante la 269 simple adición de (N − N1) muestras con un valor de 0. Esta adición de muestras de relleno se conoce como relleno de ceros. Entonces la x[n] resultante se llama una secuencia o sucesión de N puntos, y a la X[k] definida en la Ec. (4.81) se le refiere como una TFD de N puntos. Mediante una selección juiciosa de N, tal como tomarla como una potencia de 2, se puede obtener una buena eficiencia computacional.
Ejemplo 12. Determine la TFD de N puntos de las secuencias siguientes: (a) x[n] = δ[n] (b) x[n] = u[n] − u[n − N] (a) De la definición (4.81), tenemos N −1 X [ k ] = ∑ δ [ n ]WNkn = 1 n=0 k = 0, 1, K , N − 1 La Fig. 4.11 muestra x[n] y su TFD de N puntos.
(b) De nuevo, de la definición (4.81) y usando la ecuación ⎧ 1− αN ⎪ αn = ⎨ 1 − α ∑ n=0 ⎪ N ⎩ α ≠1 N −1 α =1 Obtenemos N −1 1 − WNkN n =0 1 − WNk X [ k ] = ∑ WNkn = =0 k≠0 puesto que WNkN = e − j ( 2 π N ) kN = e − jk 2 π = 1 y N −1 N −1 n=0 n=0 X [0] = ∑ WN0 = ∑1 = N X[k] x[n] 1 1 0 N−1 n Figura 4.11 0 N −n1 270 La Fig. 4.12 muestra x[n] y su TFD de N puntos X[k].
x[n] X[k] 1 1 0 N−1 n 0 N−1 n Figura 4.12 4.10.2 Relación entre la TFD y la Serie de Fourier de Tiempo Discreto Comparando las Ecs. (4.83) y (4.81) con las Ecs. (4.10) y (4.11), vemos que la X[k] de una secuencia finita x[n] puede ser interpretada como los coeficientes ck en la representación en serie de Fourier discreta de su extensión periódica multiplicada por el período N0 y N0 = N. Es decir, X [ k ] = N ck (4.85) En realidad, las dos pueden hacerse idénticas si incluimos el factor 1/N en la TFD y no en la transformada de Fourier de tiempo discreto.
4.10.3 Relación entre la TFD y la Transformada de Fourier Por la definición (4.38), la transformada de Fourier de la secuencia x[n] definida por la Ec. (4.80) puede ser expresada como N −1 X ( Ω ) = ∑ x [ n ] e− jΩn (4.86) n =0 Comparando la Ec. (4.86) con la Ec. (4.81), vemos que X [k ] = X (Ω) Ω= k 2 π N ⎛ k 2π ⎞ =X⎜ ⎟ ⎝ N ⎠ (4.87) Así pues, la TFD X[k] corresponde a la transformada de Fourier X(Ω) muestreada uniformemente en las frecuencias Ω = k2π/N para k entero.
271 4.10.4 Propiedades de la TFD Debido a la relación expresada por la Ec. (4.87) entre la TFD y la transformada de Fourier, es de esperar que sus propiedades sean bastante semejantes, excepto que la TFD X[k] es una función de una variable discreta mientras que la transformada de Fourier X(Ω) es una función de una variable continua.
Observe que las variables de la TFD n y k deben estar restringidas al intervalo 0 ≤ n, k < N, por lo que los desplazamientos de la TFD x[n − n0] o X[k − k0] implican x [ n − n0 ]mód N o X[k − k0]mód N, donde la notación [m]mód N significa que 0 ≤ [ m ]mód N = m + i N (4.88) 0 ≤ [ m ]mód N < N (4.89) para algún entero i tal que Por ejemplo, si x[n] = δ[n − 3], entonces x [ n − 4]mód 6 = δ [ n − 7 ]mód 6 = δ [ n − 7 + 6]mód 6 = δ [ n − 1] El desplazamiento en la TFD también se conoce como un desplazamiento circular.
Puesto que la TFD es evaluada en frecuencias en la banda [0, 2π], las cuales están separadas por 2π/N, al considerar la TFD de dos señales simultáneamente, las frecuencias correspondientes a la TFD deben ser las mismas para que cualquier operación tenga significado. Esto significa que la longitud de las secuencias consideradas debe ser la misma. Si éste no es el caso, se acostumbra aumentar las señales mediante un número apropiado de ceros, de modo que todas tengan la misma longitud. Algunas propiedades básicas de la TFD son las siguientes: 1.
Linealidad: Sean X1[k] y X2[k] las TFD de dos secuencias x1[n] y x1[n]. Entonces a1 x1 [ n ] + a2 x2 [ n ] ↔ a1 X 1 [ k ] + a2 X 2 [ k ] (4.90) para cualesquiera constantes a1 y a2.
2.
Desplazamiento en Tiempo: Para cualquier entero real n0, x [ n − n0 ]mód N ↔ WNkn0 X [ k ] WN = e− j ( 2 π N ) (4.91) donde el desplazamiento es un desplazamiento circular.
3.
Desplazamiento en Frecuencia: WN− kn0 x [ n ] 4.
↔ X [ k − k0 ]mód N (4.92) Conjugación: x *[ n ] ↔ X *[ − k ]mód N donde el asterisco, igual que antes, denota el conjugado complejo.
(4.93) 272 5.
Inversión del Tiempo: x[ − n ]mód N 6.
(4.94) N x [ − k ]mód N (4.95) Dualidad: X [n] 7.
↔ X [ − k ]mód N ↔ Convolución Circular: En nuestras discusiones anteriores de diferentes transformadas vimos que la transformada inversa del producto de dos transformadas correspondía a una convolución de las funciones del tiempo correspondiente. Con esto en mente, tenemos entonces que x1 [ n ] ⊕ x2 [ n ] ↔ X1 [ k ] X 2 [ k ] (4.96) donde N −1 x1 [ n ] ⊕ x2 [ n ] = ∑ x1 [ i ] x2 [ n − i ] mód N (4.97) i =0 La suma de convolución en la Ec. (4.97) se conoce como la convolución circular de x1[n] y x2[n]. La demostración de esta propiedad se deja como un ejercicio.
Ejemplo 13. Considere dos secuencias x[n] y h[n] de longitud 4 dadas por ⎛π ⎞ x [ n ] = cos ⎜ n ⎟ ⎝2 ⎠ ⎛1⎞ h[ n ] = ⎜ ⎟ ⎝2⎠ n = 0, 1, 2, 3 n n = 0, 1, 2, 3 (a) Calcule y [ n ] = x [ n ] ⊕ h [ n ] usando la convolución circular.
(b) Calcule y[n] usando la TFD.
(a) Las secuencias x[n] y h[n] pueden expresarse como x [ n ] = {1, 0, - 1, 0} y h [ n ] = { 1, 12 , 14 , 1 8 } Por la Ec. (4.97), 3 y [ n ] = x [ n ] ⊕ h [ n ] = ∑ x [ i ] h [ n − i ] mód i =0 4 Las secuencias x[i] y h[n − i]mód 4 para n = 0, 1, 2, 3 se grafican en la Fig. 4.13a. Entonces, por la Ec.
(4.97) obtenemos n=0 y [0] = 1(1) + ( −1) ( 14 ) = 3 4 273 y [1] = 1( 12 ) + ( −1) ( 18 ) = n =1 3 8 y [ 2] = 1( 14 ) + ( −1) (1) = − 34 n=2 y [3] = 1( 18 ) + ( −1) ( 12 ) = − 83 n=3 y y [ n ] = { 34 , 83 , − 43 , − 83 } x[i] h[i] 1 1 2 0 1 3 −3 −1 i h[n − i]mód 4 0 i h[n − i]mód 4 1 1 n=0 n=1 i 0 1 2 3 i 0 1 2 3 h[n − i]mód 4 h[n − i]mód 4 1 1 n=2 n =3 1 2 0 1 2 3 0 1 2 3 i (a) y[n] 1 1 2 − 12 2 3 0 1 (b) Figura 4.13 i i 274 (b) Por la Ec. (4.81) 3 X [ k ] = ∑ x [ n ]W4kn = 1 − W42 k k = 0, 1, 2, 3 n=0 3 H [ k ] = ∑ h [ n ]W4kn = 1 + 12 W4k + 14 W42 k + 18 W43 k k = 0, 1, 2, 3 n =0 Entonces, por la Ec. (4.96), la TFD de y[n] es Y [ k ] = X [ k ] H [ k ] = ( 1 − W42 k )( 1 + 12 W4k + 14 W42 k + 81 W43 k ) = 1 + 12 W4k − 43 W42 k − 83 W43 k − 14 W44 k − 18 W45 k Como W44 k = (W44 ) = 1k y W45 k = W4( 4+1 ) k = W4k , se tiene k 3 Y [ k ] = 34 + 83 W4k − 34 W42 k − W43 k 8 k = 0, 1, 2, 3 y por la definición de la TFD, Ec. (4.81), obtenemos y [ n ] = { 34 , 83 , − 43 , − 83 } Ejemplo 14, Demuestre que si x[n] es real, entonces su TFD X[k] satisface la relación X[N − k] = X*[k] De la Ec. (4.81) N −1 N −1 n =0 n=0 X [ N − k ] = ∑ x [ n ]WN( N − k ) n = ∑ x [ n ] e − j ( 2 π N ) ( N − k ) n Ahora bien, e − j ( 2 π N )( N − k ) n = e − j 2 πn e j ( 2 π N ) kn = e j ( 2 π N ) kn Por lo tanto, si x[n] es real, entonces x*[n] = x[n] y N −1 X [ n − k ] = ∑ x[ n]e ∗ j ( 2 π N ) kn n =0 8.
⎡ N −1 ⎤ = ⎢ ∑ x [ n ] e − j ( 2 π N ) kn ⎥ = X *[ k ] ⎣ n =0 ⎦ Multiplicación: x1 [ n ] x2 [ n ] donde ↔ 1 N X1 [ k ] ⊕ X 2 [ k ] (4.98) 275 N −1 X 1 [ k ] ⊕ X 2 [ k ] = ∑ X 1 [ i ] X 2 [ k − i ]mód N i =1 9.
Propiedades Adicionales: Cuando x[n] es real, sea x [ n ] = x p [ n ] + xi [ n ] donde xp[n] y xi[n] son las componentes par e impar de x[n], respectivamente. Sea x[ n] ↔ X [ k ] = A [ k ] + j B [ k ] = X [ k ] e jθ [ k ] Entonces X [ − k ]mód N = X *[ k ] (4.99) xp [ n ] ↔ Re{ X [ k ]} = A[ k ] xi [ n ] ↔ j Im{ X [ k ]} = j B [ k ] (4.100) De la Ec. (4.99) tenemos A[ − k ] mód N = A[ k ] X [−k ] mód N B [ − k ] mód N = − B [ k ] = X [k ] θ [ − k ] mód N = −θ [ k ] (4.101) 10. Relación de Parseval: N −1 ∑ n=0 x[n] 2 = 1 N −1 ∑ N X [k ] 2 (4.102) n=0 La Ec. (4.102) se conoce como la identidad de Parseval (o el teorema de Parseval) para la TFD.
276 Problemas 4.1 Un conjunto de secuencias es {Ψk[n]} es ortogonal en un intervalo [N1, N2] si dos señales cualesquiera Ψm[n] y Ψn[n] en el conjunto satisfacen la condición N2 ∑Ψ n = N1 m ⎧0 [ n ] Ψ ∗k [ n ] = ⎨ ⎩α m≠k m=k α ≠ 0. Demuestre que el conjunto de secuencias exponenciales complejas Ψ k [ n ] = e jk ( 2 π N ) n k = 0, 1, K , N − 1 es ortogonal en cualquier intervalo de longitud N.
4.2 Determine los coeficientes de Fourier para la secuencia periódica x[n] en la Fig. P4.2.
x[n] ...
...
–4 –3 –2 –1 0 1 2 3 4 5 6 n Figura P4.2 4.3 Considere una secuencia x[ n] = ∞ ∑ δ[ n − 3k ] k =−∞ (b) Dibuje x[n].
(c) Determine los coeficientes de Fourier ck de x[n].
4.4 Determine la representación en serie de Fourier discreta para cada de las secuencias siguientes y grafique la magnitud y fase de los coeficientes de Fourier: π (a) x [ n ] = cos n 4 (b) x [ n ] = 2sen 3π 4 n sen 2π 7 n (c) x[n] es periódica con período 4 y 277 ⎛1⎞ x[ n] = ⎜ ⎟ ⎝3⎠ (d) x [ n ] = ∞ ∑ ( −1) k δ ( n − k ) + sen k =−∞ n 0≤n≤3 3 πn 4 4.5 Sea x[n] una secuencia periódica real con período fundamental N0 y coeficientes de Fourier ck = ak + jbk , donde ak y bk son ambos reales.
(a) Demuestre que a− k = ak y b− k = − bk .
(b) Demuestre que cN0 2 es real si N0 es par.
(c) Demuestre que x[n] también puede expresarse como una serie de Fourier trigonométrica discreta de la forma x [ n ] = c0 + 2 ( N 0 −1) 2 ∑ k =1 ( an cos k Ω0 n − bk sen k Ω 0 n ) Ω0 = 2π N0 si N0 es impar o x [ n ] = c0 + ( −1) n cN0 2 + 2 ( N0 − 2 ) 2 ∑ k =1 ( ak cos k Ω 0 n − bk sen k Ω 0 n ) si N0 es par.
4.6 Determine la transformada de Fourier de cada una de las secuencias siguientes: (a) x [ n ] = − a n u [ − n − 1] (b) x [ n ] = a , n a real a <1 (c) x [ n ] = sen ( Ω 0 n ), Ω0 < π (d) x [ n ] = u [ − n − 1] 4.7 Sean x[n], h[n] y y[n] secuencias periódicas con el mismo período N0, y sean ak, bk y ck los coeficientes de Fourier respectivos.
(a) Sea y [n] = x [n] h [n] . Demuestre que ck = ∑ am bk − m = ∑ ak − m bm = ak ∗ bk N0 N0 (b) Sea y [n] = x [n] ∗ h [n] . Demuestre que ck = N 0 ak bk 4.8 Determine la transformada de Fourier de la secuencia en pulso rectangular x { n} = u [ n ] − u [ n − N ] 278 4.9 Para la secuencia del pulso rectangular mostrado en la Fig. P4.9, (a) Determine la transformada de Fourier X(Ω).
(b) Grafique X(Ω) para N1 = 4 y N1 = 10.
x[n] ...
...
–N1 0 N1 n Figura P4.9 4.10 Determine la transformada de Fourier inversa de (a) X ( Ω ) = 2 πδ ( Ω − Ω 0 ) Ω , Ω0 ≤ π (b) X ( Ω ) = cos (2 Ω ) (c) X ( Ω ) = jΩ 4.11 Determine la transformada de Fourier de la secuencia sinusoidal x [ n ] = cos Ω 0 n Ω0 ≤ π 4.12 Considere la secuencia x[n] definida por ⎧1 x [ n] = ⎨ ⎩0 n ≤2 otros valores de n (a) Dibuje x[n] y su transformada de Fourier X(Ω).
(b) Dibuje la secuencia escalada en el tiempo x( 2 ) [ n ] y su transformada de Fourier X ( 2 ) ( Ω ) .
(c) Dibuje la secuencia escalada en el tiempo x( 3 ) [ n ] y su transformada de Fourier X ( 3 ) ( Ω ) .
(d) Determine y [ n ] = x [ n ] ∗ x [ n ] .
(e) Exprese Y(Ω) en función de X(Ω).
4.13 Considere la secuencia y[n] dada por ⎧ x[ n] y[n] = ⎨ ⎩ 0 Exprese Y[Ω] en función de X[Ω].
n par n impar 279 4.14 Sea ⎧⎪ 1, x[ n] = ⎨ ⎪⎩ 0, n ≤2 n >2 (a) Determine y [ n ] = x [ n ] ∗ x [ n ] .
(b) Halle la transformada de Fourier Y(Ω) de y[n].
4.15 Use el teorema de la convolución para determinar la transformada de Fourier inversa de X (Ω) = 1 ( 1− a e ) − jΩ a <1 2 4.16 Demuestre que u[n] ↔ δ (Ω) + 1 Ω ≤π 1 − e − jΩ 4.17 Verifique la propiedad de acumulación, es decir, demuestre que ∞ ∑ x[ k ] ↔ X (0) δ ( Ω ) + k =−∞ 1 1 − e − jΩ X (Ω) 4.18 Demuestre que u[n] ↔ π δ[ n ] + 1 1 − e − jΩ Ω ≤π 4.19 Verifique el teorema de Parseval para la transformada de Fourier discreta.
4.20 Un sistema LIT causal de tiempo discreto es descrito por y [ n ] − 14 y [ n − 1] + 81 y [ n − 2] = x [ n ] donde x[n] y y[n] son la entrada y salida del sistema, respectivamente.
(a) Determine la respuesta de frecuencia H(Ω) del sistema.
(b) Halle la respuesta al impulso h[n] del sistema.
(c) Halle y[n] si x [ n ] = ( 1 2 ) n u[n] .
4.21 Considere un sistema LIT causal de tiempo discreto con respuesta de frecuencia H ( Ω ) = Re{ H ( Ω )} + j Im{ H ( Ω )} = A ( Ω ) + j B ( Ω ) (a) Demuestre que la respuesta al impulso h[n] del sistema puede obtener en función de A(Ω) o de B(Ω) solamente.
(b) Halle H(Ω) y h[n] si Re{ H ( Ω )} = A ( Ω ) = 1 + cos Ω 280 4.22 Determine la TFD de la secuencia x[n] = an, 0 ≤ n ≤ N − 1.
4.23 Evalúe la convolución circular y [ n ] = x [ n ] ⊕ h [ n ] , donde x [ n ] = u [ n ] − u [ n − 4] h [ n ] = u [ n ] − u [ n − 3] (a) Suponiendo N = 4.
(b) Suponiendo N = 8.
CAPÍTULO CINCO LA TRANSFORMACIÓN DE LAPLACE 5.1 Introducción El concepto de transformar una función puede emplearse desde el punto de vista de hacer un cambio de variable para simplificar la solución de un problema; es decir, si se tiene un problema en la variable x, se sustituye x por alguna otra expresión en términos de una nueva variable, por ejemplo, x = sen y , anticipando que el problema tendrá una formulación y una solución más sencillas en términos de la nueva variable y; luego de obtener la solución en términos de la nueva variable, se usa el procedimiento opuesto al cambio previo y se obtiene entonces la solución del problema original. El logaritmo es un ejemplo sencillo de una transformación a la que ya nos hemos enfrentado; su virtud es que transforma un producto en una suma, que es una operación mucho más sencilla. Efectuando la operación inversa, el antilogaritmo, obtenemos el resultado del producto.
En el Capítulo 3 se estudió la Transformada de Fourier. Sin embargo, esta transformación está restringida a funciones que tienden a cero lo suficientemente rápido conforme t → ±∞ de modo que la integral de Fourier converja. Ahora se removerá esa restricción. También queremos extender el teorema de la integral de Fourier a aquellos casos donde deseamos la respuesta de un sistema lineal a una excitación que comienza en t = 0, es decir, se definen condiciones iniciales, y luego desarrollar ciertas propiedades de la transformada modificada resultante, la cual identificaremos como la transformada de Laplace.
Una transformación que es de gran importancia en el cálculo es la de integración, x I { f ( t )} = ∫ f ( t ) dt = F ( x ) 0 El resultado de esta operación es una función F(x), la imagen de f(t) bajo la transformación. Obsérvese que la operación inversa a la integración es la derivación; si se designa por D la operación de derivar, d/dt, entonces D { F ( x )} = f ( x ) Con frecuencia es necesaria una transformación más complicada. Si se tiene una función f(t) de la variable t, se define una transformada integral de f(t) como b Transformada integral de f ( t ) = T { f ( t )} = ∫ f ( t ) K ( s , t ) dt a (5.1) 282 La función K(s, t), la cual es una función de dos variables, se denomina el núcleo de la transformación.
Obsérvese que la transformada integral ya no depende de t; es una función F(s) de la variable s, de la cual depende el núcleo. El tipo de transformada que se obtiene y los tipos de problemas para los cuales es de utilidad dependen de dos cosas: el núcleo y los límites de integración. Para ciertos núcleos K(s, t), la transformación (5.1) al aplicarse a formas lineales en f(t) dadas, cambia esas formas a expresiones algebraicas en F(s) que involucran ciertos valores de frontera de la función f(t). Como consecuencia, ciertos tipos de problemas en ecuaciones diferenciales ordinarias se transforman en problemas algebraicos cuya incógnita es la imagen F(s) de f(t). Como ya se mencionó, si se conoce una transformación inversa, entonces es posible determinar la solución y(t) del problema original.
En general, recuerde que una transformación T{f(t)} es lineal si para todo par de funciones f1(t) y f2(t) y para todo par de constantes c1 y c2, ella satisface la relación T {c1 f1 ( t ) + c2 f 2 ( t )} = c1T { f1 ( t )} + c2 T { f 2 ( t )} (5.2) Es decir, la transformada de una combinación lineal de dos funciones es la combinación lineal de las transformadas de esas funciones.
Para la selección particular del núcleo K ( s , t ) = e − st y los límites de integración desde cero hasta infinito en la Ec. (5.1), la transformación definida así se denomina una transformación de Laplace y la imagen resultante una transformada de Laplace. La transformada de Laplace de f(t) es entonces una función de la variable s y se denota por F(s) o L{f(t)}. La transformación de Laplace es probablemente la herramienta más poderosa para estudiar los sistemas lineales descritos por ecuaciones diferenciales con coeficientes constantes. Como un proceso, la transformación convierte un problema en ecuaciones diferenciales en uno que involucra una o más ecuaciones algebraicas.
5.2 Definición de la Transformada de Laplace Dada una función f(t) definida para todos los valores positivos de la variable t, se forma la integral ∞ ∫ f (t ) e − st dt = F ( s ) (5.3) 0− la cual define una nueva función F(s) del parámetro s, para todo s para el cual converge la integral. La función F(s) así formada se denomina la transformada de Laplace unilateral de f(t). Normalmente se omitirá el término unilateral y la transformada se denotará por F(s) o L{f(t)}. Es decir, la definición formal de la transformada de Laplace es L { f (t )} = F ( s ) = ∞ ∫ f (t ) e − st dt (5.4) 0− El límite inferior de la Ec. (5.4) se escogió como 0− en vez de 0 o 0+ para incluir casos donde la función f(t) pueda tener una discontinuidad de salto en t = 0 . Esto no debe considerarse una restricción, ya que en los estudios usuales de transitorios, el origen del tiempo siempre puede tomarse en el instante t = 0 o en algún tiempo finito t > 0. La función en el lado derecho de la Ec. (5.4) no depende de t porque la 283 integral tiene límites fijos. Como ya se mencionó, la transformación de Laplace es un proceso que reduce un sistema de ecuaciones integro-diferenciales simultáneas lineales a un sistema de ecuaciones algebraicas simultáneas lineales. La transformada de Laplace asocia una función en el dominio del tiempo con otra función, la cual se define en el “plano de frecuencia compleja”.
La propiedad más sencilla y más obvia de la transformación de Laplace es que es lineal. Esta afirmación es fácil de demostrar ya que ella está definida como una integral. Es decir, si f 1 (t) y f 2 (t) poseen transformadas F1(s) y F2(s) y c1 y c2 son constantes, L { c1 f1 ( t ) + c2 f 2 ( t )} = c1 F1 ( s ) + c2 F2 ( s ) (5.5) La notación f (t ) ↔ F ( s ) significará que las funciones f(t) y F(t) forman un par de transformadas de Laplace, es decir, que F(s) es la transformada de Laplace de f(t).
En general, la variable s es compleja (s = σ + jω) pero, por los momentos, se tomará como real y más adelante se discutirán las limitaciones sobre el carácter de la función f(t) y sobre el recorrido de la variable s. Puesto que el argumento st del exponente de e en la Ec. (5.3) o (5.4) debe ser adimensional, entonces las dimensiones de s deben ser las de frecuencia y las unidades de segundos inversos ( s −1 ) .
Ahora se obtendrán las transformadas de algunas funciones elementales. La mayoría de los ejemplos están basados en la integral ∞ ∫e − pt dt = 0 1 p , p>0 (5.6) cuya demostración procede de la identidad T ∫e − pt dt = 0 1 − e − pT p En efecto, si p > 0, entonces e−pT → 0 conforme T → ∞ y se obtiene la Ec. (5.5).
Ejemplo 1 (a) Se determinará la transformada de Laplace de la función f(t) = 1, t > 0. Insertando esta función en la Ec. (5.3), se obtiene ∞ ∞ 0− 0 L { 1 } = ∫ (1) e − st dt = ∫ e− st dt = 1 s para s > 0. En la notación indicada, 1 ↔ (b) 1 s , s>0 Considérese ahora la función f(t) = e c t , t > 0, donde c es una constante. En este caso, (5.7) 284 ∞ ∞ 0− 0− L { ect } = ∫ ect e− st dt = ∫ e −( s −c ) t dt La última integral es la misma que la de (5.6) con p = s − c; por lo tanto, es igual a 1 ( s − c ) , con tal que s − c > 0. Se concluye entonces que 1 ↔ ect s−c s>c , (5.8) Con la ayuda de métodos elementales de integración se pueden obtener las transformadas de otras funciones. Por ejemplo, t ↔ sen at ↔ 1 s 2 t2 ↔ , 1 s2 + a2 cos at ↔ , 2 s3 s (5.9) s2 + a2 para s > 0; más adelante se estudiarán procedimientos más sencillos para obtener estas transformadas.
Ejemplo 2 Usando la propiedad de linealidad de la transformada de Laplace se obtendrá la transformada de la función f ( t ) = senh at .
Usando la identidad senh at = 1 1 e a t − e − at 2 2 entonces ⎧1 ⎩2 1 ⎫ 1 1 2 ⎭ 2 s−a senh at ↔ a L {senh at } = L ⎨ e at − e− at ⎬ = − 1 1 2 s+a cuando s > a y s > −a; es decir, s2 + a2 , ( s> a ) Como la ecuación de definición de la transformada de Laplace contiene una integral en la cual uno de sus límites es infinito y por la propiedad de linealidad, una de las primeras preguntas a responder se refiere a la existencia de la transformada. Un ejemplo sencillo de una función que no tiene una transformada de Laplace es f ( t ) = exp ⎡⎣exp ( t ) ⎤⎦ . Por ello, a continuación se darán algunos teoremas concernientes a la convergencia de la integral de Laplace.
285 5.3 Condiciones para la Existencia de la Transformada de Laplace 5.3.1 Funciones Seccionalmente Continuas Se dice que una función f(t) es seccionalmente continua en un intervalo acotado a < t < b, si es continua excepto en un número finito de puntos t1 < t2 < L < t N de (a , b) y si en cada punto de discontinuidad posee límites finitos conforme t tiende a cualquier extremo de los subintervalos desde el interior (si x1 = a, el límite por el lado derecho existe en t1, y si tN = b, el límite por el lado izquierdo debe existir en tN). Se usan los símbolos f ( ti− ), f ( ti+ ) para denotar los límites por el lado izquierdo y por el lado derecho, respectivamente, de f(t) en ti. La función f(t) que se ilustra en la Fig. 5.1 es seccionalmente continua en (a, b). Tiene sólo una discontinuidad en t = t1 y f ( t1− ) = A , f ( ti+ ) = B f(t) f(t) B A a t1 b t Figura 5.5 a t1 b t Figura 5.2 La función que se ilustra en la Fig. 5.2 no es seccionalmente continua. Posee sólo una discontinuidad en t1, pero el límite por el lado derecho de g(t) no existe en t1.
Teorema 1. Sean las funciones f(t) y g(t) seccionalmente continuas en todo intervalo de la forma [c,T], donde c es fijo y T > c. Si |f(t)| ≤ g(t) para t ≥ c y si la integral ∞ ∫ g ( t ) dt c converge, entonces la integral 286 ∞ ∫ f ( t ) dt c también converge.
Más adelante se usará el Teorema 1 para establecer un conjunto de condiciones de suficiencia para la existencia de la transformada de Laplace de una función. Sin embargo, primero se introducirá la notación f ( t ) = O [ g ( t )] la cual debe leerse “f(t) es del orden de g(t)”. Esta notación significa que existen constantes M y N tales que f ( t ) ≤ Mg ( t ) cuando t ≥ N. En particular, si f(t) = O|e α t | para alguna constante α, se dice que f(t) es de orden exponencial.
Teorema 2. Sea f(t) una función seccionalmente continua en todo intervalo de la forma [0,T], donde T > 0 y sea f ( t ) = O ⎡⎣eαt ⎤⎦ para alguna constante α. Entonces la transformada de Laplace L { f ( t )} = F ( s ) existe, al menos para s > α.
Demostración: De acuerdo con las hipótesis del teorema, existen constantes M y t0 tales que − s −α t f ( t ) ≤ Meαt cuando t > t0. Entonces f ( t ) e − st ≤ M e ( ) cuando s ≥ t0. Puesto que la integral ∞ ∫M e − ( s −α ) t dt t0 converge cuando s > α, la integral ∞ ∫e − st dt t0 también converge (Teorema 1). Puesto que ∞ ∫e 0 − st t0 f ( t ) dt = ∫ e 0 − st ∞ f ( t ) dt + ∫ e− st f ( t ) dt , s>α t0 la transformada de Laplace L {f(t)} existe para s > α.
Como una aplicación importante del Teorema 2, se demostrará que si f(t) es de la forma t n eat cos bt , t n e at sen bt donde n es un entero no negativo, entonces L {f(t)} existe para s > a > 0. Primero obsérvese que (5.10) 287 t n = O ⎡⎣ eεt ⎤⎦ para todo número positivo ε. Como cos bt ≤ 1 y sen bt ≤ 1 para todo t, tenemos que f ( t ) = O ⎡ e( ⎣ a +ε ) t ⎤ ⎦ Por el teorema 1, L { f ( t )} existe para s > a+ε para todo número positivo ε. Por consiguiente, L { f ( t )} existe para s > a.
El resultado anterior es importante en el estudio de ecuaciones diferenciales lineales con coeficientes constantes. Considere la ecuación homogénea P( D) x = 0 donde D = d/dt y P(D) es un operador polinomial. Toda solución de esta ecuación es una combinación lineal de funciones de la forma (5.10). Cualquier derivada de una solución es también una combinación lineal de funciones de este tipo. Por lo tanto, se puede decir que toda solución de la ecuación, y toda derivada de una solución, es de orden exponencial y posee una transformada de Laplace.
Teorema 3. Sea f(t) una función seccionalmente continua en todo intervalo de la forma [0, T] y sea f ( t ) = O ⎡⎣ eαt ⎤⎦ para alguna constante α. Entonces la función h(t), donde t h ( t ) = ∫ f ( u ) du 0 es de orden exponencial. Si α > 0, h ( t ) = O ⎡⎣eαt ⎤⎦ y si α < 0, h(t) = O[1].
Demostración: Existen constantes positivas t0 y M1 tales que f ( t ) ≤ M 1 eαt para t ≥ t0. También existe una constante positiva M2 tal que |f(t)| ≤ M 2 para 0 ≤ t ≤ t0. Puesto que t0 t 0 t0 h ( t ) = ∫ f ( u ) du + ∫ f ( u ) du para t > t0, se tiene que t0 t 0 t0 h ( t ) ≤ M 2 ∫ du + M 1 ∫ f ( u ) du o h ( t ) ≤ M 2 t0 + Si α > 0, entonces M1 α (e αt − eαt0 ) 288 M ⎛ h ( t ) ≤ ⎜ M 2 t0 + 1 α ⎝ ⎞ αt ⎟e , ⎠ t ≥ t0 y h ( t ) = O ⎡⎣ eαt ⎤⎦ .
Ejemplo 3 La función escalón unitario (previamente definida en el Cap. 1) ⎧ 0 cuando 0 < t < t0 u ( t − t0 ) = ⎨ ⎩ 1 cuando t > t0 es un ejemplo de una función seccionalmente continua en el intervalo 0 < t < T para todo número positivo T (Fig. 5.3). Observe la discontinuidad en t = t0: lím u ( t − t0 ) = 0 lím u ( t − t0 ) = 1 t →t0− t →t0+ La transformada de Laplace de esta función es ∞ ∫ u (t − t 0 − 0 )e − st ∞ dt = ∫ e − st t0 1 dt = − e s ∞ − st t0 Así que, siempre que s > 0, L { u ( t − t0 ) } = e − t0 s s u(t – t0) 1 t t0 Figura 5.3 Aquí se debe señalar un punto importante. La transformada de Laplace está definida solamente entre 0 y +∞. La conducta de la función f ( t ) para t < 0 nunca entra en la integral y por tanto no tiene efecto sobre su transformada. Por ejemplo, las funciones f ( t ) = 1 y u(t) ( t0 = 1 en el Ejemplo 3) tienen la misma transformada 1/s.
− Las condiciones mencionadas en los teoremas para la existencia de la transformada de una función son adecuadas para la mayoría de nuestras necesidades; pero ellas son condiciones suficientes y no 289 necesarias. Por ejemplo, la función f(t) puede tener una discontinuidad infinita en, por ejemplo, t = 0, es decir |f(t)| → ∞ conforme t → 0, con tal que existan números positivos m, N y T, donde m < 1, tales que |f(t)| < N/t m cuando 0 < t < T. Entonces, si en cualquier otra forma, f(t) cumple con las condiciones mencionadas, su transformada todavía existe porque la integral T ∫e − sT f ( t ) dt 0− existe.
5.3.2 Región de Convergencia de la Transformada El recorrido de valores de la variable compleja s para los cuales converge la transformada de Laplace se denomina la región de convergencia (RDC). Por ejemplo, sabemos que la señal x ( t ) = e− at u ( t ) , a real, tiene como transformada la función X ( s ) = 1 ( s + a ) , siempre que Re( s ) > − a , puesto que lím e − ( s + a ) t = 0 t →∞ sólo si Re ( s + a ) > 0 o Re( s ) > − a . Así que la RDC para este ejemplo la especifica la condición Re( s ) > − a y se muestra en el plano complejo como lo ilustra la Fig. 5.4 mediante el área sombreada a la derecha de la línea Re( s ) = − a , para el caso en que a > 0 .
jω a>0 σ –a Figura 5.4 5.4 Teoremas de la Derivada y de la Integral Se desea expresar la transformada de Laplace ∞ ∫ f ′(t ) e 0 − st dt − de la derivada f'(t) de una función f(t) en términos de la transformada de Laplace F(s) de f(t).
Integrando por partes se obtiene 290 ∞ L { f ′ ( t )} = ∫ f ′ ( t ) e− st dt = f ( t ) e− st 0− ∞ 0− ∞ + s ∫ f ( t ) e − st dt 0− Sea f(t) del orden de est conforme t tiende a infinito y continua. Entonces, siempre que s > a, el primer término en el lado derecho se convierte en −f(0) y por tanto L { f ′ ( t )} = sF ( s ) − f (0) (5.11) Así que la diferenciación de la función objeto corresponde a la multiplicación de la función resultado por su variable s y la adición de la constante −f(0). La fórmula (5.11) da entonces la propiedad operacional fundamental de la transformación de Laplace; ésta es la propiedad que hace posible reemplazar la operación de diferenciación en una ecuación diferencial por una simple operación algebraica sobre la transformación.
Ejemplo 4 Se desea resolver la ecuación y ′ ( t ) + 3 y ( t ) = 0, t >0 (5.12) con la condición inicial y(0) = 2.
Multiplicando ambos lados de la Ec. (5.12) por e−st e integrando de cero a infinito, se obtiene ∞ ∫ [ y ′ ( t ) + 3 y ( t )] e − st dt = 0 (5.13) 0− Del teorema de la derivada, Ec. (5.11), se obtiene que ∞ ∫ y ′(t ) e 0 − st dt = sY ( s ) − y (0) = sY ( s ) − 2 − donde Y(s) = L{y(t)}. Sustituyendo en la Ec. (5.12) da sY ( s ) − 2 + Y ( s ) = 0 (5.14) Así que la transformada de Laplace Y(s) de la función incógnita y(t) satisface esta ecuación.
Resolviéndola, se obtiene Y (s) = 2 (5.15) s+3 Como se observa, la fracción anterior es la transformada de la función 2 e−3t . Por lo tanto, la solución de (5.12) es y ( t ) = 2 e −3 t , t >0 291 5.4.1 La Transformada de Laplace Bilateral La transformada de Laplace F(s) de una función f(t), como se definió en (5.3), involucra los valores de la función f(t) para todo t en el intervalo (0−, ∞). Es decir, el intervalo adecuado en la solución de ecuaciones diferenciales que son válidas para t ≥ 0. En la teoría de circuitos eléctricos, sistemas de control lineales y otras aplicaciones, algunas veces es deseable considerar los valores de f(t) en todo el eje real y definir a F(s) en consecuencia. Esto conduce a la función ∞ F (s) = ∫ f ( t ) e − st dt (5.16) −∞ conocida como la transformada de Laplace bilateral de f(t). Si la función f(t) es causal, es decir, si f(t) = 0 para t < 0, entonces la integral en (5.16) es igual a la integral en (5.3). En este texto no se usará la Ec. (5.16). La notación F(s) se reservará sólo para las transformadas unilaterales.
5.4.2 La Función Impulso Un concepto importante ya presentado en el Cap. 1 es el de la función impulso. Esta función, también conocida como la función delta de Dirac, se denota por δ ( t ) y se representa gráficamente mediante una flecha vertical, como en la Fig. 5.5. En un sentido matemático estricto, la función impulso es un concepto bastante sofisticado. Sin embargo, para las aplicaciones de interés es suficiente comprender sus propiedades formales y aplicarlas correctamente. Las propiedades de esta función ya se estudiaron en el Cap. 1 y no se repetirán aquí. Su transformada se derivará más adelante.
δ(t ) t 0 Figura 5.5 5.4.3 El Teorema de la Derivada Al comienzo de esta sección se demostró que si F(s) = L{f(t)}, entonces L { f ′ ( t )} = sF ( s ) − f (0) (5.17) Ahora se revisará el significado de f(0). Si f(t) es continua en el origen, entonces f(t) tiene un significado claro: es el valor de f(t) para t = 0. Suponga, sin embargo, que f(t) es discontinua y que f (0 + ) = lím f ( +ε ), ε→0 f (0 − ) = lím f ( −ε ), ε→ 0 ε>0 (5.18) 292 son sus valores en t = 0+ y t = 0−, respectivamente (Fig. 5.7a). En este caso, el número f(0) en la Ec.
(5.17) depende de la interpretación de f'(t). Si f'(t) incluye el impulso [f(0+) − f(0−)]δ(t) debido a la discontinuidad de f(t) en t = 0 (Fig. 5.7b), entonces f(0) = f(0−). Si f'(t) es la derivada de f(t) para + t > 0 solamente y sin el impulso en el origen (Fig. 5.7c), entonces f(0) = f(0 ). La primera interpretación requiere aclarar el significado de la integral en la Ec. (5.3) cuando f(t) contiene un impulso en el origen.
Como se sabe, la integral de δ(t) en el intervalo (0, ∞) no está definida porque δ(t) es un impulso en t = 0. Para evitar esta dificultad, se interpretará a F(s) como un límite de la integral f(t)e − s t en el intervalo (−ε, ∞): ∞ F ( s ) = lim ε→ 0 − ∫ f (t ) e − st ∞ dt = −ε ∫ f (t ) e − st (5.19) dt 0− donde ε > 0. Con esta interpretación de F(s) se deduce que la transformada de δ(t) es igual 1: δ (t ) ↔ 1 (5.20) porque ∞ ∫ δ(t ) e − st dt = 1 −ε f(t) f'(t) t≥0 f'(t) t>0 f(0+) – f(0–) f(0+) 0 0 t t 0 t f(0–) (a) (b) (c) Figura 5.7 Además, el término f(0) en la Ec. (5.29) es el límite f(0−) de f( − ε) conforme ε → 0. Si F(s) se interpreta como un límite en el intervalo (ε, ∞), entonces f(0) = f(0+). En resumen, ∞ ∫ f ′(t ) e 0 − st dt = sF ( s ) − f (0− ) (5.21) − st dt = sF ( s ) − f (0+ ) (5.22) − y ∞ ∫ f ′(t ) e 0+ 293 La diferencia f(0+) − f(0−) entre estas dos integrales es igual a la transformada de Laplace del impulso [f(0+) − f(0−)]δ(t) en el origen y causada por la discontinuidad de f(t) en ese punto.
Si la función f(t) es continua en el origen, entonces debe quedar claro que f(0−) = f(0+) = f(0) y las fórmulas (5.17), (5.21) y (5.22) son equivalentes. Si f(t) es continua para t ≥ 0 excepto por un salto finito en t0, es fácil demostrar que la fórmula (5.17) debe reemplazarse por la fórmula L { f ′ ( t )} = sF ( s ) − f (0) − [ f ( t0 + 0) − f ( t0 − 0) ] e − st0 donde la cantidad entre corchetes es la magnitud del salto en t0.
Derivadas de Orden Superior. Sean f(t) y f'(t) continuas para t ≥ 0 y de orden exponencial y también sea f'(t) seccionalmente continua en todo intervalo acotado. Entonces, como f"(t) es la derivada de f'(t), la transformada de f'(t) menos el valor inicial f'(0) de f'(t), es decir L { f ′′ ( t )} = sL { f ′ ( t )} − f (0) = s [ sF ( s ) − f (0) ] − f '(0) (5.23) = s 2 F ( s ) − sf (0) − f '(0) La aplicación repetida del argumento anterior produce la relación L { f ( n ) ( t )} = s n F ( s ) − s n−1 f (0) − s n−2 f '(0) − L f ( n−1) (0) (5.24) donde se supone que f(t) y sus derivadas de orden hasta n− 1 son continuas para t ≥ 0 y de orden exponencial.
Aplicando (5.24) al impulso δ(t), se obtiene L { δ( n ) ( t )} = s n porque la transformada de δ(t) es igual a 1 y los valores de sus derivadas en t = 0 son iguales a cero.
Ejemplo 5 Se desea obtener la transformada de f(t) = sen(at) a partir de la transformada de cos(at).
Si f(t) = cos(at), entonces f ′ ( t) = −asen(at) y aplicando (5.17), se obtiene L {− a sen at} = s L {cos at} − 1 = s2 s2 + a2 −1 = − y por tanto L {sen at} = a s + a2 2 a2 s2 + a2 294 Ejemplo 6 Determínese la transformada de f(t) = tu(t).
Solución: La función f(t) = t y f'(t) son continuas y f(t) es de O ( eαt ) para cualquier α positiva. Por lo tanto, L { f ′ ( t )} = sL { f ( t )} − f (0) ( s > 0) o L{1} = s L {t} Como L {1} = 1/s, se tiene entonces que L{ t } = 1 ( s > 0) s2 Ejemplo 7 Determínese la transformada de Laplace de f(t) = t n , donde n es cualquier entero positivo.
Solución La función f(t) = t n cumple con todas las condiciones del Teorema 2 para cualquier α positiva. En este caso, f (0) = f '(0) = L f ( f (n) f( n −1) (0) = 0 ( t ) = n! n +1) (t ) = 0 Aplicando la fórmula (5.24) se obtiene L{ f ( n +1) } ( t ) = 0 = s n +1L { t n } − n ! y por tanto, L{ tn } = n! s n +1 ( s > 0) 5.4.4 El Teorema de la Integral Usando el teorema de la derivada, se obtendrá la transformada F(s) de la integral definida por t f (t ) = ∫ y ( τ) d τ 0 − (5.25) 295 de una función y(t) en términos de la transformada Y(s) de y(t). Se supone que f(t) es seccionalmente continua y de orden exponencial.
La función f(t) en la Ec. (5.25) es continua y f(0) = 0. También se tiene que y(t) = f'(t). Por lo tanto, la transformada Y(s) de y(t) es igual la transformada sY(s) − f(0) y, puesto que f(0−) = 0, se concluye que Y(s) = sF(s). Entonces, ⎧⎪ t ⎫⎪ 1 F ( s ) = L ⎨ ∫ y ( τ ) d τ⎬ = Y ( s ) ⎪⎩0− ⎪⎭ s (5.26) Ahora bien, la formulación de las leyes de Kirchhoff para una red, con frecuencia incluye una integral con límites de − ∞ a t. Estas integrales pueden dividirse en dos partes, 0− t ∫ −∞ y ( τ) d τ = ∫ −∞ t y ( t ) dt + ∫ y ( τ ) d τ 0− en donde el primer término de la derecha es una constante. Cuanto y(t) es una corriente, esta integral es el valor inicial de la carga, q (0− ) , y cuando y(t) es un voltaje, la integral es el enlace de flujo Ψ (0− ) = L i (0− ) , donde L es la inductancia. En cualquier caso, este término debe incluirse en la formulación de la ecuación; la transformada de una constante q (0− ) es L { q (0− )} = q (0− ) s Y se puede escribir una ecuación similar para Ψ (0− ).
5.4.5 Traslación Compleja Ahora se expresará la transformada ∞ ∞ − − − at − st ∫ ⎣⎡ e f ( t ) ⎦⎤ e dt = 0 ∫ f (t ) e 0 −( s + a ) t dt ( a > 0) del producto e−atf(t) en términos de la transformada F(s) de f(t). La última integral en la ecuación anterior es la misma integral de la ecuación de definición de la transformada, siempre que s se reemplace por s − a. Por lo tanto, es igual a F(s − a) y se obtiene el par de transformadas e− at f ( t ) ↔ F ( s + a ) (5.27) Esta propiedad nos dice que la transformada del producto de e–at por una función de t es igual a la transformada de la misma función con s reemplazada por s + a. Como herramienta para hallar transformadas inversas, esta propiedad afirma que si s + a es reemplazada por s en la transformada de una función f(t), entonces f(t) es igual al producto de e–at por la inversa de la transformada modificada.
296 Ejemplo 8 (a) 1 ⎧ ⎫ Se desea evaluar L−1 ⎨ ⎬.
2 ⎩ s ( s + 4) ⎭ Suprimiendo el factor 1/s, obtenemos Y ( s ) = 1 ( s 2 + 4) = 12 ⎡⎣ 2 ( s 2 + 4) ⎤⎦ cuya transformada inversa es igual a 12 sen 2t . Integrando esta ecuación y usando la Ec. (5.26), tenemos que t 1 cos 2 t ⎧ ⎫ ⌠ sen 2 t L−1 ⎨ 2 dt = − ⎬ = ⎮⎮ 4 ⎩ s ( s + 4) ⎭ ⌡0 2 (b) t = 1 − cos 2 t 0 4 1 = sen 2 t 2 Ahora se usarán las Ecs. (5.25) y (5.26) para evaluar la integral t g ( t ) = ∫ e − aτ d τ 0 Éste es un caso especial de la Ec. (5.26) con Y(t) = e−a t . Usando (5.26) con f(t) = 1, se tiene que F(s) = 1/s y entonces L { e− at ×1} = 1 s+a Usando(5.26) con Y(s) = 1/(s+a), se obtiene G(s) = 1 s(s + a) = 1a s − 1a s+a y por tanto, 1 − e− a t a a 1 = ( 1 − e− at ) a g (t ) = 1 ( t > 0) Aplicando la Ec. (5.26) a las transformadas de sen(bt) y cos(bt) se demuestra fácilmente que e − at cos bt ↔ e − at sen bt ↔ s+a (s + a) 2 + b2 b (s + a) 2 + b2 297 5.5 El Problema de Inversión Si F(s) es la transformada de Laplace de una función f(t), entonces f(t) se denomina la transformada de Laplace inversa de F(s). El problema de inversión es la determinación de la transformada inversa f(t) de una función F(s) dada. Este problema es básico en las aplicaciones de la transformada de Laplace. Considere, por ejemplo, la ecuación diferencial y ′ ( t ) + 3 y ( t ) = 6, y (0) = 0 (5.28) Transformando esta ecuación, se obtiene 6 sY ( s ) + 3Y ( s ) = s puesto que y(0) = 0 y la transformada de f(t) = 6 es igual a 6/s. Por lo tanto, Y (s) = 6 (5.29) s ( s + 3) Así que para determinar y(t) se debe hallar la transformada inversa de esta fracción.
En general, hay dos métodos de inversión fundamentales diferentes: 1. El Método de la Fórmula de Inversión. En este método, la función f(t) se expresa directamente como una integral que involucra la función F(s). Este resultado importante, conocido como el de la fórmula de inversión, se discute usualmente en el contexto de lo que se conoce como transformadas de Fourier (tópico fuera del alcance de este texto).
2. Tablas. En este método se intenta expresar la función F(s) como una suma de transformadas F ( s ) = F1 ( s ) + F2 ( s ) + L + Fn ( s ) (5.30) donde F1 ( s ), K ,Fn ( s ) son funciones con transformadas inversas f1 ( t ), K , f n ( t ) conocidas y tabuladas. De la propiedad de linealidad de la transformada se determina que si F(s) puede ser expandida como en la Ec. (5.30), entonces su transformada inversa f(t) está dada por f ( t ) = f1 ( t ) + f 2 ( t ) + L + f n ( t ) (5.31) Como una ilustración se expande la fracción (5.29) como una suma de dos fracciones con transformadas conocidas: Y (s) = 6 s ( s + 3) = 2 s − 2 s+3 (5.32) Ésta muestra que la transformada inversa y(t) de Y(s) es la suma y ( t ) = 2 − e −3t , t>0 (Esta técnica también se usó en el Ejemplo 8).
La identidad en (5.32) proviene de la conocida técnica de expansión de funciones racionales en fracciones parciales, la cual se discutirá más adelante.
298 En el problema de inversión se deben considerar las siguientes preguntas: 1. Existencia. ¿Posee toda función F(s) una transformada inversa? Hay funciones que no poseen transformadas inversas. Sin embargo, esas funciones tienen un interés principalmente matemático.
Todas las funciones consideradas en este texto poseen transformadas inversas.
2. Unicidad. ¿Pueden dos funciones f1(t) y f2(t) tener la misma transformada F(s)? Si dos funciones tienen la misma transformada, entonces ellas deben ser iguales para esencialmente todos los valores de t. Sin embargo, pueden diferir en un conjunto discreto de puntos. Si las funciones son continuas, entonces ellas deben ser idénticas.
5.5.1 Inversión de Transformadas Racionales (Fracciones Parciales) Ahora se determinará la transformada inversa f(t) de la clase de funciones racionales, es decir, de funciones de la forma F (s) = N (s) (5.33) D(s) donde N(s) y D(s) son polinomios en s y no poseen factores comunes. Aquí se supone que F(s) es una fracción propia, es decir, que el grado de N(s) es menor que el de D(s). Las fracciones impropias involucran funciones de singularidad y se considerarán posteriormente.
Primero, supóngase que todas las raíces si, i = 1, 2, … , n, del denominador D(s) son distintas. De acuerdo con la teoría de fracciones parciales, F(s) puede entonces expandirse como una suma, es decir, F (s) = N (s) D(s) = c1 s − s1 + c2 s − s2 + L + cn (5.34) s − sn Para determinar el valor de ci, se multiplican ambos miembros de la Ec. (5.34) por s − si para obtener la ecuación ( s − si ) F ( s ) = ( s − si ) N (s) D(s) = c1 ( s − si ) s − s1 + L + ci + L + cn ( s − si ) s − sn es decir, se remueve del denominador el factor s − si; evaluando ahora el resultado en s = si, se obtiene ci = ( s − si ) F ( s ) s = s = ( s − si ) i N (s) D(s) = s = si N (s) D ′( s ) (5.35) s = si donde D ′ ( si ) = [ dD ds ]s = s = ⎡⎣ D ( s ) ( s − si ) ⎤⎦ s = s . Puesto que la transformada inversa de la fracción i i 1/(s − s i ) es igual a e si t , de la Ec. (5.34) se concluye que la transformada inversa f(t) de la función racional F(s) es una suma de exponenciales: f ( t ) = c1 e s1 t + c2 e s2 t + L cn e n s t (5.36) 299 Ejemplo 9. Determine la transformada inversa de la función F (s) = s 2 + 29s + 30 s 3 + 7 s 2 + 10s Solución: El denominador de F(s) es de mayor grado que el numerador y posee factores reales y distintos; éstos son: s1 = 0, s2 = −2 y s3 = −5. Por lo tanto, se pueden determinar factores c1, c2, y c3 tales que s 2 + 29 s + 30 s + 7 s + 10 s 3 2 = s 2 + 29 s + 30 s ( s + 2) ( s + 3) = c1 s + c2 s+2 + c3 s+5 y usando la Ec. (5.35) se obtiene c1 = sF ( s ) s =0 = 3, c2 = ( s + 2 ) F ( s ) s =−2 = 4, c3 = ( s + 5 ) F ( s ) s =−5 = −6 Por lo tanto, f ( t ) = 3 + 4 e −2 t − 6 e −5 t , t>0 Ahora se considerarán fracciones parciales para el caso en el cual el polinomio D(s) contiene factores lineales repetidos de la forma (s − s i )m. En este caso, la expansión de F(s) en fracciones parciales consiste de términos de la forma ci 1 s − si + ci 2 ( s − si ) 2 + L cim ( s − si ) m (5.37) donde los números c i j , j = 1, 2, … , m, son independientes de s y vienen dados por ci , m − r = 1 dr ⎡( s − si )m F ( s ) ⎤ , ⎦ s = si r ! ds ⎣ r = 0, 1, K , m − 1 r (5.38) Así que para evaluar el coeficiente ci,m−r se remueve el factor (s − s i )m del denominador de F(s) y se evalúa la derivada r-ésima del resultado en s = si. La componente de f(t) debida a la raíz múltiple si es la transformada inversa de la suma en (5.37) y viene dada por ci 1 e si t + ci 2 t e si t + L + cim ( m − 1)! t m −1 e si t (5.39) De lo anterior se concluye que la transformada inversa de una función racional F(s) es una suma de exponenciales cuyos coeficientes son polinomios en t. Los exponentes si se denominan los polos de F(s), es decir, los polos son las raíces del denominador D(s).
Ejemplo 10. La función 300 F (s) = s2 + 2 s + 5 ( s + 3)( s + 5) c1 = 2 s+3 + c21 s+5 + c22 ( s + 5) (5.40) 2 tiene un polo sencillo en s1 = −3 y un polo múltiple en s2 = −5 con multiplicidad m = 2. En este caso, c1 = s2 + 2 s + 5 ( s + 5) c21 = = 2, 2 c22 = s2 + 2 s + 5 s+3 s =−3 d s2 2 s + 5 s+3 ds = s2 + 6 s + 1 s =−5 ( s + 3) = −10 s =−5 = −1 2 s =−5 Por tanto, f ( t ) = 2 e −3t − (1 + 10 t ) e −5 t , t>0 Observe que el coeficiente c21 puede determinarse sin diferenciación. Puesto que (5.40) es válida para toda s, también es válida para s = 0 (o cualquier otro número). Haciendo s = 0, por ejemplo, se obtiene 1 15 = c1 3 + c21 5 + c22 25 Puesto que c1 = 2 y c22 = −10, la igualdad anterior produce c21 = 1.
Raíces Complejas En los ejemplos anteriores, las raíces del denominador de la función F(s) eran reales. Se pueden obtener resultados similares si D(s) tiene raíces complejas. Sin embargo, en este caso los coeficientes correspondientes son complejos y f(t) contiene términos exponenciales complejos. En el análisis de sistemas físicos, la función F(s) tiene coeficientes reales. Por ello, las raíces complejas siempre ocurren en pares conjugados y, como se demuestra a continuación, las componentes correspondientes de f(t) son ondas sinusoidales amortiguadas con coeficientes reales. Se comenzará con un ejemplo: F (s) = 5 s + 13 s ( s + 4 s + 13) 2 En este caso, D(s) tiene dos polos complejos, s1 = −2 + j3, s2 = −2 − j3, y un polo real, s3 = 0. La expansión directa de (5.34) da 5 s + 13 s ( s + 4 s + 13) 2 = c1 s − ( −2 + j 3) + c2 s − ( −2 − j 3) + c3 s donde c1 = −(1+j)/2, c2 = −(1−j)/2 y c3 = 1 (determinados en la forma ya explicada). Por consiguiente, f (t ) = − 1+ j 2 e( −2 + j 3) t − 1− j 2 e( −2 − j 3 ) t + 1, t>0 (5.41) 301 Esta expresión incluye cantidades complejas. Sin embargo, es una función real. Efectivamente, −2 ± j 3) t insertando la identidad e( = e −2 t ( cos 3 t ± j sen 3 t ) en (5.41), se obtiene f ( t ) = 1 − e −2 t ( cos 3 t − sen 3 t ) , t>0 (5.42) la cual es una expresión real.
Ahora se demostrará que la Ec. (5.42) puede determinarse directamente. El resultado está en el hecho de que si F(s) es una función real con coeficientes reales y s1 y s2 son dos números complejos conjugados, entonces F(s2) = F ( s1* ) = F *( s1 ) (donde el asterisco indica el conjugado complejo).
Considere una función racional F(s) con coeficientes reales. Como se sabe, si s1 = α + jβ es un polo complejo de F(s), entonces su conjugado, s1* = α − jβ , también es un polo. Por lo tanto, la expansión (5.34) de F(s) contiene términos como c1 s − s1 + c2 s − s2 s1 = α + jβ , s2 = α − jβ , (5.43) Los coeficientes c1 y c2 se expresarán en términos de la función G(s) = F (s) jβ ( s − s1 )( s − s2 ) (5.44) De la Ec. (5.35) se obtiene que c1 = F ( s ) ( s − s1 ) s = s1 = jβ G ( s1 ) s − s2 1 = G ( s1 ) 2 puesto que s1 − s2 = j2β. En forma similar, 1 c2 = G ( s2 ) 2 La función G(s1) es, en general, compleja con parte real Gr y parte imaginaria Gi, es decir, G ( s1 ) = Gr + jGi (5.45) Como F(s2) = F*(s1), de (5.44) se obtiene que G(s2) = G*(s1) = Gr − jGi, y por lo tanto, c1 = 1 2 ( Gr + jGi ) , c2 = 1 2 ( Gr − jGi ) La transformada inversa de la suma en la Ec. (5.43) es entonces igual a c1 e s1 t + c2 e s2 t = Insertando la identidad e( α± jβ ) t 1 2 1 ( Gr + jGi ) e(α+ jβ) t + ( Gr − jGi ) e(α− jβ) t 2 (5.46) = eαt ( cos β t ± j sen β t ) en la Ec. (5.46), se obtiene finalmente la transformada inversa f(t) de F(s) debida a los polos complejos conjugados s1 y s2, y la cual es igual a 302 eα t ( Gr cos β t − Gi sen β t ) (5.47) En resumen: Para hallar el término en f(t) resultante de los polos complejos de F(s), se forma la función G(s), como en (5.44), y se calcula su valor G(s1) para s = s1. El término correspondiente de f(t) lo da la Ec. (5.47), donde Gr y Gi son las partes real e imaginaria de G(s).
El resultado anterior se aplicará a la función F (s) = 5 s + 13 s ( s 2 + 4 s + 13) ya considerada. En este caso, ( s − s1 )( s − s2 ) = s 2 + 4 s + 13, G(s) = F (s) jβ (s 2 + 4 s + 13) = s1 = −2 + j 3, 5 s + 13 j 3s α = −2, β = 3 G ( s1 ) = , 5 ( −2 + j 3) + 13 j 3( −2 + j 3) Por tanto, Gr = −1, Gi = −1 y la Ec. (5.47) da e −2 t ( − cos 3 t + sen 3 t ) Este es el término de f(t) proveniente de los polos complejos de F(s) y concuerda con el resultado (5.42).
Ejemplo 11 Obtener la transformada de Laplace inversa de la función F (s) = s ( s + 9) ( s + 2 ) 2 = c1 s − j3 + c2 s + j3 + c3 s+2 El coeficiente c3 correspondiente al polo real s3 = −2 se determina directamente a partir de la Ec. (5.35): c3 = ( s + 2 ) F ( s ) s =−2 = − 2 13 Los otros dos polos s1 = j3 y s2 = −j3 de F(s) son imaginarios puros con α = 0 y β = 3. Puesto que ( s − s1 )( s − s2 ) = s 2 + 9 la función G(s) correspondiente en la Ec. (5.44) está dada por G(s) = Por lo tanto, F (s) j3 (s 2 + 9) = s j 3( s + 2) 303 G ( s1 ) = j3 j 3( j 3 + 2) = 2 13 −j 3 13 Agregando el término c3e−2t debido al polo real s3 = −2, se obtiene f (t ) = 2 13 3 cos 3t + 13 sen 3t − 2 13 e −2 t 5.5.2 Inversión de Funciones Impropias En la Sección 5.5.1 se determinó la transformada inversa de funciones racionales propias. Ahora se considerarán funciones impropias, limitando la discusión a dos casos especiales.
Se comenzará con un ejemplo. Suponga que F (s) = 3 s 2 + 15 s + 14 s2 + 3s + 2 Dividiendo se obtiene 3 s 2 + 15 s + 14 s2 + 3 s + 2 = 3+ 6s + 8 s2 + 3 s + 2 = 3+ 2 + 4 s +1 s + 2 y por tanto, f ( t ) = 3 δ ( t ) + 2 e − t + 4 e −2 t Considérese otro ejemplo. Sea la función F (s) = s3 + 3 s 2 + s + 8 s2 + 4 s Entonces, procediendo en la misma forma que en el ejemplo previo, se obtiene s3 + 3 s 2 + s + 8 s2 + 4 s = s −1+ 2 s + 3 s+4 y por lo tanto f ( t ) = δ ′ ( t ) − δ ( t ) + 2 + 3 e −4 t En general, para una función racional F (s) = N (s) D(s) donde el grado de N(s) es mayor o igual que el de D(s), se procede a la división para obtener 304 F ( s ) = cm − n s m − n + L + c1 s + c0 + Q(s) D(s) = P(s) + Q(s) D(s) donde P(s) es el cociente y Q(s) es el residuo; m es el grado del numerador y n el del denominador (m > n). Ahora el grado de Q(s) es menor que el de D(s). La nueva función racional Q ( s ) D ( s ) es propia y está preparada para su expansión. Se continúa entonces con la expansión en fracciones parciales de Q(s)/D(s) y luego se obtiene la transformada inversa de F(s). Obsérvese que el polinomio P(s) producirá funciones singulares. Éstas no aparecen con frecuencia, pero son de mucha utilidad en la solución de algunos problemas prácticos que están fuera del alcance de este texto.
5.6 Los Valores Inicial y Final de f(t) a Partir de F(s) A continuación se demuestra que los valores de una función f(t) y sus derivadas en t = 0 pueden expresarse en términos de los valores de su transformada para valores grandes de s. Este resultado permite determinar en una forma sencilla la conducta de f(t) cerca del origen. También se determinará el comportamiento de f(t) conforme t tiende a infinito usando su transformada y bajo ciertas condiciones.
5.6.1 El Teorema del Valor Inicial La función e−st tiende a cero conforme s tiende a infinito para t > 0 (la parte real de s mayor que cero).
A partir de esto se deduce que bajo ciertas condiciones generales ∞ lím ∫ f ( t ) e − s t dt = 0 s →∞ (5.48) ε para todo ε > 0. Si f(t) es continua para t ≥ 0, excepto posiblemente por un número finito de discontinuidades finitas, y también de orden exponencial, entonces la integral en (5.48) tiende a F(s) cuando ε → 0 . Esto da como resultado que lím F ( s ) = 0 s →∞ (5.49) Lo anterior podría no ser cierto si f(t) contiene impulsos u otras singularidades en el origen. Por ejemplo, si f(t) = e a t , entonces F(s) = 1/(s − a) tiende a cero cuando s → ∞. Sin embargo, si f ( t ) = δ ( t ) , entonces su transformada F(s) = 1 no tiende a cero.
Aplicando (5.49) a la función f ' ( t) y usando la Ec. (5.17), se obtiene ∞ lím s →∞ ∫ f ′(t ) e − st dt = sF ( s ) − f (0− ) = 0 0− Aquí se toma a f'(t) como seccionalmente continua y de orden exponencial.
305 Entonces se obtiene que f (0− ) = lím sF ( s ) (5.50) s →∞ este resultado se conoce como el teorema del valor inicial. Se verificará con una ilustración sencilla. Si f(t) = 3e−2t, entonces F (s) = 3 s+2 , lím sF ( s ) = lím s →∞ s →∞ 3s s+2 =3 lo cual concuerda con la Ec. (5.50) porque, en este caso, f(0+) = f(0) = 3.
Ejemplo 12 Si F (s) = 2s + 3 s + 7 s + 10 2 entonces, lím sF ( s ) = lím s →∞ s →∞ 2 s2 + 3 s s 2 + 7 s + 10 =2 y, po tanto, f(0) = 2.
El teorema del valor inicial también puede usarse para determinar los valores iniciales de las derivadas de f(t). En efecto, como se obtiene a partir de la Ec. (5.24), la función s 2 F ( s ) − sf (0) − f ′ (0) es la transformada de Laplace de f"(t). Por lo tanto [ver la Ec. (5.48)], debe tender a cero cuando ε → ∞ [f"(t) debe cumplir con las condiciones necesarias]. Esto conduce a la conclusión de que f ′′ (0) = lím ⎡⎣ s 2 F ( s ) − sf (0) ⎤⎦ s →∞ (5.51) En una forma similar se pueden determinar los valores iniciales de derivadas de orden superior. En todos estos casos se ha supuesto que f(t) es continua en el origen.
Ejemplo 13 Si F (s) = 2s + 3 s 2 + 7 s + 10 entonces sF ( s ) → 0, s 2 F ( s ) → 0 y s 3 F ( s ) → 1 cuando s → ∞ . Por tanto, f (0) = 0, f ′ (0) = 0, f ′′ (0) = 1 306 5.6.2 El Teorema del Valor Final Ahora se demostrará que si f(t) y su primera derivada son transformables en el sentido de Laplace, entonces lím f ( t ) = lím sF ( s ) t →∞ (5.52) s →0 Ya se ha demostrado que ∞ ∫ f ′(t ) e 0 − st dt = sF ( s ) − f (0− ) (5.53) − Cuando s tiende a cero, se obtiene entonces que ∞ ∫ 0− t f ′ ( t ) dt = lím ∫ f ′ ( t ) dt t →∞ 0− = lím ⎡⎣ f ( t ) − f (0− ) ⎤⎦ t →∞ Igualando este resultado con el de la Ec. (5.53), escrita para el límite cuando s → 0, se llega a la conclusión de que lím f ( t ) = lím sF ( s ) t →∞ (5.54) s →0 como se requería. La aplicación de este resultado requiere que todas las raíces del denominador de F(s) tengan partes reales negativas, ya que de otra manera no existe el límite de f(t) cuando t tiende a infinito.
Ejemplo 14 Para la función f ( t ) = 5 − 3 e −2 t es evidente que su valor final es 5. La transformada de f(t) es F (s) = 5 s − 3 s+2 = 2 s + 10 s ( s + 2) y, según la Ec. (5.54), el valor final de f(t) es lím f ( t ) = lím sF ( s ) = lím t →∞ s →0 s →0 2 s + 10 s+2 =5 307 5.7 Teoremas Adicionales 5.7.1 El Teorema de Traslación Real o de Desplazamiento Una función f(t) trasladada en el tiempo se representa como f(t − t 0 )u(t − t 0 ), donde ⎧ f ( t − t0 ), f ( t − t0 ) u ( t − t0 ) = ⎨ ⎩0, t > t0 (5.55) t < t0 (véase la Fig. 5.8). Observe que la función f(t − t 0 )u(t − t 0 ) es idéntica a f(t)u(t) excepto que está retardada o trasladada en t0 seg. Para encontrar la transformada de esta función se aplica la Ec. (5.3) a la Ec. (5.55): ∞ ∫ 0 − ∞ ∞ f ( t − t0 ) u ( t − t0 ) e− st dt = ∫ f ( t − t0 ) e − st dt = ∫ f ( t ) e f(t – t0)u(t – t0) f(t)u(t) t 0 dt 0 t0 f(t) − s ( t + t0 ) 0 t 0 t0 t Figura 5.8 de donde se concluye que L { f ( t − t0 ) u ( t − t0 )} = e − st L { f ( t )} (5.56) 0 Aplicando la propiedad (5.56) al par δ(t) ↔ 1, se obtiene δ ( t − t0 ) ↔ e − st0 Ejemplo 15 De los pares 1 ↔ 1/s y t ↔ 1/s2, se obtienen los pares u ( t − t0 ) ↔ 1 s e − st0 , ( t − t 0 ) u ( t − t0 ) ↔ Aplicando lo anterior al pulso pT = u(t) − u(t − T). Se obtiene 1 s2 e− st0 308 pT = u ( t ) − u ( t − T ) ↔ 1 ( 1− e ) s − sT (5.57) Este último resultado puede verificarse aplicando la definición dada por la Ec. (5.3) de la transformada.
Puesto que pT ( t ) = 1 para 0 < t < T y 0 para otros valores de t, su transformada es igual a ∞ ∫ 0− T pT ( t ) e − st dt = ∫ e− st dt = 1 0 s ( 1− e ) − sT acorde con (5.57).
Ejemplo 16 Si se da la función f ( t ) = 6 e −2 t u ( t ) + 4 e −3 ( t − t0 ) u ( t − t0 ) entonces, aplicando la Ec. (5.56), se obtiene F (s) = 6 s+2 + 4 s+3 e − st0 Supóngase que F1(s), F2(s), … , Fm(s) son funciones con transformadas inversas conocidas f1 ( t ), f 2 ( t ), K , f m ( t ) . De la Ec. y la propiedad de linealidad de la transformada se obtiene que la transformada inversa de la suma F ( s ) = F1 ( s ) e − st1 + F2 ( s ) e − st2 + L + Fm ( s ) e− stm (5.58) f ( t ) = f1 ( t − t1 ) u ( t − t1 ) + f 2 ( t − t2 ) u ( t − t2 ) + L + f m ( t − tm ) u ( t − tm ) (5.59) es la suma Esto se ilustrará mediante un ejemplo.
Ejemplo 17 Se desea determinar la transformada inversa de la función F (s) = 3 + 3 se − sT + 6 e −2 sT s 2 + 7 s + 10 Solución: Esta función es una suma igual que en la Ec. (5.58), donde 309 F1 ( s ) = 3 s + 7 s + 10 2 , F2 ( s ) = 3s s + 3 s + 10 2 F3 ( s ) = , 6 s + 7 s + 10 2 y t1 = 0, t2 = T y t3 = 2T. Usando expansión en fracciones parciales, se obtiene f1 ( t ) = e −2 t − e −5 t , f 2 ( t ) = 5 e−5 t − 2 e−2 t , f 3 ( t ) = 2 e−2 t − 2 e−5 t y aplicando la Ec. (5.59), se obtiene f ( t ) = f1 ( t ) u ( t ) + f 2 ( t − T ) u ( t − T ) + f3 ( t − 2T ) u ( t − 2T ) 5.7.2 El Teorema de Escala Este teorema relaciona los cambios de escala en el dominio de s con los cambios correspondientes en el dominio de t. El término cambio de escala significa que s o t se multiplican por una constante positiva.
Dada una función f(t), se cambia de escala al formar una nueva función f ( t/t 0 ). Su transformada se encuentra como sigue: a partir de la ecuación de definición se tiene que ∞ L { f ( t t0 )} = ∫ f ( t t0 ) e− st dt 0 ∞ = t0 ∫ f ( t t0 ) e − ( t0 s ) t t0 d ( t t0 ) 0 si ahora se hace t/t 0 = x, entonces la última ecuación se convierte en ∞ L { f ( t t0 )} = t0 ∫ f ( x ) e− t sx dx 0 0 Obsérvese que la integral define a F(t 0 s), de tal modo que se puede escribir L { f ( t t0 ) } = t0 F ( t 0 s ) (5.60) La transformada inversa correspondiente es f ( t t0 ) = t0 L−1 { F ( t0 s ) } Ejemplo 18 Para la transformada F (s) = 1 s ( s + 1) (5.61) 310 el valor correspondiente de f ( t) es f ( t ) = 1 − e− t (5.62) El teorema de escala indica que la nueva función f1 ( t ) = L−1 {2 F ( 2 s )} = 1 − e−t 2 (5.63) está relacionada con f(t) en la Ec. (5.62) por un simple cambio en la escala del tiempo.
5.7.3 Derivadas de Transformadas Cuando la integral de Laplace ∞ F (s) = ∫ f (t ) e − st (5.64) dt 0− es diferenciada formalmente con respecto al parámetro s, se obtiene la fórmula dF ( s ) dt ∞ = ∫ [ − t f ( t )] e − st dt 0− lo que implica que t f (t ) ↔ − dF ( s ) ds (5.65) es decir, la multiplicación de una función f(t) por t en el dominio del tiempo equivale a diferenciar la transformada F(s) de f(t) con respecto a s y luego cambiar de signo en el dominio de la frecuencia compleja..
Se debe señalar que f(t)e-st y su derivada parcial de cada orden con respecto a s cumplen con las condiciones necesarias para que la diferenciación con respecto a s se pueda ejecutar dentro del signo de integración; se obtiene así el siguiente teorema: Teorema 4. La diferenciación de la transformada de una función corresponde a la multiplicación por −t : F( n) ( s ) = L { ( − t )n f ( t )} , ( n = 1, 2, K ) (5.66) Adicionalmente F(n)(s) → 0 conforme s → ∞. Estas propiedades se cumplen siempre que f(t) sea seccionalmente continua y del orden de eαt t, si s > α en la fórmula (5.66).
311 Ejemplo 19 Ya se sabe que L {sen at} = a ( s > 0) s + a2 2 y, por la Ec. (5.66), L {− t sen at} = d ⎛ a ⎜ ds ⎝ s 2 + a 2 2 as ⎞ ⎟=− 2 ( s + a 2 )2 ⎠ de donde se obtiene la fórmula L { t sen a t } = 2a s ( s2 + a2 ) (5.67) 2 Ejemplo 20 Determinar la transformada de Laplace de f ( t ) = t e− a t cos 5 t .
Si se hace f1 ( t ) = cos 5 t y f 2 ( t ) = t cos 5 t , se obtiene F1 ( s ) = s s + 25 2 Usando el teorema de la multiplicación por t, se obtiene F2 ( s ) = − d ⎛ s ⎞ s 2 − 25 = ⎜ ⎟ ds ⎝ s 2 + 25 ⎠ ( s 2 + 25) 2 y finalmente, usando la propiedad de la traslación compleja, F (s) = ( s + 2) 2 − 25 ⎡ ( s + 2 )2 + 25⎤ ⎣ ⎦ 2 = s 2 + 4 s − 21 (s 2 + 4 s + 29 ) 2 5.7.4 La Transformada de una Función Periódica Considere la función periódica f(t) con un período T que satisface f(t + nT) = f(t), donde n es un entero positivo o negativo. La transformada de esta función es 312 F (s) = ∞ ∫ f (t ) e − st dt 0− T = ∫ f (t ) e 0 − st (5.68) 2T ∫ dt + − f (t ) e − st dt + L T Trasladando sucesivamente cada término de la transformada por e-sT, en donde n es el número de traslados necesarios para hacer que los límites de las expresiones integrales sean todos de 0− a T, se tiene que F ( s ) = (1 + e − sT +e T + L) ∫ f ( t ) e − st dt −2 sT 0− y utilizando el teorema del binomio para la identificación de la serie, se obtiene F (s) = 1 1− e T − Ts ∫ f (t ) e − st dt (5.69) 0− La integral en esta ecuación representa la transformada de la función f(t) como si ella estuviese definida sólo de 0− a T. Denotando esta transformada por F1(s), se obtiene F (s) = 1 F1 ( s ) 1 − e − Ts (5.70) Esta ecuación relaciona la transformada de una función periódica con la transformada de esa función sobre el primer ciclo (o cualquier otro ciclo).
Ejemplo 21 Se desea determinar la transformada de un tren de pulsos con un período T, donde cada pulso tiene una amplitud unitaria y una duración a < T.
Solución: Aplicando la Ec. (5.70), se tiene F1 ( s ) = T ∫ f (t )e − st dt 0− a = ∫ e − st dt = 0 1 (1 − e ) s y por tanto, F (s) = 1 1 − e− a s s 1 − e− T s − as 313 5.8 Aplicación de la Transformada de Laplace a Ecuaciones Diferenciales Ordinarias En esta sección se usan transformadas de Laplace para resolver ecuaciones diferenciales lineales con coeficientes constantes. Se supone siempre que todas las ecuaciones son válidas para t ≥ 0 y las soluciones se determinan para diferentes formas de excitación.
Una ecuación diferencial lineal de orden n con coeficientes constantes es una ecuación de la forma an y ( ) ( t ) + an −1 y ( n n −1) ( t ) + L + a1 y ′ ( t ) + a0 y ( t ) = x ( t ) (5.71) donde x(t), la excitación, es una función conocida y a0, a1, … , an son constantes dadas.
Una solución de (5.71) es cualquier función y(t) que satisfaga la ecuación. Como se verá, la Ec.
(5.71) tiene muchas soluciones. Sin embargo, su solución es única si se especifican los valores iniciales de y(t) y sus primeras n − 1 derivadas: y (0) = y0 , y ′ (0) = y1 , K , y ( n −1) (0) = yn −1 (5.72) Estos valores se denominan condiciones iniciales.
Una solución particular es una solución y(t) que satisface unas condiciones iniciales específicas. Si no se especifican los valores iniciales, entonces y(t) es una solución general. Así que una solución general es una familia de soluciones que depende de los n parámetros y0, y1, …, yn−1.
A una ecuación diferencial se le puede dar una interpretación de sistema. En esta interpretación, la Ec. (5.71) especifica un sistema con entrada (excitación) x(t) y salida (respuesta) y(t). La salida así especificada, y(t), es la solución única de la Ec. (5.71) bajo las condiciones iniciales especificadas.
El estado inicial del sistema es el conjunto (5.72) de condiciones iniciales. La respuesta de estado cero del sistema es la solución, y(t) = yα(t), de (5.71) con cero condiciones iniciales: ( n−1) yα ( 0 ) = yα′ ( 0 ) = L yα (0) = 0 (5.73) La respuesta de entrada cero, y(t) = yβ(t). Es la solución de (5.71) cuando x(t) = 0. Es decir, la respuesta de entrada cero yβ(t) es la solución de la ecuación homogénea an y ( ) ( t ) + an −1 y ( n −1 ) ( t ) + L + a1 y ′ ( t ) + a0 y ( t ) = 0 n (5.74) La aplicación de la transformada de Laplace para resolver la Ec. (5.71) comprende los siguientes pasos: −st 1. Se multiplican ambos lados de la ecuación por e y se integra de cero a infinito. Puesto que la ecuación es válida para t ≥ 0, resulta la ecuación ∞ (n) − st ∫− ⎡⎣ an y ( t ) + L +a0 y ( t ) ⎤⎦ e dt = 0 ∞ ∫ x (t ) e 0 − st dt (5.75) − Se supone que todas las funciones son transformables en el sentido de Laplace. Ello implica que el lado derecho es igual a la transformada X(s) de la función conocida x(t), y el lado izquierdo puede expresarse en términos de la transformada Y(s) de y(t) y de las condiciones iniciales (5.73).
2. Se resuelve la ecuación en la transformada Y(s) resultante.
314 3. Se determina la transformada inversa y(t) de Y(s) usando fracciones parciales u otros métodos de inversión.
A continuación se ilustra el método con varios ejemplos.
Ejemplo 22 Resolver la ecuación diferencial a1 y ′ ( t ) + a0 y ( t ) = x ( t ) sujeta a la condición inicial y(0) = y0.
Tomando transformadas en ambos lados se obtiene a1 [ sY ( s ) − y0 ] + a0 Y ( s ) = X ( s ) Por tanto, Y (s) = ay X ( s) + 1 0 a1s + a0 a1s + a0 Así que Y(s) = Yα+Yβ, donde Yα ( s ) = 1 X (s) a1 s + a0 es la respuesta de estado cero y Yβ = 1 s + a0 a1 y0 es la respuesta de entrada cero. Su inversa es la exponencial yβ = y0 e s1t donde s1 = −a 0 /a 1 .
Si, por ejemplo, a0 = 1, a1 = 2, x(t) =8t y y(0) = 5, entonces la ecuación es y ′(t ) + 2 y (t ) = 8 t , y (0) = 5, y su ecuación transformada es Y (s) = 8 s2 s+2 + 5 s+2 = 4 2 7 − + s2 s s + 2 La solución completa es y ( t ) = 4 t − 2 + 7 e −2 t , (t ≥ 0) 315 Ejemplo 23 Resolver la ecuación diferencial d2 y dt 2 +4 dy dt + 5 y = 5u ( t ) sujeta a las condiciones y ( 0 ) = 1, dy dt =2 t =0 La transformación de Laplace de esta ecuación diferencial produce 5 ⎡⎣ s 2 Y ( s ) − s y (0) − y ′ (0) ⎤⎦ + 4 [ sY ( s ) − y (0) ] + 5Y ( s ) = s y al incluir las condiciones iniciales, se obtiene Y ( s ) ( s 2 + 4 s + 5) = 5 s +s+6 o Y (s) = s2 + 6 s + 5 s ( s 2 + 4 s + 5) Desarrollando ahora en fracciones parciales, 1 −j j Y (s) = + + s s + 2 − j1 s + 2 + j1 y tomando la transformada inversa da la solución y ( t ) = 1 + 2 e −2 t sen t , t ≥0 Ejemplo 24 Determine la solución de la ecuación diferencial y ′′ ( t ) − y ′ ( t ) − 6 y ( t ) = 2 sujeta a las condiciones y ( 0 ) = 1, y ′ (0) = 0 Aplicando la transformación a ambos lados de la ecuación diferencial, se obtiene la ecuación algebraica 316 sY ( s ) − s − sY ( s ) + 1 − 6Y ( s ) = 2 s Por tanto, (s 2 − s − 6)Y ( s ) = s2 − s + 2 s2 − s + 2 A s o Y (s) = s ( s − 3)( s + 2) = s + B + s −3 C s+2 Evaluando los coeficientes, se encuentra que Y (s) = − 11 + 8 1 3 s 15 s − 3 + 4 1 5 s+2 y la solución y(t) es 1 8 4 y ( t ) = − + e3t + e −2 t , 3 15 5 t≥0 Ejemplo 25 Determine la solución del sistema de ecuaciones diferenciales dy1 dt dy2 dt + 20 y1 − 10 y2 = 100 u ( t ) + 20 y2 − 10 y1 = 0 sujeto a las condiciones iniciales y1(0) = 0 y y2(0) = 0.
Las ecuaciones transformadas son ( s + 20) Y1 ( s ) − 10Y2 ( s ) = −100Y1 ( s ) + ( s + 20) Y2 ( s ) = 0 Resolviendo este sistema, se obtiene 100 s 317 100 ( s + 20 ) Y1 ( s ) = s ( s + 40 s + 300) 1000 2 Y2 ( s ) = s ( s + 40 s + 300) 2 = = 20 1 3 s 10 1 3 s − − 5 s + 10 5 s + 10 − + 5 1 3 s + 30 5 1 3 s + 30 y la solución es 5 − 5 e −10 t − e−30 t , 3 3 10 5 y2 ( t ) = − 5 e −10 t + e −30 t , 3 3 y1 ( t ) = 20 t≥0 t≥0 5.9 La Convolución La operación de convolución encuentra aplicaciones en muchos campos, incluyendo la teoría de redes eléctricas y controles automáticos. Una aplicación sobresaliente es la que permite evaluar la respuesta de un sistema lineal a una excitación arbitraria cuando se conoce la respuesta al impulso [respuesta cuando la excitación es un impulso unitario δ( t ) ].
Sean las dos funciones f1(t) y f2(t) transformables en el sentido de Laplace y sean F1(s) y F2(s) sus transformadas respectivas. El producto de F1(s) y F2(s) es la transformada de Laplace de la convolución de f1(t) y f2(t); es decir, L { f ( t )} = F ( s ) = F1 ( s ) F2 ( s ) t (5.76) t f ( t ) = f1 ( t ) ∗ f 2 ( t ) = ∫ f1 ( τ ) f 2 ( t − τ ) d τ = ∫ f1 ( t − τ ) f 2 ( τ ) d τ 0 (5.77) 0 Las integrales en la Ec. (5.77) se conocen como integrales de convolución y el asterisco (*) indica la operación de convolución. De acuerdo con la relación f ( t ) = f1 ( t ) ∗ f 2 ( t ) , se observa que F ( s ) = L { f1 ( t ) ∗ f 2 ( t )} = L { f 2 ( t ) ∗ f1 ( t )} = F1 ( s ) F2 ( s ) (5.78) Así que la transformada inversa del producto de las transformadas F1(s) y F2(s) se determina mediante la convolución de las funciones f1(t) y f2(t) usando cualquiera de las fórmulas en la Ec. (5.77) (obsérvese que la convolución es conmutativa).
Para deducir estas relaciones, observe que la transformada F(s) = F1(s)F2(s) se puede expresar como un producto de las integrales que definen sus transformadas de Laplace en la forma F (s) = ∞ ∫ 0− la cual puede expresarse como f ( t ) e − st dt = ⎡t ⎤ − st ∫0− ⎢⎣ ∫0 f1 ( t − τ ) f 2 ( τ ) d τ⎥⎦ e dt ∞ 318 ⎡∞ ⎤ − st ∫0− ⎢⎣ 0∫− f1 ( t − τ ) u ( t − τ ) f 2 ( τ ) d τ⎥⎦ e dt ∞ F (s) = puesto que u(t − τ) = 0 para τ > t. Intercambiando el orden de integración, se obtiene ∞ F (s) = ∫ 0− ⎡∞ ⎤ f 2 ( τ ) ⎢ ∫ f1 ( t − τ ) u ( t − τ ) e − st dt ⎥ d τ ⎣0 ⎦ Definiendo ahora x=t−τ se tiene que ∞ ⎡∞ ⎤ − s x +τ F ( s ) = ∫ f 2 ( τ ) ⎢ ∫ f1 ( x ) u ( x ) e ( ) dx ⎥ d τ 0 ⎣− τ ⎦ Pero u(x) hace cero el valor de la integral entre corchetes para x < 0, y por tanto ∞ F (s) = ∫ 0− ⎡∞ ⎤ − s x +τ f 2 ( τ ) ⎢ ∫ f1 ( x ) e ( ) dx ⎥ d τ ⎣ 0− ⎦ la cual puede ser expresada como el producto de dos integrales: ⎡∞ ⎤⎡∞ ⎤ − sτ = τ τ F ( s ) ⎢ ∫ f 2 ( ) e d ⎥ ⎢ ∫ f1 ( x ) e − sx dx ⎥ = F2 ( s ) F1 ( s ) ⎣ 0− ⎦ ⎣ 0− ⎦ o también t F2 ( s ) F1 (s) ↔ ∫f 1 (t − τ ) f2 ( τ ) d τ (5.79) 0 la que demuestra la validez de una de las Ecs. (5.77). Si se intercambian f1(t) y f2(t), se puede utilizar un proceso similar para derivar la otra ecuación en (5.77).
A continuación se mostrará mediante un ejemplo, que la convolución se puede interpretar de acuerdo con cuatro pasos: (1) reflexión, (2) traslación, (3) multiplicación y (4) integración.
Ejemplo 26 En este ejemplo, sean F1(s) = 1/s y F2 ( s ) = 1 ( s + 1) , de manera que f1(t) = u(t) y f 2 ( t ) = e − t u ( t ) . Se desea determinar la convolución de f1(t) y f2(t); es decir, se desea hallar t f ( t ) = f1 ( t ) ∗ f 2 ( t ) = ∫ u ( t − τ ) e − τ d τ 0 Los pasos para aplicar la convolución a estas dos funciones se ilustran en la Fig. 5.9, en la cual f1(t) y f2(t) se muestran en la (a) y f1(τ) y f2(τ) en (b). En (c) se han reflejado las funciones respecto de la línea 319 t = 0 y en (d) se ha trasladado algún valor típico de t. En (e) se ha efectuado la multiplicación indicada dentro de la integral de las Ecs. (5.77). La integración del área sombreada da un punto de la curva f(t) para el valor seleccionado de t. Al efectuar todos los pasos anteriores para diferentes valores de t, se obtiene la respuesta f(t), tal como se señala en (f) de la misma figura.
f1(t) f2(t) 1 1 0 t 0 t (a) f1(τ) f2(τ) 1 1 τ 0 τ 0 (b) f1(τ) f1(–τ) f2(–τ) 1 1 τ 0 τ 0 (c) f1(t – τ) f2(t – τ) 1 0 t τ 0 τ t (d) f1(t – τ)f2(τ) f1(τ)f2(t – τ) 1 1 τ 0 0 (e) f(t) = f1(t)* f2(t) t 0 (f) Figura 5.9 τ 320 Para este ejemplo, la integración de la Ec. (5.79) es sencilla y da t f ( t ) = ∫ e− τ d τ = 1 − e− t 0 que es, por supuesto, la transformada inversa del producto F1(s)F2(s), 1 ⎫ ⎪⎧ 1 ⎪⎫ −1 ⎧ 1 f ( t ) = L−1 ⎨ ⎬=L ⎨ − ⎬ ⎩ s s + 1⎭ ⎩⎪ s ( s + 1) ⎭⎪ = 1 − e− t Ejemplo 27 Como otro ejemplo, considere ahora la transformada F (s) = 1 ( s 2 + a 2 )2 En este caso se puede tomar F1 ( s ) = F2 ( s ) = 1 a a s + a2 2 de manera que f1 ( t ) = f 2 ( t ) = 1 a sen at y, por tanto, ⎧ ⎫ ⎪ 1 ⎬ = 2 sen at ∗ sen at 2 2 2 ⎪⎩ ( s + a ) ⎪⎭ a 1 t = 2 ∫ sen aτ sen a ( t − τ ) d τ a 0 L−1 ⎪⎨ 1 = 1 2a 2 ( sen at − at cos at ) 321 5.10 Propiedades de la Integral de Convolución Ahora se derivarán algunas propiedades de la integral de convolución.
Propiedad 1 La operación de convolución es conmutativa, distributiva y asociativa: f1 ( t ) ∗ f 2 ( t ) = f 2 ( t ) ∗ f1 ( t ) (a ) f ( t ) ∗ [ f1 ( t ) + f 2 ( t ) +L + f k ( t ) ] = f ( t ) ∗ f1 ( t ) + f ( t ) ∗ f 2 ( t ) + L + f ( t ) ∗ f k ( t ) f1 ( t ) ∗ [ f 2 ( t ) ∗ f 3 ( t ) ] = [ f1 ( t ) ∗ f 2 ( t ) ] ∗ f 3 ( t ) (b ) (5.80) (c ) Solamente se verificará la relación (5.80) (c), dejando las otras dos como ejercicios. Sean G1 ( s ) y G2 ( s ) las transformadas de Laplace de las funciones g1 ( t ) = f 2 ( t ) ∗ f 3 ( t ) y g 2 ( t ) = f1 ( t ) ∗ f 2 ( t ) , respectivamente. Por el teorema de convolución sabemos que G1 ( s ) = F2 ( s ) F3 ( s ), G2 ( s ) = F1 ( s ) F2 ( s ) (5.81) donde Fi ( s ) (i = 1, 2, 3) denota la transformada de Laplace de f i (t ) . Esto da L { f1 ( t ) ∗ [ f 2 ( t ) ∗ f3 ( t ) ] } = L { f1 ( t ) ∗ g1 ( t ) } = F1 ( s ) G1 ( s ) = F1 ( s ) F2 ( s ) F3 ( s ) = G2 ( s ) F3 ( s ) = L { g 2 ( t ) ∗ f3 ( t ) } (5.82) = L { [ f1 ( t ) ∗ f 2 ( t ) ] ∗ f3 ( t ) } Tomando la transformada de Laplace inversa de ambos lados produce la identidad deseada (5.80) (c).
Propiedad 2 Si las funciones f1 (t ) y f 2 (t ) son diferenciables para t > 0 y continuas para t = 0, entonces su convolución es diferenciable para t > 0: df ( t ) dt t = ⌠ ⎮ f ⎮ 1 ⌡ ( τ) df 2 ( t − τ ) 0 t dt (5.83) ⌠ df1 ( t − τ ) ⌡ dt = ⎮⎮ 0 d τ + f1 ( t ) f 2 (0) f 2 ( τ ) d τ + f1 (0) f 2 ( t ) t>0 Para demostrar esto, aplicamos la regla de Leibnitz para diferenciar dentro de una integral, la cual dice que si b(t ) h(t ) = ∫ g (t , τ) d τ (5.84) a(t ) donde a(t) y b(t) son funciones diferenciables de t y g ( t , τ ) y ∂g ( t , τ ) ∂t son continuas en t y τ, entonces 322 dh ( t ) dt b(x) = ⌠ ⎮ ⎮ ⌡ ∂g ( t , τ ) ∂t d τ + g (t , b) db ( t ) dt − g (t , a ) da ( t ) dt (5.85) a(x) Aplicando (5.85) a la ecuación de definición de la integral de convolución con h ( t ) = f ( t ) , g ( t , τ ) = f1 ( τ ) f 2 ( t − τ ) o f1 ( t − τ ) f 2 ( τ ) , a = 0− y b = t+, se obtiene la relación (5.83).
Observe que la Ec. (5.83) no necesita realmente la hipótesis de que ambas f1 ( t ) y f 2 ( t ) sean diferenciables. De hecho, si cualquiera de las funciones es diferenciable y la otra continua, entonces su convolución es diferenciable. Desde el punto de vista de la operación de convolución, la Ec. (5.83) puede escribirse también como df ( t ) dt = f1 ( t ) ∗ df 2 ( t ) dt + f1 ( t ) f 2 (0) = df1 ( t ) dt ∗ f 2 ( t ) + f1 (0) f 2 ( t ) (5.86) Propiedad 3 Sea f ( t ) = f1 ( t ) ∗ f 2 ( t ) df ( t ) dt = f1 ( t ) ∗ df 2 ( t ) dt + f1 ( t ) f 2 (0) = df1 ( t ) dt ∗ f 2 ( t ) + f1 (0) f 2 ( t ) y escriba g1 ( t ) = f1 ( t − T1 ) u ( t − T1 ), T1 ≥ 0 (5.87) g 2 ( t ) = f 2 ( t − T2 ) u ( t − T2 ), T2 ≥ 0 (5.88) g ( t ) = f ( t − T1 − T2 ) u ( t − T1 − T2 ) (5.89) donde u(t) denota la función escalón unitario. Entonces g ( t ) = g1 ( t ) ∗ g 2 ( t ) (5.90) Esta propiedad expresa que si las funciones f1 ( t ) y f 2 ( t ) son retrasadas por T1 y T2 segundos, respectivamente, entonces la convolución de las dos funciones retrasadas es igual a la convolución de las funciones originales, retrasada por T1 + T2 segundos. La demostración de esta propiedad se deja para el lector.
5.11 Ecuaciones Diferenciales e Integrales Con la ayuda de la propiedad de convolución se pueden resolver algunos tipos de ecuaciones integrodiferenciales no homogéneas, lineales y con coeficientes constantes. Se darán algunos ejemplos.
Ejemplo 28. Determine la solución general de la ecuación diferencial y ′′ ( t ) + k 2 y ( t ) = f ( t ) (5.91) 323 en términos de la constante k y la función f(t).
Suponiendo que todas las funciones en (5.91) son transformables, la ecuación transformada es s 2 Y ( s ) − s y (0) − y '(0) + k 2 Y ( s ) = F ( s ) donde y(0) y y’(0) son, por supuesto, las condiciones iniciales. De aquí se obtiene Y (s) = 1 k k s +k 2 2 F ( s ) + y (0) s s +k 2 2 + y ′ (0) k k s + k2 2 y por tanto, y (t ) = 1 ( sen kt ) ∗ f ( t ) + y (0) cos kt + k y '(0) k sen kt Esta solución general de la Ec. (5.91) puede entonces escribirse en la forma y (t ) = 1 k t ∫ f ( τ ) sen k ( t − τ ) d τ + C 1 cos kt + C2 sen kt 0 donde C1 y C2 son constantes arbitrarias.
Ejemplo 29. Resuelva la ecuación integral t y ( t ) = at + ∫ y ( τ ) sen ( t − τ ) d τ 0 Esta ecuación se puede escribir en la forma y ( t ) = at + y ( t ) ∗ sen t y, transformando ambos miembros, se obtiene la ecuación algebraica Y (s) = a s2 +Y (s) 1 s2 + 1 cuya solución es ⎛ 1 1 ⎞ Y (s) = a⎜ 2 + 4 ⎟ s ⎠ ⎝s y por tanto, ⎛ 1 ⎞ y (t ) = a ⎜ t + t3 ⎟ ⎝ 6 ⎠ La ecuación integral general del tipo de convolución tiene la forma 324 t y (t ) = f (t ) + ∫ g (t − τ) y ( τ) d τ (5.92) 0 donde las funciones f(t) y g(t) son dadas y y(t) debe determinarse. Puesto que la ecuación transformada es Y ( s ) = F ( s ) + G ( s )Y ( s ) la transformada de la función buscada es Y (s) = F (s) (5.93) 1− G ( s) Si la Ec. (5.92) es modificada reemplazando y(t) por combinaciones lineales de y(t) y sus derivadas, la transformada de la ecuación modificada sigue siendo una ecuación algebraica en Y(s).
Ahora se procederá a resolver la ecuación de estado para sistemas LIT estudiada en el Capítulo 2, utilizando la transformada de Laplace.
Aplicando la transformación de Laplace a la ecuación dx ( t ) dt = A x ( t ) + Bu ( t ) , con condición inicial x(0), se obtiene sX ( s ) − x (0) = AX ( s ) BU ( s ) o X ( s )[ sI − A ] = x (0) + BU ( s ) de donde X ( s ) = [ sI − A ]−1 [ x (0) + BU ( s )] = Φ ( s )[ x (0) + BU ( s )] por lo que x ( t ) = L−1 { [ sI − A ]−1 [ x (0) + BU ( s )] } (5.94) donde Φ(s) = [sI − A]−1 es la matriz resolvente. Se debe observar que Φ(t) = L − 1 {Φ(s)} = eA t . En la sección anterior ya vimos que la matriz Φ(t) se conoce como la matriz de transición y más adelante se darán algunas de sus propiedades.
Ejemplo 30. Resolver el sistema ⎡ 0 6⎤ ⎡0⎤ x& = ⎢ x + ⎢ ⎥ u ( t ), ⎥ ⎣ −1 − 5 ⎦ ⎣1 ⎦ ⎡1 ⎤ x (0) = ⎢ ⎥ ⎣ 2⎦ Tomando u(t) = 1 y ejecutando las operaciones indicadas en la Ec. (5.94), obtenemos 325 ⎡1 [ sI − A ] = s ⎢ ⎣0 0⎤ ⎡ 0 6⎤ ⎡ s − = 1⎦⎥ ⎣⎢ −1 − 5 ⎦⎥ ⎣⎢0 0⎤ ⎡ 0 6⎤ ⎡ s − = s ⎦⎥ ⎣⎢ −1 − 5 ⎦⎥ ⎣⎢1 −6 ⎤ s + 5⎦⎥ de donde s +5 ⎡ s + 5 6 ⎤ ⎡ ( s + 2 )( s +3 ) =⎢ Φ ( s ) = [ sI − A ] = 2 ⎢ s ⎥⎦ ⎢ ( s + 2−)(1s +3 ) s + 5 s + 6 ⎣ −1 ⎣ 1 −1 ⎤ ⎥ s ⎥ (s+2)(s+3) ⎦ 6 (s+2)(s+3) y ⎤ ⎧⎪ ⎡1 ⎤ ⎡ 0 ⎤ ⎫⎪ ⎥ ⎨⎢ ⎥ + ⎢ 1 ⎥ ⎬ s 2 ⎢ ⎥ ( s + 2 )( s + 3 ) ⎥ ⎦ ⎩⎪ ⎣ ⎦ ⎢⎣ s ⎥⎦ ⎭⎪ ⎡ ( s + 2s )(+5s +3 ) X ( s ) = ⎢ −1 ⎢⎣ ( s + 2 )( s +3 ) 6 ( s +1)( s + 2 ) o ⎡ s 2 + 17 s + 6 ⎤ 6 ⎤ ⎡ 1 ⎤ ⎢ s ( s + 2)( s + 3) ⎥ ( s +1 )( s + 2 ) ⎢ ⎥ ⎥ 1 ⎥⎥ = ⎢ s ⎢ ⎢ ⎥ 2 s 2 + ( s + 2 )( s + 3 ) ⎥ ⎦ ⎣⎢ ⎥ s ⎦⎥ ⎢ ⎣ ( s + 2)( s + 3) ⎦ ⎡ ( s + 2s )(+5s +3 ) X ( s ) = ⎢ −1 ⎢⎣ ( s + 2 )( s +3 ) y por tanto, X1 ( s ) = s 2 + 17 s + 6 s ( s + 2)( s + 3) K1 s + K2 s+2 + 1 12 12 = + − s+3 s s+2 s+3 K3 x1 ( t ) = 1 + 12 e −2 t − 12 e−3 t ⇒ X2 (s) = = 2s ( s + 2)( s + 3) ⇒ = K1 s+2 + K2 s+3 =− 4 s+2 + 6 s+3 x2 ( t ) = −4 e −2 t + 6 e −3 t Ejemplo 31. Resolver el sistema ⎡ −1 0 ⎤ ⎡2⎤ ( t ) + x& ( t ) = ⎢ x ⎥ ⎢3 ⎥ , ⎣ 0 − 2⎦ ⎣ ⎦ ⎡5⎤ x (0) = ⎢ ⎥ ⎣1 ⎦ Procediendo igual que en el Ejemplo 30, se obtiene ⎡s + 1 0 ⎤ [ sI − A ] = ⎢ ⎥, ⎣ 0 s+2 ⎦ ⎡ 1 ⎤ ⎢ s +1 0 ⎥ ⎥ [ sI − A ]−1 = ⎢ 1 ⎥ ⎢ ⎢⎣ 0 s+2 ⎥⎦ 326 y ⎡ 1 ⎤ ⎡ 2 ⎤ ⎡ 5s + 2 ⎤ ⎢ s + 1 0 ⎥ ⎢5 + s ⎥ ⎢ s ( s + 1) ⎥ ⎥ ⎥⎢ ⎥=⎢ X( s ) = ⎢ ⎢ 1 ⎥⎢ 3 ⎥ s+3 ⎥ ⎢ 0 1 + ⎢ ⎥ ⎢⎣ s+2 ⎥⎦ ⎢⎣ s ⎥⎦ ⎣ s ( s + 2) ⎦ y por tanto, X1 ( s ) = 5s + 2 s ( s + 1) s+3 = 2 + 3 s s +1 1.5 0.5 = − X2 (s) = s ( s + 2) s s+2 ⇒ x1 ( t ) = 2 + 3 e − t ⇒ x2 ( t ) = 1.5 − 0.5 e −2 t Ejemplo 32. Resolver el sistema 2⎤ ⎡ −4 ⎡0 ⎤ x& ( t ) = ⎢ x(t ) + ⎢ ⎥ , ⎥ ⎣ −1 − 2 ⎦ ⎣ 2⎦ ⎡3⎤ x (0) = ⎢ ⎥ ⎣1 ⎦ Aquí ⎡s + 4 [ sI − A ] = ⎢ ⎣ 1 −2 ⎤ s + 2 ⎥⎦ −1 −1 = ⎡s + 2 2 ⎤ ⎢ ⎥ s + 6 s + 10 ⎣ −1 s + 4 ⎦ 1 2 y ⎡ 3s2 + 8 s + 4 ⎤ ⎡ 3 ⎤ ⎢ ⎥ 1 1 ⎡s + 2 2 ⎤ ⎢ s ⎥ ⎢ ⎥ = X( s) = 2 2 ⎢ ⎥ s + 6 s + 10 ⎣ −1 s + 4 ⎦ ⎢1 + ⎥ s 2 + 6 s + 10 ⎢ s 2 + 3 s + 8 ⎥ ⎣⎢ s ⎦⎥ ⎢ ⎥ s ⎣ ⎦ X1 ( s ) = 3s2 + 8 s + 4 s ( s + 6 s + 10 ) K1 = 0.4, 2 K2 = ⇒ y = K1 s + K2 * K3 s +3− j s +3+ j 3( −3 + j ) 2 + 8( −3 + j ) + 4 ( −3 + j ) j 2 = 1.703 40.236° = K 3∗ x1 ( t ) = 0.4 + 3.406 e −3 t sen( t + 130.24° ) 327 X2 (s) = s2 + 3s + 8 s ( s 2 + 6 s + 10) K1 K2 + s s +3− j + K3 s +3+ j K 2 = 1.204 85.24° = K 3∗ K1 = 0.8, ⇒ = x2 ( t ) = 0.8 + 2.41e −3 t sen( t + 175.24° ) Ejemplo 33 Resolver el sistema −1 ⎤ ⎡1 ⎤ ( t ) + x ⎢0⎥ t , − 3⎥⎦ ⎣ ⎦ ⎡0 x& ( t ) = ⎢ ⎣2 ⎡0 ⎤ x (0) = ⎢ ⎥ ⎣ 2⎦ Procedemos igual que en los ejemplos previos y obtenemos: 1 ⎤ ⎡ s sI − A = ⎢ ⎥, ⎣ −2 s + 3⎦ ⎡ ( s +1s)(+3s + 2 ) X( s) = ⎢ 2 ⎢⎣ ( s +1 )( s + 2 ) X1 ( s ) = ⎡ ( s +1s)+(3s + 2 ) [sI − A ] = ⎢ 2 ⎢⎣ ( s +1 ) ( s + 2 ) ⎤ ⎥ s ( s +1 )( s + 2 ) ⎥ ⎦ −1 (s+1)(s+2) −1 −2 s 2 + s + 3 ⎤ ⎡0 + 1 ⎤ ⎡ s 2 ( s +1)( s + 2 ⎤ ⎥⎢ s ⎥⎥ = ⎢ 2 s + 2 ⎥ s ⎢ ⎢ ⎥ ( s +1 )( s + 2 ) ⎥ ⎦ ⎣⎢ 2 + 0 ⎦⎥ ⎣ s 2 ( s +1)( s + 2 ) ⎦ -1 (s+1)(s+2) −2 s 2 + s + 3 s 2 ( s + 1)( s + 2) = 1.5 1.75 1.75 − + s s+2 s2 x1 ( t ) = 1.5 t − 1.75 + 1.75 e −2 t ⇒ X2 (s) = 2 s3 + 2 s ( s + 1)( s + 2) 2 ⇒ = 1 s 2 − 1.5 s + 3.5 s+2 x2 ( t ) = t − 1.5 + 3.5 e −2 t 5.12 Polos y Ceros de la Transformada Usualmente, la transformada F(t) de una función f(t) es una función racional en s, es decir, F (s) = a0 s m + a1 s m −1 + L + am −1 s + am b0 s n + b1 s n −1 + L + bn −1 s + bn = a0 ( s − z1 )( s − z2 )L ( s − zm ) b0 ( s − p1 )( s − p2 )L ( s − pn ) (5.95) Los coeficientes ak y bk son constantes reales y m y n son enteros positivos. La función F(s) se denomina una función racional propia si n > m, y una función racional impropia si n ≤ m. Las raíces 328 del polinomio del numerador, zk se denominan los ceros de F(s) porque F(s) = 0 para esos valores de s.
De igual forma, las raíces del polinomio del denominador, pk, se denominan los polos de F(s) ya que ella se hace infinita para esos valores de s. En consecuencia, los polos de F(s) están fuera de la región de convergencia (RDC) ya que F(s), por definición, no converge en los polos. Por otra parte, los ceros pueden estar dentro y fuera de la RDC, Excepto por un factor de escala, a0/b0, F(s) puede especificarse completamente por sus polos y ceros, lo que nos da una forma compacta de representar a F(s) en el plano complejo.
Tradicionalmente se usa una “×” para indicar la ubicación de un polo y un “○” para indicar cada cero.
Esto se ilustra en la Fig.5.10 para la función dada por F (s) = 2s + 4 s + 4s + 3 2 =2 s+2 Re( s ) > −1 ( s + 1)( s + 3) jω × ○ –1× –3 –2 Figura 5.10 σ 329 Problemas 1. Determinar la transformada de Laplace de las siguientes funciones: (a) f ( t ) = 2sen 12 t (b) f ( t ) = 3 e −2 t sen 3t (c) f ( t ) = 4 e − t sen 5 t + t 2 cos 5 t (d) f ( t ) = t 3 e−2 t sen t 2. Determine la transformada de Laplace de las funciones en las gráficas.
5 3 6 0 –5 1 2 3 4 2 t 4 t –3 1 (a) (b) 2 1 0 –1 1 2 5 3 4 3 t 0 6 4 1 2 t –2 (c) (d) 3. Encontrar la transformada de Laplace inversa de las siguientes funciones usando desarrollo en fracciones parciales.
(a ) F (s) = (c) F ( s ) = (e) F ( s ) = (g) F ( s ) = 2 s2 + 3s + 4 s3 + 5 s 2 + 4 s 4s 2 + 6 s + 10 s3 + 5 s 2 + 8 s + 4 2s 2 + 5 s + 4 s3 + 7 s 2 + 16 s + 12 14s+42 s 4 + 8 s 3 + 14 s 2 + 12 s (b) F ( s ) = (d) F ( s ) = 6s 2 + 10 s + 4 3s 2 + 24 s + 48 2 s2 + 6 s + 8 (f) F ( s ) = (g) F ( s ) = (s 2 + 2 s + 5) 8 ( s+10 ) 2 2 s ( s 2 + 10 s + 20 ) 12s+48 s 4 + 6 s 3 + 16 s 2 + 56 s + 80 4. Resolver las siguientes ecuaciones diferenciales mediante la aplicación directa de la transformación de Laplace.
330 d2x dx + 5 x = 2 t + 6.
x ( 0 ) = 2, x ′ ( 0 ) = 1.
dt dt d2x dx x ( 0 ) = 2, x ′ ( 0 ) = 8.
(b) 2 2 + 12 + 10 x = 6 cos 4 t , dt dt (a) 2 +4 d3 x d2x dx + 3 x = 4, x ( 0 ) = 1, x ′ ( 0 ) = 2, x ′′ ( 0 ) = 5.
dt dt d2x dx + 7 2 + 12 = 2.
x ( 0 ) = 3, x ′ ( 0 ) = 1, x ′′ ( 0 ) = 2.
(d) 3 dt dt dt (c) 3 dt d3x +3 2 + 5. Halle las transformadas inversas de Laplace de las siguientes funciones: (a) 1 + e− s (b) s ( s + 3) e −2 s − s e − s s2 + 6 s + 5 6. Halle las transformadas de Laplace de las funciones ilustradas en la figura.
f(t) f(t) 3 2 2 1 0 2 0 t 3 1 2 (a) 3 t (b) 7. Determine la transformada inversa de las siguientes funciones usando la integral de convolución.
(a) F ( s ) = (c) F ( s ) = 5 (b) F ( s ) = s ( s + 4) 2 10 s (d) F ( s ) = s + 2s + 4s + 8 3 2 1 s ( s + 4) 2 2 s + 6 s 2 + 13 s 3 8. Demuestre que la solución del sistema de ecuaciones diferenciales x ' ( t ) − 2 y ′ ( t ) = f ( t ) , x ′′ ( t ) -y ′′ ( t ) +y ( t )=0 bajo las condiciones x ( 0 ) = x ′ ( 0 ) = y ( 0 ) = y ′ ( 0 ) = 0, tal que f(0) = 0, es t t x ( t ) = ∫ f ( τ ) d τ − 2 ∫ f ( τ ) cos ( t − τ ) d τ , 0 0 t y ( t ) = − ∫ f ( τ ) cos ( t − τ ) d τ 0 9. Resuelva el siguiente sistema de ecuaciones y verifique su resultado: 331 x ′ ( t ) + y ( t ) = f ( t ) , y ′ ( t ) + x ( t ) = 1, x ( 0 ) = 1, y ( 0 ) = 0.
10. Resuelva por y(t) y verifique su solución: t ∫ y ( τ ) d τ − y ′ (t ) = t , y (0) = 2 0 11. Halle la solución de la ecuación integral t y ( t ) = a sen bt + c ∫ y ( τ ) sen b ( t − τ ) d τ 0 (a) cuando b2 > bc; (b) cuando b = c.
12. Sea F(s) la transformada de Laplace de f(t). Demuestre que ⎡ f (t ) ⎤ ∞ ⎥ = ∫ F ( s ) ds ⎣ t ⎦ s L⎢ 13. Demuestre que para α real y positiva ⎡ αt d n ⎛ t n −2 αt L⎢e ⎜ e dt n ⎜⎝ n ! ⎣⎢ ⎞ ⎤ ( s − α )n ⎟⎟ ⎥ = n +1 ⎠ ⎦⎥ ( s + α ) 14. Usando la propiedad demostrada en el Problema 12, determine las transformadas de Laplace de las siguientes funciones: a) t −1 cos ω0 t (b) t −1 (1 − e − αt ) (c) t −1 (senh α t + cosh α t ) CAPÍTULO SEIS LA TRANSFORMADA Z 6.1 Introducción En el Capítulo 5 se introdujo la transformada de Laplace. En este capítulo presentamos la transformada Z, que es la contraparte en tiempo discreto de la transformada de Laplace. La transformada Z puede considerarse una extensión o generalización de la transformada de Fourier discreta, así como la transformada de Laplace puede considerarse como una extensión de la transformada de Fourier. La transformada Z se introduce para representar señales en tiempo discreto (o secuencias) en el dominio de la variable compleja z, y luego se describirá el concepto de la función del sistema para un sistema LIT en tiempo discreto. Como ya se estudió, la transformada de Laplace convierte ecuaciones íntegrodiferenciales en ecuaciones algebraicas. Ahora veremos que, en una forma similar, la transformada Z convierte ecuaciones en diferencias recursivas en ecuaciones algebraicas, simplificando así el análisis de los sistemas en tiempo discreto.
Las propiedades de la transformada Z son muy parecidas a las de la transformada de Laplace, de manera que los resultados de este capítulo son semejantes a los del Capítulo 5 y, en algunos casos, se puede pasar directamente de la una transformada a la otra. Sin embargo, veremos algunas diferencias importantes entre las dos transformadas.
6.2 La Transformada Z En la Sección 4.9 vimos que para un sistema LIT de tiempo discreto con respuesta al impulso dada por h[n], la salida y[n] del sistema a una entrada exponencial de la forma zn viene dada por y[ n ] = T {z n } = H ( z ) z n (6.1) donde ∞ H (z) = ∑ h[ n ] z −n (6.2) n =−∞ Para z = e jΩ con Ω real (es decir, con z = 1 ), la sumatoria en la Ec. (6.2) corresponde a la transformada de Fourier discreta de h[n]. Lo anterior nos conduce a la definición siguiente para la transformada Z de una secuencia x[n].
334 6.2.1. Definición La función H(z) en la Ec. (6.2) se conoce como la transformada Z de h[n]. Para una señal en tiempo discreto general x[n], la transformada Z, X[z], se define como ∞ X (z) = ∑ x[ n ] z −n (6.3) n =−∞ La variable z es generalmente compleja y en forma polar se expresa como z = r e jΩ (6.4) donde r es la magnitud de z y Ω es el ángulo de z. La transformada Z definida en la Ec. (6.3) con frecuencia se denomina la transformada Z bilateral para distinguirla de la transformada Z unilateral, estudiada más adelante en la Sec. 6.7, y la cual se define como ∞ X (z) = ∑ x[ n ] z −n (6.5) n =0 Claramente, ambas transformadas son equivalentes sólo si x[n] = 0 para t < 0 (causal). En lo que sigue, omitiremos la palabra “bilateral” excepto cuando sea necesario para evitar ambigüedades.
Igual que en el caso de la transformada de Laplace, algunas veces la Ec. (6.3) se considera como un operador que transforma una secuencia x[n] en una función X(z), simbólicamente representada por X ( z ) = Z { x [ n ]} (6.6) Las funciones x[n] y X(z) forman un par de transformadas Z; esto se denotará por ↔ x[ n ] X (z) (6.7) que significa que las funciones x[n] y X(z) forman un par de transformadas Z, es decir F(z) es la transformada Z de x[n].
Existen varias relaciones importantes entra la transformada Z y la transformada de Fourier. Para estudiar estas relaciones, consideremos la expresión dada por la Ec. (6.5) con la variable z en forma polar. En términos de r y Ω, la Ec. (6.3) se convierte en X ( r e jΩ ) = ∞ ∑ x[ n ](r e ) jΩ −n (6.8) n =−∞ o, en forma equivalente, X ( r e jΩ ) = ∞ ∑ { x[ n ] r } e −n − j Ωn (6.9) n =−∞ A partir de esta última ecuación vemos que X ( re jΩ ) es la transformada de Fourier de la secuencia x[n] multiplicada por una exponencial real r–n, es decir, X ( re jΩ ) = F { x [ n ] r − n } (6.10) 335 La función de ponderación exponencial r–n puede estar decreciendo o creciendo con n creciente, dependiendo de si r es mayor o menor que la unidad. En particular, se observa que para r = 1, la transformada Z se reduce a la transformada de Fourier, vale decir, X (z) z = e jΩ = F { x[ n ] } (6.11) 6.2.2. La Región de Convergencia de la Transformada Z Como en el caso de la transformada de Laplace, la banda de valores de la variable compleja z para la cual converge la transformada Z se denomina la región de convergencia (RDC). En el caso de tiempo continuo, la transformada de Laplace se reduce a la transformada de Fourier cuando la parte real de la variable de transformación es cero; es decir, la transformada de Laplace se reduce a la de Fourier en el eje imaginario. Como contraste, la reducción de la transformada Z a la de Fourier se produce cuando la magnitud de la variable de transformación z es igual a la unidad. De manera que la reducción se produce en el contorno del plano z complejo correspondiente a un círculo de radio unitario, el cual jugará un papel importante en la discusión de la región de convergencia de la transformada Z.
La suma en la Ec. (6.3) tiene potencias de z positivas y negativas. La suma de las potencias negativas converge para z mayor que alguna constante r1, y la suma de las potencias positivas converge para z menor que alguna otra constante r2. Esto muestra que la región de existencia de la transformada z bilateral es un anillo cuyos radios r1 y r2 dependen de x[n].
Para ilustrar la transformada Z y la RDC asociada, consideremos algunos ejemplos.
Ejemplo 1. Considere la secuencia x[ n ] = a n u [ n ] (6.12) a real Entonces, por la Ec. (6.3), la transformada Z de x[n] es ∞ X (z) = ∑ a u[ n ] z n −n ∞ = n =−∞ ∑ ( az ) −1 n n =0 Para que X(z) converja se requiere que ∞ ∑ a z −1 n <∞ n =0 En consecuencia, la RDC es la banda de valores para los cuales az −1 < 1 o, en forma equivalente, z > a , para cualquier valor finito de a. Entonces ∞ X (z) = ∑ ( az ) n =0 −1 n = 1 1 − az −1 z > a (6.13) Alternativamente, multiplicando el numerador y el denominador de la Ec. (6.12) por z, podemos escribir X(z) como 336 X (z) = z z > a z−a (6.14) Ambas formas de X(z) en las Ecs. (6.12) y (6.13) son de utilidad dependiente de la aplicación. De la Ec.
(6.13) vemos que X(z) es una función racional de z. En consecuencia, igual que con las transformadas de Laplace racionales, puede caracterizarse por sus ceros (las raíces del polinomio del numerador) y sus polos (las raíces del polinomio del denominador). De la Ec. (6.13) vemos que hay un cero en z = 0 y un polo en z = a. La RDC y el diagrama de polos y ceros para este ejemplo se muestran en la Fig. 6-1. En las aplicaciones de la transformada Z, al plano complejo se le refiere comúnmente como el plano z.
Círculo Im(z) × a 1 Im(z) 1 a Re(z) Re(z) a>1 0<a<1 Im(z) ×a × Im(z) 1 × Re(z) 1 a –1 < a < 0 Re(z) a < –1 Figura 6-1. RDC de la forma z > a Ejemplo 2. Considere la secuencia x [ n ] = − a n u [ − n − 1] (6.15) De la Ec. (6.3), tenemos ∞ X (z) = − ∑ a n u [ − n − 1] z − n = − n =−∞ ∞ =− ∑a z n n =−∞ ∑( a z) n =1 −1 −1 n ∞ = 1− ∑( a z) n =0 −1 n −n 337 Ahora bien, ∞ ∑(a z) −1 n = n =0 1 , −1 1− a z a −1 z < 1 o z < a por lo que X ( z ) = 1− 1 = 1 − a −1 z − a −1 z 1 − a −1 z = z z < a z−a (6.16) La transformada Z, X(z) viene dada entonces por X (z) = 1 1 − az −1 z < a (6.17) Como lo indica la Ec. (6.16), X(z) también puede escribirse como X (z) = z z−a z < a (6.18) Así pues, la RDC y la gráfica de polos y ceros para este ejemplo se muestran en la Fig. 6-2.
Comparando las Ecs. (6.13) y (6.17) [o las Ecs. (6.14) y (6.18)], vemos que las expresiones algebraicas de X(z) para dos secuencias diferentes son idénticas, excepto por las RDC. Así que, igual que en la transformada de Laplace, la especificación de la transformada Z requiere tanto la expresión algebraica como la región de convergencia.
Im(z) Im(z) ×a 1 1 Re(z) 0<a<1 Re(z) Im(z) 1 –1 < a < 0 a a>1 Im(z) ×a × Re(z) × a 1 Re(z) a < –1 Figura 6-2. RDC de la forma |z | < |a |.
Ejemplo 3. Una sucesión finita x[n] se define como x [ n ] ≠ 0, N1 ≤ n ≤ N 2 , donde N1 y N2 son finitos, y x[n] = 0 para cualquier otro valor de n. Para determinar la RDC procedemos en la forma siguiente: 338 De la Ec. (6.3) se tiene N2 X (z) = ∑ x[ n ] z −n (6.19) n = N1 Para z diferente de cero o infinito, cada término en la Ec. (6.19) será finito y por tanto X(z) convergerá.
Si N1 < 0 y N2 > 0, entonces la Ec. (6.19) incluye términos con potencias de z tanto positivas como negativas. Conforme z → 0 , los términos con potencias de z negativas se convierten en no acotados, y conforme z → ∞ , los términos con potencias de z positivas se vuelven no acotados. Por tanto, la RDC es todo el plano z excepto para z = 0 y z = ∞. Si N1 ≥ 0, la Ec. (6.19) contiene sólo potencias negativas de z, y por ende la RDC incluye z = ∞. Si N2 ≤ 0, la Ec. (6.19) contiene sólo potencias positivas de z y, por tanto, la RDC incluye el punto z = 0.
6.2.3. Propiedades de la Región de Convergencia Como vimos en los Ejemplos 1 y 2, la RDC de X(z) depende de la naturaleza de x[n]. Las propiedades de la RDC se resumen a continuación. Se entiende que X(z) es una función racional de z.
1. La RDC no contiene ningún polo.
2. Si x[n] es una secuencia finita, es decir, x[n] = 0 excepto en un intervalo finito N1 ≤ n ≤ N 2 , donde N1 y N2 son finitos, y X(z) converge para algún valor de z, entonces la RDC es todo el plano z excepto posiblemente z = 0 o z = ∞.
3. Si x[n] es una secuencia lateral derecha, es decir, x[n] = 0 para n < N1 < ∞, y X(z) converge para algún valor de z, entonces la RDC es de la forma z > rmáx o ∞ > z > rmáx donde rmáx es igual a la mayor magnitud de cualquiera de los polos de X(z). Así pues, la RDC es el exterior del círculo z = rmáx en el plano z con la posible excepción de z = ∞.
4. Si x[n] es una secuencia lateral izquierda, es decir, x[n] = 0 para n > N2 > –∞, y X(z) converge para algún valor de z, entonces la RDC es de la forma z < rmín o 0 < z < rmín donde rmín es igual a la menor magnitud de cualquiera de los polos de X(z). Así pues, la RDC es el interior del círculo z = rmín en el plano z con la posible excepción de z = 0 5. Si x[n] es una secuencia bilateral, es decir, x[n] es una secuencia de duración infinita que no es ni lateral izquierda ni lateral derecha, y X(z) converge para algún valor de z, entonces la RDC es de la forma r1 < z < r2 donde r1 y r2 son las magnitudes de dos de los polos de X(z). Así que la RDC es una región anular en el plano z entre los círculos z < r1 y z < r2 que no contienen polos.
339 Observe que la Propiedad 1 se deduce inmediatamente de la definición de polos; es decir, X(z) es infinita en un polo.
Ejemplo 4. Considere la secuencia ⎧ an x[ n ] = ⎨ ⎩0 0 ≤ n ≤ N − 1, a > 0 otros valores de n Determinar X(z) y graficar sus polos y ceros.
De la Ec. (6.3), obtenemos N −1 X (z) = ∑a z n n =0 −n N −1 = ∑ (a z ) −1 n = 1 − ( a z −1 ) n =0 N 1 − a z −1 = 1 zN − aN z N −1 z−a (6.20) De la Ec. (6.20) vemos que hay un polo de orden (N – 1) en z = 0 y un polo en z = a. Como x[n] es una secuencia de longitud finita y es cero para n < 0, la RDC es z > 0 (la RDC no incluye el origen porque x[n] es diferente de cero para algunos valores positivos de n}. Las N raíces del polinomio del numerador están en zk = ae j ( 2 πk N ) k = 0, 1, K , N − 1 (6.21) La raíz en k = 0 cancela el polo en z = a. Los ceros restantes de X(z) están en zk = ae j ( 2 πk N ) k = 1, K , N − 1 (6.22) El diagrama de polos y ceros con N = 8 se muestra en la Fig. 6-3.
Im(z) Plano z Polo de orden (N – 1) Polo-cero se cancelan × Re(z) Figura 6-3 Diagrama de polos y ceros con N = 8.
En general, si x[n] es la suma de varias secuencias, X(z) existe solamente si existe un conjunto de valores de z para los cuales convergen las transformadas de cada una de las secuencias que forman la suma. La región de convergencia es entonces la intersección de las regiones de convergencia individuales. Si no hay una región de convergencia común, entonces la transformada X(z) no existe.
340 6.3 Transformadas Z de Secuencias Importantes 6.3.1. La Secuencia Impulso unitario δ[n] De la definición dada en la Ec. (1.79) y la Ec. (6.3), tenemos ∞ X (z) = ∑ δ[ n ] z −n = z −0 = 1 (6.23) n =−∞ y, por consiguiente, δ[ n ] ↔ 1 todo z (6.24) z− k (6.25) Es fácil demostrar que δ [n − k ] ↔ 6.3.2. La Secuencia Escalón Unitario u[n] Haciendo a = 1 en las Ecs. (6.12)) a (6.14), obtenemos u[ n ] 1 ↔ 1− z −1 = z z >1 z −1 (6.26) 6.3.3. Funciones Sinusoidales Sea x [ n ] = cos Ω 0 n . Escribiendo x[n] como x[ n ] = 1 (e 2 jΩ0 n + e − j Ω0 n ) y usando el resultado dado en la Ec. (6.14), se obtiene que X (z) = 1 = z jΩ0 + 1 z 2 z −e 2 z − e − jΩ0 z ( z − cos Ω0 ) (6.27) z 2 − 2 z cos Ω0 + 1 En forma similar, la transformada Z de la secuencia x [ n ] = sen Ω 0 n está dada por X (z) = z sen Ω0 z 2 − 2 z cos Ω0 + 1 (6.28) 341 6.3.4. Tabla de Transformadas Z En la tabla al final del capítulo se tabulan las transformadas Z de algunas secuencias encontradas con frecuencia.
6.4 Propiedades de la Transformada Z A continuación se presentan algunas propiedades básicas de la transformada Z y la verificación de algunas de esas propiedades. Estas propiedades hacen de la transformada Z una valiosa herramienta en el estudio de señales y sistemas de tiempo discreto.
6.4.1 Linealidad Si x1[n] y x2[n] son dos secuencias con transformadas X1(z) y X2(z) y regiones de convergencia R1 y R2, respectivamente, es decir, x1 [ n ] ↔ X1 ( z ) RDC = R1 x2 [ n ] ↔ X2 ( z) RDC = R2 entonces a1 x1 [ n ] + a2 x [ n ] ↔ a1 X 1 ( z ) + a2 X 2 [ n ] R ′ ⊃ R1 ∩ R2 (6.29) donde a1 y a2 son constantes arbitrarias, es decir, la transformada Z de una combinación lineal de secuencias es igual a la combinación lineal de las transformadas Z de las secuencias individuales.
La demostración de esta propiedad se obtiene directamente de la definición de la transformada Z, Ec.
(6.3). Como se indica, la RDC de la combinación es al menos la intersección de R1 y R2.
Ejemplo 5. Halle la transformada Z y dibuje el diagrama de polos y ceros (partes b y c) con la RDC para cada una de las secuencias siguientes: (a) x [n ] = 2 δ [n ] + 3δ [n − 2] − δ [n − 5] .
n n n n ⎛1⎞ ⎛1⎞ (b) x [ n ] = ⎜ ⎟ u [ n ] + ⎜ ⎟ u [ n ] ⎝2⎠ ⎝3⎠ ⎛1⎞ ⎛1⎞ (c) x [ n ] = ⎜ ⎟ u [ n ] + ⎜ ⎟ u [ − n − 1] ⎝2⎠ ⎝ 3⎠ (a) A partir del par δ [n − k ] ↔ z − k y de la Ec. (6.29), se sigue que la transformada Z de la sucesión dada es X ( z ) = 2 + 3 z −2 − z −5 342 (b) De la tabla de transformadas al final del capítulo, se obtiene n ⎛1⎞ ⎜ ⎟ u[ n ] ⎝2⎠ z ↔ z− n ⎛1⎞ ⎜ ⎟ u[ n ] ⎝3⎠ z > 1 2 z ↔ z > z − 13 1 (6.30) 2 1 (6.31) 3 Vemos que la RDC en las Ecs. (6.30) y (6.31) se solapan y, de esta manera, usando la propiedad de linealidad, se obtiene X (z) = z z− 1 2 + z z− 1 3 2 z ( z − 125 ) = z > ( z − )( z − ) 1 2 1 3 1 2 (6.32) De la Ec. (6.32) vemos que X(z) tiene dos ceros en z = 0 y z = 5/12 y dos polos en z = ½ y z = 1/3, y que la RDC es z > 12 como se dibuja en la Fig. 6-4.
Im(z) × × 1 3 Re(z) Figura 6-4 (c) De la parte (b) n ⎛1⎞ ⎜ ⎟ u[ n ] ⎝2⎠ z ↔ z− z > 1 2 1 2 y de la tabla de transformadas, n ⎛1⎞ ⎜ ⎟ u [ − n − 1] ⎝3⎠ ↔ z z− 1 3 z < 1 3 (6.33) Vemos que las RDC de estas dos últimas relaciones no se solapan y no hay una RDC común; así pues, x[n] no tiene transformada Z.
Ejemplo 6. Sea x[ n ] = a n a>0 (6.34) 343 Hallar X(z) y dibujar el diagrama de polos y ceros y la RDC para a < 1 y a > 1.
La sucesión x[n] se dibuja en la Fig. 6-5.
x[n] = a n x[n] = a 0<a< 1 n a>1 1 0 (a) 0 (b) n n Figura 6-5 Puesto que x[n] es una secuencia bilateral, podemos expresarla como x [ n ] = a n u [ n ] + a − n u [ − n − 1] (6.35) De la tabla de transformadas ↔ an u [ n ] a − n u [ − n − 1] ↔ z z >a z−a z z < z −1 a (6.36) 1 (6.37) a Si a < 1, vemos que la RDC en las Ecs. (6.36) y (6.37) se solapan y entonces X (z) = z z−a − z z −1 a _ a2 −1 z a ( z − a ) ( z −1 a ) a< z < 1 a (6.38) De la Ec. (6.38) vemos que X(z) tiene un cero en el origen y dos polos en z = a y z = 1/a y que la RDC es a < z < 1 a , como se ilustra en la Fig. 6-6. Si a > 1, vemos que las RDC en las Ecs. (6.36) y (6.37) no se solapan y no hay una RDC común y, por tanto, x[n] no tendrá una X(z).
Im(z) Círculo unitario a × Figura 6-6 × 1/a Re(z) 344 6.4.2 Desplazamiento (Corrimiento) en el Tiempo o Traslación Real Si x[ n ] ↔ X (z) RDC = R entonces x [ n − n0 ] ↔ R ′ = R ∩ {0 < z < ∞ } z − n0 X ( z ) (6.39) Demostración: Por la definición en la Ec. (6.3), Z {x [ n − n0 ] } = ∞ ∑ x[n − n ] z −n 0 n =−∞ Mediante el cambio de variables m = n – n0, obtenemos Z {x [ n − n0 ] } = ∞ ∑ x[m] z − ( m + n0 ) m =−∞ ∞ = z − n0 ∑ x[m] z −m = z − n0 X ( z ) m =−∞ Debido a la multiplicación por z − n0 , para n0 > 0, se introducen polos adicionales en z = 0 y se eliminarán en z = ∞. En la misma forma, si n0 < 0, se introducen ceros adicionales en z = 0 y se eliminarán en z = ∞ . Por consiguiente, los puntos z = 0 y z = ∞ pueden añadirse o eliminarse de la RDC mediante corrimiento en el tiempo. De este modo tenemos entonces que x [ n − n0 ] ↔ z − n0 X ( z ) R ′ = R ∩ {0 < z < ∞ } donde R y R' son las RDC antes y después de la operación de desplazamiento. En resumen, la RDC de x [ n − n0 ] es la misma que la RDC de x[n] excepto por la posible adición o eliminación del origen o infinito.
Casos especiales de la propiedad definida en la Ec. (6.39) son los siguientes: x [ n − 1] x [ n + 1] ↔ ↔ z −1 X ( z ) zX ( z ) R ′ = R ∩ {0 < z < ∞ } R ′ = R ∩ {0 < z < ∞ } (6.40) (6.41) Debido a estas últimas relaciones, z–1 a menudo se le denomina el operador de retardo unitario y z se conoce como el operador de avance(o adelanto) unitario. Observe que en la transformada de Laplace los operadores s–1 = 1/s y s corresponden a integración y diferenciación en el dominio del tiempo, respectivamente.
345 6.4.3 Inversión en el Tiempo Si la transformada Z de x[n] es X(z), es decir, x[ n ] ↔ X (z) RDC = R x[ − n ] ↔ ⎛1⎞ X⎜ ⎟ ⎝z⎠ entonces R′ = 1 (6.42) R En consecuencia, un polo (o cero) en X(z) en z = zk se mueve a 1/zk luego de inversión en el tiempo. La relación R' = 1/R indica la inversión de R, reflejando el hecho de que una secuencia lateral derecha se convierte en lateral izquierda si se invierte el tiempo, y viceversa. La demostración de esta propiedad se deja como ejercicio.
6.4.4 Multiplicación por z0n o Corrimiento en Frecuencia Si x [ n] ↔ X ( z ) RDC = R entonces z0n x [ n ] ↔ ⎛ z ⎞ X⎜ ⎟ ⎝ z0 ⎠ R ′ = z0 R (6.43) Demostración Por la definición dada en la Ec. (6.3), tenemos que Z {z x [ n ] } = n 0 ∞ ∞ ⎛ z ⎞ x[ n ]⎜ ⎟ ⎝ z0 ⎠ n =−∞ ∑ ( z x[ n ] ) z ∑ n 0 −n n =−∞ −n ⎛ z ⎞ =X⎜ ⎟ ⎝ z0 ⎠ Un polo (o cero) en z = zk en X(z) se mueve a z = z0zk luego de la multiplicación por z0n y la RDC se expande o contrae por el factor z0 , y la propiedad especificada por la Ec. (6.42) queda demostrada.
Un caso especial de esta propiedad es la relación e j Ω0 n x [ n ] ( ↔ X e − j Ω0 z ) R′ = R (6.44) En este caso especial, todos los polos y ceros son simplemente rotados en un ángulo Ω0 y la RDC no cambia.
Ejemplo 7. Determine la transformada Z y la RDC asociada para cada de las secuencias siguientes: (a) x[n] = δ[n – n0] 346 (b) x[ n ] = u [ n − n0 ] (c) x[ n ] = a n +1 u [ n + 1] (d) x[ n ] = u [ − n ] Solución (a) De la Ec. (6.24) δ[ n ] ↔ 1 toda z Aplicando la propiedad de corrimiento en el tiempo (6.38), se obtiene 0 < z , n0 > 0 ↔ z − n0 δ [ n − n0 ] z < ∞ , n0 < 0 (6.45) (b) De la Ec. (6.26), z ↔ u[n] z >1 z −1 Aplicando de nuevo la propiedad de desplazamiento en el tiempo, obtenemos u [ n − n0 ] z z − n0 ↔ z − ( n0 −1) = z −1 1< z < ∞ z −1 (6.46) (c) De las Ecs. (6.12) y (6.14) se tiene que an u [ n ] z ↔ z > a z−a y por la Ec. (6.41) n +1 ↔ a u[n] z z z−a = z2 z−a a < z <∞ (6.47) (d) De la Ec. (6.26) u[n] ↔ z z >1 z −1 y por la propiedad de inversión en el tiempo (6.42), obtenemos u[−n] 6.4.5 ↔ 1z = 1 1 z −1 1− z z <1 Multiplicación por n (o Diferenciación en el Dominio de z) Si x[n] tiene transformada z con RDC = R, es decir, (6.48) 347 ↔ X (z) x[ n ] RDC = R entonces ↔ nx [ n ] dX ( z ) −z R′ = R dz (6.49) Demostración Partiendo de la definición (6.3) ∞ X (z) = ∑ x[ n ] z −n n =−∞ y diferenciando ambos lados con respecto a z, se obtiene dX ( z ) dz ∞ = ∑ − n x[ n ] z − n −1 n =−∞ por lo que ∞ dX ( z ) { nx[n] } z −n = Z { nx[n] } −z = dz n = −∞ ∑ de donde sigue la Ec. (6.49).
Por diferenciación sucesiva con respecto a z, la propiedad especificada por la Ec. (6.49) puede ser generalizada a Z {n x [ n ] } = ( − z ) k k dk dz k (6.50) X (z) Ejemplo 8. Determine la transformada Z de la secuencia x[ n] = na n u[n] .
De las Ecs. (6.12) y (6.14) sabemos que an u[ n ] ↔ z z−a z > a (6.51) Usando la propiedad de la multiplicación por n dada por la Ec. (6.49), se obtiene na n u [ n ] 6.4.6 ↔ − d ⎛ z ⎞ az ⎜ ⎟= dz ⎝ z − a ⎠ ( z − a ) 2 z > a Acumulación Si la secuencia x[n] tiene transformada Z igual a X(z) con región de convergencia R, es decir, x[ n ] ↔ X (z) RDC = R (6.52) 348 entonces 1 n ∑ x(k ) ↔ 1− z k =−∞ Observe que la expresión ∑ n k =−∞ −1 X (z) = z z −1 R ′ ⊃ R ∩ { z > 1} X (z) (6.53) x [ k ] es la contraparte en tiempo discreto de la operación de integración en el dominio del tiempo y se denomina acumulación. El operador comparable de la transformada de Laplace para la integración es 1/s. La demostración de esta propiedad se deja como ejercicio.
6.4.7 Convolución Si x1[n] y x2[n] son tales que x1 [ n ] ↔ X1 ( z ) RDC = R1 x2 [ n ] ↔ X2 ( z) RDC = R2 entonces la transformada de la convolución de estas secuencias es dada por x1 [ n ] ∗ x2 [ n ] ↔ R′ ⊃ R ∩ { z > 1} X1 ( z ) X 2 ( z ) (6.54) Esta relación juega un papel importante en el análisis y diseño de sistemas LIT de tiempo discreto, en analogía con el caso de tiempo continuo.
Demostración De la Ec. (2.9) sabemos que ∞ y [ n ] = x1 [ n ] ∗ x2 [ n ] = ∑ x [k ] x [n − k ] 1 2 k =−∞ entonces, por la definición (6.3) ∞ ⎛ ∞ ⎞ −n ⎛ ∞ ⎞ − = x [ k ] x [ n k ] z x [ k ] x2 [ n − k ] z − n ⎟ ⎜ ⎟ ⎜ 1 2 1 n =−∞ ⎝ k =−∞ k =−∞ ⎠ ⎝ n =−∞ ⎠ ∞ Y (z) = ∑ ∑ ∑ ∑ Observando que el término entre paréntesis en la última expresión es la transformada Z de la señal desplazada, entonces por la propiedad de corrimiento en el tiempo (6.39) tenemos ⎛ ∞ x1 [ k ] ⎣⎡ z − k X 2 ( z ) ⎦⎤ = ⎜ x1 [ k ] z − k k =−∞ ⎝ k =−∞ ∞ Y (z) = ∑ ∑ ⎞ ⎟ X 2 ( z ) = X1 ( z ) X 2 ( z ) ⎠ con una región de convergencia que contiene la intersección de la RDC de X1(z) y X2(z). Si un cero de una de las transformadas cancela un polo de la otra, la RDC de Y(z) puede ser mayor. Así que concluimos que x1 [ n ] ∗ x2 [ n ] ↔ X1 ( z ) X 2 ( z ) R ′ ⊃ R ∩ { z > 1} 349 6.5 La Transformada Z Inversa La inversión de la transformada Z para hallar la secuencia x[n] a partir de su transformada Z X(z) se denomina la transformada Z inversa y simbólicamente se denota como x [ n ] = Z −1 { X ( z )} (6.55) 6.5.1. Fórmula de Inversión Igual que en el caso de la transformada de Laplace, se tiene una expresión formal para la transformada Z inversa en términos de una integración el plano z; es decir, x[ n ] = 1 2 πj ∫ X ( z)z n −1 dz (6.56) C donde C es un contorno de integración con sentido antihorario que encierra el origen. La evaluación formal de la Ec. (6.55) requiere de la teoría de una variable compleja.
6.5.2. Uso de Tablas de Pares de Trasformadas Z En el segundo método para la inversión de X(z), intentamos expresar X(z) como una suma X ( z ) = X1 ( z ) + X 2 ( z ) + L + X n ( z ) (6.57) donde X1(z), X2(z), … , Xn(z) son funciones con transformadas inversas conocidas x1[n], x2[n], … , xn[z], es decir, están tabuladas (tabla al final del capítulo). Entonces, de la propiedad de linealidad de la transformada Z se deduce que la transformada Z inversa viene dada por x[ n ] = x1 [ n ] + x2 [ n ] + L + xn [ z ] (6.58) 6.5.3. Expansión en Series de Potencias La expresión que define la transformada Z [Ec. (6.3)] es una serie de potencias donde los valores de la secuencia x[n] son los coeficientes de z–n. Así pues, si se da X(z) como una serie de potencias en la forma ∞ X (z) = ∑ x[n ] z −n n =−∞ (6.59) = L + x [ −2] z 2 + x [ −1] z + x [0] + x [1] z −1 + x [2] z −2 + L podemos determinar cualquier valor particular de la secuencia determinando el coeficiente de la potencia apropiada de z–1. Puede pasar que este enfoque puede no proporcione una solución en forma 350 cerrada pero es muy útil para una secuencia de longitud finita donde X(z) puede no tener una forma más sencilla que un polinomio en z–1. Para transformadas Z racionales, se puede obtener una expansión en serie de potencias mediante división de polinomios, como se ilustrará con algunos ejemplos.
Ejemplo 9. Hallar la transformada Z inversa de X ( z ) = z 2 ( 1 − 12 z −1 )( 1 − z −1 )( 1 + 2 z −1 ) , 0< z <∞ Multiplicando los factores en esta ecuación, podemos expresar X(z) como X ( z ) = z 2 + 12 z − 52 + z −1 Entonces, por la definición (6.3), X ( z ) = x[ −2] z 2 + x[ −1] z + x[0] + x[1] z −1 y obtenemos x [ n ] = {L ,1, 12 , − 52 , 1, 0,L} ↑ Ejemplo 10. Usando la técnica de la expansión en serie de potencias, determine la transformada Z inversa de las transformadas siguientes: (a) x ( z ) = 1 1 − a z −1 , z <a 1 ⎛ ⎞ (b) X ( z ) = log ⎜ , −1 ⎟ ⎝1− a z ⎠ (c) X ( z ) = z >a z z < 2 z − 3 z +1 2 1 2 (a) Como la RDC es z < a , es decir, el interior de un círculo de radio a, x[n] es una secuencia lateral derecha. Por tanto, debemos dividir de manera que obtengamos una serie en potencias de z en la forma siguiente. Multiplicando el numerador y el denominado de X(z) por z, tenemos X (z) = z z−a y procediendo a la división, obtenemos X (z) = 1 1− a z −1 = z z−a y por la definición (6.3), obtenemos = − a −1 z − a −2 z 2 − a −3 z 3 − L − a − k z k − L 351 x[ n ] = 0 n≥0 x[ −1] = − a −1 , x [ −2] = − a −2 , x [ −3] = − a −3 , x[ − k ] = − a − k , L de modo que x[ n ] = − a n u [ − n − 1] (b) La expansión en serie de potencias para log (1 − r ) es dada por ∞ log (1 − r ) = − 1 ∑n r r <1 n n =1 Ahora 1 ⎛ ⎞ = − log (1 − a z −1 ) X ( z ) = log ⎜ −1 ⎟ ⎝1− a z ⎠ z > a Puesto que la RDC es z > a , es decir, az −1 < 1 , entonces X(z) tiene la expansión en serie de potencias ∞ X (z) = 1 ∑n ( a z −1 ) = n n =1 ∞ 1 ∑n a z n −n n =1 de la cual podemos identificar x[n] como ⎧ (1 n ) a n x[ n ] = ⎨ ⎩0 n ≥1 n≤0 o x[ n ] = 1 n a n u [ n − 1] (c) Puesto que la RDC es z < 12 , x[n] es una secuencia lateral izquierda. Así pues, debemos dividir para obtener una serie de potencias en z. Procedemos entonces a la división para obtener z 1− 3 z + 2 z2 = z + 3 z 2 + 7 z 3 + 15 z 4 + L Entonces X ( z ) =L + 15 z 4 + 7 z 3 + 3 z 2 + z y, por la definición (6.3), se obtiene { x [ n ] = K ,15, 7,3,1, 0 ↑ } 352 6.5.4. Expansión en Fracciones Parciales Igual que en el caso de transformada de Laplace inversa, el método de expansión en fracciones parciales generalmente proporciona el método más útil para hallar la transformada Z inversa, especialmente cuando X(z) es una función racional de z. Sea X (z) = N (z) =K D( z) ( z − z1 )( z − z2 )L ( z − zm ) (6.60) ( z − p1 )( z − p2 )L ( z − pn ) Suponiendo que n ≥ m, es decir, el grado de N(z) no puede exceder el grado de D(z), y que todos los polos son sencillos, entonces la fracción X(z)/z * es una función propia y puede ser expandida en fracciones parciales X (z) z = c0 z + c1 z − p1 + c2 z − p2 +L + cn z − pn c0 = z n ck k =1 z − pk +∑ (6.61) donde c0 = X ( z ) ck = ( z − pk ) z =0 X (z) z (6.62) z = pk Por lo tanto, obtenemos X ( z ) = c0 + c1 z z − p1 + c2 z z − p2 + L + cn z z − pn n = c0 + ∑c k k =1 z z − pk (6.63) Determinando la RDC para cada término en la Ec. (6.63) a partir de la RDC total de X(z) y usando una tabla de transformadas, podemos entonces invertir cada término, produciendo así la transformada Z inversa completa.
Si m > n en la Ec. (6.60), entonces se debe añadir un polinomio en z al lado derecho de la Ec. (6.63), cuyo orden es (m – n). Entonces, para m > n, la expansión en fracciones parciales tendrían la forma m−n n z q =0 k =1 z − pk X ( z ) = ∑ bq z q + ∑ ck (6.64) Si X(z) tiene polos de orden múltiple, digamos que pi es el orden del polo múltiple con multiplicidad r, entonces la expansión de X(z)/z consistirá de términos de la forma λ1 z − pi + λ2 ( z − pi ) 2 +L+ λr ( z − pi ) r (6.65) donde λ z −k = * 1 dk ⎡ r X (z)⎤ ( z − pi ) k ⎢ k ! dz ⎣ z ⎥⎦ (6.66) z = pi La expansión es de X(z)/z debido a que las fracciones individuales tienen como denominador el factor de la forma 1 − az −1 y no ( z − a ) como aparece en la expansión.
( ) 353 Ejemplo 11 (a) Usando expansión en fracciones parciales, resuelva de nuevo el problema en el Ejemplo 10(c) X (z) = z z < 2 z2 − 3 z +1 1 2 Usando expansión en fracciones parciales, obtenemos X (z) z = 1 2 z − 3 z +1 2 1 = = 2 ( z − 1) ( z − 12 ) c1 z −1 + c2 z − 12 donde c1 = 1 2( z − 1 2 =1 ) 1 c2 = 2 ( z − 1) z =1 = −1 z =1 2 Por tanto, X (z) = z z −1 z − z− z < 1 2 1 2 (b) Si F (z) = 30 z 2 − 12 z 6 z2 − 5 z +1 entonces F (z) z = 30 z − 12 6 z2 − 5 z +1 = 3 z −1 2 + 2 z −1 3 Por tanto, F (z) = 3z z −1 2 + 2z z −1 3 y n ⎛1⎞ ⎛1⎞ f [ n ] = 3⎜ ⎟ + 2 ⎜ ⎟ ⎝2⎠ ⎝3⎠ n Ejemplo 12. Hallar la transformada Z inversa de X (z) = z ( z − 1) ( z − 2) 2 Usando expansión en fracciones parciales, tenemos que z >2 354 X (z) z = 1 ( z − 1) ( z − 2) 2 = c1 z −1 λ1 + z−2 + λ2 ( z − 2) 2 (6.67) donde c1 = 1 ( z − 2) =1 2 λ2 = z =1 1 z −1 =1 z =2 Sustituyendo estos valores en la Ec. (6.67), se obtiene 1 ( z − 1) ( z − 2) 2 = 1 z −1 + λ1 z−2 + 1 ( z − 2) 2 Haciendo z = 0 en la expresión anterior (la expresión es válida para cualquier valor de z), se tiene que − 1 4 = −1 − λ1 2 + 1 4 de donde λ1 = –1 y entonces z z z − + z − 1 z − 2 ( z − 2) 2 X (z) = z> 2 Como la RDC es z > 2 , x[n] es una secuencia lateral derecha y de la tabla de transformadas obtenemos x [ n ] = ( 1 − 2n + n 2n −1 ) u [ n ] Ejemplo 13. Calcule la transformada Z inversa de X (z) = z3 − 5 z2 + z − 2 z <1 ( z − 1) ( z − 2) Si expandimos el denominador obtenemos X (z) = z3 − 5 z 2 + z − 2 ( z − 1) ( z − 2) = z3 − 5 z2 + z − 2 z2 − 3 z + 2 que es una función racional impropia; realizamos la división y tenemos X (z) = z − 2+ −7 z + 2 z − 3z + 2 2 = z −2+ −7 z + 2 ( z − 1) ( z − 2) Ahora, sea X1 ( z ) = Entonces −7 z + 2 ( z − 1) ( z − 2) 355 X1 ( z ) z = −7 z + 2 z ( z − 1) ( z − 2) = 1 + z 5 z −1 − 6 z−2 y 5z X1 ( z ) = 1 + z −1 6z − z−2 Por consiguiente X ( z ) = z −1 + 5z z −1 6z − z<1 z−2 Puesto que la RDC de X(z) es z < 1 , x[n] es una secuencia lateral izquierda y de la tabla de transformadas, obtenemos x [ n ] = δ [ n + 1] − δ [ n ] + 5 u [ − n − 1] − 6 × 2n u [ − n − 1] = δ [ n + 1] − δ [ n ] + ( 5 − 6 × 2n −1 ) u [ − n − 1] Ejemplo 14. Hallar la transformada Z inversa de X (z) = 4 z >3 z −3 X(z) puede escribirse como X (z) = ⎛ z ⎞ = 4 z −1 ⎜ ⎟ z −3 ⎝ z −3⎠ 4 z >3 Como la RDC es z > 3 , x[n] es una secuencia lateral derecha y de la tabla de transformadas obtenemos ↔ 3n u [ n ] z z −3 Usando la propiedad de corrimiento en el tiempo, se tiene 3n −1 u [ n − 1] 1 ⎛ z ⎞ ↔ z −1 ⎜ ⎟= ⎝ z −3⎠ z −3 y concluimos que x [ n ] = 4 (3) n −1 u [ n − 1] Ejemplo 15. Hallar la transformada Z inversa de X (z) = 1 (1 − az −1 ) 2 = z2 ( z − a )2 z > a 356 De la Ec. (6.68) se sabe que na n −1 u [ n ] ↔ z ( z − a )2 z > a (6.69) Ahora, X(z) puede escribirse como z ⎡ ⎤ X (z) = z ⎢ 2 ⎥ ⎣( z − a) ⎦ z > a y aplicando la propiedad de corrimiento en el tiempo a la Ec. (6.69), obtenemos x [ n ] = ( n + 1) a n u [ n + 1] = ( n + 1) u [ n ] ya que x[–1] = 0 en n = –1.
6.6 La Función del Sistema: Sistemas LIT en Tiempo Discreto 6.6.1. La Función del Sistema En la Sec. 2.3 se demostró que la salida y[n] de un sistema LIT de tiempo discreto es igual a la convolución de la entrada x[n] con la respuesta al impulso h[n]; es decir, y [ n ] = x [ n ] ∗ h[ n ] (6.70) Aplicando la propiedad de convolución de la transformada Z, Ec. (6.54), obtenemos Y ( z) = X (z)H (z) (6.71) donde Y(z), X(z) y H(z) son las transformadas Z de y[n], x[n] y h[n], respectivamente. La Ec. (6.71) puede expresarse como H (z) = Y (z) X (z) (6.72) La transformada Z H(z) de h[n] se conoce como la función del sistema (o la función de transferencia del sistema). Por la Ec. (6.72), la función del sistema H(z) también puede ser definida como la relación entre las transformadas Z de la salida y[n] y de la entrada x[n]. La función del sistema caracteriza completamente al sistema. La Fig. 6-9 ilustra la relación de las Ecs. (6.70) y (6.71).
h[n] y[n] = x[n] ∗ h[n] x[n] Y ( z) = X ( z) H ( z) X(z) H[z] Figura 6-9 Respuesta al impulso y función del sistema.
357 Ejemplo 16. La entrada x[n] y la respuesta al impulso h[n] de un sistema LIT de tiempo discreto vienen dados por x[ n ] = u [ n ] h[ n ] = αn u [ n ] 0 < α <1 Determine la salida y[n] usando la transformada Z.
De la tabla de transformadas obtenemos x[ n ] = u [ n ] ↔ h[ n ] = α n u [ n ] z X (z) = ↔ z > 1 z −1 z H (z) = z > α z −α Entonces, por la Ec. (6.71), Y (z) = X (z) H (z) = z2 z > 1 ( z − 1) ( z − α ) Usando ahora expansión en fracciones parciales, se obtiene Y (z) z = z ( z − 1) ( z − α ) c1 = z −1 + c2 z −α donde c1 = z = z −α z =1 1 c2 = 1− α z z −1 =− z =α α 1− α de manera que Y (z) = 1 z α − z z >1 1− α z −1 1− α z − α cuya transformada Z inversa es y[ n ] = 1 1− α u[n] − ⎛ 1 − α n −1 α n u [ n ] = ⎜⎜ 1− α ⎝ 1− α α ⎞ ⎟⎟ u [ n ] ⎠ Ejemplo 17. La respuesta al escalón s[n] de un sistema LIT de tiempo discreto viene dada por x [ n ] = α n u [ n ], 0 < α <1 Determine la respuesta al impulso h[n] del sistema.
Sean x[n] y y[n] la entrada y salida del sistema. Entonces x[ n ] = u [ n ] ↔ y[ n ] = αn u [ n ] X (z) = ↔ z z >1 z −1 Y ( z) = z z −α z >α 358 Entonces, por la Ec. (6.71), H (z) = Y (z) X (z) z −1 = z >α z−α Usando expansión en fracciones parciales, se obtiene H (z) z = z −1 1 1 1− α 1 − αz α z −α = z ( z − α) o H (z) = 1 α − 1− α z z >α α z −α Tomando la transformada Z inversa, obtenemos h[ n ] = 1 α δ[ n ] − 1− α αn u [ n ] α Cuando n = 0, h[0] = 1 α − 1− α α y por tanto n=0 ⎧1 h[ n ] = ⎨ n −1 ⎩ − (1 − α ) α n ≥1 por lo que h[n] puede escribirse como h [ n ] = δ [ n ] − (1 − α ) α n −1 u [ n − 1] Ejemplo 18. Se tiene que la salida y[n] de un sistema LIT de tiempo discreto es 2 ( entrada x[n] es el escalón unitario u[n].
(a) Calcule la respuesta al impulso h[n] del sistema.
(b) Determine la salida y[n] cuando la entrada x[n] es ( 12 ) n u[n] .
Solución: (a) x[ n ] = u [ n ] ↔ X (z) = z n ⎛1⎞ y[ n ] = 2 ⎜ ⎟ u[ n ] ⎝3⎠ ↔ z >1 z −1 Y (z) = Usando expansión en fracciones parciales, se obtiene 2( z − 1) z− 1 2 z > 1 3 ) 1 n 3 u [ n ] cuando la 359 H (z) z = 2( z − 1) = z ( z − 13 ) 6 z − 4 z − 13 y H (z) = 6 − 4 z 1 z > z −1 3 Tomando la transformada Z inversa, obtenemos n ⎛1⎞ h[ n ] = 6 δ [ n ] − 4 ⎜ ⎟ u [ n ] ⎝3⎠ (b) n ⎛1⎞ x[ n ] = ⎜ ⎟ u [ n ] ⎝2⎠ ↔ X (z) = z z > z − 12 1 2 Entonces Y (z) = X (z)H (z) = 2 z ( z − 1) z ( z − )( z − ) 1 2 1 2 11 2 Usando expansión en fracciones parciales una vez más, tenemos que Y (z) z = 2( z − 1) ( z − 12 ) ( z − 13 ) = −6 z − 12 + 8 z − 13 Así que Y ( z ) = −6 z z− 1 2 +8 z z− 1 3 z > 1 2 y la transformada Z inversa de Y(z) es n ⎡ ⎛ 1 ⎞n ⎛1⎞ ⎤ y [ n ] = ⎢ −6 ⎜ ⎟ + 8 ⎜ ⎟ ⎥ u [ n ] ⎢⎣ ⎝ 2 ⎠ ⎝ 3 ⎠ ⎥⎦ 6.6.2. Caracterización de Sistemas LIT en Tiempo Discreto Muchas de las propiedades de los sistemas LIT de tiempo discreto puede asociarse íntimamente con las características de la función de transferencia H(z) en el plano z y en particular con las ubicaciones de los polos y la región de convergencia (RDC).
1.
Causalidad Para un sistema LIT de tiempo discreto, tenemos que 360 h[n] = 0 n<0 Como h[n] es una señal unilateral derecha, el requisito correspondiente sobre H(z) es que su RDC debe ser de la forma z > rmáx Es decir, la RDC es el exterior de un círculo que contiene todos los polos de H(z) en el plano z. En forma similar, si el sistema es anticausal, es decir, h[n] = 0 n≥0 entonces h[n] es una señal lateral izquierda y la RDC de H(z) debe ser de la forma z < rmín Es decir, la RDC es el interior de un círculo que no contiene polos de H(z) en el plano z.
2.
Estabilidad En la Sec. 2.5 se estableció que un sistema LIT de tiempo discreto es estable (estabilidad de entrada acotada-salida acotada, que se abreviará EASA) si y sólo si [Ec. (2.53)] ∞ ∑ h[ n ] < ∞ n =−∞ El requisito correspondiente sobre H(z) es que su RDC contenga el círculo unitario, es decir, z = 1 .
Ejemplo 19. Si un sistema LIT de tiempo discreto es estable (entrada acotada-salida acotada, EASA), demuestre que su función del sistema H(z) debe contener el círculo unitario, es decir, z = 1 .
Un sistema LIT de tiempo discreto tiene estabilidad EASA si y sólo si su respuesta al impulso h[n] es absolutamente sumable, es decir, ∞ ∑ h[ n ] < ∞ n =−∞ Ahora, ∞ H (z) = ∑ h[n] z −n n =−∞ Sea z = e jΩ de manera que z = e jΩ = 1 . Entonces H ( e jΩ ) = ∞ ∑ h[n ]e − j Ωn n =−∞ ∞ ≤ ∑ h[ n ]e n =−∞ − jΩ n ∞ = ∑ h[ n ] < ∞ n =−∞ 361 En consecuencia, vemos que si el sistema es estable, entonces H(z) converge para z = e jΩ . Es decir, para LIT de tiempo discreto estable, la RDC de H(z) debe contener el círculo unitario z = 1 .
3.
Sistemas Causales y Estables Si el sistema es causal y estable, entonces todos los polos de H(z) deben estar ubicado en el interior del círculo unitario del plano z ya que la RDC es de la forma z > rmáx , y como el círculo unitario es incluido en la RDC, debemos tener rmáx < 1 .
6.6.3. Función del Sistema para Sistemas LIT Descritos por Ecuaciones de Diferencias Lineales con Coeficientes Constantes.
En la Sec. 2.9 se consideró un sistema LIT de tiempo discreto para el cual la entrada x[n] y la salida y[n] satisfacen la ecuación de diferencias lineal con coeficientes constantes de la forma N M ∑ a y[ n − k ] = ∑b x[ n − k ] k k k =0 (6.73) k =0 Aplicando la transformada Z y usando las propiedades de corrimiento en el tiempo, Ec. (6.39), y de linealidad, Ec. (6.29), de la transformada Z, obtenemos N ∑ ak z − k Y ( z ) = k =0 M ∑b z −k k X (z) k =0 o N Y (z) ∑ ak z − k = X ( z ) k =0 M ∑b z −k k (6.74) k =0 Así pues, M Y (z) H (z) = = X ( z) ∑b z −k k k =0 N ∑a z (6.75) −k k k =0 Por tanto, H(z) siempre es racional. Observe que la RDC de H(z) no es especificada por la Ec. (6.75) sino que debe inferirse con requerimientos adicionales sobre el sistema; requerimientos como la causalidad o la estabilidad.
Ejemplo 20. Un sistema LIT de tiempo discreto causal es descrito por la ecuación en diferencias y[ n ] − 3 4 y [ n − 1] + 1 8 y [ n − 2] = x[ n ] (6.76) 362 donde x[n] y y[n] son la entrada y salida del sistema, respectivamente.
(a) Determine la función del sistema H(z).
(b) Halle la respuesta al impulso h[n] del sistema.
(c) Halle la respuesta al escalón s[n] del sistema.
(a) Tomando la transformada Z de la Ec. (6.75), se obtiene Y (z) − 3 1 z −1Y ( z ) + z −2 Y ( z ) = X ( z ) 4 8 o 3 −1 1 −2 ⎞ ⎛ ⎜ 1− z + z ⎟Y ( z ) = X ( z ) 4 8 ⎝ ⎠ Así que Y (z) H (z) = = X ( z) = 1 1 − 34 z −1 + 81 z −2 z2 z > ( z − )( z − ) 1 2 = 1 8 z2 z 2 − 43 z + 81 1 2 (b) Usando expansión en fracciones parciales, se obtiene H (z) z = z ( z − )( z − ) 1 2 1 4 = 2 z− 1 2 − 1 z − 14 y H (z) = 2 z z − 12 − z 1 z > z − 14 2 cuya transformada Z inversa es ⎡ ⎛ 1 ⎞n ⎛ 1 ⎞n ⎤ h[ n ] = ⎢ 2 ⎜ ⎟ − ⎜ ⎟ ⎥ u [ n ] ⎢⎣ ⎝ 2 ⎠ ⎝ 4 ⎠ ⎥⎦ (c) x[ n ] = u [ n ] ↔ X ( z) z z −1 z >1 Entonces Y ( z) = X (z)H (z) = z3 ( z − 1) ( z − 12 )( z − 14 ) Usando de nuevo expansión en fracciones parciales, se obtiene z >1 363 Y (z) z = z2 ( z − 1) ( z − 1 2 )( z − ) 1 4 = 83 z −1 − 2 z− 1 2 + 13 z − 14 o Y (z) = 8 z 3 z −1 −2 z z − 12 + 1 z 3 z − 14 z >1 y la transformada Z inversa de Y(z) es n n ⎡8 ⎛ 1⎞ 1⎛ 1⎞ ⎤ y[ n ] = s[ n ] = ⎢ − 2 ⎜ ⎟ + ⎜ ⎟ ⎥ u [ n ] ⎢⎣ 3 ⎝ 2 ⎠ 3 ⎝ 4 ⎠ ⎥⎦ Ejemplo 21. Considere un sistema LIT en el cual la entrada x[n] y la salida y[n] satisfacen la ecuación en diferencias lineal con coeficientes constantes y[ n ] − 1 1 y [ n − 1] = x [ n ] + x[ n − 1] 4 3 Aplicando la transformada Z en ambos lados de esta ecuación y usando las propiedades de linealidad y corrimiento en el tiempo, obtenemos Y (z) − 1 1 z −1Y ( z ) = X ( z ) + z −1 X [ n ] 4 3 o 1 1 + z −1 3 Y (z) = X (z) 1 −1 1− z 4 o 1 1 + z −1 3 = H (z) = 1 X (z) 1 − z −1 4 Y (z) Ejemplo 22. Consideremos ahora un ejemplo de la aplicación de la transformada Z a la solución de una ecuación sencilla en comparación con el uso de fórmulas recursivas. Deseamos resolver la ecuación y [ n ] − 3 y y [ n − 1] = 6 con la condición inicial y[–1] = 4.
Podemos hallar y[n] en forma recursiva: haciendo n = 0, 1, 2, …, obtenemos y [0] = 18, y [1] = 60, y [2] = 186, etc.
364 Para determinar y[n] para cualquier n, usamos la transformada Z. Esto produce Y ( z ) − 3{ z −1Y ( z ) + y [ −1] } = 6z z −1 Por tanto, Y (z) = 18 z 2 − 12 z ( z − 3) ( z − 1) = 21 z z −3 − 3 z −1 y el resultado es y [ n ] = 21( 3) − 3 n 6.6.4. Interconexión de Sistemas Para dos sistemas LIT (con respuestas al impulso h1[n] y h2[n], respectivamente) en cascada, la respuesta al impulso total h[n] viene dada por h [ n ] = h1 [ n ] ∗ h2 [ n ] (6.77) Así que las funciones de los sistemas están relacionadas por el producto H ( z ) = H1 ( z ) H 2 ( z ) R ⊃ R1 ∩ R2 (6.78) En forma similar, la respuesta al impulso de una combinación en paralelo de dos sistemas LIT está dada por h [ n ] = h1 [ n ] + h2 [ n ] (6.79) y H ( z ) = H1 ( z ) + H 2 ( z ) R ⊃ R1 ∩ R2 (6.80) Ejemplo 23. Considere el sistema de tiempo discreto de la Fig. 6-10. Escriba una ecuación de diferencias que relacione la salida y[n] con la entrada x[n].
Suponga que la entrada al elemento de retardo unitario es q[n]. Entonces, de la Fig. 6-10 vemos que q [ n ] = 2 q [ n − 1] + x [ n ] y [ n ] = q [ n ] + 3 q [ n − 1] Tomando la transformada Z de estas ecuaciones, se obtiene Q ( z ) = 2 z −1 Q ( z ) + X ( z ) Y ( z ) = Q ( z ) + 3 z −1 Q ( z ) Reacomodando, obtenemos 365 x[n] y[n] q[n] + + + Retardo unitario 2 + 3 q[n – 1] Figura 6-10 ( 1− 2 z )Q( z ) = X ( z ) ( 1+ 3z )Q( z ) = Y ( z ) −1 −1 de donde H (z) = Y (z) X (z) = 1 + 3 z −1 1 − 2 z −1 Por lo tanto, ( 1− 2 z )Y ( z ) = ( 1+ 3 z ) X ( z ) −1 −1 o Y ( z ) − 2 z −1Y ( z ) = X ( z ) + 3 z −1 X ( z ) Tomando ahora la transformada inversa y usando la propiedad de corrimiento en el tiempo, se obtiene la ecuación en diferencias para y[n] y [ n ] − 2 y [ n − 1] = x [ n ] + 3 x [ n − 1] Ejemplo 24. Considere el sistema de tiempo discreto mostrado en la Fig. 6-11. ¿Para qué valores de k es el sistema estable EASA? x[n] + + k/2 a[n – 1] z–1 q[n] k/3 + + y[n] Figura 6-11 366 En la figura se observa que q[ n ] = x[ n ] + k y[ n ] = q[ n ] + 2 k q [ n − 1] 3 q [ n − 1] Tomando la transformada Z de las ecuaciones anteriores, se obtiene Q( z) = X ( z) + k Y ( z) = Q( z) + k 2 3 z −1 Q ( z ) z −1 Q ( z ) Reacomodando, tenemos que k −1 ⎞ ⎛ ⎜ 1− z ⎟ Q ( z ) = X ( z ) 2 ⎝ ⎠ k −1 ⎞ ⎛ ⎜ 1− z ⎟ Q ( z ) = Y ( z ) 3 ⎝ ⎠ y de ésta obtenemos k −1 z Y (z) z+k 3 3 = = H (z) = k X (z) z+k 2 1 + z −1 2 1+ z > k 2 la cual muestra que el sistema tiene un cero en z = –k/3 y un polo en z = –k/2 y que la RDC es z > k 2 . Entonces, como se mostró anteriormente, el sistema es estable EASA sólo si k < 2 .
6.7 La Transformada Z Unilateral 6.7.1. Definición La transformada Z unilateral XI(z) de una secuencia x[n] se define como ∞ XU [ n ] = ∑ x[ n ]z −n (6.81) k =0 y difiere de la transformada bilateral en que la sumatoria se calcula para solamente n ≥ 0. Así, la transformada Z unilateral de x[n] puede considerarse como la transformada bilateral de x[n]u[n]. Como x [ n ] u [ n ] es una secuencia lateral derecha, la RDC de XU(z) está siempre fuera de un círculo en el plano z.
367 6.7.2. Propiedades Básicas La mayoría de las propiedades de la transformada Z unilateral son las mismas que la de la transformada Z bilateral. La transformada unilateral es útil en el cálculo de la respuesta de un sistema causal a una entrada causal cuando el sistema es descrito por una ecuación en diferencias lineal de coeficientes constantes con condiciones iniciales diferentes de cero. La propiedad básica de la transformada Z unilateral que es de utilidad en esta aplicación es la propiedad de corrimiento en el tiempo siguiente, la cual es diferente de la misma propiedad para la transformada bilateral.
Propiedad de Corrimiento en el Tiempo Si x[n] ↔ XU(z), entonces para m ≥ 0, x [ n − m ] ↔ z − m X U ( z ) + z − m +1 x [ −1] + z − m + 2 x [ −2] + L + x [ − m ] (6.82) x [ n + m ] ↔ z m X U ( z ) − z m x [0] − z m −1 x [1] − L − zx [ m − 1] (6.83) 6.7.3. La Función del Sistema De manera similar al caso del sistema LIT de tiempo continuo, con la transformada Z unilateral, la función del sistema H(z) = Y(z)/X(z) se define bajo la condición de que el sistema está en reposo, es decir, todas las condiciones iniciales son iguales a cero.
6.7.4. Valores Inicial y Final Teorema del Valor Inicial Sea x[n] una secuencia causal con transformada Z dada por X(z). Entonces x [0] = lím X ( z ) z →∞ (6.84) que es el teorema del valor inicial para la transformada Z.
Como x[n] = 0 para n < 0, tenemos que ∞ X (z) = ∑ x[ n ] z −n = x [0] + x [1] z −1 + x [2] z −2 + L n =0 –n Conforma z → ∞, z → 0 para n > 0, y da como resultado la Ec. (6.83).
Teorema del Valor Final Sea x[n] una secuencia causal con transformada Z igual a X(z). Entonces, si X(z) es una función racional con todos sus polos estrictamente en el interior del círculo unitario excepto posiblemente por un polo de primer orden en z = 1, se tiene que 368 lím x [ N ] = lím ( 1 − z −1 ) X ( z ) N →∞ (6.85) z →1 que es el teorema del valor final para la transformada Z.
De la propiedad de corrimiento en el tiempo, Ec. (6.86), tenemos Z { x[ n ] − x[ n − 1] } = ( 1 − z −1 ) X ( z ) (6.87) El lado izquierdo de esta última ecuación puede escribirse como ∞ ∑{ x [ n ] − x [ n − 1] } z − n N = lím N →∞ n =0 ∑{ x [ n ] − x [ n − 1] } z −n n =0 Si ahora hacemos que z → 1, entonces esta podemos escribir esta ecuación como lím ( 1 − z −1 ) X ( z ) = lím z →1 N →∞ N ∑{ x [ n ] − x [ n − 1] } = lím x [ N ] = x [ ∞ ] N →∞ n =0 Ejemplo 25. Considere un sistema de tiempo discreto cuya entrada x[n] y salida y[n] están relacionadas por y [ n ] − ay [ n − 1] = x [ n ], a constante Determine y[n] con la condición auxiliar y[–1] = y–1 y x [ n ] = K bn u [ n ] .
Sea ↔ y[ n ] YI ( z ) Entonces, de la Ec. (6.82), y [ n − 1] ↔ z −1YU ( z ) + y [ −1] = z −1YU ( z ) + y−1 De la tabla de transformadas tenemos la relación x[ n ] ↔ XU ( z ) = K z z > b z −b Tomando la transformada Z unilateral de la Ec. (6.87), se obtiene YU ( z ) − a [YU ( z ) + y−1 ] = K z z −b o z ⎛ z−a⎞ ⎜ ⎟ YU ( z ) = ay−1 + K z −b ⎝ z ⎠ Entonces YU ( z ) = a y−1 z z−a +K z2 ( z − a) ( z − b) 369 y usando expansión en fracciones parciales, obtenemos YU ( z ) = a y−1 z z−a + K ⎛ z z ⎞ −a ⎜b ⎟ b − a ⎝ ( z − b) z−a⎠ Tomando ahora la transformada Z inversa, se obtiene el resultado b y [ n ] = ay−1 a n u [ n ] + K ⎛ = ⎜⎜ ⎝ a bn u [ n ] − K b−a b−a n +1 b −a ⎞ y−1 a n +1 + K ⎟u[n] b − a ⎟⎠ an u [ n ] n +1 Ejemplo 26. Para la ecuación en diferencias 3 y [ n ] − 4 y [ n − 1] + y [ n − 2] = x [ n ], con x [ n ] = ( 12 ) , y [ −1] = 1, y [ −2] = 2 n Tomando la transformada Z unilateral de la ecuación dada, obtenemos 3YU ( z ) − 4 { z −1YU + y [ −1] } + { z −2 YU + z −1 y [ −1] + y [ −2] } = X U ( z ) Sustituyendo las condiciones auxiliares y[–1] = 1, y[–2] = 2, y XI(z) en la expresión anterior, se obtiene (3 − 4 z −1 + z −2 ) YI ( z ) = 2 − z −1 + z z − 12 o 3( z − 1) ( z − 13 ) z2 YU ( z ) = 3 z 2 − 2 z + 12 z ( z − 12 ) Entonces YU ( z ) = = z ( 3 z 2 − 2 z + 12 ) 3( z − 1) ( z − 12 ) ( z − 13 ) 3 z 2 z −1 − z z− 1 2 + 1 z 2 z − 13 y, por tanto, n 3 ⎛1⎞ 1⎛1⎞ y[ n ] = − ⎜ ⎟ + ⎜ ⎟ 2 ⎝ 2⎠ 2⎝3⎠ n n ≥ −2 Ejemplo 27. El sistema de la Fig. 6-12 consiste un elemento de retardo y un multiplicador. Tiene como variable la entrada y[n] al elemento de retardo y su estado inicial es y[–1] = 8. Determinaremos y[n] para cualquier n ≥ 0 usando la transformada Z.
370 8 y[n] 4 1 2 y[n – 1] 2 z −1 1 0.5 –1 0 1 2 3 4 y[n] n Figura 6-12 Como vemos en el diagrama, y[ n ] = 1 2 y [ n − 1] Aplicando la transformada Z en ambos lados de esta ecuación, se obtiene 1 Y (z) = 2 {z −1 Y ( z ) + y [ −1] } Por tanto, Y (z) = 4z z − 0.5 y la transformada Z inversa produce la solución y [ n ] = 4 ( 0.5 ) n la cual se indica en la Fig. 6-12.
6.8 La Transformada de Laplace y la Transformada Z Si representamos la secuencia x[n] = x(nT) como un tren de impulsos separados por el intervalo de tiempo T, el período de muestreo, el impulso del n-ésimo instante, δ(t – nT), tiene el valor de ponderación x(nT). Por consiguiente, la relación entre la secuencia x(nT) y la señal x*(t) se puede expresar como ∞ x *(t ) = ∑ x ( nT ) δ ( t − nT ) (6.88) n =0 Tomando la transformada de Laplace de ambos lados de la Ec. (6.88), se obtiene ∞ X *( s ) = L [ x *( t )] = ∑ x{nT ) e − nTs (6.89) n+0 Comparando la Ec. (6.89) con la Ec. (6.81) para la transformada Z unilateral, vemos que esta última y la transformada de Laplace se relacionan a través de la equivalencia z = ets (6.90) 371 En verdad, la transformada Z unilateral definida por la Ec. (6.87) puede considerarse como un caso especial cuando T = 1. En consecuencia, la definición de la transformada Z unilateral se puede resumir como X ( z ) = L [ x ( kT )] = L [ x *( t )] = Z [ X *( z )] = X *( s ) z = ets (6.91) 372 Pares Ordinarios de Transformadas Z X(z) RDC δ[n] 1 Toda z u[n] 1 z , −1 z −1 1− z z >1 –u[–n – 1] 1 z , −1 z −1 1− z z <1 δ[n – m] z–m Toda z excepto 0 si m > 0 o ∞ si m <0 a n u[n] 1 z , −1 z−a 1 − az z >a − a n u[− n − 1] 1 z , −1 z−a 1 − az z <a na n u[ n] az −1 z >a x[n] (1 − az ) −1 2 az −1 − na n u[− n − 1] (1 − az ) −1 2 (n + 1)a nu[n] 1 (1 − az ) −1 2 (cos Ω 0 n )u[n] z n ) cos Ω 0 n u[ n] z 0 ≤ n ≤ N −1 otros valores de n , az z <a (z − a ) 2 ⎡ z ⎤ ,⎢ ⎥ ⎣z − a⎦ 2 2 z >a z 2 − (cos Ω 0 ) z z >1 (sen Ω 0 ) z − (2 cos Ω 0 ) z + 1 z >1 z 2 − (r cos Ω 0 ) z z >r (r sen Ω 0 ) z − (2r cos Ω 0 ) z + r 2 z >r z 2 − (2r cos Ω 0 ) z + r 2 r n (sen Ω 0 n )u[n] ⎧ an ⎨ ⎩0 (z − a )2 z 2 − (2 cos Ω 0 ) z + 1 (sen Ω 0 n )u[n] (r az , 2 1 − a N z −N 1 − az −1 z >0 373 Problemas 6.1 Halle las transformadas Z de las secuencias siguientes: (a) x [ n ] = { 14 ,1. − 15 } (b) x[ n ] = 6 δ [ n + 5] − 4 δ [ n − 2] n ⎛1⎞ (c) x [ n ] = 2 ⎜ ⎟ u [ n ] − 3(2) n u [ − n − 1] ⎝3⎠ 6.2 Dado que X (z) = z ( z − 4) ( z − 1) ( z − 2) ( z − 3) Especifique todas las regiones de convergencia posibles. ¿Para cuál RDC es X(z) la transformada Z de una secuencia causal? 6.3 Demuestre la propiedad de inversión dada por la Ec. (6.41).
6.4 Determine la transformada Z de la señal x1 [ n ] = ( a n cos Ω 0 n ) u [ n ] a partir de la transformada de la señal x2 [ n ] = ( cos Ω 0 n ) u [ n ] , usando la propiedad de escalamiento.
6.5 Demuestre que si x[n] es una secuencia lateral derecha y X(z) converge para algún valor de z, entonces la RDC de X(z) es de la forma z > rmáx o ∞ > z > rmáx donde rmáx es la magnitud máxima de cualquiera de los polos de X(z).
6.6 Hallar la transformada Z inversa de X (z) = 2 + z −2 + 5 z −3 z2 + 3 z + 2 z >0 6.7 Determine las transformadas Z de las x[n] siguientes: (a) x[ n ] = ( n − 2) u [ n − 2] (b) x[ n ] = u [ n − 2] − u [ n − 4] (c) x [ n ] = n {u [ n ] − u [ n − 4] } 6.8 Usando la relación an u [ n ] ↔ z z−a , z >a halle la transformada Z de (a) x [ n ] = na n −1 u [ n ] ; (b) x [ n ] = n ( n − 1) a n − 2 u [ n ] ; y (c) 374 x [ n ] = n ( n − 1)L ( n − k + 1) a n − k u [ n ] 6.9 Determine la transformada inversa de X ( z ) = log ( 1 − 13 z −1 ) (a) usando la expansión en serie de potencias log (1 − a ) = − ∑ (a k ), ∞ k =1 k a < 1 , y (b) diferenciando X(z) y usando las propiedades de la transformada Z.
6.10 Determine la transformada Z y la región de convergencia de la secuencia ⎧ 2n cos 3 n ⎪ x[ n ] = ⎨ ⎛ 1 ⎞n ⎪ ⎜ ⎟ cos 3 n ⎩⎝4⎠ n<0 n≥0 6.11 Determine la transformada Z inversa de cada una de las transformadas Z dadas mediante dos de los métodos explicados en el capítulo y compare los valores para n = 0, 1, 2, y 3. En cada caso, señale la RDC para su la validez de su resultado.
(a) X ( z ) = (b) X ( z ) = (c) X ( z ) = (d) X ( z ) = (e) X ( z ) = (f) X ( z ) = z ( z − 1) ( z − 0.8) z ( z + 1) ( z − 1) ( z − 0.8) 1 ( z − 1) ( z − 0.8) 1 z ( z − 1) ( z − 0.8) z2 ( z − 1) 2 ( z − 2) 2 2z +3 ( z − 2)3 6.12 Determine la convolución de las secuencias causales siguientes: n ⎛1⎞ h[ n ] = ⎜ ⎟ , ⎝2⎠ ⎧ 1, x[ n ] = ⎨ ⎩ 0, 0 ≤ n ≤ 10 otros valores de n 6.13 Halle la función de transferencia del sistema mostrado en la Fig. P.6.13 si h1 [ n ] = ( n − 1) u [ n ] h2 [ n ] = δ [ n ] + n u [ n − 1] + δ [ n − 2) n ⎛1⎞ h3 [ n ] = ⎜ ⎟ u [ n ] ⎝3⎠ 375 h1[n] – h3[n] x[n] y[n] + h2[n] Figura P.6.13 6.14 Determine la respuesta al escalón del sistema con función de transferencia H (z) = z − 12 z 2 + 56 z + 16 6.15 Considere el sistema mostrado en la Fig. P.6.15 (a) Determine la función del sistema H(z).
(b) Halle la ecuación de diferencias que relaciona la salida y[n] con la entrada x[n].
x[n] y[n] + + 1 4 z −1 Figura P.6.15 6.16 Considere un sistema LIT de tiempo discreto cuya función de sistema H(z) es dada por H (z) = z z− 1 3 z > 1 3 (a) Calcule la respuesta al escalón s[n].
(b) Determine la salida y[n] cuando la entrada es x[n] = u[n].
6.17 Demuestre que un criterio simplificado para que el polinomio X ( z ) = z 2 + a1 z + a2 tenga todos sus polos en el interior del círculo unitario en el plano z lo da 376 X (0) < 1, X ( −1) > 0, X (1) > 0 Use este criterio para hallar los valores de K para los cuales el sistema dado por H (z) = 0.8 K z ( z − 0.8) ( z − 0.5) sea estable.
6.18 (a) Cuando se aplica la excitación x [ n ] = ( − 12 ) se aplica a un sistema LIT, la salida y[n] viene n dada por y [ n ] = 2 ( 13 ) . Determine la función de transferencia del sistema. (b) ¿Cuál es la n respuesta al impulso correspondiente? 6.19 Resuelva la ecuación en diferencias y [ n ] − 5 y [ n − 1] + 6 y [ n − 2] = 2, y [ −1] = 6, y [ n − 2] = 4 6.20 Considere un sistema causal de tiempo discreto cuya salida y[n] y entrada x[n] están relacionadas por y [ n ] − 127 y [ n − 1] + 121 y [ n − 2] = x[ n ] (a) Halle la función del sistema H(z).
(b) Calcule la respuesta al impulso h[n] 6.21 Demuestre que la solución general de la ecuación en diferencias y [ n ] − 2 αy [ n − 1] + y [ n − 2] = 0 puede escribirse en la forma y [ n ] = C cosh βn + D senh β n , donde cosh β = α y C y D son dos constantes arbitrarias. Determine y[n] si y[0] = E, y[10] = 0 y α = 1.25.
6.22 (a) Demuestre que la salida y[n] del sistema de la Fig. P.6.22 satisface la ecuación 2 y [ n ] − y [ n − 1] = 4 x [ n ] + 2 x [ n − 1] (b) El estado inicial del sistema es q[–1] = 2. Halle la respuesta de entrada cero. (c) Halle la función del sistema H(z). (d) Determine la respuesta al impulso h[n] y la respuesta al escalón.
x[n] q[–1] = 2 1/2 q[n – 1] z −1 q[n] 2 y[n] Figura P.6.22 377 6.23 Use la transformada Z unilateral para resolver las ecuaciones de diferencias siguientes con las condiciones iniciales dadas.
(a) y [ n ] − 3 y [ n − 1] = x[ n ], con x[ n ] = 4 u [ n ], y [ −1] = 1 (b) y [ n ] − 5 y [ n − 1] + 6 y [ n − 2] = x[ n ], con x[ n ] = u [ n ], y [ −1] = 3, y [ −2] = 2 n ⎛1⎞ (c) y [ n ] − y [ n − 1] + y [ n − 2] = x[ n ], y [ −1] = 0, y [ −2] = 1, x [ n ] = ⎜ ⎟ u [ n ] 2 4 ⎝3⎠ 1 1 CAPÍTULO SIETE MODULACIÓN DE AMPLITUD 7.1 Introducción Ahora nos ocuparemos de la transmisión de mensajes formados por señales continuas (analógicas).
Cada señal de mensaje se selecciona de un número infinito de formas de onda posibles. Por ejemplo, en la transmisión de radio y televisión se tiene un número infinito de mensajes posibles y no todas las formas de ondas son conocidas. Esa colección de mensajes y formas de ondas puede ser modelada convenientemente mediante procesos aleatorios continuos, en donde cada función miembro del proceso aleatorio corresponde a una forma de onda del mensaje. Para el análisis se define la transmisión de señales analógicas como la transmisión por un canal dado de una señal x(t) de pasabajas, arbitraria y de energía finita. En algunos casos tomaremos a x(t) como una señal de un solo tono (sinusoidal o de potencia).
Si el canal es de pasabajas por naturaleza, la señal de pasabajas portadora de la información (o señal del mensaje) puede transmitirse por el canal sin modificaciones. Esta clase de transmisión se conoce como comunicación en la banda base. La transmisión de esa señal por un canal de comunicaciones de pasabandas, como una línea telefónica o un canal satelital, requiere una adaptación obtenida mediante un corrimiento de la banda de frecuencias contenidas en la señal a otra banda de frecuencias adecuada para la transmisión. Este corrimiento o traslación se alcanza mediante el proceso conocido como modulación.
La modulación es una operación realizada en el transmisor para obtener una transmisión eficiente y confiable de la información y consiste en la variación sistemática de algún atributo de una onda portadora o modulada, como por ejemplo la amplitud, la fase o la frecuencia, de acuerdo con una función de la señal del mensaje o señal moduladora. Aunque hay muchas técnicas de modulación, es posible identificar dos tipos básicos de ellas: la modulación de onda portadora continua (OC) y la modulación de pulsos. En la modulación OC, la onda portadora es continua (usualmente una onda sinusoidal), y se cambia alguno de sus parámetros proporcionalmente a la señal del mensaje. En la modulación de pulsos, la onda portadora es una señal de pulsos (con frecuencia una onda de pulsos) y se cambia un parámetro de ella en proporción a la señal del mensaje. En ambos casos, el atributo de la portadora puede ser cambiado en una forma continua o discreta. La modulación de pulsos discretos (digital) es un proceso discreto y es especialmente apropiado para mensajes que son discretos por naturaleza, como, por ejemplo, la salida de un teletipo. Sin embargo, con la ayuda del muestreo y la cuantización, se pueden transmitir señales del mensaje que varían continuamente (analógicas) usando técnicas de modulación digital.
La modulación, además de usarse en los sistemas de comunicación para adaptar las características de la señal a las características del canal, también se utiliza para reducir el ruido y la interferencia, para 380 transmitir simultáneamente varias señales por un mismo canal y para superar limitaciones físicas en el equipo.
El análisis de Fourier se adapta extremadamente bien para el análisis de señales moduladas; este estudio es el objetivo principal de este capítulo.
7.1.1 Necesidad de la Modulación Antes de comenzar una discusión cuantitativa de sistemas de modulación, se examinarán las ventajas de usar señales moduladas para la transmisión de información. Ya hemos mencionado que se requiere modulación para adaptar la señal al canal. Sin embargo, esta adaptación involucra varios aspectos importantes que merecen una explicación adicional.
Modulación para Facilidad de Radiación. Si el canal de comunicación consiste del espacio libre, entonces se necesitan antenas para radiar y recibir la señal. La radiación electromagnética eficiente requiere de antenas cuyas dimensiones sean del mismo orden de magnitud que la longitud de onda de la señal que está siendo radiada. Muchas señales, incluyendo las de audio, tienen componentes de frecuencia que llegan a 100 Hz o menos. Para estas señales, serían necesarias antenas de alrededor de 300 Km de longitud si la señal se fuese a radiar directamente. Si se usa modulación para imprimir la señal del mensaje sobre una portadora de alta frecuencia, digamos a 100 MHz, entonces las antenas no necesitan tener una longitud de más de un metro (longitud transversal).
Modulación para Concentración o Multicanalización. Si más de una señal usa un solo canal, la modulación puede usarse para trasladar diferentes señales a posiciones espectrales diferentes permitiendo así al receptor seleccionar la señal deseada. Las aplicaciones de la concentración (“multiplexing” en inglés) incluyen la telemetría de datos, radiodifusión FM estereofónica y telefonía de larga distancia.
Modulación para Superar Limitaciones en el Equipo. El rendimiento de los dispositivos de procesamiento de señales tales como filtros y amplificadores, y la facilidad con la cual estos dispositivos pueden construirse, depende de la situación de la señal en el dominio de la frecuencia y de la relación entre las frecuencias más alta y más baja de la señal. La modulación puede ser usada para trasladar la señal a una posición en el dominio de la frecuencia donde se cumplan fácilmente los requerimientos de diseño. La modulación también puede usarse para convertir una “señal de banda ancha” (una señal para la cual la relación entre la frecuencia mayor y la menor es grande) en una señal de “banda angosta”.
Ocasionalmente, en aplicaciones de procesamiento de señales, la banda de frecuencias de la señal a procesar y la banda de frecuencias del aparato procesador pueden no adaptarse. Si el procesador es elaborado y complejo, puede ser mejor dejar que opere en alguna banda de frecuencias fija y, más bien, trasladar la banda de frecuencias de la señal para que se corresponda con esta banda fija del equipo. La modulación puede usarse para obtener esta traslación de frecuencias.
381 Modulación para Asignación de Frecuencias. La modulación permite que varias estaciones de radio o televisión se transmitan simultáneamente con frecuencias portadoras diferentes y permite “sintonizar” diferentes receptores para seleccionar estaciones diferentes.
Modulación para Reducir el Ruido y la Interferencia. El efecto del ruido y la interferencia no pueden ser eliminados completamente en un sistema de comunicación. Sin embargo, es posible minimizar sus efectos usando ciertos tipos de esquemas de modulación. Estos esquemas generalmente requieren un ancho de banda de transmisión mucho mayor que el ancho de banda de la señal del mensaje. Por esta razón se intercambia ancho de banda por reducción de ruido – un aspecto importante del diseño de sistemas de comunicación.
7.2 Tipos de Modulación Analógica Los tipos básicos de modulación analógica son la modulación de onda continua (OC) y la de pulsos.
En la modulación de onda continua, se usa una señal sinusoidal xc ( t ) = Ac cos ( ωc t + φ ) como una señal portadora. Entonces una señal portadora modulada general puede ser representada matemáticamente como xc ( t ) = A ( t ) cos [ ωc t + φ ( t ) ] , ωc = 2 πf c (7.1) En la Ec. (7.1), fc se conoce como la frecuencia portadora, A(t) es la amplitud instantánea de la portadora y φ(t) es el ángulo o desviación de fase instantánea de la portadora. Cuando A(t) está relacionada linealmente con la señal del mensaje x(t), el resultado es modulación de amplitud. Si φ(t) o su derivada está linealmente relacionada con x(t), entonces tenemos modulación de fase o de frecuencia. Se usa el nombre común de modulación angular para denotar tanto la modulación de fase como la de frecuencia.
Mientras la modulación es el proceso de transferir información a una portadora, la operación inversa de extraer la señal portadora de la información de la portadora modulada se conoce como demodulación. Para diferentes tipos de esquemas de modulación consideraremos diferentes métodos de demodulación y supondremos que la demodulación se hace en la ausencia de ruido. El efecto del ruido sobre la calidad de la señal de salida de diferentes métodos de transmisión modulada será el objetivo de la discusión en un capítulo posterior.
En el análisis de los esquemas de modulación OC se prestará mucha atención a tres parámetros importantes: la potencia transmitida, el ancho de banda de transmisión y la complejidad del equipo para modular y demodular. Estos parámetros, junto con la calidad de la señal de salida en la presencia de ruido, proporcionarán la base para la comparación de diferentes esquemas de modulación.
En la modulación de pulsos, un tren periódico de pulsos cortos actúa como la señal portadora.
7.3 Transmisión de Señales de Banda Base Analógicas Los sistemas de comunicación en los cuales ocurre la transmisión de señales sin modulación se denominan sistemas de banda base. En la Fig. 7.1 se muestran los elementos funcionales de un sistemas de comunicación de banda base. El transmisor y el receptor amplifican la potencia de la señal 382 y realizan las operaciones de filtrado apropiadas. En el sistema no se ejecutan operaciones de modulación ni demodulación. El ruido y la distorsión de la señal debidos a las características no ideales del canal hacen que la señal de salida y(t) sea diferente de la señal de entrada x(t). Ahora se identificarán diferentes tipos de distorsión, sus causas y las curas posibles. En un capítulo posterior se discutirán los efectos del ruido sobre la calidad de la señal y el diseño óptimo del transmisor y receptor que minimiza esos efectos.
Ruido x(t) a Señal de entrada Transmisor Canal Hc(f) Receptor b Señal de salida + ruido Figura 7.1 Un sistema de comunicación de banda base.
7.3.1 Distorsión de la Señal en la Transmisión en la Banda Base Se dice que la señal de salida y(t) no está distorsionada si “se parece” a la señal de entrada x(t). Más específicamente, si y(t) difiere de x(t) por una constante de proporcionalidad y un retardo temporal finito, entonces se dice que la transmisión no está distorsionada. Es decir, y ( t ) = Kx ( t − td ) (7.2) para transmisión sin distorsión. La constante K es la atenuación y td es el retardo temporal. La pérdida de potencia en la transmisión es 20 log10 K y en la Tabla 1 se dan valores típicos de pérdidas de transmisión para varios medios.
El requisito para transmisión sin distorsión expresado por la Ec. (7.2) puede cumplirse si la función de transferencia total del sistema entre los puntos a y b en la Fig. 7.1 es H ( f ) = K exp ( − j 2 πftd ) para f < fx (7.3) donde fx es el ancho de banda de la señal en la banda base. Si suponemos que el transmisor y el receptor no producen distorsión de la señal, entonces la respuesta del canal tiene que satisfacer H c ( f ) = K exp ( − j 2 πftd ) para f < fx (7.4) para una transmisión sin distorsión.
La condición dada por la Ec. (7.4) es bastante fuerte y, en el mejor de los casos, los canales reales sólo pueden satisfacer esta condición aproximadamente. Por ello, siempre ocurrirá algo de distorsión en la transmisión de señales aunque se puede minimizar mediante un diseño apropiado. Un enfoque conveniente para minimizar la distorsión de una señal es identificar diferentes tipos de distorsión e intentar minimizar sus efectos dañinos por separado.
383 Tabla 1. Valores típicos de pérdidas de transmisión Medio de Transmisión Frecuencia Pérdida, dB/km Par de alambres (0.3 cm de diámetro) 1 kHz 0.05 Par de alambres trenzados (calibre 16) 10kHz 2 100 kHz 3 300kHz 6 100 kHz 1 1 MHz 2 3 MHz 4 Cable coaxial (1 cm de diámetro) Cable coaxial (15 cm de diámetro) Guía de onda rectangular (5×2.5 cm) Guía de onda helicoidal (5 cm de diámetro) Cable de fibra óptica 100 MHz 1.5 10 GHz 5 100 GHz 1.5 3.6×1014 Hz 2.5 2.4×1014 Hz 0.5 14 1.8×10 Hz 0.2 Los tres tipos comunes de distorsión encontrados en un canal son: 1. Distorsión de amplitud debida a |Hc(f)| ≠ K.
2. Distorsión de fase (o retardo) debida a que ángulo{H c ( f )} ≠ −2 πftd ± mπ (m es un entero > 0) 3. Distorsión no lineal debida a elementos no lineales presentes en el canal.
Las primeras dos categorías se conocen como distorsión lineal y la tercera como distorsión no lineal.
Ahora las examinaremos por separado.
7.3.2 Distorsión Lineal Si la respuesta de amplitud del canal no es plana en la banda de frecuencias para las cuales el espectro de la entrada es diferente de cero, entonces diferentes componentes espectrales de la señal de entrada son modificados en forma diferente. El resultado es distorsión de amplitud. Las formas más comunes de la distorsión de amplitud son la atenuación excesiva o el realce de las bajas frecuencias en el espectro de la señal. Resultados experimentales indican que si |Hc(f)| es constante hasta dentro de ±1 dB en la banda del mensaje, entonces la distorsión de amplitud será despreciable. Más allá de estas 384 observaciones cualitativas, no se puede decir mucho sobre la distorsión de amplitud sin un análisis más detallado.
Si el desplazamiento de fase es arbitrario, diferentes componentes de la señal de entrada sufren retardos temporales diferentes lo cual resulta en distorsión de fase o de retardo. Una componente espectral de la entrada con frecuencia f sufre un retardo td(f), td ( f ) = − ángulo de { H ( f )} (7.5) 2 πf El lector puede verificar que un ángulo de { H ( f )} = −2 πtd f ± mπ resultará en una respuesta y ( t ) = ± x ( t − td ) , es decir, no ocurre distorsión. Cualquier otra respuesta de fase, incluyendo un desplazamiento constante de fase θ, θ ≠ ± mπ , producirá distorsión.
La distorsión por retardo es un problema crítico en la transmisión de pulsos (datos). No obstante, el oído humano es sorprendentemente insensible a esta distorsión y por tanto la distorsión por retardo no es preocupante en la transmisión de audio.
7.3.3 Compensación El remedio teórico para la distorsión lineal es la compensación mostrada en la Fig. 7.2. Si la función de transferencia del compensador satisface la relación H eq = K exp ( − j 2 πftd ) Hc ( f ) para f < fx (7.6) tenemos entonces que H c ( f ) H eq ( f ) = K exp ( − j 2 πftd ) y no se tendrá distorsión. Sin embargo, es muy raro que se pueda diseñar un compensador que satisfaga exactamente la Ec. (7.6). Pero son posibles excelentes aproximaciones, especialmente con un filtro transversal como el mostrado en la Fig. 7.3.
x(t) Canal Hc(f) Compensador Heq(f) salida Figura 7.2 Compensador del canal.
La salida del compensador mostrado en la Fig. 7.3 puede escribirse como y ( t ) = c−1 z ( t ) + c0 z ( t − Δ ) + c1 z ( t − 2 Δ ) a partir de la cual obtenemos la función de transferencia del filtro como H eq ( f ) = c−1 + c0 exp ( − jωΔ ) + c1 exp ( − jω 2 Δ ), ω = 2 πf Generalizando esta relación a un compensador con 2M + 1 derivaciones, tenemos entonces que 385 ⎛ M ⎞ H eq ( f ) = exp ( − jωM Δ ) ⎜ ∑ cm exp ( − jωmΔ ) ⎟ ⎝ m =− M ⎠ (7.7) que está en la forma de una serie de Fourier exponencial con periodicidad 1/Δ. Por lo tanto, si se va a compensar el canal en la banda fm del mensaje, podemos aproximar el lado derecho de la Ec. (7.6) mediante una serie de Fourier (en el dominio de la frecuencia) con periodicidad 1/Δ ≥ 2fm. Si la aproximación en serie de Fourier tiene 2M + 1 términos, entonces se necesita un compensador con 2M + 1 derivaciones.
entrada x(t) Retardo Δ Retardo Δ c–1 c0 c1 + + + y(t) + salida Figura 7.3 Un filtro transversal compensador de tres derivaciones.
7.3.4 Distorsión No Lineal y Compansión Los canales y dispositivos electrónicos prácticos, tales como amplificadores, con frecuencia exhiben características de transferencia no lineales que resultan en una distorsión no lineal de la señal. En la Fig. 7.4 se muestra un ejemplo de la característica de transferencia de un elemento no lineal sin memoria. En general, estos dispositivos actúan linealmente cuando la entrada x(t) es pequeña, pero distorsionan la señal cuando la amplitud de la entrada es grande.
Entrada x(t) Aproximación lineal Característica de transferencia real Salida y(t) Figura 7.4 Característica de transferencia de un dispositivo no lineal.
386 Para investigar la naturaleza de la distorsión no lineal de la señal, supongamos que la característica de transferencia del dispositivo no lineal puede ser modelada por la relación y ( t ) = a1 x ( t ) + a2 x 2 ( t ) + a3 x3 ( t ) + L (7.8) Ahora, si la entrada es la suma de dos ondas coseno, digamos cos 2 πf1 t + cos 2 πf 2 t , entonces la salida contendrá términos de distorsión armónica en las frecuencias 2f1, 2f2 y términos de distorsión de intermodulación en las frecuencias f1 ± f 2 , 2 f 2 ± f1 , 2 f1 ± f 2 , y así sucesivamente. En un caso general, si x(t) = x1(t) + x2(t), entonces y(t) contendrá los términos x12 ( t ), x22 ( t ), x1 ( t ) x2 ( t ) , y así sucesivamente. En el dominio de la frecuencia es fácil ver que aunque X1(f) y X2(f) puedan estar separadas en frecuencia, el espectro de x1 ( t ) x2 ( t ) [obtenido a partir de X 1 ( f ) ∗ X 2 ( f ) ] puede solaparse con X1(f) o X2(f) o con ambas. Esta forma de distorsión por intermodulación (o diafonía) es de importancia en sistemas donde varias señales son concentradas (multicanalizadas) y transmitidas por el mismo canal.
La característica de transferencia mostrada en la Fig. 7.4 sugiere que una solución para minimizar la distorsión no lineal es mantener la amplitud de la señal dentro de la banda lineal de operación de la característica. Esto se obtiene usualmente usando dos dispositivos no lineales, un compresor y un expansor, como se muestra en la Fig. 7.5.
Un compresor esencialmente reduce la banda de amplitudes de una señal de entrada de manera que caiga dentro de la banda lineal del canal. Para una señal x(t) de valores positivos, por ejemplo, podemos usar un compresor con una característica de transferencia g comp [ x ( t )] = log e [ x ( t )] . Puesto que un compresor reduce la banda de la señal de entrada, también reduce la banda de la señal de salida. La señal de salida es expandida al nivel apropiado mediante el expansor que opera a la salida del canal.
Idealmente, un expansor tiene una característica de transferencia gexp que produce g exp { g comp [ x ( t )]} = x ( t ) . Por ejemplo, si g comp [ x ( t )] = log e [ x ( t )] , entonces g exp [ y ( t )] = exp[ y ( t )] producirá g exp { g comp [ x ( t )]} = x ( t ) . La operación combinada de comprimir y expandir se denomina compansión. La compansión se usa extensivamente en sistemas telefónicos para compensar por la diferencia en el nivel de la señal entre oradores altos y bajos.
x(t) Canal (supuesto no lineal) Compresor Expansor y(t) Figura 7.5 Compansión.
7.4 Esquemas de Modulación Lineales OC La modulación lineal se refiere al corrimiento directo de frecuencias del espectro del mensaje usando una portadora sinusoidal. La portadora modulada es representada por xc ( t ) = A ( t ) cos ωc t (7.9) 387 en la cual la amplitud de la portadora A(t) está relacionada linealmente con la señal del mensaje x(t).
Dependiendo de la naturaleza de la relación espectral entre x(t) y A(t), tenemos los siguientes tipos de esquemas de modulación lineal: modulación de banda lateral doble (DSB, por sus siglas en inglés), modulación de amplitud (AM), modulación de banda lateral única (SSB por sus siglas en inglés) y modulación de banda lateral residual (VSB por sus siglas en inglés). Cada uno de estos esquemas tiene sus propias ventajas distintivas, desventajas y aplicaciones prácticas. Ahora estudiaremos estos diferentes tipos de esquemas de modulación lineal recalcando tópicos tales como los espectros de las señales, potencia y ancho de banda, métodos de demodulación y la complejidad de transmisores y receptores.
En nuestra discusión sobre esquemas de modulación lineales, usaremos uno de tres modelos diferentes para la señal del mensaje x(t): un solo tono de frecuencia, fx, una combinación de tonos restringidos en frecuencia a menores o iguales que fx, o una señal arbitraria de pasabajas de energía finita con una transformada de Fourier X(f), la cual es idénticamente igual a cero para f > f x .
7.4.1 Modulación de Banda Lateral Doble (DSB) La modulación de banda lateral doble (DSB, por sus iniciales en inglés) resulta cuando la amplitud A(t) es proporcional a la señal del mensaje x(t), es decir, el mensaje de pasabajas x(t) es multiplicado por una forma de onda portadora Ac cos ωc t , como se muestra en la Fig. 7.6a. La señal modulada xc(t) es xc ( t ) = Ac x ( t ) cos ωc t = A ( t ) cos ωc t , ωc = 2 πf c (7.10) y se llama la señal modulada en banda lateral doble. La Ec. (7.10) revela que la amplitud instantánea de la portadora A(t) es proporcional a la señal del mensaje x(t). Un ejemplo en el dominio del tiempo de la señal modulada x(t) se muestra en la Fig. 7.6d para una señal del mensaje sinusoidal.
Del teorema de modulación se deduce que el espectro de la señal DSB dada en la Ec. (7.10) es X c ( f ) = 12 Ac [ X ( f + f c ) + X ( f − f c )] (7.11) donde fc = ωc/2π. Las representaciones en el dominio de la frecuencia de X(f) y Xc(f) se muestran en las Figs. 7.6e y 7.6f para una señal de mensaje de pasabajas.
La banda espectral ocupada por la señal del mensaje se llama la banda de frecuencias de la banda base y la señal del mensaje usualmente se conoce como la señal de la banda base. La operación de multiplicar señales se llama mezclado o heterodinaje. En la señal trasladada, la parte del espectro de la señal de la banda base que está sobre fc aparece en el intervalo fc a fc + fx y se denomina la señal de la banda lateral superior. La parte de la señal modulada que está entre fc − fx y fc se llama la señal de la banda lateral inferior. La señal portadora de frecuencia fc también se conoce como la señal del oscilador local, la señal mezcladora o la señal heterodina. Como se observa en la Fig. 7.6f, el espectro de Xc(f) no tiene una portadora identificable. Por ello, este tipo de modulación también se conoce como modulación de banda lateral doble con portadora suprimida (DSB-SC). La frecuencia portadora fc es normalmente mucho más alta que el ancho de banda de la señal de la banda base fx. Es decir, f c >> f x (7.12) 388 x(t xc(t z(t) xr(t) Ac cos ωc t Filtro de pasabajas y(t) 2 cos ωc t (a) Modulador (b) Demodulador sincrónico t (c) Moduladora sinusoidal Inversión de fase t (d) Señal modulada X(f) –fx 0 fx f (e) Espectro del mensaje Banda lateral inferior 2fx Xc(f) Banda lateral superior –fc – fx –fc –fc + fx 0 fc – fx fc fc + fx f (e) Espectro DSB Z(f) –2fc –fx 0 Respuesta del filtro de banda base fx 2fc – fx 2fc 2fc + fx f (f) Figura 7.6 Modulación de banda lateral doble. (a) Modulador. (b) Demodulador sincrónico (o coherente).
(c) Señal moduladora sinusoidal. (d) Señal modulada. (e) Espectro del mensaje para una x(t) arbitraria. (f) Xc(f). (g) Z(f).
389 Potencia y Ancho de Banda de la Señal Transmitida. De la Fig. 7.6f vemos que el ancho de banda BT requerido para transmitir una señal del mensaje con ancho de banda fx usando modulación de banda lateral doble es 2fx Hz: BT = 2 f x (7.13) Para calcular la potencia transmitida promedio ST de la señal modulada, supongamos que x(t) es una señal de potencia. Entonces, ST = lím T →∞ 1 T T 2 ∫ Ac2 x 2 ( t ) cos 2 ( ωc t ) dt −T 2 T 2 ⎡T 2 ⎤ 2 ⌠ A 1 ⎢ ⌠ Ac2 2 c 2 ⎮ x ( t ) dt + ⎮⎮ x ( t ) cos 2 ωc t dt ⎥ = lím T →∞ T ⎢ ⎮ ⎥ 2 2 ⌡ ⌡ −T 2 ⎣⎢ −T 2 ⎦⎥ El valor de la segunda integral es cero, y si definimos la potencia promedio de la señal Sx como S x = lím T →∞ 1 T T 2 ∫ x 2 ( t ) dt −T 2 entonces ST = Sc S x (7.14) donde Sc = Ac2 2 es la potencia promedio de la portadora.
Demodulación de la Señal de la Banda Base. Si suponemos que el canal es ideal, entonces la señal recibida xr(t) tendrá la misma forma que xc(t). Es decir, xr ( t ) = ac x ( t ) cos ωc t donde ac/Ac es la atenuación del canal. La señal del mensaje en la banda base x(t) puede ser recuperada de la señal recibida xr(t) multiplicando xr(t) por una portadora local y filtrando a pasabajas la señal producto. La salida del multiplicador es z ( t ) = [ ac x ( t ) cos ωc t ]2 cos ωc t = ac x ( t ) + ac x ( t ) cos 2 ωc t y el espectro de Z(f) está dado por Z ( f ) = ac X ( f ) + 12 ac [ X ( f − 2 f c ) + X ( f + f c )] El espectro de Z(f) se muestra en la Fig. 7.6g, de la cual es obvio que si f x < 2 fc − f x o fc > f x entonces no hay solapamiento de X(f) con X(f − 2fc) o con X(f + 2fc). Por tanto, filtrando Z(f) mediante un filtro de pasabajas con una frecuencia de corte B, fx < B < 2fc − fx producirá una señal de salida y(t), y(t) = acx(t) 390 que es una réplica de la señal del mensaje transmitida x(t).
Aunque el ancho de banda del filtro de pasabajas puede estar entre fx y 2fc − fx, él debe ser tan pequeño como sea posible para reducir los efectos de cualquier ruido que pueda acompañar la señal recibida. Si hay ruido presente, entonces se debe insertar un filtro de pasabandas con una frecuencia central fc y un ancho de banda de 2fx antes del multiplicador en la Fig. 7.6b para limitar la potencia de ruido que entra al demodulador.
El esquema de recuperación de la señal mostrado en la Fig. 7.6b se denomina un esquema de demodulación sincrónico o coherente. Este esquema requiere que en el receptor esté disponible una señal de un oscilador local que esté perfectamente sincronizado con la señal portadora usada para generar la señal modulada. Éste es un requisito bastante rígido y no puede obtenerse fácilmente en sistemas prácticos. La falta de sincronismo resultará en distorsión de la señal. Suponga que la señal del oscilador local tiene una desviación de frecuencia igual a Δω y y una desviación de fase igual a θ.
Entonces la señal producto z(t) tendrá la forma z ( t ) = ac x ( t ) cos( Δωt + θ ) + términos de frecuencia doble y la señal de salida y(t) será y ( t ) = ac x ( t ) cos ( Δωt + θ ) (7.15) Más adelante se verificará que cuando Δω = 0 y θ = π/2, la señal se pierde completamente. Cuando θ = 0 , entonces y ( t ) = ac x ( t ) cos Δωt variará provocando una seria distorsión de la señal. Este problema es bastante grave ya que usualmente fc >> fx de modo que aun un error porcentual pequeño en fc ocasionará una desviación Δf que puede ser ¡comparable o mayor que fx! La evidencia experimental indica que para señales de audio, una Δf > 30 Hz se convierte en inaceptable. Para señales de audio puede ser posible ajustar manualmente la frecuencia y la fase de la portadora local hasta que la salida “suene” bien. Desafortunadamente, las desviaciones de fase y de frecuencia de la portadora con frecuencia son cantidades que varían con el tiempo requiriendo entonces ajustes casi continuos.
Existen varias técnicas usada para generar una portadora coherente para la demodulación. En el método mostrado en la Fig. 7.7, se extrae una componente de la portadora de la señal DSB usando un circuito cuadrático y un filtro de pasabandas. Si x(t) tiene un valor CD igual a cero, entonces xc(t) no tiene ninguna componente espectral en fc. No obstante, x2(t) tendrá una componente CD diferente de cero y por tanto se puede extraer una componente de frecuencia discreta en 2fc del espectro de xr2 ( t ) usando un filtro con una pasabanda angosta. La frecuencia de esta componente puede ser reducida a la mitad para proporcionar la portadora deseada para la modulación.
Señal DSB xr(t) Circuito cuadrático BPF centrado en 2fc Divisor de frecuencia Figura 7.7 Un sincronizador cuadrático.
Señal de sincronización 391 En el segundo método mostrado en la Fig. 7.8, una pequeña señal portadora (piloto) se transmite junto con la señal DSB; en el receptor, la portadora piloto puede extraerse, amplificarse y usarse como una portadora local sincronizada para la demodulación (Fig. 7.8b).
Si la amplitud de la portadora insertada es lo suficientemente grande, entonces la señal recibida puede ser demodulada sin tener que generar la portadora en el receptor. Una señal DSB con una componente de portadora discreta grande se llama una señal modulada en amplitud (AM).
x(t) xc(t) Señal DSB + portadora LPF Filtro de portadora Ac cos ωc t y(t) Amplificador (b) (a) Figura 7.8 Sistema DSB con portadora piloto. (a) Transmisor. (b) Receptor Ejemplo 1. Evalúe el efecto de un error de fase en el oscilador local en la demodulación de banda lateral doble sincrónica.
Solución. Suponga que el error de fase del oscilador local es φ. Entonces la portadora local es expresada como cos ( ωc t + φ ) . Ahora, xDSB ( t ) = m ( t ) cos ωc t donde m(t) es la señal del mensaje y si designamos la salida del multiplicador en la Fig. 7.6b por d(t), entonces d ( t ) = [ m ( t ) cos ωc t ]cos ( ωc t + φ ) = = 1 2 1 m ( t )[cos φ + cos (2 ωc t + φ ) 1 m ( t ) cos φ + m ( t ) cos (2 ωc t + φ ) 2 2 El segundo término en el lado derecho es eliminado por el filtro de pasabajas y obtenemos y (t ) = 1 2 m ( t ) cos φ (7.16) Esta salida es proporcional a m(t) cuando φ es una constante. La salida se pierde completamente cuando φ = ± π 2 . Así pues, el error de fase en la portadora local produce atenuación en la señal de salida sin ninguna distorsión siempre que φ sea constante pero diferente de ±π/2. Si el error de fase varía aleatoriamente con el tiempo, entonces la salida también variará aleatoriamente y es decir indeseable.
392 Ejemplo 2. Evalúe el efecto de un pequeño error de frecuencia en el oscilador local en la demodulación DSB sincrónica.
Solución. Suponga que el error de frecuencia del oscilador local es Δω. La portadora local es expresada entonces como cos (ωc + Δω ) t . Así que d ( t ) = m ( t ) cos ωc t cos ( ωc + Δω ) t = 1 1 m ( t ) cos ( Δω ) t + m ( t ) cos 2 ωc t 2 2 y y (t ) = 1 2 m ( t ) cos( Δω ) t (7.17) Es decir, la salida es la señal m(t) multiplicada por una sinusoide de baja frecuencia. Es decir un efecto de “batido” y, como ya se mencionó, es una distorsión muy indeseable.
7.4.2 Modulación de Amplitud Ordinaria (AM) Una señal modulada en amplitud es generada añadiendo una componente grande de portadora a la señal DSB. La señal AM tiene la forma xc ( t ) = Ac [1 + x ( t )]cos ωc t (7.18) = A ( t ) cos ωc t (7.19) donde A(t) es la envolvente de la portadora modulada. Para una recuperación fácil de la señal usando esquemas de demodulación sencillos, la amplitud de la señal tiene que ser pequeña y la componente CD de la señal tiene que ser igual a cero, es decir, x ( t ) < 1 y lím T →∞ 1 T T 2 ∫ x ( t ) dt = 0 −T 2 Más adelante se explicará la necesidad de estas restricciones.
En el dominio de la frecuencia, el espectro de la señal AM está dado por X c ( f ) = 12 Ac [ X ( f − f c ) + X ( f + f c )] + 12 Ac [ δ ( f − f c ) + δ ( f + f c )] (7.20) En la Fig. 7.9 se muestran ejemplos de señales AM en el dominio del tiempo y en el de la frecuencia.
393 x(t) xc(t) envolvente t t (a) (b) X(f) –fx 0 fx f (c) portadora banda lateral banda lateral inferior superior 0 fc – f x f c f c + f x (d) –fc Figura 7.9 Modulación de amplitud. (a) señal del mensaje sinusoidal. Señal AM. (c) Espectro del mensaje para una señal arbitraria x(t). (d) Espectro de la señal modulada.
7.4.3 Índice de Modulación Dos características únicas de la señal AM son que está presente una componente con frecuencia de la portadora y que la envolvente A(t) de la portadora modulada tiene la misma forma que x(t) siempre que f c >> f x y que A ( t ) = Ac [1 + x ( t )] no se haga negativa. Nuestra suposición de que |x(t)| < 1 garantiza que A(t) no se hará negativa. Si x(t) es menor que −1, entonces A(t) se hace negativa y resulta una distorsión de envolvente, como se muestra en la Fig. 7.10.
Un parámetro importante de una señal AM es su índice de modulación m, el cual se define como m= [ A ( t )]máx − [ A ( t )]mín [ A ( t )]máx + [ A ( t )]mín (7.21) Cuando m es mayor que 1 se dice que la portadora está sobremodulada, resultando en distorsión de envolvente.
7.4.4 Potencia y Ancho de Banda de la Señal Transmitida De la Fig. 7.9d vemos que el ancho de banda de la señal AM es BT = 2fx B Suponiendo que x(t) es una señal de potencia, podemos calcular la potencia promedio de la señal transmitida como 394 T 2 ST = lím T →∞ = Ac2 [1 + x ( t )]2 cos 2 ωc t dt −T 2 T 2 ⌠ lím ⎮⎮ T →∞ ⌡ ∫ −T 2 Ac2 2 [1 + x 2 ( t ) + 2 x ( t )][1 + cos 2 ωc t ] dt = Sc + Sc S x (7.22) donde Sc = Ac2 2 y Sx es la potencia promedio normalizada de la señal.
La onda portadora por sí sola, sin modulación, no transporta ninguna información hasta el receptor.
Por ello, podemos concluir que una porción de la potencia transmitida ST es “desperdiciada” en la portadora. Más adelante veremos que la simplicidad de los demoduladores AM depende de esta potencia y, por tanto, la portadora no es del todo una pérdida.
x c(t) A(t) distorsión de envolvente Ac Ac t − Ac t (b) (a) Figura 7.10 Distorsión de envolvente de una señal AM. (a) Señal modulada. (b) Envolvente A(t).
Para señales AM, el porcentaje de la potencia total que lleva información se usa como una medida de la eficiencia de potencia. Ésta se denota por η y la definimos como η= Sc S x Sc + Sc S x (7.23) Se deja como un ejercicio demostrar que la máxima eficiencia para una señal arbitraria x(t) es 50% y, como se demostrará más adelante, la máxima eficiencia para una señal de mensaje en onda seno es 33.3% (recuerde que |x(t)| < 1 y por tanto Sx ≤ 1).
Ejemplo 3. Una estación AM comercial está transmitiendo con una potencia promedio de 10 kW. El índice de modulación es 0.707 para una señal del mensaje sinusoidal. Determine la eficiencia de potencia de transmisión y la potencia promedio en la componente de portadora de la señal transmitida.
395 Solución. Para una señal del mensaje sinusoidal con un índice de modulación de 0.707, la señal modulada está dada por xc ( t ) = Ac (1 + 0.707 cos ωx t ) cos ωc t Por lo tanto, S x = 12 (0.707) 2 = 0.25 η= 0.25S c = 20% Sc + 0.25S c Ahora, Sc + 0.25Sc = 10 kW, y de aquí que Sc = 8 kW. Observe la proporción entre la potencia usada para transmitir información y la usada para transmitir la portadora.
Ejemplo 4. Otra forma de escribir la eficiencia η de la AM ordinaria es como el porcentaje de la potencia total llevada por las bandas laterales, es decir, η= Ps (7.24) Pt donde Ps es la potencia transportada por las bandas laterales y Pt es la potencia total de la señal AM. (a) Determine η para m = 0.5 (50 % de modulación). (b) Demuestre que para AM de un solo tono, ηmáx es 33.3 % para m = 1.
Solución. Para modulación de un solo tono x ( t ) = am cos ωm t el índice de modulación es m= am Ac Por lo tanto, x ( t ) = am cos ωm t = mAc cos ωm t y la señal AM es entonces xc ( t ) = [ Ac + x ( t )]cos ωc t = Ac [1 + m cos ωm t ]cos ωc t o xc ( t ) = Ac cos ωc t + mAc cos ωm t cos ωc t = Ac cos ωc t + 12 mAc cos ( ωc − ωm ) t + 12 mAc cos ( ωc + ωm ) t entonces Pc = potencia en la portadora = 1 2 Ac2 396 Ps = potencia en las bandas laterales = 1 2 ⎡ ( 1 mA )2 + ( 1 mA )2 ⎤ = 1 m 2 A2 c c 2 ⎣ 2 c ⎦ 4 La potencia total Pt es Pt = Pc + Ps = 12 Ac2 + 14 m 2 Ac2 = 1 2 ( 1+ 1 2 m 2 ) Ac2 Así pues, η= Ps Pt × 100% = ( 1 4 1 2 m 2 Ac2 + 14 m 2 ) Ac2 × 100% = m2 2 + m2 × 100% con la condición que m ≤ 1.
(a) Para m = 0.5, η= (0.5) 2 2 + (0.5) 2 ×100% = 11.1% (b) Como m ≤ 1, se puede ver que ηmáz ocurre para m = 1 y está dada por η = 12 ×100% = 33.3% 7.4.5 Demodulación de Señales AM La ventaja de la modulación AM sobre la DSB es que un esquema muy sencillo, conocido como detección de envolvente, puede ser usado para la demodulación si se transmite suficiente potencia de portadora. La señal del mensaje en la banda base x(t) puede ser recuperada de la señal AM xr(t) usando el circuito sencillo mostrado en la Fig. 7.11a. La Ec. (7.18) muestra que siempre que |x(t)| < 1, la envolvente de la señal recibida nunca pasará por cero y la porción positiva de la envolvente se aproxima a la señal del mensaje x(t) sin depender de la fase o frecuencia exactas de la portadora. La parte positiva de la envolvente es recuperada mediante la rectificación de xr(t) y suavizando la onda rectificada usando una red RC. Durante el semiciclo positivo de la señal de entrada, el diodo es polarizado directamente y el capacitor C se carga rápidamente hasta el valor pico de la señal. Conforme la señal de entrada cae por debajo de su máximo, el diodo se abre y es decir seguido por una descarga lenta del capacitor a través del resistor R hasta el próximo semiciclo positivo, cuando la señal de entrada excede el voltaje del capacitor y el diodo conduce de nuevo. El capacitor se carga hasta el nuevo valor pico, y el proceso se repite.
Para una mejor operación, la frecuencia de la portadora debe ser mucho más alta que fx, y la constante de tiempo de la descarga del circuito RC debe ser ajustada de modo que la pendiente máxima negativa de la envolvente nunca excederá la tasa de descarga exponencial. Si la constante de tiempo es demasiado grande, entonces el detector de envolvente no puede seguir a la envolvente (Fig. 7.11c). Si la constante es demasiado pequeña se generará una onda demasiado distorsionada (Fig. 7.11d) y la demodulación se hace ineficiente.
Bajo condiciones de operación ideales, la salida del demodulador es z ( t ) = k1 + k2 x ( t ) 397 donde k1 es una desviación de CD debida a la portadora y k2 es la ganancia del circuito demodulador.
Se puede usar un capacitor de acoplamiento o un transformador para remover la desviación CD; sin embargo, cualquier término CD en la señal del mensaje x(t) también será eliminado [una de las razones para nuestra suposición de que el valor de x(t) es igual a cero]. Además de remover componentes CD, el filtro de remoción CD atenuará las componentes de baja frecuencia de la señal del mensaje. Por ello, la AM no es adecuada para transmitir señales de mensajes que contienen contenidos significativos de baja frecuencia.
Ejemplo 5. La entrada a un detector de envolvente (Fig. 7.11) es una señal AM de un solo tono xc ( t ) = A (1 + μ cos ωm t ) cos ωc t , donde μ es una constante, 0 < μ < 1 y ωc >> ωm.
(a) Demuestre que si la salida del detector va a seguir la envolvente de xc(t), se requiere que en todo instante t0 ⎛ μ sen ωm t0 ⎞ ≥ ωm ⎜ ⎟ RC ⎝ 1 + μ cos ωm t0 ⎠ 1 (7.25) (b) Demuestre que si la salida del detector va a seguir la envolvente todo el tiempo, se requiere que RC ≤ 1 1 − μ2 ωm μ (7.26) Solución (a) La Fig. 7.12 muestra la envolvente de xc(t) y la salida del detector (el voltaje en el capacitor en la Fig. 7.11). Suponga que el capacitor se descarga de su valor pico E0 = A (1 + μ cos ω0 t ) en t0 = 0.
Entonces el voltaje vc(t) en el capacitor de la Fig. 7.11 está dado por vc ( t ) = E0 e − t ( RC ) El intervalo entre dos picos sucesivos de la portadora es 1/fc = 2π/ωc y RC >> 1/ωc. Esto significa que la constante de tiempo RC es mucho mayor que el intervalo entro dos picos sucesivos de la portadora. En consecuencia, vc(t) puede ser aproximada por t ⎞ ⎛ vc ( t ) ≈ E0 ⎜1 − ⎟ ⎝ RC ⎠ Así que si vc(t) va a seguir la envolvente de xc(t), se requiere que en cualquier instante t0 1 ⎛ (1 + μ cos ωm t0 ) ⎜1 − ⎝ RCf c 1 ⎞ ⎛ ⎞ ⎟ ≤ 1 + μ cos ωm ⎜ t0 + ⎟ fc ⎠ ⎠ ⎝ 398 xr(t) R C z(t) (a) Envolvente z(t) Portadora ac t (b) Envolvente z(t) Portadora ac t (c) Envolvente z(t) Portadora ac t (d) Figura 7.11 Demodulación de envolvente de señales AM. (a) Detector de envolvente. (b) Demodulación correcta. (c) RC demasiado grande.
(d) RC demasiado pequeña.
Ahora, si ωm << ωc, entonces ω ⎞ 1 ⎞ ⎛ ⎛ 1 + μ cos ωm ⎜ t0 + ⎟ = 1 + μ cos ⎜ ωm t0 + m ⎟ fc ⎠ fc ⎠ ⎝ ⎝ = 1 + μ cos ωm t0 cos ≈ 1 + μ cos ωm t0 − μ y, por tanto, ωm fc ωm fc − μ sen ωm t0 sen sen ωm t0 ωm fc 399 ⎛ 1 ⎞ μωm (1 + μ cos ωm t0 ) ⎜ sen ωm t0 ⎟≥ fc ⎝ RCf c ⎠ o ⎛ μ sen ωm t0 ⎞ ≥ ωm ⎜ ⎟ RC ⎝ 1 + μ cos ωm t0 ⎠ 1 vc(t) Envolvente E0 t0 t t0 +1/fc Figura 7.12 (b) Escribiendo de nuevo la Ec. (7.25), tenemos 1 RC + μ RC cos ωm t0 ≥ μωm sen ωm t0 o 1 ⎛ ⎞ 1 cos ωm t0 ⎟ ≤ μ ⎜ ωm sen ωm t0 − RC ⎝ ⎠ RC o 2 1 ⎞ 1 ⎛ ⎛ 1 ⎞ −1 μ ω −⎜ ⎟≤ ⎟ sen ⎜ ωm t0 − tan ωm TC ⎠ RC ⎝ RC ⎠ ⎝ 2 m Como esta desigualdad debe cumplirse para todo t0, se debe tener que 2 1 ⎛ 1 ⎞ μ ω +⎜ ⎟ ≤ RC ⎝ RC ⎠ 2 m o ⎡ 2 ⎛ 1 ⎞2 ⎤ ⎛ 1 ⎞2 μ ⎢ ωm + ⎜ ⎟ ⎥≤⎜ ⎟ ⎢⎣ ⎝ RC ⎠ ⎥⎦ ⎝ RC ⎠ 2 A partir de la cual se obtiene la relación RC ≤ 1 1 − μ2 ωm μ 400 La señal AM también puede ser demodulada pasando xr(t) a través de un dispositivo de ley cuadrática (o cualquier otro tipo de alinealidad que no tenga simetría de función impar) y filtrando la salida al cuadrado. Los detalles de un demodulador de ley cuadrática se dejan como un ejercicio.
Los demoduladores de envolvente y de ley cuadrática para señales AM no requieren de una señal sincronizada (coherente) de un oscilador local. Esto detectores son simples, eficientes y su construcción es de bajo costo. Solamente los ahorros en el costo de construir los receptores justifican su uso en muchas aplicaciones de la AM, como, por ejemplo, en la radio comercial. Los factores que conspiran contra las ventajas de la simplicidad del equipo son la potencia desperdiciada en la portadora y la pobre respuesta de baja frecuencia de los sistemas AM que usan demoduladores de envolvente o de ley cuadrada.
7.4.6 Modulación de Banda Lateral Única (SSB) El requisito de potencia del transmisor y el ancho de banda de transmisión son parámetros importantes de un sistema de comunicación. Los ahorros en el requerimiento de potencia y en el ancho de banda son altamente deseables. El esquema AM despilfarra tanto potencia transmitida como ancho de banda de transmisión. El esquema de modulación DSB tiene menos requerimientos de potencia que la AM pero usa el mismo ancho de banda que ella. Ambas, la modulación DSB y la AM, retienen las bandas laterales superior e inferior de la señal del mensaje resultando en un ancho de banda de transmisión que es el doble del ancho de banda de la señal del mensaje.
El espectro de cualquier señal x(t) de valores reales debe exhibir la condición de simetría dada por X ( f ) = X *( f ) y por ello las bandas laterales de la AM y DSB están relacionadas en forma única entre sí por la simetría. Dadas entonces la amplitud y la fase de una, siempre podemos reconstruir la otra. De aquí que el ancho de banda puede ser reducido a la mitad si se elimina completamente una banda lateral. Esto conduce a la modulación de banda lateral única (SSB, por sus siglas en inglés). En la modulación SSB, el ahorro en ancho de banda es acompañado por un aumento considerable en la complejidad del equipo.
Además de la complejidad del equipo, los sistemas SSB prácticos tienen una pobre respuesta de baja frecuencia. Es posible una reducción en la complejidad del equipo y mejoras en la respuesta de baja frecuencia si solamente se suprime parcialmente una banda lateral en lugar de eliminarla completamente. Los esquemas de modulación en los cuales se transmite una banda lateral más un residuo de la segunda banda lateral se conocen como esquemas de modulación de banda lateral residual (VSB por sus siglas en inglés). La modulación VSB se usa ampliamente para transmitir señales de mensajes que tienen anchos de banda muy grandes y contenidos significativos de baja frecuencia (tales como en la transmisión de datos de alta velocidad y en televisión).
En la modulación SSB sólo se transmite una de las dos bandas laterales que resultan de la multiplicación de la señal del mensaje x(t) con una portadora. En la Fig. 7.13a se muestra la generación de una señal SSB de banda lateral superior mediante el filtrado de una señal DSB, esto se conoce como el método de discriminación de frecuencia. La recuperación de la señal de la banda base mediante demodulación sincrónica se muestra en la Fig. 7.13b En las Figs. 7.13c, d y e muestran la 401 representación en el dominio de la frecuencia de las operaciones importantes en un esquema de modulación SSB. La descripción en el dominio del tiempo de señales SSB es algo más difícil, excepto por el caso de modulación de tono Señal DSB x(t) Filtro de banda lateral xc(t) xc(t) Ac cos ωc t z(t) Filtro de banda base y(t) 2 cos ωc t (a) Modulador (b) Demodulador X(f) –fx 0 fx f (c) Espectro de la señal HSSB(f) –fc – fx –fc 0 fc f fc + f x (d) Filtro de banda lateral ideal Xc(f) –fc – fx –fc 0 fc fc + f x f (e) Espectro de la señal transmitida Xc(f) – fx 0 fx f (f) Señal reconstruida Figura 7.13 Modulación de banda lateral única.
De la Fig. 7.13 se puede verificar que el ancho de banda de la señal SSB es BT = f x (7.27) 402 Y el promedio de la potencia transmitida es ST = 12 Sc S x .
(7.28) Las operaciones de modulación y demodulación para la señal SSB como se muestran en la Fig. 7.13 parecen muy sencillas. Sin embargo, la implementación práctica es bastante difícil por dos razones.
Primero, el modulador requiere de un filtro de banda lateral ideal; segundo, el demodulador requiere de una portadora sincrónica.
Las características agudas del corte requerido del filtro de banda lateral HSSB(f) no pueden ser sintetizadas exactamente. Por ello, se debe atenuar una parte de la banda lateral deseada o pasar una porción de la banda lateral no deseada. Afortunadamente, muchas (no todas) señales de mensaje tienen poco o ningún contenido de bajas frecuencias. Estas señales (por ejemplo, de voz o música) tienen “agujeros” a frecuencia cero y estos agujeros aparecen como un espacio vacante centrado en la frecuencia de la portadora. La región de transición de un filtro de banda lateral práctico puede ser acomodada en esta región como se muestra en la Fig. 7.14. Como una regla empírica, la relación 2α/fc no puede ser menor que 0.01 si se desea una frecuencia de corte razonable. La anchura de la región de transición 2α está limitada a la anchura del “agujero” en el espectro y para una fc dada, puede no ser posible obtener un valor razonable para la relación 2α/fc. Para esos casos, el proceso de modulación puede hacerse en dos o más etapas usando una o más frecuencias portadoras.
Xc(f) X(f) 0 f fx HSSB(f) fc 0 f 2α (a) Espectro del mensaje (b) Espectro DSB Figura 7.14 Características del filtro de banda lateral. (a) Espectro del mensaje. (b) Espectro DSB.
La señal SSB puede ser generada por otro método denominado el método de desplazamiento o de corrimiento de fase, el cual no requiere de un filtro de banda lateral. Para ilustrar cómo trabaja este método, supongamos que la señal del mensaje tiene la forma n x ( t ) = ∑ X i cos (2 πf i t + θi ), i =1 fn ≤ f x Entonces la señal SSB (banda lateral superior) correspondiente a x(t) está dada por xc ( t ) = Podemos re-escribir xx(t) como Ac 2 n ∑X i=1 i cos[2 π ( f c + fi ) t + θi ] (7.29) 403 xc ( t ) = = Ac 2 Ac ⎧ ⎡ n ⎫ ⎤ ⎡ n ⎤ ⎨ ⎢ ∑ X i cos (2 πfi t + θi ) ⎥ cos 2 πf c t − ⎢ ∑ X i sen (2 πf i t + θi ) ⎥ sen 2 πf c t ⎬ 2 ⎩ ⎣ i =1 ⎦ ⎣ i =1 ⎦ ⎭ [ x ( t ) cos 2 πf c t ] − Ac 2 xˆ ( t ) sen 2 πf c t (7.30) donde xˆ ( t ) se define como n xˆ ( t ) = ∑ X i sen (2 πf i t + θi ) (7.31) i =1 Las Ecs. (7.29), (7.30) y (7.31) sugieren que una señal SSB puede ser generada a partir de dos señales de doble banda lateral (DSB) que tienen portadoras en cuadratura 12 Ac cos ωc t y 12 Ac sen ωc t moduladas por x(t) y xˆ ( t ) . La componente de la señal en cuadratura xˆ ( t ) [conocida como la transformada de Hilbert de x(t)], se obtiene a partir de x(t) desplazando la fase de cada componente espectral de x(t) por 90º. En la Fig. 7.15 se muestra un modulador SSB de desplazamiento de fase consistente de dos moduladores DSB (de producto) y redes apropiadas de desplazamiento de fase. El diseño de circuitos para el desplazamiento de fase no es trivial y un diseño imperfecto generalmente resulta en distorsión de las componentes de baja frecuencia.
1 2 Ac x ( t ) cos ωc t Ac cos ωc t + ½ x(t) Desplazamiento de 90° Desplazamiento de 90° 1 2 Señal SSB + Ac xˆ ( t ) sen ωc t Figura 7.15 Modulador SSB por desplazamiento de fase.
En lugar de usar un demodulador sincrónico podemos añadir una componente de portadora a la señal SSB (preferiblemente en el transmisor) e intentar demodular la señal SSB usando un demodulador de envolvente. Sin embargo, este procedimiento conducirá a alguna distorsión de la señal y a desperdiciar potencia transmitida como se discute en la sección siguiente.
Ejemplo 6. Demuestre que si la salida del modulador de corrimiento de fase (Fig. 7.16) es una señal SSB, (a) la diferencia de las señales en la unión de suma produce la SSB de banda lateral superior 404 (USB, por sus siglas en inglés) y (b) la suma produce la señal SSB de banda lateral inferior (LSB por sus siglas en inglés). Es decir, xc ( t ) = xUSB ( t ) = m ( t ) cos ωc t − mˆ ( t ) sen ωc t (7.32) es una señal SSB de banda lateral superior y xc ( t ) = xLSB ( t ) = m ( t ) cos ωc t + mˆ ( t ) sen ωc t (7.33) es una señal SSB de banda lateral inferior.
Solución (a) Suponga que m (t ) ↔ M ( ω) y mˆ ( t ) ↔ Mˆ ( ω ) Entonces aplicando el teorema de modulación o la propiedad de corrimiento de frecuencia de la transformada de Fourier, tenemos m ( t ) cos ωc t mˆ ( t ) sen ωc t ↔ ↔ 1 1 M ( ω − ωc ) + M ( ω + ωc ) 2 2 1 ˆ 1 ˆ M ( ω − ωc ) − M ( ω + ωc ) 2j 2j Tomando la transformada de Fourier de la Ec. (7.32), se obtiene X c ( ω) = 1 1 ˆ ⎡ 1 ⎤ M ( ω − ωc ) + M ( ω + ωc ) − ⎢ Mˆ ( ω − ωc ) − M ( ω + ωc ) ⎥ 2j 2 2 ⎣2 j ⎦ 1 También sabemos que m ( t ) cos ωc t cos ωc t + − π m 2 sen ωc t − π mˆ ( t )sen ωc t 2 Figura 7.16 405 Mˆ ( ω − ωc ) = − j sgn ( ω − ωc ) M ( ω − ωc ) Mˆ ( ω + ωc ) = − j sgn ( ω + ωc ) M ( ω + ωc ) y así X c ( ω) = = 1 2 1 1 M ( ω − ωc ) + M ( ω + ωc ) 2 2 1 ⎡ 1 ⎤ − ⎢ − sgn ( ω − ωc ) M ( ω − ωc ) + sgn ( ω + ωc ) M ( ω + ωc ) ⎥ 2 ⎣ 2 ⎦ M ( ω − ωc )[1 + sgn ( ω − ωc )] + 1 2 M ( ω + ωc )[1 − sgn ( ω + ωc )] Puesto que ⎧2 1 + sgn ( ω − ωc ) = ⎨ ⎩0 ω > ωc ω < ωc y ⎧2 1 − sgn ( ω + ωc ) = ⎨ ⎩0 ω < −ωc ω > −ωc tenemos ⎧0 ⎪ X c ( ω ) = ⎨ M ( ω + ωc ) ⎪ ⎩ M ( ω − ωc ) ω < ωc ω < −ωc ω > ωc la cual se dibuja en la Fig. 7.17b. Vemos que xc(t) es una señal SSB de banda lateral superior.
(b) En una forma similar, tomando la transformada de Fourier de la Ec. (7.33), se obtiene que X c ( ω) = 1 1 M ( ω − ωc )[1 − sgn ( ω − ωc )] + M ( ω + ωc )[1 + sgn ( ω + ωc )] 2 2 Como ⎧2 1 − sgn ( ω − ωc ) = ⎨ ⎩0 ω < ωc ω > ωc y ⎧2 1 + sgn ( ω + ωc ) = ⎨ ⎩0 Tenemos ω > −ωc ω < −ωc 406 M(ω) –ωM 0 ωM ω (a) M(ω + ωc) –ωx Xc(ω M(ω – ωc) ωc 0 ω (b) M(ω + ωc) –ωx Xc(ω M(ω – ωc) ωc 0 ω (c) Figura 7.17 ⎧0 ⎪ X c ( ω ) = ⎨ M ( ω − ωc ) ⎪ ⎩ M ( ω + ωc ) ω > ωc ω < ωc ω > −ωc la cual se dibuja en la Fig. 7.17c. Vemos que xc(t) es una señal SSB de banda lateral inferior.
Ejemplo 7. Demuestre que una señal SSB puede ser demodulada por el detector sincrónico de la Fig.
7.18, (a) Dibujando el espectro de la señal en cada punto y (b) obteniendo la expresión en el dominio del tiempo de las señales en cada punto.
xSSB d(t) LPF y(t) cos ωc t Figura 7.18 Detector sincrónico 407 Solución (a) Sea M(ω), el espectro del mensaje m(t), como se muestra en la Fig. 7.19a. Suponga también que xSSB(t) es una señal SSB de banda lateral inferior y que su espectro es XSSB(ω), como se muestra en la Fig. 7.19b. La multiplicación por cos ωc t desplaza el espectro de XSSB(ω) hasta ±ωc y obtenemos D(ω), el espectro de d(t), Fig. 7.19c. Después de un filtrado de pasabajas, obtenemos Y ( ω ) = 12 M ( ω ) , el espectro de y(t). Así pues, obtenemos y ( t ) = 12 m ( t ) , que es proporcional a m(t).
M(ω) –ωM 0 ωM ω (a) XSSB(ω) –ωx ωc 0 ω (b) D(ω) –ωx 0 ωc ω (c) Y(ω) = ½ M(ω) 0 (d) Figura 7.19 (b) De la Ec. (7.30), la señal xSSB(t) puede ser expresada como xSSB ( t ) = m ( t ) cos ωc t m mˆ ( t ) sen ωc t Así que ω 408 d ( t ) = xSSB ( t ) cos ωc t = m ( t ) cos 2 ωc t m mˆ ( t ) sen ωc t cos ωc t = 12 m ( t ) (1 + cos 2 ωc t ) m 12 mˆ ( t ) sen 2 ωc t = 12 m ( t ) + 12 m ( t ) cos 2 ωc t m 12 mˆ ( t ) sen 2 ωc t Por lo tanto, después del filtrado de pasabajas se obtiene y ( t ) = 12 m ( t ) 7.4.7 Modulación de Banda Lateral Residual (VSB) Muchas señales de mensajes como la de video en TV, facsímile y señales de datos de alta velocidad tienen un ancho de banda muy grande y un contenido significativo de baja frecuencia. La modulación SSB tiene una pobre respuesta de baja frecuencia. Aun cuando la DSB trabaja bien para mensajes con alto contenido de bajas frecuencias, el ancho de banda de transmisión de la DSB es el doble del de la SSB. Un esquema de modulación que ofrece el mejor compromiso entre la conservación del ancho de banda, respuesta de baja frecuencia mejorada y mejor eficiencia de potencia es la modulación de banda lateral residual (VSB, por sus siglas en inglés).
La modulación VSB se deriva filtrando señales DSB o AM en una forma tal que se pasa casi completamente una banda lateral pero solo un residuo de la otra banda. En la Fig. 7.20 se muestra una función de transferencia de un filtro VSB típico. Un requisito importante y esencial del filtro de VSB, HVSB(f), es que debe tener simetría impar con respecto a fc y una respuesta relativa de ½ en fc.
x(t) Modulador de amplitud VSB + portadora HVSB(f) Ac cos ωc t (a) Modulador HVSB(f) HSSB(f) Hα(f) = HSSB(f) – HVSB(f) Hα(f) fc – α fc + α f (b) Características del filtro Figura 7.20 Modulación VSB. (a) Modulador. (b) Características del filtro.
409 El filtro de banda lateral VSB tiene un intervalo de transición de anchura 2α Hz y el ancho de banda de transmisión de la señal VSB es BT = f x + α , α < fx (7.34) Para derivar una expresión en el dominio del tiempo para la señal VSB, expresemos H VSB ( f ) como H VSB ( f ) = H SSB ( f ) − [ H α ( f )] (7.35) donde H α ( f ) representa la diferencia entre la respuesta de los filtros SSB y VSB. Se requiere que H α ( f ) tenga simetría impar con respecto a fc (la razón de este requerimiento se aclarará cuando se trabaje el Prob. 3.26). La entrada al filtro VSB es Ac [1 + x ( t )]cos ωc t y la señal de salida puede expresarse en la forma xc ( t ) = 12 Ac cos ωc t + 12 Ac [ x ( t ) cos ωc t − xˆ ( t ) sen ωc t ] − 12 Ac xα ( t ) sen ωc t { 14243 1444442444443 VSB + portadora señal SSB portadora 14444444442444444444 3 (7.36) señal VSB En la Ec. (7.36), 12 Ac xα ( t ) sen ωc t es la respuesta de H α ( f ) a la entrada Ac x ( t ) cos ωc t . La Ec.
(7.36) también se puede escribir como xc ( t ) = 12 Ac [1 + x ( t )]cos ωc t − 12 Ac γ ( t ) sen ωc t (7.37) donde γ ( t ) = xˆ ( t ) + xα ( t ) . Si γ (t ) = 0 , entonces la Ec. (7.37) se reduce a una señal AM y cuando γ ( t ) = xˆ ( t ) , tenemos una señal SSB + portadora.
Aunque no es fácil derivar una expresión exacta para la potencia promedio transmitida en la modulación VSB, podemos obtener cotas para ST como Sc + 12 Sc S x ≤ ST ≤ Sc S x + Sc (7.38) donde Sc es la potencia de la portadora y Sx es la potencia de la señal.
El lector puede verificar que la señal VSB puede ser demodulada mediante un demodulador sincrónico. Sin embargo, resulta que podemos demodular una señal VSB con una pequeña distorsión usando demodulación de envolvente si se ha añadido una componente grande de portadora a la señal VSB en el transmisor.
Demodulación de Envolvente de Señales de Banda Lateral Suprimida. A menudo es deseable combinar la demodulación de envolvente de la AM con la conservación del ancho de banda de las señales de banda lateral suprimida. La demodulación de envolvente perfecta y libre de distorsión requiere ambas bandas laterales y una señal portadora grande. Añadiendo una portadora a la señal VSB, tenemos que xc ( t ) = Ac { [1 + x ( t ) ] cos ωc t − γ ( t ) sen ωc t} (7.39) Para AM, γ ( t ) = 0 ; y γ ( t ) = xˆ ( t ) para SSB + portadora. Para VSB + portadora, γ ( t ) toma un valor intermedio.
410 La envolvente de xc ( t ) se encuentra escribiendo xc ( t ) = R ( t ) cos[ ωc t + φ ( t )] donde R ( t ) es la envolvente dada por R ( t ) = Ac { [1 + x ( t )] 2 + [ γ ( t )]2 } 12 12 ⎧⎪ ⎡ γ ( t ) ⎤ 2 ⎫⎪ = Ac [1 + x ( t )] ⎨1 + ⎢ ⎬ 1 + x ( t ) ⎥⎦ ⎪ ⎩⎪ ⎣ ⎭ (7.40) La Ec. (7.40) muestra que la envolvente está distorsionada (la envolvente sin distorsión, igual que en el caso AM, es Ac [1 + x ( t )] ). Sin embargo, si γ ( t ) << 1, la distorsión es despreciable y R ( t ) ≈ Ac [1 + x ( t )], igual que en el caso AM. Así que la clave para el éxito de la detección de envolvente de señales de banda lateral suprimida es mantener pequeño el componente de cuadratura γ (t ) .
Para la señal SSB + portadora, γ ( t ) = xˆ ( t ) y, por tanto, γ(t) no puede ignorarse. Adicionalmente, en la portadora se desperdicia una cantidad substancial de potencia, mucho más que en la AM. Para una señal VSB con una banda lateral no demasiado pequeña, la mayor parte del tiempo γ ( t ) es pequeña comparada con x ( t ) . Así que la demodulación de envolvente puede usarse sin una distorsión excesiva. También, para una señal VSB + portadora, se puede demostrar que la potencia transmitida promedio es ST ≈ Sc + Sc S x que es esencialmente la misma que en AM.
La anchura permisible de la banda lateral residual dependerá de las características espectrales de x(t) y de la cantidad de distorsión que se pueda tolerar. Las transmisiones de TV comercial utilizan VSB + portadora con un 30% de banda lateral residual. Mientras que la distorsión puede ser bastante apreciable, la evidencia experimental indica que la calidad de la imagen no se degrada mucho.
Posteriormente discutiremos varios aspectos interesantes de las señales de la TV comercial.
7.5 Conversión de Frecuencias (Mezclado) La traslación de frecuencia, también conocida como conversión de frecuencia o mezclado, es la operación más importante en los sistemas de modulación lineal. La modulación traslada el espectro del mensaje hacia frecuencias superiores y la demodulación es básicamente una operación de traslación de frecuencias hacia abajo. La traslación de frecuencias también se usa a menudo para trasladar una señal de pasa-bandas con una frecuencia portadora hasta una nueva frecuencia central.. Esto se puede obtener multiplicando la señal de pasabandas por una señal periódica como se indica en la Fig. 7.21.
411 x ( t ) cos ω1t x ( t ) cos ω2 t BPF centrado en ω2 2 cos ( ω1 + ω2 ) t Figura 7.21 Conversión de frecuencia o mezclado.
Modulador Balanceado. Un modulador balanceado que genera una señal DSB (producto) se muestra en la Fig. 7.22. El modulador balanceado consiste de dispositivos de suma (amplificadores operacionales) y dos elementos no lineales acoplados (como, por ejemplo, diodos polarizados apropiadamente). Si suponemos que la no linealidad puede representarse mediante una característica en serie de potencias con dos términos, entonces y ( t ) = a1 [ Ac cos ωc t + x ( t )] + a2 [ Ac cos ωc t + x ( t )] 2 − a1 [ Ac cos ωc t − x ( t )] − a2 [ Ac cos ωc t − x ( t )] 2 = 2 a1 x ( t ) + 4 a2 x ( t ) Ac cos ωc t + x1 (t ) Alinealidad + x (t ) + Ac cos ωc t − − + x (t ) 2 Alinealidad a1 x1 + a2 x12 BPF centro fc BW = fx xc (t ) a1 x2 + a2 x22 (a) xc (t ) x (t ) Ac cos ωct (b ) Figura 7.22 Modulador balanceado. (a) Diagrama de bloques de un modulador balanceado.
(b) Diagrama del circuito de un modulador balanceado.
412 Si x(t) está limitada en banda a fx y si fc > 2fx, entonces la salida del filtro de pasabandas será x ( t ) = (4 a2 Ac ) x ( t ) cos ωc t que es la señal producto deseada. Con frecuencia se usan diodos semiconductores como los dispositivos no lineales en los moduladores balanceados. El rendimiento de este tipo de modulador depende de lo bien que se puedan acoplar las características de los diodos.
Modulador de Conmutación. Otro circuito que se usa para mezclar dos señales se muestra en la Fig.
7.23. Cuando el voltaje de la portadora es positivo, hay un voltaje de salida v ( t ) ; y cuando la portadora es negativa, el voltaje de salida es igual a cero.. Así que los diodos operan como conmutadores con una frecuencia fc y podemos escribir la salida v(t) como v (t ) = x (t ) s (t ) donde s(t) es una función de conmutación con un período 1/fc. Suponiendo un valor CD igual a cero para la señal del mensaje x(t) y usando la expansión en serie de Fourier para s(t), podemos escribir v(t) como v ( t ) = k0 x ( t ) + k1 x ( t ) cos( ωc t ) + k3 x ( t ) cos( 3 ωc t ) + L (7.41) = término de la banda base + término DSB + armónicos Al derivar la Ec. (7.41) hemos supuesto que s(t ) es una onda cuadrada simétrica, lo que implica que los coeficientes de la serie de Fourier k2 , k4 , K son todos iguales a cero. Mediante filtrado de pasabandas de v (t ) obtenemos la salida como xc ( t ) = k1 x ( t ) cos ωc t que es la señal DSB deseada.
Mensaje x(t ) Ac cos ωc t v(t ) Señal DSB BPF cen tro f c BW = 2 fx Figura 7.23 Modulador de conmutación.
xc (t ) 413 En los sistemas prácticos, los osciladores, dispositivos de suma y filtros se construyen usando componentes RLC y redes activas tales como transistores y amplificadores operacionales en circuitos integrados. Para frecuencias de microondas, estos dispositivos se convierten en sistemas de parámetros distribuidos.
7.6 Multicanalización por División de Frecuencias La transmisión simultánea de varias señales de mensajes por un solo canal se denomina multicanalización (“multiplexing” en inglés). Hay dos tipos básicos de técnicas de multicanalización: multicanalización por división de frecuencias (FDM, por sus siglas en inglés) y multicanalización por división de tiempo (TDM, por sus siglas en inglés). En la FDM, el ancho de banda disponible en el canal es dividido en varias “ranuras” que no se solapan y a cada señal de mensaje se le asigna una ranura de frecuencias dentro de la pasa-banda del canal. Las señales individuales pueden ser extraídas de la señal FDM mediante un filtrado apropiado. La FDM se utiliza en la telefonía de larga distancia, telemetría de sondas espaciales y en otras aplicaciones.
El principio de la FDM se ilustra en la Fig. 7.24 para tres señales de mensajes que se supone están limitadas en banda. En general, si las señales de mensajes no están estrictamente limitadas en banda, entonces será necesario un filtrado de paso bajo. Las señales limitadas en banda modulan individualmente las subportadoras con frecuencias f c1 , f c2 y f c3 . La modulación de subportadoras mostrada en el ejemplo es SSB, pero se puede emplear cualquier técnica de modulación. Las señales moduladas son sumadas para producir una señal multicanalizada completa x (t ) cuyo espectro se muestra en la Fig. 7.24c.
Si se escogen adecuadamente las frecuencias subportadoras, entonces cada mensaje de señal ocupa una ranura de frecuencias sin ningún solapamiento. Aunque los mensajes individuales están claramente identificados en el dominio de la frecuencia, la señal multicanalizada no tendrá ningún parecido con las señales de mensajes en el dominio del tiempo. La señal multicanalizada x ( t ) puede ser transmitida directamente o usada para modular otra portadora de frecuencia f c antes de la transmisión.
La recuperación de las señales de mensajes individuales se muestra en la Fig. 7.25. El primer paso en la recuperación es la demodulación para extraer x ( t ) a partir de xc(t). Un filtrado de pasa-bandas de xc ( t ) separa a xc1 ( t ), xc2 (t) y xc3 ( t ) . Finalmente, los mensajes son recuperados demodulando individualmente a xc1 ( t ), xc2 (t) y xc3 ( t ) . Al equipo de multicanalización y de des-multicanalización a menudo se le refiere por las siglas “MUC”.
Uno de los problemas principales con la FDM es la diafonía, es decir, el acoplamiento cruzado indeseado entre un mensaje y otro. La diafonía (intermodulación) surge principalmente a causa de nolinealidades en el sistema y se deben tomar precauciones considerables para reducir las no-linealidades en dispositivos que procesan señales FDM. Una segunda fuente de diafonía es una separación espectral imperfecta de las señales debido a filtrado imperfecto y a derivas en las frecuencias de las subportadoras. Para reducir la posibilidad de solapamiento espectral, los espectros modulados son separados en frecuencia mediante bandas de guarda, en las cuales se puedan acomodar las regiones de transición del filtro.
414 fc1 X1(f) x1(t) –fx1 f fx1 X2(f) xc1(t) LPF Modulador SSB fc2 x2(t) –fx2 LPF f fx2 X3(f) xc2(t) Modulador SSB fc3 x3(t) –fx3 fx3 + x(t) Modulador de portadora + xc(t) xc3(t) LPF f + (a) Espectros del mensaje Modulador SSB (b) Transmisor FDM X(f) Banda de guarda fc1 fc1 + fx1 fc2 fc2 + fx2 Filtro receptor para xc3 fc3 fc3 + fx3 f (c) Espectro de la señal multicanalizada Figura 7.24 Multicanalización por división de frecuencia (FDM) (a) Espectrodel mensaje. (b) Transmisor FDM. (c) Espectro de la señal multicanalizada.
BPF fc1 LPF fx1 x1(t) LPF fx2 x2(t) LPF fx3 x3(t) fc1 xc(t) Demodulació n de d BPF fc2 fc2 BPF fc3 fc3 Figura 7.25 Receptor de FDM.
El ancho de banda mínimo de una señal FDM es igual a la suma de los anchos de banda de todas las señales de mensajes. Si se usa un esquema de modulación diferente de la SSB para multicanalizar, el ancho de banda de la señal FDM será mayor. La presencia de las bandas de guarda aumenta aún más el ancho de banda.
415 Problemas 7.1 Dos señales x1 (t ) y x 2 (t ) cuyas transformadas de Fourier X 1 ( f ) y X 2 ( f ) se muestran en la Fig.
7.26, se combinan para formar la señal y ( t ) = x1 ( t ) + 2 x2 ( t ) cos 2 πf c t , f c = 20000 Hz (a) Determine el ancho de banda de la señal y(t).
(b) Dada y(t), ¿cómo se separarían x1(t) y 2 x2 ( t ) cos 2 πf c t ? 10–4 –5 X1(f) 0 X2(f) 10–4 5 f (kHz) –10 0 10 f (kHz) Figura 7.26 7.2 Una señal m(t ) tiene una transformada de Fourier ⎧1, M(f )=⎨ ⎩0, f1 ≤ f ≤ f 2 , f1 = 1 kHz; f 2 = 10 kHz otros valores de f Suponga que se forma una señal y ( t ) = m ( t ) cos 2 π (10)6 t . Halle la banda de frecuencias para la cual y(t) tiene componentes espectrales diferentes de cero. También determine la relación entre las frecuencias más alta y más baja [para las cuales Y ( f ) ≠ 0 ] de y(t). Compare esta relación con f2/f1. ¿Es y(t) una señal de banda angosta? (Se dice que una señal de pasa-bandas es una señal de banda angosta si f alta f baja ≈ 1. ) 7.3 Considere un sistema con la amplitud y respuesta de fase mostradas en la Fig. 7.27 y las tres entradas siguientes: x1 (t ) = cos 500πt + cos 2000πt x 2 (t ) = cos 500πt + cos 2500πt x 3 (t ) = cos 2500πt + cos 3500πt (a) Determine las salidas y1 ( t ), y2 ( t ) y y3 ( t ) .
(b) Identifique el tipo de distorsión, si la hay, sufrida por cada una de las señales de entrada.
7.4 Demuestre que un filtro RC de pasabajas da una transmisión casi libre de distorsión si la entrada al filtro está limitada en banda a f x << f 0 = 1 2 πRC .
416 H(f) arg H ( f ) 90° –1.5 –2 –1 0 1 2 (kHz) 0 1.5 (kHz) –90° (a) (b) Figura 7.27 (a) Respuesta de amplitud. (b) Respuesta de fase 7.5 Suponga que una función de transferencia con “rizos” en la respuesta de amplitud puede ser aproximada por ⎧⎪(1 + α cos ωt0 ) exp ( − jωtd ) , H( f )=⎨ otros valores de f ⎪⎩0 α < 1, f < fx donde fx es el ancho de banda de la señal de entrada x(t). Demuestre que la salida y(t) es y ( t ) = x ( t − td ) + α 2 [ x ( t − t d + t0 ) + x ( t − t d − t0 ] es decir, y(t) tiene un par de ecos.
7.6 La función de transferencia de un canal se muestra en la Fig. 7.28. La entrada al canal es una señal de pasabajas x(t) con un ancho de banda igual a fx. Diseñe un compensador de cinco derivaciones para este canal. (Ayuda: Expanda 1 H c ( f ) como una serie de Fourier en el intervalo [− f x , f x ] y use los coeficientes de la serie para ajustar las ganancias de las tomas del compensador.) ⎡ ⎛ f ⎞2 ⎤ H c ( f ) = exp ⎢ − ⎜ ⎟ ⎥ ⎢ ⎝ 2 fx ⎠ ⎥ ⎣ ⎦ 1 f 0 Figura 7.28 Hc(f) para el Problema 7.6.
7.7 Un elemento no-lineal en un sistema de comunicación tiene la característica de transferencia y ( t ) = x ( t ) + 0.2 x 2 ( t ) + 0.02 x3 ( t ) La salida deseada es el primer término.
x ( t ) = cos 700 πt + cos150 πt , determine: Si la entrada (a) los términos de distorsión en las frecuencias de la señal de entrada; (b) los términos de distorsión de segundo armónico; a la no-linealidad es 417 (c) los términos de distorsión de tercer armónico; (d) los términos de distorsión por intermodulación.
7.8 Considere una señal x ( t ) = x2 ( t ) + x1 ( t ) cos 2 πft , donde x1(t) y x2(t) tienen los espectros mostrados en la Fig. 7.26 y fc = 2000 Hz. Suponga que x(t) se aplica a una no-linealidad con una característica de transferencia y ( t ) = x ( t ) + 0.002 x 2 ( t ) . Dibuje las componentes que forman el espectro de y(t) e identifique los términos de intermodulación (productos cruzados).
7.9 Una señal de pasabajas x(t) con un ancho de banda de 10 kHz es multiplicada por cos ωc t para producir xc(t). Determine el valor de fc para que el ancho de banda de xc(t) sea un 1% de fc.
7.10 Una señal de pasabajas x ( t ) = 2 cos 2000 πt + sen 4000 πt es aplicada a un modulador DSB que opera con una frecuencia de portadora igual a 100 kHz. Dibuje la densidad espectral de potencia de la salida del modulador.
7.11 Se pueden generar señales DSB multiplicando la señal del mensaje por una portadora nosinusoidal como se muestra en la Fig. 7.29.
(a) Demuestre que el esquema mostrado en la figura trabajará si g(t) no tiene componente CD y la frecuencia de corte del filtro es fc + fx, donde fc es la frecuencia fundamental de g(t) y fx es el ancho de banda de x(t).
(b) Suponga que x ( t ) = 2 cos1000 πt y que g(t) es como se muestra en la Fig. 7.27. Determine el ancho de banda del filtro. Escriba una expresión para la salida xc(t).
(c) ¿Cómo modificaría el sistema si g(t) tiene una componente CD? g(t x(t) LPF g(t) (Señal periódica) xc(t) 1 –1 1 μseg Figura 7.29 Modulador DSB para el Prob. 7.11 7.12 Demuestre que es posible demodular una señal DSB xc ( t ) = Ac x ( t ) cos 2 πf c t multiplicándola por una onda rectangular con un período T = 1 f c y luego pasando la salida por un filtro de pasabajas (suponga que la onda rectangular es una función par de t).
7.13 Demuestre que la potencia promedio de una señal DSB xc ( t ) = Ac x ( t ) cos ωc t es Sc S x [Ec.
(3.14)] probando que 418 lím T →∞ 1T2 t −T∫ 2 x 2 ( t ) cos 2 ωc tdt = 0 Suponga que x ( t ) está limitada en banda a fx y que f c >> f x .
7.14 Una forma de onda modulada en amplitud tiene la forma xc ( t ) = 10(1 + 0.5cos 2000 π t + 0.5cos 4000 π t ) cos 20000 π t (a) Dibuje el espectro de amplitudes de xc(t).
(b) Determine la potencia promedio contenida en cada componente espectral incluyendo la portadora.
(c) Halle la potencia total, la potencia en las bandas laterales y la eficiencia en potencia.
(d) ¿Cuál es el índice de modulación? 7.15 En la Fig. 7.30 se muestra una forma de onda AM. Suponga que la señal del mensaje es sinusoidal.
(a) Determine el índice de modulación.
(b) Calcule Sc, Sxy la eficiencia en potencia.
xc(t) 10 V 5 0 –5 –10 V t Figura 7.30 Forma de onda para el Prob. 7.15.
7.16 Un transmisor AM desarrolla una salida de potencia no modulada de 400 vatios a través de una carga resistiva de 50 ohmios. La portadora es modulada por un solo tono con un índice de modulación de 0.8.
(a) Escriba la expresión para la señal AM xc(t) suponiendo que fx = 5 kHz y fc = 1 MHz.
(b) Halle la potencia promedio total de la salida del modulador.
(c) Halle la eficiencia de potencia del modulador.
7.17 Los moduladores prácticos con frecuencia tienen una limitación de potencia pico además de una limitación de potencia promedio. Suponga que un modulador DSB y un modulador AM están operando con una señal x ( t ) = 0.8cos 200 πt 419 y con una forma de onda portadora igual a 10 cos 2 πft ( f c >> 100 Hz).
(a) Determine la potencia pico (instantánea) de las señales DSB y AM.
(b) Obtenga la relación entre la potencia pico y la potencia promedio en las bandas laterales para las señales DSB y AM y compare las relaciones.
7.18 Considere el modulador de conmutación mostrado en la Fig. 7.31.
(a) Suponiendo que máx x ( t ) << Ac y que el diodo actúa como un conmutador ideal, demuestre que v0 ( t ) ≈ Ac [ cos(2 πf c t ) + mx ( t ) ] g p ( t ) donde gp(t) es un tren de pulsos rectangulares con período 1/fc y un ciclo de trabajo de ½.
(b) Sustituyendo la serie de Fourier para gp(t) en la ecuación anterior, demuestre que v0(t) tiene un componente de la forma A [1 + mx ( t ) ] cos(2 πf c t ) .
(c) Suponiendo que x(t) es una señal de pasabajas limitada en banda a fx Hz ( f x << f c ) , demuestre que es posible generar una señal AM mediante un filtrado de pasa-bandas de v0(t).
Ac cos 2πf c t x (t ) v0 (t ) vi (t ) (a ) v0 (t ) v0 = vi (b) vi (t ) Figura 7.31 (a) Modulador de conmutación. (b) Características del diodo ideal.
7.19 Una señal AM de la forma Rx ( t ) cos(2 πf c t ) pasa por un canal de pasabandas con una función de transferencia H ( f ) = K exp [ jθ ( f ) ] . La respuesta de fase del canal es de tal forma que puede ser aproximada por una serie de Taylor con dos términos como θ ( f + fc ) ≈ θ ( fc ) + f d θ( f ) df f = fc Demuestre que la señal en la salida del canal puede ser representada por y ( t ) = KRx ( t − t R ) cos[2 πf c ( t − tc )] donde el retraso de la portadora tc y el retraso de la envolvente tR están dados por 420 tR = − tc = − 1 dθ ( f ) 2π df f = fc θ ( fc ) 2 πf c 7.20 Considere el demodulador de ley cuadrática para señales AM mostrado en la Fig. 7.32.
% ).
(a) Dibuje el espectro de la salida x(t (b) Demuestre que si x ( t ) << 1 , entonces x% ( t ) ≈ a + kx ( t ) , donde a y k son constantes.
xc ( t ) = Ac ⎡⎣1 + x ( t ) ⎤⎦ cos ωc t z y No linealidad z = ay2 Filtro de pasabajas Frecuencia de corte fx Figura 7.32 Demodulador de ley cuadrática para señal AM.
7.21 La señal xc ( t ) = 2 (1 + 0.4 cos 6000 πt ) cos106 πt es aplicada a un dispositivo de ley cuadrática con una característica de transferencia y = ( x + 4) 2 . La salida del dispositivo de ley cuadrática es filtrada por un LPF ideal con una frecuencia de corte de 8000 Hz. Dibuje el espectro de amplitudes de la salida del filtro.
x ( t ) = 2 cos1000 πt + cos 2000 πt es multiplicada por una portadora igual a 10 cos10 πt . Escriba la expresión para los términos de la banda lateral superior de la señal producto.
7.22 Una señal 5 7.23 Con frecuencia se usa un esquema de modulación de multietapas para generar una señal SSB usando filtros con 2 α f c < 0.01 (Fig. 7.14). Suponga que queremos usar el esquema mostrado en la Fig. 7.33 para generar una señal SSB con una frecuencia portadora fc = 1 MHz. El espectro de la señal moduladora se muestra en la Fig. 7.34. Suponga que se tienen filtros de pasa-bandas que proporcionarán 60 dB de atenuación en un intervalo de frecuencias que es aproximadamente 1% de la frecuencia central del filtro. Especifique las frecuencias portadoras y las características del filtro para esta aplicación.
421 x(t) Filtro xc(t) Filtro Portadora fc 1 Portadora fc 2 Figura 7.33 Un modulador SSB de dos etapas.
X(f) –3000 –300 0 300 3000 f Figura 7.34 Espectro de la señal para el Prob. 7.23.
7.24 La Fig. 7.35 muestra el modulador SSB de Weaver. Analice su operación tomando x ( t ) = cos 2 πf x t ( f x < 2 B ) . Demuestre que xc(t) es una señal SSB.
LPF BW = B f1 x(t ) f1 = B f2 = fc ± B + f x < 2B f2 −90o −90o ± xc (t ) LPF BW = B Figura 7.35 Modulador SSB de Weaver (compare este modulador con el de la Fig. 7.15).
7.25 Dibuje el diagrama esquemático de un demodulador sincrónico para una señal VSB. Demuestre que el filtro VSB que se usa para general la señal VSB debe tener la simetría mostrada en la Fig.
7.20.
7.26 Verifique la afirmación que sigue a la Ec. (7.35).
7.27 Obtenga una expresión para una señal VSB generada con x ( t ) = cos 2 πf x t y H VSB ( f c + f x ) = 0.5 + a , H VSB ( f c − f x ) = 0.5 − a , (0 < a < 0.5). Escriba la respuesta en la forma 422 de envolvente y de fase y en la forma de cuadratura. Tome a = 0.25 y evalúe el término de distorsión en la Ec. (7.40).
7.28 Dibuje el diagrama de bloques para un modulador AM que usa un dispositivo no-lineal cuya característica de transferencia es vsal = a1 ven + a3 ven3 .
7.29 Suponga que los elementos no-lineales usados en un modulador balanceado (Fig. 7.22a) no están sintonizados. Es decir, uno de ellos tiene la característica de transferencia vsal = a11 ven + a12 ven2 + a13 ven3 , mientras que el segundo tiene la característica de transferencia vsal = a21 ven + a22 ven2 + a23 ven3 . Halle la señal de salida.
7.30 Dada una señal real m(t), defina una señal m+ = m ( t ) + jmˆ ( t ) donde mˆ (t ) es la transformada de Hilbert de m(t) y m+(t) se llama una señal analítica.
(a) Demuestre que ⎧ 2 M ( ω) ω > 0 ω<0 ⎩0 F [ m+ ( t )] = M + ( t ) = ⎨ (b) Demuestre que Re[ m ( t ) e jωc t ] es una SSB de banda lateral superior y Re[ m+ ( t ) e − jωc t ] es una señal SSB de banda lateral inferior.
7.31 Dos señales de mensaje x1(t) y x2(t) pueden ser moduladas sobre la misma portadora usando el esquema de multicanalización de cuadratura mostrado en la Fig. 7.36.
(a) Verifique la operación de este esquema de multicanalización de cuadratura.
(b) Si el oscilador local en el receptor tiene una desviación de fase igual a Δθ con respecto a la portadora del transmisor, determine las salidas y1(t) y y2(t) (suponga que Δθ << 1 ).
7.32 Sesenta señales de voz de grado telefónico son multicanalizadas usando FDM. El ancho de banda de la señal de voz es 3 kHz y se requiere una banda de guarda de 1 kHz entre canales de voz adyacentes. La modulación de la subportadora es SSB (USB) y f c1 = 0 .
(a) Dibuje el espectro típico de la señal multicanalizada.
(b) Si todos los canales se multicanalizan directamente, calcule el número de osciladores y moduladores SSB requeridos.
(c) Suponga que la multicanalización se hace usando cinco grupos de 12 canales cada uno para formar un supergrupo de 60 canales. Dibuje un diagrama de bloques del multicanalizador indicando todas las frecuencias de las subportadoras. ¿Cuántos osciladores y moduladores se necesitan para implementar este esquema de multicanalización? 423 Filtro x1 (t ) + y1 (t ) Canal 90o 90o + x2 (t ) Filtro y2 (t ) Sinc fc fc Figura 7.36 Esquema de multicanalización en cuadratura.
7.33 Los BPF en el receptor FDM para el problema anterior tienen ⎡ ⎛ f − f c′ ⎞ 2 n ⎤ H ( f − f c′) = ⎢ 1 + ⎜ ⎟ ⎥ ⎢⎣ ⎝ B ⎠ ⎥⎦ −1 2 donde f c' es la frecuencia de la subportadora +1.5 kHz y B es el ancho de banda de 3 dB del filtro. El ancho de banda del filtro debe ser 3 kHz y se requiere que el filtro tenga una atenuación de al menos 20 dB en la región de rechazo, es decir, H ( f − f c' ) < −20 dB para f − f c' > 1.5 kHz Determine un valor adecuado de n.
7.34 Dos señales x1(t) y x2(t) son multicanalizadas para formar x ( t ) = x1 ( t ) + x2 ( t ) cos 2 πf c t x1(t) y x2(t) son señales de paso bajo limitadas en banda a 5 kHz con X 1 ( f ) = X 2 ( f ) = 0.0001 para f < 5 kHz y fc = 15 kHz. El canal por el cual se va a transmitir x(t) tiene una característica de transferencia no-lineal y la salida del canal es y ( t ) = x ( t ) + 0.2 x 2 ( t ) (a) Dibuje el espectro de x(t) y de y(t). Explique las dificultades asociadas con la demodulación de x1(t) y x2(t) a partir de y(t).
(b) ¿Cuál de las señales demoduladas sufre la peor distorsión? 7.35 Con referencia al Prob. 7.34, suponga que la señal multicanalizada es x ( t ) = x1 ( t ) cos 2 πf c1 t + x2 ( t ) cos 2 πf c2 t 424 f c1 >> 5 kHz y f 2 = f c1 + 20 kHz (a) Dibuje el espectro de x(t) y de y(t).
(b) ¿Pueden recuperarse x1(t) y x2(t) a partir de y(t).
7.36 En la Fig. 7.37a se muestra el espectro de una señal de mensaje m(t). Para asegurar privacidad en la comunicación, esta señal es aplicada a un sistema (conocido como un perturbador. (Scrambler en inglés) mostrado en la Fig. 7.37b. Analice el sistema y dibuje el espectro de la salida x(t).
M (ω) − ωM m (t ) A HPF ωc (a ) B ω ωM C LPF ωc x (t ) 2 cos ω2t 2 cos ωct ω2 = ωc + ωM (b) Figura 7.37 (HPF = filtro de pasaaltas, LPF = filtro de pasabajas).
425 REFERENCIAS 1.
Bracewell, Ronald N.: The Fourier Transform and its Applications. McGraw Hill, (2000).
2.
Carlson, A. Bruce, Crilly, Paul B., Rutledge, Janet C.: Communication Systems. McGraw Hill, (2002).
3.
Chen, Wai-Kai: Linear Networks and Systems. World Scientific, (1990).
4.
Churchill, Ruel V.: Operational Mathematics. McGraw Hill, New York (1972).
5.
Davis, Harry F.: Fourier Series and Orthogonal Functions. Dover, New York (1989).
6.
Hsu, Hwei P.: Signals and Systems. McGraw Hill, (1995).
7.
Kuo, Benjamín C.: Sistemas de Control Automático. Prentice-Hall, (1995).
8.
LePage, Wilbur R.: Complex Variables and the Laplace Transform for Engineers. Dover, (1980).
9.
Oppenheim, Alan V., Willsky, Alan S., Young, Ian T.: Signals and Systems. Prentice-Hall, (1983).
10. Papoulis, A.: The Fourier Integral and its Applications. McGraw-Hill, (1962) 11. Picinbono, Bernard: Principles of Signals and Systems: Deterministic Signals. Artech House, (1988).
12. Sansone, G.: Orthogonal Functions. Dover, New York (1991).
13. Shanmugan, K. Sam: Digital and Analog Communication Systems. Wiley, (1979).
14. Sneddon, Ian N.: Fourier Transforms. Dover, (1995).
15. Tolstov, G. P.: Fourier Series. Dover, (1962).
16. Wylie, C. R., Barret, L. C.: Advanced Engineering Mathematics. McGraw-Hill, (1995).
17. Zadeh, L., Desoer, C.: Linear System Theory. Dover, (2008) ...