Anlisis de Sistemas Lineales. Ricardo A.

Rojas Reischel

UNIVERSIDAD TCNICA FEDERICO SANTA MARA

DEPARTAMENTO DE ELECTRNICA

APUNTES PARA UN CURSO DE INTRODUCCIN AL

ANLISIS DE SISTEMAS LINEALES

RICARDO A. ROJAS REISCHEL

2002

Estas notas se entienden como un complemento a las clases

CONTENIDO

APNDICES
Apndice 1: El delta Dirac
Apndice 2: Convergencia de la serie de Fourier
Apndice 3: Convergencia de la transformacin de Fourier
Apndice 4: Expansin en fracciones parciales
Apndice 5: La integral de correlacin
Apndice 6: El problema de doblaje
Apndice 7: Transformacin de Fourier en f

Apndices-1
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

Apndice 1: El delta Dirac ( t )

0+
Definicin ( t ) = 0, si t 0, y 0
( t )dt = 1

El delta Dirac puede relacionarse a una infinidad de seales. Por ejemplo, sea

0, si t < 0
1
u~ ( t ) = t , si 0 t

1, si t

Si 0 la seal u~ ( t ) se convierte en un escaln unitario. Puede ahora definirse

~ du~ ( t ) ~
(t ) = , entonces ( t ) = lim ( t ) . En este sentido es posible argumentar que
dt 0

~ du~ ( t ) d du( t )
( t ) = lim ( t ) = lim = lim u~ ( t ) =
0 0 dt dt 0 dt

Dado que el escaln unitario es discontinuo en t = 0 , no es formalmente

diferenciable y para realizar lo anterior con rigor matemtico se requiere usar la teora de
funciones generalizadas, lo que est fuera del alcance de este curso.
El escaln unitario puede expresarse en trminos de la integral del impulso:

t
u( t ) = ( )d

Propiedad de muestreo de ( t )

y ( t ) = x ( t ) ( t t0 ) = x ( t0 ) ( t t0 ) , donde x ( t ) es continua en t = t 0 .

~
DEM Aproxime delta Dirac con el pulso ( t ) definido arriba, considere que x ( t ) es
aproximadamente constante entre t 0 y t 0 + y de valor x ( t 0 ) , y haga tender 0.

Ejemplo 1

x ( t ) ( t t 0 )dt = x ( t 0 ) ( t t 0 )dt = x ( t 0 ) ,

donde x ( t ) es continua en t = t 0 .

Ejemplo 2

y ( t ) = x ( t ) ( t t 0 ) = x ( ) ( t t 0 )d = x ( t t 0 )

Apndices-2
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

Apndice 2: Convergencia de la serie de Fourier

Como la S. de Fourier tiene un nmero infinito de trminos, en general, debe

determinarse si converge a f ( t ) en algn sentido especfico. Si f K ( t ) es la serie finita

K
f K (t ) = F e
k = K
k
jkw0 t

la pregunta que nos ocupa es: Bajo qu condiciones de f ( t ) puede sta ser realmente
aproximada por f K ( t ) si K , de acuerdo a un criterio apropiado del error?
Para el criterio cuadrtico medio (CCM), usado en la derivacin de la S. de
Fourier, cualquiera de las condiciones siguientes es suficiente para la convergencia:

Condicin 1 Si la seal peridica f ( t ) es una funcin continua de t , la serie de Fourier

converge. (En realidad, en este caso, la convergencia es uniforme, el cual es un criterio
ms fuerte que convergencia CCM)

Condicin 2 Si f ( t ) es integrable al cuadrado sobre un perodo T, esto es, si

2
f ( t ) dt <
T

la serie de Fourier converge en el sentido CCM. Ya que esta condicin es equivalente al

requisito de que la potencia media (ver OBS 3 y 4 del punto 3.3) en f ( t ) sea finita,
claramente se aplica a todas las seales peridicas encontradas en el laboratorio, adems
de la mayora de las seales de inters terico. En particular cualquier seal acotada
satisface esta condicin porque, si f ( t ) < B para B finito y todo t , entonces

2
f ( t ) dt < TB 2
T

Condicin 3 (Dirichlet) Realmente, excepto para ciertas excepciones patolgicas, es

suficiente que la seal f ( t ) sea integrable en valor absoluto sobre un perodo T, esto es,

T
f ( t ) dt <

Los casos patolgicos se eliminan con dos requisitos adicionales, como sigue: (a) f ( t )
debe tener slo un nmero finito de mximos y mnimos durante cada perodo T, y (b)
f ( t ) debe tener slo un nmero finito de discontinuidades durante cada perodo T, las
cuales deben ser de amplitudes finitas. De hecho, puede demostrarse que para las seales
que satisfacen los requisitos Dirichlet ocurre que f K ( t ) f ( t ) cuando K para todo
t excepto en las discontinuidades; y que en cada discontinuidad, la serie converge al
promedio de los valores de la seal en ambos lados de la discontinuidad.

Apndices-3
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

Apndice 3: Convergencia de la transformacin de Fourier

Puesto que hemos derivado la T. de Fourier a partir de la S. de Fourier, sus

condiciones de convergencia estn relacionadas estrechamente. Cualquiera de las
condiciones siguientes es suficiente para asegurar la convergencia de la T. de Fourier:

Condicin 1 Si f ( t ) es integrable al cuadrado, esto es, si

2
f ( t ) dt <

entonces la T. de Fourier converge en el sentido CCM. Esta condicin es equivalente al

requisito de que f ( t ) tenga energa finita.

Condicin 2 (Dirichlet) Si f ( t ) es integrable en valor absoluto, esto es, si

f ( t ) dt <

entonces, excepto para ciertas seales patolgicas, la T. de Fourier converge. Los casos
patolgicos se eliminan con los requisitos adicionales de que: (a) f ( t ) tenga slo un
nmero finito de mximos y mnimos durante cualquier intervalo finito, y (b) f ( t ) tenga
slo un nmero finito de discontinuidades durante cualquier intervalo finito, siendo finita
cada discontinuidad. De hecho, si los requisitos de Dirichlet son satisfechos, el error de la
representacin es cero para todo t excepto en las discontinuidades; y en cada
discontinuidad, la representacin converge al promedio de los valores de la seal en
ambos lados de la discontinuidad.

Apndices-4
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

Apndice 4: Expansin en fracciones parciales

Se presenta un mtodo simple, a travs de un ejemplo. Considere

s 3 + 3s 2 + 8s + 8 A B C D
H ( s) = = + + +
( s + 1)( s + 2) 3
s + 1 s + 2 ( s + 2) ( s + 2)3
2

Para calcular A evaluamos ( s + 1) H ( s ) en s = 1 :

s 3 + 3s 2 + 8s + 8 1 + 3 8 + 8
A= = =2
( s + 2) 3
s =1
1

Similarmente, para D evaluamos ( s + 2)3 H ( s ) en s = 2 :

s 3 + 3s 2 + 8s + 8 8 + 12 16 + 8
D= = =4
s +1 s =2
1

Este procedimiento sirve para los polos simples y el trmino de potencia mayor de los
polos repetidos. Entonces

s 3 + 3s 2 + 8s + 8 2 B C 4
= + + +
( s + 1)( s + 2) 3
s + 1 s + 2 ( s + 2) ( s + 2)3
2

Para calcular B y C evaluamos ambos lados de esta ecuacin para dos valores simples
de s que sean ceros de H ( s) (o que no sean polos de H ( s) ). Por ejemplo, s = 0 y s = 1 :
En s = 0 tenemos:

8 2 B C 4 B C 1
= + + 2+ 3 1= 2+ + + 6 = 2B + C
8 1 2 (2) (2) 2 4 2

En s = 1 tenemos:

1+ 3 + 8 + 8 2 B C 4 10 B C 4
3
= + + 2+ 3 = 1+ + + 7 = 3B + C
2(3) 2 3 (3) (3) 27 3 9 27

Resolviendo el sistema de ecuaciones logramos B = 1, C = 4 .

Para calcular B y C tambin puede considerarse la divisin en ambos lados y el hecho

de que en la potencia s i slo influyen las fracciones con g .r. = i . Por ejemplo, para s 1 :

1s 1 = 2 s 1 + Bs 1 + 0 s 1 + 0 s 1 1= 2+ B B = 1

Apndices-5
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

Apndice 5: La integral de correlacin

Una operacin til en el procesamiento de seales y muy similar a convolucin es

correlacin. La funcin de correlacin cruzada entre dos seales x ( t ) y w( t ) se define

xw ( t ) = x ( t + )w ( )d

donde w ( t ) denota al complejo conjugado de w( t ). En el caso especial donde

w( t ) = x ( t ) , la funcin

xx ( t ) = x ( t + ) x ( )d

es conocida como la funcin de auto correlacin de x ( t ) .

Se demuestra fcilmente que la funcin de correlacin cruzada puede escribirse
en trminos de la operacin de convolucin as:

xw ( t ) = x ( t ) w ( t )

y que adems se cumplen las propiedades siguientes:

xw (t ) = wx (t )

xx (0) = x 2 (t )dt xx ( ) , 0

La correlacin tiene por finalidad establecer una medida del parecido entre dos
funciones mediante una extensin de la idea de ortogonalidad. La integral

f 1 ( t ) f 2 ( t )dt

si es cero, permite establecer la ortogonalidad entre dos funciones complejas f 1 ( t ) y

f 2 ( t ) sobre el intervalo ( , ) . Si la integral no es cero, una de las funciones puede
emplearse para representar al menos cierta parte de la otra. El valor de la integral vara si
se agrega un parmetro de bsqueda y con ello se tiene la correlacin cruzada.

Calculemos ahora la transformada de Fourier de la funcin de auto correlacin de

x (t ) :

xx ( )e jw d =

x ( t ) x ( t )e jw dtd = x ( t )e jwt dt x ( t )e jw( t ) d

= X ( w) x (t )e jwx dx = X ( w) X ( w) = X ( w)
2

Apndices-6
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

Debido a este resultado, conocido como el teorema de la auto correlacin, se demuestra

que la Transformada de Fourier de la auto correlacin de una funcin x ( t ) retiene slo la
informacin de la magnitud de X ( w) . La informacin de la fase de X ( w) se pierde. Por
lo tanto, una clase de funciones que tiene T. de Fourier con la misma funcin de
magnitud pero con diferente funcin de fase, tiene la misma funcin de auto correlacin.
Concluimos por lo tanto que para una funcin dada x ( t ) , hay una nica funcin de auto
correlacin. Pero lo inverso no es cierto, una funcin de auto correlacin dada puede
corresponder a una variedad infinita de formas de onda. Este hecho es de gran
importancia en el anlisis de seales con variaciones aleatorias. Para una seal aleatoria
cuyas propiedades estadsticas no cambian con el tiempo (seal estocstica estacionaria),
la forma de onda de la seal puede variar aleatoriamente, sin embargo su funcin de auto
correlacin (y por lo tanto su espectro de densidad de energa) no es aleatorio.

Apndices-7
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

Apndice 6: El problema de doblaje

El doblaje de frecuencias entre los planos s y z proviene del mapeo dado por
z = e , con s = jw . Como la funcin exponencial es peridica, la relacin anterior es
sh

biunvoca si y slo si los valores de w estn restringidos a la franja cero del plano s , es
decir, / h < w / h . Los valores de w fuera de la franja cero, se "doblan" hacia la
franja cero y aparecen como frecuencias pertenecientes a esta ltima. Especficamente,
en qu frecuencias aparecen las frecuencias dobladas?

Sea N = / h = frecuencia de doblaje de Nyquist.

Sea, adems,

e jwc t = cos wc t + j sin wc t , con t = ih , adems

wc = ( p + q ) N , donde p es un entero y q una fraccin menor que 1 .

Es decir, wc es una frecuencia perteneciente a la p -sima franja del plano s .

Entonces

e jwct = cos[( p + q) N ih] + j sin[( p + q) N ih] con i entero.

e jwc t = cos[( p + q )i] + j sin[( p + q )i]
e jwc t = {cos( pi )cos( qi ) sin( pi )sin( qi )} +
+ j{sin( pi )cos( qi ) + cos( pi )sin( qi )}
e = {cos( pi )cos( qi )} + j{cos( pi )sin( qi )}
jwc t
, porque sin( pi ) = 0

Si p es par, entonces:

e jwc t = cos( qi ) + j sin( qi )

porque ahora cos( pi ) = 1 por lo que la frecuencia doblada, wc ' , sera

h h
e jwct = cos(q i ) + j sin(q i ) = cos(q N ih) + j sin(q N ih)
h h
e = cos wc ' ih + j sin wc ' ih = e jwc 'ih = e jwc 't
jwc t

con wc ' = q N . Si p es impar, entonces:

e jwc t = {( 1) i cos( qi )} + j{( 1) i sin( qi )}

porque ahora cos( pi ) = ( 1) i . La ltima exponencial puede representarse como

e jwc t = {cos(i )cos( qi )} + j{cos(i )sin( qi )} , porque cos(i ) = ( 1) i

Apndices-8
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

entonces, sumando sin(i )sin( qi ) = 0 y restando sin(i )cos( qi ) = 0 ,

e jwc t = {cos(i )cos( qi ) + sin(i )sin( qi )} +
+ j{cos(i )sin( qi ) sin(i )cos( qi )}
e = cos[(1 q )i] j sin[(1 q )i]
jwc t

h h
e jwct = cos[(1 q) i ] j sin[(1 q) i ] = cos[(1 q) N ih] j sin[(1 q) N ih]
h h
e = cos[( N wc ')ih] j sin[( N wc ')ih] = e j ( N wc ')ih = e j ( N wc ') t
jwc t

con wc ' = q N .

Entonces, en lugar de referenciarse a 0 r/s, los casos impares se referencian a N r/s.

Grficamente, todas la frecuencias w que coinciden con la lnea vertical, se

doblan hacia wc ' :

4 N 5 N

2 N 3 N

0 N
wc '

Apndices-9
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

Construccin grfica del diagrama de doblaje

3 N
c s
f1 2 N
b
N
a
f0
0
a
N
b
f1 2 N
c
3 N
c

3 N N z 0 2 N

wc '
c
b
a

3 N N 0 2 N

f
4 N
e 5 N
d
2 N
c 3 N
b
a N
0 wc '

Apndices-10
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

Apndice 7: Transformacin de Fourier en f

La transformacin de Fourier suele escribirse en trminos de la frecuencia f :

F{ f (t )} = G ( f ) = g (t )e jwt dt , w = 2 f T. de Fourier de g( t ) (1)


F 1{F ( w)} = g (t ) = G ( f )e jwt df , T. de Fourier inversa de G( f ) (2)

Es interesante comparar (1) y (2) respectivamente con (3.28) y (3.29). Los argumentos
principales para preferir (1) y (2) por sobre las definiciones (3.28) y (3.29) son dos:

1. Las frecuencias se expresan ms naturalmente y ms a menudo en ciclos por segundo

que en radianes por segundo.
2. Con la excepcin del signo del exponente de la exponencial, (1) y (2) son simtricas.

Propiedades en f , w = 2 f

P1 a g1 (t ) + b g 2 (t ) a G1 ( w) + b G2 ( w) (linealidad)
1
P2 g ( at ) G( f / a) (escalamiento)
a
P3 G (t ) g ( f ) (simetra)

P4 Si g( t ) entonces G( f ) es funcin par y arg[G( f )] es funcin impar.

P5 g (t t0 ) G ( f )e jwt0 (desplazamiento en el tiempo)
P6 g (t )e jw0t G( f f0 ) (desplazamiento en la frecuencia)

d n g (t )
P7 ( jw) n G ( f ) (derivacin en el tiempo)
dt n
d nG ( f )
P8 ( jt ) g (t )
n
(derivacin en la frecuencia)
df n
t 1 1
P9 g ( )d G ( f ) + G (0) ( f ) (integracin en el tiempo)
jw 2

P10 g1 (t ) g 2 (t ) = g1 ( x) g 2 (t x)dx G1 ( f )G2 ( f ) (convolucin en el tiempo)

P11 g1 (t ) g 2 (t ) G1 ( f ) G2 ( f ) (convolucin en la frecuencia)

P12 g (t ) G
k =
k ( f kf 0 ), f 0 = 1/ T (funciones peridicas)

donde g( t ) es de perodo T , y Gk es el coeficiente de la serie de Fourier exponencial

para g( t ) .

Apndices-11
 Anlisis de Sistemas Lineales. Ricardo A. Rojas Reischel

Transformada de Fourier en f , para algunas seales simples ( g ( t ) G ( f ))

( w = 2 f )
(1) ( t ) 1

( 2) 1 ( f )

1 1
(3) u( t ) + ( f )
jw 2

1
( 4) e at u( t ) , a>0
jw + a

1
(5) te at u( t ) , a>0
( jw + a ) 2

( 6 ) e jw0t ( f f0 )

1
( 7) cos w0 t [ ( f + f 0 ) + ( f f 0 )]
2

j
(8 ) senw0 t [ ( f + f 0 ) ( f f 0 )]
2

1
(9 ) g( t ) cos w0 t [G( f + f 0 ) + G ( f f 0 )]
2

t
/ 2 0 /2 sin f
(10) A = A sinc f
f

t
0 sin 2 f
(11) B 2 = B sinc f
2
( f )

OBS En esta tabla se considera que g( t ) y g( t ) son iguales. Esto es cierto para todos
los efectos prcticos. En realidad ambas funciones pueden diferir en los puntos donde
g( t ) es discontinua.

Apndices-12