Libro Fisica Especial 2015

UNIVERSIDAD POPULAR DEL CESAR
C
esar Orlando Torres M.
Lorenzo Mattos Vasquez.
Laboratorio de Optica e Inform
atica - LOI
TEORIA DE LOS SISTEMAS LINEALES
Valledupar 2010
Cesar Orlando Torres Moreno

Doctor en Ciencias Fsica
Lorenzo Mattos Vasquez
Magister en Inform
atica
Grupo de Optica E informatica
Departamento de Fsica
Universidad Popular del Cesar
TEORIA DE LOS SISTEMAS

LINEALES
18 de abril de 2010
Springer-Verlag
Berlin Heidelberg NewYork
London Paris Tokyo
Hong Kong Barcelona
Budapest
Dedicatoria
El autor quiere agradecer a los estudiantes de Ingeniera Electr
onica por haberle permitido
acceder a su formaci
on por medio de los cursos orientados en las electivas de Optoelectronica y
que hacen parte integral del plan de estudios del programa de Ingeniera Electronica que se ofrece
en la Universidad Popular del Cesar en Valledupar (Cesar - Colombia); su participaci
on en las
actividades realizadas en el aula de clase y por fuera de ella, han enrriquecido los contenidos de
este texto, del mismo modo debo resaltar la colaboracion de todos los miembros del Grupo de
Optica e Informatica LOI de la misma Universidad por haber colaborado en las m
ultples tareas
que implica la elaboraci
on de un libro de esta naturaleza.
Agradezco especialmente a la Universidad Popular del Cesar el apoyo nanciero brindado, a
la Vicerrectora de Investigaciones por todo el apoyo incondicional prestado, as como al personal
administrativo de la misma dependencia por soportar con paciencia mis solicitudes y peticiones
constantes.
Finalmente quiero agradecer a mi familia; esposa e hijos, quienes con su compa~
na y apoyo
permanente hicieron que todo me resultara menos difcil. A ellos dedico estas notas.
Valledupar, Colombia
Marzo de 2007
Cesar Torres M.
Prefacio
El presente libro de Teora de Sistemas Lineales esta dise~
nado de tal forma que el lector pueda
familiarizarse de manera r
apida y sencilla con los metodos matem
aticos de la descomposicion de
funciones aplicando las tecnicas de Fourier. Por que escribimos el libro?; existe una amplia bibliografa sobre optica, an
alisis de se~
nales y procesamiento de se~
nales, pero a lo largo de nuestra
experiencia primero como estudiantes y despues como docentes en este campo nos hemos encontrado con los siguientes problemas: libros muy generales que omiten la rigurosidad matem
atica;
textos muy especcos que solo tratan una tematica; las revistas especializadas existentes solo ofrecen una informacion especica que necesita ser ampliada. Estos problemas requieren de diversas
fuentes bibliogracas, que no siempre son accesibles en el momento deseado y que requieren de
una sntesis o fusion de ideas y enfoques. Esto nos llevo a abordar esta problematica, mediante la
elaboraci
on del presente texto.
Quien utilizara el libro?
Es un texto dirigido a un amplio sector de personas que de un modo u otro tengan alg
un compromiso o interes en tem
atica, para los profesionales que desarrollan investigaci
on en el campo
de la
optica, por rigurosidad en la tematica tratada. Para los docentes porque pueden utilizarlo
como texto gua en campo de la optica; Para los estudiantes de cualquier escuela, facultad, centros de estudios, grupos de investigacion, donde se ventile el tema de optica de fourier. El libro
esta abierto para profesionales y docentes en las areas de analisis y tratamiento de se~
nales. Para
una mejor comprension del texto es indispensable una formacion basica en funciones especiales en
matematicas, una formacion en analisis y tratamiento de se~
nales, aunque con dedicaci
on e interes
en el tema se puede comprender su contenido. Cuales son los objetivos del libro?:
"Introducir al lector en los aspectos fundamentales de la optica, con su rigurosidad matematica.
"Proporcionar una visi
on general de la optica de fourier, para sus aplicaciones en ciencias e ingeniera.
Organizaci
on del libro
El texto esta dividido en 16 captulos. Cada capitulo comienza introduciendo al lector en el contenido del mismo, se presentan ejemplos que refuerzan la teora y el lector debe desarrollar tareas,
donde aplique lo estudiado.
Valledupar, Colombia
Marzo, 2007
Cesar Torres M.
Indice de Figuras
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
1.10
1.11
1.12
1.13
1.14
1.15
1.16
1.17
1.18
1.19
1.20
1.21
1.22
1.23
Funciones de variable real. a) Monovaluada b) Multivaluada . . . . . . . . . . . . . . . .

Funci
on sinusoidal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funci
on peri
odica de peri
odo T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funci
on Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funciones peri
odicas de peri
odo X1 y X2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Suma de Funciones peri
odicas de peri
odo X1 = 1 y X2 = 2 . . . . . . . . . . . . . . . . . . . .
Funci
on cuasi peri
odica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funciones sim
etricas par e impar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funciones que nunca son par o impar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funci
on Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Representaci
on compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Forma polar de un n
umero complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
N
umeros complejos tratados como vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Representaci
on en el plano complejo de un fasor . . . . . . . . . . . . . . . . . . . . . . . . . . .
Componentes real e imaginaria del fasor Aei20 x . . . . . . . . . . . . . . . . . . . . . . . . . . .
Modulo y fase de Aei20 x . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Forma de h
elice del fasor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funci
on coseno como suma de fasores de frecuencia positiva y negativa . . . . . .
Modulaci
on de amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Circuito propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Diagrama de fasores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Se~
nal del problema IV A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Se~
nal del problema IV B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
7
7
7
8
8
8
9
9
11
13
13
17
18
19
20
20
23
25
31
32
33
34
Funciones especiales unidimensionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Funciones especiales de la funci
on impulso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Gr
acas de las funciones propuestas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Gr
acas propuestas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Curva propuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Onda rectangular y onda rectangular reconstruida . . . . . . . . . . . . . . . . . . . . . . . . . .
Funci
on aperi
odica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funci
on coseno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funciones coseno y su espectro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funci
on considerada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Pulso rectangular y espectro (a)No desplazado (b)espectro;(c)desplazado;(d)fase. . .
Principio de superposici
on aplicado a los sitemas lineales . . . . . . . . . . . . . . . . . . . .
Relaci
on de entrada y salida de un sistema lineal invariante a desplazamiento
Relaciones de entrada y salida para sistemas causales . . . . . . . . . . . . . . . . . . . . . . .
Relaciones de entrada y salida para sistemas no causales . . . . . . . . . . . . . . . . . . .
Efectos de la funci
on de transferencia sobre la amplitud y la fase de se~
nales
cosenoidales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.17 Funciones a convolucionar f (x) y h (x) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.18 Sistemas LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
38
40
41
44
48
49
51
53
53
59
61
62
62
63
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
2.15
2.16
70
71
75
IV
Indice de Figuras
2.19 Salida del sistema. a. Respuesta a salida deltas individuales. b. Respuesta

total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.20 Objeto propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.21 Descomposici
on del objeto propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.22 Gaussiana muestreada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.23 Cuadrado de la transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.24 Objeto propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.25 Se~
nal propuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.26 Espectro de la se~
nal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.27 Cuadrado de la transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
76
78
79
80
82
83
84
86
87
3.1 Sistema LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

3.2 Filtros de amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.3 Funci
on de onda rectangular usada como ejemplo para ltros de amplitud y
su espectro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.4 Efecto de un ltro pasa todo sobre la entrada de onda rectangular . . . . . . . . . 95
3.5 Efecto de un ltro ideal pasa bajo sobre la entrada de onda rectangular para
c = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
c = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
c = 0:25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.8 Funciones de transferencia, respuesta impulsional para diferentes ltros de
amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.9 Funci
on de transferencia de un ltro de fase que produce distorsi
on de fase 102
3.10 a.) Respuesta impulsional. b) se~
nal de entrada c) se~
nal de salida . . . . . . . . . . . 103
3.11 Funci
on de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.12 Respuesta impulsional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.13 Se~
nal de entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.14 Graca de la funci
on de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
Indice General
1.
REPRESENTACION DE CANTIDADES FISICAS : : : : : : : : : : : : : : : : : : : : : : : :

1.1 REPRESENTACION MATEMATICA DE CANTIDADES FISICAS . . . . . . . . . . . .
1.1.1 Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2 Clases y propiedades de las funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.3 Propiedades de simetra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 FUNCIONES BIDIMENSIONALES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 NUMEROS COMPLEJOS Y FASORES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1 n
umeros complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2 Fasores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4 REPRESENTACION DE CANTIDADES FISICAS . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Se~
nales sinusoidales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 TALLER DE EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6 EJERCICIOS RESUELTOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.1 N
umeros complejos y fasores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.2 Representacion matematica de cantidades fsicas . . . . . . . . . . . . . . . . . . . . . . .
1.6.3 Aplicaciones de los fasores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.4 Representacion de una se~
nal con forma de onda . . . . . . . . . . . . . . . . . . . . . . . . .
3
3
3
3
8
10
12
12
17
20
21
27
28
28
30
31
33
2.
MATEMATICAS ESPECIALES DE LA OPTICA : : : : : : : : : : : : : : : : : : : : : : : : :

2.1 FUNCIONES BASICAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Funciones unidimensionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2 Funciones bidimensionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 ANALISIS ARMONICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Ortogonalidad de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.2 Conceptos basicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.3 Funciones complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.4 Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.5 An
alisis gr
aco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.6 Aproximaci
on de polinomio a una se~
nal con forma de onda . . . . . . . . . . . . . . .
2.2.7 Tarea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3 LA SERIE DE FOURIER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1 Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.2 Funciones no periodicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.3 La integral de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.4 Espectro de algunas funciones simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.5 Relaci
on entre una funcion y su espectro de fase . . . . . . . . . . . . . . . . . . . . . . . .
2.3.6 Propiedades de la transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.7 Pares de transformadas de Fourier elementales . . . . . . . . . . . . . . . . . . . . . . . . .
2.4 OPERADORES MATEMATICOS Y SISTEMAS FISICOS . . . . . . . . . . . . . . . . . . . . .
2.4.1 Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.2 Representacion de sistemas por operadores matem
aticos . . . . . . . . . . . . . . . . .
2.4.3 Tipos de sistemas importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
35
35
40
42
42
42
43
43
44
44
44
46
46
47
49
51
52
54
57
59
59
59
60
Indice General
2.5 RESPUESTA IMPULSIONAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.6 EXPONENCIALES COMPLEJOS, FUNCIONES PROPIAS DE LOS SISTEMAS
LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7 CONVOLUCION MATEMATICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7.1 Denicion de la operacion convolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8 CONVOLUCION DE VARIAS FUNCIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.9 CONDICIONES DE EXISTENCIA DE LA CONVOLUCION . . . . . . . . . . . . . . . . .
2.10 PROPIEDADES DE LA CONVOLUCION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.11 CONVOLUCION Y SISTEMAS LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.12 EJERCICIOS RESUELTOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.12.1 Transformaci
on de una se~
nal de entrada en una se~
nal de salida . . . . . . . . . . .
2.12.2 Correlacion cruzada y autocorrelaci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.12.3 Represetanci
on matematica de un objeto bidimensional . . . . . . . . . . . . . . . . . .
2.12.4 Transformada de Fourier y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.12.5 Aplicaci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.12.6 Representacion matematica de un objeto bidimensional . . . . . . . . . . . . . . . . .
2.12.7 Ejercicios practicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.12.8 Transformada de Fourier y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.12.9 Aplicaci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.
65
66
71
71
73
73
73
74
75
75
77
78
81
83
83
84
85
87
FILTROS LINEALES Y SISTEMAS LSI : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 89

3.1 CARACTERISTICAS Y APLICACIONES DE LOS FILTROS LINEALES . . . . . . 89
3.1.1 Sistemas lineales como ltros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.1.2 Filtros de amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.1.3 Filtros de Fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.2 EJERCICIOS RESUELTOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.2.1 Filtros lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.2.2 Sistemas LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
1. REPRESENTACION DE CANTIDADES FISICAS
1.1 REPRESENTACION MATEMATICA DE CANTIDADES

FISICAS
1.1.1 Introducci
on
Con el proposito de facilitar el an
alisis de los m
ultiples problemas de la ciencia y de la ingeniera
es siempre necesario representar las cantidades fsicas involucradas por funciones matematicas
de varios tipos. Existen muchos tipos de funciones, y la escogencia de la apropiada para una
situaci
on particular depende en gran medida de la naturaleza del problema, de su manipulaci
on
y de las caractersticas del par
ametro a ser representado. En este captulo se discutiran varias
de las propiedades importantes y algunas clases de funciones; as como la forma en la cual estas
ser
an usadas para representar las cantidades fsicas. Por tanto se estudiaran los n
umeros complejos
y los fasores, de tal forma que algunos de los topicos examinados seran de corte fundamental,
pero se enfatizara en los aspectos que los usuarios del presente texto deben apropiar para resolver
situaciones fsicas planteadas en captulos siguientes del libro.
1.1.2 Clases y propiedades de las funciones

Existen m
ultiples formas en las cuales las funciones pueden ser clasicadas, y a favor de la sntesis
solo se mostraran aquellas que se utilizaran en los captulos posteriores del libro, las cuales corresponden a las utilizadas frecuentemente en el analisis de los sistemas lineales.
Una de las distinciones b

asicas que debe ser realizada cuando se discute la representacion
matematica de los fen
omenos fsicos es el que conduce a la separacion de fenomenos deterministicos de fenomenos aleatorios. El comportamiento de un fenomeno deterministico es completamente
predecible mientras que el comportamiento de un fen
omeno aleatorio tiene un grado de incertidumbre asociado con el. Para hacer esta distincion un poco clara, se debe considerar la observacion o
la medici
on de algunos parametros que varan con el tiempo en un fen
omeno particular. Se debe
asumir que la cantidad de interes ha sido observada durante un intervalo grande de tiempo y por
tanto existe una buena informacion sobre su comportamiento en el pasado. Si el comportamiento
pasado dene y permite conocer con exactitud el comportamiento futuro del par
ametro estudiado;
entonces se dice que este par
ametro tiene un comportamiento deterministico; en el caso en cual
no se pueda predecir el comportamiento futuro con exactitud decimos que el parametro ahora
tiene comportamiento aleatorio. Sin embargo es importante aclarar que las palabras deterministico
y aleatorio no son absolutas en la descripcion de los fenomenos fsicos, a menudo se encuentran
situaciones que corresponden a ciertos grados de estos comportamientos.
Las funciones matem

aticas son usadas para representar varias cantidades fsicas asociadas con
el fenomeno que se quiere investigar; cuando se trata de fenomenos deterministicos estan funciones se expresan en terminos de formulas matematicas explcitas, como por ejemplo el caso del
movimiento arm
onico simple en una cuerda, el cual es altamente deterministico y se describe con
ayuda de una expresion matematica explcita en funci
on del tiempo, en contraste el movimiento de
las olas en el oceano posee naturaleza aleatoria y no puede ser descrito explcitamente sin rasgos de
incertidumbre. En el caso de los mensajes de telecomunicaciones es importante anotar que antes de
ser trasmitido este posee caractersticas de fenomeno aleatorio, pero una vez enviado se convierte
en deterministico, por consiguiente la noci
on de deterministico y aleatorio deben ser consideradas
en funci
on del momento en el cual se estudia el parametro.
Muchas cantidades fsicas pueden ser representadas por funciones escalares mientras que otras
deben ser descritas por funciones vectoriales; la presion P en un gas encerrado es una cantidad
escalar que depende de la temperatura T otra cantidad escalar, por tanto P puede ser descrita
!
por una funcion escalar de la variable escalar T . De otro lado el campo electrico E asociado con
!
una onda electromagnetica propagandose es una cantidad vectorial que depende de la posicion
r
!
y del tiempo t; por tanto debe ser representado por una funcion vectorial del vector variable
r
y de la variable escalar t. En el estudio de los sistemas lineales es importante estudiar funciones
escalares de variables escalares. Una funci
on puede ser vista como una regla que relaciona la variable
dependiente a una o mas variables independientes. Si suponemos la siguiente funcion:
y = f (x)
(1.1)
1.1 REPRESENTACION MATEMATICA DE CANTIDADES FISICAS
Donde y es la variable dependiente x es la variable independiente y f es la regla que relaciona

estas dos variables, si existe un u
nico valor de y para cada x por tanto y es llamada una funcion
Monovaluada de x; en el caso en el que exista m
as de un valor y es conocida como una funcion
p
multivaluada de x. Para ilustrar esta situacion considere las funciones y = x2 y y = x, con
la restricci
on de que x debe ser real y positivo. La primera de estas es una funcion monovaluada,
mientras que la segunda es doble valuada y sus gr
acas se muestran en la gura 1.1 en ambos
casos el rango de y incluye u
nicamente n
umeros reales por tanto y es conocida como una funcion
de valor real.
Figura 1.1. Funciones de variable real. a) Monovaluada b) Multivaluada
Si x toma tanto valores positivos como negativos esta funcion se llamara de valores complejos.
Otra muy importante denicion debe ser hecha en la clasicaci
on de funciones periodicas y no
peri
odicas; una funcion periodica f (x) tiene la propiedad de que para todo x se cumple:
f (x) = f (x + nX)
(1.2)
Donde n es un entero y X es una constante real positiva conocida como el periodo de f (x);
se asume que X es el n
umero m
as peque~
no para el cual la ecuaci
on 1.2 es satisfecha, de esta
expresi
on es claro que una funcion periodica se repite exactamente despues de intervalos jos de
nX. El inverso del periodo es llamado Frecuencia fundamental de la funcion. Cuando la variable
independiente es una coordenada espacial tanto x como X tienen dimensiones de longitud, la
frecuencia fundamental tiene dimensiones del inverso de la longitud. En este caso el smbolo 0
representa la frecuencia espacial fundamental de la funci
on periodica; es decir:
0 =
1
X
(1.3)
La frecuencia fundamental espacial de una funcion periodica describe cuantas repeticiones la

funcion hace por unidad de longitud y es medida en unidades de ciclos por metro. Si la variable
independiente es el tiempo se tiene entonces:
g (t) = g (t + nT )
(1.4)
Donde T ahora es el periodo, se acostumbra utilizar el signo 0 para representar la frecuencia

temporal fundamental de la funcion, es decir:
0 =
1
T
(1.5)
Las unidades de 0 son ciclos por segundo o Hertz. La frecuencia fundamental temporal especica el n
umero de repeticiones hechas por la funcion por unidad de tiempo.
Funciones que no satisfacen las ecuaciones anteriores son llamadas no peri

odicas o aperi
odicas.
En realidad todas las funciones que representan cantidades fsicas deben ser no periodicas por que
para que tales funciones sean estrictamente periodicas ciertos principios fsicos deben ser violados.
Por ejemplo una onda de radio no puede ser verdaderamente periodica pues esto implicara que ha
existido todo el tiempo. De otro lado esta onda puede estudiarse como aproximadamente periodica.
Tal vez la m
as com
un y mas importante funcion periodica es la funci
on sinusoidal:
f (x) = A sin (20 x )
(1.6)
La gr
aca de tal funcion es mostrada en la gura 1.2 y es facil ver que esta funcion se repite
exactamente despues de intervalos de nX =
n
0 .
La cantidad es llamada el desfasaje, es una
constante arbitraria que determina la posicion de la funcion a lo largo del eje x. La funcion seno es
cero cuando su argumento es igual a un m
ultiplo entero de , as los ceros de la funcion dados por
la ecuaci
on anterior suceden en los puntos x =
(n+)X
.
2
Otra funcion periodica g (t) = g (t + nT )
este tiempo con funci

on de forma arbitraria es mostrado en la gura 1.3:
Un ejemplo de una funci
on no peri
odica es la funci
on Gaussiana:
h (x) = Ae( b )
x
(1.7)
Figura 1.2. Funci

on sinusoidal
Figura 1.3. Funci

on peri
odica de peri
odo T
Figura 1.4. Funci

on Gaussiana
Donde b es un n
umero positivo real. La graca de esta funcion es mostrada en la gura 1.4:
Existe otra clase de funciones llamadas funciones cuasi peri
odicas; estas funciones son compuestas de la suma de dos o mas funciones periodicas cuyos periodos son inconmensurables. Pata
ilustrar considere las funciones peri
odicas f1 (x) y f2 (x) mostradas en la gura 1.5 con periodos
X1 y X2 respectivamente. Si se escoge X1 y X2 tal que su divisi
on es un n
umero racional, luego
la suma f3 (x) = f1 (x) + f2 (x) sera periodica. Por ejemplo suponga X1 = 1 y X2 = 2 la raz
on
X2
X1
= 2 es racional y f3 (x) es peri

odica con periodo X3 = 2 como se muestra en la gura 1.6:
p
Si se escoge X1 = 1 y X2 = 3; f3 (x) sera cuasi peri
odica como se muestra en la gura 1.7,
es decir esta funci

on esta muy cercana de auto repetirse cuando x crece pero nunca se repetir
a
exactamente por que no existe un n
umero tal que f3 (x) = f3 (x + X3 )
Como se mostrara mas adelante funciones no periodicas pueden ser expresadas como una combinaci
on lineal (suma) de funciones periodicas.
Figura 1.5. Funciones peri

odicas de peri
odo X1 y X2
Figura 1.6. Suma de Funciones peri

odicas de peri
odo X1 = 1 y X2 = 2
Figura 1.7. Funci

on cuasi peri
odica
1.1.3 Propiedades de simetra

En el estudio de los sistemas lineales, los problemas pueden ser frecuentemente simplicados tomando en cuenta las propiedades de simetra de las funciones; por ejemplo una funci
on e (x) con la
propiedad:
e (x) = e (x)
(1.8)
Es llamada una funcion par de x; mientras que una funcion o (x) con la propiedad:
o (x) = o (x)
(1.9)
Es llamada una funcion impar de x.
Como se puede observar de las anteriores ecuaciones sus respectivas gracas mostradas en la
gura 1.8 presentan simetras con respecto a sus ejes; para la funci
on par la curva a la izquierda
del origen es simplemente la reexi
on alrededor del eje vertical de la curva a la derecha del origen;
para la funcion impar la curva a la izquierda del origen es obtenida por una primera reexion de
la curva a la derecha del origen al rededor del eje vertical, y luego una reexion alrededor del
eje horizontal (las palabras izquierda y derecha pueden ser intercambiadas) esto se puede probar
fsicamente con un par de espejos.
Figura 1.8. Funciones sim

etricas par e impar
La suma de funciones par o impar jamas sera par o impar como se muestra en la gura 1.9 que
corresponde a la suma de las funciones e (x) y o (x):
Figura 1.9. Funciones que nunca son par o impar
Es facil mostrar que cualquier funci

on arbitraria f (x) puede ser expresada como la suma de
una parte par fe (x) y una parte impar fo (x), es decir:
f (x) = fe (x) + fo (x)
(1.10)
10
Donde:
fe (x) =
1
[f (x) + f (x)]
2
(1.11)
fo (x) =
1
[f (x) f (x)]
2
(1.12)
Otro interesante resultado partiendo de las propiedades de simetra de las funciones es el producto de dos funciones par es una funcion par, el producto de dos funciones impar es una funcion
par y el producto de una funcion par y una funcion impar es impar; estos resultados pueden ser
muy u
tiles al simplicar ciertas operaciones integrales.
Si se supone por ejemplo que se busca evaluar la integral denida de la funcion par e (x) sobre
el intervalo (a; a). Con como variable muda de integracion, se puede escribir que:
Z
e () d =
e () d +
a
e () d
(1.13)
Si se utiliza la propiedad e () = e () se encuentra que:

Z
Z a
e () d = 2 e () d
(1.14)
De una forma similar se puede probar que:

Z
o () d 0
(1.15)
La interpretaci
on geometrica de estos resultados se puede expresar en terminos de las areas
bajo las curvas.
1.2 FUNCIONES BIDIMENSIONALES

El analisis desarrollado hasta ahora corresponde a funciones uno dimensional donde la variable
independiente x es referida solo a la variable dependiente y. Una funcion dos dimensional o bidimensional es una regla que relaciona una variable dependiente simple con dos variables independientes; tales funciones son muy utilizadas en el analisis de los sistemas opticos y por ello son de
1.2 FUNCIONES BIDIMENSIONALES
11
importancia en los preliminares de este texto. Si se supone, por ejemplo que se desea encontrar el
valor de la transmitancia de una placa fotogr
aca, en general esta varia punto a punto en la placa
y por tanto debe ser representada por una funci
on dos dimensional de las coordenadas espaciales,
en coordenadas rectangulares ser
a:
t = g (x; y)
(1.16)
Donde t denota la transmitancia; x y y son las variables independientes y g (::) es la regla de

relacion. La gr
aca de una funci
on dos dimensional debe asociarse a una supercie en el espacio;
por ejemplo veamos la funci
on Gaussiana dos dimensional (ver gura 1.10):
Figura 1.10. Funci

on Gaussiana
2
2
x d+y
2
f (x; y) = A e
(1.17)
El valor de esta funcion para cualquier punto (x; y) es justamente la altura de la supercie
encima del plano x y. En general esta altura puede ser positiva o negativa. Tambien es posible
expresar la funci
on Gaussiana bidimensional en coordenadas polares como:
p
r = + x2 + y 2
(1.18)
(1.19)
= arctan
De donde se obtiene que:
g (r; ) = Ae( d )
r
(1.20)
12
Una funcion dos dimensional se dice de variables separables en un sistema coordenado particular
si se puede escribir como el producto de dos funciones uno dimensionales, cada una de las cuales
depende u
nicamente de una de las coordenadas; as la funcion f (x; y) es de variables separables s:
f (x; y) = g (x) h (y)
(1.21)
Donde g (x) es una funcion u

nicamente de x y h (y) es una funcion u
nicamente de y. Una
funcion dos dimensional dada puede ser de variables separables en un sistema coordenado pero en
otro no cumple esta propiedad. Es importante se~
nalar que la funci
on Gaussiana bidimensional es
una funcion que es de variables separables en coordenadas rectangulares y en coordenadas polares,
es decir tiene una propiedad que la mayora de funciones no posee. El volumen de la funci
on de
variables separables f (x; y) = g (x) h (y) es simplemente el producto de las areas de g (x) y h (y)
1.3 NUMEROS COMPLEJOS Y FASORES

En esta secci
on se revisaran las principales propiedades y usos de los n
umeros complejos y fasores.
Estos conceptos son de gran utilidad en ingeniera electrica y fsica.
1.3.1 n
umeros complejos
Dados dos n
umeros reales v y w se puede formar la suma:
u = v + iw
Donde i =
(1.22)
p
1 ; en genral se dice que u es un n
umero complejo, sin embargo si w = 0 es
simplemente un n
umero real y si v = 0 es un n
umero imaginario. Por tanto podemos denir:
v = < (u)
(1.23)
w = = (u)
(1.24)
La representacion de un n
umero complejo puede ser realizada en el plano cartesiano correspondiendo a un punto sobre este como se indica en la gura 1.11:
13
Figura 1.11. Representaci

on compleja
Tal vez la mas u

til de las representaciones de los n
umeros complejos corresponde a la forma
polar; la forma polar de un n
umero complejo u = v + iw esta dada por:
u = rei
(1.25)
Donde:
r =j u j=
p
v 2 + w2
(1.26)
= arg(u) = arctan
w
v
(1.27)
La cantidad r es conocida como valor absoluto o modulo de u mientras que es su argumento

o fase. Ambos r y son n
umeros reales y r es positivo. La representaci
on en el plano complejo de
este n
umero es mostrada en la gura 1.12, u es interpretado como un vector cuya magnitud es dada
por r y cuyo angulo de direccion con respecto al eje v esta determinado por , Como convenci
on
se tomar
a en el sentido contrario a las manecillas del reloj.
Figura 1.12. Forma polar de un n

umero complejo
14
Si se toma el ejemplo anterior de u = 3 + 2i en forma polar se debe hacer:
r =j u j=
p
p
32 + 22 = 13 = 3:61
(1.28)
y

2
= arg(u) = arctan
= 33:70 0:591rad
3
(1.29)
Por tanto en forma polar el n

umero se escribe como:
u = 3:61ei0:591
(1.30)
Cuando un n
umero complejo est
a dado en forma polar sus componentes real e imaginario se
pueden obtener utilizando la formula de Euler:
u = rei = r (cos + i sin )
(1.31)
De tal forma que:
<(u) = r cos
(1.32)
=(u) = r sin
(1.33)
El complejo conjugado de un n
umero complejo u se denota por u y se obtiene simplemente
remplazando i por i; por tanto el complejo conjugado de u = v + iw ser
a:
u = v iw
(1.34)
En forma polar:
u = rei
(1.35)
15
Algebra compleja. Se mostrar

an las principales relaciones del algebra compleja que se utilizan
frecuentemente. Para las propiedades listadas se usaran los n
umeros complejos siguientes:
u1 = r1 ei1 = v1 + iw1
(1.36)
u2 = r2 ei2 = v2 + iw2
(1.37)
Las propiedades de adici

on y multiplicaci
on son:
u1 + u2 = (v1 + v2 ) + i (w1 + w2 )
(1.38)
u1 u2 = (v1 v2 w1 w2 ) + i (v1 w2 + v2 w1 ) = r1 r2 ei(1 +2 )
(1.39)
Algunas consecuencias de estas propiedades son:
u1 + u1 = 2v1
(1.40)
u1 u1 = i2w1
(1.41)
u1 u1 =j u1 j= v1 2 + w1 2 = r1 2
(1.42)
Las propiedades de division son un poco mas complejas que la adicion y la multiplicacion,
a menos que el dividendo y el divisor esten dados en forma polar; si estos estan dados en forma rectangular, el divisor debe ser racionalizado antes que el cociente sea expresado en forma
rectangular:
u1
u1 u2
u1 u2
=
=
2
u2
u2 u2
j u2 j
u1
=
u2
v1 v2 + w1 w2
u2 2 + w2 2
(1.43)
+i
v2 w1 v1 w2
u2 2 + w2 2
(1.44)
16
Esta operaci
on puede ser desarrollada mas facilmente si se utiliza la forma polar como se
muestra a continuacion:
u1
r1 ei1
r1
=
= ei(1 2 )
i
2
u2
r2 e
r2
(1.45)
Otras relaciones muy importantes son:
j u1 u2 j = j u1 j:j u2 j
(1.46)
j u1 u1 j = j u1 j
(1.47)
(u1 + u2 ) = u1 + u2
(1.48)
(u1 :u2 ) = u1 :u2
(1.49)
(1.50)
u1
u2
u1
u2
1
u1
=
u1
j u1 j2
(1.51)
Se debe resaltar ademas que:
<(u1 + u2 ) = <(u1 ) + <(u2 )
(1.52)
=(u1 + u2 ) = =(u1 ) + =(u2 )
(1.53)
Pero de manera general:
<(u1 :u2 ) 6= <(u1 ):<(u2 )
(1.54)
17
=(u1 :u2 ) 6= =(u1 ):=(u2 )
(1.55)
Para el caso de potencias y races de n

umeros complejos se tiene:
(u1 )n = r1n ein1
(1.56)
1 +k2
1
1
(u1 ) n = (r1 ) n exp[i( n )]
(1.57)
1
Donde k = 0; 1; 2; 3; 4; 5:::n 1: es importante notar que existen n valores distintos de (u1 ) n

Las operaciones de n
umeros complejos a menudo son asociadas con operaciones de vectores
como se indica en la gura 1.13:
Figura 1.13. N
umeros complejos tratados como vectores
1.3.2 Fasores
La palabra fasor es utilizada por los fsicos para signicar n
umeros complejos. En ingeniera se
utiliza para denotar una funcion exponencial compleja de modulo constante y fase lineal, esto es
una funcion con comportamiento puramente arm
onico; sin embargo se puede entender de manera
general como una funci
on de valor complejo de una o mas variables. Si se dan dos funciones v (x)
y w (x) la forma de la funci
on compleja por tanto es:
u (x) = v (x) + iw (x)
(1.58)
18
Expresi
on conocida como fasor; esta funcion en forma polar se escribe como:
u (x) = a (x) ei(x)
(1.59)
Donde
1
a (x) =j u (x) j= v 2 (x) + w2 (x) 2
(1.60)
(x) = arg[u (x)] = arctan
w (x)
v (x)
(1.61)
Son el modulo y la fase respectivamente de u (x). Ambos a (x) y (x) son funciones de valor
real y a (x) es positivo. Los fasores se pueden representar en el plano complejo en una forma similar
a los n
umero complejos como se ilustra en la gura 1.14:
Figura 1.14. Representaci

on en el plano complejo de un fasor
Tambien se cumple que:
< fu (x)g = a (x) cos (x)
(1.62)
= fu (x)g = a (x) sin (x)
(1.63)
Se debe notar que si a (x) y (x) no varan entonces u (x) es una constante compleja. Si se
representa el fasor como:
u (x) = Aei20 x
19
(1.64)
El cual tiene un modulo constante y fase variando linealmente, la representaci

on compleja de
este fasor es la misma que se mostro en la gura 1.14 con a (x) = A y (x) = 20 x, En una
segunda representaci
on se gr
aca individualmente las componentes reales e imaginarios de u (x)
las cuales dan:
< fu (x)g = A cos (20 x)
(1.65)
= fu (x)g = A sin (20 x)
(1.66)
Las gr
acas de estas funciones son mostradas en la gura 1.15:
Figura 1.15. Componentes real e imaginaria del fasor Aei20 x
El siguiente metodo involucra las gracas individuales del modulo y de la fase de u (x) las cuales
son especicadas como:
j u (x) j= a (x) = A
(1.67)
arg fu (x)g = (x) = 20 x
(1.68)
El ultimo metodo referenciado esta fundamentado en un sistema coordenado rectangular tridimensional. La variable x es gracada a lo largo de un eje, y las componentes real e imaginaria del
20
Figura 1.16. Modulo y fase de Aei20 x
Figura 1.17. Forma de h

elice del fasor
fasor son gracadas a lo largo de los otros dos. El resultado es la curva tridimensional una helice
en este caso, la cual es mostrada en la gura 1.16.
Se debe destacar es que cuando una funcion de valor complejo o fasor cuya parte real es una
funcion par y cuya parte imaginaria es impar se dice que es Hermtico, mientras que un fasor cuya
parte real es impar y cuya parte imaginaria es par se llama Antihermitico, lo cual conduce a ciertas
propiedades particulares de la transformada de Fourier.
1.4 REPRESENTACION DE CANTIDADES FISICAS

Una de las principales representaciones de un fenomeno corresponde a aquel que posee un comportamiento sinusoidal, luego se procede a representar la amplitud y la fase de ondas moduladas
y nalmente a la descripci
on de ondas de luz monocromaticas.
Como se puede notar la representaci

on de cantidades fsicas por fasores que son funciones de
valor complejo, ofrece amplias ventajas; sin embargo a menos que la representaci
on este perfecta-
21
mente denida esto puede conducir a confusiones conceptuales, por ejemplo un voltaje que varia
continuamente con el tiempo es representado por un fasor a (t) e(i(t)) lo cual implica que el voltaje
consiste de una parte real y una parte imaginaria y esto no tiene sentido fsico. Tal voltaje es mejor
representado en la parte real e imaginaria por un fasor apropiado lo cual conduce a funciones de
valor real.
Si se introduce la nocion de se~

nal a la cual se le da el signicado de funci
on que representa
una cantidad fsica especica que posee informacion en la cual se tiene interes. Esto no restringe
su uso a las aplicaciones electricas convencionales tales como audio o se~
nales de vdeo, tambien es
u
til considerar la funci
on de transmitancia de una transparencia fotograca al ser estudiada como
una se~
nal bidimensional para un sistema optico coherente.
1.4.1 Se~
nales sinusoidales
Las se~
nales sinusoidales son de gran importancia ene el estudio de muchos problemas de ingeniera,
ya que ellas describen adecuadamente el comportamiento de m
ultiples fen
omenos, pero adem
as
son basicas; ya que otras funciones se pueden descomponer en terminos de funciones sinusoidales
como combinaciones lineales, en resumen las funciones sinusoidales son las funciones propias de los
sistemas lineales invariantes al desplazamiento LSI.
Si se considera la funci
on de valor real:
v (t) = A cos (20 t + )
(1.69)
La cual puede ser usada para representar una cantidad fsica cuyo comportamiento es sinusoidal
por ejemplo una lnea de voltaje o un sistema de distribucion de potencia, las oscilaciones de un
pendulo, etc. Esta expresi
on tambien se puede escribir como:
v (t) = <u (t)
(1.70)
Donde:
u (t) = A exp [i (20 t + )]
(1.71)
22
Geometricamente utilizando la convenci

on para diagramas de fasores v (t) es simplemente la
proyecci
on del vector u (t) sobre el eje de los reales; por tanto cualquier funcion cos puede ser
descrita como la parte real de un fasor apropiado y en forma similar cualquier funci
on sin puede
ser escrita como la parte imaginaria de un fasor. La utilidad de la notaci
on de fasores se entendera
mejor aun, cuando se realizan ciertas operaciones con se~
nales sinusoidales, por ejemplo si se desea
encontrar la suma de:
s (t) =
n
X
vi (t)
(1.72)
i=1
De n se~
nales cosenoidales de la forma:
vi (t) = Ai cos (2i t + i )
(1.73)
umero de terminos
Donde i = 1; 2; 3; :::n, Ai y i son constantes reales arbitrarias. Para un gran n
se entiende que es bastante difcil calcular esta suma, pero con la denicion de fasor:
ui (t) = Ai exp (2i t + i )
(1.74)
Donde:
vi (t) = < fui (t)g
(1.75)
Se obtiene que:
( n
)
n
X
X
vi (t) = <
ui (t)
i=1
(1.76)
i=1
As la suma de las n se~

nales cosenoidales es igual a la parte real de la suma de los n correspondientes fasores, o en un diagrama de fasores es justamente la proyeccion del eje horizontal de la
suma de los n correspondientes vectores. Otro concepto muy u
til concerniente a la representaci
on
de se~
nales sinusoidales es la siguiente: Suponga que se tiene una se~
nal A cos (20 t) la cual se puede
expandir utilizando la formula de Euler:
A cos (20 t) =
A 2i0 t
+ e2i0 t
e
2
(1.77)
La cual es justamente la suma de dos fasores de modulo constante
A
2
23
y fase lineal 20 . En un
diagrama de fasores el primero de estos fasores rota en el sentido contrario al horario con tiempo a
la velocidad de 20 rad
seg , mientras que el segundo rota en el sentido horario a la misma velocidad.
La parte imaginaria de estos fasores es siempre de signo opuesto, cancelado el uno al otro, pero
su parte real es siempre del mismo signo esta suma produce la funcion de valor real A cos (20 t)
como se muestra en la gura 1.17. Es tambien instructivo asociar el signo negativo en el exponente
del segundo fasor con la frecuencia fundamental es decir:
A cos (20 t) =
i
A h 2i0 t
+ e2i(0 )t
e
2
(1.78)
Por tanto se puede considerar la se~

nal compuesta de una frecuencia positiva y una componente
de frecuencia negativa que forman un fasor rotando en el sentido anti horario por tanto su frecuencia fundamenta el es positiva, y un fasor rotando en el sentido horario debido a su frecuencia
fundamental negativa.
Figura 1.18. Funci

on coseno como suma de fasores de frecuencia positiva y negativa
Ondas moduladas. La modulacion es un proceso mediante el cual la se~

nal moduladora es usada
para controlar algunas propiedades de la onda portadora en una forma predeterminada, por tanto es
un parte importante de todos los sistemas de comunicaciones, incluyendo radio, television, telefono,
etc. Sin embargo existen muchos tipos de modulacion, ac
a solo se describir
a el tipo de modulaci
on en
el cual la onda portadora describe comportamiento sinusoidal. Por tanto se estudiara la modulaci
on
temporal sin embargo los conceptos aplicados aca pueden ser utilizados en la modulaci
on espacial.
La expresi
on general para una onda modulada con una portadora sinusoidal esta dada por:
v (t) = a (t) cos [ (t)]
(1.79)
24
Donde a (t) es siempre la amplitud instantanea de la onda portadora y (t) es la fase instantanea. Para modulacion en amplitud AM , a (t) es linealmente referida a la se~
nal moduladora
m (t), mientras la fase es independiente de esta se~
nal y usualmente tiene la forma:
(t) = 2c t
(1.80)
Donde c es la frecuencia fundamental de la onda portadora y es una constante real arbitraria.

Frecuentemente a (t) es escrita como:
a (t) = A [1 + m (t)]
(1.81)
Donde A es una constante real positiva y m (t) es una funcion de valor real; por tanto para el
caso de AM se tiene:
v (t) = A [1 + m (t)] cos (2c t )
(1.82)
Teniendo en cuenta el valor de a (t) se obtiene:
m (t) 1
(1.83)
Se asume usualmente que a (t) es positivo. Si m (t) es una funcion que varia lentamente con
respecto a la oscilaci
on de la onda portadora como es generalmente el caso; a (t) es llamada la
envolvente de la onda modulada. En la gura 1.18 se muestra una se~
nal modulada arbitrariamente
empezando en el tiempo t0 y la onda modulada resultante. Es tambien instructivo considerar el
proceso de modulaci
on desde el punto de vista de los fasores, parta hacer esto se puede escribir
que:
v (t) = A [1 + m (t)] < ei2c t
(1.84)
v (t) = < A [1 + m (t)]ei2c t
(1.85)
Donde se ha omitido la constante para simplicar la notacion; as v (t) es simplemente la parte

real del fasor cuyo modulo es a (t) = A [1 + m (t)] y cuyo plano varia linealmente con el tiempo.
25
Figura 1.19. Modulaci

on de amplitud
Para modulacion de fase (F M ) la amplitud instantanea a (t) es constante y la fase instantanea

(t) depende linealmente de la se~
nal de modulacion. ; esta dependencia es frecuentemente expresada como:
(t) = 2c t + m (t)
(1.86)
Donde la cantidad m (t) es la desviaci

on de fase instantanea y de nuevo c es la frecuencia
portadora; por tanto para el caso de modulacion de fase se tiene:
v (t) = A cos [2c t + m (t)]
(1.87)
Ondas de luz monocrom

aticas. La representaci
on matem
atica de ondas de luz se incluye para
familiarizar al lector con algunos de los conceptos basicos de la optica.
En general una onda de luz puede ser representada por una funcion vectorial de posicion y de
tiempo; existen casos para los cuales tal onda puede describirse por una funcion escalar. Por
tanto este sera el tratamiento dado en este texto, ademas de considerar u
nicamente ondas de
luz monocromaticas; es decir ondas que poseen una frecuencia temporal singular. Estas ondas
se asumen linealmente polarizadas y seran asociadas a la funci
on escalar que las describe con la
magnitud tanto del vector campo electrico como del vector campo magnetico, por consiguiente:
26
!
!
!
u (
r ; t) = a (
r ) cos [20 t (
r )]
(1.88)
!
Para representar tal onda monocrom
atica polarizada linealmente donde
r es un vector posici
on
!
y 0 es la frecuencia temporal de la onda. La funcion a (
r ) es conocida como la amplitud de la
onda y el argumento de la funci
on cos es llamada la fase. Las supercies en el espacio denidas por
!
la ecuaci
on son llamadas supercies cofasales o m
as com
unmente frentes de onda. Ambos a (
r)y
!
!
(
r ) son funciones escalares de valor real de la posici
on. La funci
on u (
r ; t) es la soluci
on de la
ecuaci
on de onda escalar:
r2 u (r; t)
n2 @ 2 u (r; t)
=0
c2
@t2
(1.89)
Donde n es el ndice de refraccion del medio en el cual la onda se est

a propagando c es la velocidad de la luz en el vaco y r2 es el operador Laplaciano, el cual se puede escribir en coordenadas
rectangulares como:
r2 =
@2
@2
@2
+ 2+ 2
2
@x
@y
@z
(1.90)
Se asume que el medio es homogeneo y que sus propiedades son independientes del tiempo; as
el ndice refractivo es constante. Si se dene el fasor:
u (r; t) = a (r) ei(r)
(1.91)
Expresi
on conocida en optica como la amplitud compleja de la onda u (r; t) de tal forma que:
u (r; t) = < u (r) ei20 t
(1.92)
Como se nota u (r; t) no solo es u

nicamente soluci
on de la ecuaci
on de onda escalar sino que la
amplitud compleja u (r) satisface la ecuaci
on de Helmholz independiente del tiempo.
r2 u (r) + n2 k02 u (r) = 0

Donde k0 =
20
c
2
0
(1.93)
es el n
umero de onda asociado con u (r; t), 0 es la longitud de onda
en el vaco. Como resultado de esto muchos problemas de interes en la optica pueden resolverse y
algunas operaciones intermedias ser simplicadas.
1.5 TALLER DE EJERCICIOS
27
1.5 TALLER DE EJERCICIOS

1.1. Dada una funcion arbitraria f (x) = fe (x) + fo (x) ,donde fe (x) representa la funci
on par y
fo (x) representa la funci
on impar; Demuestre que:
a.fe (x) =
b.fo (x) =
1
2
1
2
[f (x) + f (x)]
[f (x) f (x)]
1.2. Dado el n
umero complejo u = v + iw, demuestre que:
1
2
a. Re fug =
b. Im fug =
1
2i
(u + u )
(u u )
1.3. Dados los n

umeros complejos u1 = v1 + iw1 , y u2 = v2 + iw2 demuestre que:
a. Re fu1 + u2 g =
1
2
(u1 + u2 ) +
1
2
(u1 + u2 )
b. (u1 + u2 ) + (u1 u2 ) = 2Re fu1 g + 2iIm fu2 g

c. Re fu1 u2 g 6= Re fu1 g Re fu2 g
d. u1 u2 + u1 u2 es de valor Real
e. j u1 + u2 j2 =j u1 j2 + j u2 j2 +u1 u2 + u1 u2
1.4. Encuentre todas las raices de las siguientes ecuaciones y muestre sus posiciones en el plano
complejo:
a. x3 = 1
b. x3 = 8ei
28
c. x4 = 4ei 3
1.5. Calcule las siguientes sumas complejas y graque su representaci

on en el plano complejo:
a. u = ei 6 + ei
5
6
b. u = 2ei 3 2ei
c. u = 1 +
2
3
p i
2e 4 + ei 2
1.6. Sea u (x) = Aei20 x Donde A y 0 son constantes reales positivas ; encuentre y graque
las siguientes funciones:
a. j u (x) j2
b. u (x) + u (x)
c. j u (x) + u (x) j2
1.6 EJERCICIOS RESUELTOS

1.6.1 N
umeros complejos y fasores
A. Si z1 = r1 (cos 1 + i sin 1 ) y z2 = r2 (cos 2 + i sin 2 ) probar que:
z1
z2
r1
r2
fcos (1 2 ) + i sin (1 2 )g.
SOLUCION:
r1 (cos 1 + i sin 1 )
z1
=
z2
r2 (cos 2 + i sin 2 )
(1.94)
r1 (cos 1 + i sin 1 )
r1 (cos 1 + i sin 1 ) (cos 2 + i sin 2 )
=
:
r2 (cos 2 + i sin 2 )
r2 (cos 2 + i sin 2 ) (cos 2 + i sin 2 )
(1.95)
29
r1 (cos 1 cos 2 + sin 1 sin 2 ) i (sin 1 cos 2 cos 1 sin 2 )

z1
= :
+
z2
r2
(cos2 2 + sin2 2 )
(cos2 2 + sin2 2 )
(1.96)
r1
z1
=
fcos (1 2 ) + i sin (1 2 )g
z2
r2
(1.97)
B. Probar la identidad cos 5 = 16 cos5 20 cos3 + 5 cos , utilizando notacion compleja.

SOLUCION:
Utilizando el teorema de De Moivre:
(cos + i sin )n = cos n + i sin n
(1.98)
De la Formula binomial:
(a + b) = a +
!
n
n1
b+
!
n
n2 2
b + ::::::::::::
!
n
anr br ::::::::::::: + bn
(1.99)
De donde se puede encontrar que:
(cos + i sin )5 = cos 5 + i sin 5
(1.100)
Aplicando la formula binomial:
cos 5 + i sin 5 = cos5 10 cos3 sin2 + 5 cos sin4 +
i 5 cos4 sin 10 cos2 sin3 + sin5
(1.101)
Por consiguiente:
cos 5 = cos5 10 cos3 sin2 + 5 cos sin4
(1.102)
2
cos 5 = cos5 10 cos3 1 cos2 + 5 cos 1 cos2
(1.103)
30
Resolviendo:
cos 5 = 16 cos5 20 cos3 + 5 cos
(1.104)
1.6.2 Representaci
on matem
atica de cantidades fsicas
Considere la expresi
on matematica u1 (x; y) = Aeikx x .
A. Que clase de fenomeno fsico representa esta expresi

on.
Soluci
on
Representa una onda plana
B. Identique sus principales caractersticas.
Soluci
on
Es una onda plana de amplitudconstante A, su fase esta en el origen de coordenadas; es decirt
no esta desfasada. El parametro x representa el angulo del coseno direcor en la direcci
on x
C. Sabiendo que I (x; y) =j u1 (x; y) j2 , encuentre este valor. Que signicado fsico tiene (Valor
0.40 puntos)
Soluci
on
I (x; y) =j u1 (x; y) j2 =j u1 (x; y) jj u1 (x; y) j
(1.105)
Se obtiene:
I (x; y) =j u1 (x; y)u1 (x; y) j =j Aikx x Akx x j=j A j2
(1.106)
Finalmente:
I (x; y) =j A j2
(1.107)
Cantidad que representa que la irradiancia Cantidad de energa o de ujo radiante de la onda
plana a traves del espacio, en este caso particular la Irradiancia es constante.
31
1.6.3 Aplicaciones de los fasores

En este caso se analizara un circuito en el cual se colocan elementos en serie con una resistencia
conectados a una fuente de voltaje de AC que esta en fase con la corriente. (ver gura 1.) Asuma
que el voltaje aplicado vara senosoidalmente con el tiempo mediante la expresion: v = V sin (wt)
y i = I sin (wt )
Figura 1.20. Circuito propuesto
A. Encuentre el voltaje instantaneo a traves de los tres elementos.
Soluci
on
Debido a que todos los elementos estan en serie, la corriente en cualquier punto del circuito
debe ser la misma en cualquier instante. Por consiguiente, el voltaje a traves de cada elemento
tiene diferentes amplitudes y fases. En particular, el voltaje a traves de la resistencia esta en fase
con la corriente, el voltaje a traves del inductor adelanta la corriente 900 , y el voltaje a traves
del capacitor va retrasado de la corriente en 900 . Utilizando estas relaciones de fase, se pueden
expresar las cadas de voltaje instantaneas a traves de los tres elementos como:
VR = IR1 sin (wt)
(1.108)
Vl = IXl sin wt + 900
(1.109)
Vc = IXc sin wt 900
(1.110)
El voltaje instantaneo a traves de los tres elementos es igual a la suma:
32
V = VR + Vl + Vc
(1.111)
B. Obtenga el diagrama de fasores resultante combinando los tres pares de fasores encontrados
en el literal anterior.
Soluci
on Debido a que la corriente en cada elemento es la misma en cualquier instante, se puede
obtener el diagrama de fasores resultante combinando los tres pares de fasores mostrados. Para
obtener la suma vectorial de estos voltajes, es conveniente dibujar un diagrama de fasores como se
muestra en la gura 2.
Figura 1.21. Diagrama de fasores
De acuerdo con este diagrama, la suma vectorial de las amplitudes de voltaje VR + Vl + Vc

es igual a un fasor cuya longitud es le m
aximo voltaje aplicado Vm , donde el fasor Vm forma un
angulo con el fasor de corriente Im. Observese que los fasores de voltaje est
an en direcciones
opuestas a lo largo de la misma lnea, por lo que se puede construir un fasor de diferencia Vl Vc
la cual es perpendicular al fasor VR . Seg
un el triangulo rect
angulo en la gura 2 se nota que:
Vm =
q
q
VR2 + (Vl Vc )2 = (IR)2 + (IXl IXc)2
(1.112)
Finalmente:
Vm = I
q
(R)2 + (Xl Xc)2
(1.113)
C. Exprese la corriente maxima y el voltaje m

aximo como funci
on de la impedancia del circuito.
Soluci
on
Por lo tanto, se puede expresar la corriente maxima como:
Vm
I=q
2
(R) + (Xl Xc)2
33
(1.114)
Dado que la impedancia del circuito se dene como:
Z=
q
(R)2 + (Xl Xc)2
(1.115)
La impedancia esta dada en ohms por tanto, podemos escribir la ecuaci

on la ecuaci
on como:
Vm = IZ
(1.116)
1.6.4 Representaci
on de una se~
nal con forma de onda
A. Sea una se~
nal periodica f (x) de periodo 2 denida por:
f (x) =
8
x; Si x 0
>
>
<
>
>
:
(1.117)
x;
Si 0 < x
Realice una gr
aca de la se~
nal.
Figura 1.22. Se~

nal del problema IV A
B. Sea una se~

nal periodica f (x) de periodo 2 denida por:
f (x) = x2
Si
Realice una gr
aca de la se~
nal.
(1.118)
34
Figura 1.23. Se~

nal del problema IV B
2. MATEMATICAS ESPECIALES DE LA OPTICA
2.1 FUNCIONES BASICAS

2.1.1 Funciones unidimensionales
Funci
on
step
signo
Rectangulo
rampa
triangulo
sinc
sinc2
Gaussiana
Impulso
Denici
on
8
0; Si Xb < Xb0
>
>
<
0
step xx
= 21 ; Si Xb = Xb0
b
>
>
:
1; Si Xb > Xb0
8
1; Si Xb < Xb0
>
>
<
0
sgn xx
= 0;
Si Xb = Xb0
b
>
>
:
1;
Si Xb > Xb0
8
0
j> 12
0; Si j XX
>
b
>
xx0 < 1
0
rect
= 2 ; Si j XX
j= 12
b
b
>
>
:
0
1; Si j XX
j< 12
b
8
0;
Si Xb Xb0
>
>
<
0
ramp xx
=
b
>
>
: XX0
j b j; Si Xb > Xb0
8
0
0;
Si j XX
j 1
>
b
>
<
xx0
tri
=
b
>
>
:
0
0
j; Si j XX
j< 1
1 j XX
b
b
xx
0
xx0 sin( b )
sinc
=
xx
b
( b 0 )
0
sin( xx
) 2
b
0
j sinc xx
=
j
xx
b
( b 0 )
h
xx0 2 i
0
Gaus xx
=
exp
b
b
(x) = limb!0 1b Gaus xb
Cesar Torres M. LOI - UPC
36
(Step)
(Signo)
(Rampa)
(Sinc2 )
(Rectangulo)
(Triangulo)
(Gauss)
Figura 2.1. Funciones especiales unidimensionales
(Sinc)
(Impulso)
37
Propiedades de la funci
on impulso:
(x x0 ) = 0;
Z
si
x 6= x0
(2.1)
x2
x1
f () ( x0 ) d = f (x0 ) ; x1 < x0 < x2
(2.2)
Propiedades de escalamiento
x x0
b
=j b j (x x0 )
(ax x0 ) =
1
x0
x
jaj
a
(2.3)
(2.4)
(x + x0 ) = (x x0 )
(2.5)
(x) = (x)
(2.6)
Propiedades en productos
f (x) (x x0 ) = f (x0 ) (x x0 )
(2.7)
x (x x0 ) = x0 (x x0 )
(2.8)
(x) (x x0 ) = 0;
Si
x0 6= 0
(2.9)
38
(x x0 ) (x x0 ) =
(2.10)
indef inido
Propiedades en integrales
A ( x0 ) d = A
(2.11)
( x0 ) d = 1
(2.12)
( x0 ) (x ) d = (x x0 )
(2.13)
Funci
on Impulso par e impar
(x) = [ (x + 1) + (x 1)]
(2.14)
(x) = [ (x + 1) (x 1)]
(2.15)
(Deltapar)
(Deltaimpar)
Figura 2.2. Funciones especiales de la funci

on impulso
Funci
on peinilla de Dirac
(Peinilla)
comb (x) =
1
X
(x n)
39
(2.16)
n=1
comb
x x0
b
=j b j
1
X
(x x0 nb)
(2.17)
n=1
Taller de funciones b
asicas unidimensionales. En la solucion de problemas cientcos y de ingeniera se encuentran situaciones las cuales no se pueden plantear con expresiones algebraicas simples, es necesario entonces introducir funciones especcas que nos representen parametros fsicos.
Dado que f (x) = rect (x + 2) + rect (x 2), dibuje las siguientes funciones:
a. f (x)
b. g (x) = f (x 1)
c. h (x) = f (x) sgn (x)
d. p (x) = h (x 1)
Funciones compuestas

a. f (x) = rect x4 rect x2

b. g (x) = 2tri x2 tri (x)

c. h (x) = 2tri x2 2tri (x)

d. p (x) = rect x4 tri x2 sgn (x)
on f (x) = tri (x) step (x) dibuje lo siguDadas las constantes reales positivas b y x0 y la funci
iente:
a. f (x)

b. f xb
c. f (x x0 )
Analisis gr
aco
Dadas las gracas unidimensionales de la gura 2.3 escribir su ecuacion en terminos de las
funciones estudiadas en clase:
40
(A)
(B)
(C)
(D)
(E)
(F)
Figura 2.3. Gr
acas de las funciones propuestas
Para cada una de las funciones especiales denidas en el numeral anterior encontrar su graca
correspondiente y determinar analticamente el valor de su area.
Realizar un gr
aco comparativo de las funciones tri (x), sinc (x), sinc2 (x) y Gauss (x)
2.1.2 Funciones bidimensionales

Coordenadas rectangulares:
Las funciones dos dimensionales que se utilizan en los problemas de optica normalmente cumplen
con la propiedad de separacion de variables; por tanto se pueden escribir de manera general como
el producto de dos funciones unidimensionales en las dos variables; es decir:
f (x; y) = g (x) h (y)
(2.18)
Taller de funciones b
asicas bidimensionales. Dadas las gracas bidimensionales de la gura
2.4 escribir su ecuaci
on en terminos de las funciones estudiadas en clase:
(a)
(b)
(c)
(d)
41
Figura 2.4. Gr
acas propuestas
Coordenadas polares:
En la mayora de los sistemas opticos los elementos utilizados poseen simetra radial cerca del eje
optico en una primera aproximacion; por tanto en muchos casos es conveniente utilizar geometra
polar para describir estos elementos.

Denicion de Funciones:
a.) Funci
on cilindro
cyl
r
d
1;
0r<
1
2;
r=
d
2
0;
r>
d
2
d
2
b.) Funci
on sombrero
somb
r
d

2J1 dr
r
d
(2.19)
42
Donde J1 es la funci
on de Bessel de orden 1.
c.) Funci
on Gaussiana
r 2
Gauss
= exp
d
d
r
(2.20)
Taller gr
aca de funciones. b.) Encontrar el volumen de cada una de las funciones denidas
en los literales anteriores.
c.) Gracar en detalle cada una de las funciones denidas en literales anteriores.
2.2 ANALISIS ARMONICO

2.2.1 Ortogonalidad de funciones
En este item se presentan los conceptos fundamentales sobre los cuales se soporta la descomposici
on
de funciones.
2.2.2 Conceptos b
asicos
Dada la funci
on n (t) la cual forma un completo conjunto ortogonal en el intervalo (t1 ; t2 ); casi
cualquier funci
on abitraria f (t) puede ser expandida en este intervalo de acuerdo a :
f (t) =
1
X
cn n (t)
(2.21)
n=1
as se debe cumplir
La condici
on de ortogonalidad permite calcular los coecientes cn y adem
que:
Z
t2
t1
f 2 (t) dt < 1
Donde f (t) es diferente de cero en el intervalo (t1 t t2 ).
(2.22)
43
En el caso de tener una serie innita; la funcion debe ser aproximada por una funcion truncada
la cual contiene solo un n
umero nito de terminos y se deber
a buscar la mejor aproximacion, por
tanto se debe emplear el concepto de integral de error cuadr
atico medio:
Z
t2
t1
[f (t) f 0 (t)] dt = minimo
(2.23)
Donde f 0 (t) es la versi

on truncada de f (t).
2.2.3 Funciones complejas

En el estudio de los sistemas lineales estas funciones son importantes:
n (t) = exp (in20 t)
(2.24)
Con n = 0; 1; 2::::
Estas funciones forman la base de la expansi
on en series de Fourier son ortogonales sobre
cualquier intervalo igual a un n
umero entero de periodos del termino de primer orden o Componente
fundamental esto es:
t1 t2 = k
1
0
(2.25)
Con k = 1; 2; 3; :::::
2.2.4 Series de Fourier

Partimos de la expansi
on en serie de Fourier para llegar a la integral de Fourier
Consideremos expansi
on de funciones periodicas. La funci
on f (t) es peri
odica con el periodo
T = 01 Puede ser representada por una serie de Fourier si satisface las condiciones de Dirichlet.
En un intervalo innito (t1 t t2 ) f (t) debe ser:
1. Monovaluada
2. Tiene un n
umero nito de m
aximos y mnimos
3. No tiene discontinuidades
4. Es absolutamente integrable
44
2.2.5 An
alisis gr
aco
Dada la graca de la g 2.5 expandir en serie de Fourier tanto analiticamente como gracamente.
Figura 2.5. Curva propuesta
Dada la funcion rec Tt expandir en serie de Fourier tanto analiticamente como gracamente.
2.2.6 Aproximaci
on de polinomio a una se~
nal con forma de onda
En el presente laboratorio hipotetico se pretende mostrar como se puede aproximar un polinomio
a una se~
nal.
El fundamento teorico se encuentra soportado en la aproximacion que utiliza la forma general
de la serie de Taylor a una funcion f (t) en la regi
on del punto t = a
2.2.7 Tarea
El polinomio
f1 (t) = a + bt + ct2
(2.26)
Se quiere aproximarlo a la funcion:
f2 (t) = exp (t)
(2.27)
En los instantes t = 0, t = 1 y t = 2. Encuentre los valores requeridos de a; b y c que realicen

la mejor aproximaci
on.
45
Utilizaci
on del valor mnimo del error cuadr
atico medio en la aproximaci
on de una
funci
on f1 (t) a otra f2 (t). En el presente laboratorio hipotetico se pretende mostrar como se
puede aproximar un polinomio a otro mediante la ayuda del valor mnimo del error cuadratico
medio.
La idea b
asica es comparar dos se~
nales sobre un intervalo denido t1 < t < t2 es decir:
f2 (t) C12 :f2 (t)
(2.28)
on; para ello se

Y por tanto se desea escoger C12 de tal forma que se logre la mejor aproximaci
debe tener en cuenta la funci
on error:
fe (t) = f1 (t) C12 :f2 (t)
(2.29)
Tarea. La funci
on
f1 (t) = exp (t) 1
(2.30)
Puede ser aproximada a la funci

on rampa:
f2 (t) = At
(2.31)
En el intervalo 0 < t < 1: Encuentre el valor de la constante A el cual d

a el mnimo valor del
error cuadratico medio entre las funciones f1 (t)) y f2 (t)).
Los llamados polinomios de Legendre forman un conjunto de funciones mutuamente ortogonales

en el intervalo 1 < t < 1 y son denidos por la formula:
Pn (t) =
1
2n n!
n
dn 2
t 1
n
dt
(2.32)
46
Probar que los dos polinomios de Legendre P0 (t) y P2 (t) Son ortogonales. Mostrar esta
situaci
on analticamente y gracamente.
2.3 LA SERIE DE FOURIER

2.3.1 Generalidades
El procedimiento es partir de la serie de Fourier para poder obtener la integral de Fourier; se
presume que los estudiantes estan familiarizados con la serie de Fourier.
La serie de Fourier es una expansi

on dada por:
f (t) =
1
X
cn n (t)
(2.33)
n=1
Es utilizada principalmente para representar funciones peri

odicas; sin embargo se podr
a utilizar
en el caso de funciones no peri
odicas; las funciones base de esta serie son:
n (t) = exp (in20 t)
(2.34)
Con n = 0; 1; 2::::
O las funciones:
n (t) = sin (2n0 t)
(2.35)
n (t) = cos (2n0 t)
(2.36)
Considerando la expansi
on de funciones periodicas. Sea f (t) una funcion periodica con periodo
T = 0 1 puede ser representada por una serie de Fourier si cumple con las condiciones de Dirichlet
en el intervalo nito t1 t t2 :
1) Es monovaluada
2) Tiene un n
umero nito de maximos y mnimos
47
3) Tiene un n
umero nito de discontinuidades
4) Es absolutamente integrable:
Z
t2
t1
j f () j d < 1
(2.37)
Si las condiciones anteriores son satisfechas entonces la serie de Fourier:
f (t) =
1
X
cn exp (in20 t)
(2.38)
Converge uniformemente a f (t); es importante puntulaizar que cualquier funcion que represente
una variable fsica real debe satisafacer las condiciones de Dirichlet.
La serie de Fourier descompone la funcion en una combinacion lineal de exponenciales complejas
con coecientes aue deteriman el peso de la contribucion de cada una de ellas: Por tanto f (t) esta
compuesta de un gran n
umero de componentes sinusoidales que tiene frecuencias relacionadas
armonicamente.
Los coecientes se pueden calcular a parir de :
cn =
1
T
T +t
f () exp(in20 ) d
(2.39)
Donde la integraci
on es tomada sobre el periodo T = 0 1 para n sucientemente grande.
Considerese la serie de Fourier truncada. Si una funcion f (t) es aproximada unicamente por
unos pocos terminos es de esperar que la reconstrucci
on no sea la mas adecuada; se espera que entre
m
as terminos se utilicen la reconstrucci
on sea mejor sin embargo esto no es cierto en la vecindad
de una discontinuidad.
Veamos el caso de una funcion de onda rectangular (ver g 2.6):
Este comportamiento es conocido como el fenomeno de Gibbs.
2.3.2 Funciones no peri

odicas
Ahora utilicemos la serie de Fourier para representar una funcion no periodica (ver g 2.7):
Considere la funcion no periodica:
48
(Onda rectangular)
(Onda rectangular reconstruida)
Figura 2.6. Onda rectangular y onda rectangular reconstruida
g (t) = tri
t t0
b
(2.40)
Para representar esta funcion como una serie de Fourier se debe primero formar la funcion
peri
odica g 0 (t) con peri
odo T 2b
g (t) = g 0 (t) rect
t t0
T
(2.41)
Se debe encontrar la serie de Fourier para g 0 (t) unicamente en el intervalo t0 b t t0 + b

Fuera de este intervalo la serie representa a g 0 (t) y no a g (t).
g 0 (t) =
1
X
tri
t t0 nT
b
(2.42)
La serie de Fourier de g 0 (t) es:
g 0 (t) =
1
X
c0n exp(in20 t)
(2.43)
n=1
Donde T = 0 1 con los coecientes dados por:
c0n =
1
T
T +t
g 0 () exp(in20 ) d
para obtener nalmente:
(2.44)
Funci
on Triangulo
49
Funci
on Triangulo como serie de Fourier
Figura 2.7. Funci

on aperi
odica
1
X
g (t) =
c0n exp(in20 t)
(2.45)
n=1
para el intervalo t0 b t t0 + b y:
g (t) = 0
(2.46)
para fuera de este intervalo.
2.3.3 La integral de Fourier

Generalidades. la integral de Fourier permite descomponer una funcion en una combinacion lineal de exponenciales complejos de la forma n (t) = exp (in20 t). si g (t) satisface las condiciones
de Dirichlet se puede por tanto escribir la integral:
g (t) =
G ()ei2t d
(2.47)
Donde:
G () =
g () ei2 d
(2.48)
Se nota la similaridad entre las dos integrales; a estas expresiones se les llama integrales de
Fourier, G () se llama transformada de Fourier de g (t) que es una representacion de dominio
temporal de alguna cantidad mientras que G () representa en el dominio frecuencial temporal y
50
por lo tanto es conocida como espectro de frecuencia temporal compleja o simplemente espectro de
frecuencias, se conoce a g (t) como la transformada de Fourier inversa de G ()
Si ahora se representa una funcion periodica por su serie de Fourier:
f (t) =
1
X
cn e(in20 t)
(2.49)
n=1
Donde 0 es la frecuencia fundamental de f (t); la transformada de Fourier de f (t) la cual se

designa por F () puede ser escrita como:
F () =
1
X
cn e
(in20 )
ei2 d
(2.50)
n=1
Lo cual se puede reescribir como:
F () =
1
X
n=1
cn
ei2(n0 ) d
(2.51)
Utilizando la ortogonalidad de los exponenciales complejos:

Z
ei2(n0 ) d = ( n0 )
(2.52)
Con lo cual se obtiene el resultado nal:
F () =
1
X
n=1
cn ( n0 )
(2.53)
Por tanto la transformada de Fourier de una funcion periodica consiste de un arreglo de funciones delta separados por intervalos frecuenciales iguales a la frecuencia fundamental 0 en otras
palabras funciones periodicas tienen espectros discretos algunas veces llamados espectros de linea.
en contraste los espectros de las funciones no periodicas son no discretos.
El espectro de frecuencias de una funci

on arbitraria f (t) es en general de valor complejo por
lo tanto es conveniente escribirlo en la forma:
F () = A () ei2()
(2.54)
Donde A () es conocido como la amplitud del espectro de F () y () es la fase del espectro
51
2.3.4 Espectro de algunas funciones simples

Funciones sinusoidales (ver g 2.8 y 2.9).
(2.55)
f (t) = A cos (20 t)

primero se calculan los coecientes y luego se encuentra el espectro F () con T = 0 1
cn =
1
T
T +t
A cos (20 ) e(in20 ) d
(2.56)
Con ayuda de la formula de Euler:
cn =
1
T
T +t
A (i20 )
+ e(i20 )
e
2
(2.57)
e(in20 ) d
Utilizando la ortogonalidad entre exponenciales complejos se obtiene:
cn =
(A
2
; if n = 1
0;
if n 6= 1
Funci
on coseno y Espectro de la Funci
on coseno
Funci
on coseno desfasada
Figura 2.8. Funci

on coseno
F () =
1
X
cn ( n0 )
(2.58)
A
[ ( 0 ) + ( + 0 )]
2
(2.59)
n=1
F () =
52
F () =
20
(2.60)
se puede vercar este resultado en el sentido inverso:

Z
F () e(i2t) d
(2.61)
F () e(i2t) d =
A (i20 t)
+ e(i20 t)
e
2
F () e(i2t) d = A cos (20 t)
(2.62)
(2.63)
2.3.5 Relaci
on entre una funci
on y su espectro de fase
Considerese la funcion:
f (t) = A cos (20 t 0 ) = A cos 20 (t t0 )
(2.64)
Los coecientes son:
cn =
(A
2
e0 ; if n = 1
0;
if n 6= 1
De tal forma que:
F () =
20
ei2t0
(2.65)
Se observa que la amplitud del espectro es la misma que para el caso de una funci
on no
desplazada, mientras que la fase del espectro es ahora dada por:
() = 2t0 =
0
0
(2.66)
Considerese la funcion (ver g 2.10):
f (t) = A0 + A1 cos (21 t) + A2 cos (22 t)

+A3 cos (23 t) + A4 cos (24 t)
(2.67)
Frecuencias de una funci

on coseno y su espectro
53
Espectro de la suma de funciones coseno
Figura 2.9. Funciones coseno y su espectro
Su espectro es:

A1
F () = A0 () +
21
1

A2
A3
A4
+
+
+
22
2
23
3
24
4
(2.68)
Considerese la funcion:
Figura 2.10. Funci

on considerada
f (t) = rect
2t
T
Por tanto se obtiene:
1
X
(t nT )
n=1
(2.69)
54
A
F () = sinc
2
20
X
1
( n0 )
(2.70)
n=1
Finalmente:
F () =
1
n
A X
sinc
( n0 )
2 n=1
2
(2.71)
Donde 0 es la frecuencia fundamental de f (t)

Tarea. Gracar la funci
on F () detalladamente.
2.3.6 Propiedades de la transformada de Fourier

Propiedad de linearidad. Sea f (x) una funcion con transformada de Fourier F () y sea h (x)
una funcion con transformada de Fourier H () entonces se tiene que:
F (A1 f (x) + A2 h (x)) = A1 F () + A2 H ()
(2.72)
La transformada de una suma de dos funciones es igual a la suma de sus transformadas individuales.
La ordenada central. Teniendo en cuenta que:
F () =
f () ei2 d
(2.73)
Se evalua para el caso = 0 entonces:
F (0) =
f () d
(2.74)
rea de una funcio

n es igual al orden central de su transformada de
Asi: el a
Fourier; es f
acil probar que:
f (0) =
F () d
(2.75)
55
Propiedad de escalamiento. Sea f (x) una funcion con transformada de Fourier F () y sea b
una constante real y diferente de cero entonces:
n x o
F f
=j b j F (b)
b
(2.76)
n de coordenadas en una representacio

n corresponde a
Por tanto Una compresio
n en la representacio
n inversa; un resultado interesante es cuando b = 1:
una dilatacio
F ff (x)g = F ()
(2.77)
Propiedad de desplazamiento. Sea f (x) una funcion con transformada de Fourier F () y sea
x0 una constante real entonces:
F ff (x x0 )g = ei2x0 F ()
(2.78)
n desplazada es simplemente la
As: La transformada de Fourier de una funcio
n no desplazada por un factor exponencial teniendo fase
transformada de la funcio
lineal en el caso que F () = A () ei()
F ff (x x0 )g = A () ei(()+2x0 )
(2.79)
Transformada de una conjugada. Sea f (x) una funcion con transformada de Fourier F () la
transformada de Fourier de f (x) es:
F ff (x)g = F ()
(2.80)
Transformada de una Transformada. Sea f (x) una funcion con transformada de Fourier F ()
la transformada de Fourier de F (x) es:
F fF (x)g = f ()
(2.81)
La transformada de Fourier de una transformada de Fourier es simplemente la

n
funcio
56
Transformada de una Convoluci

on. Sea g (x) = f (x) h (x), g (x) una funcion con transformada de Fourier G (), f (x) una funcion con transformada de Fourier F () y h (x) una funcion
con transformada de Fourier H () entonces:
G () = F ff (x) h (x)g = F () H ()
(2.82)
n es simplemente el producto de
La transformada de Fourier de una convolucio
las transformadas de las funciones individuales
Transformada de un producto.
F ff (x) h (x)g = F () H ()
(2.83)
Transformada de una derivada.
k
F f k (x) = (i2) F ()
(2.84)
Tambien se obtiene que:
o
n
k
F (i2x) f (x) = F k ()
Transformada de una integral.
Z x
1
F (0)
() d =
F
F () +
()
i2
2
1
(2.85)
(2.86)
2.3.7 Pares de transformadas de Fourier elementales

FUNCION
TRANSFORMADA
()
(x)
(x x0 )
ei2x0
ei2x0
( 0 )

1
2j0 j 0

2j0 j
0
cos (20 x)
sin (20 x)

1
x
2jx0 j
x0

i
x
2jx0 j x0
cos (2x0 )
sin (2x0 )
rect (x)
sinc ()
sinc (x)
rect ()
tri (x)
sinc2 ()
sinc2 (x)
tri ()
sgn (x)
1
i
1
ix
sgn ()
step (x)
1
2 ()
ramp (x)
1
4 2
ejxj
2
1+(2)2
comb (x)
comb ()
Gaus (x)
Gaus ()
1
+ i2
i (1) ()
1
2
57
58
Pulso rectangular (ver g 2.11). Sea la funci

on:
g (t) = Arect
t
T
2
(2.87)
Su espectro es:
G () =
g () ei2 d
(2.88)
T
4
ei2 d
(2.89)
G () =
i
T
A h i T
2 ei 2
e
i2
(2.90)
G () =
AT
T
sinc
2
2
(2.91)
G () = A
T4
Si ahora se considera la funcion:
g (t t0 ) = Arect
t t0
T
2
(2.92)
Aplicando la propiedad de desplazamiento, el espectro es:
F fg (t t0 )g = ei2t0 F ()
(2.93)
Reemplazando:
Arect
t t0
T
2
!)
= ei2t0
AT
T
sinc
2
2
(2.94)
El espectro ahora tiene la misma amplitud pero ha sido modicado por un factor de fase.
2.4 OPERADORES MATEMATICOS Y SISTEMAS FISICOS
(a)
(c)
59
(b)
(d)
Figura 2.11. Pulso rectangular y espectro (a)No desplazado (b)espectro;(c)desplazado;(d)fase.

2.4.1 Introducci
on
Un sistema fsico es considerado como un dispositivo que muestra algun tipo de respuesta cuando
un estimulo es aplicado. Este estimulo es frecuentemente llamado la entrada del sistema mientras
que la respuesta es conocida como la salida del sistema.
2.4.2 Representaci
on de sistemas por operadores matem
aticos
Se debe encontrar un modelo matematico que sirva para describir un sistema fsico; es decir el
modelamiento de sistemas es frecuentemenete discutido en terminos de los operadores matem
aticos.
Considerese el conjunto de funciones ff1 (x) ; f2 (x) ; :::::::::fn (x)g de acuerdo a una regla que
se puede especicar se le asigna a todos los elementos de ese primer conjunto los elementos de
un segundo conjunto de funciones fg1 (x) ; g2 (x) ; :::::::::gn (x)g. Denotando el operador H se puede
establecer la regla entre los elementos de los dos conjuntos de funciones:
60
H ffi (x)g = gi (x)
(2.95)
Para i = 1; 2; 3; :::::n y se puede decir que el priemr conjunto de funciones transformado en el

segundo conjunto de funciones por medio del operador H. La regla que gobierna la transformaci
on
puede ser una ecuacion diferencial, una ecuacion integral, una graca o una tabla de datos, etc.
Este estudio se centrar
a en los sistemas para los cuales una entrada produce una u
nica salida.
2.4.3 Tipos de sistemas importantes

Solo se estudiaran los sitemas m
as relevantes en el campo del tratamiento de se~
nales.
Sistemas lineales. Considerese un sitema caracterizado por el operador H tal que se cumple que:
H ff1 (x)g = g1 (x)
(2.96)
H ff2 (x)g = g2 (x)
(2.97)
Luego para dos constantes complejas arbitrarias a1 y a2 el sistema se dice que es lineal si se
cumple:
H fa1 f1 (x) + a2 f2 (x)g = a1 g1 (x) + a2 g2 (x)
(2.98)
Lo cual no es otra cosa que el principio de superposici

on (ver g 2.12)
Sistemas invarantes a desplazamiento. Tambien se les llama jo, estacionario, invariante (ver
g 2.13) en el tiempo, invariante espacial o isoplanatico si a un cambio en la posicion de entrada
solo se produce un desplazamiento igual en la salida; es decir si se cumple:
H ff (x)g = g (x)
(2.99)
Entonces:
H ff (x x0 )g = g (x x0 )
(2.100)
(a)
(b)
(c)
(d)
(e)
(f)
61
Figura 2.12. Principio de superposici

on aplicado a los sitemas lineales
Donde x0 es una constante real as la magnitud y la forma de la salida no son cambiadas si se

desplaza la entrada en el factor x0 .
A los sistemas lineales e invariantes a desplazamiento se les conoce como LSI y se denotan
generalmente por el operador L de tal manera que combinando la dos propiedades se tiene que:
L fa1 f1 (x x1 ) + a2 f2 (x x2 )g =
(2.101)
a1 g1 (x x1 ) + a2 g2 (x x2 )
Donde x1 y x2 son constantes reales
Sistemas causales. Se considera que un sistema es causal si el valor de la salida a cualquier
punto no depende de valores futuros de la entrada. Consideremos un sistema para el cual la
entrada y la salida son funciones temporales, puede ser el caso de un circuito RC si se escoge como
voltaje de entrada una funcion delta no desplazada temporalmente. Asumiendo que no existen
62
(a)
(b)
(c)
(d)
Figura 2.13. Relaci

on de entrada y salida de un sistema lineal invariante a desplazamiento
entradas previas de voltaje y la energa esta almacenada en el condensador, el voltaje de salida se

determinara de acuerdo con la gura 2.14 donde se observa que al aplicar el voltaje de entrada; el
A
voltaje de salida toma abruptamente el valor de RC
y posteriormente decae hacia cero a medida
que transcurre el tiempo. De tal forma que a que en cualquier instante, el valor de la salida es
completamente determinado por valores pasados de la entrad y no depende del comportamiento
futuro de la entrada. Es decir el sistema no puede responder a estmulos despues que la se~
nal de
entrada ha sido aplicada.
Figura 2.14. Relaciones de entrada y salida para sistemas causales
Si se considera en contraste el sistema mostrado en la gura 2.15 asumiendo que la rendija es

localizada en el punto x = 0, y es sucientemente angosta para ser considerada una fuente lineal es
decir una funcion delta en una dimensi
on, la salida tiene un comportamiento similar al observado
en la gura 2.15, de esta gura se puede ver que la salida no es cero u
nicamente en el origen y
63
que inuencia la salida para ambos valores positivos uy negativos de x, lo cual quiere decir que el
sistema describe un comportamiento antes que el estimulo de entrada sea aplicado, sin embargo
el misterio desaparece cuando se entiende que el termino antes es impropiamente utilizado aqu.
Estrechamente asociado con el concepto de causalidad es la consideraci
on de condiciones iniciales
es decir las consideraciones de almacenamiento de energa dentro de un sistema cuando la entrada
es aplicada.
Figura 2.15. Relaciones de entrada y salida para sistemas no causales
Sistemas con memoria. Un sistema se dice que tiene memoria; si en lugar de ser una funcion
de la entrada, la salida es un funcional de la entrada, tales sistemas tambien son llamados sistemas
dinamicos. o instant
aneos o de memoria cero, en ese caso la salida es una funcion de la entrada.
Vamos a considerar ejemplos de cada clase de sistemas. Para un sistema con memoria, la salida
esta relacionada con la entrada por la expresion operacional:
g (x) = S ff (x)g
(2.102)
El valor en cualquier punto x = x1 es dependiente de los valores de f (x) sobre un ancho

de rango de x. La operaci
on denotada por S fg debe ser primero realizada y luego el resultado
evaluado en el punto x = x1
g (x1 ) = S ff (x)g jx=x1

Suponga por ejemplo que S fg =
g (x) = 2xex
(2.103)
d
dx
y f (x) la salida estar

a dada por:
(2.104)
64
Y en el punto x = x1 :
g (x1 ) = 2x1 ex1
(2.105)
Obviamente, se encontrara un resultado incorrecto, si primero se sustituye x1 en f (x) y luego

se toma la derivada de f (x1 ). de otro manera la salida de un sistema sin memoria puede ser escrita
como:
g (x) = u [f (x) ; x]
(2.106)
Donde u [] denota una funci

on. La salida de este sistema en el punto x = x1 depende u
nicamente
del valor de la entrada en ese punto y posiblemente del mismo x1 pero no recuerda el comportamiento de la entrad y desconoce el futuro esto es:
g (x1 ) = u [f (x1 ) ; x1 ]
(2.107)
Para demostrar esta situacion; considerese la funci

on:
u [f (x) ; x] = a (x) f (x)
(2.108)
Donde a es cualquier funci

on arbitraria, la salida es por consiguiente:
g (x) = a (x) f (x)
(2.109)
Y en el punto x = x1 toma el valor:
g (x1 ) = a (x1 ) f (x1 )
(2.110)
Del an
alisis anterior se observa que un sistema sin memoria mapea el valor de la entrada en un
punto singular en el valor de la salida en ese punto, mientras un sistema con memoria mapea el
valor de la entrada a varios puntos en el valor de la salida de un punto singular; esta es la diferencia
basica entre una funci
on y un funcional.
2.5 RESPUESTA IMPULSIONAL
65
2.5 RESPUESTA IMPULSIONAL

Cuando la entrada a un sistema es una simple funcion delta, la salida es llamada la respuesta
impulsional del sistema (tambien conocida como funcion de Green). Para un sistema general la
respuesta impulsional depende el punto al cual la funci
on delta es aplicada; es decir para un
impulso localizado en x = x0 la respuesta impulsional es denotada por h (x; x0 ), en otras palabras
si el sistema esta caracterizado por:
S ff (x)g = g (x)
(2.111)
Se representa la salida por g (x) = h (x; x0 ) cuando f (x) = (x x0 ) =. Por tanto:
S f (x x0 )g = h (x; x0 )
(2.112)
Si ahora se considera un sistema LSI caracterizado por el operador L fg se nota que para una
entrada impulsiva aplicada en el origen; la salida es:
L f (x)g = h (x; 0)
(2.113)
Mientras que para el caso x = x0 la salida es descrita por:
L f (x x0 )g = h (x; x0 )
(2.114)
Debido a que el sistema es invariante a desplazamiento, la segunda respuesta debe ser identica
a la primera, excepto que es desplazada por una cantidad x0 a lo largo del eje x; por consiguiente:
L f (x x0 )g = h (x x0 ; 0)
(2.115)
h (x; x0 ) = h (x x0 ; 0)
(2.116)
Es aparente de esta expresi

on que la respuesta impulsional de un sistema invariante a desplazamiento depende u
nicamente de la separaci
on del punto de observaci
on x y del punto x0 al cual la
66
entrada es aplicada, y no del valor de ambos. Cambiando la notacion para la respuesta impulsional
de tal sistema a una forma mas concisa se encuentra que:
L f (x x0 )g = h (x x0 )
(2.117)
Como resultado importante, cuando la entrada es aplicada en el origen, la respuesta impulsional

se reduce a:
L f (x)g = h (x)
(2.118)
Por tanto los sistemas LSI son totalmente caracterizados por su respuesta impulsional. Esta
es una propiedad muy importante de estos sistemas, y es de gran aplicacion. Las guras 2.14 y
2.15 muestran algunas respuestas impulsionales tpicas. Es importante anotar que la respuesta
impulsional de un sistema LSI cuando a la entrada se tiene una funcion delta; no es otra funcion
delta.
2.6 EXPONENCIALES COMPLEJOS, FUNCIONES PROPIAS DE

LOS SISTEMAS LSI
Cuando la entrada a un sistema esta descrita por una funcion propia del sistema, la salida es
simplemente el producto de la entrada y una constante compleja de proporcionalidad. Para expresar
esta situaci
on matematicamente, sea (x; 0 ) la funcion propia del sistema LSI L fg, donde 0 es
una constante real arbitraria. Luego, si (x; 0 ) es la entrada del sistema la salida esta dad por:
L f (x; 0 )g = H (0 ) (x; 0 )
(2.119)
La constante de proporcionalidad de valor complejo H (0 ) es llamada el valor propio asociado

con la funcion propia (x; 0 ), y depende del valor de la constante 0 . Si se escribe:
H (0 ) = A (0 ) ei(0 )
(2.120)
on o ganancia de H (0 ), y (0 ) es la fase por consiguiente

Donde A (0 ) describe la atenuaci
se puede escribir:
2.6 EXPONENCIALES COMPLEJOS, FUNCIONES PROPIAS DE LOS SISTEMAS LSI
L f (x; 0 )g = A (0 ) ei(0 ) (x; 0 )
67
(2.121)
Lo cual conduce a una conclusion extremadamente importante: Cuando pasa a traves del sistema una funcion propia, esta puede ser atenuada o amplicada y su fase puede ser desplazada;
pero la entrada permanece invariante en forma. El exponencial complejo ei20 x es una funci
on
propia de cualquier sistema LSI, con ei20 x de entrada a este tipo de sistema; la salida debe ser
escrita como:
L ei20 x = g (x; 0 )
(2.122)
Supongase que una versi

on desplazada de este exponencial es aplica al sistema; la entrada ahora
es ei20 (xx0 ) donde x0 es tambien una constante real. Luego por la propiedad de linealidad:
o
n
L ei20 (xx0 ) = L ei20 x ei20 x0 =
(2.123)
o
n
L ei20 (xx0 ) = ei20 x0 L ei20 x
(2.124)
o
n
L ei20 (xx0 ) = ei20 x0 g (x; 0 )
(2.125)
Aplicando la invarianza a desplazamiento:
n
o
L ei20 (xx0 ) = g (x x0 ; 0 )
(2.126)
Recombinanado las ecuaciones se obtiene:
g (x x0 ; 0 ) = ei20 (x0 ) g (x; 0 )
(2.127)
De esta forma de relaci

on puede ser visto que g (x; 0 ) debe ser de la forma:
g (x; 0 ) = H (0 ) ei20 x
(2.128)
68
Donde H (0 ) representa una constante de valor complejo; luego:
L ei20 x = H (0 ) ei20 x
(2.129)
Se encuentra que el exponencial complejo ei20 x corresponde a una funci

on propia de un
sistema LSI. Con H (0 ) el valor propio asociado; es interesante ver que el valor de H (0 ) puede
ser encontrado reemplazando x = 0 en la ecuaci
on 2.128, esto es:
H (0 ) = g (0; 0 )
(2.130)
Este resultado pone en evidencia que H (0 ) tiene un valor igual que el de la salida en el origen,
si se asume una entrada de la forma ei20 x .
En el an
alisis anterior obviamente el valor propio H (0 ) es una funcion de 0 , la frecuencia de
la funci
on propia de entrada, pero el valor de 0 es completamente arbitrario; denotado de esta
manera H (0 ) es frecuentemente llamado la funci
on de transferencia (respuesta frecuencial) del
sistema y se demostrar
a que corresponde a la transformada de Fourier de la respuesta impulsional
h (x); la cual describe la atenuacion y la fase experimentada por una funci
on propia exponencial
que pasa a traves del sistema y es una funcion de la frecuencia de esta funcion propia.
Se ha visto que sucede cuando la entrada a cualquier sistema LSI es un exponencial complejo
de la forma ei20 x ; si ahora se considera un sistema especial LSI, el cual tiene una respuesta
impulsiva de valor real; tal sistema transforma una entrada de valor real y es por tanto la clase
de sistema mas com
unmente encontrado en la pr
actica. La funci
on de transferencia H (0 ) de esta
clase de sistema es Hermtica, es decir la parte real de H (0 ) es par y la parte imaginaria es impar,
propiedad que puede ser expresada como:
H (0 ) = H (0 )
(2.131)
En realidad hasta ahora se conoce que clase de salida tendra el sistema cuando la entrada es
ei20 x ; ahora se debe encontrar lo que sucede con la salida cuando la entrada es una funcion coseno
o seno; es decir para una entrada de la forma cos (20 x) la salida es:
2.6 EXPONENCIALES COMPLEJOS, FUNCIONES PROPIAS DE LOS SISTEMAS LSI
L fcos (20 x)g = L
1 i20 x
+ ei20 x
e
2
69
(2.132)
L fcos (20 x)g =
1 i20 x 1 n i2(0 )x o
+ L e
L e
2
2
(2.133)
L fcos (20 x)g =
1
1
H (0 )ei20 x + H (0 )ei20 x
2
2
(2.134)
Si se tiene en cuenta la propiedad H (0 ) = H (0 ):
L fcos (20 x)g =
1
H (0 )ei20 x +
H (0 )ei20 x
2
2
(2.135)
Lo que conduce a :
L fcos (20 x)g = Re H (0 )ei20 x
(2.136)
Si se tiene en cuenta que H (0 ) = A (0 ) ei(0 ) :
L fcos (20 x)g = A (0 ) cos [20 x (0 )]
(2.137)
Y puede ser visto que para esta clase sistemas especiales LSI una entrada coseno produce una
salida coseno, posiblemente atenuada y desplazada, donde se cumple que:

L Re ei20 x = Re L ei20 x
Este resultado se muestra en la gura 2.16.
(2.138)
70
Figura 2.16. Efectos de la funci

on de transferencia sobre la amplitud y la fase de se~
nales
cosenoidales
Por ahora se debe empezar a comprender las razones para la discusi

on de los topicos de la
descomposici
on de Fourier, superposicion, funciones propias, etc. Para destacar la importancia de
esta comprensi
on, considere el problema de encontrar la salida de un sistema LSI para una se~
nal
de entrada arbitraria, se muestra aparentemente que se puede descomponer esta se~
nal de entrada
en sus componentes de Fourier las cuales son exponenciales complejos de la forma ei2x , pero se
conoce e que estos exponenciales son funciones propias de los sistemas LSI; por tanto si es conocida
la funci
on de transferencia del sistema se puede determinar cuantas de esas componentes de Fourier
son atenuadas y desplazadas en fase al pasar a traves del sistema. Luego aplicando el principio
de superposicion la respuesta total puede ser encontrada adicionando todas estas componentes
atenuadas y desplazadas en fase, este hecho justica el estudio de este topico para el desarrollo de
sistemas opticos.
2.7 CONVOLUCION MATEMATICA
71
2.7 CONVOLUCION MATEMATICA

2.7.1 Denici
on de la operaci
on convoluci
on
Formulismo matem
atico. La convolucion de dos funciones de valores reales f (x) y h (x), para
las cuales se utiliza la notaci
on f (x) h (x) es denida por la integral:
f (x) h (x) =
1
1
f () h(x )d
(2.139)
Esta integral es claramente una funci

on de la variable independiente x, y por tanto se puede
representar por una tercera funcion:
f (x) h (x) = g (x)
(2.140)
La operacion convoluci
on puede ser vista simplemente como el proceso de encontrar el area
del producto de f () y h (x ). El proposito de este taller es aprender a realizar la operacion
convoluci
on graca y matem
aticamente.
Funciones utilizadas para la operaci
on convoluci
on. Considere las siguientes funciones (ver
g 2.17) para la realizacion del taller:
Figura 2.17. Funciones a convolucionar f (x) y h (x)
Procedimiento gr
aco para la convoluci
on. a.) Gracar las funciones con la variable en el
eje horizontal
b.) Gracar la funci
on h () la cual es simplemente una im
agen de espejo de la funcion h ()
c.) El producto f () h (x ) = f () h () es encontrado y gracado.
72
d.) El area de este producto es calculado y corresponde al sobrelapamiento de las dos areas de las
funciones a convolucionar, para el caso x = 0 es :
Z
f () h()d = g (0)
(2.141)
e.) Se retoma el paso b.) y un nuevo valor para x = 1; se realiza todo el procedimiento anterior.
f.) La operacion naliza cuando ya no exista sobrelapamiento entre las gracas de las dos funciones.
g.) Luego se realiza una gr
aca de g (x) contra x
Convoluci
on por integraci
on directa.
Z 1
f (x) h (x) =
f () h(x )d
(2.142)
El principal problema se presenta en la denicion de los limites de integraci

on. Para un mejor
entendimiento se ha dividido el problema en los siguientes intervalos de integracion:
a.) x 1 El producto f () h (x ) es igual a cero en este intervalo. ; por tanto g (x) = 0

b.)1 < x 2 en este intervalo se tiene que:
g (x) = f (x) h (x) =
g (x) = f (x) h (x) =
f () h(x )d
2
2
h(x )d =
3
3
(2.143)
x+1
d =
(x + 1)
3
(2.144)
c.) 2 < x 3 el limite de integraci

on superior es constante y por tanto:
2
g (x) =
3
d = 3
(2.145)
d.) 3 < x 6 La integral toma la forma:
2
g (x) =
3
x3
d = 3
(x 3)
3
e.) x > 6 El producto f () h (x ) = 0 , en todo el intervalo; por tanto g (x) = 0

f.) Finalmente se dene explicitamente la funcion g (x)
(2.146)
2.10 PROPIEDADES DE LA CONVOLUCION
73
2.8 CONVOLUCION DE VARIAS FUNCIONES

f (x) = v (x) w (x) =
v() w(x )d
(2.147)
La Convoluci
on de f (x) h (x) sera:
Z 1
g (x) = [v (x) w (x)] h (x) =

v() w(x )d h (x) =
1
Z 1 Z 1
v() w(x )d h (x ) d
1
(2.148)
2.9 CONDICIONES DE EXISTENCIA DE LA CONVOLUCION

Si f (x) y h (x) son monovaluadas se debe cumplir una de las siguientes condiciones:
1. Si f (x) y h (x) son absolutamente integrables sobre el intervalo semi-innito (1; 0).
2. Si f (x) y h (x) son absolutamente integrables sobre el intervalo semi-innito (0; 1).
3. Si f (x) o h (x), o ambas son absolutamente integrables sobre el intervalo innito (1; 1).
Ejemplos:
EXISTE LA CONVOLUCI
oN
NO EXISTE LA CONVOLUCIoN
step (x) step (x)
step (x) step (x)
1 rect (x)
1 step (x)
tri (x) sgn (x)
ramp (x) sgn (x)
rect (x) cos (20 x)
cos (20 x) cos (20 x)
2.10 PROPIEDADES DE LA CONVOLUCION

1. CONMUTATIVA:
g (x) = f (x) h (x) = h (x) f (x)
(2.149)
2. DISTRIBUTIVA:
[av (x) bw (x)] h (x) = a [v (x) h (x)] + b [w (x) h (x)]
(2.150)
74
3. INVARIANZA A DESPLAZAMIENTO:
g (x x0 ) = f (x x0 ) h (x)
(2.151)
g (x x0 ) = f (x) h (x x0 )
(2.152)
4. ASOCIATIVA:
[v (x) w (x)] h (x) = v (x) w (x) h (x) = v (x) h (x) w (x) = h (x) v (x) w (x)
(2.153)
=
5. EN FUNCIONES DELTA:
Z
f () ( x)d =
f () (x )d = f (x)
f (x) (x ) = f (x)
(2.154)
(2.155)
2.11 CONVOLUCION Y SISTEMAS LSI

Sea un sistema LSI caracterizado por su operador L fg teniendo una respuesta impulsional h (x).
Para una entrada f (x) la salida es dada por:
g (x) = L ff (x)g
(2.156)
Se ha probado que:
Z
f () (x )d = f (x)
(2.157)
Por consiguiente:
g (x) = L
f () (x )d
Utilizando la propiedad de linealidad del sistema LSI:
(2.158)
g (x) =
f () dL f(x )g
75
(2.159)
Pero L f(x )g es la respuesta impulsional del sistema. Finalmente se demuestra que:
g (x) =
f () h(x )d
(2.160)
Por tanto la salida de un sistema LSI es dada por la Convoluci

on de la entrada con la respuesta
impulsional del sistema.

2.12.1 Transformaci
on de una se~
nal de entrada en una se~
nal de salida
Para visualizar esta situacion se ha escogido como ejemplo un sistema que tiene como respuesta
impulsional idealizada la mostrada en la gura 2.18 y para la cual la entrada es una se~
nal variando
temporalmente consistiendo de cuatro funciones delta.
f (t) = (t + 2) + (t 1) + (t 3) + (t 6)
La cual tambien es mostrada en la gura 2.18; por tanto la salida es dada por:
Figura 2.18. Sistemas LSI
(2.161)
76
g (t) = f (t) h (t)
(2.162)
g (t) = [ (t + 2) + (t 1) + (t 3) + (t 6)] h (t)
(2.163)
g (t) = h (t + 2) + h (t 1) + h (t 3) + h (t 6)
(2.164)
Es aparente que cada termino de esta expresion representa la respuesta a una componente de
funcion delta individual, mientras que la suma de los terminos representa la respuesta a la entrada
total. Ambas las repuestas individuales y la respuesta total son mostradas en la gura 2.19, note
que la respuesta total tiene esmoteado y es mas ancha que la se~
nal de entrada f (t).
En la discusion precedente se toma el punto de vista de que cada parte de la entrada produce
una versi
on pesada y desplazada de h (t) la suma de lo cual produce la salida g (t); Ahora se busca
un segundo pero equivalente punto de vista. Cuando un sistema tiene una respuesta impulsional
similar al que se muestra en la gura 2.18 aparecera un rizado abrupto en los maximos el cual
decaer
a a cero, debe ser claro que la m
as reciente porci
on de ocurrencia de la entrada tendra la
m
as grande inuencia sobre el valor de la salida y cualquier tiempo de observaci
on particular. De
otro lado puede ser confuso como una operaci
on convolucion puede producir este comportamiento.
Figura 2.19. Salida del sistema. a. Respuesta a salida deltas individuales. b. Respuesta total
Para entender esto considere la salida:
g (t) =
f ( ) h (t ) d
(2.165)
77
Lo cual muestra que la salida tiene un valor igual al area bajo el producto de f ( ) h (t ).
As la funci
on es una version reejada y desfasada de la respuesta impulsional y se ve que juega el
papel de factor de peso dependiente del tiempo, el efecto de, lo cual es pesar cada parte de la se~
nal
de entrada de acuerdo al intervalo entre el tiempo de ocurrencia y el tiempo en el cual la medici
on
es hecha.
2.12.2 Correlaci
on cruzada y autocorrelaci
on
Dadas dos funciones de valor complejo f (x) y g (x) se dene la correlaci
on cruzada de f (x) con
g (x) como:
f (x) ?g (x) =
f () g ( x)d
(2.166)
Esta operaci
on es similar a la convoluci
on, pero existe una diferencia importante, la funcion
g (x) no es vista como en el caso de la convoluci
on; si se hace el cambio de variable = x la
ecuaci
on anterior se convierte en:
f (x) ?g (x) =
f ( + x) g ()d
(2.167)
Lo cual permite la conclusi

on de que en general:
f (x) ?g (x) 6=f (x) ?g (x)
(2.168)
As; a diferencia del caso de la convoluci

on la operaci
on correlacion cruzada no es conmutativa,
sin embargo puede ser expresada en terminos de la convolucion como:
Z
f () g ( x)d =
1
1
f () g
x
x
d = f (x) g
= f (x) g (x)
1
1
(2.169)
Luego se muestra que:
f (x) ?g (x) = f (x) g (x)
(2.170)
Las condiciones para la existencia de esta operaci

on son las mismas que para la convolucion. Pero
ellas pueden ser ahora aplicadas directamente. Si f (x) = g (x) entonces se dene esta operaci
on
como la operaci
on autocorrelaci
on.
78
2.12.3 Represetanci
on matem
atica de un objeto bidimensional
A. Encuentre explcitamente la ecuaci
on matematica que describe la geometra del objeto que se
encuentra en el plano UA (x; y) de la gura 2.20, la cual consiste de una cuadricula de lado l que
ocupa todo el plano.
De la gr
aca se observa que el ancho de cada cuadricula de la gura de difracci
on tiene dimensiones l por tanto la soluci
on en el eje de las X se obtiene como una convolucion de (ver gura
2.21) :
rect
!
x
(2.171)
l
2
Con una peinilla de Dirac de la forma:
comb (x) =
1
X
(x 2nl)
(2.172)
n=1
Figura 2.20. Objeto propuesto
rect
!
x
l
2
1
X
(x 2nl)
(2.173)
n=1
Situaci
on an
aloga para el caso del eje Y
rect
!
y
l
2
1
X
(y 2nl)
n=1
(2.174)
79
La expresi
on buscada es por consiguiente:
"
UA (x; y) = rect
"
!
x
rect
l
2
!
y
l
2
1
X
(x 2nl)
n=1
1
X
#
#
(y 2nl)
(2.175)
n=1
Figura 2.21. Descomposici

on del objeto propuesto
B. Demuestre matematicamente la siguiente propiedad (f (x), es una funcion arbitraria).
x x0
f (x) comb
=jbj
b
1
X
f (xo + nb) (x xo nb)
(2.176)
n=1
De las propiedades de la funci

on peinilla de Dirac se tiene que:
1
x i
X
1 h
(x nb)
comb
=
jbj
b
n=1
(2.177)
Para una funcion desfasada:
1
X
x x0
1
(x x0 nb)
comb
=
jbj
b
n=1
Introduciendo la funci
on:
(2.178)
80
f (x)
1
x x0
comb
=
jbj
b
1
X
(x x0 nb)
f (x)
(2.179)
n=1
Para introducir la funci

on dentro de la sumatoria se debe cumplir la propiedad de la f8unci
on
delta de Dirac:
1
x x0
f (x)
comb
=
jbj
b
1
X
f (x0 + nb) (x x0 nb)
(2.180)
n=1
Lo cual nalmente se puede escribir como:
x x0
f (x) comb
=
b
jbj
1
X
f (x0 + nb) (x x0 nb)
(2.181)
n=1
C. Realice una graca detallada para el caso en el cual x0 = 0, b =
La soluci
on graca se encuentra en la gura 2.22.
Figura 2.22. Gaussiana muestreada
T
4
y f (x) = Ae( T ) .
x
2.12.4
81
Transformada de Fourier y propiedades
A. Teniendo en cuenta la expresi

on matematica obtenida en el literal A del numeral I; encuentre
explcitamente su transformada de Fourier.
= [UA (x; y)]
(2.182)
Debido a la simetra en las dos componentes ya que UA (x; y) es uan funcion de variables
separables, la solucion se puede plantear de la siguiente forma:
= [UA (x; y)] = = [VA (x) WA (y)]
(2.183)
Por propiedad de las funciones de variables separables:
= [UA (x; y)] = = [VA (x)] = [WA (y)]
(2.184)
donde:
"
VA (x) = rect
!
x
l
2
"
WA (y) = rect
!
y
l
2
1
X
(2.185)
(2.186)
(x 2nl)
n=1
1
X
(y 2nl)
n=1
En el eje de las x:
= [VA (x)] = =
""
rect
!
x
l
2
1
X
##
(x 2nl)
(2.187)
n=1
Por propiedades de la transformada de Fourier:
= [VA (x)] = =
""
rect
!#
x
l
2
"
1
X
(x 2nl)
n=1
##
(2.188)
82
"
= rect
"
!#
x
1
X
l
2
l
= sinc
2
#
(x 2nl) =
n=1
n

2l
n=1
1
X
(2.189)
(2.190)
Resultado similar se obtiene en el eje de las y por consiguiente el resultado nal buscado es:

l2
l
l
sinc
UA (; ) = sinc
4
2
2
1
1
X
n X
n

2l n=1
2l
n=1
(2.191)
Utilizando propiedades de la funci

on delta de Dirac:
UA (; ) =
1
n
l2 X
n
sinc

4 n=1
4
2l
1
X
sinc
n=1
n
n

4
2l
(2.192)
B. Demuestre explicitamente una de las propiedades de la transformada de Fourier que haya

utilizado en la soluci
on del literal A numeral III.
Soluci
on Libre.
Figura 2.23. Cuadrado de la transformada de Fourier
83
2.12.5 Aplicaci
on
Realice una graca del cuadrado de la transformada de Fourier obtenida en el literal A del numeral
III del presente ex
amen. La soluci
on graca se encuentra en la gura 2.23.
2.12.6 Representaci
on matem
atica de un objeto bidimensional
Figura 2.24. Objeto propuesto
A. Encuentre explcitamente la ecuacion matem

atica que describe la geometra del objeto que
se encuentra en el plano UA (x; y) de la gura 1; el cual consiste de dos rejillas de anchura D y
altura H separadas una distancia L.
SOLUCION:
De la gura 1 y aplicando la nocion de variables separables UA (x; y) = UA (x) UA (y). En el eje

de las y la gura es la convoluci
on de un delta par con un rectangulo de altura D en el eje y es
decir:
h
y i
UA (y) = (y) Drect
H
(2.193)
La gura anterior se puede ventanear por la gura en el eje x:
UA (x) = rect
x
D
(2.194)
De la denici
on del delta par y de la gura se requiere ademas la condicion: H = 1 para que la
gura se corresponda; es decir:
84
UA (y) = (y) [Drect (y)]
(2.195)
Finalmente se obtiene la expresi

on:
UA (x; y) = rect
x
D
[ (y) [Drect (y)]]
(2.196)
2.12.7 Ejercicios pr
acticos
Considere la se~
nal mostrada en la gura 5.
Figura 2.25. Se~

nal propuesta
A. Utilizando las propiedades de la convolucion encuentre explicitamente la expresi

on matem
atica
que la describe f (t).
SOLUCION:
La se~
nal corresponde a la convoluci
on de un rect con una comb; es decir:
f (t) = Arect
2t
T
1
X
(t nT )
(2.197)
n=1
B. Encuentre explcitamente el espectro de esta se~

nal y realice una gr
aca. (Valor 0.6 puntos)
SOLUCION:
De la teora de Fourier se conoce que:
F () = =[f (t)]
85
(2.198)

"
F () = = Arect
2t
T
1
X
(t nT )
(2.199)
n=1
Aplicando propiedades de la transformacion de Fourier:

#
" X
1
2t
(t nT )
F () = = Arect
=
T
n=1
(2.200)
De donde se obtiene:
T
F () = A sinc
2
T
2
X
1
n

T
n=1
1
T
Si se tiene en cuenta que 0 =
A
F () = sinc
2
20
X
1
(2.201)
( n0 )
(2.202)
n=1
Para introducir el sinc dentro de la funcion comb se debe cumplir que = n0 ; es decir, se
obtiene nalmente:
F () =
1
n
A X
sinc
( n0 )
2 n=1
2
(2.203)
La graca del espectro esta dada por la gura 6.
2.12.8 Transformada de Fourier y propiedades

A. Teniendo en cuenta la expresi
on matematica obtenida en el literal A del numeral I; encuentre
explcitamente su transformada de Fourier.
SOLUCION:
86
Figura 2.26. Espectro de la se~

nal
h
h
x ii
UA (x; y) = (y) Drect (y)rect
D
(2.204)
UA (; ) = =[UA (x; y)]
(2.205)
Reemplazando:
h
h
x ii
UA (; ) = = (y) Drect (y)rect
D
(2.206)
Por propiedades de la transformacion de Fourier:
h
x i
UA (; ) = =[ (y)]= Drect (y)rect
D
(2.207)
UA (; ) = [cos (2)] D2 sinc (D)sinc ()
(2.208)
Finalmente se obtiene:
UA (; ) = D2 sinc (D)sinc () cos (2)
(2.209)
B. Demuestre explicitamente una de las propiedades de la transformada de Fourier que haya

utilizado en la soluci
on del literal A numeral III.
87
SOLUCION:
La propiedad utilizada corresponde a la transformada de una convolucion
Sea g (x) = f (x) h (x), g (x) una funcion con transformada de Fourier G (), f (x) una funcion
con transformada de Fourier F () y h (x) una funcion con transformada de Fourier H () entonces:
G () = F ff (x) h (x)g = F () H ()
(2.210)
n es simplemente el producto de
La transformada de Fourier de una convolucio
las transformadas de las funciones individuales
Figura 2.27. Cuadrado de la transformada de Fourier
2.12.9 Aplicaci
on
Realice una graca del cuadrado de la transformada de Fourier obtenida en el literal A del numeral
III del presente ex
amen.
SOLUCION:
La gr
aca del cuadrado de la transformada de Fourier esta dada por la gura 7.
3. FILTROS LINEALES Y SISTEMAS LSI
3.1 CARACTERISTICAS Y APLICACIONES DE LOS FILTROS

LINEALES
Se conoce que la salida de un sistema LSI puede ser calculada directamente en el dominio de la
entrada por la convoluci
on de la entrada con la respuesta impulsional del sistema; por tanto la
salida se puede ver como una version esmoteada de la entrada.
La salida tambien puede ser calculada en el dominio frecuencial, donde el concepto de ltro es
encontrado adecuado, es decir el espectro de salida es una versi
on ltrada del espectro de entrada.
En este seminario estudiaremos el concepto de ltrado, estudiaremos la aplicacion de varios tipos
de ltros lineales y se introducira el concepto de muestreo y recuperacion de una se~
nal.
3.1.1 Sistemas lineales como ltros

Si se considera un sistema LSI (ver gura 3.1) El cual se caracteriza por su respuesta impulsional
h (x) y su funci
on de transferencia H (). A este sistema se le aplica una se~
nal de entrada f (x) con
espectro F (), entonces se obtiene la se~
nal de salida G () respectivamente. En el curso de Optica
Fsica se demostr
o que el espectro de salida puede ser calculado por:
G () = F () H ()
(3.1)
Se pretende determinar como G () es afectada por H (); para ello la funcion de transferencia
se puede escribir como:
H () = AH () eiH ()
(3.2)
Donde ambas AH () y H () son funciones bipolares de valor real, a los cuales se les llama
amplitud de la funci
on de transferencia del sistema y fase de la funci
on de transferencia del sistema
90
Figura 3.1. Sistema LSI
respectivamente.
En la representaci
on frecuencial:
F () = AF () eiF ()
(3.3)
G () = AG () eiG ()
(3.4)
La salida puede ser expresada como:
AG () eiG () = AF () AH () ei(F ()+H ())
(3.5)
Claramente la amplitud del espectro de salida es justamente el producto de la amplitud del

espectro de entrada y la amplitud de la funcion de transferencia; mientras que la fase del espectro
de salida es simplemente la suma de los espectros de la fase de entrada y de la fase de la funci
on
de transferencia:
AG () = AF () AH ()
(3.6)
G () = (F () + H ())
(3.7)
Por tanto ahora se puede expresar la se~

nal de salida en terminos de AF (), F (), AH () y
H (); es decir:
3.1 CARACTERISTICAS Y APLICACIONES DE LOS FILTROS LINEALES
91
g (x) = F 1 [G ()]
(3.8)
h
i
g (x) = F 1 AF () AH () ei(F ()+H ())
(3.9)
De tal forma que solo necesitamos determinar los efectos de la amplitud y de la fase de la funci
on de transferencia sobre la amplitud y la fase del espectro de entrada. Es conveniente considerar
separadamente los efectos de tal forma que si un sistema es tal que eiH () = 1 para todo se
denomina ltro de amplitud y si se trata de un sistema donde AH () = 1 para todo el sistema es
un ltro de solo fase. En la realidad siempre nos encontraremos con una combinaci
on de los dos;
sin embargo uno de ellos predominara sobre el otro, por tanto los estudiaremos separadamente y
luego en combinacion.
Consideremos un sistema con funcion de transferencia bipolar de valor real AH (), este sistema
se puede mirar como un ltro de amplitud con n entero:
AH () = H ()
(3.10)
H () = n2
(3.11)
O un ltro combinado con:
AH () =j H () j
0
B
H () = B
@
n2
(2n + 1)
(3.12)
H () > 0
H () < 0
1
C
C
A
Ademas si j H () j= 1 el sistema es un ltro de pura fase.

3.1.2 Filtros de amplitud
Con la condici
on que eiH () = 1 para ltros de amplitud se tiene entonces que:
(3.13)
92
h
i
g (x) = F 1 AF () AH () ei(F ())
(3.14)
La amplitud del espectro de entrada es modicada por AH () pero la fase del espectro es
inalterada; la naturaleza exacta de los cambios en la amplitud de la se~
nal depende de los paramentos
del sistema, pero en general la amplica o la aten
ua, en el caso de sistemas pasivos se asume que
el u
nico efecto es la atenuaci
on y por simplicidad se tiene entonces que: j AH () j 1 y H () = 0
Si se consideran la clase de sistemas para los cuales AH () es una constante es decir AH () = A
donde j A j 1 por tanto la salida es simplemente una versi
on atenuada no distorsionada de la
entrada,en ese caso nos encontramos ante los llamados ltros de amplitud no distorsionadores;
Si AH () es variable el sistema introduce una distorsion en la amplitud y por tanto la salida no
tendra la misma forma que la entrada; los ltros de amplitud no distorsionadores son una forma
de ltros pasa todo.
Uno de los mas simples tipos de ltros de amplitud son los ltros de amplitud binaria, tambien
conocidos como ltros ideales, la funcion de transferencia de tal ltro puede u
nicamente tomar
valores de cero o uno, lo cual signica que las componentes de Fourier de la entrada son pasados
todos por el sistema sin alteracion o que ellos son completamente atenuados.
Filtros binarios verdaderos son usualmente considerados no realizables fsicamente, pero son
obtenidos bajo ciertas condiciones opticas. Los Filtros de amplitud continua tiene la exibilidad
adicional que pueden causar que varias componentes de Fourier de le entrada sean atenuadas en
alg
un grado no todas o ninguna como ocurre con los ltros binarios, ademas ltros de amplitud
continua son mas frecuentemente encontrados en la practica que los ltros binarios. Funciones de
transferencia tpicas para estos dos tipos de ltros de amplitud son mostrados en la gura 3.2
Las dos primeras guras son ilustrativas de ltros pasa bajo, tales ltros pasan sin atenuacion
todas las componentes de Fourier para las cuales es menor que la frecuencia de corte c mientras
que aten
uan todas las componentes para las cuales j j> c . Se debe notar que cuando una se~
nal de
banda limitada pasa a traves de un ltro ideal pasa bajo no debe aparecer distorsion en la amplitud
as como que la frecuencia de corte del ltro es m
as grande que la del espectro de la se~
nal, esto
es debido a que la cantidad debe corresponder con la frecuencia de corte de un ltro pasa bajo ideal.
Los ltros pasa alto efectivamente pasan todas las componentes espectrales para las cuales j j
es mas grande que alg
un valor especicado y elimina esas componentes para las cuales j j es
93
Figura 3.2. Filtros de amplitud
menor que ese valor. Filtros que pasan u

nicamente las componentes de Fourier dentro de bandas
de frecuencia especicas mientras que bloquean otras cuyas frecuencias estan por fuera de estas
bandas son llamados ltros pasa banda, las funciones de transferencia para ltros pasa banda y
pasa alto se muestran en la gura 3.2.
Ejemplo. Con el proposito de observar los efectos producidos por los ltros de amplitud, vamos
a considerar un ejemplo simple; por conveniencia se ha escogido un ltro de amplitud binario pasa
bajo, cuya funcion de transferencia tiene la forma general siguiente
H() = rect
2c
La se~
nal de entrada es una funcion de onda rectangular:
(3.15)
94
x
1
f (x) = rect(x) comb
2
2
(3.16)
Con espectro dado por:
F () = sinc()comb(2)
(3.17)
Figura 3.3. Funci

on de onda rectangular usada como ejemplo para ltros de amplitud y su
espectro
Como se muestra en la gura 3.3 el espectro de la salida puede ser expresado como:
G() = sinc()comb(2)rect
2c
(3.18)
Debido a que el valor de la frecuencia de corte c gobierna el ancho de la funci

on de transferencia
y este a su vez determina como algunas de las componentes espectrales aparecen a la salida, el
espectro de salida y por tanto la misma salida depende fuertemente del valor de c . La respuesta
impulsional de este sistema por tanto es:
h(x) = 2c sinc (2c x)
(3.19)
La forma de la convoluci
on de la salida es por tanto:
x
1
g(x) = rect (x) comb
[2c sinc (2c x)]
2
2
(3.20)
Donde se observa que la ecuaci

on anterior es conveniente para determinar los efectos del sistema de una manera cualitativa; pero no es muy u
til para obtener resultados cuantitativos. Ahora
95
procederemos a calcular la salida para varios valores de la frecuencia de corte.
1. Si la frecuencia de corte es c = 1. La funcion de transferencia es la unidad para todo ;

no existe accion de ltrado producido por el sistema y todas las componentes de Fourier de le
entrada son pasadas sin atenuaci
on o desfasaje. El espectro de salida es exactamente el mismo que
el espectro de entrada por tanto las se~
nales de salida y entrada son iguales; por tanto:
g(x) = f (x)
(3.21)
Si se observa esta situaci

on en el dominio de la se~
nal de entrada, la respuesta impulsional llega
a ser la funci
on delta y se conoce que la convoluci
on con esta funcion no produce esmoteado de la
se~
nal de entrada. (ver g. 3.4).
Figura 3.4. Efecto de un ltro pasa todo sobre la entrada de onda rectangular
2. Si c = 2 La funcion de transferencia llega a ser una funcion rectangulo cuyo ancho es cuatro
unidades como se muestra en la gura 3.5. Como resultado la frecuencia fundamental cero y los tres
armonicos componentes de la entrada son pasados inalteradamente, pero todas las componentes
de alta frecuencia son ltradas a la salida; por tanto el espectro de salida es:

G() = rect
sinc()comb(2)
4
(3.22)

1
X
n
1
sinc()

G() = rect
4
2
2
n=1
(3.23)
96
X
1
n
n
1
G() = rect
sinc

4 n=1 2
2
2

1 2
1
1
1
1

+ +
G() = () +
2
2
2
1 2
3
2
3
+

+
2 3
2
3
2
2
2
1
G() = () + (2)
2
2
3
(3.24)
(3.25)
(3.26)
Por consiguiente la salida es obtenida como:
g(x) =
1
2
2
+ cos (x)
cos (3x)
2
3
(3.27)
Figura 3.5. Efecto de un ltro ideal pasa bajo sobre la entrada de onda rectangular para
c = 2
3. Si c = 1 la funci
on de transferencia es ahora una funcion rectangulo de ancho dos y el
espectro de salida es encontrado como:
X
1
n
n
1
G() = rect
sinc

2 n=1 2
2
2
(3.28)
G() =
1
2
() + (2)
2
97
(3.29)
Por consiguiente la salida es obtenida como:
g(x) =
2
1
+ cos (x)
2
(3.30)
Lo cual signica que la se~

nal de salida contiene u
nicamente la frecuencia cero y las componentes
fundamentales de la entrada. Todas las componentes con frecuencia m
as alta que la fundamental
son ltradas. (Ver gura 3.6). Es interesante mostrar que la salida sera escasamente descrita para
el rango 0:5 < c < 1:5.
Desde el punto de vista de la convoluci

on. La respuesta impulsional ahora tiene un ancho de
aproximadamente el periodo de f (x) como se muestra en la gura 3.6 y el esmoteado resultante es
mayor que en los anteriores ltrados. Se debe puntualizar que es muy difcil determinar la forma
exacta de la salida por el metodo de convolucion.
c = 1
4. Si c = 0:25; se tiene que H() = rect (2); as que:
1
n
X
n
1
G() = rect (2)
sinc

2
2
2
n=1
G() =
1
()
2
(3.31)
(3.32)
98
As, la componente fundamental de Fourier, y todos los arm

onicos altos ahora han sido eliminados por el sistema y la salida simplemente llega a ser una constante como se muestra en la gura
3.7.
g(x) =
1
2
(3.33)
De nuevo es interesante notar que tan grande como es 0 < c < 0:5 la salida tendra el valor
constante de 0.5. Viendo la salida una vez mas como una convolucion, la respuesta impulsional es
tan ancha que esmotea completamente todas las variaciones en la entrada.
c = 0:25
En este ejemplo de ltro de amplitud binario se ha visto que el ancho de la funcion de transferencia inuye en la salida del sistema: entre m
as ancha la funci
on de transferencia mas parecida
es la se~
nal de salida a la se~
nal de entrada y entre menos ancha la funcion de transferencia menos
parecidas las dos se~
nales.
En la gura 3.8 se ilustra la funci

on de transferencia y la respuesta impulsional para varios
diferentes ltros de amplitud. En resumen se debe indicar el comportamiento de estos sistemas
mostrando la salida cuando la entrada es de la forma como el ejemplo anterior.
99
Figura 3.8. Funciones de transferencia, respuesta impulsional para diferentes ltros de amplitud
3.1.3 Filtros de Fase

Un ltro de fase es un sistema que causa que el espectro de la fase de la se~
nal de entrada sea alterado
de alguna forma; mientras el espectro de amplitud de la se~
nal de entrada permanezca inalterado.
Debe ser notado sin embargo que un ltro de fase verdadero es simplemente un caso especial de
ltro pasa todo y es por tanto fsicamente irrealizable. Con la consideraci
on que AH () = 1 para
los ltros de fase, se tiene:
h
i
g (x) = F 1 AF () ei(F ()+H ())
(3.34)
h
i
g (x) = F 1 F () eiH ()
(3.35)
100
Todas las componentes de Fourier de la entrada son pasadas por el sistema sin atenuacion, pero
la fase de estas componentes puede ser desplazada; como resultado todas las componentes de la
entrada estar
an a la salida pero sus posiciones relativas han sido modicadas a tal grado que la
salida es severamente distorsionada.
Se comenzara el an
alisis de los ltros de fase considerando el caso para el cual la funcion H ()
varia linealmente con es decir un ltro con fase lineal, especcamente el caso es:
H () = 2x0
(3.36)
Donde x0 es una constante real, por tanto el espectro de salida es:
G() = F ()ei2x0
(3.37)
G() = AF ()ei(F ()+2x0 )
(3.38)
Y se puede ver que mientras todas las componentes de la entrada estan presentes en la salida,
ellas tienen un desfasaje de 2x0 . La salida por tanto es:
g (x) = F 1 F ()ei2x0
(3.39)
g (x) = f (x x0 )
(3.40)
Se puede observar que un ltro de fase lineal simplemente causa que la salida sea una versi
on
desfasada de la se~
nal de entrada. Se debe notar que la cantidad de desfasaje introducido por el
ltro de fase lineal es igual a la pendiente de H () dividida por 2, es decir:
shif t =
1 d
(2x0 ) = x0
2 d
La respuesta impulsional de este ltro lineal es dada por:
(3.41)
101
h (x) = F 1 ei2x0
(3.42)
h (x) = (x x0 )
(3.43)
Y de la expresi
on anterior es facil observar que la se~
nal de salida es una versi
on desfasada de
la se~
nal de entrada
g (x) = f (x) h (x)
(3.44)
g (x) = f (x) (x x0 )
(3.45)
g (x) = f (x x0 )
(3.46)
Como la salida no se deteriora, este ltro se denomina ltro de fase no distorsionador. Si la

funcion de transferencia no es una funci
on lineal de el sistema normalmente introducir
a una
distorsi
on en la fase; sin embargo para el caso especial donde H () es constante esta armaci
on
es falsa. Por tanto si H () = B donde B es una constante real la salida es exactamente la entrada
multiplicada por eiB , es decir g (x) = f (x) eiB .
Ejemplo. Se considera ahora un ejemplo en el cual distorsion de fase es encontrada. De nuevo la
entrada es una funci
on de onda rectangular y la funci
on de transferencia de fase es:

H () = rect
+ sgn () 1 rect
2
2
(3.47)
Como se muestra en la gura 3.9 es aparente que todas las componentes espectrales para las
cuales j j> 1 ser
an desplazadas en fase por radianes lo cual u
nicamente introduce un signo
inverso, mientras que las componentes para las cuales j j 1 caer
an en un desfasaje que es
proporcional a . Expresando la entrada por una expansion en series de Fourier:
f (x) =
1
2
2
2
+ cos (x)
cos (3x) +
cos (5x)
2
3
5
(3.48)
102
Figura 3.9. Funci

on de transferencia de un ltro de fase que produce distorsi
on de fase
Se nota que el efecto de H () es llevar a la frecuencia cero componentes no desfasadas, desplazar

las componentes fundamentales por
y reversar los signos de todas las componentes del tercer
armonico hacia arriba, de tal forma que la salida puede ser escrita como:
1
2
1
g (x) = + cos x
2
2
2
2
cos (5x) + :::
+ cos (3x)
3
5
Ser
a ahora conveniente adicionar y restar la cantidad
(3.49)
1
2
cos (x) al lado derecho de la
ecuaci
on (49) es decir:
1
2
1
1
2
+ cos x
+
+ cos (x)
2
2
2
1
2
2
2
+ cos (x) +
cos (3x)
cos (5x) + :::
2
3
5
g (x) =
(3.50)
Debido a este desarrollo g (x) se puede expresar como:
2
1
g (x) = 1 f (x) +
cos x
+ cos (x)
(3.51)
1
2 2
cos x
g (x) = 1 f (x) +
(3.52)
Ser
a muy instructivo encontrar la respuesta impulsional para este sistema; La funcion de transferencia tiene la forma:
H() = ei(rect( 2 )+sgn()[1rect( 2 )])
103
(3.53)
Despues de algunas manipulaciones de la ecuacion anterior se obtiene:

H() = rect
1 + ei 1
2
(3.54)
Y la respuesta impulsional por tanto es:
h (x) = 2sinc (2x) [ (x 0:5) + (x)] (x)
(3.55)
h (x) = 2sinc (2 (x 0:5)) + 2sinc (2x) (x)
(3.56)
Tanto g (x) como h (x) son gracadas en la gura 3.10 donde se observa la se~
nal de entrada, la
respuesta impulsional y la distorsi
on notoria en la se~
nal de salida
Figura 3.10. a.) Respuesta impulsional. b) se~

nal de entrada c) se~
nal de salida
Todos estos ltros investigados son llamados ltros de fase continua por el rango de continuidad
de los valores permitidos para H (). Se puede observar que la funcion de transferencia de estos
104
ltros es en general de valor complejo y se puede asumir que cualquier valor se encuentra dentro
de un circulo unitario tal que j H() j= 1. Un ltro de base binario de otro lado tiene una funcion
de transferencia de fase que es limitada justo a dos valores, otra vez la funci
on de transferencia es
generalmente de valor complejo con j H() j= 1 pero es ahora limitada u
nicamente a dos valores
en el circulo unitario.

3.2.1 Filtros lineales
Se tiene un ltro cuya funcion de transferencia est
a dada por:
H () = rect
20
+1
A. Gracar la funci
on de transferencia.
SOLUCION:
La soluci
on esta gracada en la gura 1.
Figura 3.11. Funci

on de transferencia
B. Encontrar analticamente la respuesta impulsional.
SOLUCION:
(3.57)
h (x) = = [H ()] = = rect

+1 =
20
= rect
= [1]
20
105
(3.58)
h (x) = 20 sinc (20 x) + (x)
(3.59)
C. Gracar la respuesta impulsional.
SOLUCION:
La soluci
Figura 3.12. Respuesta impulsional
D. Se considera una se~

nal de entrada como la mostrada en la gura 3. Encuentre explcitamente
la ecuaci
on matem
atica que la representa (Asuma una se~
nal innita).
Figura 3.13. Se~

nal de entrada
106
SOLUCION:
La se~
nal corresponde a la convoluci
on de un tri con una comb; es decir:
f (x) = tri (4x)
1
X
(x n)
(3.60)
n=1
E. Encuentre la se~
nal de salida y concluya que clase de ltro es.
SOLUCION:
La salida por tanto la convoluci

on de la se~
nal de entrada con la respuesta impulsional del
sistema; es decir:
"
g (x) = tri (4x)
1
X
(x n)
n=1
[20 sinc (20 x) + (x)]
(3.61)
Se obtiene un ltro ideal pasa alto
3.2.2 Sistemas LSI

Considere un sistema LSI cuya respuesta impulsional tiene la forma:
h (x) =j
x
1
j sinc2
b
b
(3.62)
Al cual se le aplica una se~

nal de entrada de la forma:
f (x) = A cos (20 x)

A. Encontrar analticamente y gracar la funci
on de transferencia.
SOLUCION:
(3.63)
x
1
H () = = [h (x)] = = j j sinc2
=
b
b
107
(3.64)
De donde se obtiene: Graca de la funcion de transferencia

H () = tri (b)
(3.65)
La soluci
Figura 3.14. Graca de la funci

on de transferencia
B. Encuentre la se~
nal de salida.
SOLUCION:
En la representaci
on frecuencial se tiene que:
G () = H () F ()
(3.66)
Se sabe que:
F () = = [f (x)] = = [A cos (20 x)]
(3.67)
Por consiguiente:
F () =
2 j 0 j
(3.68)
Reemplazando:
G () = tri (b0 )
2 j 0 j
(3.69)
108
Pero:
g (x) = =
tri (b0 )
2 j 0 j
(3.70)
(3.71)
Resolviendo:
g (x) = tri (b0 )=
2 j 0 j
Finalmente:
g (x) = tri (b0 )A cos (20 x)
(3.72)
Por consiguiente:
g (x) = tri (b0 )f (x)
(3.73)
C. Como es la se~
nal de salida respecto de la se~
nal de entrada?.
SOLUCION:
La se~
nal de salida es exactamente igual a la se~
nal de entrada y la magnitud es determinada por
el valor de tri (b0 ):
D. Que valor toma la magnitud de la se~
nal de salida si j b0 j> 1.
SOLUCION:
Cuando j b0 j> 1 se tiene que g (x) = 0

Libro Fisica Especial 2015

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Libro Fisica Especial 2015

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD POPULAR DEL CESAR

Cesar Orlando Torres Moreno

TEORIA DE LOS SISTEMAS

Funciones de variable real. a) Monovaluada b) Multivaluada . . . . . . . . . . . . . . . .

Funciones especiales unidimensionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.19 Salida del sistema. a. Respuesta a salida deltas individuales. b. Respuesta

3.1 Sistema LSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

REPRESENTACION DE CANTIDADES FISICAS : : : : : : : : : : : : : : : : : : : : : : : :

MATEMATICAS ESPECIALES DE LA OPTICA : : : : : : : : : : : : : : : : : : : : : : : : :

2.5 RESPUESTA IMPULSIONAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

FILTROS LINEALES Y SISTEMAS LSI : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 89

1. REPRESENTACION DE CANTIDADES FISICAS

1.1 REPRESENTACION MATEMATICA DE CANTIDADES

1.1.2 Clases y propiedades de las funciones

Una de las distinciones b

1. REPRESENTACION DE CANTIDADES FISICAS

Las funciones matem

1.1 REPRESENTACION MATEMATICA DE CANTIDADES FISICAS

Donde y es la variable dependiente x es la variable independiente y f es la regla que relaciona

Figura 1.1. Funciones de variable real. a) Monovaluada b) Multivaluada

1. REPRESENTACION DE CANTIDADES FISICAS

La frecuencia fundamental espacial de una funcion periodica describe cuantas repeticiones la

Donde T ahora es el periodo, se acostumbra utilizar el signo 0 para representar la frecuencia

Funciones que no satisfacen las ecuaciones anteriores son llamadas no peri

f (x) = A sin (20 x )

La cantidad es llamada el desfasaje, es una

Otra funcion periodica g (t) = g (t + nT )

este tiempo con funci

1.1 REPRESENTACION MATEMATICA DE CANTIDADES FISICAS

Figura 1.2. Funci

Figura 1.3. Funci

Figura 1.4. Funci

= 2 es racional y f3 (x) es peri

es decir esta funci

1. REPRESENTACION DE CANTIDADES FISICAS

Figura 1.5. Funciones peri

Figura 1.6. Suma de Funciones peri

Figura 1.7. Funci

1.1.3 Propiedades de simetra

1.1 REPRESENTACION MATEMATICA DE CANTIDADES FISICAS

Es llamada una funcion impar de x.

Figura 1.8. Funciones sim

Figura 1.9. Funciones que nunca son par o impar

Es facil mostrar que cualquier funci

f (x) = fe (x) + fo (x)

1. REPRESENTACION DE CANTIDADES FISICAS

Si se utiliza la propiedad e () = e () se encuentra que:

De una forma similar se puede probar que:

1.2 FUNCIONES BIDIMENSIONALES

1.2 FUNCIONES BIDIMENSIONALES

Donde t denota la transmitancia; x y y son las variables independientes y g (::) es la regla de

Figura 1.10. Funci

De donde se obtiene que:

1. REPRESENTACION DE CANTIDADES FISICAS

f (x; y) = g (x) h (y)

Donde g (x) es una funcion u

1.3 NUMEROS COMPLEJOS Y FASORES

1.3 NUMEROS COMPLEJOS Y FASORES

Figura 1.11. Representaci

Tal vez la mas u

La cantidad r es conocida como valor absoluto o modulo de u mientras que es su argumento

Figura 1.12. Forma polar de un n

1. REPRESENTACION DE CANTIDADES FISICAS

Si se toma el ejemplo anterior de u = 3 + 2i en forma polar se debe hacer: