Ing. Cristian Palomeque Rev.

2015

Capitulo 1: Análisis de señales.-

1.1.- Analogía entre señales y vectores.

1.1.1.- Vectores.
Un vector se especifica mediante su magnitud y su dirección. Consideremos dos vectores V1 y V2 como los de la figura
¿Cómo interpretamos físicamente la componente de un vector a lo largo de otro? Geométricamente, la componente del
vector V1 a lo largo del vector V2 se obtiene al trazar una perpendicular desde el extremo del vector V1 hacia el vector
V2. Y vemos entonces que el vector V1 se puede expresar ahora en términos del vector V2

Figura 1.01

(1.01)

Por supuesto que cuanto mayor sea la componente de un vector en la dirección de otro vector, mas se parecen las
direcciones de ambos vectores y más pequeño es el error Ve. Esta similitud está relacionada con la magnitud de C12.
Cuando C12 sea cero entonces un vector no tiene componente en la dirección del otro y los vectores son
perpendiculares entre sí, es decir son vectores ortogonales. En términos de producto escalar:

(1.02)

De la componente de V1 a lo largo de V2 podemos calcular

(1.03)

(1.04)

1.1.2.- Señales.
El concepto de lo visto anteriormente en vectores, se puede extender a las señales. Consideremos dos señales f1(t) y
f2(t). Supóngase que se puede aproximar f1(t) en términos de f2(t) en un cierto intervalo (t1 < t < t2) de la manera que
se muestra a continuación:

(1.05)

La pregunta es ¿Cómo seleccionamos C12 para obtener la mejor aproximación? Obviamente, debemos encontrar un

SISTEMAS DE COMUNICACIONES I 1
 Ing. Cristian Palomeque Rev. 2015

valor de C12 tal que el error cuadrático entre la función real y la aproximada sea mínimo en el intervalo antes definido.
Definamos una función error como:

(1.06)

El error cuadrático medio se define como

(1.07)

(1.08)

Para encontrar el valor de C12 que reduce ε al mínimo, debemos tener

(1.09)

es decir,

(1.10)

La primera integral de la ecuación anterior vale cero; por lo tanto, podemos obtener,

(1.11)

Obsérvese la similitud entre la ecuación (1.11) y la ecuación (1.04) que expresa C12 en términos de vectores.
Por analogía con los vectores, decimos que f1(t) tiene una componente de forma de onda f2(t) y que ésta componente
tiene una magnitud C12. Si se anula C12, entonces la señal f1(t) no contiene componente de la señal f2(t) y decimos que
las dos funciones son ortogonales en el intervalo (t 1,t2) y se cumple que:

(1.12)

Resumen: en el caso de vectores, la ortogonalidad implica que un vector no tiene componente en la dirección del otro.
De igual manera, una función no contiene componente alguna de la forma de la función que es ortogonal a ella. Si
intentamos aproximar una función mediante su función ortogonal, el error será más grande que la función original
misma, de modo que será mejor aproximar a una función con una función nula f(t)=0 en lugar de una función ortogonal
a ella. Por consiguiente el valor óptimo de C12 es cero en ese caso.

1.2.- Determinación gráfica de la componente de una función en otra.

Es posible determinar la componente de una función en otra por medio de procedimientos gráficos con la ecuación
(1.11). Supongamos que se conocen gráficamente las dos funciones f1(t) y f2(t) y que se desea determinar la componente
de la forma de onda f2(t) contenida en f1(t) en un periodo dado. Sabemos que la componente está dada por C 12 f2(t); es
decir, f1(t) contiene la componente de la función f2(t) de la magnitud C12, dada por:

(1.13)

Es evidente que si f1(t) varía mucho más lentamente que f2(t), el área bajo la curva f1(t)f2(t) será mucho más pequeña,
pues la áreas positivas y negativas serán aproximadamente iguales y tenderán a cancelarse entre sí como vemos en la
figura 1.02, y por lo tanto f1(t) contendrá una componente grande de la función f2(t). Este resultado es intuitivamente
obvio, ya que si dos funciones por ejemplo varían con rapidez aproximadamente igual, deben ser bastante parecidas y
por consiguiente una podrá ser componente de la otra.

SISTEMAS DE COMUNICACIONES I 2
 Ing. Cristian Palomeque Rev. 2015

Figura 1.02

1.3.- Espacio ortogonal entre vectores.

Consideremos un espacio vectorial de tres dimensiones, descripto mediante coordenadas rectangulares, como se
muestra en la figura 1.03. A continuación designaremos un vector de longitud unitaria en el eje x como ax (versor). De
la misma manera, se designaran como ay y az en las correspondientes direcciones.
Ya que la magnitud de estos vectores es unitaria, cualquier vector A perteneciente al espacio vectorial antes mencionado
puede escribirse de la siguiente manera:

(1.14)

Figura 1.03

Ya que, estos tres vectores son perpendiculares entre sí, se deduce que

(1.15)

En donde m y n pueden tener cualquier valor x, y y z. Si esto se da, podemos decir que éste es un espacio ortogonal
normalizado o espacio vectorial ortonormal. Pero en general, un espacio vectorial ortogonal de n componentes cumple
con las siguientes condiciones:

(1.16)

1.4.- Espacio ortogonal de señales

Hemos visto que cualquier vector puede expresarse como una suma de sus componentes contenidas en n vectores
mutuamente ortogonales, siempre y cuando los vectores formen un sistema completo de coordenadas. Por lo tanto es de
esperarse que podamos expresar cualquier función f(t) como suma de sus componentes a lo largo de un grupo o

SISTEMAS DE COMUNICACIONES I 3
 Ing. Cristian Palomeque Rev. 2015

conjunto de funciones ortogonales entre sí, si forman un conjunto completo.

1.5.- Aproximación de una función mediante un grupo de funciones ortogonales entre sí.
Consideremos un grupo o conjunto de n funciones g1(t), g2(t), …, gn(t) ortogonales entre sí en el intervalo de t1 a t2; es
decir:

(1.17)

Y sea además
(1.18)

Podemos ahora, mediante este espacio ortogonal de señales en el intervalo (t1, t2), aproximar una función arbitraria f(t)
como una combinación lineal de las n funciones del espacio.

(1.19)

(1.20)

Si deseamos obtener una buena aproximación de la función f(t), debemos encontrar los valores adecuados para las
constantes C1, C2, …, Cn tales que el valor del error cuadrático medio de la función error sea mínimo.

(1.21)

Finalmente, si trabajamos esta ecuación llegamos a:

(1.22)

o lo que es lo mismo,

(1.23)

De esta ecuación podemos calcular los valore de Ci que representan a la función f(t) dentro del espacio ortogonal de
funciones definido inicialmente.
“La representación de una señal f(t) mediante un conjunto infinito de funciones mutuamente ortogonales se conoce
como representación generalizada de f(t) en serie de Fourier”.

1.6.- Serie trigonométrica de Fourier.

Como enunciamos anteriormente una función f(t) se puede representar mediante un conjunto completo de funciones
mutuamente ortogonales. Se puede demostrar que el conjunto de funciones que está formado por y por
(para n=1, 2, 3,…) forma un conjunto ortogonal completo. Así para el intervalo

(1.24)

o lo que es lo mismo,

(1.25)

SISTEMAS DE COMUNICACIONES I 4
 Ing. Cristian Palomeque Rev. 2015

donde las constantes pueden calcularse como:

(1.26)

(1.27)

Y también sabemos que,

(1.28)

Si reemplazamos la ecuación (1.28) en las ecuaciones (1.26) y (1.27) obtenemos las ecuaciones para calcular a n y bn

(1.29)

(1.30)

Es evidente que a0 es el valor promedio de f(t) en el intervalo (t 0, t0+T), es decir, es la componente de corriente directa
de f(t) en ese intervalo.

1.7.- Serie exponencial de Fourier

Se puede demostrar que el conjunto de funciones exponenciales , con n=0, ±1, ±2,… es ortogonal en el
intervalo (t0, t0+T) para cualquier valor de t0. Nótese que es un conjunto de funciones complejas.
Además se pude demostrar que es conjunto completo. Por lo tanto es posible sentar cualquier función f(t) mediante una
combinación lineal de las funciones exponenciales en el intervalo antes mencionado, es decir:

(1.31)

(1.32)

En donde los Fn se pueden calcular como,

(1.33a)

(1.33b)

Nota: las series exponenciales y trigonométricas de Fourier son dos formas de expresar la misma serie. Los coeficientes
de una se pueden calcular con los de la otra.

1.8.- El espectro complejo de Fourier.

Una función periódica con periodo T tiene componentes de frecuencias angulares 0, 20, …, n0, etc. en donde
0=2π/T. Nótese que el espectro solo existe en estos valores y que además estos son discretos, por lo que se lo llama
espectro de líneas o espectro discreto.
Para nuestro caso encontramos más sencillo representar este espectro a través de la serie exponencial. En esta no es
dificultoso entender la existencia de frecuencias negativas, ya que se pueden interpretar como fasores que giran en
sentido contrario y que, cuando se suman, producen una función real en el tiempo, como se indica en el siguiente

SISTEMAS DE COMUNICACIONES I 5
 Ing. Cristian Palomeque Rev. 2015

ejemplo:

(1.34)

En una función periódica de periodo T, la serie exponencial está dada por la ecuación (1.31) donde las frecuencias de
cada componente espectral están dadas por 0 y múltiplos de 0 y las amplitudes por los valores de los Fn (que suelen ser
complejas por lo que la representación gráfica está compuesta por el espectro de magnitud y el espectro de fase).

1.9.- La transformada de Fourier.

La función F() es la transformada directa de Fourier de f(t) y representa las amplitudes relativas de las diferentes
componentes. Ambas representaciones especifican en forma única a la función. En general, como ya dijimos con
anterioridad, la función F() es compleja y se necesitan dos diagramas para su representación completa.

(1.34)

Donde F() puede calcularse como,

(1.34)

SISTEMAS DE COMUNICACIONES I 6