1

CAPTULO 3: WAVELETS SOBRE

N

3.1 CONSTRUCCIN DE WAVELETS SOBRE
N
: PRIMERA FASE
Las seales discretas que se considerarn en este captulo son elementos de
2
( )
N
l , donde,
{ }
2
( ) ( (0), (1), (2),..., ( 1)) / ( ) , 0 1
N
l z z z z z N z j j N = = e s s
Del captulo anterior se destacan dos resultados claves de la base Fourier F:
a. Las transformaciones Lineales invariante a traslaciones son diagonalizadas
mediante F
b. Las coordenadas o componentes en la base Fourier se pueden calcular rpidamente
mediante la FFT (transformada rpida de Fourier).
Sin embargo, la base Fourier tiene serias limitaciones en el anlisis de seales y otros
campos y estas provienen del hecho de que sus elementos no estn espacialmente
localizados, en el siguiente sentido.
Un vector o secuencia
2
( )
N
z l e se dice espacialmente localizado cerca a
0
n si muchas de
las componentes ( ) z n de z son 0 o al menos relativamente pequeos salvo para unos
pocos valores de n cercanos a
0
n . Por ejemplo, un elemento de la base Fourier
m
F no esta
espacialmente localizado ya que sus componentes
2
1
( )
i mn
N
m
F n e
N
t
= tienen la misma
magnitud,
1
( ) para todo
m N
F n n
N
= e , lo que significa que los vectores de la base
Fourier se distribuyen uniformemente o si se quiere, se distribuyen en cantidades iguales
que es todo lo opuesto de estar espacialmente localizado.
Supngase { }
0 1 2 1
, , ,...,
N
B v v v v

= una base de
2
( )
N
l Z tal que todos los elementos de la
base B estn espacialmente localizados. Para un vector
2
( )
N
z l Z e se tiene que
1
0 1 2 1
0
donde , , ,..., sonescalares
N
n n N
n
z a v a a a a

=
=

(1)
Supngase que pretendemos concentrarnos en la porcin de la secuencia z cerca a un punto
particular
0
n . Los trminos relacionados con vectores de la base que son 0 o
despreciablemente pequeos cercanos a
0
n se pueden eliminar de la relacin (1) sin
2


cambiar el comportamiento cerca a
0
n significativamente. Por lo tanto, se puede remplazar
la suma completa de N- trminos por una suma ms pequea cuando se considera solo la
porcin de z cerca a
0
n .
De manera ms general, una base espacialmente localizada es realmente til ya que esta
permite un anlisis local de una seal: si un cierto coeficiente en la expansin de z es muy
grande o de gran valor, se puede identificar la ubicacin con la cual este gran coeficiente
esta asociado. As, se podra por ejemplo, enfocar esta ubicacin y analizarla con ms
detalle. Un examen cercano a un tumor potencial es un claro ejemplo de base localizada en
el rea del procesamiento de imgenes mdicas. En imgenes de sonar o radar, algunas de
las aplicaciones importantes de las bases espacialmente localizadas son: la identificacin
del lmite de un pozo de petrleo en la exploracin de petrleo y la localizacin de objetos
desconocidos en la arqueologa.
Otro ejemplo tiene que ver con el anlisis de imgenes de video. El uso de telfonos de
video actualmente esta poco extendido debido a que las secuencias de imgenes de alta
calidad no pueden transmitirse en tiempo real pues tales secuencias exceden la capacidad
del canal telefnico. Si las imgenes se lograran representar mediante un conjunto de datos
ms pequeo sin llegar a degradar seriamente la imagen, los telfonos de video se haran
prcticos. El campo sobre compresin de datos responde a este y otros problemas similares.
Una base localizada ayuda a comprimir imgenes de video: Para las imgenes de video en
televisin, probablemente una frame actual difiere ligeramente de la frame anterior, como
es el caso de una mano en movimiento donde el fondo puede ser el mismo. En lugar de
transmitir una nueva frame completa, solo se transmite la diferencia entre la frame actual y
la anterior. Para una base localizada, los coeficientes de los vectores de la base que estn
localizados lejos de la mano en movimiento no se afectan por el movimiento. Es as como
tales coeficientes no cambian apreciablemente de un frame al siguiente y por tanto no
requieren actualizacin. La nica actualizacin requerida sera la de un pequeo nmero de
coeficientes de los vectores base localizados cerca a la mano. La actualizacin podra
hacerse relativamente con pocos bits de datos, alcanzndose as una alta tasa de
compresin.
S se utiliza la base Fourier para representar los datos(o informacin), lo anterior no puede
llevarse a cabo. Ya que
2
1
0
( ) ( )
i mn
N
N
n
z m z n e
t

=
=

y
2
1 en cada n,
i mn
N
e
t

= un cambio en ( ) z n para un solo valor de n puede afectar todos

los valores de ( ) z m significativamente. Similarmente, el movimiento de la mano espacial-
3


mente localizado puede afectar sustancialmente casi todos los valores de la DFT. Actualizar
la imagen en la base Fourier requiere un gran nmero de bits de datos, as la imagen cambie
solo localmente. (Para el caso de la imagen de video se considera la DFT bidimensional del
ejercicio 2.1.17 captulo anterior, donde los principios son los mismos que los del caso
unidimensional).
Un ejemplo de base localizada, es la base estndar o Euclidiana. Se localiza tanto como sea
posible; pues cada vector de la base tiene solo una componente no nula. Para aprovechar las
ventajas de los resultados claves de la base Fourier (en particular del clculo rpido de las
transformaciones invariantes a traslaciones) basta que la base sea localizada en frecuencia.
Esto significa que las DFT de los vectores de la base sean de valor insignificante o
despreciable salvo cerca de una regin en particular. Esto quiere decir, que los vectores de
la base consisten de un grupo muy pequeo de frecuencias. Ntese que un vector de la base
estndar
m
e no esta localizado en frecuencia pues ( ) 1 para todo
m
e k k = ya que
2
( ) para todo
i mk
N
m
e k e k
t

= . Y los vectores de la base de Fourier estn completamente

localizados en frecuencia pues

( ) 0
m
F n = solo cuando n m = ya que

m m
F e = . Ya que la
base Fourier, la cual es completamente localizada en frecuencia, diagonaliza exactamente
transformaciones lineales invariante a traslaciones, se espera que una base localizada en
frecuencia en cierto grado, prcticamente diagonalice estas transformaciones, en algn
sentido.
El trabajo con una base localizada en frecuencia tambin nos permite imitar tcnicas
comunes de filtrado. Por ejemplo, puede ser que las componentes de alta frecuencia de la
seal tengan coeficientes muy pequeos, de manera que estos valores se pueden eliminar
sin alterar la seal en forma seria (ejemplo filtro pasabajo) puede ser que estas
componentes de alta frecuencia que no son perceptible al ser humano, al eliminarlas no
afecta nuestra percepcin de la imagen (este es el caso, por ejemplo, de las seales de
audio). Incluso tambin puede darse el caso que algunas frecuencias altas provengan de
ruido aadido a la seal, de modo que la seal se vuelve mas clara y limpia cuando estos
trminos son eliminados. Con una expansin localizada en frecuencia, sabemos qu
trminos de la expansin suprimir para eliminar las componentes de alta frecuencia. Si el
resultado es que la seal queda suficientemente representada por un nmero reducido de
bits de datos, entonces se ha conseguido la compresin de la seal.
Por lo tanto, el objetivo final es obtener una base cuyos elementos sean a la vez
espacialmente localizados y de frecuencia localizada. Es as como, los coeficientes de una
secuencia z en esta base proporciona simultneamente informacin espacial y frecuencial.
De ah que se obtiene simultneamente un anlisis espacio/frecuencia de la secuencia z. Los
wavelets proporcionan tal base. Cuando se trata de una seal de audio, la variable original
4


se considera como el tiempo (esto es, ( ) z n es la amplitud de la seal en el tiempo), y en el
caso de una seal (o imagen) bidimensional de video, la variable original se interpreta
como posicin (es decir,
1 2
( , ) z n n mide la intensidad de luz - en escala de grises - de la
imagen en la posicin
1 2
( , ) n n ). En cualquier caso la variable de la DFT considerada es la
frecuencia (por ejemplo, en una dimensin, ( ) z m es el coeficiente de la componente en
frecuencia de
m
F en la expansin que reconstruye a z ). As, se puede hablar de anlisis
tiempo/frecuencia o anlisis espacio/frecuencia, dependiendo del contexto fsico; en
cualquier caso el significado matemtico es el mismo.
Para un desarrollo prctico conviene que el cambio de base de la base estndar E a la nueva
base B se pueda calcular mediante un algoritmo rpido, pues de lo contrario B no sera til
para seales de audio y video de un tamao real. Centrando la atencin en el problema del
clculo rpido por ahora es posible calcular la DFT rpidamente mediante la FFT pero se
tiene el inconveniente que la base Fourier no es espacialmente localizada. Sin embargo, por
la seccin 2.3 sabemos que es posible usar la FFT para calcular convoluciones rpidamente,
mediante la frmula
( ) z w zw
v
- =
Para dar respuesta a la pregunta de si es posible usar lo anterior para un cambio de base
rpidamente, se requiere inicialmente la conexin entre convolucin y productos internos.
Definicin 3.1. Para cualquier
2
( )
N
w l e , se define
2
( )
N
w l e mediante
( ) ( ) ( ) para todo . w n w n w N n n = = (2)
a wse le llama la reflexin conjugada de w.
Ejemplo 1. Tomando N=6, ( (0), (1), (2), (3), (4), (5)) (3 2 ,1 , , 4, ,1) w w w w w w w i i i i = = +
(0) (0) 3 2 (3) ( 3) 4
(1) ( 1) 1 (4) ( 4)
(2) ( 2) (5) ( 5) 1
w w i w w
w w w w i
w w i w w i
= = = =
= = = =
= = = = +

(0) (6 0) (6) 3 2 (3) (6 3) (3) 4
(1) (6 1) (5) 1 (4) (6 4) (2)
(2) (6 2) (4) (5) (6 5) (1) 1
w w w i w w w
w w w w w w i
w w w i w w w i
= = = = = =
= = = = = =
= = = = = = +

Por tanto, la reflexin conjugada de w es (3 2 , 1, , 4, , 1 ) w i i i i = + .
5


Por el ejercicio 2.1.13 captulo 2 se tiene entonces que

( )( ) ( ) para todo w n w n n = . (3)

Recordemos aqu la definicin de la traslacin circular
k
R z de un vector o secuencia z:
( )( ) ( )
k
R z n z n k = .
Lema 3.2. Supngase
2
, ( ).
N
z w l e Para cualquier k e ,
( ) ,
k
z w k z R w - = (4)
( ) ,
k
z w k z R w - = (5)
Demostracin. Por definicin
1 1
0 0
1
0
, ( ) ( ) ( ) ( )
( ) ( ) * ( ) ( )
N N
k k
n n
N
n
z R w z n R w n z n w n k
z n w k n w z k z w k

= =

=
= =
= = = -

Para demostrar (5) basta remplazar w por w y aplicar la propiedad w w = .
Puede usarse el lema anterior para obtener una base que pueda calcularse rpidamente?
Supngase que
2
( )
N
w l e es tal que { }
1
0
N
k
k
B R w

=
= es una base ortonormal de
2
( )
N
l .
Entonces los coeficientes de la expansin de un vector z en trminos de B son los
productos internos ,
k
z R w . Por la ecuacin (4), estos coeficientes son justamente las
componentes de z w - , esto es,
| |
B
z z w = -
donde esta convolucin puede calcularse rpidamente mediante la FFT. As que para una
base ortonormal B generada por traslaciones de un nico vector w, el cambio de base de
E a B puede calcularse rpidamente (donde E es la base Euclidiana).
La base estndar E es el nico ejemplo obvio de base ortonormal de la forma { }
1
0
N
k
k
R w

=
.
De resaltar, la existencia de una condicin simple, en trminos de la DFT de w que
caracteriza a todas estas bases.
6


Lema 3.3 Sea
2
( )
N
w l e . Entonces { }
1
0
N
k
k
R w

=
es una base ortonormal de
2
( )
N
l si solo si
( ) 1 para todo
N
w n n = e .
Demostracin. La definicin de la funcin de Dirac
2
( )
N
l o e - versin discreta - es
0
1 0
( ) (1, 0, 0,..., 0)
0 1, 2, 3..., 1
n
n e
n N
o
=
= = =

Por otro lado,
2
1
0

( ) ( ) para todo
i nk
N
N
k
n k e n
t
o o

=
=

, entonces utilizando la definicin anterior

se llega a

( ) 1 para todo n n o = . Asumiendo el resultado del ejercicio 3.1.1 propuesto que

expresa:
{ }
1
0
N
k
k
R w

=
es una base ortonormal de
2
( )
N
l si solo si
1 si 0
,
0 si 1, 2,..., 1
k
k
w R w
k N
=
=

=

(6)
Y la ecuacin (4) , ( )
k
z R w z w k = - se tiene que , ( )
k
w R w w w k = - lo que significa que
la ecuacin (6) es equivalente a
w w o = -
Ahora bien, tomando la DFT a cada lado y aplicando el teorema de convolucin as como
la ecuacin (3) se tiene que para todo n
2

( ) ( )( ) 1 ( )( )( ) ( ) ( ) ( ) n w w n w n w n w n w n w n o = - = = =
A pesar de lo importante que es tener una condicin simple para que B sea ortonormal, el
lema anterior en cierto sentido es frustrante ya que afirma que no es posible obtener una
base ortonormal localizada en frecuencia de la forma { }
1
0
N
k
k
R w

=
, ya que ( ) 1 w n = para
toda n. Por lema 2.13 sabemos que
2

( )( ) ( )
i nk
N
k
R w n e w n
t

= entonces

( )( ) ( ) 1
k
R w n w n = =
para toda n. Por tanto, la situacin para cualquier base ortonormal obtenida de esta forma
resulta ser similar a la del caso de la base Euclidiana.
La observacin anterior no es tan negativa como parece para los propsitos que se quieren
pues una ligera modificacin de la idea original nos conduce a resultados claves. En lugar
de buscar un vector w cuyo conjunto completo de traslaciones forme una base ortonormal,
7


buscamos dos vectores u y v tal que el conjunto de sus traslaciones pares formen una base
ortonormal. Para este resultado, debemos restringirnos a valores pares de N.
Definicin 3.4 Supngase N es un entero par, esto es 2 N M = para algn M e . Una
base ortonormal para
2
( )
N
l de la forma
{ } { }
1 1
2 2
0 0
M M
k k
k k
R u R v

= =

para algn
2
, ( ),
N
u v l e se denomina base wavelet de primera fase para
2
( )
N
l . A u y
v se les llama los generadores de la base wavelet de primera fase. Algunas veces tambin
se les llama a u la wavelet padre y a v la wavelet madre.
El propsito es determinar cuando un par , u v genera una base wavelet de primera fase.
Mas adelante el teorema 3.8 caracteriza tal par en trminos de condiciones sobre u y v .
Antes de dicha caracterizacin se requieren dos lemas necesarios.
Lema 3.5 Supngase M e , 2 N M = y
2
( ).
N
z l e S
2
( )
N
z l
-
e se define por
( ) ( 1) ( ) para todo . (7)
n
z n z n n
-
=


Entonces

( )( ) ( ) para todo . (8) z n z n M n

-
= +
Demostracin. Por definicin,
2 2
1 1
0 0
2 2 2
1 1
2
0 0
2 ( )
1
0

( )( ) ( ) ( 1) ( )
( ) ( )
( ) ( ) para todo .
i kn i kn
N N
k
N N
k k
i kn i kn i kM
N N
i k
N N M
k k
i k n M
N
N
k
z n z k e z k e
z k e e z k e e
z k e z n M n
t t
t t t
t
t


- -
= =

= =
+

=
= =
= =
= = +

As,

( )( ) ( ) para todo . z n z n M n
-
= +

Ejemplo 2. Sea
2
6
( ) z l e donde, (1 , 4 3 ,3 2 , 2 2 ,3 4 ,3 3 ) z i i i i i i = + + +
y 1 (1 , 4 3 ,3 2 , 2 2 ,3 4 , 3 3 ) z z i i i i i i
-
= = + + . Con transformadas dadas por:
(12 3 , 0.0359 1.134 , 14.4282 5.134 , 2 7 , 0.5718 6.866 , 6.9641 2.866 ) z i i i i i i = + + + +

( 1) (2 7 , 0.5718 6.866 , 6.9641 2.866 ,12 3 , 0.0359 1.134 , 14.4282 5.134 ) z i i i i i i = + + + +

8


Aqu 3 M =
,
ntese que

( 1)(0) (3) z z = ,

( 1)(2) (5) z z = por tanto

( 1)( ) ( 3) z n z n = + . El lema
nos expresa la propiedad entre la secuencia z y su secuencia alterna 1 z z
-
= a travs de sus
correspondientes transformadas. A continuacin una ilustracin de la propiedad

Figura1.Ilustracin del lema 3.5 para N=6, M=3.


0 2 4 6
-2
0
2
4
Parte Real de z
0 2 4 6
-4
-2
0
2
4
Parte Imaginaria de z
0 2 4 6
-4
-2
0
2
4
Parte Real de z1
0 2 4 6
-4
-2
0
2
4
Parte Imaginaria de z1
0 2 4 6
-20
-10
0
10
20
Parte Real de z^
0 2 4 6
-10
-5
0
5
10
Parte Imaginaria de z^
0 2 4 6
-20
-10
0
10
20
Parte Real de z1^
0 2 4 6
-10
-5
0
5
10
Parte Imaginaria de z1^
9


En sntesis:
( (0), (1), (2), (3), (4), (5)) ( (0), (1), (2), (3), (4), (5))

( (0), (1), (2), (3), (4), (5)) ( ) ( (3), (4), (5), (0), (1), (2))

donde ( ) ( ) ( 3).
z z z z z z z z z z z z z z
z z z z z z z z z z z z z z
z n z n
- -
-
= =
= =
= +

El ejemplo permite comprobar la propiedad: (2 (0), 0, 2 (2), 0, 2 (4), 0) 2 z z z z z z
-
+ = =
En trminos formales s
2
( )
N
z l e con N par,
2 ( ) si es par
( )( ) ( )(1 ( 1) ) (9)
0 si es impar
n
z n n
z z n z n
n
-

+ = + =

La ecuacin (9) deja ver la utilidad de z
-
: este proporciona un medio para restringir a
valores pares de n . Esto se exhibe en la demostracin del lema 3.6.
Lema 3.6 Supngase , 2 M N M e = y
2
( )
N
w l e . Entonces { }
1
2
0
M
k
k
R w

=
es un conjunto
ortonormal con M elementos si solo si
2 2
( ) ( ) 2 para 0,1, 2,..., 1 (10) w n w n M n M + + = =
Demostracin. Por la ecuacin (4): ( ) ,
k
z w k z R w - = y el ejercicio 3.1.1, { }
1
2
0
M
k
k
R w

=
es
un conjunto ortonormal con M elementos si solo si
2
1 0
(2 ) , (11)
0 1, 2, 3,.., 1
k
k
w w k w R w
k M
=
- = =

=

Por la ecuacin (9),
2 ( ) si es par
(( ) ( ) )( ) (12)
0 si es impar
w w n n
w w w w n
n
-
-
- + - =

Por lo tanto, para valores pares de n, es decir 2 n k = , la ecuacin (11) se cumple si solo si
2
2 si 0
(( ) ( ) )(2 ) 2 (2 ) 2 ,
0 si 1, 2, 3,..., 1
k
k
w w w w k w w k w R w
k M
-
=
- + - = - = =

=

Para valores impares de , n (( ) ( ) )( ) 0 w w w w n
-
- + - = por la ecuacin (12). Por lo tanto, la
ecuacin (11) se cumple si solo si ( ) ( ) 2 w w w w o
-
- + - =
10


Como

1 para todo n o = , y tomando transformada a ambos lados se tiene que la ecuacin

(11) se cumple si solo si

( )( ) (( ) )( ) 2 0,1, 2, 3,..., 1 (13) w w n w w n n N
-
- + - = =
Por el teorema de convolucin y la ecuacin (3)
2

( )( ) ( )( )( ) ( ) ( ) ( ) w w n w n w n w n w n w n - = = = para 0,1, 2, 3,..., 1 n N =
Usando esta ultima ecuacin y la ecuacin (8):

( )( ) ( ) para todo . z n z n M n
-
= +
2

(( ) ) ( ) ( )( ) ( ) w w n w w n M w n M
-
- = - + = + para 0,1, 2, 3,..., 1 n N =
Por lo tanto, remplazando la ecuacin (13) resulta equivalente a:
2 2
( ) ( ) 2 para 0,1, 2, 3,..., 1 w n w n M n N + + = =
y donde la expresin del lado izquierdo es peridica de periodo M :
2 2 2 2
( ) ( ) ( ) ( ) w n M w n M M w n M w n + + + + = + +
ya que w tiene periodo 2 N M = . As, la ecuacin (10) es equivalente a la ecuacin (13),
la cual como se vio es equivalente a (11), y esta a su vez es equivalente a la ortonormalidad
de { }
1
2
0
M
k
k
R w

=
.

La expresin con M elementos en la afirmacin del lema anterior garantiza que los
elementos
2k
R w sean distintos para 0,1, 2,..., 1 k M = . Por ejemplo, si
1
2
(1,1,...,1) w N

= ,
entonces tcnicamente el conjunto { }
1
2
0
M
k
k
R w

=
es ortonormal ya que tiene solo un elemento.
El ejercicio 3.1.1 propone una demostracin alterna al lema anterior usando la frmula de
Parseval y la frmula de inversin de Fourier.
Definicin 3.7 Supngase , 2 M N M e = , y
2
, ( ).
N
u v l e Para ne , se define ( ) A n ,
como la matriz del sistema u y v , mediante
( ) ( )
1
( ) (14)
( ) ( )
2
u n v n
A n
u n M v n M
(
=
(
+ +


El siguiente teorema caracteriza las bases Ortonormales generadas por traslaciones enteras
pares de dos vectores.
11


Teorema 3.8 Supngase 2 M y N M e = . Sean
2
, ( )
N
u v l e . Entonces
{ } { }
{ }
1 1
2 2
0 0
2 4 6 2 2 4 6 2
, , , ,..., , , , , ,...,
M M
k k
k k
N N
B R v R u
v R v R v R v R v u R u R u R u R u

= =

=
=

es una base ortonormal para
2
( )
N
l si solo si la matriz del sistema ( ) A n de u y v es
unitaria para cada 0,1, 2,..., 1 n M = . Equivalentemente, B es una base wavelet de
primera fase para
2
( )
N
l si solo si
2 2
( ) ( ) 2 (15) u n u n M + + =
2 2
( ) ( ) 2 (16) v n v n M + + =
y ( ) ( ) ( ) ( ) 0 (17) u n v n u n M v n M + + + =
para todo 0,1, 2,..., 1 n M = .
Demostracin. Se sabe (del lema 1.105 captulo 1) que una matriz es unitaria si solo si sus columnas
forman una base ortonormal de
2
. Aplicando el lema 3.6, { }
1
2
0
M
k
k
R u

=
es ortonormal si solo si se
cumple la ecuacin (15), es decir, la primera columna de
( ) ( )
1
( )
( ) ( )
2
u n v n
A n
u n M v n M
(
=
(
+ +


tiene longitud 1 para todo 0,1, 2,..., 1 n M = . La primera columna es
( )
2
( )
2
u n
u n M
(
(
(
+
(
(


con longitud
2 2
2 2 2 2
( ) ( ) ( ( )) ( ( )) ( ( )) ( ( ))
1
2 2 2 2
u n u n M
u n u n M u n u n M
+ +
+ + +
+ = = =
Similarmente, { }
1
2
0
M
k
k
R v

=
es ortonormal si solo si la ecuacin (16) se cumple, la cual
establece que la segunda columna de ( ) A n tiene longitud 1 para todo 0,1, 2,..., 1 n M = . A
continuacin, se afirma que
2 2
, 0 para todo , 0,1, 2,..., 1 (18)
k j
R u R v j k M = =
12


si solo si la ecuacin (17) se cumple. Ntese que la ecuacin (17) afirma que las columnas de
( ) A n son ortogonales, esto es, el producto interno de las columnas es cero:

( ) ( )
2 2
( ) ( ) ( ) ( ) 0 0 ; 0,1, 2,..., 1
( ) ( )
2 2
u n v n
u n v n u n M v n M n M
u n M v n M
( (
( (
( ( + + + = = =
+ +
( (
( (


Asumiendo lo anterior, se tiene que B es un conjunto ortonormal, y por lo tanto una base
ortonormal para
2
( )
N
l si solo si ( ) A n es unitaria para cada 0,1, 2,..., 1 n M = .
Para probar la equivalencia de (17) y (18), ntese inicialmente que (18) es equivalente a
2
(2 ) , 0 para todo 0,1, 2,..., 1
k
u v k u R v k M - = = =
por la ecuacin (4) y ejercicio 3.1.1(iv). Considerando la ecuacin (9) con z u v = - ,
2 ( ) si es par
( )( ) ( )(1 ( 1) )
0 si es impar
2( )( )
(( ) ( ) )( ) 0
0
n
z n n
z z n z n
n
u v n n par
u v u v n
n impar
-
-

+ = + =

- =
- + - = =

As, ( ) ( ) 0 u v u v
-
- + - =
Tomando DFT a ambos lados:

( ) (( ) ) 0 u v u v
-
- + - =
Por el teorema de convolucin y ecuacin (3):

( )( ) ( ) ( ) u v n u n v n - =
Y por ecuacin (8) y (3):

(( ) )( ) (( ))( ) ( )( ( )) ( ) ( ) u v n u v n M u n M v n M u n M v n M
-
- = - + = + + = + + para toda n.
Remplazando en

( ) (( ) ) 0 ( ) ( ) ( ) ( ) 0 u v u v u n v n u n M v n M
-
- + - = + + + = y esta es
precisamente la ecuacin (17). Ntese que el lado izquierdo es peridico con periodo M.
Por lo tanto la ecuacin (18) es equivalente a la ecuacin (17).
Generalmente no es fcil probar directamente que { } { }
1 1
2 2
0 0
M M
k k
k k
R v R u

= =
es una base
ortonormal para
2
( )
N
l - aunque el caso para el cual esto es posible es la base de Haar
discreta- definida en el ejercicio 3.1.2.
13


Sin embargo, no es difcil construir u y v tal que la matriz del sistema ( ) A n sea unitaria
para todo 0,1, 2,..., 1 n M = . Una vez se tienen, por el teorema 3.8, se toma la IDFT a
u y v para tener una base wavelet de primera fase.
Antes de los ejemplos el siguiente es el anlisis sobre las condiciones del lema 3.3 y las
teorema 3.8:
En el lema 3.3,
2
( ) w n esta condicionado a ser 1 para todo n. En el teorema 3.8, la nica
condicin sobre
2
( ) u n y
2
( ) u n M + es que su promedio sea 1. Esto permite por ejemplo
que,
2
( ) 2 u n = y
2
( ) 0 u n M + = para algn n.
Entonces la ecuacin (17), ( ) ( ) ( ) ( ) 0 u n v n u n M v n M + + + = obliga a que ( ) 0 v n = , lo cual
mediante la ecuacin (16),
2 2
( ) ( ) 2 v n v n M + + = , se tiene que
2
( ) 2 v n M + = .
En este caso la componente ( ) v n de
n
F en la expansin
1
0
( )
N
n
n
v v n F

=
=

es 0 , lo que
significa que v no tiene componente en la direccin
n
F . Esto permite por ejemplo,
seleccionar la secuencia u para que contenga solo componentes de baja frecuencia y que v
posea solo componentes de alta frecuencia (tal como suele darse con los filtros pasabajo y
pasaalto, ver tambin el ejemplo 3 mas adelante). Se resalta que cuando las altas y bajas
frecuencias se particionan o se dividen en cierta medida entre los generadores de una base
wavelet de primera fase, la notacin estndar es tomar u como la secuencia que contiene
las bajas frecuencias (filtro pasabajo) y v como el vector que contiene las altas frecuencias
(filtro pasaalto). Por convencin, la base B del teorema 3.8 se ordena primero con las
traslaciones de v por razones que tienen que ver con el paso de la iteracin de la seccin
siguiente.
Esto muestra la pertinencia de los trminos wavelet madre y wavelet padre. La ventaja de
generar bases wavelet de primera fase por medio de dos vectores de la misma familia u
origen comparado con bases de solo un vector como en el lema 3.3, es (como en biologa)
que se permite ms diversidad en el resultado.
Ejemplo 3. Sea
( )
2,1, 0,1 u = y
( )
0,1, 2, 1 v = entonces 2 M = y 0,1 n = . As:
14


2 0
1
(0)
2
0 2
A I
(
= = (
(

, y
1 1
1
(1)
1 1
2
A
(
=
(

Claramente (0) (1) A y A son unitarias. Por el teorema 3.8, { }
2 2
, , , v R v u R u es una base
ortonormal para
2
4
( ) l pues,
1
4
2 2
1 1 1 1
2
1 1 2
1 1 1
( )
1 1 1 1 4 4
0
2 2
1 1
1
2
i i
u u W u
i i
v
(
+
(
(
(
(
(
(
(
(
= = = =
(
(
(
+
(
(
(
(
(



Como vector fila
1
(2 2, 2, 2 2, 2 )
4
u = + +

,
de forma anloga se obtiene
1
( 2, 2 2 , 2, 2 2 )
4
v i i = + .
haciendo los desplazamientos,
2
1
( 2 2, 2, 2 2, 2)
4
R u = + + ,
y
2
1
( 2, 2 2 , 2, 2 2 )
4
R v i i = + .
Este ejemplo permite ver la ortonormalidad de { }
2 2
, , , v R v u R u directamente. Sea por
ejemplo
3
2 2 2 2
0
1
, ( ) ( ) [ 2 2 2 2 2 2 2 2 2 2 2 2 ] 0
16
n
R u R v R u n R v n i i
=
= = + + + + =

y
2 2 2 2
2
1
( 2 2) ( 2) (2 2) ( 2) 1
4
R u = + + + + + = , de igual forma
2
1 R v = .
A continuacin en la figura 2 se ilustran los 4 elementos de la base ortonormal
{ }
2 2
, , , v R v u R u
.
15



Figura 2. Base Ortonormal de
2
4
( ) l : { }
2 2
, , , v R v u R u .
Ntese los cambios de las componentes v y u. La secuencia u varia muy lentamente (baja
frecuencia), mientras que la variacin de v es notable (alta frecuencia).
Ahora bien, las dos transformadas de Fourier dadas v y u indican en trminos de la base
Fourier { }
0 1 2 3
, , , F F F F F = que:
3
0 1 2 3 0 1 2 3
0
( ) (0) (1) (2) (3) 0 1 2 1
m
m
v v m F v F v F v F v F F F F F
=
= = + + + = + +

3
0 1 2 3 0 1 2 3
0
( ) (0) (1) (2) (3) 2 1 0 1
m
m
u u m F u F u F u F u F F F F F
=
= = + + + = + + +

Se sabe del captulo 2, que las altas frecuencias son los vectores
m
F en la base Fourier con
m en la mitad de 0,1,.., 1 N , esto es, cerca a
2
N
, para este ejemplo 2
2
N
= . Ntese el
coeficiente de
2
F en la expansin de v . Las bajas frecuencias son los vectores
m
F con m
cerca a 0 1 N (los extremos), en este ejemplo las bajas frecuencias se representan por
0
F o
3
F (es importante acotar que entre mas larga sea la secuencia, los extremos se ven
mas separados del medio). Ntese como los coeficientes de
0 2
F y F en la expansin de u
0 1 2 3
-0.5
0
0.5
Parte Real de v
0 1 2 3
-0.5
0
0.5
Parte Imaginaria de v
0 1 2 3
-0.5
0
0.5
Parte Real de R2v
0 1 2 3
-0.5
0
0.5
Parte Imaginaria de R2v
0 1 2 3
-1
0
1
Parte Real de u
0 1 2 3
-1
0
1
Parte Imaginaria de u
0 1 2 3
-1
0
1
Parte Real de R2u
0 1 2 3
-1
0
1
Parte Imaginaria de R2u
16


indican que u posee un gran valor en la direccin de
0
F (baja frecuencia) mientras en la
direccin de
2
F su valor es nulo (es decir no tiene componentes de alta frecuencia), razn
por la u es una secuencia de baja frecuencia. De igual forma obsrvese lo que pasa con v .
A continuacin en la figura 3 se exhiben las dos transformadas de Fourier dadas v y u
que contienen los coeficientes de la expansin de Fourier y que determinan los contenidos
frecuenciales de las secuencias v y u (wavelet madre y padre) que dan lugar a la base
ortonormal { }
2 2
, , , v R v u R u de
2
4
( ) l equivalentemente a una base wavelet de primera
fase de
2
4
( ) l .

Figura 3. Grficas de v y u .
Las graficas anteriores permiten comprobar fcilmente las condiciones del teorema 3.8:

2 2
2 2
2 2
2 2
(0) (2) ( 2) 0 2
(1) (3) 1 1 2
u u
u u
+ = + =
+ = + =
;
2 2
2 2
2 2
2 2
(0) (2) 0 ( 2) 2
(1) (3) 1 ( 1) 2
v v
v v
+ = + =
+ = + =

y
(0) (0) (2) (2) ( 2)(0) (0)( 2) 0
(1) (1) (3) (3) (1)(1) (1)( 1) 0
u v u v
u v u v
+ = + =
+ = + =

Lo que garantiza que { }
2 2
, , , v R v u R u

sea una base wavelet de primera fase de
2
4
( ) l .
0 1 2 3
-1
0
1
2
Parte Real de DFT(v)
0 1 2 3
-1
-0.5
0
0.5
1
Parte Imaginaria de DFT(v)
0 1 2 3
-0.5
0
0.5
1
1.5
Parte Real de DFT(u)
0 1 2 3
-1
-0.5
0
0.5
1
Parte Imaginaria de DFT(u)
17


Ejemplo 4. (Base Shannon de primera fase)
Supngase N divisible por 4. Y sean
2
, ( )
N
u v l e definidos mediante:
3 3
2 0,1,..., 1 , 1,..., 1
4 4 4
( )
3 3
0 , 1,..., 2, 1
4 4 4 4
N N N
si n n N
u n
N N N N
si n

= = +

= +

,
3 3
0 0,1,..., 1 , 1,..., 1
4 4 4
( )
3 3
2 , 1,..., 2, 1
4 4 4 4
N N N
si n n N
v n
N N N N
si n

= = +

= +

Para comprender estas secuencias tomemos por un instante el caso particular 16 N =
2 0,1,..., 3 12,13,...,15
( )
0 4, 5,...,10,11
si n n
u n
si n

= =
=

=

0 0,1,..., 3 12,13,...,15
( )
2 4, 5,...,10,11
si n n
v n
si n
= =

=

=

Figura 4. Grficas de
2
16
, ( ) u v l e .
0 5 10 15
0
0.5
1
1.5
Parte Real de DFT(v)
0 5 10 15
-1
-0.5
0
0.5
1
Parte Imaginaria de DFT(v)
0 5 10 15
0
0.5
1
1.5
Parte Real de DFT(u)
0 5 10 15
-1
-0.5
0
0.5
1
Parte Imaginaria de DFT(u)
18


Ahora bien, como nuestro inters es el caso general, ntese que para cada n, uno de los dos
( ) 0 u n = ( ) 0 v n = , as que la (17) ( ) ( ) ( ) ( ) 0 u n v n u n M v n M + + + = se cumple, es decir
las columnas de la matriz del sistema ( ) A n son ortogonales. Por otro lado, para cada n, se
tiene que ( ) 2 u n = y ( ) 0
2
N
u n + = viceversa, as que la ecuacin (15)
2 2
( ) ( ) 2 u n u n M + + = se cumple, es decir, la primera columna de ( ) A n tiene longitud 1
para cada n. El mismo anlisis se cumple para v , por lo que la segunda columna de ( ) A n
tiene longitud 1. As ( ) A n es unitaria para toda n, luego por el teorema 3.8,
{ } { }
( /2) 1 ( /2) 1
2 2
0 0
N N
k k
k k
R v R u

= =

es una base wavelet de primera fase que se denomina base wavelet de Shannon por su
similaridad con la base que surge del conocido teorema del muestreo de Shannon. Para
calcular los valores de u y v se debe calcular las transformadas inversas de u y v (tal
como se hizo en el ejemplo anterior). En la figura 5 se da la ilustracin de u y v del caso
particular tomado arriba con 16 N =
.
Ntese que a u y v hay que hacerles 0,1,..., 7. k =
desplazamientos para tener una base de Shannon (compleja) de
2
16
( ) l .

Figura 5. Grficas de
2
16
, ( ) u v l e .
0 5 10 15
-0.5
0
0.5
1
Parte Real de v
0 5 10 15
-0.1
-0.05
0
0.05
0.1
Parte Imaginaria de v
0 5 10 15
-0.5
0
0.5
1
Parte Real de u
0 5 10 15
-0.1
-0.05
0
0.05
0.1
Parte Imaginaria de u
19


Calculemos las frmulas cerradas para u y v caso general (solucin ejercicio 3.1.8):
2 2 2 ( / 4) 1 1 1
0 0 (3 )/ 4
1 1
( ) ( ) 2 2
i mn i mn i mn N N N
N N N
m m m N
u n u m e e e
N N
t t t
= = =
(
= = +
(



2 2 ( / 4) 1 1
0 (3 )/ 4
3
2 2 2 ( / 4) 1 ( / 4) 1
4
0 0
2
2 3
donde
4
m m
i n i n N N
N N
m m N
N
m k
i n i n i n N N
N N N
m k
e e
N
N
e e e k m
N
t t
t t t

= =

= =
(
| | | |
( = +
| |
(
\ . \ .

(
| | | | | |
(
= + =
| | |
(
\ . \ . \ .
(




2 2
4 4
3
2
2 2
1 1
2
1 1
N N
i n i n
N N
i n
i n i n
N N
e e
e
N
e e
t t
t
t t
(
| | | |
(

| |
(
\ . \ .
= + (
(

(
(

, aplicando
1
0
1
1
1
k k
n
n
z
z z
z
+
=

= =

3
2 2
2 2 2
2 2
2 1 1
, ya que
1 1
i n i n
i n i n i n
i n i n
N N
e e
e e e
N
e e
t t
t t t
t t

(

(
= + =
(
(


2 2 2 2
2 2 2
2 1 1 2
1 1 1
i n i n i n i n
i n i n i n
N N N
e e e e
N N
e e e
t t t t
t t t
( (

( (
= + =
( (
( (


2 2
2 2 sin( / 2)
; 1, 2,..., 1
sin( / )
i n i n
i n
N
i n i n i n
N N N
e e n
e n N
N n N
N e e e
t t
t
t t t
t
t

(
= = =
(
(


El caso 0 n = ,
( / 4) 1 1 1
0 0 (3 / 4)
1 1 2 2 1
(0) ( ) 2 2 [ ]
4 4 2 2
N N N
m m m N
N N
u u m
N N N

= = =
(
= = + = + = =
(



En resumen,
1
(0) (19)
2
2 sin( / 2)
( ) (20)
sin( / )
i n
N
u
n
u n e
N n N
t
t
t

=
=

20


Ejercicio: Pruebe que

1 2 sin( / 2)
(0) , ( ) ( 1) , 1, 2,..., 1 (21)
sin( / ) 2
i n
n
N
n
v v n e n N
N n N
t
t
t

= = =
Continuando con el anlisis general de la base de Shannon (compleja) se observa que la
DFT de v tiene el valor de ( ) 2 v m = para las
2
N
altas frecuencias con
3
1
4 4
N N
m s s ,
y ( ) 0 v m = para las restantes
2
N
bajas frecuencias. Como
1
0
1
( )
N
m
m
v v m F
N

=
=

, entonces
segn lo anterior v no contiene frecuencias en la mitad inferior de la escala de frecuencias.
Las traslaciones de
2k
R v tienen la misma propiedad de v pues
2 (2 )/
2

( )( ) ( )
n k N
k
R v n e v n
t
= .
As, v y sus traslaciones no tienen frecuencias en la mitad inferior de la escala. En la
misma forma se puede ver que u y sus traslaciones no tienen frecuencias en la mitad
superior de la escala. Por tanto en la representacin
( / 2) 1 ( / 2) 1
2 2 2 2
0 0
, ,
N N
k k k k
k k
z z R v R v z R u R u

= =
= +


para
2
( )
N
z l e , la mitad superior de las frecuencias en z

estn contenidas en la primera
sumatoria mientras la mitad inferior estn en la segunda suma.
Algunas veces conviene tener bases ortonormales de valor real ya que en estos casos los
coeficientes z en la expansin son reales, lo que permite su almacenamiento como un
vector de componentes reales. En el caso complejo los vectores se almacenan como pares
de vectores reales.
Por un resultado conocido del captulo 2 (corolario 2.16), un vector z es real si solo si
( ) ( ) para todo z m z N m m = , es decir si z es real si cumple la condicin de simetra.
Luego para considerar un ejemplo de base Real de Shannon, basta verificar esta condicin
de simetra. Tal condicin no se satisface para
4
N
m = y
3
4
N
m = ya que
( ) ( )
4 4
N N
u u N = , pues ( ) 0
4
N
u = y
3
( ) 2
4
N
u = . Esta misma situacin ocurre con el
vector v . Sin embargo redefiniendo u y v en estos puntos de manera apropiada se puede
obtener la condicin de simetra convirtiendo a u y v en vectores reales, logrndose as
una base real de Shannon. A continuacin el ejemplo
21


Ejemplo 5. (Base Real de Shannon de primera fase) Supngase N divisible por 4. Se
define
2
, ( )
N
u v l e mediante:
2 0,1,..., ( / 4) 1 (3 / 4) 1,..., 1
/ 4
( )
3 / 4
0 ( / 4) 1,..., (3 / 4) 1
si n N n N N
i si n N
u n
i si n N
si n N N

= = +

=
=

=

= +

0 0,1,..., ( / 4) 1 (3 / 4) 1,..., 1
( ) 1 / 4 3 / 4
2 ( / 4) 1,..., (3 / 4) 1
si n N n N N
v n si n N n N
si n N N

= = +

= = =

= +

Ntese que as ( / 4) ( / 4) u N i i u N = = = y ( / 4) (3 / 4) 1, v N v N = =

cumplindose la
propiedad de simetra en estos puntos. En los otros puntos u y v coinciden con la base de
Shannon (compleja) y por tanto satisfacen la condicin de simetra. As, u y v

son
vectores a valor real (o de componentes reales). Ntese tambin que la matriz del sistema
( ) A n en / 4 n N = es unitaria:
1
1
( / 4)
1
2
i
A N
i
(
=
(

,
la redefinicin de v en
3
4 4
N N
n y n = = obliga a tomar u un imaginario puro en estos
puntos obtenindose simultneamente la condicin de simetra y la propiedad de que la
matriz A sea unitaria. En los otros puntos, la matriz del sistema ( ) A n es la misma como la
base de Shannon (compleja) y por tanto, tambin es unitaria. Aplicando el teorema 3.8,
{ } { }
( /2) 1 ( /2) 1
2 2
0 0
N N
k k
k k
R v R u

= =
es una base wavelet de primera fase tal que u y v son vectores
de componentes reales. Todos los elementos de la base tambin son de valor real ya que
son traslaciones de u y v .
Ntese que las altas y bajas frecuencias siguen particionadas o divididas entre u y v , tal
como en el ejemplo 3, salvo que hay un solapamiento en los puntos (equivalentes)
3
4 4
N N
n n = = .
Aqu, es relativamente difcil tener expresiones de forma cerrada para u y v . En la
prctica, para un N especfico existen algoritmos que mediante la IDFT se pueden obtener
, u v y almacenarlos para un uso futuro. Para el caso de 64 N = , las figuras 6 y 7
22


muestran las grficas de
32 32
, , , u R u v R v . Ntese como las grficas
32 32
R u y R v estn
relativamente localizadas alrededor de sus puntos centrales en este caso 32 a pesar de que
estas no fueron especficamente arregladas para tal fin.


Figura 6. Grficas de
32
, u R u . (Elementos de la base de Shannon real con N = 64).

0 10 20 30 40 50 60 70
-0.5
0
0.5
1
Parte Real de u
0 10 20 30 40 50 60 70
-0.5
0
0.5
1
Parte Real desplazada de u
0 10 20 30 40 50 60 70
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
X: 32
Y: 0.7071
funcin localizada R32(u)
23




Figura 7. Grficas de
32
, v R v . (Elementos de la base de Shannon real con N=64).
De forma similar para el caso de 512 N = , la figura 8 muestra las graficas de
256 256
R u y R v .
En adelante se mostrarn las grficas mediante el comando plot de MATLAB que une los
puntos mediante lneas aunque cuando sea necesario volveremos al tipo de grfica stem.
0 10 20 30 40 50 60 70
-0.5
0
0.5
1
Vector Real v
0 10 20 30 40 50 60 70
-0.5
0
0.5
1
Vector u trasladado: R32(v)
0 10 20 30 40 50 60 70
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
X: 33
Y: -0.4498
funcin localizada R32(v)


X: 32
Y: 0.7071
24



Figura 8. Grficas de
256 256
R u y R v. (Elementos de la base de Shannon real N = 512).
Sin embargo, cabe esperar que v tenga su mximo en 0 (y por tanto
256
R v tiene su mximo
en 256 n = cuando 512 N = ) pues por la frmula inversin de Fourier,
2
1
0
1
( ) ( )
i mn
N
N
m
v n v m e
N
t

=
=


as que,
( )
1
0
1 1
(0) ( ) (0) (1) (2) ... ( 1)
N
m
v v m v v v v N
N N

=
= = + + + +

0 100 200 300 400 500 600
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
X: 256
Y: 0.7071
funcin localizada R512(u)
0 100 200 300 400 500 600
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
funcin localizada R512(v)
X: 255
Y: -0.4502
X: 256
Y: 0.7071
X: 257
Y: -0.4502
25


Cuando 64 N = , (0) 0.7031 v = ,
2 2 2 2 (16) 2 (16)
1 47
64 64 64 64
0 17
2 (48) 2 (48)
64 64
1 2 1
( ) ( ) [ ( ) ( )] *[ ( ) ( )]
64 64
1
*[ ( ) ( )] ;
64
i mn i mx i mx i x i x
N
N
m m
i x i x
v n v m e Re e Im e Re e Im e
N
Re e Im e donde se cambio n por x continuo
t t t t t
t t

= =
= = + + +
+ +


En la figura 9 se muestran las grficas de ( ) v n que nos permiten ver el comportamiento
discreto de ( ) , 0,1, 2, 3,...63 v n n = . Como puede verse, a medida que n se aleja del origen
los valores disminuyen lo que significa que al desplazarla 32 unidades (
32
R v tiene su
mximo en el punto central y los valores se hacen ms pequeos cuando se alejan del
centro)


Figura 9. Grfica continua y discreta de ( ) v n .
Ntese que en este caso los ( ) 0 v m > para toda m, por lo que la suma de (0) v no tiene
cancelaciones producindose as el valor mximo. Para 0 n = la suma de cada ( ) v n tiene
26


cancelaciones (por las
2 i mn
N
e
t
), y por tanto, el resultado es un valor ms pequeo que (0) v .
Ntese tambin que
2
1 63
0 0
( ) ( ) (0) ( ) (0) (1) (2) ... (63) 0 por construccin,
imn
N
N
m m
v n v m e v v m v v v v
t

= =
= = = + + + + =

lo cual explica por qu v parece tener igual masa positiva y negativa. Ver figura 10.


Figura 10. Ilustracin del concepto de masa en v .
Por otro lado,
63
0
( ) (0) 2
m
u m u
=
= =

lo que indica que u tiene ms masa positiva que

negativa. El mismo anlisis funciona para 512 N = .
Cabe mencionar, que
32
R v es simtrica alrededor de 32 n = , pues como se sabe v es
simtrica alrededor de 0 si solo si v es real (ejercicio 2.1.12). De la misma forma, u no es
simtrica alrededor de 0 ya que u no es real, y por tanto
32
R u no es simtrica alrededor de
32 n = como puede verse en la figura 11. El mismo anlisis se cumple para cuando N=512.

27



Figura 11.
32
R u no es simtrica alrededor de 32 n =
.

Ya que las matrices unitarias 2x2 son fciles de caracterizar, el teorema 3.8 puede usarse
para describir explcitamente todas las bases wavelets de primera fase (ver ejercicio 3.1.6).
A continuacin un resultado til el cual afirma que toda wavelet padre u tiene una wavelet
madre acompaante v tal que u y v generan una base wavelet de primera fase.
Lema 3.12. Supngase , 2 M N M e = , y
2
( )
N
u l e tal que { }
1
2
0
M
k
k
R u

=
es un conjunto
ortonormal con M elementos. Se define
2
( )
N
v l e mediante
1
( ) ( 1) (1 ) para todo . (22)
k
v k u k k

=
Entonces { } { }
1 1
2 2
0 0
M M
k k
k k
R v R u

= =
es una base wavelet de primera fase de
2
( )
N
l .
Demostracin: usando la definicin del lema y luego tomando 1 k n =
2 2 2 (1 )
1 1 2
1
0 0 1
2 (1 )
1
0
( ) ( ) ( 1) (1 ) ( ) ( 1)
( ) ( 1) ya que 2 ( 2) 0 , y 1 ( 2) 1
i mn i mn i m k
N N N
n k
N N N
n n k
i m k
N
k
N
k
v m v n e u n e u k e
u k e N N N N
t t t
t

= = =

=
= = =
= + = + =

2 2 2 2 2
1 1
0 0
( ) ( ) ( ) ( )
i m i mk i m M k i mk
N N
i k i
N N N N N
k k
e u k e e e u k e e
t t t t
t t



= =
= =

pues 2M N =
0 10 20 30 40 50 60 70
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
X: 36
Y: -2.721e-017
funcin localizada R32(u)
X: 28
Y: 1.197e-015
X: 32
Y: 0.7071
28


2 2 ( ) 2 2 ( ) 2
1 1
0 0
( ) ( ) ( )
i m i m M k i m i m M k i m
N N
N N N N N
k k
e u k e e u k e e u m M
t t t t t + +


= =
= = = +


Por lo tanto,

2 ( ) 2 ( )
2 ( ) 2 ( ) 2 ( ) 2 ( )
( ) ( 2 ) ( )
( ) ( ) ( )
i m M i m M
N N
i M i m i m i m
i
N N N N
v m M e u m M e u m N
e e u m e e u m e u m
t t
t t t t
t
+ +

+ = + = +
= = =

As,
2 2
2 2 ( )
2 2
2 2
( ) ( ) ( ) ( )
( ) ( ) 2, 0,1, 2,..., 1. Por el lema 3.6
i m i m
N N
v m v m M e u m M e u m
u m M u m m M
t t

+ + = + +
= + + = =

Con lo anterior, se satisfacen las ecuaciones 15 y 16 del teorema 3.8. Finalmente,
2 2
( ) ( ) ( ) ( ) ( ) ( ) ( )[ ( )] 0
i m i m
N N
u m v m u m M v m M u m e u m M u m M e u m
t t
+ + + = + + =
Con lo que la ecuacin 17 tambin se satisface. Aplicando el teorema 3.8, el par , u v
genera una base wavelet de primera fase de
2
( )
N
l .
Ejemplo 6. Ilustrar mediante un ejemplo el lema 3.12 anteriormente demostrado.
Sea
2
4
( ) u l e , 2 M = donde
2 2
, , 0, 0
2 2
u
| |
=
|
|
\ .
. El conjunto { } { }
1
2 0 2
0
,
k
k
R u R u R u
=
= =
2 2 2 2
, , 0, 0 , 0, 0, ,
2 2 2 2
| | | |

=
| | `
| |
\ . \ . )
es un conjunto ortonormal pues por el lema 3.6 se
cumple
2 2
( ) ( 2) 2 , 0,1 u n u n n + + = = . Para tal efecto veamos
2
3
4 2
0
( ) ( ) (0) (1)
i mn i m
n
u m u n e u u e
t t

=
= = +

entonces
2 2 2 2
2, , 0,
2 2 2 2
u i i
| |
= +
|
|
\ .
y de
aqu
2 2
2 2
(0) (2) 2
(1) (3) 2
u u
u u
+ =
+ =
lo que confirma las hiptesis del 3.12. Ahora bien definiendo
1
( ) ( 1) (1 )
k
v k u k

= el lema 3.12 garantiza la CONSTRUCCIN de una base wavelet de

29


primera fase para
2
4
( ) l de la siguiente forma { } { }
1 1
2 2
0 0
k k
k k
R v R u
= =
. Hasta aqu la mitad
de la base ya se tiene. Hallemos la otra mitad:
2
(0) (1) (2) ( 1) (3) 0
2
2
(1) (0) (3) ( 2) (2) 0.
2
v u v u u
v u v u u

= = = = =
= = = = =

As, { }
1
2
0
2 2 2 2
, , 0, 0 , 0, 0, , .
2 2 2 2
k
k
R v
=
| | | |

=
| | `
| |
\ . \ . )

Finalmente, el conjunto
{ } { }
1 1
2 2
0 0
2 2 2 2 2 2 2 2
, , 0, 0 , 0, 0, , , , , 0, 0 , 0, 0, ,
2 2 2 2 2 2 2 2
k k
k k
R v R u
= =
| | | | | | | |

=
| | | | `
| | | |
\ . \ . \ . \ . )
es una base wavelet de primera fase para
2
4
( ) l . El lema resalta la construccin de bases
ortonormales { } { }
1 1
2 2
0 0
M M
k k
k k
R v R u

= =
para
2
( )
N
l con 2 N M = , a partir de un conjunto
ortonormal { }
1
2
0
M
k
k
R u

=
y definiendo los
1
( ) ( 1) (1 ) para todo .
k
v k u k k

= En otras
palabras, la base esta dividida en dos partes: alta frecuencia- v y baja frecuencia- u . Por lo
tanto, a partir de las bajas frecuencias se obtienen los vectores de alta frecuencia
construyndose en conjunto la base wavelet. A continuacin la grfica de la base.

Figura 12. Grfica de los elementos de la base ortonormal en
2
4
( ) l .
0 1 2 3
-1
0
1
Parte Real de v
0 1 2 3
-1
0
1
Parte Imaginaria de v
0 1 2 3
-1
0
1
Parte Real de R2v
0 1 2 3
-1
0
1
Parte Imaginaria de R2v
0 1 2 3
0
0.5
1
Parte Real de u
0 1 2 3
-1
0
1
Parte Imaginaria de u
0 1 2 3
0
0.5
1
Parte Real de R2u
0 1 2 3
-1
0
1
Parte Imaginaria de R2u
30


El resultado final del ejemplo anterior tambin es visto como la extensin de un conjunto
ortonormal a una base ortonormal - base wavelet de
2
( )
N
l con N par = .
La importancia de las matrices Unitarias establecidas en el teorema 3.8 nos obliga
igualmente a revisar esta condicin a la luz del ejemplo anterior as:
2
3
4 2
0
( ) ( ) (0) (1)
i mn i m
n
v m v n e v v e
t t

=
= = +

entonces
2 2 2 2
0, , 2,
2 2 2 2
v i i
| |
= +
|
|
\ .

Con
2 2 2 2
0, , 2,
2 2 2 2
v i i
| |
= +
|
|
\ .
, y
2 2 2 2
2, , 0,
2 2 2 2
u i i
| |
= +
|
|
\ .

verifiquemos que (0) A y (1) A son unitarias.
2x2
(0) (0) 1 0
1
(0)
(2) (2) 0 1
2
u v
A
u v
( (
= =
( (

. Aplicando el lema 1.105 del captulo 1, (0) A es
una matriz unitaria ya que las filas (o columnas) de (0) A forman una base ortonormal de
2
.
2x2
1 1
(1) (1)
1
2 2 2 2
(1)
(3) (3) 1 1
2
2 2 2 2
i i
u v
A
u v i i
(

(
(
= =
(
(
(
+ +
(

. Por lema 1.105 del captulo 1, las filas o
columnas de (1) A son base ortonormal de
2
. Pues s
1 1
,
2 2 2 2
1 1
,
2 2 2 2
i i
z
i i
w
| |
= +
|
\ .
| |
= +
|
\ .
entonces
1
0
, ( ) ( ) 0
n
z w z n w n
=
= =

y 1 z w = = .
As, el teorema 3.8 nos asegura que { } { } { }
1 1
2 2 2 2
0 0
, , ,
k k
k k
B R v R u v R v u R u
= =
= = es una base
wavelet de
2
4
( ) l .
Nota: Aplicar la definicin de matriz Unitaria implicara probar que la matriz ( ) A n tiene
inversa para cada n y que su inversa es
1
A A
-
= - transpuesta conjugada. Proceso
demasiado largo si se tratara de un espacio
2
( )
N
l para un N suficientemente grande y
par, lo que justifica el uso del lema 1.105.

31


Supngase { } { }
1 1
2 2
0 0
M M
k k
k k
B R v R u

= =
= una base wavelet de primera fase. Por el lema 1.106
(i), la matriz cambio de base de B a E es la matriz U cuyas columnas son los vectores
2 4 2 2 4 2
, , ,..., , , , ,...,
N N
v R v R v R v u R u R u R u


en este orden. Ahora bien, como B es ortonormal, U es unitaria (lema 1.105), as que la
matriz cambio de base de E a B es
1
U U
-
= .
Recordemos el lema 1.106
Lema 1.106: Sea { }
1 2
, ,...,
n
E e e e = la base estndar de
n
y supngase { }
1 2
, ,...,
n
B u u u =
base ortonormal de
n
. Sea U la matriz x n n cuya j-sima columna es el vector
j
u
I. Entonces U es unitaria, U es la matriz cambio de base de B a E , y U
-
es la
matriz cambio de base de E a B .
II. Supngase que :
n n
T es una transformacin lineal representada por la
matriz A en la base estndar (es decir ( ) T z Az = ). Entonces T representada en la
base ortonormal B viene dada por
TB
A U AU
-
= .
El siguiente es un esquema de este lema:
n n
TB
n n
TB
A
E E
U U A U AU
B A B
- -

| + =

Ahora bien, del esquema tomando n N = , el clculo directo de | |
B
z U z
-
= resulta muy
lento, ya que se requieren
2
N multiplicaciones. Por lo tanto, para calcular este cambio de
base de forma rpida, se usa el hecho que el coeficiente de
2k
R v en la expansin de z es
2
, (2 )
k
z R v z v k = - y de forma similar para : u
2
, (2 )
k
z R u z u k = - . Es as, como ahora
podemos representar el vector | |
B
z como el resultado de dos convoluciones de z seguidas
en cada caso por la operacin de extraccin o eliminacin de las entradas de ndice impar.
32


| |
(0)
(2)
( 2)
(23)
(0)
(2)
( 2)
B
z v
z v
z v N
z
z u
z u
z u N
- (
(
-
(
(
(
-
(
=
(
-
(
-
(
(
(
- (


Definicin 3.13 Supngase M e y 2 N M = . Si
2
( )
N
z l e dado por
( (0), (1), (2), (3), (4),..., ( 1)) z z z z z z z N = se define
2 2
: ( ) ( )
( ) ( (0), (2), (4),..., ( 2))
N M
D l l
z D z z z z z N

=

como el operador de submuestreo o decimacin. Que escrito en trminos de sus M
componentes
( )( ) (2 ) para 0,1, 2,..., 1 D z n z n n M = =
El operador de submuestreo frecuentemente se denota por 2 + en los diagramas. El clculo
de | |
B
z se ilustra en el siguiente diagrama y corresponde a la fase de anlisis que se
representa mediante un banco de filtros






Figura 13. Diagrama del banco de filtros- fase de anlisis.
Un banco de filtros en general es cualquier secuencia de convoluciones y otras operaciones.
El estudio de los bancos de filtros es un campo completo en ingeniera llamado anlisis de
seales multitasa, o codificacin subbanda. El trmino filtro se usa para denotar un
=
0
2

2

=
0
2

0
2

2
0
2

=





z

2

2
33


operador de convolucin (
b
T b z = - ) ya que tal operador puede remover distintas
frecuencias si el multiplicador de Fourier asociado es 0 (o suficientemente pequeo) en
estas frecuencias. Basta recordar que
1
( )
0
( ) ( ) ( )
N
m k
k
T z m k z k F

=
=

donde el efecto del

multiplicador de Fourier
( ) m
T sobre z es multiplicar el simo k coeficiente de la DFT
( ) z k por ( ) m k . Los ecualizadores grficos de sonido se modelan mediante un operador
multiplicador de Fourier y su objetivo es el de resaltar o disminuir componentes de
diferentes frecuencias en una seal de audio. Tal efecto se lleva a cabo dependiendo de la
eleccin de un valor del multiplicador de Fourier ( ) m k que har que la intensidad de la
frecuencia
2 i kn
N
e
t
en una seal sea de un valor grande o muy pequeo.
Hasta aqu se ha visto que es posible calcular el cambio de base de E a B rpidamente.
Para calcular el cambio de base opuesto de B a E , esto es, | |
E
z Uz = el producto es muy
lento debido al tamao de U . Existe un procedimiento rpido mediante el mtodo de banco
de filtros.
Definicin 3.14 Supngase M e y 2 N M = . Para
2
( )
M
z l e donde
( (0), (1), (2), (3),..., ( 1)) z z z z z z M = se define
2 2
: ( ) ( )
( ) ( (0), 0, (1), 0, (2), 0,..., 0, ( 1), 0)
M N
U l l
z U z z z z z M

=

como el operador de supermuestreo. Que escrito en trminos de sus N componentes
( / 2)
( )( )
0
z n s n par
U z n
s n impar
=
=

=

El operador de supermuestreo duplica el tamao del vector insertando un 0 entre cualquier
par de valores adyacentes. Es usual denotar el operador supermuestreo por el smbolo 2 |
en los diagramas de bancos de filtros.
Un ejemplo de supermuestreo es el siguiente si:
(1, 3 2 ,1 4 ,1 ) ( ) (1, 0, 3 2 , 0,1 4 , 0,1 , 0) z i i i U z i i i = + + = + +
Ntese que si primero se supermuestrea y luego se submuestrea, se rescata la seal original
z , esto es, ( ( )) D U z z = para cualquier z. Si el proceso ahora se hace al revs, es decir,
submuestrear primero y luego supermuestrear, ( ( )) U D z z = ya que si se eliminan los
34


valores de ndices impares y luego se insertan 0 all el efecto que resulta de U Des el de
anular todo los ndices impares que impiden rescatar de nuevo la secuencia z . Los dos
procesos anteriores de composicin no resultan ser inversos el uno del otro. Al comparar
U D con la ecuacin (9) se tiene que
( )
1
( ) (24)
2
U D z z z
-
= +
Lo que se resalta aqu es que solo se tiene una inversa a un lado
1
U D

= . En otras palabras,
la inversa a un lado no es necesariamente una inversa a ambos lados.
Para recuperar z

a partir de la salida del banco de filtros de arriba se concatena con un
banco de filtro a derecha que corresponde a la fase de sntesis tal como se muestra en el
siguiente diagrama. Aqu las incgnitas son
2
, ( ).
N
s t l e





fase de Anlisis fase de Sntesis
Figura 14. Fases de anlisis y sntesis en la reconstruccin perfecta de un banco de filtros.
La salida de la rama superior es ( ( )) t U D z v - - y la salida de la rama inferior es
( ( )) s U D z u - - . El lema 3.15 que sigue mas adelante da condiciones bajo las cuales la
suma de estas salidas es siempre la seal original z . Cuando esto sucede, se dice que el
banco de filtros realiza reconstruccin perfecta. Ntese que el lema no asume
necesariamente las condiciones del teorema 3.8. As que se tiene un resultado mas general
sobre los bancos de filtros que no necesariamente corresponden a bases ortonormales. Este
caso general conduce a una generalizacin de las wavelets ortonormales llamado wavelets
biortogonales. Tema que esta por fuera de los objetivos del curso pero que bien podra
conducir a un trabajo de grado.
Lema 3.15 Supngase , 2 M N M e = , y ( )
2
, , ,
N
u v s t l e . Para 0,1, 2,..., 1, n N = sea
( ) A n la matriz del sistema (de la definicin 3.7) de u y v . Entonces se tiene

=
?

)







z

2

2
2

2

35


reconstruccin perfecta en la figura 14, esto es,
( ( )) ( ( )) t U D z v s U D z u z - - + - - =
para todo
2
( )
N
z l e , si solo si
( )
2
( ) , para todo 0,1, 2,..., 1 (25)

( )
0
s n
A n n N
t n
(
(
= =
(
(



En el caso que ( ) A n sea Unitaria, la solucin se simplifica a

( ) ( ) t n v n = y ( ) ( ) s n u n = .
S ( ) A n es unitaria para todo n (equivalentemente, por el teorema 3.8, s
{ } { }
1 1
2 2
0 0
M M
k k
k k
R v R u

= =
es una base ortonormal de
2
( )
N
l ), entonces t v = y . s u =

Demostracin: Partiendo de la ecuacin (24):
( )
1
( ( ))
2
U D z z z
-
= + se tienen las
siguientes expresiones:
( )
( )
1
( ( )) ( )
2
1
( ( )) ( )
2
U D z v z v z v
U D z u z u z u
-
-
- = - + -
- = - + -

Por tanto, tal como se hizo en la demostracin de equivalencia de las ecuaciones (17) y (18)
del teorema 3.8,
1 1

( ( ( )))( ) ( ( ) )( ) [( )( ) (( ) )( )]
2 2
U D z v n z v z v n z v n z v n
- -
- = - + - = - + -
1 1

[ ( ) ( ) ( )( ) (( ) )( )] [ ( ) ( ) ( )( ) ( )( )]
2 2
z n v n z n v n z n v n z n M v n M
- -
= + = + + +
1

[ ( ) ( ) ( )( ) ( )] Lema3.5 frmula (3)

2
z n v n z n M v n M y = + + +
As,
1

( ( ( )))( ) [ ( ) ( ) ( ) ( )]
2
U D z v n z n v n z n M v n M - = + + +
y,
1

( ( ( )))( ) [ ( ) ( ) ( ) ( )]
2
U D z u n z n u n z n M u n M - = + + + reemplazando v por u .
Por lo tanto,
36



[ ( ( )) ( ( ))] ( ) ( ( ( )))( ) ( ( ( )))( ) t U D z v s U D z u n t U D z v n s U D z u n - - + - - = - - + - - =
( )

( ) ( ( ( )))( ) ( ) ( ( ( )))( ) por Teorema de Convolucin

1 1

( ) [ ( ) ( ) ( ) ( )] ( ) [ ( ) ( ) ( ) ( )]
2 2
agrupando apropiadamente,
1

( ) ( ) ( ) ( ) ( )
2
t n U D z v n s n U D z u n
t n z n v n z n M v n M s n z n u n z n M u n M
t n v n s n u n z n
= - + -
= + + + + + + +
= + +
( )
1

( ) ( ) ( ) ( ) ( ) (26)
2
t n v n M s n u n M z n M + + + +

Mediante la frmula inversin de Fourier
1
0
( )
N
n
n
z z n F

=
=

( ) ( )
1
0
1
0
[ ( ( )) ( ( ))] ( )
1 1

[ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )]
2 2
N
n
n
N
n
n
z t U D z v s U D z u n F
z t n v n s n u n z n t n v n M s n u n M z n M F

=
= - - + - -
= + + + + + +

Se tiene reconstruccin perfecta si solo si para todo n y
2
( )
N
z l e los coeficientes de
n
F
coinciden con ( ) z n . Pero esto se cumple si solo si

( ) ( ) ( ) ( ) 2 s n u n t n v n + = y

( ) ( ) ( ) ( ) 0 s n u n M t n v n M + + + =
equivalentemente a

( ) ( ) ( ) ( ) 2 (27)

( ) ( ) ( ) ( ) 0 (28)
s n u n t n v n
s n u n M t n v n M
+ =
+ + + =

S se reemplazan las ecuaciones (27) y (28) en la ecuacin de arriba se puede ver que estas
son condiciones suficientes para la reconstruccin de z . En sentido inverso, si se asume la
reconstruccin perfecta, fijando n y eligiendo z tal que ( ) 1 ( ) 0 z n y z n M = + = se obtiene
la ecuacin (27), mientras considerando otra z con ( ) 0 ( ) 1 z n y z n M = + = se obtiene la
ecuacin (28).
Reescribiendo las ecuaciones (27) y (28) en forma matricial
( ) ( ) ( ) 2 ( ) ( ) ( )
1 2

( ) ( ) ( ) 0 ( ) ( ) ( )
2 0
u n v n s n u n v n s n
u n M v n M t n u n M v n M t n
(
( ( ( ( (
= =
(
( ( ( ( (
+ + + +



se obtiene la ecuacin (25) del lema donde,
37


( ) ( )
1
( ) , 0,1,.., 1
( ) ( )
2
u n v n
A n n N
u n M v n M
(
= =
(
+ +


En el caso que ( ) A n

sea unitaria, ( ) A n es invertible y ( ( )) ( ( )) Inv A n A n
-
= - la transpuesta
conjugada, esto es,
( ) ( )
1
( ( )) , 0,1,.., 1
2 ( ) ( )
u n u n M
Inv A n n N
v n v n M
(
+
= =
(
+ (


Por lo tanto, multiplicando a ambos lados por la inversa,
( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1 1 2

( ) ( ) ( )
2 2 2 0 ( ) ( ) ( ) ( )
u n u n M u n v n s n u n u n M
u n M v n M t n
v n v n M v n v n M
( ( ( + + ( (
=
( ( (
( (
+ +
+ + ( (


( ) ( )

entonces ( ) ( ) ( ) ( ) , 0,1,.., 1

( )
( )
s n u n
s n u n y t n v n n N
t n
v n
(
(
= = = =
(
(
(


S ( ) A n es unitaria para todo n , entonces aplicando la transformacin inversa de Fourier a

( ) ( ) ( ) ( ) s n u n y t n v n = = y usando ecuacin (3) se tiene como solucin de la ecuacin

matricial (25): s u y t v = = equivalentemente s u y t v = = .
NOTA: Al final se encuentra un ejemplo para el lema 3.15
En el caso de { } { }
1 1
2 2
0 0
M M
k k
k k
R v R u

= =
base ortonormal de
2
( )
N
l , el ejercicio 3.1.13
propone una demostracin ms simple (que la del lema anterior) tal que s u = y t v = , pero
la del lema es un resultado ms general a causa de su inters independiente. Este nos indica
como reconstruir z usando la figura 14, en el caso donde u y v generan una base wavelet
de primera fase. Para tal efecto, basta tomar s u = y t v =

( equivalentemente s u = y
t v = ). En particular, el paso de reconstruccin implica solamente dos convoluciones ms y
de ah que su clculo sea rpido.
Por decirlo de otra manera, para calcular el cambio de base de B a E , se entra la primera
mitad de | |
B
z en la porcin superior de la parte derecha (fase de sntesis) y la mitad inferior
en la porcin de abajo, con t v = , y s u = . La salida ser | |
E
z z = .
Hasta aqu, se tienen condiciones que nos permiten crear bases ortonormales para las
cuales el cambio de base y su inverso puedan ser calculados rpidamente va convoluciones
usando el diagrama de banco de filtros.
38


De los ejemplos de bases de Shannon real y compleja, se probo que se puede lograr cierto
grado de localizacin en frecuencia con dichas bases, ya que v y sus traslaciones contienen
las altas frecuencias mientras que u y sus traslaciones contienen las bajas frecuencias.
Igualmente se vio que con estas bases tambin es posible obtener un grado razonable de
localizacin espacial.
El paso siguiente es iterar este tipo de divisin. Esto produce una base que naturalmente
refleja escalas diferentes. La forma ms fcil de comprender esta iteracin es en trminos
del diagrama de banco de filtros como se estudiar en la seccin 3.2.
Ejemplo 7. Ilustrar mediante un ejemplo el lema 3.15 anteriormente demostrado.
Partiendo de la base ortonormal conocida del ejemplo (6),
{ } { }
1 1
2 2
0 0
2 2 2 2 2 2 2 2
, , 0, 0 , 0, 0, , , , , 0, 0 , 0, 0, ,
2 2 2 2 2 2 2 2
k k
k k
B R v R u
= =
=
| | | | | | | |

=
| | | | `
| | | |
\ . \ . \ . \ . )

y aplicando el lema, se tiene que ste garantiza reconstruccin perfecta en el esquema del
banco de filtros de la figura 14, cuando t v = , y s u = ( t v = , y s u = ). En la figura 15
se exhibe la representacin completa de los cuatro filtros con las secuencias , , v v u y u .






Figura 15. Diagrama del banco de filtros para la base ortonormal B con reconstruccin
perfecta.
Ntese como los vectores de la base v ,y, u determinan los filtros de la fase de sntesis
(pasaalto y pasabajo), mientras los filtros de la fase de anlisis son su correspondientes
reflexiones conjugadas v y u . Dos anlisis se harn de este ejemplo:
(1) Mediante convoluciones y filtros.
(2) Mediante operadores usando matrices cambio de base.

z








z
39


Anlisis (1):
Tomando el camino del pasaalto si ( , , , ) z a b c d = entonces
3
0
( ) ( ) ( )
n
z v m z m n v n
=
- =

3
0
2 2
(0) ( ) ( ) (0) (0) ( 1) (1) ( 2) (2) ( 3) (3)
2 2
n
a b
z v z n v n z v z v z v z v
=
- = = + + + = +

Usando el producto interno desplazado (en este caso reflexin) tambin es posible calcular
las componentes del vector convolucin as:
2 2
2 2 0 0 ( )
2 2
2 2
( )
a b v n
a d c b z n

+
`

)

3
0
2 2
(1) (1 ) ( ) (1) (0) (0) (1) ( 1) (2) ( 2) (3)
2 2
n
b c
z v z n v n z v z v z v z v
=
- = = + + + = +

Que tambin puede calcularse mediante el producto interno desplazado una unidad a la
derecha as:
2 2
2 2 0 0 ( )
2 2
2 2
(1 )
b c v n
b a d c z n

+
`

)

3
0
2 2
(2) (2 ) ( ) (2) (0) (1) (1) (0) (2) ( 1) (3)
2 2
n
c d
z v z n v n z v z v z v z v
=
- = = + + + = +

Que tambin puede calcularse mediante el producto interno desplazado dos unidades a la
derecha as:
2 2
2 2 0 0 ( )
2 2
2 2
(2 )
c d v n
c b a d z n

+
`

)

3
0
2 2
(3) (3 ) ( ) (3) (0) (2) (1) (1) (2) (0) (3)
2 2
n
d a
z v z n v n z v z v z v z v
=
- = = + + + = +

Igual que arriba desplazando tres unidades a la derecha
40


2 2
2 2 0 0 ( )
2 2
2 2
(3 )
d a v n
d c b a z n

+
`

)

El vector de salida despus del filtro pasaalto de anlisis es
2 2 2 2 2 2 2 2
, , ,
2 2 2 2 2 2 2 2
a b b c c d d a
z v
| |
- = + + + +
|
|
\ .

Aqu se resalta el hecho de que el MATLAB utiliza la FFT para el clculo de las
convoluciones en lugar del producto matricial reduciendo as el costo computacional.
El siguiente paso es la respuesta del submuestreo, que reduce el vector z v - de
2
4
( ) l a un
vector de
2
2
( ) l as:
2 2 2 2
( ) ,
2 2 2 2
a b c d
D z v
| |
- = + +
|
|
\ .

Luego se supermuestrea ( ) D z v - cuya respuesta es ( ( )) U D z v - que de nuevo es un vector
de
2
4
( ) l :
2 2 2 2
( ( )) , 0, , 0
2 2 2 2
a b c d
U D z v
| |
- = + +
|
|
\ .

Finalmente, se hace la convolucin de ( ( )) U D z v - con v cuya respuesta por el camino del
pasaalto de anlisis y sntesis es el vector
( ( )) , , ,
2 2 2 2 2 2 2 2
a b a b c d c d
v U D z v
| |
- - = + +
|
\ .

Y cuyos clculos se hicieron usando el producto interno desplazado:
3
0
( ( ))( ) ( ) ( ( ))( )
n
v U D z v m v m n U D z v n
=
- - = -

2 2
0 0 ( )
2 2
2 2
2 2 2 2
0 0 ( ( ))( )
2 2 2 2
v n
a b
a b c d
U D z v n

+ + -

)

41


2 2
0 0 (1 )
2 2
2 2
2 2 2 2
0 0 ( ( ))( )
2 2 2 2
v n
a b
a b c d
U D z v n

+
`

+ + -

)

2 2
0 0 (2 )
2 2
2 2
2 2 2 2
0 0 ( ( ))( )
2 2 2 2
v n
c d
a b c d
U D z v n

+ + -

)

2 2
0 0 (2 )
2 2
2 2
2 2 2 2
0 0 ( ( ))( )
2 2 2 2
v n
c d
a b c d
U D z v n

+
`

+ + -

)

Ahora tomando el camino del pasabajo:
Procediendo de la misma forma si ( , , , ) z a b c d = entonces
3
0
( ) ( ) ( )
n
z u m z m n u n
=
- =

donde sus componentes son
2 2
2 2 0 0 ( )
2 2
2 2
( )
a b u n
a d c b z n

+
`

)
2 2
2 2 0 0 ( )
2 2
2 2
(1 )
b c u n
b a d c z n

+
`

)

2 2
2 2 0 0 ( )
2 2
2 2
(2 )
c d u n
c b a d z n

+
`

)

2 2
2 2 0 0 ( )
2 2
2 2
(3 )
d a u n
d c b a z n

+
`

)

Es decir,
2 2 2 2 2 2 2 2
, , ,
2 2 2 2 2 2 2 2
a b b c c d d a
z u
| |
- = + + + +
|
|
\ .

42


El siguiente paso es la respuesta del submuestreo, que reduce el vector z u - de
2
4
( ) l a
un vector de
2
2
( ) l as:
2 2 2 2
( ) ,
2 2 2 2
a b c d
D z u
| |
- = + +
|
|
\ .

Luego se supermuestrea ( ) D z u - cuya respuesta es ( ( )) U D z u - que de nuevo es un vector
de
2
4
( ) l :
2 2 2 2
( ( )) , 0, , 0
2 2 2 2
a b c d
U D z u
| |
- = + +
|
|
\ .

Finalmente, se hace la convolucin de ( ( )) U D z u - con u cuya respuesta por el camino del
pasabajo de anlisis y sntesis es el vector
( ( )) , , ,
2 2 2 2 2 2 2 2
a b a b c d c d
u U D z u
| |
- - = + + + +
|
\ .

Y cuyos clculos se hicieron usando el producto interno desplazado:
3
0
( ( ))( ) ( ) ( ( ))( )
n
u U D z u m u m n U D z u n
=
- - = -

2 2
0 0 ( )
2 2
2 2
2 2 2 2
0 0 ( ( ))( )
2 2 2 2
u n
a b
a b c d
U D z u n

+
`

+ + -

)

2 2
0 0 (1 )
2 2
2 2
2 2 2 2
0 0 ( ( ))( )
2 2 2 2
u n
a b
a b c d
U D z u n

+
`

+ + -

)

2 2
0 0 (2 )
2 2
2 2
2 2 2 2
0 0 ( ( ))( )
2 2 2 2
u n
c d
a b c d
U D z u n

+
`

+ + -

)

43


2 2
0 0 (2 )
2 2
2 2
2 2 2 2
0 0 ( ( ))( )
2 2 2 2
u n
c d
a b c d
U D z u n

+
`

+ + -

)

Finalmente sumando las dos salidas resultantes por los dos caminos,
( ( )) ( ( ))
, , , , , , ( , , , )
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
v U D z v u U D z u
a b a b c d c d a b a b c d c d
a b c d
- - + - - =
| | | |
= + + + + + + + =
| |
\ . \ .

Logrndose as la reconstruccin perfecta!!!
Anlisis (2): Mediante operadores y matrices
Se procede de la siguiente forma:
Se superponen un par de bloques sobre el diagrama del banco de filtros de la figura 15,
donde el primer bloque cubre la fase de anlisis que corresponde al clculo de | |
B
z , y que
no es ms que el cambio de la base cannica E a la base Ortonormal B, mientras que el
segundo bloque cubre la fase de sntesis que corresponde al clculo de | |
E
z , que no es ms
que el cambio de base ortonormal B a la base E. (ver figura 16)






Figura 16. El primer bloque en rojo expresa el cambio de base de E a la base B , mientras
el segundo es el cambio de base de B a E .
Ahora bien, se sabe que la base ortonormal o base wavelet de primera fase es:
{ } { }
1 1
2 2
0 0
2 2 2 2 2 2 2 2
, , 0, 0 , 0, 0, , , , , 0, 0 , 0, 0, ,
2 2 2 2 2 2 2 2
k k
k k
B R v R u
= =
| | | | | | | |

= =
| | | | `
| | | |
\ . \ . \ . \ . )

z







z








44


La matriz cambio de base de B a E es U cuyas columnas son los 4 vectores de la base B
2 2
0 0
2 2
2 2
0 0
2 2
2 2
0 0
2 2
2 2
0 0
2 2
U
(

(
(
(
(
(
=
(

(
(
(
(


Mientras que la matriz cambio de base de E a B es
1
U U
-
= ya que U es unitaria, que en
este caso es
1
2 2
0 0
2 2
2 2
0 0
2 2
2 2
0 0
2 2
2 2
0 0
2 2
U U
-
(

(
(
(

(
(
= =
(
(
(
(
(


El clculo de
| |
2 2 2 2
0 0
2 2 2 2
2 2 2 2
0 0
2 2 2 2
2 2 2 2
0 0
2 2 2 2
2 2 2 2
0 0
2 2 2 2
B
a b
a
c d
b
z U z
c
a b
d
c d
-
( (

+
( (
( (
( ( (
+ ( ( (
( ( (
= = =
( ( (
+ ( ( (

( (
( (
+
( (


produce
2
16 N = multiplicaciones que se incrementa en la medida que N sea ms grande
lo que ocasiona un alto costo computacional comparado con la FFT, algoritmo que calcula
de forma eficiente convoluciones usando ( ) z w zw
v
- = ya que la DFT y IDFT son
45


calculadas muy rpidamente y no toma ms de
2
3
log
2
N
N N
| |
+
|
\ .
multiplicaciones para
calcular z w - . Si se comparan las graficas de
2
x , y
2
3
log ( )
2
x
x x
| |
+
|
\ .
se puede constatar
tal hecho.
NOTA 1: Si usamos el lema 1.58. (Pgina 48 del texto gua), tomando
2
4
( ) V l = , con
base cannica { }
0 1 2 3
, , , E E E E E = , y base ortonormal { }
2 2
, , , B v R v u R u = se puede ver
que | | | |
B E
z A z = donde A U
-
= . Basta que calcule
0 11 12 2 13 14 2
E a v a R v a u a R u = + + + y
obtendr la primera columna y de la misma forma las otras columnas. Naturalmente este
lema no utiliza el hecho de matriz unitaria.
NOTA 2. Es importante resaltar que las componentes de | |
B
z entrega simultneamente la
salida del pasaalto ms el submuestreo (la mitad superior del vector) y la salida del
pasabajo ms el submuestreo (la mitad inferior del vector).
Por otro lado usando la frmula (23) para 4 N =
| |
(0)
(2)
(0)
(2)
B
z v
z v
z
z u
z u
- (
(
-
(
=
( -
(
-


Obviamente este cambio de base es mucho ms rpido de calcular por las razones ya
sustentadas arriba especialmente si el N es grande. Como puede verse este vector es el
resultado de dos convoluciones de z seguidas en cada caso por la operacin de
submuestreo.
Ntese que la forma que tiene la matriz U
-
es tal que los corrimientos de v y u producen
automticamente la convolucin ms el submuestreo al multiplicarse por z . Otro hecho
que debe resaltarse tambin es como las DFT y IDFT juegan un papel esencial en toda la
teora a travs de la FFT y de ah la importancia del anlisis de Fourier a travs de los
bancos de filtros.
Para el segundo bloque simplemente basta con tomar la salida del primero | |
B
z y
multiplicarlo por la matriz U as:
46


| | | |
2 2 2 2
0 0
2 2 2 2
2 2 2 2
0 0
2 2 2 2
2 2 2 2
0 0
2 2 2 2
2 2 2 2
0 0
2 2 2 2
E B
a b
a
c d
b
z U z
c
a b
d
c d
( (

+
( (
( (
( ( (
+ ( ( (
( ( (
= = =
( ( (

+ ( ( (

( (
( (
+
( (


Igual como se afirm arriba, si el N es grande la cantidad de multiplicaciones es enorme,
razn por la cual para tener un ahorro en el costo computacional y rapidez en los clculos
se prefiere el uso de las convoluciones mediante la FFT. En otras palabras, mediante el
esquema de banco de filtros donde | |
E
z preferiblemente se calcula as:
| | ( ( )) ( ( )) ( , , , )
E
z v U D z v u U D z u a b c d = - - + - - =

NOTA IMPORTANTE.
Cuando se estudian filtros y en particular los causales, la serie de Fourier finita y en
especial el mdulo de esta son de gran utilidad para conocer el tipo de filtro y algunas
propiedades que lo caracterizan.
Por qu se considera v un pasaalto?
2 2
, , 0, 0
2 2
v
| |
=
|
|
\ .

La serie de Fourier finita de v se define como
1 3
2 3
0 0
2 2
( ) ( ) ( ) (0) (1) (2) (3)
2 2
N
i k w ikw iw i w i w iw
k k
V w v k e v k e v v e v e v e e

= =
= = = + + + = +


2 2
2 2
( ) 2 2
2 2
iw iw
iw iw
e e w
V w i e i e sen
i
| |
| |
|
= =
|
|
\ .
|
\ .
donde w es frecuencia. El mdulo es
2
( ) 2 2
2 2
iw
w w
V w i e sen sen
| | | |
= =
| |
\ . \ .
; ntese que (0) 0 , ( ) 2 V V t = = .
47



Figura 17. El filtro v corresponde a un pasaalto, pues anula las bajas frecuencias pero
preserva las altas frecuencias.
Por qu se considera u un pasabajo?
2 2
, , 0, 0
2 2
u
| |
=
|
|
\ .
1 3
2 3
0 0
2 2
( ) ( ) ( ) (0) (1) (2) (3)
2 2
N
i k w ikw iw i w i w iw
k k
U w u k e u k e u u e u e u e e

= =
= = = + + + = +


2 2
2 2
( ) 2 2 cos
2 2
iw iw
iw iw
e e w
U w e e
| |
+ | |
|
= =
|
|
\ .
|
\ .

Donde
2
( ) 2 cos 2 cos
2 2
iw
w w
U w e
| | | |
= =
| |
\ . \ .
; (0) 2 , ( ) 0 U U t = =

Figura 17. El filtro u corresponde a un pasabajo, pues anula las altas frecuencias pero
preserva las bajas.
0 0.5 1 1.5 2 2.5 3
0
0.5
1
1.5
filtro pasaalto
Variable independiente w
|
V
(
w
)
|
X: 3.142
Y: 1.414
0 0.5 1 1.5 2 2.5 3
0
0.5
1
1.5
filtro pasabajo
Variable independiente w
|
U
(
w
)
|
X: 0
Y: 1.414
48


Las condiciones del filtro pasabajo son: (0) 1 , ( ) 0
Mx
U y U t = = lo que implica que
3
0
3
0
(0) 1 ( ) 2
( ) 0 ( 1) ( ) 0
Max
k
k
k
U u k
U u k t
=
=
= =
= =

Puede comprobarse que el valor absoluto de la suma de los elementos del pasabajo es igual
a 2 , mientras la suma alternada es igual a 0. Las componentes de u caracterizan el filtro
pasabajo. Recordemos que u es un elemento generador de la base ortonormal o wavelet.
Las condiciones del filtro pasaalto son: (0) 0 , ( ) 1
Max
V y V t = = lo que implica que
3
0
3
0
(0) 0 ( ) 0
( ) 1 ( 1) ( ) 2
k
k
Max
k
V v k
V v k t
=
=
= =
= =

Ntese que la suma de los elementos del pasaalto es igual a 0 , mientras que el valor
absoluto de la suma alternada es igual a 2 . Es as, como las componentes de v
caracterizan el filtro pasaalto. Recordemos que v es un elemento generador de la base
ortonormal o wavelet.

3.2 CONSTRUCCIN DE WAVELETS SOBRE
N
: EL PASO DE ITERACIN