Clase 1 SyS

Introduccion a las Se
nales y Sistemas
Dr. Ing. Leonardo Rey Vega
Se
nales y Sistemas (66.74 y 86.05)
Facultad de Ingeniera
Universidad de Buenos Aires
Agosto 2013
Se
nales y Sistemas (66.74 y 86.05) Introducci
on a las Se
nales y Sistemas 1/31
Resumen
1 Introducci
on a la materia
2 Se
nales en tiempo continuo y discreto
3 Sistemas en tiempo continuo y discreto
Se
on a las Se
Introduccion a la materia I
La materia presentara una introducci on a conceptos y tecnicas de an

alisis y
dise
no para se
nales y sistemas en tiempo continuo y discreto (con especial
enfasis en sistemas lineales!)
El analisis y sntesis de se
nales y sistemas tiene importancia fundamental en
la ciencia y la tecnologa:
Comunicaciones
Control
Teora de circuitos
Generaci
on y distribuci
on de energa electrica
Ingeniera biomedica
Aplicaciones de punta: sistemas aeroespaciales, radares, etc.
En la materia presentaremos conceptos b asicos y cuando sea posible

presentaremos ejemplos simples de aplicaci
on de los mismos en algunas de
las aplicaciones mencionadas arriba!
Se
on a las Se
Introduccion a la materia II
Temas que cubriremos:
Conceptos b
asicos de se
nales y sistemas.
Convoluci
on y propiedades de sistemas lineales.
Series y transformadas de Fourier.
Muestreo e interpolaci
on.
Transformada de Laplace y transformada Z y an
alisis de sistemas
mediante dichas herramientas.
Dise
no de filtros digitales.
Aplicaciones: sistemas de comunicaciones anal
ogicas, sistemas
realimentados, etc.
Bibliografa, guas de ejercicios, cronograma y reglamento de la materia

pueden encontrarse en el campus virtual:
http://campus.fi.uba.ar/
Consultas sobre la materia y sobre los temas de la te

orica: lrey@fi.uba.ar
Se
on a las Se
Introduccion a la materia III
Bibliografa b
asica:
A. Oppenheim, A. Willsky , S Nawab, Se
nales y Sistemas, Pearson
Education, 2da. edici
on, 1998.
A. Oppenheim, R. Schafer, J. Buck, Tratamiento de Se
nales en
Tiempo Discreto, Prentice-Hall, 2da. edici
on, 1999.
Bibliografa suplementaria:
B. Porat, A Course in Digital Signal Processing, John Wiley & Sons,
1ra. edici
on, 1997.
T. Kailath, Linear Systems, Prentice-Hall, 1ra. edici
on, 1980.
P. Vaidyanathan, Multirate Systems and Filterbanks, Prentice-Hall,
1ra. edici
on, 1993.
Se
on a las Se
Introduccion a la materia IV
Aprobaci
on de la materia:
Parcial a partir de la clase 10 (ver cronograma).
Presentaci
on y defensa de un trabajo pr
actico especial hacia el final de
cuatrimestre.
Nota de cursada NCur = 0.7 Npar + 0.3 Ntp.
Coloquio integrador. Nota final: Nf = 0.4 NCur + 0.6 NCol.
Importante!! La materia introduce muchos conceptos abstractos que requieren

tiempo de estudio y dedicaci
on para ser debidamente asimilados. Para el
exito en
la cursada y aprobaci
on de la materia se recomienda:
1 Venir a las te
oricas con el material a ser presentado ledo para una mejor
aprovechamiento de las clases.
2 Durante la semana siguiente a cada clase te orica estudiar detalladamente la
bibliografa para cada uno de los temas presentados. El material en estas
guas no reemplaza en absoluto a la bibliografa sugerida!
3 Aprovechar las clases pr
acticas para resolver ejercicios y consultar a los
docentes. Sin una rutina constante de resolucion de problemas desde el da 1
esta materia ser
a muy difcil de aprobar!!!
4 Ejercitarse en casa durante la semana utilizando las guas de ejercicios y los
ejercicios sugeridos en la te
orica y en las pr
acticas.
Se
on a las Se
Se
nales I
Que es una se
nal???
B
asicamente es un objeto que lleva informaci
on total o parcial sobre el
comportamiento de un sistema fsico
Existe una diversidad enorme de sistemas fsicos y por ende una inmensidad de
se
nales de naturaleza diversa!!
Sin embargo en general pueden ser modelizadas de una forma universal y ser
analizadas con herramientas matematicas independientes de la naturaleza fsica de
dichas se
nales!!!
Esto es importante ya que nos permite analizar se nales y sistemas sin hacer
ninguna consideraci
on sobre su naturaleza fsica concreta pudiendo generar
conceptos y analisis verdaderamente universales!!
Se
on a las Se
Se
nales II
El modelo matem
atico para una se
nal es el de una funci
on
x(t) : RN R
. Ejemplos:
El voltaje v(t) como funci
on del tiempo en un capacitor. Claramente N = 1.
La senal del coraz
on humano en funci
on del tiempo obtenida a trav
es de un
electrocardiograma. De nuevo N = 1.
La temperatura en una varilla de metal en funci
on de la posici
on sobre la
misma. De nuevo N = 1.
Una imag en fotogr
afica, donde f (t1 , t2 ) es la intensidad del brillo y t1 y t2
son las coordenadas espaciales. En este caso N = 2.
La variable independiente t se referir

a gen
ericamente como el tiempo, aunque no
necesariamente sea as. Ademas, todos los conceptos que veremos a lo largo del
curso se pueden obtener (sin mucho trabajo) para N N, sin embargo nosotros nos
restringiremos, a partir de ahora y salvo aclaraci
on en contrario, al caso N = 1.
Se
on a las Se
Se
nales III
Cuando t R hablamos de se nales en tiempo continuo. Podemos tambi

en pensar
en se
nales de tiempo discreto (secuencias):
x[n] : Z R
Ejemplos de se
nales de tiempo discreto:
Muestras de una se
nal de tiempo continuo (a trav
es de un apropiado
procedimiento de muestreo que estudiaremos m as adelante).
Datos sobre el nivel de precipitaciones en Buenos Aires para cada mes del
a
no (se
nal intrnsecamente de tiempo discreto).
Datos para cada da del nivel de operaciones en la Bolsa de Buenos Aires.
(se
nal intrnsecamente de tiempo discreto).
Las se
nales de tiempo continuo se conocen tambi en como se
nales analogicas. Las
se
nales de tiempo discreto cuyos valores no necesariamente son n umeros reales,
sino que pertenecen a un conjunto finito, se denominan se nales digitales. Un
ejemplo de se
nal digital es la salida de un conversor A/D.
Se
on a las Se
Se
nales IV
Una u
ltima clasficaci
on discrimina entre:
Se
nales determinsticas: Cada valor de la se
nal para cada t o n, seg
un
corresponda, esta perfectamente determinado a trav es de una funcion
matem atica o una tabla de valores.
Se
nales estoc
asticas: El valor de la se
nal para cada t o n, seg
un corresponda,
no est
a perfectamente determinado y obedece a una ley de probabilidad. Se
puede decir, que una senal estoc
astica es un conjunto de senales, todas
perfectamente realizables, por un esquema subyacente de probabilidades.
Las senales estoc

asticas son muy u tiles para analizar la din
amica de sistemas muy
complejos, que no pueden ser modelados analticamente en forma precisa. Un
ejemplo ocurre con las se nales de voz. En este curso nos ocuparemos solamente de
las se
nales determnisticas. En la materia Procesos Estoc asticos se analizan con
detalle las senales estoc
asticas.
Se
on a las Se
Se
nales V
Desde el formalismo matem atico nos servir
a estructurar las se
nales en espacios
vectoriales adecuados (para nosotros estructurados sobre R o C). En forma precisa
Sea H un conjunto de funciones f : R R que adem

as satisfacen lo siguiente:
Si f (t) H entonces f (t) H, R.
Si f (t) y g(t) pertenecen a H entonces f (t) + g(t) pertenecen a H.
Se dice que H es un espacio vectorial estructurado sobre R.
Observaciones:
Notar que necesariamente la funci

on nula (es decir la que vale 0 para todo t)
debe pertenecer a H.
La extensi
on para el caso de se
nales de tiempo discreto es inmediata.
Los espacios vectoriales con los que trabajaremos no ser
an en general de
dimensi
on finita!.
La noci on de independencia lineal entre N elementos del espacio es siempre
la misma independientemente de que el espacio tenga dimensi on finita o
infinita.
Es inmediato ver que podemos estructurar un espacio en lugar de sobre R
sobre C (de hecho lo haremos m
as adelante!!)
Se
on a las Se
Se
nales VI
Ejemplos:
nales f : R R tales que :
Sea L2 (R) el espacio de las se
Z
|f (t)|2 dt < ,

es decir las se
nales con energa finita en toda la recta. Es claro que L2 (R) es
un espacio vectorial. Probarlo!!!
El resultado es el mismo para L2 (B) con B R el espacio de las se
nales
f : B R tales que : Z
|f (t)|2 dt <
B
Sea l2 (Z) el espacio de las se

nales de tiempo discreto tales que:

X
|x[n]|2 <
n=
Es claro que l2 (Z) es un espacio vectorial.Probarlo!!!

Sea P(n) el conjunto de los polinomios de grado menor o igual a n. Probar
que P(n) es un espacio vectorial. Probarlo!!! Es de dimensi on finita o
infinita??.
Sea A = et , e2t , e3t , . . . . Es A un espacio vectorial???

Se
on a las Se
Se
nales VII
En algunos espacios vectorial podremos contar con algunas estructuras m
as
completas. Por ejemplo, con un producto interno.
Decimos que h, i : H H R es un producto interno sobre el espacio vectorial H

compuesto por funciones f : R R si satisface:
hf (t), g(t)i = hg(t), f (t)i para f (t), g(t) pertenecientes a H.
hf (t), g(t)i = hf (t), g(t)i para f (t), g(t) pertenecientes a H y R.
hf (t), f (t)i 0 con la igualdad s y s olo s f (t) 0. Notar que
hf (t), f (t)i ||f (t)||2 , es decir la norma al cuadrado de la se nal f (t).
Ejemplo: Sea L2 ([0, T ]) el espacio vectorial de las funciones de energa finita

f : [0, T ] R. Se define:
Z T
hf (t), g(t)i f (t)g(t)dt
0
Probar que esto constituye un producto interno en el mencionado espacio!!!
Nuevamente podemos definir un producto interno para un espacio vectorial de

funciones que entregan valores en C. Como se modifican los axiomas para el
producto interno?? Cu al sera la definici
on del mismo para el espacio L2 ([0, T ])
nales que lo componen son f : [0, T ] C??
pero donde las se
Se
on a las Se
Se
nales VIII
La presencia de producto interno permite definir la noci
on de ortogonalidad entre
elementos de un espacio vectorial.
Se dice que f (t) y g(t) pertenecientes a H con producto interno h, i son

ortogonales si:
hf (t), g(t)i = 0
Ejemplo: Sea f (t), g(t) L2 ([0, T ]) con el producto interno usual. Entonces, si
f (t) y g(t) son ortogonales:
Z T
f (t)g(t)dt = 0
0
En espacio vectoriales con producto interno cobra importancia el concepto de base

ortonormal. Una base ortonormal conocida por todos (y que despu es utilizaremos)
para el espacio de funciones complejas f : [0, T ] C en L2 ([0, T ]) es1 :

1 1 1 1 1 2
, . . . , e2j0 t , , ej0 t , , , e0 t , , e2j0 t , . . . , , 0 =
T T T T T T
1
L2 ([0, T ]) es un espacio de dimensi
on infinita y existen algunas cuestiones t
ecnicas para
estar seguros que el conjunto de las exponenciales complejas permite generar cualquier
elemento del espacio. No nos detendremos en dichos detalles en el curso.
Se
on a las Se
Algunas funciones u
tiles I
Una funci
on muy u
til para nosotros ser
a la funci
on escal
on unitario:
El valor en t = 0 no es importante y se puede
1 t>0 definir con total libertad. Una elecci
on
u(t) =
0 t<0 popular es u(0) = 0.5.
Esta funcion es muy u til en teora de control y procesamiento de senales. Una de

sus atractivos es que permite restringir se nales para los valores de t positivos por
medio de una simple multiplicaci on con esta funci
on.
Otra funci
on de mucho inter
es para nosotros ser
a la delta de Dirac o funci
on
impulso unitario2 :
La definici
on rigurosa de este objeto es matem
aticamente compleja. Incluso desde
el punto de vista formal, lo que llamamos como delta de Dirac no es una funci
on.
Nosotros, como usaremos este objeto de forma puramente operativa nos
preocuparemos por estos detalles.
Una posible definicion es la siguiente

Z t
Integrando la funci
on delta de Dirac
u(t) = ( )d

obtenemos la funcion escal
on definida arriba!!
2
La definici
on precisa requiere teora de distribuciones y teora de la medida, temas que
est
an fuera del alcance de este curso. Para los interesados (y valientes!!) consultar W.
Rudin,Functional Analysis, Mc-Graw-Hill, 1991.
Se
on a las Se
Algunas funciones u
tiles II
Sin ser rigurosos podemos definir tambi

en:
La falta de rigurosidad nos lleva a un

problema en t = 0 donde la funci on escal
on
unitario es discontinua y su derivada en el
(t) = u0 (t) sentido cl
asico no existe!! Sin embargo con el
formalismo de la teora de las distribuciones
dicha derivada se puede justificar y por ello la
seguiremos utilizando!
En forma equivalente la delta de Dirac es un objeto que cumple con las siguientes
propiedades
(t) = 0 t 6= 0.
R
(t)dt = 1.
Se
on a las Se
Algunas funciones u
tiles III
on (t) = u0 (t) como un lmite (aunque no
Podemos intepretar la expresi
rigurosamente):
(t) = u0 (t), 0
Notamos como (t) tiene siempre a

rea unitaria y para t < 0 y t > vale 0. Sin
preocuparnos por la rigurosidad matematica podemos decir que :
lim (t) = (t)

0
Funciones como (t) arriba, que convergen a (t) cuando 0 se denominan

nascent delta functions.
Se
on a las Se
Algunas funciones u
tiles IV
Notar que para una senal x(t) continua podemos escribir (con el lmite
interpretado en el mismo sentido que las expresiones de arriba):
lim x(t) (t) = x(0)(t)

0
Esto nos lleva a una de las principales propiedades de la delta de Dirac:
Para funciones continuas en un t0 R

arbitrario, la delta de Dirac nos
Z
permite de alguna forma obtener o
(t t0 )x(t)dt = x(t0 )
evaluar el valor de dichas funciones
en dicho punto!! Esto ser a muy util
cuando veamos el tema de muestreo!!
Cuando veamos el concepto de convoluci on para sistemas lineales veremos otra

interpretaci
on interesante de la delta de Dirac!!
Se
on a las Se
Algunas funciones u
tiles V
Para el caso de tiempo discreto podemos tambi en definir las funciones escal
on
unitario u[n] y la funci
on impulso unitario [n]:
2 2
1.8 1.8
1.6 1.6
1.4 1.4
1.2 1.2
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
4 2 0 2 4 6 8 10 4 3 2 1 0 1 2 3 4
En este caso no hay problemas matem aticos y los resultados e intuici

on son m as
naturales. Notar que en este caso el valor en n = 0 de la funcion escalon se fija en
1. Es f
acil verificar:
u[n] = n
P
k= [n].
[n] = u[n] u[n 1].
P
k= x[k][n k] = x[n] para cualquier se
nal de tiempo discreto x[n].
Se
on a las Se
Sistemas I
Que es un sistema??
B
asicamente es un objeto que acepta senales, las transforma de acuerdo a una
determinada ley y proporciona a su salida dichas senales. transformadas
Existe una diversidad enorme de sistemas de naturaleza diversa!!
Sin embargo, en general pueden los sistemas pueden ser modelizados de una forma
universal y ser analizados con herramientas matem aticas independientes su
naturaleza fsica!!!
Ejemplos
Un capacitor que dado una tensi
on entre sus bornes v(t) genera una
corriente i(t).
Una camara fotogr afica digital que dada una escena del mundo real
(modelizada con una se nal bidimensional de intensidades lumnicas
analogica), proporciona una se nal bidimensional de intensidades lumnicas
digitales.
Un instrumento musical de viento, que dada la senal de entrada dada por el
soplido del m
usico, proporciona una se
nal ac
ustica.
Se
on a las Se
Sistemas II
Desde el punto vista matematico formal podemos definir a un sistema como a un
operador que opera entre dos espacios de se
nales. En particular nos interesaran
aquellos operadores que operen entre dos espacios vectoriales de se
nales:
Un sistema cuyas entradas son se nales en el espacio vectorial H1 y sus salidas son
nales en el espacio vectorial H2 se puede representar en forma matem
se atica por
un T : H1 H2 . En forma compacta la acci on del sistema representado por T se
puede escribir como:
y(t) = T [x(t)]
donde x(t) H1 es la se
nal de entrada y y(t) H2 es la se
nal de salida.
Por supuesto que las mismas definiciones valen para sistemas que toman se nales
en tiempo discreto y entregan se
nales en tiempo discreto o incluso para sistemas
mixtos!!
Se
on a las Se
Sistemas III
Analicemos algunas propiedades y ejemplos concretos de sistemas
Memoria: Un sistema se dice que es sin memoria cuando su salida en
tiempo t depende solamente de su entrada en el tiempo t. Por ejemplo en un
espacio vectorial H de se
nales de tiempo continuo reales un sistema sin
memoria:
y(t) = x(t), C
Otro ejemplo m
as general puede estar dado a trav
es de una funci
on gen
erica
f :RR
y(t) = f (x(t))
Qu e sistemas reales se le ocurren que se pueden modelizar de esta forma??
En forma equivalente un sistema se dice que es con memoria cuando su
salida en el tiempo t depende de su entrada en otros tiempos distintos de t
(por supuesto puede depender tambi en de la entrada a tiempo t). Ejemplos
de sistemas con memoria:
Z t 1 X1
n+N
y(t) = x(t ), y(t) = x( )d, y[n] = x[k]
N k=n
Qu
e sistemas reales con memoria se le ocurren??
Se
on a las Se
Sistemas IV
Invertibilidad: En forma coloquial un sistema es invertible cuando

observando la salida del mismo podemos recuperar la entrada. En t erminos
matem aticos concretos, un sistema es invertible cuando el operador T que lo
define es biyectivo o lo que es lo mismo existe T 1 .
Ejemplos:
y(t) = x(t) es invertible si 6= 0.
y[n] = n
P
k= x[k] es invertible. Cu al es el sistema inverso??
Rt
y(t) = x( )d es invertible. Cu al es el sistema inverso??
y(t) = sin
(x(t)) no es invertible. Por qu e?
x[n] 0nN
y[n] = no es invertible. Por que?
0 en otro caso
Se
on a las Se
Sistemas V
Causalidad: Se dice que un sistema es causal cuando su salida depende

u
nicamente del presente y del pasado de la entrada (no del futuro). Un
sistema se dice que es no causal cuando su salida puede depender de valores
del pasado, del presente y tambien futuro. Un sistemas se dice que es
anti-causal cuando su salida depende u nicamente del presente y del futuro.
Ejemplos:
y(t) = x(t) es causal. De hecho todo sistema sin memoria es
necesariamente
Rt causal!. R t+
y(t) = x( )d es causal. Sin embargo y(t) = x( )d con
> 0 es no causal.
Se le ocurren ejemplos reales de sistemas causales y no causales?
La propiedad de causalidad es muy importante! En ciertas aplicaciones que deben

funcionan en tiempo real dicha propiedad es crtica. Sin embargo, existen tambi
en
otras aplicaciones donde la propiedad de causalidad no es vital!
Se
on a las Se
Sistemas VI
Estabilidad: Existen varios criterios de estabilidad. Nosotros vamos a
trabajar con el que dice que un sistema es estable si para entradas acotadas
la salida permanece acotada. Este criterio de estabilidad se conoce
com unmente como BIBO (Bounded Input-Bounded Output). En t erminos
precisos, si B1 R+ tal que
|x(t)| B1 , t R
entonces B2 R+ tal que

|y(t)| B2 , t R
La estabilidad para sistemas de tiempo discreto se define en forma similar.

Ejemplos:
Rt
El sistema y(t) = x( )d es inestable. Por que?
1 Pn
El sistema y[n] = N k=nN +1 x[k] es estable. Por qu
e?
Tener sistemas estables es muy importante en la pr actica! Por otro lado analizar
la estabilidad de un sistema general puede ser un problema difcil. Sin embargo,
existe una familia muy amplia de sistemas (los lineales e invariantes en el tiempo)
donde el an alisis de la estabilidad es muy simple.
Se
on a las Se
Sistemas VII
Invariancia en el tiempo: Se dice que un sistema es invariante en el

tiempo si un desplazamiento temporal en la entrada provoca un
desplazamiento temporal en la salida. En t erminos precisos: si la salida a un
sistema con entrada x(t) es y(t) entonces, para cualquier valor t0 R, la
salida a la entrada x(t t0 ) es y(t t0 ). Ejemplos:
Sea f : C C, el sistema dado por y(t) = f (x(t)) es invariante en el
tiempo. Probarlo!!R
t
El sistema y(t) = x( )d es invariante en el tiempo. Probarlo!!
n
El sistema y[n] = x[n] con C es variante en el
tiempo.Probarlo!!
La invarianza en el tiempo ser

a una propiedad fundamental para el curso cuando
se encuentre combinada con la proxima propiedad que analizaremos: la linealidad!
Se
on a las Se
Sistemas VIII
Linealidad: Se dice que un sistema es lineal, si el mismo satisface las

siguientes propiedades:
1 Para dos se nales de entrada x1 (t) y x2 (t) cuyas salidas por el sistema
T valen y1 (t) e y2 (t) respectivamente tenemos que:
T [x1 (t)+x2 (t)] = T [x1 (t)]+T [x2 (t)] = y1 (t)+y2 (t), Propiedad de aditividad!
2 Para una senal de entrada x(t) cuya salida al sistema T es y(t) y

cualquier escalar C:
T [x(t)] = T [x(t)] = y(t), Propiedad de homegeneidad!
En forma general podemos escribir para se nales de entrada xk (t) con

k = 1, 2, . . . , N cuyas salidas por el sistema T son yk (t) con k = 1, 2, . . . , N y
escalares complejos k con k = 1, 2, . . . , N :
n N N
" #
X X X
T k xk (t) = T [k xk (t)] = k yk (t) Principio de superposici
on!
k=1 k=1 k=1
Se
on a las Se
Sistemas IX
Ejemplos de sistemas lineales:

El sistema dado por y(t) = x(t) con R es lineal.
El sistema dado por y(t) = x(t) + con , beta R no es lineal.
El sistema dado por y(t) = f (x(t)) ser olo s cuando f : R R
a lineal s y s
es lineal. Por ejemplo y(t) = ex(t) no es lineal!!.
El sistema y(t) = sin [x(t)] no es lineal. Sin embargo si |x(t)| << 1
entonces podemos linealizar el sistema ya que y(t) x(t). Esto es muy
comun en la ingeniera electr
onica!!
El sistema dado por y[n] = n
P
k= x[n] es lineal.
Pn
El sistema dado por y[n] = k=0 n x[n]. con C es lineal.
Los sistemas lineales e invariantes en el tiempo (LTI, linear time invariant) ser
an
los que estudiaremos con m as detalles en este curso. Dichas propiedades permiten
estudiarlos y conocerlos con mucho detalle. Notar que hay sistemas que pueden
ser lineales y no invariantes en el tiempo (ver el u
ltimo ejempo) y viceversa.
Se
on a las Se
Temas para leer por cuenta propia
Lectura obligatoria
Se
nales de energa finita y potencia finita (Oppenheim and Willsky,
Secci
on 1.1.2).
Transformaciones de la variable independiente para se
nales en tiempo
continuo y tiempo discreto (Oppenheim and Willsky, Secci on 1.2).
Se
nales exponenciales y senoidales en tiempo continuo y discreto
(Oppenheim and Willsky, Secci on 1.3).
Lectura optativa
Se
nales en tiempo discreto (Oppenheim and Schafer, Secci
on 2.1)
Sistemas en tiempo discreto (Oppenheim and Schafer, Secci
on 2.2)
Se
on a las Se
Algunos ejercicios I
1 Mostrar que si f (t) L2 (R) entonces limt f (t) = limt f (t) = 0. Cu anto vale la
potencia promedio de estas se nales?. Puede una se
nal con potencia promedio distinta de
t
cero pertenecer a L2 (R)? Es e L2 (R)? Es una se
nal de potencia finita?
j2kn
nales de tiempo discreto de largo N fk [n] = 1 e
2 Sean las se N , n = 0, 1, . . . , N 1
N
N 1
y con k = 0, 1, . . . , N 1. Demostrar que las funciones {fk [n]}k=0 forman una base
ortonormal para el espacio vectorial de se nales x[n] de tiempo discreto tales que
x : [0 : N 1] C. Compare con el caso del espacio de funciones de tiempo continuo
L2 ([0, T ]) y las exponenciales complejas en tiempo continuo discutidas en clase.
3 Mostrar que la siguiente es funci
on delta nascent:
t2
( )
1
(t) = exp
2 22
1 (t) a 6= 0.
4 Probar que (at) = |a|
5 Es posible definir las derivadas de orden k de la delta de Dirac. Pruebe que 0 (t)
satisface (para cualquier x(t) diferenciable y con derivada continua en t = 0):
Z
0 0
(t)x(t)dt = x (0)

R
Se anima a generalizar el resultado de arriba para (k) (t)x(t)dt cuando x(t) es una
se
nal k-veces diferenciable y con derivadas continuas?? Hint: Recuerde integraci on por
partes...
Se
on a las Se
Algunos ejercicios II
6 Probar que si para un sistema lineal T debe necesariamente ocurrir que:
T [0] = 0
donde 0 es la se
nal nula.
7 Mostrar que un sistema lineal es causal s y s
olo s para todo t0 y entrada x(t) tal que
es nula para t t0 entonces la salida y(t) es nula para t t0 .
8 Considere el sistema de tiempo discreto cuya salida para cada entrada x[n] la salida se
computa como ( h i
x n k
si n mod k = 0
y[n] =
0 en otro caso
donde k es un n umero natural arbitrario. Mostrar que este sistema es lineal pero no es
invariante en el tiempo. Para que desplazamientos temporales en las entradas vale que
la salida es una versi
on desplazada de la se
nal de salida original asociada a una entrada
x[n]?
9 Considere el sistema y[n] = x[kn] donde k N. Determinar si este sistema es invariante
en el tiempo.
10 Pruebe que si a un sistema invariante en el tiempo se le introduce una senal de entrada
peri
odica con perodo T la salida es peri
odica con el mismo perodo. Analice un ejemplo
de un sistema variante en el tiempo donde esto no sea cierto.
Se
on a las Se

Clase 1 SyS

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Clase 1 SyS

Transféré par

Droits d'auteur :

Formats disponibles

Introduccion a las Se

Dr. Ing. Leonardo Rey Vega

3 Sistemas en tiempo continuo y discreto

La materia presentara una introducci on a conceptos y tecnicas de an

En la materia presentaremos conceptos b asicos y cuando sea posible

Bibliografa, guas de ejercicios, cronograma y reglamento de la materia

Consultas sobre la materia y sobre los temas de la te

Importante!! La materia introduce muchos conceptos abstractos que requieren

La variable independiente t se referir

Cuando t R hablamos de se nales en tiempo continuo. Podemos tambi

Las senales estoc

Sea H un conjunto de funciones f : R R que adem

Notar que necesariamente la funci

Sea l2 (Z) el espacio de las se

Es claro que l2 (Z) es un espacio vectorial.Probarlo!!!

Decimos que h, i : H H R es un producto interno sobre el espacio vectorial H

Ejemplo: Sea L2 ([0, T ]) el espacio vectorial de las funciones de energa finita

Probar que esto constituye un producto interno en el mencionado espacio!!!

Nuevamente podemos definir un producto interno para un espacio vectorial de

Se dice que f (t) y g(t) pertenecientes a H con producto interno h, i son

En espacio vectoriales con producto interno cobra importancia el concepto de base

Esta funcion es muy u til en teora de control y procesamiento de senales. Una de

Una posible definicion es la siguiente

Sin ser rigurosos podemos definir tambi

La falta de rigurosidad nos lleva a un

Notamos como (t) tiene siempre a

lim (t) = (t)

Funciones como (t) arriba, que convergen a (t) cuando 0 se denominan

lim x(t) (t) = x(0)(t)

Esto nos lleva a una de las principales propiedades de la delta de Dirac:

Para funciones continuas en un t0 R

Cuando veamos el concepto de convoluci on para sistemas lineales veremos otra

En este caso no hay problemas matem aticos y los resultados e intuici

Existe una diversidad enorme de sistemas de naturaleza diversa!!

Invertibilidad: En forma coloquial un sistema es invertible cuando

Causalidad: Se dice que un sistema es causal cuando su salida depende

La propiedad de causalidad es muy importante! En ciertas aplicaciones que deben

entonces B2 R+ tal que

La estabilidad para sistemas de tiempo discreto se define en forma similar.

Invariancia en el tiempo: Se dice que un sistema es invariante en el

La invarianza en el tiempo ser

Linealidad: Se dice que un sistema es lineal, si el mismo satisface las

2 Para una senal de entrada x(t) cuya salida al sistema T es y(t) y

T [x(t)] = T [x(t)] = y(t), Propiedad de homegeneidad!

En forma general podemos escribir para se nales de entrada xk (t) con

Ejemplos de sistemas lineales:

6 Probar que si para un sistema lineal T debe necesariamente ocurrir que:

Vous aimerez peut-être aussi