UNIDAD 2: TAREA 2 – SEÑALES EN EL DOMINIO DE LA FRECUENCIA

PRESENTADO POR:
JUAN FERNANDO CASTRILLON – CÓD.: 71293505
LEONARDOQUINTERO – CÓD.:
JULIÁN ANDRÉS TORO
ALEXIS PEDROZA – COD: 67032716

CURSO
203042_34

TUTOR:
FREDDY VALDERRAMA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA “UNAD”

SEÑALES Y SISTEMAS
ABRIL – 2019.
 ACTIVIDADES A DESARROLLAR

Aporte por: Juan Fernando Castrillon

Paso 1: Definición de conceptos
a- Explique qué es convolución continua y discreta. De cuatro ejemplos de usos
en la ingeniería.
En el dominio del tiempo la convolución puede considerarse como un método
para encontrar la respuesta de estado cero de sistemas relajados lineales e
invariantes en el tiempo (LTI) considera que la información del sistema se
conoce en términos de su respuesta al impulso. Se asume que el sistema es
descrito por medio de su respuesta al impulso, la convolución es una operación
integral que puede ser evaluada analítica, grafica o numéricamente. El resultado
depende de la naturaleza de las señales que están siendo convulsionadas.

Ejemplos:
- Señales de audio en equipos electrónicos
- Señales electrónicas en todo tipo de dispositivos.

b- ¿Qué es estabilidad y causalidad de sistemas LTI?

La estabilidad BIBI (entrada acotada, salida acotada) de sistema LTI descritos

por ecuaciones de diferencias requiere que cada raíz de la ecuación
característica tenga una magnitud menor a la unidad. También decimos que la
respuesta al impulso sea absolutamente sumable, si esto se cumple podemos
afirmar que el sistema es un sistema estable.
La casualidad de un sistema discreto en tiempo implica a un sistema no
anticipado con una respuesta al impulso.
c- Explique que es correlación y de un (1) ejemplo de uso y/o aplicación en la
ingeniería.
 La correlación es una operación similar a la convulsión, esta implica desplazar
una función más allá de otra para encontrar el área bajo el producto restante,
sin embargo, a diferencia de la convulsión no se efectúa ninguna reflexión.
Para dos funciones diferentes la correlación se conoce como correlación
cruzada.

d- Explique qué es auto correlación y de un (1) ejemplo de uso y/o aplicación en la

ingeniería.
La autocorrelación es la correlación de dos funciones idénticas, esto puede
presentarse en cualquier orden y refleja una operación conmutativa, la
autocorrelación puede verse como una medida de similitud o coherencia entre
una función y su versión de desplazamiento.
e- ¿Cuál es la diferencia de correlación continua y correlación discreta?
La correlación continua se encarga de asemejar un producto resultado de un
desplazamiento de una función sobre otra una relación es lineal cuando el
cambio en una variable se asocia en un cambio proporcional en otra variable y
la correlación discreta se encarga de encontrar la similitud entre señales o
valores semejantes por emparejamiento.
f- ¿Qué son las series de Fourier?
Una serie de Fourier es una serie infinita que converge puntualmente a una
función periódica y continúa por partes, esta constituye una herramienta de la
matemática básica empleado para analizar funciones periódicas a través de la
descomposición de dicha función en una suma infinita de funciones sinusoidales
mucho más simple.
Las 3 formas de una serie de Fourier son forma trigonométrica, forma polar y
forma exponencial.
Las áreas de aplicación incluyen análisis de vibratorio, acústico, óptico
procesamiento de imágenes y comprensión de datos, ecuaciones de calor y de
ondas, además circuitos eléctricos.
g- ¿Qué es la transformada Continua de Fourier? De dos (2) ejemplos de uso y/o
aplicación en la ingeniería.
 La transformada Continua de Fourier puede considerarse como una extensión
de la serie de Fourier aplicada a señales no periódicas, esta sirve para unificar
las representaciones de señales periódicas y sus contrapartes no periódicas.
Se dice que la función original esta en el dominio del tiempo y la transformada
la pasa al dominio de la frecuencia.
Las aplicaciones son muy numerosas por ejemplo algunos circuitos eléctricos,
comprensión de audio sabemos que una señal de audio como una canción es
una función temporal y en la telefonía móvil, el sonido de la voz se codifica. La
transformada de Fourier es básicamente el espectro de frecuencias de una
función. Un buen ejemplo de eso es lo que hace el oído humano, ya que recibe
una onda auditiva y la transforma en una descomposición en distintas
frecuencias (que es lo que finalmente se escucha).
EJERCICIO:

1.1. Ejercicio 1- Convolución continua (analítica): usando como guía el

ejemplo 6.2 de la página 134 del libro guía Ambardar y teniendo en cuenta las
propiedades de dicha operación determine la convolución entre 𝑥(𝑡) y ℎ(𝑡) descritas
a continuación:

Ítem grupal

𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)

ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)

𝑥(𝑡) = (4 − 𝑒 −4𝑡 )𝑢(𝑡)

ℎ(𝑡) = 𝑒 −4𝑡 𝑢(𝑡 − 4)
donde,
𝑥(𝑡) = (4 − 𝑒 −4𝑡 )𝑢(𝑡) = (4 − 𝑒 −4𝜆 )𝑢(𝜆)

ℎ(𝑡) = 𝑒 −4𝑡 𝑢(𝑡 − 4) = 𝑒 −4(𝑡−𝜆) 𝑢(𝑡 − 𝜆 − 4)

 convolucion analitica
𝛼
𝑦(𝑡) = 𝑥(𝑡) 𝑥 ℎ(𝑡) ∫ 𝑥(𝜆). ℎ(𝑡 − 𝜆)𝑑𝜆
−𝛼

Remplazando
𝛼
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑢(𝜆) ∗ 𝑒 −4𝑡+4𝜆 𝑢(𝑡 − 𝜆 − 4) 𝑑𝜆
−𝛼

Organizando
𝛼
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 ) ∗ 𝑒 −4𝑡+4𝜆 ∗ 𝑢(𝜆) ∗ 𝑢(𝑡 − 𝜆 − 4) 𝑑𝜆
−𝛼

Hallamos los límites:

𝑢(𝜆) = 0, donde 𝜆 = 0
𝑢(𝑡 − 𝜆 − 4) = 0
−𝜆 = 4 − 𝑡
𝜆 =𝑡−4
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 ) ∗ 𝑒 −4𝑡+4𝜆 𝑑𝜆
0

𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡+4𝜆 − 𝑒 −4𝜆 𝑒 −4𝑡+4𝜆 𝑑𝜆
0

Distribuyendo
𝑡−4 𝑡−4
𝑦(𝑡) = 4 ∫ 𝑒 −4𝑡+4𝜆 𝑑𝜆 − ∫ 𝑒 −4𝜆 𝑒 −4𝑡+4𝜆 𝑑𝜆
0 0

Propiedad de las exponenciales

𝑡−4 𝑡−4
−4𝑡 4𝜆
𝑦(𝑡) = 4 ∫ 𝑒 𝑒 𝑑𝜆 − ∫ 𝑒 −4𝜆 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0 0

Entonces
 𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∫ 𝑒 4𝜆 𝑑𝜆 − 𝑒 −4𝑡 ∫ 𝑒 −4𝜆 𝑒 4𝜆 𝑑𝜆
0 0

Dando
𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∫ 𝑒 4𝜆 𝑑𝜆 − 𝑒 −4𝑡 ∫ 1 𝑑𝜆
0 0

integrando

−4𝑡
𝑒 4𝜆 𝑡 − 4 𝑡−4
𝑦(𝑡) = 4𝑒 ∗ ( )| − 𝑒 −4𝑡 (𝜆)|
4 0 0
evaluando
𝑒 4(𝑡−4) 𝑒 4(0)
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4)
4 4
Simplificando
𝑒 4𝑡−16 1
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4)
4 4
Desarrollando
𝑒 4𝑡 𝑒 −16 1
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4)
4 4

4𝑒 −4𝑡 𝑒 4𝑡 𝑒 −16 4𝑒 −4𝑡

𝑦(𝑡) = ( )−( ) − 𝑒 −4𝑡 𝑡 + 4𝑒 −4𝑡
4 4

𝑦(𝑡) = 𝑒 −4𝑡 𝑒 4𝑡 𝑒 −16 − 𝑒 −4𝑡 − 𝑒 −4𝑡 𝑡 + 4𝑒 −4𝑡

𝑦(𝑡) = 𝑒 −16 − 𝑒 −4𝑡 − 𝑒 −4𝑡 𝑡 + 4𝑒 −4𝑡

𝑦(𝑡) = 𝑒 −9 + 3𝑒 −4𝑡 − 𝑒 −4𝑡 𝑡

2.2 Ejercicio 2 – Convolución discreta (tabular y gráfica): Usando
como guía el ejemplo 7.3 de la página 173 del libro Ambardar,
determine la respuesta de un filtro FIR (ℎ[𝑛]), a la entrada 𝑥[𝑛].
Posteriormente verifique su respuesta diseñando un script con el
 método gráfico de convolución, en Matlab u Octave y anexe el
resultado junto con el script (práctica):

𝑥[𝑛] = [−1, 𝑎, 2̌, 𝑎, 𝑏, 4]

ℎ[𝑛] = [ 2.5, 𝑏̌ , 0.5]

números a trabajar
𝑥[𝑛] = [−1,4, 2̌, 4,5,4]
ℎ[𝑛] = [ 2.5,5,0.5]

𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑖𝑛𝑖𝑐𝑖𝑜 = −2 − 1 = −3
𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛 = 3 + 1 = 4
𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑: 𝐿𝑥 + 𝐿𝑦 − 1 = 6 + 3 − 1 = 8

n = -2 -1 0 1 2 3

x[n] = -1 4 2 4 5 4

h[n] = 2,5 5 0,5

-2,5 10 5 10 12,5 10
-5 20 10 20 25 20
-0,5 2 1 2 2,5 2
-2,5 5 24,5 22 33,5 37 22,5 2

h[n] = [−2.5,5,24.5, 2̂2,33.5,37,22.5,2]

%% Grafica x[n] Juan Fernando Castrillon

Xn=[-1, 4, 2, 4, 5, 4];
n=[-2, -1, 0, 1, 2, 3];
subplot(3,1,1)
stem(n,Xn,'m')
grid
title ('Señal discreta X[n] - Juan Fernando Castrillon')
xlabel ('n')
ylabel ('Amplitud')
xlim([-3,4])

%% Grafica h[n] name

Hn=[0, 2.5, 5, 0.5, 0, 0];

subplot(3,1,2)
stem(n,Hn,'r')
grid
title ('Señal discreta h[n]- Juan Fernando Castrillon')
xlabel ('n')
ylabel ('Amplitud')
xlim([-3,4])

%% convolucion discreta x[n]*h[n] - Juan Fernando Castrillon

ConDis=conv(Xn,Hn);
ncon=(-4:1:6);
subplot(3,1,3)
stem(ncon,ConDis,'b')
grid
title ('convolucion discreta x[n]*h[n] - Juan Fernando Castrillon')
xlabel ('n')
ylabel ('Amplitud')
xlim([-4,5])

2.4. Ejercicio 4 – Transformada de Fourier: Usando como guía los ejemplos 9.5
de las páginas 259 del libro Ambardar y las tablas 9.1 y 9.2, determine la
transformada de Fourier de las señales 𝑥(𝑡) y 𝑦(𝑡), usando pares de transformadas
y propiedades reconocibles. Posteriormente verifique su respuesta diseñando un
script con la combinación lineal de señales usadas para obtener x(t) y y(t), en Matlab
u Octave y anexe el resultado junto con el script (práctica):

X(t)
1

+5 +10 t

-1
La Señal
𝑥(𝑡) = −𝑢(𝑡) + 𝑢(𝑡 − 5) + 𝑢(𝑡 − 5) − 𝑢(𝑡 − 10)
La transformada de Fourier es
1 1 −5𝑗𝑤 1 −5𝑗𝑤 1 −10𝑗𝑤
𝑥(𝑓) = −𝜋𝛿(𝑤) − + 𝜋𝛿(𝑤) + 𝑒 + 𝜋𝛿(𝑤) + 𝑒 − 𝜋𝛿(𝑤) − 𝑒
𝑗𝑤 𝑗𝑤 𝑗𝑤 𝑗𝑤

Queda
1 1 −5𝑗𝑤 1 −10𝑗𝑤
𝑥(𝑓) = −𝜋𝛿(𝑤) − + 2 (𝜋𝛿(𝑤) − 𝑒 ) − 𝜋𝛿(𝑤) − 𝑒
𝑗𝑤 𝑗𝑤 𝑗𝑤
En términos de Laplace
1 𝑒 −5𝑠 𝑒 −10𝑠
𝑥(𝑓) = − + 2 −
𝑠 𝑠 𝑠

clear all
clc
syms t
rect_1=-heaviside(t)+heaviside(t-5);
rect_2=heaviside(t-5)-heaviside(t-10);
rect_3=rect_1+rect_2;
fplot(rect_1,'m','linewidth',2)
hold on
fplot(rect_2,'y','linewidth',2)
hold on
fplot(rect_3,'r','linewidth',1)
grid on
title('señal x(t) - Juan Fernando Castrillon ')
xlabel ('Tiempo')
ylabel ('Amplitud')
xlim ([-1 11]);

TL=laplace(rect_3)

2.4. Ejercicio 4 – Transformada de Fourier: Usando como guía los ejemplos 9.5
de las páginas 259 del libro Ambardar y las tablas 9.1 y 9.2, determine la
transformada de Fourier de las señales 𝑥(𝑡) y 𝑦(𝑡), usando pares de transformadas
y propiedades reconocibles. Posteriormente verifique su respuesta diseñando un
script con la combinación lineal de señales usadas para obtener x(t) y y(t), en Matlab
u Octave y anexe el resultado junto con el script (práctica):
 a. Ítem grupal y(t)
1

0 +8 t

La Señal
2𝜋𝑡 𝑡
𝑦(𝑡) = sin ( ) ∗ (𝑟𝑒𝑐𝑡 ( − 4) )
16 8

La transformada de Fourier
𝑤
1 1 𝑠𝑒𝑛𝑐 𝜋
𝑦(𝑓) = 𝑗𝜋 [𝛿 (𝑤 + 2𝜋 ∗ ) − 𝛿 (𝑤 − 2𝜋 ∗ )] ∗ [ ∗ 𝑒 −4𝑗𝑤 ]
16 16 8

clc
clear all

% señal senoidal
syms t
sen=sin(2*t*pi/16);
fplot(sen,'c','linewidth',1)
grid on
hold on
%señal escalones
%señal rect (t)
rect=rectangularPulse((1/8)*(t-4));
fplot(rect,'r','linewidth',1)
hold on
y=rect.*sen;
%señal solicitada
fplot(y,'b','linewidth',3)
hold on
title('señal x(t) - Juan Fernando Castrillon ')
xlabel ('Tiempo')
ylabel ('Amplitud')
xlim ([-1 9]);

TL=laplace(y)
pretty(TL)
 APORTE POR: LEONARDOQUINTERO
1. Definición de los conceptos.
1.1 Explique qué es convolución continua y discreta. De cuatro (4) ejemplos
de usos y/o aplicaciones en la ingeniería.
Convolución continua: La Convolución continua nos ayuda a determinar el efecto
que tiene el sistema en la señal de entrada. A partir de la descomposición infinita de
impulsos de la señal. Está dada por:

Sus propiedades son:

 Elemento neutro.
 Conmutativa.
 Asociativa.
 Distributiva.
Ejemplo:

Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:Z361zPMM@4/Convoluci%C3%B3n-de-
Tiempo-Continuo

Reflejada y Desplazada
Ahora tomemos una de las funciones y los reflejos a través del eje de la y. Después
de que podamos desplazar la función, así como el origen, el punto de la
función que originalmente estaba en el origen, está marcada como el punto τ. Este
paso se muestra en la siguiente figura, h( t - τ). Sin embargo, esta función no se
refleja, no importa qué función se ha reflejado y desplazado, sin embargo, se ha
confirmado que las funciones son más complicadas.

Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:Z361zPMM@4/Convoluci%C3%B3n-de-
Tiempo-Continuo

Resultados de la convolución:

Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:Z361zPMM@4/Convoluci%C3%B3n-de-
Tiempo-Continuo

Convolución discreta:
Su finalidad es igual a la Convolución continua, el movimiento a través de la señal
es una manera común de presentar la convolución, ya que se demuestra como la
convolución construye el resultado a través del eje del tiempo. Se define como:

Ejemplo Convolución a
través del eje
del
tiempo:

Imagen
tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta

Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta
Imagen tomada de
https://cnx.org/contents/Qji8Bz7t@2.13:mpDxJkZ7@4/Convoluci%C3%B3n-
Discreta

Lo que estamos haciendo en la demostración de arriba es reflejar la respuesta del

impulso en el tiempo y "hacerlo caminar a través" de la entrada en la señal.

1.2 ¿Qué es estabilidad y causalidad de sistemas LTI?

Causalidad: El sistema es causal si la salida depende sólo de valores pasados y
presentes de la entrada y anticausal si la salida depende sólo de valores futuros de
la entrada.
Para sistemas causales la suma e integral de la Convolución quedan:

Estabilidad: Un sistema es estable si entradas acotadas producen salidas

acotadas.

1.3 Explique que es correlación y de un (1) ejemplo de uso y/o aplicación en

la ingeniería.
Correlación: Es una operación similar a la convolución, con la diferencia de que en
la correlación no hay que “reflejar” una de las señales:

La correlación nos da una medida de la similitud entre dos señales. No existe la

propiedad conmutativa.
Ejemplo: La correlación es una operación básica del procesamiento de imágenes
digitales. La correlación es la operación básica en los procesos de búsqueda de
patrones por emparejamiento.
Resultado de correlacionar dos funciones:

Imagen tomada de
http://www6.uniovi.es/vision/intro/node31.html#SECTION00351000000000000000
1.4 Explique qué es auto correlación y de un (1) ejemplo de uso y/o aplicación
en la ingeniería.
Autocorrelación: Es la correlación de una señal consigo misma.
Ejemplo: En el procesado de señal, la autocorrelación proporciona información
sobre las periodicidades de la señal y sus frecuencias características como los
armónicos de una nota musical producida por un instrumento determinado (tono y
timbre).
1.5 ¿Cuál es la diferencia de correlación continua y correlación discreta?
La correlación continua es una operación que aplica para dos señales idénticas en
cambio la correlación discreta es una medida de similitud entre dos señales.
1.6 ¿Qué son las series de Fourier?
Las series de Fourier son series de términos coseno y seno mucho más simples
que surgen en la tarea práctica de representar funciones periódicas generales.
Fourier demostró que una señal de este tipo es equivalente a una colección de
funciones senos y cosenos cuyos frecuencias son múltiplos del recíproco del
periodo de la señal de tiempo.
1.7 ¿Qué es la transformada Continua de Fourier? De dos (2) ejemplos de uso
y/o aplicación en la ingeniería.
Es una transformación matemática empleada para transformar señales entre el
dominio del tiempo (o espacial) y el dominio de la frecuencia, que tiene muchas
aplicaciones en la física y la ingeniería.

Aplicaciones:
La transformada de Fourier se utiliza en el ámbito del tratamiento digital de
imágenes, como por ejemplo para mejorar o definir más ciertas zonas de una
imagen fotográfica o tomada con una computadora,
Para el diseño de filtros de radiotransistores.

1)
𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
Re expresamos las ecuaciones como:
𝑥(𝜆) = (𝑎 − 𝑒 −𝑎𝜆 )𝑢(𝜆)
ℎ(𝑡 − 𝜆) = 𝑒 −𝑎(𝑡−𝜆) 𝑢(𝑡 − 𝜆 − 𝑎)
Hacemos la convolución,
−∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ (𝑎 − 𝑒 −𝑎𝜆 ) ⋅ 𝑒 −𝑎(𝑡−𝜆) 𝑢(𝜆)𝑢(𝑡 − 𝜆 − 𝑎) 𝑑𝜆
∞
 Las condiciones de los escalones unitarios serán
𝜆>0
𝜆≤𝑡−𝑎
Reescribimos la integral como,
𝑡−𝑎
𝑦(𝑡) = ∫ (𝑎 − 𝑒 −𝑎𝜆 )𝑒 −𝑎(𝑡−𝜆) 𝑑𝜆
0
𝑡−𝑎
𝑦(𝑡) = ∫ (𝑎𝑒 −𝑎𝑡 𝑒 𝑎𝜆 − 𝑒 −𝑎𝑡 ) 𝑑𝜆
0
𝜆=𝑡−𝑎 𝜆=𝑡−𝑎
𝑦(𝑡) = 𝑒 −𝑎𝑡 𝑒 𝑎𝜆 |𝜆=0 − 𝑒 −𝑎𝑡 𝜆|𝜆=0
2
𝑦(𝑡) = 𝑒 −𝑎 − 𝑒 −𝑎𝑡 (𝑡 − 𝑎 + 1)
Para a=4 tenemos que,
𝑦(𝑡) = 𝑒 −16 − 𝑒 −4𝑡 (𝑡 − 3)
2)
^, 4,2,4]
𝑥[𝑛] = [−1,4, 2

^, 0.5]
ℎ[𝑛] = [2.5, 2
Realizamos la convolución con ayuda de la siguiente tabla

Finalmente simulamos a través de MATLAB, primero se muestra la gráfica y

posteriormente el script para generarla
3)
a) 𝑎𝑘 𝑝𝑎𝑟𝑎 𝑥(𝑡) = 3 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 𝑏)𝑐𝑜𝑛𝑇 = 4
Primero hallamos el valor de 𝑎0

1
𝑎0 = ∫ 𝑥(𝑡)𝑑𝑡
𝑇 ⟨𝑇⟩

3 𝑡=0.5+𝑏
𝑎0 = 𝑡|
4 𝑡=−0.5+𝑏

3
𝑎0 =
4

Ahora hallamos el valor de 𝑎𝑘

2
𝑎𝑘 = ∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡)𝑑𝑡
𝑇

1 1
𝑇= ∴ 𝑓0 =
𝑓0 4

3 0.5+𝑏
𝑎𝑘 = ∫ 𝑐𝑜𝑠 (0.5𝜋𝑘𝑡)𝑑𝑡
2 −0.5+𝑏

3
𝑎𝑘 = 𝑠𝑖𝑛(0.5𝜋𝑘𝑡)|𝑡=0.5+𝑏
𝑡=−0.5+𝑏
𝜋𝑘
En nuestro caso b=2
 3
𝑎𝑘 = [𝑠𝑖𝑛(0.5𝜋𝑘(0.5 + 2)) − 𝑠𝑖𝑛(0.5𝜋𝑘(−0.5 + 2))]
𝜋𝑘

3 5𝜋𝑘 3𝜋𝑘
𝑎𝑘 = [𝑠𝑖𝑛 ( ) − 𝑠𝑖𝑛 ( )]
𝜋𝑘 4 4

Finalmente hallamos el valor de 𝑏𝑘

2
𝑏𝑘 = ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇
3 0.5+𝑏
𝑏𝑘 = ∫ 𝑠𝑖𝑛 (0.5𝜋𝑘𝑡)𝑑𝑡
2 −0.5+𝑏

3
𝑏𝑘 = − 𝑐𝑜𝑠(0.5𝜋𝑘𝑡)|𝑡=0.5+𝑏
𝑡=−0.5+𝑏
𝜋𝑘

En nuestro caso b=2

3
𝑏𝑘 = − [𝑐𝑜𝑠(0.5𝜋𝑘(0.5 + 2)) − 𝑐𝑜𝑠(0.5𝜋𝑘(−0.5 + 2))]
𝜋𝑘

3 5𝜋𝑘 3𝜋𝑘
𝑏𝑘 = − [𝑐𝑜𝑠 ( ) − 𝑐𝑜𝑠 ( )]
𝜋𝑘 4 4

4)
a)
Esta señal se puede construir a partir de una señal triangular invertida, esta señal
además se le hace un desplazamiento, una contracción y una amplificación.
Posteriormente se deriva

𝑑 𝑡−𝑏
𝑥(𝑡) = (−𝑏 ∗ 𝑡𝑟𝑖 ( ))
𝑑𝑡 𝑏

La señal inicial es,

𝑡−𝑏
𝑠(𝑡) = −𝑏 ∗ 𝑡𝑟𝑖 ( )
𝑏

Aplicando las tablas de propiedades, vemos que la transformada de Fourier es,

𝑆(𝑓) = −𝑏 ⋅ (𝑏𝑠𝑒𝑛𝑐 2 (𝑏𝑓)𝑒 −𝑗2𝜋𝑓𝑏 )

La señal triangular se debe derivar para obtener la señal original, por ende,

𝑋(𝑓) = −𝑗2𝜋𝑏 2 𝑓𝑠𝑒𝑛𝑐 2 (𝑏𝑓)𝑒 −𝑗2𝜋𝑓𝑏

En nuestro caso b=2, por ende,
𝑋(𝑓) = −𝑗8𝜋𝑓𝑠𝑒𝑛𝑐 2 (2𝑓)𝑒 −𝑗4𝜋𝑓

b)
Esta señal es la multiplicación de dos señales.

𝜋𝑡 𝑡−𝑎
𝑦(𝑡) = 𝑠𝑖𝑛 ( ) ⋅ 𝑟𝑒𝑐𝑡 ( )
2𝑎 2𝑎

La primera señal es una senoidal a la que se le aplica una contracción,

𝜋𝑡
𝑥(𝑡) = 𝑠𝑖𝑛 ( )
2𝑎
Aplicando las tablas de propiedades, vemos que la transformada de Fourier es,

𝜋 𝜋
𝑋(𝑓) = 𝑗0.5 [𝛿 (𝑓 + ) − 𝛿 (𝑓 − )]
4𝑎 4𝑎

La segunda señal es una señal rectangular con una contracción y un

desplazamiento,

𝑡−𝑎
𝑚(𝑡) = 𝑟𝑒𝑐𝑡 ( )
2𝑎
Aplicando las tablas de propiedades, vemos que la transformada de Fourier es,

𝑀(𝑓) = 2𝑎𝑠𝑒𝑛𝑐(2𝑎𝑓)𝑒 −𝑗2𝜋𝑓𝑎

Por ende, la transformada de Fourier de la señal original será

 𝑌(𝑓) = 𝑋(𝑓) ⋅ 𝑀(𝑓)

𝜋 𝜋
𝑌(𝑓) = 𝑗𝑎𝑠𝑒𝑛𝑐(2𝑎𝑓)𝑒 −𝑗2𝜋𝑓𝑎 [𝛿 (𝑓 + ) − 𝛿 (𝑓 − )]
4𝑎 4𝑎
En nuestro caso a=4, por ende,
𝜋 𝜋
𝑌(𝑓) = 𝑗4𝑠𝑒𝑛𝑐(8𝑓)𝑒 −𝑗8𝜋𝑓 [𝛿 (𝑓 + ) − 𝛿 (𝑓 − )]
16 16

Código y gráficas
b)
Aporte por: Julián
Andrés Toro
Señales y sistemas continuos y discretos
1.Definición de conceptos: estudiando el libro de (Ambardar), El estudiante
investiga de manera individual y da respuesta a las siguientes preguntas teóricas:
A. Explique qué es convolución continua y discreta. De cuatro (4) ejemplos de
usos y/o aplicaciones en la ingeniería.
La convolución puede considerarse como un método para encontrar la respuesta
de estado cero de un sistema LTI relajado, El método de convolución para
encontrar la respuesta de estado cero y(t) se aplica a sistemas lineales invariantes
en el tiempo (LTI). Se asume que el sistema es descrito por medio de su
respuesta al impulso h(t).
La convolución es una herramienta muy importante que es representada por el
símbolo *, y puede ser escrita como
y(t)=x(t)*h(t)
La integral de convolución nos da una manera matemática fácil de expresar la
salida de un sistema LTI basado en una señal arbitraria, x(t)x t,y la respuesta al
impulso, h(t)h t. La integral de convolución es expresada como
∞
𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − τ)dτ
−∞

La convolución discreta en tiempo es un método para encontrar la respuesta de

estado cero de sistemas relajados lineales e invariantes en el tiempo (LTI). Se
basa en los conceptos de lineal e invariante en el tiempo y considera que la
información del sistema se conoce en términos de su respuesta al impulso h[n]. En
otras palabras, si la entrada es δ[n], una muestra unitaria en el origen n = 0, la
respuesta del sistema es h[n].
Para las funciones discretas se puede usar una forma discreta de la convolución

𝑦(𝑛) = ∑ 𝑥[𝑛 − 𝑘]ℎ[𝑘] = ℎ[𝑛] ∗ 𝑥[𝑛]

𝑘=−∞

Aplicaciones de la convolución en la ingeniería:

En acústica, un eco es la convolución del sonido original con una función que
represente los objetos variados que lo reflejan.
En este mismo campo, una aplicación reciente del proceso de Convolución es el
de “componer” virtualmente el sonido real de la palabra o de una pieza musical, en
un determinado recinto, a par tir de la convolución de la respuesta impulsional del
mismo y un registro “seco” de las señales realizado en cámara anecoica o en
espacio abierto, es decir sin reflexiones. La Integral de Convolución de ambas
señales proporciona la respuesta del sistema (recinto), ponderando las distintas
componentes de las señales y dando el colorido, presencia, volumen, etc de la
audición real.
En general, la distorsiones, ruido, reverberación, etc que aparecen en las señales
originales, se pueden resolver a base de “extraer” las señales originales del
proceso de Convolución
b. ¿Qué es estabilidad y causalidad de sistemas LTI?
Causalidad: Un sistema es causal cuando su salida no anticipa valores futuros de
la entrada. Podemos asegurar que un sistema es causal si:
ℎ[𝑛] = 0 𝑛 < 0 ℎ(𝑡) = 0 𝑡 < 0
Demostración: Si el sistema es causal, al no poder depender de valores futuros de
x[n] en la suma de convolución no podrá depender de valores de x[k] si k>n
∞ ∞

𝑦[𝑛] = ∑ 𝑥 [𝑘]ℎ[𝑛 − 𝑘] = ∑ 𝑥 [𝑘]ℎ[𝑛 − 𝑘] =

𝑘=−∞ 𝑘=−∞

Esta igualdad solo si es causal Para que se de esa igualdad:

ℎ[𝑛 − 𝑘] = 0 𝑠𝑖 𝑘 > 𝑛
ℎ[𝑛 − 𝑘] = 0 𝑠𝑖 𝑛 − 𝑘 < 0

Si recordamos que (h[n] o h(t)) es la respuesta al impulso, parece lógico que un

sistema LTI que es causal (y por tanto no puede anticipar la entrada) no pueda
tener salida no nula antes de del instante cero.
Estabilidad: Un sistema LTI es estable si se cumple:

∞ ∞
∑|ℎ[𝑛]| < ∞ ∫ |ℎ(𝑡)|𝑑𝑡 < ∞
−∞ −∞

Demostración: En un sistema estable, la salida tiene que estar acotada si la

entrada está acotada:
|𝑥[𝑛]| ≤ 𝑃 |𝑦[𝑛]| < ∞
∞ ∞

|𝑦[𝑛]| = | ∑ 𝑥 [𝑘]ℎ[𝑛 − 𝑘] | = ∑ |𝑥 [𝑘]| |ℎ[𝑛 − 𝑘]| < 0

𝑘=−∞ 𝑘=−∞

c. Explique que es correlación y de un (1) ejemplo de uso y/o aplicación en la

ingeniería.
La correlación es una operación similar a la convolución. Implica desplazar una
función más allá de otra y encontrar el área bajo el producto resultante. Sin
embargo, a diferencia de la convolución, no se efectúa ninguna reflexión.
La correlación es la convolución de una señal con una versión reflejada de la otra.
𝑟𝑥𝑥(𝑡)=𝑥(𝑡)∗∗ℎ(𝑡)=𝑥(𝑡)∗ℎ(−𝑡) 𝑟𝑥𝑥 (𝑡)=ℎ(𝑡)∗∗ 𝑥(𝑡)=ℎ(𝑡)∗𝑥(−𝑡)

Un de las aplicaiones La correlación cruzada puede ser utilizada para detectar y

localizar una señal conocida de referencia inmersa en ruido: – Una copia de la
señal conocida de referencia se correlaciona con la señal desconocida.
d. Explique qué es auto correlación y de un (1) ejemplo de uso y/o aplicación
en la ingeniería.

Autocorrelación:
La autocorrelación puede verse como una medida de similitud, o coherencia, entre
una función x(t)y su versión de desplazamiento. Claramente, bajo ningún
desplazamiento, las dos funciones se “igualan” y resultan en un máximo para la
autocorrelación. Mas con un desplazamiento creciente, sería natural esperar la
similitud y, por consiguiente, la reducción de la correlación entre x(t) y su versión
desplazada. Conforme el desplazamiento se aproxima a infinito, toda traza de
similitud se desvanece y la autocorrelación decae a cero.
Una de las aplicaciones de la autocorrelación es la medida de espectros ópticos y
en especial la medida de pulsos muy cortos de luz.
Ejemplo 1
a) La autocorrelación del pulso rectangular x(t) = rect(t - 0.5) es igual a la
convolución de x(t) y x(-t) y se ilustra en la figura 1.

Figura 1 Señal para el ejemplo 1A y su autocorrelación

(b) Considere la autocorrelación de x(t) = e-tu(t). Cuando desplazamos x(λ - t) = et-
λu(λ - t) más allá de x(λ) = e-λu{λ), obtenemos dos intervalos (t ≤ 0 y t > 0) sobre los
cuales los resultados de la autocorrelación son descritos como sigue:
El resultado puede ser expresado como r xx(t) = 0.5e-|t|.
(c) La correlación cruzada de las señales x(t) y h(t), mostradas en la figura 1 C,
puede encontrarse usando la convolución de una señal y la versión reflejada de la
otra. Observe que r xh(t) = rhx(-t).

e. ¿Cuál es la diferencia de correlación continua y correlación discreta?

f. ¿Qué son las series de Fourier?
Las series de Fourier constituyen la herramienta matemática básica del análisis de
Fourier empleado para analizar funciones periódicas a través de la
descomposición de dicha función en una suma infinita de funciones sinusoidales
mucho más simples (como combinación de senos y cosenos con frecuencias
enteras).
 g. ¿Qué es la transformada Continua de Fourier? De dos (2) ejemplos de uso
y/o aplicación en la ingeniería.
La transformada continua de Fourier, denominada así por Joseph Fourier, es
una transformación matemática empleada para transformar señales entre
el dominio del tiempo (o espacial) y el dominio de la frecuencia, que tiene muchas
aplicaciones en la física y la ingeniería. Es reversible, siendo capaz de
transformarse en cualquiera de los dominios al otro. El propio término se refiere
tanto a la operación de transformación como a la función que produce.
La transformada de Fourier es una aplicación que hace corresponder a una
función :

∞
1
𝑔(𝜉) = = ∫ 𝑓(𝑥)𝑒 −𝑖𝜉𝑥 𝑑𝑥
√2𝜋 −∞

Aplicaciones:
La transforma de Fourier sirve en la ingeniería, especialmente para la
caracterización frecuencial de señales y sistema lineales. Es decir, la transforma de
Fourier se utiliza para conocer las características frecuenciales de las señales y el
comportamiento de los sistemas lineales ante estas señales.
 Generación de formas de onda de corriente o tensión eléctrica por medio de
la superposición de senoides generados por osciladores electrónicos de
amplitud variable cuyas frecuencias ya están determinadas.
 Análisis en el comportamiento armónico de una señal.
 Aplicaciones en la medicina:
Diagnostico automático: la ecografía permite registrar la vibración de cada una de
las membranas del corazón, proporcionando una curva periódica. Un programa de
ordenador calcula los primeros términos de las sucesiones (coeficientes de Fourier).
2. Ejercicios: Cada estudiante de manera individual debe resolver los
siguientes cuatro (4) ejercicios.
Nota: la constante “a” corresponde al último digito del número de su grupo,
y la constante “b” corresponde con el último dígito de su código universitario
 (documento de identidad), si “a” es cero, o “b” es cero utilice a=3, o b=3
según sea el caso.
Enlace del libro- Nota: Para poder ingresar al enlace del libro de Ambardar,
debe estar registrado en campus y no debe superar los 5 minutos de ingreso.
Después de los 5 minutos le pedirá contraseña y deberá salir del campus y
volver a ingresar.
2.1 Ejercicio 1- Convolución continua (analítica): usando como guía el
ejemplo 6.2 de la página 134 del libro guia Ambardar y teniendo en cuenta
las propiedades de dicha operación determine la convolución entre 𝑥(𝑡) y
ℎ(𝑡) descritas a continuación:

Ítem grupal

𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)

ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)

𝒂=𝟒
Remplazamos la constante
 𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
Remplazo 𝑥(𝑡) → 𝑥(𝜆)
𝑥(𝜆) = (4 − 𝑒 −4𝜆 )𝑢(𝜆)
 ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
Remplazo ℎ(𝑡) → ℎ(𝑡 − 𝜆)
ℎ(𝜆) = 𝑒 −4(𝑡−𝜆) 𝑢((𝑡 − 𝜆) − 4)

Ecuación de la convolución:
 ∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥( 𝜆)ℎ(𝑡 − 𝜆) 𝑑𝜆
−∞

Se reemplaza
∞
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑢(𝜆) ∗ 𝑒 −4(𝑡−𝜆) 𝑢((𝑡 − 𝜆) − 4) 𝑑𝜆
−∞

Organizamos
∞
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑒 −4(𝑡−𝜆) 𝑢(𝜆) 𝑢((𝑡 − 𝜆) − 4) 𝑑𝜆
−∞

Límites de la integral
𝑢(𝜆) = 0 𝑢((𝑡 − 𝜆) − 4) = 0
𝜆=0 𝑡−𝜆−4=0
𝜆=0 𝜆 =𝑡−4
Reemplazamos los límites:
∞
 𝑦(𝑡) = ∫−∞(4 − 𝑒 −4𝜆 )𝑒 −4(𝑡−𝜆) 𝑑𝜆

𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑒 −4(𝑡−𝜆) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4(𝑡−𝜆) − 𝑒 −4𝜆 𝑒 −4(𝑡−𝜆) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡+4𝜆 − 𝑒 −4𝜆 𝑒 −4𝑡+4𝜆 𝑑𝜆
0

Propiedades de la exponencial
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 𝑒 4𝜆 − 𝑒 −4𝜆 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0
𝑡−4 𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆 − ∫ 𝑒 −4𝜆 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0 0

Saco los termines dt (constantes)

𝑡−4 𝑡−4
−4𝑡 4𝜆 −4𝑡
𝑦(𝑡) = 4𝑒 ∫ 𝑒 𝑑𝜆 − 𝑒 ∫ 𝑒 −4𝜆 𝑒 4𝜆 𝑑𝜆
0 0

Propiedades de la exponencial
 𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∫ 𝑒 4𝜆 𝑑𝜆 − 𝑒 −4𝑡 ∫ 𝑒 −4𝜆+4𝜆 𝑑𝜆
0 0
𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∫ 𝑒 4𝜆 𝑑𝜆 − 𝑒 −4𝑡 ∫ 𝑒 0 𝑑𝜆
0 0
𝑡−4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∫ 𝑒 4𝜆 𝑑𝜆 − 𝑒 −4𝑡 ∫ 1 𝑑𝜆
0 0

𝑒 4𝜆 𝑡 − 4 𝑡−4
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( ) | − 𝑒 −4𝑡 ∗ 𝜆 |
4 0 0
𝑒 4(𝑡−4) 𝑒 4(0)
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4 − 0)
4 4
Propiedad Distributiva
𝑒 4𝑡−16 𝑒 0
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4)
4 4
𝑒 4𝑡 𝑒 −16 1
𝑦(𝑡) = 4𝑒 −4𝑡 ∗ ( − ) − 𝑒 −4𝑡 ∗ (𝑡 − 4)
4 4
4 −4𝑡 4𝑡 −16 4 −4𝑡
𝑦(𝑡) = 𝑒 𝑒 𝑒 − 𝑒 − 𝑒 −4𝑡 𝑡 + 4𝑒 −4𝑡
4 4
𝑦(𝑡) = 𝑒 −4𝑡+4𝑡 𝑒 −16 − 𝑒 −4𝑡 − 𝑡𝑒 −4𝑡 + 4𝑒 −4𝑡
𝑦(𝑡) = 𝑒 0 𝑒 −16 − 𝑡𝑒 −4𝑡 + 3𝑒 −4𝑡
𝑦(𝑡) = 𝑒 −16 − 𝑡𝑒 −4𝑡 + 3𝑒 −4𝑡
1
𝑦(𝑡) = −𝑡𝑒 −4𝑡 + 3𝑒 −4𝑡 +
𝑒 16
2.2 Ejercicio 2 – Convolución discreta (tabular y gráfica): Usando
como guía el ejemplo 7.3 de la página 173 del libro Ambardar,
determine la respuesta de un filtro FIR (ℎ[𝑛]), a la entrada 𝑥[𝑛].
Posteriormente verifique su respuesta diseñando un script con el
método gráfico de convolución, en Matlab u Octave y anexe el
resultado junto con el script (práctica):

𝑥[𝑛] = [−1, 𝑎, 2̌, 𝑎, 𝑏, 4]

ℎ[𝑛] = [ 2.5, 𝑏̌ , 0.5]
a=4yb=9
 𝑥[𝑛] = [−1,4, 2̌, 4,9,4]
ℎ[𝑛] = [ 2.5, 9̌, 0.5]

Índice de inicio: -2 -1 = -3
Índice de terminación: 3 + 1 = 4
Longitud: L = Lx + Ly - 1 = 6 + 3 -1 = 8

n= -3 -2 -1 0 1 2 3
x[n]= -1 4 2 4 9 4
h[n]= 2,5 9 0,5
-
2,5 10 5 10 22,5 10
-9 36 18 36 81 36
-0,5 2 1 2 4,5 2
-
2,5 1 40.5 30 59.5 93 40.5 2
Eje h -3 -2 -1 0 1 2 3 4

𝑦[𝑛] = {−2.5,1,40.5,30,59.5,93,40.5,2}
 Ejercicio 3 – Series de Fourier: Usando como guía el capítulo 8 de la página 197 del
libro Ambardar, dibuje tres (3) periodos de la siguiente señal 𝑥(𝑡) y calcule los
coeficientes trigonometricos de la serie de Fourier.

a) 𝑥(𝑡) = 3 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 𝑏) con T=4 s

 Encuentre los coeficientes 𝑎0 , 𝑎𝑘 y 𝑏𝑘

Nota: Para encontrar los coeficientes de la serie de Fourier, se tienen las siguientes
expresiones matemáticas:

Recuadro de repaso, Ambardar página 199

“Para la solución de este ejercicio, se deben repasar los métodos de integración vistos en el
curso de cálculo integral.

 Se realiza una ampliación de 3 unidades en el eje vertical

 Se realiza un desplazamiento de 9 unidades hacia el lado positivo
1
 tengo que 𝑤 = 2𝜋𝑓 , 𝑓 = 𝑇

 T= 4 seg

Coeficientes
1 9.5
 𝑎𝑜 = 𝑇 ∫8.5 𝑥(𝑡)𝑑𝑡

1 9.5 3 9.5
𝑎𝑜 = ∫ 3𝑑𝑡 = ∫ 𝑑𝑡
4 8.5 4 8.5

3
𝑎𝑜 = 𝑡
4

3
𝑎𝑜 = (9.5 − 8.5)
4
3
𝑎𝑜 = (1)
4
3
𝑎𝑜 =
4

1 9.5
 𝑎𝐾 = 4 ∫8.5 3cos(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡

3 9.5
𝑎𝐾 = ∫ cos(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
4 8.5

𝑢 = 2𝜋𝑘𝑓𝑜𝑡 ∫ cos(𝑢) 𝑑𝑢 = 𝑠𝑒𝑛(𝑢) + 𝑐

𝑑𝑢 = 2𝜋𝑘𝑓𝑜𝑑𝑡
𝑑𝑢
= 𝑑𝑡
2𝜋𝑘𝑓𝑜
 3 9.5 𝑑𝑢
𝑎𝐾 = ∫ cos(𝑢)
4 8.5 2𝜋𝑘𝑓𝑜

9.5
3
𝑎𝐾 = ∫ cos(𝑢)𝑑𝑢
4 ∗ 2𝜋𝑘𝑓𝑜 8.5

9.5
3
𝑎𝐾 = ∫ cos(𝑢)𝑑𝑢
8𝜋𝑘𝑓𝑜 8.5

3
𝑎𝐾 = 𝑠𝑒𝑛(8𝜋𝑘𝑓𝑜𝑡)
8𝜋𝑘𝑓𝑜

3 1
𝑎𝐾 = 𝑠𝑒𝑛(2𝜋𝑘 𝑡)
1 𝑇
8𝜋𝑘 𝑇

3 1
𝑎𝐾 = 𝑠𝑒𝑛(2𝜋𝑘 𝑡)
1 4
8𝜋𝑘 4

3 1
𝑎𝐾 = 2𝜋𝑘 𝑠𝑒𝑛(𝜋𝑘 2 𝑡)

3 1 1
𝑎𝐾 = 2𝜋𝑘 (𝑠𝑒𝑛 (𝜋𝑘 2 ∗ 9.5) − 𝑠𝑒𝑛 (𝜋𝑘 2 ∗ 8.5)

3 19 17
𝑎𝐾 = (𝑠𝑒𝑛 (𝜋𝑘 ) − 𝑠𝑒𝑛 (𝜋𝑘 ))
2𝜋𝑘 4 4

19 17
3𝑠𝑒𝑛 (𝜋𝑘 4 ) − 3𝑠𝑒𝑛 (𝜋𝑘 4 ))
𝑎𝐾 =
2𝜋𝑘
 1 9.5
 𝑏𝐾 = 4 ∫8.5 3sen(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡

3 9.5
𝑏𝐾 = ∫ sen(2𝜋𝑘𝑓𝑜𝑡)𝑑𝑡
4 8.5

𝑢 = 2𝜋𝑘𝑓𝑜𝑡 ∫ sen(𝑢) 𝑑𝑢 = −𝑐𝑜𝑠(𝑢) + 𝑐

𝑑𝑢 = 2𝜋𝑘𝑓𝑜𝑑𝑡
𝑑𝑢
= 𝑑𝑡
2𝜋𝑘𝑓𝑜

3 9.5 𝑑𝑢
𝑏𝐾 = ∫ sen(𝑢)
4 8.5 2𝜋𝑘𝑓𝑜

9.5
3
𝑏𝐾 = ∫ sen(𝑢)𝑑𝑢
4 ∗ 2𝜋𝑘𝑓𝑜 8.5

9.5
3
𝑏𝐾 = ∫ sen(𝑢)𝑑𝑢
8𝜋𝑘𝑓𝑜 8.5

3
𝑏𝐾 = − 𝑐𝑜𝑠(2𝜋𝑘𝑓𝑜𝑡)
8𝜋𝑘𝑓𝑜

3 1
𝑏𝐾 = − 𝑐𝑜𝑠(2𝜋𝑘 𝑡)
1 𝑇
8𝜋𝑘 𝑇

3 1
𝑏𝐾 = − 𝑐𝑜𝑠(2𝜋𝑘 𝑡)
1 4
8𝜋𝑘 4

3 1
𝑏𝐾 = − 𝑐𝑜𝑠(𝜋𝑘 𝑡)
2𝜋𝑘 2
 3 1 1
𝑏𝐾 = − (𝑐𝑜𝑠 (𝜋𝑘 ∗ 9.5) − 𝑐𝑜𝑠 (𝜋𝑘 ∗ 8.5))
2𝜋𝑘 2 2

19 17
−3𝑐𝑜𝑠 (𝜋𝑘 4 ) + 𝑐𝑜𝑠 (𝜋𝑘 4 )
𝑏𝐾 =
2𝜋𝑘
2.2 2.4. Ejercicio 4 – Transformada de Fourier: Usando como guía los ejemplos
9.5 de las páginas 259 del libro Ambardar y las tablas 9.1 y 9.2, determine la
transformada de Fourier de las señales 𝑥(𝑡) y 𝑦(𝑡), usando pares de
transformadas y propiedades reconocibles. Posteriormente verifique su
respuesta diseñando un script con la combinación lineal de señales usadas para
obtener x(t) y y(t), en Matlab u Octave y anexe el resultado junto con el script
(práctica):
Constante = 9

b. X(t)
1

+9 +18 t

-1

Se tiene que:
𝑥(𝑡) = −𝑢(𝑡) + 2𝑢(𝑡 − 9) − 𝑢(𝑡 − 18)
1 1 1
𝑋(𝑤) = −𝜋𝛿(𝑤) + + 2 (𝑒 −𝑗𝑤2 (𝜋𝛿(𝑤) + )) − 𝑒 −𝑗𝑤4 (𝜋𝛿(𝑤) + )
𝑗𝑤 𝑗𝑤 𝑗𝑤
Resultados:

1 1 1
𝑋(𝑤) = −𝜋𝛿(𝑤) + + 2 (𝑒 −𝑗𝑤2 (𝜋𝛿(𝑤) + )) − 𝑒 −𝑗𝑤4 (𝜋𝛿(𝑤) + )
𝑗𝑤 𝑗𝑤 𝑗𝑤

1 𝑒 −𝑠9 𝑒 −𝑠18
𝑋(𝑠) = − + 2 ( )−
𝑠 𝑠 𝑠
1 2𝑒 −9𝑠 𝑒 −18𝑠
𝑋(𝑠) = − + −
𝑠 𝑠 𝑠

c. Ítem grupal y(t)

1
 0 +2a t

Aporte por: Alexis Pedroza

CICLO DE TAREA TAREA 2 - SEÑALES EN EL DOMINIO DE LA FRECUENCIA:

El estudiante aplica la convolución continua y discreta utilizando los métodos gráficos,
analíticos y tabulares mediante la resolución de ejercicios. El estudiante mediante la solución
de ejercicios analiza las series y transformadas de Fourier, con el fin de comprender el
comportamiento de las señales continuas en el dominio de la frecuencia.
Tarea 2 - SEÑALES EN EL DOMINIO DE LA FRECUENCIA.
1. Definición de conceptos: estudiando el libro de (Ambardar), El estudiante investiga de
manera individual y da respuesta a las siguientes preguntas teóricas:

a- EXPLIQUE QUÉ ES CONVOLUCIÓN CONTINUA Y DISCRETA. DE CUATRO (4)

EJEMPLOS DE USOS Y/O APLICACIONES EN LA INGENIERÍA.

CONVOLUCIÓN DISCRETA:
https://www.youtube.com/watch?v=MWOfQwM7Pvk
 1

Propiedades:

1
Tomado de http://www4.tecnun.es/asignaturas/tratamiento%20digital/tema2.pdf
CONVOLUSION CONTINUA:
https://www.youtube.com/watch?v=KSsPzpqTKHo
 USOS.

La convolución y las operaciones relacionadas se encuentran en muchas

aplicaciones de ingeniería y matemáticas.
 En estadística, como un promedio móvil ponderado.
 En teoría de la probabilidad, la distribución de probabilidad de la suma de
dos variables aleatorias independientes es la convolución de cada una de
sus distribuciones de probabilidad.
 En óptica, muchos tipos de manchas se describen con convoluciones. Una
sombra (p. ej. la sombra en la mesa cuando se tiene la mano entre ésta y la
fuente de luz) es la convolución de la forma de la fuente de luz que crea la
 sombra y del objeto cuya sombra se está proyectando. Una fotografía
desenfocada es la convolución de la imagen correcta con el círculo borroso
formado por el diafragma del iris.
 En acústica, un eco es la convolución del sonido original con una función
que represente los objetos variados que lo reflejan.
 En ingeniería eléctrica, electrónica y otras disciplinas, la salida de un
sistema lineal (estacionario o bien tiempo-invariante o espacio-invariante) es
la convolución de la entrada con la respuesta del sistema a un impulso (ver
animaciones).
 En física, allí donde haya un sistema lineal con un principio de
superposición, aparece una operación de convolución.2

b- ¿QUÉ ES ESTABILIDAD Y CAUSALIDAD DE SISTEMAS LTI?

https://www.youtube.com/watch?v=QRfOkx_3he0&t=276s
https://www.youtube.com/watch?v=iOg3u3m3CWA&t=352s
https://www.youtube.com/watch?v=E3aHJRcDWS0

2
TOMADO DE https://es.wikipedia.org/wiki/Convoluci%C3%B3n
c- EXPLIQUE QUE ES CORRELACIÓN Y DE UN (1) EJEMPLO DE USO Y/O
APLICACIÓN EN LA INGENIERÍA.
https://www.youtube.com/watch?v=HZC6HLkL1wc

Una herramienta útil en análisis de señales y sistemas es la correlación. La

correlación obtiene información sobre las señales en base a promediados
temporales y su transformada de Fourier permite obtener funciones de Densidad
Espectral de Energía o Potencia, dependiendo de las características de las señales
y sistemas bajo estudio. Esta propiedad es particularmente interesante puesto que
la información puede obtenerse incluso si la señal carece de Transformada de
Fourier. Las herramientas basadas en correlación de señales y su transformada de
Fourier, son básicas en el análisis de procesos. En este capítulo se estudian
aplicadas a señales deterministas. El objetivo es facilitar su comprensión y para ello
se desarrolla el significado de la correlación como medida de parecido entre
señales, se establecen las propiedades de la correlación cuando las señales bajo
estudio están relacionadas por sistemas lineales e invariantes.
La correlación de dos funciones reales es una operación de similares
características a la convolución con la salvedad de que no giraremos alrededor del
origen los valores de una de las funciones. La expresión matemática para esta
operación es
Bajo las mismas condiciones que establecimos en la convolución en el caso
discreto, la expresión de la correlación de funciones discretas reales es

para . De manera similar se pueden transcribir las

expresiones de la correlación en el caso bidimensional.
De forma paralela a como vimos que existia un teorema de convolución ahora
podemos enunciar un Teorema de Correlación, que nos dice como se calcula la
correlación entre dos funciones a partir de las TF de dichas funciones. El teorema
establece que la TF de la correlación entre dos funciones es igual al producto de la
transformada fourier conjugada de una de ellas por la otra. Es decir,

donde .
Al igual que la convolución, la correlación es una operación básica del
procesamiento de imágenes digitales. La correlación es la operación básica en los
procesos de búsqueda de patrones por emparejamiento. Por tanto, disponer de
algoritmos que calculen de una forma eficiente estas operaciones es del mayor
interés La figura muestra el resultado de correlacionar dos funciones.
CORRELACIÓN Es frecuentemente necesario tener la posibilidad de cuantificar el
grado de interdependencia de un proceso por encima de otro, o establecer la
similitud entre un conjunto de datos y otro. La correlación puede ser definida
matemáticamente y por ende cuantificada. Su rango de aplicación en el análisis de
señal es vasto, por ejemplo, en el radar cuando se desea encontrar el rango y la
posición en la cual las formas de onda son transmitidas y comparadas. También se
puede encontrar como parte integral de la técnica de estimación de los mínimos
cuadrados, en el cálculo de la potencia promedio de señales. El proceso de
convolución es en esencia una correlación en la cual una de las señales ha sido
invertida con relación al eje de las abscisas.
d- EXPLIQUE QUÉ ES AUTOCORRELACIÓN Y DE UN (1) EJEMPLO DE USO Y/O
APLICACIÓN EN LA INGENIERÍA.

Existe un caso especial cuando ambas secuencias coinciden, x1[n] = x2[n] . Este
proceso se conoce como autocorrelación.

La función de autocorrelación se modela por la expresión:

la cual tiene la siguiente propiedad:

donde S es la energía normalizada asociada a la señal x1[n]. Este hecho

proporciona un método para calcular la energía asociada a una señal. Si la señal es
totalmente aleatoria. por ejemplo, ruido blanco, la autocorrelación tendrá su valor
máximo para
k = 0 (retraso nulo) y fluctuará entorno a cero a medida que el retraso aumenta.
Esto constituye una prueba para señales aleatorias tal y como se representa en la
Figura
 3

Cuando se realiza la correlación de una señal consigo misma se denomina

autocorrelaciones decir:

La autocorrelación representa la similitud entre una señal y su desplazada.

El máximo de autocorrelación se obtiene cuando no hay desplazamiento

La autocorrelación es simétrica con respecto al origen, ya que De

inmediato se puede observar como una de las aplicaciones inmediatas que podría
tener la autocorrelación se encuentra en los radares.

3
Tomado de http://www.ehu.eus/Procesadodesenales/tema8/corre1.html
 4

e- ¿CUÁL ES LA DIFERENCIA DE CORRELACIÓN CONTINUA Y CORRELACIÓN

DISCRETA?

4
Tomado de https://es.slideshare.net/crico89/correlaciondesenales
CORRELACION:
 f- ¿QUÉ SON LAS SERIES DE FOURIER?
https://www.youtube.com/watch?v=8L7haNjw1Pw

Aunque el motivo original era resolver la ecuación de calor, tiempo después fue
obvio que se podía usar la misma técnica a un gran conjunto de problemas físicos y
matemáticos, especialmente aquellos que involucraban ecuaciones diferenciales
lineales con coeficientes constantes, para los cuales sus soluciones únicas eran
sinusoidales.

Fourier introdujo las series con el propósito de resolver la ecuación de conducción

del calor en una lámina de metal publicando sus resultados en 1807 Mémoire sur la
propagation de la chaleur dans les corps solides ('Memoria sobre la propagación del
calor en los cuerpos sólidos'), y publicando su Théorie analytique de la chaleur
('Teoría analítica del calor') en 1822. Ideas previas en descomponer una función
periódica en la suma de simples funciones de oscilación datan desde el siglo III
a.C., cuando astrónomos antiguos propusieron un modelo empírico de movimiento
planetario con base en epiciclo.

La ecuación del calor es una ecuación en derivadas parciales. Previamente al

trabajo de Fourier, no se conocía solución alguna para la ecuación de calor en
forma general, aunque se conocían soluciones particulares si la fuente de calor se
 comportaba de manera sencilla, en particular, si la fuente era una onda de seno o
coseno. Estas soluciones simples a veces son llamadas valores propios. La idea de
Fourier era modelar una fuente de calor compleja con una superposición (o
combinación lineal) de simples ondas sinusoidales y para escribir la solución como
una superposición de los correspondientes valores propios. A la superposición o
combinación lineal se le llama Serie de Fourier.

Aunque el motivo original era resolver la ecuación de calor, tiempo después fue
obvio que se podía usar la misma técnica a un gran conjunto de problemas físicos y
matemáticos, especialmente aquellos que involucraban ecuaciones diferenciales
lineales con coeficientes constantes, para los cuales sus soluciones únicas eran
sinusoidales. Las series de Fourier tienen muchas aplicaciones en la ingeniería
eléctrica, análisis de vibraciones, acústica, óptica, procesamiento de señales,
retoque fotográfico, mecánica cuántica, econometría, la teoría de estructuras con
cascarón delgado, etc.

g- ¿QUÉ ES LA TRANSFORMADA CONTINUA DE FOURIER? DE DOS (2)

EJEMPLOS DE USO Y/O APLICACIÓN EN LA INGENIERÍA.

5
Tomado de https://es.wikipedia.org/wiki/Serie_de_Fourier
EJERCICIOS ALEXIS PEDROZA

a= 4 b=6
 Ejercicio 1_ ALEXIS PEDROZA.

x(t) = (a − e−at )u(t) señal que entra al sistema.

h(t) = e−at u(t − a) respuesta.

Siendo a = 4.
Se tiene:
x(t) = (4 − e−4t )u(t)
h(t) = e−4t u(t − 4)

Entonces:
Remplazamos la constante λ por t, se tiene:
𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
𝑥(𝑡) = (4 − 𝑒 −4𝑡 )𝑢(𝑡)
Remplazo 𝑥(𝑡) → 𝑥(𝜆)

𝑥(𝜆) = (4 − 𝑒 −4𝜆 )𝑢(𝜆)

ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
Remplazo ℎ(𝑡) → ℎ(𝑡 − 𝜆) se genera un desplazamiento a la repuesta o impulso.
ℎ(𝜆) = 𝑒 −4(𝑡−𝜆) 𝑢((𝑡 − 𝜆) − 4)
 Formula de Convolución:
∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥( 𝜆)ℎ(𝑡 − 𝜆) 𝑑𝜆
−∞

Límites de la integral
𝑢(𝜆) = 0 𝜆<0 𝑢((𝑡 − 𝜆) − 4) = 0 𝜆 > 0
𝜆=0 𝑡−𝜆−4=0
𝜆=0 𝜆<0 𝜆 =𝑡−4 λ> t – 4

(∞, −∞) = evaluada en los limites ((𝑡 − 4),0)

Reemplazamos los límites:

𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑢(𝜆) ∗ 𝑒 −4(𝑡−𝜆) 𝑢((𝑡 − 𝜆) − 4) 𝑑𝜆
0

Siendo 𝑢(𝜆) = 0 𝑢((𝑡 − 𝜆) − 4) = 0

𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑒 −4(𝑡−𝜆) 𝑢(𝜆) 𝑢((𝑡 − 𝜆) − 4) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑒 −4(𝑡−𝜆) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ (4 − 𝑒 −4𝜆 )𝑒 −4𝑡+4𝜆) 𝑑𝜆 𝑦(𝑡)
0
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡+4𝜆) − 𝑒 −4𝜆 ∗ 𝑒 −4𝑡+4𝜆) 𝑑𝜆
0
Por la propiedad de los exponenciales se tiene:
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡+4𝜆) − 𝑒 −4𝜆 ∗ 𝑒 −4𝑡+4𝜆) 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 4𝑒 4𝜆 − 𝑒 −4𝜆 ∗ 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 4𝑒 4𝜆 − 𝑒 −4𝜆 ∗ 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0

Propiedades de las integrales:

 Se tiene:
𝑡−4
𝑦(𝑡) = ∫ 4𝑒 −4𝑡 𝑒 4𝜆 − 𝑒 −4𝜆 ∗ 𝑒 −4𝑡 𝑒 4𝜆 𝑑𝜆
0
𝑡−4 𝑡−4
−4𝑡 4𝜆
𝑦(𝑡) = ∫ (4𝑒 𝑒 )𝑑𝜆 − ∫ (𝑒 −4𝑡 𝑒 4𝜆 𝑒 −4𝜆 ) 𝑑𝜆
0 0

Como la integración es en función de λ

𝑡−4 𝑡−4
−4𝑡 4𝜆 −4𝑡
𝑦(𝑡) = 4𝑒 ∫ (𝑒 )𝑑𝜆 − 𝑒 ∫ (𝑒 4𝜆 𝑒 −4𝜆 ) 𝑑𝜆
0 0
4𝜆
Aplicando propiedad de las potenciaciones 𝑒 4𝜆−4𝜆 = 𝑒 4𝜆 = 𝑒 0 = 1

𝑡−4 𝑡−4
−4𝑡 4𝜆 −4𝑡
𝑦(𝑡) = 4𝑒 ∫ (𝑒 )𝑑𝜆 − 𝑒 ∫ 1 𝑑𝜆
0 0

𝑒 𝑛𝑥
Siendo ∫ 𝑒 𝑛𝑥 𝑑𝑥 = y como la ∫ 1 = 𝜆 se tiene:
𝑛

−4𝑡
𝑒 4𝜆
𝑦(𝑡) = 4𝑒 ∗ ( ) − 𝑒 −4𝑡 𝜆
4
 −4𝑡
𝑒 4𝜆
𝑦(𝑡) = 4𝑒 ∗ − 𝑒 −4𝑡 𝜆
4
Evaluando limites para λ

𝑡−4 𝑡−4
𝑦(𝑡) = 𝑒 −4𝑡 ∗ 𝑒 4𝜆 { − 𝑒 −4𝑡 𝜆 {
0 0

𝑦(𝑡) = 𝑒 −4𝑡 ∗ (𝑒 4(𝑡−4) − 𝑒 0 ) − ( 𝑒 −4𝑡 (𝑡 − 4 − 0))

𝑦(𝑡) = 𝑒 −4𝑡 ∗ (𝑒 4(𝑡−4) − 1) − (𝑒 −4𝑡 (𝑡 − 4))

Simplificando:

𝑦(𝑡) = 𝑒 −4𝑡 (𝑒 4𝑡 ∗ 𝑒 −16 − 1) − 𝑒 −4𝑡 (𝑡 − 4)

4𝜆
Aplicando propiedad de las potenciaciones 𝑒 4𝜆−4𝜆 = 𝑒 4𝜆 = 𝑒 0 = 1

𝑦(𝑡) = (1 ∗ 𝑒 −16 − 𝑒 −4𝑡 ) − 𝑒 −4𝑡 𝑡 − 4 𝑒 −4𝑡

𝑦(𝑡) = (1 ∗ 𝑒 −16 − 𝑒 −4𝑡 ) − (𝑒 −4𝑡 𝑡 − 4 𝑒 −4𝑡 )

𝑦(𝑡) = (1 ∗ 𝑒 −16 − 𝑒 −4𝑡 ) + (−𝑒 −4𝑡 𝑡 + 4 𝑒 −4𝑡 )

𝑦(𝑡) = 𝑒 −16 −𝑒 −4𝑡 𝑡 + 3 𝑒 −4𝑡

1 𝑡 3
𝑦(𝑡) = − + −4𝑡
𝑒 16 𝑒 4𝑡 𝑒

Entonces se puede concluir que la convolución de

𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
𝑥(𝑡) = (4 − 𝑒 −4𝑡 )𝑢(𝑡)
Es

1 𝑡 3
𝑦(𝑡) = − + −4𝑡
𝑒 16 𝑒 4𝑡 𝑒
 REFERENCIAS BIBLIOGRÁFICAS

Convolución Continua:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Convolución. Cengage
Learning, (2nd ed, pp. 130-155). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATED_DOCUM
ENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isETOC=true&do
cId=GALE|CX4060300056

Correlación Continua:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Correlación. Cengage
Learning, (2nd ed, pp. 156-159). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabID=&userGroupName=unad&inP
S=true&prodId=GVRL&contentSet=GALE&docId=GALE|CX4060300067
Convolución Discreta:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Convolución Discreta.
Cengage Learning, (2nd ed, pp. 169-183). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATED_DOCUM
ENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isETOC=true&do
cId=GALE|CX4060300069