SEÑALES Y SISTEMAS

PRESENTADO A:

FREDDY VALDERRAMA

PRESENTADO POR:
MARCO AURELIO PONGUTA GUTIERREZ
CÓDIGO 1054120926
Jefferson David Villegas Cañón
Código: 1072666018
Heiber yesid Rojas
William Oswaldo Sanchez

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
ABRIL 2019
 INTRODUCCIÓN

En el presente trabajo se da a conocer el desarrollo de la fase 2 del curso Señales y Sistemas,

denominada: “Aprendizaje basado en problemas aplicado a la unidad 2”, en donde, se ponen en
práctica los conocimientos adquiridos durante la revisión del material bibliográfico propuesto,
relacionado con convolución en tiempo continuo y discreto, de manera analítica como gráfica y series
y transformadas de Fourier usando herramientas analíticas.

En este documento se encontrará de manera detallada la solución individual y colaborativa a los tres
ejercicios propuestos en la guía de actividades. En el primero de ellos se presenta la solución analítica
y su respectiva validación grafica a la convolución en tiempo continuo para las dos señales
propuestas, en el segundo ejercicio se realiza el mismo procedimiento anterior pero aplicado señales
en tiempo discreto asociadas a la respuesta de un filtro FIR y en el tercer ejercicio se determinan
analíticamente los coeficientes de Fourier para las dos señales propuestas en tiempo continuo.

Finalmente se exponen las conclusiones, recomendaciones y dificultades encontradas durante el

desarrollo de la actividad previamente mencionada.
 OBJETIVOS

OBJETIVO GENERAL

 Elaborar un informe en donde se exponga el desarrollo de diferentes temas planteados en la

unidad dos, relacionados con convolución en tiempo discreto y continuo y series de Fourier.

 Realizar la convolución analítica de una señal continua.

 Realizar la convolución de una señal discreta mediante el método de tabulación.

 Realizar prácticas por medio del programa Matlab la cual es una herramienta práctica y
accesible.
 Marco ponguta
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)

nuestro grupo es el 203042_4

sea
𝑥(𝑡) = (4 − 𝑒 −4𝑡 )𝑢(𝑡)
ℎ(𝑡) = 𝑒 −4𝑡 𝑢(𝑡 − 4)
entonces

𝑥(𝜆) = (4−𝑒 −4𝜆 𝑢(𝜆)

ℎ(𝑡 − 𝜆) = 𝑒 −4(𝑡−𝜆) 𝑢(𝑡 − 𝜆 − 4)

puesto que
𝑢(𝜆) = 0, 𝑝𝑎𝑟𝑎 𝜆 < 0
𝑢(𝑡 − 𝜆 − 4) = 0, 𝑝𝑎𝑟𝑎 𝜆 > 𝑡 − 4
Se obtiene
∞
𝑦(𝑡) = ∫ 𝑥(𝑡)ℎ(𝑡 − 𝜆)𝑑𝜆
−∞
∞ 𝑡−4
−4𝜆 −4(𝑡−𝜆)
𝑦(𝑡) = ∫ 4𝑒 𝑢(𝜆)𝑒 𝑢(𝑡 − 𝜆 − 4)𝑑𝜆 = ∫ 4𝑒 −4𝜆 ∙ 𝑒 −4(𝑡−𝜆) 𝑑𝜆
−∞ 0

Puesto que 4𝑒 −𝑡 no es una función de 𝜆 se puede sacar de la integral y se obtiene

Obtenemos la integral definida
4
∫ 4𝑒 −4𝜆 𝑒 −4(𝑡−𝜆) 𝑑𝜆 = − 𝑒 −4𝑡−5𝜆 + 𝑐
5
Calculamos limites y hallamos la integral
 𝑡−4
4 4
𝑦(𝑡) = ∫ 4𝑒 −4𝜆 ∙ 𝑒 −4(𝑡−𝜆) 𝑑𝜆 = − 𝑒 −9𝑡−20𝜆 − (− 𝑒 −4𝑡 )
0 5 5

4 4
lim 0 + (− 𝑒 −4𝑡−5𝜆 ) = − 𝑒 −4𝑡
𝜆 5 5
4 4
lim 𝑡 − 4 (− 𝑒 −4𝑡−5𝜆 ) = − 𝑒 −9𝑡+20𝜆
𝜆 5 5
4
lim 𝑡 − 4 (− 𝑒 −4𝑡−5𝜆 )
𝜆 5
Sustituimos la variable
4
𝑦(𝑡) = − 𝑒 −4𝑡−5(𝑡−4)
5

Simplificamos
4
𝑦(𝑡) = − 𝑒 −9𝑡+20
5

4 4
𝑦(𝑡) = − 𝑒 −9𝑡+20 − (− 𝑒 −4𝑡 )
5 5

4 4
𝑦(𝑡) = − 𝑒 −9𝑡+20 + 𝑒 −4𝑡
5 5
 Marco ponguta
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):

3 𝑥[𝑛] = [−1, 𝑎, 2̌, 𝑎, 𝑏, 4]

4 ℎ[𝑛] = [ 2.5, 𝑏̌, 0.5]

numero de grupo 4
numero de cedula 6

𝑥[𝑛] = [−1,4, 2̌, 4,6,4]

ℎ[𝑛] = [ 2.5, 6̌, 0.5]

𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑖𝑛𝑖𝑐𝑖𝑜 = −2 − 1 = −3

𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛 = 3 + 1 = 4

𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑: 𝐿 𝑥 + 𝐿 𝑦 − 1 = 6 + 3 − 1 = 8

𝑛 = −1 4 0 1 2 3 4 5 6 4
ℎ[𝑛] = 2 5 6 0 5

𝑥[𝑛] = −1 4 2 4 6 4

Entrada respuesta
-1δ[n+1] -1h[n] =-2 -5 -6 0 -5

4δ[n-2] 4h[n-2] = 8 20 24 0 20

2δ[n] 2h[n-1] = 4 10 12 0 10

4δ[n-3] 4h[n] = 8 20 24 0 20
 6δ[n-4] 6h[n] = 12 30 36 0 30

4δ[n-5] 4h[n] = 8 20 24 0 20

Suma =x[n] Suma =y[n] = -2 3 18 42 39 82 66 44 30 20

Por lo tanto

𝑦[𝑛] = −2 3 ̌
18 42 39 82 66 44 30 20

%marco ponguta
%estudiante de ingeniería electrónica
%cead zipaquira
clc
clear

Xn=[-1, 4, 2, 4, 6, 4];
n=[-2, -1, 0, 1, 2, 3,];
subplot(3,1,1)
stem(n,Xn,'m');
grid
title ('Señal discreta X[n] - marco ponguta');
xlabel ('n')
ylabel ('Amplitud')
xlim([-3,4])

%grafica hn
%marco ponguta
hn=[0, 2.5, 6, 0.5, 0, 0];
subplot(3,1,2)
stem(n,hn,'r')
grid
title ('Señal discreta h[n]- marco ponguta')
xlabel ('n')
ylabel ('Amplitud')
xlim([-3,4])

%% convolucion discreta x[n]*h[n] - marco ponguta

ConDis=conv(Xn,hn);
ncon=(-4:1:6);
subplot(3,1,3)
stem(ncon,ConDis,'b')
grid
title ('convolucion discreta x[n]*h[n] - marco ponguta')
xlabel ('n')
ylabel ('Amplitud')
xlim([-4,6])
 Marco ponguta
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:

Solución

a= 4

b=6

a) 𝑎𝑘 𝑝𝑎𝑟𝑎 𝑥(𝑡) = 3 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 6) 𝑐𝑜𝑛 𝑇 = 4

Se tiene

1 1
𝑓0 = = = 0.04
𝑇 4

Teniendo en cuenta la gráfica expuesta en la figura 1 se puede argumentar que la imagen

correspondiente para la señal 3 ∗ 𝑟𝑒𝑐𝑡(𝑡 + 6) propuesta, estará desplazada 6 unidades hacia la
izquierda (eje del tiempo) y será escalada en dos unidades negativas (eje de la amplitud), por lo tanto,
su representación gráfica de manera continua no nula se puede consultar en la siguiente figura:
Se determina el coeficiente ak

2 7.5
𝑎𝑘 = ∫ 𝑥(𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇 4.5
Reemplazando valores

2 −7.5
𝑎𝑘 = ∫ 3 cos(2𝜋𝑘(−0.03)𝑡) 𝑑𝑡
3 −4.5

−7.5
𝑎𝑘 = 4.5 ∫ cos(−0.09𝜋𝑘𝑡) 𝑑𝑡
−4.5

−7.5
(sin(−0.09𝜋𝑘𝑡)
𝑎𝑘 = −0.4 ( )
0.09𝜋𝑘 −4.5

2
𝑎𝑘 = − (sin(−0.09𝜋𝑘𝑡))−7.5
−4.5
𝜋𝑘

2
𝑎𝑘 = − [sin(−0.11𝜋𝑘) − sin(−0.13𝜋𝑘)]
𝜋𝑘

𝑏) 𝑏𝑘 para 𝑥(𝑡) = 𝑎𝑡, 0 ≤ 𝑡 ≤ 1 con T=4

Solución

Teniendo en cuenta que el número de grupo colaborativo es 30, el valor a utilizar para la constante
𝑎 será 3, con ello se procede a resolver el ejercicio propuesto.
De acuerdo a lo anterior la función 𝑥(𝑡) será:

𝑥(𝑡) = 4𝑡

Con la información suministrada tenemos que:

1 1
𝑓0 = = = 0.4
𝑇 3

En la siguiente figura se relaciona la gráfica que representa la función 𝑥(𝑡) propuesta, a la cual se le
determina analíticamente su coeficiente 𝑏𝑘 como se indica a continuación.

Gráfica de la función 𝑥(𝑡) generada en Matlab.

2
𝑏𝑘 = ∫ 𝑥(𝑡) sen(2𝜋𝑘𝑓0 𝑡)𝑑𝑡
𝑇 𝑇

Reemplazando los valores de 𝑇, 𝑥(𝑡), 𝑓0 y obteniendo los límites entre los que estará acotada la
integral de la gráfica expuesta anteriormente, tenemos que:

2 1
𝑏𝑘 = ∫ 4𝑡 sen(2𝜋𝑘(1⁄4)𝑡)𝑑𝑡
4 0

1
2𝜋𝑘𝑡
𝑏𝑘 = ∫ 2𝑡 sen( 4
)𝑑𝑡
0
 1
16 sen(2𝜋𝑘𝑡
4
) − 8𝜋𝑘𝑡 cos(2𝜋𝑘𝑡
3
)
𝑏𝑘 = ( 2 2
)
2𝜋 𝑘 0

16 sen(2𝜋𝑘
4
) − 8𝜋𝑘 cos(2𝜋𝑘
4
) + 16 sen(0) − 8𝜋𝑘(0) cos(2𝜋𝑘
3
)
𝑏𝑘 = ( )
2𝜋 2 𝑘 2

16 sen(2𝜋𝑘
4
) − 8𝜋𝑘 cos(2𝜋𝑘
4
)
𝑏𝑘 = ( )
2𝜋 2 𝑘 2

16 sen(2𝜋𝑘3
) 4 cos(2𝜋𝑘
3
)
𝑏𝑘 = −
2𝜋 2 𝑘 2 𝜋𝑘

Finalmente tenemos que los coeficientes 𝑏𝑘 para la señal 𝑥(𝑡) estarán dados por:

𝟏𝟔 𝐬𝐞𝐧(𝟐𝝅𝒌
𝟒
) 𝟒 𝐜𝐨𝐬(𝟐𝝅𝒌
𝟒
)
𝒃𝒌 = −
𝟐𝝅𝟐 𝒌𝟐 𝝅𝒌
Jefferson Villegas:
Actividades a desarrollar

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 Continua:

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). Un modo informal de establecer una forma matemática para y(t) se
ilustra en la figura 6.1.
Convolución Discreta:

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]. Ahora, si la entrada es x[0]δ[n], un impulso escalado
en el origen, la respuesta es x[0]A[n] (por lineahdad). Similarmente, si la entrada es el impulso
desplazado x[1]δ[n – 1] en n = 1, la respuesta es x[l]h[n - 1] (por la invariante en el tiempo). La
respuesta al impulso desplazado x[k]δ[n - k] en n = k es x[k]h[n - k]. Ya que una entrada
arbitraria x[n] es simplemente una secuencia de muestras, puede describirse como una suma de
impulsos escalados y desplazados:

Por superposición, la respuesta x[n] es una suma de versiones escaladas y desplazadas de

respuestas al impulso:

Ésta es la relación que define a la operación de Convolución, que llamamos Convolución lineal, y
se indica por y[n] = x[n] * h[n] (o por x[n] * h[n] en las figuras) en este libro. La expresión para
calcular y[n] se llama suma de Convolución. Al igual que en la Convolución continua en el
tiempo, no es importante el orden en el cual realicemos la operación, y podemos intercambiar los
argumentos de ξ y h sin afectar los resultados. Por lo tanto:

Notación: se usa x[n] * h[n] para indicar

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

Estabilidad: En el capítulo 4 examinamos la estabilidad de sistemas LTI descritos por ecuaciones

diferenciales. La estabilidad de entradas acotadas, salidas acotadas (BIBO) de tales sistemas
requiere que todas las raíces de la ecuación característica tengan partes reales negativas. Para
sistemas descritos por su respuesta al impulso, esto de hecho se traduce a una condición
equivalente que implica restricciones sobre la respuesta al impulso h(t).

Si x(t) está acotada, tal que \x(t)\ < M, entonces su versión reflejada x(t - λ) es también acotada.
Usando el teorema fundamental del cálculo (el valor absoluto de cualquier integral no puede
exceder la integral del valor absoluto de su integrando), la integral de Convolución produce la
siguiente desigualdad:

Se deduce que para que y(t) sea acotada, requerimos

En la estabilidad BIBO, por consiguiente, h(t) debe ser absolutamente integrable. Esto es tanto una
condición necesaria como suficiente. Si se satisface, estamos garantizando un sistema LTI estable.
En particular, si h(t) es una señal de energía, tenemos un sistema estable.

(Estabilidad de sistemas LTI)

(a) (Estabilidad de un sistema diferenciado)

El sistema y(t) = x‘(t) tiene la respuesta al impulso h(t) = δ‘(t). Esto no es una BIBO estable, puesto
que ⌠⃒h(t)⃒ dt no es finita. La entrada (acotada) u(t), por ejemplo, resulta de la respuesta δ(t), la
cual es claramente no acotada (t = 0). Extendiendo este concepto para un sistema estable,
requerimos que la derivada más superior de la entrada no exceda la derivada más superior de la
salida. Esto implica una función apropiada de transferencia operacional (el grado del numerador no
puede exceder al del denominador).

(b) (Estabilidad de filtros ideales)

Un filtro ideal pasa-bajas se describe como una respuesta al impulso de la forma h(t) = senc(Bt). -
Puesto que h(t) no es cero para t < 0, este filtro es físicamente irrealizable. Puesto que la función
seno no es absolutamente integrable, un filtro ideal es también inestable.
 c- Explique que es correlación y de un (1) ejemplo de uso y/o aplicación en la ingeniería.

Correlación: 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 r xx(t) de dos funciones idénticas
x(t) se llama auto correlación. Para dos funciones diferentes x(t) y y(t), la correlación rxy(t) o r yz(t)
se conoce como correlación cruzada.

Usando el símbolo ** para denotar correlación, definimos las dos operaciones como

La variable t es frecuentemente denominada como el retraso. Las definiciones de la correlación

cruzada no son estándares, y algunos autores prefieren cambiar las definiciones de r xy (t)yr yz (t).

Ejemplo de uso y/o aplicación en la ingeniería:

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

Auto correlación:

La auto correlación 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 auto correlación. 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 auto correlación decae a cero.

Ejemplo de uso y/o aplicación en la ingeniería:

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

¿Qué son las series de Fourier?

Series de Fourier:

Cuando se combinan señales periódicas con frecuencias conmensurables, lo que se obtiene es otra
señal periódica. Este es el proceso de síntesis. Lo que ahora se intenta es el análisis, o separación,
de una señal periódica en sus componentes periódicos. Aun cuando la selección de los
componentes periódicos no es única, se escogen las señales armónicas o senoidales porque se
encuentran entre las señales periódicas más simples y proporcionan además un vínculo único con el
dominio de la frecuencia. Desde el punto de vista de los sistemas, los armónicos perpetuos de la
forma ejwt también son señales propias de los sistemas lineales. La serie de Fourier (SF) describe
una señal periódica xp ((t) como una suma (combinación lineal), en la mezcla correcta,
de armónicos (o senoides) en la frecuencia fundamental f 0 de xp (t) y sus múltiplos kf 0. La
selección de señales armónicas también trae otras ventajas. Permite un esquema simple, congruente
y único para encontrar los coeficientes (la proporción correcta o factor de ponderación) de cada
componente. De hecho, una suma de senoides que describe una señal periódica se conoce
como serie de Fourier sólo si los coeficientes se seleccionan de acuerdo con este esquema. La serie
de Fourier también produce el error cuadrático medio más pequeño en la potencia entre xp (t) y su
representación en serie, independientemente del número de términos o armónicos. También
representa el ajuste de mínimos cuadrados de una señal periódica. Finalmente, las condiciones de
existencia de la serie de Fourier (las denominadas condiciones de Dirichlet, que se estudiarán más
adelante) son suficientemente débiles como para asegurar que todas las funciones periódicas
encontradas en la práctica pueden describirse con una serie de Fourier. Por otra parte, las
excepciones no son más que curiosidades matemáticas.

g- ¿Qué es la transformada Continua de Fourier? De dos (2) ejemplos de uso y/o aplicación
en la ingeniería.
La transformada Fourier:

La transformada Fourier de una señal unidimensional o función continua es una

transformación de dicha señal que nos permite calcular la contribución de cada valor de frecuencia
a la formación de la señal. La expresión matemática de dicho cálculo es

donde , y la variable u que aparece

en la función representa a las frecuencias. Puede demostrarse además que esta

transformación tiene inversa, es decir que dada la función podemos a partir de ella calcular

la función . La expresión matemática de dicha transformada inversa es

Estas dos funciones y se denominan un par de transformadas Fourier. En general las

funciones con las que trataremos en problemas reales verificarán las condiciones que es necesario
imponer para que las expresiones anteriores puedan calcularse.

De dos (2) ejemplos de uso y/o aplicación en la ingeniería:

Ejemplo 1:
Obtenga la transformada de Fourier de un pulso rectangular:
 1
0 para − ∞ < x < − τ
2
1 1
Pτ (x) = f (x) 1 para − τ < x < τ
2 2
1
{ 0 para 2 τ < x < ∞ }

Ejemplo 2:
Obtenga la transformada de Fourier de un pulso rectangular de altura b:
1
0 para − ∞ < x < − τ
2
1 1
f (x) = b para − τ < x < τ
2 2
1
{ 0 para 2 τ < x < ∞ }

Jefferson Villegas
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)

sea
𝑥(𝑡) = (4 − 𝑒 −4𝑡 )𝑢(𝑡)
 ℎ(𝑡) = 𝑒 −4𝑡 𝑢(𝑡 − 4)
entonces

𝑥(𝜆) = (4−𝑒 −4𝜆 𝑢(𝜆)

ℎ(𝑡 − 𝜆) = 𝑒 −4(𝑡−𝜆) 𝑢(𝑡 − 𝜆 − 4)

puesto que
𝑢(𝜆) = 0, 𝑝𝑎𝑟𝑎 𝜆 < 0
𝑢(𝑡 − 𝜆 − 4) = 0, 𝑝𝑎𝑟𝑎 𝜆 > 𝑡 − 4
Se obtiene
∞
𝑦(𝑡) = ∫ 𝑥(𝑡)ℎ(𝑡 − 𝜆)𝑑𝜆
−∞
∞ 𝑡−4
−4𝜆 −4(𝑡−𝜆)
𝑦(𝑡) = ∫ 4𝑒 𝑢(𝜆)𝑒 𝑢(𝑡 − 𝜆 − 4)𝑑𝜆 = ∫ 4𝑒 −4𝜆 ∙ 𝑒 −4(𝑡−𝜆) 𝑑𝜆
−∞ 0

Puesto que 4𝑒 −𝑡 no es una función de 𝜆 se puede sacar de la integral y se obtiene

Obtenemos la integral definida
4
∫ 4𝑒 −4𝜆 𝑒 −4(𝑡−𝜆) 𝑑𝜆 = − 𝑒 −4𝑡−5𝜆 + 𝑐
5

Calculamos los límites y hallamos la integral

𝑡−4
4 4
𝑦(𝑡) = ∫ 4𝑒 −4𝜆 ∙ 𝑒 −4(𝑡−𝜆) 𝑑𝜆 = − 𝑒 −9𝑡−20𝜆 − (− 𝑒 −4𝑡 )
0 5 5

4 4
lim 0 + (− 𝑒 −4𝑡−5𝜆 ) = − 𝑒 −4𝑡
𝜆 5 5
4 4
lim 𝑡 − 4 (− 𝑒 −4𝑡−5𝜆 ) = − 𝑒 −9𝑡+20𝜆
𝜆 5 5
4
lim 𝑡 − 4 (− 𝑒 −4𝑡−5𝜆 )
𝜆 5
Sustituimos la variable
 4
𝑦(𝑡) = − 𝑒 −4𝑡−5(𝑡−4)
5

Simplificamos
4
𝑦(𝑡) = − 𝑒 −9𝑡+20
5

4 4
𝑦(𝑡) = − 𝑒 −9𝑡+20 − (− 𝑒 −4𝑡 )
5 5

4 4
𝑦(𝑡) = − 𝑒 −9𝑡+20 + 𝑒 −4𝑡
5 5

Jefferson Villegas
4.2 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]

numero de grupo 4
numero de cedula 8

𝑥[𝑛] = [−1,4, 2̌, 4,8,4]

ℎ[𝑛] = [ 2.5,8,0.5]

𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑖𝑛𝑖𝑐𝑖𝑜 = −2 − 1 = −3
 𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛 = 3 + 1 = 4

𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑: 𝐿 𝑥 + 𝐿 𝑦 − 1 = 6 + 3 − 1 = 8

𝑛 = −1 4 0 1 2 3 4 5 8 4
ℎ[𝑛] = 2 5 8 0 5

𝑥[𝑛] = −1 4 2 4 8 4

Entrada respuesta
-1δ[n+1] -1h[n] =-2 -5 -8 0 -5

4δ[n-2] 4h[n-2] = 8 20 24 0 20

2δ[n] 2h[n-1] = 4 10 12 0 10

4δ[n-3] 4h[n] = 8 20 24 0 20

6δ[n-4] 6h[n] = 12 30 36 0 30

4δ[n-5] 4h[n] = 8 20 24 0 20

Suma =x[n] Suma =y[n] = -2 3 18 42 39 82 66 44 30 20

Por lo tanto

𝑦[𝑛] = −2 3 ̌
18 42 39 82 66 44 30 20
%Jefferson Villegas
%ingenieria electrónica
%ceda Zipaquirá
clc
clear

Xn=[-1, 4, 2, 4, 8, 4];
n=[-2, -1, 0, 1, 2, 3,];
subplot(3,1,1)
stem(n,Xn,'m');
grid
title ('Señal discreta X[n] -Jefferson Villegas');
xlabel ('n')
ylabel ('Amplitud')
xlim([-3,4])

%grafica hn
%Jefferson Villegas
hn=[0, 2.5, 6, 0.5, 0, 0];
subplot(3,1,2)
stem(n,hn,'r')
grid
title ('Señal discreta h[n]- Jefferson Villegas')
xlabel ('n')
ylabel ('Amplitud')
xlim([-3,4])

%% convolucion discreta x[n]*h[n] - Jefferson Villegas

ConDis=conv(Xn,hn);
ncon=(-4:1:6);
subplot(3,1,3)
stem(ncon,ConDis,'b')
grid
title ('convolucion discreta x[n]*h[n] -Jefferson Villegas')
xlabel ('n')
ylabel ('Amplitud')
xlim([-4,6])
Helber Yesid rojas
Definición de conceptos

Convolución continua:

Es un operador usado para encontrar la respuesta de estado cero y se tiene que aplicar a
sistemas lineales invariantes en el tiempo o LTI.

Convolución Discreta:

Consiste en encontrar la respuesta de LTI, con una función de entrada discreta, es decir,
una función con saltos constantes a través del tiempo.
Es usado en ingeniería para determinar la salida de un sistema, con respecto a su entrada.

Estabilidad y causalidad de sistemas LTI:

Se debe dejar como señal de entrada, una señal acotada, aquellas que varían en el tiempo dentro
de un rango determinado. Cuando la señal de salida nos genera otra señal acotada (su salida no
tiende a infinito o menos infinito) es un sistema estable.

Causalidad: un sistema es “causal” cuando el valor de la señal de salida en un momento

determinado depende solamente de valores de la señal de entrada, su salida no depende de valores
de un tiempo futuro.

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

La correlación es una otro tipo de operador, se debe desplazar una función más allá de otra y
encontrar el área bajo el producto resultante.

Se puede saber que es una correlación al tener “**”

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

Cuando se realiza una correlación entre la misma señal, se denomina autocorrelación.

Esta se usa para encontrar información de señales desconocidas por medio de la
comparación con la misma señal.

¿Cuál es la diferencia de correlación continua y correlación discreta?:

La diferencia es que las señales a tratar son de tiempo discreto o continuo (Sin saltos).

¿Qué son las series de Fourier?:

Es el método de descomponer cualquier función periódica en su base (pueden ser senos

y cosenos). Se encuentran en tres formas: forma trigonométrica, forma polar y
exponencial.

¿Qué es la transformada Continua de Fourier? De dos (2) ejemplos de uso y/o aplicación
en la ingeniería:

Ayuda a identificar los armónicos de una señal, para amplificarlas de ser necesario o eliminarlas.

Conocer el uso de las frecuencias en el espectro electromagnético y el campo que ocupan.

Helber Yesid rojas
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, ̌2, 𝑎, 𝑏, 4]

ℎ[𝑛] = [ 2.5, 𝑏̌ , 0.5]

números a trabajar

𝑥[𝑛] = [−1,4, 2̌, 4,4,4]

ℎ[𝑛] = [ 2.5, ̌4, 0.5]

𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑖𝑛𝑖𝑐𝑖𝑜 = −2 − 1 = −3

𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛 = 3 + 1 = 4

𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑: 𝐿 𝑥 + 𝐿 𝑦 − 1 = 6 + 3 − 1 = 8
n= -2 -1 0 1 2 3

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

h[n] = 2,5 4 0,5

-2,5 10 5 10 10 10
-4 16 8 16 16 16
-0,5 2 1 2 2 2
-2,5 6 20,5 20 27 28 18 2

ℎ[𝑛] = [−2.5,6,20.5,20,27,28,18,2]
%% Grafica x[n] Helber Yesid Rojas
Xn=[-1, 4, 2, 4, 4, 4];
n=[-2, -1, 0, 1, 2, 3];
subplot(
3,1,1)
stem(n,X
n,'m')
grid
title ('Señal discreta X[n] - Helber Yesid Rojas')
xlabel ('n')
ylabel
('Amplitud')
xlim([-3,4])

%% Grafica h[n]

ame Hn=[0, 2.5, 4,

0.5, 0, 0];
subplot(3,1,2)
stem(n,Hn,'r'
) grid
title ('Señal discreta h[n]- Helber Yesid Rojas')
xlabel ('n')
ylabel ('Amplitud')
xlim([-3,4])

%% convolucion discreta x[n]*h[n] - Helber Yesid Rojas

ConDis=conv(Xn,Hn);
ncon=(-4:1:6);
subplot(3,1,3)
stem(ncon,ConDis,'b'
) grid
title ('convolucion discreta x[n]*h[n] - Helber Yesid Rojas')
xlabel ('n')
ylabel
('Amplitud')
xlim([-4,5])
William Sanchez
1. Definición de conceptos: estudiando el libro de (Ambardar), El estudiante investiga
de manera individual y da respuesta a las siguientes preguntas teóricas:

Explique qué es convolución continua y discreta. De cuatro (4) ejemplos de usos y/o
aplicaciones en la ingeniería.
La convolución continua es un método para encontrar la respuesta de estado cero de una
sistemas LTI (sistemas lineales invariantes) relajado.
Concepto y Definición de Convolución
 Mediante la convolución calcularemos la respuesta de un sistema (y(t)) a una entrada
arbitraria (x(t)).

 Dos condiciones para realizar la convolución:

◆Sistema LTI.
◆La respuesta al impulso del sistema es h(t).
 Basándonos en el principio de superposición y en que el sistema es invariante en el
tiempo:

 Una señal arbitraria de entrada x(t) puede expresarse como un tren infinito de
impulsos. Para ello, dividimos x(t) en tiras rectangulares de anchura ts y altura x(k
ts).
Cada tira la reemplazamos por un impulso cuya amplitud es el área de la tira :

Definición

Propiedades:
Convolución Discreta.
Cuando se trata de hacer un procesamiento digital de señal sólo disponemos de valores en
instantes discretos de tiempo. Es necesario una aproximación numérica.
Definición

Propiedades:

Uso o aplicaciones:

 En óptica, Una sombra (la sombra en la mesa cuando tenemos 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).

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

Un sistema es causal si su salida en cualquier instante de tiempo depende sólo de los valores
de la entrada en el tiempo presente y en el pasado. Tal sistema es llamado no anticipativo, ya
que la salida no anticipa valores futuros de la entrada.
La estabilidad es un requerimiento básico de los sistemas dinámicos destinados a realizar
operaciones o procesar señales, y es lo primero que debe garantizarse en el diseño de
un sistema de control. Para un sistema LTI la estabilidad puede analizarse en los dos tipos de
respuesta usuales (estado y entrada cero).

b- 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:

Esta expresión nos indica que la relación que existe entre la convolución y la correlación. La
correlación nos da una medida de la similitud entre dos señales. No existe la propiedad
conmutativa por lo que dadas dos señales x(t) e y(t) se definen dos correlaciones:
Que solo coinciden en

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

ingeniería.

La correlación de una señal consigo misma se denomina autocorrelación:

La autocorrelación representa la simulitud entre una señal y su desplazada. El máximo de

autocorrelación se obtiene cuando no hay desplazamiento (t=0). La autocorrelación es
simétrica con respecto al origen, ya que Rxx(t)=Rxx(-t).

d- ¿Cuál es la diferencia de correlación continua y correlación discreta?

e- ¿Qué son las series de Fourier?

Es una serie infinita que converge puntualmente a una función periódica y continua a trozos
o por partes. 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.
Las series de Fourier tienen la forma:
Donde 𝑎𝑛 y 𝑏𝑛 se denominan coeficientes de Fourier de la serie de Fourier de la

función

f- ¿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 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 f con otra
función g definida de la manera siguiente:

Sus aplicaciones son muchas, en áreas de la ciencia e ingeniería como la física, la teoría de
los números, la combinatoria, el procesamiento de señales (electrónica), la teoría de la
probabilidad, la estadística, la óptica, la propagación de ondas y otras áreas. En
procesamiento de señales la transformada de Fourier suele considerarse como la
descomposición de una señal en componentes de frecuencias diferentes, es decir,
g corresponde al espectro de frecuencias de la señal f.

Nota: Después de realizar la lectura del libro guía se debe estructurar con sus propias
palabras la definición de los temas, esto no debe tener una extensión mayor a 4
páginas.
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.

1.1. 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:

a=4
b=9
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)

Reemplazo 𝑥(𝑡) 𝑝𝑜𝑟 𝑥(𝜆)

𝑥(𝜆) = (4 − 𝑒 −4𝜆 )𝑢(𝜆)

Reemplazo ℎ(𝑡) 𝑝𝑜𝑟 ℎ(𝑡 − 𝜆)

ℎ(𝑡 − 𝜆) = 𝑒 −4(𝑡−𝜆) 𝑢(𝑡 − 4 − 𝜆)

Aplicamos la formula 6.4

 ∞
𝑦(𝑡) = 𝑥(𝑡) ⊗ ℎ(𝑡)=∫−∞ 𝑥(𝜆)ℎ(𝑡 − 𝜆)𝑑𝜆

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

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

Limites de la integral

𝑢(𝜆) = 0
𝜆=0
𝑢(𝑡 − 4 − 𝜆) = 0
𝑡−4−𝜆 =0
−𝜆 = −𝑡 + 4
𝜆=𝑡−4

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

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

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

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

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

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

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

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

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

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

𝑦(𝑡) = 4𝑒 0 𝑒 16 − 4𝑒 −4𝑡 − 𝑒 −4𝑡 𝑡 + 4𝑒 −4𝑡

𝒚(𝒕) = 𝟒𝒆𝟏𝟔 − 𝒆−𝟒𝒕 𝒕

4.3 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]

 𝑥[𝑛] = [−1,4, 2̌, 4,9,4]

ℎ[𝑛] = [ 2.5, 9̌, 0.5]

Indice de inicio: -2+0=-2
Indice de terminación:3+2=5
Longitud L=𝐿𝑥 + 𝑙ℎ =6+3
 ̌ . 5,30,59.5,93,40.5,2]
y[n]=[-2.5,1, 40
Trabajo Colaborativo:

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

+4 +8 t

-1

La Señal
𝑥(𝑡) = −𝑢(𝑡) + 𝑢(𝑡 − 4) + 𝑢(𝑡 − 4) − 𝑢(𝑡 − 8)

La transformada de Fourier es
1 1 −3𝑗𝑤 1 −4𝑗𝑤 1 −8𝑗𝑤
𝑥(𝑓) = −𝜋𝛿(𝑤) − + 𝜋𝛿(𝑤) + 𝑒 + 𝜋𝛿(𝑤) + 𝑒 − 𝜋𝛿(𝑤) − 𝑒
𝑗𝑤 𝑗𝑤 𝑗𝑤 𝑗𝑤

Queda
1 1 −4𝑗𝑤 1 −8𝑗𝑤
𝑥(𝑓) = −𝜋𝛿(𝑤) − + 2 (𝜋𝛿(𝑤) − 𝑒 ) − 𝜋𝛿(𝑤) − 𝑒
𝑗𝑤 𝑗𝑤 𝑗𝑤
En términos de Laplace
1 𝑒 −4𝑠 𝑒 −8𝑠
𝑥(𝑓) = − + 2 −
𝑠 𝑠 𝑠
Código ejecutado en Matlab

clear all
clc
syms t
rect1=-heaviside(t)+heaviside(t-4);
rect2=heaviside(t-4)-heaviside(t-8);
rect3=rect1+rect2;
%______________________________
fplot(rect1,'k','linewidth',2)
hold on
fplot(rect2,'b','linewidth',2)
hold on
fplot(rect3,'r','linewidth',2)
grid on
title('señal x(t) - Helber Yesid Rojas')
xlabel ('Tiempo')
ylabel ('Amplitud')
xlim ([-1 9]);
%_________________________________
TL=laplace(rect3)
Pretty (TL)
Ejercicio 2 colaborativo

a. Ítem grupal y(t)

1

0 +8 t

La Señal
2𝜋𝑡
𝑦(𝑡) = sin ( ) ∗ (𝑢(𝑡) − 𝑢(𝑡 − 2))
8

Transformada de Fourier:
1 1 1 1 −2𝑗𝑤
𝑦(𝑓) = 𝑗𝜋 [𝛿 (𝑤 + 2𝜋 ∗ ) − 𝛿 (𝑤 − 2𝜋 ∗ )] ∗ [ 𝜋𝛿(𝑤) + − 𝜋𝛿(𝑤) − 𝑒 ]
8 8 𝑗𝑤 𝑗𝑤
clc
clear all

% señal senoidal
syms t
sen=sin(2*t*pi/16);
fplot(sen,'y--','linewidth',1)
grid on
hold on
%señal escalones
%señal rect (t)
rect=heaviside(t)-heaviside(t-8);
fplot(rect,'k','linewidth',1)
hold on
y=rect.*sen;
%señal solicitada
fplot(y,'n','linewidth',3)
hold on
title('señal x(t) - Helber Yesid Rojas ')
xlabel ('Tiempo')
ylabel ('Amplitud')
xlim ([-1 9]);

TL=laplace(y)
pretty(TL)
 CONCLUSIONES:

 Con el desarrollo de la actividad se logró comprender los conceptos

relacionados con los procesos de convolución analítica y grafica tanto en
tiempo continuo como discreto para dos señales dadas.

 Los coeficientes de Fourier son muy importantes para la representación

de una función dada empleando una suma infinita de senos y cosenos.

 Con el trabajo presentado puedo concluir que se adquieren los

conocimientos acerca de convolucion continua y discreta, sistemas LTI,
correlación entre otros.

 Se realizan ejercicios tanto de trasformada de Fourier para conocer más el

programa de Matlab ya que es una herramienta la cual es muy importante
y muy práctica.
 REFERENCIAS BIBLIOGRÁFICAS

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_DO
CUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isETO
C=true&docId=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
&inPS=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_DO
CUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isETO
C=true&docId=GALE|CX4060300069

Correlación Discreta:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Correlación
Discreta. Cengage Learning, (2nd ed, pp. 187-188). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabID=&userGroupName=unad
&inPS=true&prodId=GVRL&contentSet=GALE&docId=GALE|CX4060300079
Series de Fourier:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Series de Fourier.
Cengage Learning, (2nd ed, pp. 197-204). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATED_DO
CUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isETO
C=true&docId=GALE|CX4060300081
Transformada de Fourier:
Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Series de Fourier.
Cengage Learning, (2nd ed, pp. 248-304). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATED_DO
CUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isETO
C=true&docId=GALE|CX4060300096#
Cita de fuente (MLA 8.a edición)
Ambardar, Ashok. "Convolución Discreta." Procesamiento de señales analógicas y
digitales, 2nd ed., Cengage Learning, 2002, p. 169. Gale Virtual Reference Library,
http://link.galegroup.com/apps/doc/CX4060300069/GVRL?u=unad&sid=GVRL&xid=82fb
8906. Accessed 23 Mar. 2019.
Cita Trasformada de fourier : link
http://www6.uniovi.es/vision/intro/node19.html