Documentos de Académico
Documentos de Profesional
Documentos de Cultura
*Sistemas lineales.
Propiedad de adición
propiedad de homogeneidad
porpiedad combinadas con el principio de superposición
Interpretación.- Si x[n] ∗ h[n] = h[n] ∗ x[n], entonces la salida de un sistema LTI con entrada
x[n] y respuesta al impulso unitario h[n], es identifica a la salida de un sistema LTI con
entrada x[n] y respuesta al impulso unitario x[n].
2.2 Propiedad distributiva.
Caso discreto:
𝒙[𝒏] ∗ (𝒉𝟏 [𝒏] + 𝒉𝟐 [𝒏]) = 𝒙[𝒏] ∗ 𝒉𝟏 [𝒏] + 𝒙[𝒏] + 𝒉𝟐 [𝒏]
Caso continuo:
𝒙(𝒕) ∗ (𝒉𝟏 [𝒕] + 𝒉𝟐 [𝒕]) = 𝒙[𝒕] ∗ 𝒉𝟏 [𝒕] + 𝒙[𝒕] + 𝒉𝟐 [𝒕]
Los sistemas con respuestas al impulso h1(t), h2(t) tienen idénticas entradas y sus
salidas se suman puesto que:
𝑦1 (t) = x(t) ∗ ℎ1 (t)
𝑦2 (t) = x(t) ∗ ℎ2 (t)
y(t) = x(t) ∗ (ℎ1 (t) + x(t) ∗ ℎ2 (𝑡))
Consecuencia de las propiedades conmutativa y distributiva:
(𝑥1 [n] + 𝑥2 [n]) ∗ h[n] = 𝑥1 [n] ∗ h[n] + 𝑥2 [n] ∗ h[n]
(𝑥1 [t] + 𝑥2 [t]) ∗ h[t] = 𝑥1 [t] ∗ h[t] + 𝑥2 [t] ∗ h[t]
2.3 Propiedad asociativa.
x[n] ∗ (ℎ1 [n] ∗ ℎ2 (𝑛)) = (𝑥[𝑛] ∗ ℎ1 [𝑛] ∗ ℎ2 [𝑛]
x(t) ∗ (ℎ1 (t) ∗ ℎ2 (𝑡)) = (𝑥(t) ∗ ℎ1 (t) ∗ ℎ2 (t)
3. Convolución
Intuitivamente podemos mirar a la convolución de dos funciones f(x) y g(z) como la función
resultante que aparece después de efectuar los siguientes pasos: a) girar respecto del
origen los valores de una de ellas, es decir g(z) = g(-z) para todo z desde -∞ a ∞, b) ir
trasladando la función girada sobre la otra f(z)g(x-z), y c) en cada punto x calculamos el
valor que resulta de sumar los productos obtenidos de multiplicar para todos los z los
correspondiente valores de las funciones f(z) y g(x-z) . En esencia estamos calculando
para cada valor de x una especie de valor ponderado de una de las funciones f(x) con los
valores de la otra g(x). En el caso de que el área encerrada por la curva de g()x fuese
igual 1 entonces estaríamos calculando para x una media ponderada. Matemáticamente
la expresión para esta operación es
De la expresión anterior puede verse como para un valor fijo de x los origines de las
funciones f y g están desplazados justamente en ese valor x. Los valores
de f para z crecientes van siendo multiplicados por valores de g para (x-z) decrecientes
En el caso discreto que veremos más adelante esta visión intuitiva de la convolución
quedará aún más clara. La figura
Ilustra el efecto de esta operación. La gran importancia de esta operación radica en el
hecho de que la TF de un producto de convolución de dos funciones es igual al producto
de las TFs de dichas funciones, es decir
Para lograr esto consideremos que la función f(x) ha sido muestreada sobre un conjunto
de puntos de longitud A y la función g(x) lo ha sido sobre un conjunto de longitud B,
entonces ambas funciones se rellenarán con ceros hasta que cada una de ellas quede
definida en M = A + B - 1 valores. La fórmula de rellenar con ceros los valores que faltan
no es la única manera que existe de fijar dichos valores aunque si es la más comúnmente
usada. Una vez que las dos funciones tienen el mismo rango de definición la convolución
se puede calcular por
para x=0,1…,M-1. Puede demostrarse que al igual que las funciones f(x) y g(x) la función
resultante de la convolución discreta es también una función periódica discreta de periodo
M. La figura
muestra una comparación entre los resultados del caso discreto y el caso continuo.
Las expresiones que aparecen en el caso bidimensional (imágenes) son las siguientes:
Caso continuo:
Caso discreto:
para e .
4. Correlación
De forma paralela a como vimos que existía 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 .