TAREA 2 - SEÑALES EN EL DOMINIO DE LA FRECUENCIA

SEÑALES Y SISTEMAS

Tutor (a):
Jorge Eliecer Quintero

Entregado Por:
Harol Grisson Moya
Código:
7

Grupo:
203042-6

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS, INGENIERÍAS Y TECNOLOGÍAS
CURSO DE ELECTRONICA DIGITAL
1-FEBRERO-2020
 INTRODUCCION
Con el desarrollo de esta actividad, evaluamos los conceptos y la estructura general de la
unidad número dos, que comprende temáticas tales como la convolución de señales tanto
continúas como discretas, y el estudio de las series de Fourier , proceso que fue desarrollado
mediante la solución a ejercicios planteados en la guía integrada de actividades en el anexo
número dos. Evidenciando claramente que estas temáticas son fundamentales en el
desarrollo de las carreras cursadas por cada uno de sus integrantes.
 OBJETIVOS
GENERAL:
 Presentar un informe donde se muestre el desarrollo a los temas planteados de la unidad
dos que está comprendida por convolución de señales y transformadas de Fourier.
ESPECÍFICOS:
 Realizar la convolución analítica de una señal continua.
 Realizar la convolución de una señal discreta mediante el método de tabulación.
 Determinar la serie de Fourier de una señal propuesta.
 ACTIVIDADES A DESARROLLAR
Definición De Conceptos:
a) Explique qué es convolución continua y discreta. De cuatro (4) ejemplos de usos y/o
aplicaciones en la ingeniería.
La convolución es una de las técnicas más importantes dentro del campo
del Procesamiento Digital de Señales (DSP, Digital Signal Processing).
Básicamente consiste en la combinación de dos señales para formar una tercera señal,
justo como una suma o una multiplicación.
La convolución se presenta tanto de manera continua (Formula.1) como de manera
discreta (Formula.2 y Formula.3), siendo esta última la más utilizada dentro de la práctica
y la que trataremos en este post, a pesar de esto colocare la expresión matemática de
ambas formas como conceptos matemáticos.
∞
(f ∙ g)(t) = ∫ f(n) ∙ g(t − n)dn
−∞

Fórmula 1 De La Convolución En Su Forma Continua.

Como pueden observar en la fórmula anterior el símbolo con el que se denota la
convolución es “ ” con el cual debemos ser cuidadosos y no confundirlo con la
multiplicación.
M−1

y(n) = ∑ h(k) ∙ x(n − k)

k=0

Fórmula 2 De La Convolución Discreta, Comúnmente Denominada Suma De

Convolución.
y(n) = h(k) ∙ x(k)
Fórmula 3 De La Forma Abreviada De La Suma De La Convolución.
Aplicaciones:
 En estadística, como un promedio móvil ponderado.
 En óptica, muchos tipos de “manchas” se describen con convoluciones. Una sombra (e.g.
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).
 En física, allí donde haya un sistema lineal con un “principio de superposición”, aparece
una operación de convolución.

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

Un sistema LTI (Linear Time-Invariant) o sistema lineal e invariante en el tiempo, es aquel
que, como su propio nombre indica, permanece invariante en el tiempo.
Muchos procesos físicos son LTI ⇒ pueden modelarse como sistemas LTI. Poseen la
propiedad de superposición (linealidad) ⇒ si la entrada a un sistema LTI se puede
representar como combinación lineal de un conjunto de señales básicas (concepto de
base de señales), la salida será la misma combinación lineal de las respuestas del
sistema a esas señales básicas. Veremos que cualquier señal se puede representar
como combinación lineal de impulsos unitarios retardados. Esto nos permitirá caracterizar
cualquier sistema LTI mediante su respuesta al impulso unitario. Esta representación se
conoce como suma de convolucion (sistemas LTI discretos) o integral de convolucion
(sistemas continuos) y proporciona una gran comodidad al tratar los sistemas LTI.

En un sistema inestable cualquier perturbación, por pequeña que sea, llevará a estados
y/o salidas a crecer sin límite o hasta que el sistema se queme, se desintegre o sature. 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). Estabilidad externa, o entrada-salida, se
 refiere a la estabilidad del sistema con condiciones iniciales nulas. Estabilidad interna, se
refiere a la estabilidad del sistema autónomo (sin entradas). De acuerdo con la ecuación:
h(n) = 0 para n < 0
La respuesta al impulso de un sistema LTI causal debe ser cero antes de que ocurra el
impulso, lo cual es consistente con el concepto intuitivo de causalidad. De manera más
general, la causalidad para un sistema lineal es equivalente a la condición de reposo
inicial.

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

Se denomina correlación al vínculo recíproco o correspondiente que existe entre dos o
más elementos. El concepto se emplea de diferentes maneras de acuerdo al contexto.
También Es el grado de relación que existe entre dos señales o variables distintas, esta
se aplica para estudiar relaciones entre dos variables distintas en sistemas electrónicos.
En procesamiento de señales, la correlación cruzada (o a veces denominada "covarianza
cruzada") es una medida de la similitud entre dos señales, frecuentemente usada para
encontrar características relevantes en una señal desconocida por medio de la
comparación con otra que sí se conoce.

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

ingeniería.

La auto correlación o dependencia secuencial es una herramienta estadística utilizada

frecuentemente en el procesado de señales.
 La función de auto correlación se define como la correlación cruzada de la señal consigo
misma. La función de auto correlación resulta de gran utilidad para encontrar patrones
repetitivos dentro de una señal, como la periodicidad de una señal enmascarada bajo el
ruido o para identificar la frecuencia fundamental de una señal que no contiene dicha
componente, pero aparecen numerosas frecuencias armónicas de esta.
En procesamiento digital de señales se usa para encontrar información sobre el período y
la frecuencia de las señales.

e) ¿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. 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.

f) ¿Qué son las series de Fourier?

El análisis de Fourier surgió a partir del intento de éste matemático francés por hallar la
solución a un problema práctico, la conducción del calor en un anillo de hierro.
Una función es periódica de periodo P si hay un número P > 0 tal que f(t + P) = f(t).
Cualquier múltiplo n entero de P es también periodo f(t + nP) = f(t).
Cos(4πt)
La función f(t) = Cos(2πt) + , es la suma de dos funciones periódicas de periodos
2

1 y 0.5, respectivamente. Como vemos en la gráfica f(t) es periódica con periodo P = 1.

2π 2π
Las funciones Cos(t) y Cos(√2t) Cos(2t) son periódicas de periodo 2π y
√2 2

respectivamente, pero la suma f(t) = Cos(√2t) + Cos(2t) = Cos(t) + Cos(2t) no es

periódica.
Una serie 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 (como combinación de senos y cosenos con
frecuencias enteras). El nombre se debe al matemático francés Jean-Baptiste Joseph
Fourier, que desarrolló la teoría cuando estudiaba la ecuación del calor. Fue el primero
que estudió tales series sistemáticamente, y publicó sus resultados iniciales en 1807 y
1811. Esta área de investigación se llama algunas veces análisis armónico.
 Es una aplicación usada en muchas ramas de la ingeniería, además de ser una
herramienta sumamente útil en la teoría matemática abstracta. Áreas de aplicación
incluyen análisis vibratorio, acústica, óptica, procesamiento de imágenes y señales, y
compresión de datos. En ingeniería, para el caso de los sistemas de telecomunicaciones,
y a través del uso de los componentes espectrales de frecuencia de una señal dada, se
puede optimizar el diseño de un sistema para la señal portadora del mismo. Refiérase al
uso de un analizador de espectros. Las series de Fourier tienen la forma:
∞
a0 2nπ 2nπ
+ ∑ [an Cos t + bn Sin t]
2 T T
n=1

Donde an y bn , se denominan coeficientes de Fourier de la serie de Fourier de la función,

g) ¿Qué es la transformada Continua de Fourier? De dos (2) ejemplos de uso y/o aplicación
en la ingeniería.
 La transformada de Fourier de una función continúa e integrable de una variable real x se
define por:
∞
f(u) = ∫ f(x) e−2πiux dx
−∞

Observemos que la transformada de una función real es una función compleja. Es decir,
F(u) = R(u) + I(u) donde R(u) e I(u) son la parte real e imaginaria de F(u),
respectivamente.
La variable u recibe el nombre de variable de frecuencia.
El módulo de F(u) = (R(u)2 + I(u)2 )1/2 recibe el nombre del espectro de Fourier.
El cuadrado del espectro se denomina espectro de potencias o densidad espectral de
f(x).
I(u)
Su ángulo P(u) = arc Tan (R(u)) recibe el nombre de fase.

La inversa de la transformada se define como:

∞
f(x) = ∫ F(u) e2πiux dx
−∞

Análogamente, se define la transformada de Fourier de una función continua e integrable

de 2 variables:
∞ ∞
F(u, v) = ∫ ∫ f(x, y) e−2πi(ux+vy) dxdy
−∞ −∞

Y su inversa como:
∞ ∞
f(x, y) = ∫ ∫ F(u, v) e−2πi(ux+vy) dx
−∞ −∞

La transformada de Fourier se utiliza para pasar una señal al dominio de frecuencia para
así obtener información que no es evidente en el dominio temporal. Por ejemplo, es más
fácil saber sobre qué ancho de banda se concentra la energía de una señal analizándola
en el dominio de la frecuencia.

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.
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.

 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:
Grupo: 𝐚 = 𝟔, Código: 𝐛 = 𝟕
𝐱(𝐭) = (𝟓 − 𝐞𝐚𝐭 )𝐮(𝐭)
x(t) = (5 − e6t )u(t)
x(λ) = (5 − e6λ )u(λ)
𝐡(𝐭) = 𝟓 ∙ 𝐞−𝐚𝐭 𝐮(𝐭 − 𝟑)
h(t) = 5 ∙ e−6t u(t − 3)
h(t − λ) = 5e−6(t−λ) u(t − λ − 3)
Solución:
Los Valores Hallados En La Ecuación Convolución Analítica:
∞
y(t) = x(t) ∙ h(t) ∙ ∫ x(λ) ∙ h(t − λ) dλ
−∞
∞
y(t) = ∫ (5 − e6λ )u(λ) ∙ 5e−6(t−λ) u(t − λ − 3)dλ
−∞
∞
y(t) = ∫ (5 − e6λ ) ∙ 5e−6t+6λ ∙ u(λ) ∙ u(t − λ − 3)dλ
−∞

Límites De Integración:
Teniendo En Cuenta Que x(λ) Determina El Límite Inferior Y h(λ) El Limite Superior, Se
Puede Analizar Que:
u(λ) = 0
u (0) = 0
Como Resultado Encontramos El Límite Inferior En Cero:
u (t − λ − 3) = 0
El Límite Superior:
 λ=t−3
t−3
y(t) = ∫ (5 − e6λ ) ∙ 5e−6t+6λ dλ
0
t−3
y(t) = ∫ 25e−6t+6λ − 5e6λ e−6t+6λ dλ
0
t−3 t−3
−6t 6λ
y(t) = 25 ∙ ∫ e e dλ − 5 ∙ ∫ e6λ e−6t e6λ dλ
0 0
t−3 t−3
y(t) = 25e−6t ∙ ∫ e6λ
dλ − 5e −6t
∙∫ e6λ e6λ dλ
0 0
t−3 t−3
y(t) = 25e−6t ∙ ∫ e6λ dλ − 5e−6t ∙ ∫ e12λ dλ
0 0

Integramos:
t−3 t−3
−6t
e6λ −6t
e12λ
y(t) = 25e ∙( ) − 5e ∙( )
6 0 12 0

Evaluamos Los Límites:

e6(t−3) e6(0) e12(t−3) e12(0)
y(t) = 25e−6t ∙ ( − ) − 5e−6t ∙ ( − )
6 6 12 12

−6t
e6t−18 e0 −6t
e12t−36 e0
y(t) = 25e ∙( − ) − 5e ∙ ( − )
6 6 12 12

−6t
e6t e−18 1 −6t
e12t−36 e−36 1
y(t) = 25e ∙( − ) − 5e ∙ ( − )
6 6 12 12
e6t e−18 − 1 e12t e−36 − 1
y(t) = 25e−6t ∙ ( −6t
) − 5e ∙ ( )
6 12
25e−6t e6t e−18 − 25e−6t 5e−6t e12t e−36 − 5e−6t
y(t) = ( )−( )
6 12
25e−18 − 25e−6t 5e6t e−36 − 5e−6t
y ( t) = ( )−( )
6 12
Mínimo Común Divisor (12):
(2 ∙ 25e−18 ) − (2 ∙ 25e−6t ) − 5e6t e−36 + 5e−6t
y(t) =
12
50e−18 − 50e−6t − 5e6t e−36 + 5e−6t
y(t) =
12
5
y(t) = ∙ (10e−18 − 10e−6t − e6t e−36 + e−6t )
12
 5
y(t) = ∙ (10e−18 − 9e−6t − e6t e−36 )
12
Nota: Para la solución de este ejercicio, se deben repasar los métodos de integración vistos
en el curso de cálculo integral.

 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):
 Grupo: 𝐚 = 𝟔, Código: 𝐛 = 𝟕
̌, 𝐚, 𝐛, 𝟓]
𝐱[𝐧] = [−𝟏, −𝟐, 𝐚, 𝟏 ̌ , 𝟐. 𝟓]
𝐡[𝐧] = [ 𝟐. 𝟓, 𝟎. 𝟓, 𝐛
Señal De Entrada: Señal De Entrada:
̌
x[n] = [−1, −2,6, 1, 6,7,5] h[n] = [ 2.5, 0.5, 7̌, 2.5]
Eje Tiempo Para Señal De Entrada: Eje Tiempo Para Señal De Entrada:
n = [−3, − 2 , −1 , 0 , 1 , 2 , 3] n = [− 2 , −1 , 0 , 1 ]
Índice De Inicio: Índice De Inicio:
n = −3 n = −2
𝐲[𝐧] = 𝐡[𝐧] ∙ 𝐱[𝐧]
𝐧 −𝟑 −𝟐 −𝟏 0 1 2 3 4 5 6
[
𝐱𝐧 ] −1 −2 6 1 6 7 5
𝐡 [ 𝐧] 2.5 0.5 7 2.5
Entrada: Salida:
𝟐. 𝟓𝛅[𝐧] 𝟐. 𝟓𝐡[𝐧] −2.5 −5 15 2.5 15 17.5 12.5
𝟎. 𝟓𝛅[𝐧 − 𝟏] 𝟎. 𝟓𝐡[𝐧 − 𝟏] −0.5 −1 3 0.5 3 3.5 2.5
𝟑𝛅[𝐧 − 𝟐] 𝟑𝐡[𝐧 − 𝟐] −7 −14 42 7 42 49 35
𝟐. 𝟓𝛅[𝐧 − 𝟑] 𝟐. 𝟓𝛅[𝐧 − 𝟑] −2.5 −5 15 2.5 15 17.5 12.5
𝐒𝐮𝐦𝐚: 𝐱[𝐧] 𝐒𝐮𝐦𝐚: 𝐲[𝐧] −2.5 −5.5 7 −11 52.5 42.5 60.5 66.5 52.5 12.5

 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.
Grupo: 𝐚 = 𝟔, Código: 𝐛 = 𝟕
 𝐱(𝐭) = 𝟕 ∙ 𝐫𝐞𝐜𝐭(𝐭 − 𝐛) 𝐜𝐨𝐧 𝐓 = 𝟐𝐬
x(t) = 7 ∙ rect(t − 7) con T = 2s
 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”.
Teniendo en cuenta la gráfica expuesta en la figura 1 se puede argumentar que la imagen
correspondiente para la señal x(t) = 7 ∙ rect(t − 7) ) propuesta, estará desplazada 7 unidades
hacia la derecha en eje horizontal positivo, y será escalada en 7 unidades positiva en el eje
vertical, por lo tanto, su representación gráfica de manera continua se puede consultar en la
siguiente figura:

Serie De Fourier Son:

1 1
f0 = → f0 = → 𝐟𝟎 = 𝟎, 𝟓
T 2
 𝐂𝐨𝐞𝐟𝐢𝐜𝐢𝐞𝐧𝐭𝐞 𝐚𝟎
7,5 7,5 7,5
1 1 7 7
a0 = ∙ ∫ x(t) dt → a0 = ∙ ∫ 7 dt → a0 = ∙ ∫ dt → a0 = ∙ (7,5 − 6,5)
T 6,5 2 6,5 2 6,5 2
7 𝟕
a0 = ∙ (1) → 𝐚𝟎 =
2 𝟐
𝐂𝐨𝐞𝐟𝐢𝐜𝐢𝐞𝐧𝐭𝐞 𝐚𝐊
1 7,5 7 7,5
ak = ∙ ∫ 7 ∙ Cos(2πkf0 t) dt → ak = ∙ ∫ Cos(2πkf0 t) dt
2 6,5 2 6,5
u = 2πkf0 t

∫ Cos(u) du = Sen(u) + c

du
du = 2πkf0 dt → = dt
2πkf0
7 7,5 du 7 7,5
7
ak = ∙ ∫ Cos(u) ∙ → ak = ∙ ∫ Cos(u) du → ak = ∙ (Sen(u))7,5
2 6,5 2πkf0 2 ∙ 2πkf0 6,5 1 2,5
4πk ∙ 2

7 7,5 7 1 7,5
7 2πk 7,5
ak = ∙ (Sen(2πkf0 t))6,5 → ak = ∙ (Sen (2πk ∙ t)) → ak = ∙ (Sen ( t))
4πk 2πk 2 6,5 2πk 2 6,5
2
7
∙ (Sen(πkt))7,5
6,5
2πk
7 7 15 13
ak = ∙ (Sen(πk ∙ 7,5) − Sen(πk ∙ 6,5)) → ak = ∙ (Sen (πk ∙ ) − Sen (πk ∙ ))
2πk 2πk 2 2
𝟏𝟓𝛑𝐤 𝟏𝟑𝛑𝐤
𝟕 ∙ 𝐒𝐞𝐧 ( 𝟐 ) − 𝟕 ∙ 𝐒𝐞𝐧 ( 𝟐 )
𝐚𝐤 =
𝟐𝛑𝐤
𝐂𝐨𝐞𝐟𝐢𝐜𝐢𝐞𝐧𝐭𝐞 𝐛𝐤
7,5
1 7 7,5 7 7,5 du
bk = ∙ ∫ 7 ∙ Sen 2πkf0 t dt → bk = ∙ ∫ Sen 2πkf0 t dt → bk = ∙ ∫ Sen(u) ∙
( ) ( )
2 6,5 2 6,5 2 6,5 2πkf0
7,5
7 7 7
bk = ∙ ∫ Sen(u) du → bk = ∙ (Cos(u))7,5
6,5 → bk = ∙ (Cos(4πkf0 t))7,5
2 ∙ 2πkf0 6,5 4πkf0 1 6,5
4πk ∙ 2

7 1 7,5
7 4πk 7,5 7
bk = ∙ (Cos (4πk ∙ t)) → bk = ∙ (Cos ( t)) → bk = ∙ (Cos(πkt))7,5
4πk 2 6,5 2πk 2 6,5 2πk 6,5
2
7 7 15 13
bk = ∙ (Cos(πk ∙ 7,5) − Cos(πk ∙ 6,5)) → bk = ∙ (Cos (πk ∙ ) − Cos (πk ∙ ))
2πk 2πk 2 2
15πk 13πk
7 ∙ (Cos ( 2 ) − Cos ( 2 ))
bk =
2πk
 𝟏𝟓𝛑𝐤 𝟏𝟑𝛑𝐤
𝟕 ∙ 𝐂𝐨𝐬 ( 𝟐 ) − 𝟕 ∙ 𝐂𝐨𝐬 ( 𝟐 )
𝐛𝐤 =
𝟐𝛑𝐤

 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):
Grupo: 𝐚 = 𝟔, Código: 𝐛 = 𝟕

𝐱(𝐭) = −2u(t) + 2u(t − b) + 2u(t − b) − 2u(t − 4b)

𝐱(𝐭) = −2u(t) + 2u(t − 3) + 2u(t − 3) − 2u(t − 4 ∙ 3)

𝐋𝐚 𝐒𝐞ñ𝐚𝐥: 𝐱(𝐭) = −2u(t) + 2u(t − 3) + 2u(t − 3) − 2u(t − 12)

𝐋𝐚 𝐓𝐫𝐚𝐧𝐬𝐟𝐨𝐫𝐦𝐚𝐝𝐚 𝐃𝐞 𝐅𝐨𝐮𝐫𝐢𝐞𝐫 𝐄𝐬:
1 1 1 1
𝐱(𝐟) = −2 (πδ(w) + ) + 2 (e−3jw (πδ(w) + )) + 2 (e−3jw (πδ(w) + )) − 2 (e−12jw (πδ(w) + ))
jw jw jw jw

1 1 1
𝐱(𝐟) = −2 (πδ(w) + ) + 4 (e−3jw (πδ(w) + )) − 2 (e−12jw (πδ(w) + ))
jw jw jw

2 4e−3s 4e−12s
𝐓é𝐫𝐦𝐢𝐧𝐨𝐬 𝐃𝐞 𝐋𝐚𝐩𝐥𝐚𝐜𝐞: 𝐱(𝐟) = − + −
jw jw jw
 CONCLUSION
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.
El uso de la herramienta científica MatLab para la verificación gráfica de las soluciones
analíticas permite mejorar la comprensión de algunos conceptos que al visualizarse son más
fáciles de entender. Se desarrolló la respuesta referente a la importancia de las señales y
sistemas dentro de la rama de la ingeniería.
 BIBLIOGRAFIA
Series de Fourier (2008). In A. Ambardar, Procesamiento de señales analógicas y digitales
(2nd ed., p. 197). México City: Cengage Learning. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATED_D
OCUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=GVRL&isET
OC=true&docId=GALE|CX4060300056