SEÑALES Y SISTEMAS

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

PRESENTADO POR

DEIVI JOSE MARIA ORTIZ COD: 73194220

TUTOR

LEONARDO ANDRES PEREZ

GRUPO: 203042_4

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA

INGENIERIA ELECTRONICA

ABRIL /2020
 Introducción

El propósito de este informe es realizar la actividad de acuerdo a los temas tratados y los requerimientos

a desarrollar expuestos en la guía.

En primer plano se encuentra la definición de conceptos los cuales son estudiados sobre el libro

Ambardar y otras fuentes, aquí se expone la definición de convolución continua y discreta, estabilidad y

causalidad de sistemas LTI, explicación de correlación, explicación de auto correlación, diferencia de

correlación continua y correlación discreta, qué son las series de Fourier y qué es la transformada

Continua de Fourier. Estas respuestas son de conocimiento previo a la realización de los ejercicios

propuestos.

Tratados los conceptos teóricos, se realizarán los ejercicios de convolución discreta y continúa

apropiándonos de métodos de integración, luego desarrollaremos el ejercicio de convulsión discreta,

verificando la respuesta por medio de un script con el método grafico de convulsión y el resultado

obtenido en la práctica. Se realizará el ejercicio 3 con el tema de series de Fourier, donde se dibujan los

tres periodos de la señal propuesta, calculando los coeficientes trigonométricos de la serie de Furier, por

último, se desarrolla el ejercicio de transformada de Furier, donde se verificará la respuesta por medio

del diseño de un script de la combinación lineal de señales.

Este informe se realiza con el fin, de conocer los temas relevantes, aplicados a convulsión continua y

discreta, apoyándonos del análisis y los métodos gráficos, para comprender el comportamiento

relacionado a las señales continuas en el dominio del tiempo, que nos permitirá contextualizar las

señales en el dominio de la frecuencia, de esta forma logramos identificar y explicar la naturaleza por

medio de análisis matemático y uso de herramientas para su modelamiento.

1. Conceptos

a. En el dominio del tiempo, la convolución es considerada un método para encontrar la respuesta de

estado cero de un sistema LTI relajado, es decir, un método para encontrar la respuesta a la entrada de
un sistema lineal e invariante en el tiempo, donde para t /n=−∞ tiene un estado de energía 0.

La matemática para el tiempo continuo se expresa como:

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

Donde y(t) es la salida del sistema, x(t) la entrada y h(t) la respuesta al impulso.

Para tiempo discreto:

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

Ejemplos:

Convolución 1
Esta convolución grafica es entre x ( t )=1 0<t <2 y h ( t )=1−t 0<t<1, matemáticamente con el fin de
conseguir la función representativa de la salida y(t) es:

0 , t< 0

{ }
t
t2
∫ (1−t+ τ ) dτ=t− 2 ,0 ≤ t ≤ 1
0
1
1
y (t)= ∫ ( 1−t+ τ ) dτ = 2 ,1<t ≤ 2
0
2 2
( t−3 )
∫ ( 1−t+ τ ) dτ= 2 , 2<t ≤ 3
t −1
0 , 3<t

Convolución 2

Esta convolución grafica es entre x ( t )= {1 , 1< t <2 } y h ( t )=x (t), matemáticamente con el fin de conseguir la
función representativa de la salida y(t) es:
 0 , t−1<1

{ }
t −1

∫ dτ=t −2 , 1≤ t−1≤ 2
1
y (t)= 2

∫ dτ=4−t , 2<t−1≤ 3
t −2
0 , 3<t−1

Convolución 3

Esta convolución es entre x [ n ] ={1,2 } y h [ n ] ={2,1,1,1}, matemáticamente con el fin de conseguir la función
representativa de la salida y[n] es:

x [ n ] =δ [ n ] +2 δ [ n−1 ]
h [ n ] =2 δ [ n ] + δ [ n−1 ] +δ [ n−2 ] + δ [n−3]
y [ n ] =δ [ n ]∗2 δ [ n ] + δ [ n ]∗δ [ n−1 ] +δ [ n ]∗δ [ n−2 ] + δ [ n ]∗δ [ n−3 ] +2 δ [ n−1 ]∗2 δ [ n ] +2 δ [ n−1 ]∗δ [ n−1 ] +2 δ [ n−1 ]∗δ [ n−
y [ n ] =2 δ [ n ] +5 δ [ n−1 ] +3 δ [ n−2 ] +3 δ [ n−3 ] + 2δ [ n−4 ]
y [ n ] ={2,5,3,3,2 }
Convolución 4
Esta convolución es entre x [ n ] ={1,2,3,4,5 ,0 ≤ n ≤ 4 } y h [ n ] ={1,2,1 ,−1≤ n ≤1 }, matemáticamente con el
fin de conseguir la función representativa de la salida y[n] es:

x [ n ] =δ [ n ] +2 δ [ n−1 ] +3 δ [ n−2 ] +4 δ [ n−3 ] +5 δ [n−4]

h [ n ] =δ [ n+1 ] + 2δ [ n ] + δ [n−1]
y [ n ] =δ [ n ]∗(δ [ n+1 ] + 2δ [ n ] + δ[ n−1])+2 δ [ n−1 ]∗(δ [ n+1 ] +2 δ [ n ] +δ [n−1])+3 δ [ n−2 ]∗(δ [ n+1 ] + 2δ [ n ] + δ[n−1])+ 4
y [ n ] =δ [ n+1 ] + 4 δ [ n ] +8 δ [ n−1 ] +12 δ [ n−2 ] +16 δ [ n−3 ] +14 δ [ n−4 ] + 5 δ [ n−5 ]
b. La estabilidad en sistemas refiere a que, para entradas acotadas, se obtienen salidas acotadas, esto
cumple que:

|x ( t )|< M y ,| y ( t )|< N

Ya que lo que es pertinente son los sistemas LTI, se pude describir el valor absoluto de la salida
teniendo en cuenta la relación con la entrada por medio de la convolución, y si además se contempla el
teorema fundamental del cálculo (el valor absoluto de cualquier integral no puede exceder la integral
del valor absoluto de su integrando), se cumple la siguiente desigualdad para un sistema LTI sea
estable:

∞ ∞
| y ( t )|< ∫ |h ( τ )||x ( t−τ )|dτ < M ∫ ¿ h( τ)∨dτ <∞
−∞ −∞

Por lo que h(t) debe ser integrable. Si se evalúa esta condición para h(t), y se cumple, se asegura la
estabilidad del sistema. Si se enfoca en la naturaleza de h(t), en la situación en la que h(t) sea de una
señal de energía, el sistema es estable.

En lo que refiere a la causalidad para sistemas LTI, se tiene que para obtener una salida que sea
considerada como una ‘consecuencia’ de la entrada en el tiempo, se necesita que se cumpla que la
 evaluación de la salida comprenda valores diferentes de 0 para t ≥ 0, asegurando que para una entrada
como x ( t ) u(t−t 0) que inicia en t=t 0, la salida inicie en t=t 0, esto deriva a una condición para la
respuesta al impulso, la cual es que h(t) debe ser 0 para t < 0. Este concepto de causalidad refiere al
comportamiento de los sistemas que se presentan y/o se pueden realizar en la realidad.

c. La correlación es una operación muy parecida a la convolución, solo que no se efectúa una reflexión de
una de las funciones implicadas, su definición se resume en desplazar una función más allá de otra y
encontrar al área bajo el producto resultante. su relación es:

x ( t )∗¿ h ( t )=x ( t )∗h(−t )

Donde ** es la simbología de la correlación como operación, se expresa como:

∞
r xy ( t )=x ( t )∗¿ y ( t )= ∫ x ( λ ) h ( λ−t ) dλ
−∞
La correlación es muy útil para la detección de señales y la estimación de retrasos, por ejemplo, por
medio de un receptor de correlación o filtro de igualación. Se puede utilizar para calcular la distancia de
una comunicación, transmitiendo y recibiendo la misma señal desplazada en el tiempo, donde ese
tiempo desplazado representa el tiempo en el que aproximadamente la señal recorre la distancia de la
comunicación 2 veces, donde se llega a que dos veces la distancia es aproximadamente el tiempo en el
que se desplazó la señal multiplicada por la velocidad en la que se mueve la señal en el aire,
reduciéndose a la aproximación de D=0.5 c t 0, donde c es la velocidad de propagación de la radiación
electromagnética en el vacío.

d. Cuando se efectúa la correlación para dos funciones iguales, se tiene a r xx (t) y se conoce como
autocorrelación, es pertinente debido a su utilidad, la cual permite obtener una interpretación de la
coherencia entre una función y su versión de desplazamiento. En la practica es de gran ayuda para
detectar señales periódicas mezcladas en el ruido, ya que permite encontrar patrones repetitivos, a la
larga es una herramienta estadística usada normalmente en el procesamiento de señales.

e. La teoría detrás de la correlación continua y la correlación discreta en base al libro guía es igual, más
allá de las implicaciones del tiempo continuo y discreto para el desarrollo de las mismas, siendo esto
último la única diferencia aparente.

f. Las series de Fourier son una forma de representar señales periódicas, esto es, mediante
combinaciones de señales senoidales se las siguientes formas:

∞ ∞ ∞
X [ k ] e j 2 πk f t
x p ( t )=a0 + ∑ a k cos ( 2 πk f 0 t ) +bk sen (2 πk f 0 t )=c 0 + ∑ c k cos ( 2 πk f 0 t+θ k )= ∑ 0

k=1 k=1 k=−∞

Las formas son denominadas trigonométrica, polar y exponencial respectivamente. f 0 refiere a la

llamada frecuencia fundamental, que corresponde a la frecuencia de la señal periódica. Los coeficientes
tienen una relación la cual es la siguiente:
 a k − j b k =c k /θk =2 X [ k ] k≥1

Para X [ k ] hay una particularidad, y es que k para la forma exponencial contempla valores negativos de
k, por lo que para ello se tiene que:

X [ −k ] =0.5 ( ak + jb k )= X ¿ [ k ] , k≥1

g. La transformada continua de Fourier es un medio por el cual representar una señal en el dominio de la
frecuencia, mediante la operación:

∞
TF { x ( t ) } =∫ x ( t ) e− jωt dt = X (ω)
−∞

Dos grandes usos de la transformada de Fourier es el procesamiento de señales, por ejemplo, en el

cálculo del ancho de banda, y en el análisis de sistemas físicos por medio de las funciones de
transferencia.

2. Ejercicios

Para a = 6 y b = 2.

Ejercicio 1

Convolución entre x ( t ) y h(t).

x ( t )=(6−e¿ ¿ at)u ( t ) ,h ( t )=3∗e−at u ( t−6 ) ¿

t −6 t −6
x ( t )∗h (t )= ∫ ( 6−e¿¿−6 λ)3 e−6 (t −λ ) dλ=3 e−6 t ∫ ( 6 e 6 λ −1 ) dλ=3 e−6 t (e6 λ −λ) t−6 ¿
|
0 0 0

x ( t )∗h (t )=3 e−6 t ( e6 t −36−t+ 6 )−3 e−6 t =3 e−6 t ( e 6 t−36−t+5 )

x ( t )∗h (t )=3 e−6 t ( 5−t )+3 e−36

Ejercicio 2

Respuesta de un filtro FIR (h [n ]) para la entrada x [n].

x [ n ] =[ −2 , 3̌ , 6,2,2 ] , h [ n ] =[2,5,0.5 , 2̌ , 6]

Indice de inicio=−1±3=−4 , Indice de terminacion=3+1=4 ,

 n −4 −3 −2 −1 0 1 2 3 4
h [n ] 2 5 0.5 2 6
x [n] −2 3 6 2 2
−4 −10 −1 −4 −12
6 15 1.5 6 18
12 30 3 12 36
4 10 1 4 12
4 10 1 4 12
y [n] −4 4 26 31.5 11 41 41 16 12

ˇ , 41, 41 , 16 , 12 ]
y [ n ] =[ −4 , 4,26 , 31.5 , 11

Ejercicio 3

Grafica de la señal periódica x (t ) (3 periodos) y cálculo de los coeficientes trigonométricos de la serie

de Fourier.

x ( t )=12 rect ( t−2 )= 1 , |t−2|<0.5 = 1 , 1.5<t <2.5

{ {
0 , |t−2|≥ 0.5 0 , Para cualquier otro valor
,T =4 s
 ❑ 2.5
1
a 0= ∫ 12 rect (t−2) dt= 12
T T
∫ dt=3 ( t ) 2.5
4 1.5 1.5
=3|
❑ 2.5
2 2∗12 2 πkt 12 πkt 2.5
a k = ∫ 12 rect ( t−2 )∗cos ⁡( 2 πk f 0 t)dt =
T T
∫
4 1.5
cos
4 ( )
dt= sen
πk 2 1.5 ( )|
12 5 πk 3 πk
a k=
πk ( ( ) ( ))
sen
4
−sen
4

❑ 2.5
2 2∗12 2 πkt −12 πkt 2.5
b k = ∫ 12 rect ( t−2 )∗sen ( 2 πk f 0 t ) dt=
T T
∫
4 1.5
sen
4
dt=( )
nk
cos
2 1.5 ( )|
−12 5 πk 3 πk
b k=
πk ( ( ) ( ))
cos
4
−cos
4

Ejercicio 4

Calculo de la transformada de Fourier.

a. x ( t )=2 t ( u ( t−1 ) −u (t ) ) +2 u ( t−3 )−2 u ( t−1 )−2 ( t−4 ) ( u ( t−4 ) −u ( t−3 ) )

x ( t )=2 t ( u ( t−1 ) −u (t )−u ( t−4 ) +u ( t−3 ) ) −2u ( t−1 ) +8 u ( t−4 )−6u ( t−3 )

1 d 1
TF {u ( t ) }=πδ ( ω )+
jω
, TF { t∗u ( t ) }= j
dω(πδ ( ω ) +
jω )
 d d 1 −1
Ya que f ( x ) δ ' ( x )=−f ' ( x ) δ ( x ) ,TF { t∗u ( t ) } =− jδ ( ω )
dω
π+
dω ω
= 2
ω ( )
TF { x ( t ) } = ( e −1−e−4 jω +e−3 jω ) +2 πδ ( ω ) + 1 (4 e−4 jω−e− jω −3 e−3 jω )
−2 − jω
( )
ω2
jω

b. y ( t ) =6 sen ( πt6 ) (u ( t−6)−u ( t ) )

πt jω 6 jω
{ ( ) }
TF sen
6
u(t ) =
( jω )2 + π
2
→ TF { y ( t ) }=
( jω )2+ π
2
( e−6 jω−1 )
()
6 ()6
Códigos en Matlab

Conceptos

% Convolución 1 - Deivi María

% x(t) = 1, 0 < t < 2 y h(t) = 1 - t, 0 < t < 1

clc, clear all, close all

tx1=-2:.1:0;
tx2=0:.1:2;
tx3=2:.1:4;
tx=[tx1 tx2 tx3];
x1=zeros(size(tx1));
x2=ones(size(tx2));
x3=zeros(size(tx3));
x=[x1 x2 x3];

th1=-2:.1:0;
th2=0:.1:1;
th3=1:.1:4;
th=[th1 th2 th3];
h1=zeros(size(th1));
h2=1-th2;
h3=zeros(size(th3));
h=[h1 h2 h3];

figure
subplot(4,2,1),plot(tx,x,th,h,':*')
hold on
title("Funciones x(t) y h(t) - Deivi Maria")
ylim([-.1 1.1])
legend('x(\tau)','h(\tau)')
hold off

% Reflexión

subplot(4,2,2),plot(tx,x,-th,h,':*')
hold on
title("x(\lambda) y h(-\lambda) - Deivi Maria")
legend('x(\lambda)','h(-\lambda)')
ylim([-.1 1.1])
hold off

% Valores para t

t=-2;
subplot(4,2,3),plot(tx,x,-th+t,h,':*')
hold on
title("x(\lambda) y h(t-\lambda) para t = -2 - Deivi Maria")
ylim([-.1 1.1])
legend('x(\lambda)','h(t-\lambda)')
hold off

% Superposición parcial

t= 0.5;
subplot(4,2,4),plot(tx,x,-th+t,h,':*')
hold on
title("x(\lambda) y h(t-\lambda) para t = 0.5 - Deivi Maria")
ylim([-.1 1.1])
T=1;
r=0:.1:t;
a=1/T*r+1-t/T;
area(r,a)
legend('x(\lambda)','h(t-\lambda)','x(t)*h(t)')
hold off

% Superposición completa

t=1.6;
subplot(4,2,5),plot(tx,x,-th+t,h,':*')
hold on
title("x(\lambda) y h(t-\lambda) para t = 1.6 - Deivi Maria")
ylim([-.1 1.1])
r=t-T:.1:t;
a=1/T*r+1-t/T;
area(r,a)
legend('x(\lambda)','h(t-\lambda)','x(t)*h(t)')
hold off
% Superposición parcial

t=2.4;
subplot(4,2,6),plot(tx,x,-th+t,h,':*')
hold on
title("x(\lambda) y h(t-\lambda) para t = 2.4 - Deivi Maria")
ylim([-.1 1.1])
r=t-T:.1:2;
a=1/T*r+1-t/T;
area(r,a)
legend('x(\lambda)','h(t-\lambda)','x(t)*h(t)')
hold off;

% Fin de la superposición

t=3.6;
subplot(4,2,7),plot(tx,x,-th+t,h,':*')
hold on
title("x(\lambda) y h(t-\lambda) para t = 3.6 - Deivi Maria")
ylim([-.1 1.1])
legend('x(\lambda)','h(t-\lambda)','x(t)*h(t)')
hold off

% Cálculo de la convolución

%y = conv(x,h)*.1;
%t = linspace(-3,6+2/3,length(y));
%subplot(4,2,8),plot(t,y)
%hold on
%axis([0 3 0 0.6])
%title('Señal de salida y(t) - Deivi Maria')
%hold off

t1=0:.1:1;
t2=1:.1:2;
t3=2:.1:3;
y1=t1-(t1.^2)/2;
y2=0.5*ones(size(t2));
y3=0.5*((3-t3).^2);
subplot(4,2,8),plot(t1,y1,t2,y2,'.',t3,y3,'--')
hold on
legend('t-t^2/2','1/2','(t-3)^2/2')
ylim([0 0.6])
title('Señal de salida y(t) - Deivi Maria')
hold off

% Convolución 2 - Deivi Maria

% x(t) = h(t) = 1, 1 < t < 2

clc, clear all, close all

t1=0:.01:1-0.01;
t2=1:.01:2;
t3=2.01:.01:10;
tx=[t1 t2 t3];
x1=zeros(size(t1));
x2=ones(size(t2));
x3=zeros(size(t3));
x=[x1 x2 x3];
h=x;
subplot(2,2,1),plot(tx,x,-tx,h,':')
hold on
title("Funciones x(t) y h(t) - Deivi Maria")
legend('x(t)','h(-\lambda)')
ylim([-.1 1.1])
hold off

t = 2;
subplot(2,2,2),plot(tx,x,t-tx,h,':')
hold on
title("x(\lambda) y h(t-\lambda) para t = 2 - Deivi Maria")
ylim([-.1 1.1])
legend('x(t)','h(2-\lambda)')
hold off

% Calculo de la convolución

tx=1:.01:2;
x=ones(size(tx));
h=ones(size(tx));
y=conv(x,h)*.01;
subplot(2,2,3),plot(2:.01:4,y)
hold on
title('Señal de salida y(t) - Deivi Maria')
hold off

% Convolución 3 - Deivi Maria

% x[n] = [1 2], n = [0 1] y h[n] = [2 1 1 1], n = [0 1 2 3]

clc, clear all, close all

kx = [0 1];
x = [1 2];
subplot(2,2,1),stem(kx,x)
hold on
title("Señal de entrada x[n] - Deivi Maria")
axis([-1 4 0 3])
hold off

kh=0:3;
h=[2,1,1,1];
subplot(2,2,2),stem(kh,h);
hold on
title("Respuesta al impulso h[n] - Deivi Maria")
axis([-1 4 0 3])
hold off
n = 2;
subplot(2,2,3),stem(n-kh,h)
hold on
axis([-2 3 0 3])
title('h[n-k] para n = 2 - Deivi Maria')
hold off

% Calculo de la convolución

n=0:4;
y=conv(x,h);
subplot(2,2,4),stem(n,y);
hold on
axis([-1 5 0 6])
title('Señal de salida y[n] - Deivi Maria')
hold off

% Convolución 4 - Deivi Maria

% x = [1,2,3,4,5], 0 <= n <= 4 y h = [1,2,1], -1 <= n <= 1

clc, clear all, close all

nx = 0:4;
x = [1 2 3 4 5];
subplot(2,2,1), stem(nx,x);
hold on
title("Señal de entrada x[n] - Deivi Maria")
axis([-2 5 -1 6])
hold off

h = [1,2,1];
subplot(2,2,2),stem(-1:1,h);
hold on
title("Respuesta al impulso h[n] - Deivi Maria")
axis([-2 5 -1 6])
hold off

n = 2;
subplot(2,2,3),stem(n-(-1:1),h)
hold on
title('h[n-k] para n = 2 - Deivi Maria')
axis([-3 4 -1 6])
hold off

% Calculo de la convolución

y = conv(x,h);
subplot(2,2,4),stem(-1:5,y)
hold on
title('Señal de salida y[n] - Deivi Maria')
axis([-3 9 -1 17])
hold off

Ejercicios

% Ejercicio 2 - Deivi Maria

% x = [-2,3,6,2,2], -1 <= n <= 3

% h = [2,5,0.5,2,6], -3 <= n <= 1

clc, clear all, close all

nx = -1:3;
x = [-2,3,6,2,2];
subplot(2,2,1), stem(nx,x);
hold on
title("Señal de entrada x[n] - Deivi Maria")
axis([-2 5 -3 7])
xticks([-1 0 1 2 3])
yticks([-2 2 3 6])
grid
hold off

nh = -3:1;
h = [2,5,0.5,2,6];
subplot(2,2,2),stem(nh,h);
hold on
title("Respuesta al impulso h[n] - Deivi Maria")
axis([-4 4 0 7])
xticks([-3 -2 -1 0 1])
yticks([0.5 2 5 6])
grid
hold off

n = 4;
subplot(2,2,3),stem(n-nh,h)
hold on
title('h[n-k] para n = 4 - Deivi Maria')
axis([0 8 0 7])
xticks([0 3 4 5 6 7])
yticks([0.5 2 5 6])
grid
hold off

% Calculo de la convolución

y = conv(x,h);
subplot(2,2,4),stem(-4:4,y)
hold on
title('Señal de salida y[n] - Deivi Maria')
axis([-5 5 -6 45])
xticks([-4 -3 -2 -1 0 1 2 3 4])
yticks([-4 4 11 12 16 26 31.5 41])
grid
hold off

% Ejercicio 3 - Deivi Maria

% x(t) = 12rect(t-2), T = 4

clc, clear all, close all

t1 = 0:.01:1.5;
t2 = 1.5-.01:.01:2.5-0.01;
t3 = 2.5:.01:4;
t4 = [t1 t2 t3];
t = [t4 t4+4 t4+8];
x1 = zeros(size(t1));
x2 = 12*ones(size(t2));
x3 = zeros(size(t3));
x4 = [x1 x2 x3];
x = [x4 x4 x4];
plot(t,x),title("x(t) - Deivi Maria")
ylim([-1 13])

% Ejercicio 4 - Deivi Maria

clc, clear all, close all

t1a = -2:.01:-1;
t2a = -1+0.01:.01:0;
ta = [t1a t2a];
x1a = 0:.01:1;
x2a = fliplr(0+.01:.01:1);
xa = 2*[x1a x2a];

t1b = -1:.01:0-.01;
t2b = 0:.01:1;
tb = [t1b t2b];
x1b = 0:.01:1-.01;
x2b = fliplr(0:.01:1);
xb = 2*[x1b x2b];

t1c = 0:.01:1;
t2c = 1+.01:.01:2;
tc = [t1c t2c];
x1c = 0:.01:1;
x2c = fliplr(0:.01:1-.01);
xc = 2*[x1c x2c];

x = 2*[x1a x2a+x1b x2b+x1c x2c];

t = linspace(-2,2,length(x));

figure
plot(ta+2,xa,tb+2,xb,tc+2,xc,t+2,x)
hold on
title("x(t) - Deivi Maria")
axis([-1 5 0 2.5])
grid
hold off

t_11 = 0+.01:.01:6-.01;
x_11 = ones(size(t_11));
t_12 = -1:.01:0;
x_12 = zeros(size(t_12));
t_13 = 6:.01:7;
x_13 = zeros(size(t_13));
x_1 = [x_12 x_11 x_13];
t_1 = -1:.01:7;
x_2 = sin(pi*t_1/6);
x2 = x_1.*x_2;

figure
plot(t_1,6*x_1,t_1,6*x_2,t_1,6*x2)
hold on
title("y(t) - Deivi Maria")
axis([-1 7 -1 7])
hold off