Bimontly Exam 1 ADSP

(*Universidad Técnica Particular de Loja-
Carrera de Ingeniería en Electrónica y Telecomunicaciones-

Procesamiento de Señales Analógicas y Digitales "Paralelo B"*)
(*Examen del Primer Bimestre*)
(*Alumno:...............................*)
(*Fecha: 08/ 06/ 2020*)
(*Elaborado por: Lenin Guaya Delgado, Ph.D.*)

deriva
(*1._ Expresar cada uno de los siguientes números en la forma cartesiana (x+jy):*)
número e
(*a) c1=(1/ 2) Ejπ *)
(*Identidad de Euler:*)
ωo t
(*Ej =Cos ω0 t+j Sin ω0 t*)
coseno seno
ω0 n
(*Ej =Cos ω0 n+j Sin ω0 n*)
coseno seno
c1 = (1 / 2) EI π ;
In[  ]:= ExpToTrig[c1]

exponencial a trigonométrico
1
Out[  ]= -
2
(*b) √ 2 E-I π/4

*)
In[  ]:= c2 = √ 2 E-I π/4 ;
In[  ]:= ExpToTrig[c2]

exponencial a trigonométrico
Out[  ]= 1- ⅈ
(*2._ Determine los valores de E∞ de las siguientes señales:*)

deriva
(*a) E-2 t
u[t]*)
Printed by Wolfram Mathematica Student Edition

2 bimontly_exam1_ADSP.nb
In[  ]:= PlotE-2 t UnitStep[t], {t, - 1, 3}, PlotRange → All, AxesLabel → {"t", "x[t]"}
represent ⋯ función paso unidad rango de repr⋯ todo etiqueta de ejes
x[t]
1.0
0.8
0.6
Out[  ]=
0.4
0.2
t
-1 1 2 3
2
In[  ]:= NIntegrateAbsE-2 t UnitStep[t] , {t, - ∞, ∞} (*Energía=1/ 4: Es señal de energía*)
integra numéricamente
Out[  ]= 0.25
(*b) (1 / 2)n UnitStep[n]*)

función paso unidad
In[  ]:= DiscretePlot(1 / 2)n UnitStep[n], {n, - 1, 7}, PlotRange → All, AxesLabel → {"n", "x[n]"}
representación discreta función paso unidad rango de repr⋯ todo etiqueta de ejes
Out[  ]=
∞
2
 Abs(1 / 2) UnitStep[n]
n
In[  ]:= (*Energía=4/ 3: Es señal de energía*)
n=-∞
4
Out[  ]=
3

bimontly_exam1_ADSP.nb 3
(*3._ A partir de x[n]=KroneckerDelta[n]+2 KroneckerDelta[n-1]-KroneckerDelta[n-3],

delta de Kronecker delta de Kronecker delta de Kronecker
y de h[n]=2 KroneckerDelta[n+1]+2 KroneckerDelta[n-1], calcule lo siguiente:*)

delta de Kronecker delta de Kronecker
In[  ]:= x[n_ ] := KroneckerDelta[n] + 2 KroneckerDelta[n - 1] - KroneckerDelta[n - 3]

delta de Kronecker delta de Kronecker delta de Kronecker
In[  ]:= DiscretePlot[x3, {n, - 10, 10}, PlotRange → All, AxesLabel → {"n", "x[n]"}]
representación discreta rango de repr⋯ todo etiqueta de ejes
Out[  ]=
In[  ]:= h[n_ ] := 2 KroneckerDelta[n + 1] + 2 KroneckerDelta[n - 1]

delta de Kronecker delta de Kronecker
In[  ]:= DiscretePlot[h3, {n, - 10, 10}, PlotRange → All, AxesLabel → {"n", "h[n]"}]
Out[  ]=
In[  ]:= (*a) y1[n]=x[n]*h[n])*)

convolutiona = DiscreteConvolve[x[n], h[n], n, m]
convolución discreta
Out[  ]= 2 δ1-m - 2 δ2-m - 2 δ4-m + 2 (2 δ2-m + 2 δm ) + 2 δ1+m

In[  ]:= DiscretePlot[convolutiona, {m, - 4, 4}, PlotRange → All, AxesLabel → {"n", "y1[n]"}]
Out[  ]=
(*b) y2[n]=x[n+2]*h[n])
In[  ]:= convolutionb = DiscreteConvolve[x[n + 2], h[n], n, m]

Out[  ]= - 2 δ2-m - 2 δm + 2 δ1+m + 2 (2 δm + 2 δ2+m ) + 2 δ3+m
In[  ]:= DiscretePlot[convolutionb, {m, - 4, 4}, PlotRange → All, AxesLabel → {"n", "y1[n]"}]
Out[  ]=
(*c) y3[n]=x[n]*h[n+2]*)
In[  ]:= convolutionc = DiscreteConvolve[x[n], h[n + 2], n, m]

Out[  ]= - 2 δ2-m - 2 δm + 2 δ1+m + 2 (2 δm + 2 δ2+m ) + 2 δ3+m

In[  ]:= DiscretePlot[convolutionc, {m, - 4, 4}, PlotRange → All, AxesLabel → {"n", "y1[n]"}]
Out[  ]=
(*4._ Considere la entrada x[n], y la respuesta al impulso h[n], dada por:*)

constante
(*x[n]=(1/ 2)n-2 UnitStep[n-2], y h[n]=UnitStep[n+2]*)

función paso unidad función paso unidad
(*Determine la salida y[n]=x[n]*h[n], a)Utilizando la

función de convolución de tiempo discreto del simulador, y b
Utilizando la definición de convolución de tiempo discreto*)
In[  ]:= x4 = (1 / 2)n-2 UnitStep[n - 2]

Out[  ]= 22-n UnitStep[- 2 + n]
In[  ]:= h4 = UnitStep[n + 2]

Out[  ]= UnitStep[2 + n]
(*a) Convolución utilizando la función

de convolución de tiempo discreto del simulador:*)
In[  ]:= convolution4a = DiscreteConvolve[x4, h4, n, m]

2 - 2-m m ≥ 0
Out[  ]= 
0 True

In[  ]:= DiscretePlot[convolution4a, {m, - 1, 7}, PlotRange → All, AxesLabel → {"n", "h[n]"}]
Out[  ]=
(*(b) Utilizando la definición de convolución de tiempo discreto*)

∞
In[  ]:= convolution4b =  (1 / 2)m-2 UnitStep[m - 2] (UnitStep[(n - m) + 2])
m=-∞ función paso unidad función paso unidad
2-Floor[n] - 1 + 21+Floor[n]  n ≥ 0
Out[  ]=
0 True
In[  ]:= DiscretePlot[convolution4b, {n, - 1, 7}, PlotRange → All, AxesLabel → {"n", "h[n]"}]
Out[  ]=
(*5._ Grafique en el dominio del tiempo y en

dominio de la frecuencia las siguientes expresiones:*)
(*a) Exp[-2 (t-1)] UnitStep[t-1]*)
exponencial función paso unidad
ω t
(*Ecuación 4.9: X(j ω)=NIntegratex[t] E-I ,{t,-∞,∞} *)
integra numéricamente

In[  ]:= a = Exp[- 2 (t - 1)] UnitStep[t - 1]

exponencial función paso unidad
Out[  ]= ⅇ-2 (-1+t) UnitStep[- 1 + t]
In[  ]:= Plot[a, {t, 0, 5}, PlotRange → All, AxesLabel → {"t", "x(t)"}, Exclusions → None]
representación gráfica rango de repr⋯ todo etiqueta de ejes exclusiones ninguno
x(t)
1.0
0.8
0.6
Out[  ]=
0.4
0.2
t
1 2 3 4 5
In[  ]:= ta = FourierTransform[Exp[- 2 (t - 1)] UnitStep[t - 1], t, ω, FourierParameters → {1, - 1}]

transformada de Fourier exponencial función paso unidad parámetros de transformada de Fourier
ⅈ Cos[ω] + Sin[ω]
Out[  ]= -
-2 ⅈ + ω
In[  ]:= Plot[Abs[ta], {ω, - 20, 20}, PlotRange → All,

rep ⋯ valor absoluto rango de repr⋯ todo
AxesLabel → {"ω", "|X(jω)|"}, Exclusions → None]

etiqueta de ejes exclusiones ninguno
|X( jω)|
0.5
0.4
Out[  ]= 0.3
0.2
ω
-20 -10 10 20

In[  ]:= Plot[Arg[ta], {ω, - 20, 20}, PlotRange → All,

rep ⋯ argumento complejo rango de repr⋯ todo
AxesLabel → {"ω", "<X(jω)"}, Exclusions → None]

<X( jω)
Out[  ]=
ω
-20 -10 10 20
-1
-2
-3
(*(b) Exp[-2 Abs[t-1]]*)

expon⋯ valor absoluto
In[  ]:= b = Exp[- 2 Abs[t - 1]]

expo ⋯ valor absoluto
Out[  ]= ⅇ-2 Abs[-1+t]
In[  ]:= Plot[b, {t, - 3, 5}, PlotRange → All, AxesLabel → {"t", "x(t)"}, Exclusions → None]
representación gráfica rango de repr⋯ todo etiqueta de ejes exclusiones ninguno
x(t)
1.0
0.8
0.6
Out[  ]=
0.4
0.2
t
-2 2 4
In[  ]:= tb = FourierTransform[Exp[- 2 Abs[t - 1]], t, ω, FourierParameters → {1, - 1}]

transformada de Fourier expo ⋯ valor absoluto parámetros de transformada de Fourier
4 (Cos[ω] - ⅈ Sin[ω])
Out[  ]=
4 + ω2

In[  ]:= Plot[Abs[tb], {ω, - 20, 20}, PlotRange → All,


|X( jω)|
1.0
0.8
0.6
Out[  ]=
0.4
0.2
ω
-20 -10 10 20
In[  ]:= Plot[Arg[tb], {ω, - 20, 20}, PlotRange → All,


<X( jω)
Out[  ]=
ω
-20 -10 10 20
-1
-2
-3
(*6._ Calcule la transformada de Fourier de:*)

constante transformada de Fourier discreta
(*a) x[n]=(1/ 2)n-1 UnitStep[n-1]*)

(*Ecuación 5.9: X(j ω)=∑∞

n=-∞ x[n] E
-I ω n
*)
In[  ]:= a6 = (1 / 2)n-1 UnitStep[n - 1]

Out[  ]= 21-n UnitStep[- 1 + n]

In[  ]:= DiscretePlot[a6, {n, - 7, 7}, PlotRange → All, AxesLabel → {"n", "x[n]"}]
Out[  ]=
∞
In[  ]:= t6a =  (1 / 2)n-1 UnitStep[n - 1] E-I ω n
n=-∞ función paso unidad
2
Out[  ]=
-1 + 2 ⅇⅈ ω
In[  ]:= Plot[Abs[t6a], {ω, - 20, 20}, PlotRange → All,


|X( jω)|
2.0
1.8
1.6
1.4
Out[  ]=
1.2
1.0
0.8
ω
-20 -10 10 20

In[  ]:= Plot[Arg[t6a], {ω, - 20, 20}, PlotRange → All,


<X( jω)
Out[  ]=
ω
-20 -10 10 20
-1
-2
-3
(*b) (1/ 2)Abs[n-1] *)
In[  ]:= b6 = (1 / 2)Abs[n-1]
Out[  ]= 2-Abs[-1+n]
In[  ]:= DiscretePlot[b6, {n, - 10, 10}, PlotRange → All, AxesLabel → {"n", "x[n]"}]
Out[  ]=
∞
In[  ]:= t6b =  (1 / 2)Abs[n-1] E-I ω n
n=-∞
3
Out[  ]= -
- 2 + ⅇ ⅈ ω  - 1 + 2 ⅇ ⅈ ω 

In[  ]:= Plot[Abs[t6b], {ω, - 20, 20}, PlotRange → All,


|X( jω)|
3.0
2.5
2.0
Out[  ]=
1.5
1.0
ω
-20 -10 10 20
In[  ]:= Plot[Arg[t6b], {ω, - 20, 20}, PlotRange → All,


<X( jω)
Out[  ]=
ω
-20 -10 10 20
-1
-2
-3
(*7._ Mediante un ejemplo demuestre la propiedad de la

convolución de la transformada de Fourier de tiempo contínuo*)
transformada de Fourier discreta
x = Exp[2 t] UnitStep[- t];

expon⋯ función paso unidad

In[7]:= Plot[x, {t, - 5, 5}, Exclusions → None, PlotRange → All, AxesLabel → {"t", "x(t)"}]
representación gráfica exclusiones ning⋯ rango de repr⋯ todo etiqueta de ejes
x(t)
1.0
0.8
0.6
Out[7]=
0.4
0.2
t
-4 -2 2 4
In[8]:= h = UnitStep[t - 3];

In[9]:= Plot[h, {t, - 5, 5}, Exclusions → None, PlotRange → All, AxesLabel → {"t", "h(t)"}]
representación gráfica exclusiones ning⋯ rango de repr⋯ todo etiqueta de ejes
h(t)
1.0
0.8
0.6
Out[9]=
0.4
0.2
t
-4 -2 2 4
(*Convolución*)
In[12]:= cc = Convolve[x, h, t, T]
convoluciona
T≥3
1
2
Out[12]=
ⅇ-6+2 T True
1
2

In[13]:= Plot[cc, {T, - 5, 5}, Exclusions → None,

representación gráfica exclusiones ninguno
PlotRange → All, AxesLabel → {"t", "Convolution(t)"}]

rango de repr⋯ todo etiqueta de ejes
Convolution(t)
0.5
0.4
0.3
Out[13]=
0.2
0.1
t
-4 -2 2 4
(*Multiplicación*)
In[14]:= ft1 = FourierTransform[Exp[2 t] UnitStep[- t], t, ω, FourierParameters → {1, - 1}]

transformada de Fourier expon⋯ función paso unidad parámetros de transformada de Fourier
ⅈ
Out[14]=
2 ⅈ+ω
In[15]:= Plot[Abs[ft1], {ω, - 1, 1}, AxesLabel → {"ω", "|X(jω)|"}]

rep ⋯ valor absoluto etiqueta de ejes
|X( jω)|
0.50
0.49
0.48
Out[15]=
0.47
0.46
0.45
ω
-1.0 -0.5 0.5 1.0

In[16]:= Plot[Arg[ft1], {ω, - 1, 1}, Exclusions → None, PlotRange → All, AxesLabel → {"ω", "<X(jω)"}]
rep ⋯ argumento complejo exclusiones ning⋯ rango de repr⋯ todo etiqueta de ejes
<X( jω)
0.4
0.2
Out[16]=
ω
-1.0 -0.5 0.5 1.0
-0.2
-0.4
In[17]:= ft2 = FourierTransform[UnitStep[t - 3], t, ω, FourierParameters → {1, - 1}]

transformada de Fourier función paso unidad parámetros de transformada de Fourier
ⅈ ⅇ-3 ⅈ ω
Out[17]= - + π DiracDelta[ω]
ω
In[18]:= Plot[Abs[ft2], {ω, - 1, 1}, AxesLabel → {"ω", "|H(jω)|"}]

|H( jω)|
12
10
8
Out[18]=
ω
-1.0 -0.5 0.5 1.0

In[19]:= Plot[Arg[ft2], {ω, - 1, 1}, Exclusions → None, PlotRange → All, AxesLabel → {"ω", "<H(jω)"}]
rep ⋯ argumento complejo exclusiones ning⋯ rango de repr⋯ todo etiqueta de ejes
<H( jω)
Out[19]=
ω
-1.0 -0.5 0.5 1.0
-1
-2
-3
In[20]:= ft1 ft2

ⅈω
ⅈ ⅇ-3
ⅈ - + π DiracDelta[ω]
ω
Out[20]=
2 ⅈ+ω
In[21]:= Plot[Abs[ft1 ft2], {ω, - 1, 1}, AxesLabel → {"ω", "|Multiplication(jω)|"}]

|Multiplication( jω)|
Out[21]=
3
ω
-1.0 -0.5 0.5 1.0

In[22]:= Plot[Arg[ft1 ft2], {ω, - 1, 1}, PlotRange → All, AxesLabel → {"ω", "<Multiplication(jω)"}]
rep ⋯ argumento complejo rango de repr⋯ todo etiqueta de ejes
<Multiplication( jω)
Out[22]=
ω
-1.0 -0.5 0.5 1.0
-1
-2
-3
In[23]:= ft3 = InverseFourierTransform

transformada de Fourier inversa
ⅈ ⅇ -3 ⅈ ω
ⅈ - + π DiracDelta[ω]
ω
, ω, t, FourierParameters → {1, - 1}
2ⅈ+ω parámetros de transformada de Fourier
1
Out[23]= 1 + 2 ⅇ-6+2 t HeavisideTheta[3 - t] - Sign[3 - t]
4
In[24]:= Plot[ft3, {t, - 5, 5}, Exclusions → None,

representación gráfica exclusiones ninguno
PlotRange → All, AxesLabel → {"t", "Multiplication(t)"}]

rango de repr⋯ todo etiqueta de ejes
Multiplication(t)
0.5
0.4
0.3
Out[24]=
0.2
0.1
t
-4 -2 2 4
(*8._ Mediante un ejemplo demuestre la propiedad de la

multiplicación de la transformada de Fourier de tiempo contínuo*)

In[27]:= s = Cos[2 Pi 5 t]
cos⋯ número pi
Out[27]= Cos[10 π t]
(* Information*)
información
In[28]:= Plot[s, {t, - 5, 5}, PlotRange → All, AxesLabel → {"t", "s(t)"}]

representación gráfica rango de repr⋯ todo etiqueta de ejes
s(t)
1.0
0.5
Out[28]=
t
-4 -2 2 4
-0.5
-1.0
In[29]:= p = Cos[2 Pi 500 t]

cos⋯ número pi
Out[29]= Cos[1000 π t]
(*Carrier^*)
In[30]:= Plot[p, {t, - 5, 5}, PlotRange → All, AxesLabel → {"t", "p(t)"}]

p (t)
1.0
0.5
Out[30]=
t
-4 -2 2 4
-0.5
-1.0
(*Multiplicación*)
In[31]:= am = s p
Out[31]= Cos[10 π t] Cos[1000 π t]

In[32]:= Plot[am, {t, - 5, 5}, PlotRange → All, AxesLabel → {"t", "am(t)"}]

am(t)
1.0
0.5
Out[32]=
t
-4 -2 2 4
-0.5
-1.0
In[33]:= ftam = FourierTransform[am, t, ω, FourierParameters → {1, - 1}]

transformada de Fourier parámetros de transformada de Fourier
1 1
Out[33]= π DiracDelta[- 1010 π + ω] + π DiracDelta[- 990 π + ω] +
2 2
1 1
π DiracDelta[990 π + ω] + π DiracDelta[1010 π + ω]
2 2
(*Lo anterior es el resultado de la multiplicación en el dominio del tiempo,

y luego esta señal modulada la pasamos al dominio de la frecuencia compleja*)
(*Convolución*)
In[34]:= a1 = FourierTransform[Cos[2 Pi 5 t], t, ω, FourierParameters → {1, - 1}]

transformada de Fourier cos⋯ número pi parámetros de transformada de Fourier
Out[34]= π DiracDelta[- 10 π + ω] + π DiracDelta[10 π + ω]
In[35]:= a2 = FourierTransform[Cos[2 Pi 500 t], t, ω, FourierParameters → {1, - 1}]

transformada de Fourier cos⋯ número pi parámetros de transformada de Fourier
Out[35]= π DiracDelta[- 1000 π + ω] + π DiracDelta[1000 π + ω]
In[36]:= co = (1 / (2 Pi)) Convolve[a1, a2, ω, θ]

⋯ convoluciona
1
Out[36]= (π (π DiracDelta[- 1010 π + θ] + π DiracDelta[990 π + θ]) +
2π
π (π DiracDelta[- 990 π + θ] + π DiracDelta[1010 π + θ]))

In[37]:= iftco = InverseFourierTransform[co, θ, t, FourierParameters → {1, - 1}]

transformada de Fourier inversa parámetros de transformada de Fourier
1
Out[37]= ⅇ-1010 ⅈ π t
1 + ⅇ20 ⅈ π t  1 + ⅇ2000 ⅈ π t 
4
In[38]:= Plot[Re[iftco], {t, - 5, 5}, AxesLabel → {"t", "Re{iftco(t)}"}]

rep ⋯ parte real etiqueta de ejes parte real
Re {iftco (t)}
1.0
0.5
Out[38]=
t
-4 -2 2 4
-0.5
-1.0
(*Lo anterior es el resultado de "(1/ 2 Pi) Convolución de las dos señales" en el

número pi
dominio de la frecuencia compleja, luego esta señal modulada en amplitud,

la pasamos al dominio del tiempo y la graficamos. Son iguales las dos
gráficas de modulación en amplitud, por tanto queda demostrada la propiedad
de multiplicación de la transformada de Fourier de tiempo continuo *)

Bimontly Exam 1 ADSP

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Bimontly Exam 1 ADSP

Cargado por

Copyright:

Formatos disponibles

(*Universidad Técnica Particular de Loja-

Carrera de Ingeniería en Electrónica y Telecomunicaciones-

(*Examen del Primer Bimestre*)

(*Elaborado por: Lenin Guaya Delgado, Ph.D.*)

(*a) c1=(1/ 2) Ejπ *)

In[  ]:= ExpToTrig[c1]

(*b) √ 2 E-I π/4

In[  ]:= c2 = √ 2 E-I π/4 ;

In[  ]:= ExpToTrig[c2]

(*2._ Determine los valores de E∞ de las siguientes señales:*)

Printed by Wolfram Mathematica Student Edition

(*b) (1 / 2)n UnitStep[n]*)

Printed by Wolfram Mathematica Student Edition

(*3._ A partir de x[n]=KroneckerDelta[n]+2 KroneckerDelta[n-1]-KroneckerDelta[n-3],

y de h[n]=2 KroneckerDelta[n+1]+2 KroneckerDelta[n-1], calcule lo siguiente:*)

In[  ]:= x[n_ ] := KroneckerDelta[n] + 2 KroneckerDelta[n - 1] - KroneckerDelta[n - 3]

In[  ]:= h[n_ ] := 2 KroneckerDelta[n + 1] + 2 KroneckerDelta[n - 1]

In[  ]:= (*a) y1[n]=x[n]*h[n])*)

Out[  ]= 2 δ1-m - 2 δ2-m - 2 δ4-m + 2 (2 δ2-m + 2 δm ) + 2 δ1+m

Printed by Wolfram Mathematica Student Edition

In[  ]:= convolutionb = DiscreteConvolve[x[n + 2], h[n], n, m]

Out[  ]= - 2 δ2-m - 2 δm + 2 δ1+m + 2 (2 δm + 2 δ2+m ) + 2 δ3+m

In[  ]:= convolutionc = DiscreteConvolve[x[n], h[n + 2], n, m]

Out[  ]= - 2 δ2-m - 2 δm + 2 δ1+m + 2 (2 δm + 2 δ2+m ) + 2 δ3+m

Printed by Wolfram Mathematica Student Edition

(*4._ Considere la entrada x[n], y la respuesta al impulso h[n], dada por:*)

(*x[n]=(1/ 2)n-2 UnitStep[n-2], y h[n]=UnitStep[n+2]*)

(*Determine la salida y[n]=x[n]*h[n], a)Utilizando la

In[  ]:= x4 = (1 / 2)n-2 UnitStep[n - 2]

Out[  ]= 22-n UnitStep[- 2 + n]

In[  ]:= h4 = UnitStep[n + 2]

(*a) Convolución utilizando la función

In[  ]:= convolution4a = DiscreteConvolve[x4, h4, n, m]

Printed by Wolfram Mathematica Student Edition

(*(b) Utilizando la definición de convolución de tiempo discreto*)

(*5._ Grafique en el dominio del tiempo y en

Printed by Wolfram Mathematica Student Edition

In[  ]:= a = Exp[- 2 (t - 1)] UnitStep[t - 1]

Out[  ]= ⅇ-2 (-1+t) UnitStep[- 1 + t]

In[  ]:= ta = FourierTransform[Exp[- 2 (t - 1)] UnitStep[t - 1], t, ω, FourierParameters → {1, - 1}]

In[  ]:= Plot[Abs[ta], {ω, - 20, 20}, PlotRange → All,

AxesLabel → {"ω", "|X(jω)|"}, Exclusions → None]

Printed by Wolfram Mathematica Student Edition

In[  ]:= Plot[Arg[ta], {ω, - 20, 20}, PlotRange → All,

AxesLabel → {"ω", "<X(jω)"}, Exclusions → None]

(*(b) Exp[-2 Abs[t-1]]*)

In[  ]:= b = Exp[- 2 Abs[t - 1]]

Out[  ]= ⅇ-2 Abs[-1+t]

In[  ]:= tb = FourierTransform[Exp[- 2 Abs[t - 1]], t, ω, FourierParameters → {1, - 1}]

Printed by Wolfram Mathematica Student Edition

In[  ]:= Plot[Abs[tb], {ω, - 20, 20}, PlotRange → All,

AxesLabel → {"ω", "|X(jω)|"}, Exclusions → None]

In[  ]:= Plot[Arg[tb], {ω, - 20, 20}, PlotRange → All,

AxesLabel → {"ω", "<X(jω)"}, Exclusions → None]

(*6._ Calcule la transformada de Fourier de:*)

(*a) x[n]=(1/ 2)n-1 UnitStep[n-1]*)

(*Ecuación 5.9: X(j ω)=∑∞

In[  ]:= a6 = (1 / 2)n-1 UnitStep[n - 1]

Out[  ]= 21-n UnitStep[- 1 + n]

Printed by Wolfram Mathematica Student Edition

In[  ]:= Plot[Abs[t6a], {ω, - 20, 20}, PlotRange → All,

AxesLabel → {"ω", "|X(jω)|"}, Exclusions → None]

Printed by Wolfram Mathematica Student Edition

(Examen del Primer Bimestre)

(Elaborado por: Lenin Guaya Delgado, Ph.D.)

(a) c1=(1/ 2) Ejπ )

(2._ Determine los valores de E∞ de las siguientes señales:)

(b) (1 / 2)n UnitStep[n])

In[  ]:= (a) y1[n]=x[n]h[n])*)

(4._ Considere la entrada x[n], y la respuesta al impulso h[n], dada por:)

(x[n]=(1/ 2)n-2 UnitStep[n-2], y h[n]=UnitStep[n+2])

(Determine la salida y[n]=x[n]h[n], a)Utilizando la

((b) Utilizando la definición de convolución de tiempo discreto)

((b) Exp[-2 Abs[t-1]])

(6._ Calcule la transformada de Fourier de:)

(a) x[n]=(1/ 2)n-1 UnitStep[n-1])

(b) (1/ 2)Abs[n-1] )