Sistemas en el dominio del tiempo

1. Definición de sistemas y de sus propiedades.

2. Sistemas lineales e invariantes en el tiempo (LTI).
3. Representación de señales en términos de impulsos.
4. Sistemas de tiempo discreto lineales e invariantes en el
tiempo.
5. Sistemas de tiempo continuo lineales e invariantes en
el tiempo.
6. Propiedades de los sistemas lineales e invariantes en
el tiempo.
1 Definición de sistemas y sus propiedades
“Se entiende por sistema cualquier transformación de una señal
(que llamamos de entrada) en otra señal (que llamamos de salida)”
x(t) Sistema de tiempo y(t)
continuo

x[n] Sistema de tiempo y[n]

discreto
Relación entrada-salida:
expresión matemática que expresa la salida como función de la
entrada del sistema: y(t)=f{ x(t) }; y[n]=f{ x[n] }
Ejemplos:
• Aplicación de un voltaje a un altavoz → producción de un sonido
• Cambio de presión en un micrófono → producción de una señal eléctrica
• Luz que incide sobre un fotodiodo → corriente fotogenerada
• Presión sobre el acelerador → aumento de la velocidad de un coche
• Voltaje aplicado a un amplificador → voltaje amplificado
Ejemplos de sistemas (I)

‰ Circuito RLC

di (t ) ⎫
R·i (t ) + L + y (t ) = x(t ) ⎪
dt ⎪ d 2 y (t ) dy (t )
⎬ ⎯⎯
→ LC + RC + y (t ) = x(t )
dy (t ) ⎪ dt dt
i (t ) = C
dt ⎪⎭
Ejemplos de sistemas (II)

‰ Sistema mecánico

x(t)= fuerza aplicada

K= cte. del muelle
D= cte. de amortiguación
y(t)= desplazamiento

d 2 y(t ) dy(t ) ⎫ d 2 y(t ) dy(t )

M = x(t ) − Ky(t ) − D ⎬ ⎯⎯
→M +D + Ky(t ) = x(t )
dt dt ⎭ dt dt

‰ Observación: se pueden modelar matemáticamente sistemas

físicos muy diferentes de forma muy similar
Ejemplos de sistemas (III)

‰ Detector de bordes “rudimentario”

y[n]=x[n+1]−2·x[n]+x[n−1]={ x[n+1]−x[n] }−{ x[n]−x[n−1] } ⇒
“segunda diferencia”

‰ Este sistema detecta cambios de pendiente en la señal

x[n]=n ⇒ y[n]=0
x[n]=n·u[n] ⇒ y[n]

x[n] y[n]
4

2
1

n n
Interconexión de sistemas
Interconexión en serie o cascada:
x1(t) y1(t)=x2(t) y2(t)
Sistema 1 Sistema 2
x1[n] y1[n]=x2[n] y2[n]

Interconexión en paralelo:
x(t) y1(t)
Sistema 1
x[n] y1[n] y(t)=y1(t)+y2(t)
y2(t) y[n]=y1[n]+y2[n]
Sistema 2
y2[n]

Interconexión de realimentación:
x(t) x(t)−z(t) y(t)
Sistema 1
x[n] x[n]−z[n] y[n]
z(t)
Sistema 2
z[n]
Propiedades de sistemas

‰ Detrás de las propiedades de los sistemas hay

implicaciones físicas y prácticas muy importantes
‰ Las propiedades nos proporcionan una perspectiva y
una estructura que podemos explotar para analizar y
comprender los problemas más a fondo
‰ Nos interesa caracterizar las siguientes propiedades
de los sistemas:
 Linealidad
 Invarianza en el tiempo
 Causalidad
 Memoria
 Estabilidad
 Invertibilidad
Linealidad (I)
Linealidad (L): Se dice que un sistema es lineal ⇔ se cumple que
dadas dos señales de entrada x1(t) y x2(t) cuyas correspondientes
salidas son y1(t) e y2(t), entonces para una entrada x(t)= ax1(t)+bx2(t),
la salida es y(t)= ay1(t)+by2(t), cualesquiera que sean a, b, x1(t) y x2(t)

La definición de linealidad para un sistema de tiempo discreto es

igual cambiando t por n
x1(t) y1(t)
Sistema 1
x1[n] y1[n]

x2(t) y2(t)
Sistema 1
x2[n] y2[n]

x(t)= ax1(t)+bx2(t) y(t)= ay1(t)+by2(t)

Sistema 1
x[n]= ax1[n]+bx2[n] y[n]= ay1[n]+by2[n]
 Linealidad (II)
Equivale a aditividad y proporcionalidad simultáneamente:
Aditividad:

x1(t) y1(t)
Sistema 1
x1[n] y1[n] x(t)=x1(t)+x2(t) y(t)=y1(t)+y2(t)
Sistema 1
x2(t) y2(t) x[n]=x1[n]+x2[n] y[n]=y1[n]+y2[n]
Sistema 1
x2[n] y2[n]

Proporcionalidad:
x1(t) y1(t) x(t)=ax1(t) y(t)=ay1(t)
Sistema 1 Sistema 1
x1[n] y1[n] x[n]=ax1[n] y[n]=ay1[n]

Si x(t)=0 (x[n]=0) y el sistema es lineal, la salida es nula: y(t)=0 (y[n]=0)

Sistema incrementalmente lineal: se cumple la linealidad para la
diferencia (o incrementos) de entradas
Linealidad o no linealidad

‰ Muchos sistemas son no lineales.

™ Por ejemplo: muchos elementos de circuitos (ej., diodos),
dinámica de aviones, modelos econométricos, etc.

‰ No obstante, nos centramos exclusivamente en los

sistemas lineales. ¿Por qué?
™ Los sistemas lineales describen representaciones precisas del
comportamiento de muchos sistemas (ej., resistencias
lineales, condensadores, otros ejemplos mencionados
anteriormente, etc.)
™ Se pueden linealizar modelos con el fin de examinar
perturbaciones de "pequeña señal" alrededor de "puntos de
funcionamiento"
™ Los sistemas lineales son manejables de forma analítica,
facilitando bases para herramientas importantes y una
considerable perspectiva.
Ejemplo

Diagrama V-I de Diagrama V-I de un diodo

una resistencia

Lineal No Lineal
Invarianza en el tiempo
Invarianza en el tiempo (TI): Se dice que un sistema es invariante en el
tiempo ⇔ se cumple que dada una señal de entrada x0(t) cuya salida
correspondiente sea y0(t), entonces para una entrada x(t)= x0(t −t0), la
salida es y(t)= y0(t−t0) cualesquiera que sean x0(t) y t0
x0(t) y0(t) x(t)=x0(t−t0) y(t)=y0(t−t0)
Sistema 1 Sistema 1
x0[n] y0[n] x[n]=x0[n−n0] y[n]=y0[n−n0]

x0(t) x0(t−t0) x0[n] x0[n−n0]

t t0 t n n0 n
y0(t) y0(t−t0) y0[n] y0[n−n0]

t t0 t n n0 n
Causalidad
Causalidad: Se dice que un sistema es causal ⇔ su respuesta en
cada instante depende exclusivamente de los valores de la
entrada en el instante actual o en instantes pasados.
Equivale a decir que la respuesta del sistema comienza en el
instante en que comienza la entrada o en instantes posteriores
cualquiera que sea la señal de entrada. Es decir, el sistema cumple
el principio de causalidad o la relación causa-efecto: el efecto
siempre es simultáneo o posterior a la causa. Como consecuencia,
todos los sistemas que funcionan en tiempo real son causales
Ej. Causal:
• Pisar el pedal del freno ⇒ el coche frena
• Aplicación de una tensión a un circuito ⇒ paso de corriente
• Pulsar el botón de encendido ⇒ encendido de un equipo
Ej: No causal:
• Grabar una secuencia ⇒ reproducción en sentido inverso
• Registrar temperaturas ⇒ presentar temperatura media del día
 Memoria
Memoria: Se dice que un sistema no tiene memoria ⇔ la salida en
cada instante depende exclusivamente de los valores de la
entrada en el instante actual (no depende del futuro ni del
pasado).
• Un sistema sin memoria es causal.
• Un sistema sin memoria no almacena energía (datos).
• Un sistema no causal tiene memoria

Ej. Sin memoria:

• Aplicar una tensión a una resistencia ⇒ paso de corriente
• Amplificar idealmente una señal: y(t)=a·x(t)
• Multiplicar por sí misma una señal: y(t)=x2(t)
Ej. Con memoria:
• Corriente por una bobina ⇒ generación de una tensión
• Paso de corriente por condensador ⇒ generación de tensión
• Derivar o integrar una señal
• Retrasar (o adelantar) una señal: y[n]=x[n+n0]
 Estabilidad
Estabilidad: Se dice que un sistema es estable ⇔ para cualquier
entrada acotada, la salida es acotada (criterio bound input, bound
output: BIBO).
x(t) y(t)
Sistema
x[n] y[n]

De forma matemática se expresa como:

Un sistema es estable (siendo A y B finitos) ⇔
∀ x(t) t.q. |x(t)|< A ⇒ |y(t)|< B, (∀ x[n] t.q. |x[n]|< A ⇒ |y[n]|< B)
Ej. Estable:
• Amplificar o atenuar una señal y[n]=a·x[n],
• Retrasar o adelantar una señal: y(t)=x(t−t0)
• Obtener la media de una señal en un intervalo finito...
Ej. Inestable:
• Integrar o derivar una señal
• Multiplicar una señal por el tiempo: y[n]=n·x[n]
Invertibilidad

Invertibilidad: Se dice que un sistema es invertible ⇔ conocida la

salida del sistema se puede determinar unívocamente la
entrada correspondiente

Ej. Invertible:
• Amplificar o atenuar una señal y[n]=a·x[n]
• Retrasar o adelantar una señal: y(t)=x(t+t0)
• Se puede despejar unívocamente x(t) (o x[n]) de la relación
entrada-salida

Ej. No invertible:
• Derivar una señal: y(t)=dx(t)/dt
• Elevar a una potencia entera una señal: y(t)=x2(t)
Ejemplo

‰ Un rectificador de onda completa es un sistema no

invertible

No Invertible
 2. Sistemas Lineales e invariantes en el
tiempo
‰ Un filtro paso bajo RC es un sistema eléctrico LTI
‰ Se excita con una tensión, vin(t), y responde con vout(t),

Vin(t) S Vout(t)
LTI

vin ( t ) = Au ( t )
⎛ −
t
⎞
v out ( t ) = A ⎜1 − e ⎟ u ( t )
RC

⎝ ⎠

Si duplicamos la excitación, se duplica la salida

Si aplicamos la excitación en otro instante de tiempo la salida no cambia
2. Sistemas Lineales e invariantes en el
tiempo
‰ Sistemas que cumplen la propiedad de linealidad:
superposición y proporcionalidad
‰ Sistemas invariantes en el tiempo: ante una misma
entrada aplicada en distintos momentos responde con la
misma salida

x(t) S y(t)
LTI
x[n] y[n]
3. Representación de señales en términos de
impulsos

“El impulso (tanto en tiempo continuo como discreto) permite

construir, mediante combinación lineal, una clase muy
amplia de señales”

Esta afirmación es válida para señales de tiempo continuo

y para señales de tiempo discreto

i. Representación de señales discretas en términos de impulsos

discretos

ii. Representación de señales continuas en términos de

impulsos continuos
 Representación de señales en términos de
impulsos. Señales de tiempo discreto (TD)
⎧1, si n = 0 ⎧ x[0], si n = 0
δ [n] = ⎨ ; x[ n]·δ [ n ] = x[0]·δ [ n] = ⎨
⎩0, si n ≠ 0 ⎩ 0, si n ≠ 0
⎧ x[ n0 ], si n = n0
x[ n]·δ [ n − n0 ] = x[ n0 ]·δ [ n − n0 ] = ⎨
⎩ 0, si n ≠ n0
Supongamos una señal cualquiera x[n], por ej. x[n]=n·(u[n]-u[n-4])

3
x[n] 2 x[1]·δ[n−1] x[2]·δ[n−2] x[3]·δ[n−3] 3
2
1
= 1 + +
n n n n

0 1 2 3 0 1 2 3 0 1 2 3 0 1 2 3

Se comprueba que: x[n]=x[1]δ[n−1]+x[2]δ[n−2]+x[3]δ[n−3]

Representación de señales en términos de
impulsos. Señales de TD
Si la duración de la señal x[n] fuera mayor, sólo habría que incluir
más términos en la suma de modo que:
∞
x[n ]= ∑ x[k ]δ [n − k ]
k = −∞

A esta suma se le llama suma de convolución y es un resultado válido

para cualquier señal x[n]: una señal de TD se puede representar como
una combinación lineal de impulsos desplazados cuyos coeficientes
son los propios valores de la señal en cada instante al que se ha
desplazado cada impulso. Se representa por:

x[n ] = x[ n ] ∗ δ [ n ]
Por ejemplo, para la función escalón se tiene:
∞ ∞
u [n ] = ∑ u[k ]δ [n − k ] = ∑ δ [n − k ]
k = −∞ k =0
Representación de señales en términos de
impulsos. Señales de tiempo continuo (TC)
Volvemos a emplear la función auxiliar δΔ(t):
⎧ 0, si t < 0
⎪
δ Δ (t ) = ⎨1/ Δ, si 0 < t < Δ δ (t ) = lim δ Δ (t )
Δ →0
⎪ 0, si t > Δ
⎩
Dada una señal x(t) cualquiera se puede obtener una aproximación
mediante versiones desplazadas y escaladas en amplitud de δΔ(t):
∞

x(t)
x Δ (t ) = ∑ x(kΔ)δ
k = −∞
Δ (t − k Δ ) Δ ,
xΔ(t) ∞
x (t ) = lim x Δ (t ) = lim
Δ →0 Δ →0
∑ x(kΔ)δ
k = −∞
Δ (t − kΔ ) Δ

si kΔ → τ y Δ → dτ ⇒
∞
0 Δ 2Δ 4Δ 6Δ 8Δ t x(t ) = ∫ −∞
x(τ )δ (t − τ )dτ = x(t ) ∗ δ (t )
4. Sistemas TD lineales e invariantes

‰ Son sistemas de TD que cumplen las propiedades de:

™ Linealidad
™ Invarianza en el tiempo
‰ Se representan como:

x[n] S y[n]
LTI

‰ La relación entrada/salida viene dada por la suma de

convolución
‰ Están caracterizados por su respuesta al impulso
La suma de convolución (I)

Consideramos un sistema LTI de TD y una señal de entrada arbitraria:

x[n] S y[n]
LTI
Podemos expresar la señal de entrada x[n] como suma de convolución
(o convolución discreta):
∞
x[n ] = ∑ x[k ]δ [n − k ]
k = −∞
Vemos que se trata de una combinación lineal de impulsos
desplazados en el tiempo
Supongamos que conocemos la salida del sistema hk[n] cuando la
entrada es un impulso desplazado δ[n−k]

δ[n-k] S hk[n]
LTI
La suma de convolución (II)
Si aprovechamos la propiedad de
∞
linealidad del sistema podemos escribir:
y[n ] = ∑ x[k ]h [n]
k = −∞
k

Se trata de la misma combinación lineal (coeficientes x[k]) que

representa a x[n], pero de las respuestas a los impulsos desplazados
Por invarianza temporal del sistema ⇒ la respuesta hk[n] a un impulso
desplazado δ[n−k] corresponde al desplazamiento de la respuesta h0[n−k]
al impulso sin desplazar δ[n] ∞
hk [ n] = h0 [ n - k ] ⇒ y [ n ] = ∑ x[k ]h [n − k ]
0
k =−∞
Como sólo necesitamos conocer h0[n], llamamos h[n]= h0[n] y la relación
entrada salida que describe al sistema queda:
∞
y[n ]= ∑ x[k ]h[n − k ] =x[n] ∗ h[n]
k = −∞
La suma de convolución. Consecuencias

x[n] S y[n]
LTI, h[n]
Se puede obtener la salida de un sistema LTI discreto conociendo h[n]:
∞
y[n ]= ∑ x[k ]h[n − k ] =x[n] ∗ h[n]
k = −∞

La respuesta al impulso h[n] de un sistema LTI de TD caracteriza

completamente al sistema: permite escribir la relación entrada-salida

Para caracterizar un sistema de TD LTI basta con conocer h[n]

Un sistema NO LTI también tendrá respuesta al impulso, pero en

este caso NO caracteriza al sistema (no aporta información adicional):
y[n ] ≠ x[ n ] ∗ h[ n ]
Propiedades de la suma de convolución (I)

a) Propiedad conmutativa:

x1 [ n ] ∗ x 2 [ n ] = x 2 [ n ] ∗ x1 [ n ]

Aplicado a un sistema LTI

x[n] S1 y1[n]= x[n]∗h[n]

LTI, h[n]

h[n] S2 y2[n]= h[n]∗x[n]= y1[n]

LTI, x[n]
Propiedades de la suma de convolución (II)
b) Propiedad asociativa, interconexión en cascada:
x[ n ] ∗ (h1 [ n ] ∗ h2 [ n ]) = ( x[ n ] ∗ h1 [ n ]) ∗ h2 [ n ]
Aplicado a sistemas LTI:

x[n] v[n]= x[n]∗h1[n] S2 y1[n]=v[n]∗h2[n]

S1
LTI, h1[n] LTI, h2[n]
y1[n]=(x[n]∗h1[n])∗h2[n]

x[n] S2 w[n]= x[n]∗h2[n] S1 y2[n]= w[n]∗h1[n]

LTI, h2[n] LTI, h1[n]
y2[n]=(x[n]∗h2[n])∗h1[n]=y1[n]

x[n] Asociación en cascada S1 y S2 y[n]=x[n]∗h1[n]∗h2[n]

LTI, h[n]=h1[n]∗h2[n]=h2[n]∗h1[n]

y[n]=y1[n]=y2[n] ⇒ Los tres esquemas son equivalentes

 Propiedades de la suma de convolución (III)
c) Propiedad distributiva sobre la suma, interconexión en paralelo:
x[ n ] ∗ (h1 [ n ] + h2 [ n ]) = ( x[ n ] ∗ h1 [ n ]) + ( x[ n ] ∗ h2 [ n ])
Aplicado a sistemas LTI:
S1 y1[n]=x[n]∗h1[n]
LTI, h1[n]
x[n] y[n]=x[n]∗h1[n]+x[n]∗h2[n]
S2 y2[n]=x[n]∗h2[n]
LTI, h2[n]

Asociación //º S1 y S2 y’[n]=x[n]∗(h1[n]+h2[n])

x[n]
LTI
h[n]=h1[n]+h2[n]

y’[n]= y[n] ⇒ Los dos esquemas son equivalentes

5. Sistemas TC lineales e invariantes

‰ Son sistemas de TC que cumplen las propiedades de:

™ Linealidad
™ Invarianza en el tiempo
‰ Se representan como:

x(t) S1 y(t)
LTI

‰ La relación entrada/salida viene dada por la integral de

convolución
‰ Están caracterizados por su respuesta al impulso
 La integral de convolución (I)
Consideramos un sistema LTI de TC y una señal de entrada arbitraria:

x(t) S1 y(t)
LTI
Podemos expresar la señal de entrada x(t) como integral de convolución
(o convolución continua):
∞
x (t ) = ∫ x (τ )δ (t − τ )dτ
−∞
Se trata de una combinación lineal de impulsos desplazados en el
tiempo
Supongamos conocida la salida del sistema h(t) cuando la entrada es δ(t)
Por invarianza en el tiempo ⇒ si desplazamos la entrada
en τ, δ(t−τ), la salida se debe desplazar en la misma cantidad: h(t−τ)

δ(t) S1 h(t) δ(t−τ) S1 h(t−τ)

LTI LTI
 La integral de convolución (II)

Como el sistema es lineal y la entrada se puede expresar como una

combinación lineal de impulsos desplazados:
∞ ∞
x (t ) = ∫
−∞
x (τ )δ (t − τ )dτ S1 y (t ) = ∫
−∞
x (τ ) h (t − τ )dτ = x (t ) ∗ h (t )
LTI

∞
y (t ) = ∫−∞
x (τ ) h (t − τ )dτ = x (t ) ∗ h(t )

Un sistema LTI de TC queda completamente caracterizado (se puede

describir, se puede obtener una relación entrada salida) si se conoce su
respuesta al impulso h(t):

x(t) S1 y(t)= x(t)∗h(t)

LTI, h(t)
 Propiedades de la integral de convolución (I)
a) Propiedad conmutativa: x1 (t ) ∗ x 2 (t ) = x 2 (t ) ∗ x1 (t )
b) Propiedad asociativa, interconexión en cascada:
x (t ) ∗ [h1 (t ) ∗ h2 (t ) ] = [x (t ) ∗ h1 (t ) ] ∗ h2 (t )

Aplicado a sistemas LTI:

x(t) S1 v(t) S2 y1(t)=v(t)∗h2(t)=[x(t)∗h1(t)]∗h2(t)
LTI, h1(t) LTI, h2(t)

x(t) S2 w(t) S1 y2 (t)= w(t)∗h1(t)=[x(t)∗h2(t)]∗h1(t)

LTI, h2(t) LTI, h1(t)

x(t) Asociación en cascada de S1 y S2 y(t)=x(t)∗h1(t)∗h2(t)=y1(t)=y2(t)

LTI, h(t)=h1(t)∗h2(t)=h2(t)∗h1(t)

Los tres esquemas son equivalentes

 Propiedades de la integral de convolución (II)
c) Propiedad distributiva sobre la suma, interconexión en paralelo:

x (t ) ∗ [h1 (t ) + h2 (t ) ] = [x (t ) ∗ h1 (t ) ] + [x (t ) ∗ h2 (t ) ]

Aplicado a sistemas LTI:

S1 LTI y1(t)=x(t)∗h1(t)
h1(t)
x(t) y(t)=x(t)∗h1(t)+x(t)∗h2(t)
S2 LTI
y2(t)=x(t)∗h2(t)
h2(t)

Asociación //º de S1 y S2 y’(t)=x(t)∗[h1(t)+h2(t)]

x(t)
LTI,
h(t)=h1(t)+h2(t)

y’(t)=y(t) ⇒ Los dos esquemas son equivalentes

Interpretación gráfica de la integral de
convolución (I)
‰ Se ha definido la integral de convolución como:
∞
x (t ) ∗ h (t ) = ∫ x (τ ) h ( t − τ ) dτ
−∞
‰ Supongamos:
Interpretación gráfica de la integral de
convolución (II)
‰ La convolución es el valor del área bajo el producto de x(t) y h(t-τ).
Esta área depende del valor de t.
‰ Supongamos como ejemplo que t=5.

‰ Para t=5 el área bajo el producto es 0 ⇒ y(5)=0

‰ Supongamos ahora t=0

‰ Entonces y(0)=2
Interpretación gráfica de la integral de
convolución (III)

‰ El proceso completo de convolución arroja la función y(t)

‰ La determinación correcta de los intervalos de integración es crucial

Ejemplo I de convolución gráfica TC

(τ )
xx(t) x(t ) = e − at u (t ), a>0 (τ )
hh(t)
h(t ) = u (t )
1 1

τt τt
0 0
∞
y (t ) = x(t ) ∗ h(t ) = ∫ x(τ )h(t − τ ) d τ
−∞
h(t − τ ) h(τ + t )

1 1

τ τ
t -t
t<0 t>0
Ejemplo II de convolución gráfica TC
⎧ 1, 0 < t < T h(τ )
x(τ ) x(t ) = ⎨ 2T
⎩0, resto
⎧ t, 0 < t < T
1 h(t ) = ⎨
⎩0, resto
τ τ
0 T 0 T 2T
∞
y (t ) = x(t ) ∗ h(t ) = h(t ) ∗ x(t ) = ∫ h(τ ) x(t − τ ) d τ
−∞
x(τ + t ) x(t − τ )

1 1

τ τ
-t -t+T t-T t

t ≤ 0 0 < t ≤ TT < t 2≤T2T

< t ≤ t3T> 3T
Ejemplo III de convolución gráfica TC
x(τ ) x(t ) = e 2t u (−t ) h(τ )
h(t ) = u (t − 3)
1 1

τ τ
0 3
∞
y (t ) = x(t ) ∗ h(t ) = ∫ x(τ )h(t − τ ) d τ
−∞
h(t − τ ) h(τ + t )

1 1

τ τ
t-3 3-t

t ≤3 t >3
 Ejemplo I de convolución gráfica TD

2
x[k]
x[n] h[n]
h[k]

1
1/2

n
k n
k
0 1 0 1 2
∞
y[n] = x[n] ∗ h[n] = ∑ x[k ]h[n − k ]
k =−∞
h[n-k] h[k+n]

1 1

k k

n-2 n-1 n -n -n+1 -n+2

n<0 n=0 n=1 n=2 n=3 n>3

Ejemplo II de convolución gráfica TD
∞
y[n] = x[n] ∗ h[n] = ∑ x[k ]h[n − k ]
k =−∞
x[k] h[k]

1
αk

k k

0 1 2 3 4 0 1 2 3 4 5 6

h[n-k] h[k+n]

α n−k α k +n

k k
n-6 n -n -n+6

n<0 0 ≤ n ≤ 4 4 < n ≤ 6 6 < n ≤ 10

n > 10
 Ejemplo III de Convolución gráfica TD
1 1
h[k]
x[k] x[n] = 2n u[− n]
1/2 …
h[n] = u[n]
1/4
1/8
… k k

-3 -2 -1 0 1 -1 0 1 2 3 4
∞
y[n] = x[n] ∗ h[n] =
1
∑ x[k ]h[n − k ]
k =−∞
h[n-k] 1 h[k+n]

… …

k k

n-1 n n+1 -n-1 -n -n+1

n<0 n≥0
 Ejemplo IV de Convolución gráfica TD

x[k] h[k]

1 1

k k

0 5 0 2 7 11 16
∞
y[n] = x[n] ∗ h[n] = h[n] ∗ x[n] = ∑ h[k ]x[n − k ]
k =−∞

x[k+n] x[n-k]

1 1

k k

-n -n+5 n-5 n

n < 2 2 ≤ n ≤ 77 < n ≤10 n ≤<12

10 < 12 n ≤< 16
16 n ≤n 21
≥ 22
 Ejemplo V de Convolución gráfica TD
2
x[k] h[k]

1 1 1 1 1 1

k 1 k

-2 -1 0 1 0 2 3 4 5
∞
y[n] = x[n] ∗ h[n] = h[n] ∗ x[n] = ∑ h[k ]x[n − k ]
k =−∞ -1
2 2
x[k+n] x[n-k]

1 1 1 1 1 1

k k

-n-2 -n-1 -n -n+1 n-1 n n+1 n+2

n2= −n1= 0n = 1n = 2n = 3n = 4n = 5n = 6n > 6

n < −n2 = −
 Ejemplo de convolución

x(τ)

‰ Convolución de dos 1

x(τ)
0
pulsos rectangulares -1
0 50 100 150 200 250 300 350 400

de igual duración τ

1
y(t)=x(t)*h(t)

h(t-τ)
‰ 0
-1
t-(199.0)
t-(100.0)
t-(199.0)
0t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
50
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t 100
t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t 150
t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t 200
t-(100.0)
t t-(100.0)
t t-(100.0)
t t-(100.0)
t t-(100.0)
t 250
t-(100.0)
t t-(100.0)
t t-(100.0)
t t-(100.0)
t t-(100.0)
t 300
t t t t t 350
t t t t t 400
t t
τ
Señal x(t)
1.5

x(τ)·h(t-τ)
1
1
x(t)

0
0.5 -1
0 50 100 150 200 250 300 350 400
0
τ
-50

0 50 100 150 200

t
250 300 350 400 450
Señal h(t)
1.5 200

1
h(t)

y(t)
0
0.5

0
-50 -200
0 50 100 150 200 250 300 350 400 450 0 50 100 150 200 250 300 350 400
t
t

Se duplica la longitud de y(t)

 Ejemplo de convolución

‰ Convolución de un
pulso rectangular y 50

x(τ)
0

una señal triangular de -50

0 50 100 150 200 250 300 350 400
τ
igual duración
1

h(t-τ)
‰ y(t)=x(t)*h(t) 0
-1
t-(100.0)
t-(199.0)
t-(100.0)
t-(199.0)
0t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t-(100.0)
t-(199.0)
50
t t-(100.0)
t-(199.0)
t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t-(100.0)
t-(199.0)
t t-(100.0)
100
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
150
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
t-(199.0)
t t-(100.0)
200
t t-(100.0)
t t-(100.0)
t t-(100.0)
t t-(100.0)
t t-(100.0)
250
t t-(100.0)
t t-(100.0)
t t-(100.0)
t t-(100.0)
t 300
t t t t t 350
t t t t t 400
t t
τ
Señal x(t)

x(τ)·h(t-τ)
60 50
0
x(t)

40
20 -50
0 50 100 150 200 250 300 350 400
0
-50 0 50 100 150 200
t
250 300 350 400 450 τ
Señal h(t)
1.5
2000
1
h(t)

y(t)
0
0.5
-2000
0
-50 0 50 100 150 200 250 300 350 400 450 0 50 100 150 200 250 300 350 400
t
t

Se duplica la longitud de y(t)

Ejemplo de convolución
Sistemas particulares

‰ Algunos sistemas que están caracterizados por una

respuesta al impulso particular:

™ Sistema identidad → h(t)=δ(t); h[n]=δ[n]

™ Retardador → h(t)=δ(t-t0); h[n]=δ[n-n0]; t0 y n0 positivos
™ Integrador → h(t)=u(t)
™ Derivador discreto → h[n]=δ[n]-δ[n-1]
⎧ 1
1 M2
⎪ −M1 ≤ n ≤ M 2
™ Media móvil: → h[ n ] = ∑
M 1 + M 2 + 1 k =− M1
δ [ n − k ] = ⎨ 1
M + M 2 + 1
⎪ resto
⎩ 0,

n
⎧1, n ≥ 0
™ Acumulador: → h[n] = u[n] = ∑ δ [k ] = ⎨
k =−∞ ⎩0, n < 0
6. Propiedades de los sistemas LTI

‰ Por definición son lineales e invariantes

‰ Caracterizaremos las siguientes propiedades
™ Memoria
™ Invertibilidad
™ Causalidad
™ Estabilidad
‰ Para ello, sabemos que:
∞
x[n] S LTI
h[n]
y [n ] = ∑ x[ k ]h[ n − k ] = x[ n ] ∗ h[ n ]
k = −∞

x(t) S LTI ∞

h(t)
y (t ) = ∫−∞
x (τ ) h (t − τ )dτ = x (t ) ∗ h(t )
Memoria

Para que un sistema LTI sea sin memoria, la relación

entrada salida no puede depender más que del instante
actual.

Como en el caso de los sistemas LTI, la relación entrada

salida se puede expresar mediante una convolución,

Dicha suma (integral) de convolución no puede depender de

instantes k≠0 (t≠0 ), con lo que la respuesta al impulso h[n]
(h(t)) deberá ser:

⎧ h[ n] = A·δ [ n] , para TD
sin memoria ⇔ ⎨
Sistema LTI A=1
⎩ h(t ) = A·δ (t ) , para TC
 Causalidad
En sistemas LTI, la relación E/S se puede expresar mediante convolución
Dicha suma (integral) de convolución no puede depender de instantes
futuros para que el sistema sea causal.
Es decir, la suma (integral) de convolución no puede depender de instantes
k>0 (t>0 ), con lo que la respuesta al impulso h[n] (h(t)) deberá ser:

∞ 0
a) TD: y [n ] = ∑ x[ k ]h[ n − k ] = ∑ x[ k ]h[ n − k ], para ser causal ⇔
k = −∞ k = −∞

⇔ h[ n − k ] = 0 ∀ k > n ⇔ h[ n ] = 0 ∀ n < 0
∞ 0
b) TC: Causal ⇔ y ( t ) = ∫−∞
x (τ ) h (t − τ )d τ = ∫
−∞
x (τ ) h (t − τ )dτ ⇔
⇔ h (t − τ ) = 0 ∀ τ > t ⇔ h (t ) = 0 ∀ t < 0

⎧ h[ n] = 0 , ∀ n < 0 , TD
Sistema LTI causal ⇔ ⎨
⎩ h (t ) = 0 , ∀ t < 0, TC
 Estabilidad (I)
Un sistema es estable ⇔
⇔ ∀ x(t) t.q.⏐x(t)⏐<A ⇒⏐y(t)⏐<B, (∀ x[n] t.q.⏐x[n]⏐<A ⇒⏐y[n]⏐<B)
con A y B finitos
x(t) S LTI y(t)=x(t)∗h(t)
h(t)
a) TC:
Supongamos que: ⏐x(t)⏐< A. Tomando valores absolutos a la salida:
∞ ∞
y ( t ) = x (t ) ∗ h (t ) = ∫ −∞
x (τ ) h(t − τ )dτ ≤ ∫−∞
x (τ ) h (t − τ ) dτ ⇒
∞ ∞ ∞
y (t ) ≤ ∫
−∞
x (τ ) h (t − τ ) dτ < ∫−∞
A h (t − τ ) d τ = A ∫−∞
h (t − τ ) d τ ⇒

⇒ ⎛⎜ Si h (t − τ ) dτ < ∞ ⇒ y (t ) < B ⎞⎟
∞

⎝ ∫−∞ ⎠
∞ Se puede comprobar
⇒ Si ∫
−∞
h (τ ) dτ < ∞ ⇒ el sistema es estable el recíproco
Estabilidad (II)
x[n] S LTI y[n]=x[n]∗h[n]
b) TD: h[n]

Supongamos que: ⏐x[n]⏐<A. Tomando valores absolutos a la salida:

∞ ∞
y[ n ] = x[ n] ∗ h[ n ] = ∑ x[k ]h[n − k ] ≤ ∑ x[k ]h[n − k ] ⇒
−∞ −∞
∞ ∞ ∞
y[ n ] ≤ ∑ x[ k ] h[ n − k ] < ∑ A h[ n − k ] = A∑ h[ n − k ] ⇒
−∞ −∞ −∞

⎛ ∞
⎞
⇒ ⎜ Si
⎝
∑
−∞
h[ n − k ] < ∞ ⇒ y[ n] < B ⎟
⎠

∞
Se puede comprobar
⇒ Si ∑
n =−∞
h[ n ] < ∞ ⇒ el sistema es estable el recíproco
Estabilidad (III)

‰ En resumen:

™ Un sistema LTI de TC es estable si y solo si su respuesta al

impulso es absolutamente integrable

™ Un sistema LTI de TD es estable si y solo si su respuesta al

impulso es absolutamente sumable

⎧TC: ∞

⎪ ∫−∞
h(t ) dt < ∞
Sistema LTI estable ⇔ ⎨ ∞
⎪TD:
⎩
∑
n =−∞
h[n] < ∞
Invertibilidad (I)
Para que un sistema sea invertible debe existir su S-1 de modo que
asociados en serie el resultado de la asociación sea la identidad:

x(t) S1 y(t) x(t)

LTI, h(t) S1-1
x[n] y[n] x[n]
h[n]

Si S1 es LTI, su inverso, si existe, también debe ser LTI.

• Linealidad:
ax1(t)+bx2(t) S1 y(t)=ay1(t)+by2(t) ax1(t)+bx2(t)
LTI, h(t) S1-1
ax1[n]+bx2[n] h[n] y[n]= ay1[n]+by2[n] ax1[n]+bx2[n]

• Invarianza
x1(t)=x(t-t0) S1 y1(t)=y(t−t0) x1(t)=x(t−t0)
LTI, h(t) S1-1
x1[n]=x[n-n0] h[n] y1[n]=y[n−n0] x1[n]=x[n−n0]
 Invertibilidad (II)
Como el sistema inverso es LTI, puede ser caracterizado por su
respuesta al impulso, hI(t) o hI[n], y la asociación es equivalente a la
identidad (sistema LTI con respuesta al impulso δ(t) o δ[n]):

x(t) y(t) x(t)

S1 LTI, S1-1 LTI
y[n]
≡
x[n] h(t) o h[n] hI(t) o hI[n] x[n]

x(t) Asociación LTI en cascada x(t) x(t) Sistema identidad, LTI x(t)
≡
x[n] h(t)∗hI(t) o h[n]∗hI[n] x[n] x[n] h(t)=δ(t) o h[n]=δ[n] x[n]

Un sistema LTI es invertible ⇔ ∃ otro sistema LTI tal que:

TC: h(t)∗hI(t)=δ(t) TD: h[n]∗hI[n]= δ[n]
Síntesis
1. Definición de sistema y de sus propiedades:
Relación entrada salida

x(t) y(t)=f{x(t)}
Sistema
x[n] y[n]=f{x[n]}
Propiedades
• Linealidad
• Invarianza en el tiempo
• Memoria
• Causalidad
• Estabilidad
• Invertibilidad

2. Sistemas LTI
Síntesis
3. Representación de señales:
∞
TD: x [ n ] = ∑ x[k ]δ [n − k ] = x [ n ] ∗ δ [ n ]
k =−∞
∞
TC: x (t ) = ∫ x (τ )δ (t − τ ) dτ = x (t ) ∗ δ (t )
−∞

4. Sistemas LTI de tiempo discreto:

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

5. Sistemas LTI de tiempo continuo:

S LTI ∞
x(t) y(t)
h(t) y (t ) = ∫
−∞
x (τ )h(t − τ )dτ = x(t ) ∗ h(t )
 Síntesis
Asociaciones:
Serie:
x(t) S1 LTI S2 LTI y(t)
≡
x[n] h1(t) h1[n] h2(t) h2[n] y[n]

x(t) S LTI y(t) x(t) y(t)

≡ h1(t)∗h2(t) ≡ S2 LTI S1 LTI
x[n] h1[n]∗h2[n] y[n] x[n] h2(t) h2[n] h1(t) h1[n] y[n]

Paralelo:
S1 LTI
h1(t) h1[n]
y(t)=x(t)∗h1(t)+x(t)∗h2(t)
x(t) ≡
x[n] y[n]=x[n]∗h1[n]+x[n]∗h2 [n]
S2 LTI
h2(t) h2[n] S LTI y(t)=x(t)∗[h1(t)+h2(t)]
x(t)
≡ h(t)=h1(t)+h2(t)
x[n] h[n]=h1[n]+h2[n] y[n]=x[n]∗{h1[n]+h2[n]}
Síntesis

6. Propiedades de los sistemas LTI:

⎧ h[ n ] = A·δ [ n] , para TD
Sistema LTI sin memoria ⇔ ⎨
⎩ h(t ) = A·δ (t ) , para TC
⎧ h[ n] = 0 , ∀ n < 0 , para TD
Sistema LTI causal ⇔ ⎨
⎩ h(t ) = 0 , ∀ t < 0, para TC
⎧TC: ∞

⎪ ∫−∞
h (t ) dt < ∞
Sistema LTI estable ⇔ ⎨ ∞
⎪TD:
⎩
∑
n =−∞
h[ n ] < ∞

Sistema LTI invertible ⇔ ∃ otro sistema LTI tal que:

TC: h(t)∗hI(t)=δ(t)
TD: h[n]∗hI[n]=δ[n]