UNIVERSIDAD DE TARAPACA

ANÁLISIS DE SEÑALES

Autores: HUGO MENDIZÁBAL JIMÉNEZ

KRISTOPHER CHANDÍA VALENZUELA

Escuela Universitaria de Ingeniería

Eléctrica - Electrónica

Arica - Chile
2014

i
 INDICE

UNIDAD I CONCEPTOS BÁSICOSDE SEÑALES Y SISTEMAS 1

1.1.Definición de Sistemas. Señal. Señales Eléctricas. 1

1.2.Clasificación de Señales Eléctricas 4
1.3.Descripción de Señales en el Dominio del Tiempo, de la Frecuencia 8
1.4.Clasificación de los Sistemas 11

UNIDAD II DESCRIPCIÓN DE SEÑALESDE TIEMPO CONTINUO EN EL DOMINIO

DEL TIEMPO Y DE LA FRECUENCIA 13
2.1 Señales Básicas de Tiempo Continuo 13
2.2. Descripción de Señales de Tiempo Continuo en el Dominio del Tiempo 26
2.3. Representación Frecuencial de Señales de Tiempo Continuo 32
Problemas 100

UNIDAD III CONVOLUCIÓN Y CORRELACIÓN DE SEÑALES DE TIEMPO

CONTINUO 111
3.1. Convolución 111
3.2 Correlación de Señales Determinísticas de Tiempo Continuo 121
Problemas 140

UNIDAD IV MUESTREO EN EL DOMINIO DEL TIEMPO DE SEÑALES

DE TIEMPO CONTINUO 145
4.1. Muestreo de Señales de Tiempo Continuo 146
4.2. Muestreo de Señales de Frecuencias Bajas 153
4.3. Aplicación de Software para la Gráfica de Señales Muestreadas 164
Problemas 169

UNIDAD V. SEÑALES DE TIEMPO DISCRETO: SERIE Y TRANSFORMADA

DE FOURIER 173
5.1. Representación de Señales de Tiempo Discreto 173
5.2. Señales de Tiempo Discreto Elementales 174
5.3. Descripciónde Secuencias en Términos de Potencia o de Energía 180
5.4. Operaciones Simples de Señales de Tiempo Discreto 186
5.5. Convolución de Señales de Tiempo Discreto 193
5.6. Correlación de Señales de Tiempo Discreto 200
5.7. Análisis Frecuencial de Señales de Tiempo Discreto 215
5.8.Teoremas y Propiedades de la Transformada de Fourier de Secuencias 245
Problemas 261

i
UNIDAD VI: TRANSFORMADA – Z 269
6.1 Transformada- Z 269
6.2.Transformada– Z Inversa 276
6.3. Relación entre Transformada de Fourier y Transformada – Z 277
6.4 Propiedades de la Transformada – Z 279
6.5 Transformada –Z Racionales 296
6.6. Transformada – Unilateral 303
6.7 Cálculo de la Transformada –Z Inversa 308
Problemas 331

UNIDAD VII SISTEMAS DE TIEMPO DISCRETO 339

7.1 Descripción Entrada – Salida de Sistemas 339
7.2 Representación en Diagrama de Bloques de Sistemas de Tiempo Discreto 343
7.3 Clasificación de Sistemas de Tiempo Discreto 345
7.4 Interconexión de Sistemas de Tiempo Discreto 355
7.5 Invertibilidad. Sistemas Inversos 357
7.6 Análisis de Sistemas LTI de Tiempo Discreto 358
7.7 Propiedades de los Sistemas LTI 364
7.8 Sistemas de Tiempo Discreto Descritos por Ecuaciones en Diferencias 372
7.9 Representaciones o Realizaciones de Sistemas LTI Descritos
por Ecuaciones en Diferencias 379
7.10 Aplicación de la Solución de Ecuaciones en Diferencias Lineales al
Análisis de Sistemas 380
7.11 Secuencias Correlación - Entrada en Sistemas LTI 412
7.12. Característica Frecuencial de Sistemas LTI de Tiempo Discreto 417
Problemas 444

UNIDAD VIII ANÁLISIS DE SISTEMAS DE TIEMPO DISCRETO LTI

EN EL DOMINIO – Z 451
8.1. Respuesta de Sistemas con Funciones de Sistema Racionales 451
8.2. Estabilidad y Causalidad de Sistemas de Tiempo Discreto 464
8.3. Análisis Frecuencial de Sistemas de Tiempo Discreto LTI 481
8.4. Sistemas LTI de Tiempo Discreto como Filtros 491
Problemas 498

ANEXO I :PAUTAS DE PRUEBAS

PAUTAS DE PRUEBAS 2010
PAUTAS DE PRUEBAS 2011
PAUTAS DE PRUEBAS 2012
PAUTAS DE PRUEBAS 2013
ii
 PAUTAS DE PRUEBAS 2014

ANEXO II : SOLUCIONES DE TALLERES DE ANÁLISIS DE SEÑALES

ANEXO III:MATLAB APLICADO AL ANÁLISIS DE SEÑALES

iii
PREFACIO

El Dossier de Análisis de Señales, está pensado en permitir que los estudiantes que se
enfrentan por primera vez a los conceptos de señales y sistemas, logren el dominio de la
materia, en base a la correcta aplicación de las herramientas matemáticas, computacionales
y conocimientos. Para lo cual, en el desarrollo de las unidades se presentan ejemplos que
ayudan a madurar los conceptos involucrados. Además, al final de cada capítulo se
incluyen problemas propuestos, los que tienen por objetivo el proporcionar a los estudiantes
una alternativa para la ejercitación complementaria de los temas desarrollados en la unidad
respectiva. Se hace énfasis en la aplicación del software MATLAB en la solución de
problemas.
En la Unidad I, se presentan conceptos generalizados de señales y sistemas,
haciendo mención a las características fundamentales de los sistemas de comunicaciones y
señales eléctricas.
En la Unidad II, se comienza el desarrollo de lo concerniente a señales y sistemas de
tiempo continuo en los dominios del tiempo y de la frecuencia. Se aplican las técnicas de
Fourier para la representación de señales aperiódicas y periódicas en el dominio de la
frecuencia.
En la Unidad III, se hace la introducción de las operaciones de convolución y
correlación entre señales de tiempo continuo. Estas operaciones son muy utilizadasen el
análisis de señales y de sistemas.
En la Unidad IV, se realiza el análisis del muestreo, en el dominio del tiempo, de
señales de tiempo continuo, proceso muy importante en la conversión análogo – digital. Se
señala lo importante del cumplimiento del Teorema de Muestreo, para que la señal que se
muestrea, pueda recuperarse a partir de la señal muestreada,
En la Unidad V, se comienza el estudio del campo de tiempo discreto. Los
conceptos son los mismos que se presentan para el caso de tiempo continuo. También, se
aplican las herramientas de Fourier para el análisis frecuencial de señales y de sistemas.
En la Unidad VI, se analizan los conceptos y propiedades de la Transformada – Z,
sin abordar su aplicación a sistemas de tiempo discreto.
En la Unidad VII, se analizan sistemas LTI descritos por ecuaciones en diferencias,
definiéndose los diferentes tipos de respuestas de los sistemas de tiempo discreto, como
respuesta de entrada – cero, respuesta de estado cero, respuesta transiente, etc. Se aplica
Fourier para el análisis frecuencial de sistemas de tiempo discreto
En la Unidad VIII, se realiza la aplicación de la Transformada – Z al análisis de
sistemas de tiempo discreto, haciendo uso de los conceptos de Función de Sistema y de
Función Respuesta de Frecuencia.
 UNIDAD I. CONCEPTOS BÁSICOS DE SEÑALES Y SISTEMAS
El objetivo de esta unidad es presentar al alumno los conceptos generales de sistemas y de
señales y su aplicación a sistemas de comunicaciones electrónicos. El alumno conocerá la
caracterización de señales eléctricas en el dominio del tiempo y en el dominio de la
frecuencia y la clasificación de sistemas.

TEMAS

1.1 DEFINICION DE SISTEMA, SEÑAL. SEÑALES ELECTRICAS. SISTEMAS

DE COMUNICACIONES.
Sistema. Un sistema es un grupo de objetos que pueden interactuar armónicamente y que
se combinan para lograr un determinado objetivo. Un sistema puede, a la vez, ser una parte
(subsistema) de un sistema mayor. Puede establecerse una jerarquía completa de sistemas,
cada una con su dominio definido .
Señal. Una señal es un suceso que sirve para iniciar una acción; es decir puede incitar a la
acción. Con las restricciones de energía y potencia, el interés se centra en el concepto de
señal y también en la respuesta de un sistema a una señal dada. El diagrama de la figura 1.1
muestra las funciones de la señal, el sistema y la respuesta .

SEÑAL RESPUESTA
SISTEMA

Figura 1.1 Diagrama de un Sistema

Es conveniente usar los conceptos de señal y respuesta resultante para describir las
características de un sistema.
Una señal se define como una función univaluada del tiempo, es decir, a cada
instante de tiempo (la variable independiente), corresponde un valor único de la función
(variable dependiente). Este valor de la función puede ser real o complejo, o sea que la
señal puede ser real o compleja. La variable temporal es siempre real.
La notación compleja de señales es conveniente para describir fenómenos
bidimensionales, tales como el movimiento circular, la propagación de ondas en el plano,
etc., en función del tiempo. Debido a la limitación a una sola variable dependiente, todas
las señales que corresponden a cantidades físicamente observables deben ser de naturaleza
real. Sin embargo, en muchos análisis, los modelos y cálculos matemáticos son a menudo
más simples, e incluso más obvios, si se usa notación compleja. Después de efectuar todas
las operaciones en notación compleja bastará considerar la parte real de la expresión
resultante. Este procedimiento es válido siempre que pueda aplicarse el principio de
superposición.
Las observaciones anteriores pueden aplicarse a la descripción y análisis de
procesos físicos en general. Interesa restringirlas a la descripción y análisis de señales y
sistemas eléctricos.

1
 Una señal eléctrica puede ser una onda de voltaje o de corriente que puede
describirse matemáticamente. El interés radica en las variaciones de las señales con el
tiempo, sean éstas de voltajes o de corrientes. Luego, una señal eléctrica es simplemente
una función univaluada del tiempo que puede emplearse para representar un voltaje o una
corriente en una situación específica. En ocasiones pueden aparecer excepciones,
particularmente en análisis que impliquen los conceptos de energía y de potencia. En este
caso es conveniente considerar que la señal se aplica a un resistor de resistencia un ohm
para todos los cálculos de energía y de potencia asociada a la señal, en este caso se habla de
potencia o energía normalizada.
Algunas señales varían en forma continua en el tiempo, en tanto que otras señales se
definen sólo en puntos discretos de tiempo. Esta distinción se aplica tanto a señales como a
sistemas que responden y procesan estas señales, lo cual conduce a dos formas de análisis
de señales y sistemas, uno para fenómenos y procesos que son descritos en tiempo continuo
y otro para aquellos que son descritos en tiempo discreto.
Las señales senoidales tienen una gran importancia en el análisis de los sistemas de
comunicación. Estas señales pueden representarse como una función del tiempo de la
siguiente manera
x(t) = A cos( wt + f) (1.1)
Donde :
A : amplitud
f : fase relativa
w : rapidez del cambio de fase
En análisis de señales se usa el principio de los métodos de Fourier, el que consiste
en la descomposición de las señales en sumatorias de componentes senoidales. Esto
proporciona la descripción de una señal dada, en componentes senoidales, en función de la
frecuencia. Un objetivo importante de la descomposición señalada, es la descripción de la
distribución de la energía o de la potencia de una señal dada (y de la respuesta), en términos
de tales frecuencias. Cualquier descripción de la respuesta, a una señal dada, ilustrará las
características del sistema.
Conceptos Básicos en Teoría de Información. Como el concepto de sistema se aplicará al
caso particular de Sistemas de Comunicaciones, es adecuado manejar algunos conceptos
básicos que se manejan en tales sistemas, como por ejemplo.
Información. C. Shannon, estableció una teoría matemática de comunicaciones que
representa la base de la Teoría de Información y Codificación, cuya premisa es el
comportamiento probabilístico de la fuente de información. En este sentido la cantidad de
información recibida al conocer la ocurrencia de un evento está relacionada con la
probabilidad de ocurrencia del mismo, o bien, desde el punto de vista del destino con la
incertidumbre.
En forma intuitiva se puede decir que un mensaje con alta probabilidad de
ocurrencia, conlleva menos información que uno que posea baja probabilidad de ocurrencia

2
Fuentes de Información. Existen diferentes clases de fuentes de información, por lo que
los mensajes aparecen en diferentes formas, tales como: una secuencia de símbolos o letras
discretas (palabras escritas en forma telegráfica), una magnitud sencilla variando con el
tiempo (presión acústica producida por la voz o la música), etc.. Sea cual sea la naturaleza
del mensaje, el objetivo de un sistema de comunicación es proporcionar una réplica
aceptable de dicho mensaje en el punto destino.
Cuando el mensaje producido por una fuente no es de naturaleza eléctrica, es
necesario un transductor de entrada. Este transductor convierte el mensaje en una señal, o
sea en una magnitud eléctrica variable, tal como un voltaje o corriente. En forma similar, es
necesario otro transductor en el punto destino para convertir la señal de salida a la forma
apropiada del mensaje.
Comunicación. Cuando entre dos entes, interlocutores, se tiene un intercambio de
información se dice que existe una comunicación entre ellos, dicho de otra manera,
comunicación es el proceso por medio del cual la información se transfiere de un punto
llamado fuente, en espacio y tiempo, a otro punto que es el destino o usuario. Si la
comunicación es eventual y en un sólo sentido se dice que se envía un mensaje; el cual es la
manifestación física de la información producida por la fuente. Si es interactiva se dice que
existe un diálogo compuesto de mensajes sucesivos en uno y otro sentido. Aquí cabe el
siguiente concepto de la información: es la diferencia entre el conocimiento previo y
posterior a la comunicación, es decir, entre la ignorancia inicial y la remanente
Sistema de Comunicación. Es la totalidad de los mecanismos que proporcionan el enlace
para la información entre fuente y destino. Un sistema de comunicación eléctrico es aquel
que ejecuta esta función principal, pero no exclusivamente, por medio de dispositivos y
fenómenos eléctricos.
1.1.1. Elementos de un Sistema de Comunicación. Para visualizar la relación señal –
sistema, se considerará el diagrama en bloques de un sistema de comunicaciones mostrado
en la Figura 1.2.

MENSAJE DE SEÑAL DE SEÑAL SEÑAL SEÑAL DE MENSAJE DE

ENTRADA ENTRADA TRANSMITIDA RECIBIDA SALIDA SALIDA

Transductor Canal o medio Transductor

de Transmisor de Receptor de
FUENTE Entrada Transmisión Salida DESTINO

*Ruido y distorsión asociado a

todos los elementos del Sistema.
*Interferencia,asociado al canal

Figura. 1.2 Elementos de un Sistema de Comunicación.

3
Elementos Funcionales de un Sistema de Comunicación.

Omitiendo los transductores, las partes esenciales de un Sistema de Comunicación Eléctrica

son
-Transmisor
-Canal de Transmisión
-Receptor
Transmisor. El transmisor es el elemento que pasa el mensaje al canal en forma de señal.
Para lograr una transmisión efectiva y eficiente, en el transmisor se procesa la señal. La
modulación es el proceso más común e importante, ya que determina el acoplamiento de la
señal transmitida a las características del canal, por medio de una onda portadora .

Canal de Transmisión. El canal o medio de transmisión es el enlace eléctrico entre el

transmisor y el receptor, siendo el puente entre la fuente y el destino. La naturaleza del
canal de transmisión puede ser: par de alambre, cable coaxial, atmósfera, etc. Una
característica importante de los canales de transmisión es la atenuación de la señal
producida por él .

Receptor. La función del receptor es extraer del canal la señal deseada y entregarla al
transductor de salida. Por lo general el receptor contiene etapas de filtrado, amplificación y
la operación clave es la demodulación (detección ), con la cual la señal vuelve a su forma
original .

Distorsión. Interferencia. Ruido. Durante la transmisión de la señal se presentan efectos

no deseados. Uno de ellos es la atenuación, la cual reduce la intensidad de la señal. Otros
efectos son :Distorsión, Interferencia y Ruido.
Estos efectos se manifiestan como alteraciones de la forma de señal .
Distorsión. Es la alteración de la señal debido a la respuesta imperfecta del sistema a dicha
señal. La distorsión desaparece cuando la señal deja de aplicarse, no así la interferencia y el
ruido.
En el diseño de sistemas se debe considerar el criterio de minimizar la distorsión. En
la práctica debe de permitirse una cierta distorsión dentro de límites tolerables .

Interferencia. Es la contaminación por señales extrañas, generalmente artificiales y de

forma similar a la de la señal. El problema de interferencia se soluciona eliminando la señal
interferente o su fuente.

Ruido. Por ruido se entiende cualquier señal aleatoria o impredecible de tipo eléctrico,
originada en forma natural dentro o fuera del sistema. Debido al ruido, la información
puede ser cubierta en gran parte o eliminada totalmente, haciendo imposible su
recuperación en el receptor.
4
1.2 CLASIFICACION DE SEÑALES ELECTRICAS .
La elección del modelo matemático de una señal debe ser tal que describa lo
suficientemente claro las características más relevantes de los mensajes. El análisis
matemático y el procesamiento de señales requieren de la disponibilidad de una
descripción matemática de las señales. Esta descripción matemática o modelo de señal
conduce a la clasificación básica de las señales en : determinísticas y en aleatorias.
La Figura 1.3. ilustra en forma esquemática una primera clasificación de señales eléctricas .

SEÑAL

ALEATORIA O
DETERMINISTICA
EATOCASTICA

NO NO
ESTACIONARIA ESTACIONARIA
ESTACIONARIA ESTACIONARIA

NO NO
PERIODICA ERGODICA
PERIODICA ERGODICA

Figura 1.3 . Clasificación de Señales Eléctricas

1.2.1. Señales Determinísticas. Las señales determinísticas son aquellas que pueden ser
modeladas por expresiones matemáticas explícitas, como por ejemplo :
x(t)=220sen2p50t (1.2)
La expresión de una señal determinística puede ser todo lo complicada posible y aún en
este caso podrá determinarse, para un instante cualquiera, el valor instantáneo de la señal
dada .
Cualquier señal que pueda ser descrita por una expresión matemática explícita, por
una tabla de datos, o por una regla bien definida es llamada determinística. Este término es
usado para enfatizar que todos los valores pasados, presente y futuros de la señal son
conocidos con precisión, sin incertidumbre .
Señales Determinísticas Estacionarias. Son aquellas señales que mantienen constante en
el tiempo algún parámetro temporal significativo, como por ejemplo el valor eficaz, la
componente continua, etc. El concepto estacionario se aplica al parámetro considerado.
Señales Periódicas. Son aquellas señales que presentan como característica, el hecho de
que la señal en cuestión repite sus valores cada cierto intervalo de la variable
independiente, intervalo que se denomina periodo.

5
1.2.2. Señales Aleatorias. Las variaciones de estas señales son extremadamente complejas.
Los eventos físicos que generan tales señales son de difícil predicción. Algunos de los
factores que intervienen en un proceso aleatorio carecen de descripción analítica. Los
procesos aleatorios pueden sin embargo, poseer alguna forma que permitasu caracterización
en base a ciertos valores medios. Lo cual implica que el comportamiento de mecanismos
aleatorios, puede ser predecible sobre la base de valores medios y hay una ignorancia o
incertidumbre sobre su comportamiento completo. La salida de un generador de ruido, una
señal sísmica, una señal de voz son ejemplos de señales aleatorias .
En Teoría de Comunicación, las señales aleatorias tienen una gran importancia. Así
se tiene, que en todo canal de comunicación existe una señal de ruido aleatorio, la cual tiene
por efecto la contaminación de los mensajes. Por otra parte, un mensaje solamente puede
transmitir información si es impredecible; en este contexto el monto de la información es
proporcional a la incertidumbre de la señal. Si un mensaje es determinístico, o sea, si es
conocido completamente, se tiene que la recepción del mensaje no aporta información
adicional. En Teoría de Comunicación Estadística, tanto el mensaje como el ruido son
tratados como señales aleatorias, las que pueden ser descritas por sus propiedades
estadísticas.

Señales Aleatorias Estacionarias. Las señales aleatorias estacionarias presentan algún

aspecto o magnitud en su estructura estadística que permanece constante en el tiempo.
Normalmente el concepto de estacionaria, supone que los parámetros significativos
dependen sólo de la longitud del intervalo de observación y no de sus instantes final e
inicial.
Procesos Ergódicos. En ciertos procesos aleatorios, llamados ergódicos, la estadística
completa puede ser determinada a partir de una función muestral cualquiera. En otras
palabras, cada función muestral lleva una información estadística idéntica y por lo tanto
cualquier función muestral describe estadísticamente el proceso estocástico completo. Para
un proceso ergódico la media temporal es idéntica a la media del conjunto .
En los procesos no ergódicos, se necesita un conjunto de funciones muestrales para
obtener la estadística completa de un proceso
1.2.3. Señales de Tiempo Continuo y deTiempo Discreto. Señales de Valores
Continuos y de Valores Discretos . Como complemento a la primera clasificación
presentada, se puede hacer referencia a los siguientes tipos de señales :
Señales de Tiempo Continuo y de Tiempo Discreto. Las señales pueden clasificarse
dependiendo de su definición en relación a la variable independiente tiempo en : Señales de
Tiempo Continuo y de Tiempo Discreto .

Señales de Tiempo Continuo o Señales Análogas. Estas señales están definidas para
cualquier valor de tiempo y ellas asumen sus valores en el intervalo continuo (a,b), donde a
puede ser -¥ y b puede ser ¥. Matemáticamente, estas señales pueden ser descritas por

6
funciones de una variable continua. Ejemplos de señales analógas pueden ser : onda de voz
, x(t) = senpt .

Señales de Tiempo Discreto. Estas señales están definidas solamente en valores discretos
de tiempo. Estos instantes de tiempo no son necesariamente equidistantes, pero en la
práctica se consideran igualmente espaciados por conveniencia computacional y manejo
matemático. Como ejemplo de señal de tiempo discreto setiene a : x(t) = e - t n , n = 0,±1,±2
,....Si se usa el subíndice n de los instantes de muestreo como la variable independiente, el
valor de la señal es función de una variable entera, por lo cual llega a ser una secuencia de
números. Luego una señal de tiempo discreto puede ser representada matemáticamente por
una secuencia de números reales o complejos. Para enfatizar la naturaleza de tiempo
discreto de una señal, se denotará tal señal como x(n) en lugar de x(t). Si los instantes tn
están igualmente espaciados, o sea tn = nT , la notación x(nT) es también usada .
Las señales de tiempo discreto pueden originarse a partir de:
-Selección de valores de una señal análoga en instantes discretos de tiempo. Este proceso
se conoce como muestreo de una señal análoga .
-Por acumulación de una variable sobre un período de tiempo. Por ejemplo, el conteo del
número de automóviles que circulan por cada hora en una determinada calle, como también
la grabación del valor diario de la Unidad de Fomento.
Señales de Valores Continuos y de Valores Discretos. Los valores de una señal de
tiempo continuo o de tiempo discreto pueden ser continuos o discretos .
Señales de Valores Continuos. Si una señal toma todos los valores posibles de un rango
finito o infinito de valores, se dice que es una señal de valor continuo .
Señales de Valores Discretos. En este caso la señal toma valores de un conjunto finito de
los posibles valores. Usualmente, los valores finitos son equidistantes y luego pueden ser
expresados como un múltiplo entero de la distancia entre dos valores sucesivos . Una señal
de tiempo discreto y que tiene valores discretos se llama señal digital .
1.2.4. Señales Descritas en Términos de Energía y en Términos de Potencia
Señales de Duración Limitada. Se trata de señales que se anulan fuera de un intervalo de
tiempo determinado que, comúnmente, se considera simétrico con respecto al origen.
Señales Acotadas. Son aquellas señales cuyos valores instantáneos están acotados por un
número real y positivo.
Señales Descritas en Términos de Potencia. Son aquellas que tienen potencia media finita
distinta de cero. Como ejemplo de este tipo de señales se tiene : las señales periódicas, las
aleatorias estacionarias y las que no están limitadas en el tiempo.
Señales Descritas en Términos de Energía. Las señales que tienen energía finita son
descritas en términos de energía. Este es el caso de señales de duración limitada en el
tiempo, las que además tienen potencia media nula.
Señales de Energía Limitada. En este tipo de señales, su energía está acotada por un
cierto número real k.

7
1.3. DESCRIPCION DE SEÑALES EN LOS DOMINIOS DEL TIEMPO Y DE LA
FRECUENCIA
Las señales pueden estudiarse en dos ámbitos diferentes: el del tiempo, y el de la frecuencia
1.3.1. Descripción de Señales en el Dominio del Tiempo. El estudio de una señal en el
dominio temporal se basa en la representación de la señal como función de la variable
tiempo. Esta descripción se fundamenta en la definición de ciertos parámetros, tales como
valor máximo, valor máximo a máximo, valor medio, valor cuadrático medio, valor eficaz,
factor de forma, factor de cresta, etc.
1.3.2. Conceptos de Descripción de Señales en el Dominio de la Frecuencia. La base del
tratamiento y estudio de las señales en el dominio de la frecuencia radica en la
descomposición de ellas en componentes senoidales de diferentes frecuencias. En este
contexto, para las señales periódicas se emplea la Serie de Fourier y para representar a las
señales no periódicas la Transformada de Fourier o la Transformación Discreta. Algunos
conceptos utilizados en el dominio de la frecuencia son
Espectro . La representación de las señales en el dominio de la frecuencia se denomina
espectro y el tratamiento correspondiente, se denomina estudio o análisis espectral .
Dentro del análisis espectral, se determinan dos tipos de espectros: Continuo y
Discreto .
Espectro Continuo. Un espectro se dice continuo si la función que lo caracteriza es una
función continua de la frecuencia, tal como se ilustra en la Figura 1.4.

H(f)

f
0
Figura 1.4 . Gráfica de Espectro Continuo

Espectro Discreto . Un espectro es discreto si existe sólo para valores discretos de la

frecuencia. La Figura 1.5, ilustra en ejemplo de espectro discreto.

X(f)

-f5 -f 4- f3-f 2 -f1 0 f1 f 2 f 3 f 4 f5 f

Figura 1.5 . Gráfica de Espectro Discreto

Un espectro discreto está formado por líneas espectrales.

8
Densidad Espectral .Dada una señal de potencia o de energía, su función densidad
espectral representa la distribución de su potencia o de su energía de en el dominio de la
frecuencia .
Los dominios del tiempo y de la frecuencia están relacionados entre sí y en ellos se
realiza la mayor parte de los estudios que se ocupa la Teoría de la Señal, como son los
relacionados a transformaciones de señales, filtrado, correlación, obtención de densidades
espectrales de potencia o de energía, así como los que describen los procesos de
transmisión de la información y su recuperación, influencia de perturbaciones, calidad de la
transmisión, etc .
1.3.3. Clasificación de Señales en el Dominio de la Frecuencia. Según las características
de las señales en el dominio de la frecuencia, éstas se clasifican en : Señales de Baja
Frecuencia, de Alta Frecuencia y de Media Frecuencia .
Señales de Baja Frecuencia . Si una señal de potencia ( o señal de energía ) tiene su
densidad espectral de potencia ( o su densidad espectral de energía ) concentrada en torno a
la frecuencia cero, tal como se muestra en la Figura 1.6, se dice que es Señal de Baja
Frecuencia.

f
0

Figura 1.6 . Gráfica de la Densidad Espectral de Potencia (Energía) de una Señal

de Baja Frecuencia
Señales de Alta Frecuencia . Una señal es de alta frecuencia, si su densidad espectral de
potencia (energía) está concentrada en altas frecuencias, como se ilustra en la Figura 1.7.

0 f

Figura 1.7 . Gráfica de la Densidad Espectral de Potencia (Energía) de una Señal

de Alta Frecuencia
Señales de Frecuencias Medias. Una señal que tiene una densidad espectral de potencia
(energía) concentrada en un rango de frecuencias comprendido entre bajas y altas

9
frecuencias se llama Señal de Frecuencias Medias. La Figura 1.8, ilustra la densidad
espectral de potencia (energía) de una señal de frecuencias medias.

f
0

Figura 1.8 . Gráfica de la Densidad Espectral de Potencia (Energía) de una Señal

de Frecuencias Medias
Dada la relación entre la densidad espectral y el espectro de una señal , lo establecido para
la densidad espectral es también válido para el espectro, en lo referente a la clasificación de
señales de baja frecuencia, de alta frecuencia y de frecuencias medias.
Ancho de Banda. Además de la clasificación de las señales en el dominio de la frecuencia,
es importante el expresar cuantitativamente el rango de frecuencias sobre el cual está
concentrada la densidad espectral de potencia o de energía. La magnitud de este rango es
llamada Ancho de Banda de una señal y se refiere al rango de frecuencia en el cual está
contenida un cierto porcentaje de la potencia o energía total de una señal, así por ejemplo se
puede definir ancho de banda de 75% , 90% , 99% , etc . Los límites del ancho de banda
son la frecuencia superior f2 y la frecuencia inferior f1 , de manera que el ancho de banda B
está dado por
B = f 2 - f1 (1.4)
Señales de Banda Angosta. Se dice que una señal es de banda angosta, si se cumple la
siguiente relación
f +f
B << 2 1 (1.5)
2

Señales de Banda Ancha. Si no se satisface la relación (1.5), se dice que la señal es de

banda ancha.

Señales de Banda Limitada. Una señal x(t) es de banda limitada, si su Transformada de

Fourier (espectro) X(f) satisface la siguiente relación

X(f ) = 0 para f > f m (1.6)

donde fm es la frecuencia máxima del espectro, tal como se muestra en la Figura 1.9

10
 X(f)

-fm 0 fm

Figura 1.9 . Gráfica del Espectro de una Señal de Banda Limitada

1.4 CLASIFICACION DE SISTEMAS

La primera gran clasificación de los sistemas se basa en la relación entre la naturaleza tanto
de la señal de entrada como de la repuesta del sistema, en sus relaciones con respecto a la
variable temporal. Bajo este criterio los sistemas se clasifican en Sistemas de Tiempo
Continuo y de Sistemas de Tiempo Discreto.

1.4.1. Sistemas de Tiempo Continuo. Un sistema de tiempo continuo es aquel que

transforma las señales de entrada de tiempo continuo en señales de salida de tiempo
continuo.
1.4.2. Sistemas de Tiempo Discreto. Un sistema de tiempo discreto transforma las señales
de entrada de tiempo discreto en señales de salida de tiempo discreto.
Por otra parte, los sistemas tanto de tiempo continuo como de tiempo discreto, se
pueden clasificar de acuerdo a las propiedades generales que ellos poseen. Estas
propiedades tienen interpretaciones matemáticas como físicas.

1.4.3 . Sistemas con Memoria / Sistemas sin Memoria.

Sistemas sin Memoria o Estáticos. Se dice que un sistema es sin memoria si su salida para
cada valor de la variable independiente depende solamente de la entrada presente, o sea, de
la entrada en ese mismo instante de tiempo.
Sistemas con Memoria o Dinámicos. Un sistema que no cumpla con los requerimientos o
condiciones de los sistemas estáticos, se dice que es un sistema dinámico o con memoria.
La salida de un sistema con memoria depende teóricamente de los valores pasados, presente
y futuro de la señal de entrada .

1.4.4. Sistemas Invariantes en el Tiempo / Sistemas Variantes en el Tiempo. Se puede

subdividir la clasificación general de sistemas en dos grandes categorías: Sistemas
Invariantes en el Tiempo y Sistemas Variantes en el Tiempo.

11
Sistemas Invariantes en el Tiempo. Se tiene que un sistema es invariante en el tiempo si
un desplazamiento en tiempo de la señal de entrada produce un desplazamiento en tiempo
de la salida, del mismo monto que el de la entrada .
Sistemas Variantes en el Tiempo. Un sistema que no cumpla la propiedad de invariancia
en el tiempo se dice que es un sistema variante en el tiempo .
1.4.5. Sistemas Lineales / Sistemas no Lineales. La clase general de sistemas también
puede ser dividida en Sistemas Lineales y no Lineales .

Sistemas Lineales. Un sistema es lineal si satisface el Principio de Superposición: si una

entrada consiste en la suma ponderada de varias señales, luego la salida es la suma
ponderada de las respuestas del sistema a cada una de estas señales.
SistemasIncrementalmente Lineales. Un sistema incremental lineal es aquel que responde
de manera lineal a cambios en la entrada. Esto es, la diferencia entre las respuestas de un
sistema incremental lineal a dos entradas cualesquiera es una función lineal (aditiva y
homogénea ) de la diferencia entre las dos entradas .
Sistemas no Lineales. Un sistema que no satisface el Principio de Superposición, se dice
que es un sistema no lineal .

1.4.6. Sistemas Causales / Sistemas no Causales .

Sistemas Causales. Un sistema es causal si su salida en cualquier instante de tiempo
depende solamente de los valores de la señal de entrada en el tiempo presente y en el
pasado, es decir, no depende de los valores futuros de la entrada.
Sistemas no Causales. Un sistema que no cumple con la propiedad de causalidad, se dice
que es un sistema no causal.
1.4.7. Sistemas Estables / Sistemas no Estables.
Sistemas Estables. Intuitivamente, un sistema es estable cuando entradas pequeñas
conducen a respuestas que no divergen. La definición de estabilidad de un sistema es: si la
entrada a un sistema es limitada (su magnitud no crece en forma ilimitada) y la respuesta
del sistema es también limitada (acotada), se dice que el sistema es estable o estable BIBO
(Bounded Input-Bounded Output).
Sistemas Inestables. Si para una señal de entrada acotada, la salida es no acotada
(infinita), se dice que el sistema es inestable .

1.4.8. Sistemas Invertibles. Un sistema es invertible si conociendo su salida se puede

determinar, a partir de ella, la señal de entrada al sistema. Lo que significa, que un sistema
es invertible cuando distintas señales producen salidas distintas .
La propiedad de invertibilidad, permite establecer un Sistema Inverso de tal manera
que cuando se conecte en cascada con el sistema original producirá una salida de la
cascada igual a la entrada del primer sistema.
Esta clasificación, se aplica tanto a los sistemas de tiempo continuo como a los
sistemas de tiempo discreto.
12
13
UNIDAD II. DESCRIPCIÓN DE SEÑALES DE TIEMPO CONTINUO EN LOS
DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA.

El objetivo de esta unidad, es que el alumno conozca y aplique los conceptos y las
herramientas matemáticas para caracterizar las señales, tanto en el dominio del tiempo,
mediante la definición de parámetros, como en el dominio de la frecuencia, aplicando
conceptos como: espectro, densidad espectral, ancho de banda. Las herramientas
matemáticas fundamentales, para la caracterización en el dominio de la frecuencia, son la
Serie de Fourier y la Transformada de Fourier.

TEMAS

2.1. SEÑALES BÁSICAS DE TIEMPO CONTINUO

2.1.1. Señales Singulares.Las señales son singulares si no son finitas o no tienen derivadas
finitas de todo orden en todos los puntos. Estas señales tienen formas matemáticas simples
y son idealizaciones, en el sentido que no aparecen en sistemas físicos. Son de utilidad dado
a que son buenas aproximaciones a ciertas condiciones restrictivas de los sistemas físicos.
Como señales singulares se tiene a: Escalón Unitario, Rampa Unitaria e Impulso Unitario.

Escalón Unitario: u(t). La señal escalón unitario u(t) se define matemáticamente como

ì1 t>0
u(t) = í (2.1)
î0 t<0

La gráfica de u(t) se muestra en la Figura 2.1.

u(t)
1

t
0
Figura 2.1. Escalón Unitario de Tiempo Continuo

La función u(t) es discontinua en t = 0 y tiene derivada infinita en el origen.

Rampa Unitaria: r(t). Esta función se define como

ìt t ³ 0
r(t) = í (2.2)
î0 t £ 0

13
La función rampa unitaria es continua en t = 0. Su gráfica se muestra en la Figura 2.2 .

r(t)

0 t
Figura 2.2. Señal Rampa Unitaria de Tiempo Continuo

La relación entre u(t) y r(t) es la siguiente

dr(t)
u(t) = (2.3)
dt
o
t
r(t) = ò u( t)dt (2.4)
0

Impulso Unitario: d(t). El impulso unitario Delta de Diracd (t) , no es una función en un
sentido estrictamente matemático. Mediante el uso de funciones generalizadas se puede
efectuar una aproximación rigurosa a la función Delta. Por lo tanto, no hay una definición
rigurosa de impulso unitario , por lo que existen diversas formas de definirlo y una de ellas
es la que se basa en las tres observaciones siguientes

d(t) = 0 t¹0

d(t) ® ¥ t =0 (2.5)

ò d(t)dt = 1
-¥

La integral de (2.5) establece que el área de la función impulso es unitaria y que está
concentrada en un punto. Aún más, los límites de la integral pueden ser finitos como por
ejemplo
b

ò d(t)dt = 1
a

Con a < 0 y b > 0. Basado en esta propiedad, se puede determinar la relación entre u(t) y d
(t), la cual es

14
 ì1 t>0
ï
t

ò-¥ d(t)dt = í = u(t) (2.6)

ï0 t<0
î
La ecuación (2.6), determina que la integral del impulso unitario da como resultado la
función escalón unitario. También es válido el que la función impulso es la derivada de la
función escalón, por lo que la derivada de un escalón negativo producirá un impulso
negativo.
La representación gráfica de d(t), se muestra en la Figura 2.3 .

d (t)
1

t
0
Figura 2.3. Señal Impulso Unitario de Tiempo Continuo

Propiedades de la Señal Impulso Unitario. La señal impulso unitario tiene, entre otras,
las siguientes propiedades
Propiedad de Muestreo. La propiedad más interesante de d (t) es la llamada propiedad de
muestreo, la que matemáticamente se expresa como

ò x(t)d(t)dt = x(0)
-¥
(2.7)

Un caso más general se tiene cuando el impulso está desplazado en un monto t0 , o sea d(t-
t0), y en este caso la propiedad de muestreo queda

ò x(t)d(t - t
-¥
0 )dt = x(t 0 ) (2.8)

La ecuación (2.8) puede tener la siguiente interpretación: que con el impulso se pueden
obtener muestras de la señal x(t) en los instantes de tiempo en que existe el impulso .
De la propiedad de muestreo del impulso se puede escribir la siguiente igualdad

x(t)d(t - t 0 ) = x(t 0 )d(t - t 0 ) (2.9)

Escalamiento de Tiempo. Esta propiedad establece que

15
 1
d(at) = d(t) (2.10
a

La relación (2.10) expresa que, en relación a la variable independiente t, d(at) es un impulso

de peso 1/ïaï .
Simetría. De la propiedad de escalamiento temporal, con a = -1, se tiene

d(-1) = d(t) (2.11)

De (2.11) se deduce que la función impulso unitario presenta simetría par .

Combinando las propiedades de muestreo y de escalamiento de tiempo, se demuestra que
¥
1
-¥
ò x(t)d [a(t - t )] dt =0
a
x(t 0 ) (2.12)

Ejemplo 2.1 .

Evaluar la integral
¥

ò (t + 4)d(2t - 6)dt
2

-¥

Solución .
La integral dada se puede escribir como

ò (t
2
+ 4)d [ 2(t - 3) ]dt
-¥

Aplicando la ecuación (2.12), con x ( t ) = t 2 + 4 , se obtiene

¥
1 2 13
ò (t
2
+ 4)d [ 2(t - 3)] dt = (3 + 4) =
-¥ 2 2

Ejemplo 2.2.

Si x(t) = u(t) – u(t – 4) - Kd(t – 5). Determinar, el valor numérico de K para que

16
 ¥

ò x(t)dt = 0
-¥

Solución
La gráfica de x(t) se muestra en la Figura 2.4.
x(t)
1

5 t
0 1 2 3 4

K
Figura 2.4. Gráfica de x(t) del Ejemplo 2.2

b
Matemáticamente la integral ò x(t)dt
a
representa el área de la superficie que la curva x(t)

forma con el eje t, entre los límites de integración. En base a la expresión o gráfica de x(t),
se tiene
¥ 4 ¥

-¥
ò x(t)dt = ò dt - K ò d(t - 5)dt
0 -¥

La primera integral del segundo miembro de la ecuación anterior representa el área del
rectángulo y la segunda integral representa un área de valor K, concentrada en el punto
donde está definido el impulso. Como el problema establece que el área encerrada por x(t)
sea nula, se debe cumplir que
¥

ò x(t)dt = 4 - K = 0
-¥

De donde se deduce que

K=4

Generación de d(t). El impulso unitario d (t) se puede representar como límite de otras
funciones, a partir de la expresión
¥

ò x(t)d(t - t
-¥
0 )dt = x(t 0 )

En particular, si existe una función de (t), tal que

17
 lim de (t) = d(t)
e® 0

Se tendrá que la función de (t) puede tomar las siguientes formas

1 ætö
de (t) = Õ ç ÷
e èeø

1 ætö
de (t) = sin c ç ÷ (2.13)
e èeø

1 ætö
de (t) = sin c 2 ç ÷
e èeø

Haciendo el cambio de variable k = 1/e, se tiene la función dk (t), y la relación entre d(t) y
dk (t) es
d(t) = lim dk (t) (2.14)
k ®¥

Para aplicar la ecuación (2.14), basta hacer el cambio de variable de k = 1/e en las
expresiones de de (t) establecidas en (2.13) .
1 ætö
Considerando la expresión de (t) = Õ ç ÷ , se tiene que de (t) representa un pulso
e èeø
1
rectangular, centrado en el origen, con ancho e y altura , en consecuencia cuando e
e
tiende a cero, el ancho del pulso tiende a cero y su altura tiende a infinito, características
que describen al impulso unitario.

2.1.2. Aplicación de MATLAB en la gráfica de Señales Singulares. Las señales

singulares a considerar son : Escalón Unitario, Rampa Unitaria. Existen diferentes técnicas
para graficar señales usando MATLAB, se presentarán algunas de ellas.
Escalón Unitario u(t).Para graficar el escalón unitario, se puede utilizar la función stepfun,
que se define a continuación.
Función stepfun. Para graficar el escalón unitario u(t), MATLAB tiene en su librería la
función stepfun, cuya sintaxis es u = stepfun(t,T), donde T representa el monto de
desplazamiento de u(t). El parámetro T puede ser positivo o negativo, un valor positivo de
T representa un desplazamiento de u(t) hacia la derecha, y un valor negativo un
desplazamiento de u(t) hacia la izquierda de.

18
Ejemplo 2.3.

Utilizando la función stepfun de MATLAB, obtener las gráficas de

a) x1(t) = u(t)
b) x2(t) = u(t + 4) – u(t-4).
c) x3(t) = sen(t)x2(t).

Solución
El programa MATLAB propuesto es:

>> t=-6:0.01:6;
>> T=0;
>>x1=stepfun(t,T);
>> %Grafica de x1(t)=u(t)
>>subplot(3,1,1);
>>plot(t,x1);xlabel('t');ylabel('x_1(t)'); axis([-6 6 0 1.5]);
>> %Grafica de x_2(t)=u(t+4)-u(t-4)
>> T1=4;T2=-4;
>> u1=stepfun(t,T1); u2=stepfun(t,T2);
>>x2=u2-u1;
>>subplot(3,1,2)
>>plot(t,x2);xlabel('t');ylabel('x_2(t)'); axis([-6 6 0 1.5]);
>> %Grafica de x3(t)=sent*x2(t)
>>subplot(3,1,3); y=sin(t); x3=y.*x2;
>>plot(t,x3);xlabel('t');ylabel('x_3(t)'); axis([-6 6 -1.5 1.5])

Figura 2.5. Gráficas de x1(t), x2(t) y x3(t) del Ejemplo 2.3

19
Rampa Unitaria r(t). Para graficar la señal rampa unitaria utilizando MATLAB, se puede
utilizar un programa basado en la función stepfun, como se establece en el siguiente
ejemplo.

Ejemplo 2.4. Usando la función stepfun, graficar la señal x(t) = r(t).

Solución.
>> %Gráfica de x(t)=r(t)
>> t=-5:0.001:5;
>> y=t;
>> u1=stepfun(t,0);
>> x=y.*u1;
>>plot(t,x);
>>title('Gráfica de r(t)');
>>xlabel('t');ylabel('r(t)');
>>grid
>>axis([-5 5 -2 5]);

Gráfica de r(t)
5

2
r(t)

-1

-2
-5 -4 -3 -2 -1 0 1 2 3 4 5
t

Figura 2.6. Gráfica de la señal rampa unitaria r(t)

2.1.3. Señales Exponenciales de Tiempo Continuo. Señales Senoidales. Las señales
exponenciales complejas de tiempo continuo son de la forma

x(t) = Ceat (2.15)

en la cual C y a son generalmente complejos. Dependiendo de los valores de estos

parámetros, las exponenciales pueden adoptar diferentes características .

C y a reales. En este caso x(t) se denomina exponencial real, y se pueden encontrar las
siguientes situaciones: a > 0, lo que determina una exponencial creciente adoptando una
forma que se utiliza para describir ciertos fenómenos, como reacciones en cadena en
explosiones atómicas. Si a < 0 se tiene exponencial decreciente. Tales señales también

20
tienen un uso en la descripción de fenómenos, como la respuesta de circuitos RC, sistemas
amortiguados, etc. Si a = 0, x(t) es constante .

C real y a imaginario. Este caso da lugar a las llamadas señales senoidales, las que
representan la denominada variación armónica temporal. Estas señales son muy
importantes en el análisis de señales. Considerando el caso especial de C = 1 y a = jw0, se
tiene
x(t) = e jw0 t (2.16)

La señal descrita por la ecuación (2.16) tiene la propiedad de ser periódica, con período T0
dado por
2p
T0 = (2.17)
w0

Usando las relaciones de Euler, la ecuación (2.16) puede escribirse como

e jw0 t = cos w0 t + jsen w0 t (2.18)

Las señales cosw0 t y senw0 t se conocen como señales senoidales .

También se cumple que
e - jw0 t = cos w0 t - jsen w0 t (2.19)

De las ecuaciones (2.18) y (2.19), se obtienen las siguientes expresiones de las señales
senoidales en función de señales exponenciales complejas

cos w0 t =
2
(
1 jw0 t - jw0 t
e +e ) (2.20)

sen w0 t =
2j
(
1 jw0 t
e - e jw0 t ) (2.21)

Si se tiene la siguiente señal

x(t) = A cos ( w0 t + f ) (2.22)

ésta se puede escribir como

x(t) = A cos ( w0 t + f ) =
2
(
A jw0 t jf - jw0t - jf
e e +e e ) (2.23)

21
Una expresión alternativa para x(t) dado por (2.22) es
{
x(t) = A cos ( w0 t + f ) = Re Ae j( w0 t +f ) } (2.24)

La frecuencia w0 (f0) se denomina frecuencia fundamental: Como T0 y w0 (f0) tienen una

relación inversamente proporcional, se tiene que una reducción de la magnitud de la
frecuencia fundamental w0 (f0) implica un aumento del período T0, disminuyendo T0 si se
aumenta la frecuencia fundamental. Si w0 = 0, se tendrá que x(t) es constante con un
período fundamental T0 = ¥, lo que significa que una señal constante se puede considerar
como una señal periódica con período T de cualquier valor positivo, lo que es equivalente a
decir que una señal constante tiene una velocidad de oscilación cero.
C complejo, a complejo. Este es el caso más general de una exponencial compleja, C y a se
pueden escribir como

C = C e jq
(2.25)
a = r + jw0

por lo que x(t) tiene las formas

x(t) = Ceat = C e jq e(r + jw0 )t

(2.26)
x(t) = C ert e j(w0 t +q)

Aplicando las relaciones de Euler, la ecuación (2.26) se escribe como

x(t) = C e rt cos(w0 t + q) + j C e rt sen(w0 t + q)

(2.27)
x(t) = C e rt cos(w0 t + q) + j C e rt cos(w0 t + q - p2 )

Con r = 0, se tiene que las partes real e imaginaria de una exponencial compleja son
senoidales.
Para r > 0 las partes real e imaginaria son señales senoidales multiplicadas por
exponenciales crecientes en el tiempo. Para r <0, corresponden a señales senoidales
multiplicadas por exponenciales decrecientes en el tiempo, las que se denominan
senoidesamortiguadas .

22
Ejemplo 2.5.

Usando MATLAB, determinar la gráfica de la señal exponencial real:

x(t) = 2t u(t)

en el intervalo [-1, 4][seg] e incrementos de 0.01[seg].

Solución
El programa MATLAB propuesto es;

>> %Gráfica de (2^t)u(t)

>> t=-1:0.01:4;
>> u=stepfun(t,0);
>> x=(2.^t).*u;
>>plot(t,x)
>>axis([-1 4 -1 18]);
>>title('Gráfica de (2^t)u(t)');
>>xlabel('t');ylabel('x(t)')
>>grid

Gráfica de (2t)u(t)
18

16

14

12

10
x(t)

-1 -0.5 0 0.5 1 1.5 2 2.5 3 3.5 4

t

Figura 2.7. Gráfica de x(t)=2tu(t)

En MATLAB existen funciones para generar ondas periódicas específicas como es el caso
de un tren de pulsos rectangulares y de diente de sierra.

Tren de Pulsos Rectangulares. Con la función square, con MATLAB se puede generar un
tren de pulsos rectangulares con periodo 2p y con un determinado ciclo de trabajo
especificado dentro del argumento de la función square, tal como se ilustra en el siguiente
ejemplo.

23
Ejemplo 2.6.

Utilizando la función square de MATLAB, generar un tren de pulsos rectangulares de

amplitudes ± 1 con periodo 2p y ciclo útil de 80%. Graficar desde t = 0 hasta t = 0,1[s], con
intervalo de 1[ms].

Solución
>> % Gráfica de Tren Pulsos Rectangulares
>> t=0:0.001:1;
>> x=square(2*pi*60*t,80); plot(t,x), axis([0 0.1 -2 2]);
>>title('Tren de Pulsos Rectangulares con Ciclo de Trabajo de 80%');
>>xlabel('t [seg]'); ylabel('x(t)'); grid;

Tren de Pulsos Rectangulares con Ciclo de Trabajo de 80%

2

1.5

0.5
x(t)

-0.5

-1

-1.5

-2
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
t [seg]

Figura 2.8. Gráfica de tren de pulsos rectangulares utilizando la función square

Onda Diente de Sierra. En MATLAB existe la función sawtoothque permite generar una
onda diente de sierra con amplitudes ± 1 y un periodo 2p. Si la onda diente de sierra es de
frecuencia f1[Hz], la sintaxis es :

x(t) = sawtooth(2*pi*f1*t).

2.1.4. Señales Simétricas y Asimétricas de Tiempo Continuo.

Señales Simétricas o con Simetría Par. Una señal real x(t) se denomina simétrica o par si

x(t) = x(- t) (2.28)

La señal x(t) = A cos wt es un ejemplo de señal simétrica

24
Señales Asimétricas o con Simetría Impar. Una señal real x(t) se define como asimétrica o
impar si
x(- t) = - x(t) (2.29)

La señal x(t) = Asenwt es un ejemplo se señal asimétrica.

Componentes Par e Impar. Toda señal arbitraria x(t) puede ser expresada como la suma
de dos señales componentes, una par xp(t) y la otra impar xi(t), o sea

x(t) = x p (t) + x i (t) (2.30)

Componente Par. La componente par xp(t) se forma aplicando la siguiente ecuación

1
xp = [ x(t) + x(- t) ] (2.31)
2

Componente Impar. La componente impar xi(t) se forma aplicando la ecuación

1
xi = [ x(t) - x(- t)] (2.32)
2
Ejemplo 2.7.

Usando MATLAB graficar las componentes par e impar de la señal

x(t) = 0,8cos(p / 4 + 0, 04pt) + 0, 4cos(p / 2 + 0, 03pt) + 0, 2sen(3p / 2 + 0,1pt)

Solución
El programa MATLAB propuesto, es el siguiente
>>% Gráfica de x(t) del Ejemplo
>> t=-100:0.001:100;
>> b=0.04*pi.*t;
>> a=pi/4;
>> b=0.04*pi.*t;
>>x1=cos(a+b);
>> c=pi/2;
>> d=0.03*pi*t;
>>x2=cos(c+d);
>> e=3*pi/2;
>> f=0.1*pi*t;
>>x3=sin(e+f);
>> x=0.8*x1+0.4*x2+0.2*x3;

25
 >>x4=cos(a-b);
>>x5=cos(c-d);
>>x6=sin(e-f);
>>xA=0.8*x4+0.4*x5+0.2*x6;

>>xp=(1/2)*(x+xA);
>>subplot(211)
>>plot(t,xp);
>>grid;title('Gráfica de componente par x_p)')
>>xlabel ('t'); ylabel('x_p(t)');
>>xi=(1/2)*(x-xA);
>>subplot(212);
>>plot(t,xi);
>>grid;title('Gráfica de componente par x_i(t)');
>>xlabel ('t'); ylabel('x_i(t)');
>>grid;title('Gráfica de componente impar x_i(t)');

Gráfica de componente par x )

p
1
x p(t)

-1
-100 -80 -60 -40 -20 0 20 40 60 80 100
t
Gráfica de componente impar x (t)
i
1
x i(t)

-1
-100 -80 -60 -40 -20 0 20 40 60 80 100
t

Figura.2.9. Gráficadexpy de xi del Ejemplo 2.7.

2.2. DESCRIPCION DE SEÑALES DE TIEMPO CONTINUO EN EL DOMINIO

DEL TIEMPO.
El estudio de una señal de tiempo continuo en el dominio temporal se basa en la
representación de la señal como una función de la variable temporal t, por ejemplo x(t).
En general, las funciones que representan señales en el dominio del tiempo son reales. Sin
embargo, resulta útil y conveniente en la resolución de algunos problemas el emplear
notación compleja de señales, tales como

x(t) + j y(t) (2.33)

26
2.2.1. Parámetros en el Dominio del Tiempo. Para la descripción de señales en el
dominio del tiempo, se pueden definir ciertos parámetros. Para las señales de tiempo
continuo se tiene:

Valor Máximo (peak ): Xp.Es la máxima amplitud de la señal x(t) registrada en el intervalo
de observación T. Puede ser positivo o negativo .
Valor Máximo a Máximo (peak to peak ): Xpp. Es la excursión o separación entre los
valores máximos positivo y negativo de la señal x(t).

Valor Medio: <xT(t) >. El valor medio de una señal x(t) en un intervalo T, se define como

t+T
1
< x T (t) > =
T ò x(t)dt
t
(2.34)

Valor Medio Temporal :<x(t)>. Este valor se define como

t+T
1
< x (t) > = lím < x T (t) >= lím
T ®¥ T ®¥ T ò x(t)dt
t
(2.35)

Cuando existe este límite, el valor medio temporal se denomina componente continua de la
señal .
Para señales periódicas, con período T, se tiene
T
1
T ò0
< x(t) > = x(t)dt (2.36)

Valor Medio Cuadrático :<çx(t)ï2>. El valor medio cuadrático de una señal, en el intervalo
de observación T, se define como

t+T
1
ò
2 2
< x(t) > = lím x(t) dt (2.37)
T ®¥ T
t

Para señales periódicas, con periodo T, se tiene

t +T
1
ò x (t)
2 2
< x ( t ) >= dt (2.38)
T t

Físicamente, el valor medio cuadrático corresponde a la potencia que un voltaje o corriente

x(t) disiparía en un resistor de resistencia de valor unitario. Se le llama por este motivo,
potencia media de la señal x(t).

27
Valor Eficaz o Efectivo: Xeff. Para un tiempo de observación T, el valor eficaz Xeff se define
como
t +T
1
X eff = < x(t) > = lim ò
2 2
x(t) dt (2.39)
T ®¥ T
t

Para señales periódicas con periodo T, se tiene

T
1 2
T ò0
X eff = x (t)dt

2
Varianza : X efond . Este parámetro se define de la siguiente manera

X 2 efond = < [ x(t) - < x(t) > ] > = < x 2 (t) > - [ < x(t) > ]
2 2
(2.40)

Físicamente la varianza representa la potencia de las componentes alternas de la señal, y

Xefond representa el valor eficaz de la componente alterna u ondulación de la señal x(t).

Factor de Forma :jf . La definición de este factor es la siguiente

X eff
jf = (2.41)
< x(t) >
Factor de Cresta :jc. Este parámetro se define de la siguiente manera

Xp
jc = (2.42)
X efond
Ejemplo 2.8.

Determinar el valor medio, eficaz y el factor de forma de la señal periódica mostrada en la

Figura 2.9.
y(t)
100

0 T/4 T 2T t
-20

Figura. 2.9. Señal Periódica del Ejemplo 2.7

28
Solución
Valor Medio. Como y(t) es una señal periódica, de periodo T, se tiene que

T
1
T ò0
< y(t) > = y(t) dt

Considerando la gráfica de y(t), se obtiene

éT T
ù
1 ê4 ú
< y(t) > = ê ò 100dt + ò (-20)dt ú
T 0
êë T
4
úû
integrando
1
< y(t) > = [ 25T - 15T ]
T
de donde

<y(t) > = 10

Valor Eficaz . Se tiene que

T
1 2
T ò0
Yeff = y (t)dt

Por lo que tomando en cuenta la forma de y(t), se obtiene

T
4 T
1 1
Yeff =
T0ò 104 dt + ò 400dt
TT
4

Luego
Yeff = 52,91

Factor de Forma. Se tiene que

Yeff
jf =
< y(t) >
y
1 é4 ù
T
T
< y(t) >= ê ò 100dt + ò 20dt ú
T ê0 úû
ë T
4

Integrando, se obtiene

29
 < y(t) >= 40
Por lo tanto

52.91
jf = = 1,32
40

2.2.2. Señales de Tiempo Continuo Descritas en Términos de Energía y en Términos

de Potencia.

Señales de Duración Limitada. Se trata de señales que se anulan fuera de un intervalo de

tiempo determinado que, comúnmente, se considera simétrico con respecto al origen. En
este contexto una señal x(t) es de duración limitada si

x(t) = 0 para t > T (2.43)

Señales Acotadas. Son aquellas señales cuyos valores instantáneos están acotados por un
número real y positivo K, tal que

x(t) £ K para -¥ < t <+¥ (2.44)

Señales Descritas en Términos de Potencia. En general las señales periódicas, las

aleatorias estacionarias y las que no están limitadas en el tiempo, se caracterizan por tener
potencia media finita, lo cual determina que estas señales se describan en términos de
potencia.

Señales Descritas en Términos de Energía. Las señales que tienen energía finita son
descritas en términos de energía. Este es el caso de señales de duración limitada en el
tiempo, las que además tienen potencia media nula. La energía ET de una señal x(t) en un
intervalo arbitrario T es

t+T

ò
2
ET = x(t) dt (2.45)
t

Las señales que se describen en términos de energía, son aquellas en que ET tiende a un
límite finito cuando T ®¥.

30
Señales de Energía Limitada. En este tipo de señales se cumple que

ò x(t)
2
dt £ k k real y positivo (2.46)
-¥

Es decir, que su energía está acotada por k. La integral de la relación (2.46) representa la
energía total disipada en una resistencia de un ohm .

Ejemplo 2.8.

Clasifique la señal x(t) = cost + 2cos2t como señal de energía o de potencia y determine la
energía o potencia normalizada de tal señal, la cual está definida en el intervalo -¥< t <¥ .

Solución
El problema se puede resolver, suponiendo arbitrariamente que x(t) es una señal definida en
término de energía, y en este caso como x(t) es una señal real se debe cumplir que
¥
E= ò x(t)
2
dt <¥
-¥

Considerando la expresión de x(t), se tiene

¥
E= ò (cos t + 2 cos 2t ) dt
2

-¥

integrando se obtiene

¥ ¥
æt ö æ cos 2t ö
E = ç + 2t ÷ + ò ç + 2[cos 3t + cos t ] + 2 cos 4 t ÷dt
è2 ø -¥ -¥è 2 ø

El primer término de la expresión anterior es infinito y como la integral es indeterminada,

pero finita, se tiene que la expresión total es infinita. Por lo tanto, x(t) no es una señal de
energía.Para que x(t) sea una señal de potencia se debe cumplir, en general, que
T
2
1
òx (t)dt < ¥
2
P= lim
T ®¥ T T
-
2

Retomando la expresión de x(t) se tiene

31
 T

æ 1 + cos 2t ö
2
1
P = lim ò çè + 2 [ cos 3t + cos t ] + 2 [1 + cos 4t ] ÷dt
T ®¥ T
-
T 2 ø
2

integrando y aplicando límite, se obtiene que

T
2
1 5
P = lim
T ®¥ T ò
-T
x 2 (t)dt = [watts]
2
2

O sea que, como tal límite es finito, x(t) es una señal definida en término de potencia y su
potencia normalizada es de 5/2 [watt]

2.3. REPRESENTACION FRECUENCIAL DE SEÑALES DE TIEMPO CONTINUO

En esta sección se desarrollarán los procesos para la representación de señales en el

dominio de la frecuencia. Estos procesos se basan en que las señales se pueden representar
como sumas e integrales ponderadas de un conjunto de señales básicas. como lo son las
exponenciales complejas. Las representaciones resultantes son conocidas como la Serie y
Transformada de Fourier. Estas representaciones se pueden emplear para la construcción de
varias clases de señales.
Además, se desarrollarán algunas herramientas básicas del análisis de Fourier de
tiempo continuo. A medida que se describan dichas herramientas, se establecerán
conocimientos acerca de la utilidad del análisis de Fourier en la representación de señales
en el dominio de la frecuencia.

2.3.1. Representación de Señales Periódicas en el Dominio de la Frecuencia. Una señal

x(t) de tiempo continuo es periódica si para algún T positivo, no nulo, se cumple para todo
t que

x(t) = x(t+T) (2.47)

El período fundamental To de x(t) es el mínimo valor positivo no nulo de T, que satisface la

ecuación (2.47).

La frecuencia fundamental fo se define como

1 2p
fo = Þ wo = (2.48)
To To

32
x(t) dura en el intervalo de -¥ y +¥, por lo cual, es sólo un modelo matemático que,
aproximadamente describe una señal física cuya duración es finita.
Una señal periódica x(t) de tiempo continuo puede ser representada por la Serie de
Fourier definida por
¥
x(t) = åCe
n =-¥
n
jnwo t
(2.49)

donde
2p
wo =
To

1
ò x(t)e
- jnwo t
Cn = dt (2.50)
To To

Los coeficientes Cn son llamados Coeficientes de Serie de Fourier o Coeficientes

Espectrales de x(t). Estos coeficientes complejos miden la porción que cada armónica de
x(t) es con respecto a la componente fundamental de x(t), y permiten la representación de
señales periódicas en el dominio de la frecuencia,
En forma específica, el coeficiente Co representa la componente continua de x(t) y
está dado por
1
To Tòo
Co = x(t)dt (2.51)

La ecuación (2. 51)establece que Co es simplemente el valor medio de x(t) en un

período.

Propiedades del Desarrollo en Serie de Fourier . Las siguientes propiedades se refieren a

los coeficientes Cn, asociados a x(t), y son de interés para el manejo de señales.

Desplazamiento en el Tiempo . Si a la señal x(t) se le asocian los coeficientes Cn, esta

propiedad establece que a la señal x(t-to) le corresponde el coeficiente genérico

Cn e-jnwo t o

Por lo cual, se deduce que se ha producido una variación en la fase de la señal desplazada
x(t -t0 ) con respecto a la fase de la señal x(t).

Modulación. Se genera esta propiedad cuando se tiene la siguiente función x(t)e -jkw0 t , la
cual indica que la señal x(t) ha sido modulada. A esta señal modulada le corresponde el

33
coeficiente genérico Cn+k, lo que representa que a un desfasaje en el tiempo le corresponde
un desplazamiento de los coeficientes de Fourier
Derivación. Esta propiedad establece que a la señal x´(t) le corresponde el coeficiente
genérico jnwoCn.
Esta propiedad permite el determinar los coeficientes de Fourier de señales en base
al cálculo previo de los coeficientes de Fourier de su derivada, si estos últimos son más
simples a determinar.

Simetría. Si x(t) presenta simetría par, los coeficientes de la serie de Fourier están dados
por
T0 T0
2 2
1 2
Cn =
T0 òT0 x(t) cos nw0 tdt = T0 ò x(t) cos nw tdt0 (2.52)
-2
0

Para el caso de que x(t) tenga simetría impar, los Cn tienen la forma
T0
2
j
Cn = -
T0 ò x(t) sen nw tdt
T0
0 (2.53)
- 2

Ejemplo 2.9.

Determinar los coeficientes Cn, del desarrollo en Serie de Fourier, de la señal x(t)
representada en la Figura 2.10.
x(t)

m =-1
m =1

t
-T T T T T T
- -
2 4 4 2

Figura 2.10. Gráfica de la señal x(t) del Ejemplo 2.9

Solución
Para resolver este problema se puede aplicar la propiedad de simetría impar de x(t), o sea
T0
2
j
Cn = -
T0 ò x(t) sen nw tdt
T0
0
- 2

34
Pero, dada la forma de x(t), es más conveniente aplicar la propiedad de la derivación de la
Serie de Fourier. La cual establece que si C'n son los coeficientes de la derivada de x(t), es
decir de x , (t) , se cumple que
C'n =jnwo Cn
de donde
C'n
Cn =
jnwo

Cálculo de C'n . Para el cálculo de C'n se considerará la gráfica de x , (t) mostrada en la

Figura 2.10.
Se tiene que
T
2
1
ò x (t)e
-jnwo t
C'n = ,
dt
T T
-
2

y como la señal x , (t) presenta simetría par, se tiene que

T

22
C = ò x , (t) cos nw0 tdt
'
n
T0
x(t)
1

-T/2 T/2
|

0 T/4 T 2T t

-1
Figura 2.11. Gráfica de x´(t)del Ejemplo 2.9

2 é4 ù
T T
2

C = ê ò (1) cos nw0 tdt + ò (-1) cos nw0 tdt ú

'
n
T ê0 úû
ë T
4

conw0 T = 2p e integrando, se tiene que

4 æ np ö æ np ö
C'n = sen ç ÷ sen 2 ç ÷
np è 2 ø è 4 ø
Por lo tanto
C 'n 4 æ np ö æ np ö 4T æ np ö æ np ö
Cn = =-j 2 sen ç ÷ sen 2 ç ÷ = -j 2 sen ç ÷ sen 2 ç ÷
jnwo n w0 p è 2 ø è 4 ø n w0 Tp è 2 ø è 4 ø

Ecuación que se puede escribir como

35
 np ö
2
æ
sen
jT æ np ö ç 4 ÷
C n = - sen ç ÷ ç ÷
8 è 2 ø ç np ÷
è 4 ø

Interpretación Espectral .El desarrollo en Serie de Fourier expresa que la señal periódica
x(t) puede escribirse como combinación lineal de infinitos fasores, o sea :
x(t)= å C n e (
j nwo t+f n )
(2.54)
n

ya que C n = Cn e jfn .
Por lo que x(t) admitirá una representación en el dominio de la frecuencia en forma
de líneas espectrales (espectro discreto), con la particularidad de que las líneas espectrales
están situadas en frecuencias múltiplos enteros de la frecuencia fundamental wo (fo),
llamándoseles armónicos de wo (fo).
Espectro de Amplitud. La gráfica de ïCnï en función de la frecuencia se denomina
Espectro de Amplitud.
Espectro de Fase. La gráfica de fn en función de la frecuencia se denomina Espectro de
Fase.
En la Figura 2.11 se representa un ejemplo de espectro de la señal x(t). Se observa
que el espectro de amplitud ïCnïpresenta simetría par y que el espectro de fase fnpresenta
simetría impar.

C0
C-1 C1
C-2 C2
C-3 C3
C-4 C4
C-5 C5
f
-5fo -4fo -3fo -2fo -fo 0 fo 2fo 3fo 4fo 5fo
a)
f3
f1
f -2 f5
f-4
-5fo -3fo -fo f0 2fo 4fo
f
-4fo -2fo 0 fo 3fo 5fo
f- 5 f4
f2
f -1
f -3

b)
Figura 2.12. Ejemplo de Espectro para una Señal Periódica: a) Amplitud
b) Fase

36
Se tiene la característica que el espectro de amplitud presenta simetría par y el de fase
impar .

Ejemplo 2.10.

Determinar los espectros de amplitud y de fase de la señal dada por

æ pö
x(t)=1+senwo t+2coswo t+cos ç 2wo t+ ÷
è 4ø
Solución
Para la función x(t) del ejemplo, en lugar de emplear la ecuación

1
ò x(t)e
- jnwo t
Cn = dt
To To

Para el cálculo de los coeficientes Cn , se puede emplear el siguiente método : se considera

la expansión de las funciones senoidales como una combinación lineal de exponenciales de
la Serie de Fourier . En este caso x(t) se puede escribir de la siguiente manera

1 jwo t -jwo t 1
x(t) = 1 + éë e -e ùû + éë e jwo t + e - jwo t ùû + éëe j(2wo t +p / 4) +e -j(2wo t +p / 4) ùû
2j 2

Reduciendo términos , se obtiene

æ 1ö æ 1ö æ1 ö æ1 ö
x(t) = 1 + ç 1 + ÷ e jwo t + ç 1 - ÷ e - jwo t + ç e jp/4 ÷ e j2 wo t + ç e - jp / 4 ÷ e - j2 wo t
è 2j ø è 2jø è2 ø è2 ø

De donde :

1 jp / 4 2 1
Co = 1 C2 =e = (1 + j) Þ C 2 =
2 4 2
1 5 1 2 1
C1 = 1 - j Þ C1 = C -2 = e - jp / 4 = (1 - j) Þ C -2 =
2 2 2 4 2
1 5
C-1 = 1 + j Þ C -1 = Cn = 0 para n > 2
2 2

f0 = 00 f1 = -26,60 f-1 = 26,60

f2 = 450 f-2 = -450

37
En la Figura 2.12 se muestra el espectro de magnitud y de fase de x(t),utilizando n como
variable independiente.
Cn

n
-5 -4 -3 -2 -1 0 1 2 3 4 5

fn

-2 1
n
-5 -4 -3 -1 0 2 3 4 5

Figura 2.12. Espectro de Magnitud y de Fase de la señal x(t) del Ejemplo 2.10

2.3.2. Teorema de Parseval para Señales Periódicas. En general la señal x(t) representará
un voltaje o una corriente. Si se aplica x(t) a un resistor de resistencia de un ohm, la
potencia media disipada en él será igual al valor cuadrático medio de x(t) y se llama
potencia normalizada o media asociada a la señal x(t). La potencia media de una señal ha
de ser finita si esta señal admite desarrollo en Serie de Fourier. Esta potencia puede
expresarse en función de los coeficientes del desarrollo de Fourier, y para ello se tiene que
por definición, la potencia media Pm de la señal x(t) está dada por

1 1
Pm = á x 2 (t)ñ = ò x(t) dt = ò x(t)x (t)dt
2 *
(2.55)
T o To To To

Como x(t) admite desarrollo en Serie de Fourier, Pm se puede escribir como

1
Pm = ò [ å C n e jnwo t ] [ åC e* - jnwo t
n ]dt
To T0 n n

Por la ortogonalidad de las funciones exponenciales , se obtiene que

Pm = å C n
2
(2.56)
n

La ecuación (2.56). representa el Teorema de Parseval para señales periódicas

38
Ejemplo 2.11.

Utilizando el Teorema de Parseval, determinar la potencia media de la señal x(t) dada por

x(t) = 2sen100t
Solución
Se tiene que x(t) se puede escribir como

x(t) =
j
(e - e )
1 j100t - j100t

De donde se deduce que

C1 = -j ; C-1 = j ; Cn = 0 para todo n ¹± 1

Empleando Parseval, se tiene que Pm está dada por

1
Pm = å Cn = å C n = C1 + C -1 = - j + j = 1 + 1 [ w ]
2 2 2 2 2 2

n -1

Pm = 2 [ w ]

2.3.3. Función SINC(x) .En el estudio de señales en forma de pulsos, y en la resolución de

otros problemas básicos en Teoría de la Señal, aparece la función SINC(x) cuya definición
es
sen px
Sinc(x) = (2.57)
px
En la Tabla 2 .1 se muestran valores de la función sinc (x).

Tabla 2.1 Valores de la Función Sinc(x)

x 0 0,02 0,04 0,06 0,08

0 1 0,999342156 0,997370183 0,994088749 0,989505621

0,1 0,983631643 0,976480704 0,968069699 0,958418482 0,947549812
0,2 0,935489284 0,922265262 0,907908797 0,892453542 0,875935652
0,3 0,858393691 0,839868518 0,820403175 0,800042767 0,778834335
0,4 0,756826729 0,734070466 0,710617598 0,68652156 0,66183703
0,5 0,636619772 0,610926489 0,584814662 0,558342398 0,531568269
0,6 0,504551152 0,477350076 0,450024056 0,422631939 0,395232244
0,7 0,367883011 0,340641643 0,313564758 0,286708041 0,2601261
0,8 0,233872321 0,207998739 0,182555901 0,157592742 0,13315646
0,9 0,109292405 0,086043967 0,063452473 0,041557091 0,020394738
1 0 -0,01959494 -0,03836039 -0,05626917 -0,07329671
1,1 -0,08942106 -0,10462293 -0,11888575 -0,13219565 -0,1445415
1,2 -0,15591488 -0,16631013 -0,17572428 -0,18415708 -0,19161092
1,3 -0,19809085 -0,20360449 -0,208162 -0,21177603 -0,21446163
1,4 -0,21623621 -0,21711943 -0,21713315 -0,21630131 -0,21464985
1,5 -0,21220659 -0,20900117 -0,20506488 -0,2004306 -0,19513266
1,6 -0,18920668 -0,18268954 -0,17561914 -0,16803439 -0,15997496
1,7 -0,15148124 -0,14259418 -0,13335513 -0,12380575 -0,11398784

39
 1,8 -0,10394325 -0,09371372 -0,08334074 -0,07286546 -0,06232856
1,9 -0,05177009 -0,0412294 -0,03074501 -0,02035449 -0,01009437
2 0 0,009894477 0,019556278 0,028954041 0,038057908
2,1 0,046839602 0,055272493 0,063331663 0,070993962 0,078238058
2,2 0,08504448 0,091395657 0,097275943 0,102671646 0,107571045
2,3 0,111964395 0,115843934 0,11920388 0,122040422 0,124351701
2,4 0,126137788 0,127400659 0,128144157 0,12837395 0,12809749
2,5 0,127323954 0,126064196 0,124330676 0,1221374 0,119499843
2,6 0,116434881 0,112960705 0,109096741 0,104863564 0,100282808
2,7 0,095377077 0,090169847 0,084685373 0,078948591 0,072985021
2,8 0,066820663 0,060481903 0,053995407 0,047388027 0,040686696
2,9 0,033918333 0,027109743 0,020287525 0,013477975 0,006706994
3 0 -0,00661816 -0,01312329 -0,01949194 -0,02570144
3,1 -0,03173005 -0,03755695 -0,04316234 -0,04852752 -0,0536349

3,2 -0,05846808 -0,06301191 -0,0672525 -0,07117728 -0,07477499

3,3 -0,07803579 -0,08095118 -0,0835141 -0,08571887 -0,08756126

3,4 -0,08903844 -0,090149 -0,09089295 -0,09127165 -0,09128787

3,5 -0,09094568 -0,0902505 -0,08920902 -0,08782914 -0,08612

3,6 -0,08409186 -0,08175609 -0,07912511 -0,07621232 -0,07303205

3,7 -0,06959949 -0,06593064 -0,06204222 -0,05795163 -0,05367681

3,8 -0,04923628 -0,04464894 -0,0399341 -0,03511134 -0,03020043

3,9 -0,02522132 -0,02019399 -0,01513841 -0,01007445 -0,00502182

4 0 0,004971852 0,009874952 0,014690967 0,019402071
4,1 0,023991016 0,028441186 0,032736656 0,036862249 0,04080358

4,2 0,044547109 0,04808018 0,051391064 0,054468995 0,057304202

4,3 0,059887932 0,062212483 0,064271216 0,066058577 0,067570102

4,4 0,06880243 0,069753302 0,070421564 0,070807156 0,07091111
4,5 0,07073553 0,070283578 0,069559453 0,068568365 0,067316506

4,6 0,06581102 0,064059967 0,062072284 0,059857742 0,057426907

4,7 0,054791087 0,051962284 0,048953148 0,045776914 0,042447355

4,8 0,03897872 0,035385678 0,031683256 0,027886781 0,024011821

4,9 0,020074115 0,016089522 0,012073952 0,008043308 0,004013422

5 0 -0,00398144 -0,00791564 -0,01178761 -0,01558277

La función Sinc(x) presenta simetría par y constituye el valor medio exponenciales y

senoides, tales como

1t sen t ætö
ò
to
cos xdx =
t
= sin c ç ÷
èpø

ætö
t
1 jx t
ò
to
e dx = sin c ç ÷ + j sin c 2
èpø 2

40
En la Figura 2.13, se representa esta función, que presenta un máximo en el origen de valor
igual a la unidad, presentando valores nulos para las abcisas x = ±1 ,± 2 , ± 3 , ....±

s inc (x)
1

0,8

0,6

0,4

0,2

0 x
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
-0,2

-0,4

Figura 2.13. Gráfica de la Función Sinc(x)

La función Sinc(x) presenta simetría par y constituye el valor medio exponenciales y

senoides, tales como
1t sen t ætö
ò
to
cos xdx =
t
= sin c ç ÷
èpø

ætö
t
1 jx t
ò
to
e dx = sin c ç ÷ + j sin c 2
èpø 2

Ejemplo 2.12

El tren de pulsos rectangulares mostrado en la Figura 2.14, está definido sobre un período
de la siguiente manera

ì
ïA para t < T1
ï
x(t) = í
ï T
ï0 para T1 < t < 0
î 2

41
 x(t)
A

-T0 -T0/2 -T1 0 T1 T0/2 T0 2T0 t

Figura 2.14. Tren de pulsos rectangulares del Ejemplo 2.12

Utilizando el Teorema de Parseval, determinar la expresión de la potencia media de x(t)

Solución
Se tiene que
1
ò x(t)e
- jnw0 t
Cn = dt
T0 T0

Considerando la gráfica de x(t), para n = 0 se obtiene

T1
1 2T1A
C0 =
T0 ò Adt =
- T1 T0
Y para n cualquiera, se tiene
T1
A
òe
- jnw0 t
Cn = dt
T0 - T1

Integrando, se obtiene
2A
Cn = sen nw0 T1
nw0 T0

Expresión que puede escribirse como

2AT1
Cn = sin c(2nf0 T1 )
T0
Con To como período fundamental, se tiene que la frecuencia fundamental fo, es

1
f0 =
T0
Con t como ancho de los pulsos, para el ejemplo se tiene que

t = 2T1

42
Por otra parte la relación t/To se define como Ciclo de Trabajo o Período de Actividad , el
cual se puede designar como “ d ”. Con este concepto, la expresión de Cn se puede escribir
de la siguiente manera
C n = Ad sin c ( nd )

Por lo tanto, en base al Teorema de Parseval, la potencia media Pm de x(t) tiene la siguiente
expresión

Pm = å ( Ad ) sin c2 ( nd )
2

Esta relación se puede utilizar para determinar qué porcentaje de la potencia media total
está contenido en un rango de frecuencia de interés.
Considerando la expresión de Cn , se puede concluir que :
-Los coeficientes son reales.
-Si d = 0,5 , con n par y distinto de cero, los coeficientes son nulos, o sea Cn = 0 .

2.3.4. Fenómeno de Gibbs. Si x(t) es periódica de período T, se puede desarrollar en Serie

de Fourier. Si se considera un número finito de términos de ella, se obtiene

N
x N (t) = åC e
n=-N
n
jnw0 t
(2.58)

Donde xN(t) es también periódica de período T. Sea eN(t) el error de aproximación, el cual
está dado por
N
e N (t) = x(t) - x N (t) = x(t) - åCe
n =- N
n
jnwo t
(2.59)

Con el objetivo de determinar cuan buena es una aproximación dada, se especifica una
medida cuantitativa del tamaño del error de aproximación. El criterio a utilizar es la
magnitud del valor cuadrático medio del error en un período, o sea

1 1
ò é x(t) - x N (t) ùû dt = ò e N (t)e*N (t)dt
2
< e 2N (t) >= ë (2.60)
TT TN

Integrando y teniendo en consideración la ortogonalidad de las exponenciales complejas ,se

obtiene
¥ N

å å
2 2
< e 2N (t) >= Cn - Cn (2.61)
n =-¥ n =- N

43
Cuando una determinada función se aproxima mediante una serie finita de términos , se
produce un error importante en la vecindad de una discontinuidad, no importando cuantos
términos se utilicen . Este hecho se conoce como Fenómeno de Gibbs
La Figura 2.15 ilustra el Fenómeno de Gibbs para diferentes valores de N.
x N (t) x N (t)

N=1 N=3

-T1 0 T1 t 0 t
-T1 T1

x N (t) x N (t)

N=7 N = 17

-T1 0 T1 t -T1 0 T1 t

x N (t)

N = 69

-T1 0 T1 t

Figura 2.15. Ilustración del Fenómeno de Gibbs para diferentes valores de N .

2.3.5. Gráfica de los Espectros de Magnitud y de Fase de Señales Periódicas usando

MATLAB. Una vez determinada la expresión genérica de los coeficientes Cn, se puede
aplicar MATLAB para obtener la gráfica de los espectros de magnitud y fase de la señal
periódica analizada. A continuación se continuación ilustra tal proceso.

Ejemplo 2.13.

Usando MATLAB, determinar las gráficas de los espectros de magnitud y fase de la señal
periódicax(t) mostrada en la Figura 2.16.

44
 x(t)
x(t)

cos(t)

p p
t[s]
-8 - 0 8
2 2

Figura 2.16. Señal Periódica del Ejemplo 2.13.

El pulso básico que se repite periódicamente es igual a cos(t), luego la frecuencia de la
señal senoidal correspondiente cosw1t es w1 = 1[rad], en el intervalo [-p/2, p/2] y cero fuera
de este intervalo.

Solución
De acuerdo a la Figura 2.16 se deduce que el periodo de la señal x(t) es T = 8[s], por lo
tanto la frecuencia fundamental es w0 = 2p/8 = p/4[rad/seg]. Aplicando serie de Fourier, se
tiene
¥
x(t) = åCe
n =-¥
n
jnw0 t

y
T
2
1
ò x(t)e
- jnw0 t
Cn = dt
T T
-
2

Luego
p
2
1
ò cos(t)e
- jnw0 t
Cn = dt
8 p
-
2

p
2
1
Cn = ò (e + e - jt )e - jnw0 t dt
jt

16 p
-
2

p
2
1
ò (e
jt (1- nw0 )
Cn = + e - jt (1+ nw0 ) )dt
16 p
-
2

45
Integrando, se obtiene

1 1 é e j 2 (1-nw0 ) - e - j 2 (1-nw0 ) ù - 1
p p 1 é e - j 2 (1-nw0 ) - e j 2 (1- nw0 ) ù
p p
Cn =
16 j(1 - nw0 ) ë û 16 j(1 + nw0 ) ë û

1 1 é je - j 2 nw0 + je j 2 nw0 ù - 1 é - je - j 2 nw0 - je j 2 nw0 ù

p p p p
Cn =
16 j(1 - nw0 ) êë úû 16j(n + w ) êë
0
úû

Aplicando Euler, se obtiene

Cn =
1 1
8 (1 - nw0 )
cos ( ) + 8(n +1 w ) cos ( )
pnw0
2
pnw0
2
0

De donde
é ù
1
C n = cos ( ) ê (1 - 1nw ) + (n +1w ) ú
pnw0
2
8 ë 0 0 û

Luego

Cn =
1 1
4 (1 - n 2 w02 )
cos ( )
pnw0
2

Espectro de Amplitud. Dado que el periodo de la señal x(t) es T = 8[seg], arbitrariamentese

considerará el intervalo de la variable temporal [-10,10][seg] y con incremento 1[seg].

>> % Grafica del Espectro de Amplitud

>> n = -10:10;
>> T = 8;
>> w0 = 2*pi/T;
>>cn = cos(pi/2*n*w0)/4./(1-(n*w0).^2);
>>stem(n,abs(cn)); %Dibuja la secuencia abs(cn)
>>%en funcion de la variable n
>>title('|c_n|'); axis([-10 10 0 0.3]);
>>xlabel('Variable n');

46
 0.25

0.2

0.15

0.1

0.05

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

Figura.2.17. Gráfica del espectro de amplitud de la señal del Ejemplo

2.13

Espectro de Fase. Para el espectro de fase, se tiene

>>% Grafica del Espectro de Fase

>> n = -10:10;
>> T = 8;
>> w0 = 2*pi/T;
>>cn = cos(pi/2*n*w0)/4./(1-(n*w0).^2);
>>stem(n,angle(cn));
>>title('Angulo(c_n) en rad');
>>xlabel('Variable n');

Angulo(c ) en rad
n
3.5

2.5

1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Variable n

Figura.2.18 Gráfics del espectro de amplitud de la señal del Ejemplo 2.13

2.3.6. Representación Frecuencial de Señales no Periódicas. Transformada de Fourier

. Los modelos básicos de señales no periódicas que se manejan en Teoría de la
Comunicación son las funciones limitadas en el tiempo. Esta limitación se puede clasificar
en estricta , asintótica y mixta .

47
Limitación Estricta. Una función tiene limitación estricta en el dominio del tiempo ,
cuando la función es nula fuera de un cierto intervalo de tiempo, tal como se muestra en la
Figura 2. 19.
x(t)

0 t

Figura 2.19. Función con Limitación Estricta

Limitación Asintótica. Una función tiene limitación asintótica si tiende a cero cuando el
tiempo tiende a ±¥, como se ilustra en la Figura 2.20.

x(t)

0 t
Figura 2.20. Función con Limitación Asintótica .

Limitación Mixta. Este tipo de limitación es una combinación de la limitación estricta con
la asintótica, como se ilustra en la Figura 2.21.

x(t)

0 t
Figura 2.21. Función con Limitación Mixta .

Las señales a considerar son de cuadrado integrable, si la señal x(t) es de este tipo, se
cumple
lim ò x(t) dt< ¥
2

T ®¥
T

48
Con T como intervalo de observación.

Esta relación implica que la señal x(t) tiene energía finita, lo que determina que x(t) está
descrita en términos de energía. Tales señales se representan en el dominio de la frecuencia,
utilizando la Transformada de Fourier.
Se define la Transformada de Fourier F{x(t)} de la señal x(t), como

F{ x(t)} = X(f ) = ò x(t)e

- jwt
dt (2.62)
-¥

dondew = 2pf
Definiéndose la Transformada Inversa de Fourier, F-1{X(f)}, como

F-1 {X(f )} = x(t) = ò X(f )e

jwt
df (2.63)
-¥

Ambas relaciones constituyen la representación de Fourier de la función no periódica de

energía finita x(t).
Considerando a w como variable independiente las definiciones tienen la forma
siguiente
¥

ò x(t)e
- jwt
X(w) = dt (2.64)
-¥

y
¥
1
x(t) = ò
2p -¥
X(w)e jwt dw (2.65)

2.3.7. Energía y Densidad Espectral de Energía

Energía. En el caso de señales limitadas en el tiempo no tiene sentido hablar de potencia
media, ya que la energía E es finita, o sea

ò
2
E= x(t) dt < ¥
-¥

Con lo cual se cumple la condición impuesta para la existencia de la Transformada de

Fourier .
La relación entre la energía y el espectro X(f) de x(t), se determina mediante el
siguiente proceso :
Se tiene ,para una resistencia de carga de un ohm, que

49
 ¥ ¥
é¥ ù ¥

ò x(t) dt = ò x(t)x (t)dt = ò ê ò X(f )e jwt df ú x * (t)dt

2
E= *

-¥ -¥ -¥ ë -¥ û

Intercambiando el orden de integración , se obtiene

¥
é¥ * ù ¥

E = ò X(f ) ê ò x (t)e dt ú df = ò X(f )X* (f )df

jwt

-¥ ë -¥ û -¥

Finalmente

¥ ¥ ¥
1
ò x(t) dt = ò X(f ) df = ò
2 2 2
E= X(w) dw (2.66)
-¥ -¥ 2p -¥
La ecuación (2. 66) representa el Teorema de Parseval para señales no periódicas.
Para cargas diferentes de un ohm, aplicando el Teorema de Parseval, y con x(t)
como señal de tensión, las relaciones de energía son

¥ ¥ ¥
1 1 1
E = ò x(t) dt = ò X(f ) df = ò
2 2 2
X(w) dw (2.67)
R -¥ R -¥ 2pR -¥

Para el caso de que x(t) sea una señal de corriente, se tiene

¥ ¥ ¥
R
E =R ò x(t) = R ò X(f ) df = ò
2 2 2
X(w) dw (2.68)
¥ -¥ 2p -¥

Densidad Espectral de Energía . El Teorema de Parseval establece que ïX(f)÷2 se define

como la densidad espectral de energía Sx(f) de la señal x(t). Si x(t) es un voltaje o corriente
aplicada a un resistor con resistencia de un ohm, su espectro X(f) tiene dimensiones de
volts o de amper por unidad de frecuencia, y describe la distribución o densidad de voltaje
o de corriente en el dominio de la frecuencia. En tanto, la densidad espectral de energía
describe la distribución de la energía de la señal en el dominio de la frecuencia. Haciendo

Sx (f ) = X(f )
2
(2.69)

Se deduce que Sx(f) > 0 y es real y par, por lo tanto la energía E se puede escribir como

¥ ¥
E= ò Sx (f )df =2 ò Sx (f )df
-¥ 0
(2.70)

50
Es aquí donde se origina el concepto de ancho espectral de una señal, estableciendo que:
ancho espectral es la banda de frecuencias que contiene la mayor parte de la energía de la
señal. Un criterio podría ser el 90 %. Se considera despreciable la energía contenida en las
frecuencias que están fuera de tal banda.

Ejemplo 2.14

Determinar la Transformada de Fourier y la densidad espectral de energía del pulso

rectangular mostrado en la Figura 2.22.
x(t)

-t / 2 0 t/ 2 t
Figura 2.22. Pulso Rectangular del Ejemplo 2. 14

Solución
Como x(t) es simétrico par, se tiene
t
2
X(f ) = 2 ò A cos wtdt
0

Integrando

X(f ) = At sin c(ft)

Para f = 0, se tiene

X(0) = At

Esta expresión representa el área encerrada por el pulso.

En la Figura 2.23 se representan los espectros de amplitud y de fase de x(t)

51
 X(f )

0
-4 / t -3/ t -2 / t -1/ t 1/ t 2/ t 3/ t 4/ t f

a)

RX(f )

180º
-3/ t -2 / t -1/ t
1/ t 2/ t 3/ t 4/ t f

- 180º

b)

Figura 2.23. Espectro de:a) Amplitud ; b) de Fase de un Pulso Rectangular .

La densidad espectral de energía asociada al pulso rectangular es :

Sx (f ) = X(f ) = A 2 t2 sin c 2 (ft)

2

La gráfica de Sx(f) tiene una forma similar a la gráfica de êX(f)÷ , la cual se anula para
valores de f múltiplos de 1/t , y se puede deducir que la porción más significativa del
espectro se halla contenida en el intervalo çf÷< 1/t .Además, se observa que si la duración
del pulso se reduce (t más pequeño), el ancho espectral aumenta y viceversa . De modo que
los pulsos cortos tienen un gran ancho de banda, y los pulsos largos un ancho de banda
pequeño. El pulso rectangular se utiliza con frecuencia como señal modelo, aunque
físicamente no exista. Su simplicidad y fácil operación, lo hacen muy útil en Teoría de
Señales .

52
Ejemplo 2.15

a) Determinar la Transformada de Fourier de la función

h(t) = e - at u(t) , a>0

b) Determinar su densidad espectral de energía.

Solución
a) Aplicando la definición de Transformada de Fourier, se tiene

¥ ¥

ò h(t)e - jwt dt = òe
- at
H(f ) = u(t)e - jwt dt
-¥ -¥

¥ ¥
H(f ) = ò e e - at - jwt
dt = ò e - (a + jw) t dt
0 0

Integrando, se obtiene
¥
-1 -(a + jw)t
H(f ) = e
a + jw 0

Luego

1
H(f ) =
a + jw

b) Se tiene que la energía de h(t), con a > 0, es

¥ ¥
E= òh (t)dt = ò e -2at dt
2

-¥ 0

¥
-1 1
E = e -2at = <¥
2a 0 2a

Luego h(t) es descrita en término de energía y su densidad espectral de energía es

2
1
Sx (f ) = H(f ) =
2

a + jw

1
Sx (f ) =
a + w2 2

53
2.3.8. Potencia . Densidad Espectral de Potencia .

Potencia .Para el caso de señales descritas en términos de potencia, considerando una carga
resistiva de un ohm y una señal x(t), la potencia media P de x(t) está dada por

T
2
1
ò
2
P = lim x(t) dt (2.71)
T ®¥ T T
-
2

Para una señal periódica, la operación de llevar al límite se puede omitir siempre que T se
considere como el periodo de la señal. Sin embargo, hay señales de potencia que no son
periódicas, por lo que en este caso se debe considerar la ecuación (2.72) que representa el
caso general, para el cálculo de la potencia asociada a la señal x(t).
Densidad Espectral de Potencia. Para la determinación de la expresión de la densidad
espectral de potencia, se puede comenzar definiendo un truncamiento de la señal de
potencia x(t). Esta señal truncada se denomina xT (t), donde T es el intervalo de
observación y por conveniencia de análisis xT (t) se puede definir como

ìï x(t) t < T
x T (t) = í 2

ïî0 otros valores

La Figura 2.26 muestra un ejemplo de una señal x(t) y su versión truncada xT (t)
x(t)

-T/2 0 T/2 t
a)
x T (t)

-T/2 0 T/2 t
b)

Figura 2.26. Gráficas de : a) Señal de Potencia . b) Señal Truncada Asociada

54
De acuerdo a su definición, xT (t) es una señal descrita en términos de energía. Siendo XT
(f) su transformada de Fourier, su densidad espectral de energía Sx T (f) es

Sx T (f ) = X T (f )
2
(2.72)
Donde

T
¥ 2

òx ò x(t)e
- j2 pft - j2 pft
X T (f ) = T (t)e dt = dt (2.73)
-¥ - T2

Por lo que la densidad espectral de energía de xT (t) es la densidad espectral de energía de

x(t), contenida en el intervalo --T/2 < t < T/2. La potencia media en este intervalo es
la energia dividida por T, de manera que se puede decir que la densidad espectral de
potencia G x T (f) asociada a x(t) en el intervalo -T/2 < t < T/2, está dada por:

2
Sx T (f ) X T (f )
G xT = = (2.74)
T T

Como interesa la potencia media en todo el tiempo, no en un intervalo finito, para

determinar la densidad espectral de potencia Gx (f) de x(t) se considerará el límite de (2.74)
cuando T tiende al infinito, o sea

1 2
G x (f ) = lim G xT = lim X T (f ) (2.75)
T ®¥ T ®¥ T

En consecuencia, la potencia media P de x(t), en función de su densidad espectral de

potencia Gx (f) se expresa como

¥ ¥
1
P= ò G x (f )df =
-¥
ò G x (w)dw
2p -¥
(2.76)

Puede darse una explicación intuitiva de la expresión de la ecuación (2.76). La energía de la

función truncada aumenta ( al menos no disminuye ) al crecer T. Por lo tanto; la cantidad
ïXT (f)ï2 se incrementa ( al menos no disminuye ) al aumentar T. Cuando T se hace muy
grande, las fluctuaciones debidas a los efectos de extremo en la integración se harán
pequeñas y la cantidad ïXT (f)ï2 / T puede tender a un límite. Suponiendo que tal límite
existe, se tiene que la densidad espectral de potencia está dada por la ecuación (2.76) .
En la práctica, el término densidad espectral de potencia se usa como espectro de
densidad de potencia o espectro de potencia. Se observa que la densidad espectral de

55
potencia de una señal sólo proporciona información sobre la variación de su magnitud en
función de la frecuencia, omitiendo lo referente a la fase. Por lo que todas las señales con la
misma densidad espectral de potencia tienen idénticos espectros de potencia, sin importar
las posibles diferencias en las características de la fase. Por lo tanto, la densidad espectral
de potencia no describe unívocamente a la señal en cuestión. Hay una densidad espectral de
potencia específica para una señal dada, pero puede haber más de una señal con la misma
densidad espectral de potencia .

Ejemplo 2.16.

Utilizando el concepto de densidad espectral, determinar la energía o potencia media de las

señales :
a) x(t) = A
b) x(t) = Au(t)

Solución
a) Primeramente se determinará si x(t) = A es una señal de potencia o de energía. Para ello
se calculará su energía y se aplicará el criterio correspondiente.
La energía de x(t) es
¥ ¥

ò ò A dt = ¥
2
E= x(t) dt = 2

-¥ -¥

Como la energía E de x(t) es infinita, se tiene que x(t) = A es señal de potencia .

Por definición, la densidad espectral de potencia de x(t) está dada por

1 2
G x (f ) = lim X T (f )
T ®¥ T

Para la determinación de XT (f) se considerará la señal truncada xT (t) mostrada en al Figura

2.27.

xT (t)
A

t
-T/2 0 T/2

Figura 2.27. Gráfica de xT (t) del apartado a) del Ejemplo 2.16

56
En consecuencia
T
¥ 2

òx (f )e - jwt dt = ò Ae
- jwt
X T (f ) = T dt
-¥ -
T
2

Integrando, se obtiene
X T (f ) = AT sin c(fT)
Por lo tanto
1
G x (f ) = lim (AT)2 sin c 2 (fT) = A 2 lim T sin c 2 (fT)
T ®¥ T T ®¥

Por otra parte

d(f ) = lim e sin c 2 (fe)
e®¥

En consecuencia
Gx (f) = A2 d(f)
Como
¥ ¥

P= òG (f )df = ò A d(f )df

2
x
-¥ -¥

Integrando, se obtiene

P = A2 [watts]

Esta expresión de P puede ser verificada calculando la potencia media en el dominio del
tiempo, para ello se tiene
T
2
1
P = lim ò A dt = A [ watts]
2 2
T ®¥ T
T
-
2

b) En este caso la energía es

¥
E = ò A 2 dt = ¥
0

Por lo que la señal x(t) = Au(t) es de potencia, ya que x(t) es de valor acotado.
La señal truncada xT (t) a considerar tiene la gráfica mostrada en la Figura 2.40

xT (t)
A

t
-T/2 0 T/2
Figura 2.40. Gráfica de xT (t) del apartado b) del Ejemplo 2.25

57
Por lo cual, XT (f) está dada por

T
2
X T (f ) = ò Ae- jwt dt =
A
jw
(1 - e - jwT / 2 )
0

Ecuación que se puede escribir como

X T (f ) =
jw
(e - e ) e
A jwT / 4 - jwT / 4 - jwT / 4

A wT - jwT / 4 2A wT - jwT / 4
X T (f ) = 2jsen e = sen e
jw 4 w 4

Haciendo los arreglos algebraicos correspondientes para obtener la forma de la función

sinc(x), la ecuación anterior queda

AT æ fT ö
X T (f ) = sin c ç ÷ e - jwT / 4
2 è 2 ø

Por lo tanto la densidad espectral de potencia Gx (f) está dada por

1 A 2T 2 æ Tö A æ Tö
2
T
G x (f ) = lim sin c 2 ç f ÷ = lim sin c2 ç f ÷
T ®¥ T 4 è 2ø 2 T ®¥ 2 è 2ø

Recordando que

d(f ) = lim e sin c 2 (ef )

e®¥

y con e = T/2 , se obtiene

A2
G x (f ) = d(f )
2

En consecuencia la potencia media P es

58
 ¥
A2
P= ò d(f )
-¥
2

A2
P= [ watts]
2

Resultado que era de esperar, de acuerdo con la forma de las señales de los apartados a) y
b). y que puede ser ratificado calculando P en el dominio del tiempo.

12 A2
P = lim ò A 2 dt =
T ®¥ T
[ watts]
0
2

Si bien es cierto que es más simple y directo el cálculo de la potencia en el dominio del
tiempo, el ejemplo presentado tiene por objetivo el mostrar el procedimiento para la
determinación de la densidad espectral de potencia para señales de potencia que no sean
periódicas .

Ejemplo 2.26.

Sea x(t) la señal cuya gráfica se muestra en la Figura 2.41. Determinar su densidad
espectral de potencia.

x(t)
1

........ ........

-T - T2 0 T
2
T t

-1

Figura 2.41. Gráfica de x(t) del Ejemplo 2.26

Solución
Para una señal periódica la densidad espectral de potencia está dada por

59
 ¥

å
2
G x (f ) = C n d(f - nf 0 )
n =-¥

Por lo que es necesario determinar los coeficientes de la Serie de Fourier de la señal x(t)
dada. Estos están dados por
T
2
1
ò x(t)e
- jnw0 t
Cn = dt
T T
-
2

Por tener x(t) simetría impar

T
2
2j
T ò0
Cn = - x(t) sen nw0 tdt

De acuerdo a la Figura 2.34, x(t) en el intervalo (0,T/2) tiene un valor constante igual a 1,
por lo que
T

2j2
2j æ nw T ö
Cn = -
T 0ò sen nw0 tdt = - ç
nw0 T è
1 - cos 0 ÷
2 ø

Como w0 T=2p y 1-cosa =2sen2 (a/2) y aplicando la forma de la función sinc(x), la

ecuación anterior se puede escribir como

np ænö
Cn = - j sin c 2 ç ÷
2 è2ø
En consecuencia

æ np ö
¥ 2
ænö
G x (f ) = å ç ÷ sin c 4 ç ÷ d(f - nf 0 )
n =-¥ è 2 ø è2ø

2.3.9. Propiedades de la Transformada de Fourier. La Transformada de Fourier presenta

algunas propiedades, expresadas en forma de teoremas, que son muy útiles en los
problemas de transmisión de señales no periódicas.

Linealidad (Superposición). La Transformada de Fourier es una operación lineal basada

en las propiedades de la integración, por lo que puede aplicarse la superposición. Sean X1

60
(f) y X2 (f) las Transformadas de Fourier de x1 (t) y de x2 (t) respectivamente, luego para
dos constantes a1 y a2 arbitrarias se tiene que

F{a1 x1 (t) + a2 x2 (t)} = a1 X1 (f) + a2 X2 (f) (2 .77)

Esto proviene de la definición de Transformada de Fourier. Las consecuencias de esta

propiedad son de gran importancia en el estudio de los sistemas lineales. Esta propiedad
implica que el espectro de la suma de dos señales es igual a la suma de sus respectivos
espectros. A su vez, se deben tomar ciertas precauciones al sumar, dado que en general los
espectros son magnitudes complejas. Es un error común sumar sólo las magnitudes sin
tomar en cuenta las fases.
Complejas Conjugadas. Para cualquier señal compleja x(t), se tiene

F{x* (t)} = X *( -f) (2.78)

Demostración . Se tiene que

¥

F{ x* (t)} = ò x (t)e
* - jwt
dt
-¥

Ecuación que se puede escribir como

*
é¥ ù
F{ x (t)} = ê ò x(t)e jwt dt ú
*

ë -¥ û

F{ x* (t)} = X* (-f )

Para el caso de x(t) sea real, se tiene

x* (t) = x(t) Þ X*( -f) = X(f)

Simetría. Cuando una señal posee simetría con respecto al eje tiempo, su transformada
puede ser simplificada. La simetría de una señal depende de su forma y de la ubicación del
origen del tiempo. Pero se tiene la libertad de elegir el origen del tiempo dado que
físicamente no es único, en contraste con el origen en el dominio de la frecuencia, el cual
tiene un significado físico bien definido .
Cualquier señal se puede expresar como la suma de una función par xe(t), y de una
función impar xo (t), teniéndose que

x(t) = xe (t) + xo (t) (2.79)

61
de donde
x e (t) = 1
2 [ x(t) + x(-t)]
(2.80)
x 0 (t) = 12 [ x((t) - x(- t) ]

Esto da origen a las siguientes propiedades de la Transformada de Fourier

¥
F{ x e (t)} = X e (f ) = 2 ò x e (t) cos wtdt (2.81)
0

¥
F{ x 0 (t)} = X 0 (f ) = -2 jò x 0 (t) sen wtdt (2.82)
0

Demostración. Aplicando transformada a la ecuación (2.79) se obtiene

¥ ¥ ¥

ò x(t)e òx dt + ò x 0 (t)e - jwt

- jwt - jwt
X(f ) = dt = e (t)e (2.90)
-¥ -¥ ¥

considerando la primera integral del segundo miembro de la ecuación anterior, se tiene

¥ ¥ ¥

X e (f ) º ò
-¥
x e (t)e - jwt dt = ò
-¥
x e (t) cos wtdt - j ò x e (t) sen wtdt
-¥

como xe (t)coswt es función par y xe (t)senwt es función impar, la ecuación anterior se

reduce a
¥
X e (f ) = 2ò x e (t) cos wdt
0

Considerando la segunda integral de (2.90)

¥ ¥ ¥

X 0 (f ) º ò
-¥
x 0 (t)e - jwt dt = ò
-¥
x 0 (t) cos wtdt - j ò x 0 (t) sen wtdt
-¥

como xo (t)coswt es función impar y xo (t)senwt es función par, se tiene

¥
X 0 (f ) = -2 jò x 0 (t) sen wtdt
0

Para el caso de que x(t) presente simetría par (x0 (t) = 0), se tendrá que

62
 X( f ) = Xe( f ) (2.84)

y para el caso de que x(t) presente simetría impar ( xe (t) = 0), se tendrá

X( f) = X0 ( f ) (2.85)

Las ecuaciones (2.84) y (2.85) establecen que el espectro de una señal real simétrica puede
ser real puro y par o imaginario puro e impar.
Si x(t) es una señal causal, o sea que

x(t) = 0 para t < 0 (2.86)

lo cual significa que la señal parte en 0 después de t = 0. Dado que la causalidad excluye
cualquier simetría temporal, el espectro consiste tanto de la parte real como imaginaria de
la integral
¥
X(f ) = ò x(t)e- jwt dt (2.87)
0

En este caso las partes real e imaginaria del espectro están relacionadas. No se pueden
especificar en forma arbitraria.

Dualidad. Existe dualidad entre los dominios del tiempo y de la frecuencia. Esto se aprecia
examinando el par de integrales de Fourier, la de análisis y la de síntesis. Ellas se
diferencian solamente en la variable de integración y en el signo del exponente de la
exponencial compleja. Una consecuencia de esta similitud es el Teorema de Dualidad, el
que establece que si x(t) y X(f) constituyen un par conocido de transformada, y si existe
una función temporal z(t) relacionada a la función X(f) por

z(t) = X(t) (2.88)

luego
F{z(t)} = x( - f ) (2.89)

donde x(- f ) es igual a x(t) con t = -f .

Demostración. La demostración de este teorema se basa en el reconocimiento de que la

Transformada de Fourier son integrales definidas cuyas variables de integración son
variables ficticias. Luego, si en la transformada inversa se reemplaza f por la variable
ficticia l, se obtiene

ò X(l)e
j2 plt
x(t) = dl
-¥

63
Además, ya que t es una variable ficticia en la integral que define la Transformada de
Fourier y dado que z(t) = X(t), se tiene

¥ ¥

F{z(t)} = ò z(l)e- j2 pfl dl = ò X(l)e

j2 pl ( - f )
dl
-¥ -¥

Comparando las dos últimas integrales se deduce que

F{z(t)} = x(- f )

Ejemplo 2.20.

Determinar la Transformada de Fourier de z(t) = Asinc(2Wt).

Solución
Se obtendrá Z(f) aplicando el Teorema de Dualidad al par de transformada
F
x(t) = BP ( t )
t
X(f ) = Bt sin c(ft)

Reescribiendo la expresión dada para z(t) de la siguiente manera

z(t) = ( 2W
A
) (2W)sin c(t2W)

comparando esta expresión con la de X(f), se puede escribir que z(t) = X(t) con t = 2W y B
= A/2W. La propiedad de dualidad establece que

Z(f ) = F {z(t)} = x(- f ) = BP ( - ft ) = ( 2W

A
)P ( - 2W
f
)

como la función rectangular es simétrica par, se tiene que F{z(t)} tiene la forma

A æ f ö
Z(f ) = Pç ÷
2W è 2W ø

Luego, una función sin(x)c en el dominio el tiempo tiene una transformada de forma pulso
rectangular en el dominio de la frecuencia .

Escalamiento de Coordenadas. La expansión o compresión de una señal en el tiempo

afecta a su densidad espectral. Sea x(t) una señal cualquiera y sea a un factor constante de
escala real, la propiedad de escalamiento establece que

64
 1 æf ö
F{ x(at)} = a¹0
a çè a ÷ø
X (2.90)

La señal escalada x(at) será expandida si ïaï<1 y será comprimida si ïaï>1. Un valor
negativo de a produce una inversión temporal como también expansión o compresión. Si a
= -1, se tiene el par de transformada x( -t) « X( -f) y en este caso tanto la señal como el
espectro son invertidos .
Si a es positiva pero menor que uno, x(at) es una versión expandida x(t) y su
densidad espectral se comprime. La magnitud de la densidad espectral también cambia para
mantener el balance de energía entre los dos dominios. Si a es positiva y mayor que uno,
x(at) es una versión comprimida de x(t) y su densidad espectral se expande en frecuencia
en 1/a .

Demostración. Considerando a < 0, se tiene a = - ïaï y haciendo el cambio de variable l

= - ïaït. Luego, t = l/a, dt = - dl /ïaï, y

F{ x(- a t)} = ò x(- a t)e

- jwt
dt
-¥

-1 ¥
F{ x(- a t)} = ò x(l )e - jwl / a dl
a -¥
¥
F{ x(- a t)} =
1
ò x(l)e
- j2 p (f / a ) l
dl
a -¥

1 æf ö
F{ x(- a t)} = Xç ÷
a èaø

Para a positiva se hace el cambio de variable l = ïaït y mediante un proceso similar al

anterior se obtiene el mismo resultado .

Desplazamiento Temporal . Dada una función temporal x(t), se pueden generar otras
formas a partir de ella modificando su argumento. Específicamente, reemplazando t por t -
td y con td > 0 se produce la señal retardada en el tiempo x(t - td ). La señal retardada tiene
la misma forma que x(t), pero desplazada td unidades hacia la derecha a lo largo del eje del
tiempo. En el dominio de la frecuencia, el retardo temporal produce un agregado de fase
lineal con pendiente negativa -2ptd , o sea

F { x(t - t d )} = X(f )e - j2 pft d (2.91)

65
Demostración. Considerando que w = 2pf y realizando el cambio de variable l = t - td en la
integral de la transformada, se tiene

¥
F{ x(t - t d )} = ò x(t - t d )e- jwt dt
-¥
¥
F{ x(t - t d )} = ò x(l)e
- jw( l+ t d )
dl
-¥

é¥ ù
F{ x(t - t d )} = ê ò x(l )e - jwl dl ú e - jwt d
ë -¥ û

El término entre paréntesis cuadrados corresponde a X(f), luego

F { x(t - t d )} = X(f )e- jwt d

Si td es negativo, se dice que se produce una señal adelantada x(t + td ) y en este caso se
tiene

F { x(t + t d )} = X(f )e jwt d

En ambos casos la amplitud del espectro permanece constante ya que

X(f )e- jwt d = X(f )e jwt d = X(f )

Ejemplo 2.21.

Determinar Z(f) en términos de X(f), X(f)= F{x(t)}, cuando z(t) = x(at - td) .

Solución
Considerando la señal x(at) y utilizando la propiedad de escalamiento , se tiene

1 æf ö
F{ x(at)} =
a çè a ÷ø
X

Con z(t) = x(at - td ) y aplicando la propiedad de desplazamiento, se obtiene

1 æ f ö - j wa td
F{z(t)} = F{x(at - t d } =
a çè a ÷ø
X e

66
Ejemplo 2.22.

Determinar la Transformada de Fourier de la señal x(t) mostrada en la Figura 2.42 .

x(t)
1

-t t t

-1
Figura 2.42. Gráfica de x(t) del Ejemplo 2.29

Solución .
Se tiene que
æ t + 2t ö æ t - 2t ö
x(t) = P ç ÷ - P ç t ÷
è t ø è ø

Aplicando transformada a y(t)=P ( tt ) , se obtiene

Y(f ) = t sin c(ft)

Como x(t) = y(t + t/2) - y(t - t/2), aplicando transformada a x(t) , se obtiene

X(f ) = Y(f )e jwt / 2 - Y(f )e - jwt / 2

X(f ) = Y(f ) ( e jwt / 2 - e - jwt / 2 )

X(f ) = Y(f )(2 jsen wt2 ) = (2 jsen wt2 )Y(f )

Considerando la expresión de Y(f), se tiene

X(f ) = ( 2 jsen pft ) t sin c(ft)

ecuación que se puede escribir como

sen pft
X(f ) = ( 2jpft ) t sin c(ft)
pft

67
Aplicando la definición de sinc(x), se obtiene

X(f ) = ( 2 jpf ) t2 sin c2 (ft)

Desplazamiento de Frecuencia y Modulación. La propiedad dual a la de retardo es la

propiedad de traslación en frecuencia

{ }
F x(t)e jw0 t = X(f - f 0 ) (2.92)

Se designa esta propiedad como traslación de frecuencia o modulación, dado que

multiplicar una función temporal por e jw0 t produce una traslación de su espectro a la
frecuencia +f0 .

Demostración. Se tiene
¥

{
F x(t)e jw0 t
} = ò x(t)e jw0 t - jwt
e dt
-¥

{
F x(t)e jw0 t
} = ò x(t)e - j( w-w0 )t
dt
-¥

{ }
F x(t)e jw0 t = X(f - f 0 )

También se demuestra que

{ }
F x(t)e - jw0 t = X(f + f 0 )

Para el caso de x(t) real, utilizando la propiedad de desplazamiento en frecuencia, es simple

la determinación de la transformada de Fourier de x(t)cosw0 t, expresión que se puede
escribir como
x(t) cos w0 t = 12 x(t) éë e jw0 t + e- jw0 t ùû

Usando la propiedad de traslación en frecuencia, se obtiene

F { x(t) cos w0 t} = 1
2 [ X(f - f 0 ) + X(f + f 0 )] (2.93)

68
Para el caso de la señal x(t)senw0 t, se tiene
F { x(t) sen w0 t} = 1
2j [ X(f - f0 ) - X(f + f 0 )] (2.101)

Ejemplo 2.30.

Determinar la Transformada de Fourier de x(t- 12 )e jpt .

Solución
Para la aplicación de las propiedades de desplazamiento temporal y de desplazamiento en
frecuencia, se define la señal g(t) tal que

g(t) = x(t - 12 )

Aplicando transformada a la ecuación anterior, se tiene

F{g(t)} = G(f ) = F{ x(t - 12 } = X(f )e

- jw 12

G(f ) = X(f )e - jpf

Como w0 = p se tiene que f0 = 1

2 y aplicando transformada a g(t)ejpt se obtiene

F{g(t)e jpt } = G(f - 12 )

Considerando la expresión obtenida para G(f), se tiene que

- jp (f - 12 )
G(f - 12 ) = X(f - 12 )e

jp
G(f - 12 ) = X(f - 12 )e - jpf e 2
Por lo tanto

F{g(t)e jpt } = F{ x(t - 12 )e jpt } = je - jpf X(f - 12 )

Derivación e Integración. Ciertas técnicas de procesamiento implican la derivación o

integración de una señal. Los efectos en el dominio de la frecuencia son indicados por el
teorema que establece

69
 ìd ü
F í x(t) ý = jwX(f ) (2.95)
î dt þ

Teorema que se satisface siempre dx(t)/dt sea absolutamente integrable .

Demostración . Para derivar el Teorema de Derivación, se reemplaza x(t) por su expresión
como transformada inversa, o sea
¥

ò X(f )e
jwt
x(t) = df
-¥

Derivando esta ecuación con respecto al tiempo, se tiene

d é ù
¥
d
x(t) = ê ò X(f )e j2 pft df ú
dt dt ë -¥ û

¥
d æd ö
x(t) = ò X(f ) ç e j2 pft ÷ df
dt -¥ è dt ø
De donde
¥
d
x(t) = ò [ j2pfX(f )] e j2 pft df
dt -¥

Aplicando a esta última ecuación la definición de transformada inversa se tiene que

ìd ü
F í x(t) ý = j2pfX(f )
î dt þ

Por iteración se obtiene

ì dn ü
F í n x(t) ý = ( j2pf )n X(f )
î dt þ

Analizando la expresión del Teorema de Derivación, se deduce que la derivación con

respecto al tiempo incrementa las componentes de alta frecuencia de una señal.
El Teorema de Integración establece que

F {ò-¥
t
x(t)dt = } 1
jw
X(f ) + pX(0)d(f ) (2.96)

donde
¥

X(0) = ò x(t)dt
-¥
(2.97)

70
Se observa que la integración en el tiempo suprime las componentes de alta frecuencia de la
señal. Esta conclusión está en concordancia con la afirmación de que el proceso de
integración suaviza las fluctuaciones de una señal en el dominio del tiempo. Obviamente si
X(0) = 0, la transformada de la integral se reduce a
ìt ü 1
F í ò x(t)dtý = X(f )
î -¥ þ jw
Ejemplo 2.24.

Determinar la Transformada de Fourier del pulso x(t) mostrado en la Figura 2.42 .

x(t)
A

-2t -t tt 2t
Figura 2.31|. Gráfica del Pulso Trapezoidal del Ejemplo 2.24 .
Solución
Dada la forma del pulso trapezoidal es más conveniente determinar su transformada
aplicando el Teorema de Derivación. Para ello, x(t) se deriva dos veces, las gráficas de tales
derivadas se muestran en la Figura 2.32 .

x , (t)
A
t

t 2t
-2t -t t

- At
a)
x ,, (t) A
A t
t

- At - At
b)
Figura 2.32. Gráficas de x , (t) y de x ,, (t) del Ejemplo 2.24

De donde se obtiene que

71
 F{x ,, (t)} =
A
é F {d(t + 2t) - d(t + t) - d(t - t) + d(t - 2t)}ùû
të
por lo tanto

F{x ,, (t)} = (e - e - e + e )
A j2wt jwt - jwt - j2wt
t

Como el Teorema de Derivación establece que

F{ x ,, (t)} = ( j2pf ) 2 X(f )

de donde se deduce que

F {x ,, (t)}
X(f ) =
-(2pf ) 2

Considerando la expresión obtenida de F{x ,, (t)} , X(f) se puede escribir

A é e j2 wt + e - j2 wt - (e jwt + e - jwt ) ù
X(f ) =
t êë -(2pf )2 ú
û
Aplicando Euler, se tiene

A é 2 cos 2wt - 2 cos wt ù A é 2(1 - 2sen 2 wt) - 2 cos wt ù

X(f ) = ú= t ê ú
t êë -(2pf )2 û ë -(2pf )2 û

A é 2(1 - cos wt) - 4sen 2 wt ù A é 4sen 2 wt2 - 4 sen 2 wt ù

X(f ) = ú= t ê ú
t êë -(2pf )2 û ë -(2pf )2 û

ù A é 4 sen wt2 (1 - 4 cos wt

) ùú
2 2
A é 4 sen 2 wt
- 16sen 2 wt
cos 2 wt
X(f ) = ê ú= t ê
2 2 2 2

të -(2pf )2 û êë -(2pf ) 2 úû

A é 4 sen 2 wt2 (1 + 2 cos wt) ù

X(f ) =
t êë (2pf )2 ú
û

Haciendo uso de la definición de la función sinc(x), la última ecuación se puede escribir de

la siguiente manera
X(f ) = At sin c 2 (ft)(1 + 2 cos 2pft)

72
Ejemplo 2.25.

Utilizando la propiedad de integración, determinar la Transformada de Fourier del pulso

x(t)
A

-t 0 t t
triangular mostrado en la Figura 2.45.

Figura 2.33. Gráfica del Pulso Triangular del Ejemplo 2.25

Solución
Analíticamente la expresión del pulso triangular dado es

ì æ t ö
ï A ç1 - ÷ t <t
x(t) = í è tø
ï
î0 t >t

Para determinar la transformada de x(t), se hará uso de la propiedad o Teorema de

Integración. Para ello se considerará la señal y(t), cuya gráfica se ilustra en la Figura 2.34.

y(t)
A

t
-t t

-A
Figura 2.434. Gráfica de y(t) del Ejemplo 2.25

Por lo que la relación entre x(t) e y(t) es

t
1
x(t) = ò y(l)dl
t -¥

73
Aplicando el teorema de integración, se obtiene

1 1
X(f ) = Y(f )
t j2pf

Por resultado del Ejemplo 2.21, se tiene

Y(f ) = A( j2pf )t2 sin c 2 (ft)

En consecuencia X(f) está dado por

X(f ) = At sin c2 (ft)

2.3.10. Transformada de Fourier de Funciones Singulares y Especiales.

Transformada de Fourier de la Función Impulso : d(t) .

Por definición, se tiene que
¥

F{d(t)} = ò d(t)e
- jwt
dt
-¥

Integrando, se obtiene .
F {d(t)} = 1 (2.98)

La ecuación (2.98), indica que la función d(t) tiene una densidad espectral uniforme para
todas las frecuencias, tal como se muestra en la Figura 2.35 .

x(t) X(f)
d(t) 1

t f

0 0
Figura 2.35. Impulso d(t) y su Transformada de Fourier

De la ecuación (2.98), se obtiene

74
 ¥
1
F-1 {1} = ò e jwt dw = d(t) (2.99)
2p -¥

Generalizando la variable temporal, se obtiene

òe
jwx
dw = 2pd(x) (2.100)
-¥

Transformada de Fourier de una Función Periódica .

Si x(t) es una función periódica se tiene

¥
x(t) = åCe
n =-¥
n
jnw0 t

Aplicando la Transformada de Fourier en la ecuación anterior, se obtiene

ì ¥ ü
F{ x(t)} = F í å Cn e jnw0 t ý
î n =-¥ þ
La cual puede escribirse como
¥
F{ x(t)} = å C F{e }
n =-¥
n
jnw0 t

El problema se reduce a determinar F{e jnw0 t } . Aplicando Transformada de Fourier, la

ecuación (2.106), y como d(t) tiene simetría par, se obtiene que

{ }
F e jnw0 t = 2pd ( w - nw0 )

Por lo tanto

¥
ü
F{x(t)} = 2p å C n d ( w - nw0 ) ï
n =-¥
ïï
o ý (2.101)
¥ ï
F{x(t)} = å C d ( f - nf )
n =-¥
n 0
ï
ïþ

75
Ejemplo 2.26.

Determinar la Transformada de Fourier de un tren de impulsos de intensidad unitaria y separados en

T segundos, tal como se muestra en la Figura 2.36.

dT (t)
1

......... .........

-5T -4T -3T -2T -T 0 T 2T 3T 4T 5T t

Figura 2.36. Tren de Impulsos de Intensidad Unitaria con Período T del

Ejemplo 2.26.
Solución
Se tiene que
¥
dT (t) = å d ( t - nT )
n =-¥

Como dT(t) es periódica , luego

¥
dT (t) = åC e
n =-¥
n
jnw0 t

Por lo tanto
T
2
1
Cn =
T òd T
T (t)e - jnw0 t dt
-
2

En el intervalo [ -T/2 , T/2 ] se cumple que

dT (t) = d(t)
En consecuencia
T
2
1
ò d(t)e
- jnw0 t
Cn = dt
T T
-
2

Aplicando la siguiente propiedad de la función impulso, se tiene

ò f (t)d(t)dt = f (0)
-¥

Se tiene que

76
 1
Cn =
T
por lo que
¥
1
F{dT (t)} = 2p å d(w - nw0 )
n =-¥ T

Como
2p
w0 =
T

De aquí F{dT (t)} se puede escribir como

¥
F{dT (t)} = w0 å d ( w - nw )
n =-¥
0

o
¥
F{dT (t)} = f 0 å d ( f - nf )
n =-¥
0

Del resultado obtenido se deduce que la Transformada de Fourier de un tren de impulsos

unitarios de período T , es también un tren de impulsos de intensidad w0 ( f0 ) y con período
2p/w0 (1/f0). Es evidente que cuando el período T de los impulsos disminuye, w0 (f0 )
aumenta, lo cual representa un aumento en la separación de las líneas espectrales .

Ejemplo 2.34.

Determinar la Transformada de Fourier de una constante dada por : f(t) = A .

Solución
Aplicando la definición de Transformada de Fourier , se tiene

F{A} = ò Ae
- jwt
dt
-¥

Haciendo el cambio de variable : t = -x , F{A} se puede escribir como

F{A} = A ò e jwx dx
-¥

de donde

77
 F{A} = 2pAd(w)
o
F{A} = Ad(f )

En la Figura 2.37 se muestra la gráfica de la Transformada de Fourier de una constante

f(t) F(f)
A Ad(f)

t f
0 0
1
Figura 2.37. Una Constante y su Transformada de Fourier

Transformada de sgn(t) .
La función sgn(t) se define como

ì1 para t>0
ï
sgn(t) = í
ï -1 para t<0
î

La Figura 2.38 ilustra la gráfica de la función sgn(t) .

sgn(t)
1

-1

Figura 2.38. Gráfica de la Función sgn(t)

78
La Transformada de Fourier de la función sgn(t) se puede obtener utilizando la propiedad
de la derivación en el tiempo , la cual establece que :
Si se tiene el par de transformada
F
x(t) X(f )
Luego se cumple que

F
x , (t) jwX(f )
Por lo tanto si

x(t) = sgn(t)

luego
x , (t) = 2d(t)

Aplicando transformada a la última ecuación, se obtiene

F{x , (t)} = 2
Como

F{ x , (t)} = jwX(f )
de donde
F {x , (t)}
X(f ) =
jw
Por lo tanto
2
X(f ) = F{sgn(t)} = (2.102)
jw

Transformada de Escalón Unitario : u(t) .

La definición analítica de la función u(t) es

ì1 para t>0
ï
u(t) = í
ï0
î para t<0

La gráfica de u(t) se muestra en la Figura 2.39 .

79
 u(t)
1

t
0
Figura 2.39. Escalón Unitario
La función escalón unitario se puede expresar en función de la función sgn(t), de la
siguiente manera
1 1
u(t) = + sgn(t)
2 2

Aplicando la propiedad de la linealidad de la Transformada de Fourier y el valor de la

transformada de la función sgn(t), se obtiene

1 1
F{u(t)} = d(f ) + (2.103)
2 jw
Transformada de e jw0 t .

Aplicando la definición de Transformada de Fourier, se tiene

¥ ¥

{ }= ò e
F e jw0 t jw0 t - jwt
e dt = òe
j( w0 -w ) t
dt
-¥ -¥

Haciendo los cambios de variables siguientes

t = -y ; w - wo = x
se obtiene
¥

{ } òe
F e jw0 t = jxy
dy = 2pd(x)
-¥

Como w - w0 = x , por lo tanto

{ }
F e jw0 t = d(f - f 0 ) (2.104)
En forma similar se obtiene
{ }
F e - jw0 t = d(f + f 0 ) (2.105)

80
Transformada de coswot y senwot .
Se tiene
ì1 ü
(
F{cos w0 t} = F í e jw0 t + e - jw0 t ý
î2 þ
)
luego
1
F{cos w0 t} = é d ( f - f 0 ) + d ( f + f 0 ) ùû (2.106)
2ë
Empleando un método similar, se obtiene
-j
F{sen w0 t} = éd ( f - f 0 ) - d ( f + f 0 ) ùû
2 ë
o (2.107)
1
F{senwo t} = éë d ( f - f 0 ) e - jp / 2 + d ( f + f 0 ) e jp / 2 ùû
2
La Figura 2.40 ilustra las funciones senw0t y cosw0 t y sus espectros de amplitud y de fase

a)Función cosw0 t

F(w)

-wo 0 w0

b) Espectros de cosw0 t

81
 t

c)Función senw0 t

F(w)
p
2

-w0 w0 w
- p
2

d) Espectros de senw0 t
Figura 2.40. Gráficas de las Funciones cosw0t y senw0t y de sus Espectros
En la Tabla 2.2, se muestran pares de transformadas básicas muy utilizadas

Tabla 2.2. Pares de Transformadas de Fourier

Función del Tiempo, x(t) Transformada de Fourier, X(w)

1
e- at u(t)
a + jw
1
te- at u(t)
( a + jw)
2

ìï1, t < T2
x T (t) = í T sin c ( w2T )
ïî0, otros valores

ï
í
( )
ìA 1 - t ,
T
t <T
AT sin c 2 ( w2T )
ïî0, t >T

-a t 2a
e
a + w2
2

82
 w0
e- at sen(w0 t)u(t)
( a + jw ) + w20
2

a + jw
e- at cos(w0 t)u(t)
( a + jw ) + w20
2

p -w2 / 4a
e-at
2
e
a

t n -1 - at 1
e u(t)
(n - 1)! ( jw + a )
n

1 p -a w
e
a + t2
2
a

cos bt p é - a w- b - a w+ b
ù
e +e
a 2 + t2 2a ë û

senbt p é - a w- b - a w+ b
ù
e -e
a 2 + t2 2aj ë û

cos w0 t éë u(t + T2 ) - u(t - T2 ) ùû

Té
2ë
sin c ( ( w-w0 )
2 )
T + sin c ( ( w+w0 )
2 )
T ù
û

-2
t
w2

d n d(t)
( jw) n
dt n

2.3.11. Determinación de la Transformada Inversa de Fourier por Expansión en

Fracciones Parciales. La técnica de la expansión fracciones parciales es una herramienta
de gran utilidad para el estudio de señales y sistemas, especialmente en la inversión de la
Transformada de Fourier, tanto de señales de tiempo continuo como de tiempo discreto, de
Laplace y Z. Es muy empleada para el análisis de sistemas descritos por ecuaciones
diferenciales o de diferencias con coeficientes constantes. Básicamente, el método de
expansión en fracciones parciales consiste en considerar funciones racionales y expandirlas
como una combinación lineal de términos racionales más simples. El problema elemental,
para obtener la expansión en fracciones parciales,es la determinación de los coeficientes de
esta combinación lineal.
Para un análisis generalizado, se considerarán funciones racionales de la variable r, de la
forma

83
 b m r m + b m -1r m -1 +··········+ b1r + b 0
H(r) = (2.108)
a n r n + a n -1r n -1 +············+ a1r + a 0

Una expresión muy utilizada de H(r) es

c m r m + c m -1r m -1 +········+ c1r + c0

H(r) = (2.109)
r n + d n -1r n -1 +········+ d1r + d 0

La forma de la ecuación (2.109) puede obtenerse a partir de la ecuación (2.108),

factorizando el denominador de (2.108) por an de manera que ci = bi/an y di = ai/an.

Polos y Ceros de una Función Racional.

Ceros. Los ceros de una función racional son las raíces del polinomio del numerador, y
cada uno de ellos hace cero la función racional.
Polos. Los polos de una función racional son las raíces del polinomio del denominador, y
cada polo hace infinita la función racional.
Designando por zi a los ceros y por pi a los polos de una función racional, la
ecuación (2.110) se puede escribir como

b m (r - z1 )(r - z 2 )··········(r - z m )
H(r) = · (2.110)
a n (r - p1 )(r - p 2 )·········(r - p n )

Función Racional Propia. Para el caso que en la función racional, se tenga m < n, la
función racional H(r) se conoce como Función Racional Propia.

Función Racional Impropia. Si m ³ n, H(r) se denomina Función Racional Impropia. En

este caso, H(r) se puede expresar como la suma de un polinomio en r y de una función
racional propia. Considerando la ecuación (2.109), se tiene

bn -1r n -1 +··+b1r + b0
H(r) = g m -n r m -n + g m - n -1r m - n -1 +···+g1r + g 0 + (2.111)
r n + d n -1r n -1 +···+ d1r + d 0

Donde los coeficientes g1 ,g2,....... ,gm-n y b0, b1,........, bn-1, se obtienen al igualar las
ecuaciones (2.109) y (2.111) y posteriormente multiplicándolas por el polinomio del
denominador, para enseguida comparar los coeficientes de potencias iguales de r de ambos
miembros de la ecuación resultante y de esta manera determinar los coeficientes b y g en
función de los coeficientes conocidos c y d. Para visualizar el procedimiento indicado, se
desarrollará el siguiente ejemplo.

84
Ejemplo 2.28.

Sea la siguiente función racional impropia

c3 r 3 + c 2 r 2 + c1r + c 0
H(r) =
r 2 + d1r + d 0

Expresar esta función como la suma de un polinomio en r y de una función racional propia.

Solución
De acuerdo a la expresión dada de H(r), se tiene que m = 3 y n = 2. Considerando (2.118),
la expresión dada de H(r) se puede escribir como

b1r + b0
H(r) = g1r + g 0 + (I)
r + d1r + d 0
2

Igualando la expresión dada de H(r) con (I), se tiene

c3 r 3 + c2 r 2 + c1r + c o b r + b0
= g1r + g 0 + 2 1
r + d1r + d 0
2
r + d1 r + d 0

Multiplicando esta ecuación por r2 + d1r + d0, y reduciendo, se obtiene

c3 r 3 + c 2 r 2 + c1r + c o = g1r 3 + (g1d1 + g 0 )r 2 + ( g1d 0 + g 0 d1 + b1 )r +

+ g 0 d 0 + b0

Igualando los coeficientes de potencias iguales de r, se tiene

c 3 = g1
c 2 = g1d1 + g 0
c1 = g1d 0 + g 0 d1 + b1
c 0 = g 0 d 0 + b0

Resolviendo este sistema de ecuaciones, se obtiene

g1 = c 3
g 0 = c 2 - c3d1
b1 = c1 + c3d13 - c3 d 0 - c 2 d1
b0 = c 0 + c3d 0 d1 - c 2 d 0
Por lo tanto, la expresión pedida para H(r) es
85
 (c1 + c3 d12 - c3 d 0 - c 2 d1 )r + c0 + c3d 0 d1 - d 0 c 2
H(r) = c3 r + c2 - c1d1 +
r 2 + d1 r + d 0

El denominador de la ecuación (2.116) se puede factorizar en función de sus polos, es decir

c m r m + c m -1r m -1 +··········+ c1r + c0

H(r) = (2.112)
(r - p1 )(r - p 2 )··········(r - p n -1 )(r - p n )

La ecuación (2.112) se puede expandir en fracciones parciales y toma la forma siguiente

A1 A2 A n -1 An
H(r) = + +·······+ + (2.113)
r - p1 r - p 2 r - p n -1 r - p n
El problema de la expansión en fracciones parciales se reduce a la determinación de los
coeficientes Ai , los que dependerán de la naturaleza de los polos de H(r). De aquí, se
pueden analizar los siguientes casos.

Polos diferentes. En este caso, los coeficientes Ai se determinan utilizando la ecuación

Ai = [ (r - pi )H(r) ] r = p (2.114)
i

Ejemplo 2.29.

Determinar la expansión en fracciones parciales de la función racional

r +1
H(r) =
r + 2r + 5
2

Solución
Los polos de H(r) se determinan resolviendo la ecuación

r 2 + 2r + 5 = 0

obteniéndose
p1 = -1 + j2 , p 2 = -1 - j2

Por lo tanto
r +1 A1 A2
H(r) = = +
éë r - ( -1 + j2 ) ùû éë r - ( -2 - j2 ) ùû r - ( -1 + j2 ) r - ( -1 - j2 )

86
De donde

{
A1 = éë r - ( -1 + j2 ) ùû H(r) } r =-1+ j2
=
1
2

{
A 2 = éë r - ( -1 - j2 ) ùû H(r) } r =-1- j2
=
1
2

Luego, la expansión en fracciones parciales de la función H(r) dada es

1 1
H(r) = 2
+ 2
r - ( -1 + j2 ) r - ( -1 - j2 )

Polos Múltiples. En general, una función racional puede tener algunos polos diferentes
conjuntamente con algunos polos múltiples. Para el caso de que se tenga polos diferentes y
un polo pi múltiple con multiplicidad li , se puede considerar la siguiente expansión en
fracciones parciales

A1 A2 A Ai 2 A il i
H(r) = + +····+ i1 + +····+ (2.115)
r - p1 r - p 2 r - pi ( r - pi ) 2
( r - pi ) i
l

Los coeficientes de los polos diferentes A1, A2, ·········, y el coeficiente Ail se determinan
utilizando la ecuación (2.114), tal como se empleó en el Ejemplo 2.36. Los coeficientes Ai1,
Ai2, ·······, Aik, se determinan usando la siguiente expresión

1 é d li - k é ù
l i - k ë(
r - pi ) i H(r) ù ú , k = 1,2,····, li – 1
l
Aik = ê (2.116)
( li - k )! ë dr ûû
r = pi

Ejemplo 2.30.

Para la función
2(r + 1)
H(r) =
r(r + 3)(r + 5) 2

Determinar su expansión en fracciones parciales

Solución
Los polos de H(r) son

87
 p1 = 0 , p2 = -3 y el polo p3 = -5 con multiplicidad 2

En consecuencia, H(r) se puede escribir como

A A A A 32
H(r) = 1 + 2 + 31 +
r r + 3 r + 5 (r + 5)2
Por lo que
2(r + 1) 2
A1 = rH(r) r =0 = =
(r + 3)(r + 5) 2 r =0
75

2(r + 1) 1
A 2 = (r + 3)H(r) r =-3 = =
r(r + 5) 2 r =-3
3

2(r + 1) 4
A32 = (r + 5) 2 H(r) = =-
r =-5 r(r + 3) r =-5 5

1 é d 2-1 ù d é 2(r + 1) ù
A31 = ê é (r + 5)2 H(r) ùû ú
2 -1 ë
= ê ú
(2 - 1)! ë dr û r =-5 dr ë r(r + 3) û r =-5

Derivando y evaluando, se obtiene

9
A 31 = -
25
Por lo tanto, la expansión pedida es

2 1
- 259 - 54
H(r) = 75
+ 3
+ +
r r+3 r + 5 (r + 5)2

Para determinar la Transformada Inversa de Fourier de H(w), se puede aplicar el

siguiente procedimiento: se realiza el cambio de variable de jw por r y se procede a la
expansión en fracciones parciales de H(r). Una vez, determinados los coeficientes
correspondientes, se vuelve a la variable jw y se aplica Transformada Inversa de Fourier a
cada fracción parcial.

88
Ejemplo 2.31.

Determinar la Transformada Inversa de Fourier de la función

7 + 5jw
H(w) =
(4 + jw) éë ( jw) 2 + jw + 1ùû
Solución
Haciendo jw = r, se tiene

7 + 5r
H(r) =
(4 + r) éë r 2 + r + 1ùû
Los polos de esta función son

p1 = -4 ; p 2 = - 12 + j 2
3
; p3 = - 12 - j 2
3

Luego H( r) se puede escribir como

7 + 5r
H(r) =
(r + 4) éë r + ( - j 23 ) ùû éë r + ( 12 + j 23 ) ùû
1
2

Por lo que la expansión en fracciones parciales es

A1 A2 A3
H(r) = + +
r + 4 r + ( 12 - j 23 ) r + ( 12 + j 23 )

Los coeficientes son determinados por

7 + 5r
A1 = (r + 4)H(r) r =-4 = = -1
é r + ( 12 - j 23 ) ù é r + ( 12 + j 23 ) ù
ë ûë û r =-4

7 + 5r 1 3
A 2 = éë r + ( 12 - j 23 ) ùû H(r) 1 3 = = -j
r =- 2 + j 2 (r + 4) éë r + ( 2 + j 2 ) ùû 1 3 2
1 3 2
r =- 2 + j 2

7 + 5r 1 3
A3 = éë r + ( 12 + j 23 ) ùû H(r) 1 3 = = +j
r =- 2 - j 2 (r + 4) éë r + ( 2 - j 2 ) ùû 1 3 2
1 3 2
r =- 2 - j 2

Por lo tanto H(r) queda

89
 -1 1
-j 3 1
+j 3
H(r) = + 21 2 3 + 21 2 3
r + 4 r + (2 - j 2 ) r + (2 + j 2 )

Volviendo al dominio de la frecuencia haciendo r = jw, se obtiene

-1 2 - j 2 2 + j 2
1 3 1 3
H(w) = + +
jw + 4 jw + ( 12 - j 23 ) jw + ( 12 + j 23 )
De donde,

h(t) = F-1 {H(w)} = -e -4t u(t) + ( 12 - j 23 )e

- ( 12 - j 3
- ( 12 + j 3
u(t) + ( 12 + j 23 )e
)t )t
2 2
u(t)

Aplicando Euler, se obtiene

h(t) = - e-4t u(t) + éë cos( t) ùû e 2 u(t)

-1t
2
3
t) + 3sen( 2
3

2.3.12. Uso de MATLAB en la determinación de la Transformada Inversa de Fourier

por Expansión en Fracciones Parciales. En MATLAB se tiene un comando que permite
obtener la expansión en fracciones parciales de funciones racionales que tengan la
expresión dada por
N(x) b 0 + b1x + b 2 x 2 + ........ + b m x m
F(x) = = (2.117)
D(x) a 0 + a1 x + a 2 x 2 + ....... + a n x n

MATLAB hace uso de los coeficientes del numerador y del denominador de F(x). Para ello
se definen los vectores filas num y den como:

num = [ bm bm-1 …. b0] (2.118)

den = [ an an-1 …. a0] (2.119)

El comando
[r,p,k] = residue(num,den) (2.120)

calcula los residuos (vector r), los polos (vector p) y los términos del polinomio resultante
(vector k). Si F(x) es impropia, la expansión en fracciones parciales es de la forma

N(x) r(1) r(2) r(n)

F(x) = = + + ........ + + k(x) (2.121)
D(x) x - p(1) x - p(2) x - p(n)

90
k(x) es un polinomio en x, con el mayor exponente de x dado por m –n, cuando m ³ 0, o
sea cuando F(x) sea una función racional impropia. El polinomio k(x) es cero cuando F(x)
es una función racional propia, o sea, cuando m < n.
Para un polo p(i) de multiplicidad q, la expansión en fracciones parciales contendrá
términos de la forma

r(i) r(i + 1) r(i + q - 1)

+ + ...... + (2.129)
x - p(i) [ x - p(i) ]2
[ x - p(i) ]
q

Para visualizar el uso de MATLAB en la expansión en fracciones racionales de funciones

racionales, se desarrollará el siguiente ejemplo.

Ejemplo 2.32. Usando MATLAB, determinar la expansión en fracciones parciales de la

siguientes funciones racionales

5x 2 + 3x + 2
a)
x 3 + 8x 2 + 19x + 12
x 2 + 2x + 3
b)
x 3 + 6x 2 + 12x + 8
3x + 2
c)
2x - 3x + 6
2

x 4 + 5x 2 + 3x + 2
d)
x 3 + 6x 2 + 11x + 6

Solución

a) num = [5 3 2];
>> den = [1 8 19 12];
>> [r,p,k]=residue(num,den)

r=

23.3333 = 70/3
-19.0000
0.6667 = 2/3

p=

-4.0000
-3.0000
-1.0000

91
k=

[]
k(x) = 0
Luego
5x 2 + 3x + 2 70 19 2
= - +
x + 8x + 19x + 12 3(x + 4) x + 3 3(x + 1)
3 2

b) num = [1 2 3];
>> den = [1 6 12 8];
>> [r,p,k]=residue(num,den)

r=

1.0000
-2.0000
3.0000

p=

-2.0000
-2.0000
-2.0000

k=

[]
k(x) =0

En este caso,

x 2 + 2x + 3 1 2 3
= - +
x + 6x + 12x + 8 x + 2 ( x + 2 )
3 2 2
( x + 2)
3

c) num = [ 3 2];
>> den = [2 -3 6];
>> [r,p,k]=residue(num,den)

r=

92
 0.7500 - 0.6805i
0.7500 + 0.6805i

p=

0.7500 + 1.5612i
0.7500 - 1.5612i

k=

[]

k(x) = 0
De donde

3x + 2 0, 75 - 0, 6805i 0, 75 + 0, 6805i
= +
2x - 3x + 6 0, 75 + 1,5612i 0, 75 - 1,5612i
2

d) num = [1 0 5 3 2];
den = [1 6 11 6 ];
>> [r,p,k]=residue(num,den)

r=

59.5000 = 119/2
-32.0000
2.5000 = 5/2
p=

-3.0000
-2.0000
-1.0000
k=
1 -6

En este caso k(x) = x – 6, por lo tanto

x 4 + 5x 2 + 3x + 2 119 32 5
=x -6+ - +
x + 6x + 11x + 6
3 2
2(x + 3) x + 2 2(x + 1)

93
Ejemplo 2.33
Utilizando MATLAB para la expansión en fracciones parciales, determinar la transformada
inversa de
( jw + 5)(2 jw + 1)
H(w) =
( jw + 1)[( jw)2 + jw + 1]
Solución
La expresión dada de H(w) se puede escribir de la forma siguiente

2( jw)2 + 11( jw) + 5

H(w) =
( jw)3 + 2( jw) 2 + 2( jw) + 1

Aplicando MATLAB para la expansión de H(w) en fracciones parciales, se obtiene

>> num=[2 11 5];

>> den=[1 2 2 1];
>> [r,p,k]=residue(num,den)

r=

-4.0000
3.0000 - 3.4641i
3.0000 + 3.4641i

p=

-1.0000
-0.5000 + 0.8660i
-0.5000 - 0.8660i
k=
[]
De donde
-4 3 - j3, 4641 3 + j3, 4641
H(w) = + +
jw + 1 jw + (0,5 - j0,866) jw + (0,5 + j0,866)

Luego,
h(t) = F -1 {H(w)} = -4e- t u(t) + (3 - j3, 4641)e - (0,5- j0,866)t u(t) + (3 + j3, 4641)e- (0,5 + j0,866)t u(t)
Ecuación que se puede escribir como

h(t) = F -1 {H(w)} = -4e- t u(t) + (6 cos 0,866t + 6,9282sen0,866t)e-0,5t u(t)

94
2.3.13. Uso de MATLAB en la Determinación Directa de la Transformada de Fourier y de
la Transformada Inversa de Fourier
Transformada de Fourier. Para determinar la expresión de la Transformada de Fourier, a
partir de la expresión en el dominio del tiempo de la función o señal, se usa la función
fourier. Si x(t) es la señal a considerar, para obtener su Transformada de Fourier X(w), la
sintaxis es X = fourier(x). El ejemplo siguiente, ilustrará el procedimiento correspondiente
para determinar en forma directa, usando MATLAB, la Transformada de Fourier de una
señal o función dada.

Ejemplo 2.34.

Usando la función fourier de MATLAB, determinar la Transformada de Fourier de la señal

x(t) = A Õ ( 2Tt )
Solución
La gráfica de x(t) dada, es
x(t)

t
-T 0 T
Figura 2.41. Gráfica de x(t) del Ejemplo 2.34.

La señal x(t), se puede expresar como

x(t) = A [ u(t + T) - u(t - T) ]

Es esta expresión de x(t), la que se utilizará para determinar la Transformada de Fourier de

x(t). El programa en MATLAB, para tal efecto, es

>> % Determinacion de Transformada de Fourier de x(t)=A[u(t+T)-u(t-T)]

>> t=sym('t','real'); %Se declara la variable tiempo t
>> A=sym('A','real'); %Se declara la constante real A
>> T=sym('T','real'); %Se declara la constante real T
>> escalon1=sym('Heaviside(t+T)'); %Se determina el escalon u(t+T)
>> escalon2=sym('Heaviside(t-T)'); %Se determina el escalon u(t-T)
>> x=A*(escalon1-escalon2);%Se forma x(t) dada
>> fourier(x)
ans =

95
 A*(exp(i*T*w)*(pi*Dirac(w)-i/w)-exp(-i*T*w)*(pi*Dirac(w)-i/w))

O sea
{ }
X(w) = A e jwT éë pd( w) - wj ùû - e - jwT éë pd( w) - wj ùû
Queda como ejercicio para el lector, considerando que d(w)sen(wT) = 0 , demostrar que la

expresión obtenida para X(w) , se puede escribir como

X(f ) = 2AT sin c(2fT)

Expresión que corresponde a la obtenida en el Ejemplo 2.23, con t = 2T.

Transformada Inversa de Fourier. Si X(w) es la Transformada de Fourier de x(t), para

determinar x(t) a partir de X(w) empleando MATLAB, se usa la función ifourier, con la
sintaxis ifourier(X).

Ejemplo2.35.
Considerando el resultado obtenido para la Transformada de Fourier X(w) del Ejemplo
2.34, utilizar la función ifourier para determinar la Transformada Inversa de Fourier x(t).

Solución
Se tiene que la expresión de X(w) es

{ }
X(w) = A e jwT éë pd( w) - wj ùû - e - jwT éë pd( w) - wj ùû

Luego, el programa para obtener x(t) es

>>% Determinación de x(t)

>>w=sym('w','real');
>> A=sym('A','real'); T= sym('T','real');
>> Dirac=sym('Dirac(w)'); % Se forma Impulso Delta de Dirac
>> X=A*(exp(i*T*w)*(pi*Dirac-i/w)-exp(-i*T*w)*(pi*Dirac-i/w));
>> ifourier(X)
ans =

1/2*A*(Heaviside(x+T)-Heaviside(-x-T)-Heaviside(x-T)+Heaviside(-x+T))

96
Cuando la variable en el dominio de la frecuencia es w, la variable temporal que entrega
MATLAB, por defecto, es x. Por lo tanto ,considerando la expresión obtenida por el
programa, se tiene que

1
x(t) = A [ u(t + T) - u(- t - T) - u(t - T) + u(- t + T)]
2

x(t) = A Õ ( 2Tt )

Resultado que se esperaba obtener, de acuerdo al Ejemplo 2.34.

Ejemplo 2.36
.Utilizando la función fourier, determinar las Transformadas de Fourier de las siguientes
señales
a) x(t) = (e -4t cos At)u(t) .
b) x(t) = (te-2t sen4t)u(t) .
c) x(t) = ( senptpt ) ( sen 2 p (t -1)
p (t -1) ) u(t) .
Solución
a) El programa es

>> % Determinacion de Transformada de Fourier

>> %de x(t)=(exp(-4*t)*cosA*t)*u(t)
>> t=sym('t','real');
>> A=sym('A','real');
>> escalon1=sym('Heaviside(t)');
>> x=(exp(-4*t)*cos(A*t))*escalon1;
>> fourier(x)

ans =

1/2/(4-i*A+i*w)+1/2/(4+i*A+i*w)

O sea,
1 1
X(w) = 2
+ 2

4 + j(w - A) 4 + j(w + A)

b) En este caso, se tiene

97
 >> % Determinacion de Transformada de Fourier
>> %de x(t)=(t*exp(-2*t)*sin(4*t))*u(t)
>> t=sym('t','real');
>> escalon1=sym('Heaviside(t)');
>> x=(t*exp(-2*t)*sin(4*t))*escalon1;
>> fourier(x)

ans =

-1/2*i/(2-4*i+i*w)^2+1/2*i/(2+4*i+i*w)^2

Es decir

- 12 j 1
j
X(w) = + 2

[ 2 + j(w - 4) ] [ 2 + j(w + 4)]

2 2

c) En este caso, el programa es

>> % Determinacion de Transformada de Fourier
>> %de x(t)=sin(pi*t)/(pi*t)*(sin(2*pi(t-1))/(pi*(t-1)));
>>t=sym('t','real');
>> x=(sin(pi*t)/(pi*t))*(sin(2*pi*(t-1))/(pi*(t-1)));
>> fourier(x)
ans =

1/pi^2*(1/4*i*pi*(Heaviside(-w+3*pi)-Heaviside(w-3*pi))-1/4*i*exp(-i*(w-
3*pi))*pi*(Heaviside(-w+3*pi)-Heaviside(w-3*pi))-1/4*i*pi*(Heaviside(-w-pi)-
Heaviside(w+pi))+1/4*i*exp(-i*(w+pi))*pi*(Heaviside(-w-pi)-Heaviside(w+pi))-
1/4*i*pi*(Heaviside(-w+pi)-Heaviside(w-pi))+1/4*i*exp(-i*(w-pi))*pi*(Heaviside(-w+pi)-
Heaviside(w-pi))+1/4*i*pi*(Heaviside(-w-3*pi)-Heaviside(w+3*pi))-1/4*i*exp(-
i*(w+3*pi))*pi*(Heaviside(-w-3*pi)-Heaviside(w+3*pi)))

Resultado que se puede escribir como

j (1 + e - jw ) {[ u(w - p) - u(w - 3p) ] - [ u(w + 3p) - u(w + p)]}

1
X(w) =
2p

Se puede comprobar esta expresión de X(w) , aplicando

1
F{x(t) = y(t)z(t)} = X(w) = Y(w)* Z(w)
2p

98
Ejemplo 2.37.

Empleando MATLAB, y expansión en fracciones parciales, determinar la Transformada

Inversa de Fourier de la función
7 + 5jw
H(w) =
(4 + jw) éë ( jw) 2 + jw + 1ùû
Solución
La función H(w), se puede escribir como
5jw + 7
H(w) =
( jw) + 5( jw) 2 + 5( jw) + 4
3

Aplicando MATLAB para la expansión en fracciones parciales de H(w), se tiene

>> num=[0 0 5 7];

>> den=[1 5 5 4];
>> [r,p,k]=residue(num,den)
r=
-1.0000
0.5000 - 0.8660i
0.5000 + 0.8660i
p=
-4.0000
-0.5000 + 0.8660i
-0.5000 - 0.8660i
O sea
-1 0, 5 - j0,866 0, 5 + j0.866
H(w) = + +
jw + 4 jw + (0, 5 - j0,866) jw + (0,5 + j0,866)
Aplicando esta expresión de H(w) para el cálculo de h(t), el programa MATLAB es
>> w=sym('w','real');
>> H=(-1)/(i*w+4)+(0.5-i*0.866)/(i*w+0.5-i*0.866)+(0.5+i*0.866)/(i*w+0.5+i*0.866);
>> ifourier(H)
ans =

1/500*Heaviside(x)*(-500*exp(-4*x)+250*exp((-1/2+433/500*i)*x)-433*i*exp((-
1/2+433/500*i)*x)+250*exp((-1/2-433/500*i)*x)+433*i*exp((-1/2-433/500*i)*x))
De donde

h(t) = éë -e -4t + (0,5 - j0.866)e - (0,5 - j0,866) t + (0,5 + j0.866)e- (0,5 + j0,866) t ùû u(t)

99
PROBLEMAS

2.1. Use MATLAB para graficar las siguientes señales. Escalar adecuadamente el eje
temporal para que se grafique una parte suficiente de la señal que permita visualizar su
gorma completa.
ì0 t < -3
ï
a) x(t) = ít + 3 -3 £ t < 2
ït - 3 t³2
î
b) y(t) = x(t – 2) con x(t) definida en el apartado a).
c) x(t) = 2cos(2t) + 3sen(8t)

2.2. Escribir un programa en MATLAB para generar y graficar , con 51 puntos, los
siguientes escalones desplazados:
a) u(t –4).
b) u(t –12).
c) u(t +8).

2.3. Determinar el valor medio, el valor eficaz de la señal representada en la figura P 2.3
x(t)

10
....... ........

0 0,01 0,02 0,03 0,04 0,05 t(seg)

Figura P 2.3

2.4 Determinar el valor eficaz, el factor de forma y el factor de cresta de la señal ilustrada
en la figura P 2.4.

x(t)
Xm
.............. ..............

1
t
0 2
T T 2T

Figura P 2.4

2.5 Determinar el valor y eficaz de una señal cosenoidal, con rectificación onda completa,
cortada en la mitad de su valor máximo.
100
2.6. Determinar la expresión de k, en función del valor eficaz y de A en la forma de señal
representada en la Figura P 2.6, sabiendo que k es una fracción del período T . Determinar
el valor de k cuando el valor de A es 10 y cuando el valor eficaz es a) 3 , b)
5 ¿Cuál será el máximo valor eficaz de la señal dada al variar k , con A = 10 ?

x(t)
A
.............. ..............

t
kT T T+kT

Figura P2.6

2.7. Determinar el valor medio y el valor eficaz (rms), de la onda senoidal de voltaje con
rectificación de media onda, y con un ángulo de retardo de p/4 radianes, como se muestra
en la Figura P 2.7.

x(t)
20

wt
p/4 p 2p

Figura P 2.7

2.8. Determinar si las siguientes señales son definidas en términos de energía o de potencia
y encontrar la energía o potencia normalizada en cada caso :
a) e - t
b) e jwt

2.9 Determinar la frecuencia fundamental de las siguientes señales, y dibujar los espectros
de magnitud y fase correspondientes
a) x(t) = 2 + 3cos(0, 2t) + cos(0, 25t + p / 2) + 4cos(0,3t - p)
b) x(t) = 1 + 5cos(120pt + p / 8) + 4cos(600pt - p / 4)

101
2.10. Determinar las representaciones en serie de Fourier para cada una de las siguientes
señales.
a) ej100t
b) cos[p(t-2)/4]
c) cos2t +sen4t

2.11. Sea la señal x(t) = cos4pt. Se tiene que x(t) es periódica con periodo fundamental 1/2 .
¿ Cuáles son los coeficientes de la serie de Fourier de x(t), si x(t) se considera periódica con
periodo 2?.

2.12. ¿ Que porcentaje de la potencia total está contenida dentro del primer cruce por cero
del espectro de la señal x(t), cuya gráfica se muestra en la Figura P 2.12.

1/20
x(t)
1

......... .........
t
-1/4 0 1/4

Figura P 2.12

2.13. Un tren de pulsos, cuya gráfica se muestra en la Figura P 2.13 a), con A = 10[v], con
periodo T = 10-3[seg] y un ciclo de trabajo d = 0,2 , se aplica a un filtro pasabajos de primer
orden mostrado en la Figura P 2.13 b).
a) Determinar la expresión de los espectros de amplitud y de fase de la señal de salida del
filtro.
b) Determinar la expresión de v2(t) en términos de las componentes senoidales.

v1 (t) R
A + +
v1 (t) C v 2 (t)
......... .........
- -
t
-T 0 T
R = 1[ KW ] ; C=0,159 [ mF]

a) b)
Figura P 2.13

102
2.14 Un tren de pulsos rectangulares de voltaje v(t), ilustrado en la Figura P 2.14 a), se
aplica a un circuito RL en serie, tal como se muestra en la Figura P 2.14b). Determinar
las cinco primeras armónicas de la respuesta de corriente i(t). En estas condiciones utilizar
MATLAB para graficar vR(t), vL(t) y vR(t)+ vL(t)

v(t) R = 1[ W ]
1
+
......... ......... i(t)
0 1 1 t v(t) L = 1[ H ]
4 2 1
-
-1

a) b)

Figura P 2.14

2.15. La Figura P 2.15 a) muestra una onda triangular de voltaje v(t), que se aplica al
circuito mostrado en la Figura P 2.15 b). Asumiendo que el diodo es ideal, determinar la
expansión en serie de Fourier de la corriente i(t).

R
v(t)
+
1 i(t)
......... ......... v(t) V
-
-1 0 1 1 2
t
2

a) b)

Figura P 2.15

2.16. La señal x(t) = 7sen2p100t es sometida a los procesos siguientes:

a) Es rectificada onda completa. Utilizar MATLAB para graficar la señal rectificada y el
espectro de dicha señal, para n = 0, 1, ..........., 20.
b) La señal x(t) rectificada media onda. Utilizar MATLAB para graficar la señal rectificada
y el espectro de dicha señal, para n = 0, 1, ..........., 20.

2.17. Empleando Transformada de Fourier, calcular la energía de la señal f(t) dada por

f (t) = e
at
, a>0

103
2.18. Para cada señal x(t) dada, determinar su Transformada de Fourier .
a)
x(t)
3

0 3

Figura P 2.18 a)

b)
x(t)

10

t
0 5
Figura P 2.18 b)

En este caso puede usar MATLAB para graficar ïX(w)ï

b) x(t) = e-2tcos(12t)u(t).
c) x(t) = 3e-3tu(t).

2.19. Dibujar ïX(w)ï para las señales x(t) dadas

jw + 2
a) X(w) =
( jw) + 7( jw) + 12
2

ìï1 - t / t t £t
b) x(t) = í
ïî0 otros valores
2.20. Usar la propiedad de la modulación para hallar la función y(t), cuya Transformada de
Fourier se muestra en la Figura P 2.20.

Y(w)

A
w
-w0 w0
2W

Figura P 2.20

104
2.21. Determinar el espectro del pulso de la Figura P2.21, usando solamente la
Transformada de Fourier de un impulso junto con las propiedades adecuadas de la
Transformada de Fourier.

x(t)

t 2t t

Figura P 2.21

2.22. Determinar la Transformada de Fourier, del pulso mostrado en la Figura P 2.22.

x(t)

t
t0 - t t0 t0 + t

Figura P 2.22

2.23. La señal s(t), cuya gráfica se muestra en la Figura P 2.23 a), con T = 1 y t = 0,5, [s]
multiplica a la señal v(t), la cual tiene transformada de Fourier V(f) mostrada en la Figura P
2.23 b).
a) Dibujar el espectro de vs(t) = v(t)s(t).
b) ¿ Puede recuperarse v(t) a partir de vs(t)?
c) Si V(f) tiene por gráfica la mostrada en la Figura 2.19 c).¿Puede v(t) ser recuperada a
partir de vs(t)?. Justificar la respuesta.

105
 s(t)

2 t

....... .......

t
-2T -T 0 T 2T 3T
a)

V(f) V(f)
1 1

f [ Hz ] f [ Hz ]
- 14 0 1
4 -1 0 1
b) c)

Figura P 2.23

2.24. Usando el teorema de Rayleigh (Parseval), obtener

òe
-2t
u(t)dt
-¥

2
Nota: Use el hecho de que e -2t u(t) = e - t u(t) .

2.25. Si se tiene el siguiente par de transformada

f (t) F
F(w)

Determinar los espectros de

a) tf(2t)
b) (t – 2)f(t)
c) (t –2)f(-2t)
d) f(1 –t)
e) t(df/dt)
f) (1 –t)f(1 – t)

106
2.26. a) Sea x(t) una señal real e impar. Demostrar X(w) = F{x(t)} es imaginaria pura e
impar.
b) ¿Qué propiedad tiene la Transformada de Fourier de una señal x(t) si x(-t) = x*(t)?.

2.27. Una señal x(t) real y de tiempo continuo tiene una transformada de Fourier X(f) cuya
magnitud cumple con la relación

ln X(f ) = - f
Determinar x(t) si se sabe que x(t) es
a) Una señal con simetría par.
b) Una señal con simetría impar.

2.28 Sean las señales:

a) x(t) = 2d(t – 2)
b) x(t) = sen(2pt)[u(t) – u(t-8)]
c) x(t) = e - t / 2
2

d) x(t) = t 2 e - t
e) x(t) = 12 t [ u(t + 2) - u(t - 2) ]
f) La señal x(t) tiene la gráfica mostrada en la Figura P 2.28.
x(t)
1
t
-6 -5 -4 -3 -2 -1 1 2 3 4 5 6 7
-1

Figura P 2.28

Determine cuales de las señales reales, si es que hay alguna, tienen transformadas de
Fourier que satisfagan cada una de las siguientes condiciones
i) Re{X(w)} = 0
ii) Im{X(w)} = 0
iii) Existe a real tal que ejawX(w) es real
¥
iv) ò X(w)dw = 0
-¥
¥
v) ò wX(w)dw = 0
-¥

vi) X(w) es periódica

vii) Construya una señal que tenga las propiedades i), iv), y v) y no tenga otras.

107
2.29. Una señal x(t) de tiempo continuo tiene una transformada de Fourier dada por

1
X(w) =
a + jw

donde a es una constante. Determinar la transformada de Fourier Y(w) de las señales:

a) y(t) = x(3t – 6)
b) y(t) = t2x(t)
c) x(t)ej3t.

2.30 La señal x(t) tiene la densidad espectral de potencia Gx(w) dada por

é 1 ù
G x (w) = ê + d(w - 3) + d(w + 3) ú
ë1 + w û
2

a) ¿ Cuál es la potencia media total de x(t)?

b) ¿ Cuál es la potencia media en el intervalo de frecuencia de 0,9 a 1,1 [rad/seg]?
c) ¿ Cuál es la potencia media en el intervalo de frecuencia de 1,9 a 2,1 [rad/seg

2.31. Determinar la densidad espectral de energía y la energía asociada a la señal mostrada

en la Figura P 2.31.
x(t)

t
-2 -1 0 1 2

Figura P 2.31

2.32. Determinar la densidad espectral de potencia de la señal x(t) = e - t .

2.33. Las expresiones siguientes son transformadas de Fourier de señales de tiempo

continuo. Determinar la señal de tiempo continuo correspondiente a cada transformada.

2sen [3(w - 2p) ]

a) X(w) =
w - 2p

108
 æ pö
b) X(w) = cos ç 4w + ÷
è 3ø
c) X(w) tiene los espectros de magnitud y fase indicados en la Figura P2.33.

X(w) qX (w)
1
3

w w
-1 1 -1

Figura P2.33

2.34. Calcular la Transformada Inversa de Fourier de las funciones siguientes

a) X(w) = sen 2 3w - ¥ < w >¥
jw + 2
b) X(w) =
( jw) + 7( jw) + 12
2

2.35. Determinar las Transformadas de Fourier Inversas de las funciones de frecuencia

X(w), mostradas en la Figura P 2.35.

X(w) X(w)
1
1

w w
-1 0 1 -2 -1 0 1 2

a) b)

Figura P 2.35

2.36. Determinar la señal x(t) si su Transformada de Fourier es

jw + 4
X(w) =
( jw) + 4jw + 3
2

109
2.37. Determinar la señal x(t) si su Transformada de Fourier es

jw + 4
X(w) =
(1 + jw)2 (3 + jw)

110
UNIDAD III CONVOLUCIÓN Y CORRELACIÓN DE SEÑALES DE TIEMPO
CONTINUO

El objetivo de esta unidad, es dar a conocer a los alumnos herramientas matemáticas que le
permitan comprender ciertos procesos físicos que existen en los sistemas lineales. Así, por
ejemplo, la convolución permite abordar ,en el dominio del tiempo, el análisis de procesos
de transmisión, como es el caso de la determinación de la determinación de la respuesta de
un sistema, realizando la convolución entre la señal de salida y la respuesta al impulso del
sistema en cuestión. La operación de correlación se usa, en el análisis de señales, como
parámetro para determinar el grado de similitud entre muna señal y versiones desplazadas
de ella misma, o entre dos señales, estando una de ellas desplazada con respecto a la otra.
Una aplicación de la correlación es en la detección de señales, especialmente en el caso de
señales ruidosas. Otra característica importante de correlación, es que aporta información
sobre las condiciones de aditividad de energía o de potencia para señales que son suma de
111111otras señales, como también la variación d e éstas con respecto a la frecuencia, a
través de la correspondiente densidad espectral. Luego, la correlación es una importante
caracterización de una señal en el dominio del tiempo.

TEMAS

3.1. CONVOLUCION
Definición. La convolución z(t) entre dos funciones x(t) e y(t) se representa
simbólicamente por
z(t) = x(t) * y(t) (3.1)

y se define analíticamente como

¥

z(t) = ò x(t)y(t - t)dt

-¥
(3.2)

En la definición así planteada, la función y(t) se denomina núcleo de la integral de

convolución. Se trata de una integral paramétrica, función del parámetro t, el que define
puntualmente a la función z(t), la cual es el resultado del producto de convolución de x(t) e
y(t).
Siendo x(t) e y(t) señales definidas en términos de energía, es decir, de cuadrado
integrable y con Transformada de Fourier, su producto de convolución existe, es finito y
proporciona otra señal de la misma naturaleza.
La convolución supone tomar una de las funciones, y sustituir en ella su variable
independiente, por ejemplo t en lugar de t, es decir, de x(t) se pasa a x(t). En la otra
función, y(t), se realiza el siguiente proceso: se pasa de y(t) a y(t), y(t) se invierte
quedando y(-t). Esta función invertida se desplaza en un monto t, o sea, pasa a y(t-t),

111
considerando a t como variable independiente, se tiene que para t > 0 se produce un
desplazamiento de y(-t) hacia la derecha y para t < 0 se produce un desplazamiento de y(-t)
hacia la izquierda. A continuación se realiza la integración del producto x(t)y(t-t) en el
intervalo donde dicho producto es distinto de cero .

3.1.1. Propiedades de la Convolución . Se describirán algunas de las propiedades de la

Convolución .
Conmutatividad.
x1 (t) * x 2 (t) = x 2 (t) * x1 (t) ( 3.3)
Demostración . Se tiene que
¥

x1 (t) * x 2 (t) = ò x (t)x

-¥
1 2 (t - t)dt

Haciendo el siguiente cambio de variable

t=t-y
se obtiene
¥

x1 (t) * x 2 (t) = òx
-¥
2 (y)x1 (t - y)dy

como
¥

òx
-À
2 (y)x1 (t - y)dy = x 2 (t) * x1 (t)

luego ,
x1 (t) * x 2 (t) = x 2 (t) * x1 (t)
Ley Distributiva .
x 1 (t) * [ x 2 (t) + x 3 (t) ] = x1 (t) * x 2 (t) + x 1 (t) * x 3 (t) (3.4)

Ley Asociativa .
x 1 (t) * [ x 2 (t) * x 3 (t) ] = [ x1 (t) * x 2 (t) ] * x 3 (t) (3.5)

Inversión . Haciendo t = -u , se obtiene

¥

x1 (t) * x 2 (t) = ò x (-u)x

-¥
1 2 (t + u)du (3.6)

En este caso la traslación de x2(t) sería t unidades hacia la izquierda para t > 0 y hacia la
derecha para t < 0 por no haberse invertido tal función.

Cambio de Signo . Si
x 3 (t) = x1 (t) * x 2 (t)
112
se tiene que
x 3 (- t) = x1 (-t) * x 2 (- t) (3.7)
Traslación . Si
x 3 (t) = x1 (t) * x 2 (t)
entonces
x 3 (t ± t 0 ) = x1 (t ± t 0 ) * x 2 (t) (3.8)
Derivación .
x ,3 (t) = x1, (t) * x 2 (t) = x1 (t) * x ,2 (t) (3.9)

3.1.2 . Teorema de Plancheral . Si se tienen los siguientes pares de transformadas

F
x1 (t) X1 (f)

F
x2 (t) X2 (f)
Plancheral establece que
F { x1 (t) * x 2 (t)} = X1 (f )X 2 (f ) (3.10)
Simbólicamente
.F
x1 (t) * x 2 (t) X1 (f )X 2 (f )

Demostración. Se tiene que

é¥ ¥
ù
F{ x1 (t) * x 2 (t)} = ò ê ò x1 (t)x 2 (t - t)dt úe - jwt dt
-¥ ë -¥ û

El segundo miembro de la ecuación anterior se puede escribir como

¥
é¥ ù
F{ x1 (t) * x 2 (t)} = ò x1 (t) ê ò x 2 (t - t)e - jwt dt ú dt
-¥ ë -¥ û

Considerando la propiedad de desplazamiento en el tiempo de la Transformada de Fourier ,

se tiene que

¥
F { x1 (t) * x 2 (t)} = ò x (t)X
1 2 (f )e - jwt dt = X 2 (f ) ò x1 (t)e - jwt dt
-À -¥

luego
F { x1 (t) * x 2 (t)} = X1 (f )X 2 (f )
113
3.1.3. Convolución en el Dominio de la Frecuencia . Considerando los siguientes pares de
transformadas
F
x1 (t) X1 (f)
y
F
x2 (t) X2 (f)
se tiene
¥

ò X (y)X (f - y)dy = X (f ) * X
F
x1 (t)x 2 (t) 1 2 1 2 (f ) (3.11)
-¥

o
¥
1 1
ò X1 (y)X 2 (w - y)dy = X1 (w) * X 2 (w)
F
x1 (t)x 2 (t) (3.12)
2p -¥ 2p
Demostración . Considerando que
g(t) =x1 (t)x2 (t)
y que
F
g(t) G(w)
se tendrá
¥
1
G(w) = ò X1 (y)X 2 (w - y)dy
2p -¥
Haciendo
ì1 ¥ ü
F-1 {G(w)} = F-1 í ò X1 (y)X 2 (w - y)dy ý
î 2p -¥ þ
Se obtiene
1 ¥ 1 é¥ ù jwt
g(t) = ò ê ò X1 (y)X 2 (w - y)dy ú e dw
2p -¥ 2p ë -¥ û

Intercambiando el orden de integración en el segundo miembro de la ecuación anterior, se

tiene la siguiente expresión
1 ¥é1 ¥ ù
g(t) = ò ê ò
2p -¥ ë 2p -¥
X1 (y)X 2 (w - y)e jwt dwú dy
û

Aplicando el Teorema de Desplazamiento en Frecuencia se llega a

g(t) = x1 (t)x 2 (t)

Con lo cual, se demuestra que

114
 1
x1 (t)x 2 (t) F
X1 (w) * X2 (w)
2p

3.1.4. Convolución con el Impulso Delta Dirac [d(t)]. Para generalizar el análisis, se
considerará el impulso desplazado d(t-t0 ) y la señal x(t). Luego, se tendrá la siguiente
convolución
¥

x(t) * d(t - t 0 ) = ò d( t - t
-¥
0 )x(t - t)dt

de donde
x(t) * d(t - t 0 ) = x(t - t 0 ) (3.13)

O sea, que toda convolución con d (t-t0 ) equivale a un desplazamiento de monto t0 en la

señal original .
Si se tiene el caso de un tren de impulsos d (t), se tendrá

é ¥ ù ¥
x(t) * ê å d(t - nT) ú = å x(t - nT) (3.14)
ë n =-¥ û n =-¥

3.1.5. Convolución con un Fasor . Sea :

y(t) = Ae (
j w0 t +j )

luego
¥
j éë w0 ( t -t ) +jùû
x(t) * y(t) = ò x(t)Ae
-¥
dt

ecuación que se puede escribir como

¥

x(t) * y(t) = Ae (
j w0 t +j )
ò x(t)e
- jw0 t
dt
-¥

pero
¥

ò x(t)e
- jw0 t
dt = X(f 0 ) e jq(f0 )
-¥

por lo tanto
x(t) * y(t) = A X(f 0 ) e (
j w0 t +j+q (f0 ) )
(3.15)

3.1.6. Interpretación Gráfica de la Convolución. La interpretación gráfica de la

Convolución es muy útil en Análisis de Sistemas y en Teoría de Comunicación. Por
definición de Convolución, se tiene
¥

x1 (t) * x 2 (t) = ò x (t)x

-¥
1 2 (t - t)dt

115
La variable independiente en la Integral de Convolución es t. El proceso de la convolución,
se ilustra en la Figura 3.1 .
Las funciones x1 (t) y x2 (t) se ilustran en la Figura 3.1 a). Las funciones x1 (t) y x2
(-t) se muestran en la Figura 3.1 b). La función x2 (t-t) representa a la función x2 (-t)
desplazada en un monto t a lo largo del eje t. La Figura 3.1 c) muestra x2 (t1 - t). Dado a
que x1 (t) es igual a 1 en -1<t< 1, se tiene en este caso que el valor de x1(t) * x2(t) en t = t1
está dado por el área achurada de la Figura 3.1 d). Esto es así, dado a que la convolución
corresponde al área bajo la curva producto x1 (t)x2 (t1 -t). Variando el valor de t y
determinando las áreas de las curvas productos, se obtiene x1(t) * f2(t), cuya gráfica se
muestra en la Figura 3.1 f).

x 2 (t) x1 (t)

t t
-1 0 1
a)
x 2 (- t) x 1(t)

t t
-3 0 -1 0 1
b)
x 2 ( t1 - t) x1 (t)

t t
t1 - 3 0 t1 -1 0 1
c)
x 2 ( t1 - t)
x 1 (t)

x 1 ( t) x 2 ( t1 - t)
t
t1 - 3 -1 0 t1 1
d
x 2 (t 2 - t)
x 1 (t)

x1 (t)x 2 (t 2 - t)
t
t2 - 3 -1 0 1 t2

e)
Figura 3.1. Ilustración del Proceso de Convolución

116
Ejemplo 3.1 .

Encontrar gráficamente la convolución de x1 (t) con x2(t), cuyas formas se muestran en la

Figura 3.2.
x 1 (t )
A

-T - a
2
-T - T + a
2
0 T- a
2
T T+ a
2 t
x 2 (t)
k k

-T 0 T t
Figura 3.2. Gráficas de x1 (t) y x2 (t) del Ejemplo 3.1
Solución .
Siguiendo el procedimiento de la convolución gráfica descrito anteriormente, se invierte
x2(t) en relación al eje vertical obteniéndose x2(-t). Ya que x2(t) es una función par de t, se
tiene que
x2(-t) = x2(t)
Luego la convolución de x1 (t) con x2 (t) se reduce a la convolución de x1 (t) con dos
impulsos. Se aplicará la propiedad de una función impulso de reproducir la función dada, a
través de su convolución con dicha señal. Para ôtô£ a/2 ,y tomando t1 dentro de este
intervalo, como se muestra en la Figura 3.3.a), se tiene que cada impulso contribuye a la
convolución con un valor de kx1(t1). De manera que la gráfica de x1(t)*x2(t) en el dominio t
para t = t1 tendrá un valor de 2kx1(t1). Este resultado es válido para todo ôtô£ a/2, por lo
que en este intervalo de t x1(t)*x2(t) tendrá la forma de un pulso triangular centrado en el
origen con altura 2Ak y ancho a. Para 2T – a/2 £ t £ 2T + a/2 , el impulso ubicado en –T + t
reproducirá un pulso triangular de altura Ak centrado en T = 2T y con ancho a . Para –2T –
a/2 £ t £ -2T +a/2, el impulso ubicado en T + t reproducirá un pulso triangular centrado en t
= -2T con altura Ak, y ancho a. Por lo tanto, la gráfica de x1(t)*x2(t) es la mostrada en la
Figura 3.3 b).
x 2 (t 1 - t ) x 2 (t 1 - t )
A

t1
-T - a
-T - T + a
0 T- a
T T+ a t
2 2 2 2
a)
x 1 ( t) * x 2 ( t )
2Ak

-2T 0 2T t
b)
Figura 3.3 Proceso de Convolución del Ejemplo 3.1

117
3.1.7. Determinación de los Límites de la Integral de Convolución. Para el cálculo
exacto de la integral de convolución, es importante determinar con exactitud el intervalo de
existencia del producto x(t )y(t - t) o de y(t )x(t - t).
Sean las funciones x(t) e y(t) mostradas en la Figura 3.4.
x(t)

t
a1 b1
y(t)

t
a2 b2
Figura 3.4. Gráficas de las Funciones x(t) e y(t) para el Análisis de la Determinación
de los Límites de la Integral de Convolución .

Los límites útiles de la integral del producto x(t)y(t) son los extremos del intervalo en el
que ninguna de las dos funciones es nula. En este caso se tendrá
Límite superior : b1 = mín(b1 ,b2) = mínimo de los máximos
Límite inferior : a2 = máx(a1 , a2) = máximo de los mínimos .
Considerando el ejemplo, se analizará cuáles son los límites de variación de la integral de
convolución, si
x(t) existe para a1 £ t £ b1
y(t) existe para a2 £ t £ b2
Por lo tanto y(t - t) existirá para a2 £ t - t £ b2 Þ t – a2 ³ t ³ t – b2. En consecuencia, de
una manera genérica, y de acuerdo con las desigualdades anteriores, la integral de
convolución se podrá expresar como
mínimo (b1 ,t - a 2 ) mínimo (t - a1 ,b 2 )

z(t) = ò
máximo (a1 ,t - b 2 )
x(t)y(t - t)dt o z(t)= ò
máximo (t - b1 , a 2 )
y(t)x(t-t)dt (3.16)

Ejemplo 3.2

Sean las funciones

ìe - t para t ³ 0
ï
y(t) = í
ï0 para t < 0
î

118
 ìsen at para 0 £ at £ p/2 , con a=1 [ rad/seg ]
ï
x(t) = í
ï0 otros valores
î
Determinar : z(t) = x(t) * y(t)
Solución
Las gráficas de x(t) e y(t) se muestran en la Figura 3.5 .
1,2
1,2 x(t) y(t)
1
1
0,8
0,8
0,6
0,6
0,4
0,4
0,2
0,2
0
0 t t
p
2
Figura 3.5 . Gráficas de x(t) e y(t) del Ejemplo 3.2
Se considerará como núcleo de la integral de convolución a la función x(t) , Luego y(t) es
similar a y(t) y es necesario invertir x(t) , tal como se muestra en la Figura 3.6.

1,2 x (- t)
1
0,8
0,6
0,4
0,2
0 t
p
-
2
Figura 3.6 . Gráfica de x( - t)
Se analizará los siguientes casos de variación del parámetro t .
a) t £ 0 . Este caso se representa en la Figura 3.7.

1,2
1
x ( t - t) y (t)
0,8
0,6
0,4
0,2
0 t
p t
t-
2
Figura 3.7 . Gráficas de x(t - t) y de y(t) para t £ 0

De acuerdo a la Figura 3.7 , se tendrá

119
 ¥

z(t) = ò y(t)x(t - t)dt = 0

-¥

b) 0 £ t £ p/2

1,2
1 y (t)
x ( t - t)
0,8
0,6
0,4
0,2
0 t
p t
t-
2
Figura 3.8 Gráficas de x(t-t) y de y(t) para 0 £ t £ p/2
En este caso
t
z(t) = ò e- t sen(t - t)dt
0

Haciendo
t-t = u Þ t = t-u Þ dt = -du
Se tiene que
t
0 t
é eu ù
z(t) = - ò e - (t - u )
sen udu = e ò e sen udu = e ê ( senu - cos u ) ú
-t u -t

t 0 ë2 û0
Obteniéndose
1
z(t) = éësen t - cos t + e- t ùû
2
c) t ³ p/2

1,2
1 y(t)
x(t - t)
0,8
0,6
0,4
0,2
0 t
p
t- t
2
Figura 3.9. Gráficas de x( t -t ) y de y( t ) para t ³ p/2

De acuerdo a la Figura 3.9, se tiene

120
 0
t
é eu ù
z(t) = ò e sen(t - t)dt = -e ê ( sen u - cos u ) ú
-t -t

p
- +t
ë2 û p/2
2

luego
e-t
z(t) = é1 + ep / 2 ùû
2 ë
Teniéndose finalmente que

ì
ï0 para t £ 0
ï
ï1
z(t) = x(t) * y(t) = í (sen t - cos t + e- t ) para 0 £ t £ p/2
ï2
ï e-t
ï (1 + e )
p/ 2
para t ³ p/2
î2

3.2. CORRELACION DE SEÑALES DETERMINISTICAS DE TIEMPO

CONTINUO

El concepto de correlación implica el de Autocorrelación y el de Correlación Cruzada, y

son específicos y diferentes para señales de energía y de potencia.
3.2.1 . Señales Definidas en Términos de Energía .
Autocorrelación . Se puede definir la función autocorrelación Rx (t) para una señal x(t) de
energía finita, como
¥

ò x (t)x(t + t)dt
*
R x ( t) = (3.17)
-¥

Haciendo el cambio de variable u = t + t, lo cual implica que

t=u-t y que du = dt

Por lo tanto, la ecuación (3.17) se puede escribir de la manera siguiente

ò x(u)x (u - t)du
*
R x ( t) =
-¥

generalizando la variable temporal, la ecuación anterior se puede escribir como

ò x(t)x (t - t)dt
*
R x ( t) = (3.18)
-¥

121
Las definiciones dadas por las ecuaciones (3.17) y (3.18), son utilizadas en la bibliografía
del tema. En los análisis posteriores, se hará uso de la definición dada por la ecuación
(3.17). En la definición de autocorrelación, se tiene que t es el parámetro de integración .
La función de autocorrelación se puede expresar como una convolución. Haciendo
uso de la definición de convolución , se puede escribir la siguiente expresión

x * (-t) * x(t) = ò x (-t)x(t - t)dt

*

-¥

Haciendo
u= - t
se obtiene
¥

ò x (u)x(t + u)du
* *
x (-t) * x(t) =
-¥

La integral del segundo miembro, corresponde a la definición de Rx (t), luego

R x (t) = x * (-t) * x(t) (3.19)

Para x(t) real, se tiene

¥

R x ( t) = ò x(t)x(t + t)dt = x(-t) * x(t)

-¥
(3.20)

Rx (t) dice algo acerca de la variación en el tiempo de f(t), al menos en un sentido integrado
o promediado. Por ejemplo, si çRx (t)÷ es grande, entonces se infiere que x(t + t) es muy
similar (proporcional ) a ± x(t) para ese valor de t . Si Rx (t) = 0 para algún valor de t , se
tiene que x(t) y x(t + t) son ortogonales .

Correlación Cruzada . Si x(t) e y(t) son señales de energía finita, se definen las
correlaciones cruzadas Rxy (t) y Ryx (t)como

¥
ü
R xy (t) = ò x * (t)y(t + t)dt = x * (-t) * y(t) ï
-¥ ï
ï
o ý (3.21)
¥ ï
ï
ò x(t)y (t - t)dt = x(t) * y (-t)
* *
R xy (t) =
-¥
ïþ

Análogamente Ryx (t) se define como

122
 ¥

ò y (t)x(t + t)dt = y (-t) * x(t)

* *
R yx (t) = (3.22)
-¥

Para x(t) e y(t) reales, se tiene que

¥
R xy (t) = ò x(t)y(t + t)dt = x(-t) * y(t)
-¥

y (3.23)
¥
R yx (t) = ò y(t)x(t + t)dt = y(-t) * x(t)
-¥

Propiedades de la Función Correlación .

Simetría. Esta propiedad establece que

a) R x (-t) = R *x (t) (3.24. )

b) R *yx ( t) = R xy (-t)
(3.25)

Para x(t) e y(t) reales, se tiene que

R xy ( -t) = R yx ( t)

Energía.
Esta propiedad establece que la energía E de una señal x(t) está determinada por

E = Rx (0) (3.26)

Valor Máximo.
Esta propiedad establece que

R x (0) ³ R x ( t) "t (3.27)

Por lo tanto, la función de autocorrelación Rx (t) está acotada por el valor de la energía de
la señal x(t) .
Aditividad. Si se suman dos señales, la función autocorrelación de la suma puede o no ser
la suma de sus respectivas funciones de autocorrelación. Para su determinación se
considera que
z(t) = x(t) + y(t)

123
Por lo tanto
¥

ò éë x (t) + y (t) ùû [ x(t + t) + y(t + t)] dt

* *
R z (t) =
-¥

Desarrollando el producto del argumento de la integral e integrando, se obtiene

R z ( t) = R x ( t) + R y ( t) + R xy ( t) + R yx ( t) (3.28)

Funciones Incorreladas . Si se tiene que Rxy (t) = 0 para todo t, se dice que x(t) e y(t) son
no correladas ( incorreladas ), se puede demostrar que

R yx ( t) = - R *xy ( -t)
Por lo que si
R xy ( t) = 0 , luego R yx ( t) = 0

Por lo tanto, para funciones incorreladas se tiene

R z ( t) = R x ( t) + R y ( t) (3.29)

Distribución de Energía. Para determinar la distribución de la energía de una señal en el

dominio de la frecuencia, se hace uso del concepto Densidad Espectral de Energía.

Densidad Espectral de Energía. Se tiene que la energía E de una señal x(t) está dada por :

E= òx
2
(t)dt
-¥

Si existe el siguiente par de transformada

x(t) « X(f)

la energía E de x(t) se puede escribir como

¥ ¥
é¥ ù
ò ò-¥ ë-¥ò
jwt
E= x 2 (t)dt = x(t) ê X(f )e df ú dt
-¥ û

intercambiando el orden de integración en el segundo miembro, se obtiene

124
 ¥
é¥ ù
E = ò X(f ) ê ò x(t)e jwt dt ú df
-¥ ë -¥ û
La integral dentro del paréntesis cuadrado es X(-f), en consecuencia

¥ ¥

ò ò
2
E= X(f )X(-f )df = X(f ) df
-¥ -¥

Esta última ecuación establece que la energía de una señal está dada por el área bajo la
curva ïX(f)ï2. Al término ïX(f)ï2 se le denomina densidad espectral de energía y se le
designa Sx(f), o sea
ïX(f)ï2 = Sx (f)

La propiedad de la distribución de la energía de la función autocorrelación expresa que la

Transformada de Fourier de la función autocorrelación de una señal x(t), es igual a la
Función Densidad Espectral de Energía Sx(f), es decir

F {R x ( t)} = X(f ) = Sx (f )
2
(3.30)

Para el caso de que

z(t) = x(t) + y(t)

se obtendrá que

R z ( t) = R x ( t) + R y ( t) + R xy ( t) + R yx ( t)

Aplicando Transformada de Fourier a la ecuación anterior, se tiene que

Sz (f ) = Sx (f ) + Sy (f ) + Sxy (f ) + S yx (f ) (3.31)

En el caso de que x(t) e y(t) sean incorreladas, la ecuación (3.30) tiene la siguiente forma

Sz (f ) = Sx (f ) + Sy (f ) (3.32)

Es decir, que para señales incorreladas la densidad espectral de la señal suma es igual a la
suma de las densidades espectrales de las señales componentes. Lo mismo ocurrirá con la
energía total : Ez = Ex + Ey .

125
Desplazamiento. Esta propiedad establece que si Rxy(t) es la función de correlación
cruzada de las señales x(t) e y(t), luego, se tendrá que la función correlación cruzada entre
las señales x(t – t0) e y(t – t1) es Rxy(t + t0 – t1) o Ryx(t + t1 – t0).
También, se tiene

R y1x1 ( t) = R yx ( t + t1 - t 0 ) (3.34)

Considerando las señales x(t) e y(t) = x(t – t1) se tiene

R xy ( t) = R x ( t - t1 ) (3.35)

y
R y ( t) = R x ( t) (3.36)

De (3.36), se tiene que la función de autocorrelación de una señal se mantiene, si tal señal
se desplaza en un monto dado.

Ejemplo 3.3

Determinar la función autocorrelación de la onda pulso rectangular que se muestra en la

Figura 3.10.

f(t)
A

t
0 T
Figura 3.10. Pulso rectangular del Ejemplo 3.3

Solución
Aplicando la definición de autocorrelación, y dado que f(t) es real, se tendrá que

R f ( t) = ò f (t)f (t + t)dt
-¥

Se analizarán los siguientes casos

a)t ³ T
En este caso se tiene la siguiente gráfica

126
 f(t)
f ( t + t)
A

t
-t -t+T 0 T
De acuerdo a tal gráfica, se tendrá que

R f ( t) = ò f (t)f (t + t)dt = 0
-¥

Ya que en ningún instante existe el producto f(t)f(t + t) .

b) 0 £ t £ T
f(t)
f ( t + t) A

t
-t 0 -t+T T
En este caso
- t+ T
R f ( t) = ò
0
AAdt

Integrando, se obtiene

R f (t) = -A 2t + A 2T

c) - T £ t £ 0
f(t)
A f ( t + t)

t
0 -t T -t+T
En este caso
T
R f ( t) = ò A dt
2

-t

Integrando

R f (t) = A2 t + A 2T

127
d) t £ -T

f(t)
A f ( t + t)

t
0 T -t -t+T
En este caso

Rf (t ) = 0

Resumiendo, se tiene que

ì0 para t³T
ï 2
ï -A t + A T 0£t£T
2
para
R f (t) = í 2
ïA t + A T para -T £ t £ 0
2

ï0 t £ -T
î para

La Figura 3.11, ilustra Rf (t ) .

R f (t)
A 2T

t
-T 0 T

Figura 3.11 . Gráfica de Rf (t ) del Ejemplo 3.3

Para este ejemplo se tiene que la energía E de la señal f(t) está dada por .

E = Rf (0) = A2T [ Joules]

Ejemplo 3.4

No haciendo uso de las propiedades de desplazamiento, hallar la función de correlación

cruzada Rxy (t ) y la densidad espectral de energía de z(t) = x(t) + y(t) , siendo x(t) e y(t) las
funciones mostradas en la Figura 3.12 .

128
 x(t) y(t)
1 1

t t
-T/2 0 T/2 0 T
Figura 3.12. . Gráficas de x(t) e y(t) del Ejemplo 3.4 .
Solución .
i) Determinación de Rxy (t) . Por definición se tiene que

R xy (t) = ò x(t)y(t + t)dt

-¥

Se analizarán los siguientes casos

a)t ³ 3T/2 .

Esta situación tiene la siguiente gráfica

x(t)
y ( t + t) 1

t
-t -t+T -T/2 0 T/2

De acuerdo a la gráfica, se tiene que

Rxy (t) = 0

b) T/2 £ t £ 3T/2
1 x (t )
y( t + t)

t
-t -T/2- t + T 0 T/2

En este caso

- t+ + T
2
3T
R xy (t) = ò dt = 2
-t
-T
2

129
c) -T/2 £ t £ T/2
1
x(t) y( t + t)

t
-T/2 0 - t T/2 -t+T
De acuerdo a la gráfica anterior se tiene

T
2
T
R xy ( t) = ò dt = +t
-t
2
d) t £ - T/2 .
En este caso
Rxy (t) = 0
Por lo tanto
ì 3T
ï0 para t³
2
ï
ï 3T - t para
T
£t£
3T
ï
R xy (t) = í 2 2 2
ïT + t T
para - £ t £
T
ï2 2 2
ï T
ï0 para t£-
ïî 2
La Figura 3.13, muestra la gráfica de Rxy (t ) .
R xy (t)
T

t
-T -T/2 0 T/2 T 3T/2
Figura 3.13 . Gráfica de Rxy (t ) del Ejemplo 3. 4 .

ii) Determinación de F{ Rz (t )} .Dado que

z(t) = x(t) + y(t)

se tiene

R z ( t) = R x ( t) + R y ( t) + R xy ( t) + R yx ( t)

130
En el apartado anterior, se determinó Rxy (t). Con un proceso similar al anterior, se
determina la siguiente expresión para Ryx (t ) :

ì T
ï0 para t³
2
ï
ï -t + T para -
T
£t£
T
ï 2 2 2
R yx (t) = í
ï t+ 3T para -
3T
£t£-
T
ï 2 2 2
ï 3T
ï0 para t £ -
ïî 2

La Figura 3.14, ilustra la gráfica de Ryx (t ) .

R yx (t)
T

t
-3T/2 -T -T/2 0 T/2 T
Figura 3.14. Gráfica de Ryx (t ) del Ejemplo 3 . 4 .

En el Ejemplo 3. 3. se determinó Ry(t), cuya gráfica es la mostrada en la Figura 3.15.

R y (t)
T

t
-T -T/2 0 T/2 T

Figura 3.15. Gráfica de R y ( t) del Ejemplo 3. 4 .

También se demuestra que Rx (t ) está dada por :

131
 ì0 t³T
ï-t+T 0£t£T
ï
R x ( t) = í
ït + T -T £ t £ 0
ïî0 t £ -T
O sea, Rx(t) = Ry(t).
Analizando las gráficas de Ry (t ) , Rxy (t ) y de Ryx (t ) , se concluye que :

Rxy (t ) = Ry (t - T/2 )

Ryx (t ) = Ry(t + T/2 )

Luego , Rz (t ) se reduce a

Rz (t ) = 2Ry (t ) + Ry (t - T/2 ) + Ry (t + T/2 )

Por lo tanto

F {R Z ( t)} = 2F {R y ( t)} + e- jwT / 2 F {R y ( t)} + e jwT / 2 F {R y ( t)}

Reduciendo, se obtiene
F {R z ( t)} = F {R y ( t)} ( 2 + 2 cos wT / 2 )
Pero
F {R y ( t)} = T 2 sin c 2 (fT)
En consecuencia
F {R z ( t)} = 2T 2 sin c 2 (fT) (1 + cos wT / 2 )

Expresión que se puede escribir como

F {R z ( t)} = 4T 2 sin c 2 (fT) cos 2 ( pfT/2)

Obviamente, haciendo uso de las propiedades de desplazamiento, la solución se simplifica

bastante, y queda como ejercicio el verificarlo.

3.2.2. Funciones de Correlación para Señales Definidas en Términos de Potencia .

Dadas señales reales o complejas de potencia media finita, se definen las siguientes
funciones de correlación :
Autocorrelación de x(t) : Qx(t) . Se define Qx (t) como

132
 T
2
1
Q x (t) = lim
T ®¥ ò
T -T
x * (t)x(t + t)dt (3.37)
2

Siendo T el intervalo de observación .

En el caso de que x(t) sea periódica con período T, la función de autocorrelación Qx(t) está
dada por
T
2
1
ò x (t)x(t + t)dt
*
Q x (t) = (3.38)
T T
-
2

Correlaciones Cruzadas: Qxy(t) y Qyx(t). Si x(t) e y(t) son señales de potencia las
correlaciones cruzadas tienen las siguientes definiciones
T
2
1
ò x (t)y(t + t)dt
*
Q xy (t) = lim (3.39)
T ®¥ T
T
-
2

T
2
1
ò y (t)x(t + t)dt
*
Q yx (t) = lim (3.40)
T ®¥ T
T
-
2

En el caso de que x(t) e y(t) sean periódicas y con el mismo período T, se tiene
T
2
1
ò x (t)y(t + t)dt
*
Q xy (t) = (3.41)
T T
-
2
T
2
1
ò y ( t)x(t + t)dt
*
Q yx (t) = (3.42)
T T
-
2

Propiedades de la Función Correlación para Señales Definidas en Términos de

Potencia. Se considerarán las siguientes propiedades
Simetría. Esta propiedad establece que

Qx (-t) = Q*x (t) (3.43)

Q xy ( -t) = Q *yx ( t) (3.44)

Para señales reales, se tiene
Qx (-t) = Qx (t) (3.45)
133
 Q xy ( -t) = Q yx ( t) (3.46)

Valor Cuadrático Medio. La función de autocorrelación Qx (t ) evaluada en t = 0 es igual

al valor cuadrático medio de la señal x(t), o sea

T
2
1
ò x (t)x(t)dt =< x
*
Q x (0) = lim 2
(t) > (3.47)
T ®¥ T
T
-
2

Por lo que Qx(0) proporciona la potencia media de la señal x(t) .

Valor Máximo. Para todo valor de t se cumple que

Q x (0) ³ Q x ( t) (3.48)
Aditividad. Si se tiene
z(t) = x(t) + y(t)
luego
Q z ( t) = Q x (t) + Q y ( t) + Q xy ( t) + Q yx ( t) (3.49)

Desplazamiento. Las propiedades de desplazamiento son similares a las correspondientes

a las señales descritas en términos de energía, como por ejemplo si Qxy(t) es la función de
correlación cruzada de x(t) e y(t), la función de correlación cruzada entre x(t –t0) e y(t – t1)
es
Q xy (t - t1 + t 0 )
En el caso de que y(t) = x(t - to ), se tendrá
Q xy ( t) = Q x ( t - t 0 ) (3.50)
Periodicidad. Si x(t) = x(t + T ) , luego

Qx (t ) = Qx (t + T ) (3.51)

Es decir, que la función de autocorrelación de una señal periódica, también es periódica y

con el mismo período de la señal .

Funciones de Correlación de Fasores. Sea

± j( w0 t +f )
x(t) = Ae
con período T = 2p/w0 .
La función Qx (t) será

134
 T
2
1 m j( wo t +f ) ± j éëw0 ( t +t ) +f ùû
Q x (t) =
T ò Ae
T
Ae dt
-
2

Reduciendo, se obtiene
T
2
1
òAe
2 ± jw0 t
Q x (t) = dt
T T
-
2

Integrando, se tiene
Qx (t) = A 2e ± jw0 t (3.52)

En el cálculo de funciones de autocorrelación de señales definidas en términos de potencia

resulta cómodo, a veces, usar el operador medio temporal < > , definido como
T
2
1
< x(t)> = lim
T ®¥ T ò x(t)dt
T
-
2

Así para el caso presentado, se tiene que

± j ëé w0 ( t +t ) +f ûù
Q x (t) =< x * (t)x(t + t) > = <Ae m j( wo t +f ) Ae >

Q x (t) = A 2 < e ± jw0 t >= A 2 e ± jw0 t

Si se tiene que
x(t) = Cn e jnwo t
luego ,
jnwo ( t +t )
Q x ( t) =< C n e C*n e - jnw0 t >= Cn e jnw0 t
2

Ahora si
x n (t) = C n e jnw0 t

x m (t) = C m e jmw0 t

La función de autocorrelación cruzada es

Q x m x n (t) =< C*m e- jmw0 t C n e jnw0 (t +t) >= C*m C n e jnw0 t < e (
j n -m ) t
>

Como < ej(n - m )t > = 0 para n ¹ m, se tiene que

135
 ì0 m¹n
ïï
Q x m x n ( t) = í (3.53)
ï 2 jmw0 t
ïî C n e m=n
Suponiendo que se tiene

x(t) = å C n e jnw0 t
n

En este caso
Q x (t) =< å C*m e - jmw0 t å Cn e jnw0 (t +t) >
m n

Promediando término a término y aplicando la Ecuación (3.47), se obtiene

Q x (t) = å C n e jnw0 t
2
(3.54)
n

Para t = 0, se obtiene la potencia media Pm de x(t)

Q x (0) = Pm = å C n
2

3.2.3. Teorema de Wiener - Kintchine. El Teorema de Wiener - Kintchine, establece que

F {Q x ( t)} = G x (f ) (3.55)

Donde Gx (f): Densidad Espectral de Potencia Media de la señal x(t)

3.2.4. Incorrelación . Ortogonalidad . Incoherencia .

Incorrelación. Dos señales x(t) e y(t) de energía (potencia) finita están incorreladas si

Rxy (t) = Ryx (t) = 0 "t

(Qxy (t) = Qyx (t) = 0 " t)

En este caso y supuesto que

z(t) = x(t) + y(t)
se verifica que Rz(0) = Rx (0) + Ry (0 (3.56)

(Qz(0) = Qx (0) + Qy(0))

136
Si dos señales son incorreladas, también son, ortogonales, y es suficiente, aunque no
necesario, que dos señales sean ortogonales para que la energía (potencia) de z(t) sea la
suma de las energías (potencias) de x(t) e y(t), o sea

Ez = Ex + Ey (3.57)

(Pz = Px + Py)

Incoherencia. Para que sea cierto lo planteado en la ecuación (3.57) es necesario

únicamente que
Rxy(0) = Ryx(0) = 0 (3.58)

( Qxy(0) = Qyx(0))

Utilizando la propiedad de simetría, se obtiene

Âe{ Rxy(0)} = Âe{Ryx(0)} = 0 (3.59)

(Âe{Qxy(0)} = Âe{Qyx(0)} = 0)

Cuando las señales cumplen la condición planteada en la ecuación (3.59), se dice que son
incoherentes. La incoherencia es la condición necesaria para la aditividad de energías
(potencias).
Dos señales incorreladas son también ortogonales e incoherentes. Dos señales
ortogonales, también son incoherentes. El razonamiento inverso puede ser no cierto. Lo
estipulado para el caso de dos señales puede ser generalizado para cualquier número de
señales .
Al tratar el Teorema de Parseval se encontró esta ley de aditividad de potencias
medias, dado a que las componentes del desarrollo en Serie de Fourier son incoherentes
entre sí .

Ejemplo 3.5

Determinar la potencia media de la señal z(t) dada por

z(t) = x(t) +y (t)

si :
x(t) = A1 cos(w1t + f1)

y(t) = A2 cos(w2t + f2)

137
Solución
En general se tiene que .

Qz (t) = Qx(t) + Qy(t) +Qxy(t) + Qyx(t)

Además
Rz (t) = Rx (t) + Ry (t

(Qz(t) = Qx (t) + Qy (t))

y que
Sz ( f ) = Sx ( f ) + Sy ( f )

(Gz ( f ) = Gx ( f ) + Gy ( f ))

Ortogonalidad. Se dice que x(t) e y(t) son ortogonales si

Rxy ( 0 ) = Ryx ( 0 ) = 0
(Qxy (0) = Qyx (0) = 0)

En este caso se verifica que .

A12
Qx(t) = cosw1t
2

A 22
Q y ( t) = cosw2t
2

Por otra parte, por ser x(t) e y(t) reales, se tiene

ì
ï0 w1 ¹ w2
ï
Q xy (t) =< x(t)y(t + t) >= í
ïA A
ï 1 2 cos(w2 t - f1 + f2 ) w1 = w2
î 2

ì
ï0 w1 ¹ w2
ï
Q yx (t) =< y(t)x(t + t) >= í
ïA A
ï 1 2 cos(w2 t + f1 - f2 ) w1 = w2
î 2

138
Se pueden considerar los siguientes casos particulares
a) Si w1 ¹ w2 , o sea que x(t) e y(t) son incoherentes y en este caso

A12 A 22
Pz1 = Q z (0) = +
2 2

b) Si w1 =w2 y f1 =f2 , x(t) e y(t) son coherentes y en este caso

A12 A 22 A1A 2 A1A 2

Pz 2 = Q z (0) = + + +
2 2 2 2

Expresión que se puede escribir como

( A + A2 )
2

Pz2 = 1
2

Resultado que era de esperar, dado que en este caso z(t) es una sinusoide de amplitud A1 +
A2 .
Analizando las expresiones de Pz1 y de Pz2 , se deduce que

Pz2 > Pz1

Con x(t) = A1cos(w1t + f1), de la siguiente expresión

A12
Q x ( t) = cos w1t
2

Se infiere que la correlación de una senoide es otra senoide de la misma frecuencia en el

dominio t. El parámetro de fase f desaparece, obedeciendo al efecto promediante de la
correlación. Por razón de este efecto, se concluye que la autocorrelación no define en forma
única a la señal, ya que por ejemplo, todas las señales x(t)= Acos(w0t + f) tienen la misma
Qx(t), independiente de f.

139
PROBLEMAS

3.1 Realizar la convolución de las dos señales mostradas en la Figura P3.1.

x1 (t) x 2 (t)
2 2

t t
-1 0 1 -1 0 1
Figura P 3.1

3.2. Si S(f) = 0 para ôfô > fm y que a/2p > fm , demostrar que
sen(at)
s(t)* = s(t)
pt

3.3. Determinar s1(t)*s2(t) para las funciones ilustradas en la Figura P 3.3

s1 (t) s2 (t)
A B

t t
0 1 0 2
a)
s1 (t) s2 (t)
A B

t t
0 1 -1 0 1
b)
Figura P 3.3
3.4. Determinar h(t)*f1(t), cuyas gráficas se muestran en la Figura P 3.4.

h(t) f1 (t)
16 A

4
20
t t
0 10 30 0 5
-8
Figura P 3.4

140
3.5. Aplicando el teorema de convolución en frecuencia, determinar la Transformada de
Fourier de la función cos22pf0t.

3.6. Determinar la Transformada de Fourier de la señal

x(t) = e-tu(t)*e-2tu(t)

a) Efectuando primeramente la convolución y transformando el resultado.

b) Tomando la transformada de cada señal convoluida y después multiplicando los
resultados.

3.7. Demostrar si cada una de las siguientes ecuaciones es en general verdadera.

a) Si y(t) = x(t)*h(t), entonces y(2t) = 2x(2t)*h(2t).
b) Si x(t) e y(t) son impares entonces y(t) = x(t)*h(t) es par.

3.8. Calcular x(t)*y(t) para -¥ < t < ¥, con:

x(t) = u(t) + u(t – 1) – 2u(t –2)

y(t) = 2u(t + 1) – u(t) – u(t – 1)

3.9. Determinar las expresiones de la función de autocorrelación y de la densidad espectral

de energía, para las siguientes señales de energía
a) Asinc(2Wt)
b) Ae-t/Tu(t)

3.10. Se tiene la señal

x(t) = Ap ( at )
Cuya gráfica se muestra en la Figura P 3.10.
a) Determinar la función de autocorrelación de x(t).
b) Calcular la densidad espectral de energía de x(t), a partir de su función de
autocorrelación.
c) Aplicar el Teorema de Parseval para hallar la expresión de la densidad espectral de
energía de x(t).
x(t)
A

-a/2 0 a/2
Figura P 3.10

141
3.11. Determinar la densidad espectral de energía de la señal f(t) = e-atu(t):
a) A través de su función de autocorrelación.
b) Aplicando directamente Transformada de Fourier a f(t).

3.12. a) Hallar la función de autocorrelación de la derivada de la onda de la Figura P3.12.

b) ¿Se obtendrá Rf(t) con dos integraciones sucesivas?.
c) Verificar los resultados obtenidos en a) y b) determinando Rf(t) directamente de f(t).

f(t)

T
t
-T 0

-A

Figura P 3.12

3.13. La señal x(t) tiene la densidad espectral de potencia Gx(w) dada por
é 1 ù
G x (w) = ê + d(w - 3) + d(w + 3) ú
ë1 + w û
2

a) ¿ Cuál es la potencia media total de x(t)?

b) ¿ Cuál es la potencia media en el intervalo de frecuencia de 0,9 a 1,1 [rad/seg]?
c) ¿ Cuál es la potencia media en el intervalo de frecuencia de 1,9 a 2,1 [rad/seg]?
d) Determinar la función autocorrelación Qx(t) de la señal x(t).
e) Determinar una señal x(t) que tenga la densidad espectral de potencia especificada.

3.14. Determinar y dibujar la función de autocorrelación de la onda mostrada en la Figura P

3.14.
x(t)
A
......... .........
t
- T2 0 T
2 T

-A

Figura P 3.14

142
3.15. Determinar la densidad espectral de potencia y la función de autocorrelación de la
señal
x(t) = cos 20pt + cos 40pt

3.16. Calcular la función de autocorrelación y densidad espectral, de potencia o de energía

según sea el caso, de las siguientes señales:
a) x(t) = Asinc(at)
b) x(t) = å p(t - nT) , siendo p(t) = 0 para ïtï > T/2
n

3.17. Determinar la correlación cruzada entre las señales x(t) e y(t), cuyas gráficas se
muestran en la Figura P 3.17. Determinar la densidad espectral de energía de z(t) = x(t) +
y(t).

x(t) y(t)

1 1

t t
-T 0 0 T

143Figura P 3.17

3.18. Una onda senoidal rectificada onda completa, tiene una amplitud A y un periodo T.
a) Determinar su valor cuadrático medio en el dominio del tiempo.
b) Usando autocorrelación, determine la expresión para su densidad espectral.

143
144
UNIDAD IV MUESTREO EN EL DOMINIO DEL TIEMPO DE SEÑALES DE
TIEMPO CONTINUO.

El muestreo es un proceso por el cual una señal, que es una función de una variable
continua, es convertida en una señal que es función de una variable discreta .
Muchas señales de interés práctico, tales como voz, señales biológicas, señales sísmicas,
señales de radar, y señales de comunicación (como las señales de audio y de video), son
análogas. Para procesar señales análogas por medios digitales, primero es necesaria
convertirla a una forma digital, o sea, convertirla a una secuencia de números con precisión
finita. Este proceso es llamado conversión análoga - digital (A/D) y los correspondientes
dispositivos son llamados conversores A/D . El objetivo, de esta unidad, es dar a conocer a
los alumnos las técnicas de muestreo, de señales de bajas frecuencias (tipo pasabajo), para
que logren la capacidad de aplicarlas cuando sea pertinente.
Conceptualmente la conversión A/D es un proceso de tres etapas :

-Muestreo. El muestreo es la conversión de señales de tiempo continuo en una señal de

tiempo discreto, obtenida por la toma de muestras de la señal de tiempo continuo en
instantes de tiempo discreto. Luego, si xa(t) es la entrada al muestreador la salida es xa(nT)
= x(n), donde T se conoce como intervalo de muestreo .
-Cuantización. Es la conversión de una señal de tiempo discreto de valores continuos en
una señal de tiempo discreto de valores discretos. El valor de cada muestra de señal es
representado por un valor seleccionado de un número finito de valores posibles.
-Codificación. En el proceso de codificación, cada valor discreto xq(n) es representado por
una secuencia binaria de bits .
La Figura 6.1 ilustra el proceso de conversión A/D .

xa(t) x(n) xq(n) 1100

Muestreador Cuantizador Codificador

Señal análoga Señal de tiempo discreto Señal cuantizada Señal digital

Figura 4.1. Proceso de Conversión A/D

Considerando el uso histórico de los símbolos para la designación de las frecuencias ,

en el desarrollo del texto se utilizara la convención de f y ω para señales de tiempo continuo y
de F y Ω para señales de tiempo discreto. En algunas bibliografías pertinentes, se emplea una
convención inversa a la indicada.

145
TEMAS

4.1. MUESTREO DE SEÑALES DE TIEMPO CONTINUO

Hay diferentes maneras de muestrear una señal análoga. Se considerará el caso de

Muestreo Uniforme o Periódico, ya que es el tipo de muestreo más comúnmente utilizado
en la práctica. Este tipo de muestreo es descrito por la relación

x(n) = xa(nT) , -¥ < n < ¥ (4.1)

donde x(n) es la señal de tiempo discreto obtenida por la muestras de la señal análoga xa(t)
cada T segundos. Este procedimiento de muestreo se ilustra en la Figura 6.2 .

xa(t) x(n) = x(nT)

Señal Análoga Muestreador Señal de tiempo discreto

xa(t)

xa(t) x(n) = xa(nT)

n
(nT)
Figura 4.2. Muestreo Periódico de una Señal Análoga

146
El muestreo periódico establece una relación entre la variable temporal t, de una señal de
tiempo continuo, con la variable temporal n, de una señal de tiempo discreto. De hecho,
estas variables están linealmente relacionadas a través del período de muestreo T, o
equivalentemente a través de la tasa de muestreo fs =1/T, mediante la relación
n
t = nT = (4.2)
fs

Como una consecuencia de la ecuación (4.2), existe una relación entre la variable de
frecuencia f(o w) para señales análogas y la variable de frecuencia F(o W) para señales de
tiempo discreto. Para establecer estas relaciones, se considera una señal análoga senoidal de
la forma
xa (t) = A cos(2pft + q) (4.3)

La cual, cuando se muestrea periódicamente a una tasa de fs = 1/T muestras por segundo,
produce
f
x a (nT) = x(n) = A cos(2pfnT + q) = A cos(2pn + q) (4.4)
fs

comparando las ecuaciones (4.3) y (4.4), se establece la siguiente relación lineal :

f
F=
fs
o equivalentemente (4.5)
W = wT

luego

x ( n ) = A cos(2pnF + q) = A cos(Wn + q) (4.6)

La ecuación (4.5) justifica la denominación de frecuencia relativa o normalizada para la

variable F. Se puede utilizar F para determinar la frecuencia f [ Hz ] , sólo si se conoce la
frecuencia de muestreo fs .
Para senoides de tiempo continuo, se tienen los siguientes rangos de frecuencia

-¥ < f < ¥ (4.7)

-¥ < w < ¥ (4.8)

Para senoides de tiempo discreto, se tiene

147
 1 1
- £F£
2 2
(4.9)
-p £ W £ p

Si se considera que xk(n) = Acos(W kn + q), k = 0,1,2,., con W k= W0 + 2kp y -p £ W 0 £ p, se

tiene que las senoides de tiempo discreto descritas por xk(n) son idénticas. Por otra parte,
las secuencias de dos senoides cualesquiera con frecuencias en el rango -p £W£ p o –1/2 £
F £ 1/2 son diferentes. Luego, las señales senoidales de tiempo discreto con frecuencias -p
£ W £ p o –1/2 £ F £ 1/2 son únicas. Cualquier secuencia resultante de una señal senoidal
con frecuencia ôWú > p o ôFú >1/2, es idéntica o similar a una secuencia obtenida de una
señal senoidal con frecuencia ôWú < p o ôFú < ½. Debido a esta similitud, se dice que la
senoide que tiene frecuenciaôWú > p se denomina alias de la correspondiente senoide con
frecuencia ôWú < p. La tasa más alta de oscilación de una senoide de tiempo discreto, se
obtiene cuando W = p. (W = -p) o en forma equivalente cuando F = 1/2.( F = - 1/2).
Las unidades de las variables frecuencias son :

f Hz
w radianes/seg
F ciclos/muestra
W radianes/muestra

En base a las ecuaciones anteriores se puede decir que la diferencia fundamental entre
señales de tiempo continuo y señales de tiempo discreto está en el rango de valores de las
variables de frecuencia f y F, o w y W. El muestreo periódico de una señal de tiempo
continuo implica una correspondencia entre un rango infinito de frecuencia para la variable
f (o w) y un rango finito de frecuencia para la variable F (o W). La frecuencia más alta en
una señal de tiempo discreto es W = p o F = 1/ 2, por lo que, con una tasa de muestreo fs , y
dado que que f = Ffs y w = W/T, los valores más altos de f, fmax, y de w, wmax , son

fs 1
f max = =
2 2T (4.10)
p
wmax = pfs =
T

Dado que la frecuencia más alta en una señal de tiempo continuo que puede ser distinguida
unívocamente, cuando una señal es muestreada a la tasa fs = 1/T, es fmax o wmax dadas por
(4.10), se tiene que el muestreo introduce una ambigüedad cuando la señal analógica

148
contiene frecuencias sobre fs/2. Para graficar esta situación, se considerará el siguiente
ejemplo.

Ejemplo 4.1.

Sean las señales senoidales análogas x(t) = cos 40pt y y (t) = cos200pt, las que son
muestreadas a la tasa de fs = 80 [Hz]. Determinar las correspondientes señales de tiempo
discreto o secuencias.

Solución
Las señales de tiempo discreto correspondientes son

æ 20 ö p
x(n) = cos 2p ç ÷ n = cos n
è 80 ø 2

æ 100 ö 5p
y(n) = cos 2p ç ÷ n = cos n
è 80 ø 2
Como, cos(5pn/2) = cos(2pn + pn/2) = cos(pn/2) se deduce que x(n) = y(n). Por lo tanto,
las señales sinusoidales discretas son idénticas y, por lo tanto, indistinguibles. Si se
consideran los valores muestreados generados por cos(p/2)n, no se puede determinar si son
correspondientes a la señal x(t) o la señal y(t). Ya que x(t) produce exactamente los mismos
valores que y(t) cuando las dos señales son muestreadas en fs = 80 muestras por segundo.
En este caso se dice que la frecuencia f2 = 100[Hz] es una “alias “ de la frecuencia f1 =
20[Hz] a la tasa de muestreo de 80 muestras por segundo.
Se tiene que f2 no es la única alias de f1. Efectivamente, a la tasa de muestreo de 80
muestras por segundo, todas las senoides cos2p(f1 +80k)t, k= 1,2,3,4,......, muestreadas a 80
muestras por segundo producen idénticos valores. En consecuencia todas ellas son alias de
f1 = 20[Hz].

En general, el muestreo de una señal senoidal de tiempo continuo dada por

xa (t) = Acos(2pf0 t + q) (4.11)

con una tasa de muestreo fs = 1/T, produce una señal de tiempo discreto x(n) con expresión

x(n) = Acos( 2pF0n + q) = Acos( W0 n + q) (4.12)

149
donde F0 = f0 / fs. Si se asume que -fs/2 £ f0 £ fs/2, la frecuencia F0 de x(n) está en el rango -
1 /2 £ F0 £ 1 / 2. En este caso, la relación entre f0 y F0 es uno a uno, por lo que es posible
identificar o reconstruir la señal análoga xa (t) a partir de sus muestras x(n).
Por otra parte, si las senoides

xa (t) = Acos(2pfkt + q) (4.13)

con
fk = f0 + kfs , k = ± 1 , ± 2 , ........ (4.14)

son muestreadas a la tasa fs,, se tendrá que la frecuencia fk está fuera del rango fundamental
de frecuencia -fs / 2 £ f £ fs / 2. En estas condiciones, la señal muestreada es
æ f + kfs ö
x(n) = x a (nT) = A cos ç 2p 0 n + q÷
è fs ø

x(n) = x a (nT) = A cos ( 2pnf 0 / fs + q + 2pkn ) (4.15)

x(n) = x a (nT) = A cos ( 2pF0 n + q )

Ecuación que es idéntica a la señal de tiempo discreto en (4.12), la que fue obtenida
muestreando la señal analógica dada por (4.10). De esta manera, un número infinito de
senoides de tiempo continuo está representado, después del muestreo, por la misma señal
de tiempo discreto. De aquí, se deduce que las frecuencias fk = f0 + kfs , -¥ < k < ¥ son
alias de f0. La relación entre las variables de frecuencia de las señales de tiempo continuo y
discreto está ilustrada en la Figura 4.3.

F W
1/2 p

f
-fs -fs /2 0 fs /2 fs

-1/2 -p

Figura 4.3. Relación entre las Variables de Frecuencia de Tiempo Continuo y de

Tiempo Discreto para el Caso de Muestreo Periódico.

150
Como f = Ffs. y que el valor máximo de F es 1/2, se tendrá f = fs/2, la cual corresponde a W.
= p, representa la frecuencia más alta de una señal que puede ser muestreada unívocamente
a una tasa de muestreo fs. En el caso de que la señal contenga frecuencias alias superiores a
fs/2 (W. = p), se puede realizar la correspondencia pertinente, empleando la frecuencia
equivalente menor que fs/2. La frecuencia fs/2 (W = p) se denomina frecuencia de plegado
(folding).
De la ecuación (6.5), se deduce que fs = f/F, como el valor máximo de F es 1/2, se
tiene que para una frecuencia f dada, como f = f1 , la frecuencia mínima de muestreo fsmin
está dada por

fsmin = 2f1 (4.16)

Las senoides de tiempo discreto presentan las siguientes características :

- Una senoide de tiempo discreto es periódica solamente si su frecuencia F es un número
racional .
- Senoides de tiempo discreto cuyas frecuencias están separadas por un entero múltiplo de
2p son idénticas .
- La tasa más alta de oscilación en una senoide de tiempo discreto se logra cuando W = p (o
W = - p) o en forma equivalente F = ½ (o F = - ½)

Ejemplo 4.2.

Dada la señal :
xa (t) = 5 cos 200pt
a) Determinar la tasa de muestreo mínima .
b) Supóngase que la señal es muestreada a la tasa de fs = 400 [Hz]. ¿ Cuál es la señal de
tiempo discreto obtenida después del muestreo ?
c) Supóngase que la señal es muestreada a la tasa fs = 150 [Hz]. ¿Cuál es la señal de tiempo
discreto obtenida después del muestreo? .
d) ¿Cuál es la frecuencia f < fs / 2 de una senoide que produce muestras idénticas a las
obtenidas en el apartado c )?

Solución
a) La tasa mínima fsmin de muestreo está dada por

fsmin = 2 f

Para el ejemplo dado de tiene que f = 100 [Hz], luego:

fsmin = 200 [Hz].

151
b) En general si la señal análoga está dada por xa (t) = Acos( 2pf0t + q ), al ser muestreada
la señal de tiempo discreto resultante es x(n) = Acos( 2pF0n+ q ). Luego, para el ejemplo
dado, con F = f / fs y fs = 400 Hz , se tiene que

x(n) = 5cos(2pn100/400)

x(n) = 5cos(np / 2)

c) Para fs = 150 [Hz], se tiene

x(n) = 5cos(2pn100/150) = 5cos(4pn/3)

De la ecuación anterior, se deduce que F = 2/3, lo que no satisface la condición de que ôFô
£ 1/2, por lo que es necesario reescribir dicha ecuación como

x(n) = 5cos(2pn - 2pn/3)

de donde

x(n) = 5cos(2pn/3)

y en este caso se tiene que F = 1/3, cumpliéndose que ôFô £ 1/2.

d) Se pide determinar la frecuencia f < fs/2 de una senoide que produzca muestras idénticas
a las obtenidas en al apartado c). Para fs = 150 [Hz], se tiene f < 75 [Hz] y

f = Ffs = 150F

En el apartado c) se tiene que F = 1/3, por lo tanto

f = 50 [Hz].

Por lo cual, la señal senoidal análoga estará dada por

ya(t) = 5cos(2p50t) = 5cos(100pt)

De manera que ya(t), muestreada a la tasa de fs = 150 muestras por segundo produce
muestras idénticas que para el caso del apartado c). O sea, la frecuencia f = 100 [Hz] es una
alias de la frecuencia f = 50 [Hz], para la tasa de muestreo fs = 150 [Hz].

152
4.2 . MUESTREO DE SEÑALES DE FRECUENCIAS BAJAS (PASABAJO)

Si la Transformada X(f) de x(t) es nula fuera de un cierto intervalo, existe una

representación de x(t) en forma de desarrollo en serie cuyos coeficientes son muestras de
x(t). O sea, x(t) está completamente definida en función de sus muestras tomadas a una tasa
determinada. Luego, la transmisión de x(t) puede efectuarse no de manera continua, en todo
el tiempo, sino en forma discreta transmitiendo sólo sus muestras y reconstruyendo la señal
continua ,en el receptor, a partir de tales muestras.
El análisis de muestreo se hará para señales de banda limitada de frecuencias bajas
(pasabajos), que son aquellas para las cuales se cumple que

ôX(f)ô= 0 para ôfô³W (4.17)

Con W como frecuencia máxima en Hz. del espectro X(f) .

Dependiendo del tipo de la señal muestreadora, se tiene la siguiente clasificación del
muestreo : Muestreo Teórico y Muestreo Práctico .

4.2.1. Muestreo Teórico. Para el caso de Muestreo Teórico la onda muestreadora sd (t),
con Ts como intervalo de muestreo, está dada por

sd (t) = å d(t - mTs ) (4.18)

m

Donde Ts es el intervalo de muestreo. En este caso se dice que sd (t) es la onda

muestreadora ideal .Con xd (t) como la señal muestreada de x(t), se tiene que

x d (t) = x(t)sd (t) = x(t)å d(t - mTs ) (4.19)

m

ecuación que puede escribirse como

x d (t) = å x(mTs )d(t - mTs ) (4.20)

m

Aplicando Transformada de Fourier a la ecuación anterior, se obtiene

X d (f ) = X(f ) *Sd (f ) (4.21)

como
1
Sd (f ) = fs å d(f - mfs ) ; fs = (4.22)
m Ts
La ecuación (4.22) en (4.21), determina

153
 é ù
X d (f ) = X(f ) * ê fs å d(f - mfs ) ú (4.23)
ë m û
de donde
X d (f ) = fs å X(f - mfs ) (4.24)
m

Ecuación que establece que el espectro de xd (t) es el de x(t) repetido y centrado en cada
armónica de la frecuencia afectada por un factor fs .
La Figura 4.4, muestra los espectros de x(t) y de xd(t).

X(f)
A

f
-W 0 W
Xd (f)

Afs X(f)
........... ...........
f
-fs -W 0 W fs - W fs fs + W

Figura 4.4. Espectros de x(t) y de xd (t)

Si se verifica que
fs - W ³ W
o sea que
fs ³ 2W (4.25)

no habrá traslape (aliasing) entre las componentes espectrales de Xd (f) .

Por otra parte, se tiene que es posible la recuperación de x(t) pasando xd (t) por un
filtro pasabajo cuya frecuencia de corte B cumpla la condición .

W £ B £ fs – W (4.26)

4.2.2. Teorema de Muestreo. El enlace entre la señal analógica y la correspondiente señal

muestreada lo proporciona el Teorema de Muestreo, cuyo enunciado es :

154
 “ Una señal de banda limitada, sin componentes espectrales por encima de una
frecuencia de W [Hz], se determina unívocamente por sus valores muestras equidistantes a
intervalos no mayores de 1/(2W) segundos. Esta es una condición suficiente para que una
señal analógica pueda ser reconstruida totalmente a partir de un conjunto de muestras
discretas uniformemente espaciadas en el tiempo “.
A la frecuencia de muestreo fs = 2W se le llama frecuencia de Nyquist (fN) y al
intervalo de muestreo Ts = 1/fs = 1/(2W) se le conoce como intervalo de Nyquist (TN )
Para evitar el traslape de las componentes espectrales parciales de Xd(f), el intervalo
de muestreo Ts debe satisfacer la siguiente relación

1
Ts £ (4.27)
2W

de donde se deduce que

fs ³ 2W (4.28)

Luego, la frecuencia de muestreo de Nyquist es la mínima frecuencia de muestreo y el

intervalo de Nyquist es el máximo intervalo de muestreo, que satisfacen el teorema de
muestreo.
El Teorema de Muestreo implica que la señal continua xa (t) puede ser reconstruida
a partir de sus valores muestras usando la función de interpolación g(t) dada por

sen 2pWt
g(t) = = sin c(2Wt) (4.29)
2pWt

Donde W es la frecuencia máxima del espectro de xa (t). Luego xa(t) puede ser expresada
como
¥
ænö æ nö
x a (t) = åx a ç ÷gç t - ÷ (4.30)
n =-¥ è fs ø è fs ø

donde xa (n / fs ) = xa (nT) = x(n) son las muestras de xa (t) .

Cuando el muestreo de xa (t) se realiza a la frecuencia Nyquist la fórmula de
reconstrucción es

¥
æ n ö
x a (t) = åx
n =-¥
a ç ÷ sin c [ 2W(t - n / 2W)]
è 2W ø
(4.31)

Cuando se utiliza la función de interpolación g(t), se tiene el proceso de conversión digital -

análogo ( D / A) ideal .
155
Ejemplo 4.3.

Una señal análoga xa (t) = sen(480pt) + 3 sen(720pt) es muestreada idealmente, 600 veces
por segundo .
a) Determinar la frecuencia Nyquist para xa (t).
b) Determinar la frecuencia folding o de plegado.
c) ¿Cuáles son las frecuencias en rad/muestra, de la señal de tiempo discreto resultante?
d) Si x(n) se pasa a través de un conversor D/A ideal, ¿cual es la señal ya (t) reconstruida?

Solución
a) Para el ejercicio dado se tiene que el espectro de xa (t) tiene una frecuencia máxima fm
igual a 360 Hz, luego la frecuencia Nyquist fN está dada por

fN = 2 fm = 2*360 Hz = 720 Hz

b) Como la frecuencia de muestreo fs es de 600 Hz se tiene que la frecuencia folding igual a

fs / 2 es de 300 Hz .
c) Se tiene que

x(n) = xa (nT) = xa ( n / fs ) = sen2p( 2 / 5)n + 3sen2p( 3 / 5)n

Por otra parte, las frecuencias de la senoide de tiempo continuo, muestreada a la tasa de fs ,
deben estar en el rango :
f f
- s £f £ s
2 2
o
1 1
- £F£
2 2

Por lo que en este caso, es necesario realizar la siguiente operación

x(n) = xa (nT) = xa (n/fs) = sen2p(2/5)n + 3 sen(2p - 2p(2/5))n

expresión que se puede escribir como

x(n) = xa (nT) = xa (n/fs) = - 2sen2p(2/5)n

156
En este caso se tiene sólo una frecuencia presente, la que está dada por

2
F=
5

Por lo que la frecuencia en radianes/muestra W, presente en la señal de tiempo continuo está

dada por

4p
W = 2pF = [ rad / muestra ]
5

d) Dado que la única componente de frecuencia presente en la señal de tiempo discreto es F

= 2/5, la señal senoidal análoga que se puede recuperar tiene la frecuencia f dada por

f = F*fs = (2/5)600[Hz]

f = 240 [Hz]

Luego, la señal análoga ya(t) que se puede recuperar es

ya (t) = -2sen480pt

la cual es obviamente diferente de la señal original xa(t). Esta distorsión de la señal análoga
original es causada por el efecto aliasing, debido a la baja tasa de muestreo utilizada (menor
que la frecuencia Nyquist).

4.2.3. Muestreo Práctico. El Teorema de Muestreo es consecuencia de la limitación en

banda de la señal analógica original. La caracterización de la señal requiere conocer sus
muestras x(nT), obtenidas de un modo simple, pero también irrealizable físicamente,
con la onda muestreadora Delta de Dirac. Como el Teorema de Muestreo no impone
exigencia alguna en cuanto al modo de obtener las muestras, es razonable inferir que la
señal de banda limitada x(t) podrá reconstruirse a partir de muestras x(nT) que se obtengan
mediante algún procedimiento que pueda ser realizado en forma práctica, dando lugar a los
sistemas prácticos de muestreo.
Los sistemas prácticos de muestreo difieren del modelo teórico, en los siguientes
aspectos :

157
- La onda muestreadora está constituida por trenes de pulsos de duración no nula .
- Los filtros de reconstrucción no son ideales .
- Las señales a las que se aplica el Teorema de Muestreo no están estrictamente limitadas
en banda, dado a que son señales limitadas en en el tiempo .
Existen dos clases de muestreo práctico : instántaneo y natural.

Muestreo Práctico Instantáneo: xpi (t). Sea el pulso básico arbitrario p(t) con ancho t, tal
que

p(t) = 0 para ïtï³ t / 2 . (4.32)

La forma de p(t) puede ser cualquiera. Considérese la onda s(t) dada por

s(t) = å p(t - nT) (4.33)

n

con T ³ t, condición que evita el traslape de los pulsos básicos .

Una forma de transmitir las muestras de x(t) es utilizarlas como factor de amplitud
de los pulsos, obtenidas en los instantes medios nT de los pulsos, o sea formando la señal
xpi(t) dada por

x pi (t) = å x(nT)p(t - nT) (4.34)

n

Luego xpi(t) es un tren de pulsos, cada uno de los cuales tiene un factor de ponderación,
igual al valor instantáneo x(nT).
Como en todo el intervalo de duración de cada pulso p(t - nT), sólo se considera un
valor instantáneo de x(t), cabe esperarse alguna distorsión espectral del espectro de xpi (t),
como se mostrará a continuación. Se tiene que

p(t - nT) = p(t) * d(t - nT) (4.35)

la ecuación (4.34) puede escribirse como

é ù é ù
x pi (t) = p(t) * ê å x(nT)d(t - nT) ú = p(t) * ê å x(t)d(t - nT) ú (4.36)
ë n û ë n û

Como la expresión entre paréntesis cuadrados es la misma que la del muestreo teórico,
tomando Transformada de Fourier, se tiene que

158
 X pi (f ) = fs P(f )å X(f - nfs ) (4.37)
n

como P(f) es una función continua, de acuerdo a la ecuación (4.37), se produce una
modificación del espectro de la señal muestreada con respecto al de la señal original. Por lo
tanto, para recuperar fielmente la señal original hay que disponer de un filtro corrector o
igualador que cancele la influencia de P(f). Idealmente la Función de Transferencia de tal
filtro podría ser

1 æ f ö
H I (f ) = pç ÷ (4.38)
P(f ) è 2W ø

con lo cual
X pi (f )H I (f ) = X(f ) (4.39)

Muestreo Práctico Natural : xpn(t). En este caso en vez de afectar a cada pulso con un
valor instantáneo de x(t), se le multiplica punto a punto por cada uno de los valores de x(t)
en el intervalo de existencia. Es decir, se forma el producto genérico x(t)p(t - nT), el cual
será nulo para ït - nTï ³ t/2, por serlo p(t - nT). Sumando tales productos se obtiene el
muestreo práctico natural xpn(t), dado por

x pn (t) = x(t)å p(t - nT) (4.40)

n

como
p(t - nT) = p(t) * d(t - nT)

se tiene que la onda muestreadora s(t) está dada por

s(t) = å p(t - nT) = p(t) * å d(t - nT) (4.41)

n n

Aplicando Transformada de Fourier a la ecuación (6.41), se obtiene

S(f ) = fs P(f )å d(f - nf s ) = f s å P(nf s )d(f - nf s ) (4.42)

n n

La ecuación (6.40), se puede escribir como

xpn (t) = x(t) s(t) (4.43)

159
Aplicando Transformada de Fourier a la ecuación (6.43), y considerando la expresión de
S(f) dada por la ecuación (4.42), se obtiene

é ù
X pn (f ) = X(f ) *S(f ) = X(f ) * êfs å P(nf s )d(f - nf s ) ú (4.44)
ë n û

de donde

X pn (f ) = f s å P(nfs )X(f - nfs ) (4.45)

n

Se observa que Xpn (f) está constituido por el espectro X (f) de x(t), centrado en cada
armónica de fs, afectado por un factor de escala P(nfs)fs que es fijo para cada componente
espectral parcial, por lo cual no se tiene distorsión en el espectro de xpn(t) y x(t) se puede
recuperar utilizando un filtro pasabajo .

Ejemplo 4.4.

Sea la onda muestreadora s(t) un tren de pulsos rectangulares, cuya gráfica es la mostrada
en la Figura 4.5. Con x(t) como señal arbitraria a muestrear, determinar la expresión de la
señal muestreada y la de su espectro, utilizando :
a) Muestreo práctico instantáneo .
b) Muestreo práctico natural .

s(t)
1

t
-T -t t T
2 2

Figura 4.5. Tren de Pulsos Rectangulares del Ejemplo 4.4

Solución
Sea
ætö
p(t) = p ç ÷ t<T
ètø

luego la onda muestreadora s(t) tendrá por ecuación

æ t - nT ö
s(t) = å p ç ÷
n è t ø

160
a) Muestreo práctico instantáneo.

Se tiene, en general, que

x pi (t) = å x(nT)p(t - nT)
n

luego para el caso particular del ejemplo, se tendrá

æ t - nT ö
x pi (t) = å x(nT)p ç ÷
n è t ø

De donde se deduce que xpi(t) está formado por un tren de pulsos rectangulares, con altura
igual al valor de la señal x(t) en el instante de muestreo nT. En el dominio de la frecuencia
se tiene

X pi (f ) = fs P(f )å X(f - nfs )

n

con
P(f ) = F{p(t)}
por lo que en este caso
P(f ) = t sin c(ft)

por lo tanto

X pi (f ) = d sin c(ft)å X(f - nfs )

n

con d = tfs (ciclo de trabajo) .

De acuerdo a la expresión de Xpi(f), se deduce que dicho espectro, está compuesto
por versiones desplazadas del espectro de x(t) centradas en armónicas de fs, pero con
envolvente la función dsinc(ft ), por lo cual cada versión desplazada no tiene la forma del
espectro de x(t) y en este caso el muestreo introduce una cierta distorsión .
b) Muestreo práctico natural .

Como
x pn (t) = x(t)s(t) = x(t)å p(t - nT)
n

161
luego

æ t - nT ö
x pn (t) = x(t)å p ç ÷
n è t ø

De acuerdo a la expresión de xpn (t), se tiene que la señal muestreada está constituida por un
tren de pulsos no rectangulares, dado que el tren de pulsos tiene como envolvente a la señal
x(t).
En el dominio de la frecuencia ,se tiene en general que

X pn (f ) = f s å P(nfs )X(f - nfs )

n

luego para el ejemplo dado

P(nfs ) = t sin c(nfs t)

por lo tanto

X pn (f ) = d å sin c(nd)X(f - nfs )

n

se observa que Xpn (f) está formado por versiones desplazadas del espectro de x(t), en cada
versión desplazada tiene un factor constante de dsinc(nfst), por lo que cada una de ellas
tiene la forma del espectro de x(t) y por lo tanto no se tiene distorsión .

Ejemplo 4.5.

La señal x(t) = cos20pt, es muestreada naturalmente a una tasa de 19 [muestras/seg]. La

señal muestreadora es un tren de pulsos rectangulares unitarios y el ancho de los pulsos es
de 1[mseg]. La señal muestreada es la señal de entrada de un filtro pasabajos ideal unitario.
Determinar la señal de salida del filtro pasabajos.

Solución
Como x(t) = cos2p10t, luego su espectro X(f) es

X (f ) = 1
2 [d(f + 10) + d(f - 10)]

162
La gráfica de X(f) es

X(f)
1
2

f [Hz ]
-10 0 10
Figura 4.6. Espectro X(f) de la señal x(t) del Ejemplo 4.5

Como es muestreo práctico natural, de acuerdo al resultado obtenido en el Ejemplo 6.3, la

expresión del espectro Xpn(f) de la señal muestreada xpn(t) es

X pn (f ) = d å sinc (nd )X(f - nf s )

n

Con fs = 10[Hz] y d = tfs = 19*10-3 = 0,019, Xpn(f) se puede escribir como

X pn (f ) = 0, 019å sin c(0, 019n)X(f - n19)

n

Desarrollando la sumatoria, se obtiene

Xpn(f) = 0,019[...+ sinc(-0,019)X(f + 19) + sinc(0)X(f) + sinc(0,019)X(f-19)+...]

La gráfica de Xpn(f) se muestra en la Figura 4.7.

X pn (f )
0,5*0,019
0,5*0,019sinc(0,019)

........ ........

f [Hz ]
-29 -19 -10 -9 9 10 19 29

Figura 4.7. Espectro de la Señal Muestreada del Ejemplo 4.5

El espectro X0(f) de la señal a la salida x0(t) del filtro pasabajo ideal con ancho de banda de
10 [Hz], se muestra en la Figura 4.8.

163
 X 0 (f )
0,5*0,019
0,5*0,019sinc(0,019)

f [Hz ]
-10 -9 9 10

Figura 4.8. Espectro de la Señal de Salida del Filtro Pasabajo

del Ejemplo 4.5
De la Figura 4.8, se deduce que la expresión de la señal de salida x0(t) del filtro pasabajo
ideal es

x 0 (t) = 0, 019 cos 2p10t + 0, 038sin c(0, 019) cos 2p9t

Como sinc(0,019) »1, se tiene que

x 0 (t) = 0, 019(cos 2p10t + cos 2p9t)

El término 0,019cos2p9t representa el efecto o error de traslape, el que se genera al

muestrear la señal análoga en una tasa menor que la de Nyquist, la cual es de 20[Hz].Al
muestrear señales senoidales es conveniente que la frecuencia de muestreo fs cumpla con la
condición fs > 2fm , con fm frecuencia máxima del espectro de la señal original.

4.4. APLICACIÓN DE SOFTWARE PARA LA GRAFICA DE SEÑALES

MUESTREADAS.

Se considerará muestreo ideal y el programa a utilizar, para obtener la gráfica de señales

muestreadas, es el MATLAB.. Se tomará como base que la señal muestreada x(n),
correspondiente a la señal analógica xa(t), está dada por

x(n) = xa(nTs)

siendo Ts el intervalo de muestreo. Para obtener la gráfica de la señal muestreada x(n), se

aplica el comando stem a la señal x = x(n), en la forma siguiente

stem(n,x)

164
En los ejemplos siguientes, se ilustrará la aplicación de MATLAB, para obtener la gráfica
de la señal muestreada.

Ejemplo 4.6.

La señal analógica ya(t) = 3sen(2p50t), es muestreada a una tasa de 1000 muestras por
segundo. Obtener la gráfica de la señal muestreada, en un intervalo de tiempo igual a un
periodo de la señal analógica.

Solución
Del enunciado del problema, se deduce: que la frecuencia de la señal es f = 50[Hz], el
intervalo de muestreo Ts= 1/fa=1/1000=0,001[seg]. Luego, el programa MATLAB para
graficar y(n) es

% Programa para obtener la Grafica de Señal Muestreada

% Grafica de la Señal Analógica

>> t=0:.001:.02;
>> f=50;
>> Ts=.001;
>> y=3*sin(2*pi*f*t);
>> subplot(2,1,1); plot(t,y)
>> title('Grafica de y(t)=3sen(2\pi50t)');
>> xlabel('t'); ylabel('y(t)');

% Grafica de la Señal Muestreada

>> n=0:20;
>> x=3*sin(2*pi*f*n*Ts);
>> subplot(2,1,2);
>> stem(n,x,'fill','k') % Grafica con color negro las líneas
%y los puntos de las muestras
>> title(‘Grafica de y(n)=3sen(2\pifnTs)’);
>> xlabel(‘n’); ylabel(‘y(n)’);

165
 Figura 4.9. Gráficas de la Señal Analógica y(t)= 3sen(2p50t) y de su Versión
Muestreada y(n) = 3sen(2p50n0,001) del Ejemplo 4.6

Ejemplo 4.7.

La señal compleja analógica x a (t) = 2e - (0,125- j0.25 p) t u(t) , se muestrea a una tasa de 1[Hz] o
muestra por segundo. Emplear MATLAB para obtener las gráficas de las parte real e
imaginaria de la señal muestreada.

Solución
Como la tasa de muestreo es de 1[Hz], luego el intervalo de muestreo Ts es igual a 1[seg].
Por lo tanto, el programa MATLAB para graficar las componentes real e imaginaria de la
señal muestreada x(n) es

166
>> Graficas de Componentes Real e Imaginaria de una Señal Compleja
>> n = 0:20;
>> Ts = 1
>> x=2*exp(-(.125-(pi*0.25)*i)*n*Ts);
% Grafica de la componente real de x(n)
>> subplot(2,1,1);
>> stem(n,real(x),'fill','k')
>> title('Parte Real de x(n)'); ylabel('Amplitud');
% Grafica de la componente imaginaria de x(n)
>> subplot(2,1,2);
>> stem(n,imag(x),'fill','k')
>> title('Parte Imaginaria de x(n)'); ylabel('Amplitud'); xlabel('n');

Figura 4.10. Gráficas de las Componentes Real e Imaginaria de la

Señal Muestreada x(n) del Ejemplo 4.7

167
Ejemplo 4.8.

La señal x(t) = 3cos(2p50t) + 2cos(2p80t), se debe muestrear teóricamente a una tasa que
permita su recuperación sin distorsión. Determinar una tasa de muestreo que satisfaga tal
condición, y obtener la gráfica de la señal muestreada.
Solución
Para recuperar la señal original, a partir de la señal muestreada, se debe de cumplir con el
Teorema de Muestreo, el cual establece que

fs ³ 2fm
En que, fs es la frecuencia de muestreo y fm es la frecuencia máxima del espectro de x(t). En
este caso, fm = 80[Hz], por lo que fs ³ 160 [Hz]. Por lo tanto, se puede considerar el
siguiente valor adecuado para fs

fs = 200[Hz]

En consecuencia Ts =1/fs = 0,005[seg]. Luego, el programa MATLAB a aplicar es

>>% Grafica de x(t)

>> t=0:.001:.2;
>> x=2*cos(2*pi*50*t)+3*cos(2*pi*80*t);
>> subplot(2,1,1)
>> plot(t,x,'k')
>>% plot(t,x,’k’) permite obtener la grafica de x(t) con color negro
>> title ('Grafica de x(t)=3cos(2*pi*50*t)+2cos(2*pi*80*t)')
>> xlabel('t'); ylabel('x(t)');
>> % Grafica de x(n)
>> n =0:20;
>> Ts = 0.005;
>> y=2*cos(2*pi*50*n*Ts)+3*cos(2*pi*80*n*Ts);
>> subplot(2,1,2)
>> stem(n,y,'fill','k')
>>% stem(n,y, ‘fill’,’k’) permite obtener la grafica de x(n)
>>% con lineasy puntos negros
>> title('Grafica de x(n)=3cos(2*pi*50*n*Ts)+2cos(2*pi*80*n*Ts)');
>> xlabel('n'); ylabel('x(n)');

168
Por otra parte, aplicando la regla de Euler a las funciones coseno de x(t), y considerando la
expansión de la Serie de Fourier en exponenciales complejas, se determina que

n12pf0 = 2p50 , n22pf0 =2p80

De donde, n1 = 5 y n2 = 8. Por lo tanto, f0 = 10[Hz] y el periodo T0 de x(t) es T0 = 0,1[s]. Lo
cual se verifica, en la Figura 4.11.

Figura 4.11. Gráficas de las señales x(t) y de x(n) del Ejemplo 4.8

PROBLEMAS

4.1. Sea la señal análoga xa(t) dada por x a ( t ) = 5 sen 200pt .

a) La señal xa(t) es muestreada a una tasa de muestreo fs = 600[Hz]. Determinar la
frecuencia de la señal de tiempo discreto x(n) y demostrar que es periódica.
b) ¿ Podría xa(t) muestrearse a una tasa fs tal que x(n) alcance un valor máximo igual a 5?.
¿ Cuál sería el valor mínimo de fs que satisface este requisito?.

4.2. Se tiene una señal análoga xa(t) = 4cos300pt + 3cos900pt .

a) ¿Cual es la frecuencia de muestreo mínima y la frecuencia de doblado (folding)?
b) ¿Cuáles son las frecuencias en la señal de tiempo discreto x(n) resultante?

169
4.3. Sea x(t) una señal de banda limitada con una ancho de banda de B[Hertz]. Determinar
la tasa de muestreo de Nyquist para las siguientes señales:
a) x(3t) b) x2(t) c)x(t)*x(t)

4.4. Una señal x(t), con espectro X(f) mostrado en la Figura P6.4, es muestreada por dos
señales de muestreo teórico o ideal diferentes, sd1(t) y sd2(t). La señal sd1(t) es un tren de
impulsos unitarios con periodo T y la señal sd2(t) está dada por
s d 2 ( t ) = s d1 (t - T2 )
y
1
T=
2f m
Determinar las Transformadas de Fourier de las dos señales muestreadas xd1(t) y xd2(t).
X(f)
1

f
- fm 0 fm

Figura P4.4 . Espectro de la Señal x(t) del Problema 4.4

4.5. Un pulso rectangular, centrado en el origen, tiene una duración t = 4[seg] y es

muestreado idealmente, y recuperado con un filtro pasabajo ideal de ganacia unitaria y con
ancho de banda B = fs /2 [Hz]. Determinar la expresión de la señal de salida del filtro
pasabajo para Ts = 0,8 y 0,4[seg], asumiendo que una muestra temporal está en el centro del
pulso.

4.6. La señal x(t) = sinc(t) es muestreada por un tren de impulsos unitarios de periodo T =
p, obteniéndose la señal muestreada xd(t).
a) Determinar el espectro Sd(f) de la señal muestreada xd(t).
b) Diseñar un sistema para recuperar la señal original x(t) a partir de xd(t).

4.7. La señal x(t) = cos400pt+3cos640pt es muestreada idealmente a una tasa o velocidad

de 500[Hz]. La señal muestreada se pasa a través de un filtro pasabajo ideal con ancho de
banda B = 400[Hz], ganancia unitaria y sin retardo. Determinar las componentes
frecuenciales aparecen en la salida del filtro pasabajo

4.8. Una señal x(t) = cosw0t + cos3w0t + cos5w0t es muestreada idealmente.

170
a) Determinar la frecuencia mínima de muestreo y la expresión de la onda muestreada a tal
frecuencia.
b) Graficar la amplitud espectral de la onda muestreada.
c) ¿Cuál es el ancho de banda mínimo para reconstruir x(t)?

4.9. La señal x(t) = 2sen300pt es muestreada idealmente en los puntos t = n/150[seg], con n
= 0,1,2,.....,.¿ Es posible la recuperación de x(t) a partir de la señal muestreada?. Justificar
la respuesta.
4.10. El espectro X(f) de una señal x(t) tipo pasabajo, está dada por
ïì1 - f / 400 , f £ 400 [ Hz ]
X(f ) = í
ïî0 , otros valores

a) Si x(t) es idealmente muestreada en fs = 600. Dibujar el espectro de la señal muestreada

para f < 400 [ Hz] . Conclusiones.
b) Repetir el partado a) con fs = 800[Hz]. Conclusiones.

4.11. La señal x(t) = 2cos2pt es muestreada idealmente a una tasa de 2,5 [muestras/seg] en
el intervalo de tiempo 0 £ t £ 10[seg]. La señal es recuperada usando un filtro pasabajo.
Determinar la diferencia entre la señal original y la señal recuperada en los puntos t = 4,9, t
= 5, y t = 5,1[seg].

4.12. Determinar la tasa de muestreo mínima, para el muestreo ideal de la señal

x(t) = sinc(3t)cos4t

4.13. La señal x(t) tiene el espectro mostrado en la Figura P4.13, y se muestrea idealmente
a una frecuencia de muestreo mayor en un 10% que la frecuencia mínima necesaria. La
señal muestreada se aplica a un filtro pasabanda ideal, con función de transferencia
centrada en el segundo armónico de la frecuencia de muestreo y ancho de banda igual al
doble del ancho de banda del espectro de la señal x(t). Determinar el espectro de la señal de
salida del filtro pasabanda.
H(f)

f [Hz ]
-5000 -5 5 5000

Figura P4.13 . Espectro X(f) de la señal x(t) del Problema 4.13

171
4.14. Un pulso rectangular con ancho igual a 2[s] es idealmente muestreado y reconstruido
por un filtro pasabajo unitario ideal, el que tiene un ancho de banda B=f2/2 [HZ] y retardo
cero. Dibujar la señal de salida del filtro pasabajo ideal para
a) Ts = 0,8[s].
b) Ts = 0,4[s].

4.15. La señal x(t) = cos2pt, es muestreada naturalmente por un tren de pulsos con amplitud
unitaria con periodo 0,4[seg]y ancho de 0,1[seg]. La señal muestreada es transmitida y el
canal puede ser modelado como un filtro pasabajos ideal de ganancia unitaria y ancho de
banda de 10 [Hz].
a) Determinar la expresión de la señal a la salida del canal.
b) Determinar la señal a la salida de un filtro pasabajo, utilizado en el receptor para
recuperar la señal original.

4.16. En el sistema mostrado Figura P4.16, p(t) es un tren de pulsos rectangulares unitarios
con periodo 2[s] y el ancho de los pulsos es de 0,2[s]. Determinar y(t), para las siguientes
señales x(t) de entrada:
a) x(t) = sinc(t) , - ¥ < t < ¥.
b) x(t) = sinc2(t) , , - ¥ < t < ¥.

x(t) y(t)
X H(f ) = Õ ( f2 )

p(t)
Figura P 4.16

4.17. Se muestrea con muestreo práctico natural, a la frecuencia Nyquist, una señal x(t) de
banda limitada (-W,W). El espectro de amplitud de x(t) es plano. La onda muestreadora es
un tren de pulsos rectangulares de amplitud A, periodo T y duración de pulso t < T.
Determinar el valor del ciclo de trabajo d para que el valor del espectro de la señal
muestreada en f = W, sea igual al 80% de su valor para f = 0.[ Considere los dos primeros
términos del desarrollo en serie de la función senx y aplique método de aproximaciones
sucesivas].

172
UNIDAD V. SEÑALES DE TIEMPO DISCRETO: SERIE Y TRANSFORMADA DE
FOURIER-

En esta unidad se presentará al alumno el campo de señales de tiempo discreto, que

representa en sí el mundo digital. Una señal de tiempo discreto x(n) es una señal que es
función de la variable independiente de tiempo discreto n. Una señal de tiempo discreto o
secuencia x(n) está definida sólo para un conjunto discreto de puntos o valores de tiempo.
Una señal de tiempo discreto puede representar un fenómeno para el cual la variable
independiente es inherentemente discreta, como es el caso de los datos demográficos, de
aplicaciones a negocios, donde la variable temporal discreta puede ser un mes, trimestre o
año de un periodo específico. En general, las señales de tiempo discreto se presentan en
forma natural en muchas áreas de la ingeniería, de la ciencia y de los negocios. También,
una señal de tiempo discreto puede representar muestras sucesivas de un fenómeno para el
cual la variable independiente es continua. Por ejemplo, el procesamiento de la voz en un
computador digital requiere del uso de una secuencia discreta para representar los valores
de la señal de voz de tiempo continuo, en puntos discretos del tiempo.
En esta unidad se hará referencia a las señales de tiempo discreto básicas
elementales o básicas, a su clasificación, a la convolución y correlación de secuencias, a la
aplicación de las técnicas de Fourier para el análisis frecuencialde secuencias.

TEMAS

5.1. REPRESENTACIÓN DE SEÑALES DE TIEMPO DISCRETO

Una señal de tiempo discreto x(n) (o secuencia) es una función de una variable
independiente entera. En la Figura 5.1, se representa una señal de tiempo discreto, la cual
no está definida en instantes entre dos muestras sucesivas, lo que significa que x(n) no es
nula si n no es entero.

x(n)
1,3

0,6 0,8 1,0

.....
......... -2 2 n
-3 -1 0 1 3
- 0,6
- 0,8
Figura 5.1. Representación Gráfica de una Señal de Tiempo Discreto

Si x(n) fue obtenida desde el muestreo de una señal análoga xa (t), luego

x(n) = xa (nT)(5.1)
173
donde T es el intervalo de muestreo. La variable n es entera en tanto que la variable
nTpuede no serlo, ya que T no necesariamente es un número entero, puede ser racional.
}
Además de la representación gráfica de una señal de tiempo discreto o secuencia, existen
otros tipos de representaciones alternativas que son utilizadas frecuentemente. Estas
alternativas son

5.1.1. Representación Funcional. En este caso, se tiene por ejemplo

ì2 para n=0,2
ï
x(n) = í5 para n=1
ï0
î otros valores

5.1.2 . Representación Tabular .Ejemplo :

n ......-2 -1 0 1 2 3 4 .........
x(n) ......0 0 2 5 2 0 0

5.1.3. Representación Secuencial .

a) Secuencia de duración infinita .

x(n) = {......, 0, 0, 2,5, 2, 0, 0......}

El símbolo - indica el valor de la secuencia para n = 0 .

Una secuencia x(n) la cual es cero para n < 0, puede ser representada como :

x(n) = {2, 5, 2, 0, 0,........}

b) Secuencia de duración finita :

Con x(n) = 0 para n < 0 y para n > 2, la secuencia puede ser representada como :
x(n) = {2,5, 2}

5.2 . SEÑALES DE TIEMPO DISCRETO ELEMENTALES

5.2.1 . Secuencia de Impulso Unitario :d(n) .La secuencia impulso unitario se define
como :
ì1 para n=0
d(n) º í
î0 para n ¹ 0

174
La gráfica de d(n) se muestra en la Figura 5.2 .
d(n)
1
............... ................
n
-4 -3 -2 -1 0 1 2 3 4
Figura 5.2. Representación Gráfica de la Secuencia Impulso Unitario

5.2.2 . Señal Escalón Unitario : u(n) . Esta secuencia se define como

ì1 para n ³ 0
u(n) º í
î0 para n<0
La Figura 5.3 muestra la gráfica de u(n).
u (n)
1
................. ...............
n
- 4 -3 -2 -1 0 1 2 3 4
Figura 5.3. Representación Gráfica de la Señal Escalón Unitario

5.2.3 . Señal Rampa Unitaria : r (n) . Su definición es

ìn para n ³ 0
r(n) º í
î0 para n<0
Esta señal es graficada en la Figura 7.4 .
r(n)
4
3
2 u r
( n )

.....
1
.................
n
- 4 -3 -2 -1 0 1 2 3 4
Figura 5.4. Representación Gráfica de la Señal Rampa Unitaria

5.2.4 . Señal Exponencial :an . En este caso

x (n) = an para todo n

175
a) Parámetro real .
Cuando a es real, luego x(n) es real. La Figura 5.5 ilustra an para 0 < a < 1.
an

........

.......
n
Figura 5.5. Gráfica de an para 0 < a < 1
La Figura 5.6 ilustra an para -1 < a < 0

......
..................
n

Figura 5.6. Gráfica de an para -1 < a < 0

a) Parámetro a complejo .
En este caso
a = rejq (5.2)
por lo tanto

x(n) = rnejnq = rn ( cosnq + jsennq) (5.3)

haciendo
xR (n) = rncosnq (5.4)

xI (n) = rnsennq (5.5)

se tiene que

x(n) = xR (n) + jxI (n) (5.6)

Gráfica de Señales Impulso, Escalón y Rampa Unitaria usando MATLAB.

Impulso. Una forma de graficar la señal impulso unitario d(n – n0), es utilizando la relación
lógica ==0. Para la gráfica de d(n), n0 = 0, se aplica el siguiente programa

176
 % Grafica de Impulso Unitario
>> n =-10:10;
>> n0 =0
>> x =[(n –n0)==0];
>>stem(n,x,'fill','k')
>>title('Grafica de Impulso Unitario')
>>xlabel('n');
>>.ylabel('Impulso Unitario')
>>axis([-10,10,0,2]);
% Coloca límites de –10 a 10 en el eje X y de 0 a 2 en el eje Y

Figura 5.7. Gráfica de d(n) usando la relación lógica == 0 de MATLAB.

Para la gráfica de un impulso d(n – n0), basta colocar el valor correspondiente de n0, el cual
debe estar dentro el intervalo definido por los límites de la variable n.
Queda como ejercicio para el lector el graficar d(n), aplicando la función zeros(1,M)
la cual genera un vector de M ceros, y en seguida, aplicar imp(N) = 1 para obtener un
impulso en el punto N o elemento N de tal vector, con 1 < N < M.

Escalón Unitario.Para graficar u(n), se puede utilizar el método basado en el comando

MATLAB stepfun(n,n0), donde n0 indica el comienzo del escalón unitario. El siguiente
programa, ilustra el uso de tal comando, para graficar u(n)

% Gráfica de u(n) usando Comando step(n,n0)

>> n =-10:10;
>> n0=0;
>> f=stepfun(n,n0);
>>stem(n,f,'fill','k');
>>title('Grafica de u(n)');
>>axis([-10,10,-1,2]); xlabel('n'); ylabel('u(n)')

177
 Grafica de u(n)
2

1.5

u(n) 0.5

-0.5

-1
-10 -8 -6 -4 -2 0 2 4 6 8 10
n

Figura 5.8. Gráfica de u(n) aplicando comando stepfun(n,n0) de MATLAB

Con el comando stepfun(n,n0), se pueden realizar gráficas de escalones no unitarios,

desplazados y/o inversos (cambiando n por –n
Rampa Unitaria. No hay comando que permita, graficar directamente la señal rampa
unitaria. Un programa a usar para tal efecto, es el siguiente

% Grafica de Rampa Unitaria de Tiempo Discreto

>> n =-10:10;
>> x =n; f=stepfun(n,0);
>> y=x.*f;
>>stem(n,y,'fill','k');
>>title('Grafica de u_r(n)'); axis([-10,10,-1,10);
>> xlabel('n'); ylabel('u_r(n)');

Grafica de u (n)
r
10

-1
-10 -8 -6 -4 -2 0 2 4 6 8 10

Figura 5 .9. Gráfica de ur (n) aplicando comando stepfun(n,n0) de MATLAB

178
5.2.5. Representación de una Señal de Tiempo Discreto en Impulsos. Sea x(n) una señal
arbitraria y sea xk (n) dada por

xk (n) = d(n - k) (5.7)

dondek representa el desplazamiento de la secuencia impulso unitario. Para manipular una

señal x(n) arbitraria que puede tener valores no ceros en infinitos instantes de tiempo, el
conjunto de impulsos unitarios debe ser también infinito para abarcar el número infinitos
desplazamientos
Realizando el producto x(n)xk (n) , se obtiene

x(n)x k (n) = x(n)d(n - k) = x(k)d(n - k) (5.8)

Se obtiene este resultado, dado que d(n -k) es cero en todo instante excepto en n = k, donde
su valor es la unidad. Luego, x(n)d(n - k) es una secuencia que tiene un valor nulo en todo
instante, salvo en n = k, donde su valor es x(k). Si se desea repetir la multiplicación de x(n)
con d(n -m) donde m es otro retardo (m¹k), el resultado será una secuencia que es cero en
todo instante salvo en n = m, o sea

x(n)d(n - m) = x(m)d(n - m) (5.9)

Por lo tanto, cada multiplicación de la señal x(n) por un impulso unitario con algún retardo
k producirá como resultado la señal x(n) evaluada en n = k multiplicada por el impulso
unitario en cuestión. Si se repite esta multiplicación para -¥< k <¥, y se suman todas las
secuencias productos, se obtendrá
¥
x(n) = å x(k)d(n - k)
k =-¥
(5.10)

El segundo miembro de (5.10) representa la suma de infinitas secuencias impulso unitario

con un cierto peso, donde la secuencia d(n - k) tiene un peso igual a x(k), por lo que este
segundo miembro proporciona la resolución o representación de cualquier señal arbitraria
x(n) en una suma de secuencias impulsos unitarios ponderados. Esta propiedad se usa en el
análisis de secuencias.

Ejemplo 5.1

Expresar la secuencia

x(n) = {1, 2, 0, 4, 5)}

179
en una suma de secuencias impulsos .

Solución .
Dado que la secuencia x(n) es no cero para los instantes de tiempo n = -1, 0, 2 y 3, se tendrá
que

3
x(n) = å x(k)d(n - k) = d(n + 1) + 2d(n) + 4d(n - 2) + 5d(n - 3)
k =-1

5.3. DESCRIPCION DE SECUENCIAS O SEÑALES DE TIEMPO DISCRETO EN

TERMINOS DE POTENCIA O DE ENERGIA

De acuerdo a la potencia y energía asociadas a una señal de tiempo discreto, ésta se puede
definir o describir como Señal de Energía o Señal de Potencia .

5.3.1. Señales de Energía. La energía E de una señal x(n) se define como

¥
E= å
2
x(n) (5.11)
n =-¥

Definición que se aplica a señales reales y complejas .

La energía E de una señal puede ser finita o infinita. Si E es finita, o sea 0<E<¥,
luego x(n) es llamada señal de energía .

5.3.2. Señales de Potencia. Existen señales que poseen energía infinita y potencia media
finita. La potencia media P de una señal de tiempo discreto x(n) es definida como

N
1
P = lim å
2
x(n) (5.12
N ®¥ 2N + 1
n =- N

Si se define la energía EN de x(n) en el intervalo finito -N £n£N , como

N
EN = å
2
x(n) (5,13)
n =- N

Luego, la energía E de x(n) se puede expresar como

180
 E = lim E N (5.14)
N ®¥

y la potencia media P de la señal x(n) como

1
P º lim EN (5.15)
N ®¥ 2N + 1

De acuerdo con la ecuación (5.15), si E es finita, P = 0. Por otra parte, si E es infinita, la

potencia media P puede ser finita o infinita. Si P es finita (no cero), la señal x(n) es llamada
señal de potencia .

Ejemplo 5.2.

Determinar si la señal x(n) = Ae jnW0 es de energía o de potencia .

Solución .
Se tiene que la energía E de la señal x(n) del ejemplo está dada por

¥ ¥ ¥

å å å
2 2
E= x(n) = Ae jnW0 = A 2 e jnW0 = ¥
2

n =-¥ n =-¥ n =-¥

Como la energía E es infinita, se tiene que la señalx(n) no es de energía. Luego, es

necesario analizar la potencia media P de la señal x(n) para determinar si es de potencia
La potencia media P de la señal x(n) está dada por

N
1
P = lim å
2
x(n)
N ®¥ 2N + 1
n =- N

Luego para la señal x(n) del ejemplo, se tiene

N N
1 1
å å
2 2
P = lim Ae jnW0 = A 2 lim e jnW0
N ®¥ 2N + 1 N ®¥ 2N + 1
n =- N n =- N

de donde

2N + 1
P = A 2 lim = A2
N ®¥ 2N + 1

Como la potenciaP es finita se tiene que la señal x(n) del Ejemplo 5.2 es de potencia

181
5.3.3. Señales Periódicas. Una señal de tiempo discreto x(n) es periódica con período
N(N> 0) si y solamente si
x(n) = x(n + N)" n (5.16)

El valor más pequeño de N que satisface la ecuación (5.16) es denominado periodo

fundamental. Si x(n) no satisface (5.16), x(n) se dice que es no periódica o aperiódica .
Si se considera la señal senoidal de la forma

x(n) = Acos(W 0 n + f ) = Acos(2pF0 n + f ) (5.17)

Se demuestra que esta señal es periódica si F0 es un número racional, o sea, que F0 puede
ser expresada como
K
F0 =
N
donde K y N son enteros. El número N representa el periodo de x(n) si K y N son números
primos entre sí.
De aquí, las secuencias obtenidas por muestreo de una señal analógica periódica,
serán periódicas cuando el período T de la señal analógica y el intervalo de muestreo Ts,
sean enteros o racionales. Si el periodo de la señal analógica es entero y múltiplo de T s, el
período NTs de la secuencia x(nTs) será igual al período de la señal analógica, o sea, NTs =
T, con N igual al entero dado por T/Ts. En el caso, de que el periodo de la señal analógica
sea racional, el período de la secuencia x(nTs) será NTs,,con N igual al numerador de la
razón T/Ts,, con el numerador y denominador números primos entre sí. En todos los casos,
el periodo de la secuencia x(n) es N. Si el período de la señal analógica no es racional, la
secuencia x(nT s) será aperiódica.
La energía de una señal periódica x(n) en un período, o sea, en el intervalo 0 £ n £ N - 1 , es
finita si x(n) toma valores finitos en dicho período. Sin embargo, la energía de la señal
periódica para -¥£ n £¥ es infinita. Por otra parte, la potencia media de la señal periódica
es finita y es igual a la potencia media en un período. Luego, si x(n) es una señal periódica
con período fundamental N y toma valores finitos sobre valores finitos, su potencia media P
es
1 N -1
P = å x(n)
2
(5.18)
N n =0

En consecuencia, las señales de tiempo discreto periódicas son señales de potencia.

Ejemplo 5.3.

Sea xa(t) una señal analógica cuya gráfica se muestra en la Figura 5.10. Determinar el
periodo de la secuencia obtenida por el muestro ideal de la señal xa(t), cuando:

182
a) El periodo T de la señal analógica es de 2[seg] y el intervalo de muestreo Ts es de 1/3
[seg].
b) El periodo T de la señal analógica es de 3/4 [seg] y el intervalo de muestreo Ts es de 1/6
[seg].
x(t)
1

t
-T 0 T/2 T 2T 3T
Figura 5.10. Gráfica de xa(t) del Ejemplo 5.3

Solución
a) El periodo T de la señal analógica es entero igual a 2 y múltiplo de Ts, por lo que el
periodo NTs de la secuencia x(nT s) también es 2, o sea

NTs = 2 [seg]

Como Ts = 1/3[seg], el periodo N de la secuencia x(n) está dada por

T 2
N= = =6
Ts 13

Las gráficas de x(nT s) y de x(n), se muestran en la Figuras 5.11a) y 5.11b),

respectivamente.

x(nTs ) 1
2/3 2/3 2/3 2/3
1/3 1/3 1/3 1/3 ........
nTs
-2/3 -1/3 0 1/3 2/3 1 4/3 5/3 2 7/3 8/3
a)
x(n)
1
2/3 2/3 2/3 2/3

........ 1/3 1/3 1/3 1/3 ........

n
-2 -1 0 1 2 3 4 5 6 7 8
b)
Figura 5.11. Gráficas de: a) x(nTs) y b) x(n) del Problema 5.3, para T = 2 [seg] y
Ts = 1/3 [seg]

183
b) Dado que T = 3/4 [seg] y Ts = 1/6 [seg], se tendrá que

3
T 18 9
= 4
1
= =
Ts 6 4 2

Por lo tanto, el periodo N de la secuencia x(n) es igual a 9, o sea

N=9

y el periodo NTs de la secuencia x(nT s) es

9 3
NTs = = [seg]
6 2

En la Figura 5.12 a) se muestra la gráfica de la secuencia x(nT s) y en la Figura 5.12 b) la de

la secuencia x(n).

x(nTs )
8/9 8/9 8/9

6/9 6/9
4/9 4/9 4/9 4/9

........ 2/9 2/9 ........

nTs
-1/3 -1/6 0 1/6 1/3 1/2 2/3 5/6 1 7/6 4/3 3/2 10/3
a)

x(n)
8/9 8/9 8/9
6/9 6/9

4/9 4/9 4/9 4/9

2/9 2/9 ........

n
-2 -1 0 1 2 3 4 5 6 7 8 9 10
b)
Figura 5.12. Gráfica de : a) x(nTs) y b) x(n) del Problema 5.3, para T = 3/4 [seg] y
Ts = 1/6 [seg]

Ejemplo 5.4.

Sea la secuencia periódica x(n) la mostrada en la Figura 5.13. Determinar su potencia

media .
184
 x(n)
4
3
2
........... ...........
1

n
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9

Figura 5.13. Gráfica de la Secuencia Periódica x(n) del Ejemplo 5.4

Solución .
Como la secuencia x(n) es periódica su potencia media P está dada por

1 N -1
P= å
2
x(n)
N n =0
De la Figura 5.13 se tiene que el período N es 5 y considerando los valores que tiene x(n)
en dicho período , se tiene
1 4
P = å x(n)
2

5 n=0

P=
1
5
(1 + 22 + 32 + 42 ) [ w ]

P = 6 [w]

5.3.4 . Señales Simétricas y Asimétricas. Una señal x(n) real se denomina simétrica o par
si
x( -n) = x(n) (5.19)

Una señal x(n) real se denomina asimétrica o impar si

x( -n) = - x(n) (5.20)

Se observa que si x(n) es impar , luego

x(0) = 0

La Figura 5.14 ilustra ejemplos de señales simétricas y de asimétricas .

185
 x(n)

............ ............

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 n
a)
x(n)

............ ............
-6 -5 -4 -3 -2 -1
n
0 1 2 3 4 5 6

b)
Figura 5.14. Ejemplo de: a) Señales Pares. b) Señales Impares

5.4. OPERACIONES ELEMENTALES DE SEÑALES DE TIEMPO DISCRETO

Las operaciones a analizar son las siguientes:

5.4.1. Transformación de la Variable Independiente. Una señal x(n) puede ser
desplazada en el tiempo reemplazando la variable independiente n por n - k, donde k es un
entero. Si k es un entero positivo, el desplazamiento resultante es un retardo de la señal en k
unidades de tiempo, desplazamiento hacia la derecha. Si k es un entero negativo, el
desplazamiento resulta en un avance de la señal en k unidades de tiempo, desplazamiento
hacia la izquierda de x(n).

Ejemplo 5.5.

Una señal x(n) tiene la gráfica mostrada en la Figura 5.15. Obtener las gráficas de x(n - 3) y
de x(n +3).
x(n)

-2
-7 -6 -5 -4 -3 -1 0 1 2 3 4 5 6 7 n

Figura 5.15. Gráfica de x(n) del Ejemplo.5.5

186
Solución .
Gráfica de x(n – 3). La señal x(n – 3), se obtiene retardando x(n) en tres unidades de tiempo
(desplazamiento de x(n) hacia la derecha), lo cual se ilustra en la Figura 5.16.
x(n-3)

1
-7 -6 -5 -4 -3 -2 -1 0 2 3 4 5 6 7 8 9 n
Figura 5.16. Gráfica de x(n - 3) del Ejemplo.5.5
Gráfica de x(n + 3). Por otra parte , la señal x(n + 3) se obtiene avanzando x(n) en tres
unidades de tiempo ( desplazamiento de x(n) hacia la izquierda ), lo cual se ilustra en la
Figura 5.17
x(n+3)

-5
-8 -7 -6 -4 -3 -2 -1 0 1 2 3 4 n
Figura 5.17. Gráfica de x(n + 3) del Ejemplo.5.5

Si la señal x(n) es generada por algún fenómeno físico en tiempo real, no es posible avanzar
x(n) en el tiempo, ya que eso implicaría usar muestras que aún no han sido generadas. Sin
embargo, es posible la inserción de retardo en las muestras ya generadas. En consecuencia,
en aplicaciones de procesos de señales en tiempo real, la operación de avance de la base de
tiempo es físicamente irrealizable. Si la señal x(n) es almacenada en cinta magnética, en un
disco, o en la memoria de un computador, el modificar la base de tiempo es una operación
relativamente simple ya que, basta introducir un retardo o un avance.
5.4.2. Reflexión de la Señal. Al reemplazar, en x(n), la variable independiente n por –n, se
obtiene una reflexión de la señal x(n) en torno a n = 0.
Ejemplo 5.6.

Realizar la representación gráfica de x(-n) y de x(-n + 3) , para x(n) mostrada en la Figura

5.18.
x(n)

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 n
Figura 5.18. Gráfica de la señal x(n) del Ejemplo 5.6

187
Solución .
Gráfica de x(-n). De acuerdo a la gráfica de x(n), la señal x(-n) tendrá la gráfica mostrada
en la Figura 5.19.
x(-n)

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 n

Figura 5.19. Gráfica de la señal x(-n) del Ejemplo.5.6

Gráfica de x(-n + 3) .La señal x(-n + 3) es simplemente la señal x(-n) retrasada en tres
unidades de tiempo, desplazamiento hacia la derecha de x(n), tal como se muestra en la
Figura 5.20.
x(-n+3)

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 n

Figura 5.20. Gráfica de la señal x(-n + 3) del Ejemplo .5.6

Es importante hacer notar que las operaciones de retardo o avance en el tiempo no son
conmutativas con respecto a la operación de reflexión .
5.4.3. Escalamiento en el Tiempo. Otra modificación de la variable independiente consiste
en reemplazar n por un, donde u es un entero. Esta modificación de la base de tiempo se
conoce como escalamiento en el tiempo.
.
Ejemplo 5.7.

Determinar la gráfica de la señal y(n) = x(3n) , cuando x(n) es la señal ilustrada en la Figura
5.21.
x(n)

-9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 n
Figura 5.21. Gráfica de x(n) del Ejemplo 5.7

188
Solución
Considerando la gráfica de x(n) y que y(n) = x(3n), la gráfica de y(n) es la mostrada en la
Figura 5.22.
y(n)

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 n

Figura 5.22. Gráfica de y(n) = x(3n) del Ejemplo 5.7

5.4.4. Modificaciones de Amplitud de Secuencias. Las modificaciones de amplitud de

señales de tiempo discreto incluyen Escalamiento, Suma y Multiplicación

Escalamiento de Amplitud. El escalamiento de amplitud de una señal por una constante

A, se realiza por la multiplicación de cada muestra de la señal por A, por lo que si y(n) es la
secuencia con escalamiento de amplitud en relación a x(n) se tiene que

y(n) = Ax(n) -¥< n <¥ (5.21)

Suma . La suma de dos señales x1 (n) y x2 (n) es una señal y(n) cuyo valor en cualquier
instante, es igual a la suma de los valores de las dos señales en ese instante, o sea :

y(n) = x1 (n) + x2 (n) -¥< n <¥ (5.22)

Multiplicación. El producto de dos señales se define similarmente, al de la suma, sobre la

base de muestra a muestra como

y(n) = x1 (n)x2 (n) -¥< n <¥ (5.23)

Ejemplo 5.8.

Determinar la suma y el producto de las siguientes señales

x(n) = {-2,1, -1, 0, 4, -3, 2} , y(n)= {1,-3,1,6,-4,2}

Solución

La secuencia y(n), se puede escribir como y(n) = {0,1,-3,1,6,-4,2}

189
Suma.

z(n) = x(n) + y(n) = {-2, 2, -4,1,10, -7, 4}

Producto.

v(n) = x(n)y(n) = {0,1,3, 0, 24,12, 4}

Componentes Par e Impar. Cualquier señal arbitraria x(n) puede ser expresada como la
suma de dos señales componentes, una par xp(n) y la otra impar xi (n), o sea x(n) = xp(n)+ xi
(n). La señal componente par xp(n) se forma de acuerdo a

1
x p (n) = [ x(n) + x(-n) ] (5.24)
2

y la componente impar xi(n) se forma de acuerdo a

1
x i (n) = [ x(n) - x(-n)] (5.25)
2

Por lo que la señal x(n) se puede expresar de la manera siguiente

x(n) = xp (n) + xi (n) (5.26)

Ejemplo 5.9.

Descomponer la señal x(n) en sus componentes par e impar, si x(n) está dada por
x(n) = {2,3, 4,5, 6}
Solución .
a) Componente par . Se tiene que
1
x p (n) = [ x(n) + x(-n) ]
2

De la expresión de x(n) se obtiene que

x(-n) = {6,5, 4,3, 2}

Por lo tanto
x p (n) = {4, 4, 4, 4, 4}

190
b) Componente impar . Dado que
1
x i (n) = [ x(n) - x(-n)]
2
se obtiene que

x i (n) = {-2, -1, 0,1, 2}

5.4.5. Uso de MATLAB en Operaciones Elementales de Secuencias. Para el

escalamiento de amplitud de x(n) por la constante A, se emplea el operador *, o sea,
A*x(n). Para la suma de las secuencias x(n) e y(n), se emplea el operador +, teniéndose x +
y. Para la multiplicación de las secuencias x(n) e y(n), se emplea el operador “.*”, es decir,
x .* y. Los dos operadores requieren que las secuencias x(n) e y(n), tengan la misma
longitud, para ello se puede utilizar el relleno con ceros, donde corresponda, en la secuencia
más corta.

Ejemplo 5.10. Considerando las secuencias del Ejemplo 5.9.

x(n) = {-2,1, -1, 0, 4, -3, 2} , y(n)= {1,-3,1,6,-4,2}

Usar MATLAB, para determinar y graficar:

a) 4x(n)
b) x(n) + y(n)
c) x(n)y(n)

Solución
a) Escalamiento de Amplitud. En este caso, el programa MATLAB es

>>% Calculo Escalamiento de Amplitud: q(n) =4x(n)

>> x=[-2 1 –1 0 4 –3 2];
>> A=4;
>> q=A*x
q=
-8 4 -4 0 16 -12 8
>> n=-2:4;
>>stem(n,q,’fill’,’k’);
>>title('Grafica de q(n)=4*x(n)');
>>xlabel('n'); ylabel('q(n)');
>>grid % Agrega reticulado a la grafica

191
 Figura 5.23. Gráfica de q(n) = 4x(n) del Ejemplo 5.10
O sea,

q(n) = 4x(n) = {-8, 4, -4, 0,16, -12,8}

b) Suma. Para la suma de las secuencias x(n) e y(n), el programa MATLAB es

>>% Calculo de x(n) + y(n)

>> x=[-2 1 -1 0 4 -3 2];
>> y=[0 1 -3 1 6 -4 2];
>> z= x + y
z=
-2 2 -4 1 10 -7 4
>> n=-2:4;stem(n,z);
title('Grafica de z(n)=x(n)+y(n)'); xlabel('n');ylabel('z(n)');grid

Figura 5.24. Gráfica de z(n) = x(n) +y(n) del Ejemplo 5.10.

192
Es decir,

z(n) = x(n) + y(n) = {-2, 2, -4,1,10, -7, 4}

c)Producto. Para el producto v(n) = x(n)y(n), el programa MATLAB es

>>% Calculo de v(n) = x(n)y(n)

>> v=x.*y
v=
0 1 3 0 24 12 4
>> n=-2:4;
>>stem(n,v,'fill','k'); axis([-2,4,-1,26]);
>>title('Grafica de v(n)=x(n)*y(n)'); xlabel('n'); ylabel('v(n)'); grid

Figura 5.25. Gráfica de v(n) = x(n)y(n) del Ejemplo 5.10

Por lo tanto
v(n) = x(n) * y(n) = {0,1,3, 0, 24,12, 4}

5.5. CONVOLUCIÓN DE SEÑALES DE TIEMPO DISCRETO

Dadas las secuencias x(n) e y(n), su convolución z(n) se representa como z(n)=x(n)*y(n) y
se define como
¥ ¥
z(n) = x(n) * y(n) = å
k =-¥
x(k)y(n - k) = å y(k)x(n - k)
k =-¥
(5.27)

Básicamente, la convolución de secuencias presenta las mismas características que la

convolución de señales de tiempo continuo. La integración se sustituye por la sumatoria. La
convolución de secuencias se basa en las siguientes operaciones :
193
1. En ambas secuencias se reemplaza la variable n por k.
2. Se toma la imagen de una las secuencias con respecto al eje vertical, como por ejemplo
y(k), obteniéndose y(-k).
3. Se desplaza la secuencia y(-k) en un monto n, obteniéndose y(n-k).
4. Se multiplican las secuencias x(k) e y(n-k).
5. Se suman los valores obtenidos de la multiplicación para obtener el valor de la
convolución en n.
Existen diferentes métodos para el cálculo de la convolución de secuencias, se describirán
algunos de ellos.
5.5.1. Método Gráfico. Para comprender el desarrollo del método gráfico, se aplicará el
proceso indicado anteriormente en el siguiente ejemplo.

Ejemplo 5.11.

Determinar gráficamente la convolución z(n) entre las siguientes secuencias

x(n) = {2, 0, 1, -1} , y(n)= {1, 2, -3}

Solución
Se determinará la convolución aplicando su definición, pero se hará uso de las gráficas de
las secuencias como ayuda para el cálculo y comprensión del proceso. En la Figura 5.27a)
se ilustran las secuencias x(k) e y(k).
El primer paso para el cálculo de la convolución es invertir y(k), obteniéndose y(-k),
cuya gráfica se muestra en la Figura 5.27b). Se puede determinar z(0) dada por

¥
z(0) = å x(k)y(-k)
k =-¥

Se define la secuencia v0(k) como

v 0 (k) = x(k)y(- k)

Haciendo uso de las Figuras 5.27a) y 5.27b), la gráfica de la secuencia v0(k) es la mostrada
en la Figura 5.27b), luego z(0) está dada por

¥
z(0) = å v (k) = 2
k =-¥
0

194
 y(k) x(k)

2 2
1
2 3
k k
-2 -1 0 1 3 -2 -1 0 1 2 4
-1
a)
Inversión -3
y(-k) v 0 (k)
Multiplicación Secuencia Producto
x(k)y(-k)
2 2
1
-2
k k
-3 -1 0 1 2 -2 -1 0 1 2 3

-3
b)

y(1-k) v1 (k) 4
Secuencia Producto
2 x(k)y(1-k)
1
-1
k k
-2 0 1 2 3 -2 -1 0 1 2 3

-3 c)

y(2-k) v 2 (k) Secuencia Producto

2 x(k)y(2-k)
1
1
k k
-2 -1 0 1 2 3 -2 -1 0 1 2 3

-3

d) -6

y(-1-k) v -1 (k) Secuencia Producto

2
x(k)y(-1-k)
-3 1
k k
-4 -2 -1 0 1 2 3 -2 -1 0 1 2 3

e)
-3
Figura 5.26. Determinación Gráfica de la Convolución de Secuencias

Se continua el cálculo evaluando la z(1). La secuencia y(1-k) representa un desplazamiento

hacia la derecha de la secuencia y(-k), la gráfica de esta secuencia se muestra en la Figura
5.26c). La secuencia producto v1(k) = x(k)y(1 – k), se representa también en la Figura
5.26c). Luego, el valor de z(1) está dado por

195
 ¥ ¥
z(1) = å
k =-¥
x(k)y(1 - k) = å v1 (k) = 4
-¥

Para n = 2, se tiene
¥ ¥
z(2) = å x(k)y(2 - k) = å v (k) = -5
k =-¥ k =-¥
2

De una manera similar, se obtiene z(3) desplazando y(-k) tres unidades hacia la derecha,
formando la secuencia producto v3(k) = x(k)y(3 – k) y sumando todos términos de esta
secuencia se obtiene z(3) = 1. Aplicando sucesivamente este proceso para los siguientes
valores de la variable n, se obtiene z(4) =-5, y z(5) = 3. Para n > 5 se encuentra que z(n) es
igual a cero, debido a que todos los términos de la secuencia producto son ceros.
Para el caso de que n sea negativo, por ejemplo n = -1, se tendrá que la secuencia
y(-1-k) representa un desplazamiento de la secuencia y(-k) de una unidad de tiempo hacia
la izquierda, tal como se muestra en la Figura 5.26e). Para el ejemplo dado se tiene que

z(n) = 0 para n < 0

Por lo tanto, se tiene que la secuencia z(n) es

z(n) = {2, 4, -5, 1, -5, 3, 0, 0,.....}

5.5.2. Método Matricial. Hay otro algoritmo que se puede emplear para evaluar la
convolución discreta, el cual consiste en la construcción de una matriz cuyos elementos son
los productos del desarrollo de la sumatoria que define la convolución. Para formar la
matriz, los elementos de una secuencia, por ejemplo x(n), se colocan sobre la primera fila
de la matriz, y los elementos de la segunda secuencia, y(n), se colocan al lado izquierdo de
la primera columna de la matriz. La primera fila de la matriz está determinada por el
producto del primer elemento de y(n) por todos los elementos de x(n), y así sucesivamente
para las otras filas de la matriz. Para determinar la secuencia convolución de las dos
secuencias dadas, se trazan diagonales en la matriz obtenida, y se suman los términos que
están sobre una diagonal y el resultado de la sumatoria representa un elemento de la
secuencia convolución. El ejemplo siguiente ilustra el método descrito.

Ejemplo.5.12.

Empleando el método matricial, determinar la secuencia convolución de las secuencias

dadas el Ejemplo 7.11.

196
Solución
La matriz asociada a las secuencias x(n)={2, 0, 1, -1} e y(n) = {1, 2, -3}, se muestra en la
Figura 5.28.
Con z(n) = x(n)*y(n), se realiza la siguiente matriz

z(0) z(1) z(2) z(3) z(4) z(5)

y(0) y(1) y(2)
1 2 -3
x(0) 2 2 4 -6
x(1) 0 0 0 0
x(2) 1 1 2 -3
x(3) -1 -1 -2 3

Figura 5.27. Método Matricial para el Cálculo de la Convolución de

Secuencias x(n) e y(n) del Ejemplo 5.12

Sumando los elementos que están sobre las diagonales de la matriz, se obtiene
z(0) = 2
z(1) = 0 + 4 = 4
z(2) = 1 + 0 – 6 = -5
z(3) = -1 +2 +0 = 1
z(4) = - 2 - 3 = -5
z(5) = 3

Por lo tanto, z(n) está dada por

z(n) = {2, 4, -5, 1, -5, 3}

En el caso de secuencias que contengan elementos distintos de cero para n negativo, el

término de la secuencia convolución para n = 0, se encuentra en la diagonal que contiene el
elemento x(0)y(0) de la matriz. Las diagonales más lejanas sobre (izquierda) la diagonal
que determina el elemento cero, corresponden a valores más negativos de n de la secuencia
convolución y las diagonales más lejanas bajo (derecha) dicha diagonal, corresponden a
valores mas positivos de n de la secuencia convolución, como se ilustrará en futuros
ejemplos.

197
5.5.3. Método Computacional. Este método es la automatización del cálculo de la
convolución entre dos secuencias. Se puede utilizar cualquier lenguaje para implementar el
algoritmo correspondiente a la definición de convolución

Uso de MATLAB para el Cálculo de la Convolución de dos Secuencias. En MATLAB

el comando conv permite el cálculo de la convolución entre dos secuencias. Sean las
secuencias x(n) e y(n) las que se van a convolucionar, o sea
z(n) = x(n) * y(n) (5.28)
La sintaxis del comando conv es
z = conv(x,y) (5.29)
Si el vector fila x tiene k elementos: x(1),x(2),.....,x(k), y el vector y tiene q elementos:
y(1),y(2),......,y(q), el vector z tendrá k + q - 1 elementos, o sea, z(1),z(2),......, z(k+q-1). Si
el término x(0), de la secuencia x(n), corresponde al elemento x(i) del vector x, y el término
y(0), de la secuencia y(n), al elemento y(j) del vector y, el término z(0) de la secuencia z(n),
corresponderá al elemento z(i + j –1) del vector z. En el ejemplo siguiente, se ilustra el
proceso indicado.
Ejemplo 5.13.

Utilizando MATLAB, determinar la secuencia z(n) = x(n)*y(n), y su gráfica, si las

secuencias x(n) e y(n), son

x(n) = {1, -2,3, 4, -5, 2,1} ; y = {-1,3,-2,2,1}

Solución
El programa MATLAB, para obtener z(n) = x(n)*y(n), es
>> % Calculo de z(n)=x(n)*y(n)
>> x=[1 -2 3 4 -5 2 1]; y=[-1 3 -2 2 1];
>> u = 3; % elemento 3 del vector x es x(0) de la secuencia x(n)
>> v= 4; % elemento 4 del vector y es y(0) de la secuencia y(n)
>> t= u+v-1 %Indica que el elemento t del vector z es z(0) de la secuencia z(n)
t=
6
>> z = conv(x,y)
z=
-1 5 -11 11 8 -21 26 -7 -3 4 1
198
De los resultados del programa, se deduce que la secuencia z(n) tiene 11 elementos,(r =11),
el sexto elemento, t = 6, de la secuencia z(n) es z(0), en este caso, z(0)=-21. Porl lo tanto, la
secuencia z(n) es

z(n) = {-1,5, -11,11,8, -21, 26, -7, -3, 4,1}

Gráfica de z(n). Del resultado obtenido para z(n), se deduce los valores extremos de n, son
n = -5 y n = 5. Luego, un programa MATLAB, para graficar z(n) es

>> % Grafica de z(n)=x(n)*y(n)

>> n=-5:5;
>> x=[1 -2 3 4 -5 2 1];
>> y=[-1 3 -2 2 1];
>>z=conv(x,y); stem(n,z,'fill','k')
>>title('Grafica de z(n)=x(n)*y(n)');
>>xlabel('n'); ylabel('z(n)');grid

Figura 5. 28. Gráfica de z(n) = x(n)*y(n) del Ejemplo 5.13

Comparando los programas desarrollado en Fortran y aplicando MATLAB, se deduce lo
ventajoso de tener acceso a programas utilitarios

199
5.5.4. Propiedades de la Convolución de Secuencias. La convolución entre secuencias,
presenta algunas propiedades que tienen una aplicación muy importante en sistemas de
tiempo discreto. Las propiedades a considerar son :
Conmutatividad. Sean x(n) e y(n) dos secuencias, tales que

x(n) * y(n) = y(n) * x(n) (5.30)

Asociatividad. Esta propiedad establece que

x(n) * [ y(n) *z(n)] = [ x(n) * y(n)] * z(n) (5.31)

La demostración de esta propiedad se realiza mediante una manipulación directa de la

definición de convolución-

Distributividad. Esta propiedad establece que

x(n) * [ y(n) + z(n)] = x(n)* y(n) + x(n)* z(n) (5.32)

Esta propiedad también se puede demostrar directamente.

Las propiedades presentadas tienen una interesante aplicación en la interconexión de
sistemas de tiempo discreto, como se verá en los capítulos posteriores.

5.6. CORRELACIÓN DE SEÑALES DE TIEMPO DISCRETO

La correlación es una operación matemática, que presenta una gran similitud con la
convolución. Tal como en el caso de la convolución, básicamente la correlación relaciona
dos señales de tiempo discreto. El objetivo del cálculo de la correlación entre dos señales es
medir el grado de similitud entre las dos señales y de esta manera extraer información
deseada, la cual depende en gran parte de la aplicación a considerar. La correlación de
señales tiene diferentes aplicaciones como por ejemplo en radar, sonar, comunicación
digital, geología y otras áreas de ciencia e ingeniería .
La correlación tiene aplicaciones en sistemas de sonar activo y de radar. En este
caso, la secuencia x(n) puede representar la versión muestreada de la señal transmitida e
y(n) puede representar la versión muestreada de la señal recibida en la salida del conversor
A/D. Si se tiene un objeto en el espacio alcanzado por el sonar o radar, la señal recibida
y(n) consiste de una versión retardada de la señal transmitida, reflejada en el objeto y
afectada por ruido aditivo. En el caso de que la secuencia x(n) sea la señal de referencia o
200
señal transmitida y que la secuencia y(n) sea la señal recibida, el problema de detección en
el radar o sonar es comparar y(n) e x(n) para determinar si un objeto está presente y si es
así, determinar el tiempo de retardo. Conocido el tiempo de retardo, se puede determinar la
distancia a la cual se encuentra el objeto.
En la práctica, la versión retardada de la secuencia x(n) es fuertemente contaminada
por el ruido aditivo en tal forma que una inspección visual de y(n), no revelará la presencia
o ausencia de la señal reflejada en el objeto. La correlación proporciona un medio para
extraer esta importante información desde la secuencia y(n)
En Comunicaciones Digitales la información a ser transmitida es usualmente
convertida a forma binaria, es decir, a secuencias de unos y ceros, las cuales son
transmitidas al receptor. Para transmitir un uno, se transmite una secuencia determinada, y
para transmitir un cero se transmite otra secuencia. En el receptor, se compara la señal
ruidosa recibida, con cada señal posible a transmitir, para determinar cual de las dos señales
corresponde mejor a la señal ruidosa recibida. Este proceso de comparación es desarrollado
por la operación correlación .

5.6.1. Autocorrelación y Correlación Cruzada de Secuencias. Para el análisis de

correlación, se considerará la clasificación de señales en señales de energía y de potencia.

Correlación de Secuencias de Energía .

Autocorrelación.Sea x(n) una señal de tiempo discreto con energía finita, la
autocorrelaciónrxx( l ) de x(n), se define como

¥
rxx (l) = å x(n)x(n - l)
n =-¥
l=0 , ± 1 , ± 2,..... (5.33)

o en forma equivalente
¥
rxx (l) = å x(n + l)x(n)
n =-¥
l=0 , ± 1 , ± 2,...... (5.34)

Tomando en cuenta la definición de la energía de una secuencia, y comparándola con

(5.34), se obtiene que la energía Ex de la señal x(n) puede escribirse como

¥
E x = rxx (0) = åx
n =-¥
2
(n) (5.35)

Correlación Cruzada. Sean las señales secuencias x(n) e y(n), ambas de energía finita. La
correlación cruzada de x(n) y de y(n) es una secuencia rxy( l ), la cual es definida como

¥
rxy (l) = å x(n)y(n - l) ,
n =-¥
l =0 , ± 1 , ± 2 ,....... (5.36)

201
o equivalentemente
¥
rxy (l) = å x(n + l)y(n) ,
n =-¥
l=0 , ± 1 , ± 2 ,...... (5.37)

Donde l es el parámetro de desplazamiento temporal y el subíndice xy, en la correlación

cruzada rxy( l ), indica las secuencias que son correlacionadas. El orden del subíndice, con x
precediendo a y, indica la dirección en la cual una secuencia es desplazada relativamente
con respecto a la otra. Analizando la ecuación (5.36), se tiene que la secuencia x(n)
permanece inalterable y es la secuencia y(n) la que se desplaza en l unidades de tiempo , a
la derecha si l es positivo y hacia la izquierda si l es negativo. En forma equivalente en la
ecuación (5.37), es la secuencia y(n) la que permanece inalterable y es x(n) la que es
desplazada en l unidades de tiempo, hacia la izquierda para l positivo y hacia la derecha
para l negativo. Desplazamiento de x(n) de l unidades hacia la izquierda con respecto a
y(n), es equivalente a desplazar y(n) en l unidades hacia la derecha con respecto a x(n).
Por lo tanto, las ecuaciones (5.36) y (5.37) producen idénticas secuencias de correlación
cruzada.
Si se invierten los roles de x(n) e y(n) en las ecuaciones (5.36) y (5.37), luego se
invierte el orden de los subíndices xy, obteniéndose la secuencia de correlación cruzada ryx(
l ), dada por
¥
ryx (l) = å y(n)x(n - l)
n =-¥
(5.38)

o
¥
ryx (l) = å y(n + l)x(n)
n =-¥
(5.39)

Comparando las ecuaciones (5.36) con (5.39) y (5.37) con (5.38), se concluye que

rxy (l ) = ryx ( -l ) (5.40)

Luego, ryx (l ) es simplemente la versión invertida de rxy ( l) , con respecto al origen ( l = 0 ).

En consecuencia, rxy ( l) proporciona exactamente la misma información que ryx (l ) , en
relación a la similitud entre x(n) e y(n).
Considerando la forma de calcular la convolución y la correlación entre dos
secuencias se observa un cierto grado de similitud entre ambos cálculos, ya que en el
cálculo de la convolución, una de las dos secuencias es invertida con respecto al origen,
enseguida desplazada y multiplicada por la otra secuencia para formar la secuencia
producto para el desplazamiento considerado, para enseguida sumar los valores obtenidos
de la secuencia producto. Excepto por la inversión temporal, el cálculo de la secuencia
correlación cruzada considera las mismas operaciones: desplazamiento de una de las

202
secuencias, multiplicación de la secuencia desplazada con la otra secuencia y suma de todos
los términos de la secuencia producto. En consecuencia, si se tiene un programa
computacional que desarrolla la convolución, se puede usar este programa para obtener la
secuencia correlación cruzada, proporcionando como entrada lassecuencias x(n) e y(-n).
Luego, la convolución de x( l ) con y(- l ) produce la secuencia correlación cruzada rxy ( l) ,
y la de y( l ) con x(- l ) produce la correlación cruzada ryx (l ) , o sea

rxy ( l) = x(l ) * y( -l )
(5.41)
ryx (l ) = y(l )* x( -l)

En forma similar, se obtiene

rxx (l) = x(l)* x(-l) (5.42)

Ejemplo 5.14.

Determinar las secuencias autocorrelación de las siguientes señales :

a) x(n) = {1,2,1,1}

b) y(n) = {1,1,2,1}

Solución
Para resolver el ejercicio presentado se puede aplicar tanto la definición de secuencia de
autocorrelación, como el algoritmo matricial para determinar la aucorrelación como
rxx (l) = x(l)* x(-l)
a)
a1. Aplicación de la definición deautocorrelación. Se tiene que
¥
rxx (l) = å x(n)x(n - l)
n =-¥

Por lo cual, para el ejemplo dado se tiene que

3
rxx (l) = å x(n)x(n - l)
n=0

Los términos de la secuencia autocorrelación se pueden determinar dando valores a l y

obtener el valor de la sumatoria para este valor de l , obteniéndose
3
rxx (0) = å x(n)x(n) = x(0)x(0) + x(1)x(1) + x(2)x(2) + x(3)x(3)
n=0

203
luego
rxx(0) = 1*1+2*2+1*1+1*1 = 7
Para l = 1 , se tiene
3
rxx (1) = å x(n)x(n - 1) = x(0)x(-1) + x(1)x(0) + x(2)x(1) + x(3)x(2)
n =0

rxx (1) = 1*0+2*1+1*2+1*1 = 5

Para l = -1 , se tiene
3
rxx (-1) = å x(n)x(n + 1) = x(0)x(1) + x(1)x(2) + x(2)x(3) + x(3)x(4)
n =0

rxx (-1) = 1*2+2*1+1*1+1*0 = 5

Y así sucesivamente, obteniéndose

rxx ( l ) = {1,3,5,7,5,3,1}

a2. Método Matricial.

x( l )
x(- l ) 1 2 1 1

1 1 2 1 1
1 1 2 1 1
2 2 4 2 2
1 1 2 1 1

De donde

rxx ( l ) = {1,3,5,7,5,3,1}

b) Para el caso de y(n) se empleará solamente el método matricial .

y( l )
y(- l ) 1 1 2 1

1 1 1 2 1
2 2 2 4 2
1 1 1 2 1
1 1 1 2 1

204
Obteniéndose

ryy( l ) = {1,3,5,7,5,3,1}

De acuerdo a los resultados obtenidos se deduce que x(n) e y(n), del ejemplo dado, tienen la
misma secuencia autocorrelación. La relación entre x(n) e y(n), es que y(n) es un
desplazamiento circular de x(n), con sus respectivos elementos extremos iguales.

Ejemplo 5.15.

Determinar la secuencia correlación cruzada rxy ( l ) de las secuencias

x(n) ={...,0,0,2,-1,3,7,1,2,-3,0,0,....}

y(n) ={..,0,0,1,-1,2,-2,4,1,-2,5,0,0,...}
Solución
Para el cálculo de rxy ( l ), se hará uso del algoritmo matricial, o sea

x( l )
y(- l ) ..0 0 2 -1 3 7 1 2 -3 0 0.....

.
.
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
5 0 0 10 -5 15 35 5 10 -15 0 0
-2 0 0 -4 2 -6 -14 -2 -4 6 0 0
1 0 0 2 -1 3 7 1 2 -3 0 0
4 0 0 8 -4 12 28 4 8 -12 0 0
-2 0 0 -4 2 -6 -14 -2 -4 6 0 0
2 0 0 4 -2 6 14 2 4 -6 0 0
-1 0 0 -2 1 -3 -7 -1 -2 3 0 0
1 0 0 2 -1 3 7 1 2 -3 0 0
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0

Obteniéndose
205
 rxy ( l ) ={10,-9,19,36,-14,33,0,7,13,-18,16,-7,5,-3}

5.6.2. Propiedades de las Secuencias Autocorrelación y Correlación Cruzada .

Secuencias Correlación Acotadas. Considerando que las secuencias x(n) e y(n) son de
energía finita, se demuestra que

rxy (l ) £ rxx (0)ryy (0) = E x E y (5.43)

Para el caso particular de que x(n) = y(n) , se tiene que :

rxx (l) £ rxx (0) = E x (5.44)

De (5.44), se deduce que la secuencia autocorrelación alcanza su valor máximo para retardo
cero es decir, l = 0.
Para el caso de secuencia correlación cruzada, su límite superior está dado por la
ecuación (5.41), o sea por la raíz cuadrada del producto de sus energías.

Secuencias de Correlación Normalizadas. De la definición de secuencia correlación, se

tiene que si se escala cualquiera o ambas secuencias involucradas en la correlación cruzada,
la forma de la secuencia correlación cruzada no cambia; solamente las amplitudes de la
secuencia correlación cruzada son escaladas apropiadamente. En la práctica es
frecuentemente deseable normalizar las secuencias de autocorrelación y correlación
cruzada, en el rango de -1 a 1. Para el caso de la secuencia autocorrelación, simplemente se
divide por rxx(0). Luego, la secuencia autocorrelación normalizadarxx ( l ), de la secuencia
x(n),es definida como

rxx (l)
r xx (l) = (5,45)
rxx (0)

Se define la secuencia correlación cruzada normalizada rxy( l ), como

rxy (l)
r xy (l) = (5.46)
rxx (0)ryy (0)

Por lo cual, ïrxx ( l )ï£ 1 y ïrxy( l )ï£ 1, y por lo tanto, estas secuencias son independientes
del escalamiento de las señales .

206
Propiedad de Simetría Par de la Secuencia de Autocorrelación. Anteriormente se
estableció que
rxy (l ) = ryx ( -l )
En consecuencia, para el caso de que x(n) sea igual a y(n), se tendrá que :
rxx (l) = rxx (-l) (5.47)

Lo cual establece, que la secuencia autocorrelación es una función par y por lo tanto, es
suficiente calcular rxx (l) para l ³ 0.

Ejemplo 5.16.

Determinar la secuencia autocorrelación normalizada de la señal x(n) dada por:

ì1 -N £ n £ N
x(n) = í
î0 otros valores
Solución
rxx (l)
Como r xx (l) = y empleando el método matricial, se tendrá
rxx (0)

x( l ) x(-N) x(-2) x(-1)x(0)x(1) x(2) x(N)

x(- l ) 1 1 1 1 1 1 1 1 1 1 1

1 11 1 1 1 1 1 1 1 1 1
1 11 1 1 1 1 1 1 1 1 1
1 11 1 1 1 1 1 1 1 1 1
1
.
.
.
1 11 1 1 1 1 1 1 1 1 1
1 11 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1
1 11 1 1 1 1 1 1 1 1 1
1 11 1 1 1 1 1 1 1 1 1
.
.
.
. 1
1 11 1 1 1 1 1 1 1 1 1
1 11 1 1 1 1 1 1 1 1 1
207
De la matriz, se obtiene

rxx (l) = {1, 2,3, 4........, 2N + 1,.......,4,3,2,1}

Se observa que rxx (l) = rxx (-l) y que rxx (0) = 1/(2N+1). Luego

rxx (l)
r xx (l) = = { 2N1+1 , 2N2+1 , 2 N3+1 ,.......,1,......, 2N3+1 , 2N2+1 , 2N1+1}
rxx (0)

Ejemplo5.17.

Determinar la secuencia autocorrelación normalizada de la señal :

x(n) = anu(n) 0<a<1

Solución
La secuencia x(n) dada es de duración infinita, luego su autocorrelación también es de
duración infinita. Para determinar rxx (l) , se aplicará la propiedad de simetría par de la
autocorrelación rxx (l) y por lo cual con l ³ 0, rxx (l) se puede calcular usando

¥ ¥ ¥ ¥

å x(n)x(n + l) = å a u(n)a n +l u(n + l) = å a n a n +l = a l å ( a 2 )

n
rxx (l) = n

n =-¥ n =-¥ n =0 n =0

Dado que a < 1, la serie infinita converge y aplicando la relación correspondiente a una
progresión geométrica, se obtiene

1
rxx ( l) = al
1- a 2

Como l puede ser también negativo ( l < 0) y como rxx (l) = rxx (-l) , una expresión más
general y válida para todo l es
1 l
rxx (l ) = a - ¥< l <¥
1- a 2

Por lo tanto
1
rxx (0) =
1- a2
y
208
 rxx (l) l
r xx (l) = =a - ¥< l <¥
rxx (0)

Propiedad de Igualdad de Secuencias Autocorrelación de una Secuencia y la de una

Versión Desplazada de Ella. Sea x(n) una secuencia dada y y(n) = x(n-n0). La secuencia
autocorrelaciónryy( l ), es
¥
ryy (l) = å y(n)y(n - l)
n =-¥
(5.48)

Como, y(n) = x(n – n0), ryy( l ) se puede escribir como

¥
ryy (l) = å x(n - n
n =-¥
0 )x(n - n 0 - l) (5.49)

Haciendo, el cambio de variable: m = n – n0, la ecuación (5.49), se puede escribir como

¥
ryy (l) = å x(m)x(m - l) = r
m =-¥
xx (l ) (5.50)

5.6.3. Aplicación de MATLAB en la Determinación de la Secuencia Correlación de

Señales de Energía.
Autocorrelación. Para determinar la secuencia autocorrelaciónrxx( l ) de la secuencia x(n),
se emplea el comando MATLAB xcorr(x). Si la secuencia x(n) tiene N elementos, la
secuencia autocorrelación tendrá 2N – 1 elementos. Si la secuencia x(n), se representa con
el vector x en el programa MATLAB, y el elemento x(0) de la secuencia x(n), corresponde
al elemento x(a) del vector x, se tiene que el elemento rxx(0) de la secuencia rxx( l ),
corresponderá al elemento rxx(N) del vector rxx, asociado a la secuencia rxx( l ), cualquiera
que sea el valor de a.

Ejemplo 5.18.
Determinar las secuencias de autocorrelación, usando MATLAB, de las secuencias

a). x(n) = {-2, 0, -1,1, 2, 0, -1} .

b) y(n) = x(n - 2) .

Solución
a) La secuencia x(n) tiene 7 elementos, luego su secuencia correlación rxx( l ) tendrá 13
elementos, y el elemento rxx(0) corresponderá al elemento rxx(7) del vector rxx.
El programa MATLAB, para obtener rxx( l ), es
209
 >> % Calculo de rxx(l) de la secuencia x(n) del Ejemplo 5.18
>> x=[-2 0 -1 1 2 0 -1];
>>rxx=xcorr(x)
rxx =
Columns 1 through 10
2.0000 -0.0000 -3.0000 -3.0000 -2.0000 1.0000 11.0000 1.0000 -2.0000 -
3.0000
Columns 11 through 13
-3.0000 -0.0000 2.0000
Luego

rxx (l) = {2, 0, -3, -3, -2,1,11,1, -2, -3, -3, 0, 2}

b) En este caso, y(n) es una versión retardada, en dos unidades de tiempo de x(n). El vector
y del programa MATLAB, es el mismo que el vector x del apartado a), estos vectores son
independientes de la ubicación del elemento correspondiente a n = 0. Luego, el programa
MATLAB es el mismo que el del apartado a), verificándose que la secuencia
autocorrelación de una señal x(n), es igual a la secuencia autocorrelación de una versión
desplazada de ella, o sea

ryy (l) = rxx (l) = {2, 0, -3, -3, -2,1,11,1, -2, -3, -3, 0, 2}

Correlación Cruzada. Sean las secuencias x(n) e y(n), las que se van a correlacionar. Por
lo tanto, son posibles dos casos: rxy (l ) y ryx (l) .
Correlación rxy (l ) . En este caso, para determinar el elemento correspondiente a rxy(0),
se toma como base la secuencia y(n), la cual tiene en total M elementos. Esta secuencia,
se representa por el vector fila y de M elementos. En este vector, el elemento y(b)
corresponde al elemento y(0) de la secuencia y(n). La secuencia x(n),de N elementos, se
representa por el vector fila x, en el cual, el elemento x(a) corresponde al elemento x(0)
de la secuencia x(n).La sintaxis a usar es xcorr(x,y). Los vectores x y y, tendrán la forma

x = [x(1) x(2) x(3).......x(a)........x(N)]

(5.51)
y = [y(1) y(2) y(3).......y(b)........y(M)]

210
La secuencia rxy (l ) tendrá M + N – 1 elementos, y se representa por el vector rxy, dado
por
rxy = [rxy(1) rxy(2) rxy(3)......rxy(c)........rxy(M+n-1)]

Donde rxy(c), corresponde al elemento rxy(0) de la secuencia rxy (l ) , con c = M – a + b.

Correlación ryx (l) . El análisis es similar al realizado para rxy (l ) , con la diferencia, de
que en este caso, se toma como base la secuencia x(n) y la sintaxis a usar es xcorr(y,x).
Manteniendo, las definiciones y nomenclatura usadas para el análisis de rxy (l ) , se tendrá
que el valor de c, correspondiente al elemento ryx(c) del vectorryx, está dado por c= N –
b +a.
Ejemplo 5.19.
Dadas las secuencias

x(n) = {1, -1, 2, -2, 4,1, -2,5} , y(n)= {2,-1,3,7,1,2,-3}

Usando MATLAB, determinar, las secuencias correlación rxy (l ) y ryx (l) .

Solución
>> % Calculo de rxy(l)
>> x=[1 -1 2 -2 4 1 -2 5];
>> N = 8; a=5;
>> y =[2 -1 3 7 1 2 -3];
>> M = 7; b = 5; c = M - a + b
c=
7
>>rxy = xcorr(x,y)
rxy =

Columns 1 through 6

-0.0000 -3.0000 5.0000 -7.0000 16.0000 -18.0000

Columns 7 through 12

13.0000 7.0000 -0.0000 33.0000 -14.0000 36.0000

211
 Columns 13 through 15

19.0000 -9.0000 10.0000

>> % Calculo de ryx(l)

>> c1 =N -b + a
c1 =
8

>>ryx = xcorr(y,x)
ryx =

Columns 1 through 6

10.0000 -9.0000 19.0000 36.0000 -14.0000 33.0000

Columns 7 through 12

-0.0000 7.0000 13.0000 -18.0000 16.0000 -7.0000

Columns 13 through 15

5.0000 -3.0000 -0.0000

De la aplicación del programa, se deduce que los valores nulos de los extremos aparecen
debido a la diferencia de longitud de los vectores x yy, y pueden ser ignorados en el
resultado, por lo tanto, con c = 7 y c1 = 8, las secuencias correlación son

rxy (l) = {-3,5, -7,16, -18,13, 7, 0, 33, -14, 36,19, -9,10}

ryx (l) = {10, -9,19,36, -14, 33, 0, 7,13, -18,16, -7,5, -3}

De los resultados obtenidos, se verifica que ryx (l ) = rxy ( -l)

212
 5.6.4. Correlación de Secuencias de Potencia. Correlación Cruzada. Sean x(n) e y(n)
dos señales de potencia. Su secuencia correlación cruzada q xy ( l) se define como

M
1
q xy (l) = lim
M ®¥ 2M + 1
å x(n)y(n - l)
n =- M
(5.52)

De la misma manera, q yx (l ) se define como

M
1
q yx (l) = lim
M ®¥ 2M + 1
å y(n)x(n - l)
n =- M
(5.53)

Autocorrelación. Si x(n) = y(n), se tiene la definición de la secuencia autocorrelación

q xx (l) o q yy (l ) de una señal de potencia. Para el caso de x(n), se tiene
M
1
q xx (l) = lim
M ®¥ 2M + 1
å
n =- M
x(n)x(n - l) (5.54)

Secuencias de Potencia Periódicas. Si x(n) e y(n) son dos secuencias periódicas, ambas
con período N, se tienen las siguientes relaciones

1 N -1
q xy (l) = å x(n)y(n - l)
N n =0
(5.55)
N -1
1
q yx (l) = å y(n)x(n - l)
N n=0
y si x(n) = y(n),
1 N -1
q xx (l) = å x(n)x(n - l)
N n =0
(5.56)

En este caso q xy ( l) y q xx (l) son secuencias correlación periódicas con período N. El

factor 1/N puede considerarse como un factor de escala de normalización .
Para el caso de suma de señales periódicas, con el mismo periodo, se tiene que si
secuencias x(n) y z(n) son periódicas con el mismo periodo N e y(n) es la secuencia dada
por

y(n) = x(n) + z(n) (5.57)

La secuencia y(n) así definida es también periódica con periodo N, luego su secuencia
autocorrelación q yy (l ) está dada por

213
 1 N -1
q yy (l) = å y(n)y(n - l)
N n =0
(5.58)

Reemplazando (5.57) en (5.58), se obtiene la ecuación

1 N -1
q yy (l) = å [ x(n) + z(n)][ x(n - l) + z(n - l)]
N n =0

Realizando la multiplicación en el segundo miembro de. la ecuación anterior, se obtiene

é N -1 N -1 N -1
ù
q yy (l) = êå - l + å [ - l + - l ] + å z(n)z(n - l) ú
1
N x(n)x(n ) x(n)w(n ) z(n)x(n )
ë n =0 n =0 n =0 û

Ecuación que puede escribirse como

q yy ( l) = q xx (l) + q xz (l ) + q zx ( l) + q zz (l) (5.59)

El término q xx (l) del segundo miembro de la ecuación (5.59) es la secuencia

autocorrelación de x(n), q zz (l) .es la secuencia autocorrelación de w(n) y q xz (l), q zx (l)
correlaciones cruzadas de x(n) y w(n).
Secuencias Incorreladas. Dos secuencias x(n) e y(n) son incorreladas si

q xy (l ) = q yx (l ) = 0 para todo l (5.60)

Ejemplo 5.20.

Determinar la secuencia autocorrelación de la secuencia x( n) = u(n).

Solución
La señal x(n) = u(n) dada es de potencia, luego su secuencia de aucorrelación q xx (l) , para
l > 0 ,está dada por

M M
1 1
q xx (l) = lim
M ®¥ 2M + 1
å
n =- M
u(n)u(n - l) = lim
M ®¥ 2M + 1
å
l
1

M - l +1 1
q xx (l ) = lim =
M ®¥ 2M + 1 2

214
para l < 0

M M
1 1 1
q xx (l) = lim
M ®¥ 2M - 1
å
n =- M
u(n)u(n - l ) = lim
M ®¥ 2M - 1
å
n=0
1=
2

Luego, para todo l , q xx (l) está dado por

1
q xx (l) =
2

5.7 . ANALISIS FRECUENCIAL DE SEÑALES DE TIEMPO DISCRETO

Para señales de tiempo continuo el rango de frecuencia es de -¥a ¥, luego es posible tener
señales que contengan un número infinito de componentes frecuenciales. En cambio, dado
que el rango de frecuencia W para señales de tiempo discreto es de -p a p o de 0 a 2p, se
tiene que una señal de tiempo discreto de período fundamental N puede contener
componentes frecuenciales separadas por 2p/N radianes o F=1/N.
5.7.1. Series de Fourier para Señales de Tiempo Discreto Periódicas. Sea x(n) una
secuencia periódica con período N, o sea que

x(n) = x(n + N) (5.61)

La representación en Serie de Fourier de x(n), está definida como

N -1
x(n) = å C k e j2 pkn / N (5.62)
k =0

La ecuación (5.62) es frecuentemente llamada Serie de Fourier de Tiempo Discreto (DTFS:

Discrete - Time Fourier Series), conocida como ecuación de análisis, donde {Ck} son los
coeficientes de la representación en serie, y están determinados por la siguiente relación

1 N -1
Ck = å x(n)e- j2 pkn / N
N n=0
k=0,1,2,3,.....N-1 (5.63)

La ecuación (5.63) se conoce como ecuación desíntesis. Los coeficientes Ck proporcionan

la descripción de x(n) en el dominio de la frecuencia (espectro de frecuencia), dado que Ck
representa la amplitud y fase asociada a las componentes de frecuencia e j2 pkn / N = e jW k n , con

215
Wk = 2pk/N. Estas componentes de frecuencias, son periódicas con período N, lo que
determina que {Ck} es una secuencia periódica con período fundamental N, o sea

Ck = Ck + N (5.64)

Luego, el espectro de una señal periódica x(n) de período N, es una secuencia periódica de
período N. De aquí, cualesquiera N muestras consecutivas, temporales o frecuenciales,
proporcionan una descripción completa de la señal, en los respectivos dominios. Para el
análisis frecuencial, en base a la Serie de Fourier, es conveniente considerar el intervalo en
frecuencia 0 £W k< 2p, con W k =2pk/N , intervalo que está asociado al periodo 0 £ k £ N –
1, el que es válido para k par e impar.

Ejemplo 5.21.

Determinar el espectro de las siguientes señales :

a) x(n) = cos 3pn
b) x(n) = sen (pn/3) .
c)x(n) es periódica con período N = 6 y está dada por

x(n) = { ...1,0,1,1,1,0,1,0,1,1,1,0, }

Emplee método analítico y MATLAB, para el apartado c).

Solución
a) En este caso W0 = 3p , lo cual implica que F0 = 3 / 2 o sea, que F0 no es un número
racional por lo que x(n) dado no es una señal periódica, por lo cual x(n) no puede ser
expandida en serie de Fourier. Sin embargo, la señal tiene un espectro consistente en dos
líneas espectrales situadas W = ± 3p = ±W0 .

b) Se tiene que F0 = 1/6, por lo que x(n) es periódica con período fundamental N = 6. De la
definición de coeficientes de Fourier se tiene
1 N -1
C k = å x(n)e - j2 pkn / N
N n =0

Aplicando los datos del problema, se tiene que

1 5
Ck = å
6 n =o
sen(np / 3)e - j2 pkn / 6 k=0,1,2,3,4,5

216
Ya que x(n) es una señal sinusoidal, los coeficientes Ck se pueden determinar a partir de la
aplicación de Euler, o sea
1 j 2 pn 1 - j 2 pn
x(n) = sen ( 2 p6n ) = e 6 - e 6
2j 2j
Por otra parte
1 - j 26pn 1 j 2 p( 56-6) n 1 j 2 p(56 )n
e = e = e
2j 2j 2j

En consecuencia, x(n) se puede escribir como desarrollo en serie de Fourier,en la forma

1 j 2 p (1) n 1 j 2 p ( 5) n
x(n) = - j e 6 + j e 6
2 2
De donde se obtiene que

C0 = C2 = C3 = C4 = 0
y que
1 1 1
C1 = - j ; C5 = j Þ C1 = C5 =
2 2 2

Ck
1
2

k
-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7

p p
RC1 = - ; RC 5 =
2 2
bi)
ÐCk
p
2

-5 1 7
k
-7 -6 -4 -3 -2 -1 0 2 3 4 5 6

- p
2

bii)

Figura 5.30 Gráficas de :bi) Espectro de Magnitud y bii) Espectro

de Fase de la señal x(n) del Ejemplo 7.21 b)

217
c) En este caso
1 5
Ck = å x(n)e- j2pkn / 6
6 n =0
k=0,1,2,3,4,5

con 0 £ n £ 5, x(n) es
x(n) = {1,1,1, 0,1, 0}

se obtiene
1 2
C0 = [1 + 1 + 1 + 0 + 1 + 0] =
6 3

1
C1 = éë1 + e - jp / 3 + e - j2 p / 3 + 0 + e - j4 p / 3 + 0ùû
6
de donde
C1 =
1
12
(
1- j 3 )
en forma similar, se obtiene que

C2 =
1
12
(
-1 - j 3 )
1
C3 =
3
C4 =
1
12
(
-1 + j 3 )
C5 =
1
12
(
1+ j 3 )
Por lo tanto, el espectro de amplitud está dado por

2 1 1
C0 = ; C1 = C 2 = C 4 = C5 = ; C3 =
3 6 3

Y el espectro de fase, por

p 4p 2p p
RC 0 = RC 3 = 0 ; RC1 = - ; RC 2 = ; RC 4 = ; RC5 =
3 3 3 3

En la Figura 5.31 se ilustran los espectros de amplitud y de fase para la secuencia x(n) =
{1,1,1,0,1,0)

218
 Ck

2
3
1
1 3
6
k
-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7

ci)

RC k
4p
3

2p
3

p
3

-5 -4 -2 1 7 k
-7 -6 -3 -1 p 0 2 3 4 5 6
-3

- 23p

- 43p

cii)
Figura 5.31. Gráficas de : ci) Espectro Magnitud y cii) Espectro de
Fase de la Señal x(n) del Ejemplo 5.21 c)
Uso de MATLAB.

>> % Determinacion del espectro de x(n) con periodo basico{1,1,1,0,1,0}

>> N = 6; % Periodo de x(n)
>> x=[1 1 1 0 1 0];% Periodo Basico de x(n)
>> % Determinacion de los Coeficientes de la Serie de Fourier
>>for k=1:N
for n=1:N
c(n)=exp(-j*2*pi*(n-1)*(k-1)/N)*x(n);
end
>>c2(k)=sum(c)/N;
end

>>% Valores de los Coeficientes de la Serie de Fourier

>>c2(k)=sum(c)/N
c2 =

219
 Columns 1 through 5
0.6667 0.0833 - 0.1443i -0.0833 - 0.1443i 0.3333 + 0.0000i -0.0833 + 0.1443i

Columns 6
0.0833 + 0.1443i
>> % Grafica de los Espectros de Amplitud y de Fase
>>cmag=abs(c2); cfase=angle(c2); q=0:5;
>>subplot(2,1,1); stem(q,cmag)
>>title('Modulo de C_k'); xlabel('k'); ylabel('Modulo'); grid
>>subplot(2,1,2); stem(q,cfase)
>>title('Fase de C_k'); xlabel('k'); ylabel('Fase en Radianes'); grid

Figura 5.32. Gráficas de los Espectros de Magnitud y de Fase del

Ejemplo 5.21.
Los resultados obtenidos por los dos métodos son idénticos, ya que el ángulo de 4p/3 es
igual al ángulo de -2p/3, para k = 2.

5.7.2. Densidad Espectral de Potencia de Señales Periódicas de Tiempo Discreto.

La potencia media Px de una señal periódica de tiempo discreto x(n) con período N, está
dada por la siguiente ecuación .
1 N -1
Px = å x(n)
2
(5.65)
N n =0

A partir de la ecuación (5.65) se puede derivar una expresión para Px , en términos de los
coeficientes Ck de la serie de Fourier. Considerando que la ecuación (5.65) puede escribirse
como

220
 1 N -1
Px = å x(n)x* (n)
N n =0
(5.66)

y que
N -1
x(n) = å C k e j2 pkn / N (5.67)
k =0

por lo que
N -1
x * (n) = å C*k e - j2 pkn / N (5.68)
k =0

considerando, la ecuación (5.68) en la ecuación (5.66) , se obtiene

1 N -1 é N -1 * - j2 pkn / N ù
Px = å êëå
N n =0
x(n)
k =0
Ck e ú
û
(5.69)

Intercambiando el orden de las sumatorias y teniendo que

1 N -1
Ck = å
N n =0
x(n)e - j2 pkn / N (5.70)

la ecuación (5.69), se puede escribir como

N -1
é 1 N -1 ù N -1 N -1
Px = å C*k ê å x(n)e - j2 pkn / N ú = å C*k C k = å C k
2
(5.71)
k=0 ë N n =0 û k =0 k =0

Es decir, que la potencia media de una señal periódica de tiempo discreto es la suma de las
potencias de las componentes de frecuencias individuales. La ecuación (5.71) se conoce
como relación de Parseval para señales periódicas de tiempo discreto. La secuencia ïCkï2
para k = 1,2,3,............,2N - 1, representa la distribución de potencia en función de la
frecuencia y es llamada Densidad Espectral de Potencia de la señal periódica x(n) .
La energía EN, dentro de un periodo, de la secuencia periódica x(n), es

N -1 N -1
E N = å x(n) = N å C k
2 2
(5.72)
n=0 k=0

Si la señal x(n) es real, se demuestra que

C*k = C - k (5.73)
o en forma equivalente
ïC-kï = ïCkï( simetría par )

R Ck = - R C-k (simetría impar ) (5.74)

221
 RC k = -RC N -k (5.75)

Como en el caso de señales de tiempo continuo, la densidad espectral de potencia

ïCkï no contiene información sobre la fase. También, se puede concluir que una señal de
2

tiempo discreto periódica, tiene un espectro discreto y periódico con un período

fundamental igual al de la señal .

Ejemplo 5.22.

Determinar los coeficientes de la Serie de Fourier y la densidad espectral de potencia, de las

señales periódicas mostradas en la Figura 5.32 .

x(n) x(n)
1 1

n n
-N 0 L N -N -M 0 M N
(a) (b)

Figura 5.32 . Gráfica de las secuencias del Ejemplo 5.22

Solución
a) Aplicando al ejemplo dado la ecuación (5.58), se tiene

1 N -1 1 L-1 - j2 pkn / N
Ck = å
N n =0
x(n)e - j2 pkn / N
= åe
N n =0
, k = 0,1,2,3...., N - 1

Se observa que Ck tiene la forma de una serie geométrica, por lo tanto

ìL
ïN k=0
1 L -1 ï
C k = å (e - j2 pk / N )n = í
N n =0 ï 1 1 - e - j2 pkL / N
ï , k=1,2,.......,N-1
ïî N 1 - e - j2 pk / N

Ecuación que puede ser simplificada, utilizando

1 - e - j2pkL / N e - jpkL / N e jpkL / N - e - jpkL / N sen(pkL / N)

- j2 pk / N
= - jpk / N jpk / N - jpk / N = e - jpk (L-1) / N
1- e e e -e sen(pk / N)

Por lo que, considerando la periodicidad de Ck, o sea que Ck = Ck+N, se tiene

222
 ìL
ï k=0, ± N, ± 2N ,.....
ïï N
Ck = í
ï1 sen(pkL / N)
ï e- jpk(L -1) / N otros valores
îï N sen(pk / N)

En consecuencia, la densidad espectral de potencia de la señal periódica es

ìæ L ö 2
ïç ÷ k=0, ± N, ± 2N,....
2 ïè N ø
Ck =í
ïæ 1 ö æ sen pkL / N ö
2 2

ïçè N ÷ø çè sen pk / N ÷ø otros valores

î

b) Dada la simetría de la señal dada, se puede emplear la siguiente expresión para Ck

1 M - j2 pkn / N
Ck = åe
N n =- M

Haciendo n = m - M, Ck se puede escribir como

1 2M
C k = å e- j2 pk (m -M ) / N
N m =0

e j2 pkM / N 2M
Ck =
N
åe
m =0
- j2 pkm / N

La sumatoria de la ecuación anterior consiste en la suma de los 2M + 1 primeros términos

en una serie geométrica, luego Ck queda

e j2 pkM / N (1 - e - j2 pk (2M +1) / N )

Ck =
N(1 - e - j2 pk / N )

Ck =
1 e
- jpk / N
(e j2 pk(M +1/ 2) / N
- e - j2 pk(M +1/ 2) / N )
N e- jpk / N ( e jpk / N - e - jpk / N )

Por lo tanto , la expresión final de Ck es

223
 ì 2M + 1
ï k=0, ± N, ± 2N, ........
ï N
ï
Ck = í
ï sen 2pk(M + 1/ 2) / N
ï1 [ ] otros valores
ïî N sen ( pk / N )

Por lo que la densidad espectral de potencia de la señal dada en este caso es

ìæ 2M + 1 ö 2
ïç ÷ k=0, ± N, ± 2N,......
ïè N ø
=í
2
Ck
ïæ 1 ö æ sen [ 2pk(M + 1/ 2) / N ] ö
2 2

ïçè N ÷ø çç sen [ pk / N ]
÷÷ otros valores
î è ø

En este ejemplo, se verifica que dos secuencias diferentes pueden tener la misma densidad
espectral de potencia, dado que con L = 2M + 1, las expresiones de ïCkï2 obtenidas en los
apartados a) y b) son idénticas .
La Figura 5.33 ilustra la gráfica de la densidad espectral de potencia para los valores
particulares de L = 5 y N = 40 .

Figura 5.33. Gráfica de la densidad espectral de potencia del Ejemplo 7.22 para L=5 y
N = 40

Ejemplo 5.23. Utilizando MATLAB y Teorema de Parseval, determinar la potencia media

de la señal periódica x(n), dada por

x(n) = {.....,3, 2,1,1, 0, -1, 2,3, 2,1,1, 0, -1, 2,3, 2,......}

Solución
Para resolver el problema, se emplean las ecuaciones siguientes

224
 1 N -1
Ck = å x(n)e- j2 pnk / N
N n =0
N -1
Px = å Ck
2

k =0

Por lo tanto, el programa MATLAB,es

>> % Calculo de la Potencia Media P de una Secuencia Periódica

>> usando Teorema de Parseval
>> N=7;
>> x=[3,2,1,1,0,-1,2];
for k=1:N
for n =1:N
c(n)=exp(-j*2*pi*(n-1)*(k-1)/N)*x(n);
end
c2(k)=sum(c)/N;
y(k) = abs(c2(k));
z(k) =y(k).*y(k);
end
>> P = sum(z)

P=

2.8574
La respuesta es

P = 2,8574 [W]

5.7.3. Transformada de Fourier de Señales Aperiódicas de Tiempo Discreto.

Dada la secuencia x(n) , se define su Transformada de Fourier X(W) como

¥
X(W) = å x(n)e
n =-¥
- jWn
(5.76)

siempre que la serie sea convergente. La ecuación (5.76) se conoce como la ecuación de
análisis.
Si x(n)es absolutamente sumable, es decir, si
å x(n) < ¥
n

225
la serie es absolutamente convergente y converge a la función continua X(W). La
Transformada de Fourier de una secuencia es una función continua (no discreta) y periódica
de la variable W. Para el caso de señales de tiempo continuo, su Transformada de Fourier y
por lo tanto su espectro, tienen un rango de frecuencia de (-¥, ¥). En el caso de señales de
tiempo discreto, el rango de frecuencia es (-p, p) o equivalentemente (0,2p), por lo cual la
Transformada de Fourier X(W) de la señal x(n) es periódica de periodo 2p, o sea que X(W
+ 2pk) = X(W) siendo k entero positivo
Si la secuencia es absolutamente sumable, tendrá una energía finita, es decir

å x(n) <¥
2

En consecuencia, la Tranformada de Fourier se aplica a secuencias definidas en términos de

energía .

Transformada Inversa de Fourier. La Transformada Inversa de Fourier está dada por la

ecuación (5.76) .
p
1
x(n) = ò
2p -p
X(W)e jnW dW (5.77)

La ecuación (5.77) se conoce como la ecuación de síntesis .

Ejemplo 5.24.

Determinar la señal x(n) si su Transformada de Fourier X(W) es la mostrada en la Figura

5.34.

X(W)
2

W
-p - p 9
10 - p
8
10 0 8
10 p 9
10 p p

Figura 5.35 . Transformada de Fourier de la señal x(n) del Ejemplo 5.24

226
Solución
Como X(W) es real y par se tiene que x(n) es también real y par, por lo tanto aplicando
(5.76), se obtiene

p
1
x(n) = ò X(W) cos WndW
p0

y considerando la gráfica de X(W), la ecuación anterior se puede escribir como

9p
10 p
1 2
x(n) = ò cos WndW + ò cos WndW
p 8p p 9p
10 10

Integrando, se obtiene

é9 8 ù
x(n) = 2 sin c(n) - ê sin c(n9 /10) + sin c(n8 /10) ú
ë10 10 û

5.7.4. Densidad Espectral de Energía de Señales Aperiódicas. La energía Ex de una

señal de tiempo discreto x(n) fue definida como

¥
Ex = å
2
x(n) (5.78)
n =-¥

Para expresar la energía Ex en términos de la característica espectral X(W), se tiene que

¥ ¥
é 1 p ù
Ex = å
n =-¥
x(n)x * (n) = å x(n) êë 2p ò
n =-¥
-p
X* (W )e - jnW dW ú
û
(5.79)

Intercambiando el orden de integración y de suma, se obtiene

p p
1 é ¥ ù 1
Ex = ò W å x(n)e- jnW ú dW = ò X(W) dW
* 2
X ( ) ê (5.80)
2p - p ë n =-¥ û 2p - p

Por lo tanto, la relación entre la energía de x(n) y el espectro X(W) es

227
 p
1
Ex = ò X(W) dW
2
(5.81)
2p -p

El término ïX(W)ï2 se define como densidad espectral de energía de x(n) y se designa por
Sxx (W) .
El espectro X(W) es, en general, una función compleja en función de la frecuencia y
por lo tanto admite la siguiente representación

X(W) = X(W) e jq (W ) (5.82

Donde

q(W) = RX( W) (5.83)

ïX(W)ï es el espectro de amplitud y q(W) es el espectro de fase de la secuencia x(n).

Si x(n) es real , luego se tiene que

ïX(-W)ï = ïX(W)ï( simetria par ) (5.84)

RX( -W) = -RX(W) ( simetría impar ) (5.85)

De la ecuación (5.84) se sigue que

X( -W) = X(W)
2 2
( simetría par ) (5.86)

Si se conoce X(W) en el rango 0 £W£p, se puede determinar X(W) en el el rango -p£W£ 0

usando las propiedades de simetría establecidas. Luego, el espectro frecuencial de una señal
real de tiempo discreto está completamente especificado en el rango de frecuencia 0 £W£p .
Usualmente, se trabaja con el intervalo fundamental 0 £W£p, o con el intervalo 0 £ f
£fs /2 [Hz.]

Ejemplo 5.25.

Sea la señal x(n) = u( n ) - u( n - 6 ) . Determinar :

a) Su Transformada de Fourier .
b) Su Densidad Espectral de Energía .

Solución .
a) La gráfica de x(n) ,se muestra en la Figura 5.36.
228
 x(n)
1

.......... ..........
n
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
Figura 5.36. Gráfica de x(n) del Ejemplo 5.25 .

De acuerdo a la definición de x(n), su Transformada de Fourier X(W) está dada por

5 5
X(W) = å x(n)e - jnW = å e - jnW
n =0 n =0

De donde se deduce que X(W) es una serie geométrica, por lo cual se usará

N -1
ìN para a =1
ï
å a = í1 - a N
n

para a ¹ 1
n =0 ï
î 1- a

Con a = e-jW y N = 6, se tiene

1 - e- j6 W
X(W) =
1 - e - jW

Expresión que puede escribirse como

e - j3W (e j3W - e - j3W )

X(W) =
e- jW / 2 (e jW / 2 - e - jW / 2 )
De donde se obtiene
sen 3W
X(W) = e - j5W / 2
sen(W / 2)

b) La Densidad Espectral de Energía Sxx (W ) de x(n) está dada por

Sxx (W) = X(W )
2

Luego, empleando el resultado obtenido en el apartado a), se tiene

2
æ sen 3W ö
Sxx (W) = ç ÷
è sen(W / 2) ø

229
5.7.5. Uso de MATLAB en la Gráfica de los Espectros de Amplitud y de Fase de
Señales de Tiempo Discreto. En MATLAB, existen diferentes formas para graficar el
módulo y la fase de la Transformada de Fourier de señales de tiempo discreto. Se hará la
descripción de algunas de ellas.
Funciónfreqz. Esta función se usa para el cálculo de los valores de la Transformada de
Fourier, de una secuencia infinita, descrita como una función racional en términos de ejW,
en la forma
b + b e- jW +···········+ bM e - jWM
X(W) = 0 1 - jW (5.87)
a 0 + a1e +···········+ a N e - jWN
en un conjunto de puntos de frecuencia discreta W = Wl .
La sintaxis es freqz(num,den,w). Por ejemplo, la declaración

H= freqz(num,den,w) (5.88)

Produce los valores de la respuesta de frecuencia como un vector H de una DTFT, definida
en términos de los vectores numy den, los que contienen los coeficientes bi y ai,
respectivamente, en un conjunto prescrito de frecuencias entre 0 y p (o 2p), dado por el
vector w.
Para determinar el espectro de amplitud, se usa abs(H), y para el espectro de fase se
usa angle(H).

Ejemplo 5.26.
Usando la función freqz, obtener las gráficas de los espectros de amplitud y de fase, de la
señal
é æ 1 ön 2 æ 1 ö n 8 æ 1 ö n ù
x(n) = ê - ç ÷ + ç ÷ + ç ÷ ú u(n)
êë è 2 ø 5 è 3 ø 7 è 5 ø úû
Solución
Cada término de la sumatoria que determina x(n), es de la forma an. La Transformada de
Fourier de an es
¥ ¥ ¥
F{a n u(n)} = åa u(n)e- jWn = å a n e - jWn = å ( ae - jW )
n n

n =-¥ n =0 n =0

La sumatoria es una serie geométrica, con razón a - jW y último término cero, luego

F {a n u(n)} =
1
1 - ae- jW
Por lo tanto
-1 2 8
X(W) = F{x(n)} = + 5
+ 7

1 - ( 12 ) e - jW 1 - ( 13 ) e - jW 1 - ( 15 ) e- jW
230
De donde
- jW 86 - j2 W
19
- 367
525 e + 525 e
X(W) = 35
- jW - W
1- 31
30 e + 13 e j2
- 301 e - j3 W

El programa MATLAB para la gráfica de los espectros de amplitud y de fase es

>> % Gráficas de los Espectros de Magnitud y Fase Ejemplo5.26

>>num=[19/35 -367/525 86/525 0];
>>den=[1 -31/30 1/3 -1/30];
>> w=[-2*pi:1/256:2*pi]; X=freqz(num,den,w);
>>figure(1)
>>plot(w/pi,abs(X),'LineWidth',2);grid
>>title('Espectro de Amplitud');xlabel('\Omega/\pi');ylabel('|X(\Omega)|');
>>figure(2)
>>plot(w/pi,angle(X),'LineWidth',2);grid
>>title('Espectro de Fase');xlabel('\Omega/\pi');ylabel('angX(\Omega)');
Espectro de Amplitud
0.7

0.6

0.5

0.4
|X(W )|

0.3

0.2

0.1

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
W /p

Figura 5.37 Gráfica del Espectro de Amplitud de x(n) del Ejemplo 5.26
Espectro de Fase
1.5

0.5
X(W )

-0.5

-1

-1.5
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
W /p

Figura 5.38. Gráfica del Espectro de Fase de x(n) del Ejemplo 5.26
231
Función atan2. Esta función se usa para graficar el espectro de fase. Si X(W), es la
Transformada de Fourier de la secuencia de longitud finita x(n), se definen los vectores:
X=X(W), realX=real(X), imagX=imag(X), y con P como vector de la fase de X(W), la
sintaxis a usar es
P = atan2(imagX,realX) (5.89)

Los elementos de P están en el intervalo [-p, p]. Para el espectro de amplitud, se usa
abs(X).

Ejemplo 5.27.-
La secuencia x(n) es
x(n) = {1, -1, 0, 2, 3, 1}

Graficar los espectros de amplitud y de fase de x(n).

Solución
Aplicando a x(n), la definición de Transformada de Fourier, se obtiene
4
X(W) = å x(n)e
n =-1
- jWn
= e jW - 1 + 2e-2 jW + 3e -3 jW + e-4 jW

El programa MATLAB para graficar, los espectros de amplitud y de fase, es

>> w=[-2*pi:pi/256:2*pi];
>> X=exp(j*w)-1+2*exp(-j*2*w)+3*exp(-j*3*w)+1*exp(-j*4*w);
>>figure(1)
>>plot(w/pi,abs(X),’LineWidth’,2); grid
>>title(‘Espectro de Amplitud’); xlabel(‘\Omega/\pi’); ylabel(‘|X(\Omega)|’);
>>figure(2)
>>realX=real(X); imagX=imag(X); plot(w/pi,atan2(imagX,realX),’LineWidth’,2)
>>title(‘Espectro de Fase’); xlabel(‘\Omega/\pi’); ylabel(‘Fase X(\Omega)’); <<grid

Figura 5.39. Gráfica del Espectro de Amplitud de x(n) del Ejemplo 5.27

232
 Figura 5.40. Gráfica del Espectro de Fase de x(n) del Ejemplo 5.27

Para el caso de señales o secuencias de longitud finita, a partir de la expresión de la señal

en el dominio temporal, se puede utilizar MATLAB para graficar los espectros de amplitud
y de fase, como se muestra en el ejemplo siguiente

Ejemplo 5.28.

Dada la señal x(n) = cos(np), -5 £ n £1, obtener la gráfica de los espectros de amplitud y de
fase, usando MATLAB, a partir de la expresión de x(n).
Solución
>> %Obtencion de los graficos de los espectros de Ampiltud
>> %y de fase a partir de x(n)
>> n=-5:10; x=cos(n*pi);
>> k=-1000:1000; w=(pi/1000)*k; %Rango de frecuencia de –pi a +pi
>> X=x*(exp(-i*pi/1000)).^(n'*k); % DTFT de x(n)
>>% Grafica Espectro de Amplitud
>> XA=abs(X);
>>figure(1)
>>plot(w/pi,XA); grid
>>title('Espectro de Amplitud de x(n) del Ejemplo 7.28');
>>xlabel('\Omega/\pi'); ylabel('|H(\Omega)|'); axis([-1 1 0 18]);
>>% Grafica del Espectro de Fase
>>realX=real(X); imagX=imag(X);
>>figure(2)
>>plot(w/pi,atan2(imagX,realX));
>>title('Espectro de fase de x(n) del Ejemplo 7.28');xlabel('\Omega/\pi');
>>ylabel('FaseX(\Omega)[rad]'); grid; axis([-1 1 -3 3]);

233
 Figura 5.41. Gráfica de los espectros de x(n) del Ejemplo 5.28.

5.7.6. Propiedad de Simetría de la Transformada de Fourier de Señales de Tiempo

Discreto . La expresión de la transformada directa de Fourier (ecuación de análisis ), es

¥
X(W) = F {x(n)} = å x(n)e
n =-¥
- jnW
(5.90)

y la de la transformada inversa (ecuación de síntesis), es

1
x(n) = F-1 {X(W)} = ò X(W)e jnW dW (5.91)
2p 2 p
La secuencia x(n) y su Transformada de Fourier X(W), forman un par de transformada, el
cual se denota como
F
x(n) X(W)
234
Es necesario recordar que X(W) es periódica con período 2p. Por lo tanto, el espectro puede
ser especificado en cualquier intervalo de longitud 2p es. Usualmente, se dibuja el espectro
en el intervalo fundamental [ -p , p]. Para la completa descripción o caracterización de la
señal, se necesita la información espectral contenida en el intervalo fundamental, por esta
razón, el rango de integración en la ecuación (5.91) es siempre 2p, independientemente de
cuales sean las características específicas de la señal dentro del intervalo fundamental .
Propiedades de simetría de las señales en el dominio del tiempo, imponen algunas
condiciones de simetría en su Transformada de Fourier. El uso de cualquier característica
de simetría, implica la simplificación de los procesos para obtener las expresiones tanto de
la transformada directa como de su inversa.
Suponiendo que la señal x(n) y su transformada X(W) son complejas, luego ellas se
pueden expresar como
x(n) = xR (n) + jxI (n) (5.92)

X(W) = XR (W) + jXI (W) (5.93)

Sustituyendo (5.92) en (5.90) y que e-jW = cosW - jsenW, y separando las partes real e
imaginaria, se obtiene
¥
X R (W ) = å [x
n =-¥
R (n) cos nW + x I (n) sen Wn ] (5.94)
¥
X I (W) = - å [ x R (n)sen Wn - x I (n) cos Wn ] (5.95)
n =-¥

De una manera similar, sustituyendo (5.93) en (5.91), y que ejW = cosW +jsenW, se obtiene
1
[ X R (W) cos Wn - X I (W) sen Wn ] dW
2p 2òp
x R (n) = (5.96)

1
[ XR (W) sen Wn + X I (W) cos Wn ] dW
2p 2òp
x I (n) = (5.97)

Se analizarán algunos casos especiales.

Señales Reales. Si x(n) es real, luego xR (n) = x(n) y xI (n) = 0, en consecuencia las
expresiones de XR (W) y de XI (W) se reducen a
¥
X R (W ) = å x(n) cos Wn
n =-¥
(5.98)

y
¥
X I (W) = - å x(n) sen Wn (5.99)
n =-¥

235
Dado a que cos(-Wn) = cosWn y que sen(-Wn) = - senWn, de las ecuaciones (5.98) y (5.99)
se obtiene
XR (- W) = XR (W)( simetría par ) (5.100)

XI( -W) = - XI ( W)( simetría impar) (5.101)

Considerando (5.93) , se tiene que el espectro de amplitud está dado por

X(W) = X 2R (W) + X 2I (W) (5.102)

y el de fase por
X I (W )
RX(W) = tan -1 (5.102)
X R (W )

Como una consecuencia de(5.100) y de (5.101), los espectros de magnitud y de fase

también presentan propiedades de simetría

ïX(W)ï = ïX(- W)ï (simetría par ) (5.104)

RX( -W) = -RX(W) (simetría impar) (5.105)

En el caso de la Transformada Inversa de Fourier de una señal real, la ecuación (5.96)

implica que
1
[ XR (W) cos Wn - X I (W)sen Wn ] dW
2p 2òp
x(n) = (5.106)

y dado que los productos XR (W)cosWn y XI (W)senWn son funciones pares de W, se tiene

p
1
[ X R (W) cos Wn - X I (W) sen Wn ] dW
p ò0
x(n) = (5.107)

Señales Reales con Simetría Par. Si x(n) es una señal real y par, luego x(n)cosWn es par y
x(n)senWn es impar. En consecuencia, de (5.98), (5.99) y (5.106), se obtiene

¥
X R (W) = x(0) + 2å x(n) cos Wn (5.108)
n =1

XI (W) = 0 (5.109)
236
 p
1
p ò0
x(n) = X R (W) cos WndW (5.110)

Luego, una señal real par tiene un espectro real y par con respecto a W.
Señales Reales con Simetría Impar. Si x(n) es real e impar, luego x(n)cosWn es impar y
x(n)senWn es par. De (5.98) y de (5.106) se obtiene

XR (W) = 0 (5.111)

¥
X I (W) = -2å x(n) sen Wn (5.112)
n =1

p
1
x(n) = - ò X I (W) sen WndW (5.113)
p0

Luego, una señal real e impar posee un espectro imaginario puro e impar, en relación a W.

Ejemplo 5.29.

Considere la señal
x(n) = { 1, 0 , -1 , 2 , 3}

con Transformada de Fourier X(W) = XR (W) + jXI (W). Determinar la señal y(n) cuya
Transformada de Fourier es
Y(W) = XI (W) + XR (W) ej2W
Solución
Como x(n) es real, luego
¥
X R (W ) = å x(n) cos Wn
n =-¥

y
¥
X I (W) = - å x(n) sen Wn
n =-¥

Por lo tanto, considerando x(n) dado se tiene

1
X R (W ) = å x(n) cos nW = cos 3W - cos W + 2 + 3cos W = 2 + 2 cos W + cos 3W
n =-3

y
237
 XI (W) = sen 3W - sen W - 3sen W = sen 3W - 4sen W

Utilizando las relaciones de Euler, XR (W) y XI (W) se pueden escribir de la siguiente

manera

X R (W ) = 2 + 12 e j3W + 21 e - j3W + e jW + e - jW

X I (W) = - 2j e j3 W + 2j e- j3 W + 2 je jW - 2 je - jW
En consecuencia Y(W) se puede escribir como

Y(W) = - 2j e j3 W + 2j e - j3W + 2 je jW - 2 je - jW + ( 2 + 21 e j3 W + 12 e - j3W + e jW + e - jW ) e j2 W

Desarrollando se obtiene

( )
Y(W) = 2j e - j3W + ( 21 - 2 j) e - jW + (1 + 2 j) e jW + 2e j2 W + 1 - 2j e j3 W + 12 e j5W

Como
¥
Y(W) = å y(n)e
n =-¥
- jWn

se obtiene que

y(n) = { 1
2 , 0, (1 - 2j ), 2, (1 + 2 j), 0, ( 12 - 2 j), 0, j
2 }

Ejemplo 5.30.

Considerar la señal
x(n) = {-1 , 2 , -3 , 2 , -1}

Determinar su Transformada de Fourier .

Solución
Como x(n) es real con simetría par, se tiene que

238
 ¥
X R (W) = x(0) + 2å x(n) cos Wn
n =1

X I (W ) = 0
En consecuencia

X(W) = XR (W) = -3 + 4cosW - 2cos2W

5.7.7. Transformada de Fourier de Secuencias Periódicas. Para el análisis pertinente, se

considerará la señal x(n) dada por

Se estableció que la Transformada de Fourier de señales de tiempo discreto, es periódica en

W con período 2p, ya que e jW0 n = e j( W0 + 2 pk )n para cualquier entero k. De aquí, que la
Transformada de Fourier de x(n) dada por ecuación (5.114) debe tener impulsos en W 0, W0±
2p, W0± 4p,········, luego
¥
X(W ) = å 2pd(W - W
k =-¥
0 - 2pk) (5.115)

Luego, si
x(n) = a1e jW1n + a 2 e jW2 n +··········+ a M e jWM n (5.116)

su Transformada de Fourier X(W) es

¥ ¥
X(W) = a1 å 2pd(W - W1 - 2pk) + a 2 å 2pd(W - W 2 - 2pk) +··
k =-¥ k =-¥
¥
(5.117)
+········ + a M å 2pd(W - W
k =-¥
M - 2pk)

Esto es, X(W) es un tren de impulsos periódicos, localizados en las frecuencias W 1,......., W M
de cada una de las exponenciales complejas y todos los puntos son múltiplos de 2p a partir
de estas frecuencias.
La ecuación (5.115) es la Transformada de Fourier de la señal x(n) = e jW0 n , sea esta
señal periódica o no, esto, sea W0 de la forma 2pm/N con m y N enteros. Por lo tanto, x(n)
dado por la ecuación (5.116) será periódica con período N, sólo si todas las W i tienen esta
forma, pudiendo ser m de valor diferente para cada una de ellas.

239
 Con x(n) periódica con período N, y con coeficientes ck de la Serie de Fourier, una
forma alternativa para la expresión de su Transformada de Fourier X(W), es

¥
æ 2pk ö
X(W ) = 2p å c k d ç W - ÷ (5.118)
k =-¥ è N ø

Ejemplo 5.31.

Determinar la Transformada de Fourier de la señal

Solución
Aplicando Euler, la señal x(n) se puede escribir como

1 jW0 n 1 1
x(n) = (e - e - jW0 n ) = e jW0n - e - jW0n
2j 2j 2j

Luego, aplicando ecuación (5.116) a esta expresión de x(n), se tiene que X(W) está dado
por
p ¥ p ¥
X(W) = å d(W - W 0 - 2pk) - å d(W + W0 - 2pk)
j k =-¥ j k =-¥

Ecuación que se puede escribir como

p ¥
X(W) = å [d(W - W0 - 2pk) - d(W + W0 - 2pk)]
j k =-¥

La Tabla 5.1, muestra algunos pares de transformadas que se aplican en la resolución de

problemas

5.7.8. Determinación de la Transformada Inversa de Fourier, para Transformadas de

Fourier Racionales. Cuando la Transformada de Fourier X(W), de una secuencia x(n) es
de tipo racional, la Transformada Inversa de Fourier, se puede determinar usando la
expansión en fracciones parciales de X(W).
Expansión en Fracciones Parciales de X(W). En X(W).se hace e-jW = v, quedando una
función racional X(v). La función X(v) se puede escribir como

b m v m + b m -1v m -1 + ...... + bv + b 0
X(v) = (5.119)
a n vn + a n -1 v n -1 + ......av + a 0

240
TABLA 5.1. Pares básicos de la Transformada de Fourier de Secuencias
Señal Transformada de Fourier
d(n) 1
d(n - n 0 ) e - jn 0
¥
1
u(n) + å
1 - e - jW k =-¥
pd(W - 2pk)

ì1 n = 0,1,2,3,........ 2
sgn(n) = í
î-1 n = -1,-2,-3,..... 1 - e - jW
1
a n u(n) , a < 1
1 - ae - jW
1
(n + 1)a n u(n) , a < 1
(1 - ae ) - jW 2

( n + k - 1)! a n u(n) , a <1

1
n!( k - 1) ! (1 - ae ) - jW k

2p ¥ æ 2pk ö
x(n) = 1 å dçW -
N k =-¥ è N ø
÷

ìï1 n £ N1 sen éë W ( N1 + 12 ) ùû
x(n) = í
ïî0 n > N1 sen ( W / 2 )
¥
e jW 0 n 2p å d(W - W 0 - 2pk)
k =-¥
¥
cos W 0 n p å éëd ( W - W0 - 2pk ) + d ( W + W 0 - 2pk ) ùû
k =-¥

p ¥
senW 0 n å éd ( W - W0 - 2pk ) - d ( W + W0 - 2pk ) ùû
j k =-¥ ë
¥
cos(W 0 n + q) å p éëe
k =-¥
- jq
d ( W + W 0 - 2pk ) + e jqd ( W - W 0 - 2pk ) ùû

senWn W æ Wn ö ìï1 0 £ W £ W
= sin c ç ÷ , 0<W<p X(W) = í
pn n è p ø ïî0 W< W £ p
X(W) periódica con periodo 2p
¥
2p ¥ æ 2pk ö
å
k =-¥
d(n - kN) å dçW -
N k =-¥ è N ø
÷

Si m < n, X(v) se denomina función racional propia. Si m ³ n, X(v) no es una función

propia y en este caso se puede realizar un cálculo preliminar que permita escribir X(v)

241
como la suma de un polinomio en v y una fracción racional propia. Luego, el interés se
centra en las funciones racionales propias
Las funciones racionales propias se pueden expandir en fracciones parciales
factorizando el denominador en función de los polos de la función racional, para el caso
específico de X(v) se tiene

b m v m + b m -1 v m -1 + ........ + b1 v + bo
X(v) = (5.120)
(v - p1 )(v - p 2 )..........(v - p n )

X(v) se puede expandir en fracciones parciales, como

A1 A2 An
X(v) = + + ......... + (5.121)
v - p1 v - p 2 v - pn

dependiendo de la naturaleza de los polos, se tienen los siguientes casos para la

determinación de los coeficientes Ai .

Polos Distintos. En este caso los coeficientes Ai se determinan utilizando la relación

Ai = (v - pi )X(v) v = p (5.122)
i

Polos Múltiples. Cuando X(v) tiene polos múltiples, como por ejemplo el polo pi con
multiplicidad li , se tiene que X(v), se puede escribir como

A1 A2 A i1 Ai 2 A ili
X(v) = + + .... + + + .... + (5.123)
v - p1 v - p 2 v - pi (v - pi )2 (v - pi )li

Los coeficientes A1 , A2 . ......, A ili se determinan utilizando la regla para coeficientes

distintos. Los coeficientes Ai1 , A i2 , .......,Ai(li -1) , se determinan utilizando la siguiente
regla
1 é d li - k ù
Aik = ê é(v - pi )li X(v) ùû ú
li - k ë
k= 1,2,3,....,li –1 (5.124)
(l i - k) ! ë dv û v= p
i

Si X(v) tiene polos múltiples, se emplea la ecuación (5.122) para el cálculo de los
coeficientes tipo Ai y también para los tipos A ili , se emplea la ecuación (5.124) para el
cálculo de los coeficientes tipo Aik.

242
 En la expansión en fracciones parciales de X(v) se hace v = e-jW , quedando X(W).
La secuencia x(n) se obtiene aplicando transformada inversa de Fourier a cada término de
la expansión en fracciones parciales de X(W).
Expansión en Fracciones Parciales usando MATLAB. Los coeficientes Ai pueden ser
determinados, computacionalmente, empleando MATLAB. En MATLAB se tiene el
comando [r,p,k] que permite la expansión en fracciones parciales de funciones racionales
que tengan la expresión dada por

N(v) b0 + b1 v + b 2 v 2 + ........ + b m v m
F(v) = = (5.125)
D(v) a 0 + a1 v + a 2 v 2 + ....... + v n

MATLAB hace uso de los coeficientes del numerador y del denominador de F(v). Para ello
se definen los vectores filas num y den como:

num = [ bm bm-1 …. b0] (5.126)

den = [ an an-1 …. a0] (5.127)

El comando

[r,p,k] = residue(num,den) (5.128)

calcula los residuos (vector columna r), los polos (vector columna p) y los términos
directos (vector fila k) de una expansión en fracciones parciales de la función F(v) =
N(v)/D(v). La forma de la expansión en fracciones parciales obtenidas es

N(v) r(1) r(2) r(n)

F(v) = = + + ........ + + k(v) (5.129)
D(v) v - p(1) v - p(2) v - p(n)

Donde k(v) es un polinomio en v, con el mayor exponente de v dado por m –n, cuando m ³
0, o sea cuando F(v) sea una función racional impropia. El polinomio k(v) es cero cuando
F(v) es una función racional propia, o sea, cuando m < n.
Para un polo p(i) de multiplicidad q, la expansión en fracciones parciales contendrá
términos de la forma
r(i) r(i + 1) r(i + q - 1)
+ + ...... + (5.130)
v - p(i) [ v - p(i) ]2
[ v - p(i) ]
q

Ejemplo 5.32. Determinar la señal x(n) que tiene como Transformada de Fourier X(W):
e - jW + 2e - j2 W
X(W) =
(1 - 16 e- jW - 16 e- j2W )(1 - e- jW + 14 e- j2W )
243
Solución
Haciendo v = e-jW , X(W) queda

2v 2 + v 48v 2 + 24v
X(v) = =
(1 - 16 v - 16 v 2 )(1 - v + 14 v 2 ) - v 4 + 3v3 + 6v2 - 28v + 24

Como el denominador de X(v) es de cuarto orden, X(v) tiene cuatro polos. El programa
MATLAB es

>> % Expansion en Fracciones Parciales

>>num=[0 0 48 24 0];
>> den=[-1 3 6 -28 24];
>> [r,p,k]=residue(num,den)

r=

2.8800
-2.8800
-33.6000
-48.0000

p=
-3.0000
2.0000
2.0000
2.0000
k=
[]

Los polos de X(v) son

p1 = - 3 , p2 = 2 el cual es de multiplicidad 3

Por lo tanto, la expansión de X(v) en fracciones parciales, es

2,88 -2,88 -33, 6 -48

H(v) = + + +
v - (-3) v - 2 (v - 2) (v - 2)3
2

Volviendo al dominio de la frecuencia, haciendo v = e-jW, se obtiene

244
 2,88 -2,88 -33, 6 -48
X(W) = + - jW + + - jW
e - (-3) e - 2 ( e - jW - 2 ) (e - 2)3
- jW 2

Ecuación que puede escribirse como

2,88 2,88 -33, 6 48

X(W) = + + +
3 éë1 - ( - 13 ) e ùû 2 (1 - 12 e - jW ) 4 (1 - 12 e - jW ) 8(1 - 12 e )
- j W 2 - jW 3

F
( n + k - 1)! a n u(n) , a <1
1
n!( k - 1) ! (1 - ae ) - jW k

se tiene que x(n) es

n n n n
æ 1ö æ1ö æ1ö æ1ö
x(n) = 0,96 ç - ÷ u(n) + 1, 44 ç ÷ u(n) - 8, 4(n + 1) ç ÷ u(n) + 3(n + 1)(n + 2) ç ÷ u(n)
è 3ø è2ø è 2ø è2ø

n n
æ 1ö æ1ö
x(n) = 0,96 ç - ÷ u(n) + ( -0,96 + 0, 6n + 3n 2 ) ç ÷ u(n)
è 3ø è 2ø

5.8 . TEOREMAS Y PROPIEDADES DE LA TRANSFORMADA DE FOURIER DE

SECUENCIAS

5.8.1. Linealidad . Si se tienen los siguientes pares de transformadas

F
x1 (n) X1 (W)
y

F
x2 (n) X2 (W)
luego

F
a1 x1 (n) + a2 x2 (n) a1 X1 (W) +a2 X2 (W) (5.131)

O sea que, la Transformada de Fourier de una combinación lineal de dos o más señales es
igual a la misma combinación lineal de la Transformadas de Fourier de cada señal .

245
Ejemplo 5.33.

Sean las señales

ì1 0£n£M
ï
x1 (n) = í
ï0
î otros valores
y
ì1 -M £ n £ -1
ï
x 2 (n) = í
ï0
î otros valores

Determinar la Transformada de Fourier de la .señal

x(n) = x1 (n) + x2 (n)

Solución
Aplicando la propiedad de linealidad, se tiene que

X(W) = X1 (W) + X2 (W)

X1 (W) se obtiene aplicando

M
X1 (W) = å x1 (n)e - jWn
n =0

Haciendo el desarrollo de la serie y considerando la definición de x(n), se obtiene

X1 (W) = 1 + e - jW + e - j2 W + ...... + e - jWM

La serie del segundo miembro es geométrica, luego

1 - e- jW (M +1)
X1 (W) =
1 - e - jW
por otra parte X2 (W) está dada por

-1
X 2 ( W) = åx
n =- M
2 (n)e - jWn = e jW + e j2 W + ....... + e jMW

de donde .

246
 e jW - e jW (M +1)
X 2 (W ) =
1 - e jW
Por lo tanto

1 - e - jW (M +1) e jW + e jW (M+1)
X(W) = X1 (W) + X 2 (W) = +
1 - e - jW 1 - e jW

Realizando la sumatoria, aplicando Euler y relaciones trigonométricas correspondientes, se

obtiene

sen ( M + 12 ) W
X(W) =
sen ( W2 )

Resultado que se puede verificar, considerando que

ì1 -M £ n £ M
ï
x(n) = x1 (n) + x 2 (n) = í
ï0
î otros valores

Por lo cual x(n) es una función real y par, lo que implica que su Transformada de Fourier es
también real y par, en consecuencia
M
X(W) = x(0) + 2å x(n) cos Wn
n =1

con la expresión de x(n) obtenida, X(W) tiene la siguiente expresión

M
æ1 ö
X(W) = 1 + 2å cos Wn = 2 ç + cos W + cos 2W + .......... + cos MW) ÷
n =1 è2 ø

por otra parte se tiene que

1 sen ( M + 12 ) W
+ cos W + cos 2W + ........... + cos MW =
2 2 sen ( W2 )
por lo tanto
sen ( M + 12 ) W
X(W) =
sen ( W2 )

Relación que verifica el resultado obtenido para X(W), aplicando la propiedad de linealidad.
247
5.8.2. Desplazamiento en el Tiempo. Si se tiene el par de transformada siguiente

F
x(n) X(W)

luego
F
x(n - k ) e-jWkX(W) (5.132)

Aplicando la definición de Transformada de Fourier a la señal x(n - k), y haciendo en ella el

cambio de variable m = n - k ,se obtiene

¥ ¥
F{ x(n - k)} = å
n =-¥
x(n - k)e - jWn = å x(m)e
m =-¥
- jW (m + k )
= X(W)e - jWk (5.133)

F{x(n - k)} = ïX(W)ïej[ R X(W) - Wk] (5.134)

De (5.134) se deduce que si una señal es desplazada en el dominio del tiempo en k

muestras, la magnitud de su espectro no cambia. Sin embargo, la fase de su espectro es
cambiada en un valor de - Wk. También se puede decir que el desplazar una señal en en el
tiempo en k unidades, produce en el dominio de la frecuencia que su Transformada de
Fourier se multiplica por el factor e-jWk.

5.8.3. Inversión o Reflexión en el Tiempo. Si

F
x(n) X(W)

luego

F
x(-n) X(-W) (5.135)

Si x(n) es real, luego por propiedad de señales reales vistas anteriormente, se tendrá

F{ x(-n)} = X(-W) e jRX ( -W ) = X(W) e - jRX (W )

Luego, si una señal real es invertida en el tiempo, su espectro de magnitud permanece

constante y su espectro de fase experimenta un cambio de signo (inversión de fase).

248
5.8.4. Teorema de Convolución. Si

F
x1 (n) X1 (W)

y
F
x2 (n) X2 (W)
luego
F
x(n) = x1 (n) * x2 (n) X(W)= X1 (W)X2 (W) (5.136)

Ejemplo 5.34.

Utilizando el Teorema de Convolución, determinar la convolución de las secuencias :

x(n) = {1,1,1} ; y(n) = {1,1,1}

Solución
Se hará uso que la Transformada de Fourier de la convolución de dos secuencias es el
producto de sus transformadas. Luego, si z(n) = x(n)*y(n) se tendrá que Z(W) = X(W)Y(W),
por lo tanto aplicando la definición de Transformada de Fourier a x(n) e y(n), se obtiene

¥ 1
X(W) = å
n =-¥
x(n)e - jWn = åe
n =-1
- jWn
= e jW + 1 + e - jW

y
¥ 2
Y(W) = å
n =-¥
y(n)e- jWn = å e - jWn = 1 + e - jW + e- j2 W
n =0

Luego
X(W)Y(W) = ( e jW + 1 + e - jW )(1 + e - jW + e - j2 W )
y como
¥
F{z(n) = x(n) * y(n)} = X(W)Y(W) = å z(n)e
n =-¥
- jWn

se obtiene

z(n) = {1, 2,3, 2,1}

249
5.8.5. Teorema de Correlación. Si

F
x1 (n) X1 (W)

F
x2 (n) X2 (W

luego
F
rx1x 2 (l) Sx1x 2 (W) = X1 (W)X 2 ( -W) (5.137)

5.8.6. Teorema de Wiener-Kintchine. Con x(n) como señal real, se tiene

F
rxx ( l ) Sxx (W) (5.138

Este teorema establece que la densidad espectral de energía de una señal de energía es la
Transformada de Fourier de su secuencia autocorrelación. De donde, la secuencia
autocorrelación y la densidad espectral de energía de una señal, contienen la misma
información sobre ella. Dado que la secuencia autocorrelación y la densidad espectral.
de energía, no contienen información sobre la fase, no es posible reconstruir la señal a
partir de su secuencia autocorrelación o de la densidad espectral de energía .

Ejemplo.5.35.

Utilizando el Teorema de Wiener – Kintchine, determinar la densidad espectral de energía

de la señal
n
æ1ö
x(n) = ç ÷ u(n)
è4ø
Solución.
Se hará uso de la relación
Sxx (W) = F {rxx (l)}

En el Ejemplo 5.17, se obtuvo que la autocorrelación de an u(n) para 0<a<1 está dada por :

1 l
rxx (l ) = a
1- a2

Luego, para el ejemplo actual se tiene

250
 l
1 æ1ö
rxx (l) = 2 ç ÷
1 - ( 14 ) è 4 ø

Por lo tanto

¥ ¥ l
1 æ 1 ö - jWl
Sxx (W) = år
l =-¥
xx (l)e - jWl
=å
1
2 ç
l =-¥ 1 - ( 4 ) è 4 ø
÷ e

Ecuación que se puede escribir como

¥ l
1 æ 1 ö - jWl
Sxx (W) =
1 - ( 14 )
2 å ç ÷ e
l =-¥ è 4 ø

Para obviar el módulo de l en la sumatoria, se puede realizar la siguiente descomposición

de ella

é -1 æ 1 ö - l - jWl ¥ æ 1 öl - jWl ù 1 é -1 1 jW - l ¥ 1 - jW l ù
2 êå (4
e ) + å( 4 e ) ú
1
Sxx (W) = êå ç ÷ e + åç ÷ e ú =
1 - ( 14 ) êë l=-¥ è 4 ø l =0 è 4 ø úû 1 - ( 14 ) ë l=-¥
2
l =0 û

En la primera sumatoria del segundo miembro, se hace el cambio de variable de - l por k,

obteniéndose
é ¥ 1 jW k ¥ 1 - jW l ù
êå ( 4 e ) + å ( 4 e ) ú
1
Sxx (W) =
1 - ( 14 )
2
ë k =1 l=0 û

Como 1
4 e- jW = 1
4 ej W = 1
4 < 1 , se tiene que las sumatorias de la ecuación anterior son
convergentes , por lo que
1 é 14 e jW 1 ù
Sxx (W) = ê 1 jW + 1 - jW ú
1 - ( 14 ) ë1 - 4 e 1- 4 e û
2

Realizando las operaciones de suma y multiplicación , se obtiene

1
Sxx ( W) =
1 - 12 cos W + ( 41 )
2

251
5.8.7. Desplazamiento en Frecuencia. Si

F
x(n) X(W)
luego
F
e jW0 n
x (n) X ( W - W0 ) (5.139)

Esta propiedad se demuestra utilizando directamente la definición de la Transformada de

Fourier. Esta propiedad establece que la multiplicación de una señal x(n) por ejWo n es
equivalente a la traslación del espectro X(W) hacia la derecha en un monto W0 , para W 0> 0.
Esta traslación de frecuencia se muestra en la Figura 5.41. Para W0 < 0, se produce un
desplazamiento hacia la izquierda.
X(W
1

W
-2p -p 0 p 2p
X(W - W0 )
1

-2p -2p+W0 0 W0 p 2p 2p+W0 W

Figura 5.42. Gráfica de la Propiedad de Desplazamiento de la Transformada de

Fourier

Para W 0< 0, el producto e jW0 n x(n) representa un desplazamiento hacia la izquierda de X(W)
en un monto W0, o sea, que X(W) pasa a ser X(W +÷W0÷ ).

5.8.8. Teorema de Modulación. Si

F
x(n) X(W)
luego
F
x(n) cos W 0 n 1
2 X(W + W 0 ) + 12 X(W - W0 ) (5.140)

252
Ejemplo 5.36.

El espectro X(W) de una señal x(n) , tiene la gráfica mostrada en la Figura 5.43. Obtener la
gráfica del espectro de la señal y(n) dada por :

y(n) = x(n)cospn

X(W)
1

-4p -3p -2p -p -p/2 0 p/2 p 2p 3p 4p W

Figura5.43. Gráfica del Espectro de x(n) del Ejemplo 5.36

Solución
El Teorema de Modulación establece que para y(n) = x(n)cospn, su transformada Y(W está
dada por
Y(W ) = 12 X(W + p) + 12 X(W - p)

La gráfica de 1
2 X(W - p) se muestra en la Figura 5.44 .

1
2 X(W - p)
1/2

-4p -3p -2p -p -p/2 0 p/2 p 2p 3p 4pW

Figura 5.44. Gráfica de X( W - p) del Ejemplo 5.36
1
2

La gráfica de 1
2 X(W + p) se muestra en la Figura 5.45.

1
2 X(W + p)

1/2

-4p -3p -2p -p -p/2 0 p/2 p 2p 3p 4pW

Figura5.45. Gráfica de 2 X( W + p) del Ejemplo 5.36

1

253
En consecuencia , la gráfica de Y(W) será la que se muestra en la Figura 5.46.

Y(W)
1

1/2

-4p -3p -2p -p -p/2 0 p/2 p 2p 3p 4p W

Figura 5.46. Gráfica de Y(W) del Ejemplo 5.36

5.8.9. Teorema de Parseval. Si

F
x1(n) X1 (W)

y
F
x2 (n) X2 (W)

luego
¥ p
1
å
n =-¥
x1 (n)x *2 (n) = ò
2p - p
X1 (W)X*2 (W )dW (5.141)

5.8.10. Multiplicación de Dos Secuencias ( Teorema de Ventana). Si

F
x1 (n) X1 (W)

y
F
x2 (n) X2 (W)
luego

F
p
1
x 3 (n) º x1 (n)x 2 (n) X 3 (W ) = ò X1 (l)X 2 (W - l)dl (5.142)
2p -p

La integral de la relación (5.142) representa la convolución de las Transformadas de

Fourier X1 (W) y X2 (W). Esta relación es dual de la convolución en el dominio del tiempo.
254
En otras palabras, la multiplicación de dos secuencias en el dominio del tiempo es
equivalente a la convolución de sus Transformadas de Fourier. Por otra parte.
laconvolución en el dominio del tiempo de dos secuencias es equivalente a la
multiplicación de sus Transformadas de Fourier. Dicha integral se conoce como la
convolución periódica de X1 (W) y X2 (W), porque es la convolución de dos funciones
periódicas que tienen el mismo período. Además, debido a la periodicidad de la
Transformada de Fourier para señales de tiempo discreto no hay una perfecta dualidad entre
los dominios del tiempo y de la frecuencia con respecto a la operación convolución, como
en el caso de señales de tiempo continuo. Ciertamente, la convolución en el dominio del
tiempo (suma aperiódica) es equivalente a la multiplicación de Transformadas de Fourier
periódicas continuas. Sin embargo, la multiplicación de secuencias aperiódicas es
equivalente a la convolución periódica de sus Transformadas de Fourier
El par de transformada de la relación (5.142) se aplica en el diseño de filtros
digitales FIR, utilizando la técnica de ventana .

5.8.11. Diferenciación en el Dominio de la Frecuencia. Si

F
x(n) X(W)
luego
F
dX(W)
nx(n) j (4.143)
dW

5.8.12. Escalamiento en Tiempo y en Frecuencia. Dado a la naturaleza discreta del índice

de tiempo para señales de tiempo discreto, el escalamiento en tiempo y en frecuencia para
el caso de tiempo discreto presenta una forma un tanto diferente para el caso de
escalamiento en tiempo y en frecuencia para señales de tiempo continuo. Si se define la
señal x(an), la constante a debe cumplir la condición de que sea entera.
Para determinar la propiedad en cuestión, es conveniente definir la señal

ì x(n / q) &
para n multiplo de q
ï
x (q) (n) = í (4.144)
ï0 &
î para n no multiplo de q

Dondeq es un entero positivo. Esta propiedad establece que

Aplicando transformada de Fourier a x(q)(n), y con X(W) = F{x(n)}, esta propiedad
establece que
F
x(q)(n) X(qW) (5.145)
255
En el par de transformada (5.146) se observa la relación inversa entre el tiempo y la
frecuencia, ya que con q > 1 la señal está extendida y es más lenta en el tiempo, en tanto
que su transformada de Fourier está comprimida. Con X(W) periódica con período 2p, se
tendrá que X(qW) es periódica con período 2p/ôqô.

Ejemplo 5.37.
La señal x(n) está definida por la Figura 5.46.
a) Determinar y graficar el espectro X(W) de x(n).
b) Determinar y graficar x(2)(n).
c) Determinar y graficar el espectro X(2)(W).

x(n)
1

-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 n
Figura 5.47. Gráfica de x(n) del Ejemplo 5.37

Solución
a) De acuerdo a x(n) dado, el espectro X(W) está dado por
¥ 2
X(W) = å
n =-¥
x(n)e - jnW = åe
n =-2
- jnW

desarrollando la sumatoria se tiene

X(W ) = e j2 W + e jW + 1 + e - jW + e - j2 W
Aplicando Euler, X(W) queda

X(W) = 1 + 2 cos W + 2 cos 2W

El gráfico de X(W) se muestra en la Figura 5.48.
X (W )
5

1
W
- 2 p - p 0 p 2 p
-1

-2

Figura 5.48. Espectro X(W) de la señal x(n) del Ejemplo 5.37

b) Para determinar x(2)(n) se emplea ecuación (5.145)

256
 ì x(n / 2) &
para n multiplo de 2
x (2) (n) = í
î0 &
para n no multiplo de 2

En consecuencia, para valores impares de n, x(2)(n) será cero. Por lo que la secuencia x(2)(n)
es
x (2) (n) = {x(-4 / 2), 0, x(-2 / 2),0, x(0 / 2), 0, x(2 / 2), 0, x(4 / 2)}

considerando los valores de x(n) para n = 0, 2 y 4, x(2)(n) queda

x(2)(n) = {1, 0, 1, 0, 1, 0, 1, 0, 1}

La gráfica de x(2)(n) se muestra en la Figura 5.49.

x (2) (n)

-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 n
Figura 5.49. Gráfica de la Señal Escalada x(2)(n) del Ejemplo 5.37

c) Para obtener la expresión del espectro X(2)(W), se aplica transformada de Fourier a la

expresión de xe(n), o sea
¥
X (2) (W) = åx
n =-¥
(2) (n)e - jnW

aplicando los valores de xe(n), se obtiene

X (2) (W) = x (2) (-4)e j4W + x (2) (-2)e j2W + x (2) (0) + x (2) (2)e- j2W + x (2) e- j4W

X (2) (W) = e j4W + e j2W + 1 + e- j2W + e - j4W

Aplicando Euler, X(2)(W) se puede escribir como

X (2) (W) = 1 + 2 cos 2W + 2 cos 4W

Para el problema propuesto, este resultado se puede obtener más directamente aplicando la
relación X(2)(W)= X(2W), ya que en el apartado a) se determinó la expresión de X(W).

La gráfica de X(2)(W) se muestra en la Figura 5.50.

257
 X (2 ) (W ) = 2 X (W )
5

1
W
-2p -p - p /2 0 p /2 p 2p
-1

Figura 5.50. Gráfica del Espectro X(2)(W) de x(2)(n) del Ejemplo 5.37

5.8.13. Uso de la Función dtftpara la Gráfica del Espectro de Amplitud y de Fase de

Señales de Tiempo Discreto. En MATLAB, se puede aplicar la función auxiliar dtft
[49]para obtener las graficas de la amplitud y de la fase de la Transformada de Fourier de
secuencias o señales de tiempo discreto. La sintaxis es [X,W] = dtft(x,N), siendo x la señal
de tiempo discreto x(n) de longitud finita L y N el número frecuencias empleado en la
evaluación de la Transformada de Fourier de Tiempo Discreto (DTFT), teniéndose que L £
N. Además, el vector X representa los valores complejos de la DTFT y el vector W las
frecuencias donde se calcula la DTFT, en el intervalo de -p a +p.
Ejemplo 5.38.

Sea la señal x(n) = ( 0,5 ) u(n)

n

a) Aplicando las propiedades pertinentes de la Transformada de Fourier de Tiempo

Discreto, determinar la expresión de la Transformada de Fourier de la señal y(n) =
nx(n)cos4n.
b) A partir de y(n), utilizar MATLAB para obtener las gráficas de la amplitud y de fase de
la Transformada de Fourier de y(n).

Solución
a) Se puede comenzar considerando la propiedad de diferenciación en el dominio de la
frecuencia, o sea, el par de transformada
F dX(W)
nx(n) j
dW
1
Con X(W) = F {x(n)} = . Luego:
1 - 0, 5e - jW

dX(W) 0, 5e - jW
F{z(n) = nx(n)} = Z(W) = j =
dW (1 - 0, 5e- jW )
2

258
Como y(n) =z(n)cos4n, y aplicando la propiedad de modulación, se tiene

1
Y(W) = é Z ( W - W 0 ) + Z ( W + W 0 ) ùû
2ë
conW0 = 4, se tiene

é ù
1 ê 0,5e - j( W- 4 ) 0, 5e - j( W+ 4 ) ú
Y(W) = +
(
2 ê 1 - 0,5e - j( W-4 )
) (1 - 0,5e )
2 ú
- j( W+ 4 )
2

ëê ûú

c) El programa MATLAB para determinar las gráficas de la amplitud y fase de Y(W), es

>> % Graficas de los espectros de magnitud y de fase de y(n)=n(0,5)^ncos(4n)

>> n=0:40;
>> y=n.*(0.5).^n.*cos(4*n);
>> [X,W]=dtft(y,128);
>>figure(1)
>>% Grafica de |Y(\Omega|
>>plot(W/pi,abs(X));grid; xlabel('\Omega/\pi');ylabel('|Y(\Omega)|');
>>title('Grafica de |Y(\Omega|');
>> % Grafica de Fase de Y(\Omega)
>>figure(2)
>>plot(W/pi,180/pi*angle(X));grid title('Grafica de Fase de Y(\Omega)');
>>xlabel('\Omega/\pi');ylabel('Fase Y(\Omega)');

Figura 5.51. Espectro de Amplitud de y(n) del Ejemplo 5.38

259
 Figura 5.52. Espectro de Fase de y(n) del Ejemplo 5.38.

La Tabla 5.3 resume las propiedades presentadas, la cual sirve como referencia

TABLA 5.3 .Propiedades de la Transformada de Fourier para Señales de Tiempo Discreto.

Propiedad Dominio del Tiempo Dominio de la Frecuencia
Notación x(n) X(W)
x1 (n) X1 (W)
x2 (n) X2 (W)
Linealidad a1 x1 (n)+a2 x2 (n) a1 X1 (W)+a2 X2 (W)
Desplazamiento temporal x(n-k) e-jWkX(W)
Inversión Temporal x(-n) X(-W)
Convolución x1 (n)*x2 (n) X1 (W)X2 (W)
Correlación rx1x 2 (l ) = x1 (l ) * x 2 ( -l ) R x1x 2 (W) = X1 (W)X 2 ( -W)
= X1 (W)X*2 (W)
[si x2 (n) es real]
Teorema Wiener Kintchine rxx (l) Sxx (W)
Desplazamiento en frecuencia e jW0 n x(n) X(W-W0 )
Modulación x(n)cosW 0n 1
2 X(W + W 0 ) + 12 X(W - W 0 )
p
Multiplicación x1 (n)x2 (n) 1
2p ò X (l)X
-p
1 2 (W - l)dl

dX(W)
Diferenciación en el nx(n) j
dW
dominio de la frecuencia
Conjugación x* (n) X* (-W)
¥
1 p
Teorema de Parseval å x (n)x
n =-¥
1
*
2 (n) =
2p ò-p
X1 (W)X*2 (W)dW

Escalamiento en Tiempo y
en Frecuencia x(q)(n) X(qW)
260
PROBLEMAS

5.1 Determinar si las siguientes señales son descritas en términos de energía o de potencia
a) x(n) = Ae-nu(n).
b) x(n)= u(n).
c) x(n) = Ae jW0 n u(n).

5.2. Determinar la energía de la señal x(n) dada por

ì 2n para -2 £ n £ 4
ï
x(n) = í
ï0 otros valores
î

5.3.Determinar la potencia media de la señal x(n) cuya gráfica se muestra en la Figura P5.3.
x(n)
3
2
...... 1 ......

-11 -10-9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 n
Figura P 5.3
5.4. Descomponer las siguientes señales x(n) en sus componentes para e impar, para x(n)
dada por
a) x(n) = {1, 3, 5, 4, 6}

b) x(n) = {1, 3, 5, 4, 6}

5.5. Determinar la suma y el producto de las señales x(n) e y(n), definidas como
a) x(n) = {2, -1, 1, 4,-3, 0, 2) , y(n) = {3, 1, -2, 5, 3,-1}.

b) x(n) = {1, 2, -2, 4, 3} , y(n) = {3, 2, 1, 0, 1, 2, 3}

5.6. Calcular la secuencia convolución z(n) = x(n)*y(n), para las secuencias x(n) e y(n)
dadas por
a) x(n) = {0, 1, 0, 1, 1, 1} , y(n) = {1, -2 , 4}

b) x(n) ={2, 2, 0, 2, 2} , y(n) = {2, -1, -2, 3}

261
c) x(n) = ( 13 ) u(n) , y(n)= ( 21 ) u(n)
n n

d) x(n) = {1, 2, 3} , y(n) = u(n)

e) x(n) = 2nu(-n) , y(n) = u(n).

f) x(n) = (-1)n{u(-n)-u(n – 6)} , y(n) = u(n) – u(n – 6).
ìï( 12 )n n ³ 0
g) x(n) = 2 para todo n , y(n) = í
ïî2
n
n<0

x(n) y(n)
3
2 2

1
-2 -1 0 1 2 3 n -2 -1 0 2 3 4 5 6 n

-2
h) x(n) e y(n) dadas por la Figura P 5.6
Figura P 5.6

5.7. Determinar las secuencias autocorrelación de las siguientes señales

a) x(n) = {1, 1, 2, 2}

b) x(n) = {2, 2, 1, 1}

5.8. Determinar las secuencias correlación cruzada rxy ( l) de las secuencias

a) x(n) = {1, -1, 0, 2, 3, 1} , y(n) = {2, 1, -2, 0, 1,3, 2}

b) x(n) ={0, 0, 1, 1, 1, 1} , y(n) = {1,-2, 3}

5.9. Determinar la secuencia autocorrelación normalizada de las secuencias

a) x(n) = {1, 0, -1, -1}

b) x(n) = {1, 2, 2, 2, 1}

5.10. Determinar la secuencia correlación cruzada r yx (l ) entre las secuencias

x(n) = {6, 5, 4, 3, 2, 1} , y(n) = {1, 2, 3, 4, 5, 6}

5.11 Las secuencias x(n), y(n) son definidas en la Figura P 5.11.

262
 x(n) y(n)
4
1
...... ...... ...... 2 ......
1
-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 n -9-8-7-6-5-4-3-2-1 0 1 2 3 4 5 6 7 8 9 n

Figura P 5.11
Determinar
a) La secuenciasautocorrelaciones q xx (l) y q yy (l) .
b) Las secuencias correlaciones cruzadas q xy (l) y q yx (l) .

5.12. Sea y(n) = x(n) + ax(n – k). a) Determinar analíticamente la secuencia autocorrelación
ryy (l ) en términos de la autocorrelación rxx (l) .
b) Si x(n) = cos(0,2pn) + 0,5cos(0,6pn), y a = 0,1 y k = 50. Generar 200 muestras de y(n) y
determinar su autocorrelación.

5.13. Considerando las secuencias x(n) e y(n) definidas en el Problema 7.11 y teniendo que
z(n) = x(n) + y(n)

Determinar la secuencia autocorrelación de la secuencia z(n).

5.14 Determinar el espectro de amplitud y fase de las siguientes señales

a) x(n) = sen ( 2 p3n ) cos ( p2n )
b) x(n) periódica con periodo 6 y dada por
x(n) = ( 14 ) para –2 £ n £ 3
n

c) x(n) = sen ( 2 p3n ) cos ( p2n )

d) x(n) es periódica con periodo 8 y
x(n) = 1 - sen ( p4n ) , 0£n£7
e) x(n) tiene gráfica mostrada en la Figura P 5.14

x(n)
2
...... ......
-6 -3 0 3 6 9 12 n

Figura P 5.14

5.15. Determinar el espectro de magnitud y de fase de la señal z(n) = x(n)y(n), con

263
 x(n) = cos ( p3n )

y(n) es periódica, con periodo 12, dada por

ìï1 n £3
y(n) = í
ïî0 4£n£6
5.16. Determinar la densidad espectral de potencia de la señal x(n) mostrada en la Figura
P5.14.

5.17. Dada la señal x(n)

x(n) = 2 + 2cos ( p4n ) + cos ( p2n ) + 12 cos ( 3p4n )
Determinar
a) La densidad espectral de potencia de x(n).
b) La potencia media de x(n).

5.18 Calcular la Transformada de Fourier de las señales de tiempo discreto

a) x(n) = ( 12 ) (cos 4n)u(n) .
n

b) x(n) = n ( 12 ) u(n) .
n

c) x(n) = 2nu(n).
d) x(n) = u(n) – u(n – 4).
e) x(n) = {-3, -2, 0, 2, 3}

f) x(n) = (1/4)nu(n+2)

7
5.19. Determinar la secuencia x(n) para las siguientes transformadas de Fourier.
a) X(W) = cos2W.
ìï0 0 £ W £ WM
b) X(W) = í
ïî1 WM < W < p
c) X(W) = 1 - 2e - j3W + 4e j2 W + 3e - j6 W
d) X(W ) = senW cos W
e) X(W) = cos ( W2 ) + jsenW
e - jW
f) X(W) =
1 + 16 e - jW - 16 e - j2 W

5.20. Determinar la transformada inversa de Fourier, para las gráficas de transformadas de

Fourier mostradas en la Figura P5.20.

264
 X(W)
p
...... ......

-2p -p 0 p 2p W
a)

X(W)
1

...... ......

-2p -p- 23p 0 2p

3
p 2p W
b)

X(W)
2
1
...... ......
-2p -p - p3 0 p 2p
3 3
p 2p W
c)
Figura P 5.20

5.21. Determinar la densidad espectral de energía de las siguientes señales

a) a n sen(W0n)u(n) , a < 1
b) x(n) = ( 12 ) [ u(n + 3) - u(n - 2) ]
n

ìï2 - ( 12 ) n n £4
c) x(n) = í
ïî0 otros valores

5.22. La secuencia x(n) es

ì1 -N £ n £ N
x(n) = í
î0 otros valores
Utilizando la propiedad de desplazamiento de frecuencia, demostrar que la Transformada
de Fourier de
265
 y(n) = (cos W 0 n)x(n)
está dada por
1 é sen {(W - W 0 )N / 2} ù 1 é sen {(W + W 0 )N / 2} ù
Y(W) = ê ú+ ê ú
2 ë sen {(W - W 0 ) / 2} û 2 ë sen {(W + W 0 ) / 2} û

5.23. Aplicando las propiedades de simetría, determinar el espectro de amplitud y de fase

de las señales mostradas en la Figura P 5.23.
x(n)
3
2
1
n
-9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9
a)

x(n)
3
2
1
-6 -5 1 2 3
-4 -3 -2 -1 0 4 5 6 n
-1
-2
-3

b)
Figura P 5.23
5.24. Sea x(n) dada por
ì1 -10 £ n £ 10
x(n) = í
î0 otros valores
e y(n) dada por
æ nö
y(n) = ç 1 - ÷ x(n)
è 10 ø

Usando propiedades de la Transformada de Fourier, determinar y dibujar la Transformada

de Fourier de las siguientes secuencias
a) z(n) = y(-n).
b) z(n) = y(n)*y(-n).
c) z(n) = y(n)ejpn.
266
5.25. Sea x(n) una señal arbitraria, no necesariamente real, con transformada de Fourier
X(W). Expresar las transformadas de Fourier de las siguientes señales en función de X(W).
a) y(n) =x(n) – x(n – 2).
b) y(n) = x*(n).
c) y(n) = x*(-n).
d) y(n) = x(3n).
e) y(n) = x(n)*x(n – 3).

5.26. Una señal x(n) tiene la siguiente transformada de Fourier X(W)

1
x(W) =
a + e - jW

Dondea es una constante arbitraria. Determinar las transformadas de Fourier Y(W) de las
siguientes señales.
a) y(n) = x(2x – 4)
b) y(n) = x( -3n).
c) y(n) = nx(n).
np
d) y(n) = e 2 x(n + 1)
e) y(n) = x2(n).
f) y(n) = x(n)cos2n.
g) y(n) = x(n)*x(n).

267
UNIDAD VI: TRANSFORMADA – Z

Las técnicas de transformadas son una herramienta muy importante en el análisis de

Sistemas Lineales Invariantes en el tiempo (LTI: Linear Time Invariant). La Transformada
- Z tiene el mismo rol en el análisis señales y de sistemas LTI de tiempo discreto , que la
Transformada de Laplace en el análisis de señales y de sistemas LTI de tiempo continuo.
La Transformada – Z es la generalización de la Transformada de Fourier de tiempo
discreto. En esta unidad se da a conocer a los estudiantes los conceptos fundamentales de la
Transformada – Z de la señal de tiempo discreto, las propiedades básicas de la
Transformada – Z, y se presentan las técnicas para determinar tanto la Transformada –Z
como la Transformada–Z Inversa, para su aplicación en análisis y diseñode sistemas de
tiempo discreto.

TEMAS

6.1 TRANSFORMADA – Z
6.1.1.Definición. La Transformada - Z, X(z), de una señal de tiempo discreto x(n) se define
como
¥
X(z) = å x(n)z
n =-¥
-n
(6.1)

Donde z es una variable compleja. La relación (8.1) es llamada Transformada - Z directa

porque transforma la señal en el dominio del tiempo x(n) en su representación X(z) en el
plano complejo. El procedimiento inverso, o sea la obtención de x(n) a partir de X(z), se
denomina Transformada - Z Inversa.
Una notación bastante utilizada de la Transformada -Z de una señal x(n) es

X(z) º Z { x(n)}
(6.2)
En tanto , la relación entre x(n) y X(z) se indica como

Z
x(n) X(z)

6.1.2. Región de Covergencia. Como la Transformada - Z es una serie de potencia

infinita, existirá solamente para aquellos valores de z que hacen convergente dicha serie. La
región de convergencia, denominada ROC (Region of Convergence), de X(z) es el conjunto
de todos los valores de z para los cuales X(z) toma un valor finito. Luego, una
Transformada – Z se describe totalmente con su expresión analítica y con la especificación
de su ROC. Para el análisis de la región de convergencia, se considerarán dos casos :
Señales de Longitud Finita y Señales de Longitud Infinita.

269
Región de Convergencia para Señales de Longitud Infinita. Para determinar la región de
convergencia de la Transformada – Z , de señales de longitud infinita, se puede utilizar el
criterio de Cauchy, el cual establece que si
¥

å v(n) = v(0) + v(1) + v(2) + v(3) +·········

n =0
(6.3)

y que
1
lim v(n) n < 1 (6.4)
n ®¥

se dice que la serie de potencia es convergente .

Para aplicar este criterio a la Transformada - Z, ésta se puede escribir como

-1 ¥
X(z) = å
n =-¥
x(n)z - n + å x(n)z - n
n =0
(6.5)

Para que X(z) tenga un valor finito, las dos sumatorias del segundo miembro de la ecuación
(6.5) deben de ser finitas . Aplicando Cauchy, por separado, a las sumatorias de la ecuación
(6.5), y definiendo como
1
R x - = lim x(n) n (6.6)
n ®¥

Y
1
R x+ = 1 (6.7)
lim x(- m) m
m ®¥

Se demuestra que, en general, la región de convergencia de la Transformada – Z es:

0 £ R x - < z < R x+ £ ¥ (6.8)
lo cual se ilustra en la Figura 6.1 .
Im{z}

Plano Z

Rx-
Re{z}
Rx+

Figura 6.1 . Región de Convergencia de X( z) , Rx-<ïzï<Rx+

270
Ejemplo 6.1.

Determinar la Transformada Z de la señal x(n) = u(n)

Solución
En general se tiene
¥
X(z) = å x(n)z
n =-¥
-n

como x(n) es igual a la señal escalón unitario, se tiene que

¥ ¥
X(z) = å 1z - n = å z - n
n =0 n =0

como se trata de una serie geométrica, luego

1
X(z) =
1 - z -1

La ROC de esta transformada está dada por Rx- y Rx+ .Rx- está determinado por

1 1
R x - = lim x(n) n = lim 1 n = 1
n ®¥ n ®¥

yRx+ está dado por

1
R x+ = 1
lim x(- n) n
n ®¥

como x(n) es la señal escalón unitario, o sea x(-n) = 0 para n < 0, luego Rx+ = ¥. Por lo tanto

1
X(z) = paraïzï> 1
1 - z -1

Ejemplo 6.2.

Determinar la Transformada -Z de la señal

x(n) = an u(n)
Solución
En este caso, se tiene
¥ ¥ ¥

å x(n)z = å a n z - n = å ( az -1 )
-n n
X(z) =
n =-¥ n=0 n=0

La serie es geométrica, luego

271
 1
X(z) =
1 - az -1
y
1 1

R x - = lim x(n) n = lim a n u(n) = lim a

n

n ®¥ n ®¥ n ®¥

luego
Rx- = ïaï
yRx+ está dado por
1 1 1
R x+ = 1 = 1 = =¥
lim x(- n) n
lim a - n u(- n) n 0
n ®¥ n ®¥

luego
1
X(z) = paraïzô>ïaô
1 - az -1

Para a = 1, se obtiene el resultado del Ejemplo 6.1.

Ejemplo 6.3.

Determinar la Transformada -Z de la señal x(n) = an

Solución
Aplicando la definición de X(z) se tiene
¥ ¥
X(z) = å
n =-¥
x(n)z - n = åa z
n =-¥
n -n

En este caso, se determinará primeramente la ROC, luego

1 1

R x - = lim x(n) n = lim a n = a

n

n ®¥ n ®¥

1 1 1
R x+ = 1 = 1 = -1
=a
lim x(- n) n
lim a - n n
a
n ®¥ n ®¥

La región de convergencia está definida como

Rx-<ïzô<Rx+

o sea , es una relación estricta, ya que no se considera la igualdad. En este caso, se tiene que
Rx- = Rx+ =ïaï, por lo cual no se cumple la condición de existencia de la ROC, lo que a su
vez implica la no existencia de X(z) para la señal dada.
272
Ejemplo 6.4.

Determinar la Transformada - Z de la señal anticausal x(n) dada por

ì0 n ³ 0
x(n) = -a n u(-n - 1) = í n
î-a n £ -1
Solución
De la definición de X(z), se tiene
-1 ¥

å ( -a ) z = - å ( a -1 z )
-n m
X(z) = n
, con m = -n
n =-¥ m =1

Usando la fórmula
A + A 2 + A 3 + .......... = A (1 + A + A 2 + ........) =
A
, con ïAï< 1
1- A
se obtiene
a -1 z 1
X(z) = - =
1 - a z 1 - az -1
-1

La ROC está dada por

1

R x - = lim a n u(- n - 1) = 0
n

n ®¥

Se tiene que Rx- = 0, dado que u(-n-1) = 0 para n > 0.

1 1
R x+ = 1 = -1
=a
lim a - n u(n - 1) n a
n ®¥

por lo tanto

1
X(z) = paraïz ï<ïaï
1 - az -1

De los resultados de los Ejemplos 6.2 y 6.4, se observa que la Transformada – Z de una
señal causal tiene la misma expresión que la Transformada -Z de una señal anticausal. Esto
implica que no basta conocer solamente la Transformada-Z para especificar una señal en el
dominio del tiempo, es necesario especificar además su ROC. En resumen, una señal de
tiempo discreto x(n) es unívocamente determinada por su Transformada - Z y por la región
de convergencia de X(z). Se deduce también que la ROC de una señal causal es el exterior
a un circulo de algún radio Rx-, en tanto que la ROC de una señal anticausal es el interior
de un circulo de radio Rx+ .

273
Ejemplo 6.5.

Determinar la Transformada -Z de la señal

x(n) = a n u(n) + b n u(-n - 1)
Solución
Se tiene que la Transformada -Z es una operación lineal ,luego

¥ ¥
X(z) = å
n =-¥
a n u(n)z - n + å b u(-n - 1)z
n =-¥
n -n

La primera serie del segundo miembro de la ecuación anterior, de acuerdo con el Ejemplo
8.2, converge para ÷ z÷>÷ a÷ y la segunda serie, de acuerdo con el Ejemplo 6.4.
converge para ïzï<ïbï, luego X(z) tiene una ROC dada por

ïaï<ïzï<ïbï
Luego, se considerarán dos casos :

Caso 1 :ïbï<ïaï. En este caso, no se cumple la condición de la ROC para X(z) y por lo
tanto ésta no existe, dado que no hay valores de z para los cuales las dos series de potencia
converjan simultáneamente.

Caso 2 :ïbï>ïaï. En este caso hay un anillo en el plano Z donde ambas series convergen
simultáneamente, por lo tanto
¥ -1 ¥ ¥
X(z) = å a n z - n + åbz = å ( az -1 ) + å ( b -1z )
n -n n m

n =0 n =-¥ n =0 m =1

1 1
X(z) = -1
-
1 - az 1 - bz -1

b-a
X(z) = paraïaï<ïzï<ïbï
a + b - z - abz -1

Este ejemplo muestra que una señal de duración infinita tanto para n<0 como para n>0
(infinita bilateral), tendrá como ROC un anillo en el plano Z .

Región de Convergencia para Señales de Duración Finita .Sea la secuencia

x(n) = { x(a) , x(a + 1) , x(a + 2),........, x(b)} (6.9)

274
En este caso
b
X(z) = å x(n)z - n = x(a)z - a + x(a + 1)z - (a +1) + ...... + x(b)z - b (6.10))
a

Se tiene que X(z) es un polinomio en z , el cual converge absolutamente para todo z,

excepto para z=0 si b > 0 y para z = ¥ si a < 0 .

Ejemplo 6.6.

Determinar la Transformada -Z de las señales de duración finita dadas por :

a) x(n) = {3, 0, 0, 0, 0, 6, 1, 4 }

b) y(n) = {1, 2, 3, 4, 0, 2}

c) v(n) = d(n)

Solución
De la definición de Transformada -Z , se tiene

a) X(z) = 3z 5 + 6 + z -1 + 4z -2 ROC : Plano-Z entero , excepto z = 0 y z = ¥

b) Y(z) = 1 + 2z -1 + 3z -2 + 4z -3 + 2z -5 ROC: Plano-Z entero , excepto z = 0

c) V(z) = 1 ROC : Plano -Z entero

De los ejemplos presentados se deduce que la ROC de la Transformada – Z de una señal o

secuencia depende de su duración (finita o infinita), si es causal o anticausal, o infinita
bilateral .
Un caso especial de señal infinita bilateral es una señal, llamada infinita unilateral
por la derecha, que tiene duración infinita en el lado derecho pero no en el izquierdo [ por
ejemplo, x(n) = 0 para n<n0<0]. Un segundo caso es una señal, llamada infinita unilateral
por la izquierda, que tiene duración infinita en el lado izquierdo pero no en el derecho [por
ejemplo, x(n) = 0 para n>n1>0]. Un tercer caso es una señal, llamada finita bilateral, que
tiene duración finita en ambos lados [por ejemplo, x(n) = 0 para n<n0<0 y n>n1>0].
La definición de la Transformada -Z dada por la ecuación 8.1, es algunas veces
referida como Transformada - Z Bilateral, para distinguirla de la Transformada - Z
Unilateral X+(z) dada por

275
 ¥
X + (z) = å x(n)z - n (6.11)
n =0

En este texto, cuando se use la expresión Transformada - Z se hará referencia

exclusivamente a la Transformada -Z Bilateral .

6.2 . TRANSFORMADA - Z INVERSA

Frecuentemente, se tiene el problema de determinar una señal de tiempo discreto o

secuencia a partir del conocimiento de su Transformada - Z. El procedimiento para la
transformación del dominio z al dominio del tiempo se conoce como Transformada - Z
Inversa. A partir de X(z) se puede obtener x(n), realizando la inversión de X(z) mediante el
uso del Teorema de la Integral de Cauchy.
Por definición de X(z) se tiene que

¥
X(z) = å x(k)z
k =-¥
-k
(6.12)

Multiplicando ambos miembros de (6.12) por zn -1 e integrando sobre un contorno cerrado

C, que encierra al origen, dentro de la ROC de X(z) como se ilustra en la Figura 6.2.

Im{z}

C
r1
Re{z}
r2

Figura 6.2. Contorno C para la Integral de la Ecuación (6.12)

Se obtiene
¥

ÑòC
X(z)z n -1dz = Ñò
C
å x(k)z
k =-¥
n -1- k
dz (6.13)

276
donde C denota el contorno en el interior de la ROC de X(z), con sentido en contra del giro
de los punteros del reloj. Dado que la serie converge en este contorno, se puede
intercambiar el orden de integración y de la sumatoria, por lo cual (6.13) se puede escribir
como
¥

Ñò
C
X(z)z n -1dz = å x(k)Ñò
k =-¥
C
z n -1-k dz (6.14)

Por otra parte, se tiene que el Teorema de la Integral de Cauchy establece que

1 ì1 , k = n
ò
Ñ
2pj C
z n -1- k dz = í
î0 , k ¹ n
(6.15)

donde C es cualquier contorno que encierra al origen. Aplicando (6.15) en (6.14), se tiene
que el segundo miembro de (6.14) se reduce a 2pjx(n), o sea

Ñò C
X(z)z n -1 = 2pjx(n) (6.16)

de donde se obtiene la fórmula de inversión deseada

1
x(n) =
2pj ò
Ñ C
X(z)z n -1dz (6.17)

Aunque la ecuación (6.17) proporciona la fórmula de inversión para la determinación de

x(n) a partir de X(z), generalmente no se la utiliza para la evaluación directa de la
Transformada - z Inversa, dado que las señales y sistemas considerados en los análisis

tienen Transformadas - Z racionales, existiendo para tal caso métodos más simples para la
inversión .

6.3. RELACION ENTRE LA TRANSFORMADA DE FOURIER Y

TRANSFORMADA - Z

La Transformada - Z , X(z), de una secuencia x(n) es definida como

¥
X(z) = å x(n)z
n =-¥
-n
, ROC : r2<ïzï< r1 (6.18)

La forma polar compleja de z es

z = r ejW (6.19)

277
donde r = ïzï y W es el ángulo de z. Luego, dentro de la ROC de X(z), se puede sustituir z
= r ejW en (6.18), obteniéndose
¥
X(z) z= re jW = å éë x(n)r
n =-¥
-n
ùû e - jWn (6.20)

Considerando la ecuación (6.20), X(z) puede interpretarse como la Transformada de

Fourier de la secuencia x(n)r-n. El factor de ponderación r-n crece con n si r< 1 y disminuye
con n si r> 1. Alternativamente, si X(z) converge para ïzï = 1, luego

¥
X(z) z =e jW º X(W) = å x(n)e
n =-¥
- jW n
(6.21)

Luego, la Transformada de Fourier puede ser vista como la Transformada - Z de la

secuencia, evaluada sobre la circunferencia unitaria (r = 1). Si X(z) no converge en la
región ïzï = 1, o sea si la circunferencia unitaria no está contenida en la ROC de X(z), la
Transformada de Fourier X(W) no existe .
La existencia de la Transformada - Z requiere que la secuencia {x(n)r-n} sea
absolutamente sumable, es decir

å
n =-¥
x(n)r - n < ¥ (6.22)

Si la relación (6.22) converge solamente para valores de r > r0> 1, la Transformada - Z

existe, pero la Transformada de Fourier no existe. Este será el caso, por ejemplo, para las
secuencias causales de la forma x(n) = an u(n), cuando ïaï>1 .
Sin embargo, hay secuencias que no satisfacen los requerimientos de (6.22), por
ejemplo la secuencia
sen W c n
x(n) = (6.23)
pn

no tiene Transformada - Z. Dado que tiene energia finita, su Transformada de Fourier

converge en un sentido de cuadrático - medio para la función discontinua X(W) definida
como
ïì1 , W < WC
X(W) = í (6.24)
ïî0 , WC < W £ p

En conclusión, la existencia de la Transformada - Z requiere que se satisfaga (6.22) en

alguna región del plano -z. Si esta región contiene a la circunferencia unitaria, la
Transformada de Fourier existe. Sin embargo, la existencia de la Transformada de Fourier,
278
la cual es definida para señales de energía finita, no necesariamente asegura la existencia de
la Transformada - Z.

6.4 – PROPIEDADES DE LA TRANSFORMADA – Z

La Transformada -Z es una herramienta muy potente para el estudio de señales y sistemas

de tiempo discreto. La potencia de esta transformada es una consecuencia de algunas
propiedades muy importantes que ella posee, y que permiten resolver más fácilmente
problemas de procesamiento de señales.
En el tratamiento posterior se considerará que cuando se combinan varias
Transformadas -Z, la ROC de la transformada total es, al menos, la intersección de las ROC
de las transformadas individuales.

6.4.1 .Linealidad . Si
Z
x1 (n) X1 (z)

y
Z
x2 (n) X2 (z)

luego

Z
x(n) = a1 x1 (n) +a2 x2 (n) X(z) =a1 X1 (z) + a2 X2 (z) (6.25)

para constante a1 y a2 cualesquiera. La demostración de esta propiedad se obtiene a partir de

la definición de linealidad .
La propiedad de linealidad puede generalizarse para un número arbitrario de
señales. Básicamente, implica que la Transformada -Z de una combinación lineal de señales
es la misma combinación lineal de sus Transformadas -Z. De esta manera, la propiedad de
linealidad ayuda a determinar la Transformada - Z de una señal, expresando dicha señal
como una suma de señales elementales cuyas Transformadas - Z son conocidas.

Ejemplo 6.7.

Determinar la Transformada - Z de la señal :

ì( 1 ) n - 2 n , n³0
ïï 3
x(n) = í
ï0 , n<0
ïî
279
Solución
La señal dada se puede escribir como

n
æ1ö
x(n) = ç ÷ u(n) - 2n u(n)
è3ø

Aplicando la propiedad de Linealidad de la Transformada -Z , se tiene

X(z) = Z {x(n)} = Z {( ) u(n)} - Z{2 u(n)}

1 n
3
n

aplicando el resultado del Ejemplo 8.2, que establece que

Z {a n u(n)} =
1
, ROC :ïzï>ïaï
1 - az -1
Por lo tanto
X1 (z) = Z {( ) u(n)} = 1 - 1 z
1 n
3 1
3
-1
, ROC : z > 1
3

y
X 2 (z) = Z {2n u(n)} =
1
, ROC :ïzï>ï2ï
1 - 2z -1

La intersección de las ROC de X1 (z) y X2 (z) es ïzï> 2. En consecuencia, la transformada

total X(z) es
1 1
X(z) = 1 -1
- , ROC :ïzï>2
1- 3 z 1 - 2z -1

Ejemplo 6.8.

Determinar la Transformada - Z de la señal x(n) = cos(nW0)u(n) .

Solución
Utilizando la identidad de Euler, la señal x(n) se puede escribir como

x(n) = cos(W 0 n)u(n) = 12 e jW0 n u(n) + 12 e - jW0 n u(n)

Luego
{ }
X(z) = 12 Z e jW0 n u(n) + 12 Z e - jW0 n u(n){ }
y como

280
 { }
Z e jW0 n u(n) =
1
1 - e jW 0 z - 1
, ROC :ïzï> e jW0 n = 1

{ }
Z e - jW0 n u(n) =
1- e
1
- j W0
z -1
, ROC : z > e - jW0 n = 1

Por lo tanto
1 1 1 1
X(z) = jW 0 - 1
+ - jW 0 - 1
, ROC :ïzï> 1
2 1- e z 2 1- e z

Después de algunas manipulaciones algebraicas simples, se obtiene

1 - z -1 cos W0
X(z) = , ROC :ïzï> 1
1 - 2z -1 cos W0 + z -2

6.4.2. Desplazamiento en el Tiempo. Si

Z
x(n) X(z)
luego
Z
x(n-k) z-kX(z) (6.26)

La demostración de esta propiedad se obtiene inmediatamente, a partir de la definición de

Transformada - Z. La ROC de z-kX(z) es la misma que la de X(z), excepto para z=0 si k > 0
y para z = ¥ si k < 0.
Las propiedades de linealidad y de desplazamiento temporal son la llave que
permiten que la Transformada - Z sea extremadamente útil en el análisis de sistemas de
tiempo discreto invariantes en el tiempo (LTI)

Ejemplo 6.9.

Determinar la Transformada - Z de la señales x2 (n) y x3 (n) función de

X1 (z) = Z{x1 (n)}

si :
x1 (n) = {2, 1, 2, 5, 7, 0, 1, 2}

x2 (n) = x1 (n+4)

281
 x3 (n) = x1 (n-4)
Solución
Se tiene
X1 (z) = Z{x1 (n)} = 2z4 + z3 + 2z2 + 5z1 +7 + z-2 +2z-3
Aplicando la propiedad de desplazamiento temporal, se obtiene

X 2 (z) = Z{ x 2 (n) = x1 (n + 4)} = z 4 X1 (z) = 2z 8 + z 7 + 2z 6 + 5z5 + 7z 4 + z 2 + 2z

la ROC de X2 (z) es todo el Plano - Z , excepto z = ¥ .

y

X3 (n) = Z{ x 3 (n) = x1 (n - 4)} = z -4 X1 (z) = 2 + z -1 + 2z -2 + 5z -3 + 7z -4 + z -6 + 2z -7

la ROC de X3 (z) es todo el Plano-Z , excepto z = 0 .

El Ejemplo 6.9 proporciona información adicional para entender el significado de la

propiedad de desplazamiento temporal. Ciertamente, si se tiene que el coeficiente de z-n es
el valor de la muestra en el instante n, se tiene que el retardo de una señal en k muestras (k
> 0) [por ejemplo x(n) ® x(n-k)], corresponde a multiplicar todos los términos de la
Transformada - Z por z-k. Los coeficientes de z-n se convierten en los coeficientes de z-(n+k) .

Ejemplo 6.10.

Determinar la transformada -Z de la señal :

ì2 0 £ n £ N-1
ï
x(n) = í
ï0
î otros valores
Solución
En este problema se pueden utilizar las siguientes resoluciones

a)Aplicación directa de la definición de Transformada - Z .

Se tiene que

N -1
ì2N si z=1
ï
X(z) = å 2z -n
= 2 éë1 + z + z + ........... + z
-1 -2 - ( N -1)
ùû = í 1 - z - N
n =0 ï2 si z ¹ 1
î 1 - z -1

282
La ROC de X(z) es todo el Plano-Z excepto z = 0 .
b) Aplicación de las propiedades de linealidad y desplazamiento temporal .
En este caso x(n) se puede escribir como

x(n)=2u(n)-2u(n-N)

Aplicando la propiedad de linealidad de la Transformada - Z, se tiene

X(z) = Z{2u(n) - 2u(n - 1)} = 2Z {u(n)} - 2Z {u(n - N)}

Aplicando ahora la propiedad de desplazamiento temporal, se tiene

X(z) = 2Z {u(n)} - 2z - N Z {u(n)} = 2(1 - z - N )Z {u(n)}

como
1
Z {u(n)} = , ROC :ïzô> 1
1 - z -1
se obtiene
1 - z-N
X(z) = 2
1 - z -1

El Ejemplo 6.10 ayuda a clarificar una característica muy importante de la ROC de combinación de
varias Transformadas - Z. Si la combinación lineal de varias señales tiene duración finita, la ROC
de su Transformada -Z está determinada exclusivamente por la duración finita de esta señal, no por
la ROC de cada transformada individual .

6.4.3. Escalamiento en el Dominio - Z. Si

Z
x(n) X(z) , ROC : r1<ïzô< r2

luego
Z
an x(n) X ( za ) , ROC : ïaôr1<ïzô<ïaôr2(6.27)

a constante arbitraria, real o compleja.

Ejemplo 6.11.

Determinar la Transformada - Z de la señal

x(n) = an (senW0 n)u(n)

283
Solución
Definiendo x1(n) = (senW 0 n)u(n), y aplicando identidad de Euler, se tiene
1
x1 (n) = (sen W0 n)u(n) = éë e jW0n u(n) - e - jW0n u(n) ùû
2j
De donde se obtiene

1æ 1 1 ö
X1 (z) = Z { x1 (n)} = ç jW 0 -1
- - jW 0 - 1 ÷
, ROC :ïzô> 1
2j è1- e z 1- e z ø

Realizando operaciones algebraicas simples, la ecuación anterior se puede escribir como

z -1 sen W0
X1 (z) =
1 - 2z -1 cos W0 + z -2

Luego, aplicando propiedad de escalamiento en el dominio - Z, se tiene

az -1 sen W0
Z {x(n) = a (sen W0 n)u(n)} = X1 (a z) =
n -1
, ROC :ïzï>ïaï
1 - 2az -1 cos W0 + a 2 z -2

6.4.4. Inversión Temporal. Si

Z
x(n) X(z) , ROC : r1<ïzï< r2
luego
Z
1 1
x(-n) X(z-1 ) , ROC : <z < (6.28)
r2 r1
Ejemplo 6.12.

Determinar la Transformada - Z para la señal

x2 (n) = x1 (-n)
si
ì( 1 ) n n³0
ïï 3
x1 (n) = í
ï 1 -n
ïî( 2 ) n<0

284
Solución
Como
Z{x1 (-n)} = X1 (z-1 )

Es necesario determinar X1 (z) .

¥ -1 ¥

å å ( 12 ) z - n + å ( 13 ) z - n
-n
x1 (n)z - n =
n
X1 (z) =
n =-¥ n =-¥ n=0

Se tiene
¥ ¥
z - n = å ( 13 z -1 ) =
1 1
å ( 13 )
n n
-1
, ROC : z >
n =0 n=0 1- z 1
3 3
Por otra parte
-1 ¥ 1
z 1 1
å ( 12 ) z - n = å ( 12 z ) =
-n m 2
= -1
=- , ROC :ïzï< 2
n =-¥ m =1 1 - 12 z 2z - 1 1 - 2z -1

En consecuencia
5 -1
1 1 z 1
X1 (z) = 1 -1
- -1
= - 7 3-1 2 -2 , ROC : < z < 2
1- 3 z 1 - 2z 1- 3 z + 3 z 3
Dado que
Z { x 2 (n)} = X 2 (z) = X1 (z -1 )
se tiene que

5
z 1
X 2 (z) = - 3
, ROC : <ïzï< 3
1- z + 3 z
7
3
2 2
2

6.4.5. Derivación en el Dominio - Z. Si

Z
x(n) X(z)
luego (6.29)
dX(z)
nx(n) Z
-z
dz

Ejemplo 8.13.

Determinar la Transformada - Z de la señal

x(n) = ( 1 + n) u(n)
285
Solución.
x(n) se puede escribir como
x(n) = u(n) + nu(n)

Aplicando linealidad, se tiene

X(z) = Z{u(n)} + Z{nu(n)}

con
1
Z {u(n)} = , ROC :ïzï> 1
1 - z -1
y
dZ{u(n)} z -1
Z {nu(n)} = - z = , ROC :ïzï> 1
dz (1 - z -1 )2

En consecuencia

1 z -1 1
X(z) = -1
+ -1 2
= , ROC :ïzï> 1
1- z (1 - z ) (1 - z -1 )2

6.4.6. Convolución de Dos Secuencias. Si

Z
x1 (n) X1 (z)

Z
x2 (n) X2 (z)
luego

Z
x(n) = x1 (n)*x2 (n) X(z) = X1 (z)X2 (z) (6.30)

La ROC de X(z) es, al menos la intersección de las de X1 (z) y X2 (z)

La propiedad de convolución es una de las propiedades más potentes de la Transformada -
Z, porque convierte la convolución en el dominio del tiempo de dos señales en
multiplicación de sus transformadas. Para el cálculo de la convolución de dos señales,
usando Transformada - Z , se emplea el siguiente procedimiento :

286
1. Se determina las Transformadas - Z de las dos señales a ser convolucionadas, o sea se
pasa del dominio del tiempo al dominio -Z.

X1 (z) = Z{x1 (n)}

X2 (z) = Z{x2 (n)}

2. Se multiplican las dos transformadas .

X(z) = X1 (z)X2 (z)

3. Se determina la transformada inversa de X(z) , por lo que se pasa del dominio - Z al

dominio del tiempo .

x(n) = Z-1 {X(z)}

Ejemplo 6.14.

Determinar , utilizando Transformada - Z , la convolución de las señales :

x1 (n) = {1, 2, 5, 7, 0, 1}

x2 (n) = {2, 4, 5, 7, 0, 1}
Solución
Aplicando la definición de Transformada - Z se tiene

X1 (z) = 1 + 2z-1 + 5z-2 + 7z-3 +z-5

Y

X2 (z) = z-3 +7z-1 +5 + 4z+ 2z2

Luego
X(z) = Z{ x(n) = x1 (n) * x 2 (n)} = X1 (z)X 2 (z)
queda

X(z) = 2z2 + 8z + 23 + 51z-1 + 67z-2 + 73z-3 +55z-4 + 10z-5 +14z-6 + z-8

de donde

x(n) = {2, 8, 23, 51, 67, 73, 55, 10, 14, 0, 1}

287
6.4.7. Correlación de Dos Señales. Si

Z
x1 (n) X1 (z)
y
Z
x2 (n) X2 (z)
luego
Z
¥
rx1x 2 (l) = å x (n)x
n =-¥
1 2 (n - l) R x1x 2 (z) = X1 (z)X 2 (z -1 ) (6.31)

Empleando las propiedades de convolución y de inversión temporal, se obtiene

R x1x2 (z) = Z {x1 (l)} Z{ x 2 (-l)} = X1 (z)X 2 (z -1 )

La ROC de X(z) es al menos la intersección de las de X1 (z) y de X2 (z-1 ) .

Como en el caso de la convolución, la correlación de dos señales es más fácilmente
obtenida a través de la multiplicación señalada en la ecuación (8.39) y realizando la
transformación inversa del resultado .
Ejemplo 6.15.

Utilizando Transformada - Z, determinar la secuencia autocorrelación de la señal dada por

x(n) = ( 12 ) u(n)
n

Solución
Con X(z) = Z{x(n)} , se tiene que
R xx (z) = Z {rxx (l)} = X(z)X(z -1 )
Del Ejemplo 6.2 se tiene
Z {a n u(n)} =
1
, ROC :ïzï>ïaï
1 - az -1

Por lo tanto , para el Ejemplo actual , se tiene que

1 1
X(z) = -
, ROC :ïzï> ( señal causal )
1 - 12 z 1
2
de aquí
1
X(z -1 ) = , ROC :ïzï< 2 (señal no causal)
1 - 12 z
Por lo tanto

288
 1 1 1 1
R xx (z) = -1
= -1
, ROC : < z < 2
1 - z 1 - 2 z 1 - 2 (z + z ) + 4
1
2
1 1 1
2

Dado que la ROC de Rxx (z) es un anillo, rxx ( l ) es una función bilateral, aún si x(n) es
causal .
Para obtener rxx ( l ), se tiene que la Transformada - Z de la secuencia del Ejemplo
6.5 con b=1/a es simplemente (1-a2 )Rxx (z), con a = 1/2. De aquí se sigue que

Z {( 2)
1 n
u(n) + ( 12 ) u(- n - 1) = ( 21 )
-n n
} = éë1 - ( ) ùû R
1 2
2 xx (z)

Aplicando transformación inversa

1
( 12 )
l
rxx (l) = - ¥< l <¥
1- ( 1 2
2 )

Para el caso general de que se tenga que x(n) = an u(n), con ôaô< 1, se obtiene que

1 l
rxx (l ) = a
1- a 2

6.4.8. Multiplicación de Dos Secuencias. Si

Z
x1 (n) X1 (z)
Z
x2 (n) X2 (z)

luego
1 æzö
x(n) = x1 (n)x 2 (n) ò
Ñ X1 (v)X 2 ç ÷ v -1dv
Z
X(z)= (6.32)
2p C
èvø

donde C es un contorno cerrado que encierra el origen y está dentro de la ROC de X1 (v) y
de X2 (z/v) .
Para obtener la ROC de X(z) se tiene que si X1 (v) converge para r1l<ïzï< r1u y X2
(z) converge para r2l<ïzï< r2u , luego la ROC de X2 (z/v) es

z
r2l < < r2u
v
luego , la ROC de X(z) es al menos

289
 r1l r2l < z < r1u r2u

Para el caso de que x1 (n) y x2 (n) sean secuencias complejas, se puede definir el producto
secuencia como x(n) = x1 (n)x *2 (n) . Luego, la correspondiente integral de convolución
compleja es

* æ z ö -1
*
1
2pj Ñò C
x(n) = x1 (n)x *2 (n) Z
X(z)= X1 (v)X 2 ç * ÷ v dv (6.33)
èv ø

6.4.9. Relación de Parseval. Si x1 (n) y x2 (n) son secuencias complejas, luego :

¥
1 æ1ö
å x (n)x
n =-¥
1
*
2 (n) =
2pj ò
Ñ C
X1 (v)X*2 ç ÷ v -1dv
èvø
(6.34)

con r1l r2l< 1 < r1ur2u , donde r1l<ïzï< r1u y r2l<ïzï< r2u están en la ROC de X1 (z) y X2(z) .
La demostración de la ecuación (8.42) es inmediata, evaluando X(z) en la ecuación
(6.33) en z = 1.
Si X1 (z) y X2 (z) convergen sobre una circunferencia unitaria, se puede seleccionar
el contorno de integración de la ecuación (6.34) como la circunferencia unitaria. Luego, la
ecuación (6.34) se reduce a la relación de Parseval, dada por

¥ p
1
å
n =-¥
x1 (n)x (n) =
*
2 ò
2p -p
X1 (W)X*2 (W)dW (6.35

6.4.10. Teorema del Valor Inicial. Si x(n) es causal, o sea

x(n) = 0 para n <0

luego
x(0) = lim X(z) (6.36)
z ®¥

Anteriormente se han derivado algunas de las Transformadas - Z que se usan en

muchas aplicaciones prácticas. Estos pares de transformadas están resumidas en la Tabla
6.1 para una fácil referencia.

290
TABLA 6.1 . Algunos pares comunes de Transformada - Z
Señal Transformada - Z
x(n) X(z) ROC
d(n) 1 Todo el Plano - Z

u(n) 1 ïzï> 1
1 - z -1

an u(n) 1 ïzï>ïaï
1 - az -1

nan u(n) az -1 ïzï>ïaï

(1 - az -1 )2

-an u(-n-1) 1 ïzï<ïaï

1 - az -1

-nan u(-n-1) az -1 ïzï<ïaï

(1 - az -1 )2

(cosW0 n)u(n) 1 - z -1 cos W0 ïzï> 1

1 - 2z -1 cos W0 + z -2
(senW 0 n)u(n) z -1 sen W0 ïzï> 1
1 - 2z -1 cos W0 + z -2

(ancosW0 n)u(n) 1 - az -1 cos W0 ïzï>ïaï

1 - 2az -1 cos W0 + a 2 z -2

(ansenW 0 n)u(n) az -1 sen W0 ïzï>ïaï

1 - 2az -1 cos W0 + a 2 z -2

1 zk
(n + 1)...(n + k - 1)a n , n ³ 0 ïzï>ïaï
(k - 1)! (z - a)k
1 zk
- (n + 1)...(n + k - 1)a n , n £ -1 ïzï<ïaï
(k - 1)! (z - a)k

Todas las propiedades de la Transformada - Z , que se han presentado en esta

sección, están resumidas en la Tabla 6.2 .
291
TABLA 8.2 . Propiedades de la Transformada - Z

Propiedad

Notación x(n) X(z) ROC : r2 < ïzï < r1

x1 (n) X1 (z) ROC1
x2 (n) X2 (z) ROC2
Linealidad a1 x1 (n) + a2 x2 (n) a1 X1 (z) +a2 X2 (z) Al menos la intersección de ROC1 y ROC2
Desplazamiento en el Tiempo x(n - k) z-k X(z) La de X(z) , excepto z = 0 si k > 0 y z = ¥ si k < 0
Escalamiento en el Dominio - Z an x(n) X(a-1 z) ïaïr2 < ïzï < ïaïr1
Inversión Temporal x(-n) X(z-1 ) 1 1
<z<
r1 r2
Conjugación x* (n) X* (z* ) ROC
Parte Real Re{x(n)} 1
2
éë X(z) + X (z ) ùû* * Incluye ROC
Parte Imaginaria Im{x(n)} é
2 ë X(z) - X (z ) û
1 * *
ù Incluye ROC
Derivación en el Dominio - Z nx(n) dX(z) r2 < ïzï< r1
-z
dz
Convolución x1 (n)*x2 (n) X1 (z)X2 (z) Al menos , la intersección de ROC1 y ROC2
Correlación rx1x 2 (l) = x1 (l) * x 2 (-l) R x1x 2 (z) = X1 (z)X 2 (z) Al menos , la intersección de ROC de X1 (z) y de
X2 (z-1 )
Teorema Valor Inicial Si x(n) es causal x(0) = lim X(z)
z ®¥
Multiplicación x1 (n)x2 (n) 1 æzö Al menos r1l r2l < ïzï< r1u r2u
2pj Ñò C
X1 (v)X 2 ç ÷ v -1dv
èvø
¥
1 * æ 1 ö -1
Relación de Parseval å x (n)x
n =-¥
1
*
2 (n) = ò C X1 (v)X2 çè v* ÷ø v dv
2pj Ñ

292
Ejemplo 6.16.

Usando propiedades y tabla de Transformada – Z , determinar la Transformada – Z de la

señal x(n) dada por

x(n) = (n - 3)(0, 6)(n -3) sen éë p6 (n - 3)ùû u(n - 3)

Solución

Aplicando la propiedad de desplazamiento temporal, se tiene

X(z) = Z {x(n)} = z -3 Z {n(0, 6) n sen ( p6n ) u(n)}

teniéndose que X(z) y Z {n(0, 6) n sen ( p6n ) u(n)} tienen la misma ROC. Aplicando la
propiedad de diferenciación en el dominio - z, y considerando que y(n) =
(0,6)nsen(pn/6)u(n), se tendrá
dZ {y(n)} dY(z)
Z {ny(n)} = -z = -z
dz dz
por lo cual

ï -3
X(z) = z í- z
{
ì dZ ( 0, 6 ) n sen ( p n ) u(n)
6 } ïüý
ïî dz ïþ

En este caso, también se conserva la ROC. Por tabla, se tiene que

0, 6sen ( p6 ) z -1
{ n
}
Z ( 0,6 ) sen ( p6n ) u(n) =
1 - 2(0, 6 cos p6 )z -1 + 0, 36z -2
=
0,3z -1
1 - 0, 6 3z -1 + 0,36z -2
, |z|>0,6

Luego,
d ì 0,3z -1 ü
X(z) = -z -2 í -1 -2 ý
, | z | > 0,6
dz î1 - 0, 6 3z + 0, 36z þ

ì -0,3z -2 + 0,108z -4 ü
X(z) = -z -2 í -1 -2 -3 -4 ý
î1 - 1, 2 3z + 1,8z - 0, 432 3z + 0,1296z þ
Finalmente
0,3z -4 - 0,108z -6
X(z) = , | z | > 0,6
1 - 1, 2 3z -1 + 1,8z -2 - 0, 432 3z -3 + 0,1296z -4

293
6.4.11. Uso de MATLAB en la determinación de la Transformada – Z. Existen
diferentes formas de usar MATLAB en la determinación de la Transformada – Z de
secuencias o señales de tiempo discreto. Una de ellas se presenta en el desarrollo del
siguiente ejemplo, otras se presentarán en las secciones posteriores.

Ejemplo 6.17.

Sean las secuencias

x1 (n) = {3, 2,1} y x 2 (n) = {5, 3, 4, 2}

Usando MATLAB y la propiedad de convolución, determinar X3(z) = X1(z)X2(z), si X1(z)

= Z{x1(n)} y X2(z) = Z{x2(n)}.

Solución
La propiedad de convolución establece que

Z {x 3 (n) = x1 (n) * x 2 (n)} = X 3 (z) = X1 (z)X 2 (z)

El programa MATLAB para determinar x3(n) = x1 (n)*x2(n), es

>> % Determinacion de x3(n)=x1(n)*x2(n)

>>x1=[3 2 1];
>>x2=[5 3 4 2];
>> k = 3; %Numero de elementos del vector x1
>> q = 4; %Numero de elementos del vector x2
>> r = k+q-1; % Numero de elementos del vector x3
>> u=2; % Indica que el elemento 2 del vector x1 es x1(0) de la secuencia x1(n)
>> v=3; % Indica que el elemento 3 del vector x2 es x2(0) de la secuencia x2(n)
>> t=u+v-1;
>> % Indica que el elemento t del vector x3 es x3(0) de la secuencia x3(n)
>>x3=conv(x1,x2)

x3 =
15 19 23 17 8 2
>>t

t=
4

294
De donde
x 3 (n) = {15,19, 23,17,8, 2}

En consecuencia

X3(z)= 15z3 + 19z2 + 23z + 17 + 8z-1 + 2z-2 ,ROC: Plano-Z entero, excepto z=0 y z=¥

Función ztrans. En MATLAB existe la función ztrans, que permite obtener la expresión
simbólica de la Transformada – Z de una señal x(n) causal, a partir de la expresión de x(n).
La sintaxis es X = ztrans(x), la que por defecto entregará como resultado una expresión en
función de z.

Ejemplo 6.18.

Usando la función ztrans de MATLAB, determinar la Transformada – Z, de la señal x(n)

del Ejemplo 6.16.

Solución.
La señal x(n) del Ejemplo 6.16 es

x(n) = (n - 3)(0.6)(n -3) sen ëé p6 (n - 3)ûù u(n - 3)

Un programa MATLAB para obtener la Transformada –Z de x(n) dada, utilizando la

propiedad de desplazamiento temporal, sería

>> % Transformada-Z de x(n)=(n-3)*(0,6)^(n-3)*sen[(pi/6)*(n-3)]*u(n-3)

>> n=sym('n','real');
>> y=n*(3/5).^n*sin(pi*n/6);
>> z=sym('z');
>> X=z.^(-3).*ztrans(y)

X=
15/2/z^2*(25*z^2-9)/(25*z^2-15*z*3^(1/2)+9)^2

O sea

295
 15
z -2 ( 25z 2 - 9 )
X(z) =
2

( 25z )
2
2
- 15 3z + 9
Ecuación que puede escribirse como

375 - 135z -2
X(z) = , | z | > 0,6
1250z 4 - 1500 3z3 + 2250z 2 - 540 3z + 162

Queda como ejercicio del lector, demostrar que el resultado obtenido, es idéntico al
resultado del Ejemplo 6.16.

6.5. TRANSFORMADA – Z RACIONALES

Una importante familia de Transformada - Z es aquella para la cual X(z) es una función
racional, o sea, una razón de dos polinomios en z-1 ( o z). En esta sección se presentarán
algunos temas importantes en relación a la clase de Transformadas - Z racionales

6.5.1. Polos y Ceros. En una función racional se definen ceros y polos .

Ceros. Los ceros de una Transformada - Z X(z) son los valores de z para los cuales X(z)=
0.
Polos. Los polos de una Transformada -Z X(z) son los valores de z para los cuales X(z)= ¥.
Si X(z) es una función racional, luego

N(z) b 0 + b1z -1 + b 2 z -2 + ........ + b M z - M

X(z) = = (6.37)
D(z) a 0 + a1z -1 + a 2 z -2 + ........ + a N z - N

Si a0¹ 0 y b0¹ 0, X(z) se puede escribir con exponentes positivos de z, tal como se muestra
en la siguiente ecuación

N(z) b0 z - M z M + (b1 / b 0 )z M -1 + .......... + b M / b 0

X(z) = = (6.38)
D(z) a 0 z - N z N + (a1 / a 0 )z N -1 + .......... + a N / a 0

Ya que N(z) y D(z) son polinomios en z, N(z)/D(z) se puede escribir como

N(z) b0 - (M - N ) (z - z1 )(z - z 2 )..............(z - z M )

X(z) = = z (6.39)
D(z) a 0 (z - p1 )(z - p 2 )..............(z - p N )
o sea

296
 M

Õ (z - z
N - M k =1
k )
X(z) = Gz N
(6.40)
Õ (z - p
k =1
k )

donde G = b0 / a0 , zk son las raíces del polinomio del numerador y pk son las raíces del
polinomio del denominador.
Luego, X(z) tiene M ceros finitos en z = z1 , z2 , z3 , ........., zM y N polos finitos en z
= p1 , p2 , p3 , ..........,pN , y en el.origen ( z = 0) tendrá ïN - Mï ceros si N > M o ïN - Mï
polos si N < M. Los polos o ceros también pueden ocurrir en z = ¥. Un cero existe en z = ¥
si X(¥) = 0 y un polo existirá en z = ¥ si X(¥) = ¥. Si se cuentan los polos y ceros en cero
y en el infinito, se encuentra que X(z) tiene exactamente el mismo número de polos y ceros.

Diagramas de Polos y Ceros.X(z) se puede representar gráficamente por un diagrama de

polos y ceros en el plano complejo. Los polos se representan por cruces (x) y los ceros por
círculos (o). La multiplicidad de polos y ceros es indicada por un número cercano a la
correspondiente cruz o círculo. Es importante hacer notar que por definición la ROC de una
Transformada - z no contiene polos ni ceros .
Ejemplo 6.19.

Determinar el diagrama de polos y ceros para la señal :

x(n) = (rnsenW 0 n)u(n) 0< r < 1

Solución .
Se tiene que
¥
X(z) = Z {x(n) = (r n sen W 0 n)u(n)} = å r n sen W 0 nz - n
n =0

De la Tabla 8.1 se obtiene

rz -1 sen W0
X(z) = , ROC :ïzï>ïrï
1 - 2rz -1 cos W0 + r 2 z -2
ecuación que se puede escribir como
rz sen W 0
X(z) =
z - (2r cos W 0 )z + r 2
2

Por lo tanto X(z) tiene un cero en el origen, o sea

z=0

y dos polos dados por las raíces de la siguiente ecuación

z2 - (2rcosW0 )z +r2 = 0
obteniéndose
297
 p1 = re jW0 , p 2 = re - jW0
Por lo cual, el diagrama de polos y ceros es el que se muestra en la Figura 6.3 .
Im{z}

X p1

z1 W0
Re{z}
W0
r

ROC
Figura 6.3. Diagrama de polos y ceros de la señal (rnsenW 0 n)u(n)

Ejemplo 6.20.

Determinar los polos y ceros de la señal

ìa n 0 £ n £ M-1
x(n) = í a> 0
î0 otros valores
Solución .
De la definición de Transformada - Z, se tiene
M -1
1 - (az -1 ) M zM - a M
X(z) = å (az ) = -1 n
= M -1
n =0 1 - az -1 z (z - a)
Dado que a >0 , se tiene que la ecuación

zM = aM
tiene M raíces de la forma
j 2Mpk
z k = ae , k = 0, 1, 2, 3, .........., M-1

como el cero en z0 = a cancela al polo z = a , X(z) se puede escribir como

(z - z1 )(z - z 2 )(z - z3 )............(z - z M -1 )

X(z) =
z M -1

298
En consecuencia, X(z) tiene M-1 ceros ubicados en una circunferencia con radio a, y M-1
polos múltiples ubicados en el origen. La ROC de X(z) es todo el Plano - Z, excepto z = 0
porque los M-1 polos están localizados en el origen.
Considerando como ejemplo M = 6, se tienen 5 polos múltiples en el origen y los
siguientes ceros
jp j 23p j 43p j 53p
z1 = ae 3 , z 2 = ae , z3 = ae jp , z4 = ae , z5 = ae
Por lo tanto , el diagrama de polos y ceros es el que se muestra en la Figura 6.4 .
Im{z}

Z 2
Z 1

Z 3 m=5
x

Z 4
Z 5

ROC

Figura 6.4. Diagrama de Polos y Ceros de X(z) del Ejemplo 6.20

Ejemplo 6.21 .

Determinar la Transformada - Z y la señal correspondiente al diagrama de polos y ceros

mostrado en la Figura 6.5.
Im{z}

a
x Re{z}
m=2

ROC

Figura 6.5. Diagrama de Polos y Ceros del Ejemplo 6.21

299
Solución .
Hay un polo múltiple de multiplicidad 2 (N = 2) en z = a y un cero (M = 1) en el
origen. Sustituyendo estas relaciones en
M

Õ (z - z
N - M k =1
k )
X(z) = Gz N

Õ (z - p
k -1
k )

se obtiene
z z z
X(z) = G =G =G 2
(z - p1 )(z - p 2 ) (z - a)(z - a) z - 2az + a 2

ecuación que puede escribirse como

z -1 G az -1
X(z) = G =
1 - 2az -1 + a 2 z -2 a 1 - 2az -1 + a 2 z -2
Finalmente
az -1
X(z) = K
1 - 2az -1 + a 2 z -2
De la Tabla 6.1, se tiene que

x(n) = Knan u(n)

Del Ejemplo 6.21 se tiene que el producto (z -p1 )(z - p2 ) da por resultado un polinomio
con coeficientes reales, cuando p1 y p2 son complejos conjugados. En general, si un
polinomio tiene coeficientes reales, sus raíces pueden ser reales o un par de complejos
conjugados.
La Transformada - Z es una función compleja de la variable compleja z, por lo cual
ïX(z)ï es una función real y positiva de z y como z representa un punto en el plano
complejo, ïX(z)ïes una función bidimensional y describe una superficie en el espacio.

6.5.2. Ubicación de los Polos y Comportamiento en el Dominio del Tiempo de Señales

Causales. Para el estudio del tema, se considerará la relación entre la localización de un par
de polos en el Plano - Z y la correspondiente forma de la señal en el dominio del tiempo. El
análisis se basa en el listado de pares de transformadas, presentado en la Tabla 8.1, y en los
resultados obtenidos en la subsección precedente. Las señales consideradas serán reales y
causales, y el comportamiento de ellas dependerá de la localización de los polos, de la
Transformada - Z respectiva, en el Plano - Z. Es decir, si ellos están contenidos en la región
ïzï< 1, en la región ïzï> 1 o sobre la circunferencia ïzï= 1. Dado que la circunferencia
ïzï= 1, tiene un radio igual a 1 se denomina circunferencia unitaria.

300
 Si una señal real tiene una Transformada - Z con un polo, éste tiene que ser real. La
única señal que posee esta característica es la exponencial real: x(n) = an u(n), teniéndose el
siguiente par de transformada
1
x(n) = a n u(n) Z
X(z)= , ROC :ïzï>ïaï (6.41)
1-az -1

En este caso, X(z) tiene un cero en el origen y un polo en p1 = a. La Figura 8.6 ilustra el
comportamiento de la señal, con respecto a la ubicación relativa del polo en relación a la
circunferencia unitaria

Plano - Z x(n) Plano - Z x(n)

...... ......
x n x n
0 1 0 0 1 0

Plano - Z x(n) Plano - Z x(n)

...... ......
x n x n
0 1 0 0 1 0

Plano - Z x(n) Plano - Z x(n)

......
......
x n x n
0 1 0 0 1 0

Figura 6.6. Comportamiento en el Dominio del Tiempo de una Señal con un Polo Real

6.5.3. Uso de MATLAB en Transformada – Z Racionales. En el caso de Transformada –

Z racionales, MATLAB tiene un variado uso. A continuación, se analizarán algunos casos.
Función roots. La función roots permite obtener las raíces de un polinomio. Luego, se
puede usar para obtener los valores de los polos y ceros de una función racional, en la que
tanto el numerador y el denominador son polinomios. Si la función racional es b(z)/a(z), los
ceros se obtienen aplicando roots(b) y los polos roots(a).
Función zpk. Si se tiene una función racional con numerador y denominador como
polinomios de la variable z, se puede aplicar la función zpk para obtener la expresión de
forma ceros – polos – ganancia de dicha función racional, o sea

H(z) = k
( z - z(1) )( z - z(2) ) ........... ( z - z(m) ) (6.41)
( z - p(1) )( z - p(2) ) .......... ( z - p(n) )
301
En este caso, la sintaxis general es z = zpk(‘z’,Ts), con Ts como intervalo de muestreo, el
cual puede no especificarse, quedando la sintaxis z=zpk(‘z’).

Función zplane. Para graficar el diagrama de polos – ceros de una función racional, en
MATLAB se emplea la función zplane. Si la función racional es de la forma b(z)/a(z), la
sintaxis es zplane(b,a).

Ejemplo 6. 19.

Teniéndose que
1 - 3z -1 + 2z -2
H(z) =
1 - 0, 75z -1 + 0,125z -2
Usando MATLAB, determinar
a) Los valores de polos y ceros de H(z), usando la función roots.
b) La expresión de H(z) en forma de polos – ceros - ganancia
c) Diagrama de polos – ceros de H(z).
Solución
a) Para obtener los valores de los polos y ceros de H(z), usando la función roots, el
programa MATLAB es

>> % Valores de ceros y polos de

>> % H(z)=(1-3z^(-1)+2z^(-2))/(1-0,75z^(-1)+0,125z^(-2))
>> % Ceros
>> b=[1 -3 2];
>>roots(b)
2
1
>> % Polos
>> a=[1 -0.75 0.125];
>>roots(a)
ans =
0.5000
0.2500
Luego, los ceros son
z1 =2 , z2 = 1
y los polos son

p1 = 0,5 , p2 = 0,25

b) En este caso, el programa MATLAB es

302
 >> % Expresion forma polos - ceros- ganancia de H(z) del Ejemplo 6.19
>> z=zpk('z');
>> H=(z^2-3*z+2)/(z^2-0.75*z+0.125)
Zero/pole/gain:
(z-2) (z-1)
----------------
(z-0.5) (z-0.25)

Sampling time: unspecified

c) El programa MATLAB para determinar el diagrama de polos –ceros de H(z) dada, es

>> %Diagrama de ceros y polos de

>> %H(z)=(1-3z^(-1)+2z^(-2))/(1-0,75z^(-1)+0,125z^(-2))
>> b=[1 -3 2];
>> a=[1 -0.75 0.125];
>>zplane(b,a)
>>title('Diagrama de Polos-Ceros de H(z) del Ejemplo 6.19');
>>xlabel('Parte Real'); ylabel('Parte Imaginaria'

Figura 6.7. Diagrama de Polos – Ceros de H(z) del Ejemplo 6.19

6.6 .TRANSFORMADA - Z UNILATERAL .

La Transformada - Z Bilateral requiere que las señales correspondientes sean

especificadas en todo el rango temporal , o sea -¥< n <¥. Este requerimiento impide su uso
303
en la solución de problemas de orden práctico, como es el caso de la evaluación de la salida
de un sistema con condiciones iniciales diferentes de cero. Dado que la señal de entrada es
aplicada en un tiempo finito, por ejemplo n0 , se tiene que tanto la señal de entrada como la
de salida son especificadas para n ³ n0 , pero esto no significa que ellas sean nulas para n <
n0. Por lo tanto, en este caso, no se puede aplicar la Transformada-Z Bilateral. La
Transformada -Z Unilateral, puede ser utilizada en las situaciones en que el sistema tenga
condiciones iniciales no nulas .
6.6.1 Definición y Propiedades .
Definición .La Transformada - Z Unilateral X+ (z) de una señal x(n) se define como
¥
X + (z) = Z + { x(n)} = å x(n)z - n (6.43)
n =0

Estableciéndose el siguiente par de transformada

Z+
x(n) X+ (z)

La Transformada - Z Unilateral difiere de la transformada bilateral en el valor del límite

inferior de la sumatoria, el cual es siempre cero, sea o no x(n) igual a cero para n < 0.
Debido a esta elección del límite inferior, la Transformada - Z Unilateral presenta las
siguientes características :

1 .No contiene información de la señal x(n) para tiempos negativos ( n< 0 ).

2 . Es operable solamente para señales causales, ya que estas señales son cero para n
< 0.
3 .La Transformada -Z Unilateral X+ (z) de x(n) es idéntica a la Transformada -Z
Bilateral de la señal x(n)u(n). Dado que x(n)u(n) es causal, la ROC de su
transformada y por lo tanto la ROC de X+ (z), es siempre el exterior de un círculo.
Luego, cuando se trata con Transformada - Z Unilateral, no es necesario especificar
su ROC .

Ejemplo 6.20 .

Determinar la Transformada - Z Unilateral de las señales :

a) x1 (n) = {3, 0, 0, 2, 6, 1, -3}

b) x2 (n) = {3, 0, 0, 2, 6, 1, -3}

c) x3 (n) = {1, 2, 3, 2, 6, 1, -3}

d) x4 (n) = d(n)
e) x5 (n) = d(n - k) k > 0
f) x6 (n) = d (n + k) k > 0
304
Solución
Aplicando la definición de Transformada - Z Unilateral , se obtiene

a) X1+ (z) = 3 + 2z -3 + 6z -4 + z -5 - 3z -6
b) X+2 (z) = 2 + 6z -1 + z -2 - 3z -3
c) X 3+ (z) = 2 + 6z -1 + z -2 - 3z -3
d) X+4 = 1
e) X 5+ = z - k
f) X 6+ = 0

De los resultados obtenidos se deduce que : para una señal no causal, su Transformada Z
Unilateral no es única. Ciertamente, X +2 (z) = X 3+ (z) pero x2 (n) ¹ x3 (n). Para señales
anticausales la Transformada -Z Unilateral es siempre cero, como es el caso de x6 (n) que
tiene X +6 (z) = 0

Propiedades de la Transformada Z – Unilateral. .Casi todas las propiedades de la

Transformada - Z Bilateral son aplicables a la Transformada - Z Unilateral, con la
excepción de la propiedad de desplazamiento temporal .
Propiedad de Desplazamiento .Se consideran los siguientes casos :

Caso 1 : Retardo Temporal . Si

Z+
x(n) X+ (z)
luego
é k
ù
x(n - k) Z+
z -k ê X + (z) + å x(-n)z n ú , k > 0 ( 6.44)
ë n =1 û

Para el caso de que x(n) sea causal, se deduce que

Z+
x(n-k) z-k X+ (z) (6.45)

Ejemplo 6.21 .

Determinar la Transformada - Z Unilateral de las siguientes señales:

a) x(n) = 4n u(n)
b) x1 (n) = x(n - 3) , donde x(n) = 4n
305
Solución
a) Aplicando la definición de X+(z), se tiene que

¥
1
X + (z) = å 4n z - n = 1 + 4z -1 + 4 2 z -2 + 43 z -3 + ....... =
n=0 1 - 4z -1

b) Aplicando la propiedad de desplazamiento para k = 3, se tiene

é 3 ù
Z+ {x(n - 3)} = z -3 ê å x(-n)z n + X + (z) ú
ë n =1 û
de donde

Z + {x(n - 3)} = z -3 éë X + (z) + x( -1)z + x( -2)z 2 + x( -3)z 3 ùû

Considerando la expresión de x(n) = 4n y la de X+ (z) obtenida en el apartado a), se tiene

+ z -3 1 1 1
X (z) = -1
+ z -2 + z -1 +
1 - 4z
1
4 16 64

Caso 2 : Avance Temporal . Si :

Z+
x(n) X+ (z)

luego
é k -1
ù
x(n + k) z+
z k ê X + (z) - å x(n)z - n ú , k > 0 (6.46)
ë n =0 û

luego
é k -1
ù
x(n + k) z+
z k ê X + (z) - å x(n)z - n ú , k > 0 (6.47)
ë n =0 û

é k -1
ù
Z+ {x(n + k)} = z k ê X + (z) - å x(n)z - n ú
ë n =0 û

306
Ejemplo 6.22 .

Con x(n) = 4n , determinar la Transformada - Z Unilateral de la señal :

x2 (n) = x(n+3)
Solución

Considerando la relación (8.53), con k = 3 , se obtiene :

Z+ {x(n + 3)} = z 3X + (z) - x(0)z 3 - x(1)z 2 - x(2)z

Como : x(0) = 1 , x(1) = 4 , x(2) = 16 , y X+ (z) = 1/(1 - 4z-1), se tiene

z3
Z {x(n + 3)} =
+
-1
- z3 - 4z 2 - 16z
1 - 4z

La propiedad de desplazamiento temporal, tiene una gran aplicación en el uso de la

Transformada-Z Unilateral en la solución de ecuaciones diferencias con condiciones
iniciales no – nulas. Esto determina que esta transformada es una potente herramienta en el
análisis de sistemas lineales recursivos de tiempo discreto invariantes en el tiempo.

Teorema del Valor Final .Si

Z+
x(n) X+ (z)

luego

lim x(n) = lim(z - 1)X + (z) (6.48)

n ®¥ z ®1

El límite en (6.48) existe si la ROC de (z - 1)X+ (z) incluye el circulo unitario .Este teorema
es muy útil cuando se tiene interés en el comportamiento asintótico de una señal x(n) y se
conoce su Transformada - Z pero no x(n). En tales casos, especialmente si es complicado
invertir X+ (z), se puede usar el Teorema del Valor Final para determinar el límite de x(n)
cuando n ®¥ .

307
Ejemplo 6.23 .

Sean las señales x1 (n) = nan u(n) y x2 (n) = u(n) , con ïaï< 1. Se define :

x3 (n) = x1 (n)*x2 (n)

Determinar la expresión de x3 (n) cuando n ®¥.

Solución
Se aplicará el Teorema del Valor Final, o sea
lim x 3 (n) = lim(z - 1)X 3+ (z)
n ®¥ z ®1

Dado que x1 (n) y x2 (n) son señales causales, x3 (n) es también causal. Por lo que sus
Transformadas - Z Bilaterales y Unilaterales son idénticas. Luego se puede aplicar
X 3+ (z) = Z{x1 (n)*x2 (n)} = X1 (z)X2 (z)
y como
az -1
X1 (z) =
(1 - az -1 ) 2
y
1
X 2 (z) =
1 - z -1
por lo tanto
az -1 1
X3+ (z) =
(1 - az ) 1 - z -1
-1 2

En consecuencia
a
lim x 3 (n) = lim(z - 1) -1 2
n ®¥ z ®1 (1 - az ) (z - 1)

6.7 . CALCULO DE LA TRANSFORMADA - Z INVERSA

La Transformada - Z Inversa formalmente está dada por :

1
x(n) =
2pj ò
Ñ C
X(z)z n -1dz (6.47)

Donde la integral es una integral curvilínea, con C como línea cerrada que encierra al
origen y está dentro de la ROC de X(z). Por simplicidad, C se considera como una
circunferencia en el Plano - Z .

308
 Para la determinación de la Transformada - Z Inversa se utilizan, generalmente, los
siguientes métodos :
1 . Evaluación directa, por integración curvilínea .
2 . Expansión en serie de potencias de z o z-1 .
3 . Expansión en fracciones parciales y uso de Tablas .

6.7.1 . Método de Integración Curvilínea .Este método utiliza el Teorema de Residuo de

Cauchy para la determinación directa de la Transformada - Z Inversa.

Teorema de Residuo de Cauchy .Sea f(z) una función analítica en un dominio

simplemente conexo D. Entonces, para cualquier punto z0 en D y cualquier trayectoria
simple cerrada C en D que encierre z0 y si f(z) no tiene polos en z = z0 , luego

ìf (z 0 ) si z 0 está den t ro de C
1 f (z) ï
ò
Ñ
2pj z - z 0
dz = í (6.49)
ï0
C

î si z 0 está fu e r a de C

La integración se realiza sobre el contorno C, en sentido contrario al de los punteros del

reloj. En forma más generalizada, si existe la derivada de orden (k - 1) de f(z) y f(z) no
tiene polos en z = z0 , entonces

ì 1 d k -1f (z)
ï k -1
si z 0 está dentro de C
ï (k - 1)! d z z= z0
1 f (z) ï
ò
Ñ
2pj (z - z 0 ) k
dz = í (6.50)
ï0
C
si z 0 está fuera de C
ï
ï
î

Los valores de los segundos miembros de (6.49) y (6.50) se denominan residuos del polo en
z = z0 . Las expresiones (6.49) y (6.50) son dos formas del Teorema de Residuo de Cauchy
.
Se puede aplicar (6.49) y (6.50) para obtener los valores de integrales más
generales. Por ejemplo, se supone que el integrando de la integral curvilínea es
f (z)
P(z) = (6.51)
g(z)

donde f(z) no tiene polos dentro del contorno C y g(z) es un polinomio con raíces simples
distintas p1 , p2 ,........., pn , las que están dentro de C. Luego

309
 1 f (z) 1 é n A i (z) ù
êå
2pj Ñò C g(z) 2pj Ñò C ë i =1 z - pi û
dz = ú dz

n
1 f (z) 1 A i (z)
ò
Ñ
2pj C g(z)
dz = å
i =1 2pj
ò
Ñ C z-p
dz (6.52)
i

n
1 f (z)
2pj Ñò C g(z)
dz = å
i =1
A i (pi )

donde
f (z)
Ai (z) = (z - pi )P(z) = (z - p i ) (6.53)
g(z)

Los valores Ai (pi) son los residuos de los polos correspondientes en z = pi , i = 1,2,....,n Por
lo tanto, el valor de la integral curvilínea es igual a la suma de los residuos de todos los
polos dentro del contorno C .
La Ecuación (6.52) fue obtenida desarrollando una expansión en fracciones
parciales del integrando y aplicando (6.49). Cuando g(z) tiene raíces múltiples y raíces
simples dentro del contorno, la expansión en fracciones parciales debe ser modificada
adecuadamente y (8.57) debe ser utilizada para evaluar los residuos de los polos
correspondientes.
Para el caso de Transformada - Z Inversa para polos pisimples , se tiene
1
x(n) =
2pj ò
Ñ C
X(z)z n -1dz

x(n) = å
todos los
éë residuo de X(z)z n-1 en z = pi ùû (6.54)
polos {pi } en C

x(n) = å (z - pi )X(z)z n -1
z = pi
i

Si X(z)zn-1 no tiene polos dentro del contorno C para uno o más valores de n, luego x(n)= 0
para estos valores de n.

Ejemplo 6.25 .

Utilizando la Integral de Inversión Compleja , evaluar la Transformada - Z Inversa de :

az -1
X(z) =
(1 - az -1 )2

310
Solución
X(z) dado se puede escribir como
az
X(z) =
(z - a)2
luego
1
x(n) =
2pj ò
Ñ C
X(z)z n -1dz

queda como
1 az a zn
2pj Ñò C (z - a)2 2pj Ñò C (z - a) 2
n -1
x(n) = z dz = dz

Considerando n ³ 0 se deduce que zn sólo tiene ceros en z = 0 y no polos dentro de C, el

único polo del integrando dentro de C es z = a . Aplicando (8.57), se obtiene

1 zn 1 dz n
2pj Ñò C (z - a)2
dz =
(2 - 1)! dz z =a

De donde
1 zn
ò
Ñ
2pj (z - a)
C 2
dz = na n -1

Por lo tanto
x(n) = ana n -1
Multiplicando, se obtiene

x(n) = nan

Para n < 0, zn tiene polos múltiples de orden n en z = 0, los cuales están dentro de C al igual
que el polo en z = a. Para n = -1 y aplicando (8.59), se tiene

n
1 f (z) 1 1
2pj Ñò C g(z)
dz =
2pj Ñò C z(z - a) 2
dz = å
i =1
A i (pi )

con
f (z)
Ai (z) = (z - pi )
g(z)

Con f(z) = 1/z y g(z) = 1/(z-a)2 y con p1 = 0 y p2 = a, se tiene que

å A (p ) = A (p ) + A
1
i i 1 1 2 (p 2 )

311
Como el polo z = 0 es simple, su residuo A1 (0) se determina por

1 1 1
A1 (0) = (z - 0) = =
z(z - a) 2 z =0
(z - a) 2 z =0
a2

Como el polo z = a es de multiplicidad 2, su residuo A2 (a) debe calcularse usando (6.50)

de la siguiente manera

1 z -1 dz -1 1
2pj Ñò C (z - a) 2
A 2 (a) = = =-
dz z =a
a2
Por lo tanto
a 1 æ 1 1 ö
x(-1) = ò
Ñ
2pj z(z - a)
C 2
dz = a ç 2 - 2 ÷ = 0
èa a ø

Si n = -2 , se tiene que los polos z = 0 y z = a, tienen multiplicidad 2, por lo tanto

a 1 é d(z - a)-2 dz -2 ù
2pj Ñò C z 2 (z - a) 2
x(-2) = dz = a ê + ú
êë dz z =0
dz z= a ú
û

x( -2) = a éë -2a 3 + 2a 3 ùû = 0

Por inducción se determina que x(n) = 0 para n < 0, por lo tanto

x(n) = na n u(n)

6.7.2. Método por Expansión en Serie de Potencias. La base de este método es que dada
una Transformada –Z, X(z), con su correspondiente ROC, se puede expandir X(z) en una
serie de potencia de la forma

¥
X(z) = åcz
n =-¥
n
-n

la cual converge en la ROC dada. Luego, por la unicidad de la Transformada – Z, x(n) = cn

para todo n. Si X(z) es racional, la expansión en serie de potencias se realiza desarrollando
la división larga correspondiente. El desarrollo o expansión en series de potencias puede
implicar sólo potencias positivas o negativas de z, esto dependerá de la ROC considerada.

312
Ejemplo 6.26.

Determinar la Transformada – Z Inversa de las siguientes transformadas, utilizando el

método de expansión en serie de potencias.

1 1
a) X(z) = -1
, ROC: z >
1+ z
1
2 2
1 1
b) X(z) = -1
, ROC: z <
1+ z
1
2 2
Solución
a) Para el caso de que la ROC sea ôzô> 1/2, se tiene que x(n) es de tipo causal, lo que
determina que los términos del polinomio sean potencia de z-1. Por lo tanto, la expansión en
serie de potencia se realiza de la siguiente manera

1 - 12 z -1 + 14 z -2 - 18 z -3 + 161 z -4 - 321 z -5 + .........

1 + 12 z -1 1
1 + 12 z -1
- 12 z -1
- 12 z -1 - 14 z -2
1
4 z -2
1
4 z -2 + 81 z -3
- 18 z -3
- 18 z -3 - 161 z -4
1
16 z -4
1
16 z -4 + 321 z -5
Por lo tanto
X(z) = 1 - 12 z -1 + 14 z -2 - 18 z -3 + 161 z -4 - 321 z -5 + ..........

En consecuencia

x(n) = {1, - 12 , 14 , - 81 , 161 , - 321 ,.........}

313
b) Como en este caso la ROC es ôzô< 1/2, se tendrá que x(n) deberá ser una señal
anticausal. Luego, el polinomio correspondiente sólo contendrá potencias positivas de z por
lo que la división larga se realiza de la siguiente manera

2z - 4z 2 + 8z 3 - 16z 4 + 32z 5 - ...........

1
2 z -1 + 1 1
1 + 2z
-2z
-2z - 4z 2
4z 2
4z 2 + 8z3
-8z3
Lo que determina que
x(n) = {...............,32, -16,8, -4, 2, 0}

En el caso de señales anticausales, para realizar la división larga, los polinomios se escriben
comenzando con el término con potencia más negativa de z.

En general, el método de división larga es adecuado en los casos que se desee determinar
los valores de las primeras muestras de la señal. Cuando es posible determinar fácilmente el
término genérico del polinomio x(n), se puede emplear una forma más compacta para la
expresión de x(n).

Ejemplo 6.27.

Determinar la Transformada – Z Inversa de

X(z) = log(1 + az -1 ) , | z | < | a |
Solución.
La expansión en serie de potencias de la expresión dada de X(z) está dada por
¥
(-1)n +1 a n z - n
X(z) = å (I)
n =1 n
¥
Como X(z) = å x(n)z
n =-¥
-n
, de (I) se deduce que

ì n +1 a
n
ï(-1) n ³1
x(n) = í n
ï0 n£0
î

314
6.7.3. Método por Expansión en Fracciones Parciales. En determinados problemas es
deseable expresar la función X(z) como una combinación lineal de X1(z), X2(z),......, Xk(z),
es decir,
X(z) = a1X1 (z) + a 2 X 2 (z) + ......... + a k X k (z) (6.55)

Donde X1(z), X2(z),......, Xk(z) son expresiones con transformadas inversas x1(n), x2(n),..... ,
xk(n),. Si es posible tal descomposición de X(z), x(n) puede determinarse aplicando
transformación inversa a X(z), lo que da por resultado

x(n) = a1 x1 (n) + a 2 x 2 (n) + ......... + a k x k (n) (6.56)

El método por expansión en fracciones parciales es particularmente útil si X(z) es una

función racional, de la forma indicada en la ecuación (6.37). Sin perder generalidad, en la
ecuación (6.37) se puede asumir a0 = 1, de manera que (6.37) puede expresarse como

N(z) b0 + b1z -1 + .......... + bM z - M

X(z) = = (6.57)
D(z) 1 + a1z -1 + ............ + b N z - N

Si a0¹ 1, se puede obtener la forma de (6.57), dividiendo tanto el numerador como el

denominador de (6.37) por a0.
Función Racional Propia. Una función racional da la forma dada por (6.57) se llama
propia si aN¹ 0 y M < N. En una función racional se tiene que el número finito de ceros es
menor que el número finito de polos.
Función Racional Impropia. Una función racional de la forma dada por (6.57), se
denomina impropia cuando aN¹ 0 y M ³ N. En este tipo de función el número finito de
ceros es mayor o igual que el número finitos de polos y presenta la característica que puede
escribirse como la suma de un polinomio en z y de una función racional propia.

Ejemplo 6.28.

Expresar la función impropia X(z) dada, en términos de un polinomio y de una función

propia.
-1 + 2z -3
X(z) =
1 - 12 z -1 + 18 z -2
Solución.
Como se desea expresar X(z) en términos de un polinomio y de una función propia, se
requiere para ésta última que el módulo del mayor exponente negativo del numerador sea
menor que el módulo del mayor exponente negativo del denominador. Por lo tanto, es
necesario eliminar el término en z-3 del numerador de X(z) y para ello se realiza el siguiente
proceso: se realiza una división larga con los polinomios invertidos del numerador y del
315
denominador, parando la división larga cuando el orden del residuo sea z-1, tal como se
muestra a continuación
16z-1 + 64

1
8 z -2 - 12 z -1 + 1 2z -3 - 1
2z -3 - 8z-2 + 16z-1
8z -2 - 16z -1 - 1
8z -2 - 32z-1 + 64

16z-1 - 65
Por lo tanto
-65 + 32z -1
-1
X(z) = 64 + 16z +
1 - 12 z -1 + 18 z -2

Si X(z) es una función racional impropia (M ³ N), se puede expresar como

N1 (z)
X(z) = c0 + c1z -1 + ............ + c M - N z M - N + (6.58)
D1 (z)

La Transformada –Z Inversa del polinomio puede ser determinada fácilmente por

inspección. Para obtener la Transformada – Z Inversa de la función propia se puede
emplear el siguiente proceso: se realiza la expansión en fracciones parciales de la función
propia, para enseguida calcular la transformada inversa de cada término.
Sea X(z) una función racional propia, dada por

N(z) b 0 + b1z -1 + ............. + b M z - M

X(z) = = (6.59)
D(z) 1 + a1z -1 + ................ + a N z - N
donde
aN¹ 0 y M<N

Por simplicidad se eliminan las potencias negativas de z multiplicando tanto el numerador

como el denominador de (6.59) por zN, obteniéndose
b0 z N + b1z N -1 + ............. + b M z N - M
X(z) = (6.60)
z N + a1z N -1 + ................ + a N

Dividiendo (6.60) por z, se obtiene

316
 X(z) b 0 z N -1 + b1z N - 2 + .......... + b 0 z N - M -1
= (6.61)
z z N + a1z N -1 + ........... + a N

Dado que N > M, (8.68) es siempre función propia.

El objetivo de la expansión en fracciones parciales es expresar (6.61) o
equivalentemente (6.59) como una suma de fracciones simples. Para este propósito,
primero se factoriza el polinomio del denominador de (6.61) en factores que contengan los
polos p1, p2,.........., pN de la función X(z). Se considerarán dos casos:

Polos Diferentes. Supóngase que todos los polos p1, p2,.........., pN son distintos. En este
caso, se tendrá la siguiente forma de expansión en fracciones parciales

X(z) A1 A2 AN
= + + .......... + (6.62)
z z - p1 z - p 2 z - pN
El problema consiste en determinar los coeficientes A1, A2, ..........., AN.

Ejemplo 6.29.

Determinar la expansión en fracciones parciales de la función propia dada por

5 -1
z
X(z) = 6
1 - z - z -2
1 -1
6
1
6

Solución.
Para eliminar las potencias negativas de z, tanto el numerador como en el denominador de X(z) se
multiplican por z2, obteniéndose

5
z
X(z) = 6

z - z - 16
2 1
6

Los polos de X(z) son: p1 = 1/2 y p2 = -1/3 . Por lo tanto, la expansión en fracciones parciales tiene
la siguiente expresión

5
X(z) A A
= 6
= 11 + 21
z (z - 2 )(z + 3 ) z - 2 z + 3
1 1

Un método muy simple para determinar A1 y A2 es multiplicar la ecuación por el denominador (z –

1/2) (z + 1/3), lo cual da por resultado

5
6 = A1 (z + 13 ) + A 2 (z - 12 )

317
Ecuación que se puede escribir como

5
6 = (A1 + A 2 )z + A31 - A22

De donde se obtienen las siguientes ecuaciones

A1 + A 2 = 0

A1 A 2 5
- =
3 2 6

Resolviendo tal sistema de ecuaciones, se obtiene

A1 = 1 y A2 = -1

Otra forma de calcular A1 y A2 , es retomar la ecuación (I) y realizar el siguiente proceso:

Se evalúa (I) en z = p1 = 1/2 , con lo cual se elimina el término en A2 , obteniéndose

5
6 = A1 ( 12 + 13 ) = A1 56 Þ A1 = 1

Ahora en (I) z = p2 = - 1/3 , con lo cual se elimina el término en A1, o sea

5
6 = A2 (- 12 - 13 ) = -A 2 56 Þ A2 = -1

Por lo tanto, la expansión en fracciones parciales queda como

Xz 1 1
= -
z z - 12 z + 13
Ecuación que se puede escribir como

z z
X(z) = -
z - 2 z + 13
1

El ejemplo anterior sugiere que se pueden determinar los coeficientes A1, A2,........., An,
multiplicando los dos miembros de (6.62) por cada término (z – pk), k = 1, 2,.........., N y
evaluando las expresiones resultantes en la correspondiente posición de los polos p1,
p2,......., pN. En general se tendrá
318
 (z - p k )X(z) (z - p k )A1 (z - p k )
= + .... + A k + ..... + (6.63)
z z - p1 z - pN

En consecuencia, con z = pk, se obtienen los k – ésimos coeficientes Ak dados por

(z - p k )X(z)
Ak = , k= 1,2,........, N (6.64)
z z = pk

Ejemplo 6.30.

Determinar la expansión en fracciones parciales de

10(1 - 12 z -1 )
X(z) =
1 - 2z -1 + z -2
Solución.
Para eliminar las potencias negativas de z, se multiplican tanto el numerador como el
denominador por z2, obteniéndose
10z 2 - 10 12 z
X(z) = 2
z - 2z + 1

De aquí, se determina X(z)/z, razón que tiene la siguiente expresión

X(z) 10z - 10 12
= 2
z z - 2z + 1
los polos de X(z) son
2 2 2 2
p1 = +j , p2 = -j
2 2 2 2
Dado que p1¹ p2, se tendrá la siguiente forma de expansión
X(z) 10z - 10 12 A1 A2
= = +
z (z - p1 )(z - p 2 ) z - p1 z - p 2
luego
(z - p1 )X(z) 10z - 10 12 10( 2
+ j 22 ) - 10 1
A1 = = = =5
2 2

z z = p1 (z - p 2 ) z = p1 2
2
+j 2
2
- 2
2
+j 2
2

(z - p 2 )X(z) 10z - 10 12 10( 2

-j 2
) - 10 1
A2 = = = =5
2 2 2

z z =p 2 (z - p1 ) z =p 2 2
2
-j 2
2
- 2
2
-j 2
2

319
Luego, la expansión en fracciones parciales queda

X(z) 5 5
= +
z z- 2 - j
2
2
2
z- + j
2
2
2
2

Por lo que la expresión de X(z) es

5z 5z
X(z) = +
z - 22 - j 2
2
z - 22 + j 2
2

La expansión (6.62) y la fórmula (6.64) son válidas tanto para polos reales como para polos
complejos, la única restricción es que todos los polos sean diferentes. En general, un par de
polos complejos conjugados determinarán coeficientes complejos A1 y A2 en la expansión
en fracciones parciales, cumpliéndose que A2 = A1* .

Polos Múltiples. Si X(z) tiene un polo de multiplicidad m, es decir, que contiene el factor
(z – pk)m en su denominador, se tendrá que la ecuación (6.62) deja de tener validez. Por lo
tanto, en este caso se requiere una forma de expansión en fracciones parciales diferente. La
expansión en fracciones parciales correspondiente al polo de multiplicidad m, tiene la
siguiente forma

A k1 Ak 2 A km
+ + .......... + (6.65)
z - pk ( z - pk ) 2
( z - pk )
m

Los coeficientes {Akj} para j < m, pueden ser evaluados realizando la siguiente derivación

1 é dm- j é H(z) ù ù
A kj = ê (z - p k ) m
z úû úû z =p
m- j ê
j = 1,2,....., m -1 (6.66)
(m - j)! ë dz ë
k

El coeficiente Akm se evalúa aplicando la ecuación

(z - p k ) m
A km = H(z) (6.67)
z z = pk

320
Ejemplo 6.31.

Determinar la expansión en fracciones parciales de

1
X(z) =
(1 - 2z )(1 - z -1 ) 2
-1

Solución.
Considerando potencias positivas de z, se tiene

X(z) z2
=
z (z - 2)(z - 1) 2

X(z) tiene un polo simple z = p1 = 2 y un polo doble en z = p2 = 1. Luego, una expansión

en fracciones parciales apropiada es

X(z) z2 A A A 22
= = 1 + 21 +
z (z - 2)(z - 1) 2
z - 2 z - 1 (z - 1) 2
Luego
(z - 2)H(z) z2
A1 = = =4
z z= 2 (z - 1)2 z= 2

(z - 1) 2 H(z) z2
A 22 = = = -1
z z =1
z - 2 z =1
d é (z - 1) 2 X(z) ù
A 21 = ú = -3
dz êë z û z =1
Por lo que la expresión de X(z) se puede escribir como

4z 3z z
X(z) = - -
z - 2 z - 1 (z - 1) 2

Uso de MATLAB en la expansión en Fracciones Parciales. Para realizar la expansión en

fracciones parciales de una función racional asociada a problemas en tiempo discreto, con
polos diferentes, MATLAB emplea la función residuez.
Función residuez. La sintaxis de la función residuez es

[r,p,k] = residuez(b,a) (6.68)

y
[b,a]= residuez(r,p,k) (6.69)

321
La ecuación (8.75) determina los residuos (r), los polos (p) y los términos (k) asociados al
polinomio en z, de una expansión en fracciones parciales de la razón de dos polinomios
b(z) y a(z), o sea
b(z) b0 + b1z -1 + b2 z -2 +·······+ b m z - m
= (6.70)
a(z) a 0 + a1z -1 + a 2 z -2 ·······+a n z - n
No existiendo polos múltiples y con m > n –1, la expansión en fracciones parciales de
b(z)/a(z), es
b(z) r(1) r(n)
= k(1) + k(2)z -1 +·······+k(m - n + 1)z - (m -n ) + -1
+········+ )(6.71)
a(z) 1 - p(1)z 1 - p(n)z -1

Los vectores b y a especifican los coeficientes de los polinomios b(z) y a(z),

respectivamente, en potencias descendentes de z (8.77).
El vector k de coeficientes de términos directos es vacío si la longitud del vector b
es menor que la longitud del vector a (m < n)
La ecuación (6.71), representa la conversión de la expansión en fracciones parciales a la
expresión de los vectores b y a, para obtener b(z)/a(z).

Ejemplo 6.33.

Determinar la expansión en fracciones parciales, usando MATLAB, la función racional

z3 + z + 1
X(z) =
z3 - 1,5z 2 + 0.75z - 0.25
Solución.
El programa MATLAB para determinar la expansión en fracciones parciales de X(z) dada,
es
>> % Expansion en fracciones parciales de
>> % X(z)=(z^3+z+1)/(z^3-1,5z^2+0,75z-0,25)
>> z=sym('z');
>> b=[1 0 1 1];
>> a=[1 -1.5 0.75 -0.25]; [r,p,k]=residuez(b,a)
r=
4.0000
0.5000 + 3.1754i
0.5000 - 3.1754i
p=
1.0000
0.2500 + 0.4330i
0.2500 - 0.4330i
k=
-4

322
Por lo tanto

X(z) = -4 +
4z
+
( 0,5 + j3,1754 ) z + ( 0, 5 - j3,1754 ) z
z - 1 z - ( 0, 25 + j0, 433) z - ( 0, 25 - j0, 433)

Ejemplo 6.34.

Se tiene la siguiente expansión en fracciones parciales de X(z)

0, 6689 + j0, 2365 0, 6689 - j0, 2365

X(z) = -0, 3387 + -1
+
1 - (-0,5 + j0, 7)z 1 - (-0,5 - j0, 7)z -1

Emplear MATLAB para obtener la expresión racional de X(z)=b(z)/a(z).

Solución
Para la resolución del problema, el programa MATLAB a desarrollar es

>> % Obtencion de los polinomios b(z) y a(z) de X(z)

>> % a partir de la expansion en fracciones parciales de X(z);
>> r=[0.6689+0.2365i 0.6689-0.2365i];
>> p=[-0.5+0.7i -0.5-0.7i];
>> k=[-0.3378];
>> [b,a]=residuez(r,p,k)
b=

1.0000 0.0000 -0.2500

a=

1.0000 1.0000 0.7400

Luego, la forma polinomial de X(z) es

1 - 0, 25z -2
X(z) =
1 + z -1 + 0, 74z -2

323
Determinación de x(n). Realizada la expansión en fracciones parciales de X(z), se puede
determinar x(n) a partir de esta expansión. De acuerdo a (6.62), se tiene

1 1 1
X(z) = A1 -1
+ A2 -1
+ ......... + A N (6.72)
1 - p1z 1 - p2z 1 - p N z -1
La Transformada – Z Inversa x(n) = Z-1{X(z)}, puede ser obtenida tomando la inversa a
cada término en (6.72) y considerando la correspondiente combinación lineal. De la Tabla
6.3 se tiene que estos términos pueden ser invertidos usando la fórmula

ì( p k ) n u(n) si ROC: z > p k

ï
ì 1 ü ï (señales causales)
Z -1 í -1 ý
=í (6.73)
î1 - p k z þ ï- ( p k ) u(- n - 1) si ROC: z < p k
n

ï
î (señales anticausales)

Si la señal x(n) es causal, la ROC es ôzô>pmáx , donde pmáx= máx{ôp1ô, ôp2ô,...,ôpNô}.

En este caso todos los términos en (6.72) son componentes de una señal causal y la señal
x(n) está dada por
x(n) = (A1p1n + A 2 p n2 + ........... + A N p nN )u(n) (6.74)

Si todos los polos son reales, la expresión deseada de x(n) es (6.74). Luego, una señal
causal que tiene una Transformada – Z que contiene polos reales y distintos, es una
combinación lineal de señales exponenciales reales.
Si todos los polos son diferentes, pero algunos de ellos son complejos, se tiene que
algunos de los términos de (6.74) son componentes exponenciales complejas. Sin embargo,
si la señal x(n) es real, estos términos complejos podrían ser reducidos a reales. Si x(n) es
real, los polinomios que aparecen en X(z) tienen coeficientes reales. En este caso, si pk es
un polo, su complejo p*k es también un polo, por lo que los coeficientes de la expansión en
fracciones parciales son también complejos conjugados. Luego, la contribución de dos
polos complejos conjugados es de la forma

x k (n) = éë A k (p k ) n + A*k (p*k ) n ùû u(n) (6.75)

Estos dos términos pueden ser combinados para formar una componente real de señal.
Primero, Ak y pk se expresan en forma polar, o sea

A k = A k e jak (6.76)

p k = p k e jbk (6.77)
324
dondeak y bk son componentes de fase de Ak y de pk respectivamente. Empleando estas
relaciones en (6.76), se tiene

x k (n) = A k p k éëe j(bk n +a k ) + e - j(bk n +ak ) ùû u(n)

n
(6.78)
o en forma equivalente

x k (n) = 2 A k p k cos(bk n + a k )u(n)

n
(6.79)

Por lo que
ì Ak A*k ü
Z -1 í + = 2 A k p k cos(bk n + a k )u(n)
n
* -1 ý
-1
(6.80)
î1 - p k z 1 - pk z þ

si la ROC es ôzô>ôpkô.
De (6.80) se observa que cada par de polos complejos conjugados en dominio – Z resulta
en una componente senoidal de señal causal con una envolvente exponencial. La distancia
ôpkô del polo al origen, determina el peso exponencial (creciendo si ôpkô.> 1, decayendo
si ôpkô.< 1, constante si ôpkô.=1). El ángulo de los polos con el semieje real positivo
proporciona la frecuencia de la componente de señal senoidal. Los ceros, o
equivalentemente el numerador de la transformada racional afectan indirectamente a la
amplitud y a la fase de xn(n) a través de Ak.
En el caso de multipolos, ya sean reales o complejos, se requiere que la
transformada inversa de forma A/(p – pk)n. Por ejemplo, para el caso de polo doble, de
acuerdo a la Tabla 6.1, se utiliza el siguiente par de transformada

ì pz -1 ü
Z -1 í -1 2 ý
= np n u(n) (6.81)
î (1 - pz ) þ

siempre que la ROC sea ôzô>ôpô.

Ejemplo 6.35.

Determinar la Transformada – Z Inversa de

1
X(z) =
1 - 0,5z + 0, 06z -2
-1

si
a) ROC: ôzï> 0,3
b) ROC: ôzï< 0,2
c) ROC: 0,2 <ôzï< 0,3

325
Solución.
Realizando la expansión en fracciones parciales de X(z), se tiene
z2 z2
X(z) = =
z 2 - 0,5z + 0, 06 (z - 0,3)(z - 0, 2)
luego
X(z) z A1 A2
= = +
z (z - 0,3)(z - 0, 2) z - 0,3 z - 0, 2
de donde
H(z) z
A1 = (z - 0,3) = =3
z z= 0,3 z - 0, 2 z =0,3

H(z) z
A 2 = (z - 0, 2) = = -2
z z =0,2 z - 0,3 z= 0,2
Por lo que

3z 2z 3 2
X(z) = - = -1
- (I)
z - 0, 3 z - 0, 2 1 - 0,3z 1 - 0, 2z -1

Con esta expresión de X(z), se procederá a analizar los tres casos de ROC propuestos.

a) En este caso la ROC es ôzï> 3, por lo tanto la señal x(n) es causal y ambos términos
del segundo miembro de (I) son componentes causales. Considerando (8.80), se obtiene

x(n) = 3(0,3)n u(n) - 2(0, 2) n u(n)

b) Cuando la ROC es ôzï< 0,2, la señal x(n) es anticausal, luego ambos términos del
segundo miembro de (I) son componentes anticausales. De (6.69), se tiene

x(n) = éë -3(0, 3) n + 2(0, 2) n ùû u( - n - 1)

c) En este caso la ROC es 0,2 <ôzï< 0,3, es decir es un anillo, lo cual implica que la señal
x(n) es bilateral. Luego, un término del segundo miembro de (I) es una componente causal
y el otro término una componente anticausal. Obviamente, la ROC es el traslape de las
regiones ôzï> 0,2 y ôzï< 0.3. De aquí que el polo p2 = 0,2 proporciona la parte causal y el
polo p1 = 0,3 la anticausal. En consecuencia

326
 x(n) = -3(0,3) n u(-n - 1) - 2(0, 2) n u(n)

Ejemplo 6.36.

Determinar la señal causal x(n) que tiene la Transformada – Z dada por

6z
X(z) =
(2z + 2z + 1)(3z + 1)
2

Solución.
Los polos de X(z) son
1 1 1 1
p1 = -3 ; p2 = - + j ; p3 = - - j
2 2 2 2

Por lo tanto, X(z)/z se puede escribir como

X(z) 1
=
z (z + 3 ) [ z - (- 2 + j 12 )][ z - (- 12 - j 12 )]
1 1

Por lo que la expansión en fracciones parciales de X(z)/z es

X(z) A1 A2 A3
= + +
z z - (- 3 ) z - (- 2 + j 2 ) z - (- 12 - j 12 )
1 1 1

Con
X(z) 1 18
A1 = (z + 13 ) = =
z z=- 13 [ z - (- 2 + j 2 )][ z - (- 2 - j 2 )] z =- 1 5
1 1 1 1
3

X(z) 1 9 3
A 2 = (z - p 2 ) = = - +j
z z = p2 (z + 13 ) [ z - (- 12 - j 12 )] z = p 5 5
2

X(z) 1 9 3
A3 = (z - p3 ) = = A *
= - -j
z z= p3 (z + 13 ) [ z - (- 12 + j 12 )] z =p
2
5 5
3

Considerando los valores encontrados para A1, A2, A3, X(z) tiene la siguiente expresión

327
 18
- 95 + j 35 - 95 - j 35
X(z) = 5
+ +
1 - (- )z -1
1
3 1 - (- 12 + j 12 )z -1 1 - (- 12 - j 12 )z -1

Como en este caso se aplica la ecuación (8.83), se considera A2 =Ak y p2 = pk, luego

( - 95 ) + ( 53 ) RA 2 = a 2 = tg -1 ( -31 ) = 161, 570

2 2
A2 = = 53 10 ;

p2 = ( - 12 ) + ( 12 ) Rp 2 = tg -1 ( -1) = 1350
2 2
= 2
4
= 1
2
;
y aplicando x(n) = Z-1{X(z)}, Tabla 8.1 y ecuación(8.83), se obtiene

n
18 æ 1 ö
n
6 æ 1ö
x(n) = ç - ÷ u(n) + 10 çç ÷÷ cos éë(135 )n + 161,57 ùû u(n)
0 0

5 è 3ø 5 è 2ø

Ejemplo 6.37.

Determinar la señal causal x(n) que tiene la Transformada – Z dada por

1
X(z) =
(1 - 2z )(1 - z -1 ) 2
-1

Solución

X(z) se puede escribir como

z3
X(z) =
(z - 2)(z - 1)2
Por lo cual X(z)/z queda

X(z) z2 A A A3
= = 1 + 2 +
z (z - 2)(z - 1) 2
z - 2 z - 1 (z - 1) 2
Con
X(z) z2
A1 = (z - 2) = =4
z z =2 (z - 1)2 z= 2

X(z) z2
A 21 = (z - 1)2 = = -1
z z =1 z - 2 z =1

328
 d é (z - 1)2 X(z) ù d é z2 ù
A 22 = = ú = -3
dz êë z ú ê
û z =1 dz ë z - 2 û z =1

Lo que determina que X(z) tenga la siguiente expresión

4z 3z z 4 3 z -1
X(z) = - - = - -
z - 2 z - 1 (z - 1)2 1 - 2z -1 1 - z -1 (1 - z -1 )2

Luego, aplicando transformación inversa a cada término de la ecuación anterior, y

específicamente (6.77) al último término del segundo miembro, se obtiene

x(n) = 4(2) n u(n) - 3u(n) - nu(n) = éë 4(2) n - 3 - n ùû u(n)

6.7.4. Uso de MATLAB para la determinación de Transformada – Z Unilateral

Inversa. MATLAB permite las siguientes técnicas para determinar x(n) a partir de su
Transformada – Z Unilateral X+(z).
Función iztrans. Para determinar la función x(n) a partir de su Transformada – Z Unilateral
X+(z), MATLAB hace uso de la función iztrans, cuya sintaxis es x = iztrans(X).

Ejemplo 6.38.

Usando MATLAB, determinar x(n) para los casos siguientes

3z
a) X + (z) =
(2 - z)3
5z + 1
b) X + (z) =
4z + 4z + 1
2

Solución

a) El programa MATLAB es

>> % Determinacion de x(n) a partir de X+= 3z/(2-z)3

>> z = sym('z');
>> X=3*z/(2-z)^3;
>> x=iztrans(X)
x=
3/8*2^n*n-3/8*2^n*n^2

329
Luego
3
x(n) = 2n n (1 - n ) u(n)
8

b) El programa MATLAB es

>> %Determinacion de x(n) a partir de X+(z)=(5z+1)/(4z^2+4z+1)

>> z=sym('z');
>> X=(5*z+1)/(4*z^2+4*z+1);
>> x=iztrans(X)
x=
charfcn[0](n)-(-1/2)^n-3/2*(-1/2)^n*n

De donde

x(n) = d(n) - (1 + 1,5n)(-0,5) n n³ 0

En algunos casos, la expresión que entrega la función iztrans, no es la más simple como lo
ilustra el ejemplo siguiente

Ejemplo 6.39.

Resolver el Ejemplo 6.36, usando MATLAB.

Solución
Como la señal x(n) es causal, sus Transformadas – Z Bilateral y Unilateral, son iguales.
Luego, se puede aplicar directamente la función iztrans a la función X(z) dada, la cual
puede escribirse como
6z
X(z) = 3
6z + 8z 2 + 5z + 1
En este caso, el programa MATLAB es

>> % Determinacion de x(n) a partir X(z), aplicando la funcioniztrans

>> z=sym('z');
>> X=6*z/(6*z^3+8*z^2+5*z+1);
>> x=iztrans(X)
x=
18/5*(-1/3)^n-6/5*sum(-(1/_alpha)^n/_alpha+(1/_alpha)^n,_alpha
=RootOf(_Z^2+2*_Z+2))

330
Para obviar este resultado poco claro, se puede realizar la expansión en fracciones parciales
de X(z) y aplicar la función iztrans a esta expansión. Considerando que X(z) es una
fracción propia, el programa MATLAB es

>> % Expansion en fracciones parciales de X(z)

>> b=[0 0 6 0];
>> a=[6 8 5 1];
>> [r,p,k]=residuez(b,a);
>> % Determinacion de x(n) a partir de la expansion en fracciones parciales
>> z=sym('z');
>> X=r(1)*z/(z-p(1))+r(2)*z/(z-p(2))+r(3)*z/(z-p(3));
>> x=iztrans(X)
x=
-9/5*(-1/2+1/2*i)^n+3/5*i*(-1/2+1/2*i)^n-9/5*(-1/2-1/2*i)^n-3/5*i*(-1/2-
1/2*i)^n+18/5*(-1/3)^n

Resultado que se puede escribir como

ìï18 æ 1 ö n 9 éæ 1 1 ön æ 1 1 ö n ù 3 éæ 1 1 ö æ 1 1 ö ù üï
n n

x(n) = í ç - ÷ - êç - + j ÷ + ç - - j ÷ ú + j êç - + j ÷ - ç - - j ÷ ú ý u(n)
îï 5 è 3 ø 5 êëè 2 2 ø è 2 2 ø úû 5 êëè 2 2 ø è 2 2 ø úû þï

Queda como ejercicio para el lector verificar, que el resultado obtenido es idéntico al del
Ejemplo 6.36.

PROBLEMAS

6.1. Determinar la Transformada – Z de las siguientes señales

a) x(n) = {2, 0, 0, 0, 4,1, -3}

ìï( 1 )n n³4
b) x(n) = í 3
ïî0 n£3

6.2. Determinar la Transformada – Z de las señales siguientes:

a) x(n) = u(n) – u(n –3).
b) x(n) = 2(0,6)n u(n).

331
6.3. Determinar la Transformada – Z, dibujar el diagrama de polos – ceros y la ROC de las
siguientes señales
a) x(n)=d(n)+3d(n-2)
b) x(n)= é( 13 ) + [ 12 ] ù u(n)
n n

ë û
c) x(n)= ( 12 ) nu(n)
n

d) x(n)= ( 12 )
n -2
u(n - 2)
e) x(n)=(n-1)u(n)-nu(n - 2)
f) x(n)= 12 (n 2 + n) ( 13 )
n -1
u(n - 1)
g) x(n)=na n cos(nW0 )u(n)
h) x(n)=e-an (sen 2 nW)u(n)
i) x(n) = ( 12 ) [ u(n) - u(n - 8) ]
n

j) x(n) = {1, -1, 0,1, 0, -1,1,..........}

k) x(n) = -a n u(-n - 1)

6.4. Determinar la Transformada – Z y dibujar la ROC de las siguientes señales

ìï( 12 ) n n ³ 0
a) x(n) = í -3
ïî( 13 ) n<0

ìï( 12 ) n -2 n n³0
b) v(n) = í
ïî0 n<0
ì0 n<0
ï1 0£n<5
ï
c) w(n) = í
ï2 5 £ n < 10
ïî3 n ³ 10
d) p(n) = n (1 + e - jan ) u(n)

6.5. Si se tiene que

n
y(n) = å x(k)
k =-¥

Usando y(n) – y(n – 1), expresar la Transformada – Z Y(z), se la señal y(n), en términos de
la Transformada – Z X(z) de la señal x(n)..

332
6.6. Empleando Transformada – Z, determinar la convolución de las siguientes señales

ìï( 13 ) n n³0
x(n) = í - n
ïî( 12 ) n<0

y(n) = ( 12 ) u(n)
n

6.7. Empleando Transformada – Z, determinar la convolución x(n)*y(n) entre los siguientes

pares de señales
a) x(n) = ( 14 ) u(n - 1) y(n)= é1+ ( 12 ) ù u(n)
n n
,
ë û
b) x(n) = ( 13 ) u(n)
n
, y(n)=(cospn)u(n)
c) x(n) = {1, 1, 1, 1, 1,} , y(n) = {1, 1, 1}

d) x(n) = ( 12 ) u(n) y(n)= ( 13 ) u(n)

n n
,
e) x(n) = {1, 2, 3, 4} , y(n) = {4, 3, 2, 1}

6.8. Empleando Transformada – Z, determinar la secuencia autocorrelación rxx (l ) de las

señales dadas por
a) x(n) = e jnp u(n)
b) x(n) = cos ( n3p ) u(n)

6.9. a) Dibujar el diagrama de polos y ceros para la señal

x(n) = q n (senW0 n)u(n) 0<q<1

b) Determinar la Transformada – Z Y(z) que corresponde al diagrama de polos y ceros

obtenido en el apartado a). Comparar X(z) con Y(z). ¿Son idénticas?. Si no es así, indicar
un método para obtener X(z) a partir del diagrama de polos y ceros obtenido.

6.10 Una señal causal de tiempo discreto x(n), tiene como Transformada –Z:

z
X(z) =
5z - 3z - 2
2

333
Determinar la Transformada –Z de las siguientes señales
a) y(n) = x(n – 2)u(n – 2)
b) y(n) = x(n + 3)u(n + 3)
c) y(n) = cos(4n)x(n)

6.11. Usando las propiedades de la Transformada – Z, determinar las Transformadas – Z de

las siguientes señales de tiempo discreto
a) x(n) = cos2(Wn)u(n).
b) x(n) = ncos(Wn)u(n).
c) x(n) = e-bn cos2(Wn)u(n).
d) x(n) = n e-bnsen(Wn)u(n).

6.12. Aplicar la propiedad de la diferenciación para determinar la Transformada – Z de la

secuencia
x(n) = na n u(n)

6.13. Para las secuencias x1(n) y x2(n), se tiene que la relación de Parseval establece que

¥ p
1
å
n =-¥
x1 (n)x *2 (n) = ò X1 (W)X2 (W)dW
2p -p

Si se tiene que x1(n) = x2(n) = x(n), siendo x(n) una secuencia real. Siendo x(n) una
secuencia real derecha, aplicar Parseval y el teorema de residuo de Cauchy para demostrar
que
¥
a(1 - b 2 ) - b(1 - a 2 )
å x (n) = (a - b)(1 - a 2 )(1 - b2 )(1 - ab)
n =-¥
2

6.14. El diagrama de polos – ceros mostrado en la Figura P6.14, corresponde a la

transformada – Z X(z) de una señal causal x(n). Dibujar el diagrama de polos – ceros de
Y(z), siendo y(n) = x(-n + 2). Especificar la ROC para Y(z).
Figura P 6.14
Im
j1 X
Plano - Z
2

X 1
- 34 2 Re

- j 12 X

334
6.15. Determinar la Transformada – Z y la ROC de la señal de tiempo discreto

x(n) = (0,5)|n| , con - ¥< n <¥

6.16. Determinar la Transformada – Z Unilateral de las señales

a) x(n) = d(n) + 3d(n - 1) .
b) x(n) = 2u(n - 2) .
c) x(n) = 2u(n + 2) .
d) x(n) = {1, -2, 2, -2, 1}.

x(n) = - ( 12 ) u ( - n - 1) .
n
e)

6.17. Determinar la Transformada – Z Unilateral de las señales de tiempo discreto.

a) x(n) = e0,5n u(n) + u(n – 3)
b) x(n) = (n – 2)u(n) – nu(n – 4)
c) x(n) = (0,5)-n u(n – 1)

6.18.Aplicar el teorema del valor final para determinar x(¥) para la señal

ì2 si n es par
x(n) = í
î0 otros valores

6.19. Determinar la Transformada – Z inversa x(n) de

z
X(z) =
3z - 4z + 1
2

si
a) ROC: 1 < | z | <¥
b) ROC: 0 < | z | < 1/3
c) ROC: 1/3 < | z | <1,

6.20. Dada la Transformada – Z X(z)

X(z) = log(1 + az -1 ) , ROC :ôzô>ôaô

Aplicar las propiedades de linealidad, desplazamiento temporal y diferenciación para determinar la

transformada – Z inversa x(n).

335
6.21. Determinar la señal causal x(n) si su transformada – Z X(z) está dada por
1 + 3z -1
a) X(z) =
1 + 3z -1 + 2z -2
z -4 + z -5
b) X(z) =
1 + z -1
1 + 2z -1 + z -2
c) X(z) =
1 + 4z -1 + 4z -2
1 - bz -1
d) X(z) = -1
z -b
2 - 32 z -1
e) X(z) =
1 - 32 z -1 + 12 z -2

6.22. Usando el método indicado, determinar la secuencia asociada con cada una de las
siguientes transformadas – Z.
1 - 14 z -1
a) X(z) = , por división larga y x(n) es una secuencia derecha.
1 + 14 z -1
1 - 2z -1
b) X(z) = , por expansión en fracciones parciales y x(n) es absolutamente
1 - 52 z -1 + z -2
sumable.
3z
c) X(z) = , por expansión en fracciones parciales y x(n) es absolutamente
z - 14 z - 81
2

sumable.

6.23. Empleando división larga, determinar la transformada – Z Inversa x(n), si su

transformada – Z X(z) es
1 + 2z -1
X(z) =
1 - 2z -1 + z -2
si
a) x(n) es causal.
b) x(n) es anticausal.

6.24. Determinar la transformada – Z Inversa x(n) , usando cualquier método, para cada una
de las siguientes transformadas – Z X(z)
1
a) X(z) = , x(n) es secuencia estable.
(1 + 3 z )(1 - 2z -1 )(1 - 3z-1 )
1 -1

z 3 - 2z
b) X(z) = , x(n) es secuencia derecha.
z-2

336
6.25. Aplicando propiedades de la transformada – Z, determinar la transformada – Z
inversa x(n), para cada una de las siguientes transformadas – Z.
3z -3
a) X(z) = , x(n) es una secuencia izquierda.
(1 - 14 z-1 )
2

b) X(z) = senz , ROC incluye ôzô = 1.

z7 - 2
c) X(z) = , ROC :ôzô> 1.
1 - z -7

6.26. Determinar la señal x(n) con transformada – Z X(z) dada por

3
X(z) =
1 - 3 z + z -2
10 -1

si X(z) converge sobre la circunferencia unitaria.

6.27. Determinar la secuencia x(n) cuya transformada – Z es X(z) = ez +e1/z , con z ¹ 0.

6.28. Determinar la transformada – Z Inversa de

X(z) = log 2 ( 12 - z ) , ROC :ôzô< 1/2

a) Usando la serie de potencia

¥
log(1 - a) = å xii , ôxô< 1.
i =1

b) Primeramente diferenciando X(z) y luego usarôzô< 1/2 el resultado obtenido para

recuperar x(n).

337
338
UNIDAD VII: SISTEMAS DE TIEMPO DISCRETO

En general un sistema es una operación o un conjunto de operaciones que produce una

transformación de señales .Entonces un sistema tiene una señal de entrada y una señal
de salida la cual está relacionada con la entrada a través de la transformación del
sistema. Un Sistema de Tiempo Discreto es un dispositivo o algoritmo que opera sobre
una señal de tiempo discreto , llamada entrada o excitación , para producir otra señal de
tiempo discreto llamada la salida o repuesta del sistema .Los objetivos de esta unidad es
dar a conocer a los estudiantes la caracterización de sistemas de tiempo discreto y una
clase importante de ellos, los sistemas de tiempo discreto LTI. La definición y
desarrollode propiedades importantes en el dominio del tiempo de los sistemas tales
como linealidad, invarianza en el tiempo, causalidad, estabilidad, la convolución como
herramienta poderosa para la determinación, en el dominio del tiempo, de la respuesta
de los sistemas para una entrada arbitraria. Conocer y aplicar el método de ecuaciones
diferencias para la representación en el dominio del tiempo de los sistemas de tiempo
discreto y, para la determinación de sus respuestas en el dominio del tiempo. La
capacidad de analizar el comportamiento frecuencial de los sistemas de tiempo discreto
LTI.

TEMAS

7.1. DESCRIPCION ENTRADA – SALIDA DE SISTEMAS DE TIEMPO

DISCRETO

Sea x(n) la señal de entrada e y(n) la señal de salida de un sistema, se dice que la señal
de entrada x(n) es transformada por el sistema a una señal de salida y(n). La expresión
general de la relación entre x(n) e y(n) es

y(n) º H [ x(n)] (7.1)

Donde H denota la transformación o proceso desarrollado por el sistema sobre x(n) ,

para producir y(n) . En forma simbólica este proceso se representa como

H
x(n) y(n)

La relación matemática (7.1) , tiene la siguiente representación gráfica

Sistema de Tiempo
x(n) Discreto y(n)
H

Figura 7.1 Representación en Diagrama de Bloques de un Sistema de Tiempo

Discreto
339
 Hay varias formas para describir las características del sistema y la operación
desarrollada sobre x(n) para producir y(n).La descripción Entrada - Salida se concentra
en el comportamiento del sistema en sus terminales y no se interesa en la construcción o
realización interna del sistema .
La descripción Entrada - Salida de un Sistema de Tiempo Discreto consiste de
una expresión o regla matemática, la cual define explícitamente la relación entre las
señales de entrada y de salida (relación entrada - salida). La estructura interna exacta del
sistema puede ser desconocida o ignorada. De esta manera, la única forma para
interactuar con el sistema es usando sus terminales de entrada y de salida, o sea que el
sistema se considera como una caja negra para el usuario .

Ejemplo 7.1 .

Determinar la respuesta y(n) a la señal de entrada

x(n) = {1, 1, 1, 1, 1, 1/2}

de los siguientes sistemas :

a) y(n) = x(n)
b) y(n) = x(n-2)
c) y(n) = x(n+2)
d) y(n) = 13 [ x(n + 2) + x(n) + x(n - 2)]
e) y(n) = máx [ x(n + 2),x(n),x(n - 2)]
n
f) y(n) = å x(k) = x(n)+x(n-1)+x(n-2)+x(n-3)+........
k=-¥

Solución .

a) En este caso la señal de salida es exactamente igual a la señal de entrada . Dicho

sistema se conoce como Sistema Identidad .

b) Este sistema retarda la entrada en dos muestras. Luego su salida está dada por

y(n) = {0, 0, 1, 1, 1, 1, 1, 1/2}

c) En este caso el sistema adelanta la entrada en dos muestras. La respuesta de este

sistema a la entrada dada es

y(n) = {1, 1, 1, 1, 1, 1/2}

d) La salida de este sistema en un tiempo cualquiera es el valor medio de la señal

presente, de la señal atrasada en dos muestras y de la señal adelantada en dos muestras.
340
 Por ejemplo, la salida para el instante n = 0 es

y(0) = 13 [ x(2) + x(0) + x(-2)] = 13 [1 + 1 + 0] = 2

3

Repitiendo este cálculo para cada valor de n, se obtiene la siguiente señal de salida

y(n) = { 13 , 13 , 23 , 23 ,1, 65 , 23 , 12 , 13 , 13}

e) Este sistema selecciona, como su entrada en el tiempo, al valor máximo de las tres
muestras de entrada x(n - 2), x(n), x(n + 2). Luego, la respuesta de este sistema a la
señal de entrada x(n) es
y(n) = {1,1,1,1,1,1,1,1,1, 12}

f) Este sistema es básicamente un acumulador que calcula la suma de todos los valores
pasados de la entrada al valor presente. La respuesta de este sistema a la entrada dada es

y(n) = {1, 2, 3, 4,5, 112 , 112 }

Existen sistemas, como algunos del Ejemplo 7.1, en que la salida en el instante n = n0 ,
no sólo depende de la entrada en n = n0 sino que también de los valores de la entrada
aplicadas antes y después de n = n0 . Considerando, por ejemplo, el acumulador del
Ejemplo 7.1 se tiene que la salida en el instante n = n0 depende de la entrada en n = n0
como también de las entradas en n = n0 -1 , n0 -2, y así sucesivamente. La relación
entrada - salida del acumulador puede ser escrita como

n n -1
y(n) = å x(k) = å x(k) + x(n) = y(n - 1) + x(n)
k =-¥ k =-¥
(7.2)

En este caso, el sistema caracterizado por (9.2) calcula el valor presente en la salida
sumando al valor presente en la entrada el valor previo o inmediatamente anterior de la
salida, lo que justifica la denominación de acumulador.
Considerando el ejemplo del acumulador se supone que se tiene la señal de
entrada x(n) para n ³n0 , y se desea determinar y(n) para n ³ n0. A partir de (7.2) y
haciendo n = n0 , n0 -1 , n0 -2 , ........., se obtiene

y(n0)= y(n0 - 1) + x(n0) (7.3)

y(n0 +1) = y(n0 ) + x(n0 + 1) (7.4)

y así sucesivamente. En este caso, para determinar y(n0), se necesita conocer y(n0 - 1)..
n
Como y(n) = å x(k) , haciendo n = n0 – 1, se obtiene
k =-¥

341
 n 0 -1
y(n 0 - 1) = å x(k)
k =-¥
(7.5)

Por lo que y(n0 - 1) resume el efecto de todas las entradas que han sido aplicadas al
sistema antes del instante n0 . Luego, para determinar y(n) para n ³ n0 no basta conocer
solamente x(n) para n ³n0 , sino que también x(n) para n < n0 .
La información adicional requerida para el cálculo de y(n) para n ³ n0 es la
condición inicial y(n0 - 1) .
Si el acumulador no ha sido excitado en instantes previos a n0 , se tiene que la
condición inicial y(n0 - 1) = 0. En tal caso se dice que el sistema está inicialmente
relajado. Dado que y(n0 - 1) = 0, la secuencia de salida y(n) de un sistema inicialmente
relajado, depende solamente de la secuencia de entrada x(n) para n ³ n0 .
Es habitual asumir que los sistemas están relajados en n = -¥. En este caso, si se
aplica una entrada en n = -¥, la salida y(n) correspondiente es determinada sólo y
únicamente por la señal de entrada dada.

Ejemplo 7.2 .

El acumulador descrito por (7.2) es excitado por la secuencia x(n) = u(n). Determinar, la
salida bajo las siguientes condiciones
a) El acumulador está inicialmente relajado .
b) Inicialmente , y( - 1) = 2 .

Solución .
Para la resolución del problema se considera que la salida del sistema es
n -1 n
y(n) = å
k =-¥
x(k) = å
k =-¥
x(k) + å x(k)
k =0

n
y(n) = y(-1) + å x(k)
k =0

Teniéndose que
n n

å x(k) = å u(k) = n + 1
k =0 k =0

a) Si el sistema está inicialmente relajado se tiene que y(-1) = 0, y por lo tanto

y(n) = n+1 , n³0

b) En este caso, la condición inicial es y(-1) = 2, luego

y(n) = 2 + n +1 = n + 3 , n³0

342
7.2. REPRESENTACION EN DIAGRAMA DE BLOQUES DE SISTEMAS DE
TIEMPO DISCRETO
Es de utilidad el representar en diagramas de bloques los Sistemas de Tiempo Discreto.
Para este propósito se definen algunos bloques básicos que pueden ser interconectados
para formar sistemas complejos .

Sumador. La Figura 7.2 ilustra un sumador que realiza la adición dos señales de tiempo
discreto o secuencias para formar otra secuencia, la cual se denota como y(n). Se
observa que no es necesario almacenar las secuencias que se suman para obtener la
secuencia suma. En otras palabras la operación suma es sin memoria .
x 1 (n)

+
y(n) = x 1(n) + x 2(n)

x 2 (n)

Figura 7.2 Representación Gráfica de un Sumador

Multiplicador por Constante. En la Figura 7.3 se ilustra la operación de multiplicar

una señal x(n) por una constante a, conocida como factor de escala. Se tiene que esta
operación es también sin memoria .
a
x(n) y(n) = ax(n)

Figura 7.3 Representación Gráfica de un Multiplicador por Constante

Multiplicador de Señales .La Figura 7.4 ilustra la multiplicación de dos señales x1(n) y
x2(n). La secuencia producto obtenida se denota como y(n). También se tiene que la
multiplicación de señales es una operación sin memoria .
x 1 (n) X
y(n) = x 1 (n) x 2(n)

x 2 (n)

Figura 7.4 Gráfica de un Multiplicador de Señales

Elemento de Retardo Unitario. La Unidad de Retardo Unitario es un sistema especial
que produce un retardo de una muestra en la señal aplicada en su entrada. La Figura 7.5
muestra la representación de una Unidad de Retardo Unitario. Si la señal de entrada es
x(n), la salida es x(n - 1). De hecho, la muestra x(n - 1) es almacenada en memoria en el

343
instante n – 1 y es solicitada de la memoria en el instante n para formar la salida y(n)
dada por
y(n) = x(n - 1)

x(n) z-1 y(n) = x(n -1)

Figura 7.5 Representación Gráfica del elemento Unidad de Retardo Unitario

Se tiene que este elemento básico requiere memoria. El uso del símbolo z-1 denota el
retardo en una muestra.

Elemento de Avance Unitario. Una Unidad de Avance Unitario produce un avance de

una muestra de la señal de entrada x(n) para producir x(n+ 1). La Figura 7.6 ilustra esta
operación, con el operador z para denotar la unidad de avance .

x(n) z y(n) = x(n + 1)

Figura 7.6 Representación Gráfica de Elemento de Avance Unitario

Se deduce que una Unidad de Avance es físicamente irrealizable en tiempo real, dado
que implica la consideración de valores futuros de la señal. Por otra parte, si se
almacena la señal en la memoria de un computador, se puede acceder a cualquier
muestra en cualquier tiempo. En tal caso, en una aplicación en tiempo no real , es
posible avanzar en el tiempo a la señal x(n)

Ejemplo 7.3 .

Usando bloques básicos, determinar la representación del diagrama en bloques del

sistema de tiempo discreto descrito por la siguiente relación entrada - salida

y(n) = 15 y(n - 1) + 14 x(n) + 14 x(n - 1)

donde x(n) es la entrada e y(n) es la salida del sistema .

Solución .
De acuerdo a la expresión dada de y(n) se tendrían las siguientes posibles realizaciones,
las que se diferencian en la ubicación de los elementos multiplicadores por constante
que multiplican a la señal x(n) y a su versión retardada x(n –1), antes y después del
primer sumador, como se observa en las Figuras 7.7.a) y 7.7b), respectivamente
344
 0,25
z -1
x(n)
+ +
0,25 y(n)
z -1

0,2
a)

z -1
x(n) 0,25
+ +
y(n)
z -1

0,2
b)
Figura 7.7 . Diagrama en Bloques de la Realización del Sistema
y ( n) = 51 y ( n - 1) + 41 x ( n) + 41 x ( n - 1)

7.3 CLASIFICACION DE SISTEMAS DE TIEMPO DISCRETO

Para el análisis y diseño de sistemas, es importante clasificar a los sistemas de acuerdo a
las propiedades generales que ellos posean. Dado que las técnicas matemáticas que se
emplean para el análisis y diseño de sistemas dependen de las características generales
de los sistemas considerados, es necesario determinar un número de propiedades o
categorías que puedan ser utilizadas para describir las características generales de los
sistemas .
Para que un sistema posea una propiedad dada, dicha propiedad se debe
mantener para cada señal de entrada posible al sistema. Si una propiedad se mantiene
sólo para algunas entradas y no para otras, se dice que ese sistema no posee dicha
propiedad. Para que un sistema posea alguna propiedad, se debe comprobar que esta
propiedad se mantiene para cada señal de entrada posible.
7.3.1 . Sistemas Estáticos / Sistemas Dinámicos .
Sistemas Estáticos . Se dice que un Sistema de Tiempo Discreto es estático o sin
memoria si su salida en cualquier instante n depende solamente de la muestra de la
entrada en el mismo instante, o sea no tiene dependencia de las muestras pasadas o
futuras de la entrada.
Los sistemas descritos por las siguientes ecuaciones entrada – salida

y(n) = bx(n) (7.6)

y(n) = nx(n) + a2 x(n) (7.7)

345
Son ejemplos de sistemas estáticos o sin memoria. En sistemas estáticos no es necesario
el almacenamiento de entradas o salidas pasadas para la determinación del valor
presente de la salida, estos sistemas no incluyen elementos de retardo (memoria) en su
realización .
Los sistemas estáticos o sin memoria son descritos en forma general por

y(n) = F [ x(n), n ] (7.8)

Sistemas Dinámicos .Cuando un sistema no cumple la definición de Sistema Estático,

se dice que el sistema es dinámico o con memoria. Si la salida de un sistema en el
instante n, es completamente determinada por las muestras de la entrada en el intervalo
[n – N, n] (N ³ 0), el sistema tiene memoria de duración N. Si N = 0, el sistema es
estático. Si 0 < N <¥, el sistema tiene memoria finita, en tanto que si N = ¥, se dice que
el sistema tiene memoria infinita.
Como ejemplo de sistemas dinámicos o con memoria se tiene a los sistemas
descritos por las siguientes relaciones entrada - salida

x1(n) = 2x(n) +4x(n-2) (7.9)

n
x 2 (n) = å x(n - k) (7.10)
k =0

¥
x 3 (n) = å x(n - k) (7.11)
k =0

Los sistemas descritos por (7.9) y (7.10) son sistemas con memoria finita, en tanto que
el sistema descrito por (7.11) tiene memoria infinita.

7.3.2 . Sistemas Invariantes en el Tiempo / Sistemas Variantes en el Tiempo .

Sistemas Invariantes en el Tiempo .Se dice que un sistema es invariante en el tiempo
si su característica entrada - salida no cambia con el tiempo .
Un sistema H, relajado, es invariante en el tiempo si y sólo si, dado

H
x(n) y(n)
se cumple que
H
x(n - k) y(n - k) (7.12)

para cualquier señal de entrada x(n) y cualquier desplazamiento temporal k .

Para verificar si un sistema dado es o no invariante en tiempo, se aplica al
sistema una secuencia de entrada arbitraria x(n), la cual producirá una secuencia de

346
salida denotada como y(n). Luego, se retarda la secuencia de entrada .en un monto k , y
se determina la salida la salida y(n,k) dada por

y(n, k) = H [ x(n - k)] (7.13)

Si se cumple que y(n,k) = y(n - k), para todos los valores posibles de k, se tiene que el
sistema es invariante en el tiempo. Con y(n – k) representando una versión retardada de
y(n).
Sistemas Variantes en el Tiempo . Si la salida y(n , k) ¹y(n - k), aún para un valor de
k, el sistema es variante en el tiempo .

Ejemplo 7.4 .
Determinar si los sistemas mostrados en la Figura 7.8, son invariantes o variantes en el
tiempo .
x(n) y(n) =x(n) - x(n-2)
+ +
+
-

z-1 z-1
a)
x(n) X y(n) = nx(n)

b)

x(n) H y(n) = x(-n)

(c)
x(n) X y(n) = x(n)senw on

senw on

d)
Figura 7.8 Ejemplos de Sistemas Invariantes : a) y de Sistemas
Variantes: b) , c) y d).
Solución
a) La relación entrada - salida que describe al sistema de la Figura 9.8 a) es

y(n) = H [ x(n) ] = x(n) - x(n - 2)

Si la entrada aplicada al sistema es retardada en k unidades, la salida del sistema será

347
 y(n,k) = x(n - k) - x( n -k - 2)

Por otra parte, a partir de (7.12), se tiene que si y(n) se retarda en el tiempo en k
unidades, se obtiene
y(n - k) = x(n - k) - x(n - k - 2)

Comparando las dos ultimas ecuaciones, se deduce que

y(n,k) = y(n - k)

En consecuencia, el sistema dado es invariante en el tiempo.

b) La ecuación entrada - salida del sistema de la Figura 7.8 b) es

y(n) = H [ x(n)] = nx(n)

Si y(n) se retrasa en k unidades de tiempo , se tiene

y(n - k) = (n - k) x(n - k) = nx(n - k) - kx(n - k)

Por otra parte, se tiene que la respuesta de este sistema a x(n - k) está dada por

y(n,k) = H [ x(n - k)] = nx(n - k)

Por lo tanto , se deduce que

y(n,k) ¹y(n - k)

En consecuencia, este sistema es variante en el tiempo.

c) El sistema de la Figura 7.8 c) es descrito por la relación entrada - salida

y(n) = H [ x(n)] = x(-n)

Si la salida y(n) se retarda en k unidades de tiempo se tiene

y(n - k) = x(-n - k)

La respuesta de este sistema a x(n - k) es

y(n, k) = H [ x(n - k)] = x(-n - k)
Se tiene que
y(n,k) ¹ y(n - k) ,

348
en consecuencia este sistema es variante en el tiempo.
d) La relación entrada - salida del sistema de la Figura 7.8 d) es

y(n) = H [ x(n)] = x(n)senw0 n

De aquí se deduce
y(n -k) = x(n - k) sen [ w0 (n - k) ]

Por otra parte, la respuesta de este sistema a x(n - k) está dada por

y(n, k) = H [ x(n - k)] = x(n - k)senw0n

Como
y(n,k) ¹ y(n-k)

luego este sistema es variante en el tiempo .

7.3.3 . Sistemas Lineales / Sistemas no Lineales

Sistemas Lineales. Un Sistema Lineal es aquel que satisface el Principio de
Superposición, que establece que:
Un Sistema H, para cualesquiera entradas x1 (n) y x2 (n) y constantes arbitrarias a1 y a2,
es lineal si y sólo si
H [ a1x1 (n) + a 2 x 2 (n)] = a1H [ x1 (n)] + a 2 H [ x 2 (n)] (7.14)

. La Figura 7.9 ilustra el Principio de Supervisión

a1
x 1(n )

+ H y(n)

a2
x 2 (n )

a1
x 1(n ) H

y1(n)
+

a2
x 2 (n ) H

Figura 7.9 . Representación gráfica del Principio de Supervisión .

H es lineal si y sólo si y(n) = y1(n).

349
Propiedad Multiplicativa o de Escalamiento de Sistemas Lineales. Suponiendo a2 =
0 en la Ecuación (7.14), ésta se reduce a

H [ a1x1 (n)] = a1H [ x1 (n)] (7.15)

con
y1 (n) = H [ x1 (n)] (7.16)
se obtiene
H [ a1x1 (n)] = a1 y1 (n) (7.17)

La propiedad de escalamiento de un sistema lineal, dada por (7.17), establece que si la

respuesta del sistema a la entrada x1 (n) es y1 (n), la respuesta a a1 x1 (n) es simplemente
a1 y1 (n). Luego, cualquier escalamiento de la entrada da por resultado un escalamiento
idéntico en la correspondiente salida .

Propiedad de Aditividad de los Sistemas Lineales . En la Ecuación (7.14), se supone

que a1 = a2 = 1, luego

H [ x1 (n) + x 2 (n) ] = H [ x1 (n)] + H [ x 2 (n)] = y1 (n) + y2 (n) (7.18)

Esta relación demuestra la propiedad de aditividad de los sistemas lineales .

Las propiedades de escalamiento y de aditividad constituyen la aplicación del
principio de superposición a los sistemas lineales .
La condición de linealidad planteada en la Ecuación (7.14), puede ser extendida
a una combinación lineal arbitraria de señales de entrada, basándose en la inducción. En
general se tiene
M -1 H M -1
x(n) = å a k x k (n) y(n) = å a k y k (n) (7.19)
k =1 k =1

donde
yk (n) = H [ x k (n)] , k = 1,2,.....,M-1 (7.20)

Sistemas no Lineales. Se observa que si en la Ecuación (7.17) se tiene que a1 = 0, luego

y(n) = 0. Es decir, que un sistema relajado con entrada cero produce una salida cero. Si
un sistema produce una salida no nula con una entrada nula, el sistema es no relajado o
es no lineal. Si un sistema relajado no satisface el principio de superposición, se dice
que dicho sistema es no lineal .

Ejemplo 7.5 .

Determinar si los sistemas descritos por las siguientes relaciones entrada - salida, son
lineales o no lineales .

350
a) y(n) = n2 x(n) b) y(n) = x(n3 ) c) y(n) = x3 (n)
d) y(n) = Ax(n) + B e) y(n) = ex(n)
Solución.
a) Se considerarán dos secuencias de entrada x1 (n) y x2 (n), las correspondientes salidas
son
y1 (n) = n2 x1 (n)

y2 (n) = n2 x2 (n)

Una combinación lineal de las secuencias de entrada da por resultado

y3 (n) = H [ a1x1 (n) + a 2 x 2 (n)] = n 2 [ a1x1 (n) + a 2 x 2 (n)]

y3 (n) = a1 n2 x1 (n) + a2 n2 x2 (n) (I)

Por otra parte, una combinación lineal de las dos salidas, produce la siguiente salida

a1 y1 (n) + a2 y2 (n) = a1 n2 x1 (n) + a2 n2 x2 (n) (II)

Comparando las ecuaciones (I) y (II), se deduce que los segundos miembros son
iguales, por lo que el sistema en cuestión es lineal .

b) Como en el apartado a), se determinará la respuesta del sistema a dos señales de

entradas separadas x1 (n) y x2 (n). El resultado es

y1 (n) = x1 (n3 )

y2 (n) = x2 (n3 )

La salida del sistema a una combinación lineal de x1 (n) y x2 (n), está dada por

y3 (n) = H [ a1x1 (n) + a 2 x 2 (n)] = a1x1 (n 3 ) + a 2 x 2 (n 3 )

Una combinación lineal de las dos salidas produce

a1 y1 (n) + a2 y2 (n) = a1 x1 (n3 ) + a2 x2 (n3 )

Comparando las dos últimas ecuaciones, se tiene que los dos segundos miembros son
iguales, por lo tanto el sistema dado es lineal .

c) La salida del sistema es el cubo de la señal de entrada, o sea es un dispositivo de ley

cúbica. Es claro que este sistema es sin memoria .
Las respuestas del sistema a dos entradas separadas son

351
 y1 (n) = x13 (n)

y 2 (n) = x 32 (n)

La respuesta del sistema a una combinación lineal de las dos entradas es

y3 (n) = H [ a1 x1 (n) + a 2 x 2 (n)] = [ a1 x1 (n) + a 2 x 2 (n)]
3

y3 (n) = a13 x13 (n) + 3a12 x12 (n)a 2 x 2 (n) + 3a1 x1 (n)a 22 x 22 (n) + a 32 x 32 (n)

Por otra parte una combinación lineal de las dos salidas es

a1y1 (n) + a 2 y 2 (n) = a1x13 (n) + a1x 32

Comparando las dos últimas ecuaciones, se deduce que los segundos miembros son
diferentes, por lo tanto el sistema en cuestión es no lineal .

d) Asumiendo que el sistema es excitado separadamente por x1 (n) y x2 (n), se obtienen

las correspondientes salidas
y1 (n) = Ax1 (n) + B

y2 (n) = Ax2 (n) + B

Una combinación lineal de x1 (n) y de x2 (n) produce la salida

y3 (n) = H [ a1 x1 (n) + a 2 x 2 (n)] = A [ a1 x1 (n) + a 2 x 2 (n)] + B

y3 (n) = Aa1x1 (n) + Aa 2 x 2 (n) + B

Por otra parte , si el sistema fuese lineal , su salida a la combinación lineal de x1 (n) y
x2(n) sería una combinación lineal de y1 (n) y de y2 (n) , o sea

a1 y1 (n) +a2 y2 (n) = a1 Ax1 (n) +a1 B+a2 Ax2 (n) + a2 B

Se observa que las dos últimas ecuaciones son diferentes, por lo tanto el sistema no
satisface la prueba de linealidad. La razón de que el sistema no satisfaga la prueba de
linealidad, no se debe a que el sistema sea no lineal (de hecho es lineal porque está
descrito por una ecuación lineal), sino que se debe a la presencia de la constante B. Lo
que hace que la salida dependa de la excitación de entrada y del parámetro B ¹0. Luego,
para B¹0, el sistema es no relajado. Si se considera B = 0, el sistema es relajado y se
satisface la prueba de linealidad.

e) En este caso el sistema está descrito por la ecuación entrada - salida

352
 y(n) = ex (n )

se observa que el sistema es relajado .

Asumiendo que el sistema es excitado separadamente por x1 (n) y x2 (n), se
obtienen las correspondientes salidas

y1 (n) = ex1 (n )

y2 = e x2n y2 = e x2n

Una combinación lineal de x1 (n) y x2 (n) produce la salida

y3 (n) = H [ a1x1 (n) + a 2 x 2 (n)] = e a1x1 (n )+ a 2 x2 (n )

Por otra parte, una combinación lineal de las dos salidas es

a1y1 (n) + a 2 y2 (n) = a1e x1 ( n) + a 2e x 2 (n )

Como las dos últimas ecuaciones son diferentes, el sistema es no lineal .

7.3.4 . Sistemas Causales / Sistemas no Causales

Sistemas Causales . Un sistema es causal si la salida y(n) del sistema en cualquier
tiempo n, depende solamente de la señal de entrada presente y de los valores pasados de
ella [x(n), x(n - 1) , x(n - 2) ,.... ], pero no depende de sus valores futuros [x(n + 1), x(n
+ 2),......]. Matemáticamente, la salida de un sistema causal satisface la siguiente
ecuación

y(n) = H [ x(n), x(n - 1), x(n - 2),.......] (7.21)

donde H [.] es una función arbitraria .

Sistemas no Causales .Si un sistema no satisface la definición dada por (7.21), se dice
que tal sistema es no causal .
Se tiene que en aplicaciones de procesamiento de señales en tiempo real, no se
pueden observar valores futuros de las señales, por lo que un sistema no causal es
físicamente irrealizable.

Ejemplo 7.6 .

Determinar si los sistemas descritos por las siguientes ecuaciones entrada - salida, son
causales o no causales .

353
 n
a) y(n) = x(n) - x(n-2) b) y(n) = å x(k) c) y(n) = bx(n)
k =- ¥
d) y(n) = 4x(n) + 2 x(n + 3) e) y(n) = x(n3 ) f) y(n) = x(3n)
g) y(n) = x(-n)

Solución
Los sistemas descritos en los apartados a), b), y c) son causales, dado que la salida
depende solamente de los valores presente y pasados de la entrada. Por otra parte, los
sistemas descritos en los apartados d) ,e), y f) son no causales, dado que en cada
sistema, la salida depende de los valores futuros de la entrada. El sistema descrito en el
aparado g) es también no causal, ya que si se considera un valor específico de n, por
ejemplo n = -1, se tendrá que y(-1) = x(1), lo cual indica que la salida para n = -1
depende de la entrada en n = 1, la cual está dos unidades de tiempo adelantada (futuro)
con respecto a y(-1).

7.3.5 . Sistemas Estables / Sistemas Inestables.

Sistemas Estables. La estabilidad es una importante propiedad que debe ser

considerada en cualquier aplicación práctica de un sistema .
Teorema. Un sistema relajado arbitrario es estable si para cada entrada de magnitud
acotada (limitada) produce una salida de magnitud acotada (BIBO).
Matemáticamente la condición de entrada y salida acotadas, implica la existencia
de números finitos Mx y My tal que

x(n) £ M x < ¥ , y(n) £ M y < ¥ para todo n (7.22)

Sistemas Inestables . Si para una secuencia de entrada x(n) acotada, la salida es no

acotada( infinita) se dice que el sistema es inestable.

Ejemplo 7.7 .

Un sistema está descrito por la ecuación entrada - salida

¥
y(n) = å x(k)
k =-¥

A dicho sistema se le aplica la entrada x(n) = u(n). Determinar si el sistema es estable o

inestable .

Solución
Considerando que x(n) = u(n), o sea entrada acotada, y(n) está dada por

354
 n
y(n) = å u(k) = (n + 1)u(n)
k =-¥

Dándole valores a n, se tiene por ejemplo

y(0) = 1 , y(1) =2 , y(2) = 3, y así sucesivamente .

Se observa que a medida que aumenta el valor de n, aumenta el valor de y(n),

llegándose al límite

lim y(n) = ¥
n ®¥

Por lo tanto, el sistema dado es inestable.

7.4 . INTERCONEXION DE SISTEMAS DE TIEMPO DISCRETO

Hay dos formas básicas para la interconexión de sistemas : en cascada (serie) o en

paralelo. La Figura 7.10 ilustra tales formas básicas.

y1 (n)
x(n) H1 H2 y(n)

a)

H1

x(n) + y(n)

H2

b)

Figura 7.10 . Interconexiones de Sistemas : a) Cascada . b) Paralelo

7.4.1 . Interconexión Cascada. En la interconexión cascada de la Figura 9.10 a), la

salida del primer sistema y1 (n) es

y1 (n) = H1 [ x(n)] (7.23)

y la salida del sistema total y(n), salida del segundo sistema, es

355
 y(n) = H 2 éë H1 [ x(n) ]ùû (7.24)

se observa que los sistemas H1 y H2 pueden ser combinados en un único sistema Hc tal
que

Hc = H1 H2 (7.25)

cumpliéndose que
y(n) = Hc [ x(n)] (7.26)

La Figura 7.11 muestra el sistema equivalente de la interconexión en cascada.

x(n) Hc y(n)

Figura 7.11 . Sistema Equivalente de la Interconexión en Cascada

Para sistemas arbitrarios, se tiene en general que

H1 H2¹H2 H1 (7.27)

Sin embargo, si los sistemas son lineales e invariantes en el tiempo, se tiene que el
sistema Hc es también invariante y en este caso

H1 H2 = H2 H1 (7.28)

Por lo tanto para sistemas invariantes, no importa el orden en el cual se realiza la

interconexión. O sea, que H1 H2 y H2 H1 producen idénticas secuencias de salida.
Para la prueba de que Hc es invariante, se supondrá que H1 y H2 son invariantes
en el tiempo, luego
H1
x(n - k) y1 (n - k) (7.29)
y
H2
y1 (n - k) y(n - k) (7.30)
Luego
Hc = H1 H2
x(n - k) y(n -k) (7.31)

De donde se deduce que Hc es invariante en el tiempo.

7.4.2. Interconexión Paralela. De la Figura 7.10 b) la salida del sistema H1 es y1 (n) y
la salida del sistema H2 es y2 (n). Por lo que la salida de la interconexión paralela es

y3 (n) = y1 (n) + y2(n) (7.32)

356
o sea
y3 (n) = H1 [ x(n)] + H 2 [ x(n)] = (H1 + H 2 ) [ x(n)] (7.33)
haciendo
Hp = H1 +H2 (7.34)
se obtiene
y3 (n) = H p [ x(n)] (7.35)

En general, se puede utilizar las interconexiones paralela y en cascada de sistemas para

construir sistemas más grandes y más complejos. A la inversa, para propósitos de
análisis y de implementación se puede tomar un gran sistema y descomponerlo en
subsistemas más pequeños .

7.5 . INVERTIBILIDAD Y SISTEMAS INVERSOS

Se dice que un sistema es invertible si distintas señales de entrada producen salidas

distintas. Dicho de otra manera, un sistema es invertible si al observar su salida se puede
determinar su entrada. Esto implica, como se ilustra en la Figura 9.12 , que se puede
construir un sistema inverso de tal manera que cuando se conecte en cascada con el
sistema original producirá una salida z(n) igual a la entrada x(n) del primer sistema.

Sistema
x(n) Sistema y(n) Inverso z(n) = x(n)

Figura 7.12 Concepto de Sistema Inverso

Luego, la interconexión serie o cascada de la Figura 7.12 tiene una relación entrada -
salida que es la misma que la del Sistema Unidad .

Ejemplo 7.8 .

Sea el sistema definido por

n
y(n) = å x(k)
k =-¥

Determinar la relación entrada - salida del sistema inverso asociado con tal sistema

Solución
La relación entrada - salida del sistema dado se puede escribir de la siguiente manera

y(n) = ........+x(n - 2) + x(n - 1) + x(n)

De donde
x(n) = y(n) - [...... + x(n - 2) + x(n - 1)]
357
Teniendo en cuenta que

y(n - 1) = .......+x(n - 2) + x(n - 1)

se tiene que
x(n) = y(n) - y(n - 1)

De acuerdo a la Figura 7.12 se tiene que el sistema inverso asociado debe cumplir que

z(n) = x(n)

Por lo tanto la relación entrada salida del sistema inverso debe ser

z(n) = y(n) - y(n - 1)

Un ejemplo de sistema no - invertible es

y(n) = 0 (7.36)

O sea , que tal sistema produce la secuencia de salida cero para cualquier secuencia de
entrada .

7.6 . ANALISIS DE SISTEMAS DE TIEMPO DISCRETO LTI

Hasta ahora se han clasificado a los sistemas de acuerdo a un número de propiedades

características tales como linealidad, causalidad , estabilidad e invariancia en el tiempo.
En base a esto, se centrará la atención en el análisis de Sistemas Lineales Invariantes en
el Tiempo (LTI). Tales sistemas son simplemente caracterizados en el dominio del
tiempo por su respuesta a la secuencia impulso unitario [ d(n)] .

7.6.1. Respuesta de Sistemas LTI a Entradas Arbitrarias. Utilizando la

representación de una señal de entrada arbitraria x(n) en una suma ponderada de
impulsos, se está en condiciones de determinar la respuesta de cualquier sistema lineal
relajado a cualquier señal de entrada, para ello se define la respuesta y(n,k) del sistema a
la excitación de un impulso unitario como

y(n, k) º h(n - k) = H [ d(n - k)] -¥< k <¥ (7.37)

En (7.37) se tiene que n es el índice tiempo y k es un parámetro que determina la

ubicación del impulso de entrada. Si el impulso en la entrada está ponderado o escalado
en un monto ck = x(k), la repuesta del sistema es

ck h(n,k) = x(k)h(n,k) (7.38)

358
Si la entrada es la señal arbitraria x(n), la cual se puede expresar como

¥
x(n) = å x(k)d(n - k)
k =-¥
(7.39)

luego , la respuesta del sistema a x(n) es

é ¥ ù
y(n) = H [ x(n) ] = H ê å x(k)d(n - k) ú
ë k =-¥ û
¥
y(n) = å x(k)H [d(n - k)]
k =-¥
(7.40)
¥
y(n) = å x(k)h(n, k)
k =-¥

La ecuación (7.40) es una expresión de la respuesta de un sistema lineal a cualquier

secuencia arbitraria de entrada x(n). Esta expresión es una función de x(n) y de la
repuesta del sistema h(n,k) al impulso d(n - k) para -¥< k <¥. En la derivación de la
ecuación (7.40) se usó la propiedad de linealidad del sistema pero no su propiedad de
invariancia en el tiempo. Luego (9.40) se aplica a cualquier sistema relajado lineal
(variante en el tiempo). Si además, el sistema es invariante en el tiempo, la ecuación
(9.40) se simplifica considerablemente. De hecho, si la respuesta del sistema LTI a la
secuencia impulso unitario d(n) se denota como h(n), o sea

h(n) = H [ d(n)] (7.41)

Luego, la propiedad de invariancia temporal determina que la respuesta del sistema a

d(n- k) es

h(n - k) = H [ d(n - k)] (7.42)

Por lo tanto, la expresión (7.40) se reduce a

¥
y(n) = å x(k)h(n - k)
k =-¥
(7.43)

Se deduce que un sistema LTI relajado es completamente caracterizado por una función
única h(n), es decir, por su respuesta a la secuencia d(n). Por otra parte, un sistema
lineal invariante en el tiempo requiere en general, para caracterizar salida, de un número
infinito de funciones respuesta al impulso h(n,k), una por cada retardo posible .
Recordando la definición de la convolución entre secuencias (convolución suma)
se tiene que (7.43) se puede escribir como

y(n) = x(n) *h(n) = h(n)* x(n) (7.44)

359
O sea, que la respuesta de un sistema LTI a una entrada arbitraria cualquiera x(n), se
puede obtener realizando la convolución de x(n) con la respuesta h(n) al impulso del
sistema .

Ejemplo 7.9.

La respuestaal impulso de un sistema LTI es

h(n) = {1, -2, - 3, 4}

Determinar la respuesta y(n) del sistema a la señal de entrada x(n) dada por

x(n) = {1, 1, 0, 1, 1}

Solución

Como y(n) = x(n)*h(n), y aplicando el método matricial.para el cálculo de la

convolución, se tiene

h(n)
x(n) 1 -2 -3 4

1 1 -2 -3 4
1 1 -2 -3 4
0 0 0 0 0
1 1 -2 -3 4
1 1 2 3 4

Obteniéndose

y(n) = {1, -1, -5, 2, 3, -5, 1, 4}

7.6.2. Propiedades de la Convolución y la Interconexión de Sistemas LTI de

Tiempo Discreto. Sea y(n) la respuesta de un sistema LTI a la secuencia de entrada
x(n), y sea h(n) la respuesta de dicho sistema a la secuencia impulso unitario, por lo cual
se tiene que
¥
y(n) = x(n) * h(n) = å x(k)h(n - k)
k =-¥
(7.45)

360
En base a las propiedades de la convolución, vistas anteriormente, y a la representación
en diagramas de bloques de sistemas LTI, se tienen las siguientes relaciones entre
dichas propiedades y la interconexión de sistemas LTI.

Conmutatividad. Esta propiedad establece que

x(n) * h(n) = h(n) * x(n) (7.46)

La figura 7.13, ilustra la interpretación de la propiedad de conmutatividad de la

convolución en la interconexión de sistemas LTI.

x(n) y(n) h(n) y(n)

h(n) x(n)

Figura 7.13. Interpretación de la Propiedad Conmutativa de la Convolución

Asociatividad. Considerando dos sistemas de respuestas impulsionales h1(n) y h2(n) y

la propiedad de asociatividad de la convolución, se tiene

[ x(n) * h1 (n)] * h 2 (n) = x(n)* [ h1 (n) * h 2 (n)] (7.47)

Ecuación que tiene la siguiente representación

x(n) y1(n) y(n) x(n) y(n)

h1 (n) h2 (n) h(n)=h1 (n)*h2 (n)

Figura 7.14. Implicación de la Propiedad de Asociatividad en la Interconexión de

Sistemas LTI.

Desde un punto de vista físico, se puede interpretar x(n) como la señal de entrada a un
sistema LTI con respuesta al impulso h1 (n). La salida de este sistema, denotada como

y1(n), es la entrada a un segundo sistema LTI con h2 (n) como respuesta impulsional.
Luego, la salida y(n) del sistema total es

y(n) = y1 (n) * h2 (n) (7.48)

y como
y1 (n) = x(n)*h1 (n) (7.49)
se tiene que
y(n) = [ x(n) * h1 (n)] * h 2 (n) (7.50)

Esta última ecuación corresponde a la interconexión en cascada de dos sistemas LTI.

361
 Por otra parte, la expresión x(n) * [ h1 (n)* h 2 (n)] se puede interpretar como la
aplicación de x(n) como entrada a un sistema equivalente, que tiene como respuesta al
impulso h(n) = h1 (n) * h2 (n) . En consecuencia, considerando la propiedad de
asociatividad, y(n) se puede escribir como

y(n) = x(n) * h(n) (7.51)

Dado que la operación convolución satisface la propiedad de conmutatividad, se puede

intercambiar el orden de los dos sistemas con respuestas impulsionales h1 (n) y h2 (n),
sin alterar la relación entrada - salida del sistema total. La Figura 7.15, ilustra esta
característica de la asociatividad y conmutatividad.
x(n) y(n) x(n) y(n) x(n) y(n)
h1 (n) h2 (n) h2 (n) h1 (n) h(n)

Figura 7.15. Implicaciones de las Propiedades de Asociatividad y Conmutatividad

de la Convolución

Ejemplo 7.10.

Determinar la respuesta a la secuencia impulso de dos sistemas LTI en cascada, que

tienen respuestas al impulso individuales dadas por

h1 (n) = ( 13 ) u(n)
n

h 2 (n) = ( 19 ) u(n)
n

Solución
Siendo h(n) la respuesta al impulso del sistema en cascada, se tiene

¥
h(n) = h1 (n) *h 2 (n) = å h (k)h
k =-¥
1 2 (n - k)

considerando las expresiones dadas de h1 (n) y de h2 (n) , h(n) se puede escribir como

å( ) u(k) ( 91 )
k n -k
h(n) = 1
3 u(n - k)
k =-¥

Dado que h1 (k) = ( 13 ) u(k) es nulo para k < 0 y que h 2 (n - k) = ( 19 )

k n -k
u(n - k) es cero
para k > n, se concluye que

h(n) = 0 para n < 0

lo cual se puede visualizar, dado que para n < 0 se tiene un desplazamiento de h2 (n - k)

hacia la izquierda y como h1 (k) es cero para k < 0, se deduce que el producto
362
 h1 (k)h2 (n - k) =0 para n < 0 .

Por otra parte, el producto h1 (k)h2 (n - k) es no cero para k ³ 0 y n -k ³ 0 o

n³k³0. Por lo cual, para n ³ k ³ 0, se tiene

n
h(n) = å ( 13 ) ( 91 )
k n -k
para n ³ 0
k =0

Resultado que era de esperar, ya que h1 (k) es cero para k < 0 y h2 (n - k) es cero para
k>n y como para n >0 se tiene un desplazamiento hacia la derecha de h2 (n - k), se
tendrá que el producto h1 (k) h2 (n - k) es no nulo sólo en el intervalo 0 £ k £ n para n >
0.
En consecuencia h(n), se puede escribir como

n n
h(n) = å ( 13 ) ( 13 ) = ( 19 ) å3
k 2n - 2k n k

k=0 k =0

Dado que la sumatoria representa una serie geométrica, se tiene que

h(n) = ( 19 )
n
( 3n +1 -1
2 )
De donde

h(n) = 12 ( 13 ) é3 - ( 13 ) ù para n ³ 0
n n

ë û

Se puede generalizar la propiedad de asociatividad para más de dos sistemas en cascada,

así si se tienen L sistemas LTI en cascada con respuestas al impulso h1 (n) , h2 (n)
,........., hL (n), se tendrá que la respuesta h (n) al impulso del sistema equivalente está
dada por
h(n) = h1 (n)*h2 (n)*h3 (n)*.......*hL (n) (7.52)

También se puede aplicar el proceso inverso, en que cualquier sistema LTI puede ser
descompuesto en una interconexión de subsistemas en cascada.

Distributividad. Esta propiedad establece que

x(n) * [ h1 (n) + h 2 (n)] = x(n)* h1 (n) + x(n) *h 2 (n) (7.53)

Físicamente, esta propiedad implica que si se tiene dos sistemas LTI, con respuestas al
impulso h1 (n) y h2 (n) , excitados por la misma señal de entrada x(n), la suma de las dos
363
respuestas es idéntica a la respuesta de un sistema equivalente que tenga como respuesta
al impulso h(n) dada por
h(n) = h1 (n) + h2 (n) (7.54)

Luego , el sistema total es visto como una combinación en paralelo de los dos sistemas
LTI, como se ilustra en la Figura 7.16.

h 1 (n )
y(n) x(n)
y(n)
x(n) + h (n) = h1 (n) + h 2 (n )

h 2 (n)

Figura 7.16 . Interpretación de la Propiedad de Distributividad de la Convolución

en la Interconexión de dos Sistemas LTI .

Para la interconexión de L sistemas LTI en paralelo con respuestas al impulso h1 (n),

h2(n) , ......., hL (n) y excitados por la misma entrada x(n), es equivalente a un sistema
con respuesta al impulso h(n) dada por

M
h(n) = å h i (n)
i =1 (7.55)

Inversamente, cualquier sistema LTI puede ser descompuesto en una interconexión de

subsistemas en paralelo .

7.7 . PROPIEDADES DE LOS SISTEMAS DE TIEMPO DISCRETO LINEALES

INVARIANTES EN EL TIEMPO

En tiempo discreto la representación de sistemas LTI en términos de su respuesta al

impulso unitario toma la forma de la sumatoria de convolución. En esta sección se usará
la caracterización de los sistemas LTI en términos de sus respuestas al impulso, para
examinar algunas propiedades importantes de tales sistemas .

7.7.1 . Sistemas LTI con y sin Memoria .

Sistemas sin Memoria .Un sistema carece de memoria si su salida en cualquier instante
de tiempo depende sólo del valor de la señal de entrada en ese mismo instante de
tiempo. A partir de la ecuación

¥ ¥
y(n) = å
k =-¥
x(k)h(n - k) = å h(k)x(n - k) = x(n)* h(n)
k =-¥
(7.56)

364
se puede decir que la única manera de que se cumpla que el sistema sea sin memoria es
que
h(n) = 0 para n ¹ 0 (7.57)

En este caso la respuesta al impulso es de la forma

h(n) = Kd(n) (7.58)

donde K = h(0) es una constante y entonces el sistema está especificado por la relación

y(n) = Kx(n) (7.59)

Sistemas con Memoria. Si un sistema LTI de tiempo discreto tiene una respuesta al
impulso h(n), no idéntica a cero para n ¹ 0, entonces el sistema tiene memoria .

Ejemplo 7.11.

Un sistema tiene la siguiente relación entrada - salida

y(n) = x(n) + x(n - 1)

Determinar si el sistema es con o sin memoria .

Solución
Haciendo x(n) = d(n), se tiene

h(n) = d(n) + d(n - 1)

o sea que
ì1 , n = 0, 1
h(n) = í
î0 , otros valores

Como la respuesta del sistema al impulso es diferente de cero para n = 1 (n ¹ 0), se tiene
que este sistema es con memoria .

7.7.2. Invertibilidad de Sistemas LTI. Un sistema LTI de tiempo discreto con

respuesta al impulso h(n), es invertible, si se puede diseñar un sistema inverso que
cuando esté conectado en serie con el sistema original, produzca una salida igual a la
entrada del primer sistema. Por otra parte, si un sistema LTI es invertible, entonces tiene
un inverso LTI. Por lo tanto, en este caso, se tiene el diagrama de la Figura 7.17 a).
Sea un sistema con respuesta al impulso h1(n), se desea diseñar un sistema con respuesta
al impulso h2(n) de tal manera que la salida z(n) de la conexión en serie de los

365
 x(n) y(n) z(n) = x(n)
h1 (n) h2 (n)

(a )

x(n)
Sistema de x(n)
Identidad
(b)
Figura 7.17. Concepto de un Sistema Inverso para Sistemas LTI de Tiempo
Discreto

sistemas sea igual a x(n). Este sistema en cascada es equivalente al Sistema Identidad
mostrado en la Figura 9.17 b). Ya que la respuesta total al impulso en la Figura 7.17 (a)
es h1 (n)*h2 (n), para que x(n)*[h1 (n)*h2 (n)] = x(n), se debe cumplir que

h1 (n) * h2 (n) = d(n) (7.60)

Ejemplo 7.12.

Se considera un sistema con respuesta h1(n) al impulso unitario dado por

h1 (n) = u(n)

Determinar la respuesta al impulso del sistema inverso asociado al sistema dado .

Solución
La respuesta y(n) para una entrada arbitraria x(n), está dada por

¥ ¥
y(n) = å x(k)h (n - k) = å x(k)u(n - k)
k =-¥
1
k =-¥

ya que u(n - k) es igual a cero para (n - k ) < 0 y 1 para (n - k) ³ 0, esta última ecuación
se puede escribir como
n
y(n) = å x(k)
k =-¥

Esta ecuación establece que el sistema dado es un sumador o acumulador, ya que

calcula la suma consecutiva de todos los valores de la entrada hasta el tiempo presente.
Además, se demostró en el Ejemplo 7.8 que este sistema es invertible y que su inverso
está dado por
y(n) = x(n) - x(n - 1)

366
Esta expresión representa una operación de primera diferencia. Si se hace x(n) = d(n),
se encuentra que la respuesta al impulso h2(n) del sistema inverso asociado al sistema
con h1(n) es

h2 (n) = d(n) - d(n - 1)

Se puede verificar el resultado obtenido, haciendo

h1 (n)* h 2 (n) = u(n)* [ d(n) - d(n - 1) ]

h1 (n)* h 2 (n) = u(n)* d(n) - u(n) * d(n - 1)

h1 (n)* h 2 (n)=u(n) - u(n - 1)

h1 (n) * h 2 (n) = d(n)

Que es la condición que debe de satisfacer el sistema inverso de un sistema LTI.

7.7.3. Causalidad para Sistemas LTI. En la sección 9.3 se definió un sistema causal como
aquel cuya salida sólo depende de los valores presente y pasados de la señal de entrada. Es
decir, que la salida del sistema en un instante de tiempo n, como n = n0 , sólo depende de los
valores de x(n) para n £0 .
En el caso de sistemas LTI la causalidad puede ser considerada como una propiedad
correspondiente a la respuesta al impulso. Sea un sistema LTI que tiene la salida y(n0 ) para n =
n0 , por lo que se puede escribir la siguiente ecuación

¥
y(n 0 ) = å h(k)x(n
k =-¥
0 - k) (7.61)

Por conveniencia, esta última ecuación se puede escribir como

¥ -1
y(n 0 ) = å h(k)x(n 0 - k) + å h(k)x(n 0 - k) (7.62)
k =0 k =-¥

La primera sumatoria del segundo miembro de la ecuación anterior, representa los valores
presente y pasados de la señal de entrada. La segunda sumatoria, representa los valores futuros
de la señal de entrada. Si la salida en el instante n = n0 depende solamente de los valores
presente y pasados de la entrada, se debe cumplir que

-1

å h(k)x(n - k) = h(-1)x(n
k =-¥
0 + 1) + h(-2)x(n 0 + 2) + ..... = 0 (7.63)

lo cual es cierto, si
h(n) = 0 para n < 0 (7.64)
367
Dado que h(n) es la respuesta de un sistema LTI relajado a un impulso unitario aplicado
en n = 0 , se tiene que h(n) = 0 para n < 0 representa la condición necesaria y suficiente
para la causalidad. Luego, un sistema LTI es causal si y sólo si su respuesta al impulso
es cero para valores negativos de n .
Ya que para un sistema causal h(n) = 0 para n < 0, los límites de la sumatoria de
convolución deben ser modificados para reflejar esta restricción. Así se tiene dos formas
equivalentes para la salida de un sistema causal

¥
y(n) = å h(k)x(n - k) (7.65)
k =0
n
y(n) = å x(k)h(n - k)
k =-¥
(7.66)

Como se señaló anteriormente, la causalidad es requerida en aplicaciones de

procesamiento en tiempo real, dado que en cualquier instante n no se tiene acceso a
valores futuros de la señal de entrada. Solamente, los valores presente y pasados de la
señal de entrada están disponibles para el cálculo de la salida presente .
Algunas veces es conveniente denominar como secuencia causal, a una
secuencia que es cero para n < 0. Una secuencia que no es cero para n < 0 y para n > 0,
se dice que es una secuencia no causal
Si la entrada a un sistema LTI causal, es una secuencia causal, los límites de la
sumatoria de convolución son
n
y(n) = å h(k)x(n - k) (7.67)
k =0

n
y(n) = å x(k)h(n - k) (7.68)
k =0

Se tiene en este caso, que son idénticos los límites de las sumatorias de las dos formas
alternativas y que el límite superior es creciente con el tiempo. Además, la respuesta de
un sistema causal a una secuencia de entrada causal es causal, dado que y(n) = 0 para
n<0.

Ejemplo 7.13 .

Determinar la respuesta al escalón unitario, del sistema LTI con respuesta al impulso
h(n) dada por
h(n) = ( 13 ) u(n)
n

Solución
Dada que la secuencia de entrada es un escalón unitario, o sea una secuencia causal, y
que el sistema es también causal, se puede utilizar cualquiera de las ecuaciones (7.67) o
(7.68) para determinar la respuesta y(n). Como x(n) = 1 para n ³ 0, es más conveniente
utilizar la ecuación (7.67), obteniéndose
368
 n
y(n) = å ( 13 )
k

k =0

Como la sumatoria es una serie geométrica, se tiene

1 - ( 13 ) 3 - ( 13 )
n +1 n

y(n) = =
1 - 13 2

con y(n) = 0 para n < 0 .

7.7.4. Estabilidad para Sistemas LTI. Un sistema es estable si cada entrada limitada
(acotada) produce una salida limitada. Para determinar las condiciones bajo las cuales
los sistemas LTI son estables, se considera una secuencia de entrada x(n) que está
limitada en magnitud, o sea
x(n) £ M x < ¥ (7.69)
con Mx constante .
Similarmente , si la salida es limitada , existe una constante My tal que

y(n) £ M y < ¥ (7.70

para todo n .
Suponiendo que x(n) se aplica a un sistema LTI, con respuesta impulsional h(n),
y usando la sumatoria de convolución, se obtiene la siguiente expresión para la
magnitud de la salida
¥
y(n) = å h(k)x(n - k)
k =-¥
(7.71)

Dado que la magnitud de la suma de un conjunto de números no es mayor que la suma

de las magnitudes de los números, de la ecuación (7.71) se puede deducir que

¥
y(n) £ å
k =-¥
h(k) x(n - k) (7.72)

Considerando la ecuación (7.69) se tiene que ïx(n-k)ï< Mx para todos los valores de n.
Esto junto con la ecuación (7.72) implica que

¥
y(n) £ M x å
k =-¥
h(k) (7.73)

En la expresión (7.73), se observa que la salida y(n) será acotada si la respuesta al

impulso h(n) satisface la condición
¥
Hh = å
k =-¥
h(k) < ¥ (7.74)

369
O sea, que un sistema LTI es estable si su respuesta al impulso es absolutamente
sumable. Esta condición no es solamente suficiente, sino que también es necesaria para
asegurar la estabilidad de un sistema. Efectivamente, si se tiene que Hh = ¥ , habrá una
entrada acotada para la cual la salida es no acotada. Este resultado implica que cualquier
excitación de duración finita en la entrada de un sistema, producirá una salida que será
de naturaleza transiente, es decir que su amplitud decaerá con el tiempo y
eventualmente que tienda a cero, cuando el sistema sea estable.

Ejemplo 7.14 .

Determinar si el sistema con h(n) = ( 12 ) u(n) es estable .

n

Solución
Se tiene que un sistema es estable si
¥
Hh = å
k =-¥
h(k) < ¥

En este caso, dado que el sistema es causal porque h(n) = 0 para n < 0, se tiene

¥
H h = å ( 12 ) = 1 + 21 + ( 21 ) + ........
k 2

k =0

o sea Sh es una serie geométrica, la cual converge a

¥
1
H h = å ( 12 ) =
k

k =0 1 - 12
De donde
Hh = 2 <¥

En consecuencia, el sistema es estable .

En general, si h(n) = an u(n), se tiene que el sistema es estable si ïaï< 1.

Ejemplo 7.15.

Determinar el rango de los valores de p y q para los cuales el sistema LTI es estable, si
la respuesta al impulso h(n) dada por

ìïp n n³0
h(n) = í n
ïîq n<0

370
Solución.
De acuerdo a la expresión de h(n) se deduce que el sistema dado es no causal.
Aplicando la condición de estabilidad dada por (7.74), se tiene

¥ ¥ -1

å h(n) = å p + å
n n
q
n =-¥ n =0 n =-¥

Del Ejemplo 7.13, se tiene que la primera sumatoria del segundo miembro converge
para ïpï<1 . La segunda sumatoria puede escribirse como

( )
-1 ¥
1 1
å q =å = 1+ + + ........
n 1 1
n q 2
q
n =-¥ n =1 q q
haciendo
1
aº
q
se tiene
-1
a
å q = a (1 + a + a 2 + ........) =
n

n =-¥ 1- a

-1

å
n
Luego , para que la serie q converja , se debe cumplir que
n =-¥

1
a= <1
q
de donde
ïqï> 1

En consecuencia, el sistema será estable si se cumple que

ïpï< 1 y ïqï> 1

7.7.5 . Sistemas con Respuesta al Impulso de Duración Finita y Duración Infinita.

Para el análisis de sistemas, en algunos casos es conveniente considerar la siguiente
clasificación de los sistemas LTI: Sistemas con Respuesta al Impulso con Duración
Finita (FIR) y Sistemas con Respuesta al Impulso con Duración Infinita (IIR).
Sistemas FIR. Un sistema FIR tiene una respuesta al impulso que es cero fuera de
algún intervalo finito de tiempo. Sin pérdida de generalidad, se centrará el análisis en
Sistemas FIR Causales, de manera que

h(n) = 0para n < 0 y n ³ M (7.75)

371
La salida y(n) de este sistema está dada por

M -1
y(n) = å h(k)x(n - k) (7.76)
k =0

Una interpretación útil de esta expresión, es que la salida en cualquier instante n es

simplemente una combinación lineal ponderada de las muestras de la señal de entrada
x(n), x(n - 1), ........,x(n - M + 1), en que los pesos de las muestras son h(k) , k = 0,
1,......., M - 1. El sistema opera como una ventana, que ve solamente las M muestras
más recientes de la señal de entrada para formar la salida, y no considera u olvida todas
las otras muestras previas de la entrada ( x(n - M), x(n - M - 1),.....). Luego, se dice que
un sistema FIR tiene una memoria finita de longitud M muestras.

Sistemas IIR. Por otro lado, un sistema IIR LTI tiene una respuesta al impulso de
duración infinita. Asumiendo causalidad, su salida y(n) está dada por

¥
y(n) = å h(k)x(n - k) (7.77)
k =0

Dado que la suma ponderada considera las muestras presente y pasadas de la entrada, se
dice que un sistema IIR tiene una memoria infinita.

7.8. SISTEMAS DE TIEMPO DISCRETO DESCRITOS POR ECUACIONES EN

DIFERENCIAS
La caracterización de sistemas LTI en base a la respuesta h(n) al impulso permite
determinar la salida y(n) del sistema para cualquier secuencia de entrada x(n) utilizando

¥
y(n) = å h(k)x(n - k)
k =-¥
(7.78)

En general, cualquier sistema LTI puede ser caracterizado por la relación entrada -
salida dada por (7.78). Lo interesante es que la convolución sugiere un medio para la
realización del sistema. En el caso de sistemas FIR, tal realización implica el uso de
sumadores, multiplicadores y disponibilidad de memoria. En consecuencia, un sistema
FIR es implementado directamente a partir de la sumatoria de convolución.
Si el sistema es IIR, se tiene que es prácticamente imposible su implementación
a partir de la sumatoria de convolución, ya que se requeriría un número infinito de
sumadores, de multiplicadores y de ubicaciones de memoria. Dentro de la clase general
de IIR, hay una familia que puede ser descrita por ecuaciones en diferencias, lo cual es
una forma práctica y eficiente para la implementación de sistemas IIR. Los sistemas LTI
transforman la secuencia de entrada en una secuencia de salida de acuerdo a alguna
fórmula o ecuación diferencia. Esta familia o subclase IIR es muy utilizada en varias
aplicaciones prácticas, incluyendo la implementación de filtros digitales y el
modelamiento de fenómenos y sistemas físicos.

372
7.8.1 Sistemas de Tiempo Discreto Recursivos y No-Recursivos. Explícitamente, la
convolución expresa la salida de los sistemas LTI sólo en términos de la señal de
entrada. Sin embargo, hay muchos sistemas donde es necesario o deseable expresar su
salida, tanto en términos de los valores presente y pasados de la señal de entrada como
en términos de valores pasados disponibles de la propia señal de salida; en este contexto
los sistemas se clasifican en Sistemas Recursivos y en Sistemas No – Recursivos.

Sistemas Recursivos. Se define, en general, como sistema recursivo a aquel sistema

cuya salida y(n) en un instante n, depende de cualquier número de valores pasados de la
salida [y(n -1 ), y(n - 2), .....] y de valores presente y pasados de la entrada. Este sistema
tendrá un número finito de retardos o equivalentemente un número finito de unidades de
memoria, para su implementación práctica. De este modo, la salida de un sistema
recursivo prácticamente realizable, puede ser expresada en forma general como

y(n) = F [ y(n - 1), y(n - 2),...., y(n - N), x(n), x(n - 1),.....x(n - M)] (7.79)

donde F [.] denota alguna función de sus argumentos. Esta es una ecuación recursiva que
especifica un procedimiento para el cálculo de la salida del sistema en términos de
valores previos de la salida y presente y pasados de la entrada.

Sistemas No - Recursivos. Si la salida y(n) depende solamente de los valores presente

y pasados de la entrada, se dice que el sistema es no - recursivo. Luego, una expresión
general de la entrada - salida de un sistema no - recursivo es de la forma

y(n) = F [ x(n), x(n - 1),....., x(n - M)] (7.80)

En relación a los sistemas causales FIR, se tiene la siguiente relación entrada - salida

¥
y(n) = å h(k)x(n - k) (7.81)
k =0

y(n) = h(0)x(n) + h(1)(x(n - 1) + ..... + h(M)x(n - M)

(7.82)
y(n) = F [ x(n), x(n - 1),..........., x(n - M)]

De donde se concluye que los sistemas FIR LTI, descritos por la convolución, son
sistemas no recursivos.
La diferencia básica entre sistemas recursivos y no recursivos se ilustra en la
Figura 7.18.

373
 x(n) F [ x(n), x(n - 1),......., x(n - M)] y(n)

(a)

F [ y(n - 1),.y(n - 2),....., y(n - N)

x(n) y(n)
x(n), x(n - 1),.........., x(n - M)]

z-1

(b)

Figura 7.18 . Forma Básica para un Sistema Causal y Realizable (a) No-Recursivo
y (b) Recursivo

Del análisis de la Figura 7.18, se infiere que la diferencia fundamental entre sistemas
recursivos y no - recursivos es el lazo de realimentación que utiliza el sistema recursivo,
el cual contiene un elemento de retardo. La presencia de este retardo es crucial para la
realización del sistema, ya que la ausencia de este retardo forzaría al sistema a calcular
y(n) en términos de ella propia, lo cual no es posible para sistemas de tiempo discreto .

7.8.2. Sistemas LTI Caracterizados por Ecuaciones en Diferencias con Coeficientes

Constantes .Los sistemas descritos por ecuaciones en diferencias lineales con
coeficientes constantes son una sub - clase de sistemas recursivos y no - recursivos. Para
comenzar el estudio de tales sistemas, se considerará un sistema recursivo con la
siguiente relación entrada –salida

y(n) = ay(n - 1) + x(n) (7.83)

dondea es una constante. La Figura 7.19 muestra una realización en diagramas de

bloques de tal sistema .
x(n) + y(n)

z -1

a
Figura 7.19 . Diagrama en Bloques de la Realización de un Sistema Recursivo
Simple
374
Se asume que se aplica una señal x(n) en n ³ 0, y que existe la condición inicial y(-1)..
Dado que (7.83) describe implícitamente la salida del sistema, se debe resolver esta
ecuación para obtener una expresión explícita de y(n). Calculando valores sucesivos de
y(n) para n ³ 0, se tiene

y(0) = ay(-1) + x(0)

y(1) = ay(0) +x(1) = a2 y(-1) + ax(0) + x(1)

y(2) = ay(1) + x(2) = a3 y(-1) +a2 x(0) +ax(1) + x(2)

.
.
y(n) = ay(n-1) + x(n) = an+1 y(-1) + an x(0) + an-1 x(1) + ....+ax(n - 1) + x(n)

o , en forma más compacta

n
y(n) = a n +1 y( -1) + å a k x(n - k) n³0 (7.84)
k =0

De (7.84) se infiere que la respuesta y(n) del sistema consiste de dos partes: el primer
término del segundo miembro de (7.84), que contiene el término y(-1), es el resultado
de la condición inicial y(-1) del sistema. El segundo término, la sumatoria, es la
respuesta del sistema a la señal de entrada x(n).

Si el sistema está inicialmente relajado en n = 0, su memoria es cero, de aquí y(-1)=0.

Luego, un sistema recursivo es relajado si tiene condiciones iniciales nulas.
La respuesta y(n) puede escribirse como la suma de la respuesta de estado cero o
forzada yzs (n) y de la respuesta de entrada cero o natural yzi (n).

Respuesta Forzada .Dado que la memoria del sistema describe en algún sentido su
estado, se dice que el sistema está en estado cero cuando su memoria es nula y su
correspondiente salida se denomina respuesta de estado cero o forzada y se denota por
yzs(n). Obviamente, la respuesta forzada del sistema descrito por la ecuación (7.83) está
dada por
n
y zs (n) = å a k x(n - k) , n³0 (7.85)
k=0

Es interesante hacer notar que (7.85) representa la convolución de x(n) con

h(n) = an u(n) (7.86)

Se observa también que el sistema descrito por la ecuación diferencia lineal de primer
orden (7.83) es causal, por lo que el límite inferior de (7.85) es cero. Por otra parte, la
condición y(-1) = 0 implica que la señal de entrada puede ser asumida causal y de aquí
que el límite superior de (7.85) es n, dado que x(n -k) = 0 para k > n. En efecto, se ha
375
obtenido el resultado que el sistema recursivo relajado descrito por la ecuación
diferencia de primer orden (7.83), es un sistema IIR LTI con respuesta al impulso dado
por (7.86).

Respuesta Natural. Suponiendo que el sistema descrito por (7.83) es inicialmente no -

relajado, como por ejemplo y(-1) ¹ 0, y que la entrada x (n) sea cero para todo n. Luego,
la salida del sistema con entrada cero es denominada respuesta de entrada - cero o
respuesta natural y es denotada como yzi(n).
De (7.83), con x(n) = 0 para -¥< n <¥, se obtiene

yzi (n) = an+1 y(-1) , n³0 (7.87)

Se observa que un sistema recursivo con condiciones iniciales no - nulas es no - relajado

en el sentido que puede producir una salida sin ser excitado. Otro alcance es que la
respuesta de entrada - cero, se debe a la memoria del sistema.
Resumiendo, se puede decir que: la respuesta de entrada – cero, de un sistema no
relajado, se obtiene haciendo la entrada igual a cero. Por lo cual, la respuesta de entrada
- cero es característica propia del sistema, y de aquí que se conozca como respuesta
natural o libre del sistema. Por otra parte, la respuesta de estado - cero depende de la
naturaleza del sistema y de la señal de entrada. Dado que esta salida es una respuesta
forzada por la señal de entrada, es usual llamarla respuesta forzada del sistema.

Respuesta Total. En general, la respuesta total y(n) del sistema puede ser expresada
como
y(n) = yzi (n) + yzs (n) (7.88)

El sistema descrito por la ecuación en diferencias de primer orden (7.83), representa al

sistema recursivo más simple que se puede encontrar dentro de la clase general de los
sistemas que son descritos por ecuaciones diferencias con coeficientes constantes. La
forma general de este tipo de ecuaciones es

N M

å a k y(n - k) = å b k x(n - k)
k =0 k =0
(7.89)

Cuando a0 = 1, la ecuación (7.89) se puede escribir como

N M
y(n) = -å a k y(n - k) + å b k x(n - k) (7.90)
k =1 k =0

La ecuación (7.90) expresa que la salida del sistema en el instante n es la suma

ponderada de los valores pasados de la salida y(n - 1) , y(n - 2) ,......., y(n - N) y de los
valores presente y pasados de la entrada. Se observa que con el objeto de determinar
y(n) para n ³ 0, se necesitan los valores de la entrada x(n) para todo n ³ 0 y las
condiciones iniciales y(-1), y(-2),........., y(-N). En otras palabras, las condiciones

376
iniciales resumen todo el conocimiento , del pasado histórico de la respuesta del
sistema, que se requiere para el cálculo del presente y futuro de la salida.
Dependiendo de las condiciones iniciales, un sistema recursivo puede ser o no
relajado. Por lo que las definiciones de las propiedades de linealidad, invariancia en el
tiempo y estabilidad de tales sistemas, deben tomar en cuenta la presencia o no de las
condiciones iniciales.

Linealidad. Un sistema es lineal si satisface los siguientes requerimientos :

* La respuesta total y(n) es igual a la suma de las respuestas natural y forzada .
* El principio de superposición es aplicable a la respuesta de estado - cero
( lineal de estado - cero) .
* El principio de superposición es aplicable a la respuesta de entrada - cero
( lineal de entrada - cero) .
Un sistema debe satisfacer los tres requerimientos para ser un sistema lineal, en
caso contrario es no - lineal. Obviamente para un sistema relajado, o sea yzi(n) = 0, es
suficiente que se cumpla el segundo requerimiento para que el sistema sea lineal.

Ejemplo 7.16.

Determinar si el sistema recursivo descrito por la ecuación diferencia

y(n) = ay(n -1) + x(n)

es lineal .

Solución
Considerando la ecuación (7.84), se tiene

n
y(n) = a n +1 y( -1) + å a k x(n - k) n³ 0
k =0

Por definición de respuesta natural se tiene

y zi (n) = y(n) x(n ) =0

luego
yzi (n) = an+1 y(-1)
Por otra parte
y zs (n) = y(n) y( -1) =0
por lo que
n
y zs (n) = å a k x(n - k)
k =0

Por lo tanto
y(n) = yzi (n) +yzs (n)

377
En consecuencia, se cumple el requerimiento de que la respuesta total sea igual a la
suma de las respuestas de entrada - cero y estado - cero.
Asumiendo que x(n) = c1 x1 (n) +c2 x2 (n) , se tiene que

n
y zs (n) = å a k [ c1 x1 (n - k) + c2 x 2 (n - k) ]
k =0
n n
y zs (n) = c1 å a k x1 (n - k) + c2 å a k x 2 (n - k)
k =0 k =0

y zs (n) = c1 y (1)
zs (n) + c1 y zs (n)
(2)

Luego, yzs (n) cumple el principio de superposición, por lo que el sistema es lineal de
estado - cero
Ahora se asume que y(-1) = c1 y1 (-1) + c2 y2 (-1), por lo que

yzi (n) = a n +1 [ c1y1 (-1) + c2 y 2 (-1)]

y zi (n) = c1a n +1 y1 ( -1) + c 2 a n +1 y 2 ( -1)

y zi (n) = c1 y (1)
zi + c 2 y zi
( 2)

O sea, que el sistema es lineal de entrada cero .

Se deduce por lo tanto que el sistema es lineal, dado que cumple con los tres
requerimientos de linealidad .

El procedimiento utilizado en el Ejemplo 7.15, para demostrar la linealidad de una

ecuación en diferencias de primer orden, puede ser generalizado para sistemas descritos
por ecuaciones en diferencias dadas por (7.89). De aquí, un sistema recursivo descrito
por la ecuación en diferencias lineal (7.89) también satisface las tres condiciones que
definen un sistema lineal, y por lo tanto es lineal .

Invarianza en el Tiempo. Los sistemas descritos por (7.89) son invariantes en el

tiempo debido a que los coeficientes ak y bkson constantes. Por otra parte, si uno o más
de estos coeficientes son funciones del tiempo, el sistema es variante en el tiempo, dado
que sus propiedades cambian en función del tiempo. Luego, se concluye que el sistema
recursivo descrito por una ecuación en diferencias lineal con coeficientes constantes es
lineal e invariante en el tiempo.

Estabilidad .Considerando el concepto de que una entrada limitada o acotada produce

una salida limitada o acotada (BIBO), aplicado para la estabilidad de sistemas relajados,
se tiene que sistemas recursivos LTI descritos por (7.89) son estables BIBO si y sólo si

378
para cualquier entrada limitada y cualquier condición inicial limitada, la respuesta total
del sistema es limitada .

Ejemplo 7.17.

Determinar la estabilidad del sistema recursivo LTI, descrito por la ecuación en

diferencias
y(n) = ay(n – 1) + x(n)
Solución
Se asume que la señal de entrada x(n) es acotada en amplitud, es decir que

ïx(n)ï£ Mx<¥ para todo n ³ 0

Tomando módulo a (7.84), respuesta del sistema , se tiene

n
y(n) £ a n +1 y(-1) + åa
k =0
k
x(n - k) n³0
n
y(-1) + M x å a
n +1
y(n) £ a n³0
k

k =0
n +1
n +1 1- a
y(n) £ a y(-1) + M x = My n³0
1- a

Si n es finito, el límite My es finito y la salida es limitada independientemente del valor

de a. Sin embargo, si n ®¥, el límite My es finito sólo si ïaï< 1, ya que ïaï® 0
cuando n ®¥. Luego, en este caso
1
My =
1- a

En consecuencia el sistema es estable si ïaï<1 .

7.9. REPRESENTACIONES O REALIZACIONES DE SISTEMAS LTI

DESCRITOS POR ECUACIONES EN DIFERENCIAS
De la ecuación (7.90) se deduce que una ecuación en diferencias lineal con coeficientes
constantes puede ser considerada como un algoritmo para calcular valores sucesivos de
y(n) mediante una combinación lineal de sus valores pasados y de valores presente y
pasados de la entrada. Al implementar tal sistema LTI en un computador digital o en
hardware de propósito especial, se estaría realizando este algoritmo. Hay varias
alternativas para la organización de los cálculos planteados por la ecuación (7.90), cada
una de las cuales representa una estructura o realización diferente del sistema LTI
descrito por la ecuación (7.90) .
Para desarrollar y describir cada una de estas realizaciones alternativas, es
adecuado graficar la ecuación (7.90) y realizar las operaciones pertinentes en base a esta
379
gráfica. Para desarrollar tal representación gráfica se nota que la evaluación de la
ecuación (7.90) requiere de tres operaciones básicas: suma, multiplicación por un
coeficiente y retardo. Por lo cual, para dicha representación se puede hacer uso de lo
establecido en la sección 7.2.
Sea el sistema LTI no recursivo

y(n) = b 0 x(n) +b1 x(n - 1) (7.91)

El algoritmo sugerido por la ecuación (7.91) está ilustrado en la Figura 7.20.

b0
x(n) + y(n)

z -1

x(n-1) b1

Figura 7.20. Representación en Diagrama de Bloques del Sistema LTI Descrito por
la Ecuación (7.91) .

Se observa que el sistema requiere de un elemento de retardo y que no existe

realimentación, dado que los valores previos de las salida no son utilizados en el cálculo
del valor presente de la salida . Existen otras realizaciones para sistemas caracterizados
por la ecuación en diferencias (7.91)

7.10. APLICACIÓN DE LA SOLUCION DE ECUACIONES EN DIFERENCIAS

LINEALES AL ANÁLISIS DE SISTEMAS.

Considerando que una ecuación en diferencias lineal con coeficientes constantes es la

relación entrada – salida que describe un sistema LTI, se tendrá como objetivo el
determinar una expresión explícita para la salida del sistema. Para ello, se pueden
emplear los métodos: Método Directo y Método Indirecto, el cual se basa en la
Transformada – Z. Ambos métodos serán desarrollados en esta sección.

9.10.1. Método Directo. Básicamente, el objetivo es determinar la salida y(n), n ³ 0,

del sistema dado cuando se le aplica una entrada específica x(n), n ³ 0, teniéndose
determinadas condiciones iniciales. El método directo asume que la solución total y(n)
es la suma de dos componentes: solución homogénea o complementariayh(n) y solución
particularyp(n), o sea

y(n) = y h (n) + y p (n) (7.92)

Solución Homogénea de una Ecuación en Diferencias. Se considera la ecuación en

diferencias de la forma dada por
380
 N M

åa
k =0
k y(n - k) = å b k x(n - k)
k =0
(7.93)

Suponiendo que en la ecuación (7.93) la entrada x(n) = 0, se obtendrá la ecuación en

diferencias homogénea asociada dada por
N

åa
k=0
k y(n - k) = 0 (7.94)

El problema se reduce a determinar la solución de la ecuación (7.94), la cual se

denomina solución homogénea.
El procedimiento para resolver una ecuación en diferencias lineal con
coeficientes constantes es muy similar al procedimiento utilizado en la resolución de las
ecuaciones diferenciales lineales con coeficientes constantes. Básicamente, se asume
que la solución homogénea es de la forma

yh (n) = r n (7.95)

donde el subíndice h de y(n) es usado para denotar que la solución es homogénea.

Sustituyendo esta forma de solución en (7.94), se obtiene

åa k =0
k r n -k = 0 (7.96)

o con a0 = 1,
r n - N ( r N + a1r N -1 + a 2 r N -2 + ............... + a N -1r + a N ) = 0 (7.97)

El polinomio entre paréntesis de la ecuación (7.97) se denomina polinomio

característico del sistema. En general, el polinomio característico tiene N raíces,
denotadas como: r1, r2,.................,rN. Las raíces pueden reales o complejas. Si los
coeficientes a1, a2,............, aNson reales, lo cual es común en la práctica, las raíces
podrían ser complejas en pares de complejos conjugados. Algunas de las N raíces
pueden ser idénticas, en cuyo caso se tendrán raíces múltiples.
En el caso de que todas las raíces sean distintas, se tendrá que la solución
general yh(n) de la ecuación homogénea es de la forma

y h (n) = C1r1n + C 2 r2n + .............. + C N rNn (7.98)

donde C1, C2, .........., CN son coeficientes, los cuales pueden ser determinados a partir de
las condiciones iniciales especificadas para el sistema. Dado que la entrada es x(n) = 0,
la ecuación (7.98) puede ser utilizada para obtener la respuesta de entrada – cero del
sistema, evaluando los coeficientes Ci de la solución homogénea.

381
Ejemplo 7.18.

Determinar la respuesta de entrada – cero del sistema, no relajado, descrito por la

ecuación en diferencias de segundo orden

x(n) - 3y(n - 1) - 4y(n - 2) = 0

Solución
Como se pide determinar la respuesta de entrada – cero, se debe considerar x(n) = 0.
Con lo cual se obtiene la siguiente ecuación en diferencias homogénea

-3y(n - 1) - 4y(n - 2) = 0

ecuación que tiene como solución

yh (n) = r n

Aplicando esta solución a la ecuación homogénea, se obtiene la ecuación característica

-3r n -1 - 4r n - 2 = 0

r n -2 ( -3r - 4 ) = 0
Luego, la raíz es
4
r1 = -
3

Por lo tanto, la forma general de la solución de la ecuación homogénea es

yh (n) = C1r1n

y considerando el valor de r1, se tiene

y h (n) = C1 ( - 43 )
n

La respuesta de entrada – cero del sistema, no relajado, puede ser determinada a partir
de la solución homogénea, evaluando los coeficientes Ci. Para ello, se hace uso de la
ecuación en diferencias homogénea asociada a la ecuación en diferencias original dada,
asumiendo conocidas las condiciones iniciales necesarias. Como se trata de una
ecuación en diferencias de primer orden, sólo es necesario una condición inicial. De la
ecuación en diferencias homogénea asociada, haciendo n = 1, se tiene

-3y(0) - 4y(-1) = 0
de donde
382
 y(0) = - 43 y(-1) (I)

Haciendo n = 0 en la solución homogénea, se obtiene

y h (0) = C1 (II)

Comparando (I) y (II), se obtiene

C1 = - 43 y(-1)

En consecuencia, la respuesta de entrada – cero yzi(n) es

y zi (n) = ( - 43 )
n +1
y( -1)

Ejemplo 7.19.

Determinar la respuesta de entrada – cero del sistema descrito por la ecuación en

diferencias homogénea de segundo orden

y(n) – y(n –1) – 6y(n – 2) = 0

Solución
En primer lugar, se determinará la solución de la ecuación homogénea. Para ello se
asume la solución
yh (n) = r n

En la ecuación homogénea dada, se reemplaza y(n) por yh(n) especificada, obteniéndose

la ecuación característica
r n - r n -1 - 6r n - 2 = 0

r n -2 ( r 2 - r - 6 ) = 0
Luego, las raíces son
r1 = -2

r2 = 3

Por lo que, la forma general de la solución homogénea es

yh (n) = C1r1n + C2 r2n

383
Luego, considerando los valores obtenidos para r1 y r2, se obtiene la expresión
específica de yh(n)
yh (n) = C1 (-2) n + C2 (3)n

Como en el Ejemplo 7.18, la respuesta de entrada cero puede ser obtenida a partir de la
solución homogénea. Como se trata de una ecuación en diferencias de segundo orden
son necesarias dos condiciones iniciales. Se hace n = 0 y n = 1 en la ecuación
homogénea dada , obteniéndose

y(0) = y(-1) + 6y(-2) (I)

y(1) = y(0) + 6y(-1)

Reemplazando la expresión de y(0) de la primera ecuación en la segunda, se obtiene

y(1) = 7y(-1) + 6y(-2) (II)

Haciendo n = 0 y n = 1 en la solución homogénea, se obtiene

y(0) = C1 + C2
(III)
y(1) = -2C1 + 3C 2

Comparando (I) y (II) con (III), se obtiene el siguiente sistema de ecuaciones

C1 + C 2 = y(-1) + 6y(-2)

-2C1 + 3C 2 = 7y(-1) + 6y(-2)

La solución de este sistema es

C1 = - 54 y(-1) + 125 y(-2)

C 2 = 95 y(-1) + 185 y(-2)

Por lo tanto, la respuesta de entrada – cero yzi(n) del sistema es

y zi (n) = éë- 54 y( -1) + 125 y(-2) ùû( -2 ) + éë 95 y( -1) + 185 y( -2) ùû( 3 ) ,n³0
n n

Por ejemplo, si y(-1) = 10 e y(-2) = 0, se tiene

384
 C1 = -8 , C 2 = 18
luego
y zi (n) = ( -2 ) + 2 ( 3)
n +3 n+2
, n³0

Las ecuaciones en diferencias representan un modelo de sistemas de tiempo discreto, lo

que implica que dado un sistema LTI, se puede determinar la ecuación en diferencias
que lo modela o caracteriza. Este concepto se puede aplicar en los problemas en que
conocido el sistema, se puede determinar su respuesta a una excitación dada a través de
su modelo ecuación en diferencias, como se ilustra en el ejemplo siguiente.

Ejemplo 7.20.

Sea el sistema de tiempo discreto mostrado en la Figura 7.26. Determinar su modelo

ecuación en diferencias y la solución de la ecuación homogénea asociada.
y(n)

+ z-1 z-1
x(n)

-6

Figura 7.21. Representación del Sistema de Tiempo Discreto del Ejemplo 7.20

Solución
El modelo ecuación diferencia del sistema dado es

y(n) = x(n) + 5y(n - 1) - 6y(n - 2)

Como se pide la solución homogénea, se tiene que x(n) = 0, luego

y(n) = 5y(n - 1) - 6y(n - 2)

o
y(n) - 5y(n - 1) + 6y(n - 2) = 0

Por lo cual la ecuación característica es

r 2 - 5r + 6 = 0

De donde se obtienen las siguientes raíces

r1 = 3

385
 r2 = 2

Por lo tanto la solución homogénea es

yh (n) = C1 (3)n + C2 (2) n

Como ejercicio queda el demostrar que la respuesta de entrada – cero está dada por

yzi (n) = [ y(-1) - 2y(-2)] (3)n + 2 + [ - y(-1) + 3y(-2) ] (2)n +2

La forma de las soluciones homogéneas depende del grado de multiplicidad de las

raíces de la ecuación característica. Para ello, se aplican las siguientes reglas:

1. Para raíz simple ri , se asigna la solución rin

2. Para cada raíz de multiplicidad m ( rim ), se asignan las soluciones:
rin , nrin , n 2rin ,.........., n m-1rin .
3. Para cada par de raíces complejas a ±jb, se asignan las soluciones
(a + jb)n y (a-jb)n . Usualmente estas soluciones se escriben en forma polar:
como rn cos fn y rn senfn , respectivamente. Donde r = a 2 + b 2 y f = tg -1 ba .
En este caso la solución es de la forma yh (n) = C1rn cos fn + C2rn senfn .
4. Para cada par de raíces complejas a ±jb de multiplicidad m, se asignan las
Soluciones : rn cos fn + rn senfn ; nrn cos fn + nrnsenfn ;..........................;
n m -1rn cos fn + n m -1rn senfn
En cada caso la solución homogénea total será igual a la suma ponderada de las
soluciones asignadas

Ejemplo 7.21.

Sea la ecuación homogénea de segundo orden

y(n) - 2ay(n - 1) + y(n - 2) = 0

Determinar y discutir su solución .

Solución .
La ecuación característica correspondiente es

r 2 - 2ar + 1 = 0
la cual tiene las siguientes raíces
386
 r1 = a + a 2 - 1
r2 = a - a 2 - 1

Por lo que la solución homogénea es de la forma

yh (n) = C1 (a + a 2 - 1)n + C2 (a - a 2 - 1) n

Para la discusión, se considerarán los siguiente casos :

1. Si ïaï< 1, las raíces son complejas y empleando la forma polar se tiene

1/ 2
r = éë a 2 + (1 - a 2 ) ùû =1

f = tg -1 ( )
1- a 2
a

por lo que

y h (n) = C1 cos fn + C2 sen fn

2. Si a= 1, se tiene que las raices son reales e iguales a 1, es decir, con grado de
multiplicidad igual a 2, o sea

r1 =r2 = 1

Por lo que en este caso, la solución homogénea es de la forma

y h (n) = C1 + C 2 n

3. Si a = -1, las raíces son reales e iguales a -1 o sea

r1 = r2 = -1

En consecuencia, la forma de la solución homogénea es

yh (n) = (C1 + C2 n)(-1)n

387
Solución Particular de la Ecuación en Diferencias. La solución particular yp (n) debe
satisfacer la ecuación en diferencias (7.89) para una señal de entrada específica x(n), n ³
0. Es decir, yp (n) es cualquier solución que satisface

N M

å a k yp (n - k) = å bk x(n - k)
k =0 k =0
(7.99)

Hay varios métodos para determinar la solución particular. Uno de ellos se basa en que
la solución particular depende de la forma de la entrada x(n), como se muestra en el
siguiente ejemplo.

Ejemplo 7.22.

y(n)

x(n) + z -1 z -1

5/6

-1/6
Determinar la solución particular del sistema de tiempo discreto, mostrado en la Figura
7.27, si x(n) = 3 n para n ³ 0 y x(n) = 0 para n < 0.
Figura 7.22 . Representación del Sistema de Tiempo Discreto del Ejemplo 7.22
Solución
El modelo ecuación en diferencias del sistema de tiempo discreto dado es

y(n) - 56 y(n - 1) + 16 y(n - 2) = 3n

En este caso, dado que x(n) = 3n, se considerará una solución particular de la forma

yp (n) = C1 (3) n

La cual debe de satisfacer el modelo ecuación diferencia obtenido, o sea

C1 (3) n - 56 C1 (3) n -1 + 61 C1 (3) n - 2 = (3) n

de donde se obtiene
C1 = 27
20

En consecuencia

yp (n) = 27
20
(3)n

388
Para determinar la solución particular se puede aplicar el siguiente criterio: si x(n) es
una exponencial, se asume que la solución particular es también exponencial. Si x(n)
fuera una senoide, luego y(n) también sería una senoide. Para el caso de que las
soluciones homogénea y particular sean distintas, la Tabla 7.1 proporciona la forma
general de la solución particular para varios tipos de entradas.

Tabla 7.1 Forma General de la Solución Particular para Varios

Tipos de Señales de Entrada

Señal de Entrada , Solución Particular

x(n) yp (n)

A (Constante) C
AMn CMn
AnM C0nM + C1 nM-1 +.........+ CM
ì AcosW0nü
í ý C1cosW 0 n + C2senW 0 n
î AsenW0nþ

Ejemplo 7.23.

Determinar la solución particular de la ecuación en diferencias de segundo orden

8y(n) - 6y(n - 1) + y(n - 2) = 5sen( n2p )

Solución
Primero se determinará la forma de la solución homogénea. La ecuación característica
es
r 2 - 68 r + 81 = 0

Nótese que se normalizó y(n), para obtener a0 = 1. Las raíces son

r1 = 12 , r2 = 1
4

Como las raíces de la ecuación característica son constantes reales, yh (n) = C(l)n, y
dado que x(n) es una función senoidal, las soluciones homogéneas son diferentes a la

particular, y en consecuencia se puede aplicar la Tabla 7.1. De acuerdo con dicha Tabla,
se tiene que la solución particular es de la forma

yp (n) = C1 cos ( n2p ) + C 2 sen ( n2p )

389
Donde C1 y C2 son constantes a determinar sustituyendo yp (n) en la ecuación en
diferencias original, obteniéndose

ë ( ) ( )
8 éë C1 cos ( n2p ) + C 2 sen ( n2p ) ùû - 6 éC1 cos (n -21) p + C 2 sen (n -21) p ù +
û
( )
( n - 2) p
( )
+ éëC1 cos 2 + C 2 sen 2 ùû = 5sen ( n2p )
(n - 2) p

Usando las relaciones trigonométricas adecuadas, se tiene

(7C2 - 6C1 )sen ( n2p ) + (7C1 + 6C 2 ) cos ( n2p ) = 5sen ( n2p )

Comparando los términos del primer miembro con el del segundo, se obtiene

7C2 -6C1 = 5

6C2 +7C1 =0

Resolviendo este sistema de ecuaciones, se obtiene

C1 = 30
13

C 2 = 177

En consecuencia, la solución particular o permanente es

yp (n) = 30
13
cos ( n2p ) + 177 sen ( n2p )

Para el caso de que la solución particular tenga la misma forma que la homogénea, se
debe aplicar el criterio de multiplicidad. Existe un método de resolución de ecuaciones
en diferencias, que omite la necesidad de conocer la forma de la solución homogénea
para determinar la solución particular, tal método se conoce Método de Coeficientes
Indeterminados.
Método de Coeficientes Indeterminados. El Método de Coeficientes Indeterminados
para el cálculo de la solución particular [ ], consiste en que dada la siguiente ecuación
en diferencias de orden N

y(n) + a1y(n - 1) + a 2 y(n - 2) + .......... + a N y(n - N) = x(n) (7.110)

Se tiene que la ecuación (7.110) se puede escribir haciendo uso de una notación
operacional. Para ello se define un operador de desplazamiento S como

S± k [ y(n) ] = y(n ± k) (7.111)

390
El símbolo S± k denota el operador de desplazamiento, el que indica que la secuencia
y(n) es operada, o transformada, para producir una secuencia nueva y(n ± k), la cual es
una versión desplazada de la secuencia original. Luego, (9.110) se puede escribir como

(1 + a1S-1 + a 2S-2 + ....... + a NS- N ) [ y(n)] = x(n) (7.112)

Para una escritura más compacta de (7.112), se define el operador diferencia lineal L
como
L = 1 + a 1S-1 + a 2S-2 + ....... + a NS- N (7.113)

Por lo que, la ecuación se puede escribir

L [ y(n) ] = x(n) (7.114)

Luego, dada una ecuación diferencia de la forma (7.110), se puede encontrar un

operador diferencia lineal LA , llamado operador anulador, de manera que

L A [ x(n)] = 0 (7.115)

Este operador se aplica a los dos miembros de la ecuación (7.110). La ecuación

homogénea resultante se resuelve de acuerdo al procedimiento ya establecido para tal
caso, y la solución obtenida corresponde a la solución particular. Para evaluar los
coeficientes indeterminados de la solución particular, se aplica la solución particular en
la ecuación (7.110) y se evalúan dichos coeficientes indeterminados, a partir de la
ecuación obtenida.
La Tabla 7.2 muestra la forma de operadores anuladores, para ciertas secuencias
forzantes (señales de entrada) x(n).

Tabla 7.2 . Operadores Anuladores para Secuencias Forzantes Típicas .

Secuencia Forzante Operador Anulador

x(n) LA

an 1-aS-1
senfn o cosfn (1 - ejf S-1 )(1 - e-jf S-1 )
nk (1-S-1 )k+1
nk an (1-aS-1 )k+1
ansenfn o an cosfn (1-aejf S-1 )(1-ae-jf S-1 )
[ (1 - e S -1 )(1 - e-jfS -1 )]
jf 2
nsenfn o ncosfn

Si la secuencia u(n) es anulada por Lu (S) y la secuencia v(n) por Lv (S), luego la
secuencia C1 u(n) + C1 v(n) es anulada por Lu (s)Lv (S).
391
 Si las raíces de la ecuación auxiliar resultante de aplicar LA a la ecuación en
diferencias original, repiten cualquiera de las raíces de la ecuación auxiliar
correspondiente a la ecuación homogénea asociada a la ecuación en diferencias original,
se debe aplicar la regla para el caso de raíces múltiples, y se selecciona la solución
particular no considerando los términos contenidos en la solución homogénea .

Ejemplo 7.24 .

Determinar la solución particular de la ecuación en diferencias de segundo orden

y(n) + 19 y(n - 2) = ( 13 ) cos( n2p ) ,

n
n³0
Solución .
La ecuación diferencia dada, en notación operacional se puede escribir como

(1 + 1
9
S-2 ) [ y(n) ] = ( 13 ) cos( n2p ) , n ³ 0
n

De donde se tiene que la ecuación característica de la ecuación homogénea asociada a la

ecuación en diferencias original es
r 2 + 19 = 0 (I)

Por otra parte, de la Tabla 7.2 se tiene que el operador anulador para x(n) dado es

( jp
)(
L A = 1 - 13 e 2 S-1 1 - 13 e 2 S-1
- jp
)
Realizando el producto, se obtiene
L A = 1 + 19 S-2

Luego, aplicando LA a la expresión operacional de la ecuación en diferencias original,

se tiene
(1 + 1
9
S-2 )(1 + 19 S-2 ) [ y(n)] = (1 + 19 S-2 ) é( 13 ) cos( n2p ) ù
ë
n

û
de donde
(1 + 1
9 S-2 ) (1 + 19 S-2 ) [ y(n) ] = 0

Se observa que las raíces de esta última ecuación homogénea son raíces repetidas de la
ecuación característica (I), las que son

r1 = j 13 , r2 = - j 13

Considerando la naturaleza compleja de estas raíces y aplicando la regla de

multiplicidad, que en este caso es de grado dos, y no considerando los términos
contenidos en la solución homogénea, se tiene que la forma de la solución particular es

392
 y p (n) = n ( 13 ) ëéC1 cos( n2p ) + C 2 sen( n2p ) ûù
n

con r =1/3 y f = p/2 .

Para determinar los coeficientes C1 y C2, se reemplaza y(n) por yp (n) en la ecuación en
diferencias original, o sea

n ( 13 ) ( C1 cos n2p + C 2 sen n2p ) + 19 (n - 2) ( 13 ) ( -C1 cos n2p - C 2 sen n2p ) = ( 13 )

n n-2 n
cos n2p

dado que
cos ( n -22) p = - cos n2p
sen (n -22) p = - sen n2p

Obteniéndose los siguientes valores de C1 y C2

C1 = 1
2
, C2 = 0

En consecuencia , la solución particular es

( 13 )
n
y p (n) = n
2 cos n2p , n³0

En el caso de que las raíces de la ecuación característica de LA (S), sean diferentes a las
raíces de la ecuación característica de la ecuación homogénea asociada a la ecuación en
diferencias original, se tendrá que las raíces de LA (S), determinan la forma de la
solución particular.

Ejemplo 7.25.

Determinar la solución particular de la ecuación en diferencias

y(n) - 56 y(n - 1) + 16 y(n - 2) = x(n)

con x(n) = 2n , n ³ 0 .
Solución .
En forma operacional la forma de la ecuación en diferencias dada es

(1 - 56 S-1 + 61 S-2 ) [ y(n)] = 2n

La ecuación característica de la ecuación homogénea asociada es

r 2 - 56 r + 16 = 0
cuyas raíces son
393
 r1 = 1
2
, r2 = 13

De acuerdo a la Tabla 7.2, se tiene

LA = (1 - 2S-1)

La ecuación característica de LA (S) es

r-2=0

o sea que la raíz es r3 =2, la cual es diferente a r1 y r2. Por lo tanto la solución particular
es de la forma
yp (n) = C1 2n , n ³ 0

Introduciendo yp (n) en la ecuación en diferencias, se obtiene

C1 2n u(n) - C1 56 2n -1 u(n - 1) + C1 16 2 n - 2 u(n - 2) = 2n u(n)

Para determinar C1 , es necesario evaluar esta ecuación para cualquier n ³ 2, con lo cual
se asegura que ningún término del primer miembro desaparezca. De esta manera para n
= 2, se obtiene
4C1 - 56 (2C1 ) + 16 C1 = 4
de donde
C1 = 85
Luego, la solución particular es

yp (n) = 85 2n , n ³ 0

Aplicando LA (S) a la ecuación en diferencias original, se tiene

(1 - 2S-1 )(1 - 56 S-1 + 16 S-2 ) = 0

Como las raíces de los dos factores del primer miembro son distintas, las raíces del
primer factor determinan la forma de la solución particular (1 - 2S-1 ), y las raíces del
segundo factor (1 - 5/6 S-1 + 1/6 S-2) la forma de la solución homogénea .

Solución Total de la Ecuación en Diferencias .La propiedad de linealidad de la

ecuación en diferencias lineal con coeficientes constantes, permite hacer la suma de la
solución homogénea con la solución particular para obtener la solución total, o sea

y(n) = yh (n) + yp (n) (7.116)

394
La solución total y(n) contiene los coeficientes {Ci}de la solución homogénea yh (n).
Estas constantes pueden ser determinadas aplicando las condiciones iniciales en la
solución total y en la ecuación en diferencias original. La solución total representa la
respuesta total del sistema, es decir, la respuesta de estado – cero más la de entrada –
cero. La respuesta de entrada - cero es el término que es función de las condiciones
iniciales y los otros términos representan la respuesta de estado - cero. Para el caso de
sistemas relajados (condiciones iniciales nulas), la solución total de la ecuación en
diferencias representa la respuesta total del sistema, la que en este caso es igual a la
respuesta de estado – cero del sistema.

Ejemplo 7.26.

Determinar la repuesta de estado cero y(n), n ³ 0, de los sistemas relajados descritos por
a) Ecuación en diferencias del Ejemplo 7.24 .
b) Ecuación en diferencias del Ejemplo 7.25 .
Solución
a) En este caso la ecuación en diferencias es

y(n) + 19 y(n - 2) = ( 13 ) cos n2p

n
,n³0
Solución Homogénea. En notación operacional, la ecuación homogénea asociada se
escribe
(1 + 19 S-2 ) [ y(n)] = 0

Ecuación característica correspondiente

r 2 + 19 = 0
Luego , las raíces son
r1 = j 1
3
, r2 = - j 1
3

Como se tienen raíces complejas, la solución homogénea tiene la forma

yh (n) = K1rn cos fn + K 2rn sen fn

En este caso, r= 1/ 3 y f = p/2 y por lo tanto

( ) ( )
n n
yh (n) = K1 1
3
cos n2p + K 2 1
3
sen n2p

Solución Particular. Por otra parte, en el Ejemplo 7.24 se determinó que la forma de la
solución particular, como tenía raíces repetidas de la ecuación homogénea, es

( )
n
yp (n) = n
2
1
3
cos n2p

395
Respuesta de estado - cero yzs (n) = y(n). Para sistemas relajados, la respuesta de estado
- cero yzs (n) está dada por

y zs (n) = y(n) = y h (n) + y p (n)

n³ 0

( ) ( ) ( )
n n n
y zs (n) = y(n) = K1 1
3
cos n2p + K 2 1
3
sen n2p + 2n 1
3
cos n2p

Para evaluar las constantes K1 y K2 se aplican las condiciones iniciales. Como se tienen
sistemas relajados las condiciones iniciales son nulas, y dado que el sistema dado es de
segundo orden, se requieren dos condiciones iniciales, considerándose y(- 1) = y(- 2)=0.
En la ecuación en diferencias original, se tiene

y(0) + 19 y(-2) = 1 Þ y(0) = 1

y(1)+ 19 y(-1) = 0 Þ y(1) = 0

De la solución total se tiene
y(0) = K 1

y(1) = K 2 ( ) 1
3

Luego, se obtienen los valores

K1 = 1 , K2 = 0
Por lo tanto,

ì
ï0 n<0
ï
y zs (n) = y(n) = í
ï
ïî( n2 + 1) ( ) cos ( n2p ) n ³ 0
n
1
3

b) Del Ejemplo 7.25, la solución particular para la ecuación en diferencias dada es

yp (n) = 85 2n n³0

También se determinó que las raíces de la ecuación homogénea asociada eran :l1 = 1/2
y l2 = 1/3, por lo cual, la forma de la solución homogénea es

y h (n) = K 3 ( 12 ) + K 4 ( 31 )
n n

Luego, la respuesta y(n) es

y(n) = K 3 ( 12 ) + K 4 ( 13 ) + 85 2n
n n

396
Aplicando condiciones iniciales, de la ecuación en diferencias original, se tiene

y(0) - 56 y(-1) + 16 y(-2) = 1 Þ y(0)=1

y(1) - 56 y(0) + 16 y(-1) = 2 Þ y(1)= 176

Para la solución total, se tiene

y(0) = K 3 + K 4 + 85 Þ K 3 + K 4 + 85 = 1

y(1) = 12 K 3 + 13 K 4 + 165 Þ 12 K 3 + 13 K 4 + 165 = 176

Resolviendo este sistema de ecuaciones, los valores obtenidos de K3 y de K4 .son

K3 = -1 , K4 = 2/5

En consecuencia, la repuesta y(n) correspondientees

ìï - ( 1 ) n + 2 ( 1 )n + 8 2 n n³0
y zs (n) = y(n) = í 2 5 3 5

ïî0 n<0

Ejemplo 7.27.

Determinar la respuesta total del sistema de tiempo discreto relajado, mostrado en la

Figura 7.23. Con
ìn n³0
ï
x(n) = í
ï0
î n<0

x(n) + z -1 z -1 y(n)

-1

Figura 7.23. Representación del Sistema de Tiempo Discreto del Ejemplo 7.27

Solución
Designando como v(n) la secuencia de salida del sumador, se tiene el siguiente modelo
ecuación en diferencias del sistema dado
v(n) = x(n) + 2v(n - 1) - v(n - 2)

397
o
v(n) - 2v(n - 1) + v(n - 2) = n , n³0

Utilizando notación operacional, se tiene

(1 - 2S -1
+ S-2 ) [ v(n) ] = n

Solución Homogénea. En este caso, se tiene que la notación operacional queda

(1 - 2S -1
+ S-2 ) [ v(n) ] = 0

La ecuación característica correspondiente es

r 2 - 2r + 1 = 0
cuyas raíces son
r1 = r2 = 1

Como se trata de raíces reales de multiplicidad 2, la solución homogénea vh(n) es

v h (n) = C1 + C 2 n
Solución Particular. Como x(n) =n, se tiene que el operador anulador LA es
L A = (1 - S-1 )
2

Aplicando este operador ala ecuación diferencia original, se tiene

(1 - S ) (1 - 2S
-1 2 -1
+ S-2 ) [ v(n) ] = 0

Se observa que las raíces correspondientes a la solución particular (raíces de LA), son
raíces repetidas de las raíces de la solución homogénea, con grado de multiplicidad
cuatro. Por lo tanto, considerando la expresión obtenida de la solución homogénea, la
forma de la solución particular es
vp (n) = C3 n 2 + C 4 n 3

Reemplazando vp(n) en la ecuación en diferencias original, se obtiene

C3 n 2 + C4 n 3 - 2C3 (n - 1) 2 - 2C 4 (n - 1) 3 + C3 (n - 2) 2 + C4 (n - 2)3 = n

Evaluando esta ecuación para n = 1 y n = 2, se obtienen los siguientes valores

398
 1 1
C3 = , C4 =
2 6

Por lo que la solución particular es

1 1
vp (n) = n 2 + n 3
2 6

Solución Total. Se tiene que la expresión general de la solución total v(n) es

v(n) = v h (n) + v p (n)

Luego, de las expresiones de vh(n) y de vp(n), se tiene

v(n) = C1 + C 2 n + 12 n 2 + 16 n 3

Considerando que v(-1) = v(-2) = 0, y evaluando tanto la ecuación en diferencias como

la solución total para n = 0 y n = 1, resolviendo el sistema de ecuaciones resultante, se
obtienen los siguientes valores para C1 y C2

C1 = 0 ; C 2 = 13
Por lo tanto
v(n) = 13 n + 12 n 2 + 16 n 3 , n³0

Luego la solución total de la ecuación en diferencias o respuesta total del sistema está
dada por
y(n) = v(n - 2) = 13 (n - 2) + 12 (n - 2) 2 + 61 (n - 2)3

Dado que y(n) = v(n – 2) = 0 para n < 2, y(n) se puede escribir como

ì 13 n - 12 n 2 + 61 n 3 n³2
ï
y(n) = í
ï0 n<2
î

Queda como ejercicio el resolver el problema propuesto, representando al sistema dado

por la ecuación en diferencias

y(n) - 2y(n + 1) + y(n + 2) = n

7.10.2. Uso de MATLAB en la determinación de las gráficas de las Respuestas de

Sistemas a partir del Modelo de Ecuaciones en Diferencias del Sistema. La ecuación

399
en diferencias generalizada que caracteriza a un sistema de tiempo discreto está dada
por (7.89), o sea
N M

å a k y(n - k) = å b k x(n - k)
k =0 k =0

donde x(n) es la secuencia de entrada e y(n) es la respuesta del sistema a x(n).

Gráfica de y(n). Para determinar la gráfica de y(n), a partir del modelo de ecuación en
diferencias del sistema, usando MATLAB, se emplea la función filter. La sintaxis es
filter(b,a,x), siendo b el vector de los coeficientes de x(n-k) y a el vector de los
coeficientes de y(n-k).

Ejemplo 7.28.

El modelo de ecuaciones endiferencias de un sistema es

y(n) - y(n - 1) + 0,9y(n - 2) = x(n)

Determinar la expresión y la gráfica de la respuesta y(n) para x(n)=(0,9)n u(n).

Solución

Expresión de la respuesta y(n). Se considerará que y(n) está dada por

y(n) = yh(n) + yp(n)

Para determinar la solución homogénea yh(n), la ecuación característica es

r 2 - r + 0,9 = 0

cuyas raíces son

1 2, 6 1 2, 6
r1 = +j , r2 = -j
2 2 2 2

Por lo cual, considerando que las raíces son complejas conjugadas, la forma de la
solución homogénea yh(n) es

y h (n) = K1 (0,949) n cos(n58,19º ) + K 2 (0,949) n sen(n58,19º )

La forma de la solución particular yp(n), considerando la expresión de x(n), es

y p (n) = K 3 (0,9) n u(n)

400
Aplicando el método establecido anteriormente, para el cálculo de los coeficientes
indeterminados de la solución particular, se tiene que K3 = 1. Luego

yp (n) = (0, 9)n u(n)

Por lo tanto, la expresión de y(n) es

y(n) = éë K1 (0, 949) n cos(n58,19º ) + K 2 (0,949) n sen(n58,19º ) + (0,9) n ùû u(n)

Aplicando el método para el cálculo de los coeficientes de la solución homogénea, se

obtiene K1 = 0 y K2 = 1,24. Luego, la expresión final de y(n) es

y(n) = éë1, 24(0, 949) n sen(n58,19º ) + (0,9) n ùû u(n)

Gráfica de y(n). Se hará uso de la función filter, para obtener la gráfica de y(n). El
programa MATLAB es

% Determinacion de la Grafica de la respuesta y(n) del Sistema del Ejemplo 7.28

>> b=[1]; a=[1, -1, 0.9];
>> n= 0:20;
>> x=(0.9).^n; y=filter(b,a,x);
>>stem(n,y,'fill','k'); title('Grafica de y(n) del Ejemplo 7.28');
>>xlabel('n'); ylabel('y(n)'); grid

Figura 7.24. Gráfica de la respuesta y(n) del Ejemplo 7.28

Para el caso de que existan condiciones iniciales no – nulas, las condiciones iniciales
pueden ser almacenadas en vector definido para ello. Para un sistema de primer orden,
N=M=1, se define ci=[b 1x(-1) – a1 y(-1)]. Para un sistema de segundo orden, N=M=2, se
define ci = [b 1x(-1) + b2x(-2) – a1 y(-1) – a2 y(-2), b1x(n-1) – a2 y(-1)]. Para calcular la
respuesta con condiciones iniciales no – nulas, el formato es y = filter(b,a,x,ci).

401
Ejemplo 7.29.

Para el sistema descrito en el Ejemplo 7.28, determinar la gráfica de la respuesta para

x(n) dado, si y(-1) = 2 e y(-2) = 1.

Solución
En este caso, el programa MATLAB es

>> % Grafica de y(n) del Ejemplo 7.29

>> n=0:20;
>> u=ones(1,21); x=(0.9).^n.*u;
>> b=[1]; a=[1,-1,0.9];
>>ci=[1*2-0.9*1, -0.9*2];
>> y=filter(b,a,x,ci);
>>stem(n,y,'fill','k')
>>xlabel('n'); ylabel('y(n)'); grid
>>title('Grafica de y(n) del Ejemplo 7.29');

Figura 7.25. Gráfica de y(n) del Ejemplo 7.29

7.10.3. Método Indirecto. La Transformada – Z Unilateral es una herramienta muy

eficaz para la solución de ecuaciones en diferencias con condiciones iniciales nulas.
Para su uso, se reduce la ecuación en diferencias, la que relaciona las dos señales en el
dominio del tiempo, a una ecuación algebraica que relaciona sus Transformadas – Z
Unilaterales. Esta ecuación puede resolverse fácilmente para obtener la Transformada –
Z de la señal deseada. La señal deseada en el dominio del tiempo, se determina por la
inversión de la Transformada – Z resultante.

Ejemplo 7.30.

Utilizando Transformada –Z Unilateral, determinar la respuesta y (n) para n ³ 0 del

sistema caracterizado por la siguiente ecuación en diferencias
402
 y(n) - 14 y(n - 2) = u(n)
con y(-1) = 0, y(-2) = 1.
Solución
Aplicando, en la ecuación diferencia dada, Transformada- Z Unilateral y la propiedad
de desplazamiento temporal (7.52),dada por

Z + { y(n - k)} = éë y( - k) + y( - k + 1)z -1 + ... + y( -1)z - k +1 ùû + z - k Y + (z) , k > 0

se obtiene
1
Y + (z) - 14 éë y(-2) + y(-1)z -1 + z -2 Y + (z)ùû =
1 - z -1

Aplicando los datos y despejando Y+(z) se obtiene la expresión

1
1
Y + (z) = 4
-2
+
1- z 1
4 (1 - z )(1 - 41 z -2 )
-1

Ecuación que se puede escribir como

z2
1
z3
Y + (z) = 4
+
(z - )(z + 12 ) (z - 1)(z - 12 )(z + 12 )
1
2

Haciendo
z2 1
H1 (z) = 4

(z - )(z + 12 )
1
2

z3
H 2 (z) =
(z - 1)(z - 12 )(z + 12 )
se tiene que
Y + (z) = H1 (z) + H 2 (z)

Realizando la expansión en fracciones parciales de H1(z) y de H2(z), se obtiene

1
H1 (z) 4z C C
= = 11 + 21
z (z - 2 )(z + 2 ) z - 2 z + 2
1 1

H1 (z) 1
C1 = (z - 12 ) =
Z z = 12 8

H1 (z) 1
C 2 = (z + 12 ) =
z z =- 12 8

Por lo que H1(z) se puede escribir como

403
 1 1
z 8z
H1 (z) = 8
+
z - 2 z + 12
1

Para H2(z), se tiene

H 2 (z) z2 C C C
= = 3 + 41 + 51
z (z - 1)(z - 2 )(z + 2 ) z - 1 z - 2 z + 2
1 1

Por lo que
H 2 (z) 4
C3 = (z - 1) =
z z =1 3

H 2 (z) 1
C 4 = (z - 12 ) =-
z z = 12 2

H 2 (z) 1
C5 = (z + 12 ) =
z z =- 12 6
Por lo que la expresión de H2(z) queda

4
z - 13 z 1
6z
H 2 (z) = 3
+ +
z - 1 z - 2 z + 12
1

En consecuencia
4 7
- 83
Y + (z) = 3
+ 24
+
1 - z -1 1+ z1 -1
2 1 - 12 z -1

Aplicando transformada inversa, a la ecuación anterior, se obtiene

y(n) = 43 + 247 ( - 12 ) n - 83 ( 21 ) n , n³0

Ejemplo 7.31.

Aplicando Transformada – Z Unilateral, determinar la respuesta del sistema relajado

descrito por

y(n) - 56 y(n - 1) + 61 y(n - 2) = 2 n

Solución
Como se trata de un sistema relajado, condiciones iniciales nulas, aplicando
Transformada – Z a la ecuación en diferencias dada, se tiene

404
 1
Y + (z) - 56 z -1Y + (z) + 61 z -2 Y + (z) =
1 - 2z -1

1
Y + (z) éë1 - 56 z -1 + 61 z -2 ùû =
1 - 2z -1

1 z3
Y + (z) = =
(1 - 56 z -1 + 61 z -2 )(1 - 2z -1 ) (z - 21 )(z - 13 )(z - 2)

De donde
Y + (z) z2 A B C
= = + +
z (z - 2 )(z - 3 )(z - 2) z - 2 z - 3 z - 2
1 1 1 1

Y + (z)
A = (z - 12 ) = -1
z z= 1
2

Y + (z) 2
B = (z - 13 ) =
z z= 1 5
3

Y + (z) 8
C = (z - 2) =
z z =2 5

Por lo que
-1 2 8
Y + (z) = + 5
+ 5

1 - 12 z -1 1 - 13 z -1 1 - 2z -1
En consecuencia

y(n) = - ( 12 ) + 25 ( 13 ) + 85 ( 2 )
n n
n³0
n
,

Resultado que es concordante con el obtenido en el apartado b) del Ejemplo 7.26.

7.10.4. Respuesta al Impulso de Sistemas LTI Recursivos. La respuesta al impulso de

sistemas LTI, se define como la respuesta h(n) del sistema a la excitación impulso
unitario. En el caso de sistemas recursivos, h(n) es simplemente igual a la repuesta de
estado – cero del sistema cuando la entrada es x(n) = d(n) y el sistema está inicialmente
relajado. Por ejemplo, en el, sistema recursivo de primer orden dado por

y(n) = ay(n - 1) + x(n) (7.107)

405
la respuesta de estado cero es
n
y zs (n) = å a k x(n - k) (7.108)
k=0

Haciendo x(n) =d(n), se tiene

n
y zs (n) = å a k d(n - k) = a n , n ³ 0 (7.109)
k =0

Por lo tanto, la respuesta h(n) al impulso del sistema recursivo de primer orden, descrito
por la ecuación (7.108) es
h(n) = a n u(n) (7.110)

En el caso general de un sistema LTI recursivo arbitrario, la respuesta de estado – cero

expresada en términos de la convolución suma es

n
y zs (n) = å h(k)x(n - k) , n³0 (7.111)
k =0

Cuando la entrada es d(n) = x(n) ,se tiene que x(n –k) = d(n - k), y (7.111) se reduce a

yzs (n) = h(n) (7.112)

Se considerará el problema de determinar la respuesta h(n) al impulso, dado el modelo

del sistema en base a una ecuación en diferencias con coeficientes constantes. Se tiene
que la respuesta total del sistema para cualquier excitación, está dada por la suma de las
soluciones homogénea y particular de la ecuación diferencia correspondiente para la
señal de entrada dada. En el caso, de que la señal de entrada sea un impulso, la solución
particular es cero, dado que x(n) = 0 para n > 0, o sea

y p (n) = 0 (7.113)

En consecuencia, la respuesta del sistema a un impulso sólo considera la solución

homogénea, con los parámetros Ck de la ecuación (7.98) evaluados para satisfacer las
condiciones iniciales determinadas en el problema.

Ejemplo 7.32.

Determinar la respuesta h(n) al impulso, del sistema descrito por la ecuación en

diferencias
y(n) = 0, 7y(n - 1) - 0,1y(n - 2) + 2x(n) - x(n - 2)

406
Solución
Con x(n) = d(n), la ecuación en diferencias dada se convierte en

h(n) - 0, 7h(n - 1) + 0,1h(n - 2) = 2d(n) - d(n - 2)

La ecuación homogénea asociada es

h(n) - 0, 7h(n - 1) + 0,1h(n - 2) = 0

Como hp(n) = 0, se tiene que

h(n) = hh(n)

En notación operacional, la ecuación homogénea queda

(1 - 0, 7S -1
+ 0,1S-2 ) [ h(n) ] = 0

Por lo cual, la ecuación característica es

r 2 - 0, 7r + 0,1 = 0

ecuación que tiene las siguientes raíces

r1 = 12 , r2 = 51
Por lo que la expresión de h(n) es

h(n) = C1 ( 12 ) + C2 ( 51 )
n n

Para determinar C1 y de C2 es necesario considerar el efecto de d(n) y de d(n – 2), por lo

tanto se hará la evaluación para n = 0, n = 1, n = 2, tanto en la ecuación en diferencias
en términos de h(n) como en la solución homogénea. Luego, de la ecuación en
diferencias citada, se tiene

Para n = 0 h(0) = 2

Para n = 1 h(1) - 0,7h(0) = 0 Þ h(1) = 0, 7h(0)

de donde
h(1) = 7
5

Para n = 2 h(2) - 0, 7h(1) + 0,1h(0) = -1 Þ h(2) = - 11

50

407
De la expresión obtenida para h(n), se tiene

h(1) = 12 C1 + 15 C2

h(2) = 14 C1 + 251 C 2

Por lo tanto, se puede formar el siguiente sistema de ecuaciones

1
2
C1 + 15 C 2 = 7
5

1
4
C1 + 251 C 2 = - 11
50

Cuyas soluciones son

10 46
C1 = - , C2 =
3 3

En consecuencia, la respuesta al impulso del sistema dado es

h(n) = - 103 ( 12 ) + 463 ( 15 )

n n

Se observa que los sistemas recursivos de primer y segundo orden tienen respuestas al
impulso de duración infinita. En otras palabras, los dos sistemas recursivos son sistemas
IIR. Esto es así, dado que cualquier sistema recursivo descrito por ecuación en
diferencias es un sistema IIR. Lo inverso no es cierto, ya que no todo sistema IIR puede
ser descrito por una ecuación en diferencias. Es decir, que sistemas recursivos descritos
por ecuaciones en diferencias con coeficientes constantes son una subclase de sistemas
IIR LTI
Generalizando para sistemas de orden N, se tiene que cuando un sistema es
descrito por una ecuación en diferencias lineal de orden N, la solución de la ecuación
homogénea, para el caso de que las raíces rk del polinomio característico sean distintas,
es
N
y h (n) = å C k rkn (7.114)
k =1

Luego, la respuesta h(n) del sistema al impulso es

N
h(n) = å C k rkn (7.115)
k =1

408
donde los parámetros Ck son determinados a partir de las condiciones iniciales

y(-1) = y(-2) = .......... = y(- N) = 0 (7.116)

La forma de h(n) dada por (7.125), permite fácilmente relacionar la estabilidad de un

sistema, descrito por una ecuación diferencia de orden N, con los valores de las raíces
del polinomio característico. Una condición necesaria y suficiente para la estabilidad de
un sistema IIR causal descrito por una ecuación en diferencias lineal con coeficientes
constantes, es que todas las raíces del polinomio característico tengan un módulo menor
que uno. Se puede verificar, que esta condición se puede transferir al caso en que el
sistema tenga raíces de multiplicidad m.
7.10.5. Uso de MATLAB en la Determinación de Respuestas de Sistemas,
aplicando Transformada – Z Unilateral. Un caso a considerar es que, dado el modelo de
ecuaciones en diferencias de un sistema, se determinará la respuesta y(n) de tal sistema,
encontrando la expresión de la Transformada – Z Unilateral, Y+(z), para enseguida
aplicar MATLAB para obtener y(n) a partir de Y+(z), usando las funciones ztrans e
iztrans, tal como se ilustra en el ejemplo siguiente.

Ejemplo 9.33.
Un sistema de tiempo discreto, está caracterizado por el siguiente modelo de ecuación
en diferencias
y(n) - 32 y(n - 1) + 21 y(n - 2) = x(n) , n ³ 0

con x(n) = ( 12 ) u(n) , y(-1) = 8/3 , y(-2) = 6.

n

Usando MATLAB, determinar y(n) y su gráfica.

Solución
Aplicando Transformada – Z a la ecuación en diferencias dada y a x(n), se obtiene

1
Y + (z) - 32 éë y( -1) + z -1Y + (z) ùû + 12 éë y( -2) + z -1 y( -1) + z -2 Y + (z) ùû =
1 - 12 z -1

Ecuación que se puede escribir como

Y + (z) (1 - 32 z -1 + 12 z -2 ) = 32 y(-1) - 21 y(-2) - 21 y(-2)z -1 +

1
1 - 12 z -1
Considerando los valores iniciales, se tiene
z -3 1 z
1 - 3z -1 + + -1
1- z z 1
z - 21
Y + (z) = - -
= 2
1 - 32 z + 12 z
1 2
z - 32 z + 12
2

z2
Luego, el programa MATLAB para obtener y(n) a partir de Y+(z), es
409
 >> % Obtención de y(n) a partir de Y(z)
>> n=sym('n','real');
>> z=sym('z');
>> x=(1/2)^n;
>> X1=(z-3)/z;
>>d1=(z^2-(3/2)*z+1/2)/z^2;
>> X=ztrans(x);
>>Y=(X1+X)/d1;
>> y=iztrans(Y)
y=
2*(1/2)^n-(1/2)^n*n
O sea
n
æ1ö
y(n) = ç ÷ ( 2 - n ) u(n)
è2ø

Gráfica de y(n). El programa MATLAB para graficar y(n), es

>> % Grafica de y(n) del Ejemplo 7.33

>> n=0:10;
>> f=(1/2).^n.*(2-n);
>>stem(n,f,'fill','k');title('Grafica de y(n) del Ejemplo 7.33');
>>xlabel('n'); ylabel('y(n)'); >>grid
>>axis([0,10,-0.5,2.5]);

Figura 7.26. Gráfica de y(n) del Ejemplo 7.33

410
Otro caso a considerar, es la determinación de la respuesta al impulso de la
interconexión de sistemas, cuando se conoce la respuesta al impulso de cada sistema
interconectado.

Ejemplo 7.34.

Usando MATLAB, determinar la respuesta al impulso de tres sistemas conectados en

cascada, si las respuestas al impulso de cada sistema son

h1 (n) = ( 23 ) u(n) h 2 (n) = ( 12 ) u(n) h 3 (n) = ( 14 ) u(n)

n n n
, ,

Solución
Para tres sistemas interconectados en cascada, la respuesta al impulso h(n) del sistema
interconectado es
h(n) = h1 (n)* h 2 (n) *h 3 (n)

Aplicando la propiedad de la convolución, se tiene

H(z) = H1 (z)H2 (z)H3 (z)

Luego, el programa MATLAB para determinar h(n) a partir de H(z), es

>> %Determinacion de h(n) del Ejemplo 9.34

>> n=sym('n','real');
>> h1=(2/3)^n;
>> h2=(1/2)^n;
>> h3=(1/5)^n;
>> H1=ztrans(h1);
>> H2=ztrans(h2);
>> H3=ztrans(h3);
>> H=H1*H2*H3;
>> h=iztrans(H)
h=
40/7*(2/3)^n-5*(1/2)^n+2/7*(1/5)^n

Luego,

é 40 æ 2 ö n æ1ö 2æ1ö ù
n n

h(n) = ê ç ÷ - 5 ç ÷ + ç ÷ ú u(n)
ëê 7 è 3 ø è 2 ø 7 è 5 ø ûú

411
7.11. SECUENCIAS CORRELACIÓN ENTRADA – SALIDA EN SISTEMAS
LTI.
En esta sección se derivarán dos relaciones entrada – salida para sistemas LTI en el
campo o dominio de la correlación. Se asume que una señal x(n) con autocorrelaciónrxx(
l ) conocida, es aplicada a un sistema LTI con respuesta h(n) al impulso, produciendo la
salida y(n) dada por
¥
y(n) = h(n)* x(n) = å h(k)x(n - k)
k =-¥
(7.117)

La correlación cruzada ryx( l ) entre la salida y la señal de entrada es

ryx (l) = y(l )x(-l) = h(l) * [ x(l )* x(-l)] (7.118)

o
ryx ( l) = h( l) * rxx (l) (7.119)

Por lo que la correlación cruzada entre la entrada y la salida de un sistema es la

convolución de la respuesta al impulso con la autocorrelación de la secuencia de
entrada. En forma alternativa, ryx( l ) puede ser vista como la salida del sistema LTI
cuando la secuencia de entrada es rxx( l ), como se muestra en la Figura 7.27.

Entrada Sistema LTI Salida

rxx (n) ryx (n)
h(n)

Figura 7.27. Relación Entrada – Salida para la Correlación Cruzada ryx(n)

Si se reemplaza l por - l en (7.119), se obtiene

ryx ( -l ) = rxy (l ) = h( -l) * rxx ( -l ) = h( -l) * rxx (l) (7.120)

La autocorrelación de la señal de salida puede obtenerse usando rxy (l ) = x( l) * y( -l)

con y(n) = x(n) y las propiedades de la convolución, obteniéndose

ryy (l) = y(l) * y(-l) = [ h(l )* x(l )] * [ h(-l)* x(-l)]

ryy (l) = [ h(l) *h(-l) ] * [ x(l)x(-l)] (7.121)

¥
ryy (l) = rhh (-l) *rxx (l ) = år
k =-¥
xx (k)rhh (l + k)

412
La autocorrelaciónrhh( l ) de la respuesta al impulso h(n) existe, si el sistema es estable.
Además, la estabilidad asegura que el sistema no cambia la naturaleza de energía o de
potencia de la señal de entrada. Evaluando (7.121) para l = 0, se obtiene

¥
ryy (0) = år
k =-¥
hh (k)rxx (k) (7.122)

Esta ecuación proporciona la energía (potencia) de la señal de salida en términos de las

funciones autocorrelaciones de h(n) y de x(n). Las relaciones anteriores son válidas
tanto para señales de potencia como de energía.

Ejemplo 7.35.

Un sistema tiene una respuesta h(n) al impulso dada por

h(n) = {1, 1, 1, 1, 1}

Se le aplica una secuencia de entrada x(n) dada por

x(n) = {1, 2, 4}
Determinar:
a) La correlación cruzada entrada – salida ryx( l ).
b) Autocorrelaciónryy( l ) de la secuencia de salida.

Solución
a) Se tiene que
b)
ryx ( l) = h( l) * rxx (l)
Por otra parte
rxx ( l) = x(l ) * x( -l )

Aplicando Método Matricial, se tiene

x( l )
x(- l ) 1 2 4

4 4 8 16

2 2 4 8

1 1 2 4
De donde
rxx (l ) = {4, 10, 21, 10, 4}

413
Por lo cual
rxx( l )

h( l ) 4 10 21 10 4

1 4 10 21 10 4
1 4 10 21 10 4
1 4 10 21 10 4
1 4 10 21 10 4
1 4 10 21 10 4
De donde
ryx (l) = {4, 14, 35, 45, 49, 45, 35, 14, 4}
c) En este caso
ryy (l) = rhh (l ) * rxx (l )
con
rhh (l) = h(l )* h(- l)
Por lo que aplicando método matricial, se obtiene
h( l )

h(- l ) 1 1 1 1 1
1 1 1 1 1 1
1 1 1 1 1 1
1 1 1 1 1
1 1 1 1 1 1
1 1 1 1 1 1
obteniéndose
rhh (l) = {1, 2, 3, 4 , 5, 4, 3, 2, 1}
Por lo tanto
rxx( l )

rhh(- l ) 4 10 21 10 4

1 4 10 21 10 4
2 8 20 42 20 8
3 12 30 63 30 12
4 16 40 84 40 16
5 20 50 105 50 20
4 16 40 84 40 16
3 12 30 63 30 12
2 8 20 42 20 8
1 4 10 21 10 4

En consecuencia
414
 ryy (l) = {4, 18, 53, 98, 147, 188, 209, 188, 147, 98, 53, 18, 4}

Ejemplo 7.36.

Resolver el Ejemplo 7.35, usando MATLAB

Solución
De acuerdo a lo estipulado en el Ejemplo 7.33, se tiene que la respuesta h(n) al impulso
del sistema dado, es h(n) = { 1, 1, 1, 1, 1}, y la secuencia de entrada es x(n) = {1, 2, 4}.

a) Como ryx( l ) está dada por

ryx ( l) = h( l) * rxx (l)

El programa MATLAB para determinar la correlación cruzada entrada – salida ryx( l ),

es

>> % Determinacion de ryx(l)

>> h=[1 1 1 1 1];
>> x=[1 2 4];
>> % Determinacion de ryx(l)
>> h=[1 1 1 1 1];
>> x=[1 2 4];
>> u=1;%Indica que el elemento h(1) del vector h es h(0) de la secuencia h(n)
>> k=3;%Indica el numero de elementos del vector x
>> m=2*k-1;%Indica el numero de elementos del vector rxx
>> q=5;%Indica el numero de elementos del vector h
>> r=q+m-1;%Indica el numero de elementos del vector ryx
>> v=(m+1)/2;%Indica que el elemento rxx(v) del vector rxx es rxx(0) rxx(n)
>> t=v+u-1 %Indica que el elemento t del vector ryx es ryx(0) de ryx(l)
>>rxx=xcorr(x);
>>ryx=conv(h,rxx)

ryx =

Columns 1 through 8

4.0000 14.0000 35.0000 45.0000 49.0000 45.0000 35.0000 14.0000

Column 9

415
 4.0000

>>t

t=

En consecuencia,

ryx (l) = {4,14,35, 45, 49, 45,35,14, 4}

b) La secuencia ryy (l) , está dada por

ryy (l) = rhh (l )* rxx (l )

Luego, el programa MATLAB para calcular ryy (l) , es

>> % Determinacion de ryy(l)

>> h=[1 1 1 1 1];
>> x=[1 2 4];
>> u=1;%Indica que el elemento h(1) del vector h es h(0) de la secuencia h(n)
>> k=3;%Indica el numero de elementos del vector x
>> m=2*k-1;%Indica el numero de elementos del vector rxx
>> q=5;%Indica el numero de elementos del vector h
>> s=2*q-1;%Indica el numero de elementos del vector rhh
>> v=(m+1)/2;%Indica que el elemento rxx(v) del vector rxx es rxx(0) de rxx(n)
>> z=(s+1)/2;%Indica que el elemento rhh(z) del vector rhh es rhh(0) de rhh(n)
>> t=v+z-1; %Indica que el elemento t del vector ryy es ryy(0) de ryy(l)
>>rxx=xcorr(x);
>>rhh=xcorr(h);
>>ryy=conv(rxx,rhh)

ryy =

Columns 1 through 8

4.0000 18.0000 53.0000 98.0000 147.0000 188.0000 209.0000 188.0000

Columns 9 through 13
416
 147.0000 98.0000 53.0000 18.0000 4.0000

>>t

t=

Por lo tanto

ryy (l) = {4,18,53,98,147,188, 209,188,147,98,53,18, 4}

Los resultados obtenidos de ryx( l ) y de ryy (l) , ratifican los resultados obtenidos en el
Ejemplo 7.35.

7.12. CARACTERÍSTICA FRECUENCIAL DE SISTEMAS LTI DE TIEMPO

DISCRETO.

Para la caracterización de sistemas LTI en el dominio de la frecuencia, se hace uso del

concepto conocido como función respuesta de frecuencia, la que consiste en la
Transformada de Fourier de la respuesta h(n) del sistema al impulso. La respuesta de
frecuencia es función de la variable de frecuencia W. Para tal caracterización se emplean
señales básicas de excitación, como son las senoidales y exponenciales complejas.
La función respuesta de frecuencia caracteriza completamente al sistema LTI en
el dominio de la frecuencia y, permite determinar la respuesta de estado estacionario del
sistema para cualquier combinación lineal ponderada de senoides o exponenciales
complejas. Se tiene que tanto la Serie como la Transformada de Fourier permiten la
representación de señales periódicas y no periódicas, respectivamente, en función de
señales senoidales o exponenciales complejas, lo que permite la simplificación de la
determinación de la respuesta de sistemas LTI para esta clase de señales.

7.12.1. Función Respuesta de Frecuencia. La respuesta de cualquier sistema LTI en

reposo o relajado, a una señal arbitraria x(n) de entrada, está determinada por la
convolución suma, dada por
¥
y(n) = å h(k)x(n - k)
k =-¥
(7.123)

En esta relación entrada – salida, el sistema está caracterizado en el dominio del tiempo
por su respuesta h(n) al impulso unitario.
Para desarrollar una caracterización del sistema en el dominio de la frecuencia,
se aplica la señal de entrada x(n) dada por
417
 x(n) = Ae jWn (7.124)

donde A es la amplitud y W es cualquier frecuencia arbitraria en el intervalo [-p,p].

Sustituyendo (7.124) en (7.123), se obtiene la respuesta

¥
y(n) = å h(k) éë Ae
k =-¥
jW (n - k)
ùû

é ¥ ù
y(n) = A ê å h(k)e - jWk ú e jWn (7.125)
ë k =-¥ û

Se observa que el término del dentro del paréntesis cuadrado en (7.125), representa la
Transformada de Fourier de la respuesta h(n) del sistema al impulso unitario. Esta
función se denomina Función Respuesta de Frecuencia y se denota como H( W ) y está
dada por
¥
H(W) = å h(k)e
k =-¥
- j Wk
(7.126)

La función H( W ) existe si el sistema es estable BIBO, por lo que se debe cumplir que

å
n =-¥
h(n) < ¥ (7.127)

Considerando (7.125) y (7.126), la respuesta del sistema a la exponencial compleja dada

en (7.124) es
y(n) = AH(W)e jWn = H(W)x(n) (7.128)

Se tiene que la respuesta del sistema es también de forma exponencial compleja, con la
misma frecuencia de la entrada, pero afectada por el factor H( W ).

Ejemplo 7.37.

Empleando el concepto de Función Respuesta de Frecuencia, determinar la secuencia de

salida del sistema que tiene la respuesta al impulso

h(n) = ( 13 ) u(n)
n

cuando la señal de entrada es

x(n) = Ae jpn / 2 , -¥ <n<¥

Solución
Cuando la señal de entrada es del tipo
418
 x(n) = Ae jpn / 2 , -¥ <n<¥

la respuesta es de la forma dada por (7.128) o sea

y(n) = AH(W)e jWn = H(W)x(n)

por lo que en este caso
y(n) = AH(W)e jpn / 2

Para conocer y(n), es necesario determinar H( W ), para lo cual se tiene

¥ ¥
1
å h(n)e- jWn = å ( 13 ) e jWn =
n
H(W) =
n =-¥ n =0 1 - 13 e- jW
como W = p/2, luego
1 3 - j18,40
H ( p2 ) = = e
1+ j 3
1
10

Por lo tanto, la salida y(n) es

y(n) = A ( 3
10
0

)
e - j18,4 e jnp / 2
Ecuación que puede escribirse como

y(n) = Ae j( pn / 2-18,4 ) , -¥ <n<¥

0
3
10

Este ejemplo ilustra claramente que el único efecto del sistema sobre la señal de entrada
es escalar la amplitud por 3 / 10 y un desplazamiento de fase de –18,40. De este modo,
la salida es también una exponencial compleja de frecuencia p/2, amplitud 3A / 10 , y
fase –18,40.
Si se altera la frecuencia de la señal de entrada, el efecto del sistema sobre la
señal de entrada cambia. Por ejemplo, si la secuencia de entrada es una exponencial
compleja de frecuencia p, se tiene

H(W) = H(W) e jQ ( W ) x(n) = Ae jpn , -¥<n<¥

luego, en W = p, se tiene

1 1 3
H(p) = - jp
=4=
1- e 1
3 3 4

Por lo que en este caso, la salida del sistema es

419
 y(n) = 34 Ae jpn , -¥ <n<¥

se observa que H(p) es real puro, luego la salida es escalada en magnitud por el factor
H(p)=3/4, con nulo desplazamiento de fase.
En general, H( W ) es una función compleja de la variable frecuencial W , por lo
que H( W ) puede ser expresada en forma polar como

H(W) = H(W) e jQ ( W) (7.129)

dondeôH( W )ôes la magnitud de H( W ) y Q( W ) es el desplazamiento de fase,

producido por el sistema, sobre la señal de entrada, a la frecuencia W .
Dado que H( W ) es la Transformada de Fourier de h(k), se tiene que H( W ) es
una función periódica con periodo 2p. Por definición de Función Respuesta de
Frecuencia, se tiene.

¥
H(W) = å h(k)e
k =-¥
- j Wk
(7.130)

por lo que

p
1
h(k) = ò
2p - p
H(W)e jWk dW (7.131)

aplicando Regla de Euler, en la ecuación (9.140), se obtiene

¥ ¥
H( W) = å h(k) cos Wk - j å h(k)senWk
k =-¥ k =-¥
(7.132)

y definiendo

¥
H R (W ) = å h(k) cos Wk
k =-¥

(7.133)
¥
H I (W) = - å h(k)senWk
k =-¥

por lo que,H(W) se puede escribir como

H(W) = H R (W) + jH I (W)

(7.134)
-1
[ H I ( W / H R ( W )]
H(W) = H 2R (W) + H 2I (W)e
jtan

420
teniéndose que
H(W) = H 2R (W) + H 2I (W)
(7.135)
H I (W)
Q(W) = tan -1
H R (W )

Considerando lo establecido en la sub-sección 6.7.6, se deduce que para h(k) real,HR(W)

es una función par de W y que HI(W) es una función impar de W. En consecuencia, se
tiene que ôH(W)ô es una función par de W y Q(W) es una función impar de W. Luego,
si se conocen ôH(W)ô y Q(W) para 0 £W£p, también se conocen estas funciones para -
p£W£ 0.

Ejemplo 7.38.

Determinar la magnitud y fase de la Función Respuesta de Frecuencia del sistema

mostrado en la Figura 7.28.

1/2
z -1 + y(n)
x(n)

Figura 7.28. Gráfica del Sistema de Tiempo Discreto del Ejemplo 7.38

Solución
El modelo ecuación diferencia del sistema dado es

y(n) = 12 [ x(n) + x(n - 1)] = 12 x(n) + 12 x(n - 1)

Para x(n) = d(n), se tiene

h(n) = 12 d(n) + 12 d(n - 1)
Como
¥
H(W) = å h(n)e
n =-¥
- j Wn

se tiene
H(W) = 12 (1 + cos W - jsenW ) = 12 (1 + cos W ) - j 12 senW
luego
H(W) = 12 (1 + cos W ) + sen 2W = 1 + cos W
2 2
2

Empleando la relación

421
 cos W2 = 1+ cos W
2

se obtiene
H(W) = cos W2

RH(W) = tan -1 ( 1+sencosWW )

Las gráficas del módulo y la fase de H(W) son

1,2
H(W)
1
0,8
0,6
0,4
0,2
0
p W
a)

Q H (W )
0 W
-0,5

-1

-1,5

-2

b)

Figura 7.29. Gráfica de : a) Módulo, b) Fase de la Función Respuesta de

Frecuencia del Sistema del Ejemplo 7.38

Las propiedades de simetría de las funciones da la magnitud y fase de H(W) y el hecho

de que una senoide se puede expresar como una suma o diferencia de dos exponenciales
complejas conjugadas , implican que la respuesta de un sistema LTI a una senoide tiene
una forma similar a la respuesta del sistema a una exponencial compleja. Es decir, que
si la entrada es tipo coseno (seno), la respuesta es tipo coseno (seno), afectando |H(W)| a
la amplitud de la senoide de entrada y Q(W) a la fase de la senoide de entrada. Si la
entrada es x(n) = A cos Wn , se demuestra que la respuesta y(n) del sistema es

422
 y(n) = A H(W) cos [ W n + QH (W)] (7.136)

Por otra parte, si la entrada es x(n) = AsenWn ,la salida del sistema es

y(n) = A H(W) sen [ Wn + QH (W)] (7.137)

Luego, H(W) o ôH(W)ôy QH(W) caracterizan completamente el efecto del

sistema, sobre una señal de entrada senoidal de cualquier frecuencia. Ciertamente, se
nota que ôH(W)ô determina la amplificación (|H(W)| > 1) o atenuación (|H(W)| < 1) que
el sistema ejerce sobre la señal senoidal de entrada. La fase QH(W) determina el monto
del desplazamiento de fase producido por el sistema sobre la senoide de entrada. En
consecuencia, conociendo H(W), es posible determinar la respuesta del sistema para
cualquier señal de entrada senoidal. Dado que H(W) especifica la respuesta del sistema
en el dominio de la frecuencia, se denomina la respuesta de frecuencia del sistema. En
este contexto,|H(W)| es llamada respuesta de magnitud del sistema y QH(W) es llamada
respuesta de fase del sistema.
Si la entrada del sistema consiste de más de una senoide, se utiliza la propiedad
de superposición de los sistemas lineales, para determinar la respuesta del sistema.

Ejemplo 7.39.

Un filtro FIR es descrito por la ecuación diferencia

y(n) = x(n) + x(n - 10)

a) Determinar y graficar la magnitud y fase de la respuesta de frecuencia del sistema.

b) Determinar la respuesta a la entrada

x(n) = cos 10p n + 3sen( p3 + 10p ) , -¥ < n < ¥

Solución

a) Si x(n) = d(n), se tiene que

h(n) = d(n) + d(n - 10)

en consecuencia

H(W) = 1 + e- j10W
ecuación que puede escribirse como

H(W) = 1 + cos10W - jsen10W

423
de donde

H(W) = 2 cos 5W

RH(W) = tan -1 ( - 1+sen10

cos10 W )
W

Las gráficas del módulo y fase de H(W) se muestran en la Figura 7.30

2,5 |H(W)|
2

1,5

0,5

0 W
p
a)
2 QH(W)
1,5
1
0,5
0 W
p
-0,5
-1
-1,5
-2
b)

Figura 7.30. Gráficas de : a) Módulo y b) Fase de H(W) del Ejemplo 7.39

b) Se tiene que la respuesta para x(n) = AcosWn es

y(n) = A H(W) cos [ Wn + Q(W)]

y para x(n) = AsenWn es
y(n) = A H(W) sen [ Wn + Q(W)]
y como
H(W) = 2cos 52W

Q H (W) = tan -1 ( 1+sen10

cos10 W )
W

se tiene que
424
 y(n) = H ( 10p ) cos éë 10n
p + Q ( 10 ) û + 3 H ( 3 ) sen ë 3 + 10 + Q ( 3 ) û
p
ù p
é pn p p
ù

evaluando los módulos y fases, se obtiene

y(n) = 2 cos ( p10n - p2 ) + 3 3sen ( p3n + 10p - p3 )

ecuación que se reduce a

y(n) = - 2sen ( 10
pn
) + 3 3sen ( p3n - 730p )

7.12.2. Respuesta de Frecuencia de Sistemas LTI Caracterizados por Ecuaciones

en Diferencias. En la sección anterior se planteó un método para determinar la función
respuesta de frecuencia de sistemas LTI, basado en la respuesta al impulso de dicho
sistema. Para el caso de que el sistema esté caracterizado por una ecuación en
diferencias, se puede utilizar el siguiente método para determinar la respuesta de
frecuencia de sistemas LTI.
La forma general de una ecuación en diferencias lineal con coeficientes
constantes es
N M

å a k y(n - k) = å b k x(n - k)
k =0 k =0
(7.138)

la cual puede escribirse como

a 0 y(n) + a1y(n - 1) + ...... + a N y(n - N) = b0 x(n) + b1x(n - 1) + ... + b M x(n - M)

Para determinar la respuesta de frecuencia del sistema LTI descrito por la ecuación
(7.138), se supondrá que existen los pares de transformadas x(n) ®X(W, y(n) ® Y(W) y
h(n) ® H(W), y usando la propiedad de convolución de la Transformada de Fourier, se
obtiene que
Y(W)
H(W) = (7.139)
X(W)

Aplicando Transformada de Fourier a la ecuación (7.138) y usando las propiedades de

linealidad y de desplazamiento temporal de la Transformada de Fourier, se obtiene la
expresión
N M

åa e
k =0
k
- jkW
Y(W) = å b k e- jkW X(W)
k =0
(7.140)

o equivalentemente

425
 M

Y(W) åb e k
- jkW

H(W) = = k =0
(7.141)
X(W) N

åa e
k =0
k
- jkW

Para el caso especial que a0 = 1, la ecuación (7.141) queda

åb e k
- jkW
b 0 + b1e - jW + ..... + b M e- jMW
H( W) = k =0
= (7.142)
N
1 + a1e- jW + ..... + a N e- jNW
1 + å a k e- jkW
k =1

Se observa que los coeficientes del polinomio del numerador de (7.142) son los mismos
coeficientes que están en el segundo miembro de (7.138) y que los coeficientes del
polinomio denominador de (7.141) son los mismos coeficientes que están en el primer
miembro de (7.138). Este hecho, representa que la respuesta de frecuencia del sistema
LTI descrito por la ecuación (7.138), puede determinarse por inspección directa de
dicha ecuación. Una vez obtenida la expresión de H(W), se puede determinar la
expresión de la respuesta h(n) al impulso del sistema, aplicando h(n) = F-1{H(W)}.

Ejemplo 7.40.

Determinar la respuesta de frecuencia H(W) y la respuesta h(n) al impulso, del sistema

dado por
y(n)

z-1 + z-1 z-1

x(n)
-4 4

-3

Figura 7.31. Gráfica del Sistema LTI del Ejemplo 7.40

Solución
Respuesta de Frecuencia H(W)
De la Figura 7.31, se obtiene el siguiente modelo ecuación en diferencias

y(n) - 4y(n - 1) + 3y(n - 2) = -4x(n) + x(n - 1)

En consecuencia, aplicando (7.142), la expresión de la respuesta de frecuencia H(W) es

-4 + e- jW
H(W) =
1 - 4e- jW + 3e - j2W
426
Respuesta al Impulso h(n).
Se tiene
h(n) = F-1 {H(W)}

Para determinar h(n), se realizará la expansión en fracciones parciales de H(W), o sea

-4 + e- jW A1 A2
H( W) = = +
(1 - 3e )(1 - e ) 1 - 3e 1 - e - jW
- jW - jW - jW

A1 y A2 son determinados por

-4 + e- jW
A1 = (1 - 3e- jW ) H(W)
11
= =-
e - jW
= 13 1 - e - jW e - jW = 13
2

-4 + e - j W
A 2 = (1 - e - jW ) H(W)
3
= =
e - jW
=1 1 - 3e - jW e- jW =1
2
Por lo tanto
- 112 3
H( W) = + 2
1 - 3e- jW 1 - e- jW

Aplicando Transformada de Fourier Inversa a H(W), se obtiene

é 3 11 n ù
h(n) = ê - ( 3) ú u(n)
ë2 2 û

En el caso más general, si la entrada al sistema consiste de una combinación lineal

arbitraria de senoides de la forma

L
x(n) = å A i cos(Wi n + fi ) , -¥ < n ¥ (7.143)
i =1

dondeAi y fi son las amplitudes y fases de las correspondientes componentes

senoidales. La respuesta y(n) del sistema es

L
y(n) = å A i H(Wi ) cos [ Wi + fi + q(Wi ) ] (7.144)
i =1

dondeôH(Wi)ô y q(Wi) representan el efecto del sistema sobre la magnitud y fase,

respectivamente, de las componentes de frecuencia individuales de la señal de entrada.
De acuerdo a las características de la la respuesta de frecuencia H(W) del
sistema, las entradas senoidales de diferentes frecuencias serán afectadas en forma
427
diferente por el sistema. Por ejemplo, algunas senoides serán totalmente suprimidas por
el sistema si H(W) = 0 para las frecuencias de tales senoides. Otras senoides pueden ser
no afectadas por el sistema, así como otras pueden ser amplificadas o atenuadas. De esta
forma, se puede observar que los sistemas LTI presentan el comportamiento de filtro
para senoides de frecuencias diferentes.

7.12.3 . Características de Filtros Ideales de Sistemas de Tiempo Discreto. Como se

indicó en la sección anterior, un sistema lineal con respuesta de frecuencia H(W) actúa
como un filtro para señales de diferentes frecuencias en su entrada. Se sabe que los
filtros son clasificados según sus características en el dominio de la frecuencia como:
pasabajos, pasa-altos, pasabandas, rechaza-banda y pasatodo. Las características
ideales de las repuestas de magnitud de tales tipos de filtros de tiempo discreto, se
muestran en la Figura 7.32.
H(W)
1

W
-p -W c 0 Wc p
a)
H(W)
1

W
-p -W c 0 Wc p
b)
H(W)
1

W
-p -W 2 -W0 -W1 0 W1 W 0 W2 p
c)
H(W)
1

p W
-p -W0 0 W0
d)
H(W)
1

W
-p 0 p
e)
Figura 7.32. Respuesta de Magnitud de Filtros Ideales de Tiempo Discreto
a) Pasabajo; b) Pasa-alto; c) Pasabanda; d) Rechazo de Banda; d) Pasatodo

428
Otra característica de un filtro ideal, es el tener una respuesta de fase lineal. Para
demostrar esta característica, se asume que una secuencia de entrada x(n), con
componentes de frecuencia dentro del intervalo W 1<W<W2, pasa a través de un filtro con
respuesta de frecuencia dada por

ìCe- jWn 0 W1 < W < W 2

H(W) = í (7.144)
î0 otros valores

donde C y n0 son constantes. La señal y(n) en la salida del filtro tiene el espectro

Y(W) = X(W)H(W) (7.145)

Considerando la expresión H(W) dada por (7.144), se obtiene

Y(W) = CX(W)e - jWn0 W1<W<W2 (7.146)

Aplicando las propiedades de escalamiento y de desplazamiento de la Transformada de

Fourier, se obtiene la salida y(n) en el dominio del tiempo

y(n) = Cx(n - n 0 ) (7.147)

En consecuencia, la salida del filtro ideal es una versión escalada en amplitud y

desplazada de la señal de entrada. En este caso, se dice que el sistema no genera
distorsión sobre la señal de entrada. Luego, los filtros ideales presentan dentro de su
banda pasante una característica lineal de fase, o sea

Q(W) = -n 0W (7.148)

Se define el retardo de la señal de salida, en función de la frecuencia, como

dQ(W)
tg = - (7.149)
dW

tg(W) es usualmente denominado retardo de envolvente o retardo de grupo del filtro. Se

interpreta tg(W) como el retardo de tiempo que una componente de señal de frecuencia
W experimenta al pasar desde la entrada a la salida del sistema. Para Q(W) dado por
(7.148), se tiene que tg(W) = n0 = constante. En este caso, todas las componentes de
frecuencia de la señal de entrada experimentan el mismo retardo de tiempo.
Los filtros ideales tienen una característica de magnitud constante y una
característica de fase lineal dentro de su banda pasante. En todo caso, tales filtros no son
realizables físicamente, pero sirven como una idealización matemática de filtros reales o
prácticos. Se pueden obtener características de respuesta de frecuencia muy

429
aproximadas a las de los filtros ideales, utilizando filtros prácticos físicamente
realizables.

7.12.4. Uso de MATLAB en la Gráfica de la Función Respuesta de Frecuencia de

Sistemas de Sistemas de tiempo Discreto, a partir del Modelo de Ecuaciones en
Diferencias. Para determinar las gráficas de la amplitud y fase de la Función Respuesta
de Frecuencia (H(W)), de sistemas de tiempo discreto, a partir del modelo ecuaciones en
diferencias de tales sistemas, MATLAB hace uso de la función freqz, la cual fue
descrita en la sub-sección 7.7.5. Se hará una descripción más completa de tal función, y
para ello se considerará que la expresión general de una ecuación en diferencias lineal
con coeficientes constantes es

N M

åa
k =0
k y(n - k) = å b k x(n - k)
k =0

A partir de esta ecuación, se demuestra que

åb e k
- jkW
b 0 + b1e - jW +·······+ b M e - jMW
H( W) = k=0
=
N
a 0 + a1e- jW +·······+a N e- jNW
åa e
k =0
k
- jkW

Aplicando MATLAB, se definen los vectores b = [b 0 b1······ bM ], a = [a0 a1aN], el

vector de frecuencias w y n, como el número de puntos espaciados uniformemente sobre
la circunferencia unitaria en el dominio de frecuencias contenidas en el vector w. En
este contexto, la sintaxis de función freqz puede ser

[H,w]=freqz(b,a,n,’whole’) (7.150)

o
[H,w]=freqz(b,a,n) (7.151)

[H]= freqz(b,a,frec) (7.152)

La ecuación (7.150) permite el cálculo de la función respuesta de frecuencia H

considerando n puntos de muestra sobre la circunferencia unitaria. El vector frecuencia
w tiene una longitud n y sus valores están en el rango de 0 a 2p.
La ecuación (7.151) calcula los valores de H del filtro definido por b y a. En este
caso, los vectores H y w tienen la misma longitud n. Los elementos del vector w están
en el rango de 0 a p radianes por muestra. Si no se especifica el entero n, o si es
especificado como vector vacío [ ], la función respuesta de frecuencia es calculada
usando, por defecto, 512 muestras.

430
 La ecuación (7.152) retorna los valores del vector H, calculados en las
frecuencias determinadas por el vector frec. El vector frec puede tener cualquier
longitud.
Haciendo plot(w,abs(H)), se obtiene la gráfica de la amplitud de la Función
Respuesta de Frecuencia y haciendo plot(w,angle(H)), se obtiene la gráfica de la fase de
la Función Respuesta de Frecuencia.
Además de las sintaxis expuestas, existen otras sintaxis de la función freqz.

Ejemplo 7.41.

Haciendo uso de la función freqz, determinar las gráficas de la amplitud y fase de la

Función Respuesta de Frecuencia del filtro caracterizado por

y(n) + 0,13y(n - 1) + 0,52y(n - 2) + 0,3y(n - 3) = 0,16x(n) - 0, 48x(n - 1) + 0, 48x(n - 2) - 0,16x(n - 3)

Solución
Para el ejemplo propuesto, los vectores b y a son
b = [0,16 - 0,48 0,48 - 0.,16]

a = [1 0,13 0,52 0,3]

Gráfica de la Amplitud y Fase de H(W) en el intervalo de 0 a 2 p radianes por muestra.

Para obtener la gráfica de la amplitud y fase de la Función de Respuesta de Frecuencia
del sistema dado, en el rango de 0 a 2p radianes por muestra, el programa MATLAB es

>> %Grafica de la Funcion Respuesta de Frecuencia

>> %del sistema del Ejemplo 7.41 en el intervalo de 0 a 2pi
>> b=[0.16 -0.48 0.48 -0.16];
>> a=[1 0.13 0.52 0.3];
>> [H,w]=freqz(b,a,512,'whole');
>>subplot(211);
>>plot(w/pi,abs(H));title('Grafica |H(\Omega)|del Ejemplo 9.41');
>>xlabel('\Omega/\pi[rad/muestra]'); ylabel('|H(\Omega|');grid
>>subplot(212);
>>plot(w/pi,angle(H));title('Grafica de fase de H(\Omega)del Ejemplo 9.41');
>>xlabel('\Omega/\pi[rad/muestra]'); ylabel('Fase de H(\Omega)');grid

431
 Figura 7.33. Gráfica de la Magnitud y Fase de la Función Respuesta
de Frecuencia del Ejemplo 7.41 en el intervalo de 0 a 2p [rad/muestra]

Gráfica de la Amplitud y Fase de H(W ) en el intervalo de -p a p radianes por muestra

En este caso, el programa MATLAB es

>> %Grafica de la Funcion Respuesta de Frecuencia

>> %del sistema del Ejemplo 7.41 en el intervalo de -pi a +pi
>> b=[0.16 -0.48 0.48 -0.16];
>> a=[1 0.13 0.53 0.3];
>>frec=-pi:pi/512:pi;
>> [H]=freqz(b,a,frec);
>>subplot(211);
>>plot(frec/pi,abs(H));title('Grafica |H(\Omega)| del Ejemplo 7.41');
>>xlabel('\Omega/\pi[rad/muestra]'); ylabel('|H(\Omega)|');grid
>>subplot(212);
>>plot(frec/pi,angle(H));title('Grafica Fase de H(\Omega)| del Ejemplo 7.41');
>>xlabel('\Omega/\pi[rad/muestra]'); ylabel('Fase de H(\Omega)');grid

432
 Figura 7.34. Gráfica de la Magnitud y Fase de la Función Respuesta
de Frecuencia del Ejemplo 7.41 en el intervalo de -p a +p

7.12.5. Respuesta Transiente y de Estado Estacionario para Señales de Entrada

Senoidales. En la sección precedente se determinó la respuesta de un sistema LTI a
señales de entrada senoidales y exponenciales, aplicadas en n = - ¥. Usualmente estas
señales se denominan exponenciales eternas, porque son aplicadas en n = - ¥. En tal
caso, la respuesta que se observa en la salida del sistema es la respuesta de estado
estacionario. No hay respuesta transiente en este caso.
Por otra parte, si la señal exponencial o senoidal es aplicada en algún instante de tiempo
finito, como n = 0, la respuesta consiste de dos componentes: la respuestatransiente y la
respuesta de estado estacionario. Luego, si la respuesta de un sistema LTI es y(n), ésta
puede expresarse como
y(n) = yss (n) + ytr (n) (7.153)

Siendo yss(n) la respuesta de estado estacionario e ytr(n) la respuesta transiente.

Respuesta de Estado Estacionario. Para un sistema estable BIBO, con respuesta y(n),
la respuesta de estado estacionario yss(n) se define como

yss (n) = lim y(n) (7.154)

n ®¥

433
Respuesta Transiente. La componente respuesta transienteytr(n) de la respuesta y(n),
de un sistema LTI BIBO, presenta la siguiente característica

lim y tr (n) = 0 (7.155)

n ®¥

Para la conceptualización de estas respuestas, se considerará el siguiente ejemplo.

Ejemplo 7.42.

Determinar la respuestas transiente y de estado estacionario de un sistema de tiempo

discreto caracterizado, por

y(n) = ay(n - 1) + x(n)

con
x(n) = Ae jWn , n ³ 0

Solución
La respuesta de este sistema a cualquier entrada x(n) aplicada en n = 0, está dada por

n
y(n) = a n +1 y(-1) + å a k x(n - k) , n ³ 0
k =0

donde y(-1) es la condición inicial y |a| < 1

Dado que la entrada al sistema, aplicada en n = 0, es

x(n) = Ae jWn , n ³ 0

La expresión de y(n), queda

n
y(n) = a n +1 y( -1) + A å a k e jW (n - k)
k =0

luego,

én kù
y(n) = a n +1y(-1) + A êå ( ae- jW ) ú e jWn
ë k =0 û

La sumatoria dentro del paréntesis cuadrado, en la ecuación anterior, es una serie

geométrica. Luego, y(n) se puede escribir como

1 - a n +1e - jW (n +1) jWn

y(n) = a n +1y(-1) + A e
1 - ae - jW

434
Finalmente,

A Aa n +1e- jW (n +1) jWn

y(n) = a n +1y(-1) + e j Wn
- e ,n³0
1 - a - jW 1 - a - jW

Respuesta de Estado Estacionario yss(n). Aplicando (9.161) y que |a| < 1, se obtiene

A
yss (n) = lim y(n) = - jW
e jW
n ®¥ 1 - ae

Considerando que en general la respuesta y(n) de un sistema estable BIBO, a una

entrada exponencial compleja, se puede escribir como

y(n) = H(W)x(n)

y que para el ejemplo dado x(n) = Ae jWn , n ³ 0 , yss(n) se puede escribir como

yss (n) = AH(W)e jWn

Respuesta Transiente. Dado que ytr(n) es la componente de y(n) que tiende a cero
cuando n tiende a infinito, y como |a| < 1, se tendrá que

Aa n +1e- jW( n +1) jWn

ytr (n) = a n +1y(-1) - e , n³0
1 - ae- jW

El término an+1 y(-1) de ytr(n) representa la respuesta de entrada – cero del sistema, en
Aa n +1e- jW (n +1) jWn
tanto que el término e , es el transiente producido por la señal
1 - ae- jW
exponencial de entrada.

En general, todos los sistemas LTI BIBO cuando son excitados por una señal
exponencial compleja o senoidal en n = 0, o en algún otro instante de tiempo, presentan
la característica que la respuesta transiente tiende a cero cuando n tiende a infinito,
permaneciendo solamente la respuesta de estado – estacionario.

7.12.6. Respuesta de Estado – Estacionario para Señales Periódicas de Entrada. Se

supondrá que la señal de entrada a un sistema LTI estable es una señal periódica x(n)
con periodo fundamental N. Dado que tal señal existe para -¥< n <¥, la respuesta total
del sistema en cualquier instante de tiempo n es igual a la respuesta de estado –
estacionario.
435
 Para determinar la respuesta y(n) del sistema, se hace uso de la representación en
Serie de Fourier de una señal periódica, la cual es

N -1
x(n) = å Ck e j2 pkn / N , k=0,1,........,N-1 (7.156)
k=0

dondeCk son los coeficientes de la Serie de Fourier. Considerando (7.128), la respuesta

yk(n) del sistema a una exponencial compleja xk(n) dada por

x k (n) = Ck e j2 pkn / N , k=0,1,......, N-1 (7.157)

es

æ 2p ö
y k (n) = C k H ç k ÷ e j2 pkn / N , k=0,1,......, N-1 (7.158)
èN ø

donde

æ 2pk ö
Hç ÷ = H(W) W=2 pk / N , k=0,1,......, N-1 (7.159)
è N ø

Usando el principio de superposición para sistemas lineales, se obtiene la respuesta y(n)

del sistema para la señal periódica x(n), dada por (7.156), como

N -1
æ 2pk ö j2 pkn / N
y(n) = å C k H ç ÷e , -¥ < n < ¥ (7.160)
k =0 è N ø

Este resultado implica que la respuesta y(n) del sistema a la señal periódica de entrada
x(n) es también periódica con el mismo periodo N. Los coeficientes Dk de la serie de
Fourier asociada a y(n), son

æ 2pk ö
Dk = Ck H ç ÷ , k = 0,1,......, N-1 (7.161)
è N ø

Luego, un sistema lineal puede cambiar la forma de la señal periódica de

entrada, debido al escalamiento de amplitud y al desplazamiento de fase de las
componentes de la Serie de Fourier, pero no afecta al periodo de la señal periódica de
entrada .
Para sistemas LTI - BIBO estables se tiene una identidad entre solución
homogénea y respuesta transiente, como entre solución particular y respuesta de estado
- estacionario .

436
7.12.7. Respuesta a Señales de Entrada Aperiódicas. El Teorema de Convolución
dado por

F
x(n) = x1 (n)*x2 (n) X(W) = X1 (W)X2 (W) (7.162)

proporciona la relación para determinar la salida de un sistema LTI a una señal

aperiódica de energía finita. Si {x(n)} denota la secuencia de entrada, {y(n)} denota la
secuencia de salida, y {h(n)} denota la respuesta del sistema al impulso unitario,
aplicando el teorema anterior se tiene

Y(W) = H(W)X(W) (7.163)

donde Y(W), X(W), y H(W) son las correspondientes transformadas de Fourier de

{y(n)}, {x(n)}, {h(n)}, respectivamente.
Expresando Y(W), X(W), H(W) en su forma polar, la magnitud (ïY(W)ï)y fase (
R Y(W)) de la señal de salida se pueden escribir como

ïY(W)ï = ïH(W)ïïX(W)ï (7.164)

R Y(W) = R X(W) + R H(W) (7.165)

Debido a su naturaleza, una señal aperiódica de energía finita tiene un espectro

continuo. El efecto del sistema LTI, a través de su función respuesta de frecuencia, es el
de actuar como un filtro sobre la señal de entrada. Si el espectro de la señal de entrada
es cambiado por el sistema de una manera no deseable, se dice que el sistema produce
distorsión de magnitud y de fase.
Se observa además, que la salida de un sistema LTI no contiene componentes de
frecuencia que están fuera del espectro de la señal de entrada. Para que en la salida del
sistema, se tengan componentes de frecuencia no contenidas en la señal de entrada, es
necesario que el sistema sea lineal variante en el tiempo o sea no lineal .
La Figura 7.40 ilustra la relación entre los dominio del tiempo y de la frecuencia
que puede ser utilizada en el análisis de sistemas LTI - BIBO estables.

x(n) Entrada Sistema LTI Salida y(n) = h(n)*x(n)

X(W) h(n) , H(W) Y(W) = H(W)(X(W)

Figura 7.35. Relaciones Entrada - Salida en los Dominios del Tiempo y de la

Frecuencia en Sistemas LTI

Se tiene que en el análisis en el dominio del tiempo para determinar la salida del
sistema, se emplea la convolución de la señal de entrada con la respuesta al impulso del
437
sistema. Por otro lado, en el análisis en el dominio de la frecuencia para obtener el
espectro de la señal de salida, se realiza la multiplicación del espectro de la señal de
entrada X(W) con la respuesta de frecuencia H(W) del sistema .

A partir de Y(W), se puede determinar la secuencia de salida {y(n)} a través de la

Transformada Inversa de Fourier

p
1
y(n) = ò
2p - p
Y(W)e jWn dW (7.166)

Sin embargo este método es raramente utilizado, dado que con la Transformada - Z se
obtiene un método más simple para determinar la secuencia de salida {y(n)} del sistema
LTI.
Elevando al cuadrado los dos miembros de la ecuación (7.164), se obtiene

Y(W) = H(W) X(W)

2 2 2

(7.167)
Syy (W) = H(W) Sxx (W)
2

dondeSxx (W) y Syy (W) son las densidades espectrales de energía de las señales de
entrada y de salida, respectivamente. La energía Ey de la señal de salida se obtiene
realizando la integración siguiente

p
1
Ey = ò Syy (W)dW
2p -p
p
(7.168)
1
ò H(W) Sxx (W)dW
2
Ey =
2p -p

Ejemplo 7.43.

Determinar las respuestas transiente, de estado - estacionario y total del sistema relajado
dado por
8y(n) - 6y(n - 1) + y(n - 2) = x(n)
con
x(n) = 5sen n2p u(n)
Solución
Respuesta Transiente. Para determinar la respuesta transienteytr (n) del sistema dado se
considera la ecuación homogénea asociada

8y(n) - 6y(n - 1) + y(n -2) = 0

438
la cual puede escribirse como
y(n) - 34 y(n - 1) + 81 y(n - 2) = 0

en notación operacional se tiene

(1 - 3
4 S-1 + 18 S-2 ) [ y(n) ] = 0

De donde se obtiene la ecuación característica

r 2 - 34 r + 81 = 0

ecuación que tiene las raíces

r1 = 12 , r2 = 1
4

En consecuencia , la solución homogénea o respuesta transiente es

y tr (n) = C1 ( 12 ) + C 2 ( 41 )
n n

La solución homogénea es la respuesta transiente del sistema, porque tiende a cero

cuando n tiende a infinito .
Respuesta de Estado - Estacionario. Para la determinación de la respuesta de estado -
estacionario, se puede utilizar los siguientes métodos :
a) Como x(n) = 5sen(np/2), o sea entrada senoidal, aplicando la relación

yss (n) = AH(W )e jWn

conW = p/2, se tiene que
y(n) = 5 H( p2 ) sen ëé n2p + Q( p2 )ûù

Para determinar H(W), se tiene que

h(n) - 34 h(n - 1) + 81 h(n - 2) = 81 d(n)

como
r1 = 12 , r2 = 1
4

luego

h(n) = C3 ( 12 ) + C4 ( 14 )
n n

Considerando que el sistema es causal, aplicando condiciones iniciales se tiene

439
 h(0) = C3 + C4

h(-1) = 2C3 +4C4

De la ecuación diferencia para h(n), se tiene

h(-1) = 0
h(0) = 18
De donde se obtiene que
C3 + C 4 = 18
2C3 + 4C4 = 0

Por lo cual
C3 = 14 , C 4 = - 18
Por lo tanto
( 12 ) - 18 ( 14 )
n n
h(n) = 1
4

Como H(W) = F{h(n)}, se tiene

1 1 1
H(W) = 4
- 8
= 8

1- e 1 - jW
2 1- e1 - jW
4 (1 - 1
2 e- jW )(1 - 14 e- jW )
de donde
1
H(W) = 8

(1 - 34 cos W + 81 cos 2W ) + ( 34 sen W - 81 sen 2W )

2 2

3
sen W - 81 sen 2W
Q(W) = - tg -1 4

1 - 34 cos W + 81 cos 2W

En consecuencia
1
1
H ( p2 ) = 8
=
(1 - ) + ( )
1 2
8
3 2
4
85
y
3
Q ( p2 ) = - tg -1 4
7
= -40, 60
8

Por lo tanto

yss (n) = 5
85
sen ( n2p - 40, 60 )

luego

440
 yss (n) = 0, 412sen n2p - 0,353cos n2p

b) Otra forma de determinar la respuesta de estado - estacionario es la de determinar la

solución particular yp (n) del sistema para le entrada dada, de manera que

yss (n) = yp (n)

Como x(n) = 5sen n2p , se tiene que el operador anulador es

LA = (1 - ejp/2S-1 )(1 - e-jp/2 S-1 )

En consecuencia , aplicando LA a la ecuación diferencia original se tiene

(1 - ejp/2 S-1 )(1 - e-jp/2 S-1 )(8 - 6S-1º + S-2 ) = 0

Considerando que las raíces del operador LA son

r3 = ejp/2 , r4 = e-jp/2

Por lo que, la respuesta de estado estacionario es de la forma

yss (n) = K1 sen n2p + K 2 cos n2p

dado que r = ïejp/2ï= 1.

Para el cálculo de K1 y de K2, se reemplaza la expresión de yss (n) en la ecuación
diferencia original, lo cual determina que

K1 = 177 , K 2 = - 176

En consecuencia

yss (n) = 177 sen n2p - 176 cos n2p

yss (n) = 0, 412sen n2p - 0,353cos n2p

Resultado que es concordante con el obtenido en a) .

Respuesta Total. La respuesta total y(n) es

y(n) = C1 ( 12 ) + C2 ( 14 ) + 177 sen n2p - 176 cos n2p

n n

441
Para evaluar C1 y C2 se hace uso de las condiciones iniciales y(-1) = y(-2) = 0,
teniéndose
y(-1) = 2C1 + 4C2 - 177 = 0

y(-2) = 4C1 + 16C2 + 176 = 0

De donde
C1 = 1
2
, C2 = - 345

En consecuencia la respuesta transiente es

( 12 ) - 345 ( 14 )
n n
y tr (n) = 1
2

Por lo que la respuesta total es

( 12 ) - 345 ( 14 ) + 177 sen n2p - 176 cos n2p

n n
y(n) = y tr (n) + yss (n) = 1
2

Ejemplo 7.44.

Un sistema LTI es caracterizado por la ecuación diferencia

y(n) + 12 y(n - 2) = x(n)

Si x(n) = ( 13 ) u(n) , determinar :

n

a) El espectro de la señal de salida del sistema .

b) La densidad espectral de energía de tal señal .
Solución
a) Como

Y(W) = X(W)H(W)

H(W) se determina utilizando la ecuación (7.122), la cual es

b0 + b1e- jW + .............. + bM e- jMW

H(W) =
1 + a1e - jW + .......... + a N e- jNW

Por lo tanto, considerando la ecuación diferencia original, se tiene

1
H(W) =
1 + e - j2 W1
2

Por otra parte la Transformada de Fourier de x(t) es

442
 ¥
X(W) = å ( 13 ) e- jWn
n

n =0

Obteniéndose
1
X(W) =
1 - e- jW
1
3

Por lo tanto

1
Y(W) =
(1 + 1
2 e - j2 W
)(1 - 1
3 e- jW )

b)Se tiene que la densidad espectral de energiaSyy (W) de y(t) es

Syy (W) = ôY(W)ï2 = ïH(W)ï2ïX(W)ï2

Por lo tanto
1
Syy (W) =
éë (1 + cos 2W) + sen 2W ùû éë(1 - 13 cos W)2 + 19 sen 2 W ùû
1
2
2 1
4
2

Reduciendo, se obtiene

1
Syy (W) = 2
3 ( + cos 2W)( 53 - cos W)
5
4

Ejemplo 7.45.

Obtener la gráfica de Syy(W) del Ejemplo 7.44, a partir de la expresión de X(W) y el uso
de la función freqzpara obtener H(W), y aplicar que Syy (W) = ïH(W)ï2ïX(W)ï2.

Solución
Del ejemplo 7.44, se que

x(n) = ( 13 ) u(n)
n

por lo que
1
X(W) =
1 - e- jW
1
3

y como
1
H(W) =
1 + e - j2 W
1
2

443
El programa MATLAB, puede ser el siguiente

>> %Grafica de la densidad espectral de energia

>> % de la señal de salida del sistema del Ejemplo 7.44
>> v=-pi:pi/512:pi;
>> X=1./(1-(1/3)*exp(-j*v));
>> b=[1 0 0];a=[1 0 0.5];
>> [H]=freqz(b,a,v);
>> X1=abs(X);H1=abs(H);
>> X2=X1.^2;H2=H1.^2;
>> S=H2.*X2;
>>plot(v/pi,S); grid

Figura 7.36. Gráfica de Syy(W) del Ejemplo 7.44

PROBLEMAS

7.1. Determinar la respuesta y(n) a la señal de entrada

x(n) = {1, 0,1,1/ 2,1,1}

a) y(n) = x(n – 2) +x(n + 3).
b) y(n) = 12 [ x(-n) + x(n + 1)] .

7.2. Determinar si los siguientes sistemas de tiempo discreto son causales o no causales,
si tienen memoria o son sin memoria, si son lineales o no lineales, si son invariantes o
variantes con respecto al tiempo, si son estables o no estables. Justifique sus respuestas.
a) y(n) = x(n) + x(n – 1).
444
b) y(n) = x(n) + x(n + 1).
c) y(n) = x(-n + 2).
d) y(n) = cos[x(n)].
e) y(n) = x(n)u(n).
f) y(n) = x(n) + nx(n+1).
g) y(n) = x(2n).
n
h) y(n) = å (0,5)
k =-¥
n-k
x(k)

i) y(n) = ïx(n)ï.
j) y(n) = x(n)x(n – 1)

7.3. Sea H un sistema LTI, relajado y estable BIBO con entrada x(n) y salida y(n).
Demostrar que:
a) Si x(n) es periódica con periodo N, la salida y(n) es periódica con el mismo periodo.
b) Si x(n) es acotada y tiende a una constante, la salida también tenderá a una
constante.
c) Si x(n) es una señal de energía, la salida y(n) también será una señal de energía.

7.4.Determine si cada uno de los siguientes sistemas es invertible. Si lo es, construya el

sistema inverso.
a) y(n) = x(2n).
b) y(n) = x(n)x(n – 1).
ì x(n / 2) n par
c) y(n) = í
î0 n impar
n
d) y(n) = å( )
k =-¥
1 n-k
2 x(k)

7.5. Sea x(n) la señal de entrada a un filtro de tiempo discreto con respuesta al impulso
hi(n) y sea yi(n) la correspondiente salida. Determinar la respuesta yi(n) para

x(n) = {2, 3, 5, 3, 4, 5, 7}

h1(n) = {1, 2, 1}

h2(n) = {1/4, -1/2, ¼}

7.6. Un sistema de tiempo discreto LTI, tiene la respuesta al impulso h(n) dada por

h(n) = (-1) n para todo n ³ 0.

445
a) Determinar la respuesta al escalón u(n) para n ³ 0.
b) Determinar la respuesta y(n) para n ³ 0, cuando la entrada es x(n) = u(n) – u(n-4),
para el sistema inicialmente relajado.

7.7. La respuesta al impulso h(n) de un sistema es h(n) = bnu(n). Determinar la respuesta

de este sistema cuando la señal de entrada x(n) es x(n) = anu(n). Para a ¹ b y para a = b.

7.8. Se conectan dos sistemas de tiempo discreto LTI como se muestra en la Figura
P.7.8. El sistema 1 tiene la respuesta al impulso h1(n) y el sistema 2 tiene la respuesta al
impulso h2(t). Deducir una expresión para la respuesta al impulso del sistema completo.
Expresar la respuesta en términos de h1(n) y de h2(n).

+ +
x(n) + + + + y(n)
Sistema 1 Sistema 2

Figura P 7.8

7.9. Determinar la respuesta de entrada - cero, del sistema relajado descrito por la
ecuación diferencia
8y(n) - 6y(n - 1) + y(n - 2) = 5sen ( n2p )
7.10. La Figura P 9.10, representa un sistema de tiempo discreto relajado. Determinar la
respuesta de y(n) de dicho sistema, si x(n) es

y(n)

x(n)
+ z -1 z -1

3/4

-1/8
ìæ 1 ö n

ï n³0
x(n) = íçè 4 ÷ø
ï0
î n<0

Figura P 7.10

7.11. Determinar la repuesta total del sistema relajado caracterizado por la ecuación
diferencia
y(n) + 19 y(n - 2) = ( 13 ) cos ( n2p )
n
n³0
446
7.12. Usando la Transformada – Z Unilateral, determinar y(n), n ³ 0, para los sistemas
caracterizados por
a) y(n) + y(n - 1) - 6y(n - 2) = 0 ; y(-1)=y(-2)=1
b) y(n) - 12 y(n - 1) = ( 13 ) u(n) ; y(-1) = 1
n

c) y(n) - 12 y(n - 1) = u(n) - 12 u(n - 1) , y(-1) = 1

7.13. Se tiene los sistemas LTI causales descritos por las siguientes ecuaciones
diferencias. En cada caso determinar la respuesta al impulso del sistema inverso y la
ecuación diferencia que caracteriza a tal sistema inverso.
a) y(n) = x(n) - 12 x(n - 1)
b) y(n) + 14 y(n - 1) = x(n)
c) y(n) + 54 y(n - 1) - 81 y(n - 2) = x(n) - 21 x(-1)

7.14. Determinar la respuesta al impulso y la respuesta al escalón de los siguientes

sistemas causales. Dibujar el diagrama de polos y ceros y determinar cuáles sistemas
son estables.
a) y(n) - 34 y(n - 1) + 81 y(n - 2) = x(n)
b) y(n) - y(n - 1) + 0,5y(n - 2) = x(n) + x(n - 1)
c) y(n) - 0,7y(n - 1) + 0,1y(n - 2) = 2x(n) – x(n – 2)
7.15. Se tiene una conexión en cascada de dos sistemas LTI como se muestra en la
Figura P 7.15, donde
h1 (n) = sen8n

h 2 (n) = a n u(n) , a <1

y la entrada x(n) es
x(n) = d(n) - ad(n - 1)
Determinar la salida y(n).

x(n) y(n)
h1 (n) h 2 (n)

Figura P 7.15

7.16. a) Se tiene la conexión de sistemas LTI mostrada en la Figura P 9.16. Expresar la

respuesta total al impulso h(n) en términos de h1(n), h2(n), h3(n), h4(n)y de h5(n).
c) Determinar h(n) cuando: h1(n) = 4 ( 12 ) n [u(n) – u(n –2)]; h2(n) = h3(n) = (n + 1)u(n);
h4(n) = d(n – 1); h5(n) = d (n) - 3d(n – 2).

447
 h 2 (n)

x(n) + y(n)
+ + +
h1 (n)
- +
h 3 (n) h 4 (n)

h 5 (n)

Figura P 7.16

7.17. Aplicando directamente la definición de convolución, determinar la respuesta al

impulso de un sistema lineal invariante en el tiempo cuya respuesta h(n) al impulso está
dada por

h(n) = a - n u(-n), 0<a<1

7.18. La entrada de un sistema de tiempo discreto LTI es x(n), la cual es cero para N0£ n
£ N1 intervalo de longitud Mx. La respuesta h(n) al impulso del sistema tiene la
característica de que es cero para N2£ n £ N3 intervalo de longitud Mh, luego la salida
y(n) es cero para toda n excepto en el intervalo N4£ n £ N5, intervalo de longitud My.
a) Determinar N4 y N5 en términos de N0 , N1, N2 y de N3.
b) Expresar My en términos de Mx y de Mh .

7.19. Determinar la correlación cruzada entrada – salida ryx( l ) y la autocorrelaciónryy( l

) de la señal de salida, en los siguientes pares señal de entrada (xi(n))– respuesta al
impulso (hi(n)).

a) x1(n) ={1, 0, -2, 2, -3}, h1 (n) = { 13 ,1,3,1, 13}

b) x2(n) ={4, 3 , 2, 1}, h2(n) = {1, 2 , 3, 4}

c) x3(n) ={4, 3 , 2, 1}, h3(n) = {4, 3 , 2, 1}

7.20. a) Determinar la función respuesta de frecuencia del sistema LTI causal descrito
por la ecuación diferencia
y(n) = x(n) - 12 y(n - 1)

b) .Determinar la respuesta de este sistema para la señal de entrada x(n) = ( 13 ) u(n) .

n

448
7.21. Para el sistema de tiempo discreto LTI mostrado en la Figura P 7.21, determinar:
a) La ecuación diferencia que relacione y(n) con x(n).
b) La función respuesta de frecuencia, y dibujar su magnitud y fase para -p£W£p.

x(n) 1 + y(n)
4 + + z -1 z -1 - +
+

1
2

Figura P 7.21

7.22. Un sistema de tiempo discreto LTI está descrito por la ecuación diferencia

y(n) = ay(n - 1) + bx(n) + x(n - 1)

con a real y ôaô< 1.
a) Determinar un valor de b tal que la función respuesta de frecuencia H(W) del
sistema, satisfaga la relación

ôH(W)ô = 1 para todo W

b) Determinar y graficar la salida del sistema cuando a = -1/2 y x(n) = (1/2)nu(n).

7.23. Un sistema de tiempo discreto LTI causal está descrito por la ecuación diferencia

y(n) - 14 y(n - 1) - 18 y(n - 2) = x(n) - 2x(n - 2) + x(n - 4)

a) Dibuje la realización de formas directa II para este sistema.

b) Construir una realización en cascada, empleando unidades de retardo, sumadores y
multiplicadores de coeficiente, que consista de la interconexión en cascada de dos
sistemas de segundo orden.

7.24. Se tiene un sistema que consiste de dos sistemas LTI en cascada con respuestas de
frecuencia

1 - 12 e - jW
H1 ( W ) = 4
2 + e - jW
1
H 2 (W ) =
1 - 12 e + 14 e - j2W
- j W

a) Determinar la ecuación diferencia que describe al sistema total.

449
b) Determinar una realización del sistema total que contenga sistemas de primer y
segundo orden en cascada, donde los sistemas de primer tengan como respuesta de
frecuencia la relación

1
1 + e - jW
1
2

c) Determinar la respuesta al impulso del sistema total.

7.25. Un filtro de tiempo discreto está caracterizado por la ecuación diferencia

y(n) = 109 y(n - 1) + bx(n)

a) Determinar el valor de b que satisface la relación ôH(0)ô = 1.

b) Determinar la frecuencia a la cual ôH(W)ô = 1/ 2 (frecuencia de mitad de
potencia).
c) Determinar si el filtro es pasabajo, pasa-alto o pasabanda.

7.26. Determinar la respuesta transiente y de estado estacionario del sistema descrito por
la ecuación diferencia
y(n) = x(n) + 2x(n - 2) + x(n - 4) y(n) = x(n) + 2x(n - 2) + x(n - 4)
con x(n) = ejpn/2 u(n) y condiciones iniciales nulas.

7.27. En el sistema de tiempo discreto de la Figura P 9.27, con la señal de entrada

x(n)dada por
x(n) = 5cos n2p u(n)
y condiciones iniciales
y(-1) = y(-2) = 1
Determinar:
a) Respuesta transiente.
b) Respuesta de estado estacionario.
c) Respuesta total.
y(n)
x(n) + +
z -1 z -1 z -1
- -+
4 4

3
Figura P 7.27

450
UNIDAD VIII: ANÁLISIS DE SISTEMAS LTI DE TIEMPO DISCRETO EN EL
DOMINIO – Z.

El objetivo de esta unidad es que el alumno aplique la Transformada - Z como una

herramienta en el análisis de sistemas de tiempo discreto, para que dada la ecuación
diferencia que caracteriza al sistema se determine la respuesta temporal del sistema
aplicando transformación – z. Como también, aplique la Transformada – Z para el análisis
de la estabilidad y causalidad de los sistema LTI de tiempo discreto, como también para el
análisis frecuencial de los sistemas de tiempo discreto.

TEMAS

8.1. RESPUESTA DE SISTEMAS CON FUNCIONES DE SISTEMA RACIONALES

Se considera el sistema polo - cero descrito por (7.90) , o sea

N M
y(n) = -å a k y(n - k) + å b k x(n - k)
k =1 k =0

con la correspondiente función de sistema o función de transferencia H(z) dada por

åb z k
-k

H(z) = k =0
N
(8.1)
1+ å akz -k

k =1

H(z) se puede representar como

N(z)
H(z) = (8.2)
D(z)

donde N(z) es el polinomio numerador que contiene los ceros de H(z) y D(z) es el
polinomio denominador que determina los ceros de H(z). Se asume también que la señal de
entrada x(n), tiene una Transformada - Z de tipo racional de la forma

P(z)
X(z) = (8.3)
Q(z)

La forma de X(z) dada por (8.3) es válida, dado que la mayoría de señales de interés
práctico tienen transformadas racionales .
Si el sistema está inicialmente en reposo, es decir que las condiciones iniciales para
y(n) son nulas, o sea

451
 y(-1) = y( -2) = ..........= y(-N) = 0 (8.4)

se tiene que la Transformada - Z Y(z) de la salida del sistema y(n) es

N(z)P(z)
Y(z) = H(z)X(z) = (8.5)
D(z)Q(z)

Se asume que el sistema contiene polos simples p1 , p2 ,.......,pN y que la transformada - Z de

la señal de entrada contiene polos q1 ,q2 ,....., qL, donde pk¹qm para todo k = 1,2,.....,N y m =
1,2,.........,L. Además, se asume que los ceros de los polinomios del numerador N(z) y P(z)
no coinciden con los polos {pk} y {qk}, de manera que no hay cancelación de polos y ceros.
En estas condiciones se puede expresar Y(z) como una expansión de fracciones parciales,
de la forma
N L
Ck Kk
Y(z) = å -1
+ å -1
(8.6)
k =1 1 - p k z k =1 1 - q k z

La transformada inversa de Y(z) representa la señal de salida del sistema, la que está dada
por
N L
y(n) = å Ck (p k ) n u(n) + å K k (q k )n u(n) (8.7)
k =1 k =1

Respuesta Natural. Se observa que la secuencia de salida puede ser dividida en dos partes.
La primera parte, correspondiente al primer término del segundo miembro de (8.7), es una
función de los polos {pk} del sistema y es llamada la respuesta natural del sistema. La
influencia de la señal de entrada sobre esta respuesta es realizada por los factores de escala
{Ck}.
RespuestaForzada. La segunda parte, segundo término, es una función de los polos {qk}
de la señal de entrada y es llamada la respuesta forzada del sistema. La influencia del
sistema sobre esta respuesta es ejercida a través de los factores de escala {Kk}.
Se tiene que los factores de escala {Ck} y {Kk}son funciones tanto de los polos {pk}
como de los polos {qk}. Por ejemplo, si X(z) = 0 de modo que la entrada es cero, luego
Y(z) = 0, y en consecuencia, la salida es cero. Por lo que la respuesta natural del sistema es
cero. Esto implica que la respuesta natural del sistema es diferente de la respuesta de
entrada - cero.
Cuando X(z) y H(z) tengan uno o más polos comunes o cuando X(z) y/o H(z)
contengan polos múltiples, Y(z) contendrá polos múltiples. En este caso, la expansión en
fracciones parciales de Y(z) contendrá factores de la forma 1 / (1 - p l z-1 )k , k= 1,2,.......,m,
donde m es el orden de los polos. La inversión de estos factores producirá en la salida y(n)
del sistema, términos de la forma n k -1p nl .

452
Ejemplo 8.1 .

Determinar las respuestas al impulso y al escalón unitario del sistema causal

y(n) = 0, 7y(n - 1) - 0,1y(n - 2) + 2x(n) - x(n - 2)

Solución
Respuesta al Impulso . La expresión dada de y(n) se puede reescribir como

y(n) - 0, 7y(n - 1) + 0,1y(n - 2) = 2x(n) - x(n - 2)

Considerando esta ecuación y aplicando (10.1), se obtiene

2 - z -2
H(z) =
1 - 0, 7z -1 + 0,1z -2

Como H(z) es una función racional impropia, se tiene

-7z -1 + 12
H ( z ) = -10 + = -10 + H1 ( z )
0,1z -2 - 0, 7z -1 + 1
Con
-7z -1 + 12 12z 2 - 7z 12z 2 - 7z
H1 ( z ) = = =
0,1z -2 - 0, 7z -1 + 1 z 2 - 0, 7z + 0,1 ( z - 12 ) ( z - 51 )

Luego, la expansión en fracciones parciales de H1(z) es

H1 (z) A A
= 11 + 21
z z-2 z-5
con
12z - 7 10
A1 = =-
z - 5 z= 1
1
3
2

12z - 7 46
A2 = =
z - 2 z= 1 3
1
5

En consecuencia
- 103 46
H(z) = -10 + + 3

1 - 12 z -1 1 - 15 z -1
Por lo tanto

h(n) = -10d ( n ) + é - 103 ( 12 ) + 463 ( 15 ) ù u(n)

n n

ë û
453
Respuesta al Escalón Unitario. En este caso se puede emplear la expresión

N L
Ck Kk
Y(z) = å -1
+ å -1
k =1 1 - p k z k =1 1 - q k z

lo que implica
N L
y(n) = å Ck (p k ) n u(n) + å K k (q k )n u(n)
k =1 k =1

Como x(n) = u(n), se tiene

1
X(z) =
1 - z -1
de donde
q1 = 1

en el apartado anterior se determinó que

1 1
p1 = y p2 =
2 5
por lo tanto
C1 C2 K1
Y(z) = 1 -1
+ 1 -1
+
1- 2 z 1- 5 z 1 - z -1
Por otra parte
2 - z -2
Y(z) = H(z)X(z) =
(1 - 12 z -1 )(1 - 15 z -1 )(1 - z -1 )

Por lo que, los coeficientes se pueden calcular de la siguiente manera

2 - z -2 10
C1 = 1 -1 -1
=
(1 - 5 z )(1 - z ) z = 1 3
2

-2
2-z 23
C2 = - -
= -
(1 - 12 z )(1 - z ) z = 1
1 1
6
5

2 - z -2 5
K1 = 1 -1 1 -1
=
(1 - 2 z )(1 - 5 z ) z =1 2
En consecuencia
y(n) = é 103 ( 12 ) - 236 ( 15 ) + 25 ù u(n)
n n

ë û

Se deduce que la respuesta natural, en este caso, es é 103 ( 21 ) - 236 ( 15 ) ù u(n) y la respuesta
n n

ë û
forzada es 52 u(n)

454
Ejemplo 8.2.
Determinar la respuesta forzada yf(n) y respuesta natural yn(n), empleando MATLAB, del
sistema cuyo modelo de ecuaciones en diferencias es
y(n) + 3y(n - 1) + 2y(n - 2) = x(n)
con x(n) = ( 12 ) u(n)
n

Solución
Para la resolución del problema, se puede usar el siguiente programa MATLAB
>> %Calculo de repuesta forzada y natural
>> %del sistema del Ejemplo 8.2
>> b=[1 0 0]; a=[1 3 2]
>> H=tf(b,a,[])

Transfer function:
z^2
-------------
z^2 + 3 z + 2

Sampling time: unspecified

>> roots(a)
ans =
-2
-1

>> z=sym('z'); n=sym('n','real'); x=(0.5)^n;

>> X=ztrans(x)
X=
2*z/(2*z-1)
>> H=z^2/(z^2+3*z+2);
>> N=z^3;D=(z-1/2).*(z^2+3*z+2);
>> D1=[z -1/2];D2=[z^2 3*z 2];
>>
D=D1(1)*D2(1)+D1(1)*D2(2)+D1(1)*D2(3)+D1(2)*D2(1)+D1(2)*D2(2)+D1(2)*D2(3)
D=
z^3+5/2*z^2+1/2*z-1
>> Y=N./D;
>> b1=[1 0 0 0];a1=[1 5/2 1/2 -1]; [r,p,k]=residuez(b1,a1);
>> Y=r(1)*z/(z-p(1))+r(2)*z/(z-p(2))+r(3)*z/(z-p(3));
>> y=iztrans(Y3)
y=
8/5*(-2)^n-2/3*(-1)^n+1/15*(1/2)^n

455
Como los polos de la Función de Transferencia del Sistema son p1= -2 y p2 = -1, la
respuesta natural yn(n) es
y n (n) = é 85 ( -2 ) - 32 ( -1) ù u(n)
n n
ë û

La señal de entrada tiene el polo p3 = 12 , por lo tanto la respuesta forzada del sistema es

y f (n) = ( 12 ) u(n)
n

8.1.1. Respuesta de Sistemas Polos - Ceros con Condiciones Iniciales no Nulas. Se

considera que la señal x(n) aplicada al sistema es una señal causal (x(n) = 0 para n < 0). Por
otra parte, las condiciones iniciales y(-1), y(-2),...., y(-N) reflejan el efecto de todas las
señales previas a x(n) sobre el sistema considerado. Dado que la entrada x(n) es causal y
que se tiene interés en determinar la salida y(n) para n ³ 0, se puede usar la Transformada -
Z Unilateral, la cual considera las condiciones iniciales. Realizando esta aplicación sobre
y(n), dada por (7.97), se obtiene
N
é k
ù M
Y + (z) = -å a k z - k ê Y + (z) + å y(-n)z n ú + å b k z - k X + (z) (8.8)
k =1 ë n =1 û k =0

como x(n), se puede escribir que X+ (z) = X(z) . En cualquier caso (8.8) puede ser
expresada como
M N k

åb z k
-k
åa k z - k å y(- n)z n
Y + (z) = k =0
N
X(z) - k =1
N
n =1

1 + å a k z- k 1 + å a k z- k
k =1 k =1

(8.9)
P0 (z)
Y + (z) = H(z)X(z) +
D(z)
donde
N k
P0 (z) = -å a k z -k
å y(-n)z n
(8.10)
k =1 n =1

Respuesta de Estado – Cero Yzs(z). De (8.9) se tiene que la salida del sistema con
condiciones iniciales no nulas puede ser subdividida en dos partes: la primera es la
respuesta de estado - cero, definida en el dominio -z como

Yzs (z) = H(z)X(z) (8.11)

456
Respuesta de Entrada – Cero Yzi+ (z) . La segunda componente corresponde a la salida
resultante debido a las condiciones iniciales. Esta salida representa la respuesta de entrada -
cero del sistema, la cual es definida en el dominio -z como

P0 (z)
Yzi+ (z) = (8.12)
D(z)
Luego Y+ (z) se puede escribir como

Y + (z) = Yzs (z) + Yzi+ (z) (8.13)

Aplicando Transformada - Z Inversa a (8.13) , se tiene

y ( n ) = y zs ( n ) + y zi ( n ) (8.14)

Dado que el denominador de Yzin (z) es D(z), sus polos son p1 , p2 ,....., pN. En consecuencia,
la respuesta de entrada - cero tiene la forma

N
y zi (n) = å M k (p k )n u(n) (8.15)
k =1

Dado que el denominador de Yzin (z) es D(z), sus polos son p1 , p2 ,....., pN. En consecuencia,
la respuesta de entrada - cero tiene la forma

N
y zi (n) = å M k (p k )n u(n) (8.16)
k =1

El efecto de las condiciones iniciales es el alterar la respuesta natural del sistema mediante
la modificación de los factores de escala. Las condiciones iniciales no introducen nuevos
polos en la función de sistema. Además, no hay efecto sobre la respuesta forzada del
sistema.

Ejemplo 8.3.

Determinar la respuesta al escalón unitario del sistema descrito por la ecuación diferencia

y(n) = 14 y(n - 2) + x(n)

empleando que y(n) = y zs (n) + y zi (n) , y con las siguientes condiciones iniciales

457
 y(-1) = 0 , y(-2) = 1
Solución
Reescribiendo la ecuación diferencia dada, se tiene
y(n) - 14 y(n - 2) = x(n)

De donde se deduce que la función de sistema H(z) es

1
H(z) =
1 - 14 z -2
Luego los polos de H(z) son
p1 = 1
2 , p 2 = - 12

Por lo que H(z) se puede expresar

1
H(z) =
(1 - z )(1 + 12 z -1 )
1
2
-1

Como x(n) = u(n) , se tiene

1
X(z) =
1 - z -1

Respuesta de Estado - Cero Yzs (z) . Se tiene que

Yzs (z) = H(z)X(z)

Empleando las expresiones de H(z) y de X(z) obtenidas, Yzs (z) queda

1 A1 A2 A3
Yzs (z) = -1 1 -1 -1
= 1 -1
+ 1 -1
+
(1 - z )(1 + 2 z )(1 - z ) 1 - 2 z
1
2 1+ 2 z 1 - z -1
Con
1 1
A1 = -1 -1
=-
(1 + z )(1 - z ) z = 1
1
2 2
2

1 1
A2 = -1 -1
=
(1 - z )(1 - z ) z =- 1 6
1
2
2

1 4
A3 = -11 -1
=
(1 - z )(1 + 2 z ) z =1 3
1
2

Por lo que
458
 - 12 1 4
Yzs (z) = 1 -1
+ 6
1 -1
+ 3

1- 2 z 1+ 2 z 1 - z -1
En consecuencia
y zs (n) = éë - ( 12 ) n +1 + 16 ( - 12 ) n + 43 ùû u(n)

Respuesta de Entrada - Cero yzi (n). En este caso, por (8.12) , se tiene que

P0 (z)
Yzi (z) =
D(z)
La ecuación (8.10) establece que

N k
P0 (z) = -å a k z - k å y(- n)z n
k =1 n =1

Por lo que para el problema dado, N = k = 2, luego

P0 (z) = -(a1z -1 + a 2 z -2 ) éë y( -1)z + y( -2)z 2 ùû

como

a1 = y(-1) = 0 , a 2 = - 14 , y(-2) = 1
luego

P0 (z) = ( 14 z -2 ) éë z 2 ùû = 1
4

Por otra parte

N
D(z) = 1 + å a k z - k
k =1

o sea
D(z) = 1 - 14 z -2
Por lo tanto

1
z2 1
Yzi (z) = 4
= 4
1 - z -2
1
4 ( z - )( z + 12 )
1
2

La expansión en fracciones parciales de Yzi(z) es

1 1
Yzi = 8
-1
+ 8

1- z 1
2 1 + z -1
1
2

459
De donde
y zi (n) = é 18 ( 12 ) + 18 ( - 12 ) ù u(n)
n n

ë û
Como

y(n) = yzs (n) + yzi (n)

se tiene

y(n) = é - 38 ( 21 ) + 247 ( - 21 ) + 34 ù u(n)

n n

ë û

8.1.2. Respuestas Transiente y de Estado Estacionario. La respuesta de un sistema para

una señal de entrada dada puede ser separada en dos componentes: la respuesta natural o
transienteynr(n) y la respuesta forzada o de estado estacionario yfr(n).

Respuesta Natural o Transiente. La respuesta natural ynr(n) de un sistema causal tiene la

forma dada por
N
y nr (n) = å A k (p k )n u(n) (8.17)
k =1

donde {pk } , k = 1,2,........, N son los polos del sistema y {Ak} son factores de escala que
dependen de las características de la secuencia de entrada y de las condiciones iniciales.
Si ïpkï< 1 para todo k, luego ynr (n) tiende a cero cuando n tiende a infinito. En tal
caso la respuesta natural del sistema representa su respuesta transiente. La rapidez con que
ynr (n) tiende a cero depende de la magnitud de los polos. Si se tiene el caso que todos los
polos tengan magnitud pequeña, se tiende a cero muy rápidamente. Por otra parte, si uno o
más polos están localizados cerca del circulo unitario, los términos correspondientes en ynr
(n) tenderán lentamente a cero y el transiente persistirá por largo tiempo.
Respuesta Forzada o de Estado Estacionario. La respuesta forzada del sistema se define
como
L
y fr (n) = å Sk (q k ) n u(n) (8.18)
k =1

donde {qk} , k = 1,2,.......,L son polos de la función forzante y {Sk}son factores de escala
que dependen de las características del sistema y de la secuencia de entrada. Si todos los
polos de la señal de entrada caen dentro del circulo unitario, yfr(n) decaerá a cero cuando n
tienda a infinito, tal como en el caso de la respuesta natural. Esto no es sorprendente dado
que la señal de entrada es también una señal transiente. Por otra parte, cuando la señal
460
causal de entrada es una senoide, los polos caen sobre la circunferencia de radio unitario y
en consecuencia la respuesta forzada es también una senoide , que persiste para todo n ³ 0.
En este caso, la respuesta forzada es denominada respuesta de estado - estacionario del
sistema. Para que el sistema sostenga la respuesta de estado estacionario para n ³ 0, la señal
de entrada debe de estar presente para todo n³0 .

Ejemplo 8.4 .

Determinar las respuestas transiente y de estado - estacionario del sistema de tiempo

discreto mostrado en la Figura 8.1. El sistema está inicialmente en reposo y x(n)=3nu(n).

y(n)

x(n) + z -1 z -1

5/6

-1/6

Figura 8.1 . Sistema de Tiempo Discreto del Ejemplo 8.4

Solución
El modelo ecuación diferencia para el sistema dado es

y(n) - 56 y(n - 1) + 16 y(n - 2) = x(n)

De donde se obtiene que H(z) está dado por

1
H(z) =
1 - z + 16 z -2
5
6
-1

Los polos de H(z) son

p1 = 1
2 , p 2 = 13
Por otra parte
1
X(z) =
1 - 3z -1
por lo que el polo de X(z) es
q1 = 3

Como el sistema está inicialmente en reposo, se tiene que

461
 N L
Ck Kk
Y(z) = H(z)X(z) = å -1
+ å -1
k =1 1 - p k z k =1 1 - q k z

Aplicando esta ecuación al problema dado, se obtiene

C1 C2 K1
Y(z) = 1 -1
+ 1 -1
+
1- 2 z 1- 3 z 1 - 3z -1
Obteniéndose
C1 = - 35 , C2 = 1
4 , K1 = 27
20

Luego
- 53 1 27
Y(z) = 1 -1
+ 4
1 -1
+ 20

1- 2 z 1- 3 z 1 - 3z -1

Por lo que por (8.16) la respuesta natural o transienteynr (n) es

y nr (n) = éë - 35 ( 21 ) n + 14 ( 13 ) n ùû u(n)

y por (8.18), la respuesta forzada o de estado - estacionario yfr (n) es

y fr (n) = 27
20 (3) n u(n)

Se observa que la respuesta de estado - estacionario tiene valores para todo n ³ 0, al igual
que la señal de entrada. Para determinar la respuesta total del sistema y(n) se aplica

y(n) = ynr (n) + yfr (n)

Ejemplo8.5.

Escribir un programa MATLAB para determinar la respuesta total del sistema del Ejemplo
10.4, en las condiciones planteadas en dicho ejemplo.
Solución
En base a que el modelo ecuación en diferencias del sistema, inicialmente en reposo,del
Ejemplo 8.4, es

y(n) - 56 y(n - 1) + 16 y(n - 2) = x( n)

con x(n) = 3n u(n) . Un programa MATLAB para obtener y(n), puede ser el siguiente

462
>> z=sym('z'); n=sym('n');
>> b=[1 0 0]; a=[1 -5/6 1/6];
>> H=tf(b,a,[])

Transfer function:
z^2
-----------------------
z^2 - 0.8333 z + 0.1667
Sampling time: unspecified
>> H=z^2/(z^2-5/6*z+1/6); x=3^n;
>> X=ztrans(x)
X=

1/3*z/(1/3*z-1)

>> d1=[z -3]; d2=[z^2 -5/6*z 1/6];

>> d=d1(1)*d2(1)+d1(1)*d2(2)+d1(1)*d2(3)+d1(2)*d2(1)+d1(2)*d2(2)+d1(2)*d2(3)

d=
z^3-23/6*z^2+8/3*z-1/2

>> Y=z^3./(z^3-23/6*z^2+8/3*z-1/2);
>> b1=[1 0 0]; a1=[1 -23/6 8/3 -1/2];
>> [r,p,k]=residuez(b1,a1);
>> Y1=r(1)*z/(z-p(1))+r(2)*z/(z-p(2))+r(3)*z/(z-p(3));
>> y=iztrans(Y1)
y=
27/20*3^n-
2702159776422311/4503599627370496*(2251799813685243/4503599627370496)^n+112
5899906842639/4503599627370496*(1/3)^n
>>format('rat');
>> q=2702159776422311/4503599627370496
q=
3/5

>> c=2251799813685243/4503599627370496
c=
1/2
>> m=1125899906842639/4503599627370496
m=
1/4

463
De donde

30 ( 3) - 5 ( 2 ) + 4 ( 3 )
y(n) = é 27
n 3 1 n 1 1 nù
u(n)
ë û

8.2. ESTABILIDAD Y CAUSALIDAD DE SISTEMAS DE TIEMPO DISCRETO

8.2.1. Causalidad. Se ha definido como sistema lineal causal invariante en el tiempo, como
aquel sistema cuya respuesta h(n) al impulso unitario satisface la condición

h(n) = 0 , n < 0 (8.19)

También se determinó que la ROC de la Transformada - Z de una secuencia causal es el

exterior de un círculo, o sea, que un sistema lineal invariante en el tiempo (LTI) es causal si
y sólo si la ROC de la función de sistema es el exterior de un círculo de radio r<¥,
incluyendo el punto z = ¥.

8.2.2 .Estabilidad .La estabilidad de un sistema LTI puede ser expresada en términos de
las características de la función de sistema. Una condición necesaria y suficiente para que
un sistema LTI sea estable BIBO es
¥

å
n =-¥
h(n) < ¥ (8.20)

Esta condición implica que H(z) debe de contener el círculo unitario dentro de su ROC, lo
cual se puede verificar considerando que

¥
H(z) = å h(n)z
n =-¥
-n
(8.21)

de donde se establece que

¥ ¥
H(z) £ å
n =-¥
h(n)z - n = å
n =-¥
h(n) z - n (8.22)

Evaluando esta expresión para ïzï= 1, es decir en la circunferencia unitaria, se tiene

¥
H(z) £ å
n =-¥
h(n) (8.23)

464
Luego, si el sistema es estable BIBO, la circunferencia unitaria está contenida en la ROC de
H(z). Lo inverso es también verdadero, es decir, que un sistema LTI es estable BIBO si y
sólo si la ROC del sistema contiene a la circunferencia unitaria.
Se puede recalcar que las condiciones para la causalidad y para la estabilidad son
diferentes y que una no implica la otra. Por ejemplo, un sistema causal puede ser estable
o inestable, así como un sistema no causal puede ser estable o inestable. En forma similar,
un sistema inestable puede ser causal o no causal, como un sistema estable puede ser causal
o no causal.
Un sistema causal es caracterizado por una función de sistema H(z) que tiene como
ROC el exterior de algún circulo. Para que este sistema sea estable, su ROC debe incluir la
circunferencia unitaria. Dado que la ROC puede no contener todos los polos de H(z), se
tiene que un sistema LTI es estable BIBO si y sólo si todos los polos de H(z) están dentro
de la circunferencia unitaria .

Criterios de Polos para la Estabilidad de los Sistemas. Sean p1, p2, ....., pn los polos de
una función de transferencia H(z) de un sistema. En relación a la estabilidad se tendrá que
el sistema será:

Sistema Estable BIBO o Asintóticamente Estable. Si se cumple que ôpkô< 1 para k = 1,

2,......., n.
Sistema Marginalmente Estable. Si para polos no múltiples se tiene ôpkô£ 1 y que ôpkô<
1 para los polos múltiples.
Sistema Inestable. Si ôpkô> 1 para uno o más polos o si ôpkô = 1 para un polo múltiple.

Ejemplo 8.6.

Un sistema LTI es caracterizado por la función de sistema

1
H(z) =
1 - 3 z + 23 z -2
7 -1

Especificar la ROC de H(z) y determinar h(n) para las siguientes condiciones

a) El sistema es estable .
b) El sistema es causal .
c) El sistema es anticausalpuro .

Solución
Expandiendo H(z) en fracciones parciales, se obtiene
- 15 6
H(z) = + 5

1 - 13 z -1 1 - 2z -1

465
a)Dado que el sistema es estable se tiene que su ROC debe contener la circunferemcia
unitaria, o sea

ROC : 13 < z < 2

Esta situación implica que h(n) es no causal y como H(z) está dado por

- 15 6
H(z) = -
+ 5

1 - 13 z 1
1 - 2z -1
haciendo h(n) = Z-1{H(z)}, se obtiene

h(n) = - 15 ( 13 ) n u(n) - 65 (2) n u( - n - 1)

b) Dado que el sistema es causal, su ROC es

ROC :ïzï> 2

Por lo que este sistema es inestable. Luego, h(n) está dado por

h(n) = éë - 15 ( 13 ) n + 56 (2) n ùû u(n)

c) Si el sistema es anticausal, su ROC es

ROC : z < 13

Por lo que el sistema es inestable y en consecuencia, la expresión de h(n) es

h(n) = - éë - 15 ( 13 ) n + 56 (2) n ùû u( - n - 1)

Ejemplo 8.7.

En el sistema caracterizado por la ecuación diferencia

y(n) - 0, 7y(n - 1) + 0,12y(n - 2) = x(n - 1) + x(n - 2)

466
Determinar :
a) Si el sistema es estable .
b) La respuesta del sistema a la secuencia de entrada x(n) = nu(n) .

Solución
a) De la ecuación diferencia dada, se tiene que

z -1 + z -2
H(z) =
1 - 0, 7z -1 + 0,12z -2
por lo que los polos de H(z) son
p1 = 2
5 , p 2 = 103

De los valores de p1 y de p2 , se deduce que ellos están dentro del circulo unitario lo que
implica que el sistema es estable y causal .

b) Como en el enunciado del problema no se hace referencia a las condiciones iniciales,

éstas se asumen nulas, por lo tanto Y(z) está dada por

Y(Z) = H(z)X(z)
Donde X(z) es

X(z) = Z{x(n)}= Z{nu(n)}

o sea
z -1
X(z) =
(1 - z -1 )2

En consecuencia Y(z) queda

(z -1 + z -2 )z -1 z2 + z
Y(z) = =
(1 - 25 z -1 )(1 - 103 z -1 )(1 - z -1 )2 (z - 25 )(z - 103 )(z - 1)2

Ecuación que se puede escribir como

Y(z) z +1 C1 C2 K1 K2
= = + + +
z (z - 25 )(z - 103 )(z - 1) 2
z - 25 z - 103 z - 1 (z - 1)2

Obteniéndose los siguientes valores

C1 = 350
9 , C2 = - 1300
49 , K1 = - 7550
441 , K 2 = 100
21

467
Por lo que

350 1300 7550 100

z -1
Y(z) = 9
2 -1
- 49
3 -1
- 441
-1
+ 21
1- z5 1- z
10 1- z (1 - z -1 )2
De donde se obtiene

y(n) = éë 350 2 n 1300 3 n 7550 100

ù
9 ( 5 ) - 49 ( 10 ) - 441 + 21 n û u(n)

8.2.3. Cancelación Polo - Cero. En el caso de que una Transformada - Z tenga un polo que
sea igual a un cero de ella misma, se tiene que el polo es cancelado por el cero
y en consecuencia, el término que contiene al polo en la Transformada - Z Inversa
desaparece.
La cancelación polo - cero puede realizarse en la propia función de sistema o en el
producto de la función de sistema con la Transformada - Z de la señal de entrada. En el
primer caso se dice que el orden del sistema se ha reducido en uno. En el segundo caso se
dice que el polo del sistema es suprimido por el cero de la señal de entrada o viceversa.
Luego, con una adecuada selección de los ceros de la señal de entrada es posible suprimir
en la respuesta del sistema uno o más modos, factores con polos, de la función de sistema.
En forma similar, con una selección adecuada de los ceros de la función de sistema, es
posible suprimir en la respuesta del sistema uno o más modos de la señal de entrada
La cancelación polo – cero puede no ocurrir en la práctica debido a la precisión
numérica insuficiente utilizada en la representación de los coeficientes asociados a la
representación del sistema. En este caso, no se podrá estabilizar un sistema inherentemente
inestable, colocando un cero en la señal de entrada en la ubicación de un polo de la función
de sistema.

Ejemplo 8.8.

Determinar la respuesta al impulso unitario del sistema caracterizado por la ecuación

diferencia
y(n) - 0, 7y(n - 1) + 0,1y(n - 2) = 4x(n) - x(n - 2)
Solución
La función de sistema es

4 - z -2 4(z 2 - 14 )
H(z) = =
1 - 0, 7z -1 + 0,1z -2 1 - 0, 7z -1 + 0,1z -2
468
De donde, se obtiene la siguiente expresión de H(z)

4(z - 12 )(z + 12 )
H(z) =
(z - 12 )(z - 15 )

Se observa que se produce cancelación polo – cero, quedando H(z) como

z + 12 1 + 12 z -1
H(z) = 4 = 4 (I)
z - 15 1 - 15 z -1

Ecuación que puede tener la siguiente forma

z -1
7
14 z -1
H(z) = 4 + 4 1 -1 = 4 +
10
1- 5 z 5 1 - 15 z -1

Aplicando h(n) = Z-1{H(z)}, se obtiene

h(n) = 4d(n) + 145 ( 51 ) n -1 u(n - 1)

De (I), se tiene que el sistema de orden reducido obtenido por la cancelación polo - cero, es
caracterizado por la ecuación diferencia

y(n) - 15 y(n - 1) = 4x(n) + 2x(n - 1)

Ejemplo 8.9.

Determinar la respuesta del sistema

y(n) - 12 y(n - 1) + 181 y(n - 2) = x(n)

Cuando se le aplica la señal x(n)=d(n)- 16 d(n-1) .

Solución
La función de sistema es

1
H(z) =
1 - z + 181 z -2
1
2
-1

Los polos de la función de sistema son

469
 p1 = 13 , p 2 = 16

Por lo que H(z) se puede escribir como

1
H(z) =
(1 - z )(1 - 16 z -1 )
1
3
-1

Considerando la expresión de x(n) , X(z) es

X(z) = 1 - 16 z -1

Luego
Y(z) = H(z)X(z)

1
Y(z) =
1 - 13 z -1

En consecuencia la respuesta y(n) del sistema es

y(n) = ( 13 ) n u(n)

Se observa que el modo ( 16 ) n no aparece en la salida del sistema debido a la cancelación

polo - cero .

8.2.4 . Polos de Orden Múltiple y Estabilidad. Una condición necesaria y suficiente para
que un sistema LTI causal sea BIBO estable es que todos sus polos se encuentren dentro del
circulo unitario. La señal de entrada es acotada si su Transformada - Z contiene polos {qk }
, k = 1,2,......, L , que satisfacen la condición ïqkï£ 1 para todo k. Se observa que la
respuesta forzada del sistema, dada en (8.17), es también acotada, aún cuando la señal de
entrada contenga una o más polos distintos sobre la circunferencia unitaria .
Un sistema que tenga polos sobre la circunferencia unitaria, ôpkô = 1, presentará
inestabilidad si se excita con una secuencia de entrada que posea un polo sobre la
circunferencia, lo cual se ilustra en el siguiente ejemplo.

Ejemplo 8.10.

Determinar la respuesta al escalón unitario del sistema causal descrito por

y(n) - 2y(n - 1) + y(n - 2) = 2x(n)

470
Solución
De acuerdo a la expresión dada de y(n), la función de sistema es
2 2
H(z) = =
(1 - z-1 )
-1 -2
1 - 2z + z 2

Se observa que el sistema contiene un polo de multiplicidad 2 sobre la circunferencia

unitaria en z = 1. La Transformada - Z de la señal de entrada x(n) es

1
X(z) = Z { x(n)} = Z {u(n)} =
1 - z -1

X(z) también tiene un polo en z = 1. Por lo tanto, la señal de salida y(n) tiene la
transformada
2 2z3
Y(z) = H(z)X(z) = =
(1 - z ) ( z - 1)
-1 3 3

Por lo cual, Y(z) tiene un polo triple en z = 1. Realizando la expansión en fracciones

parciales de Y(z), se tiene
Y(z) A1 A2 A3
= + +
z z - 1 (z - 1) (z - 1)3
2

Aplicando el proceso para el caso de polos múltiples, se obtiene

A1 = 2 , A2 = 4 , A3 = 2

Por lo tanto, la expresión de Y(z) es

2 4z -1 2z -2
Y(z) = + +
1 - z -1 (1 - z -1 )2 (1 - z -1 )3

En consecuencia, la señal de salida y(n) es

y(n) = (2 + 4n + 2n 2 )u(n)

De la expresión obtenida para y(n), se deduce que y(n) es no acotada, ya que tiende a
infinito cuando n tiende a infinito, aunque x(n) es acotada. En consecuencia el sistema es
inestable.

471
Este ejemplo demuestra que la estabilidad BIBO requiere que los polos del sistema se
encuentren estrictamente dentro del circulo unitario. Si todos los polos están dentro del
circulo unitario y la secuencia excitación x(n), contiene uno o más polos que tienen la
misma ubicación que algunos polos del sistema, la salida Y(z) contendrá polos múltiples.
Los polos múltiples producirán una secuencia de salida que contendrá términos de la forma

Ak n b (p k )n u(n) (8.24)

donde 0 £ b £ m -1 y m es el orden del polo. Si ïpkï< 1, estos términos tienden a cero

cuando n tiende a infinito porque el factor (pk )n domina por sobre el término nb. En
consecuencia señales de entrada no acotadas pueden producir señales de salida no acotadas,
si los polos del sistema están todos dentro del circulo unitario.
Los sistemas denominados osciladores digitales tienen polos que están sobre la
circunferencia unitaria. Estos sistemas son definidos como sistemas marginalmente
estables .
8.2.5. Test de Estabilidad Schür – Cohn. La estabilidad de un sistema está determinada
por la posición de los polos. Los polos del sistema son las raíces del polinomio
denominador de H(z), o sea de

D(z) = 1 + a1z -1 + a 2 z -2 + ........ + a N z - N (8.25)

Para que los sistemas causales sean estables, todas las raíces de D(z) deben de estar dentro
del circulo unitario.
Hay varios procedimientos de cálculo utilizados para la determinación de las raíces
de A(z), que se encuentren fuera del circulo unitario. Estos procedimientos se denominan
Criterios de Estabilidad. Uno de ellos es el Test de Schür - Cohn.
Para desarrollar el test de Schür - Cohn, se considerará que el sistema está
caracterizado por la función de sistema H(z) = N(z)/D(z) y se empleará la siguiente
notación para un polinomio de grado n.

n
D n (z) = å a n (k)z - k , a n (0)=1 (8.26)
k =0

El polinomio recíproco o inverso En (z) de grado n, se define como

n
E n (z) = z - n D n (z -1 ) = å a n (n - k)z - k (8.27)
k=0

De (8.26) y (8.27) se deduce que los coeficientes de En (z) son los mismos que los de Dn
(z), pero en orden inverso.
472
 La aplicación del test de estabilidad de Schür - Cohn para determinar si todas las
raíces de D(z) están dentro del circulo unitario, implica el cálculo de un conjunto de
coeficientes llamados coeficientes de reflección: C1 , C2 , ......., CN, a partir de los
polinomios Dn(z). Para ello, se hace
DN (z) = D(z)
y (8.28)
KN =aN (N)

Luego, se calcula el polinomio Dn (z) de menor grado, n = N , N - 1, N - 2 , ......., 1, de

acuerdo a la ecuación recursiva
D (z) - C n E n (z)
Dn -1 (z) = n (8.29)
1 - K 2n

los coeficientes Cn se definen como

Cnºan (n) (8.30)

El test de Schür - Cohn establece que el polinomio D(z) dado por (8.26) tiene todas sus
raíces dentro del circulo unitario si y sólo si los coeficientes Cn satisfacen la condición
ïCnï< 1 para n = 1,2,......., N.

Ejemplo 8.11.

Determinar la estabilidad del sistema que tiene la siguiente función de sistema

1
H(z) =
1 - 1,5z + 0, 5z -2
-1

Solución
Los polos de H(z) son
p1 = 1 , p 2 = 12

Empleando el procedimiento descrito, del denominador de H(z) se determina que N =2 por

lo que

D2 (z) = 1 - 1,5z-1 + 0,5z-2

De aquí se deduce que
C2 = 1
2

También de D2 (z) se deduce que la forma de E2 (z) es

E2 (z)=0,5 - 1,5z-1 + z-2

473
Aplicando (8.29), se obtiene
D 2 (z) - C2 E 2 (z)
D1 (z) =
1 - C22

Reemplazando valores y expresiones, se tiene

1 - 1,5z -1 + 0,5z -2 - 12 (0,5 - 1,5z -1 + z -2 )

D1 (z) =
1 - 14

D1 (z) = 1 - z -1
De donde se deduce que
C1 = -1

En consecuencia |C2| = 0,5 y |C1|= 1. Aplicando el test de Schür - Cohn y considerando que
|K1| = 1, se determina que el sistema es marginalmente estable. En este ejemplo, por mera
coincidencia se dio el hecho de que los valores de los polos de H(z) son iguales a los
valores de los módulos de los coeficientes C, en general los valores de los polos son
diferentes a los de C. Para los polinomios de segundo grado, el análisis de la estabilidad del
sistema se puede realizar en base a los polos, dado que la determinación de éstos no es
compleja e incluso en algunos casos se pueden determinar mediante una simple
factorización. Sin embargo, para polinomios de grado más alto, el test de estabilidad de
Schür - Cohn proporciona un procedimiento más simple que la factorización directa de
H(z).

8.2.6. Test de Estabilidad de Jury. Otro procedimiento para analizar la estabilidad de los
sistemas es el Criterio de Jury. Se asume que H(z) es de la forma

N(z)
H(z) = (8.30)
D(z)
Con D(z) dado por

D(z) = a 0 + a1z + a 2 z 2 + ........ + a n -1z n -1 + a N z n , an> 0 (8.31)

El Criterio de Jury se basa en la Tabla Jury, la cual se muestra en la Tabla 8.1. Las dos
primeras filas de la Tabla de Jury se llenan con los coeficientes de D(z). Los coeficientes de
la tercera y cuarta fila están dados por

bi = aoai – an-1an , i = 0, 1, 2, ……, n – 1 (8.32)

474
Tabla 8.1. Tabla de Jury

Fila z0 z1 z2...................................zn-2 zn-1 zn

1 a0 a1 a2 an-2 an-1 an
2 an an-1 an-2 a2 a1 a0
3 b0 b1 b2 bn-2 bn-1
4 bn-1 bn-2 bn-3 b1 b0
5 c0 c1 c2 cn-2
6 cn-2 cn-3 cn-4 c0
. . . .
. . . .
. . . .
2n – 5 do d1 d2 d3
2n – 4 d3 d2 d1 d0
2n – 3 e0 e1 e2

Los coeficientes de la quinta y sexta fila están dados por

ci = b0 bi - b n -i -1b n -1 (8.33)

El proceso continúa hasta la (2n –3) ésima fila, cuyo último elemento está dado por

e 2 = d 0d 2 - d1d 3 (8.34)

El criterio de estabilidad de Jury establece que un sistema es estable, todos los polos de su
función de sistema están dentro del circulo unitario (ôpkô) < 1), si y sólo si se satisfacen
las siguientes condiciones:
D(1) > 0 y (-1) n D(-1) > 0
an > a0
b0 > b n -1
c0 > c n - 2
.
.
e0 > e2

475
Ejemplo 8.12.

Empleando el criterio de Jury, determinar si es estable el sistema definido por

z 2 - 3z + 1
H(z) =
z 3 + z 2 + 0,5z + 0, 5
Solución.
En este caso el polinomio D(z ) es

D(z) = 0,5 + 0,5z + z 2 + z 3

Como n = 3, la Tabla de Jury correspondiente es

z0 z1 z2 z3

1 0,5 0,5 1 1
2 1 1 0,5 0,5
3 -0,75 -0,75 -0.5

Aplicando las condiciones, se tiene

D(1) = 3 > 0
(-1)nD(-1) = (-1)3(0) = 0.

Como no se cumple que(-1)n D(-1) > 0, luego el sistema es inestable. Aunque de la Tabla
de Jury se tenga que

ôa3ô>ôa0ôÞô1ô>ô0,5ô

ôb0ô>ôb2ôÞô0,75ô>ô0,5ô

8.2.5. Estabilidad de Sistemas de Segundo Orden. Se considerará el caso de sistemas que

tienen dos polos, los cuales son descritos por ecuaciones diferencias de segundo orden de la
forma
y(n) + a1 y(n - 1) + a 2 y(n - 2) = b0 x(n) (8.35)

La función de sistema H(z) es

Y(z) b0 b0 z 2
H(z) = = = (8.36)
X(z) 1 + a1z -1 + a 2 z -2 z 2 + a1z + a 2

Este sistema tiene dos ceros en el origen y los polos

476
 a1 a 2 - 4a 2
p1 , p 2 = - ± 1 (8.37)
2 4

El sistema es estable BIBO si los polos están dentro del circulo unitario, o sea si ïp1ï< 1 y
ïp2ï< 1. Estas condiciones pueden ser relacionadas con los coeficientes a1 y a2, Para ello se
pueden emplear los siguientes procedimientos :
Se tiene que las raíces de una ecuación cuadrática satisfacen las siguientes relaciones

a1 = - (p1 +p2 ) (8.38)

a2 = p1 p2 (8.39)

De (8.38) y de (8.39) se obtienen las condiciones que deben satisfacer a1 y a2 para la

estabilidad del sistema. El coeficiente a2 debe de satisfacer la condición

ïa2ï = ïp1 p2ï = ïp1ïïp2ï< 1 (8.40)

Se puede demostrar que la expresión de a1 es
ïa1ï< 1 +a2 (8.41)

Estas condiciones definen una región de forma triangular en el plano (a1,a2) , como se
muestra en la Figura 8.2 .
El sistema es estable si y sólo si el punto (a1,a2) está dentro del triángulo achurado
de la Figura 8.2, llamado triángulo de estabilidad .
Las características de un sistema de dos polos depende de la ubicación de los polos
o en forma equivalente de la ubicación del punto (a1,a2) con respecto al triángulo
a2
a12
a2 =
4
Polos Complejos
Conjugados
a 2 = a1 - 1

1 a2 = 1
Polos reales e Iguales

-2 -1 1 2 a1

-1 Polos reales y Distintos

a 2 = -a 1 - 1

Figura 8.2. Región de Estabilidad (Triángulo de Estabilidad) en el Plano de

Coeficientes (a1,a2) para un Sistema de Segundo Orden .

477
de estabilidad. Según sea el valor del discriminante D = a12 - 4a 2 , los polos del sistema
pueden ser reales o complejos conjugados. La parábola a 2 = a12 / 4 divide al triángulo de
estabilidad en dos regiones : una región bajo la parábola (a12 > 4a2 ) que corresponde al caso
de polos reales y diferentes, y la otra región sobre la parábola que corresponde a polos
complejos conjugados. Los puntos que pertenecen a la parábola corresponden a polos reales
de multiplicidad dos.
Se puede realizar el análisis siguiente, para los tres casos planteados en el párrafo
anterior.
Polos reales y distintos ( a 12 > 4 a 2 ) . Como p1 y p2 son reales y p1¹ p2, la función de
sistema H(z) se puede expresar como
A1 A2
H(z) = -1
+ (8.42)
1 - p1z 1 - p 2 z -1
donde
b0 p1 -b0 p2
A1 = , A2 = (8.43)
p1 - p 2 p1 - p 2
Luego, la respuesta al impulso h(n) es
b0
h(n) = (p1n +1 - p n2 +1 )u(n) (8.44)
p1 - p 2
En este caso, la respuesta al impulso h(n) consiste en la diferencia de dos exponenciales
decrecientes .

Polos Reales e Iguales ( a 12 = 4 a 2 ) . En este caso p1 = p2 = p = -a1 / 2. La función de

sistema es
b0
H(z) = (8.45)
(1 - pz -1 ) 2
Por lo que la respuesta al impulso es

h(n) = b 0 (n + 1)p n u(n) (8.46)

Se observa de (8.46) que h(n) es el producto de una secuencia rampa y de una exponencial
decreciente .
Polos Complejos Conjugados ( a 12 < 4 a 2 ) . Dado que los polos son complejos conjugados,
la función de sistema H(z) se puede expresar como
A A*
H(z) = +
1 - pz -1 1 - p*z -1
(8.47)
A A*
H(z) = +
1 - re jW0 z -1 1 - re - jW0 z -1

478
donde p = re jW 0 y 0 <W 0<p. Para este caso se tiene
a1 =-2rcosW 0 (8.48)

a2 = r2 (8.49)
La evaluación de A es
b0 p b 0 re jW0 b 0e jW0
A= = = (8.50)
p - p* r(e jW0 - e - jW0 ) j2sen W0
Por lo que h(n) está dado por
b0 r n é e j(n +1)W0 - e - j(n +1) W0 ù
h(n) =
sen W0 êë ú u(n) (8.51)
2j û
Aplicando Euler se obtiene
b0 r n
h(n) = sen(n + 1)W0 u(n) (8.52)
sen W0

De donde se deduce que h(n) tiene un comportamiento oscilatorio con una envolvente
tipoexponencial decreciente cuando r< 1. El ángulo W 0 de los polos determina la
frecuencia de oscilación y la distancia de los polos al origen r determina la tasa de caída.
Cuando r tiene un valor cercano a la unidad, la caída es lenta. Cuando r tiene un valor
próximo a cero, la caída es rápida.

Ejemplo 8.13.

Determinar el estado de estabilidad y la respuesta al impulso del sistema cuya función de

transferencia H(z) está dada por
1
H(z) =
1 - 0,5z - 0, 25z -2
-1

Solución
Estabilidad. Los polos de la función de transferencia dada son

p1 = - 0,5 , p2 = -1
Por lo que en este caso se tiene que ôpkô£ 1. En consecuencia, el sistema es
marginalmente estable.
Respuesta al Impulso. Como los polos p1 y p2 son reales y p1¹ p2, la respuesta h(n) al
impulso está dada por (10.54), o sea
h(n) =
b0
p1 - p 2
( p1n +1 - p2n +1 ) u(n)
De H(z) dado se tiene que b0 = 1, por lo tanto la expresión de h(n) queda

479
 h(n) = 2 é( -0,5 ) - ( -1) ù u(n)
n +1 n +1
ë û

Ejemplo 8.14.

Usando MATLAB, analizar la estabilidad y determinar la respuesta al impulso del

sistema descrito por
y(n) + 2y(n - 1) + 2y(n - 2) = 4x(n)
Solución
De la ecuación en diferencias dada, se deduce que el sistema es de segundo orden y por lo
tanto, se considerará lo expuesto en la sub-sección 8.2.5, para determinar el estado de
estabilidad y la expresión de la respuesta al impulso del sistema en consideración. Para tal
efecto, un programa MATLAB sería el siguiente.
>> %Determinacion de los polos de H(z)
>> b=[4 0 0];a=[1 2 2];
>> p=roots(a)
p=
-1 + 1i
-1 - 1i
>> p1=abs(p(1))
p1 =
1393/985
>> ang1=angle(p(1))
ang1 =
1065/452
>> %Polos Complejos Conjugados
>> %se aplicah(n)=bop1^n*sen[(n+1)]wo/sen(wo)
>>bo=4;wo=1065/452;
>> n=sym('n','real');
>> h=bo*p1^n.*sin((n+1)*wo)./sin(wo)
h=

18014398509481984/3184525199124733*(2^(1/2))^n*sin(1065/452*n+1065/452)
>>format('rat');
>> k1=18014398509481984/3184525199124733
k1 =
7303/1291

480
Estabilidad del Sistema. De los resultados obtenidos del programa MATLAB, se deduce
que dado los módulos de los polos son mayores que la unidad, el sistema es inestable.
Expresión de h(n). De acuerdo a la expresión de h obtenida por el programa MATLAB, se
deduce que la expresión de h(n) es

( ) sen éë( n + 1) 2, 356ùû u(n)

n
h(n) = 5, 66 2

8.3. ANALISIS FRECUENCIAL DE SISTEMAS DE TIEMPO DISCRETO LTI

En esta sección se utilizará la Transformada - Z como una herramienta en el análisis de

sistemas de tiempo discreto, aplicando la función de sistema y la función respuesta de
frecuencia en la determinación de la magnitud y fase de la respuesta de frecuencia de los
sistemas LTI de tiempo discreto. La Transformada – Z también es muy utilizada en el
diseño de sistemas de tiempo discreto.
8.3.1. Función de Sistema y Respuesta de Frecuencia de Sistemas LTI. Se tiene que los
sistemas LTI son caracterizados en términos de su respuesta de frecuencia y de su función
de sistema. En este contexto, la respuesta de frecuencia es la Transformada de Fourier de la
respuesta al impulso del sistema y la función de sistema es la Transformada - Z de dicha
respuesta al impulso. En esta sección se establece la relación entre ambas descripciones.

Función de Sistema. Un sistema LTI con respuesta h(n) al impulso puede ser caracterizado
en el dominio de la frecuencia por la función de sistema H(z), mediante la relación

¥
H(z) = å h(n)z
n =-¥
-n
(8.53)

Por otra parte, la salida del sistema y(n) puede ser expresada en el dominio - z como

Y(z) = H(z)X(z) (8.54)

donde Y(z) y X(z) son las Transformadas - Z de las secuencias de salida y(n) y de la
secuencia de entrada x(n), respectivamente. La relación (8.54) es válida siempre que H(z) y
X(z) tengan una ROC común. Luego, la ROC de Y(z) y H(z) incluyen al menos la ROC
común de X(z) y H(z).
La función de sistema H(z) proporciona una descripción completa de un sistema
LTI. Además, se tiene que un sistema es estable si la ROC de H(z) contiene al circulo

481
unitario. Es estable y causal, si la ROC de H(z) es el exterior de un circulo de radio r<1,
incluyendo al punto z = ¥ .
Para el caso particular de sistemas LTI descritos por una ecuación diferencia lineal
con coeficientes constantes de la forma

N M
y(n) = -å a k y(n - k) + å b k x(n - k) (8.55)
k =1 k =0

se tiene que la función de sistema es

Y(z) åb z k
-k

H(z) = = k =0
N
(8.56)
1+ å a kz
X(z) -k

k =1

Factorizando tanto el numerador como el denominador de (8.56) , se obtiene

N(z) P (1 - z k z -1 )
H(z) = = b 0 kN=1 (8.57)
D(z) P (1 - p k z -1 )
k =1

donde {zk } y {pk } son los ceros y polos del sistema , respectivamente .
Si los polos de H(z) son diferentes y con M > N , H(z) puede ser expandida en
fracciones parciales como

M- N N
Bk
H(z) = å
k =0
Ak z- k + å
k =1 1 - p k z
-1
(8.58)

El primer término del segundo miembro de (10.58) no aparece cuando M < N. A partir de
(8.58) se puede obtener h(n), aplicando transformación inversa. Si el sistema es causal, se
tiene
M-N N
h(n) = å Ak d(n - k) + å Bk (pk )n u(n)
k=0 k =1
(8.59)

Del segundo término del segundo miembro de (8.59) , se deduce que el sistema será estable
siempre que todos los polos del sistema estén dentro del circulo unitario , o sea si ïpkï< 1
para k = 1,2,....,N .
De la ecuación diferencia (8.55), se observa que cuando ak= 0 para k=1,2,......,N la
función de sistema se reduce a

482
 M
H(z) = B(z) = å b k z - k (8.60)
k =0

Y en este caso, la respuesta al impulso h(n) es

ìb 0£n £M
h(n) = í n (8.61)
î0 otros valores

En esta situación, el sistema presenta una respuesta al impulso de duración finita (FIR). Un
sistema FIR tiene polos solamente en el origen.
Si se tiene el caso de que algunos de los ak son distintos de cero, H(z) tendrá uno o
más polos distintos de cero, y en este caso h(n) está dado por la expresión general (8.59).
Dado que los términos exponenciales en h(n) tienen duración infinita, el sistema es llamado
un sistema con respuesta al impulso de duración infinita (IIR). La existencia de un polo no
implica que el sistema sea IIR, como es el caso de un sistema que tenga la siguiente función
de sistema
1 - (az -1 ) M
H(z) = (8.62)
1 - az -1

La función H(z) contiene un polo y un cero en z = a, por lo que se tiene cancelación polo –
cero. Luego, en este caso H(z) no contiene polos distintos de cero y la implementación de
(8.62) es recursiva.

8.3.2. Función Respuesta de Frecuencia. La relación entre la respuesta al impulso h(n) y

la función respuesta de frecuencia H(W) está dada por la Transformada de Fourier como

¥
H(W) = å x(n)e
n =-¥
- jWn
(8.63)

H(W) es periódica con periodo 2p. También se tiene que la salida de un sistema LTI con
respuesta de frecuencia H(W) a una señal aperiódica con energía finita con transformada de
Fourier X(W) está dada por

Y(W) = H(W)X(W)

De donde se establece que un sistema LTI produce sobre la señal de entrada, una
atenuación y un desplazamiento de fase dependientes de la frecuencia .
Usualmente, H(W) se expresa como

483
 H(W) = ïH(W)ïejQ(W) (8.64)

La magnitud de H(W) suele expresarse en decibeles, o sea

H(W) dB = 20 log10 H(W) = 10 log10 H( W)

2
(8.65)

Si H(W) es normalizada, es decir que su valor máximo en el intervalo -p£W£p es la unidad,

se tendrá cero decibeles para este valor máximo. En tal casoôH(W)ïdbrepresenta la
atenuación producida por el filtro como una función de la frecuencia. En las frecuencias
donde ïH(W)ï = 1, la atenuación es cero.

Ejemplo 8.15.

Para el sistema LTI caracterizado por la ecuación en diferencias

y(n) - 12 y(n - 1) = x(n) + 12 x(n - 1)

Determinar
a) La función respuesta de frecuencia H(W) y la gráfica de |H(W)|
b) La expresión de ïH(W)ïdB
Solución
Función Respuesta de Frecuencia: H(W). De acuerdo a la forma de la ecuación en
diferencias dada, la función respuesta de frecuencia H(W) está dada por

1 + 12 e - jW
H(W) =
1 - 12 e - jW

La Figura 8.3 muestra la gráfica de ïH(W)ï

Figura 8.3 . Gráfica de ïH(W)ï del Ejemplo 8.15

484
Magnitud de H(W) en decibeles. Se tiene que

5
+ cos W 5
+ cos W
H(W) = 4
= 4
5
4 - cos W 5
4 - cos W
En consecuencia

5
+ cos W
H(W) dB = 20 log H(W) = 10 log 4
5
4 - cos W

8.3.2. Relación entre la Función de Sistema y la Función Respuesta de Frecuencia. Si

la función de sistema H(z) converge en la circunferencia unitaria , se puede obtener la
respuesta de frecuencia H(W) del sistema evaluando H(z) en la circunferencia unitaria , o
sea en z = ejW . Luego
¥
H(W) = H(z) z =e jW = å h(n)e
n =-¥
- jWn
(8.66)

En el caso de que H(z) sea una función racional de la forma H(z) = N(z) / D(z), se tendrá
¥

N(W) åb e k
- jWk

H(W) = = k =0
(8.67)
D( W) N
1+ å ake - jWk

k =1

Ecuación que se puede escribir como

M

Õ (1 - z e k
- jW
)
H(W) = b k =1
0 N (8.68)
Õ (1 - p e
k =1
k
- jW
)

En algunos casos es deseable expresar ïH(W)ï2 en términos de H(z). Para ello, se tiene que

H(W) = H( W)H* (W)

2
(8.69)

De la función de sistema dada por (8.68) , se obtiene

Õ (1 - z e *
k
jW
)
H (W ) = b
* k =1
0 N (8.70)
Õ (1 - p e
k =1
*
k
jW
)

485
Se tiene que H*(W) se obtiene evaluando H*(1/z*) en la circunferencia unitaria, teniéndose
por lo tanto
M

Õ (1 - z e
*
k
jW
)
H (1/ z ) = b
* * k =1
0 N (8.71)
Õ (1 - p e
k =1
*
k
jW
)

Sin embargo, cuando h(n) es real o en forma equivalente los coeficientes {ak} y {bk} son
reales, los polos y ceros complejos ocurren en pares de complejos conjugados. En este caso,
H* (1/z* ) = H(z-1 ). En consecuencia, H* (W) = H(-W), por lo que

H(W) = H( W)H* (W ) = H(W )H( -W) = H(z)H(z -1 )

2
(8.72)
z = e jW

De acuerdo al teorema de correlación para Transformada - Z, la función H(z)H(z-1) es la

Transformada - Z de la secuencia autocorrelación {rhh (m)} de la respuesta al impulso
{h(n)}. Luego, del teorema de Wiener - Kintchine se tiene que ïH(W)ï2 es la Transformada
de Fourier de {rhh (m)}.

Ejemplo 8.16.

Determinar ïH(W)ï2 para el sistema descrito por la ecuación diferencia

y(n) - 0,7y(n - 1) + 0,1y(n - 2) = 2x(n) - x(n - 1)

Solución
La función de sistema H(W) está dada por
2 - z -1
H(z) =
1 - 0, 7z -1 + 0,1z -2

De donde se tiene que los polos de H(z) son p1 = 0,5 y p2 = 0,2 . Por lo tanto , el sistema
tiene una ROC de ïzï> 0,5 y en consecuencia H(W) existe .Realizando el producto
H(z)H(z-1 ) ,se obtiene

2 - z -1 2-z
H(z)H(z -1 ) = -1 -2
1 - 0, 7z + 0,1z 1 - 0, 7z + 0,1z 2

Multiplicando y reduciendo se tiene

486
 5 - 2(z - z -1 )
H(z)H(z -1 ) =
1,5 - 0, 77(z + z -1 ) + 0,1(z 2 + z -2 )

Evaluando H(z)H(z-1) en la circunferencia unitaria, o sea z = ejW y aplicando Euler, se

obtiene
5 - 4cos W
H(W) = H(z)H(z -1 ) jW =
2
z =e 1,5 - 1, 54cos W + 0, 2cos 2W

Como cos2W = 2 cos2W - 1, ïH(W)ï2 se puede expresar como

5 - cos W
H(W) =
2

1,3 - 1,54 cos W + 0, 4cos2 W

Se tiene que conocido H(z), se determina directamente H(z-1) y por lo tanto ïH(Wï2. Sin
embargo, el problema inverso de determinar H(z) conocido ïH(W)ï2 o la correspondiente
respuesta al impulso h(n), no es directo. Se demuestra que no se puede determinar
singularmente H(z) teniendo sólo la respuesta de magnitud de H(W).

8.3.4. Función de Sistema y Función Respuesta de Frecuencia de una Interconexión de

Sistemas LTI

Función de Sistema. Se estableció que se puede interconectar pequeños sistemas para

formar sistemas más grandes. Básicamente hay dos tipos de interconexión : en cascada y en
paralelo.

Sistema en Cascada. Si se tiene n sistemas con funciones de sistemas H1(z), H2(z),......,

Hn(z), conectados en cascada, se tendrá que la función de sistema H(z) del sistema
equivalente a la conexión en cascada, está dada por

H(z) = H1 (z)H 2 (z).........H n (z) (8.73)

y su respuesta h(n) al impulso del sistema equivalente es

h(n) = h1 (n) * h 2 (n) *.........* h n (n) (8.74)

Sistema Paralelo. Si se tiene n sistemas en paralelo, la función de transferencia H(z) del

sistema equivalente es

487
 H(z) = H1 (z) + H 2 (z) + ............H n (z) (8.75)

y la respuesta h(n) al impulso de este sistema es

h(n) = h1 (n) + h 2 (n) + .......... + h n (n) (8.76)

Ejemplo 8.17.

Determinar la función de sistema del sistema mostrado en la Figura 8.4.

H 2 (z)

X(z) H 1 (z ) + Y(z)

H 3 (z ) H4 (z)

Figura 8.4. Gráfica del Sistema Interconectado del Ejemplo 8.17.

Solución
La conexión en cascada de H3 (z) y de H4 (z) puede ser representada como

H5 (z) = H3 (z)H4 (z)

La conexión en paralelo entre H2 (z) y H5 (z) se reduce a

H6 (z) = H2 (z) + H5 (z)

Considerando la expresión de H5 (z) se obtiene

H6 (z) = H3 (z)H4 (z) + H2 (z)

Finalmente, la función de sistema total H(z) está dada por la cascada entre H1(z) y H6(z) o
sea

H(z) = H1 (z)H 6 (z) = H1 (z) [ H 3 (z)H 4 (z) + H 2 (z) ]

Respuesta de Frecuencia. En este caso también se considerarán las dos interconexiones.

Sistemas en Cascada. La respuesta de frecuencia H(W) de la interconexión en cascada de n
sistemas LTI con funciones de sistema H1 (z), H2 (z),........, Hn(z) es
488
 H(W) = H1 (W)H2 (W)……..Hn(z) (8.77)

Por lo que la respuesta de magnitud en decibeles y la respuesta de fase Q (W), se pueden

expresar como

20 logïH(W)ï= 20logïH1 (W)ï+ 20logïH2 (W) (8.78)

y

Q (W) = Q1 (W) + Q2 (W)+..........+Qn (W) (8.79)

Sistemas en Paralelo. La respuesta de frecuencia de un interconexión en paralelo de dos

sistemas con funciones de sistema H1 (z), H2 (z),..........Hn(z) es

H(W) = H1 (W) + H2 (W)+ …….+ Hn(z) (8.80)

En este caso no se tiene una relación simple para la magnitud y fase de la respuesta de
frecuencia H(W), del sistema en paralelo, en términos de las magnitudes y fases de H1(W),
H2(W),......,Hn(W). Las relaciones para las conexiones en cascada y en paralelo, para n = 2,
se ilustran en la Figura 8.5 .

x(n) h1 (n) h1 (n) * x(n) h 2 (n) y(n) = [h1 (n) * h 2 (n)]* x(n)
X(W ) H1 (W) H1 (W)X(W) H2 (W) Y(W) = [H1 (W)H 2 (W)]X(W

a)

x(n) h1 (n) h1 (n) * x(n)

X(W) H1 (W) H1 (W)X(W)
x(n) y(n ) = [h1 (n) + h 2 (n)]* x(n)
+
X(W )
Y(W) = [H1 (W) + H2 (W)]X(W)
x(n) h2 (n) h 2 (n) * x(n)
X(W) H 2 (W) H 2 (W)X(W)

b)

Figura 8.5. Sistemas LTI en (a) Cascada y (b) Paralelo

8.3.5. Funciones de Correlación Entrada – Salida. Transformada – Z y Densidad

Espectral. En la sección 7.11 se desarrollaron varias relaciones de correlación entre las
secuencias de entrada y de salida de un sistema LTI. Específicamente, se derivaron las
siguientes relaciones
489
 ryy (m) = rhh (m)* rxx (m) (8.81)

ryx (m) = h(m)* rxx (m) (8.82)

Donde rxx (m) es la secuencia autocorrelación de la señal de entrada {x(n)}, ryy (m) es la
secuencia autocorrelación de la salida {y(n)}, rhh (m) es la secuencia autocorrelación de la
respuesta al impulso {h(n)}, y ryx (m) es la secuencia correlación cruzada entre las señales
entrada y de salida. Las Transformadas - Z correspondientes son

Syy (z) = Shh (z)Sxx (z) = H(z)H(z-1 )Sxx (z) (8.83)

Syx (z) = H(z)Sxx (z) (8.84)

Realizando la sustitución z = ejW en (8.84), se obtiene

Syx (W) = H(W)Sxx (W) = H(W)ïX(W)ï2 (8.85)

En forma similar, Syy (z) se puede evaluar en la circunferencia unitaria, lo cual produce la
densidad espectral de energiaSyy (W) de la señal de salida y(n). Syy (z) está dada por

Syy (W) = ïH(W)ï2Sxx (W) (8.86)

Donde Sxx (W) es la densidad espectral de energía de la señal de entrada .Dado que ryy (m) y
Syy (W) forman un par de Transformada de Fourier, se tiene que

p
1
ò Syy (W)e dW
jWm
ryy (m) = (8.87)
2p -p

La energía total Ey de la señal de salida es

p p
1 1
Ey = ò Syy (W)dW = ò H(W) Sxx (W )dW = ryy (0)
2
(8.88)
2p -p 2p -p

De (8.88) se deduce que Ey³0 .

Se demuestra que la respuesta h(n) al impulso de un sistema, se puede determinar
excitando al sistema con una señal de entrada x(n) que tenga densidad espectral plana, o
sea, Sxx(W) = Ex = constante en -p£W£p, empleando la relación

1
h(n) = ryx (m) (8.89)
Ex
490
siendo
ryx (m) = Z -1 {Syx (W)} (8.90)

8.4. SISTEMAS LTI DE TIEMPO DISCRETO COMO FILTROS

El término filtro se usa comúnmente para describir un dispositivo que discrimina lo que
puede pasar a través de él, de acuerdo a algunos atributos de la señal aplicada x(n).
Un sistema LTI desarrolla un tipo de discriminación o filtrado sobre las
componentes espectrales de la señal de entrada. La naturaleza de este filtrado es
determinada por las características de la respuesta de frecuencia H(W) del sistema, la cual
depende de la elección de ciertos parámetros del sistema, como por ejemplo los coeficientes
ak ybkde la ecuación diferencia que caracteriza al sistema. Una elección adecuada de estos
coeficientes permitirá el diseño de filtros que dejarán pasar algunas componentes
espectrales del espectro de la señal de entrada y se atenuarán otras componentes espectrales
de dicho espectro.
En general, un sistema LTI modifica el espectro de la señal de entrada de acuerdo a
su respuesta de frecuencia H(W), para producir una señal de salida y(n) con espectro dado
por Y(W) = H(W)X(W). De aquí, se puede considerar que H(W) actúa como una función
ponderada para las diferentes componentes frecuenciales de la señal de entrada.
El filtrado tiene diversas aplicaciones en el procesamiento digital de señales, como
por ejemplo remover el ruido aditivo que contamina a las señales, para la detección de
señales en el radar, sonar, para desarrollar análisis espectral de señales, etc.

8.4.1 . Distorsión de Magnitud y de Fase .Cuando una señal de salida de un filtro es una
versión escalada y desplazada de la señal de entrada, se dice que el filtro no introduce
distorsión. Para dicho filtro, si la señal de entrada es x(n), la salida y(n) está dada por

y(n ) = Cx (n - n 0 ) (8.91)

Donde C es factor de escala y n0 es un entero que representa el retardo introducido por el

filtro. La función respuesta de frecuencia H(W) del filtro es
H(W) = Ce - jWn 0 , W1 £ W £ W 2 (8.92)

donde el intervalo W 1£W£W 2 es el ancho de banda de la señal de entrada. De la ecuación

(8.92) se deduce que la magnitud de la respuesta de frecuencia de un filtro sin distorsión, es
plana dentro del ancho de banda de la señal de entrada y que su respuesta de fase es una
función lineal de la frecuencia dada por

Q(W) = -Wn 0 (8.93)

491
Distorsión de Amplitud . Si la magnitud de la respuesta de frecuencia del filtro varía en
función de la frecuencia, dentro del ancho de banda de la señal de entrada, se dice que el
filtro introduce distorsión de amplitud.

Distorsión de Fase .Si la fase de la respuesta de frecuencia del filtro no tiene una
dependencia lineal de la frecuencia, dentro del ancho de banda de la señal de entrada, la
señal sufre una distorsión de fase.
En vez de tratar con la fase de la respuesta de un filtro, se puede considerar el
concepto de retardo de grupo o retardo de envolvente tg (W) , el cual se define como

dQ(W)
t g (W ) = - (8.94)
dW

Si el retardo de grupo varía con la frecuencia, se dice que la señal de entrada sufre
distorsión de retardo o distorsión de fase .

Retardo de Fase. Otra medida de la distorsión de fase es el retardo de fase t ph (W ) , el cual

se define como
Q(W)
tph (W) = - (8.95)
W

Se tiene que el retardo de fase es igual a la pendiente de la línea trazada desde el origen al
punto definido por la frecuencia W sobre la curva de la respuesta de fase. Por otra parte, el
retardo de grupo es igual a la pendiente de la curva de la respuesta de fase. En general se
cumple que tg (W) ¹ t ph (W ) . De las dos características de retardo, la más utilizada en la
práctica es el retardo de grupo. En el cálculo de la distorsión de retardo, la fase Q(W) se
trata como una función continua de la frecuencia en el rango 0 £W£p. De aquí que tg (W)
se asume que existe en todo el intervalo 0 £W£p..

8.4.2. Causalidad. Un filtro pasabajo ideal tiene la siguiente característica de la respuesta

de frecuencia H(W)
ì1 , W £ W c
ï
H (W ) = í (8.96)
ï0 , W < W £ p
î c

Y la respuesta al impulso h(n) del filtro es

492
 ì Wc
ï , n=0
ïï p
h (n ) = í (8.97)
ï W sen W n
ï c c
, n¹0
ïî p W c n

Dado que el filtro pasabajo ideal es no – causal, no puede ser realizado en la práctica.
Además, h(n) no es absolutamente sumable, en consecuencia el filtro pasabajo ideal es
inestable.
En la Figura 8.6 se muestra la gráfica de h(n) para dos casos, para W =p/4 y para W
=p/8. De esta figura, se observa que el ancho del lóbulo principal de h(n) es inversamente
proporcional al ancho de banda W c del filtro. Es decir, que si el ancho de banda del filtro
aumenta, la respuesta al impulso h(n) se hace más estrecha y viceversa. Para W= p, el filtro
es pasatodo y su respuesta al impulso es una secuencia impulso unitaria.

h(n)

n
0

a)

h(n)

n
0

b)

Figura 8.6 . Respuesta al Impulso de un Filtro Pasabajo Ideal

para a) W = p/4 , b) W = p/8 .

Si la respuesta al impulso es retardada en n0 muestras, el filtro pasabajo ideal tiene

una fase lineal, o sea

493
 F
h (n - n 0 ) H(W)e- jWn 0 (8.98)

Las condiciones necesaria y suficiente que debe de satisfacer la respuesta de

frecuencia H(W) para que un filtro sea causal, están establecidas por el Teorema de Paley –
Wiener cuyo enunciado es
Teorema de Paley – Wiener. Si h(n) tiene energía finita y H(n) = 0 para n < 0, luego

ò ln H(W) dW < ¥
-p
(8.99)

Recíprocamente, si H(W) es de cuadrado integrable y si la integral en (8.99) esfinita, luego

se puede asociar con H(W) una respuesta de fase Q(W) , de manera que el filtro resultante
será causal, si tiene como respuesta de frecuencia

H(W) = H (W) e jQ (W ) (8.100)

El Teorema de Paley – Wiener establece que H(W) puede ser cero en algunas frecuencias,
pero no puede ser cero sobre una banda finita de frecuencias, dado que si fuera cero en
dicho intervalo, la integral de (8.99) sería infinita. En consecuencia, un filtro ideal es no –
causal-
La causalidad implica que las componentes real HR(W) e imaginaria HI(W) de H(W),
no son independientes entre sí. Con

h(n) = h e (n) + h o (n) (8.101)

siendo he(n) componente par y h0(n) componente impar de h(n). Para h(n) causal, se
demuestra que

h(n) = 2he(n)u(n) –he(0)d(n), n ³ 0 (8.102)

h(n) = 2h0(n)u(n) –h(0)d(n), n ³ 1 (8.103)

Por otra parte, si h(n) es real y causal, se tiene

F{h e (n)} = H R (W)

(8.104)
F{h 0 (n)} = jH I (W)
494
Considerando que
H(W) = F {h(n)} = H R (W) + jH I (W) (8.105)
Se demuestra que
p
1 æW-aö
H I (W ) = - ò
2p - p
H R (a ) cot ç ÷ da
è 2 ø
(8.106)

La ecuación (8.106) se conoce como Transformada de Hilbert Discreta, y determina la

relación de dependencia entre HI(W) y HR(W).
Por otra parte, los filtros ideales son no – causales y por lo tanto, físicamente
irrealizables para aplicaciones de procesamiento de señales en tiempo real. La causalidad
implica que la característica de respuesta de frecuencia H(W) de un filtro no puede ser cero,
excepto en un conjunto finito de frecuencias. Además, H(W) no puede tener una caída
abrupta desde la banda pasante a la banda de rechazo.
Las características de los filtros ideales son deseables, pero ellas no son
absolutamente necesarias en algunas aplicaciones prácticas, en estos casos es suficiente la
realización de filtros causales que tengan características muy aproximadas a las de los
filtros ideales. Los filtros prácticos presentan ondulaciones tanto en la banda pasante como
en la banda de rechazo

Ejemplo 8.18.

La respuesta h(n) al impulso de un sistema causal es real y la componente real HR(W) de su

repuesta de frecuencia está dada por
H R (W) = 1 + a cos 2W
cona real.
Determinar h(n) y H(W), aplicando Transformada – Z.

Solución
Como F{he(n)} = HR(W) = H R (z) z =e jW , y con cos2W = (ej2W + e-j2W)/2, se obtiene que

H R ( z) = 1 +
2
(
a 2 -2
z +z )
, ROC plano-z entero, excepto z = 0 y z = ¥.

La definición de Transformada – Z es
¥
H R (z ) = å h (n )z
n = -¥
-n

Considerando la expresión de HR(z) del ejemplo dado, se tiene que

495
 2
H R (z ) = åh
n = -2
e (n )z -n = h e (-2)z 2 + h e (0) + h e (2)z - 2

Por lo tanto

he(-2) = he(2) = a/2 ; he(0) = 1 ; he(-1) = he(1) = 0

Luego, la secuencia he(n) está dada por

he(n) = {a/2, 0, 1, 0, a/2}

Como el sistema es causal, h(n) está dado por

h (n ) = 2h e (n )u (n ) - h e (0)d(n )

Reemplazando la expresión de he(n) obtenida, en esta última ecuación, se obtiene

h (n ) = 2{1, 0, a / 2} - {1}

De donde
h(n) = {1, 0, a}

De la expresión de h(n), se tiene H(z) está dada por

H(z) = 1 + az-2
Por lo tanto H(W) es
H(W) = H (z) z = e jW = 1 + ae - j2W
Finalmente

H(W) = 1 + a cos 2W - ja sen 2W

Con H(W) = HR(W) + jHI(W), se deduce de la expresión obtenida para H(W), que HI(W) = -
asen2W.

b)En base a la expresión de HR(W) dada, se tiene que HI(W), aplicando (10.106), está dada
por

496
 p
1 æW-a ö
H I (W ) = - ò
2p -p
(1 + a cos a) cot ç
è 2 ø
÷ da

Integrando, se obtiene
H I (W) = -a sen 2W

Expresión de HI(W) que es concordante con la de HI(W), deducida de la expresión de H(W)

obtenida en el apartado a).
En este caso se tiene que h 0 (n) F
jH I (W) , lo que determina que

p p
1 1
h 0 (n) = j ò
2p -p
H I (W)e jWn dW = j ò
2p -p
(- asen2W)e jWn dW

luego
p
-a
h 0 (n) = j ò sen2W(cos Wn + jsenWn)dW
2p -p

-a é p p
ù
h 0 (n) = j ê ò sen2W cos WndW + j ò sen2WsenWndW ú
2p ë -p -p û

-a é sen(2W + Wn) - sen(2W - Wn) ù

p p
cos(2W - Wn) - cos(2W + Wn)
h 0 (n) = j êò d W + j ò dW ú
2p ë -p 2 -p 2 û
Integrando, se obtiene
-a ìï é - cos(2 + n)W cos(2 - n)W ù é sen(2 - n)W sen(2 + n)W ù ïü
p p

h 0 (n) = j í ê + úû + j êë - úû ý
4p îï ë 2+n 2-n -p
2 - n 2+n -p ï
þ

El primer término del segundo miembro es cero y recordando que sin c(x) = senpxpx , se
obtiene que
a
h 0 (n) = [sin c(2 - n) - sin c(2 + n)]
2

h 0 (n) = {- a2 , 0, 0, 0, 2a }

Del apartado a) se tiene que h(0) =1, luego aplicando

h(n) = 2h 0 (n)u(n) + h(0)d(n)

497
se obtiene
h(n) = {0, 0, a} + {1}

En consecuencia

h(n) = {1, 0, a}

Expresión de h(n) que es idéntica a la obtenida para h(n) en apartado a). La expresión
obtenida para h0(n) puede verificarse, haciendo en el apartado a)

h 0 (n) = h(n) - h e (n)

PROBLEMAS

8.1. Se tiene un sistema LTI relajado, caracterizado por la ecuación diferencia

y(n) - 12 y(n - 1) = x(n) + 13 x(n - 1)

Determinar:
a) La respuesta al impulso h(n).
b) La respuesta del sistema al escalón unitario.

8.2. Para cada una de los siguientes casos, usando Transformada – Z Unilateral, determinar
la respuesta y(n) pasa la correspondiente entrada x(n).
a) y(n) + 3y(n - 1) = x(n)
x(n) = ( 12 ) u(n),
n
y(-1)=1
b) y(n) + 14 y(n - 1) - 18 y(n - 2) = x(n)
x(n) = u(n), y(-1) = 0, y(-2) = 1.
c) y(n) - 2 y(n - 1) = x(n) - 12 x(n - 1)
1

x(n) = u(n), y(-1) = 1

d) y(n) - 2 y(n - 1) = x(n) - 12 x(n - 1)
1
x(n) = u(n), y(-1) = 0

8.3. Determinar la respuesta de estado – cero para los siguientes casos

a) y(n) + y(n - 2) = 10x(n)
x(n) = 10 cos n2p u(n)
b) h(n) = ( 23 ) u(n) ,
n
x(n) = u(n) - u(n-6)
498
8.4.Un sistema de tiempo discreto LTI, está caracterizado por la ecuación diferencia
y(n) + y(n - 1) - 2y(n - 2) = 2x(n) - x(n - 1)
Determinar una secuencia de entrada x(n) con x(n) = 0 para n < 0 que determine una
secuencia de salida y(n) = 2[u(n) – u(n – 3)], con condiciones iniciales y(-2)= 2, y(-1)=0

8.5. Un sistema está caracterizado por la siguiente ecuación en diferencias

y(n) = y(n - 1) - 0,5y(n - 2) + x(n) + x(n - 1)

a) Analice el estado de causalidad de tal sistema.

a). Determinar su respuesta al impulso.
b). Calcular la respuesta a un escalón unitario de entrada, considerando las condiciones
iniciales y(-1) = 1 e y(-2) = 0.

8.6. Considerar el sistema de tiempo discreto que se muestra en la Figura P10.6.

a) Determinar su función de transferencia o de sistema H(z).
b) Determinar la ecuación diferencia que caracteriza al circuito dado.
c) Calcular la respuesta y(n) del sistema cuando x(n) = 4u(n) y no hay energía inicial en
el sistema.
3

+ + +
+ z -1 + z -1 + +
x(n) + + y(n)
-
0,3

0,02

Figura P 8.6

10.7. Determinar la respuesta transiente y de estado estacionario del sistema de la Figura

P10.7, si la secuencia de entrada es x(n) = e jW0n u(n) .

y(n)

x(n) 3 +
z -1 + z -1
+ +

4 1/2

Figura P 10.7

499
8.8. La respuesta s(n) de un sistema LTI, en reposo, al escalón unitario es

s(n) = ( 12 )
n-2
u(n + 2)

a) Determinar la función de sistema H(z) y dibuje el diagrama de polos y ceros.

b) Determinar la respuesta h(n) al impulso.
c) Verificar si el sistema es causal y estable.

8.9. Un sistema LTI causal está descrito por la ecuación en diferencias

y(n) = y(n - 1) + y(n - 2) + x(n - 1)

a). Encontrar la función de transferencia H(z) del sistema dado. Dibujar el diagrama de
polos y ceros de H(z) e indique la región de convergencia.
b) Determinar la respuesta al impulso de este sistema.
c) Determinar los estados de causalidad y de estabilidad del sistema.

8.10. Determinar la respuesta de estado estacionario del sistema de tiempo discreto relajado
caracterizado por la ecuación diferencia
y(n) = 5y(n - 1) - 6y(n - 2) + x(n) , n ³ 0
con x(n) = 5 + 3n.

8.11. Sea un sistema LTI cuyo modelo ecuación diferencia es

5
2 y(n) = y(n - 1) + y(n + 1) - x(n)

Este sistema puede ser o no estable y/o causal. En base al diagrama de polos y ceros
asociado con esta ecuación diferencia, determinar tres posibles respuestas al impulso
unitario del sistema dado. Demostrar que cada una de ellas satisface la ecuación diferencia
que caracteriza a dicho sistema .

8.12. Determinar la región de estabilidad para el sistema causal cuya H(z) es

1
H(z) =
1 + a1z + a 2 z -2
-1

Calculando sus polos y restringiéndolos a que se encuentren dentro del círculo unitario.

8.13. Un sistema LTI, tiene como secuencia de entrada

500
 x(n) = ( 12 ) u(n) + ( 2 ) u( - n - 1)
n n

Para esta secuencia de entrada la secuencia de salida y(n) es

y(n) = 6 ( 12 ) u(n) - 6 ( 43 ) u(n)

n n

a) Determinar la función de sistema H(z) del sistema. Dibujar el diagrama de polos y ceros
de H(z) e indicar la región de convergencia.
b) Determinar la respuesta h(n) al impulso del sistema.
c) Escribir la ecuación diferencia que caracteriza al sistema.
d) Determinar si el sistema es estable y/o causal.

8.14. Un sistema LTI causal es descrito por la ecuación diferencia

y(n) - y(n - 1) - y(n - 2) = x(n - 1)

a) Encontrar la función de sistema H(z) para este sistema. Dibujar el diagrama de polos y
ceros de H(z) e indicar su región de convergencia.
b) Determinar la respuesta h(n) al impulso de este sistema.

8.15. Un filtro digital causal es descrito por la función de sistema H(z) dada por
1 + 0, 5z -1
H(z) = b 0
1 - 0,5z -1

a) Dibujar la realización directa forma I y la realización directa forma II y determinar las

ecuaciones diferencias correspondientes.
b) Determinar el valor de b0 , para el cual el máximo valor de ôH(W)ô sea igual a uno.
c) Dibujar la respuesta de magnitud y de fase del filtro para el caso determinado en el
apartado a).

8.16. Sea el sistema descrito por la ecuación diferencia

y(n) - 12 y(n - 1) = x(n) + 12 x(n - 1)

a) Determinar su respuesta al impulso.
b) Determinar su respuesta de frecuencia:
i) A partir de su respuesta al impulso.
ii) A partir de la ecuación diferencia.
c) Determinar su respuesta a la entrada
x(n) = cos ( p2n + p4 )

8.17. Se tiene un sistema LTI con respuesta al impulso h(n) dada por
501
 h(n) = ( 12 ) cos ( p4n ) u(n)
n

a) Determinar su función de sistema H(z).

b) Hacer un dibujo aproximado de ôH(W)ôusando el diagrama de polos y ceros.

8.18. Un sistema LTI causal tiene la función de sistema H(z) dada por

(1 - 1,5z -1 - z -2 )(1 + 0,9z -1 )

H(z) =
(1 - z -1 )(1 + j0, 7z -1 )(1 - j0, 7z -1 )
a) Escribir la ecuación diferencia que relaciona la entrada y la salida del sistema.
b) Dibujar el diagrama de polos y ceros e indicar la región de convergencia para la
función de sistema.
c) Dibujar ôH(W)ô.

8.19. Determinar la función de sistema del sistema mostrado en la Figura P8.19.

H1 (z) H 2 (z)

H 3 (z) H 4 (z) +
X(z) Y(z)

H 5 (z)

Figura P 8.19

8.20. Sea H1 el sistema causal descrito por la ecuación diferencia

y(n) - 127 y(n - 1) + 121 y(n - 2) = x(n - 1) - 12 x(n - 2)

Se tiene la interconexión mostrada en la Figura P8.20.

x(n) y(n) v(n)

H1 H2

Figura P 8.20

502
a) Determinar H2 en la Figura P8.20 de manera que v(n) = x(n). ¿Es el sistema inverso H2
causal?
b) Determinar el sistema H2 en la Figura P 8.20 de manera que v(n) = x(n – 1). ¿Es el
sistema H2 causal?.
c) Determinar la ecuación diferencia para el sistema H2 determinado tanto en el apartado
a) como en el apartado b).

8.21. En el sistema lineal de tiempo discreto, mostrado en la Figura P8.21, se tiene que
z 4
H1 (z) = , H 2 (z) =
z +1 z -8

a) Determinar la respuesta al impulso de todo el sistema.

b) Determinar la respuesta al escalón unitario, para el sistema inicialmente en reposo.
c) Determinar la respuesta del sistema para x(n) = (0,5)nu(n) con y(-1) = -2, y(-2) = 3.
x(n) y(n)
H1(z)

w(n)
H2(z)

Figura P8.21

8.22. En la interconexión de sistemas mostrada en la Figura P 8.22, se tiene que

1 1
H1 (W) = j2 W
; H 2 (W ) = j2 W
; H 3 (W) = 1 - e - j2 W
e - 1
4 e + 14

Determinar la respuesta al impulso del sistema entero o equivalente a la interconexión dada.

H1 (W)
+
+ H 3 (W )
x(n) + y(n)

H 2 (W )

Figura P8.22

503
 ( 14 )
n
8.23. Se aplica la señal x(n) = u(n) , al sistema caracterizado por la ecuación diferencia
y(n) - 12 y(n - 1) = x(n)

Determinar las secuencias rxx ( l), rhh (l ), rxy (l ) y ryx (l ) .

8.24. Sea el sistema polo – cero

B(z) 1 + bz -1 ¥
H(z) = = -1
= å h(n)z - n
A(z) 1 + az n =0

a) Determinar h(0), h(1), h(2), y h(3) en términos de a y de b .

b) Sea rhh (l) la secuencia autocorrelación de h(n). Determinar rhh(0), rhh(1), rhh(2) y rhh(3)
en términos de a y de b.

8.25. Se tiene un sistema LTI estable con repuesta al impulso h(n) real y par. Determinar
H(W) si
1 - a cos W
H R (W ) = , ôaô< 1
1 - 2a cos W + a 2

8.26. La respuesta de un sistema LTI estable es real y par. Determinar si el sistema inverso
asociado a dicho sistema es estable o inestable.

504
 ANEXO I

PAUTAS DE PRUEBAS
 PAUTA PRIMERA PRUEBA DE ANÁLISIS DE SEÑALES
PRIMER SEMESTRE 2010

Problema Nº 1. Una señal periódica de voltaje, es

x(t) = 4sen(8pt) + 2cos(12pt)[v]

a) Determinar la mayor frecuencia fundamental posible de esta señal.

b) Determinar la potencia media de x(t).
c) Calcular el porcentaje, de la potencia media total, contenida hasta la segunda armónica
de x(t).

Solución
a) Como se trata de una señal periódica, admite desarrollo en Serie de Fourier, con periodo
fundamental T0 y frecuencia angular fundamental w0, cumpliéndose

2p
w0 =
T0

Como el periodo fundamental T0 es el periodo más pequeño, la frecuencia fundamental w0

es la máxima. Para la señal x(t) dada, se tiene que wA = 8p y wB = 12p. Luego,
considerando los factores comunes entre wA y wB se deduce que

w0 = 4p [rad/seg] o f0 = 2[Hz]

b) Para señales periódicas la potencia media es.

T0
2
1
ò x ( t ) dt
2
P=
T0 T0
-
2
Con

x ( t ) = 4 sen ( 2w0t ) + 2 cos ( 3w0t )

Por lo tanto
T0
2
1
ò éë 4sen ( 2w t ) + 2 cos ( 3w t ) ùû
2
P= 0 0 dt
T0 T
- 0
2

1
 é T20 T0 T0
ù
1 ê 2 2
ú
P = ê ò 16 sen ( 2w0t ) dt + ò 16sen ( 2w0t ) cos ( 3w0 t ) dt + ò 4 cos ( 3w0t ) dt ú
2 2

T0 T0
êë - 2 T
- 0
2
T
- 0
2
úû
Donde.
T0 T0
2 2

ò 16sen ( 2w t ) cos ( 3w t ) dt = ò 8 éë sen ( 5w t ) - sen (w t ) ùû dt = 0

T0
0 0
T0
0 0
- -
2 2

Luego
é T0 T0
ù T0 T0

1 ê2 2
ú 1
2
1 2
P = ê ò 16 sen ( 2w0t ) dt + ò 4 cos ( 3w0t ) dt ú =
2 2
òT 16sen ( 2w0t ) dt + T0
2
ò 4 cos ( 3w t ) dt
2
0
T0 T0 T0
êë - 2 T
- 0
2
úû - 0
2
-
T0
2

T0 T0
2 2
1 1
P=
T0 ò 8 éë1 - cos ( 4w t )ùû dt + T ò 2 éë1 + cos ( 6w t ) ùû dt
T
0
0 T
0
- 0 - 0
2 2

T0 T0 T0 T0
2 2 2 2
1 8 1 2
P=
T0 ò 8dt - T ò cos ( 4w t ) dt + T ò 2dt - T ò cos ( 6w t ) dt
T 0 T
0
0 T 0 T
0
- 0 - 0 - 0 - 0
2 2 2 2
De donde
P = 10 [ w]

c) Para resolver este apartado, se debe usar Parseval y como se pide la potencia contenida
hasta la segunda armónica, se tiene:

åC
2 2 2
P2 = n = C0 + 2 C1 + 2 C2
n =-2

La señal x(t) se puede escribir como:

x (t ) =
j
e(
2 j 2w0t - j 2w0t
-e ) 2
j
2
+ e j 3w0t + e - j 3w0t = e - j 3w0t - e - j 2w0t + e j 2w0t + e j 3w0t
j

De donde se deduce que

C-3 = C3 = 1 ; C -2 = j 2 ; C 2 = - j 2

Los otros coeficientes son nulos. Teniéndose

2
 C2 = 2 ; C3 = 1
Por lo tanto:
P2 = 2 C2 = 8 [ w]
2

En consecuencia

P2 8
100 [ %] = 100 = 80 [ %]
P 10

3
Problema Nº 2. a) Emplear el Teorema de Rayleigh para calcular el porcentaje de la
1
energía total del pulso v(t) = Ae - t / T u(t) , que está contenido en el rango f £ .
2T
El Teorema de Rayleigh establece que

ò
2
E= V(f ) df
-¥
b) Determinar la densidad espectral de energía del pulso mostrado en la Figura P2

x(t)

0 T 2T t

Solución.
a) La Transformada de Fourier de V(f) de v(t) es

¥ t ¥ æ1 ö
- - j ç + jw ÷t
V ( f ) = ò Ae T e - jwt dt = Aò e èT ø
dt
0 0

Integrando, se tiene
¥
æ1 ö
A - j ç + jw ÷t A
V(f)= e èT ø
=
æ1 ö æ1 ö
- ç + jw ÷ 0 ç + jw ÷
èT ø èT ø

Luego
A2
V(f) =
2
2
æ1ö
ç ÷ +w
2

èT ø

Por lo tanto, la energía total E de x(t) es

¥ ¥
A2
ò V( f ) ò æ1ö
2
E= df = 2
df
ç ÷ + 4p f
-¥ -¥ 2 2

èT ø
Integrando

4
 ¥
æ ö
ç ÷ ¥
4p 2 ÷ = T tan -1 ( f 2p T ) = T æ p æ p öö
tan -1 ç f
1
E= - ç - ÷ ÷ [ Joules ]
æ1ö
2 ç æ1ö
2
÷ 2p -¥ 2p çè 2 è 2 øø
ç ÷ 4p
2 çç ç ÷ ÷÷
èT ø è èT ø ø -¥
O sea

T
E= [ Joules ]
2

1
La energía en el intervalo f £ , es
2T
1

æ ö 2T
ç ÷ 1
4p 2
1 -1 ç ÷ T
tan -1 ( f 2p T )
T
( tan -1 (p ) - tan -1 ( -p ) ) [ Joules]
2T
E1 = tan f = =
2 ç æ1ö
2
÷ 2p 2p
æ1ö
1
-
ç ÷ 4p
2 çç ç ÷ ÷÷ 2T

èT ø è èT ø ø- 1
2T

T
E1 = 2,525 [ Joules ] = 0, 4T [ Joules ]
2p
Por lo tanto

E1 0, 4T
100 = 100 = 80 [ %]
E T
2

b) En este caso la densidad espectral de energía Sxx(f), es

S xx ( f ) = X ( f )
2

La Transformada de Fourier X(f) de x(t) dada es

X(f )= ò x(t )e
- jwt
dt
-¥

Teniendo que la señal x(t) dada, es

ì0 t£0
ïA
ïï t 0 £ t<T
x (t ) = íT
ïA T< t< 2T
ï
ïî0 2T< t
5
se tiene que X(f) puede escribirse como:

T 2T
A
X ( f ) = ò te- jwt dt + ò Ae
- jwt
dt
0
T T

Integrando, se obtiene
T
A æ e - jwt ö A - jwt 2T
X(f )= ç 2 (
- jwt - 1) ÷ - e
T è -w ø 0 jw T

X(f )=
A
-T w
é e - jwT ( - jwT - 1) + 1ùû -
2 ë
jw
(
A - j 2 wT
e - e - jwT )

X(f )= j
w
A
e - jwT + j
A
w
(e - j 2wT
- e- jwT ) = j
A
w
e- j 2wT

En consecuencia, Sxx(f) es

A2 é joules ù
S xx ( f ) =
w 2 êë m 2 úû

6
Problema Nº 3. Dada la señal x(t) = - u(-t), determinar
a) Su potencia media
b) Su densidad espectral

Solución
a) La potencia media P(t) de una señal x(t) arbitraria es:

T
2
1
P = lim ò x ( t ) dt
2
T ®¥ T
T
-
2

Aplicando, esta definición a la señal x(t) dada, se tiene

1 æT ö
2 0
1 1
P = lim òT u ( -t ) dt = Tlim ò dt = lim T çè 2 ÷ø
2
T ®¥ T ®¥ T T ®¥
T
- -
2 2
O sea
1
P= [ watts ]
2

b) Como la potencia media de x(t) dada, es finita se deduce que tal señal es de potencia.
Luego, su densidad espectral de potencia, está dada por:

1
Gx ( f ) = lim XT ( f )
2

T ®¥ T

Siendo
T
2
XT ( f ) = ò x (t ) e
- j 2p ft
dt
T
-
2

Que para la señal x(t) dada, es

X T ( f ) = - ò e- j 2p ft dt = -
1 1
(1 - e jp fT )
0
e - j 2p ft =
- j 2p f j 2p f
T
-
T 2
-
2

1 - cos ( p fT ) - jsen ( p fT )
XT ( f ) =
j 2p f

Por lo tanto

7
 2 (1 - cos ( p fT ) )
XT ( f ) =
2p f

En consecuencia
1 - cos ( p fT )
XT ( f ) =
2

2p 2 f 2
Como
æ p fT ö
1 - cos ( p fT ) = 2 sen 2 ç ÷
è 2 ø
Luego
æ p fT ö
sen 2 ç ÷
XT ( f )
2
= è 2 ø
p2f 2

Aplicando la definición de la función sinc(x)

sen ( p x )
sen ( x ) =
px

la ecuación anterior se puede escribir como

æ p fT ö
sen 2 ç ÷
è 2 ø = T sin c 2 æ fT ö = 1 T sin c 2 æ fT ö
2 2 2
T
XT ( f )
2
= ç 2 ÷ 2 2 ç 2 ÷
4 p 2 f 2T 2 4 è ø è ø
4

Lo que determina
1 1 æT2 æ fT ö ö 1 T æ fT ö
Gx ( f ) = lim ç sin c 2 ç ÷ ÷ = lim sin c 2 ç ÷
2 T ®¥ T è 2 è 2 ø ø 2 T ®¥ 2 è 2 ø

Como
d ( f ) = lim k sin c 2 ( fk )
k ®¥

Se concluye
1
Gx ( f ) = d ( f )
2

8
 PAUTA SEGUNDA PRUEBA ANÁLISIS DE SEÑALES
PRIMER SEMESTRE 2010.

Problema Nº 1. Sea la secuencia

x(n) = {........,0,3,2,1,0,1,3,2,1,0,1,3,2,.........}

a) Dibujar los espectros de magnitud y de fase de x(n).

b) Calcular la potencia media en el dominio del tiempo, en el dominio de la frecuencia y
aplicando correlación.

Solución
a) Se deduce que la secuencia x(n) dada es periódica con periodo N = 5. Luego, su
representación en Serie de Fourier es
N -1
x(n) = å C k e j2 pkn / N
k=0

1 N -1
Ck = å x(n)e- j2pkn / N , con k = 0, 1, 2,......., N-1
N n=0
Con N = 5, se tiene

1 4 1
Ck = å
5 n =0
x(n)e - j2 pkn / N = éë x ( 0 ) + x(1)e - j2 pk / 5 + x(2)e - j4 pk / 5 + x(3)e- j6 pk / 5 + x(4)e- j8pk / 5 ùû
5

1
C k = éë3 + 2e - j2 pk / 5 + 0 + e - j4 pk / 5 + e - j8 pk / 5 ùû
5

C k = éë3 + 2cos ( 72º k ) + cos (144º k ) + cos ( 288º k ) - j ( 2sen ( 72º k ) + sen (144º k ) + sen ( 288º k ) ) ùû
1
5

Por lo tanto

7
C0 =
5

C1 = éë3 + 2 cos ( 72º ) + cos (144º ) + cos ( 288º ) - j ( 2sen ( 72º ) + sen (144º ) + sen ( 288º ) ) ùû
1
5

1
C1 = éë3 + 0, 62 - 0,81 + 0, 31 - j (1,9 + 0,59 - 0,95 ) ùû = 0, 624 - j0,31
5

C 2 = éë3 + 2 cos (144º ) + cos ( 288º ) + cos ( 576 ) - j ( 2sen (144º ) + sen ( 288º ) + sen ( 576º ) ) ùû
1
5
1
 1
C 2 = éë3 - 1, 62 + 0,31 - 0,81 - j (1,18 - 0,95 - 0, 59 ) ùû = 0,176 + j0, 072
5

C3 = éë3 + 2 cos ( 216º ) + cos ( 432º ) + cos ( 864º ) - j ( 2sen ( 216º ) + sen ( 432º ) + sen ( 864º ) ) ùû
1
5

1
C3 = éë3 - 1, 62 + 0,31 - 0,81 - j ( -1,18 + 0, 95 + 0,59 ) ùû = 0,176 - j0, 072
5

C4 = éë3 + 2 cos ( 288º ) + cos ( 576º ) + cos (1152º ) - j ( 2sen ( 288º ) + sen ( 576º ) + sen (1152º ) ) ùû
1
5

1
C 4 = éë3 + 0, 62 - 0,81 + 0,31 - j ( -1, 9 - 0,59 + 0,95 ) ùû = 0, 624 + j0,31
5
En consecuencia
7
C0 = = 1, 4; C1 = C 4 = 0, 7; C2 = C3 = 0,19
5

RC0 = 0º ; RC1 = -26, 27º , RC 2 = 22, 25º , RC3 = -22, 25º , RC4 = 26, 27º
Luego, las gráficas de los espectros de amplitud y fase de x(n) se muestran en las Figuras
P1a y P1b
|Cn|
1,4
1,4
0,7 0,7 0,7 0,7 0,7

……... 0,2 0,2 0,2 0,2 0,2

……...
n
-4 -3 -2 -1 0 1 2 3 4 5 6 7
a)
26,27º RC n 26,27º
22,25º 22,25º 22,25º
……... ……...
-4 -2 1 3 5 6
-1 0 7 n
-3 2 4
-22,25º -22,25º
-26,27º -26,27º -26,27º
b)
Figura P1:a) Espectro de Amplitud. b) Espectro de Fase de x(n)

b) Cálculo de la Potencia Media en el dominio del tiempo. En este caso se emplea la

relación
2
 1 N -1
å
2
Px = x(n)
N n =0

1 4 1
å x(n) = é x ( 0 ) + x (1) + x ( 2 ) + x ( 3) + x ( 4 ) ù
2 2 2 2 2 2
Px =
5 n =0 5ë û

1 2
Px = é 3 + 2 + 1 + 0 + 1 ù [ watts ]
2 2 2 2

5ë û

Px = 3[ watts ]

Cálculo de la Potencia Media en el dominio de la frecuencia. En este caso se debe aplicar

Parseval, que establece

N -1 4
Px = å C k = å C k = C0 + C1 + C 2 + C3 + C 4 = C0 + 2 C1 + 2 C2
2 2 2 2 2 2 2 2 2 2

k =0 0

Px = 1, 4 + 2 0, 7 + 2 0,19
2 2 2
[ watts]
Px = 3[ watts ]

Cálculo de la Potencia Media aplicando correlación. En esta apartado se aplica la relación

de que

1 N -1
Px = q xx ( l ) l= 0 = å x ( n ) x (n - l)
N n =0 l =0

De donde
1 N -1 1 N -1 1 4
Px = q xx ( l ) l= 0 = å ( ) ( ) = å ( ) = å x (n)
2 2
x n x n x n
N n =0 N n =0 5 n =0

Expresión que es idéntica a la empleada en el apartado b), por lo que

Px = 3[ watts ]

3
Problema Nº2. a) Determinar la Transformada de Fourier de

x(n) = 2n sen ( p4 n ) u(- n)

b) Determinar x(n) si
X(W) = 1 + 3e- jW + 2e - j2 W - 4e - j3W + e - j10 W

Solución
a) Definiendo la secuencia

p
n
æ1ö
x1 ( n ) = ç ÷ sen ( W 0 n ) u ( n ) ; con W 0 = -
è2ø 4
Se tiene que
x1 ( - n ) = x ( n )

Aplicando la propiedad de Inversión en el Tiempo de la Transformada de Fourier, se tiene

F{x1 ( - n ) = x ( n )} = X ( W ) = X1 ( -W )

Por lo tanto, es necesario determinar la transformada de Fourier de la secuencia x(1 n), ose
X1(W), para se define la secuencia x2(n) como
n
æ1ö
x2 (n ) = ç ÷ u (n )
è2ø

Luego, x1(n) se puede escribir como

1 1
x1 ( n ) = x 2 ( n ) sen ( W0 n ) = x 2 ( n ) e jW0n - x 2 ( n ) e - jW0n
2j 2j

Aplicando Transformada de Fourier, se obtiene

X1 ( W ) =
1
2j
{ }
1
{
F x 2 ( n ) e jW0n - F x 2 ( n ) e - jW0n
2j
}
Aplicando la propiedad de Desplazamiento en Frecuencia, se obtiene

1
X1 ( W ) = é X 2 ( W - W0 ) - X 2 ( W + W0 ) ùû
2j ë
Donde

ïìæ 1 ö ïü
n
1
X 2 ( W ) = F íç ÷ u ( n ) ý = 1 - jW
ïîè 2 ø ïþ 1 - 2 e
Por lo tanto
4
 1 é 1 1 ù
X1 ( W ) = ê 1 - j( W-W0 ) - - ( W+W ) ú
2j ëê1 - 2 e 1 - 12 e
j 0
ûú
En consecuencia

1é 1 1 ù
X ( W ) = X1 ( -W ) = ê 1 - j( -W-W0 ) - - j -W+W0 ) ú
2 j ëê1 - 2 e 1 - 12 e ( ûú

Con W 0 = - p/4, se tiene

1 é 1 1 ù
X ( W) = ê - ú
2 j ê1 - 1 e j( W- 4 ) 1 - 1 e j( W+ 4 ) ú
p p

ë 2 2 û

1 ê 2
X ( W) = ê
2 (
é1 - 1 e j( W+ p4 ) - 1 - 1 e j( W- 4p )
) ùú = 1 éê 1
e
j( W- p4 )
- 12 e
j( W+ p4 ) ù
ú
( )( ) úúû 2 j êêë1 + ( )
2

2 j 1 - 1 e j( W+ 4 ) 1 - 1 e j( W- p4 )
p j( W+ p4 ) j( W- p4 ) ú
êë 2 2
1
4 e j2 W - 12 e +e úû

1 é -e sen ( p4 ) ù
jW
2é e jW ù
X ( W ) = ê 1 j2 W 2 jW ú = - ê ú
2 ë1 + 4 e - 2 e û 4 ë1 + 14 e j2 W - 2
2 jW
e û

2é cos W + jsenW ù
X ( W) = - ê ú
4 ê1 + 4 cos 2W - 2 cos W + j 14 sen2W -
ë
1 2
( 2
2
senW ú
û )

b) Por definición de Transformada de Fourier, se tiene

¥
X (W) = å x (n)e
n =-¥
- jnW
= +....... + x ( -2 ) e j2W + x ( -1) e jW + x ( 0 ) + x (1) e - jW + x ( 2 ) e - j2 W + ....... + ..

Luego
X(W) = 1 + 3e- jW + 2e - j2 W - 4e - j3W + e - j10 W
Corresponde a

10
X ( W ) = å x ( n ) e - jnW = x ( 0 ) + x (1) e- jW + x ( 2 ) e - j2 W + ....... + x (10 ) e - j10 W
n =0
En consecuencia
x ( n ) = {1, 3, 2, -4, 0, 0, 0, 0 , 0, 0, 1}

5
Problema Nº 3. a) Determinar Transformada –Z de

x(n) = u(n) * ( 0,5 ) u ( n )

n

b) Determinar a partir del resultado del apartado a) que x(n) tiene o no tiene Transformada
de Fourier, si es sí, determinar la Transformada de Fourier de x(n).

Solución
a) Aplicando la propiedad de convolución de la Transformada – Z, o sea

X ( z ) = Z {x1 ( n ) * x 2 ( n )} = X1 ( z ) X1 ( z )

y definiendo
x1 ( n ) = u ( n ) , x 2 ( n ) = ( 0,5 ) u ( n )
n

Se tiene

1 1 1
X1 ( z ) = , ROC: z >1; X2 ( z ) = , ROC: z >
1 - z -1 1- z 1
2
-1
2

Como la ROC de X(z) debe ser a lo menos igual a la intersección de las ROC de X1(z) y de
X2(z), se tiene

1 1
X (z ) = = 3 -1 1 -2 , ROC : z > 1
(1 - z )(1 - 12 z ) 1- 2 z + 2 z
-1 -1

b) Del resultado del apartado a), se tiene que la ROC de X(z) no contiene a la
circunferencia de radio |z| = 1, luego, la secuencia x(n) dada no tiene Transformada de
Fourier.

6
Problema Nº 4. a) Si x(n) = Z -1 {X ( z )} es una secuencia causal, con
1 - 32 z -1
X(z) =
5 1
1 - z -1 + z -2
6 6
determinar la ROC de X(z).
b) Determinar x(n).
c) Si x(n) = 4n - 2 , determinar la Transformada – Z Unilateral de x(n+3) y determinar el
valor final de x(n+3).

Solución

a) X(z) dada se puede escribir como

1 - 32 z -1 z2 - 3 z
X(z) = = 2 52 1
1 - z -1 + z -2 z - 6 z + 6
5 1
6 6

z 2 - 32 z
X(z) =
( z - 12 ) ( z - 13 )
Haciendo la expansión en fracciones parciales, se tiene

X (z) z - 32 A1 A2
= = +
z ( z - 12 ) ( z - 13 ) z - 12 z - 13

X (z) z - 32
A1 = ( z - 12 ) = = -6
z z = 12
( z - 13 ) z = 1
2

X (z) z - 32
A 2 = ( z - 13 ) = =7
z z = 13
( z - 12 ) z = 13

-6 7
X (z ) = 1 -1
+
1- 2 z 1 - 31 z -1

Como x(n) es una secuencia causal, la región de convergencia de X(z) es

1
ROC : | z | >
2

7
b) Aplicando Transformada – Z Inversa a X(z) del apartado a), se tiene

é æ 1 ön æ1ö ù
n

x ( n ) = ê -6 ç ÷ + 7 ç ÷ ú u ( n )
ëê è 2 ø è 3 ø ûú

c) Transformada Z – Unilateral de x(n +3). Aplicando la Propiedad de Avance Temporal,

se tiene
é 2
ù
X +2 ( z ) = Z + {x ( n + 3)} = z 3 ê X + ( z ) - å x ( n ) z - n ú
ë n=0 û

X +2 ( z ) = z3 éë X + ( z ) - ( x ( 0 ) + x (1) z -1 + x ( 2 ) z -2 ) ùû = z3 X + ( z ) - z 3 x ( 0 ) - z 2 x (1) - zx ( 2 )

X +2 ( z ) = z 3 X + ( z ) + 2z 3 - 2z 2 - 6z
Como
x(n) = 4n - 2
Se tiene que
¥ ¥ ¥
X + ( z ) = å ( 4n - 2 )z - n = å 4nz - n - å 2z - n
n =0 n =0 n =0

4z -1 2 6z -1 - 2
X+ ( z ) = - =
(1 - z )
-1 2 1 - z -1 (1 - z -1 ) 2
De aquí

6z 4 - 2z5
X +2 ( z ) = + 2z 3 - 2z 2 - 6z
( z - 1)
2

Valor final de x(n+3). Se aplica el Teorema del Valor final, dado por

lim x 2 ( n ) = lim ( z - 1) X 2+ ( z )
n ®¥ z ®1

Para el problema dado, se tiene

é 6z 4 - 2z 5 ù
lim x 2 ( n ) = lim ( z - 1) X +2 ( z ) = lim ê + ( z - 1) ( 2z 3 - 2z 2 - 6z ) ú
n ®¥ z ®1 z ®1
ë z -1 û

lim x 2 ( n ) = ¥
n ®¥

8
 PAUTA TERCERA PRUEBA ANÁLISIS DE SEÑALES
PRIMER SEMESTRE 2010.1994

Problema Nº 1. a)Determinar la respuesta al impulso y la respuesta al escalón del

sistema causal caracterizado por

y(n) - 0,7y(n - 1) + 0,1y(n - 2) = 2x(n) – x(n – 2)

b) Dibujar el diagrama de polos y ceros y determinar si el sistema es estable

Solución
a) Aplicando el método indirecto, se tendrá:

Y(z) - 0, 7z -1Y(z) + 0,1z -2 Y(z) = 2X(z) - z -2 X(z)

de donde

Y(z) =
( 2 - z ) X(z)
-2

=
( 2z 2
- 1) X(z)
(1)
-1 -2
1 - 0, 7z + 0,1z z - 0, 7z + 0,1
2

Respuesta al impulso: x(n) = d(n). En este caso:

X(z) = 1

Por lo tanto

2z 2 - 1
H(z) =
z 2 - 0, 7z + 0,1

Los polos de Y(z), son:

z 2 - 0, 7z + 0,1 = 0 Þ p1 = 0,5 , p 2 = 0, 2

Luego, Y(z) se puede escribir como:

2z 2 - 1
H(z) =
( z - 0, 5)( z - 0, 2 )
Para realizar la expansión en fracciones parciales de Y(z), se hace

z ( 2z 2 - 1)
H(z) =
z ( z - 0,5 )( z - 0, 2 )

1
Luego
H(z) 2z 2 - 1 A A2 A3
= = 1+ +
z z ( z - 0,5 )( z - 0, 2 ) z z - 0,5 z - 0, 2

H(z) 2z 2 - 1
A1 = z = = -10
z z =0 ( z - 0, 5 )( z - 0, 2 ) z =0

H(z) 2z 2 - 1 10
A 2 = (z - 0,5) = =-
z z =0,5 z ( z - 0, 2 ) z =0,5 3

H(z) 2z 2 - 1 46
A 3 = (z - 0, 2) = =
z z =0,2 z ( z - 0,5 ) z =0,2 3

Por lo tanto,

10 46
H(z) = -10 - 3
+ 3

1 - 0, 5z -1 1 - 0, 2z -1

En consecuencia

10 46
h(n) = -10d(n) - ( 0,5) u(n) + ( 0, 2) u(n)
n n

3 3

Respuesta al escalón unitario u(n). En este caso

1 z
X(z) = -1
=
1- z z -1

Aplicando esta expresión de X(z) en la ecuación (1), del apartado a), se obtiene

Y(z) =
( 2z 2
- 1)
·
z
( z - 0,5)( z - 0, 2 ) z - 1

De donde

Y(z)
=
( 2z 2 - 1)
=
A1
+
A2 A
+ 3
z ( z - 0,5)( z - 0, 2 )( z - 1) z - 0,5 z - 0, 2 z - 1

2
Se tiene

A1 = ( z - 0, 5 )
Y(z)
=
( 2z 2 - 1)
=
10
z z = 0,5 ( z - 0, 2 )( z - 1) 3
z = 0,5

A 2 = ( z - 0, 2 )
Y(z)
=
( 2z 2 - 1)
=-
23
z z =0,2 ( z - 0,5 )( z - 1) 6
z = 0,2

A 3 = ( z - 1)
Y(z)
=
( 2z 2 - 1)
=
5
z z =1 ( z - 0, 5 )( z - 0, 2 ) 2
z =1

En consecuencia

10
- 236 5
Y(z) = 3
-1
+ + 2

1 - 0,5z 1 - 0, 2z -1 1 - z -1

Por lo tanto, la respuesta al escalón es

é 5 10 23 nù
y(n) = ê + ( 0,5) - ( 0, 2 ) ú u(n)
n

ë2 3 6 û

Diagrama de polos – ceros.

Del apartado a), se tiene que la expresión de H(z) es

2z 2 - 1
H(z) =
( z - 0, 5)( z - 0, 2 )

Se deduce que los ceros de H(z) son

2 2
2z 2 - 1 = 0 Þ z1 = , z2 = -
2 2
y los polos son
p1 = 0, 5 , p 2 = 0, 2
Por lo tanto, el diagrama de polos – ceros, se muestra en la Figura P1

3
 Im{}

0,5 Re{}
O X X O
-0,7 0,2 0,7

Figura P1

Como en este caso se cumple los dos polos tienen un módulo menor que uno, o sea
están dentro de la circunferencia unitaria, se deduce que el sistema es estable y es causal
porque h(n) = 0 para n < 0.

4
Problema Nº 2. Para el sistema de tiempo discreto LTI mostrado en la Figura P2,
determinar:
a) La ecuación en diferencias que relacione y(n) con x(n).
b) La función respuesta de frecuencia.
c) La respuesta de estado cero, si x(n) =(n+1)2nu(n).

x(n) 1 + y(n)
4 + + z -1 z -1 - +
+

1
2

Figura P 2
Solución
a) Sea v(n) la señal de salida del sumador en la entrada del sistema, por lo tanto, se
tendrá

1 1
v(n) = x(n) + v(n - 2) (2.1)
4 2

En el sumador de salida, se tendrá

y(n) = v(n) - v(n - 2) (2.2)

De la ecuación (2.1), se obtiene

x(n) = 4v(n) - 2v(n - 2) (2.3)

Del sistema de ecuaciones (22.) y (2.3), se obtiene

1
v(n) = x(n) - y(n) (2.4)
2
De aquí
1
v(n - 2) = x(n - 2) - y(n - 2) (2.5)
2

En consecuencia, (2.4) y (2.5) en (2.2), se tiene

1 1
y(n) = x(n) - y(n) - x(n - 2) + y(n - 2)
2 2

5
Finalmente

1 1 1
y(n) - y(n - 2) = x(n) - x(n - 2)
2 4 4

b) Considerando que la expresión genérica de una ecuación en diferencias es

N M

å a k y(n - k) = å bk x(n - k)
k =0 k =0

Y que la función respuesta de frecuencia H(W) es

åb e k
- jkW
b 0 + b1e- jW +·······+b M e- jMW
H(W) = k =0
=
N
a 0 + a1e - jW +·······+a N e- jNW
åa e
k =0
k
- jkW

Se tiene que para el problema dado

- 14 e - j2 W
1
H(W) = 4
1 - 12 e - j2 W

1 æ 1 - cos 2W + jsen2W ö
H(W) = ·ç ÷
2 è 2 - cos 2W + jsen2W ø

c) Dado que el sistema es relajado, se tiene que la respuesta de estado - cero

corresponde a la solución total, y(n), de la ecuación en diferencias que modela al
sistema dado: Como

1 1 1
y(n) - y(n - 2) = x(n) - x(n - 2) (2.6)
2 4 4

y que x(n) = (n+1)2nu(n), se tiene que x(n) se puede escribir como

x(n) = n2n u(n) + 2n u(n)

De aquí, aplicando el principio de superposición a la ecuación (2.6), se tiene

1 1 1
y1 (n) - y1 (n - 2) = n2n - 2n
2 4 4

6
En notación operacional, se tiene

æ 1 -2 ö 1 n 1 n
ç1 - S ÷ [ y1 (n)] = n2 - 2
è 2 ø 4 4

La solución total y1 (n) es

y1 (n) = y h (n) + y p (n)

Solución homogénea yh(n). La ecuación homogénea asociada es

æ 1 -2 ö
ç1 - S ÷ [ y1 (n)] = 0
è 2 ø

El polinomio característico de esta ecuación es

1 2 2
r2 - = 0 Þ r1 = , r2 = -
2 2 2

Por lo tanto, la solución homogénea es

n n
æ 2ö æ 2ö
y h (n) = C1 çç ÷÷ + C2 çç - ÷÷
è 2 ø è 2 ø

Solución particular yp(n).Considerando que

æ 1 -2 ö 1 n 1 n
ç1 - S ÷ [ y1 (n) ] = n2 - 2 (2.7)
è 2 ø 4 4

Y considerando que la secuencia C3 x1(n) + C4x2(n) tiene como operador anulador LA =

Lx1(S)Lx2(S), se tiene

L A = (1 - 2S-1 ) (1 - 2S-1 ) = (1 - 2S-1 )

2 3

Aplicando LA a la ecuación (2.7), se obtiene

æ 1 -2 ö
(1 - 2S )-1 3
ç1 - S ÷ [ y(n)] = 0
è 2 ø

Como las raíces de LA son diferentes a las del polinomio característico de la ecuación
homogénea asociada, se tiene que las raíces de LA representan la solución particular.
7
Dado que la raíz de LA es r =2 con grado de multiplicidad 3, se tiene que la solución
particular yp(n) es de la forma

y p (n) = C3 ( 2 ) + C 4 n ( 2 ) + C5 n 2 ( 2 )
n n n

Evaluación de los Coeficientes C3, C4, C5. Aplicando la expresión de yp(n) en la

ecuación en diferencias original, se tiene

C3 ( 2 ) + C 4 n ( 2 ) + C5 n 2 ( 2 ) -
n n n 1
2
( 2
)
C3 ( 2 ) + C 4 ( n - 2 )( 2 ) + C5 ( n - 2 ) ( 2 )
n-2 n -2 n-2 1 1
= n2n - 2n
4 4

De donde, se obtiene

æ7 1 ö n æ7 1 ö n 7 1 n 1 n
ç C 4 + C5 ÷ n2 + ç C3 - C5 ÷ 2 + C5n 2 = n2 - 2
2 n

è8 4 ø è8 2 ø 8 4 4

De esta ecuación se deduce

2 2
C3 = - , C4 = , C5 = 0
7 7

En consecuencia,

2 n 2
yp (n) = - ( 2) + n ( 2)
n

7 7

Por lo cual

n n
æ 2ö æ 2ö 2 n 2
y1 (n) = C1 çç ÷÷ + C2 çç - ÷÷ - ( 2 ) + n ( 2 )
n

è 2 ø è 2 ø 7 7

Evaluación de C1 y C2: Aplicando condiciones iniciales en la ecuación en diferencias

original y en la solución total, se tiene

Para n =0 en la ecuación en diferencias original, se obtiene

1 1 1
y1 (0) - y1 (-2) = - Þ y1 ( 0 ) = -
2 4 4

Para n =1 en la ecuación en diferencias original, se obtiene

8
 1 1 1
y1 (1) - y1 ( -1) = 2 - 2 Þ y1 (1) = 0
2 4 4

Haciendo n = 0 y n = 1, en la solución total se obtiene

2
y1 (0) = C1 + C 2 -
7

2 2
y1 (1) = C1 - C2
2 2

Por lo tanto, se tiene el sistema de ecuaciones

2 1
C1 + C 2 - =-
7 4
2 2
C1 - C2 = 0
2 2

De donde se obtiene

1
C1 = C 2 =
56

Por lo tanto, la solución total es

n n
1 æ 2ö 1 æ 2ö 2 n 2
÷÷ - ( 2 ) + n ( 2 )
n
y1 (n) = çç ÷÷ + çç -
56 è 2 ø 56 è 2 ø 7 7

1
Para la componente de la señal de entrada - x(n - 2) , se tendrá que la respuesta
4
correspondiente es - y1 (n - 2) , la respuesta de estado estacionario es

y ( n ) = y1 ( n ) - y1 (n - 2)
O sea

n n n-2 n -2
1 æ 2ö 1 æ 2ö 2 n 2 1 æ 2ö 1 æ 2ö 2 n -2 2
÷÷ - ( 2 ) + n ( 2 ) - çç ( 2 ) - ( n - 2 )( 2 )
n -2
y(n) = ÷÷ + çç - - çç - +
n
çç ÷ ÷
56 è 2 ø 56 è 2 ø 7 7 56 è 2 ÷ø 56 è 2 ÷ø 7 7

n n
1 æ 2ö 1 æ 2ö 1 3
y ( n ) = - çç ÷÷ - çç - ÷÷ + ( 2 ) + n ( 2 )
n n

56 è 2 ø 56 è 2 ø 14 14

9
Problema Nº 3. Un sistema LTI, tiene como secuencia de entrada

x(n) = ( 12 ) u(n) + ( 2 ) u( -n - 1)
n n

Para esta secuencia de entrada la secuencia de salida y(n) es

y(n) = 6 ( 12 ) u(n) - 6 ( 34 ) u(n)

n n

a) Determinar la función de sistema H(z) del sistema. Dibujar el diagrama de polos y

ceros de H(z) e indicar la región de convergencia.
b) Determinar la respuesta h(n) al impulso del sistema.
c) Escribir la ecuación diferencia que caracteriza al sistema.
d) Determinar si el sistema es estable y/o causal.

Solución
a) La secuencia x(n) se puede escribir como

x(n) = ( 12 ) u(n) - é - ( 2 ) u(-n - 1)ù

n n
ë û
Por lo tanto

1 1 1
X(z) = -1
- , ROC: < z <2
1- z1
2 1 - 2z -1 2

X(z) se puede escribir como

- 32 z
X(z) =
( z - 12 ) ( z - 2 )
Como
y(n) = 6 ( 12 ) u(n) - 6 ( 34 ) u(n)
n n

Se tiene
6 6 3
Y(z) = -1
- -1
, ROC: z >
1- z 1
2 1- z3
4 4

- 32 z
Y(z) =
( z - 12 ) ( z - 34 )

Por lo tanto

Y(z) z - 2 3
H(z) = = , ROC: < z <2
X(z) z - 34 4

10
Diagrama de Polos – Ceros. El diagrama de polos – ceros se muestra en la Figura P3

jw

X O
3/4 2 s

Figura P3
b) Se tiene que
ìz - 2ü
h(n) = Z-1 {H(z)} = Z-1 í 3ý
îz - 4 þ
h(n) se puede escribir como
ì 1 ü ì z -1 ü
h(n) = Z-1 í 3 -1 ý - 2Z-1 í 3 -1 ý
î1 - 4 z þ î1 - 4 z þ
De donde

n n -1
æ3ö æ3ö
h(n) = ç ÷ u(n) - 2 ç ÷ u ( n - 1)
è4ø è4ø

c) Como
e jW - 2 1 - 2 - jW
H ( W ) = H(z) z = jW = =
e jW - 34 1 - 34 e- jW
y dado que
M

åb e k
- jkW
b 0 + b1e- jW +·······+b M e- jMW
H(W) = k =0
=
N
a 0 + a1e - jW +·······+a N e- jNW
åa e
k =0
k
- jkW

con
N M

å a k y(n - k) = å bk x(n - k)
k =0 k =0

Se tiene que la ecuación en diferencias que modela al sistema es

3
y ( n ) - y ( n - 1) = x(n) - 2x ( n - 1)
4

11
d) El sistema es estable porque su función de sistema tiene el único polo con módulo
menor que uno, o bien porque h(n) tiende a cero cuando n tiende a infinito, y es causal
dado que h(n) = 0 para n < 0.

12
 PAUTA PRIMERA PRUEBA DE ANÁLISIS DE SEÑALES
SEGUNDO SEMESTRE 2010. PLAN 2006.

Problema N° 1. Sea la señal:

x ( t ) = 1 + senw0 t + 2 cos w0 t + cos ( 2w0 t + p4 )

a) Determinar los espectros de magnitud y de fase.

b) Determinar el porcentaje de la potencia contenida en la primera armónica en relación a la
potencia total de la señal.
c) Proponer un programa MATLAB para obtener la gráfica de x(t).

Solución.
a) Aplicando Euler, la señal x(t) se puede escribir como:

x(t) = 1 +
2j
(
1 jw0 t - jw0t
e -e ) ( 1
) (
+ e jw0 t + e - jw0 t + e j( 2 w0t +p / 4 ) - e - j( 2 w0 t +p / 4 )
2
)
De donde
1 - jp / 4 - j2 w0 t 1
x (t) = e e + (1 + j 12 ) e - jw0 t + 1 + (1 - j 12 ) e jw0 t + e jp / 4 e j2 w0 t
2 2

Por lo tanto:

1 - jp / 4
C -2 = e
2

5 jtg-1 (1/ 2 ) 5 j26,570

C -1 = (1 + j 12 ) = e = e
2 2

C0 = 1

5 jtg-1 ( -1/ 2) 5 - j26,570

C1 = (1 - j 12 ) = e = e
2 2

1
C 2 = e jp / 4
2

Por lo que el espectro de amplitud es:

1
 1 5
C -2 = C2 = ; C -1 = C1 = ; C0 = 1
2 2

El espectro de fase es

ÐC -2 = -450 ; ÐC -1 = 26.57 0 ; ÐC 0 = 00 ; ÐC1 = - 26,57 0

; ÐC1 = 450

b) La potencia P1 contenida en las líneas espectrales de la primera armónica es

5 5
P1 = 2 C1 = 2 = [ watts ]
2

4 2

Y como el desarrollo en serie de Fourier de x(t) tiene términos finitos, la potencia total P de
esta señal, se puede calcular empleando Parseval, o sea:

2
P = C0 + 2å C n = C0 + 2 C1 + 2 C 2
2 2 2 2 2

n =1

Luego:
5 1
P = 1 + + = 4 [ watts ]
2 2
En consecuencia:

P1 500
100 = = 62, 5%
P 8

c) El programa MATLAB propuesto es:

>> %Gráfica de x(t)

>> t=-5:0.01:5;
>> w0=2;
>> x=1+sin(w0*t)+2*cos(w0*t)+cos(2*w0*t+pi/4);
>> plot(t,x);
>> grid;title('Gráfica de x(t)');
>> xlabel('t');ylabel('x(t)')

2
 Gráfica de x(t)
4

2
x(t)

-1

-2
-5 -4 -3 -2 -1 0 1 2 3 4 5
t

3
Problema N° 2. La señal de voltaje x ( t ) = 10te - t u ( t ) se aplica a un resistor de resistencia
1[W].
a) Calcular la energía total desarrollada en el resistor.
b)¿Qué porcentaje de la energía está contenida en una señal que es la salida de un filtro
pasabajos ideal de ancho de banda 1[rad/seg], cuando se le aplica la señal x(t).
c) Propon
Solución
a) La energía E desarrollada en el resistor es igual a la energía de la señal porque la
resistencia del resistor es unitaria, luego
¥ ¥

ò x ( t ) dt = ò 100t e
2 -2t
E= 2
dt
-¥ 0

Usando Tabla de Integrales, se tiene que

¥
G(n)
òt
n -1 - (a +1)t
e dt = , ( n > 0, a > -1)
( a + 1)
n
0

Con
G ( n ) = ( n - 1) ! si n = entero > 0
En consecuencia, con n = 3 y a =1, se tiene
¥
G ( 3) 2 1
ò t e dt =
2 -2t
= =
(1 + 1)
3
0
8 4
En consecuencia:
1
E=100 = 25[Joule]
4

b) La señal de salida del filtro pasabajos ideal será igual a x(t) en la banda pasante del filtro,
su energía E1, en el dominio de la frecuencia, está dada por:

1 1
1 1
ò X ( w ) dw = ò X ( w ) dw
2 2
E1 =
2 p -1 p0
Con
¥ ¥ ¥
X ( w) = ò x ( t ) e - jwt dt = ò 10te - t e - jwt dt = 10ò te - t e - jwt dt
-¥ 0 0
¥
X ( w) = 10 ò te
- (1+ jw) t
dt
0

Integrando, y en este caso n = 2 , a =jw y G ( 2 ) = 1 , se obtiene

4
 10 10
X ( w) = =
(1 + jw) 1 - w2 + j2w
2

De aquí:
10 10 10
X ( w) = = =
(1 - w )2 2 1 + 2w + w (1 + w )
2 4 2 2
+ 4w2
10
X ( w) =
1 + w2
Luego:
100
X ( w) =
2

(1 + w ) 2 2

Por lo tanto:
1
1 100
E1 = ò
p 0 (1 + w2 ) 2
dw

Aplicando
dx x 1 dx x 1 é 1 -1 x ab
ù
ò =
2a ( a + bx 2 ) 2a ò a + bx
+ = + ê
2a ( a + bx 2 ) 2a ë ab
tg ú
( a + bx )
2 2 2
a û

Se obtiene:
1
1
1 ìï w 1 üï 1 p
ò é ù
-1
dw = í + tg w ý = +
0 (1 + w )
2 2
îï 2 (1 + w2
) 2 ë û
þï 0
4 8

Luego:
100 æ 1 p ö 25
E1 = ç + ÷= + 12,5 » 20, 5 [ watts]
p è4 8ø p
En consecuencia:

E1 20,5
100 = 100 = 81,83%
E 25
c) Como
100
SXX ( w) = X ( w) =
2

(1 + w )2 2

El programa propuesto es

>> %Gráfica de Sxx(w)

>> w=-3*pi:1/254:3*pi;
>> S=100./(1+w.^2).^2;
>> plot(w/(3*pi),S);

5
>> grid;title('Gráfica de S_x_x(w)'); xlabel('w');ylabel('S_x_x(w)’);

Gráfica de Sxx (w)

100

90

80

70

Sxx (w) 60

50

40

30

20

10

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
w

6
Problema N° 3. Se tienen las señales

æ t - 1/ 2 ö é æ t + 1/ 2 ö ù
x(t) = t Õ ç ÷ + ê -t Õ ç ÷ú
è 1 ø ë è 1 øû

æ t -1 ö
y(t) = Õ ç ÷
è 2 ø

a) Determinar z(t) = x(t)* y(t) = y(t) * x(t) .

b) Determinar las gráficas de las componentes par e impar de y(t).
c) Proponer un programa MATLAB para la gráfica de z(t) del apartado a).

Solución
a) Las gráficas de las señales x(t) e y(t) se muestran en la Figura P.3

Figura P. 3.Gráficas de x(t) e y(t)

Considerando como núcleo de la integral de convolución a la señal y(t), se tiene el siguiente

proceso:

i) t £ -1

En este caso
z(t) = x(t) * y(t) = 0

7
ii) -1 £ t £ 0

Ahora, se tiene
t t
t2
z(t) = ò - tdt = -
-1
2 -1

1 t2
z(t) = -
2 2

iii) 0 £ t £ 1
Se tiene

Luego
0 t 0 t
t2 t2
z(t) = ò - tdt + ò tdt = - +
-1 0
2 -1
2 0

1 t2
z(t) = +
2 2
iv) 1 £ t £ 2

En este caso

8
 0 1 0 1
t2 t2
z(t) = ò - tdt + ò tdt = - +
t -2 0
2 t -2
2 0

( t - 2)
2
1
z(t) = +
2 2

v) 2 £ t £ 3

Luego
1 1
t2
z(t) = ò tdt =
t -2
2 t -2

1 ( t - 2)
2

z(t) = -
2 2

vi) t ³ 3

En este caso
z(t) = 0

Resumiendo
ì0 t £ -1
ï 1 t2
ï2 - 2 -1 £ t £ 0
ï1 + t 2
0 £ t £1
ï2 2
z(t) = í ( t - 2 )2
ï2 + 2 1£ t £ 2
1

ï 1 ( t + 2 )2
ï2 - 2 2£t£3
ï0 t ³3
î

b) Las componentes par yP(t) e impar yI(t), de la señal y(t), están dadas por:
1
y P (t) = [ y(t) + y(- t)]
2

9
 1
y I (t) = [ y(t) - y(- t)]
2
Como
ì0 t £ 0-
ï
y(t) = í1 0+ £ t £ 2-
ï
î0 t ³ 2+
Se tiene que
ì0 t £ -2-
ï
y(- t) = í1 -2+ £ t £ 0 -
ï
î0 t ³ 0+
Por lo tanto:

ì0 t £ -2-
ï
ï1
y P (t) = í -2+ £ t £ 2-
ï2
ïî0 t ³ 2+

ì0 t £ -2-
ï 1
ï- 2 -2+ £ t £ 0-
y I (t) = í
ï2
1
0+ £ t £ 2 -
ï0 t ³ 2+
î

Luego, las gráficas de las componentes yP(t) e yI(t) se muestran en la figura siguiente:

10
c) El programa MATLAB propuesto, para la gráfica de z(t), es el siguiente:

>> %Gráfica de z(t)

>> t=-15:0.01:15;
>> u1=stepfun(t,-1);u2=stepfun(t,0);
>> u3=stepfun(t,1);u4=stepfun(t,2);u5=stepfun(t,3);
>> z1=(1/2-t.^2/2);z2=(t-2).^2/2+1/2;
>> z3=1/2+t.^2/2;z4=-(t+2).^2/2+1/2;
>> z5=z1.*(u1-u2);z6=z3.*(u2-u3);
>> z7=z2.*(u3-u4);z8=z4.*(u4-u5);
>> z=z5+z6+z7+z8;
>> plot(t,z);title('Gráfica de z(t)');grid;
>> xlabel('t');ylabel('z(t)');axis([-5,5,-15,2]);

11
 Gráfica de z(t)
2

-2

-4

-6
z(t)

-8

-10

-12

-14

-5 -4 -3 -2 -1 0 1 2 3 4 5
t

Problema N° 4. Se tiene:

jw + 1
H ( w) =
é ( jw ) + 5 jw + 6 ù ( jw + 2 ) 2
2
ë û

a) Determinar h(t).
b) Proponer un programa MATLAB para obtener la gráfica de H ( jw ) .

Solución.
a) Haciendo el cambio de variable de r = jw , se obtiene:

12
 r +1
H (r) =
éë r + 5r + 6 ùû ( r + 2 )
2 2

Ecuación que se puede escribir como:

r +1 r +1
H (r) = =
( r + 2 )( r + 3)( r + 2 ) ( r + 3 )( r + 2 )
2 3

La expansión en fracciones parciales de H(r) es de la forma:

r +1 A1 A A 22 A 23
H (r ) = = + 21 + +
( r + 3)( r + 2 ) r + 3 r + 2 ( r + 2 ) ( r + 2 )3
3 2

Donde:
r +1 -3 + 1
A1 = ( r + 3) H ( r ) r =-3 = = =2
( r + 2) ( -3 + 2 )
3 3
r =-3

r +1 -2 + 1
A 23 = ( r + 2 ) H ( r ) = = = -1
3

r =-2 r + 3 r =-2 ( -2 + 3)

Para los residuos A21 y A22, se aplica

1 é d li - k é ù
l i - k ë(
r - pi ) i H ( r ) ù ú
l
Aik = ê , k=1,2,3,......,l i - 1
( li - k )! ë dr ûû
r=p i

1 é d 3-1 é ù 1 d2 é r +1 ù
A 21 = ( - ) ( ) ù =
3

( 3 - 1) ! êë dr 3-1 ë û úû
r 2 H r êë r + 3 úû
r =-2
2 dr 2 r =-2

1 -4
A 21 = = -2
2 ( r + 3 )3
r =-2

1é d ù d é r +1 ù 2
A 22 = ê é( r - 2 ) H ( r ) ù ú = ê = =2
3

1 ë dr ë ûû ú
dr ë r + 3 û r =-2 ( r + 3)2
r =-2 r =-2

Luego
2 -2 2 -1
H (r ) = + + +
r + 3 r + 2 ( r + 2 ) ( r + 2 )3
2

Por lo cual

13
 2 -2 2 -1
H ( w) = + + +
jw + 3 jw + 2 ( jw + 2 ) ( jw + 2 ) 3
2

Aplicando, el siguiente par de transformada

t n -1 - at 1
e u(t) «
( n - 1)! ( a + jw )
n

Se obtiene:
(
h ( t ) = 2e-3t - 2e -2t + 2te -2t - t2 e -2t u(t)
2
)

ë (
h(t) = é 2e -3t + -2 + 2t - 2t
2
)e -2t ù u(t)
û

b) Para obtener la gráfica de |H(w)|, se propone el siguiente programa MATLAB

>> %Gráfica de |H(w)|

>> w= -2*pi:1/254:2*pi;
>> H1=j*w+1;H2=(j*w+2).^2;
>> H3=(j*w).^2+5*j*w+6;
>> H=H1./(H2.*H3);
>> plot(w/pi,abs(H)); grid;
>> title('Gráfica de |H(w)|'), xlabel('w');ylabel('|H(w)|');
Gráfica de |H(w)|
0.045

0.04

0.035

0.03

0.025
|H(w)|

0.02

0.015

0.01

0.005

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
w
>>

14
 PAUTA SEGUNDA PRUEBA DE ANÁLISIS DE SEÑALES
2° SEMESTRE 2010

Problema N° 1. a) Usando autocorrelación determinar la energía de la señal x(t) cuya

gráfica es la mostrada en la Figura P 1.
b) Proponer un programa MATLAB para graficar la autocorrelación de x(t).

Figura P 1
Solución
a) Se considera el intervalo
i) 2 £ t La Figura siguiente ilustra un caso que cumple esta condición.

En este caso
R xx ( t ) = 0

ii) 0 £ t £ 2 .Una situación del valor de t en este intervalo, se muestra en la Figura siguiente

Luego

1
 - t+ 3

R xx ( t ) =
- t+ 3
ò1
dt = t 1

R xx ( t ) = -t + 2
iii) -2 £ t £ 0 . Este caso, se ilustra en la Figura siguiente

De la Figura anterior, se deduce

3
R xx ( t ) = ò
3
dt = t - t+1
-t+1

Por lo tanto

R xx ( t ) = t + 2

iv) t £ -2

De donde
R xx ( t ) = 0

En consecuencia

ì0 2£t
ï-t + 2 0£t£2
ï
R xx ( t ) = í
ït + 2 -2 £ t £ 0
ïî 0 t £ -2

2
La energía Ex de la señal x(t) se obtiene, aplicando que

E x = R xx ( 0 ) = 2 [ Joules ]

b) Se propone el siguiente programa MATLAB para graficar Rxx(t).

>> %Gráfica de Rxx(t)

>> t=-5:0.01:5;
>> u1=stepfun(t,-2);
>> u2=stepfun(t,0);
>> u3=stepfun(t,2);
>> u4=u1-u2;
>> u5=u2-u3;
>> x1=(t+2).*u4;
>> x2=(-t+2).*u5;
>> x=x1+x2;
>> plot(t,x);title('Gráfica de R_x_x(t)');
>> xlabel('t');ylabel('R_x_x(t)');
>> grid;

Gráfica de Rxx (t)

2

1.8

1.6

1.4

1.2
Rxx (t)

0.8

0.6

0.4

0.2

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t

3
Problema N° 2. Una señal tipo pasa-bajos x(t) tiene un espectro X(f) dado por:

ïì1 - f / 200 f £ 200

X(f ) = í
ïî0 otros valores

a) La señal x(t) se muestrea idealmente a una frecuencia fs = 300 [ Hz ] . Dibujar el espectro

de la señal muestreada xs(t). para f £ 400 [ Hz ] . ¿Se puede recuperar la señal x(t) a partir
de xs(t)?. Justifique su respuesta.
b) ¿Cuál debe ser el máximo intervalo de muestreo, que permita recuperar la señal la señal
x(t) a partir de xs(t)?.

Solución
a) La gráfica del espectro X(f) se muestra en la Figura siguiente

La gráfica del espectro Xd(f) de la señal x(t) muestreada idealmente, a una frecuencia de
muestreo de 300[Hz], en el rango de -400 [Hz] £ f £ 400[Hz], se muestra en la Figura
siguiente:

De esta figura, se deduce que hay solapamiento en el espectro Xd(f), en consecuencia no es

posibles recuperar la señal x(t) a partir de la señal muestreada xs(t).
b) El intervalo máximo de muestreo es el intervalo Nyquist de muestreo, o sea TN dado por

1 1 1
TN = = = [s ]
2W 2B 2 · 200

TN = 2,5[ms]

4
Problema N° 3. Utilizando correlación, determinar la energía de la señal z(n), si z(n) =
x(n) + y(n), con

x ( n ) = {-1,1, 2, -2} , y {1,2,-2,1} £

Solución
Si
z(n) = x(n) + y(n)

Luego

rzz (l) = rxx (l) + ryx (l) + rxy (l) + ryy (l)

La energía Ez de la señal z(n), considerando correlación, está dada por:

E z = rzz ( 0 ) = rxx ( 0 ) + rxy ( 0 ) + ryx ( 0 ) + ryy ( 0 )

Como
ryx ( l ) = rxy ( -l )
Luego
ryx ( 0 ) = rxy ( 0 )
En consecuencia:

E z = rzz ( 0 ) = rxx ( 0 ) + 2rxy ( 0 ) + ryy ( 0 )

Determinación de rxx ( l ) . Para determinar rxx ( l ) , se aplica

rxx ( l ) = x ( l ) * x ( -l )

Aplicando método matricial, se tiene:

5
 x ( l)
x ( -l ) -1 1 2 -2
-2 2 -2 -4 4

2 -2 2 4 -4

1 -1 1 2 -2

-1 1 -1 -2 2

De donde:
rxx ( 0 ) = 10

Determinación de ryy ( l ) . Aplicando

ryy ( l ) = y ( l ) * y ( -l )

Y método matricial, se tiene

y (l)
y ( -l )

De donde:

ryy ( 0 ) = 10

Determinación de rxy ( l ) . Aplicando rxy ( l ) = x ( l ) * y ( -l ) y método matricial, se tiene:

6
 x ( l)
y ( -l )

De donde
rxy ( 0 ) = 9

Por lo tanto:

E z = rzz ( 0 ) = 10 + 18 + 10 = 38 [Joules]

7
Problema N° 4. a) Determinar el porcentaje de la potencia media total de la señal

x ( n ) = {...., 2, -2,3,1, 0, 2, -2,3,1, 0, 2, -2,3,1, 0, 2, -2,3,1,........}

contenida en la componente continua y en las dos primeras armónicas del espectro de x(n).
b) Determinar las componentes par e impar de x(n)

Solución
a) De acuerdo a la expresión dada de x(n), se deduce que se trata de una secuencia
periódica de periodo N = 5. Por lo tanto, para solucionar el problema es necesario aplicar
Parseval, o sea :

N -1
Px = å Ck
2

k =0

Con
1 N -1
Ck = å
N n=0
x ( n ) e - j2 pnk / N

Con N = 5, se tiene

4
Px = å Ck
2

k =0

1 4
Ck = å x ( n ) e- j2pnk / 5
5 n =0
Luego

1 4 1 1 4
C0 = å
5 n =0
x ( n ) = éë x ( 0 ) + x (1) + x ( 2 ) + x ( 3) + x ( 4 ) ùû = [ -2 + 3 + 1 + 2] =
5 5 5
2 16
C0 = = 0, 64
25
1 4 1
C1 = å x ( n ) = éë x ( 0 ) + x (1) e - j2 p / 5 + x ( 2 ) e - j4 p / 5 + x ( 3) e - j6 p / 5 + x ( 4 ) e - j8 p / 5 ùû
5 n =0 5

8
 1
C1 = éë -2 + 3cos ( 2p / 5 ) - 3jsen ( 2p / 5 ) + cos ( 4p / 5) - jsen ( 4p / 5 ) + 2 cos ( 8p / 5 ) - j2sen ( 8p / 5 ) ùû
5
1
C1 = [ -2 + 0, 93 - j2,85 - 0,81 - jsen0,59 + 0, 62 + j1,9] = -0, 25 - j0,31 Þ C1 = 0,16
2

1
C 2 = éë -2 + 3cos ( 4p / 5 ) - 3jsen ( 4p / 5 ) + cos ( 8p / 5 ) - jsen ( 8p / 5 ) + 2 cos (16p / 5 ) - j2sen (16p / 5 ) ùû
5

1
[ -2 - 2, 43 - j1, 76 + 0,31 + j0,95 - 1, 62 + j1,18] = -1,15 + j0, 07 Þ C2 = 1,33
2
C2 =
5

1
C3 = éë -2 + 3cos ( 6p / 5 ) - 3jsen ( 6p / 5 ) + cos (12p / 5 ) - jsen (12p / 5 ) + 2 cos ( 24p / 5 ) - j2sen ( 24p / 5) ùû
5

1
[ -2 - 2, 43 + j1, 76 + 0,31 - j0,95 - 1, 62 - j1,18] = -1,15 - j0, 07 Þ C2 = 1, 33
2
C3 =
5

1
C 4 = éë -2 + 3cos ( 8p / 5 ) - 3jsen ( 8p / 5 ) + cos (16p / 5 ) - jsen (16p / 5 ) + 2 cos ( 32p / 5 ) - j2sen ( 32p / 5 ) ùû
5

1
[ -2 + 0,93 + j2,85 - 0,81 + j0,59 + 0, 62 - j1, 9] = -025 + j0,31 Þ C4 = 0,16
2
C4 =
5

Luego, la potencia media Px de la señal x(n) es:

4
Px = å C k = C 0 + C1 + C2 + C3 + C 4
2 2 2 2 2 2

k =0

Px = 0, 64 + 0,16 + 1,33 + 1,33 + 0,16 = 3, 62 [watts]

La potencia media P1 contenida en la componente continua (n=0) y en la primera armónica

(n=1) y segunda armónica (n=2), es

2
P1 = å C k = C0 + C1 + C 2 = 0, 64 + 0,16 + 1, 33 = 2,13 [watts]
2 2 2 2

k=0

En consecuencia, el porcentaje de la potencia media total de x(n), contenida en la

componente continua y en las dos primeras armónicas es

9
 P1 2,13
· 100 = · 100 = 58,84 [%]
Px 3, 62

b) Componente par xp(n). Esta componente está dada por

1
xp (n) = é x ( n ) + x ( - n ) ùû
2ë
Con

x ( n ) = {...., 2, -2,3,1, 0, 2, -2,3,1, 0, 2, -2,3,1, 0, 2, -2,3,1,........}

Se tiene

x ( - n ) = {....,3, -2, 2, 0,1,3, -2, 2, 0,1,3, -2, 2, 0,1,3, -2, 2, 0,........}

Por lo tanto

x p ( n ) = {...., 52 , -2, 52 , 21 , 21 , 25 , -2, 52 , 12 , 12 , 52 , -2, 25 , 21 , 21 , 25 , -2, 25 , 21 ,........}

Componente impar xi(n). Como

1
xi ( n ) = é x ( n ) - x ( - n ) ùû
2ë

Se tiene

x i ( n ) = {...., - 12 ,, 12 , 12 , - 12 , - 12 , 0, 12 , 12 , - 12 , - 12 , 0, 12 , 12 , - 12 , - 12 , 0, 12 , 12 ,........}

10
 PAUTA TERCERA PRUEBA DE ANÁLISIS DE SEÑALES
SEGUNDO SEMESTRE 2010.

Problema N° 1. Demostrar que la energía de una señal real es igual a la suma de las
energías de sus componentes par e impar.

Solución.
Sea la señal x(n), la que en función de sus componentes par xp(n) y componente impar xi(n)
se puede escribir como:

x(n) = x p (n) + x i (n) (I)

Por otra parte, la energía Ex de la señal x(n) real, es:

¥
E x = å x 2 (n) (II)
-¥

Reemplazando, la ecuación (I) en la (II), se obtiene:

¥
E x = å éë x p (n) + x i (n) ùû
2

-¥

Desarrollando el cuadrado del binomio, se tiene:

¥
E x = å éë x p2 (n) + 2x p (n)x i (n) + x i2 (n) ùû
-¥

Ecuación que puede escribir como:

¥ ¥ ¥
Ex = å
n =-¥
x p2 (n) + å
n =-¥
2x p (n)x i (n) + åx
n =-¥
2
i (n)

¥
La sumatoria å 2x
n =-¥
p (n)x i (n) , se puede escribir como:

¥ -1 ¥

å 2x
n =-¥
p (n)x i (n) = å 2x
n =-¥
p (n)x i (n) + 2x p (0)x i (0) + å 2x p (n)x i (n)
n =1

Como xi(0) = 0 y xp(n) = xp(-n) y xi(-n) = -xi(n), se deduce que

å 2x
n =-¥
p (n)x i (n) = 0

1
Por lo tanto:
¥ ¥
Ex = åx
n =-¥
2
p (n) + åx
n =-¥
2
i (n) = E x p (n) + E x i (n)

2
Problema N°2. a) Usando Parseval, determinar la potencia media de la señal de tiempo
discreto

æ 2p ö æ 2p ö æ 2p pö
x(n) = 1 + sen ç ÷ n + 3cos ç ÷ n + cos ç n + ÷
èNø èNø èN 2ø

b) Proponer un programa MATLAB para graficar la secuencia x(n).

Solución
a) Parseval establece que la potencia media de la señal x(n) es:

å
2
Px = Ck
n =-¥
Dado que
æ 2p pö æ 2p ö p æ 2p ö p æ 2p ö
cos ç n + ÷ = cos ç n ÷ cos - sen ç n ÷ sen = -sen ç n ÷
èN 2ø èN ø 2 èN ø 2 èN ø

Luego, x(n) queda:

æ 2p ö
x(n) = 1 + 3cos ç ÷ n
èNø
Dada la forma de x(n), los coeficientes Ck se pueden determinar usando Euler y la
definición de serie de Fourier para x(n). Aplicando Euler x(n) se puede escribir de la forma
siguiente:

x(n) = 1 +
2
(
3 j 2Npn - j 2 pn
e + e N = 1+ e N + e N
2 2
)
3 j 2 pn 3 - j 2 pn
(I)

La serie de Fourier de x(n) es de la forma:

N -1 2 pkn 2 p (1)n 2 p (2)n 2 p ( N -1)n

j j j j
x(n) = å C k e N
= Co + C1e N
+ C2e N
+ ...... + C N -1e N
(II)
k =0

Se observa que el desarrollo de la serie de Fourier de x(n) es un polinomio con potencias de

e con exponentes positivos. Comparando las ecuaciones (I) y (II), se deduce que para que la
ecuación (I) represente la representación de la serie de Fourier de que, se debe realizar la
siguiente equivalencia:

2 pn 2 p éë( N -1) - N ùû n 2 p ( N -1) n 2 p( N -1) n

-j -j j j
- j2 p
e N
=e N
=e N
e =e N

Luego, x(n) se puede escribir como:

x(n) = 1 +
2
(
3 j 2Npn - j 2 pn
e + e N = 1+ e N + e N
2 2
)
3 j 2 pn 3 j 2 p( N-1)n

3
Expresión de x(n) que representa la representación de la serie de Fourier de x(n), con

3
Co = 1 , C1 = C N -1 =
2

Los otros coeficientes de la serie de Fourier son nulos. Considerando que:

2
æ 3ö
= 1 + 2 ç ÷ [ watts ]
2 2 2 2 2
Px = Co + C1 + C N -1 = Co + 2 C1
è 2ø

Px = 5,5 [watts]

b) El programa MATLAB propuesto, con N = 5, es el siguiente

>> %Gráfica de x(n)

>>n=-5:5;
>>N=5;
>>x=1+3*cos(2*pi*n/N);
>> stem(n,x,'fill','k');
>> title('Gráfica de x(n)');xlabel('n');ylabel('x(n)');grid
Gráfica de x(n)
4

2
x(n)

-1

-2
-5 -4 -3 -2 -1 0 1 2 3 4 5
n

4
Problema N° 3. a) Determinar la convolución de las señales

x(n) = {0, 0, 1, 1, 1, 1} , y(n) = {1, -2, 3}

b) Determinar la secuencia autocorrelación normalizada y la energía de

x(n) = u(n) – u(n - 4)

Solución
a) Se empleará el método matricial

Luego,
x(n)*y(n) = {0, 0, 1, -1, 2, 2, 1, 3}

b) Se aplicará la relación
rxx ( l )
r xx ( l ) =
rxx ( 0 )

Se debe calcular rxx ( l ) , usando la relación

rxx ( l ) = x ( l ) * x ( -l )
Se tiene que x(n) es
x(n) = {1, 1, 1, 1}

Usando método matricial, se tiene:

5
 x(l)
x(-l) 1 1 1 1
1 1 1 1 1

1 1 1 1 1

1 1 1 1 1

1 1 1 1 1

Luego
rxx ( l ) = {1, 2, 3, 4, 3, 2, 1 }

Por lo tanto:

ì1 1 3 3 1 1ü
r xx ( l ) = í , , , 1, , , ý
î4 2 4 4 2 4þ

La energía Ex de la señal x(n) es

E x = rxx ( 0 ) = 4 [ J ]

6
Problema N° 4. a) Determinar la Transformada – Z y dibujar la ROC de la siguiente señal
ìæ 1 ö 2
ïç ÷ n³5
ï è 2 ø
ï
x(n) = í0 0£n £4¨
ï-2n u - n - 1
ï ( )
ïî

b) Proponer un programa MATLAB para la gráfica de x(n)

Solución
a) La seña x(n) se puede escribir como

n
æ1ö
x(n) = ç ÷ u ( n - 5 ) -2n u ( - n - 1)
è2ø
Luego
¨
ìïæ 1 ö n üï ìïæ 1 ön üï
Z {x(n)} = Z íç ÷ u ( n - 5 ) -2 u ( - n - 1) ý = Z íç ÷ u ( n - 5 ) ý + Z {-2n u ( - n - 1)}
n

îïè 2 ø þï îïè 2 ø þï

Se tiene

ìïæ 1 ö n üï ¥ æ 1 ön ¥ n
æ1 ö æ1 ö æ1
5 6
ö æ1 ö
7

Z íç ÷ u ( n - 5 ) ý = å ç ÷ z - n = å ç z -1 ÷ = ç z -1 ÷ + ç z -1 ÷ + ç z -1 ÷ + .... + 0
ïîè 2 ø þï n =5 è 2 ø n =5 è 2 ø è2 ø è2 ø è2 ø

Se trata de una serie geométrica, por lo tanto:

5
æ 1 ö -5
ìïæ 1 ö n üï çè 2 ÷ø z
Z íç ÷ u ( n - 5 ) ý = , ROC: | z | >1/2
îïè 2 ø ïþ 1 - 1 z -1
2

Por otra parte, se tiene que la componente -2 n u ( - n - 1) de x(n), es una señal anticausal, por
lo que:
-1 ¥
Z {-2n u ( - n - 1)} = å ( -2n ) z -n = -å ( 2-1 z )
m
con m = -n
n =-¥ m =1

Z {-2n u ( - n - 1)} = - éê( 2-1 z ) + ( 2-1 z ) + ( 2 -1 z ) + .... + 0 ùú

2 3

ë û

También se trata de una serie geométrica, luego

7
 2-1 z 1
Z {-2n u ( -n - 1)} = - = ROC : | z | < 2
1 - 2 z 1 - 2z -1
-1

En consecuencia, la Transformada - Z de x(n) es

5
æ 1 ö -5
ç ÷ z 1
2
X (z) = è ø + , ROC: ½ < | z | < 2
1 -1 1 - 2z -1
1- z
2

La gráfica del ROC se muestra en la Figura P.4.

Im{z}

2
1/2
Re{z}

ROC

Figura P.4

a) El programa MATLAB propuesto para graficar la seña x(n) es el siguiente. Se

considera la expresión

n
æ1ö
x(n) = ç ÷ u ( n - 5 ) -2n u ( - n - 1)
è2ø
>>%Gráfica de x(n)
>> n=-10:10;
>> u1=stepfun(n,5);
>> x1=(1/2).^n.*u1;
>> u7=1-stepfun(n,0);
>> x2=2.^n.*u7;
>> x=x1-x2;
>> stem(n,x)
>> grid
>> title('Gráfica de x(n)');xlabel('n');ylabel('x(n)');

8
 Gráfica de x(n)
0.2

0.1

-0.1
x(n)

-0.2

-0.3

-0.4

-0.5
-10 -8 -6 -4 -2 0 2 4 6 8 10
n

9
 PAUTA PRIMERA PRUEBA ANÁLISIS DE SEÑALES
PRIMER SEMESTRE 2011.

PARTE CONCEPTUAL

Pregunta N°1. ¿Cuál es la diferencia fundamental entre señales analógicas y señales de

tiempo discreto?.

Respuesta. La diferencia fundamental es que las señales analógicas están definidas para
todo valor de la variable temporal, en cambio las señales de tiempo discreto están definidas
sólo para algunos valores de la variable temporal.

Pregunta N°2. ¿Qué se entiende por densidad espectral?.

Respuesta. La densidad espectral representa la distribución de la energía o potencia en el

dominio de la frecuencia.

Pregunta N°3. ¿Qué se entiende por señal de energía y por señal de potencia?

Respuesta. Señal de energía. Una señal es de energía cuando su energía es finita y su

potencia media es nula.
Señal de potencia. Una señal es de potencia cuando su potencia media es finita, distinta de
cero, y su energía es infinita.

Pregunta N°4. Para el caso de señales periódicas de tiempo continuo,¿qué se requiere

conocer para aplicar Parseval?.

Respuesta. Para señales periódicas de tiempo continuo, se requiere determinar los

coeficientes de la Serie de Fourier para aplicar Parseval.

Pregunta N°4. ¿Cuándo dos señales son incorreladas?.

Respuesta..Dos señales x(t) e y(t) son incorreladas cuando sus correlaciones cruzadas son
nulas para todo t , o sea:

R xy ( t ) = R yx ( t ) = 0 "t

Todas las preguntas tienen una ponderación de 4 puntos.

1
PARTE PROBLEMAS

Problema N° 1. a) Determinar las componentes par e impar de la señal x(t) dada por:

2t 2 + 3t + 6
x (t) =
1+ t

b) Proponer un programa MATLAB para graficar la componente par de x(t).

Solución.
a) Componente par xp(t). La componente par xp(t) de x(t) está dada por:

1
xp ( t) = é x ( t ) + x ( - t ) ùû
2ë

Con
2t 2 - 3t + 6
x ( -t ) =
1- t
Luego
1 é 2t 2 + 3t + 6 2t 2 - 3t + 6 ù
xp ( t) = +
2 êë 1 + t 1- t ú
û

Haciendo las operaciones algebraicas, se obtiene:

6 - t2
xp ( t) =
1- t2

De la expresión obtenida para xp(t) se deduce que se cumple:

x p ( - t ) = x p ( t ) señal par

Componente impar : xI(t). La componente impar xI(t) de x(t) está dada por:

1
xI (t) = é x ( t ) - x ( - t ) ùû
2ë
O sea:
1 é 2t 2 + 3t + 6 2t 2 - 3t + 6 ù
xI ( t) = -
2 êë 1 + t 1- t ú
û

2
Obteniéndose:
2t + 3t
3

xI (t ) = 2
t -1

Se deduce
x(-t) = -x(t) , señal impar

b) Un programa MATLAB, para graficar xp(t) sería el siguiente

>> % Gráfica de xp(t) = (6-t^2)/(1-t^2)

>> t = -6:0.001:6;
>> x1 = 6– t.^2;
>> x2 = 1 – t.^2;
>> xp = x1.*x2;
>> plot(t,x);
>> title(‘Gráfica de xp(t)’);
>> xlabel(‘t’); ylabel(‘xp(t)’); grid

3
Problema N° 2. a) Si x ( t ) = 2 + 3senw0 t - 2 cos w0 t + 3cos 3w0 t - sen2w0 t , aplicando
Parseval determinar la potencia media de x(t).
b) Determinar x(t) si

X ( w) =
( jw ) + 4
é ( jw ) + 5 ( jw ) + 6 ù é ( jw ) + 2 ù 2
2
ë ûë û
Solución.
a) Aplicando Euler x(t) se puede escribir de la manera siguiente:

e jw0 t - e - jw0 t e jw0 t + e - jw0 t e j3w0 t + e - j3w0 t e j2 w0 t - e - j2 w0 t

x (t) = 2 + 3 -2 +3 -
2j 2 2 2j
Ordenando

3 - j3 w0 t 1 - j2 w0 t æ 3ö æ 3ö 1 3
x (t) = e + e + ç -1 - ÷ e - jw0 t + 2 + ç -1 + ÷ e jw0 t - e j2 w0 t + e j3w0 t
2 2j è j2 ø è j2 ø 2j 2

Considerando que la expresión de la Serie de Fourier para x(t) es:

¥ 3
x ( t ) = å C n e jnw0 t = å Cn e jnw0 t
-¥ -3

Se deduce que

3 9
C -3 = C3 = Þ C-3 = C3 =
2 2

2 4
1 1
C -2 = - j Þ C -2 =
2

2 4
3 13
C -1 = -1 + j Þ C -1 =
2

2 4
C0 = 2 Þ C0 = 4
2

3 13
C1 = -1 - j Þ C1 =
2

2 4
1 1
C2 = j Þ C2 =
2

2 4

Por lo tanto, aplicando Parseval, se tiene:

3 3
P = å Cn = C 0 + 2å Cn = C0 + 2 C1 + 2 C 2 + 2 C3
2 2 2 2 2 2 2

-3 1

4
 æ 13 1 9 ö
P = 4 + 2 ç + + ÷ [ watts]
è 4 4 4ø

31
P= [ watts]
2

b) Haciendo el cambio de variable r =jw en X(w) , se obtiene:

r+4
X (r) =
éë r 2 + 5r + 6 ùû [ r + 2]
2

Los polos de H(r ) son:

r 2 + 5r + 6 = 0 Þ p1 = -3 ; p 2 = -2 ; p3 = p 4 = -2

Luego, H(r) se puede escribir como

r+4 A1 A A 22 A 23
X (r ) = = + 21 + +
[ r + 3][ r + 2] r + 3 r + 2 ( r + 2 ) ( r + 2 )3
3 2

Con:
r+4
A1 = ( r + 3) X ( r ) r =-3 = = -1
( r + 2)
3
r =-3

r+4
A 23 = ( r + 2 ) X ( r ) r =-2 = =2
3

( r + 3 ) r =-2
Para un polo pi con multiplicidad li, los coeficientes Aik con k = 1,2,…., li -1, se calculan
aplicando:

1 é d li - k é ù
l i - k ë(
r - pi ) i X ( r ) ù ú
l
Aik = ê , k=1,2,3,.....,k-1
( li - k )! ë dr ûû
r=p i

Se obtiene
d é d ér + 4ù -1
A 22 = ( r + 2 ) X(r) ù = ê = = -1
3

dr ë ú
û r =-2 dr ë r + 3 û ( r + 3)
2
r =-2 r =-2

5
 1 d2 é 1 d é -1 ù 1 2
A 21 = · 2 ( r + 2 ) X(r) ù = · ê = · =1
3
ú
2 dr ë û
r =-2
2 dr êë ( r + 3) 2 úû 2 ( r + 3)3
r =-2 r =-2

Luego:
-1 1 -1 2
X(r) = + + +
r + 3 r + 2 ( r + 2 ) ( r + 2 )3
2

Cambiando r por jw, se tiene:

-1 1 -1 2
X(w) = + + +
jw + 3 jw + 2 ( jw + 2 ) ( jw + 2 ) 3
2

Aplicando el siguiente par de Transformada de Fourier .

ìï 1 üï t n -1 - at
F -1 í n ý
= e u (t)
îï ( j w+a ) þï ( n - 1) !

x ( t ) = - e-3t u ( t ) + e -2t u ( t ) - te -2t u ( t ) + t 2 e -2t u ( t )

6
Problema N° 3. Las señales x(t) y (t) tienen las gráficas mostradas en la Figura P3.

a) b)
Figura P 3. a) Gráfica de x(t). b) Gráfica de y(t)

a) Determinar x(t) * y(t)

b) Aplicando el concepto de correlación, determinar la energía de y(t). Aplicando las
propiedades de la autocorrelación, haga un esbozo de la gráfica Ry(t).
c) Proponer un programa MATLAB para obtener la Transformada de Fourier de y(t).

Solución.
a) Determinación de z(t) = x(t)*y(t). Considerando a x(t) como núcleo de la integral de
convolución, o sea:

z(t) = y(t) * x(t) = ò y ( t ) x ( t - t ) dt

-¥

Se tienen los siguientes casos:

a) t £ -2

En este caso
z(t) = 0

b) -2 £ t £ 0

7
En este caso
t +2 t +2
1 1
z(t) = ò
0
2
tdt = t2
4 0

1
z(t) = ( t + 2)
2

c) 0 £ t £ 2

En este caso
2 2
1 1
z(t) = ò tdt = t 2
t
2 4 t

z(t) =
1
4
( 4 - t2 )

d) t ³ 2
En este caso
z(t) = 0

Resumiendo

8
 ì0 -2 ³ t
ï1
ï ( t + 2 )2 -2 £ t £ 0
ï
z(t) = í4
ï1 (4 + t2 ) 0£t £2
ï4
ï0 t³2
î
b) Hay que determinar
¥

R y ( t) = ò y ( t ) y ( t + t ) dt
-¥

a) t ³ 2

En este caso
Ry(t) = 0
b) 0 £ t £ 2

Las ecuaciones de las rectas y(t) e y(t + t) es:

1
y (t) = t
2
1
y ( t + t) = ( t + t)
2

Luego en este caso:

-t+ 2 -t+ 2 - t+ 2
1 1 1 2 1
R y ( t) = ò t · ( t + t ) dt = ò t dt + ò ttdt
0
2 2 0
4 0
4

1 1
R y ( t) = ( 2 - t) + t ( 2 - t )
3 2

12 8

9
Como la expresión obtenida para R y ( t ) es válida en el intervalo 0 £ t £ 2 , se puede
aplicar
1 1
E = R y ( 0) = ( 2 - 0 ) + 0 ( 2 - 0 ) [ Joules]
3 2

12 8

2
E = R y ( 0) = [ Joules]
3

Esbozo de la gráfica de R y ( t ) . Considerando las propiedades de simetría par y que E es el

valor mayor que puede tomar R y ( t ) , la gráfica de R y ( t ) puede tener la forma mostrada
en Figura 3.1

Figura 3.1. Esbozo de Ry(t).

c) Programa MATLAB para la Transformada deFourier de y(t). El programa propuesto es

>>% Transformada de Fourier de y(t) = (1/2)t(u(t) – u(t-2)

>> t=sym('t','real');
>> u1=sym('heaviside(t)');
>> u2=sym('heaviside(t-2)');
>> x=u1-u2;
>> y=(1/2)*t*x;
>> Y=fourier(y)

Y=

1/2*(2*i*exp(-2*i*w)*w+exp(-2*i*w)-1)/w^2

O sea:
j2we - j2 w + e - j2 w - 1 2wsen2w + cos 2w - 1 + j ( 2w cos w - senw)
Y ( w) = =
2w2 2w2

10
 PAUTA SEGUNDA PRUEBA ANÁLISIS DE SEÑALES
PRIMER SEMESTRE 2011.

Problema Nº 1. Problema Nº 1. Sean las señales

x(n) = {-1, 2, -2, 2,1}

y(n) = {2,1, 3, 0, 2,1}

a) Aplicando autocorrelación, determinar la energía de la señal x(n).

b) Determinar ryx (l) .

Solución
a) Se aplicará el método de determinantes, o sea:

x(l)
-1 2 -2 2 1
x(-l)
1 -1 2 -2 2 1

2 -2 4 -4 4 2

-2 2 -4 4 -4 -2

2 -2 4 -4 4 2

-1 1 -2 2 -2 -1

Luego

rxx (l) = {-1, 0, 4, -8,14, -8, 4, 0, -1}

Como la energía Ex de la señal x(n), es E x = rxx (0) , se tiene

1
 E x = rxx (0) = 14[J]

b) Como
ryx (l) = y(l) * x(-l)

Se tiene

y(l)
2 1 3 0 2 1
x(-l)
1 2 1 3 0 2 1

2 4 2 6 0 4 2

-2 -4 -2 -6 0 -4 -2

2 4 2 6 0 4 2

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

De donde

ryx (l) = {2,5,1,8, -4,10, -5, 2, 0, -1}

2
Problema N º 2. La señal x(n) es periódica, con simetría par, y período 6. El períodod
básico es {1,1,1, 0,1,1} . Aplicando Parseval, determinar la potencia media de x(n)

Solución
La gráfica de la señal x(n) se muestra en la Figura P.2

x(n)

….
….

n
-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
Figura P 2

El Teorema de Parseval establece que, la potencia media Px de una secuencia x(n) periódica
de periodo N, es

N -1
Px = å Ck
2

k =0

Con

2 pkn
1 N -1 -j
Ck = å
N n=0
x(n)e N
con k = 0,1,2,..........,N-1

De acuerdo a la Figura P2, se deduce que el periodo N de la señal x(n) es N = 6. Por lo

tanto

pkn
1 5 -j
Ck = å
6 n =0
x(n)e 3
, k = 0,1,2,3,4,5

Dado que x(n) presenta simetría par, Ck se puede determinar usando

Ck =
1
6
{
x(0) + x(3)e - jpk + 2 éë x(1) cos ( p3k ) + x(2) cos ( 2 p3k ) ùû }
Considerando los valores de la secuencia x(n), se tiene

3
 Ck =
1
6
{ }
1 + x(3)e- jpk + 2 éëcos ( p3k ) + cos ( 2 p3k ) ùû

Haciendo k = 0,1,2,3,4,5, se obtiene

C0 =
1
6
{1 + 2 [1 + 1]} =
5
6
C1 = {1 + 2 [ 12 - 12 ]} =
1 1
6 6

C2 =
1
6
{1 + 2 [ - 12 - 12 ]} = -
1
6

C3 =
1
6
{1 + 2 [ -1 + 1]} =
1
6

C4 =
1
6
{1 + 2 [ - 12 - 12 ]} = -
1
6

C5 =
1
6
{1 + 2 [ 12 - 12 ]} =
1
6

En consecuencia

5
Px = å C k = C 0 + C1 + C3 + C 4 + C5
2 2 2 2 2 2

k =0

2 2
æ5ö æ 1 ö 30
Px = ç ÷ + 5 ç ÷ = [ w ]
è6ø è 6 ø 36

5
Px = = 0,833[ w ]
6

4
Problema Nº 3. a) Proponer un programa MATLAB para graficar la señal:

ì -5 -5 £ n £ 0
ï5-3n 0<n £ 4
ï
x(n) = í
ï-23-n
2
4<n £ 8
ïî41 8<n £ 14
b) Determinar la densidad espectral de la señal

n
æ1ö
x(n) = ç ÷ u(n - 1)
è3ø
Solución
a). La señal x(n) dada se puede escribir como

x(n) = -5 [ u(n + 5) - u(n)] + ( 5 - 3n ) ëé u ( n - 1) + u ( n - 4 ) ûù - 23n 2 [ u(n - 5) - u(n - 8)] + 41 ëé u ( n - 9 ) - u(n - 15) ûù

El Programa MATLAB propuesto, para graficar x(n), es el siguiente

>> % Gráfica de la señal x(n)

>> n =-10:20;
>> u1=stepfun(n,-5); u2=stepfun(n,0);
>> u3=stepfun(n,1); u4=stepfun(n,4);u5=stepfun(n,5);
>> u6=stepfun(n,8); u7=stepfun(n,9); u8=stepfun(n,15);
>> x=-5*(u1-u2)+(5-3*n).*(u3+u4)-23*n.*(u5-u6)+41*(u7-u8);
>> plot(n,x);
>> grid;title('Gráfica de x(n)');
>> xlabel('n');ylabel('x(n)');

Gráfica de x(n)
50

-50
x(n)

-100

-150

-200
-10 -5 0 5 10 15 20
n

Gráfica de x(n)

5
b) Dado que la señal x(n) dada, presenta limitación mixta en el tiempo, es una señal descrita
en términos de energía, luego su densidad espectral de energía está dada por

Sxx ( W ) = X ( W )
2

La señal x(n) de este apartado, se puede escribir como

( n -1)
1æ1ö
x(n) = ç ÷ u(n - 1)
3è3ø
Definiendo, la secuencia y(n) como
(n )
æ1ö
y (n ) = ç ÷ u(n)
è3ø
Se tiene que
( n -1)
1 1æ1ö
x ( n ) = y ( n - 1) = ç ÷ u(n - 1)
3 3è 3ø

Por lo tanto, aplicando la propiedad de desplazamiento temporal,

F{x ( n - k )} = e - jkW X ( W )
se tiene

F{x ( n )} = X ( W ) = F {y ( n - 1)} = e- jW Y ( W )
1 1
3 3
Con
ìïæ 1 ö( n ) üï 1
F íç ÷ u(n) ý = Y ( W ) =
îïè 3 ø
1
þï 1 - e - jW
3
Luego
1 e- jW
X ( W) =
3 1 - 1 e - jW
3
Por lo tanto:
1 1 1 1
Sxx ( W ) = =
9æ 1 2
ö 1 9 10 - 6 cos W
ç 1 - 3 cos W ÷ + 9 sen W
2

è ø 9

1
Sxx ( W ) =
10 - 6 cos W

6
 PAUTA TERCERA PRUEBA ANÁLISIS DE SEÑALES
PRIMER SEMESTRE 2011.

Problema Nº 1. a)Determinar la respuesta al impulso y la respuesta al escalón del sistema

causal caracterizado por

y(n) - 0,7y(n - 1) + 0,1y(n - 2) = 2x(n) – x(n – 2)

b) Dibujar el diagrama de polos y ceros y determinar si el sistema es estable

Solución
a) Aplicando el método indirecto, se tendrá:

Y(z) - 0, 7z -1Y(z) + 0,1z -2 Y(z) = 2X(z) - z -2 X(z)

de donde

Y(z) =
( 2 - z ) X(z)
-2

=
( 2z 2
- 1) X(z)
(1)
1 - 0, 7z -1 + 0,1z -2 z 2 - 0, 7z + 0,1

Respuesta al impulso: x(n) = d(n). En este caso:

X(z) = 1

Por lo tanto

2z 2 - 1
H(z) = 2
z - 0, 7z + 0,1

Los polos de Y(z), son:

z 2 - 0, 7z + 0,1 = 0 Þ p1 = 0, 5 , p 2 = 0, 2

Luego, Y(z) se puede escribir como:

2z 2 - 1
H(z) =
( z - 0,5 )( z - 0, 2 )
Para realizar la expansión en fracciones parciales de Y(z), se hace

1
 z ( 2z 2 - 1)
H(z) =
z ( z - 0,5 )( z - 0, 2 )
Luego
H(z) 2z 2 - 1 A A2 A3
= = 1+ +
z z ( z - 0,5 )( z - 0, 2 ) z z - 0,5 z - 0, 2

H(z) 2z 2 - 1
A1 = z = = -10
z z =0 ( z - 0, 5)( z - 0, 2 ) z =0

H(z) 2z 2 - 1 10
A 2 = (z - 0,5) = =-
z z =0,5 z ( z - 0, 2 ) z =0,5 3

H(z) 2z 2 - 1 46
A3 = (z - 0, 2) = =
z z =0,2 z ( z - 0,5 ) z =0,2 3

Por lo tanto,

10 46
H(z) = -10 - 3
+ 3

1 - 0,5z -1 1 - 0, 2z -1

En consecuencia

10 46
h(n) = -10d(n) - ( 0,5 ) u(n) + ( 0, 2 ) u(n)
n n

3 3

Respuesta al escalón unitario u(n). En este caso

1 z
X(z) = -1
=
1- z z -1

Aplicando esta expresión de X(z) en la ecuación (1), del apartado a), se obtiene

Y(z) =
( 2z 2
- 1)
·
z
( z - 0, 5)( z - 0, 2 ) z - 1

2
De donde

Y(z)
=
( 2z 2 - 1)
=
A1
+
A2 A
+ 3
z ( z - 0,5 )( z - 0, 2 )( z - 1) z - 0,5 z - 0, 2 z - 1

Se tiene

A1 = ( z - 0,5 )
Y(z)
=
( 2z 2 - 1)
=
10
z z= 0,5 ( z - 0, 2 )( z - 1) 3
z = 0,5

A 2 = ( z - 0, 2 )
Y(z)
=
( 2z 2 - 1)
=-
23
z z =0,2 ( z - 0, 5)( z - 1) 6
z = 0,2

A3 = ( z - 1)
Y(z)
=
( 2z 2 - 1)
=
5
z z =1 ( z - 0,5 )( z - 0, 2 ) 2
z =1

En consecuencia

10
- 236 5
Y(z) = 3
+ + 2

1 - 0,5z -1 1 - 0, 2z -1
1 - z -1

Por lo tanto, la respuesta al escalón es

é 5 10 23 nù
y(n) = ê + ( 0,5 ) - ( 0, 2 ) ú u(n)
n

ë2 3 6 û

Diagrama de polos – ceros.

Del apartado a), se tiene que la expresión de H(z) es

2z 2 - 1
H(z) =
( z - 0,5 )( z - 0, 2 )

Se deduce que los ceros de H(z) son

3
 2 2
2z 2 - 1 = 0 Þ z1 = , z2 = -
2 2
y los polos son
p1 = 0,5 , p 2 = 0, 2
Por lo tanto, el diagrama de polos – ceros, se muestra en la Figura P1
Im{}

0,5 Re{}
O X X O
-0,7 0,2 0,7

Figura P1

Como en este caso se cumple los dos polos tienen un módulo menor que uno, o sea están
dentro de la circunferencia unitaria, se deduce que el sistema es estable y es causal porque
h(n) = 0 para n < 0.

4
 Problema Nº 2. Para el sistema de tiempo discreto LTI mostrado en la Figura P2,
determinar:
a) La ecuación en diferencias que relacione y(n) con x(n).
b) La función respuesta de frecuencia.
c) La respuesta de estado cero, si x(n) =(n+1)2nu(n).

x(n) 1 + y(n)
4 + + z -1 z -1 - +
+

1
2

Figura P 2
Solución
a) Sea v(n) la señal de salida del sumador en la entrada del sistema, por lo tanto, se tendrá

1 1
v(n) = x(n) + v(n - 2) (2.1)
4 2

En el sumador de salida, se tendrá

y(n) = v(n) - v(n - 2) (2.2)

De la ecuación (2.1), se obtiene

x(n) = 4v(n) - 2v(n - 2) (2.3)

Del sistema de ecuaciones (22.) y (2.3), se obtiene

1
v(n) = x(n) - y(n) (2.4)
2
De aquí
1
v(n - 2) = x(n - 2) - y(n - 2) (2.5)
2

En consecuencia, (2.4) y (2.5) en (2.2), se tiene

5
 1 1
y(n) = x(n) - y(n) - x(n - 2) + y(n - 2)
2 2

Finalmente

1 1 1
y(n) - y(n - 2) = x(n) - x(n - 2)
2 4 4

b) Considerando que la expresión genérica de una ecuación en diferencias es

N M

åa
k =0
k y(n - k) = å b k x(n - k)
k=0

Y que la función respuesta de frecuencia H(W) es

åb e k
- jkW
b 0 + b1e - jW +·······+ b M e - jMW
H(W) = k =0
=
N
a 0 + a1e - jW +·······+ a N e - jNW
åa e
k =0
k
- jkW

Se tiene que para el problema dado

1
- 14 e- j2 W
H(W) = 4

1 - 12 e- j2 W

1 æ 1 - cos 2W + jsen2W ö
H(W) = ·ç ÷
2 è 2 - cos 2W + jsen2W ø

c) Dado que el sistema es relajado, se tiene que la respuesta de estado - cero corresponde a
la solución total, y(n), de la ecuación en diferencias que modela al sistema dado: Como

1 1 1
y(n) - y(n - 2) = x(n) - x(n - 2) (2.6)
2 4 4

y que x(n) = (n+1)2nu(n), se tiene que x(n) se puede escribir como

x(n) = n2n u(n) + 2n u(n)

6
De aquí, aplicando el principio de superposición a la ecuación (2.6), se tiene

1 1 1
y1 (n) - y1 (n - 2) = n2n - 2 n
2 4 4

En notación operacional, se tiene

æ 1 -2 ö 1 n 1 n
ç 1 - S ÷ [ y1 (n)] = n2 - 2
è 2 ø 4 4

La solución total y1 (n) es

y1 (n) = y h (n) + y p (n)

Solución homogénea yh(n). La ecuación homogénea asociada es

æ 1 -2 ö
ç 1 - S ÷ [ y1 (n)] = 0
è 2 ø

El polinomio característico de esta ecuación es

1 2 2
r2 - = 0 Þ r1 = , r2 = -
2 2 2

Por lo tanto, la solución homogénea es

n n
æ 2ö æ 2ö
y h (n) = C1 çç ÷÷ + C 2 çç - ÷÷
è 2 ø è 2 ø

Solución particular yp(n).Considerando que

æ 1 -2 ö 1 n 1 n
ç 1 - S ÷ [ y1 (n)] = n2 - 2 (2.7)
è 2 ø 4 4

Y considerando que la secuencia C3 x1(n) + C4 x2(n) tiene como operador anulador LA =

Lx1(S)Lx2(S), se tiene

L A = (1 - 2S-1 ) (1 - 2S-1 ) = (1 - 2S-1 )

2 3

7
Aplicando LA a la ecuación (2.7), se obtiene

æ 1 -2 ö
(1 - 2S ) -1 3
ç1 - S ÷ [ y(n)] = 0
è 2 ø

Como las raíces de LA son diferentes a las del polinomio característico de la ecuación
homogénea asociada, se tiene que las raíces de LA representan la solución particular. Dado
que la raíz de LA es r =2 con grado de multiplicidad 3, se tiene que la solución particular
yp(n) es de la forma

y p (n) = C3 ( 2 ) + C 4 n ( 2 ) + C5 n 2 ( 2 )
n n n

Evaluación de los Coeficientes C3, C4, C5. Aplicando la expresión de yp(n) en la ecuación
en diferencias original, se tiene

C3 ( 2 ) + C4 n ( 2 ) + C5 n 2 ( 2 ) -
n n n 1
2
(C3 ( 2 ) + C 4 ( n - 2 )( 2 ) + C5 ( n - 2 ) ( 2 )
n-2 n -2 2
)
n -2 1 1
= n2 n - 2 n
4 4

De donde, se obtiene

æ7 1 ö n æ7 1 ö n 7 1 n 1 n
ç C 4 + C5 ÷ n2 + ç C3 - C5 ÷ 2 + C5 n 2 = n2 - 2
2 n

è8 4 ø è8 2 ø 8 4 4

De esta ecuación se deduce

2 2
C3 = - , C4 = , C5 = 0
7 7

En consecuencia,

2 2
y p (n) = - ( 2) + n ( 2)
n n

7 7

Por lo cual

n n
æ 2ö æ 2ö 2 n 2
y1 (n) = C1 çç ÷÷ + C 2 çç - ÷÷ - ( 2 ) + n ( 2 )
n

è 2 ø è 2 ø 7 7

8
Evaluación de C1 y C2: Aplicando condiciones iniciales en la ecuación en diferencias
original y en la solución total, se tiene

Para n =0 en la ecuación en diferencias original, se obtiene

1 1 1
y1 (0) - y1 (-2) = - Þ y1 ( 0 ) = -
2 4 4

Para n =1 en la ecuación en diferencias original, se obtiene

1 1 1
y1 (1) - y1 (-1) = 2 - 2 Þ y1 (1) = 0
2 4 4

Haciendo n = 0 y n = 1, en la solución total se obtiene

2
y1 (0) = C1 + C 2 -
7

2 2
y1 (1) = C1 - C2
2 2

Por lo tanto, se tiene el sistema de ecuaciones

2 1
C1 + C 2 - =-
7 4
2 2
C1 - C2 = 0
2 2

De donde se obtiene

1
C1 = C 2 =
56

Por lo tanto, la solución total es

n n
1 æ 2ö 1 æ 2ö 2 n 2
y1 (n) = çç ÷÷ + çç - ÷÷ - ( 2 ) + n ( 2 )
n

56 è 2 ø 56 è 2 ø 7 7

9
 1
Para la componente de la señal de entrada - x(n - 2) , se tendrá que la respuesta
4
correspondiente es - y1 (n - 2) , la respuesta de estado estacionario es

y ( n ) = y1 ( n ) - y1 (n - 2)

O sea

n n n-2 n -2
1 æ 2ö 1 æ 2ö 2 n 2 1 æ 2ö 1 æ 2ö 2 n -2 2
÷÷ - ( 2 ) + n ( 2 ) - çç ( 2 ) - ( n - 2 )( 2 )
n -2
y(n) = çç ÷÷ + çç - - çç - +
n
÷ ÷
56 è 2 ø 56 è 2 ø 7 7 56 è 2 ÷ø 56 è 2 ÷ø 7 7

n n
1 æ 2ö 1 æ 2ö 1 3
y ( n ) = - çç ÷÷ - çç - ÷÷ + ( 2 ) + n ( 2 )
n n

56 è 2 ø 56 è 2 ø 14 14

10
 Problema Nº 3. Un sistema LTI, tiene como secuencia de entrada

x(n) = ( 12 ) u(n) + ( 2 ) u(-n - 1)

n n

Para esta secuencia de entrada la secuencia de salida y(n) es

y(n) = 6 ( 12 ) u(n) - 6 ( 34 ) u(n)

n n

a) Determinar la función de sistema H(z) del sistema. Dibujar el diagrama de polos y ceros
de H(z) e indicar la región de convergencia.
b) Determinar la respuesta h(n) al impulso del sistema.
c) Escribir la ecuación diferencia que caracteriza al sistema.
d) Determinar si el sistema es estable y/o causal.

Solución
a) La secuencia x(n) se puede escribir como

x(n) = ( 12 ) u(n) - é - ( 2 ) u(- n - 1) ù

n n
ë û

Por lo tanto

1 1 1
X(z) = -1
- , ROC: < z <2
1- z1
2 1 - 2z -1 2

X(z) se puede escribir como

- 32 z
X(z) =
( z - 12 ) ( z - 2 )

Como
y(n) = 6 ( 12 ) u(n) - 6 ( 34 ) u(n)
n n

Se tiene
6 6 3
Y(z) = -1
- -1
, ROC: z >
1- z 1
2 1- z3
4 4

11
 - 32 z
Y(z) =
( z - 12 ) ( z - 43 )

Por lo tanto

Y(z) z - 2 3
H(z) = = , ROC: < z <2
X(z) z - 34 4

Diagrama de Polos – Ceros. El diagrama de polos – ceros se muestra en la Figura P3

jw

X O
3/4 2 s

Figura P3

b) Se tiene que

ìz - 2ü
h(n) = Z -1 {H(z)} = Z-1 í 3ý
îz - 4 þ

h(n) se puede escribir como

ì 1 ü ì z -1 ü
h(n) = Z -1 í 3 -1 ý - 2Z -1 í 3 -1 ý
î1 - 4 z þ î1 - 4 z þ

De donde

n n -1
æ3ö æ3ö
h(n) = ç ÷ u(n) - 2 ç ÷ u ( n - 1)
è4ø è4ø

12
c) Como

e jW - 2 1 - 2- jW
H ( W ) = H(z) z = jW = =
e jW - 34 1 - 34 e - jW

y dado que
M

åb e k
- jkW
b 0 + b1e - jW +·······+ b M e - jMW
H(W) = k =0
=
N
a 0 + a1e - jW +·······+ a N e - jNW
åa e
k =0
k
- jkW

con
N M

å a k y(n - k) = å bk x(n - k)
k =0 k=0

Se tiene que la ecuación en diferencias que modela al sistema es

3
y ( n ) - y ( n - 1) = x(n) - 2x ( n - 1)
4

d) El sistema es estable porque su función de sistema tiene el único polo con módulo menor
que uno, o bien porque h(n) tiende a cero cuando n tiende a infinito, y es causal dado que
h(n) = 0 para n < 0.

13
 PAUTA PRIMERA PRUEBADE ANALISIS DE SEÑALES
SEGUNDO SEMESTRE 2011 PLAN 2006

Problema N° 1. Sea la señal x(t) periódica con periodo T, y con xb(t) como periodo básico
dado por

x b ( t ) = t éë u ( t ) - u ( t - T / 2 ) ùû + u ( t - T / 2 ) - u ( t - T )
a) Determinar la potencia media relativa a la potencia media total, contenida en las tres
primeras armónicas.
b) Proponer un programa MATLAB para obtener el valor eficaz de x(t) dada.

Solución
a) Para mayor claridad en la solución del problema, es conveniente hacer la gráfica de x(t),
la que se muestra en la Figura P1.

Figura P1

La potencia media P de una señal periódica x(t) usando Parseval es:

¥
P= å
n =-¥
C 2n

Como se pide la potencia contenida en las tres primeras armónicas, Parseval se puede
escribir de la siguiente manera:

3 3

å Cn2 = C 0 + 2å Cn
2 2
P3 =
n =-3 n =1

P3 = C0 + 2 é C1 + C 2 + C3 ù
2 2 2 2
ë û

Por otra parte:

T
1
C n = ò x ( t ) e - jnw0 t dt
T0

De acuerdo a la Figura P1, se tiene

 1é T - jnw0 t ù
T/2 T

ò ò 2 e dt úû
- jnw0 t
Cn = ê te dt +
Të 0 T/2

Integrando, se obtiene:

é T/2
ù
1 ê e - jnw0 t T
2 (
- jnw0 t - 1) + ú
T
Cn = e - jnw0 t
T ê ( - jnw0 ) - jnw0 2 T/2 ú
ë 0 û

1 é e - jnw0 T / 2 1 ù
Cn = ê
T êë ( - jnw0 )
( - jn w T / 2 - 1) - 2 ú
-
1
(
e - jnw0 T - e- jnw0 T / 2 )
( nw0 ) úû w
2 0
jn 0 2

e - jnw0 T / 2 e- jnw0 T / 2 1 e - jnw0 T e - jnw0 T / 2

Cn = j + 2 2 - 2 2+j -j
2nw0 n w0 T Tn w0 nw0 2 nw0 2

e - jnw0T / 2 1 e - jnw0T
Cn = 2 2 - 2 2 + j
n w0 T Tn w0 nw0 2

e - jnw0 T
Cn =
T
T 2 n 2 w20
e(- jnw0 T / 2
- 1 + jT )
2Tnw0

Como w0 T = 2p , se tiene

e - jn 2 p
Cn =
T
(e - jnp
- 1) + jT
( 2np ) 4np
2

T cos n2p
Cn = - (1 - conp ) + jT
( 2np ) 4np
2

é 1 2 æ n ö cos n2p ù
C n = T ê - sin c ç ÷ + j
ë 8 è2ø 4np úû

é 1 ù T2
C0 = T ê - + j0 ú Þ C 0 =
ë 8 û 64

é 1 2 æ 1 ö cos 2p ù 2 é1 æ1ö 1 ù
C1 = T ê - sin c ç ÷ + j ú Þ C1 = T 2 ê sin c4 ç ÷ + 2ú
ë 8 è2ø 4p û ë 64 è 2 ø 16p û
 é 1 cos 4p ù é 1 ù
C 2 = T ê - sin c (1) + j
2 2
ú Þ C2 = T 2 ê
ë 8 8p û ë 64p úû
2

é 1 2 æ 3 ö cos 6p ù 2 é1 æ3ö 1 ù
C3 = T ê - sin c ç ÷ + j ú Þ C3 = T 2 ê sin c 4 ç ÷ + 2 ú
ë 8 è2ø 12p û ë 64 è 2 ø 144p û

é 1 cos 4p ù é 1 ù
C 2 = T ê - sin c (1) + j
2 2
ú Þ C2 = T 2 ê
ë 8 8p û ë 64p úû
2

T2 é1 æ1ö 1 1 1 æ3ö 1 ù
P3 = + 2T 2 ê sin c 4 ç ÷ + + + sin c 4 ç ÷ + 2 ú
è 2 ø 16p 64p 64 è 2 ø 144p û
2 2
64 ë 64

Con:

æ1ö æ3ö
sin c ç ÷ = 0, 6366 ; sin c ç ÷ = -0, 2122
è2ø è2ø

Se obtiene

P3 = 0, 0379 · T 2 [watts]

La potencia media total PT esta dada por:

T/2 T
1 1 T2 1 T3 T T
PT = ò t dt + ò dt = · + ·
2

T 0
T T/ 2 4 3T 8 4 2

1
PT = · T 2 [watts]
6

En consecuencia:

P3 0, 0379 · T 2
100[%] = = 22, 74[%]
PT 1 2
·T
6

b) Se tiene que el valor eficaz Xeff está dado por

X eff = < x 2 ( t ) >

Con
 T
1 2
< x 2 ( t ) >= x ( t ) dt
T ò0

T/ 2 T
1 1 T2
< x 2 ( t ) >= ò T Tò/ 2 4
t 2 dt + dt
T 0

Luego, el programa MATLAB propuesto es:

>> %Cálculo valor eficaz

>> t=sym('t');
>> T=sym('T');
>> x1=t^2;
>> x2=int(x1,t,0,T/2);
>> x3=(T^2)/4;
>> x4=int(x3,t,T/2,T);
>> xcm=(1/T)*(x2+x4);
>> xeff=sqrt(xcm)

xeff =

1/6*6^(1/2)*(T^2)^(1/2)

O sea:

T 6
X eff = = T
6 6
Problema N° 2. a) Proponer un programa MATLAB para determinar la densidad espectral
de la señal x ( t ) = 2e .
-t

b) Determinar la señal x(t) si su transformada de Fourier X(w) es:

1 + j2w
X ( w) =
( jw ) - 4 jw - 4
2

Solución
a) Dado que x(t) presenta limitación de tiempo asintótica, x(t) es señal de energía por lo que
su densidad espectral de energía Sxx(f) está dada por

Sxx ( f ) = X ( f ) = X ( f ) X* ( f )
2
(1)

Como x(t) dada presenta simetría par, la transformada de Fourier de x(t) se puede
considerar como la transformada de la señal 2e-tu(t). Esta situación se considerará para
escribir el programa MATLAB propuesto, aplicando además la ecuación (1)

>> t=sym('t');
>> w=sym('w','real');
>> u=sym('Heaviside(t)');
>> x1=exp(-t);
>> x=2*x1*u;
>> X=fourier(x);
>> X1=real(X);
>> X2=imag(X);
>> XC=X1-i*X2;
>> S=X*XC;
>> S=
4/(1+i*w)/(1-i*w

b) Se aplica:
x ( t ) = F-1 {X(f )}

Dado que X(f) es una función racional, se hará uso de la expansión en fracciones parciales
de X(f).Luego, haciendo el cambio de variable r = jw, se tiene:

1 + 2r 1 + 2r
X (r ) = =
( )
r - 4r - 4 é r - 2 1 + 2 ù é r - 2 1 - 2 ù
2

ë ûë û ( )
1 + 2r A B
X (r) = = +
( ) ( ) (
ér - 2 1 + 2 ù é r - 2 1 - 2 ù ér - 2 1 + 2 ù é r - 2 1 - 2 ù
ë ûë û ë û ë û ) ( )
 1 + 2r 5+ 4 2 5 2
( )
A = ér - 2 1 + 2 ù X ( r ) = = = +1
ë û r = 2(1+ 2 )
ë ( )
ér - 2 1 - 2 ù
û r = 2(1+ 2 )
4 2 8

1 + 2r 5-4 2
( )
B = ér - 2 1 - 2 ù X ( r ) = = = 1-
5 2
ë û r = 2(1- 2 )
ë ( )
ér - 2 1 + 2 ù
û (
r = 2 1- 2 )
-4 2 8

æ 5 2ö 1 æ 5 2ö 1
X ( r ) = çç1 + ÷÷ + çç 1 - ÷÷
è ë ( û )
8 ø ér - 2 1 + 2 ù è 8 ø ér - 2 1 - 2 ù
ë û ( )
Haciendo r =jw, se tiene

æ 5 2ö 1 æ 5 2ö 1
X ( f ) = çç1 + ÷÷ + çç 1 - ÷÷
è ë ( û )
8 ø é jw - 2 1 + 2 ù è 8 ø é jw - 2 1 - 2 ù
ë û ( )
Aplicando:
ì 1 ü - at
F -1 í ý = e u(t)
î a + jw þ
Se obtiene:

éæ 5 2 ö 2(1+ 2 ) t æ 5 2 ö 2(1- 2 ) t ù
x ( t ) = êçç 1 + ÷e + çç 1 - ÷e ú u (t)
êëè 8 ÷ø è 8 ÷ø úû
Problema N° 3. Se tienen las señales

x(t) = tÕ ( t -1/1 2 ) + éë -t Õ t +11/ 2 ùû

y ( t ) = Õ ( t -21 )

a) Determinar
b) Determinar la autocorrelación de x(t).

Solución.
a) Las gráficas de x(t) e y(t) se muestran en la Figura P 3

Figura P 3.

Por simplicidad se considerará que y(t) es el núcleo de la integral de convolución, luego se

tiene
¥

z(t) = x (t)* y (t) = ò x ( t ) y ( t - t ) dt

-¥

a) t £ -1

z(t) = ò x(t)y(t - t)dt = 0

-¥

b) -1 £ t £ 0
En este caso
t
t2 -t 2 + 1
t
z(t) = ò -tdt = - =
-1
2 -1
2

c) 0 £ t £ 1

0 t
t2 t2 t2 +1
0 t
z(t) = ò -tdt + ò tdt = - + =
-1 0
2 -1
2 0 2
d) 1 £ t £ 2

0 1
t2 t2 t 2 - 4t + 5
0 1
z(t) = ò -tdt + ò tdt = - + =
t -2 0
2 t -2
2 0 2
e) 2 £ t £ 3
 1
t2 - t 2 + 4t - 3
1
z(t) = ò tdt = =
t -2
2 t -2
2
f) t ³ 3
z(t) = 0
ì0 t £ -1
ï 2
ï -t + 1 -1 £ t £ 0
ï 2
ï t2 +1
ï 0 £ t £1
ï
z (t ) = í 22
ï t - 4t + 5 1£ t £ 2
ï 2
ï 2
ï - t + 4t - 3 2£t£3
ï 2
ï0 t³3
î

b) Para calcular la autocorrelación x(t), dado que x(t) es de energía, se hará uso de

R x ( t ) = x ( t ) * x ( -t )
a) t £ -2

R x ( t) = 0
b) -2 £ t £ -1
Las ecuaciones de las rectas L1 y L2 son

L1 = y1 ( t ) = - t + t L2 = y2 ( t ) = t - t

t+1 t+1

R x ( t) = ò y 2 ( t ) x ( t ) dt = ò ( t - t )( -t ) dt
-1 -1
Integrando, se obtiene
1 2
R x ( t ) = t3 - t -
6 3
-1 £ t £ 0

t 0 t+1
R x ( t) = ò ( -t + t )( -t ) dt + ò ( t - t)( - t ) dt + ò ( t - t )( t ) dt
-1 t 0

1 2
R x ( t ) = - t3 + t +
2 3
0 £ t £1

0 t 1
R x ( t) = ò ( - t + t)( - t ) dt + ò ( - t + t)( t ) dt + ò ( t - t) tdt
t-1 0 t
 1 3 2
R x ( t )1 = t -t+
2 3

1£ t £ 2

1
R x ( t) = 0 R x ( t) = 0 R x ( t) = ò ( - t + t)( t ) dt
t-1

1 2
R x ( t ) = - t3 + t -
6 3
t³2

R x ( t) = 0

Resumiendo

ì0 t £ -2
ï1
ï t3 - t - 2 -2 £ t £ -1
ï6 3
ï 1 3 2
ï- t + t + -1 £ t £ 0
ï 2
R x ( t) = í
3
ï 1 t3 - t + 2 0 £ t £1
ï2 3
ï 1 2
ï- t3 + t - 1£ t £ 2
ï 6 3
ïî0 t³2
 PAUTA SEGUNDA PRUEBA DE ANÁLISIS DE SEÑALES
SEGUNDO SEMESTRE 2011.

Problema N° 1. Determinar la energía y la potencia de las señales x(n) = Ad(n) e y(n) = A.

Solución
Energía
Señal x(n). Aplicando la definición de energía

å
2
Ex = x(n)
n =-¥
A la señal x(n) dada, se tiene:

å
2
Ex = Ad(n) = +...... + A 2 d(-2) + A 2 d(-1) + A 2 d(0) + A 2 d(1) + A 2 d(2) + ...
n =-¥

Como

ì1 para n=0
d(n) = í
î0 otros valores

Se obtiene

E x = A 2 [ Joules ]

Señal y(n). En este caso:

å
2
Ey = A = +...... + A 2 + A 2 + A 2 + A 2 + ...
n =-¥

O sea, Ey es igual a la suma infinita de términos A2 , en consecuencia

Ey = ¥

Potencia
Señal x(n).. Como

1 N
1 N
A2
Px = lím å = å d =
2 2
x(n) lím A (n) lím
N ®¥ 2N + 1 N ®¥ 2N + 1 N ®¥ 2N + 1
n =- N n =- N
Luego

Px = 0

1
Señal y(n). Considerando y(n) dada, se tiene

1 N
( 2N + 1) A 2
å A = Nlím
2

Py = lím
N ®¥ 2N + 1 ®¥ 2N + 1
n =- N

En consecuencia:

Py = A 2 [ watts ]

De los resultados obtenidos, se deduce que la señal x(n) es de energía y que la señal y(n) es
de potencia.

2
Problema N° 2. Sean las secuencias x(n) = {1,1,2,2} e y(n) = {2,2,1,1}

Aplicando correlación, determinar la energía de la señal z(n) = x(n) + y(n).

Solución
Como z(n) = x(n) + y(n), se tiene

rzz ( l ) = rxx ( l ) + rxy ( l ) + ryx ( l ) + ryy ( l )

Como Ez = rzz(0), se tiene

rzz ( 0 ) = rxx ( 0 ) + rxy ( 0 ) + ryx ( 0 ) + ryy ( 0 )

Aplicando
rxx ( l ) = x ( l ) * x ( -l )
En forma matricial se tiene:

x (l)
x ( -l ) 1 1 2 2

2 2 2 4 4

2 2 2 4 4

1 1 1 2 2

1 1 1 2 2

De la matriz resultante, se deduce que rxx(0) = 10.

Realizando procesos similares, se obtiene que:

y ( -l )
y (l) 1 1 2 2

2 2 2 4 4

2 2 2 4 4

1 1 1 2 2

1 1 1 2 2

3
También se deduce que ryy(0) = 10.
Para rxy ( l ) , se tiene
rxy ( l ) = x ( l ) * y ( -l )

En forma matricial, se obtiene

x ( l)

rxy ( l ) = 8

También se cumple que

ryx ( l ) = rxy ( -l )
Luego para l = 0 , se tiene

ryx ( 0 ) = rxy ( 0 ) = 8

Por lo que:

E z = rzz ( 0 ) = 10 + 8 + 8 + 10 = 28 [ joules ]

4
Problema N° 3. Determinar la secuencia autocorrelación de la secuencia x(n) = u(-n).

Solución
Como x(n) = u(-n) es una señal de potencia, por no estar limitada en el tiempo y por ser
acotada en magnitud, se tiene que su secuencia autocorrelación q xx ( l )

M
1
q xx ( l ) = lím
M ®¥ 2M + 1
å u(-n)(-n - l)
n =- M

La gráfica de u(-n), se muestra en la Figura P3

Figura P 3

Considerando | M | > | l | , se tiene que para l > 0 u(-n) se desplaza hacia la izquierda en un
monto -l , luego:

1 -M
q xx ( l ) = lím
M ®¥ 2M - 1
å u(-n)u(-n - l)
n =- l

En todoel intervalo [-M, -l ] el producto u(-n)u(-n - l) = 1, por lo tanto

M - l +1 1
q xx ( l ) = lím =
M ®¥ 2M - 1 2

Para l < 0 , se tiene

l
1
q xx ( l ) = lím
M ®¥ 2M - 1
å u(-n)u(-n - l)
n =- M

Obteniéndose:
M - l +1 1
q xx ( l ) = lím =
M ®¥ 2M - 1 2

En consecuencia

1
q xx ( l ) = "l
2

5
 PAUTA TERCERA PRUEBA DE ANÁLISIS DE SEÑALES
SEGUNDO SEMESTRE 2011.

Problema N° 1. a) Determinar la Transformada – Z la señal x(n) dada, dibujar el diagrama

de polos y la ROC de X(z)

x(n) = (n – 1)u(n) – nu(n – 2)

b) Determinar la Transformada – Z inversa x(n) si su Transformada – Z X(z) es

3z -3
X (z) =
(1 - z -1 )
2
1
3

b1) si x(n) es causal.

b2) si x(n) es anticausal.

Solución
a) La señal x(n) dada se puede escribir como:

x(n) = n [ u(n) - u(n - 2) ] - u(n)

Pero:
n [ u(n) - u(n - 2) ] = d(n - 1)
O sea:
x(n) = d(n - 1) - u(n)

En consecuencia:
1
X(z) = z -1 - ; ROC: | z | > 1
1 - z -1

-z2 + z - 1
X(z) = ; ROC: | z | > 1
z (1 - z -1 )

Los ceros de H(z) son

1 3
z1 = +j
2 2

1 3
z1 = -j
2 2

1
Los polos de H(z) son
p1 = 0

p2 = 1
La gráfica de la ROC y de ceros y polos, se muestra en la Figura P1

Figura P1.

b) La Transformada – Z dada
3z -3
X (z) =
(1 - z -1 )
2
1
3

Se puede escribir como:

1
z -1
X ( z ) = 9z -2 3

(1 - z -1 )
2
1
3

b1) Si x(n) es una señal causal y dado que

az -1
Z {na u ( n )} =
n

(1 - az ) -1 2

Aplicando la propiedad de desplazamiento temporal, obtiene:

n-2
æ1ö
x ( n ) = 9 ( n - 2) ç ÷ u ( n - 2)
è 3ø
2
b2.) Si x(n) es una señal anticausal, y por un proceso similar al caso b1) se tiene que en este
caso, la señal x(n) es:

n -2
æ1ö
x ( n ) = -9 ( n - 2 ) ç ÷ u ( -n + 1)
è 3ø

3
Problema N° 2. La secuencia x(n) tiene simetría par, con Transformada – Z X(z).
A partir de la definición de Transformada – Z, demostrar que

æ1ö
X (z) = X ç ÷
èzø
Solución
a) La definición de Transformada – Z de x(n) es

¥
X(z) = å x(n)z
n =-¥
-n

Por otra parte, por definición se tiene:

¥
X1 (z) = å x(-n)z
n =-¥
-n

Dado que x(n) presenta simetría par, se cumple

¥ ¥
X1 (z) = å
n =-¥
x(- n)z - n = å x(n)z
n =-¥
-n
= X(z) (1)

Además ,en X1(z) se hace cambio de variable m = -n, lográndose

¥
X1 ( z ) = å x ( m) z
m =-¥
m
(2)

Haciendo z = 1/y, en la sumatoria del segundo miembro de la ecuación (2), se obtiene

m
¥ ¥
æ1ö ¥

å x (m ) z = å x ( m) ç ÷ = å x ( m) y-m
m

m =-¥ m =-¥ è yø m =-¥

Por definición se tiene

¥
X ( y) = å x ( m) y
m =-¥
-m

O sea
¥
æ1ö
m =-¥
å x ( m) z= X ( y) = X ç ÷
m

è zø
(3)

Considerando las ecuaciones (2) y (3), se deduce que

4
 æ1ö
X1 ( z ) = X ç ÷ (4)
èzø

En base a las ecuaciones (1) y (4), se deduce que

æ1ö
X (z) = X ç ÷
èzø

Que es lo que se pide demostrar.

5
Problema N° 3. a) Si x(n) = Z-1{X(z)} es una secuencia causal, con
1 - 32 z -1
X (z) =
1 - 56 z -1 + 61 z -2

Determinar la ROC de X(z).

b) Determinar x(n).
c) A partir del resultado del apartado a), determinar si la secuencia x(n) tiene Transformada
de Fourier. Justifique su respuesta.

Solución
a) En función de sus polos, X(z) se puede escribir como:
z 2 - 32 z
X (z) =
( z - 1) ( z - 23 )
Como x(n) es una señal causal, la ROC de X(z) es

ROC. |z| > 1

b) Para determinar la secuencia x(n) se empleará el método de expansión en fracciones

parciales de X(z), osea:
X(z) z - 32 A A
= = 1 1 + 21
z (z - 2 ) (z - 3 ) z - 2 z - 3
1 1

X(z) z - 32
A1 = ( z - 12 ) = = -6
z z =1/ 2 ( z - 23 ) z =1/ 2

X(z) z - 32
A 2 = ( z - 13 ) = =7
z z =1/ 3 ( z - 12 ) z =1/ 3
De aquí:
1 1
X(z) = -6 -1
+7
1- z1
2 1 - 13 z -1
En consecuencia
æ 1 5 2n ö
x(n) = ç - + e 3 ÷ u(n)
è 6 8 ø

c) Como X(z) tiene como ROC. |z| > 1, se deduce que la circunferencia con radio |z|= 1 no
está contenida por la ROC de X(z), por lo tanto, la secuencia x(n) no tiene Transformada de
Fourier.

6
 PAUTA PRIMERA PRUEBA DE ANÁLISIS DE SEÑALESPARTE
CONCEPTUAL.PRIMER SEMESTRE 2012.

Pregunta Nº 1. ¿Cómo se caracterizan las señales en el dominio del tiempo?.

Respuesta. Las señales se caracterizan en el dominio tiempo mediante la definición de

parámetros.

Pregunta Nº 2. ¿Cómo se determina la densidad espectral para señales de energía?

Respuesta. La densidad espectral de señales de energía se determina igualándola al

cuadrado del módulo de su Transformada de Fourier.

Pregunta Nº 3. Se tiene una señal con limitación estricta en el tiempo. ¿Cómo se puede
obtener un desplazamiento de ella en un monto t0?

Respuesta. Se obtiene el desplazamiento de una señal en un monto t0, realizando la

convolución de dicha señal con un impulso desplazado en un monto t0.

Pregunta Nº 4. Para el caso de señales periódicas de tiempo continuo, ¿que se requiere

conocer para aplicar Parseval?

Respuesta. Para aplicar Parseval en señales de tiempo continuo, se requiere determinar los
coeficientes de la Serie de Fourier de la señal en cuestión.

Pregunta Nº 5. Cuándo dos señales x1(t) y x2(t) se suman, ¿que condición se debe cumplir
para la potencia (energía) de la señal resultante sea igual a la suma de la potencias
(energías) de x1(t) y x2(t)?

Respuesta. Para que la potencia (energía) de la señal resultante sea igual a la suma de la
potencias (energías) de x1(t) y x2(t), se requiere que las señales que se suman sean
incorreladas, o seas, que sus correlaciones cruzadas sean nulas para todo valor de la
variable temporal.

Todas las preguntas tienen ponderación 4 puntos

1
PAUTA PRIMERA PRUEBA DE ANÁLISIS DE SEÑALES PARTE PROBLEMAS
PRIMER SEMESTRE 2012.

Problema N° 1. Utilice la integral de convolución, para obtener la respuesta y(t) a la

entrada x ( t ) = e -at u ( t ) del sistema LTI cuya respuesta al impulso es h ( t ) = e -bt u ( t ) .
Obtener el resultado cuando a ¹ b y cuando a = b .

Solución.
Aplicando convolución, se tiene

y (t) = x (t)* y (t) = ò x ( t ) h ( t - t ) dt

-¥

Considerando las expresiones de x(t) y de h(t), y(t) se puede escribir como:

y ( t ) == òe
-at
u ( t ) e -b( t -t) u ( t - t ) dt
-¥

Interpretando el producto u ( t ) u ( t - t ) , se tienen dos casos

a) t ³ 0
En este caso, u ( t - t ) representa un desplazamiento hacia la derecha de u ( -t ) en un
monto t, por lo cual el producto u ( t ) u ( t - t ) existe en el intervalo indicado en los límites
de la integral de la siguiente ecuación:

t
y ( t ) = ò e -at e
-b( t -t )
dt
0

Caso a ¹ b . En este caso, se tiene

t t
y (t) = ò e
- ( a-b ) t -at - ( a-b ) t
òe
-at
e dt = e dt
0 0

Integrando, se obtiene

e -at - e -( 2 a-b) t
y (t) = u (t)
a -b

Caso a = b . En este caso, se tiene

2
 t
y ( t ) = ò e -at dt
0

Integrando, se obtiene:

y ( t ) = te -at u ( t )

b) t £ 0
En este caso, u ( t - t ) representa un desplazamiento hacia la izquierda de u ( -t ) en un
monto t, por lo cual el producto u ( t ) u ( t - t ) no existe para cualquier valor de t. En
consecuencia la respuesta y(t) es la obtenida en el caso anterior.

3
Problema Nº 2. a) Determinar la autocorrelación de la señal x(t) cuya gráfica se muestra en
la Figura P 2. Bosquejar la grafica de tal autocorrelación
b) Proponer un programa MATLAB para la gráfica de x(t).
c) Determinar la densidad espectral de x(t).

Figura P 2
Solución
a) Se tiene que la autocorrelación de x(t) es

R xx ( t ) = ò x ( t ) x ( t + t ) dt
-¥

a1) t ³ 2
Este caso se ilustra en la figura siguiente

Se observa en esta figura que las gráficas de x(t+t) y de x(t) no se interceptan, luego

R xx ( t ) = 0
a2) 0 £ t £ 2
Esta situación se ilustra en la figura siguiente

4
En este caso

-t +2 - t +2

ò (t + tt ) dt
1
R xx ( t ) = ò 1
2
t 12 ( t + t ) dt = 2

0
4 0

1 é1 ù 1 é1
- t+ 2 -t+ 2
1 1 2ù
R xx ( t ) = ê t 3 + tt 2 ú = ê ( -t + 2 ) + t ( -t + 2 ) ú
3

4 ëê 3 0 2 0 ûú 4 ë 3 2 û

1 3 1 2
R xx ( t ) = t - t+
24 2 3

a3) -2 £ t £ 0
La figura siguiente ilustra este caso

x(t)
1 x(t+t)

0 -t 2 -t+2 t
En esta situación
2 2
t ( t + t ) dt = ò ( t 2 + tt ) dt
1
R xx ( t ) = ò 1
2
1
2
-t
4 -t

1 é1 3 1 2 ù 1 é8 1
2 2
ù
R xx ( t ) = ê t + tt ú = ê - ( -t ) + t ( 4 - t2 ) ú
3 1
4 êë 3 -t 2 û 4 ë3 3
-t ú 2 û

1 3 1 2
R xx ( t ) = - t + t+
24 2 3

Resumiendo
ì0 t³2
ï1
ï t3 - 1 t + 2 0£t£2
ï 24
R xx ( t ) = í
2 3
ï - 1 t3 + 1 t + 2 -2 £ t £ 0
ï 24 2 3
ï0 t £ -2
î
5
La figura siguiente muestra un bosquejo de la posible forma de R xx ( t )

R xx ( t )
2/3

-2 0 2 t

0
b)El programa MATLAB propuesto es

>> %Gráfica de x(t)

>> t=-4:0.001:4;
>> u1=stepfun(t,0);
>> u2=stepfun(t,2);
>> y=(1/2)*t;
>> u=u1-u2;
>> x=y.*u;
>> plot(t,x);
>> title('Gráfica de x(t)=(1/2)t');
>> xlabel('t');ylabel('x(t)');grid;
>> axis([-4 4 -0.5 1.5])

Gráfica de x(t)=(1/2)t
1.5

1
x(t)

0.5

-0.5
-4 -3 -2 -1 0 1 2 3 4
t

6
c) La densidad espectral de energía Sxx(f) de la señal x(t) está dada por

Sxx ( f ) = X ( f )
2

Donde X(f) es
¥

X (f ) = ò x (t)e
- jwt
dt
-¥

Para la señal x(t) dada, se tiene

2
1 é e - jwt ù
2
X ( f ) = ò te
1 - jwt
dt = g ê 2 g( - jwt - 1) ú
2 ë -w
2
0 û0

1 é e - j2 w 1 ù 2wsen ( 2w) + cos 2w - 1 + j ( 2w cos ( 2w) - sen ( 2w ) )

X (f ) = g( w + ) - =
2 êë w2 w2 úû
j2 1
w2

Luego

( 2wsen ( 2w) + cos ( 2w) - 1) + ( 2w cos ( 2w) - sen ( 2w) )

2 2

Sxx ( f ) =
w2

De donde
Sxx ( f ) = 8 - 8sin c ( 4f ) + 4sin c 2 ( 2f )

7
Problema N° 3. a) Determinar el espectro de magnitud y de fase de la señal x(t) mostrada
en la Figura P 3

Figura P 3
b) Determinar la potencia media de x(t)

Solución
a) La señal x(t) es una señal periódica con periodo T0 = 6. Es necesario determinar los
coeficientes Cn de la Serie de Fourier de x(t) dada, los cuales están dados por

T/ 2

ò x (t)e
- jnw0 t
Cn = dt
- T/ 2

Considerando la señal x(t) dada se tiene

3 -1 2
Cn = ò x ( t ) e - jnw0 t
dt = ò e - jnw0 t
dt + ò ( -1) e - jnw0 t dt
-3 -2 1

Integrando

1 -1 1 - jnw0 t 2
Cn = e - jnw0 t + e
- jnw0 -2 jnw0 1

2
Cn = j é cos ( nw0 ) - cos ( 2nw0 ) ùû
nw0 ë

Como T0 = 6 luego
2p p
w0 = =
T0 3

Por lo tanto

8
 6 é æ pö æ 2p ö ù
Cn = j ê cos ç n ÷ - cos ç n ÷ú
np ë è 3 ø è 3 øû

Luego el espectro de amplitud es:

6 é æ pö æ 2p ö ù
Cn = ê cos ç n ÷ - cos ç n ÷ú
np ë è 3 ø è 3 øû

Como los Cn son imaginarios puros, el espectro de fase RC n es

6 é æ pö æ 2p ö ù
RC n = 900 cuando ê cos ç n ÷ - cos ç n ÷ú > 0
np ë è 3 ø è 3 øû

6 é æ pö æ 2p ö ù
RC n = -900 cuando ê cos ç n ÷ - cos ç n ÷ ú < 0
np ë è 3 ø è 3 øû

9
Problema N° 4. Determinar la señal x(t) si su Transformada de Fourier es:

jw + 3
X ( w) =
( jw + 2 ) ( jw + 1)
2

Solución
Realizando el cambio de variable de r = jw, se tiene

r +3 A1 A A 22
H (r ) = = + 21 +
( r + 2 ) ( r + 1) r + 1 r + 2 ( r + 2 )2
2

r +3
A1 = ( r + 1) H ( r ) r =-1 = =2
( r + 2)
2
r =-1

r +3
A 22 = ( r + 2 ) H ( r ) = = -1
2

r =-2 ( r + 1) r =-2

d d r +3
A 21 = ( r + 2 ) H ( r ) r =-2 = = -2
2

dr dr r + 1 r =-2

Luego

2 2 1
H ( w) = - -
jw + 1 j w + 2 ( jw + 2 ) 2

De aquí, aplicando

t n -1 - at 1
e u(t)
(n - 1)! ( jw + a )
n

x ( t ) = ( 2e- t - 2e -2t - te -2t ) u ( t )

Todos los problemas tienen ponderación 20 Ptos

10
 PAUTA SEGUNDA PRUEBA DE ANÁLISIS DE SEÑALES
PRIMER SEMESTRE 2012.

Problema N° 1. Una señal x ( t ) = 2 cos 400pt + 6 cos 640pt se muestrea idealmente con
frecuencia de muestreo fs = 500[Hz] . Si la señal muestreada se aplica a un filtro pasa-bajo
ideal con ancho de banda igual a 400[Hz].¿Qué componentes de frecuencia o espectro
aparece en la salida del filtro?

Solución
La señal x(t) se puede escribir como

x ( t ) = 2 cos ( 2p200t ) + 6 cos ( 2p320t )

Luego, la gráfica del espectro X(f) de x(t), se muestra en la figura siguiente:

X(f)
3 3

1 1

-300 -200 0 200 320 f [Hz]

Como se trata de muestreo ideal, se tiene que la señal muestreada es

x d ( t ) = x ( t ) å d ( t - nTs )
n
Por lo que el espectro de la señal muestreada está dado por

X d ( f ) = X ( f ) *Sd ( f ) = fs X ( f ) * å d ( f - nf s )
n

La figura siguiente muestra una parte del espectro X d ( f ) , con fs = 500[Hz].

Xd ( f )
1500 1500

.........
............ 500 500

-820 -700 -500 -320 -200 0 200 320 500 700 820 f [Hz]

300 -180 180 300

1
Se observa que ISI, dado que la frecuencia de muestreo fs = 500[Hz] no satisface el
Teorema de Muestreo el que, en este problema, establece que se debe cumplir

fs ³ 2f m

Para el problema dado fm = 320[Hz], por lo tanto

fs ³ 640[Hz]

O sea, que la frecuencia mínima de muestreo que permite recuperar x(t) es 640[Hz]. Y es
por eso que la señal a la salida del filtro pasa-bajo, con ancho de banda de 400[Hz], tiene el
siguiente espectro Y(f)

Y(f)
1500 1500

500 500

-820 -700 -500 -320 -200 0 200 320 500 700 820 f [Hz]

300 -180 180 300

Se observa que el espectro Y(f) es distinto al espectro X(f), o sea, que no se recuperó la
señal x(t) a partir de la señal muestreada porque no se cumplió el Teorema de Muestreo.

2
Problema Nº 2. Sea x(n) una secuencia periódica con periodo 6 y

n
æ1ö
x (n) = ç ÷ para -2 £ n £ 3
è2ø

a) Determina los espectros de amplitud y fase de dicha señal

b) La potencia media de x(n).

Solución
a)Para determinar los espectros de amplitud y de fase, se deben conocer los coeficientes Ck
de la serie de Fourier que están dados por

1
Ck = å x ( n ) e- j2 pkn / N
N N
, k = 0,1,2,…..,N – 1

1 3 1
Ck = å x ( n ) e- j2pkn / N = 6 éë x ( -2 ) e j2pk /3 + x ( -1) e jpk/3 + x ( 0 ) + x (1) e- jpk/3 + x ( 2) e- j2pk /3 + x ( 3) e- j2 pk ùû
6 n =-2

1 3 1é 1 1 1 ù
Ck = å
6 n =-2
x ( n ) e - j2 pkn / N = ê 4e j2 pk /3 + 2e jpk /3 + 1 + e - jpk /3 + e - j2 pk/3 + e - j2 pk ú
6ë 2 4 8 û

Luego

63
C0 =
68
1é 1 1 1 ù 1 7 3
C1 = ê 4e j2 p /3 + 2e jp /3 + 1 + e- jp/3 + e - j2 p /3 + e - j2 p ú = +j
6ë 2 4 8 û 24 16

1 é j4 p/3 1 1 1 ù 3 3 3
C2 = ê 4e + 2e j2 p/3 + 1 + e - j2 p/3 + e - j4 p /3 + e- j4 p ú = - - j
6ë 2 4 8 û 8 16

1 é j2 p 1 1 1 ù 23
C3 = ê 4e + 2e jp + 1 + e - jp + e - j2 p + e - j6 p ú =
6ë 2 4 8 û 48

1 é j8 p /3 1 1 1 ù 3 3 3
C4 = ê 4e + 2e j4 p /3 + 1 + e - j4 p /3 + e - j8 p /3 + e - j8 p ú = - + j
6ë 2 4 8 û 8 16

1 é j10 p /3 j5 p /3 1 - j5 p /3 1 - j10 p /3 1 - j10 p ù 1 7 3

C5 = 4e + 2e + 1 + e + e + e = - j
6 êë 2 4 8 úû 24 16

Por lo tanto, el espectro de amplitud es

3
 63
C0 =
68
1137
C1 = C5 =
2304
23
C3 =
48
63
C2 = C4 =
256

El espectro de fase es

RC 0 = RC3 = 0º
RC1 = 86,85°
RC 2 = 240º
RC 4 = 120º
RC5 = -86,85°

4
Problema N° 3. Si

x ( n ) = ( -1) {u ( n ) - u ( n - 6 )} e y ( n ) = u ( n ) - u ( n - 6 )
n

a) Determinar si x(n) e y(n) son secuencias incorreladas o no incorreladas.

b) Determinar la autocorrelación de z(n) si z(n) = x(n) + y(n).¿Cuál es la energía de z(n)?

Solución
a) La secuencias x(n) e y(n) se pueden escribir como:

x ( n ) = {1, -1,1, -1,1, -1} ; y ( n ) = {1,1,1,1,1,1}

Se determinará la correlación cruzada rxy ( l ) = x ( l ) * y ( -l ) , aplicando método matricial

x (l)
y ( -l ) 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1

rxy ( l ) = {1, 0,1, 0,1, 0, -1, 0, -1, 0, -1}

De aquí, se puede determinar ryx ( l ) , aplicando

ryx ( l ) = rxy ( -l )
Luego
ryx ( l ) = {-1, 0, -1, 0, -1, 0,1, 0,1, 0,1}

Como no se cumple que rxy ( l ) = ryx ( l ) = 0 "l , se deduce que las señales x(n) e y(n) no
son incorreladas. Pero, en este caso, se tiene que rxy ( l ) + ryx ( l ) = 0
b) De las expresiones de x(n e y(n), se deduce que

5
 z ( n ) = x ( n ) + y ( n ) = {2, 0, 2, 0, 2, 0}

Luego, rzz ( l ) = z ( l ) * z ( - l ) es

z (l)
z ( -l ) 2 0 2 0 2 0
0 0 0 0 0 0 0
2 4 0 4 0 4 0
0 0 0 0 0 0 0
2 4 0 4 0 4 0
0 0 0 0 0 0 0

2 4 0 4 0 4 0

De donde:

rzz ( l ) = {0, 4, 0,8, 0,12, 0,8, 0, 4,0}

La energía Ez de z(n) es

E z = rzz ( 0 ) = 12 [ J ]

6
Problema N° 4. Determine la densidad espectral de la señal

ì æ 1 ön
ï2 - n £4
x ( n ) = í çè 2 ÷ø
ï0
î otros valores

Solución
Como la secuencia x(n) está limitada en forma estricta en el tiempo, se tiene que x(n) es
una señal de energía, luego su densidad espectral de energía Sxx(W) está dada por:

S xx ( W ) = X ( W )
2

Con
Ã
X (W) = å x ( n) e
n =-¥
- jnW

Aplicando esta definición a la secuencia x(n) dada, se tiene:

4
X (W) = å x (n) e
n =-4
- jnW
= x ( -4 ) e j 4 W + x ( -3) e j 3W + x ( -2 ) e j 2 W + x ( -1) e jW + x ( 0 ) +

+x (1) e- jW + x ( 2 ) e - j 2 W + x ( 3) e - j 3 W + x ( 4 ) e - j 4 W

4
3 7 15 31
X (W ) = å x (n) e
n =-4
- jnW
= -14e j 4 W - 6e j 3W - 2e j 2 W + 0 + 1+ e- jW + e - j 2 W + e- j 3W + e- j 4 W
2 4 8 16

893 33 1 3 æ 955 63 15 3 ö
X (W) = - cos 4W - cos 3W - cos 2W + cos W + 1 - jç sen4W + sen3W + sen2W + senW ÷
16 8 4 2 è 16 8 4 2 ø

En consecuencia

2
æ 893 33 1 3 ö
S xx ( W ) = ç - cos 4W - cos 3W - cos 2W + cos W + 1÷ +
è 16 8 4 2 ø
2
æ 955 63 15 3 ö
+ç sen 4W + sen3W + sen 2W + senW ÷
è 16 8 4 2 ø

7
Problema N° 5. Determinar x(n) si

e - jW + 2e - j2 W
X ( W) =
æ 1 - jW 1 - j2 W öæ - jW 1 - j2 W ö
ç1 - e - e ÷ç1 - e + e ÷
è 6 6 øè 4 ø

Solución
Haciendo
r = e- jW
Se obtiene
r + 2r 2
X (r) =
æ 1 1 2 öæ 1 2ö
ç 1 - r - r ÷ ç1 - r + r ÷
è 6 6 øè 4 ø

En función de sus polos, H(r) se escribe

24 ( r + 2r 2 ) 24 ( r + 2r 2 )
X (r) = =
( r + 3 )( r - 2 )( r - 2 ) ( r + 3)( r - 2 )
2 3

Ecuación que se puede escribir como

24 ( r + 2r 2 ) A1 A A32 A33
X (r) = = + 31 + +
( r + 3)( r - 2 ) r + 3 r - 2 ( r - 2 ) ( r - 2 )3
3 2

Donde

24 ( r + 2r 2 ) 72
A1 = ( r + 3) X ( r ) r =-3 = =-
( r - 2)
3
25
r =-3

24 ( r + 2r 2
)
A33 = ( r - 2 ) X ( r ) = = 48
3

r =2 ( r + 3) r=2
Aplicando:
1 é d li - k ù
A li k = ê é (v - pi )li X(v) ùû ú
li - k ë
(l i - k) ! ë dv û v =p i

Se obtiene
d é 24 ( r + 2r ) ù 24 ( r + 3)(1 + 4r ) - 24 ( 4 + 2r 2 )
2
1 é d 3- 2 ù 168
A32 = ê é
3- 2 ë
( r - 2) 3
X ( r ) ù
û ú = ê ú = =
(3 - 2) ! ë dr û r = 2 dr êë ( r + 3 ) úû r =2 ( r + 3)
2
5
r =2

1 d 2 é 24 ( r + 2r ) ù 24 ( 30r + 90 )
2
1 é d 3-1 ù 144
A31 = ê é (r - 2) X (r ) ùû ú =
3-1 ë
3
ê ú = =
(3 - 1) ! ë dr û r =2 2 d r êë ( r + 3) úû r = 2 ( r + 3) r = 2 25
2 4

8
Por lo tanto
72 1 144 1 168 1 1
X (r) = - + + + 48
25 r + 3 25 r - 2 5 ( r - 2 ) 2
( r - 2)
3

De donde
72 1 144 1 168 1 1
X (W) = - + + + 48
25 e + 3 25 e - 2 5 ( e - 2 )
- jW - jW - j W 2
(e - 2)
- j W 3

Ecuación que se puede escribir como:

72 1 144 1 168 1 1
X (W) = - - + -6 (I)
75 æ 1 ö - jW 50 æ 1 ö - jW 20 æ 1 - jW ö 2
æ 1 ö
3
1- ç - ÷ e 1- ç ÷ e ç1 - 2 e ÷
-
ç1 - 2 e ÷
j W
è 3ø è2ø è ø è ø

Aplicando, el par de transformada siguiente

( n + k - 1)! a n u(n) , a <1

1
n!( k - 1) ! (1 - ae )- jW k

A la ecuación (I), se obtiene

é 72 æ 1 ö n 12 æ 1 ön 3 æ 1 ön æ1ö ù
n

x ( n ) = ê - ç - ÷ - ç ÷ - n ç ÷ - 3n 2 ç ÷ ú u ( n )
êë 75 è 3 ø 25 è 2 ø 5 è 2 ø è 2 ø úû

9
 PAUTA TERCERA PRUEBA ANÁLISIS DE SEÑALES
PRIMER SEMESTRE 2012.

Problema Nº 1. a)Determinar la respuesta al impulso y la respuesta al escalón del sistema

causal caracterizado por

y(n) - 0,7y(n - 1) + 0,1y(n - 2) = 2x(n) – x(n – 2)

b) Dibujar el diagrama de polos y ceros y determinar si el sistema es estable

Solución
a) Aplicando el método indirecto, se tendrá:

Y(z) - 0, 7z -1Y(z) + 0,1z -2 Y(z) = 2X(z) - z -2 X(z)

de donde

Y(z) =
( 2 - z ) X(z)
-2

=
( 2z 2
- 1) X(z)
(1)
1 - 0, 7z -1 + 0,1z -2 z 2 - 0, 7z + 0,1

Respuesta al impulso: x(n) = d(n). En este caso:

X(z) = 1

Por lo tanto

2z 2 - 1
H(z) = 2
z - 0, 7z + 0,1

Los polos de Y(z), son:

z 2 - 0, 7z + 0,1 = 0 Þ p1 = 0, 5 , p 2 = 0, 2

Luego, Y(z) se puede escribir como:

2z 2 - 1
H(z) =
( z - 0,5 )( z - 0, 2 )
Para realizar la expansión en fracciones parciales de Y(z), se hace

1
 z ( 2z 2 - 1)
H(z) =
z ( z - 0,5 )( z - 0, 2 )
Luego
H(z) 2z 2 - 1 A A2 A3
= = 1+ +
z z ( z - 0,5 )( z - 0, 2 ) z z - 0,5 z - 0, 2

H(z) 2z 2 - 1
A1 = z = = -10
z z =0 ( z - 0, 5)( z - 0, 2 ) z =0

H(z) 2z 2 - 1 10
A 2 = (z - 0,5) = =-
z z =0,5 z ( z - 0, 2 ) z =0,5 3

H(z) 2z 2 - 1 46
A3 = (z - 0, 2) = =
z z =0,2 z ( z - 0,5 ) z =0,2 3

Por lo tanto,

10 46
H(z) = -10 - 3
+ 3

1 - 0,5z -1 1 - 0, 2z -1

En consecuencia

10 46
h(n) = -10d(n) - ( 0,5 ) u(n) + ( 0, 2 ) u(n)
n n

3 3

Respuesta al escalón unitario u(n). En este caso

1 z
X(z) = -1
=
1- z z -1

Aplicando esta expresión de X(z) en la ecuación (1), del apartado a), se obtiene

Y(z) =
( 2z 2
- 1)
·
z
( z - 0, 5)( z - 0, 2 ) z - 1

2
De donde

Y(z)
=
( 2z 2 - 1)
=
A1
+
A2 A
+ 3
z ( z - 0,5 )( z - 0, 2 )( z - 1) z - 0,5 z - 0, 2 z - 1

Se tiene

A1 = ( z - 0,5 )
Y(z)
=
( 2z 2 - 1)
=
10
z z= 0,5 ( z - 0, 2 )( z - 1) 3
z = 0,5

A 2 = ( z - 0, 2 )
Y(z)
=
( 2z 2 - 1)
=-
23
z z =0,2 ( z - 0, 5)( z - 1) 6
z = 0,2

A3 = ( z - 1)
Y(z)
=
( 2z 2 - 1)
=
5
z z =1 ( z - 0,5 )( z - 0, 2 ) 2
z =1

En consecuencia

10
- 236 5
Y(z) = 3
+ + 2

1 - 0,5z -1 1 - 0, 2z -1
1 - z -1

Por lo tanto, la respuesta al escalón es

é 5 10 23 nù
y(n) = ê + ( 0,5 ) - ( 0, 2 ) ú u(n)
n

ë2 3 6 û

Diagrama de polos – ceros.

Del apartado a), se tiene que la expresión de H(z) es

2z 2 - 1
H(z) =
( z - 0,5 )( z - 0, 2 )

Se deduce que los ceros de H(z) son

3
 2 2
2z 2 - 1 = 0 Þ z1 = , z2 = -
2 2
y los polos son
p1 = 0,5 , p 2 = 0, 2
Por lo tanto, el diagrama de polos – ceros, se muestra en la Figura P1
Im{}

0,5 Re{}
O X X O
-0,7 0,2 0,7

Figura P1

Como en este caso se cumple los dos polos tienen un módulo menor que uno, o sea están
dentro de la circunferencia unitaria, se deduce que el sistema es estable y es causal porque
h(n) = 0 para n < 0.

4
Problema Nº 2. Para el sistema de tiempo discreto LTI mostrado en la Figura P2,
determinar:
a) La ecuación en diferencias que relacione y(n) con x(n).
b) La función respuesta de frecuencia.
c) La respuesta de estado cero, si x(n) =(n+1)2nu(n).

x(n) 1 + y(n)
4 + + z -1 z -1 - +
+

1
2

Figura P 2
Solución
a) Sea v(n) la señal de salida del sumador en la entrada del sistema, por lo tanto, se tendrá

1 1
v(n) = x(n) + v(n - 2) (2.1)
4 2

En el sumador de salida, se tendrá

y(n) = v(n) - v(n - 2) (2.2)

De la ecuación (2.1), se obtiene

x(n) = 4v(n) - 2v(n - 2) (2.3)

Del sistema de ecuaciones (22.) y (2.3), se obtiene

1
v(n) = x(n) - y(n) (2.4)
2
De aquí
1
v(n - 2) = x(n - 2) - y(n - 2) (2.5)
2

En consecuencia, (2.4) y (2.5) en (2.2), se tiene

1 1
y(n) = x(n) - y(n) - x(n - 2) + y(n - 2)
2 2
5
Finalmente

1 1 1
y(n) - y(n - 2) = x(n) - x(n - 2)
2 4 4

b) Considerando que la expresión genérica de una ecuación en diferencias es

N M

å a k y(n - k) = å bk x(n - k)
k =0 k=0

Y que la función respuesta de frecuencia H(W) es

åb e k
- jkW
b 0 + b1e - jW +·······+ b M e - jMW
H(W) = k =0
=
N
a 0 + a1e - jW +·······+ a N e - jNW
åa e
k =0
k
- jkW

Se tiene que para el problema dado

- 14 e- j2 W
1
H(W) = 4

1 - 12 e- j2 W

1 æ 1 - cos 2W + jsen2W ö
H(W) = ·ç ÷
2 è 2 - cos 2W + jsen2W ø

c) Dado que el sistema es relajado, se tiene que la respuesta de estado - cero corresponde a
la solución total, y(n), de la ecuación en diferencias que modela al sistema dado: Como

1 1 1
y(n) - y(n - 2) = x(n) - x(n - 2) (2.6)
2 4 4

y que x(n) = (n+1)2nu(n), se tiene que x(n) se puede escribir como

x(n) = n2n u(n) + 2n u(n)

De aquí, aplicando el principio de superposición a la ecuación (2.6), se tiene

6
 1 1 1
y1 (n) - y1 (n - 2) = n2n - 2 n
2 4 4

En notación operacional, se tiene

æ 1 -2 ö 1 n 1 n
ç 1 - S ÷ [ y1 (n)] = n2 - 2
è 2 ø 4 4

La solución total y1 (n) es

y1 (n) = y h (n) + y p (n)

Solución homogénea yh(n). La ecuación homogénea asociada es

æ 1 -2 ö
ç 1 - S ÷ [ y1 (n)] = 0
è 2 ø

El polinomio característico de esta ecuación es

1 2 2
r2 - = 0 Þ r1 = , r2 = -
2 2 2

Por lo tanto, la solución homogénea es

n n
æ 2ö æ 2ö
y h (n) = C1 çç ÷÷ + C 2 çç - ÷÷
è 2 ø è 2 ø

Solución particular yp(n).Considerando que

æ 1 -2 ö 1 n 1 n
ç 1 - S ÷ [ y1 (n)] = n2 - 2 (2.7)
è 2 ø 4 4

Y considerando que la secuencia C3 x1(n) + C4 x2(n) tiene como operador anulador LA =

Lx1(S)Lx2(S), se tiene

L A = (1 - 2S-1 ) (1 - 2S-1 ) = (1 - 2S-1 )

2 3

Aplicando LA a la ecuación (2.7), se obtiene

7
 æ 1 -2 ö
(1 - 2S ) -1 3
ç1 - S ÷ [ y(n)] = 0
è 2 ø

Como las raíces de LA son diferentes a las del polinomio característico de la ecuación
homogénea asociada, se tiene que las raíces de LA representan la solución particular. Dado
que la raíz de LA es r =2 con grado de multiplicidad 3, se tiene que la solución particular
yp(n) es de la forma

y p (n) = C3 ( 2 ) + C 4 n ( 2 ) + C5 n 2 ( 2 )
n n n

Evaluación de los Coeficientes C3, C4, C5. Aplicando la expresión de yp(n) en la ecuación
en diferencias original, se tiene

C3 ( 2 ) + C4 n ( 2 ) + C5 n 2 ( 2 ) -
n n n 1
2
(C3 ( 2 ) + C 4 ( n - 2 )( 2 ) + C5 ( n - 2 ) ( 2 )
n-2 n -2 2
)
n -2 1 1
= n2 n - 2 n
4 4

De donde, se obtiene

æ7 1 ö n æ7 1 ö n 7 1 n 1 n
ç C 4 + C5 ÷ n2 + ç C3 - C5 ÷ 2 + C5 n 2 = n2 - 2
2 n

è8 4 ø è8 2 ø 8 4 4

De esta ecuación se deduce

2 2
C3 = - , C4 = , C5 = 0
7 7

En consecuencia,

2 2
y p (n) = - ( 2) + n ( 2)
n n

7 7

Por lo cual

n n
æ 2ö æ 2ö 2 n 2
y1 (n) = C1 çç ÷÷ + C 2 çç - ÷÷ - ( 2 ) + n ( 2 )
n

è 2 ø è 2 ø 7 7

Evaluación de C1 y C2: Aplicando condiciones iniciales en la ecuación en diferencias

original y en la solución total, se tiene

8
Para n =0 en la ecuación en diferencias original, se obtiene

1 1 1
y1 (0) - y1 (-2) = - Þ y1 ( 0 ) = -
2 4 4

Para n =1 en la ecuación en diferencias original, se obtiene

1 1 1
y1 (1) - y1 (-1) = 2 - 2 Þ y1 (1) = 0
2 4 4

Haciendo n = 0 y n = 1, en la solución total se obtiene

2
y1 (0) = C1 + C 2 -
7

2 2
y1 (1) = C1 - C2
2 2

Por lo tanto, se tiene el sistema de ecuaciones

2 1
C1 + C 2 - =-
7 4
2 2
C1 - C2 = 0
2 2

De donde se obtiene

1
C1 = C 2 =
56

Por lo tanto, la solución total es

n n
1 æ 2ö 1 æ 2ö 2 n 2
y1 (n) = çç ÷÷ + çç - ÷÷ - ( 2 ) + n ( 2 )
n

56 è 2 ø 56 è 2 ø 7 7

9
 1
Para la componente de la señal de entrada - x(n - 2) , se tendrá que la respuesta
4
correspondiente es - y1 (n - 2) , la respuesta de estado estacionario es

y ( n ) = y1 ( n ) - y1 (n - 2)

O sea

n n n-2 n -2
1 æ 2ö 1 æ 2ö 2 n 2 1 æ 2ö 1 æ 2ö 2 n -2 2
÷÷ - ( 2 ) + n ( 2 ) - çç ( 2 ) - ( n - 2 )( 2 )
n -2
y(n) = çç ÷÷ + çç - - çç - +
n
÷ ÷
56 è 2 ø 56 è 2 ø 7 7 56 è 2 ÷ø 56 è 2 ÷ø 7 7

n n
1 æ 2ö 1 æ 2ö 1 3
y ( n ) = - çç ÷÷ - çç - ÷÷ + ( 2 ) + n ( 2 )
n n

56 è 2 ø 56 è 2 ø 14 14

10
Problema Nº 3. Un sistema LTI, tiene como secuencia de entrada

x(n) = ( 12 ) u(n) + ( 2 ) u(-n - 1)

n n

Para esta secuencia de entrada la secuencia de salida y(n) es

y(n) = 6 ( 12 ) u(n) - 6 ( 34 ) u(n)

n n

a) Determinar la función de sistema H(z) del sistema. Dibujar el diagrama de polos y ceros
de H(z) e indicar la región de convergencia.
b) Determinar la respuesta h(n) al impulso del sistema.
c) Escribir la ecuación diferencia que caracteriza al sistema.
d) Determinar si el sistema es estable y/o causal.

Solución
a) La secuencia x(n) se puede escribir como

x(n) = ( 12 ) u(n) - é - ( 2 ) u(- n - 1) ù

n n
ë û
Por lo tanto
1 1 1
X(z) = -1
- , ROC: < z <2
1- z1
2 1 - 2z -1 2

X(z) se puede escribir como

- 32 z
X(z) =
( z - 12 ) ( z - 2 )
Como
y(n) = 6 ( 12 ) u(n) - 6 ( 34 ) u(n)
n n

Se tiene
6 6 3
Y(z) = -1
- -1
, ROC: z >
1- z 1
2 1- z3
4 4

- 32 z
Y(z) =
( z - 12 ) ( z - 43 )
Por lo tanto

Y(z) z - 2 3
H(z) = = , ROC: < z <2
X(z) z - 34 4

11
Diagrama de Polos – Ceros. El diagrama de polos – ceros se muestra en la Figura P3
jw

X O
3/4 2 s

Figura P3
b) Se tiene que
ìz - 2ü
h(n) = Z -1 {H(z)} = Z-1 í 3ý
îz - 4 þ
h(n) se puede escribir como
ì 1 ü ì z -1 ü
h(n) = Z -1 í 3 -1 ý - 2Z -1 í 3 -1 ý
î1 - 4 z þ î1 - 4 z þ
De donde

n n -1
æ3ö æ3ö
h(n) = ç ÷ u(n) - 2 ç ÷ u ( n - 1)
è4ø è4ø

c) Como
e jW - 2 1 - 2- jW
H ( W ) = H(z) z = jW = jW 3 =
e - 4 1 - 34 e - jW
y dado que
M

åb e k
- jkW
b 0 + b1e - jW +·······+ b M e - jMW
H(W) = k =0
=
N
a 0 + a1e - jW +·······+ a N e - jNW
åa e
k =0
k
- jkW

con
N M

å a k y(n - k) = å bk x(n - k)
k =0 k=0

Se tiene que la ecuación en diferencias que modela al sistema es

12
 3
y ( n ) - y ( n - 1) = x(n) - 2x ( n - 1)
4

d) El sistema es estable porque su función de sistema tiene el único polo con módulo menor
que uno, o bien porque h(n) tiende a cero cuando n tiende a infinito, y es causal dado que
h(n) = 0 para n < 0.

13
 PAUTA PRIMERA PRUEBA DE ANÁLISIS DE SEÑALES
SEGUNDO SEMESTRE 2012 Plan 2006.

Problema Nº 1..a)Determinar la convolución de las señales

x ( t ) = u ( t ) - 2u ( t - 2 ) + u ( t - 5)
y ( t ) = e -3t u ( t )
b) Determinar la autocorrelación de x(t).

Solución
a) Las gráficas de x(t) e y(t) se muestran en la Figura P.1.1

x(t) y(t)
1 1

0 2 5 t t

-1

Figura P.1.1.

Se considerará como núcleo de la integral de convolución a la señal x(t). O sea se aplicará

z(t) = x (t)* y (t) = ò y ( t ) x ( t - t ) dt

-¥
i) t £ 0

1
y ( t)
x ( t)

t-5 t-2 t 0 t

1
En este caso:

z(t) = x (t)* y(t) = 0

ii) 0 £ t £ 2

1
y ( t)
x (t)

t-5 t-20 t t

En este caso
t t
1
z ( t ) = ò e dt = - e-3 t
-3 t

0
3 0

z(t) =
1
3
(1 - e- t )

iii) 2 £ t £ 5

1
y ( t)
x ( t)

t-5 0 t-2 t t

2
En este caso:

t-2 t t -2
1 1
z(t) = ò ( -1) e dt + ò (1) e dt = - e-3t + e-3t t - 2
-3 t -3 t t

0 t-2
3 0 3

z ( t ) = - + e -3t ( 2e6 - 1)
1 1
3 3

iv) t ³ 5

1 y ( t)
x ( t)

0 t-5 t-2 t t

En este caso
t -2 t t -2
1 1
z ( t ) = ò ( -1) e dt + ò (1) e dt = e -3t
-3 t -3 t t
- e -3 t
3 3 t -2
t -5 t -5 t -5

e-3t
z(t) = éë 2e6 - e15 - 1ùû
3

Resumiendo, se tiene:

ì0 t£0
ï1
ï (1 - e - t ) 0£t£2
ï3
ï
z ( t ) = í 1 1 -3t
ï- 3 + 3 e ( 2e - 1) 2£t£5
6

ï -3t
ïe
ïî 3 ( 2e - e - 1) t³5
6 15

3
b) Como se pide la autocorrelación de x(t) y dado que x(t) es de limitación estricta en el
tiempo, x(t) es una señal de energía. Luego, se debe emplear la ecuación

R X (t) = ò x ( t ) x ( t + t ) dt
-¥
i) t ³ 5

x(t+t) 1 x(t)

-t -t+2 -t+5 0 2 5 t

-1

En este caso

R X (t) = 0

ii) 3 £ t £ 5

x(t+t) 1 x(t)

-t -t+2 0 -t+5 2 5 t

-1

De la figura anterior, se tiene

-t+ 5
R X (t) = ò (1)( -1) dt
0

Integrando

R X (t) = t - 5

4
iii) 2 £ t £ 3

x(t+t) 1 x(t)

-t -t+2
0 2 -t+5 5 t

-1

De la figura anterior, se tiene

2 - t+ 5
R X ( t ) = ò (1)( -1) dt + ò ( -1)( -1) dt
0 2

Integrando, se obtiene

R X ( t ) = -t + 1

iv) 0 £ t £ 2

x ( t + t) 1
x(t)

-t+5
-t 0 -t+2 2 5 t

-1

De la figura anterior, se obtiene

5
 -t+ 2 2 -t+ 5
RX ( t) = ò (1)(1) dt + ò (1)( -1) dt + ò ( -1)( -1) dt
0 - t+ 2 2

Integrando, se obtiene

R X ( t ) = -3t + 5

v) -2 £ t £ 0
1
x ( t + t)
x(t)

0 -t 2 -t+2 5 -t+5 t

-1

De la figura anterior, se tiene

2 -t+ 2 5
RX (t) = ò (1)(1) dt + ò (1)( -1) dt + ò ( -1)( -1) dt
-t 2 - t+ 2

Integrando, se obtiene

R X ( t ) = 3t + 5

vi) -3 £ t £ -2
1
x ( t + t) x(t)

0 2 -t -t+2 5 -t+5 t

-1
En este caso
6
 -t+ 2 5
RX (t) = ò (1)(1) dt + ò ( -1)( -1) dt
-t - t+ 2

Integrando

RX ( t) = t +1

vii) -5 £ t £ -3
1
x ( t + t)
x(t)

0 2 -t 5 -t+2 -t+5 t

-1

En este caso
5
RX ( t) = ò (1)( -1) dt
-t

R X ( t ) = -t - 5

viii) t £ -5

R X (t) = 0

Resumiendo, se tiene:
ì0 t³5
ït-5 3£ t £5
ï
ï-t+1 2£ t £3
ï
ï-3t+5 0£t£2
RX ( t) = í
ï3t+5 -2 £ t £ 0
ït + 1 -3 £ t £ -2
ï
ï-t-5 -5 £ t £ -3
ï0 t £ -5
î

7
La figura siguiente, muestra la gráfica de R X ( t )

R X (t)

t
-5 -4 -3 -2 -1 1 2 3 4 5
-1

-2

8
Problema Nº 2. a) Determinar la densidad espectral de la señal

ætö
x ( t ) = A cos ( pt / t ) Õ ç ÷
ètø
¿Que efecto se produce en X(f) si t aumenta su valor?
b) Determinar x(t) si
2 - jw
X ( w) =
( jw - 3 ) ( jw + 4 )
3

Solución
a) Se tiene que la señal x(t) está enventanada por el pulso rectangular centrado en el origen,
o sea, tiene limitación estricta en el tiempo por lo cual es una señal de energía, por lo que su
densidad espectral de energía Sxx(f) está dada por:

SXX ( f ) = X ( f )
2
(1)
Con
¥

X (f ) = ò x (t)e
- jwt
dt (2)
-¥

Se puede determinar X(f) aplicando directamente la ecuación (2), pero también se puede
obtener aplicando propiedades de la Transformada de Fourier, como por ejemplo la
propiedad de desplazamiento frecuencial. La que con x ( t ) = y ( t ) cos w0 t , establece:

X ( f ) = F {x(t)} = F {y ( t ) cos w0 t} =
1
é Y ( f - f 0 ) + Y ( f + f0 ) ùû (3)
2ë

ætö
Con y ( t ) = AÕ ç ÷ , por lo que
è tø
t
¥ 2

Y (f ) = ò y (t)e
- jwt
dt = A ò e - jwt dt
-¥ - 2t

Obteniéndose
A A
Y ( f ) == éëe - jwt/ 2 - e jwt/ 2 ùû = sen ( pft ) (4)
- jw pf

Aplicando la definición de función sinc(x), se obtiene

Y ( f ) = At sin c ( ft ) (5)
p 1
Como w0 = Þ f0 =
t 2t

Aplicando (5) en (4), se obtiene

9
 At At
X (f ) = sin c ( [ f - f 0 ] t ) + sin c ([ f + f0 ] t )
2 2

Los cruces por cero de la función sinc(x), ocurren para valores enteros de x, o sea, para
x = ±1, ±2, ±3,........... . Por lo tanto, los cruces por cero de X(f) se presentarán cuando
f = f 0 ± n / t , con n entero. Como los primeros cruces por cero, determinan el ancho de
banda, si t aumenta disminuye el ancho de banda de la señal x(t).
b) Como X ( w) es una función racional, para obtener x(t), se utilizará el método de
expandir en fracciones parciales X ( w) y aplicar a cada término de la expansión en
fracciones parciales la siguiente relación

ìï 1 üï t n -1 - at
F -1 í ý = e u (t) (1)
ïî ( jw + a ) þï ( n - 1) !
n

Haciendo r = jw en la expresión de X(w) se obtiene

2-r
X (r) = (2)
( r - 3) ( r - ( -4 ) )
3

De la expresión de X ( r ) se deduce que contiene un polo simple p1 = -4 y un polo múltiple

p2 = 3 de multiplicidad 3, por lo cual X ( r ) tendrá la siguiente expansión en fracciones
parciales:

A1 A A 22 A 23
X (r ) = + 21 + + (3)
r - p1 r - p 2 ( r - p 2 ) ( r - p 2 )3
2

Considerando los valores de los polos, (3) se puede escribir como:

A1 A A 22 A 23
X (r ) = + 21 + + (4)
r - 3 r + 4 ( r + 4 ) ( r + 4 )3
2

Determinación de los residuos:

2-r
A1 = ( r - ( -4 ) ) X ( r )
6
= =- (5)
( r - 3)
r =-4 3
343
r =-4

2-r 1
A 23 = ( r - 3) X ( r ) = =-
3
(6)
r =3 ( r + 4 ) r =3 7
10
Para los residuos A21 y A22, se aplica:

1 é d li - k ù
li -k (
r - pi ) i X ( r ) ú
l
Aik = ê (7)
( li - k )! ë dr û r =p i

Obteniéndose

1 é d2 ù 1 é d2 æ 2 - r öù 1 é 12 ù 6
A 21 = ( - ) ( ) = = =
3
ê r 3 X r ú ê 2 çç ÷÷ ú ê 3ú
(8)
( 3 - 1) ! ë dr 2
û r =3 2 êë dr è ( r + 4 ) ø úû r =3 2 êë ( r + 4 ) úû r =3 343

1 éd ù é d æ 2 - r öù é -6 ù 6
A 22 = ( - ) ( ) = = =-
3
ê r 3 X r ú ê ç
ç ÷
÷ ú ê 2ú
(9)
( 2 - 1)! ë dr û r =3 êë dr è ( r + 4 ) ø úû
r =3
êë ( r + 4 ) úû r =3 49

Luego, (4) se puede escribir como:

6 1 6 1 6 1 1 1
X (r ) = - + - - (10)
343 r - 3 343 r + 4 49 ( r + 4 ) 7 ( r + 4 )3
2

Haciendo r = jw , la ecuación (10), queda:

6 1 6 1 6 1 1 1
X ( w) = - + - - (11)
343 jw + ( -3) 343 jw + 4 49 ( jw + 4 ) 7 ( jw + 4 )3
2

Aplicando (1) en (11)

6 3t 6 -4t 6 1
x (t) = - e u (t) + e u ( t ) - te -4t u ( t ) - t 2 e -4t u ( t ) (12)
343 343 49 14

La expresión de x(t) dada por la ecuación (12) debería ser la Transformada de Fourier
6 3t
Inversa de la X ( w) , pero el término - e u ( t ) de x(t), determina que esta función no
343
sea absolutamente integrable, y en consecuencia su Transformada de Fourier no existe.

11
Problema Nº 3. La señal x ( t ) = cos 2pf 0 t + cos 4pf0 t + cos 6pf 0 t es muestreada idealmente:
a) Encontrar el máximo intervalo de muestreo, que permita recuperar x(t) a partir de la
señal muestreada.
b) Usando el resultado del apartado a), obtener una expresión para x d ( t ) = x ( t ) s d ( t ) .
c) Determinar el ancho de banda del filtro ideal para recuperar x(t) a partir de x d ( t ) , en las
condiciones planteada en el apartado a).

Solución
a) Siendo fm la frecuencia máxima o ancho de banda de la señal a muestrear, el Teorema de
Muestreo establece que el intervalo de muestreo TS , debe cumplir la siguiente relación

1
TS £ (1)
2f m

El máximo intervalo de muestreo se conoce como intervalo de muestreo de Nyquist TN y

está dado por:

1
TN = (2)
2f m

De acuerdo a la expresión de x(t), se deduce que su espectro tiene una frecuencia máxima
de fm = 3f0, en consecuencia TN es:

1
TN =
6f 0

b) En este caso, como se tiene muestreo ideal, la señal muestreadora s d ( t ) es:

sd ( t ) = å d ( t - nTs ) (3)
n

Con Ts = TN, s d ( t ) se puede escribir como:

æ n ö
sd ( t ) = å d ç t - ÷ (4)
n è 6f 0 ø

En consecuencia, la señal muestreada x d ( t ) se puede escribir como:

æ n ö æ n ö
xd ( t ) = å x ç ÷dç t - ÷
n è 6f 0 ø è 6f 0 ø

12
c) Como se tiene que el espectro de la señal x(t), que es una señal tipo pasa-bajos, tiene una
frecuencia máxima igual a 3f0, se deduce que el ancho de banda B del filtro ideal para
recuperar x(t) a partir de x d ( t ) , debería cumplir la siguiente relación:

B = 3f 0

En este caso no es adecuado muestrear con el intervalo de Nyquist, ya que el espectro de

x d ( t ) , en la frecuencia 3f0 tendría un impulso con peso distinto al peso del impulso del
espectro de x(t) en la frecuencia 3f0.

13
Problema Nº 4. Determinar el porcentaje de la potencia total de la señal x(t) que está
contenida en las cuatro primeras armónicas.

x(t)

1
...... ......

t
-2 -1 1 2 3

Solución.
Se pide determinar la relación

P4
100 [ %] (1)
P

Donde:
P4 = Potencia contenida en las primeras cuatro armónicas de la señal x(t)-
P = Potencia total de la señal x(t).

Para determinar P4 se hará uso del Teorema de Parseval, que en este caso se puede escribir
como:

åC
2
P4 = n (2)
n =-4

Como C - n = Cn , la ecuación (29) queda:

4
P4 = C0 + 2å C n
2 2
(3)
n =1

Se tiene
1
x ( t ) e - jnw0 t dt (4)
T òT
Cn =

De la gráfica de x(t) se deduce que Cn se puede escribir como

T T

12 12
C n = ò x ( t ) e - jnw0 t dt = ò e- jnw0 t dt
T0 T0

Integrando, se obtiene

14
 Cn =
1
- jnTw0
(
- jnw T
e 0 2 -1 ) (5)

Como Tw0 = 2p , la ecuación (5) queda

Cn =
1
- jn2p
( e - jnp - 1) = j
1
2np
éë cos ( np ) - 1ùû = - j
1
é1 - cos ( np ) ùû (6)
2np ë

Para expresar Cn en función de la función sinc(x), se considera que:

2sen 2 ( n2p ) = 1 - cos ( np ) (7)

(7) en (6), se obtiene

1 np
Cn = - j sen 2 ( n2p ) = - j sen 2 ( n2p ) (8)
np æ np ö
2

4ç ÷
è 2 ø
De donde, se obtiene
np ænö
Cn = - j sin c 2 ç ÷ (9)
4 è2ø

De donde:

C0 =0
p æ1ö
C1 = - j sin c 2 ç ÷ = - j0, 79 ( 0, 637 ) = - j0,32 Þ C1 = 0,103
2 2

4 è 2ø
C2 = 0
3p æ3ö
C3 = - j sin c 2 ç ÷ = - j2, 37 ( -0, 212 ) = - j0,107 Þ C1 = 0, 0113
2 2

4 è2ø
C4 = 0

Por lo tanto, la potencia P4 es:

P4 = C0 + 2 C1 + 2 C 2 + 2 C3 + 2 C 4 = 2 ( 0,103 + 0, 0113) [ watts ]

2 2 2 2 2

P4 = 0, 2286 [ watts ]

Por ser x(t) señal periódica, su potencia media P está dada por:
T
T
1 12
P = ò x 2 ( t ) dt = ò dt = 0,5 [ watts]
T0 T0

15
En consecuencia:

P4 0, 2286
100 = 100 = 45, 72%
P 0,5

16
 PAUTA SEGUNDA PRUEBA DE ANÁLISIS DE SEÑALES
2º SEMESTRE 2012 Plan 2006.

Problema Nº 1. a) Determinar la energía y la potencia media de la señal

x ( n ) = 2e- n u ( n )

En base a los resultados obtenidos, determinar la naturaleza de la señal x(n)

b) Dada la señal
æ 4np ö æ np ö æ 8np ö
x ( n ) = 4 - 3cos ç ÷ + 2 cos ç ÷ + 3cos ç ÷
è 6 ø è 3 ø è 6 ø

Aplicando Parseval determinar la potencia media de x(n) dada.

Solución
a) Energía. La energía E de una señal de tiempo discreto x(n) es

¥
E= å x (n)
n =-¥
2

La que aplicada a la secuencia dada, queda como:

E = 22 + ( 2e -1 ) + ( 2e -2 ) + ( 2e -3 ) + ........ + ( 2e -¥ )
2 2 2 2

Se observa que E es serie geométrica con razón e -2 y último término cero, en consecuencia

4
E= [J]
1 - e -2

En este caso la secuencia x(n) tiene energía finita

Potencia Media. En este caso, la potencia media P es

N
1
P = lim å
N ®¥ 2N + 1 n =- N
x2 (n)

Para la señal x(n) dada, se tiene

( 2e - n )
N
1
å
2
P = lim
N ®¥ 2N + 1 n =0

P = lim
N ®¥
1
2N + 1
( 4 + 4e-2 + 4e-4 + ..... + 4e-2 N )
1
 1 æ 4 - 4e( -2 N -2 ) ö
P = lim ç ÷
N ®¥ 2N + 1 çè 1 - e -2 ÷ø
Aplicando límite, se obtiene

P = 0 [ watts ]

Como la señal x(n) tiene energía finita y potencia media cero, se deduce que x(n) es una
señal de energía.
b) De la expresión de x(n) se deduce que

2p W0 1
W0 = Þ F0 = =
3 2p 6

Como F0 es un número racional, se infiere que x(n) es una secuencia periódica con periodo
N = 6. Luego, x(n) tiene Serie Fourier dada por

N -1 2 p( k ) n

x ( n ) = å Ck e
j
N

k =0
Como N = 6, x(n) queda
5 2 p( k ) n

x ( n ) = å Ck e
j
6

k =0
Los coeficientes Ck se pueden determinar aplicando Euler en la expresión de x(n),
obteniéndose

æ j 2 p ( 2) n -j
2 p( 2 ) n
ö æ j 2 p(1) n -j
2 p(1)n
ö æ j 2 p( 4 ) n -j
2 p( 4 ) n
ö
çe 6
+e 6 ÷ çe 6
+e 6 ÷ çe 6
+e 6 ÷
x ( n ) = 4 - 3ç +
÷ ç2 +
÷ ç3 ÷
ç 2 ÷ ç 2 ÷ ç 2 ÷
è ø è ø è ø

Ecuación que se puede escribir de la siguiente manera:

2 p( 4 ) n 2 p( 2 ) n 2 p(1) n 2 p(1) n 2 p( 2 ) n 2 p( 4 ) n
3 -j 3 -j -j 3 j 3 j
x (n) = e
j
6
- e 6
+e 6
+4+e 6
- e 6
+ e 6
(1)
2 2 2 2

Como el desarrollo de la serie de Fourier implica solamente potencias complejas con

exponentes positivos, se debe realizar el siguiente proceso:

2 p( 4 ) n 2 p( 2 - 6 ) n 2 p ( 2) n
3 -j 3 j 3 j
e 6
= e 6
= e 6
2 2 2

2 p( 2 ) n 2 p( 4 - 6 ) n 2 p ( 4) n
3 -j 3 j 3 j
- e 6
=- e 6
=- e 6
2 2 2
2
 2 p (1) n 2 p( 5 - 6 ) n 2 p( 5 ) n
-j j j
e 6
=e 6
=e 6

Reemplazando estos valores en la ecuación (1), se obtiene

2 p(1) n 2 p( 5 ) n

x (n) = 4 + e
j j
6
+e 6

De donde se deduce que

C0 = 4 Þ C0 = 16
2

C1 = 1 Þ C1 = 1
2

C5 = 1 Þ C5 = 1
2

C 2 = C3 = C 4 = 0
Aplicando Parseval se obtiene

5
P = å Ck = C 0 + C1 + C5 = 16 + 1 + 1 = 18 [ watts ]
2 2 2 2

k =0

3
Problema Nº 2. a) Determinar la densidad espectral de la señal

ì æ 1 ön
ï3 - n £4
x ( n ) = í çè 3 ÷ø
ï0
î otros valores

b) Determinar si las secuencias

x ( n ) = {1, -1,1, -1,1, -1} ; y ( n ) = {1,1,1,1,1,1}

Son incorreladas.

Solución
a) Se observa de la definición de la señal x(n), que ésta es una señal con limitación estricta
en el tiempo y por lo tanto es una señal de energía. Lo que determina que su densidad
espectral de energía Sxx(W) es:
Sxx ( W ) = X ( W )
2

Con X ( W ) como la Transformada de Fourier de x(n), o sea:

¥
X ( W ) = å x ( n ) e - jnW
-¥

Para la señal x(n) dada, se tiene

X ( W ) = x ( -4 ) e j4 W + x ( -3 ) e j3W + x ( -2 ) e j2 W + x ( -1) e jW + x ( 0 ) + x (1) e - jW + x ( 2 ) e- j2W + x ( 3) e- j3W + x ( 4 ) e - j4W

8 26 80 242 - j4 W
X ( W ) = -78e j4 W - 24e j3W - 6e j2 W + 2 + e- jW + e - j2 W + e - j3W + e
3 9 27 81

6076 568 28 8 æ 6560 728 80 8 ö

X (W) = 2 - cos 4W - cos 3W - cos 2W + cos W - j ç sen4W + sen3W + sen2W + sen2W ÷
81 27 9 3 è 81 27 9 3 ø

En consecuencia
2 2
æ 6076 568 28 8 ö æ 6560 728 80 8 ö
Sxx ( W ) = ç 2 - cos 4W - cos3W - cos 2W + cos W ÷ + ç sen4W + sen3W + sen2W + sen2W ÷
è 81 27 9 3 ø è 81 27 9 3 ø

b)Para que las secuencias dadas sean incorreladas se debe cumplir que

4
 rxy ( l ) = ryx ( l ) = 0 "l

Por otra parte, se tiene :

rxy ( l ) = x ( l ) * y ( -l )

Aplicando Método Matricial para el cálculo de la convolución, se obtiene

x (l)

y ( -l ) 1 -1 1 -1 1 -1

1 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1
1 1 -1 1 -1 1 -1

De donde se deduce que

rxy ( l ) = {1, 0,1, 0,1, 0,1, 0,1, 0, -1}

-
Se observa que la secuencia rxy ( l ) no es cero para todo l , lo mismo para la secuencia
ryx ( l ) ya que ryx ( l ) =rxy ( -l ) , luego se concluye que las secuencias x(n) e y(n) dadas no
son incorreladas

5
Problema Nº3. a) Determinar x(n) si

1 + e - jW - 2e - j2 W
X ( W) =
(1 + 2e- jW - 2e-2 jW )(1 - 3e- jW - +e-2 jW )
b) Usando la propiedad de convolución, determinar la Transformada – Z de x(n) dada por

x ( n ) = ( 0,9 ) u ( n ) * ( 0, 6 ) u ( n )
n n

En base al resultado obtenido, determinar si la secuencia x(n) tiene Transformada de

Fourier, y si es así, determinar dicha transformada.

Solución
a) Como X ( W ) es una función racional, para determinar x(n) se empleará la expansión en
fracciones de X ( W ) , la cual puede escribirse de la siguiente manera

1 + e - jW - 2e - j2 W
X ( W) = (1)
(1 + 2e- jW - 2e-2 jW )(1 - 3e- jW + e-2 jW )
Haciendo el cambio de variable r = e - jW , la ecuación anterior queda

1 + r - 2r 2
X ( r ) == (2)
(1 + 2r - 2r 2 )(1 - 3r + r 2 )
La cual tiene los siguientes polos

3+ 5 3- 5
p1 = -1 + 3=0,73 ; p 2 = -1 - 3= -1,73 ; p3 = =2,62 ; p4 = = 0,382
2 2

Luego, la ecuación (2) se puede escribir como

1 + r - 2r 2 A1 A2 A3 A4
X (r ) = = + + + (3)
( r - p1 )( r - p 2 )( r - p3 )( r - p 4 ) r - p1 r - p 2 r - p3 r - p 4
Con
1 + 0, 73 - 2 ( 0, 73)
2
1 + r - 2r 2
A1 = ( r - p1 ) X ( r ) r = p = = = -0, 41
1
( p1 - p2 )( p1 - p3 )( p1 - p4 ) ( 0, 73 + 1, 73)( 0, 73 - 2, 62 )( 0, 73 - 0, 382 )

1 - 1, 73 - 2 ( -1, 73)
2
1 + p 2 - 2p 22
A 2 = ( r - p2 ) X ( r ) r=p = = = -0, 23
2
( 2 1 )( 2 3 )( 2 4 ) (
p - p p - p p - p -1, 73 - 0, 73 )( -1, 73 - 2, 62 )( -1, 73 - 0, 382 )

6
 1 + ( 2, 62 ) - 2 ( 2, 62 )
2
1 + p3 - 2p32
A 3 = ( r - p3 ) X ( r ) r = p = = = 0,55
3
( p3 - p1 )( p3 - p2 )( p3 - p4 ) ( 2, 62 - 0, 73)( 2, 62 + 1, 73)( 2, 62 - 0,382 )

1 + ( 0,382 ) - 2 ( 0,382 )
2
1 + p4 - 2p 42
A4 = ( r - p4 ) X ( r ) r = p = = = 0, 66
4
( p4 - p1 )( p 4 - p 2 )( p 4 - p3 ) ( 0,382 - 0,73)( 0,382 + 1, 73)( 0,382 - 2, 62 )

Por lo tanto

-0, 41 -0, 23 0,55 0, 66

X (r) = + + + (4)
r - 1, 73 r + 0, 73 r - 2, 62 r - 0,382

Haciéndole cambio de variable de r = e - jW en ecuación (4), se obtiene

-0, 41 -0, 23 0, 55 0, 66
X (r ) = - jW
+ - jW + - jW + - jW
e - 1, 73 e + 0, 73 e - 2, 62 e - 0,382

1 1 1 1
X ( W ) = 0, 24 - 0,32 - 0, 21 - 1, 73
1 - 0,58e - jW
1 - ( -1,37 ) e - jW
1 - 0,38e - jW
1 - 2, 62e - jW
Considerando el par de transformada siguiente:

F{a n u ( n )} =
1
, a <1
1 - ae - jW

Se tendría

x ( n ) = 0, 24 ( 0,58 ) u ( n ) - 0, 32 ( -1,37 ) u ( n ) - 0, 21( 0,38 ) u ( n ) - 1, 73 ( 2, 62 ) u ( n )

n n n n

De la expresión de x(n) determinada, se observa que el segundo término y el cuarto

término, del segundo miembro de la ecuación, no cumplen con la condición de existencia
de Transformada de Fourier, ya que en los dos casos se tiene que a > 1. O sea que la
expresión dada de X ( W ) no corresponde a una Transformada de Fourier.

b) Se pide obtener la Transformada – Z de x ( n ) = ( 0,9 ) u ( n ) * ( 0, 6 ) u ( n ) , usando la

n n

propiedad de convolución de la Transformada – Z, la que establece:

{ } {
X ( z ) = Z ( 0,9 ) u ( n ) * ( 0, 6 ) u ( n ) = Z ( 0,9 ) u ( n ) Z ( 0, 6 ) u ( n )
n n n
} { n
}
Teniéndose:

7
 { }
Z ( 0, 9 ) u ( n ) =
n 1
1 - 0,9z -1
; ROC: z > 0,9

{ }
Z ( 0, 6 ) u ( n ) =
n 1
1 - 0, 6z -1
; ROC: z > 0, 6

En consecuencia:

1 1
X (z ) = g ; ROC: z > 0,9
1 - 0,9z 1 - 0, 6z -1
-1

Como se tiene que X(z) tiene una ROC: z > 0,9 , se deduce que esta ROC contiene a la
circunferencia de radio z = 1 , por lo tanto la secuencia x(n) tiene Transformada de Fourier
X ( W ) , la cual es:

1 1
X ( W ) = X ( z ) z = e jW = - jW
g
1 - 0,9e 1 - 0, 6e- jW

8
 PAUTA TERCERA PRUEBA ANÁLISIS DE SEÑALES
SEGUNDO SEMESTRE 2012.2006

Problema N°1. Determinar la Transformada – Z d:

n
æ1ö
a) x ( n ) = 3 u ( - n - 1) + ç ÷ u ( n + 2 )
n

è2ø
b) y ( n ) = e sen ( n ) u ( n )
n

Solución
a) Aplicando Transformada - Z, se obtiene

-1 ¥
X ( z) = å 3n z - n +
n =-¥
å( )
n =-2
1 n
2 z-n

Haciendo cambio de variable m = -n, en la primera sumatoria de la ecuación anterior, se

tiene

-1 ¥
3 z -1
å 3n z -n = å ( 3z -1 ) =
m
; ROC: z < 3
n =-¥ m =1 1 - 3 z -1

¥ ¥
2z2
å( z -1 ) =
1
å ( 12 )
n
z-n =
n 1
; ROC: z >
1 - 12 z -1
2
n =-2 n =-2 2

En consecuencia

3 z -1 2z2 1
X (z) = -1
+ -
; ROC: < z <3
1 - 3z 1 - 12 z 1
2

b) En este caso W0 = 1 , luego por Tabla:

ez -1sen (1)
Y ( z) = ; ROC: z < e
1 - 2ez -1 cos (1) + z -2

1
Problema N° 2. Determinar la Transformada – Z Inversa de

z
X (z) = ; ROC: z < 2
z ( z - 1)( z - 2 )
Solución
a) Aplicando expansión en fracciones parciales, se obtiene

X (z) 1 A A A
= = 1+ 2 + 3
z z ( z - 1)( z - 2 ) z z - 1 z - 2

X (z) 1
A1 = z =
z z =0 2
X ( z)
A2 = ( z - 1) = -1
z z =1
X ( z) 1
A3 = ( z - 2 ) =
z z=2 2

Luego
1 1 1 1
X (z) = - -1
+ ; ROC: z < 2
2 1- z 2 1 - 2 z -1

Como la ROC de X(z) es menor que 2, se deduce que x(n) es una señal anticausal, luego se
debe aplicar para cada componente de X(z), el ar de Transformada siguiente

1
- a n u ( - n - 1) « ;ROC: z < a
1 - az -1
Obteniéndose
1 1
x ( n ) = d ( n ) + u ( - n - 1) - ( 2 ) u ( - n - 1)
n

2 2

2
Problema Nº 3. Un sistema LTI, tiene como secuencia de entrada

x(n) = ( 12 ) u(n) + ( 2 ) u( -n - 1)
n n

Para esta secuencia de entrada la secuencia de salida y(n) es

y(n) = 6 ( 12 ) u(n) - 6 ( 43 ) u(n)

n n

a) Determinar la función de sistema H(z) del sistema. Dibujar el diagrama de polos y ceros
de H(z) e indicar la región de convergencia.
b) Determinar la respuesta h(n) al impulso del sistema.
c) Escribir la ecuación diferencia que caracteriza al sistema.
d) Determinar si el sistema es estable y/o causal.

Solución
a) La secuencia x(n) se puede escribir como

x(n) = ( 12 ) u(n) - é - ( 2 ) u(-n - 1) ù

n n
ë û
Por lo tanto
1 1 1
X(z) = -1
- , ROC: < z <2
1- z1
2 1 - 2z -1 2

X(z) se puede escribir como

- 32 z
X(z) =
( z - 12 ) ( z - 2 )
Como
y(n) = 6 ( 12 ) u(n) - 6 ( 43 ) u(n)
n n

Se tiene
6 6 3
Y(z) = -1
- -1
, ROC: z >
1- z 1
2 1- z3
4 4

- 32 z
Y(z) =
( z - 12 ) ( z - 43 )
Por lo tanto

Y(z) z - 2 3
H(z) = = , ROC: < z <2
X(z) z - 34 4

3
Diagrama de Polos – Ceros. El diagrama de polos – ceros se muestra en la Figura P3

jw

X O
3/4 2 s

Figura P3

b) Se tiene que

ìz - 2ü
h(n) = Z-1 {H(z)} = Z-1 í 3ý
îz - 4 þ

h(n) se puede escribir como

ì 1 ü ì z -1 ü
h(n) = Z-1 í 3 -1 ý - 2Z-1 í 3 -1 ý
î1 - 4 z þ î1 - 4 z þ

De donde

n n -1
æ 3ö æ 3ö
h(n) = ç ÷ u(n) - 2 ç ÷ u ( n - 1)
è 4ø è 4ø

c) Como
e jW - 2 1 - 2- jW
H ( W ) = H(z) z = jW = jW 3 =
e - 4 1 - 34 e - jW
y dado que
M

åb e k
- jkW
b0 + b1e- jW +·······+ b M e - jMW
H(W) = k =0
=
N
a 0 + a 1e - jW +·······+ a N e - jNW
åa e
k=0
k
- jkW

con
N M

å a k y(n - k) = å bk x(n - k)
k =0 k =0
4
Se tiene que la ecuación en diferencias que modela al sistema es

3
y ( n ) - y ( n - 1) = x(n) - 2x ( n - 1)
4

d) El sistema es estable porque su función de sistema tiene el único polo con módulo menor
que uno, o bien porque h(n) tiende a cero cuando n tiende a infinito, y es causal dado que
h(n) = 0 para n < 0.

5
 PAUTA PRIMERA PRUEBA DE ANÁLISIS DE SEÑALES

PRIMER SEMESTRE 2013

Problema N°1. Sea la señal x(t) un tren de pulsos rectangulares periódico, con simetría par,
con periodo T = 2[seg] ancho de cada pulso de 1[seg] y x(0) = 1.

a) Determinar la potencia media relativa a la potencia total, contenida dentro de las cuatro
primeras armónicas.

b) Proponer un programa MATLAB para obtener el valor eficaz de x(t) dada.

Solución

La gráfica de x(t) se muestra en la Figura P.1

x(t)

-1 -1/2 0 1/2 1 2 t
Figura P 1

a) En este caso, es necesario determinar la potencia contenida dentro de las primeras cuatro
armónicas P4 y la potencia total P de la señal x(t). Para calcular P4 se debe emplear
Parseval, el que establece que
N
PN = å
2
Cn
n =- N

Y para calcular la potencia total P, como x(t) es una señal periódica, se usa:

P = ò x ( t ) dt
2

La respuesta al problema es por lo tanto

P4
g100 [ % ]
P

Cálculo de P4. Para calcular P4 empleando Parseval es necesario calcular los coeficientes de
Fourier Cn necesarios, para ello se aplica:

1
 T /2
1
ò x (t ) e
- jnw0t
Cn = dt
T -T /2

Como x(t) presenta simetría par, la expresión para Cn es

T /2
2
Cn =
T ò x ( t ) cos nw tdt
0
0

Se tiene que T = 2, por lo que 1/2 = T/4. De acuerdo a la gráfica de x(t), Cn queda
T /4
2
Cn =
T ò cos nw tdt
0
0

Ya que en el intervalo ( 0,T/2) x(t) = 1. Integrando, se obtiene:

2 2 æ Tö
sen ( nw0t ) 0 = sen ç nw0 ÷
T /4
Cn =
nw0T nw0T è 4ø

Dado que w0T = 2p , Cn se puede escribir como

æ np ö
sen ç ÷
1 æ np ö 1 è 2 ø
Cn = sen ç ÷ =
np è 2 ø 2 np
2

Aplicando la definición de sinc(x), la expresión de Cn queda

1 ænö
Cn = sin c ç ÷
2 è2ø

Como C-n = Cn, Parseval se puede escribir como

( )
4
P4 = C0 + 2å Cn = C0 + 2 C1 + C2 + C3 + C4
2 2 2 2 2 2 2

n =1

Luego, es necesario determinar los coeficientes C0, C1, C2, C3, C4, obteniéndose

1 1
C0 = Þ C0 =
2

2 4

1 æ1ö
C1 = sin c ç ÷ Þ C1 = 0,1
2

2 è 2ø

2
 1
C2 = sin c (1) = 0 Þ C2 = 0
2

1 æ3ö
C3 = sin c ç ÷ Þ C3 = 0, 011
2

2 è2ø

1
C4 = sin c ( 2 ) = 0 Þ C4 = 0
2

Por lo tanto

P4 = 0, 25 + 2 ( 0,1 + 0, 011) = 0, 472 [ watts ]

Cálculo de la potencia total P. La potencia total P se calcula aplicando la ecuación

T /2 1/2
1 1
ò x ( t ) dt = dt = 0,5 [ watts ]
2 -1/ò 2
2
P=
T -T / 2

En consecuencia, la respuesta es

P4 0, 472
g100 = g100 = 94, 4 [ %]
P 0, 5

b) El valor eficaz Xeff de x(t) está dado por

1 2
X eff = < x 2 ( t ) > = x ( t ) dt
T Tò

Para señal x(t) dada, Xeff se puede escribir como:

T /4
1
X eff = ò x 2 ( t ) dt
T -T / 4

Es esta última ecuación la que se debe usar en el programa MATLAB pedido.

Considerandoque x(t) es constante en el intervalo de integración, el programa MATLAB
propuesto es el siguiente

3
>>syms A t; % Se declaran simbólicas la constante A y la variable de integración t

>> I=int(A^2,t,-1/2,1/2);

>>Xeff=sqrt(I/2)

Xeff =

(A^2/2)^(1/2)

En el ejemplo A = 1, lo que determina que

1
X eff =
2

Resultado que es concordante con el obtenido en el apartado a)

4
Problema N°2. a) Determinar la densidad espectral de la señal

x(t) = 2[u(t+1) – u(t)] +{-2(t – 1)[u(t) – u(t – 1)]}+2(t – 1)[u(t – 1) – u(t – 2)]

b) Proponer un programa MATLAB para graficar la densidad espectral determinada en el

apartado a).

Solución

La gráfica de x(t) se muestra en la Figura P. 2

x(t)

-1 0 1 2 t

Figura P. 2

a)Como x(t) presenta limitación estricta en el tiempo, es una señal de energía. La densidad
espectral de energía Sxx(f) de la señal x(t) es

S xx ( f ) = X ( f )
2

Siendo X(f) la Transformada de Fourier de x(t) dada por

¥ 0 1 2
X(f )= ò x ( t ) e - jwt dt = ò 2e - jwt dt + ò ( -2t + 2 ) e - jwt dt + ò ( 2t - 2 ) e - jwt dt
-¥ -1 0 1

Integrando, obtiene
0 1 1 2 2
2 - jwt 2e - jwt 2 - jw t 2e - jwt 2
X(f )= e + ( - jwt - 1) + e - ( - jwt - 1) + e- jwt
- jw -1
w2 0
- jw 0
w 2
1
jw 1

X(f )=
2
w 2 (1 - e )
- jw 2
+ j
2
w
(e - j 2w
- e - jw )

2 2 é2 4 ù
X(f )= éë1 - 2 cos w + cos 2 w - sen 2w ùû - + j ê ( co 2w - cos w ) - 2 ( senw - senw cos w ) ú
w 2
w ëw w û

2 2 é2 4 æ sen2w ö ù
X(f )= [1 - 2 cos w + cos 2w ] - + j ê ( co 2w - cos w ) - 2 ç senw - ÷
w 2
w ëw w è 2 ø úû

5
Por lo tanto

sen 2w ö ù
2
ö é2
2
æ 2 2 4 æ
S xx ( f ) = ç 2 [1 - 2 cos w + cos 2w ] - ( senw - sen 2w ) ÷ + ê ( co 2w - cos w ) - 2 ç senw - ÷
è w w ø ë w w è 2 ø úû

b) El programa MATLAB propuesto para graficar Sxx(f) es

>> %Gráfica de Sxx(f)

>> w=-pi:1/259:pi;

>>x1=2*(1-2*cos(w)+cos(2*w));

>>x2=x1./(w.*w);

>>x3=2*(sin(w)-sin(2*w))./w;

>>x5=4*(sin(w)-(sin(2*w))./(w.*w));

>>x6=(x2-x3).^2;

>>x4=2*(cos(2*w)-cos(w))./w;

>>x7=(x4-x5).^2;

>> S=x6+x7;

>>plot(w/pi,S)

>> y=0*w; % Determina eje abscisa

>> z=50000*w; % Determina eje ordenada

>>plot(w/pi,S,w/pi,z,w/pi,y);

>>axis([-1 1 0 150]) % Escala de ordenadas que permite visualizar claramente Sxx

>>

6
7
Problema N° 3. a) Determinar la señal x(t) si su transformada de Fourier X(w) es

jw + 2
X (w ) =
( jw + 1) ( jw + 3)
3

b) ¿Para que valor de t es máxima la señal x(t) obtenida en el apartado a)?.

Solución

a) Para responder a esta pregunta se debe aplicar la expansión en fracciones parciales de

X(w). La función racional X(w) tiene dos polos, el polo simple p1 = -3 y el polo p2 = - 1 de
multiplicidad li = 3, haciendo el cambio de variable r = jw,la forma de la expansión de H(r)
es:

r+2 A1 A A32 A33

X (r) = = + 31 + +
( r + 1) ( r + 1) r + 3 r + 1 ( r + 1) ( r + 1)3
3 2

Los residuos A1 y A33, se determinan usando la relación

A = ( r + pi ) X ( r ) r =- p
1

Luego:

r +2 1
A1 = ( r + 3) X ( r ) r =-3 = =
( r + 1)
3
8
r =-3

r+2 1
A33 = ( r + 1) X ( r ) r =-1 = =
r + 3 r =-1 2

Los residuos A31 y A32 se determinan usando

1 é d li -k é ù
ê li - k ë( r - pi ) X ( r ) ùû ú
li
Ali k = ; k=1,2,........, li - 1
( li - k )! ë dr û r= p i

Por lo tanto:

1 é d2 é ù 1 é d2 é r + 2 ùù 1 é -2r - 6 ù 1
A31 = ( + ) ( ) ù = =-
3
ê 4ú
2! êë dr 2 ë û úû 2! êë dr 2 ú
r 1 X r = êë r + 3 úû
r =-1 û r =-1 2 êë ( r + 3) úû r =-1
8

1éd é 1 é d é r + 2 ùù é 1 ù
A32 = ( r + 1)
3
X ( r ) ùù = = ê 2ú
=
1
ê ë û ú ê ê ú ú
1! ë dr û r =-1 1 ë dr ë r + 3 û û r =-1 ëê ( r + 3) ûú 4
r =-1

8
En consecuencia:

1 1 1 1
-
X (r) = 8 + 8 + 4 2 + 2 3
r + 3 r + 1 ( r + 1) ( r + 1)

Volviendo al dominio de la frecuencia, o sea, cambiando r por jw, se obtiene:

1 1 1 1
-
X (w ) = 8 + 8 + 4 + 2
jw + 3 jw + 1 ( jw + 1) ( jw + 1)3
2

Para obtener x(t), a cada término del segundo miembro de la ecuación anterior se le aplica

ìï K üï t n -1 - at
F -1 í n ý
= K e u (t )
îï ( a + jw ) þï ( n - 1) !

Obteniéndose:

é1 æ 1 1 1 ö ù
x ( t ) = F -1 { X ( w )} = ê e -3t + ç - + t + t 2 ÷ e - t ú u ( t ) (1)
ë8 è 8 4 4 ø û

b) Para responder esta pregunta una alternativa es aplicar el criterio calcular el valor de t
que hace cero la primera derivada de x(t) y aplicar este valor a la segunda derivada de x(t),
si para este valor de t se tiene un valor positivo de esta segunda derivada, se deduce que
este valor de t hace máximo a x(t).

Derivando x(t), se obtiene:

3 æ3 1 1 ö
x¢(t ) = - e -3t + ç - t - t 2 ÷ e - t
8 è8 8 4 ø

Haciendo iguala cero esta ecuación, se obtiene:

3 æ3 1 1 ö
- e -3t + ç - t - t 2 ÷ e- t = 0
8 è8 8 4 ø

La ecuación obtenida no tiene solución analítica, luego otra alternativa para solucionar el
problema es aplicando método de iteración de la siguiente manera:

En la ecuación (1) se consideran los valores indicados en la Tabla siguiente, la cual muestra
los valores de x(t) para tales valores de la variable t.

9
 t x(t)
0 0
0,5 0,066
1 0,1442
1,5 0,182
1,8 0,188
2 0,1863

Como primera aproximación, se puede decir que para t = 1,8 se tiene el valor máximo de
x(t). El siguiente programa MATLAB, ratifica tal criterio-

>> t=0:0.001:10;

>>x2=(-1/8+t/4+(t.^2)/4).*exp(-t);

>>x1=exp(-3*t)/8;

>> x=x1+x2;

>>plot(t,x)

>>grid

0.2

0.18

0.16

0.14

0.12

0.1

0.08

0.06

0.04

0.02

0
0 1 2 3 4 5 6 7 8 9 10

10
 PAUTA SEGUNDA PRUEBA DE ANALISIS DE SEÑALES
PRIMER SEMESTRE 2013.

Problema Nº1. Las secuencias x(n), y(n) son definidas en la Figura 1.

x(n) y(n)
4
1
...... ...... ...... 2 ......
1
-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 n -9-8-7-6-5-4-3-2-1 0 1 2 3 4 5 6 7 8 9 n
Figura P 1
Determinar
a) La secuencias autocorrelaciones q xx (l) y q yy (l) .
b) Las secuencias correlaciones cruzadas q xy (l) y q yx (l) .
c) Potencia media de x(n), aplicando el Teorema de Parseval.

Solución
a) Como las señales x(n) e y(n) son periódicas con periodo N = 4, se tiene

1 N -1 1 3
q xx (l) = å
N n=0
x(n)x(n - l ) = å x(n)x(n - l) ; l = 0,1, 2,3
4 n =0

1
q xx (l) = [ x(0)x(-l) + x(1)x(1 - l) + x(2)x(2 - l) + x(3)x(3 - l)]
4
Luego

1 1
q xx (l) = [0·x(-l) + x(1 - l) + x(2 - l) + x(3 - l)] = [ x(1 - l) + x(2 - l) + x(3 - l) ]
4 4

En consecuencia

1 1 3
q xx ( 0 ) = éë x (1) + x ( 2 ) + x ( 3) ùû = [1 + 1 + 1] =
4 4 4

1 1 1
q xx (1) = éë x ( 0 ) + x (1) + x ( 2 ) ùû = [ 0 + 1 + 1] =
4 4 2

1
 1 1 1
q xx ( 2 ) = éë x ( -1) + x ( 0 ) + x (1) ùû = [1 + 0 + 1] =
4 4 2

1 1 1
q xx ( 3) = éë x ( -2 ) + x ( -1) + x ( 0 ) ùû = [1 + 1 + 0] =
4 4 2
1 1 3
q xx ( 4 ) = éë x ( -3) + x ( -2 ) + x (1) ùû = [1 + 1 + 1] =
4 4 4

1 1 1
q xx ( -1) = éë x ( 2 ) + x ( 3) + x ( 4 ) ùû = [1 + 1 + 0] =
4 4 2

1 1 1
q xx ( -2 ) = éë x ( 3) + x ( 4 ) + x ( 5 ) ùû = [1 + 0 + 1] =
4 4 2

Se comprueba que q xx ( l ) es periódica con periodo N = 4 y presenta simetría par, en

consecuencia

ì 1 3 1 1 1 3 1 1 1 3 1 1 1 3 ü
q xx ( l ) = í....., , , , , , , , , , , , , , ,.......ý
î 2 4 2 2 2 4 2 2 2 4 2 2 2 4 þ

b) En este caso
1 N -1 1 3
q xy ( l ) = å
N n =0
x ( n ) y (n - l) = å x ( n ) y ( n - l )
4 n =0

1
q xy ( l ) = é x ( 0 ) y ( -l ) + x (1) y (1 - l ) + x ( 2 ) y ( 2 - l ) + x ( 3) y ( 3 - l ) ùû
4ë

Con los valores de x(n) se tiene

1
q xy ( l ) = é y (1 - l ) + y ( 2 - l ) + y ( 3 - l ) ùû
4ë

Luego
1 1 3
q xy ( 0 ) = éë y (1) + y ( 2 ) + y ( 3) ùû = [ 2 + 1 + 0] =
4 4 4
 1 1 7
q xy (1) = éë y ( 0 ) + y (1) + y ( 2 ) ùû = [ 4 + 2 + 1] =
4 4 4

1 1 3
q xy ( 2 ) = éë y ( -1) + y ( 0 ) + y (1) ùû = [ 0 + 4 + 2] =
4 4 2

1 1 5
q xy ( 3) = éë y ( -2 ) + y ( -1) + y ( 0 ) ùû = [1 + 0 + 4] =
4 4 4

1 1 3
éë y ( -3) + y ( -2 ) + y ( -1) ùû = [ 2 + 1 + 0] =
q xy ( 4 ) =
4 4 4
Se tiene que la secuencia q xy ( l ) es periódica con periodo N = 4. Por lo tanto

ì 3 7 3 5 3 7 3 5 3 ü
q xy ( l ) = í........., , , , , , , , , ,..........ý
î 4 4 2 4 4 4 2 4 4 þ

c) Parseval establece que

N -1
P = å Ck
2

k =0

Con
1 N -1
C k = å x(n)e N , k =0, ± 1, ± 2, ± 3,......., ± N-1
- j 2 pkn

N n=0

Como N = 4, se tiene

1 3 1
å x(n)e 2 = é x ( 0 ) + x (1) e 2 + x ( 2 ) e - jpk + x ( 3) e 2 ù
- j pkn - j pk - j 3 pk
Ck =
4 n=0 4ë û

1 é - j p2k
e + e - jpk + e 2 ù
- j 3 pk
Ck =
4ë û
En consecuencia
1 3 9
C0 = [1 + 1 + 1] = Þ C0 =
2

4 4 16

1 é - j p2 1 1 1
e + e - jp + e 2 ù = [ - j - 1 + j] = -
- j3p
C1 = Þ C1 =
2

4 ë û 4 4 16

3
 1 - jp - j2 p - j3 p 1 1 1
C2 = éë e + e + e ùû = [ -1 + 1 - 1] = - Þ C2 =
2

4 4 4 16

1 é - j 32p 1 1 1
e + e- j3 p + e 2 ù = [ j - 1 + j] = -
- j9p
C3 = Þ C3 =
2

4ë û 4 4 16

Por lo tanto

9 1 1 1
P = C0 + C1 + C 2 + C3 = + + + [ watts ]
2 2 2 2

16 16 16 16

3
P= [ watts ]
4
Problema Nº 2. a) Determinar la densidad espectral de la señal
n
æ1ö
x(n) = ç ÷ u(n + 4)
è 4ø
b) Determinar la energía de x(n).

Solución
a) En este caso

¥
X ( W) = å x(n)e
n =-¥
- jnW

¥ n ¥ n
æ1ö æ 1 ö - jnW
X ( W) = å ç ÷ (
n =-¥ è 4 ø
u n + 4 ) e - jnW
= å ç ÷e
n =-4 è 4 ø

-4 -3 -2 -1 2
æ1ö æ1ö æ1ö æ1ö æ1ö æ1ö
X ( W ) = ç ÷ e j4W + ç ÷ e j3W + ç ÷ e j2W + ç ÷ e jW + 1 + ç ÷ e- jW + ç ÷ e - j2W + .......... + 0
è4ø è4ø è4ø è4ø è4ø è4ø

1 - jW
Se deduce que X ( W ) es una serie geométrica con razón r = e , primer término
4
-4
æ 1 ö j4 W
ç ÷ e y último término 0, en consecuencia
è4ø

-4
æ 1 ö j4 W
ç ÷ e 45 e j5W 1024e j5 W
X ( W) = è ø
4
= jW =
1
1 - e - jW 4e - 1 4 cos W - 1 + j4senW
4

De donde

1024 1024
X ( W) = =
( 4cos W - 1)
2
+ 16sen 2 W 17 - 8cos W

Por lo tanto, la densidad espectral de energía SXX (f ) está dada por

1048576
SXX (f ) = X(f ) = [ Joules]
2

17 - 8cos W

5
b) La energía E es

¥ ¥
E= å
n =-¥
x2 ( n ) = å( )
n =-4
1 n
16

-4 -3 -2 -1 2 3
æ1ö æ1ö æ1ö æ1ö æ1ö æ1ö æ1ö
E = ç ÷ + ç ÷ + ç ÷ + ç ÷ + 1 + ç ÷ + ç ÷ + ç ÷ + ..... + 0
è 16 ø è 16 ø è 16 ø è 16 ø è 16 ø è 16 ø è 16 ø

1
E es una serie geométrica con razón r = , luego
16

-4
æ1ö
ç ÷ 165
E=è ø = = 69905 [ Joules ]
16
1 15
1-
16
 Problema Nº3. La señal s(t), cuya gráfica se muestra en la Figura 3 a), con T = 1 y t =
0,5[s], multiplica a la señal v(t), la cual tiene transformada de Fourier V(f) mostrada en la
Figura 2 b).
a) Determinar el espectro de vs(t) = v(t)s(t).
b) ¿ Puede recuperarse v(t) a partir de vs(t)?
c) Si V(f) tiene por gráfica la mostrada en la Figura 2 c).¿Puede v(t) ser recuperada a partir
de vs(t)?. Explicar la respuesta.
s(t)

2 t

....... .......

t
-2T -T 0 T 2T 3T
a)

V(f) V(f)
1 1

f [H z ] f [H z ]
- 1
4 0 1
4 -1 0 1

b) c)
Figura 3
Solución
a) Como
vs (t) = v(t)s(t)

y que s(t) es un tren de pulsos rectangulares, el muestreo es de tipo práctico natural. En el

dominio de la frecuencia se tiene

Vs ( f ) = V ( f ) *S ( f )

Con V ( f ) = F {v ( t )} y S ( f ) = F {s ( t )} , como

s ( t ) = å p ( t - nT )
n

con
ætö
p( t) = Õç ÷
ètø

Se tiene s(t) se puede escribir como

7
 s ( t ) = p(t) * å d ( t - nT )
n

De aquí
ì ü
S ( f ) = P ( f ) F íå d ( t - nT ) ý
în þ
Como
ì ü
F íå d ( t - nT ) ý = fs å d ( f - nf s )
î n þ n

se tiene
S ( f ) = fs P ( f ) å d ( f - nfs ) = fs å P ( f ) d ( f - nfs ) = fs å P ( nf s ) d ( f - nfs )
n n n

Además
P ( nfs ) = F{p ( t )} = t sin c ( ntfs )
f = nfs

De aquí
S ( f ) = fs tå sin c ( ntfs ) d ( f - nfs )
n

Se tiene t = 0,5 y fs = 1/T = 1, por lo tanto

S ( f ) = 0,5å sin c ( 0, 5n ) d ( f - n )
n

En consecuencia
é ù
Vs ( f ) = V ( f ) * ê 0,5å sin c ( 0,5n ) d ( f - n ) ú
ë n û

Vs ( f ) = 0,5* å sin c ( 0, 5n ) V ( f - n )
n

b) La gráfica de Vs(f) es la mostrada en la Figura P3 d)

V s (f)

… ... … … ..

-2 -1 -1/4 0 1/4 fs = 1 2 f

Figura P3 d).Espectro de Vs(f).

b). De la Figura P3 d), se deduce que es posible recuperar v(t) a partir de vs(t), ya que no
hay aliasing o traslape de las componentes espectrales de Vs(f).
c) Considerando el espectro de V(f) mostrado en la Figura 2 c), el espectro de Vs(f) es el
mostrado en la Figura P3 e)
Vs(f)
1

…... ……..

-2 -1 -1/4 0 1/4 fs = 1 2 f

Figura P3 e)
De la Figura P3 e), se deduce que no es posible recuperar v(t) a partir de vs(t), ya que se
produce aliasing, porque en este caso no se cumple con el Teorema de Muestreo, o sea que
en este caso fs < 2W, con W = 1 y fs = 1.

9
 PAUTA TERCERA PRUEBA ANÁLISIS DE SEÑALES
PRIMER SEMESTRE 2013.

Problema Nº1. a) Determinar la Transformada – Z Unilateral de la secuencia

x ( n ) = d ( n + 3) + d ( n ) + 2n ( - n )
b) Determinar el valor final de la secuencia x(n) si su Transformada – Z Unilateral es

2z - 74
X+ ( z ) = z
z 2 - 74 z + 34
Solución
a) Aplicando la definición de Transformada – Z Unilateral, se tiene

¥ ¥ ¥ ¥
X + ( z ) = å x ( n ) z - n = å d ( n ) z - n + å d ( n + 3) z - n + å ( 2 ) u ( - n ) z - n
n

n =0 n =0 n =0 n =0

Desarrollando las sumatorias, y considerando que el impulso d(n + 3) existe para n = -3 y

que u(-n) es cero para n > 0 y es igual a 1 para n = 0, se obtiene

X+ ( z ) = 1 + 0 + 1

X+ ( z ) = 2

b) El Teorema del valor final establece

lim x ( n ) = lim ( z - 1) X + ( z )
n ®¥ z ®1

Luego, aplicando este teorema al problema dado, se tiene

2z - 74
lim x ( n ) = lim ( z - 1) z
n ®¥ z ®1 z 2 - 74 z + 34

Expresión que se puede escribir como

2z - 74 2z - 74 2 - 74
lim x ( n ) = lim ( z - 1) z = lim z =
n ®¥ z ®1 ( z - 1) ( z - 34 ) z ®1 ( z - 34 ) 1 - 34

1
En consecuencia

lim x ( n ) = 1
n ®¥

2
Problema Nº 2. Determinar si el sistema de tiempo discreto que tiene la siguiente relación
entrada – salida
y ( n ) = x(n) + nx ( n + 1)
es
a) Causal o no causal
b) Estático o dinámico.
c) Lineal o no lineal.
d) Invariante o variante con el tiempo.
e) Estable o no estable.

Solución
a) Dado que la respuesta es función de loa valores presente y futuros de la señal de entrada,
el sistema es no - causal

b) Dado que la respuesta es función de loa valores presente y futuros de la señal de entrada,
el sistema es dinámico

c) Se consideran dos secuencias de entrada x1(n) y x2(n), las correspondientes salidas son

y1 ( n ) = x1 (n) + nx1 ( n + 1)

y 2 ( n ) = x 2 (n) + nx 2 ( n + 1)

Una combinación lineal de las secuencias de entrada determina que

y3 ( n ) = H éëa1 x1 ( n ) + a 2 x 2 ( n ) ùû = a1 éë x1 (n) + nx1 ( n + 1) ùû + a 2 éë x 2 (n) + nx 2 ( n + 1) ùû (I)

Por otra parte, una combinación lineal de las dos salidas, da por resultado

a1 y1 ( n ) + a 2 y 2 ( n ) = a1 éë x1 (n) + nx1 ( n + 1) ùû + a 2 éë x 2 (n) + nx 2 ( n + 1) ùû (II)

Comparando las ecuaciones (I) y (II), se deduce que los segundos miembros son iguales, en
consecuencia el sistema analizado es lineal.

d) Si la entrada es retardada en k unidades, la salida del sistema será

y ( n, k ) = x ( n - k ) + nx ( n + 1 - k ) (III)

Si la salida se retarda en k unidades, se tiene

3
 y ( n - k ) = x ( n - k ) + (n - k)x ( n + 1 - k ) (IV)

Comparando las ecuaciones (III) y (IV), se deduce que

y ( n, k ) ¹ y ( n - k )

En consecuencia, el sistema analizado es variante en el tiempo

e) Aplicando a y(n) límite cuando n ® ¥ , se tiene

lim y ( n ) = lim éë x ( n ) + nx ( n + 1) ùû = ¥
n ®¥ n ®¥

En consecuencia, el sistema analizado es no – estable.

4
Problema Nº 3. a) Determinar la ecuación en diferencias que modela al sistema cuya
realización se muestra en la Figura P. 3 .
b) Determinar la respuesta de entrada – cero de tal sistema, si y(-1) = y(-2) = 1.

y(n)
x(n)
+ Z-1 Z-1

Z-1

-0,5
Figura P.3
a) De la Figura P 3, se deduce la siguiente ecuación en diferencias

y ( n ) = x ( n ) + x ( n - 1) + y ( n - 1) - 0,5y ( n - 2 )
O sea

y ( n ) - y ( n - 1) + 0,5y ( n - 2 ) = x ( n ) + x ( n - 1)

b) La ecuación homogénea asociada a la ecuación en diferencias original, es

y ( n ) - y ( n - 1) + 0,5y ( n - 2 ) = 0

Considerando que la solución homogénea es de la forma

yh ( n ) = r n
Se obtiene
r n - r n -1 + 0,5r n - 2 = 0
De aquí, se tiene
r 2 - r + 0,5 = 0
Siendo las raíces
1 1 1 1
r1 = +j ; r2 = -j
2 2 2 2

Como las raíces son complejas conjugadas, la solución homogénea es de la forma

y h ( n ) = C1r n cos fn + C2 senfn

5
Con
æ1ö p
2 2
æ1ö æ1ö 2
r = ç ÷ +ç ÷ = y f=tg -1 ç 12 ÷ =
è 2ø è 2ø 2 è2ø 4
Luego
n n
æ 2ö pn æ 2ö pn
y h ( n ) = C1 çç ÷÷ cos + C 2 çç ÷÷ sen
è 2 ø 4 è 2 ø 4

Haciendo n = 0, en la solución homogénea y en la ecuación en diferencias homogénea, se

tiene
y ( 0 ) - y ( -1) + 0,5y ( -2 ) = 0
De donde
y ( 0 ) = y ( -1) - 0,5y ( -2 ) = 1 - 0,5 = 0,5 (1)
Además
y ( 0 ) = C1 + 0 = C1 (2)

De las ecuaciones (1) y (2), se obtiene

C1 = 0,5

Haciendo n = 1, en la solución homogénea y en la ecuación en diferencias homogénea, se

tiene

y (1) - y ( 0 ) + 0,5y ( -1) = 0

De donde
y (1) = y ( 0 ) - 0, 5y ( -1) = 0, 5 - 0,5 = 0 (3)
Por otra parte
æ 2ö p æ 2ö p æ1ö æ1ö
y (1) = C1 çç ÷÷ cos + C 2 çç ÷÷ sen = y h ( n ) = C1 ç ÷ + C 2 ç ÷ (4)
è 2 ø 4 è 2 ø 4 è2ø è 2ø

De las ecuaciones (3) y (4), se obtiene

C 2 = -C1 = -0,5

Luego, la respuesta de entrada cero yzi(n) es

n n n
1æ 2 ö pn 1 æ 2 ö pn 1 æ 2 ö æ pn pn ö
y zi ( n ) = çç ÷÷ cos - çç ÷÷ sen = çç ÷÷ ç cos - sen ÷
2è 2 ø 4 2è 2 ø 4 2è 2 ø è 4 4 ø

6
 PAUTA PRIMERA PRUEBA ANALISIS DE SEÑALES
SEGUNDO SEMESTRE 2013

PROBLEMA N° 1. Dada la señal

x ( t ) = e -5t u ( t + 2 )
a) Determinar todos los valores de la variable t hacen cero la componente par de x(t).
b) Demostrar analíticamente que la señal x(t) es señal de energía-

Solución.
a) La componente par xp(t)de la señal x(t) es:

1
xp (t ) = é x ( t ) + x ( -t ) ùû
2ë
Con
x ( -t ) = e5t u ( -t + 2 )
Luego
1 -5 t
xP ( t ) = ée u ( t + 2 ) + e5t u ( -t + 2 ) ùû
2ë

Para que xp(t)sea igual a cero, se debe cumplir que

e -5t u ( t + 2 ) = -e5t u ( -t + 2 )

Relación que no se cumple para cualquier valor de t, en el intervalo -2 £ t £ 2 , dado

quex(t) y x(-t) son siempre positivos. Luego en el intervalo -2 £ t £ 2 no hay valores de t
que hagan cero la componente par de x(t). Para t = ±¥ se tiene xP ( t ) = 0 .

b) La energía E de una señal x(t) es:

¥

E= ò x ( t ) dt
2

-¥

Para la señal x(t) dada, se tiene

¥ ¥ ¥
1 -10 t
E= ò e-10t u ( t + 2 ) dt = ò e -10t dt = e
-¥ -2
-10 -2

1 20
E= e [ Joules ]
10

Como la energía de la señal x(t) es finita, se deduce que la señal x(t) dada es de energía.

1
PROBLEMA N° 2. a) Se tienen las señales

x ( t ) = e 2t u ( -t ) y z ( t ) = u ( t - 3 )
Determinar y ( t ) = x ( t ) * z ( t ) .
b) Determinar la densidad espectral de x(t) del apartado a).

Solución
a) Las gráficas de x(t) y de z(t) se muestran en la Figura P2.1
x(t) z(t)

1 1

t
0 t
0 3

Figura P2.1.

Se considera como núcleo de la integral de convoluciónla señal z(t). La gráfica de z(-t) se

muestra en la Figura P.2.2.
z(-t)
1

t
0 3

Figura P.2.2

2
i) t £ -3
Para t £ -3 , las gráficas dez(-t+t) y x(t) se muestra en la Figura P.2.3

z (t -t )
1

x (t )

t+3 0 t
En este caso, la convolución es:

t +3 t +3
1
y ( t ) = x(t ) * z (t ) = ò e dt = e 2t
2t

-¥
2 -¥

1 6 2t
y (t ) = ee
2
ii) t ³ -3
Para t ³ -3 , las gráficas de z(-t+t) y x(t) se muestra en la Figura P.2.4

z (t -t )
1

x (t )

0 t+3 t
Figura P.2.4.
En este caso:
0 0
1
y ( t ) = x(t ) * z (t ) = ò e dt = e2t
2t

-¥
2 -¥

3
 1
y (t ) =
2
b) Como x(t) presenta limitación mixta en el tiempo, se deduce que x(t) es una señal de
energía, luego su densidad espectral de energía Sxx(f) está dada por:

S xx ( f ) = X ( f )
2

Con
¥

X(f)= ò x (t ) e
- jw t
dt
-¥

Considerando la expresión de x(t) dada, se tiene:

0 0 0
1
X(f )= òe òe
( 2 - jw )t
e( )
2 t - jw t 2 - jw t
e dt = dt =
-¥ -¥ 2 - jw -¥

1 1
X( f )= =
2 - jw 2 - j 2p f
En consecuencia:
1
S xx ( f ) = X ( f ) =
2

4 (1 + p 2 f 2 )

4
Problema N° 3. a) Determinar las correlaciones cruzadas de las señales x(t) e y(t)
mostradas en la Figura P.3.
x(t)
y(t)

0 2 t 0 3 5 6 7 t

Figura P.3
Solución
a) Se determinará la correlación cruzada

R yx = ò y ( t ) x ( t + t ) dt
-¥

a1) t ³ 2
En este caso, la gráfica de x ( t + t ) completamente en el segundo cuadrante, por lo tanto

Ryx (t ) = 0

a2) 0 £ t £ 2

La Figura P3.1 muestra las gráficas de y(t) y de x(t + t).

y(t)

x (t + t )

-t 0 -t + 2 3 5 6 7 t

Figura P3.1.

De acuerdo a la Figura P.3.1, la correlación pedida es

-t + 2 -t + 2
R yx (t ) = ò y ( t ) x ( t + t ) dt = ò (1) éë ( t + t ) ùû dt
1
2
0 0

Ecuación que se puede escribir como:

5
 -t + 2 -t + 2 -t + 2 -t + 2
1 1 1 1
Ryx (t ) = ò tdt + ò t dt = t 2 + tt
2 0
2 0
4 0 2 0

Integrando, se obtiene:
1
R yx (t ) = 1 - t 2
4
a2) -1 £ t £ 0

La Figura P.3.2, muestra las gráficas de y(t) y de x(t + t).

y(t)
x (t +t )

0 -t -t + 2 3 5 6 7 t

Figura P.3.2.
En este caso
-t + 2 -t + 2
R yx (t ) = òt y ( t ) x ( t + t ) dt = òt (1) éë ( t + t ) ùû dt
1
2
- -

-t + 2 -t + 2 -t + 2 -t + 2
1 1 1 1
Ryx (t ) = ò tdt + ò t dt = t 2 + tt
2 -t
2 -t
4 -t 2 -t

Integrando, se obtiene
Ryx (t ) = 1
a3) -3 £ t £ -1
La Figura P.3.3, ilustra la condición planteada

y(t)
x (t + t )

0 -t 3 -t + 2 5 6 7 t

Figura P.3.3.
De la Figura P.3.3., se deduce:

6
 -t + 2 3 -t + 2
R yx (t ) = òt y ( t ) x ( t + t ) dt = ò (1) éë 12 ( t + t ) ùû dt + ò ( -1) éë ( t + t )ùû dt
1
2
- -t 3

3 3 -t + 2 -t + 2 3 3 -t + 2 -t + 2
1 1 1 1 1 1 1 1
Ryx (t ) = ò tdt + ò t dt - ò tdt - ò t dt = t 2 + t t - t 2 - tt
2 -t 2 -t 2 3
2 3
4 -t 2 -t 4 3 2 3
Obteniéndose:
7 1 2
R yx (t ) = + t + 3t
2 2
a4) -4 £ t £ -3

y(t)
x (t + t )

0 3 -t 5 6 7 t

-t + 2
Figura P3.4.

-t + 2 5 -t + 2
R yx (t ) = òt y ( t ) x ( t + t ) dt = òt ( -1) éë ( t + t ) ùû dt + ò (1) éë ( t + t )ùû dt
1
2
1
2
- - 5

5 5 -t + 2 -t + 2 5 5 -t + 2 -t + 2
1 1 1 1 1 1 1 1
Ryx (t ) = - ò tdt - ò t dt + ò tdt + ò t dt = - t 2 - t t + t 2 + tt
2 -t 2 -t 2 5
2 5
4 -t 2 -t 4 5 2 5
23 1 2
R yx (t ) = - - t - 5t
2 2
a5) -5 £ t £ -4

y(t)
x (t + t )

0 3 -t 5 6 7 t

-t + 2
Figura P3.5.

7
 -t + 2 5 6 -t + 2
R yx (t ) = òt y ( t ) x ( t + t ) dt = ò ( -1) éë 12 ( t + t ) ùû dt + ò (1) éë 12 ( t + t ) ùû dt + ò ( -1) éë ( t + t ) ùû dt
1
2
- -t 5 6

5 5 6 6 -t + 2 -t + 2
1 1 1 1 1 1
R yx (t ) = - ò tdt - ò t dt + ò tdt + ò t dt - ò tdt - ò t dt
2 -t 2 -t 25 25 2 6 2 6

5 5 6 6 -t + 2 -t + 2
1 1 1 1 1 1
Ryx (t ) = - t 2 - tt + t2 + t t - t2 - tt
4 -t 2 -t 4 5 2 5 4 6 2 6

18
R yx (t ) = +t
4

a6) -6 £ t £ -5

y(t) x (t + t )

t
0 3 5 -t 6 7 -t + 2

7 6 7
R yx (t ) = òt y ( t ) x ( t + t ) dt = òt (1) éë ( t + t )ùû dt + ò ( -1) éë ( t + t )ùû dt
1
2
1
2
- - 6

6 6 7 7
1 1 1 1
R yx (t ) = ò tdt + ò t dt - ò tdt - ò t dt
2 -t 2 -t 26 26

6 6 7 7
1 1 1 1
Ryx (t ) = t 2 + tt - t2 - t t
4 -t 2 -t 4 6 2 6

23 1 2 5
R yx (t ) = + t + t
4 4 2
a7)

8
 y(t)
x (t + t )

t
0 3 5 6 -t 7 -t + 2

Figura P3.6
7 7 7 7
1 1
Ryx (t ) = ò y ( t ) x ( t + t ) dt = ò ( -1) éë 12 ( t + t ) ùû dt = - t 2 - t t
-t -t
4 -t 2 -t
7 7 7 7
1 1
Ryx (t ) = ò y ( t ) x ( t + t ) dt = ò ( -1) éë ( t + t ) ùû dt = - t 2 - t t
1
2
-t -t
4 -t 2 -t
49 1 2 7
R yx (t ) = - - t - t
4 4 2

a8) t £ -8
En este caso
Ryx (t ) = 0

9
Problema N° 4. Determinar la señal x(t) si su Transformada de Fourier es:
( jw ) + 2 jw + 1
2

X (w ) =
é( jw ) 2 - 2 jw + 1ù ( jw - 2 )
ë û

Solución
Haciendo el cambio de variable de r = jw, se obtiene la ecuación:
(r) + 2r + 1
2

X (r) =
é( r ) - 2r + 1ù ( r - 2 )
2
ë û
La cual se puede escribir como:
r 2 + 2r + 1 A1 A A22
X (r) = = + 21 +
( r - 2 )( r - 1) r - 2 r - 1 ( r - 1) 2
2

r 2 + 2r + 1
A1 = ( r - 2 ) X ( r ) r = 2 = =9
( r - 1)
2
r=2

r 2 + 2r + 1
A22 = ( r - 1) X ( r ) = = -4
2

r =1 ( r - 2 ) r =1
d ( r - 2 )( 2r + 2 ) - ( r 2 + 2r + 1)
A21 = ( r - 1) X ( r ) = =8
2

( r - 2)
2
dr r =1
r =1

En consecuencia:
1 1 1
X (r) = 9 +8 -4
r-2 r -1 ( r - 1)
2

Haciendo el cambio de variable jw = r, la ecuación anterior queda:

1 1 1
X (w ) = 9 +8 -4
jw - 2 jw - 1 ( jw - 1)
2

Aplicando el par de transformada:

ìï t n -1 - at üï 1
Fí e u ( t )ý =
îï ( n - 1) ! þï ( jw + a )
n

Se obtiene:
x ( t ) = ( 9e 2 t + 8et - 4tet ) u ( t )

10
 PAUTADE SEGUNDA PRUEBA ANALISIS DE SEÑALES

SEGUNDO SEMESTRE 2013

PROBLEMA N° 1. a) Determinar la secuencia autocorrelación normalizada de la

secuencia

x ( n ) = {1, 2, 2, 2,1}
-

b) Determinar la energía y la potencia de x(n).

Solución

Hay que determinar

rxx ( l )
r xx ( l ) =
rxx ( 0 )

Por lo que es necesario calcular rxx ( l ) , lo que se puede hacer empleando, la relación

rxx ( l ) = x ( l ) * x ( -l )

Aplicando método matricial, se tiene:

x (l)
x ( -l ) 1 2 2 2 1

1 1 2 2 2 1
2 2 4 4 4 2
2 2 4 4 4 2
2 2 4 4 4 2
1 1 2 2 2 1

De donde

rxx ( l ) = {1, 4,8,12,14,12,8, 4,1}

-

De la expresión de rxx ( l ) se deduce que rxx ( 0 ) = 14 , en consecuencia:

1
 ì1 2 4 6 6 4 2 1ü
r xx ( l ) = í , , , ,1, , , , ý
î14 7 7 7 7 7 7 14 þ
-

b) Energía-El problema permite, para calcular la energía de la secuencia x(n), emplear

cualquier método ad-hoc. Para aprovechar lo calculado en el apartado a), se aplicará la
relación:

Ex = rxx ( 0 )

Por lo tanto;

Ex = 14 [ Joules ]

Potencia. La potencia de una secuencia x(n) se determina usando la relación

N
1
å x ( n)
2
P = lim
N ®¥ 2 N + 1
n =- N

å x ( n)
2
Con E N = , P se puede escribir como
n =- N

1
P = lim EN
N ®¥ 2 N + 1

Por otra parte, se tiene

1
E x = lim EN
N ®¥ 2N +1

Y como en el apartado a) se determinó que Ex es finita, se deduce que EN es finita, lo que

implica que

P=0

2
PROBLEMA N° 2. Determinar el espectro de amplitud y de fase de la secuencia x(n)
periódica,con periodo 6 y que cumple con :
n
æ1ö
x ( n) = ç ÷ para -2 £ n £ 3
è4ø

Solución

Como la secuencia x(n) es periódica, su análisis espectral se hace en función de los

coeficientes Ck de la serie de Fourier, teniéndose que Ck representa el espectro de amplitud
y RCk el espectro de fase. Luego es necesario determinar la expresión los Ck, para ello se
aplica:
N -1
1
Ck =
N
å x (n) e
n =0
- j 2p kn / N
, k=0,1,2,3,.......,N-1

Se cumple Ck es una secuencia periódica con el mismo periodo que x(n), o sea que
Ck + N = Ck .Como N = 6, se tiene

1 5 1
Ck = å
6 n =0
x ( n ) e - j 2p kn/ N = éë x ( 0 ) + x (1) e- jp k /3 + x ( 2 ) e - jp 2 k /3 + x ( 3 ) e - jp k + x ( 4 ) e- jp 4 k /3 + x ( 5 ) e- jp 5 k /3 ùû
6

De acuerdo a la definición de x(n), el periodo básico está dado para n =-2,-1,0,1,2,3 y k

toma valores desde -2 hasta 5, para evaluar x(4) y x(5) se hace uso de la propiedad de
periodicidad de x(n), o sea

x ( -2 ) = x ( -2 + 6 ) = x ( 4 ) =16 ; x ( -1) = x ( -1 + 6 ) = x ( 5 ) = 4

Luego

1 é 1 - jp k /3 1 - jp 2 k /3 1 - jp k ù
Ck = ê1+ e + e + e + 4e- jp 4 k /3 + 16e - jp 5 k /3 ú
6ë 4 16 64 û

En consecuencia

1é 1 1 1 ù 1365
C0 = ê1 + + + + 4 + 16 ú =
6 ë 4 16 64 û 384

1é 1 1 1 ù 453 315
C1 = ê1 + e - jp /3 + e- jp 2/3 + e - jp + 4e- jp 4/3 + 16e- jp 5/3 ú = +j 3 = 4, 62 + j 2,84
6ë 4 16 64 û 98 192

1 é 1 - jp 2/3 1 - jp 4/3 1 - jp 2 ù 581 189

C2 = ê1+ e + e + e + 4e- jp 8/3 + 16e- jp 10/3 ú = - +j 3 = -1, 51 + j1, 7
6ë 4 16 64 û 384 192

3
 1 é 1 - jp 1 - jp 2 1 - jp 3 ù 717
C3 = ê1+ e + e + e + 4e - jp 4 + 16e - jp 5 ú = -
6ë 4 16 64 û 384

1é 1 1 1 ù 581 189
C4 = ê1 + e- jp 4/3 + e- jp 8/3 + e - jp 4 + 4e- jp 16/3 + 16e- jp 20/3 ú = - -j 3 = -1,51 - j1, 7
6ë 4 16 64 û 384 192

1 é 1 - jp 5/3 1 - jp 10/3 1 - jp 5 ù 453 315

C5 = ê1+ e + e + e + 4e - jp 20/3 + 16e- jp 25/3 ú = +j 3 = 4, 62 - j 2,84
6ë 4 16 64 û 98 192

Espectro de Amplitud

1365
C0 = = 3,55
384

453 315
C1 = C5 = +j 3 = 5, 43
98 192

581 189
C2 = C4 = - +j 3 = 2, 28
384 192

717
C3 = = 1,87
384

Espectro de Fase

RC0 = 0°

æ 2,84 ö
RC1 = tg -1 ç ÷ = 31, 60
è 4, 62 ø

æ 1, 7 ö
RC2 = tg -1 ç ÷ = 131, 610
è -1,51 ø

RC3 = 1800

æ -1, 7 ö
RC4 = tg -1 ç ÷ = 228,390
è -1, 51 ø

æ -2,84 ö
RC5 = tg -1 ç ÷ = -31, 60
è 4, 62 ø

4
Problema N° 3. Determinar la densidad espectral de la señal
n
æ1ö
x ( n ) = ç ÷ éëu ( n + 3) - u ( n - 2 ) ùû
è2ø

Solución

En este caso, x(n) es una secuencia de longitud finita en el tiempo, se puede escribir como:

ìæ 1 ö n
ï para -3 £ n £ 1
x ( n ) = íçè 2 ÷ø
ï0
î otros valores

Como x(n) es una secuencia con limitación estricta en el tiempo, es una señal de energía,
por lo que su densidad espectral de energía Sxx(W) es:

S xx ( W ) = X ( W )
2

Para x(n) dada, su Transformada de Fourier es

1
X (W) = å x ( n) e
n =-3
- jW
= x ( -3) e j 3W + x ( -2 ) e j 2 W + x ( -1) e jW + x ( 0 ) + x (1) e - jW

Considerando los valores indicados de x(n), X(W) queda

1
X ( W ) = 8e j 3 W + 4e j 2 W + 2e j W + 1 + e - j W
2

Aplicando Euler, X(W) se puede escribir como

1 1
X ( W ) = 8 cos 3W + j8sen3W + 4 cos 2W + j 4 sen 2W + 2 cos W + j 2 senW + 1 + cos W - j senW
2 2

Ordenando, se tiene

5 æ 3 ö
X ( W ) = 8cos 3W + 4 cos 2W + cos W + 1 + j ç 8sen3W + 4sen2W + senW ÷
2 è 2 ø

En consecuencia
2 2
æ 5 ö æ 3 ö
S xx ( W ) = ç 8 cos 3W + 4 cos 2W + cos W + 1÷ + ç 8sen3W + 4 sen 2W + senW ÷
è 2 ø è 2 ø

5
Problema N° 4. Determinar la señal x(n) si su Transformada de Fourier es:

X (W) =
(e )- jW 2
+ 2e - jW + 1
éë e - j 2 W - 4e - jW + 3ùû ( e - jW - 2 )

Solución

Haciendo el cambio de variable r = e - jW , la ecuación anterior queda

(r) + 2r + 1
2

X (r) =
éë r 2 - 4r + 3ùû ( r - 2 )

En función de sus polos X( r) se puede escribir como

( r ) + 2r + 1
2

X (r) =
( r - 1)( r - 3)( r - 2 )
Expandiendo X( r) en fracciones parciales, se tiene

( r ) + 2r + 1 = A1 + A2 + A3
2

X (r) =
( r - 1)( r - 3)( r - 2 ) r - 1 r - 3 r - 2

( r ) + 2r + 1 = 2
2

A1 = ( r - 1) X ( r ) r =1 =
( r - 3)( r - 2 ) r =1

( r ) + 2r + 1 = 8
2

A2 = ( r - 3) X ( r ) r =3 =
( r - 1)( r - 2 ) r =3

( r ) + 2r + 1 = -9
2

A3 = ( r - 2 ) X ( r ) r =2 =
( r - 1)( r - 3) r = 2
Luego

1 1 1
X (r) = 2 +8 -9
r -1 r -3 r -2

Volviendo hacer el cambio de variable de e - jW = r , se tiene

1 1 1
X (W) = 2 - jW
+8 - jW
-9 - jW
e -1 e -3 e -2

6
Considerando el siguiente par de Transformada de Fourier:

F {a n u ( n )} =
1
1 - ae - jW

Y escribiendo X ( W ) como

1 8 1 9 1
X ( W ) = -2 - jW
- +
1- e 3 1 - 1 e - jW 2 1 - 1 e - jW
3 2

Se obtiene

é 8æ1ö 9æ 1ö ù
n n

x ( n ) = ê -2 - ç ÷ + ç ÷ ú u ( n )
ëê 3 è 3 ø 2 è 2 ø ûú

7
 PAUTA TERCERA PRUEBA ANÁLISIS DE SEÑALES
SEGUNDO SEMESTRE 2013

Problema N°1. Determinar la Transformada – Z de:

n
æ1ö
x ( n ) = ç ÷ cos (a 0 n ) u ( n )
è3ø
Solución

Aplicando la propiedad de escalamiento frecuencial, o sea

æzö
Z {a n x ( n )} = X ç ÷
èaø
En este problema se puede definir la secuencia x1(n) como

x1 ( n ) = cos (a 0 n ) u ( n )

Con

1 - z -1 cos a 0
X1 ( z ) = , ROC: z > 1
1 - 2 z -1 cos a 0 + z -2

En consecuencia

æzö
X ( z ) = X 1 ç ÷ , ROC: | z | > | a |
èaø

Como a= 1/3, se tiene

1
X ( z ) = X 1 ( 3z ) , ROC: z >
3
Por lo tanto
1
1 - z -1 cos a 0
1
X (z) = 3 , ROC: z >
2 1 3
1 - z -1 cos a 0 + z -2
3 9

1
Problema N° 2. Usar Transformada – Z para hallar la convolución de las señales:

ìæ 1 ö n
ï 0£n £2
x1 ( n ) = íçè 2 ÷ø
ï0
î otros valores
x2 ( n ) = d ( n ) + d ( n - 1) + 4d ( n - 2 )
Solución
El problema condiciona que se debe ocupar la propiedad de convolución de la
Transformada-Z, la cual establece que

Z { x1 ( n ) * x2 ( n )} = X 1 ( z ) X 2 ( z ) (I)
Luego
Z -1 { X 1 ( z ) X 2 ( z )} = x1 ( n ) * x2 ( n ) (II)

Conocidas x1(n) y x2(n) se puede calcular X1(z) y X2(z) y para determinar x1 ( n ) * x2 ( n ) se

aplica la ecuación (II).
La secuencia x1(n) es finita y se puede escribir como

x1 ( n ) = {1, 12 , 14 }
-
Por lo tanto
2
1 -1 1 -2
X 1 ( z ) = å x1 ( n ) z - n = x1 ( 0 ) + x1 (1) z -1 + x1 ( 2 ) z -2 = 1 + z + z
n =0 2 4

Por otra parte, la secuencia x2(n) es también finita y aplicando la propiedad de

desplazamiento temporal de la Transformada – Z, se tiene

X 2 ( z ) = Z {d ( n ) + d ( n - 1) + 4d ( n - 2 )} = 1 + z -1 + 4 z -2
Por lo que
æ 1 ö
X 1 ( z ) X 2 ( z ) = ç1 + z -1 + z -2 ÷ (1 + z -1 + 4 z -2 )
1
è 2 4 ø
O sea
3 -1 19 -2 9 -3
X1 ( z ) X 2 ( z ) = 1 + z + z + z + z -4
2 4 4
En consecuencia
Z -1 { X 1 ( z ) X 2 ( z )} = x1 ( n ) * x2 ( n ) = {1, 32 , 194 , 94 ,1}
-
2
Problema N° 3. a) Encontrar la expresión de y(n), usando Transformada – Z Unilateral, si
se tiene que la representación en ecuaciones en diferencias de un sistema es

n
5 1 æ1ö
y ( n ) - y ( n - 1) + y ( n - 2 ) = ç ÷ u ( n )
6 6 è5ø
Con y(-1) = 6, y(-2) = 25

b) Aplicando el Teorema del valor final, determinar el valor final de y(n).

Solución
a) Aplicando Transformada – Z Unilateral a la ecuación en diferencias, se tiene

ì5 ü ì1 ü ìïæ 1 ön ïü
Z + { y ( n )} - Z + í y ( n - 1) ý + Z + í y ( n - 2 ) ý = Z + íç ÷ u ( n ) ý (I)
î6 þ î6 þ ïîè 5 ø ïþ

Aplicando la propiedad de retardo temporal, la ecuación (I), se escribe como

5 1 1
Y + ( z ) - z -1 éëY + ( z ) + y ( -1) z ùû + z -2 éëY + ( z ) + y ( -1) z + y ( -2 ) z 2 ùû =
6 6 1
1 - z -1
5
Considerando los datos del problema, se tiene

5 1 1
Y + ( z ) - z -1 éëY + ( z ) + 6 z ùû + z -2 éëY + ( z ) + 6 z + 25 z 2 ùû =
6 6 1
1 - z -1
5
Ecuación que se puede escribir como

é 5 1 ù 5 1
Y + ( z ) ê1 - z -1 + z -2 ú = - z -1 + +
ë 6 6 û 6 1 - 1 z -1
5
6 6
5z2 - 6z + 5z 2 - 6 z +
5 5
æ 1 ö æ 1 ö æ 6ö
6z ç z - ÷ 6z ç z - ÷ z ç 5z 2 - 6 z + ÷
Y + ( z) = è 5ø
= è 5ø
= è 5ø
5 -1 1 -2 6 z 2 - 5 z + 1 æ 1ö
1- z + z ç z - ÷ ( 6 z - 5 z + 1)
2

è 5ø
2
6 6 6z

En función de sus polos, Y + ( z ) se escribe de la forma

3
 æ 6ö
z ç 5z 2 - 6 z + ÷
Y + ( z) = è 5ø
æ 1 öæ 1 öæ 1ö
ç z - ÷ç z - ÷ç z - ÷
è 5 øè 2 øè 3ø

La expansión en fracciones parciales de Y + ( z ) /zes de la forma

Y + ( z) A A A
= 1 + 2 + 3
z 1 1 1
z- z- z-
5 2 3

Donde

æ 2 6ö
+
( ) ç 5z - 6 z + ÷
æ ö
= è
1 Y z 5ø
A1 = ç z - ÷ =5
è 5 ø z z=1 æ 1 öæ 1ö
ç z - ÷ç z - ÷ 1
è 2 øè 3 ø z=
5

æ 2 6ö
1 ö Y ( z)
+ ç 5z - 6z + ÷
æ
= è
5ø
A2 = ç z - ÷ = 11
è 2 ø z z=1 æ 1 öæ 1ö
ç z - ÷ç z - ÷ 1
è 5 øè 3 ø z=
2

æ 2 6ö
1 ö Y (z)
+ ç 5z - 6 z + ÷
æ
= è
5ø
A3 = ç z - ÷ = 11
è 3 ø z z=1 æ 1 öæ 1ö
ç z - ÷ç z - ÷ 1
è 5 øè 2 ø z=
3

Luego
Y + ( z) 1 1 1
=5 + 11 + 11
z 1 1 1
z- z- z-
5 2 3

De donde
z z z
Y + (z) = 5 + 11 + 11
1 1 1
z- z- z-
5 2 3

4
Por lo tanto
é æ 1 ön æ1ö
n
æ1ö ù
n

y ( n) = Z + -1
{Y ( z )} = ê5 çè 5 ÷ø + 11çè 2 ÷ø + 11çè 3 ÷ø ú u ( n )
+

ëê ûú

b) El Teorema del Valor Final establece:

lim y ( n ) = lim ( z - 1) Y + ( z )
n ®¥ z ®1

En este caso
æ 6ö
z ç 5z 2 - 6 z + ÷
lim y ( n ) = lim ( z - 1) è 5ø
=0
n ®¥ z ®1 æ 1 öæ 1 öæ 1ö
ç z - ÷ç z - ÷ç z - ÷
è 5 øè 2 øè 3ø

5
 PAUTA PRIMERA PRUEBA DE ANÁLISIS DE SEÑALES
PRIMER SEMESTRE 2014

Problema N° 1. Determinar el valor eficaz y el factor de forma j f dado por

X eff
jf =
< x (t ) >
De la señal x(t) de la Figura P1.
x(t)

-2 -1 0 1 2 4 t
-1

Figura P1
Solución
Valor Eficaz. Como x(t) es una señal periódica, con simetría par, su valor eficaz Xeff está
dado por:
T /2
2
X eff = ò x ( t ) dt
2

T 0

En este caso T = 2, luego

1
X eff = ò ( -2t + 1)
2
dt
0

1 1 1 1
X eff = ò ( 4t - 4t + 1) dt = ò 4t dt - ò 4tdt + ò dt
2 2

0 0 0 0

4 1
X eff = - 2 +1 =
3 3

Factor de Forma. Dado que

X eff
jf =
< x (t ) >
La gráfica de |x(t)| se muestra en la Figura P1a).

1
 |x(t)|

-2 -1 0 1 2 4 t
-1

Figura P1a)
El valor medio de |x(t)| es
1
< x ( t ) >= x ( t ) dt
T Tò
En este caso T = 1, y como |x(t)| presenta simetría par, la ecuación anterior se puede
escribir de la siguiente manera
1/ 2
< x ( t ) >= ò ( -2t + 1) dt = ( -t + t ) 0
1/ 2
2

1
< x ( t ) >=
2
En consecuencia:
X eff 2
jf = =
< x (t ) > 3

2
Problema N°2. Determinar el porcentaje de la potencia media total de la señal x(t) que está
contenida en las tres primeras armónicas, incluida la componente continua, de la señal x(t)
mostrada en la Figura P1.
Solución
La Figura P1 es
x(t)

-2 -1 0 1 2 4 t
-1

Se pregunta por:
P3
100 [ % ]
Pt
Donde P3 es la potencia contenida en las tres primeras armónicas y Pt es la potencia media
total de x(t). La potencia P3 se calcula aplicando el Teorema de Parseval, el que establece
que:
3
P3 = C0 + 2å Cn
2 2

n =1

Los coeficientes Cn de una señal periódica, están dados por

1
Cn = ò x ( t ) e- jnw0t dt
TT

Como x(t) presenta simetría par, Cn se puede escribir como

T /2
2
Cn =
T ò x ( t ) cos ( nw t ) dt
0
0

En el intervalo [0,T/2], con T = 2, la ecuación de x(t) es

x ( t ) = -2t + 1
Por lo tanto, para n = 0, se tiene:

1 1
C0 = ò x ( t ) dt = ò ( -2t + 1) dt = -t 2 + t 0
1 1
0
0 0

3
 C0 = 0
Para n ¹ 0 , se tiene:

1 1 1
Cn = ò ( -2t + 1) cos ( nw0 t ) dt = ò ( -2 ) t cos ( nw0t ) dt + ò cos ( nw0t ) dt
0 0 0

Por tabla:
cos ( cx ) xsen ( cx )
ò x cos ( cx ) dx = c2
+
c
Luego
é cos ( nw0t ) tsen ( nw0 t ) ù sen ( nw0t )
1 1

Cn = -2 ê + ú +
ë n w0 nw0 nw0
2 2
û0 0

Dado que w0T = 2p , como T = 2, en consecuencia w0 = p , lo que implica que Cnse puede
escribir como
é cos ( np t ) tsen ( np t ) ù sen ( np t )
1 1

Cn = -2 ê + ú +
ë np np np
2 2
û0 0

Dado que sen(n p ) = 0, para cualquier valor entero de n, se obtiene

-2 2
Cn = é cos ( np ) - 1ùû = 2 2 éë1 - cos ( np ) ùû
2 2 ë
np np

Para n = 1, se obtiene
2 4
C1 = 2 éë1 - cos (p ) ùû = 2
p p
Para n = 2, se tiene
2
C2 = é1 - cos ( 2p ) ùû = 0
4p 2 ë
Para n = 3, se tiene:
2 4
C3 = 2 éë1 - cos ( 3p ) ùû = 2
9p 9p
Por lo tanto:
16 16
C1 » C3 »
2 2 2 2
; C2 =0 ; ; C0 =0
100 8100
Luego:

4
 2
(
P3 = C0 + 2 C1 + C2 + C3
2 2 2
) = 0 + 2 æçè 100
16
+0+
16 ö
÷ [ watts ] = 0,324 [ watts ]
8100 ø

La potencia total Pt se calcula aplicando

T
2
1
Pt = ò x ( t ) dt
2

T T
-
2

Como x(t) presenta simetría par, se tiene

T
1 1
x ( t ) dt = ò ( -2t + 1) dt = ò ( 4t 2 - 4t + 1) dt
2
2 2
Pt = ò
2

T 0 0 0

Integrando, se obtiene
4 1
Pt = - 2 + 1 = = 0,333333[ watts ]
3 3

Por lo tanto:
P3 0,324
100 = 100 = 97,3[ % ]
Pt 0, 333

5
Problema N°3. a) Determinar la señal x(t) si su Transformada de Fourier es
( jw ) + jw + 1
2

X (w ) =
( jw + 2 ) ( jw + 1)
3 2

b) Proponer un programa MATLAB para graficar X ( w ) del apartado a)

Solución
a) Haciendo el cambio de variable r = jw en la ecuación anterior, se obtiene:
(r) + r +1
2

X (r) =
( r + 2 ) ( r + 1)
3 2

Luego, los polos son

ri= -2 con multiplicidad 3 ; r2 = -1 con multiplicidad 2

Aplicando la regla para polos múltiples, se tiene la siguiente expansión en fracciones

parciales de X(r):
(r) + r +1
2
A31 A32 A33 A A22
X (r) = = + + + 21 +
( r + 2 ) ( r + 1) r + 2 ( r + 2 ) ( r + 2 ) r + 1 ( r + 1)2
3 2 2 3

Con
(r ) + r +1 = 3
2

A33 = ( r + 2 ) X ( r ) =
3

( r + 1) r =-2
2
r =-2

d é d é ( r )2 + r + 1ù r2 -1
A32 = ( r + 2) X ( r )ù = ê = =3
3
ú
dr ë û r =-2 dr ê ( r + 1) 2 ú
ë û r =-2 ( r + 1)
4
r =-2

1 d 2 é ( r ) + r + 1ù 1 d é r2 -1 ù 1 é ( r + 1) 2r - ( r - 1) 4 ( r + 1) ù
2 4 2 3

A31 = ê ú = ê ú = ê ú =4
2 dr 2 ëê ( r + 1) 2 ûú 2 dr ëê ( r + 1)4 ûú 2ê ( r + 1)
8
ú
r =-2 r =-2 ë û r =-2
(r ) + r +1 = 1
2

A22 = ( r + 1) X ( r ) =
2

( r + 2 ) r =-1
3
r =-1

A21 =
d é
( r + 1) X ( r ) ù
2 d
= ê
é ( r ) 2 + r + 1ù
ú =
(
( r + 2 ) ( 2r + 1) - ( r ) + r + 1 3 ( r + 2 )
3 2
) 2

= -4
dr ë û r =-1 dr ê ( r + 2 )3 ú
ë û r =-1 ( r + 2)
6

r =-1

En consecuencia:
1 1 1 1 1
X (r) = 4 +3 +3 -4 +
r+2 (r + 2) (r + 2) r + 1 ( r + 1) 2
2 3

6
Haciendo el cambio de variable r = jw , se obtiene:

1 1 1 1 1
X (w ) = 4 +3 +3 -4 +
jw + 2 ( jw + 2 ) ( jw + 2 ) jw + 1 ( jw + 1) 2
2 3

Aplicando el par de transformada

t n -1 - at 1
e u (t ) «
( n - 1)! ( jw + a )
n

A cada término de la expresión de X ( w ) , se obtiene:

æ 3 ö
x ( t ) = ç 4e -2 t + 3te -2t + t 2 e -2t - 4e- t + te - t ÷ u ( t )
è 2 ø

b) . Como X ( w ) es compleja, lo que se debe graficar es X (w ) . En este caso, el programa

MATLAB propuesto es el siguiente:

>> w=-2*pi:1/254:2*pi;
>> X=4./(j*w+2)+3./(j*w+2).^2+3./(j*w+2).^3-4./(j*w+1)+1./(j*w+1).^2;
>> plot(w/pi,abs(X));
>> title('Grafica de |H(w)|');xlabel('w/pi'); ylabel('|H(w)|'); grid;

Grafica de |H(w)|
0.14

0.12

0.1

0.08
|H(w)|

0.06

0.04

0.02

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
w/pi

7
Problema N°4. a) Determinar la convolución z(t) de las señales
æt ö æ t - 2T ö
x ( t ) = t Õ ç ÷ e y ( t ) =Õ ç ÷ .
èT ø è T ø
b) Plantear la ecuación que permita calcular energía de z(t).

Solución.

Convolución z(t) = x(t)*y(t).

a) La gráfica de las señales x(t) e y(t) se muestran en la Figura P.4.1.

y(t)
x(t) 1

T/2

-T/2
t t
0 T/2 0 3T/2 2T 5T/2

-T/2

Figura P4.1

En forma arbitraria, se elige como núcleo de la integral de convolución a la señal x(t), luego
x ( -t ) se muestra en la Figura P4.2
x ( -t )

T/2

T/2
0 t
-T/2

-T/2

Figura P4-2

8
I) t £ T

y (t )
1

x (t -t ) T/2

t+T/2
t
t-T/2 t 0
3T/2 2T 5T/2

En este caso

z (t ) = ò y (t ) x ( t - t ) dt = 0
-¥

II) T £ t £ 2T

y (t )
1 x (t -t )

T/2

t t+T/2
t
0
t-T/2 3T/2 2T 5T/2

-T/2

En este caso

t +T /2
1 3T
z (t ) = ò ( -t + t ) dt = 2 t
2
- t +T2
3T / 2 2

9
III) 2T £ t £ 3T

x (t - t ) y (t )
1

T/2

t t+T/2
t
0
3T/2 t-T/22T 5T/2

-T/2

En este caso
5T / 2
5T / 2
æ t2 ö
z ( t ) = ò ( -t + t ) dt = ç - + tt ÷
t -T / 2 è 2 ø t -T / 2
t2 5
z (t ) = - + tT - 3T 2
2 2
La energía de z(t) es
¥

Ez = ò z ( t ) dt
2

-¥

Ecuación que permite calcular la energía de z(t).

De acuerdo a la expresión de z(t) obtenida, se tiene

2
æ t 2 5T ö
2
æ ö
2T 3T
3T
Ez = ò ç t 2 - t + T 2 ÷ dt + ò ç - + t - 3T 2 ÷ dt
T è 2 ø 2T è 2 2 ø

10
 PAUTA SEGUNDA PRUEBA ANALISIS DE SEÑALES
PRIMER SEMESTRE 2014

PROBLEMA N° 1. a) Determinar la función autocorrelación de la señalx(t) mostrada en la

Figura P.1.
x(t)

1,5

1
-1 0 t

-1

Figura P.1.
b) Determinar la energía o potencia media de x(t)-
Solución.
a) Se aplica la definición de integral de autocorrelación, dada por:
¥

Rxx (t ) = ò x ( t ) x ( t + t ) dt
-¥

a1) t ³ 2
En este caso, se tiene la situación mostrada en la Figura P1.1.

x (t + t )
1,5
x(t)

-t + 1 1
-t - 1 -t -1 0 t

-1

Figura P.1.1.

1
En esta situación, se tiene:
¥

Rxx (t ) = ò x ( t ) x ( t + t ) dt = 0
-¥

a2) 1 £ t £ 2

x (t + t )
1,5
x(t)

-t -t + 1 1
-t - 1 -1 0 t

-1

Figura P.1.2.
En este caso
-t +1 -t +1
1,5 2
Rxx (t ) = ò ( -1, 5t )( -1) dt = t
-1 2 -1

Rxx (t ) =
2
(t - 2t )
1,5 2

a3) 0 £ t £ 1

x (t +t )
1,5
x(t)

-t -t + 1 1
-t - 1 -1 0 t

-1

Figura P.1.3.
En este caso:

2
 -t 0 -t +1
Rxx (t ) = ò ( -1,5t ) éë-1,5 ( t + t )ùû dt + ò ( -1, 5t )( -1) dt + ò ( -1)( -1) dt
-1 -t 0
-t 0
æ 2, 25 3 2, 25 2 ö 1,5 2
Rxx (t ) = ç
-t +1
t + tt÷ + t +t 0
è 3 2 ø -1 2 -t

0, 75 3 1,5 2 4, 25 5, 25
Rxx (t ) = t - t - t+
2 2 2 3
a4) -1 £ t £ 0

1,5
x (t +t )
x(t)

-t 1 -t + 1
-1 -t - 1 0 t

-1

Figura P.1.4.
En este caso:
0 -t 1
Rxx (t ) = ò ( -1, 5t ) éë -1, 5 ( t + t ) ùû dt + ò ( -1) éë -1, 5 ( t + t )ùû dt + òt ( -1)( -1) dt
-t -1 0 -
0 -t
æ 2, 25 3 2, 25 2 ö 1,5 2
Rxx (t ) = ç
-t
t + tt÷ + + 1, 5tt + t -t
1
t
è 3 ø -t -1 2 0
0
2
2, 25 3 1,5 2 4, 25 5, 25
Rxx (t ) = - t - t ++ t+
6 2 2 3
a5) -2 < t < -1

x (t +t )
1,5
x(t)

1 -t -t + 1
-1 0 -t - 1 t

-1

Figura P.1.5.
3
En este caso
1
Rxx (t ) = òt ( -1) éë -1, 5 ( t + t )ùû dt
- -1
1
æ 1,5 2 ö
Rxx (t ) = ç t + 1,5tt ÷
è 2 ø -t -1
1,5 2
Rxx (t ) = 1, 5t + t
2
a6) t < -2
En este caso
Rxx (t ) = 0

4
PROBLEMA N° 2.a) Determinar la energía de la señal:
ìæ 1 ö n
ï para -2 £ n £ 3
x ( n ) = íçè 4 ÷ø
ï0
î otros valores
b) Determinar la secuencia autocorrelación de la secuencia
x1 ( n ) = {2, -1,3,1, -2, -3}
-
Solución
a) La energía Ex de una señal de tiempo discreto x(n), está dada por:
¥

å x ( n)
2
Ex =
n =-¥

Ecuación que aplicada a la señal x(n) dada, queda

3

å x ( n) = x ( -2 ) + x ( -1) + x ( 0 ) + x (1) + x ( 2 ) + x ( 3)
2 2 2 2 2 2 2
Ex =
n =-2

Reemplazando los valores de x(n), se obtiene

1 1 1
E x = 256 + 16 + 1 + + + [ Joules ]
16 256 4096

Ex = 273, 067 [ Joules ]

b) Para resolver este apartado, como la señal x(n) es de longitud finita, o sea,x(n) es de
enrgía, se aplica la siguiente relación de autocorrelación
rxx ( l ) = x ( l ) * x ( -l )
Aplicando, método matricial para calcular rxx ( l ) , se tiene:

x (l)
x ( -l ) 2 -1 3 1 -2 -3
-3 -6 3 -9 -3 6 9
-2 -4 2 -6 -2 4 6
1 2 -1 3 1 -2 -3
3 6 -3 9 3 -6 -9
-1 -2 1 -3 -1 2 3
2 4 -2 6 2 -4 -6

5
De donde
rxx ( l ) = {-6, -1, -5, -4, 2, 28, 2, -4, -5, -1, -6}
-

6
Problema N° 3. a) Determinar la secuencia z(n), si
z ( n) = x ( n) + y ( n)
Con
x ( n ) = {1, 2, -2, -1,3} , y ( n ) = {1, 2, -2, -1,3}
- -
b) Determinar la secuencia r yx ( l )
Solución
a) Para sumar las secuencias se debe realizar rellenos de ceros cuando son de distinta
longitud, como es en este caso. Luego

x ( n ) = {1, 2, -2, -1,3, 0}

-
y ( n ) = {0,1, 2, -2, -1,3}
-
Por lo tanto
z ( n ) = {1,3, 0, -3, 2,3}
-

b) Se tiene
ryx ( l )
r yx ( l ) =
rxx ( 0 ) ryy ( 0 )

Considerando que
ryx ( l ) = y ( l ) * x ( -l )
Y aplicando método matricial, se tiene

y (l)
x ( -l ) 1 2 -2 -1 3

3 3 6 -6 -3 9
-1 -1 -2 2 1 -3
-2 -2 -4 4 2 -6
2 2 4 -4 -2 6
1 1 2 -2 -1 3

Luego

7
 ryx ( l ) = {3,5, -10, -3,19, -3, -10, 5,3}
-
Para rxx ( l ) = x ( l ) * x ( -l ) , se tiene

x (l)
x (-l ) 1 2 -2 -1 3

3 3 6 -6 -3 9
-1 -1 -2 2 1 -3
-2 -2 -4 4 2 -6
2 2 4 -4 -2 6
1 1 2 -2 -1 3

De donde
rxx ( 0 ) = 19
Para ryy ( l ) = y ( l ) * y ( -l ) , se tiene

y (l)
y ( -l ) 1 2 -2 -1 3

3 3 6 -6 -3 9
-1 -1 -2 2 1 -3
-2 -2 -4 4 2 -6
2 2 4 -4 -2 6
1 1 2 -2 -1 3

Se tiene
ryy ( 0 ) = 19

Como
ryy ( 0 ) = rxx ( 0 ) = 19
Se cumple
ì 3 5 10 3 3 10 5 3 ü
r yx ( l ) == í , , - , - ,1, - , - , , ý
î19 19 19 19 19 19 19 19 þ
-

8
Problema N° 4. La señal x(t) tiene como Transformada de Fourier la que se muestra en la
Figura P.4
X(f)
1

-20 0 20 f [Khz]
Figura P.4
1
a) Se muestrea idealmente con un intervalo de muestreo Ts = 10-4 [ seg ] . Dibujar el
5
espectro de la muestreada.¿Se puede recuperar la señal x(t) a partir de la señal muestrada?.
Justifique su respuesta.
1
b) ¿Qué pasa si la señal x(t) se muestrea con un intervalo de muestreo de 10-4 [ seg ]
3
?.Justifique su respuesta.

Solución
Como el espectro X d ( f ) , de la señal muestreada, está dado por

Xd ( f ) = X ( f )* S ( f )

Como S(f) es el espectro de la señal muestreadora, que es un tren de impulsos unitarios, con
una separación uniforme igual a la frecuencia de muestreo fs. Dado que la frecuencia de
muestreo es
1 1
fs = = = 50 [ KHz ]
Ts 1 10-4
5
Se tiene que la gráfica del espectro de la señal muestreada, es el mostrado en la Figura P4.1
Xd ( f )

f [ Khz ]
-50 -20 0 20 50 100

Figura P4.1

9
En la Figura P4.1, se observa que existe una guarda de frecuencia de 10[Khz], lo cual
determina, que en este caso, se puede recuperar la señal original a partir de la señal
muestreada.

b) El Teorema de Muestreo establece que para recuperar la señal muestreada, a partir de la

señal muestreada, se debe cumplir que la frecuencia de muestreo debe satisfacer la relación:

fs ³ 2 fm

Siendo fm la frecuencia máxima del espectro de la señal muestreada. De acuerdo a la Figura

P.4, se tiene que fm = 20[Khz], por lo tanto, la frecuencia de muestreo debe cumplir la
condición

f s ³ 2 ´ 20 [ Khz ]
O sea
f s ³ 40 [ Khz ]
1
Con intervalo de muestreo de Ts = [ seg ] , se tiene una frecuencia de muestreo
3 ´104

1
fs = = 30 [ Khz ]
1
3 ´10 4

Por lo que en este caso, no se cumple con el Teorema de Muestreo, en consecuencia, con
una frecuencia de muestreo de 30[Khz], no se puede recuperar la señal original a partir de
la señal muestreada.

10
 PAUTA TERCERA PRUEBADE ANÁLISIS DE SEÑALES

PRIMER SEMESTRE 2014

Problema N°1. Determinar la señal x(n) causal, si su Transformada de Fourier es

e- jW
X (W) =
1 1
1 + e- jW - e - j 2 W
6 6

Solución.

Haciendo r = e - jW , se tiene:

r
X (r) =
1 1
1+ r - r2
6 6

En función de sus polos, X(r) queda:

-6r
X (r) =
( r - 3)( r + 2)
La expansión en fracciones parciales de X(r) es:

-6r A A
X (r) = = 1 + 2
( r - 3)( r + 2 ) r - 3 r + 2
Donde:

-6r 18
A1 = ( r - 3) X ( r ) r =3 = =-
( r + 2 ) r =3 5

-6r 12
A2 = ( r + 2 ) X ( r ) r =-2 = =-
( r - 3) r =-2 5

Por lo tanto

18 1 12 1
X (r) = - -
5 r -3 5 r + 2

Reemplazando r por e- jW en la ecuación anterior, se obtiene:

1
 18 1 12 1 6 1 6 1
X (W) = - - jW
- - jW
= -
5 e - 3 5 e + 2 5 1 - 1 e- jW 5 æ 1 ö - jW
1- ç - ÷ e
3 è 2ø

Aplicando el par de transformada

1
a nu ( n ) « , a <1
1 - ae - j W

Se obtiene

6 éæ 1 ö æ 1 ö ù
n n

x ( n ) = êç ÷ - ç - ÷ ú u ( n )
5 ëêè 3 ø è 2 ø ûú

2
Problema N°2. Si la secuencia x(n) tiene como Transformada – Z

X ( z ) = 4 z 3 - 2 z 2 + z - 2 - 3 z -1 + 2 z -2

Y la secuencia y(n) tiene como Transformada – Z

Y ( z ) = 2 z 2 + z - 4 + z -1 - 2 z -2 + 3 z -3

Determinar la secuencia w(n) = x(n)*y(n)

Solución.

Una forma de resolver el problema, es el aplicar la propiedad de convolución de la

Transformada - Z, que consiste en:

Z { x ( n ) * y ( n )} = X ( z ) Y ( z )

Luego:

Z -1 {W ( z ) = X ( z ) Y ( z )} = w ( n ) = x ( n ) * y ( n )

Considerando las definiciones de X(z) y de Y(z) dadas en el enunciado, se obtiene:

W ( z ) = X ( z ) Y ( z ) = 8 z 5 - 16 z 3 + 9 z 2 - 22 z + 26 + 4 z -1 - 4 z -2 + 2 z -3 - 13 z -4 + 6 z -5

Aplicando que:
¥ 5
W ( z) = å
n =-¥
w( n) z-n = å w( n) z
n =-5
-n

Se deduce que:

w ( n ) = x ( n ) * y ( n ) = {8, 0, -16,9, -22, 26, 4, -4, 2, -13, 6}

-

Otra forma es calcular x(n) e y(n) a partir de X(z) e Y(z), respectivamente, para enseguida
determinar w(n) = x(n)*y(n).

A partir de X(z) dada, se tiene

x(n) = {4, -2,1, -2, -3, 2}

-

A partir de Y(z) dada, se tiene

3
 y ( n ) = {2,1, -4,1, -2,3}
-

Aplicando método matricial, para el cálculo de w(n) = x(n)*y(n), se obtiene:

x(n)

y(n) 4 -2 1 -2 -3 2

2 8 -4 2 -4 -6 4
1 4 -2 1 -2 -3 2
-4 -16 8 -4 8 12 -8
1 4 -2 1 -2 -3 2
-2 -84 -2 4 6 -4
3 12 -6 3 -6 -9 6

w ( n ) = {8, 0, -16,9, -22, 26, 4, -4, -2, -13, 6}

-

4
Problema N° 3.Se tiene el sistema de tiempo discreto dado por la ecuación en diferencias
de entrada – salida:

3 1
y ( n + 2) - y ( n + 1) + y ( n ) = x ( n )
2 2
n
æ1ö
Con x ( n ) = ç ÷ u ( n ) ; y ( 0 ) = 10 ; y (1) = 4 …
è4ø

Determinar y(n).

Solución.

Para resolver este problema, se aplicará Transformada – Z Unilateral, para considerar los
datos y(0) = 10, y(1) = 4. Considerando las propiedades de desplazamiento temporal, o sea:

é k -1
ù
Z { x ( n + k )} = z k ê X + ( z ) - å x(n) z - n ú
ë n= 0 û

é 1
ù 3 1 1
z 2 êY + ( z ) - å y ( n ) z - n ú - z éëY + ( z ) - y ( 0 ) ùû + Y + ( z ) =
ë n =0 û 2 2 1
1 - z -1
4

3 1 1
z 2 éëY + ( z ) - y ( 0 ) - y (1) z -1 ùû - z éëY + ( z ) - y ( 0 ) ùû + Y + ( z ) =
2 2 1
1 - z -1
4

3 1 1
z 2 éëY + ( z ) - 10 - 4 z -1 ùû - z éëY + ( z ) - 10 ùû + Y + ( z ) =
2 2 1
1 - z -1
4

é 3 1ù z
Y + ( z ) ê z 2 - z + ú = 10 z 2 - 11z +
ë 2 2û z-
1
4

27 2 55 27 2 55
10 z 3 -z + z 10 z 3 - z + z
Y + ( z) = 2 4 = 2 4
æ 2 3 1 öæ 1 ö æ 1 ö æ 1ö
ç z - z + ÷ç z - ÷ ç z - ÷ ( z - 1) ç z - ÷
è 2 2 øè 4ø è 2ø è 4ø

Por lo que
5
 27 55
Y + ( z) 10 z 2 - z+ A A A
= 2 4 = 1 + 2 + 3
æ 1ö æ 1ö 1 z -1 1
ç z - ÷ ( z - 1) ç z - ÷ z - 2
z z-
è 2ø è 4ø 4

Con

27 55
10 z 2 - z+
æ 1 ö Y ( z) 2 4
A1 = ç z - ÷ = = -38
è 2 ø z z =1/ 2 æ 1ö
( z - 1) ç z - ÷
è 4ø z =1/ 2

27 55
Y (z) 10 z 2 - z+
A2 = ( z - 1) = 2 4 = -41
z z =1 æ 1 öæ 1ö
ç z - ÷ç z - ÷
è 2 øè 4ø z =1

27 55
+
( ) 10 z 2 - z+
æ 1 ö Y z 2 4 176
A3 = ç z - ÷ = =
è 4 ø z z =1/ 4 æ 1 ö
ç z - ÷ ( z - 1)
3
è 2ø z =1/ 4

Por lo tanto:

1 1 176 1
Y + ( z ) = -38 - 41 -1
+
1 -1
1- z 1- z 1
3 1 - z -1
2 4

é æ1ö
n
176 æ 1 ö ù
n

y ( n ) = ê -38 ç ÷ - 41 + ç ÷ ú u (n)
êë è 2ø 3 è 4 ø úû

6
 PAUTA PRIMERA PRUEBA ANALISIS DE SEÑALES
SEGUNDO SEMESTRE 2014
02 de Octubre 2014.

PROBLEMA N° 1. Dada la señal

x ( t ) = e -5t u ( t + 2 )
a) Determinar la energía de x(t).
b) Determinar la Transformada de Fourier de x(t).
c) Graficar el espectro de amplitud de la señal x(t) dada, por interpolación de los valores
correspondientes a los puntos de la gráfica en w = 0, ±1, ±2, ±3, ±5
Solución
a) La energía de una señal x(t), está dada por

Ex ( t ) = ò x (t )
2
dt
-¥

Para la señal x(t) dada, se tiene

¥

E x ( t ) = ò e -10t dt
-2

Integrando, se tiene
e 20
Ex ( t ) = [J ]
10
b) En general, se tiene
¥

X(f)= ò x (t ) e
- jw t
dt
-¥

Aplicando, esta definición a la señal x(t) dada, se tiene:

X ( w ) = ò e -5t e- jwt dt
-2
¥
1
X (w ) = - e( )
- 5 + jw t

5 + jw -2

e( 5 + jw ) 2 10 e
j 2w
X(f )= =e
5 + jw 5 + jw

cos 2w + jsen2w
X ( w ) = e10
5 + jw

1
c) El módulo de X(f) es
1
X ( w ) = e10
25 + w 2
Por lo tanto
e10
X (0) = = 0, 2e10
5
e10
X (1) = = 0,196e10
26
e10
X ( 2) = = 0,186e10
29
10
e
X ( 3) = = 0,171e10
34
e10
X ( 5) = = 0,141e10
5 2

El bosquejo del espectro de ampiltud de la señal x(t) dada se muestra en la Figura P1.
X (w )

e10 e10 e10

e10 e10 e10 e10
e10 26 5 26 e10
34 29 29 34
5 2 5 2
w

-5 -4 -3 -2 -1 0 1 2 3 4 5 w

2
Problema Nº2. a)Determinar la señal x(t) si su Transformada de Fourier X(w) es

1 + 2 jw
X ( w) =
( jw ) - 4 jw - 4
2

b) Determinar el valor eficaz o r.m.s. de la señal x(t) = sen(t)+ cos(2t).

Solución
a) Haciendo el cambio de variable jw = r , en X ( w ) , se obtiene:

1 + 2r
X (r) =
r - 4r - 4
2

Función que tiene los siguientes polos

( )
r 2 - 4r - 4 = 0 Þ p1 = 2 1 + 2 = 2,82; p 2 = 2 1 - 2 = -0,82 ( )
Luego, X(r) se puede escribir como:

1 + 2r A1 A2
X (r) = = +
( r - 2,82 )( r + 0,82) r - 2,82 r + 0,82
Con
1 + 2r 166
A1 = ( r - 2,82 ) X ( r ) r = 2,82 = =
( r + 0,82 ) r = 2,82 91
1 + 2r 16
A2 = ( r + 0,82 ) X ( r ) r =-0,82 = =
( r - 2,82 ) r =-0,82 91

Por lo tanto:
166 1 16 1
X (r) = +
91 r - 2,82 91 r + 0,82

Haciendo el cambio de variable r = jw , se obtiene

166 1 16 1
X (w ) = +
91 jw - 2,82 91 jw + 0,82
Aplicando
F {e - at u ( t )} =
1
a + jw
3
Se obtiene
æ 166 2,82 t 16 -0,82t ö
x (t ) = ç e + e ÷ u (t )
è 91 91 ø

b) El valor eficaz o rms de una señal x(t) es

1 2
x ( t ) dt
T Tò
X eff =

Aplicando esta definición a la señal x(t) dada, se obtiene

( sent + cos 2t ) dt = ò ( sen2t + 2sent cos 2t + cos2 2t ) dt

1 1
X eff = ò
2

TT TT

1 1 1
X eff =
TTò sen 2tdt + ò 2 sent cos 2tdt + ò cos2 2tdt
TT TT

Aplicando relaciones trigonométricas, se tiene

1 1 - cos 2t 1 1 1 + cos 4t
X eff = ò dt + ò ( sen3t + sent ) dt + ò dt
TT 2 TT TT 2

Como, en general, se tiene que

1 1
TTò senwtdt = ò cos 2wtdt = 0
TT

Xeff se puede escribir como

1 1 1 1
X eff = ò
TT2
dt + ò dt = 1
TT2

4
 1 æ t -1 ö
Problema N° 3. a) Determinar la autocorrelación de la señal x ( t ) = t · Õ ç ÷
2 è 2 ø
b) Determinar el porcentaje de la potencia media, con referencia a la potencia media total,
contenida hasta la tercera armónica, inclusive, de la señal periódica mostrada en la Figura
P.3.
x(t)

------- -------

-T -T/2-T/4 0 T/4 T/2 T t

Figura P.3
a) La gráfica de x(t), se muestra en la Figura P.3.1
x(t)

0 2 t

Figura P3.1.
Como x(t) es limitación estricta en el tiempo, es señal de energía, luego, aplicando la
definición de autocorrelación correspondiente, se tiene:
¥

Rxx (t ) = ò x ( t ) x ( t + t ) dt
-¥

a1) t ³ 2

1 x(t)
x (t + t )

-t
-t + 2 0 2 t

En este caso
¥

Rxx (t ) = ò x ( t )( t + t ) dt = 0
-¥

a2) 0 £ t £ 2
5
 1 x (t + t ) x(t)

-t 0 -t + 2 2 t

En este caso
-t + 2
1 1
Rxx (t ) = ò t ´ ( t + t ) dt
0 2 2
-t + 2 -t + 2
1 1
Rxx (t ) = t 3 + t 2t
6 0 4 0

1 1 1
Rxx (t ) = ( -t + 2 ) + ( -t + 2 ) t = ( -t + 2 ) (t + 4 )
3 2 2

6 4 12
a3) -2 £ t £ 0

x (t + t )

1 x(t)

0 -t 2 -t + 2 t

En este caso
-2 2 2
1 1 1 1
Rxx (t ) = ò t ´ ( t + t ) dt = t 3 + t 2t
-t
2 2 6 -t 4 -t

4 1
Rxx (t ) = +t - t 3
3 12
a4) t £ -2

x (t + t )
1 x(t)

-t -t + 2 t
0 2

¥
En este caso Rxx (t ) = ò x ( t )( t + t ) dt = 0
-¥

6
b) Se pide
P3
100 [ % ]
PT
Con
3 3
P3 = å Cn = C0 + 2å C n
2 2 2

-3 n =1

T /2
1
x 2 ( t ) dt
T -Tò/2
PT =

Cálculo de P3.
T /2
1
ò x (t ) e
- jnw0t
Cn = dt
T -T /2

De acuerdo a la señal x(t) dada, se tiene

1 T / 4 - jnw0t 2 T /4 - jnw0t 2 æ - jnw40T jnw0T

ö
Cn = ò
T -T / 4
2e dt = ò
T -T / 4
e dt = çe
- jnw0T è
-e 4 ÷
ø

Aplicando Euler, se tiene

æ nw T ö
4 sen ç 0 ÷
Cn = è 4 ø
nw0T

Como w0T = 2p , Cn se puede escribir como

æ nö æ nö
2 sen ç p ÷ sen ç p ÷
Cn = è 2ø = è 2ø
pn p
n
2
Luego
ænö
Cn = sin c ç ÷
è2ø
Por lo tanto

æ1ö æ3ö
C0 = sin c ( 0 ) = 1 ; C1 = sin c ç ÷ =0,637 ; C 2 = sin c (1) = 0 ; C3 = sin c ç ÷ =-0,212
è2ø è2ø
7
Lo que determina
3
P3 = C0 + 2å C n = 1 + 2 é( 0,637 ) + ( -0, 212 ) ù [ watts ]
2 2 2 2

n =1
ë û

P3 = 1,90 [ watts ]

Cálculo de PT.

T /4
4
dt = 2 [ watts ]
T -Tò/ 4
PT =

En consecuencia
P3 1,9
= 100 = 95 [ % ]
PT 2

8
 PAUTA SEGUNDA PRUEBA ANÁLISIS DE SEÑALES
2º SEMESTRE 2014. 19 NOVIEMBRE

Problema Nº 1.a) Determinar la secuencia autocorrelación de la secuencia x(n) = 4u(n - 2).

b) Determinar la secuencia autocorrelación de la secuencia

x ( n ) = {2, -1, -2,1,3,1}

-
Solución.
a) Dado que la secuencia x(n) dada, no presenta limitación temporal alguna, se deduce que
x(n) es de potencia, en su consecuencia su autocorrelación está dada por

M
1
qxx ( l ) = lim
M ®¥ 2 M + 1
å x ( n) x (n - l)
n =- M

Para x(n) dada, se tiene

M
1
qxx ( l ) = lim
M ®¥ 2 M + 1
å 4u ( n - 2) 4u ( n - 2 - l )
n =- M

Ecuación que se puede escribir como

M
16
qxx ( l ) = lim
M ®¥ 2 M + 1
å u ( n - 2 ) u éë( n - 2 ) - l ùû
n =- M

Se considera M > 2 y que para 0 < l £ M - 2 , se tiene que u(n - 2) se desplaza en un

monto l hacia la derecha, o un desplazamiento de u(n) hacia la derecha en un monto 2 +
l , en consecuencia

16 M
16 M -1- l 1
qxx ( l ) = lim
M ®¥ 2 M + 1
å
n =2 + l
1 = lim
M ®¥ 2 M + 1
( M - 2 - l + 1) = 16 Mlim
®¥ 2 M + 1
= 16 ´
2

Por lo tanto
qxx ( l ) = 8

Para l < 0 , se tiene un desplazamiento de u(n - 2) hacia la izquierda en un monto l , o de

u(n) en un monto 2+ l ( no olvidar l es negativo) hacia la derecha cuando (2+ l ) > 0 o
hacia la izquierda cuando (2+ l ) < 0. En este caso

1
 16 M 16 M -1
qxx ( l ) = lim
M ®¥ 2 M + 1
å
n =2
1 = lim
M ®¥ 2 M + 1
( M - 2 + 1) = 16 lim
M ®¥ 2 M + 1
=8

En consecuencia

qxx ( l ) = 8 "l

b) Dado que en este caso la secuencia x(n) es de limitación esttricta, su autococrrelación es

r xx
( l ) = å x ( n ) x ( n - l ) = x ( l ) * x ( -l )
n

Aplicando el Método Matricial para el cálculo de la convolución considerada, se tiene

x (l)
x ( -l ) 2 -1 -2 1 3 1
1 2 -1 -2 1 3 1
3 6 -3 -6 3 9 3
1 2 -1 -2 1 3 1
-2 -4 2 4 -2 -6 -2
-1 -2 1 2 -1 -3 -1
2 4 -2 -4 2 6 2

De la matriz, se obtiene

rxx ( l ) = {2,5, -3, -10,8, 20,8, -10, -3, 5, 2}

-

2
Problema Nº 2. a) Usando Parseval, determinar la potencia media de la secuencia x(n)
dada por

æ 2p n ö æ 2p n ö æ 2p n p ö
x ( n ) = 1 + sen ç ÷ + 3cos ç ÷ + cos ç - ÷
è N ø è N ø è N 2ø

b) Dibujar los espectros de magnitud y de fase de la señal x(n) del apartado a).

Solución
a) El Teorema de Parseval para secuencias periódicas, determina que la potencia media P
de la secuencia considerada es

N -1
P = å Cn
2

n =0

donde los Cn son los coeficientes de la serie de Fourier asociada a la secuencia en cuestión.
Luego, es necesario determinar los coeficientes de la serie de Fourier de x(n). Para ello, se
aplica la siguiente relación trigonométrica, en la expresión de x(n)

æ 2p n p n ö æ 2p n ö æp ö æ 2p n ö æp ö æ 2p n ö
cos ç - ÷ = cos ç ÷ cos ç ÷ + s en ç ÷ s en ç ÷ = s en ç ÷
è N 2 ø è N ø è2ø è N ø è2ø è N ø

en la expresión de x(n), obteniéndose

æ 2p n ö æ 2p n ö æ 2p n ö
x ( n ) = 1 + sen ç ÷ + 3cos ç ÷ + s en ç ÷
è N ø è N ø è N ø

æ 2p n ö æ 2p n ö
x ( n ) = 1 + 2sen ç ÷ + 3cos ç ÷
è N ø è N ø

2p (1) n
1æ j -j
2p n
ö 3 æ j 2p (1) n -j
2p n
ö
x ( n) = 1 + ç e N - e N ÷ + ç e N + e N ÷
j çè ÷ 2ç
ø è
÷
ø

2p (1) n 2p ( N -1) n
æ3 ö j æ3 ö j
x ( n) = 1 + ç - j ÷ e N
+ ç + j ÷e N

è2 ø è2 ø
En este caso

3
 3 3 13
C0 = 1 Þ C0 =1 ; C1 = -j ; C N -1 = + j Þ C1 = C N -1 =
2 2 2

Los otros coeficientes son nulos, en consecuencia

13
P = C0 + C1 + C N -1 = 1 + 4 C1 = 1 + 2 ´ [ watts ]
2 2 2 2

P = 7,5 [ watts ]

b) Gráfica Espectro de Amplitud. La gráfica del espectro de amplitud, se muestra en la

Figura P2.1.
Cn
13 13 13 13
2 2 2 2
1

-(N-1) -1 0 1 N-1 n
Figura P2.1.

Gráfica de Espectro de Magnitud. Esta gráfica se muestra en la Figura P2.2.

ÐCn
33,7°
33,7°

-(N-1) 0° 1
-1 0 1 N-1 n

-33,7° -33,7°

Figura P2.2.
4
Problema Nº 3. Dada la secuencia
n
æ1ö
x ( n) = ç ÷ u ( n + 2)
è4ø

a) Determinar los espectros de magnitud y de fase de dicha señal.

b) Determinar su densidad espectral .¡Cuál es su máximo valor?

Solución
a) Se tiene que los espectros de amplitud y de fase de una secuencia x(n), están dados por
X ( W ) y RX ( W ) , respectivamente. Con X(W) Transformada de Fourier de x(n).
Método 1 para calcular X(W). Una forma de calcular X(W), es aplicar la definición de
Transformada de Fourier directamente a la secuencia x(n), como se muestra a continuación:

¥ ¥ n ¥ n
æ1ö æ1ö
X (W) = å x ( n) e
n =-¥
- jnW
= å ç ÷ u ( n + 2 ) e- jnW = å ç ÷ e - jnW
n =-¥ è 4 ø n =-2 è 4 ø

Desarrollando la sumatoria se obtiene

1 1 1
X ( W ) = 16e j 2 W + 4e jW + 1 + e- jW + e- j 2 W + e - j 3 W + .......... + 0
4 16 64

1 - jW
El segundo miembro de la ecuación anterior es una serie geométrica, con razón e , en
4
consecuencia

16e j 2 W
X (W) =
1
1 - e- jW
4

Ecuación que se puede escribir como

16e j 2 W 16e j 2 W
X (W) = =
1 1 1
1- ( cos W - jsenW ) 1 - cos W + j senW
4 4 4

Método 2 para calcular X(W). Dada la forma de x(n), X(W) se puede determinar aplicando
la propiedad de desplazamiento temporal de la Transformada de Fourier, tal como se
muestra a continuación.
La secuencia x(n) se puede escribir como
5
 n+2
æ1ö
x ( n ) = 16 ç ÷ u ( n + 2)
è4ø
Ecuación que se puede escribir como

x ( n ) = 16 y ( n + 2 )
Con
n
æ1ö
y ( n) = ç ÷ u ( n)
è4ø

La propiedad de desplazamiento temporal de la Transformada de Fourier, establece que

F { x ( n ) = 16 y ( n + 2 )} = X ( W ) = 16e j 2 WY ( W )

Siendo
Y ( W ) = F { y ( n )} =
1
1
1 - e- jW
4

Por lo tanto
16e j 2 W
X (W) =
1
1 - e- jW
4

Para determinar los espectros de amplitud y de fase de x(n), X(W) se puede escribir de la
forma polar , es decir

16e j 2 W 16e j 2 W
X (W) = =
1 1 2 2 æ senW ö
1 - cos W + j senW æ 1 ö æ1 ö jarctg çè 4 -cos W ÷ø
4 4 ç1 - cos W ÷ + ç senW ÷ e
è 4 ø è4 ø

æ æ senW ö ö
16e j 2 W 16 j ç 2 W- arctg ç ÷÷
X (W) = æ senW ö
= ´e è è 4- cos W ø ø

17 1 jarctg ç ÷ 17 1
- cos We è 4 - cos W ø - cos W
6 2 6 2

De donde se deduce que.

6
 16
Espectro de Amplitud: X (W) =
17 1
- cos W
6 2

æ senW ö
Espectro de Fase RX ( W ) = 2W - arctg ç ÷
è 4 - cos W ø
b) Como x(n) es una secuencia con limitación mixta en el tiempo, se deduce que x(n) es
una señal de energía, por lo tanto su densidad espectral de energía SXX(W) es

S XX ( W ) = X ( W )
2

De acuerdo al resultado obtenido en el apartado a), se tiene

256
S XX ( W ) = X ( W ) =
2

17 1
- cos W
6 2

En base a la expresión de SXX(W), se tendrá que su valor máximo es cuando el denominador

sea mínimo y ello ocurre cuando cos W = 1 Þ W = 0 , en consecuencia

256 é Joules ù
S XX ( W ) máx = = 36, 6 ê ú
7 ë rad / seg û

7
Problema Nº 4. a) Determinar la señal x(n) que tiene como Transformada de Fourier

e- jW + 2e -2 jW
X (W) =
æ 1 - jW 1 - j 2 W öæ - jW 1 - j2W ö
ç1 - e - e ÷ç 1 - e + e ÷
è 6 6 øè 4 ø

b) ¡Cuál es el valor de x(0)?. ¿Puede x(n) tomar valores negativos)?. Justifique su

respuesta.

Solución
a) Haciendo el cambio de variables r = e- jW , en la ecuación dada, se tiene

r + 2r 2
X (r) =
æ 1 1 2 öæ 1 2ö
ç 1 - r - r ÷ ç1 - r + r ÷
è 6 6 øè 4 ø

En función de sus polos, X(r) queda

-24 ( r + 2r 2 ) -24 ( r + 2r 2 )
X (r) = =
( r - 2 )( r + 3)( r - 2 ) ( r + 3)( r - 2 )
2 3

La expansión en fracciones parciales de X(r) es

-24 ( r + 2r 2 ) A1 A A32 A33

X (r) = = + 31 + +
( r + 3)( r - 2 ) r + 3 r - 2 ( r - 2 ) ( r - 2 )3
3 2

Con
-24 ( r + 2r 2 ) -24 éë( -3) + 18ùû 72
A1 = ( r + 3 ) X ( r ) r =-3 = = = = 2,88
( r - 2) -125
3
25
r =-3

-24 ( r + 2r 2 ) -24 éë( 2 ) + 8ùû -240

A33 = ( r - 2 ) X ( r ) = = = = -48
3

r=2 ( r + 3) r =2
5 5

1 éd é ù é d -24 ( r + 2r 2 ) ù -24 ( r + 3)( 4r ) + 24 ( r + 2r 2 ) + 24

A32 = ( r - 2) X ( r )û ú = ê
ù ú =
3

( 3 - 2 )! êë dr ë û r = 2 êë dr ( r + 3) úû ( r + 3)
2
r=2
r =2

8
 -48r 2 - 288r - 72
A32 = = -33,6
( r + 3)
2
r =2

1 é d2 é ù 1 é d -48r 2 - 288r - 72 ù
A31 = ( r - 2) X ( r )û ú = ê
ù
3
ú
( 3 - 1) ! êë d 2 r ë û r = 2 2 êë dr ( r + 3)
2
ûú r =2

( r + 3) ( -96r - 288 ) + ( 48r 2 + 288r + 72 ) 2 ( r + 3)

2

A31 = = -2,88
2 ( r + 3)
4

r =2

Luego, X(r) se puede escribir como

1 1 1 1
X ( r ) = 2,88 - 2,88 - 33, 6 - 48
r+3 r-2 ( r - 2) ( r - 2)
2 3

Haciendo el cambio de variable e - jW = r , se obtiene

1 1 1
X ( W ) = 2,88 - 2,88 - 33, 6 - 48
( e - jW - 2 )
- jW - jW
e +3 e -2 2

Para aplicar el par de transformada siguiente

( n + k - 1)! n 1
a u ( n) «
n !( k - 1) ! (1 - ae- jW )
k

X ( W ) se debe escribir como

2,88 1 2,88 1 33, 6 1 48 1

X (W) = - - +
3 æ 1ö -2 1 - 1 e - jW 4 æ 1 - jW ö 2
8 æ 1 - jW ö3
1 - ç - ÷ e - jW ç1 - 2 e ÷ ç1 - 2 e ÷
è 3ø 2 è ø è ø

1 1 1 1
X ( W ) = 0,96 + 1, 44 - 8, 4 +6
æ 1ö 1
1 - e- jW æ 1 - jW ö
2
æ 1 - jW ö
3
1 - ç - ÷ e - jW ç1 - 2 e ÷ ç1 - 2 e ÷
è 3ø 2 è ø è ø

n n n n
æ 1ö æ1ö æ1ö æ1ö
x ( n ) = 0,96 ç - ÷ u ( n ) + 1, 44 ç ÷ u ( n ) - 8, 4 ( n + 1) ç ÷ u ( n ) + 3 ( n + 1)( n + 2 ) ç ÷ u ( n )
è 3ø è 2ø è2ø è2ø
9
 n n
æ 1ö æ1ö
x ( n ) = 0,96 ç - ÷ u ( n ) + ( -0,96 + 0, 6n + 3n 2 ) ç ÷ u ( n )
è 3ø è2ø

b) Se obtiene x(0) = 0. Para que la secuencia x(n) sea negativa se debe cumplir que n sea
impar y que se satisfaga la siguiente relación

n n
æ 1ö æ1ö
0,96 ç - ÷ u ( n ) > ( -0,96 + 0, 6n + 3n 2 ) ç ÷ u ( n )
è 3ø è2ø

Relación que no se cumple para n ³ 0 , ya que por una parte ( -0,96 + 0, 6n + 3n 2 ) > 0 para
n
æ 1ö
todo n > 0 y x(n) = 0 para n = 0, y por otra parte 0,96 ç - ÷ u ( n ) decrece más
è 3ø
n
æ1ö
rápidamente que ( -0,96 + 0, 6n + 3n ) ç ÷ u ( n ) a medida que aumenta el valor de n.
2

è2ø

10
 PAUTA TERCERA PRUEBA ANÁLISIS DE SEÑALES
2° SEMESTRE 2014

Problema N°1. a) Determinar la Transformada – Z Unilateral y la Transformada – Z

Bilateral, de la secuencia
1 𝑛
𝑥(𝑛) = 𝛿(𝑛 − 3) + 𝛿(𝑛) + ( ) 𝑢(𝑛) + 𝛿(𝑛 + 1)
2

b) Determinar la secuencia x(n) si su Transformada – Z Unilateral es

7
2𝑧 − 4
+ (𝑧)
𝑋 =𝑧
7 3
𝑧2 − 4 𝑧 + 4
Proponer un programa MATLAB para calcular x(n) a partir de X(z)

c) Aplicando, el Teorema del Valor Final, Determinar el valor final de x(n) del apartado b)
Solución
a) Transformada – Z Bilateral. Por definición la Transformada – Z Bilateral, se tiene
∞

𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛
𝑛=−∞

Aplicando esta definición, a la secuencia 𝑥(𝑛) dada, se obtiene

∞
1 𝑛
𝑋(𝑧) = ∑ [𝛿(𝑛 − 3) + 𝛿(𝑛) + ( ) 𝑢(𝑛) + 𝛿(𝑛 + 1)] 𝑧 −𝑛
2
𝑛=−∞
Empleando, las propiedades de distributividad y de desplazamiento temporal, se obtiene

1 1
𝑋(𝑧) = 𝑧 −3 + 1 + + 𝑧 ; 𝑅𝑂𝐶: |𝑧| > 𝑒𝑥𝑐𝑒𝑝𝑡𝑜 𝑧 = ∞
1 2
1 − (2) 𝑧 −1

Transformada – Z Unilateral. La definición de Transformada – Z Unilateral, es

∞

𝑋 + (𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛
𝑛=0
En este caso
∞
+ (𝑧)
1 𝑛
𝑋 = ∑ [𝛿(𝑛 − 3) + 𝛿(𝑛) + ( ) 𝑢(𝑛) + 𝛿(𝑛 + 1)] 𝑧 −𝑛
2
𝑛=0

Obteniéndose
1
 1 1
𝑋 + (𝑧) = 𝑧 −3 + 1 + +𝑧 ; 𝑅𝑂𝐶: |𝑧| >
1 −1 2
1 − (2) 𝑧

b) Aplicando el método de expansión en fracciones parciales, se tiene

7 7
𝑋 + (𝑧) 2𝑧 − 4 2𝑧 − 4 𝐴1 𝐴2
= = = +
𝑧 7 3 3 3
𝑧 2 − 4 𝑧 + 4 (𝑧 − 1) (𝑧 − 4) 𝑧 − 1 𝑧 − 4

Con
7
𝑋 + (𝑧) 2𝑧 − 4
𝐴1 = (𝑧 − 1) | = | =1
𝑧 𝑧=1 (𝑧 − 3)
4 𝑧=1

7
3 𝑋 + (𝑧) 2𝑧 − 4
𝐴2 = (𝑧 − ) | = | =1
4 𝑧 𝑧=3 (𝑧 − 1)
4 3
𝑧=
4

Por lo tanto
𝑋 + (𝑧) 1 1
= +
𝑧 𝑧−1 𝑧−3
4
1 1
𝑋 + (𝑧) = +
1 − 𝑧 −1 1 − 3 𝑧 −1
4

En consecuencia

3 𝑛
𝑥(𝑛) = [1 + ( ) ] 𝑢(𝑛)
4

El programa MATLAB propuesto es

>>%Determinación de 𝑥(𝑛) a partir de 𝑋(𝑧)

>>z=sym(‘z’);

>>X=z.*(2.*z-7/4)./(z.^2-(7/4).*z+3/4);

>>x=iztrans(X)

x=(3/4)^n+1

2
c) El Teorema del Valor Final establece
lim 𝑥(𝑛) = lim(𝑧 − 1)𝑋 + (𝑧)
𝑛→∞ 𝑧→1
Aplicado al problema, se obtiene

7 7
2𝑧 − 4 2𝑧 − 4
lim 𝑥(𝑛) = lim(𝑧 − 1) = lim
𝑛→∞ 𝑧→1 3 3
(𝑧 − 1) (𝑧 − ) 𝑧→1 (𝑧 − )
4 4

Luego
lim 𝑥(𝑛) = 1
𝑛→∞

3
Problema N°2. Determinar si el sistema de tiempo discreto que tiene la siguiente relación
entrada – salida
𝑦(𝑛) = 𝑥(𝑛) + 𝑛𝑥(𝑛 + 1)
es
a) Causal o no causal
b) Estático o dinámico.
c) Invariante o variante con el tiempo.

a) Un sistema es causal si su salida en cualquier instante de tiempo 𝑛 depende solamente de

la señal de entrada presente y de los valores pasados de ésta, pero no depende de los valores
futuros de la señal de entrada. Para el sistema del problema, se observa que la salida 𝑦(𝑛) es
función de 𝑥(𝑛 + 1), el cual es un valor futuro de la entrada, en consecuencia el sistema es
no – causal.
b) Se dice que un sistema es estático sin memoria, si su salida en cualquier instante de tiempo
𝑛 depende solamente de la muestra de la entrada en el mismo instante, o sea, no tiene
dependencia de las muestras pasadas o futuras de la entrada. En este caso, la salida depende
también de muestras futuras de la entrada, en consecuencia, el sistema dado no es estático o
sea es dinámico.
c) Un sistema es invariante en el tiempo si su característica entrada – salida no cambia con
el tiempo. Para verificar si un sistema es invariante en el tiempo, se usa el siguiente proceso:
1. Se aplica al sistema una secuencia de entrada arbitraria 𝑥(𝑛), la cual genera la secuencia
de salida y(n).
2. Se retarda la secuencia de entrada en un monto 𝑘, y se determina la salida 𝑦(𝑛, 𝑘) dada
por
𝑦(𝑛, 𝑘) = 𝐻[𝑥(𝑛 − 𝑘)]
Que para el problema dado, es

𝑦(𝑛, 𝑘) = 𝑥(𝑛 − 𝑘) + 𝑛𝑥(𝑛 − 𝑘 + 1)

3. Se retarda la secuencia en un monto 𝑘, o se evalúa la secuencia 𝑦(𝑛) en 𝑛 − 𝑘 obteniéndose

𝑦(𝑛 − 𝑘) = 𝑥(𝑛 − 𝑘) + (𝑛 − 𝑘)𝑥(𝑛 − 𝑘 + 1)
4. Se compara 𝑦(𝑛, 𝑘) con 𝑦(𝑛 − 𝑘), si son iguales el sistema es invariante en el tiempo, y
si son distintas el sistema es variante con el tiempo.
De las expresiones obtenidas para 𝑦(𝑛, 𝑘) e 𝑦(𝑛 − 𝑘), se deduce que son diferentes, en
consecuencia, el sistema dado es variante en el tiempo.

4
Problema N° 3. a) Determinar la ecuación en diferencias que modela al sistema cuya
realización se muestra en la Figura P.3.
b) Aplicando Transformada – Z, determinar la respuesta de entrada – cero de tal sistema, si
𝑦(−1) = 𝑦(−2) = 1.
c) La Función de Respuesta de Frecuencia.
𝑦(𝑛)
𝑥(𝑛)
+ 𝑍 −1 𝑍 −1

𝑍 −1

Solución
a) Del circuito de la Figura P.3, se deduce que
𝑦(𝑛) = 𝑥(𝑛) + 𝑥(𝑛 − 1) + 𝑦(𝑛 − 1) − 0,5𝑦(𝑛 − 2)
O sea
𝑦(𝑛) − 𝑦(𝑛 − 1) + 0,5𝑦(𝑛 − 2) = 𝑥(𝑛) + 𝑥(𝑛 − 1) (I)
Como se pide la respuesta de entrada cero (𝑥(𝑛) = 0), se obtiene la ecuación en diferencias
homogénea, dada por
𝑦(𝑛) − 𝑦(𝑛 − 1) + 0,5𝑦(𝑛 − 2) = 0
b) La solución de esta ecuación en diferencias homogénea, determina la respuesta de entrada
– cero. Aplicando Transformada – Z Unilateral, y la propiedad de retardo temporal, se obtiene
𝑌 + (𝑧) − 𝑧 −1 [𝑌 + (𝑧) + 𝑦(−1)𝑧] + 0,5𝑧 −2 [𝑌 + (𝑧) + 𝑦(−1)𝑧 + 𝑦(−2)𝑧 2 ] = 0
𝑌 + (𝑧)[1 − 𝑧 −1 + 0,5𝑧 −2 ] = 𝑦(−1) − 0,5𝑦(−1)𝑧 −1 − 0,5𝑦(−2)
De donde
𝑦(−1) − 0,5𝑦(−1)𝑧 −1 − 0,5𝑦(−2)
𝑌 + (𝑧) =
1 − 𝑧 −1 + 0,5𝑧 −2
En función de los polos y de los valores de las condiciones iniciales, se tiene
0,5𝑧 2 − 0,5𝑧
𝑌 + (𝑧) =
1 1 1 1
(𝑧 − [2 + 𝑗 2]) (𝑧 − [2 − 𝑗 2])
La expansión en fracciones parciales, es

5
 𝑌 + (𝑧) 0,5𝑧 − 0,5 𝐴1 𝐴2
= = +
𝑧 1 1 1 1 1 1 1 1
(𝑧 − [2 + 𝑗 2]) (𝑧 − [2 − 𝑗 2]) (𝑧 − [2 + 𝑗 2]) (𝑧 − [2 − 𝑗 2])
Con

1 1 𝑌 + (𝑧) 0,5𝑧 − 0,5 1 1

𝐴1 = (𝑧 − [ + 𝑗 ]) | = | = +𝑗
2 2 𝑧 𝑧=1+𝑗1 (𝑧 − [1 − 𝑗 1]) 4 4
2 2 2 2 1 1
𝑧= +𝑗
2 2

1 1
𝐴2 = 𝐴1∗ = −𝑗
4 4

Luego
𝑌 + (𝑧) 1 1 1 1 1 1
=( +𝑗 ) +( −𝑗 )
𝑧 4 4 (𝑧 − [1 + 𝑗 1]) 4 4 (𝑧 − [1 − 𝑗 1])
2 2 2 2

De donde
1 1 1 1 1 1
𝑌 + (𝑧) = ( + 𝑗 ) +( −𝑗 )
4 4 1 − [1 + 𝑗 1] 𝑧 −1 4 4 1 − [1 − 𝑗 1] 𝑧 −1
2 2 2 2

Con
1 1 √2 𝑗𝜋 1 1 √2 −𝑗𝜋
+𝑗 = 𝑒 4 ; −𝑗 = 𝑒 4
4 4 4 4 4 4
1 1 √2 𝑗𝜋 1 1 √2 −𝑗𝜋
+𝑗 = 𝑒 4 ; −𝑗 = 𝑒 4
2 2 2 2 2 2
𝑌 + (𝑧) se puede escribir como
√2 𝑗𝜋 1 √2 −𝑗𝜋 1
𝑌 + (𝑧) = 𝑒 4 + 𝑒 4
4 √2 𝜋 4 √2 𝜋
1 − 2 𝑒 𝑗 4 𝑧 −1 1 − 2 𝑒 −𝑗 4 𝑧 −1

6
En consecuencia
𝑛 𝑛
√2 𝜋 √2 𝜋 √2 −𝑗𝜋 √2 𝜋
𝑦(𝑛) = 𝑍 −1 {𝑌 +
(𝑧)} = [ 𝑒 𝑗 4 ( ) 𝑒 𝑗 4 + 𝑒 4 ( ) 𝑒 −𝑗 4 ] 𝑢(𝑛)
4 2 4 2
𝑛
√2 √2 𝜋
(𝑛+1)
𝜋
(𝑛+1)
𝑦(𝑛) = ( ) (𝑒 𝑗 4 + 𝑒 −𝑗 4 ) 𝑢(𝑛)
4 2
Aplicando Euler, se obtiene

𝑛
√2 √2 𝜋
𝑦(𝑛) = ( ) cos [ (𝑛 + 1)] 𝑢(𝑛)
2 2 4

Finalmente
𝑛+1
√2 𝜋
𝑦(𝑛) = ( ) cos [ (𝑛 + 1)] 𝑢(𝑛)
2 4

c) En base a la ecuación en diferencias que caracteriza a un sistema, dada por

∞ ∞

∑ 𝑎𝑘 𝑦(𝑛 − 𝑘) = ∑ 𝑏𝑘 𝑥(𝑛 − 𝑘)
𝑘=0 𝑘=0

Teniéndose que la Función Respuesta de Frecuencia 𝐻(Ω), está dada por

𝑌(Ω) ∑𝑀
𝑘=0 𝑏𝑘 𝑒
−𝑗𝑘Ω
𝐻(Ω) = = ∞
𝑋(Ω) ∑𝑘=0 𝑎𝑘 𝑒 −𝑗𝑘Ω

Considerando la ecuación (I), se deduce que

𝑎0 = 1 ; 𝑎1 = −1 ; 𝑎2 = 0,5
𝑏0 = 1 ; 𝑏1 = 1

Por lo tanto

1 + 𝑒 −𝑗Ω
𝐻(Ω) =
1 − 𝑒 −𝑗Ω + 0,5𝑒 −𝑗2Ω

7
Problema N°4. Si
𝑛 𝑛
𝑥 ( ) si es entero
𝑥𝑘 (𝑛) = { 𝑘 𝑘
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Demostrar que
𝑋𝑘 (𝑧) = 𝑋(𝑧 𝑘 )

Solución
Para la resolución del problema, se hace uso de la definición de Transformada – Z. En primer
lugar s le aplica a la secuencia 𝑥𝑘 (𝑛), definida en el enunciado del problema, o sea
∞ ∞
𝑛
𝑋𝑘 (𝑧) = ∑ 𝑥𝑘 (𝑛)𝑧 −𝑛 = ∑ 𝑥 ( ) 𝑧 −𝑛 (𝐼)
𝑘
𝑛=−∞ 𝑛=−∞
Siendo n/k entero, es decir
𝑛
=𝑚
𝑘
Siendo m entero. Haciendo el cambio de variable en la ecuación (I), se tiene
∞

𝑋𝑘 (𝑧) = ∑ 𝑥(𝑚)𝑧 −𝑘𝑚

𝑚=−∞
Esta ecuación se puede escribir como
∞

𝑋𝑘 (𝑧) = ∑ 𝑥(𝑚)(𝑧 𝑘 )−𝑚

𝑚=−∞
𝑘
Haciendo 𝑧 = 𝑦, en la ecuación anterior, se obtiene
∞

𝑋𝑘 (𝑧) = ∑ 𝑥(𝑚)𝑦 −𝑚
𝑚=−∞

Por definición de transformada, se tiene que

∞

𝑋(𝑦) = ∑ 𝑥(𝑚)𝑦 −𝑚
𝑚=−∞
Luego
𝑋𝑘 (𝑧) = 𝑋(𝑦)
Pero 𝑦 = 𝑧 𝑘 , en consecuencia
𝑋𝑘 (𝑧) = 𝑋(𝑧 𝑘 )
Que era lo que se pedía demostrar

8
 ANEXO II

SOLUCIONARIOS DE TALLERES
 SOLUCIÓN TALLER 1 ANÁLISIS DE SEÑALES

EJERCICIO N° 1. Sea

2 + 3x + 5x 2
H ( x) =
6 + 11x + 6 x 2 + x3

a) Proponer un programa MATLAB para obtener la expansión en fracciones parciales

de H(x), aplicando la definición de los vectores num y den dadas anteriormente
b) Considere los vectores num= [b0 b1………..bm-1 bm] y den= [a0a1 …….an-1an], repita
a) con estos vectores. Analice los resultados y concluya.
c) Repetir a) para
2 + 5x 2
H ( x) =
6 + 11x + 6 x 2 + x3

Analizar los resultados obtenidos-

SOLUCIÓN

a) El programa MATLAB propuesto es el siguiente:

>> % Expansión en fracciones parciales de (2+3x+5x^2)/(6+11x+6x^2+x^3)

>>num = [5 3 2];

>> den = [1 6 11 6];

>> [r,p,k]= residue(num,den)

r=

19.0000

-16.0000

2.0000

p=

-3.0000

-2.0000

-1.0000

k=

1
 []

O sea, que la expansión en fracciones parciales de H(x) es:

19 16 2
H ( x) = - +
x + 3 x + 2 x +1

b) En este caso el programa MATLAB es:

>>num=[2 3 5];

>> den=[6 11 6 1];

>> [r,p,k]=residue(num,den)

r=

2.0000

-8.0000

6.3333

p=

-1.0000

-0.5000

-0.3333

k=

[]

Aplicando el procedimiento correspondiente, la expansión en fracciones parciales obtenida

en este caso es

19
8 2
H ( x) = 3 - +
1 1 x +1
x+ x+
3 2

De donde se obtiene

2 x 2 + 3x + 5
H ( x) = 3
6 x + 11x 2 + 6 x + 1

2
De los resultados obtenidos en los apartados a) y b), se deduce que se debe respetar las
definiciones de los vectores num y den al usar la sintaxis [r,p,k] = residue(num,den).

c) Para

2 + 5x 2
H ( x) =
6 + 11x + 6 x 2 + x3

Se propone el siguiente programa:

>> %Expansión en fracciones parciales de (2+5x^2)/(6+11x+6x^2+x^3)

>>num=[5 0 2];

>> den=[1 6 11 6];

>> [r,p,k]=residue(num,den)

r=

23.5000

-22.0000

3.5000

p=

-3.0000

-2.0000

-1.0000

k=

[]

Por lo tanto, la expansión en fracciones parciales pedida es:

47 1 1 7 1
H ( x) = g - 22g + g
2 x+3 x + 2 2 x +1

En este caso fue necesario efectuar un relleno de cero en el vector num ya que en él se tiene
que b1 = 0, lo que implica que los residuos del apartado c) son diferentes a los del apartado
a), manteniéndose los polos iguales.

3
EJERCICIO N° 2. Si

x ( t ) = t éëu ( t ) - u ( t - 2 ) ùû

Proponer un programa MATLAB para dibujar las componentes par e impar de x(t) dada.
Con escala de -4 a +4 en ambos ejes.

SOLUCIÓN

Se tiene que componente par xp(t) de la señal x(t) está dada por:

1
xP ( t ) = é x ( t ) + x ( -t ) ùû
2ë

En este caso, x(-t) es:

x ( -t ) = ( -t ) éëu ( -t ) - u ( -t - 2 ) ùû = ( -t ) éëu ( t + 2 ) - u ( t ) ùû

El programa MATLAB propuesto es:

>> % Gráfica de componentes xp y de xi de x(t)=t[u(t)-u(t-2)]

>> t=-4:0.001:4;

>> x=(t).*[stepfun(t,0)-stepfun(t,2)];

>>x1=(-t).*[stepfun(t,-2)-stepfun(t,0)];

>>xp=(1/2)*[x+x1];

>>xi=(1/2)*[x2-x1];

>>subplot(2,1,2)

>>plot(t,xi);grid

>>axis([-4 4 -4 4]);

>>title('Gráfica de xi(t)');

>>subplot(2,1,1);

>>plot(t,xp);grid

>>axis([-4 4 -4 4]);

>>title('Gráfica de xp(t)');

4
 Gráfica de xp(t)
4

-2

-4
-4 -3 -2 -1 0 1 2 3 4

Gráfica de xi(t)
4

-2

-4
-4 -3 -2 -1 0 1 2 3 4

5
 SOLUCIÓN DE TALLER 2 DE ANÁLISIS DE SEÑALES

EJERCICIO . Sea
x ( t ) = e -t
2

a) Usando la función fourier , proponer un programa MATLAB para obtener la

Transformada de Fourier de x(t).

b) Proponer un programa MATLAB para graficar los espectros de magnitud y de fase de la

señal x(t) del apartado a)

Solución

a) El programa MATLAB propuesto es

>> %Obtención de F{x(t)]=exp(-t^2)

>> t=sym('t');

>> x=exp(-t^2);

>> X=fourier(x);

>> X

X=

pi^(1/2)/exp(w^2/4)

O sea

p
X(f )=
( p2f 2 )
e

b) El programa MATLAB propuesto es

>> %Gráficas de los espectros de amplitud y de fase de la señal x(t)=exp(-t^2)

1
>> w=-2*pi:1/254:2*pi;

>> X=pi^(1/2)./exp(w.^2/4);

>> subplot(2,1,1)

>> plot(w/pi,abs(X));

>> xlabel('w/pi');

>>title('Gráfica |H(f)|');

>> ylabel('|X(f)|');grid

>> subplot(2,1,2)

>> plot(w/pi,angle(X));

>> title('ang(X(f))');

>> title('Gráfica de ang(X(f))');

>> ylabel('ang(X(f))');grid

Gráfica |H(f)|
2

1.5
|X(f)|

0.5

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
w/pi
Gráfica de ang(X(f))
1

0.5
ang(X(f))

-0.5

-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

2
 SOLUCIÓN TALLER N° 3 ANÁLISIS DE SEÑALES

Problema a). Determinar la expansión en fracciones parciales, usando MATLAB, de la

función racional

2 - z -1 + 3 z -2 + 4 z -4
X (z) =
3 + 2 z -1 - z -2

b) Proponer un programa MATLAB para determinar la secuencia x(n) a partir de X(z)

Solución.

a) El programa MATLAB propuesto es

>> % Expansión en fracciones parciales (2-z-1+3z-2+4z-4)/(3+2z-1-z-2)

>> b=[2 -1 3 0 4];
>> a=[3 2 -1 ];
>> [r,p,k]= residuez(b,a)

r=

2.5000
29.1667

p=

-1.0000
0.3333

k=

-31 -8 -4

>>
Luego, la expansión en fracciones parciales de X(z) dada, es

2, 5 29,167
X ( z ) = -31 - 8 z -1 - 4 z -2 + +
1 - ( -1) z -1
æ1ö
1 - ç ÷ z -1
è3ø
b) El programa MATLAB propuesto es

>> %Cálculo de x(n) a partir de X(z)

>> z=sym('z');

>> X=-31-8*(z^-1)-4*(z^-2)+2.5/(1-(-1)*(z^-1))+29.167/(1-(1/3)*(z^-1));

>> x=iztrans(X)

x=

(5*(-1)^n)/2 - 4*kroneckerDelta(n - 2, 0) - 8*kroneckerDelta(n - 1, 0) +

(29167*(1/3)^n)/1000 - 31*kroneckerDelta(n, 0)

O sea

n
æ1ö
x ( n ) = -31d ( n ) - 8d ( n - 1) - 4d ( n - 2 ) + 2, 5 ( -1) u ( n ) + 29,167 ç ÷ u ( n )
n

è3ø
 SOLUCIÓN TALLER 4 DE ANÁLISIS DE SEÑALES

EJERCICIO. Utilizando MATLAB determinar y graficar la secuencia z(n) = x(n)*y(n), si

las secuencias son

x ( n ) = {2, -1, 4, -3, 2,1} ; y ( n ) = {-2,1, 3, 2, -1}

- -

Solución

El programa MATLAB propuesto es

>> %Determinación y Gráfica de la convolución de z(n)=x(n)*y(n)

>> x=[2 -1 4 -3 2 1];
>> y=[-2 1 3 2 -1];
>> m=2; % Indica que el elemento 2 del vector x es x(0) de la secuencia x(n)
>> v=4;% Indica que el elemento 4 del vector y es y(0) de la secuencia y(n)
>> t=m+v-1;%Indica que el elemento t del vector z es z(0) de la secuencia z(n)
>> z=conv(x,y)
z=
-4 4 -3 11 1 0 -3 10 0 -1

>> %"Gráfica de z(n)

t=
5
>> n=-5:5;
>> z=[0 -4 4 -3 11 1 0 -3 10 0 -1];
>>stem(n,z,'fill','k')
>>title('Gráfica de z(n)=x(n)*y(n)');xlabel('n');ylabel('z(n)');grid

Luego la secuencia z(n) es

z = {-4, 4, -3,11,1, 0, -3,10, 0, -1}

-

Y su gráfica, se muestra en la figura siguiente

1
 Gráfica de z(n)=x(n)*y(n)
12

10

6
z(n)

-2

-4
-5 -4 -3 -2 -1 0 1 2 3 4 5
n

2
 SOLUCIÓN DE TALLER 5 DE ANÁLISIS DE SEÑALES

EJERCICIO . Si
x ( t ) = t éëu ( t ) - u ( t - 2 ) ùû
a) Usando la función int , cuya sintaxis es int(C,x,a,b), proponer un programa MATLAB
para determinar la función autocorrelación de x(t).
b) Proponer un programa MATLAB para graficar la auocorrelación obtenida en al apartado
a).
Para declarar simbólico el escalón unitario, se usa la sintaxis
escalon = sym('Heaviside(t)')

Solución
a) La gráfica de x(t), se muestra en la Figura 1
x(t)

0 2 t
Figura 1

Considerando la definición de autocorrelación, dada por

Rxx (t ) = ò x ( t + t ) x ( t ) dt
-¥

Se tiene, para;
i) t ³ 2
La Figura 2, ilustra tal situación

x(t)
x (t +t ) 2

-t -t + 2 0 2 t
Figura 2
En este caso
¥

Rxx (t ) = ò x ( t + t ) x ( t ) dt = 0
-¥
ii) 0 £ t £ 2
La Figura 3, ilustra esta situación

x(t)
x (t + t ) 2

-t 0 -t + 2 2 t
Figura 3
La ecuación de x ( t + t ) ,es
x (t + t ) = t + t
Por lo tanto, el programa MATLAB propuesto, es

>> t=sym('t');
>> T=sym('T');
>> z=t +T; y=t;
>> r=z*y;
>> R=int(r,t,0,-T+2)

R=
((T - 2)^2*(T + 4))/6
O sea
(t - 2 ) (t + 4 )
2

Rxx (t ) =
6
Obteniendose
t3 8
Rxx (t ) = - 2t +
6 3

iii) -2 £ t £ 0
La Figura 4, ilustra esta condición

x(t) x (t +t )
2

-t -t + 2 t
0 2
Figura 4
En este caso, el programa MATLAB propuesto, es

>> t=sym('t');
>> T=sym('T');
>> z=t+T; y=t;
>> r=z*y;
>> R=int(r,t,-T,2)

R=

-((T + 2)^2*(T - 4))/6

O sea
- (t + 2 ) (t - 4 )
2

Rxx (t ) =
6
De donde

1 8
Rxx (t ) = - t 3 + 2t +
6 3

iv) t £ -2
La Figura 5, ilustra esta condición

x(t)
x (t + t )
2

0 2 -t -t + 2
Figura 5
En este caso

Rxx (t ) = ò x ( t + t ) x ( t ) dt = 0
-¥

b) Como se tiene que

 ì
ï0 para t ³ 2
ï 3
ït 8
Rxx (t ) = í - 2t + para 0 £ t £ 2
ï6 3
ï t 3
8
ï- + 2t + para -2 £ t £ 0
î 6 3

Luego, el programa MATLAB propuesto para graficar Rxx (t ) , es

>> % Gráfica de Rxx(T)
>> T=-5:0.001:5;
>> u1=stepfun(T,0);
>> u2=stepfun(T,2);
>> u3=stepfun(T,-2);
>> R1=(T.^3/6-2.*T+8/3).*(u1-u2);
>> R2=(-T.^3/6+2.*T+8/3).*(u3-u1);
>> R=R1+R2;
>> plot(T,R);
>> xlabel('T');ylabel('R_x_x(T)');grid
>> title('Gráfica de R_x_x(T)');

Gráfica de R (T)
xx
3

2.5

1.5
Rxx(T)

0.5

-0.5
-5 -4 -3 -2 -1 0 1 2 3 4 5
T
 ANEXO III

MATLAB APLICADO AL
ANÁLISIS DE SEÑALES
Matlab aplicado al análisis de señales

Índice
1.- Generalidades sobre Matlab 03
1.1.- ¿Qué es Matlab? 03
1.2.- Entorno de trabajo 05
1.3.- Declaración de variables 06
1.4.- Funciones matemáticas disponibles 07
1.5.- Operaciones Matemáticas 07
1.6.- Vectores y Matrices 08
1.7.- Operaciones entre Vectores y Matrices 10
1.8.- Operadores lógicos y relacionales 12
1.9.- Gráficos en Matlab 12
1.10.- Funciones por tramo 15
1.11.- Elementos de un gráfico 18
1.12.- Colores y puntos en gráficas 19
2.- Transformadas en Matlab 23
2.1.- Transformada de Fourier 23
2.2.- Transformada inversa de Fourier 25
2.3.- Transformada de Laplace 26
2.4.- Transformada inversa de Laplace 30
2.5.- Transformada discreta de Fourier 33
2.6.- Transformada inversa discreta de Fourier 36
2.7.- Transformada z 37
2.8.- Transformada z inversa 39
3.- Anexo 42
3.1.- Gráficos interactivos con Mathematica 42
3.2.- Serie de Fourier de un Pulso Cuadrado 43
3.3.- Serie de Fourier de una señal Triangular 43

2
Matlab aplicado al análisis de señales

3.4.- Serie de Fourier de una señal Dientes de Sierra 44

3.5.- Serie de Fourier de sinusoide con rectificador de media onda 45
3.6.- Serie de Fourier de sinusoide con rectificador de onda completa 45

3
Matlab aplicado al análisis de señales

1. Generalidades sobre Matlab

1.1. ¿Qué es Matlab®?

Tanto en ciencias como en ingeniería nos enfrentamos a modelos de procesos que

ocurren en el mundo real. Estos pueden ser poseer una dinámica muy compleja por lo
que se hace necesaria la ayuda de soporte computacional para poder realizar los
cálculos y análisis involucrados.

Matlab es un software que provee una serie de herramientas que permiten resolver
problemas comunes en ciencia e ingeniería. Consta de una serie de rutinas, algoritmos,
bloques, etc. que ayudan a analizar y visualizar las variables involucradas en los
distintos procesos.
Este documento, se enfocará en el uso de Matlab aplicado al análisis de señales, se
revisarán los comandos y rutinas relativas a la gráfica de señales, tanto en tiempo
discreto como continuo, transformaciones como Fourier, discreta de Fourier, Z, entre
otras.

Este manual complementa las actividades requeridas por la asignatura análisis de

Señales de las carreras de Ingeniería Civil Eléctrica y Electrónica de la Universidad de
Tarapacá.

Primero se trataran generalidades sobre el Software Matlab, como la declaración de

variables, realización y manejo de gráficas, etc. Posteriormente se abordan algunos
comandos para realizar transformadas de señales ya sea en tiempo continuo o discreto.
Se tratan las transformadas de Fourier, Laplace, Z y sus inversas.

Finalmente se incluye un anexo relacionado con Series de Fourier utilizando

Mathematica, que es otro Software enfocado en cálculo analítico, realizando gráficos
interactivos a través del comando Manipulate, que estarán a disposición de los
estudiantes y serán utilizados en clases para mejor comprensión de esta temática.Se
muestran señales típicas como las salidas de rectificadores, pulsos cuadrados, señales
triangulares y dientes de sierra.

El comando Manipulate permite crear en pocos pasos herramientas similares a los

applets, lo que permite variar parámetros de alguna grafica en “tiempo real”, logrando
así una mejor comprensión de cómo afecta un parámetro específico en un proceso
determinado. En nuestro caso lo utilizaremos para Series de Fourier y variar
parámetros como número de armónicos, frecuencia, amplitud, etc.

4
Matlab aplicado al análisis de señales

1.2. Entorno de Trabajo

Al iniciarse Matlab es necesario destacar el entorno de trabajo en que nos

desenvolveremos. Existen 4 secciones que son las más importantes de destacar, éstas
son:

- Current Folder (Carpeta actual): esta corresponde a la carpeta en donde estamos

trabajando. Si queremos ejecutar una rutina es necesario que esté presente en esta
carpeta, en caso contrario deberemos indicar la ruta completa al archivo de la rutina
en cuestión si esta no estuviese almacenada en la carpeta.
- CommandWindow (Ventana de Comandos): aquí es donde deberemos ingresar los
comandos para ser ejecutados o escribir el nombre de programas o rutinas que
queremos ejecutar.
- Workspace (Espacio de Trabajo): En esta sección habrá un listado de todas las
variables que hemos asignado y además nos mostrará el tipo de variable y tamaño
entre otras características que podemos seleccionar (nombre, número de filas y
columnas, rango, valor máximo, entre otras).
- CommandHistory (Historial de Comandos): aquí se mostrará un listado de los
últimos comandos ejecutados. Lo anterior resulta útil para llevar un registro de lo
que hemos realizado.
En la Figura 1 se muestran las diferentes secciones mencionadas anteriormente:

Figura 1: Secciones principales del área de trabajo al iniciar Matlab.

5
Matlab aplicado al análisis de señales

1.3. Declaración de Variables

Cuando se quiera definir una variable se debe tener en consideración las siguientes
restricciones:
 Debe iniciarse con una letra.
 Puede contener letras, números y guiones bajos.
 Matlab distingue entre minúsculas y mayúsculas.
Existen variables predefinidas como pi que tiene asignado el valor 3,14159…

Para asignar un valor a una variable se hace uso del símbolo “=” como se muestra a
continuación:
>>x=45

El comando anterior asigna a la variable x el valor de 45. Si al final se le agrega un

punto y coma esto suprime la salida del comando que mostraría el valor asignado a la
variable. En la Figura 2 se muestra un ejemplo de asignación de variables:

Figura 2: Asignación de variables sin y con supresión de salida.

En la Figura 2 se aprecia en primera instancia que a la variable x se le asignó el

valor de 45, como no se finalizó con un punto y coma (;), Matlab mostrará el valor
de x=45. Posteriormente se asignó a y el valor de 38, pero en esta oportunidad se
colocó un “;”lo que al final provocó que se omitiese la salida del comando en la que
mostraría que la variable y es igual a 38.

6
Matlab aplicado al análisis de señales

1.4. Funciones matemáticas disponibles

Matlab posee un conjunto de funciones matemáticas disponibles para su uso, entre las
más comunes destacan las siguientes: seno;sin(x), coseno;cos(x), tangente;tan(x),
logaritmo natural;ln(x), logaritmo en base 10;log10(x), logaritmo en base 2;log2(x),
exponencial;exp(x), raíz cuadrada;sqrt(x), raíz n-ésima;nthroot(x,n), entre otras. Una
función denominada en la literatura como función singular es el escalón unitario. Esta
función es muy utilizada en circuitos y señales, en Matlab está definida por
heaviside(x).
En los comandos anterioresx puede ser un número, un vector o incluso una matriz, en
los 2 últimoscasos (vector o matriz) Matlab calculará la función aplicada a cada
componente del vector o matriz.

1.5. Operaciones Matemáticas

Matlab permite realizar operaciones como la suma, resta, multiplicación división,
potencias, etc. Hay que tener precaución en el orden en que Matlab ejecutará las
operaciones escritas o indicadas. Matlab resolverá en el siguiente orden las operaciones:

 Paréntesis
 Exponentes (potencias, raíces)
 Multiplicación-División
 Suma-Resta
En la Figura 3 se muestra un ejemplo en donde se puede apreciar que Matlab primero
ejecuta los paréntesis, luego las multiplicaciones y posteriormente las sumas o restas
que quedan por realizar.

Figura 3: Orden de ejecución de operaciones matemáticas.

7
Matlab aplicado al análisis de señales

2 √𝜋
Ejemplo: Calcular el valor de 𝑒 sin⁡((𝑥−𝑦) ) , con 𝑥 = 2√𝜋 e 𝑦 = ;
4

Figura 4: Evaluando una función.

1.6. Vectores y Matrices

Los vectores y matrices podemos definirlos como un arreglo de elementos (números).
En general los vectores pueden ser del tipo fila o columna. Un vector fila se puede
definir escribiendo sus elementos separados por “,” y encerrando al grupo entre
paréntesis cuadrados “[]”, para definir un vector columna es similar, con la diferencia
que cada elemento se debe separar usando “;”. En la Figura 5 se muestra el ejemplo de
la definición de un vector fila y un vector columna.

Figura 5: Vector Fila y Columna

8
Matlab aplicado al análisis de señales

De lo anterior se puede deducir que al usar “,” (coma) se separan elementos dentro de
una misma fila y para cambiar de fila se debe ingresar un “;” (punto y coma). Lo
anterior nos sirve para escribir matrices. La Figura 6 muestra un ejemplo de la
definición de una matriz.
Notar que los elementos dentro de una misma fila se separan con “coma” y para
cambiar de fila se debe escribir un “punto y coma”. La Figura 6 muestra la definición
de una matriz.

Figura 6: Definición de una matriz.

Existen otras formas de definir un vector y consiste en el siguiente comando:

>>x=[a:dx:b]
Donde a es el primer elemento del vector, dx es el incremento de cada elemento y b es
el elemento final.

Figura 7: Otra forma de crear vectores usando el operador “:”.

Si en un caso en que los incrementos (dx) definidos no lleguen al valor b de manera

exacta, Matlab creará un vector con un valor menor a b de tal manera que los
incrementos lo permitan.

Para conocer la dimensión de un vector x, ya sea fila o columna se puede usar el

comando length(x).

9
Matlab aplicado al análisis de señales

En el caso de una matriz, como esta posee filas y columnas, se debe utilizar el
comando size(x), este entregará como resultado un vector donde el primer elemento
corresponderá al número de filas y el segundo al número de columnas.

Para acceder a un elemento de un vector primero se debe saber que las posiciones son
numeradas desde 1 en adelante. En el caso de un vector fila 1 es la posición del primer
elemento (a la izquierda), en el caso de un vector columna 1 es la posición del primer
elemento (superior).

Entonces si queremos acceder a un elemento i-ésimo de un vector simplemente

colocamos:
>>x(i)%i debe ser el número del elemento

En el caso de una matriz, dado que está compuesta por filas y columnas, estas se
numeran de 1 hasta n y de 1 hasta m (para una matriz de n filas y m columnas). Para
acceder al elemento de la fila i y columna j se debe escribir lo siguiente:

>>M(i,j)
Donde i debe ser el número de la fila y j el número de la columna.

Usando apóstrofe se puede calcular la transpuesta de una matriz o transformar un

vector fila en columna y viceversa.
>>M’ %transpuesta de la matriz M.

Existe arreglos (matrices) predefinidas en Matlab. Estas son algunas matrices que
podrían facilitar la creación de ellas:

 rand(n,m): genera una matriz de n filas y m columnas compuesta de números

aleatorios entre 0 y 1, uniformemente distribuidos.
 ones(n,m): genera una matriz de n filas y m columnas compuesta de solo unos.
 eye(n): genera una matriz Identidad de orden n .
 zeros(n,m):genera una matriz de n filas y m columnas compuesta o rellena solo de
ceros.

Existen otras definiciones de matrices, pero estas son las más usadas en la asignatura
de análisis de señales.

1.7. Operaciónes entre vectores y matrices

Se debe tener en consideración para realizar cualquier operación entre vectores la
dimensión de éstos.

Algunas operaciones pueden no ser bien definidas si las dimensiones de los vectores no
son las adecuadas.

10
Matlab aplicado al análisis de señales

Para sumar vectores simplemente se usa la suma, teniendo en cuenta de que deben
tener la misma longitud y ser del mismo tipo (fila o columna).

>>c=x+y %asigna a c el resultado de la suma componente a componente de los

vectores x e y.

>>c=3*x %realiza la multiplicación de un escalar por un vector, en este caso se

triplican las componentes del vector x.

>>c=x.^n %asigna al vector c un vector cuyas componentes son las del vector x pero
todas elevadas a la potencia n.

Nótese que se debe usar “.” para que un vector operar sobre las componentes. Si el
punto no se coloca la operación no quedaría bien definida debido a que las dimensiones
no serían las adecuadas.

Ejemplo: El siguiente comando hará que las componentes del vector x sean elevadas a
las componentes del vector y (ver Figura 8):

Figura 8: elevar las componentes de un vector x a las componentes de otro y.

Se aprecia que el primer elemento del vector x fue elevado a la cuarta 14 = 1, el

segundo elemento fue elevado al cubo 23 = 8, el tercero fue elevado al cuadrado 32 =
9 y el cuarto elevado a 1; 41 = 4, el resultado fue asignado al vector w.

Para multiplicar matrices se debe tener en cuenta que el número de columnas de la

primera matriz xdebe ser igual al número de filas de la segunda matriz y. Para realizar
eso se usa lo siguiente:

>>x*y %deben tener las dimensiones adecuadas o aparecerá un mensaje de

error.

Otro comando útil es el reshape, este permite convertir o reordenar un vector y llevarlo
a una matriz. Sea un vector x de L elementos, este puede convertirse en una matriz de
orden 𝑚𝑥𝑛siempre que se cumpla que 𝐿 = 𝑚𝑥𝑛; sino aparecerá un mensaje de error.

11
Matlab aplicado al análisis de señales

Los primeros elementos del vector x serán colocados en la primera columna y así
sucesivamente se irán rellenando las columnas. Un ejemplo se muestra en la Figura 9.

Figura 9: reshape de un vector.

Se aprecia que los primeros elementos del vector x quedaron en la primera columna de
la matriz y. La matriz y es de orden 3𝑥4 = 12, lo que corresponde a la longitud del
vector x.

1.8. Operadores Lógicos y relacionales.

Entre los operadores lógicos destacan las siguientes operaciones:

 And “&”; operación “y”

 Or “|”; operación “o”
 Not “~”; operación negación.
Entre los operadores relacionales, que sirven para saber si una cantidad es mayor o
menor respecto de otra, destacan los siguientes:

 <; operador “menor que”

 >; operador “mayor que”
 <=; operador “menor o igual que”
 >=; operador “mayor o igual que”
 ==; operador “igual a”
 ~=; operador “distinto a”

1.9. Gráficos en Matlab

Diversas formas existen para graficar en Matlab. Una de las más comunes es hacer
gráficos en donde cada punto es unido por una línea (sólida). Para lo anterior se usa el
comando plot(x,y), en donde x será un vector que tiene las abcisas y el vector
ycontendrá las ordenadas.

12
Matlab aplicado al análisis de señales

En la Figura 10 se muestra un ejemplo.

Figura 10: Comando plot, notar que el vector “x” corresponde a las abcisas y el “y” a
las ordenadas.

En la Figura 11 se muestra la gráfica parcial de una función sin(x), pero como hay
pocos puntos la función no se ve de la mejor forma.

Figura 11: Gráfica de la función sin(x) con pocos puntos.

13
Matlab aplicado al análisis de señales

Otra forma no vista antes de definir un vector es con el comando linspace. Su sintaxis
es la siguiente:

>>x=linspace(a,b,n) ; donde a es el valor del primer elemento del vector x, b es el valor

final del vector y n corresponde al número de muestras equiespaciadas entre a y b. Para
mejorar la gráfica anterior podemos realizar lo siguiente: (ver Figura 12).

Figura 12: Gráfica de la función sin(x) con 100 puntos entre 0 y 2𝜋.

Como se ha visto en la asignatura de análisis de señales, una señal puede ser de tiempo
continuo, la que podría ser graficada con el comando plot, pero también existen señales
de tiempo discreto, las que en general corresponden a muestras o secuencias de
valores. En general las señales de tiempo discreto son importantes ya que son las que
se almacenan en un computador. Una señal de tiempo continuo equivale a tener
infinitas muestras entre un punto y otro, cualesquiera, en donde la señal esté definida.
Dado que las memorias son de capacidad finitas el uso de señales muestreadas es muy
común en la disciplina del procesamiento de señales. Dado que las muestras solo
existen para aquel tiempo en que fue tomada (generalmente múltiplos de un tiempo de
muestreo 𝑇𝑠 ) solo deben graficarse en dicho instante de tiempo, para esto Matlab
cuenta con la función stem. La sintaxis de stem es muy similar a la del comando plot.

14
Matlab aplicado al análisis de señales

Figura 13: Comando stem para graficar una señal en tiempo discreto.

1.10. Funciones por tramo

Con lo que hemos visto hasta ahora podemos realizar una serie de operaciones básicas.
Una de los requerimientos que surgen a menudo en la asignatura de análisis de señales
es tratar con señales por tramos. Existen diversas formas de realizarlo. Por ejemplo
greficar la siguiente función definida en la ecuación (1)
−𝑥 𝑠𝑖⁡𝑥 < 0
𝑓(𝑥) { 2𝑥 2 𝑠𝑖⁡0 ≤ 𝑥 ≤ 3 (1)
−3𝑥 𝑠𝑖⁡𝑥 > 3
Para hacer esto haremos un pequeño script (programa) en Matlab. Para crear un script
vamos al botón mostrado en la Figura 14:

15
Matlab aplicado al análisis de señales

Figura 14: Botón para crear un script

En la Figura 14 se muestra encerrado en una elipse el botón que crea un nuevo script,
este nos dará una pantalla donde podemos colocar una secuencia de comandos que
queramos ejecutar.

Al presionar el botón anterior aparecerá un editor para escribir lo que se necesite. (Ver
Figura 15).

Figura 15: Editor para escribir programas (scripts).

Si bien escribir programas está fuera del propósito de este manual, construiremos uno
tal que reciba un vector x como argumento y grafique la función por tramos definida
anteriormente en la ecuación (1).
Existen múltiples formas de definir una función por tramos, una alternativa sería usar
la función escalón unitario, ya que esta función permite “recortar” señales.

16
Matlab aplicado al análisis de señales

La otra alternativa sería usar un ciclo forque fuese evaluando para cada valor de x que
función evaluar y así generar un vector de salida con los valores necesarios. Usaremos
en esta ocasión otra alternativa, que se basa en algunos de los contenidos vistos en este
manual.
El pequeño script consiste en usar operadores relacionales y lógicos. Cuando un
operador relacional es verdadero arroja el valor “1” y los falsos arrojan el valor “0”.
Por lo tanto el script al tomar un valor de x evalúa en toda la expresión habilitando solo
la porción de función que esté multiplicada por el operador relacional que corresponda.
En la Figura 16 se muestra un script que realiza lo descrito previamente:

Figura 16: Ejemplo de script para graficar una función por tramos.

En la Figura 16 se aprecia en la primera línea la declaración de una función llamada

“grafico” que recibe como argumento un vector x. En la segunda línea se declara un
vector f que de acuerdo al valor que tomen los elementos de evaluará en el caso que
corresponda.

Finalmente en la Figura 17 se muestra la secuencia para “llamar” a la función

anterior.

17
Matlab aplicado al análisis de señales

Figura 17: Llamado de la función gráfico.

En la primera línea de la Figura 17 se muestra la declaración del vector x usando el

comando linspace. Si observamos en la parte izquierda (en la sección Current Folder)
aparece el script el cual posee el nombre grafico.m, para llamar a la función solo se
escribe grafico(x), ya que en este caso la función necesita la existencia previa del
vector x.

1.11. Elementos de un gráfico

Un gráfico por si solo no dice mucho si no se indica que se está graficando. Para lo
anterior existen comandos que pueden agregar lo siguiente:

 Título, a través del comando title.

 Nombre al eje x usando el comando xlabel
 Nombre al eje y usando el comando ylabel.
 Leyenda usando el comando legend.
En la Figura 18 en la parte izquierda superior aparecen los comandos para colocar
título, etiqueta al eje y, etiqueta al eje x y una leyenda. En la sección derecha se
muestra el gráfico en donde se encerró en unas elipses los distintos elementos
agregados al gráfico. Lo anterior es importante debido a que un gráfico carece de
utilidad si no se indica que se está graficando, cuales son las variables involucradas,
unidades de medidas de las variables graficadas, etc.

18
Matlab aplicado al análisis de señales

Figura 18: Insertando título, etiquetas a los ejes y leyenda a un gráfico.

1.12. Colores y puntos en gráficas

En Matlab se pueden modificar diversas propiedades de la curva graficada, una de las
más utilizadas es cambiar su color, la forma en que se muestra cada punto de la función
y como se unen los distintos puntos (línea sólida, línea segmentada, puntos, etc).

El comando plot, asi como el stem en general reciben vectores como argumento, por
ejemplo plot(x,y) en donde graficay (eje vertical) vs x (eje horizontal).

Además en esos comandos se puede agregar más elementos, si se agrega un string

(cadena de caracteres) con los valores adecuados se pueden cambiar características del
gráfico.

En la Figura 19 se aprecia que al comando plot se le agregó el string ‘r--.’. La r indica

el color rojo (red), -- indica el tipo de línea que en este caso es segmentada y
posteriormente el punto. que indica que se marcará con un punto cada valor entregado
por los vectores x e y.

19
Matlab aplicado al análisis de señales

Figura 19: Gráfica de una función seno donde se han modificado color, puntos y líneas.
Las opciones que pueden ser añadidas a través de string se muestran en la Tabla 1.

color Marcador Estilo de línea

b Azul . Punto - línea sólida
g Verde o Círculo : línea
punteada
r Rojo x X -. punto-raya
c Celeste + signo + -- segmentada
m Magenta * asterisco (nada) sin línea
y Amarillo s cuadrado
k Negro d diamante
w Blanco v Triangulo
invertido
^ Triangulo
normal
< Triangulo
izquierdo
> Triangulo
derecho
p Pentagrama
h hexagrama
Tabla 1: Algunas opciones para color, marcador y estilo de línea en un gráfico.

20
Matlab aplicado al análisis de señales

Cabe destacar que en la Tabla anterior aparecen separadas las distintas opciones
disponibles para la categoría color, marcador o estilo de línea. Dado lo anterior no es
posible ocupar en una misma curva 2 elementos de alguna categoría, por ejemplo no se
puede a una misma curva agregar el string ‘bg’ porque estaríamos refiriéndonos a 2
colores y Matlab no sabría interpretar que color colocar a la curva.
Varias funciones en el mismo gráfico
Matlab permite que en una misma gráfica aparezcan varias curvas.
Una forma es agregar más pares de vectores al comando plot o stem (ver Figura 20).

Figura 20: Gráfica de 2 funciones simultáneamente.

En la Figura 20 se aprecia que al comando plot se le agregaron más argumentos (x,y) y

(x,g), quedando de la siguiente forma:
>>plot(x,y,x,g)

Lo anterior permite graficar y vs x además de g vs x. En este caso y corresponde a una

función seno y g a una función coseno.

Otra forma de obtener varias curvas en una misma gráfica es mediante el comando
holdon.
Este comando lo que hace es “retener” las gráficas superponiendo las curvas
posteriores.
21
Matlab aplicado al análisis de señales

En la Figura 21 se muestra el uso de este comando. Existe una pequeña desventaja, la

que radica en los colores. En el caso anterior al usar plot o stem con mas argumentos
Matlab automáticamente asignaba colores distintos a cada curva. Al usar holdon
Matlab considera cada gráfico de manera independiente así que por lo tanto usará el
color azul en cada uno de ellos si es que no se especifica lo contrario. (ver Figura 21)

Figura 21: Uso del comando holdon.

Otro comando útil es subplot. Este permite dividir la pantalla donde aparecen los
gráficos (Figure) como si fuese una matriz, es decir en filas y columnas. Asi se pueden
tener varios gráficos independientes en una misma pantalla.
La sintaxis del comando es la siguiente:
>>subplot(m,n,p)
donde m indica el número de filas, n el número de columnas y p la posición del
gráfico. La matriz se llena primero la fila 1 luego la fila 2 y así sucesivamente.

En la Figura 22 se muestra un ejemplo en donde la pantalla de gráfica (Figure 2) fue

dividida en 4 partes. Es decir fue divida como una matriz 2x2. El gráfico 1 ocupa la
primera posición de la primera fila, el gráfico 2 ocupa la segunda posición de la
primera fila, siempre se colocan los elementos desde la fila 1 hasta la última fila, en
este caso solo hemos puesto 2 filas. Como hay 2 columnas quiere decir que solo
podremos colocar 2 gráficos en cada fila.

22
Matlab aplicado al análisis de señales

Figura 22: Comando subplot para colocar varias gráficas independientes.

2. Transformadas en Matlab
2.1. Transformada de Fourier
La transformada de Fourier permite transformar señales en el dominio del tiempo a
señales en el dominio de la frecuencia. En el caso que una función sea periódica la
transformada de Fourier diverge por lo que es recomendable usar la serie de Fourier.
Matlab también posee comandos para calcular la transformada de Fourier de una señal
𝑓(𝑡). Si se revisa la literatura existen distintas definiciones de transformada de Fourier,
a veces esta puede estar normalizada o no, lo que implicará la aparición del factor √2𝜋.
La definición que posee Matlab es la siguiente:
∞
𝐹(𝜔) = ∫−∞ 𝑓(𝑡) 𝑒 −𝑗𝜔𝑡 𝑑𝑡 (2)

Donde 𝐹(𝜔) es la transformada de Fourier de 𝑓(𝑡).

Para calcular la transformada de Fourier en Matlab se hace uso del comando fourier.
Su sintaxis es la siguiente:
>>syms t w %esto define las variables a utilizar t para tiempo y w para frecuencia.

>>fourier(f,t,w) %donde f es la función que se desea transformar, t,w indica que se

pasará del tiempo a la variable frecuencia.
Ejemplo: Calcular la transformada de un escalón unitario. Ver Figura 23.

23
Matlab aplicado al análisis de señales

Figura 23: Cálculo de la transformada de Fourier de 𝑢(𝑡).

Cabe destacar que Matlab define las siguientes funciones:

𝑢(𝑡) = ℎ𝑒𝑎𝑣𝑖𝑠𝑖𝑑𝑒(𝑡): escalón unitario

𝛿(𝑡) = 𝑑𝑖𝑟𝑎𝑐(𝑡): impulso.

Si observamos la sentencia escrita en la Figura 23, aparece el comando syms.

Este comando es muy útil, ya que le permite a Matlab “reconocer” cuales son las
variables involucradas en el problema.

Ejemplo: Calcular la transformada de Fourier de 𝑥(𝑡) = cos⁡(𝜔0 𝑡), ver Figura 24.

Figura 24: Cálculo de la transformada de Fourier de la función cos⁡(𝜔0 𝑡)

Ejemplo: Calcular la transformada de Fourier de 𝑥(𝑡) = 𝑒 −2𝑡 cos⁡(4𝑡)𝑢(𝑡) ver Figura

25.

24
Matlab aplicado al análisis de señales

Figura 25: Transformada de Fourier y comando pretty.

En la Figura 25, se muestra el cálculo realizado por Matlab de la transformada de

Fourier de la función 𝑒 −2𝑡 cos⁡(4𝑡)𝑢(𝑡), en primera instancia la salida del comando
muestra una expresión que puede ser difícil de leer. Para mejorar lo anterior existe el
comando pretty. Este permite expresar de una forma más “amistosa” algunas
expresiones matemáticas.

2.2. Transformada inversa de Fourier

Matlab tiene definida la transformada de Fourier de la siguiente manera:
1 ∞
𝑓(𝑡) = 2𝜋 ∫−∞ 𝐹(𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔 (3)

Para calcular la transformada inversa se debe utilizar el comando ifourier.

La sintaxis es la siguiente:
>>syms t w % se definen las variables involucradas
>>ifourier(F,w,t)

Donde F es la función en el dominio de la frecuencia w, w es la variable que representa

frecuencia y t es la variable que representa al tiempo.

Ejemplo: Calcular la transformada inversa de Fourier de 𝐹(𝜔) = 𝛿(𝜔), ver Figura 26.

25
Matlab aplicado al análisis de señales

Figura 26: Transformada inversa de un impulso

𝑠𝑒𝑛(𝜔)
Ejemplo: Calcular la transformada inversa de Fourier de 𝐹(𝜔) = . Ver Figura 27.
𝜔

𝑠𝑒𝑛(𝜔)
Figura 27: Cálculo de la transformada inversa de la función 𝐹(𝜔) = .
𝜔

2.3. Transformada de Laplace

La Transformada de Laplace tiene múltiples aplicaciones en ingeniería. Su principal
aplicación es que es capaz de transformar un sistema de ecuaciones diferenciales
lineales a un sistema de ecuaciones algebraicas lineales. Tiene una forma de operar
similar a la transformada de Fourier, en el sentido que relacionamos o pasamos de una
variable tiempo t a una variable denominada frecuencia compleja 𝑠.

Matlab también ofrece la posibilidad de realizar esta transformada mediante el

comando laplace.

26
Matlab aplicado al análisis de señales

La definición de transformada de Laplace está dada por:

∞
𝐹(𝑠) = ∫0− 𝑓(𝑡)𝑒 −𝑠𝑡 𝑑𝑡 (4)

Donde 𝐹(𝑠) es la transformada de Laplace de 𝑓(𝑡).

La sintaxis del comando laplace es la siguiente:

>>laplace(f,t,s) %donde f es la función en el dominio del tiempo, t la variable tiempo y

s la variable frecuencia compleja.

La transformada de Laplace tiene importancia en las asignaturas de Análisis de

Circuitos I y II, Análisis de sistemas, etc.

En la Figura 28 se muestra un ejemplo de como se realiza el cálculo de una

transformada de una función escalón.

Figura 28: Transformada de Laplace de un Escalón unitario.

Ejemplo: Calcular la transformada de la función impulso.
Primero hay que recordar que la función impulso en Matlab es llamada dirac
La Figura 29 muestra la secuencia de comandos para obtener esta transformada.

Figura 29: Transformada de Laplace de 𝛿(𝑡).

Una función dentro de las denominadas funciones singulares es la rampa definida

como 𝑟(𝑡) = 𝑡𝑢(𝑡), es decir es la función identidad (recta de pendiente 1) multiplicada

27
Matlab aplicado al análisis de señales

por un escalón unitario. Calcularemos la transformada de Laplace de la rampa usando

Matlab (ver Figura 30).

Figura 30: Transformada de Laplace de 𝑟(𝑡) = 𝑡 ∗ 𝑢(𝑡)

La transformada de Laplace tiene múltiples propiedades, una de las más utilizadas es la

que muestra que ℒ{𝑒 −𝑎𝑡 𝑓(𝑡)} = 𝐹(𝑠 + 𝑎) siendo ℒ{𝑓(𝑡)} = 𝐹(𝑠), es decir que la
multiplicación de una exponencial en el tiempo implica un desplazamiento en la
frecuencia s.

Con Matlab se puede demostrar esta propiedad usando adecuadamente la declaración

de variables a través de comando syms.

Ejemplo: Demostrar que ℒ{𝑒 −𝑎𝑡 𝑓(𝑡)} = 𝐹(𝑠 + 𝑎), ver Figura 31.

Figura 31: Cálculo de ℒ{𝑒 −𝑎𝑡 𝑓(𝑡)} = 𝐹(𝑠 + 𝑎)

En la Figura 31 se destaca (rectángulo rojo) que en vez de aparecer sólo la variable s,

aparece s+a=a+s. Lo anterior implica que hubo un desplazamiento en frecuencia.

Dentro de las funciones más utilizadas están las sinusoidales, a continuación

mostraremos el cálculo de la transformada de Laplace de 𝑓(𝑡) = cos(𝜔0 𝑡) 𝑢(𝑡)
mediante Matlab, ver Figura 32.

28
Matlab aplicado al análisis de señales

Figura 32: Calculo de la transformada de cos(𝜔0 𝑡) 𝑢(𝑡)

También podemos combinar los 2 ejemplos visto anteriormente, es decir, calcular la

transformada de Laplace de 𝑒 −𝑎𝑡 cos(𝜔0 𝑡) 𝑢(𝑡). Usando Matlab obtenemos el
resultado mostrado en la Figura 33.

Como se vio anteriormente una multiplicación por una exponencial implica un

“desplazamiento” en frecuencia. Es decir que esperamos que ocurra un desplazamiento
de 𝑠 → 𝑠 + 𝑎. Por lo tanto la transformada esperada corresponderá al desplazamiento
de la variable s en la transformada de la Figura 32, es decir:
𝑠 𝑠+𝑎
→ (5)
𝑠2 +𝜔0 2 (𝑠+𝑎)2 +𝜔0 2

La Figura 33 muestra la secuencia de comandos para calcular la transformada

mencionada anteriormente:

Figura 33: Cálculo de la transformada de 𝑒 −𝑎𝑡 cos(𝜔0 𝑡) 𝑢(𝑡)

29
Matlab aplicado al análisis de señales

Otra propiedad que es muy utilizada en teoría de circuitos es la transformada de una

derivada. Esta propiedad permite modelar en circuitos inductancias y condensadores ya
que las variables voltaje y corrientes en los elementos anteriormente mencionados,
involucran derivadas.
La transformada de Laplace de una derivada está dada por:
𝑑
ℒ {𝑑𝑡 𝑓(𝑡)} = 𝑠𝐹(𝑠) − 𝑓(0− ) (6)

En Matlab se obtiene lo siguiente: (Ver Figura 34)

Figura 34: Cálculo de la transformada de una derivada.

En la Figura 34 se comprueba el resultado mostrado en la ecuación (6).

2.4. Transformada inversa de Laplace

Cuando un circuito o un sistema en general ha sido resuelto o analizado bajo la
transformada de Laplace, las expresiones resultantes quedan en el espacio de la
frecuencia compleja, es decir en función de s. Para recuperar las expresiones que rigen
el comportamiento de un sistema en el dominio del tiempo se hace necesario una
transformada que tome una expresión que está en función de la frecuencia compleja sy
entregue como resultado otra expresión en función de la variable t (tiempo).
Lo anterior se conoce como transformada inversa de Laplace, se denota de la siguiente
manera, (ecuación (7)):

ℒ −1 {𝐹(𝑠)} = 𝑓(𝑡) (7)

Matlab posee un comando para calcular la transformada inversa de Laplace

denominado ilaplace.La sintaxis de este comando se muestra a continuación:

>>ilaplace(F(s),s,t) % Donde F(s) es la expresión en el dominio de la frecuencia

compleja.

Ejemplo: Determinar la transformada inversa de Laplace de 𝐹(𝑠) = 1.

30
Matlab aplicado al análisis de señales

Figura 35: Transformada inversa de Laplace de 1.

En general cuando se trata con sistemas lineales, las expresiones en el espacio s

corresponden a funciones racionales, es decir división de polinomios. Generalmente las
transformadas de Laplace tendrán la siguiente forma:
𝑏𝑚 𝑠𝑚 +𝑏𝑚−1 𝑠𝑚−1 +𝑏𝑚−2 𝑠𝑚−2 +⋯+𝑏1 𝑠1 +𝑏0
𝐹(𝑠) = (8)
𝑠𝑛 +𝑎𝑛−1 𝑠𝑛−1 +𝑎𝑛−2 𝑠𝑛−2 +⋯+𝑎1 𝑠1 +𝑎0

Donde 𝑛 ≥ 𝑚, para sistemas lineales con funciones mayormente regulares e impulsos.

A los ceros del numerador se les denomina simplemente ceros. A los valores de s que
hacen cero el denominador se les denomina polos.

Se sabe que el tipo de respuesta dependerá de la naturaleza de los polos, es decir si se

tienen raíces complejas conjugadas, raíces múltiples (con repetición), o raíces reales y
distintas sin multiplicidad (polos simples) influirá en el tipo de respuesta.
𝑠+1
Ejemplo: Calcular la transformada inversa de 𝐹(𝑠) = 𝑠2 +5𝑠+6, Ver Figura 36.

Figura 36: Cálculo de transformada inversa de F(s).

En la Figura anterior se aprecia que la transformada inversa arroja exponenciales reales

con distinto exponente, esto se debe al tipo de polos que posee raíces reales y distintas
(sistema sobreamortiguado).
𝑠2 +3𝑠+4
Ejemplo: Calcular la transformada inversa de Laplace de 𝐹(𝑠) = 𝑠3 +3𝑠2 +3𝑠+1, ver
Figura 37:

31
Matlab aplicado al análisis de señales

Figura 37: Transformada inversa de Laplace con polos con repetición.

Se aprecia en la respuesta mostrada en la Figura anterior la aparición de potencias de t

que multiplican a las exponenciales, este tipo de respuesta es típica en sistemas
críticamente amortiguados.

La otra posibilidad es que un sistema posea polos complejos conjugados, a este tipo de
respuestas se les denomina subamortiguadas.
5𝑠+4
Ejemplo: Calcular la transformada inversa de 𝐹(𝑠) = 𝑠2 +𝑠+3

La respuesta del problema anterior está dada por:

√11 3√11 √11
𝑓(𝑡) = 5𝑒 −𝑡/2 (cos ( 𝑡) + 𝑠𝑒𝑛( 𝑡)) (9)
2 55 2

Usando Matlab para resolver el problema anterior se obtiene la expresión de la Figura

38:

Figura 38: Transformada inversa de un sistema subamortiguado.

Se aprecia que la expresión anterior corresponde a funciones senoidales multiplicadas

por una exponencial decreciente. Esta exponencial provoca que la amplitud de las
senoidales decrezcan con el tiempo, razón por la que se les denomina respuesta
subamortiguada.
32
Matlab aplicado al análisis de señales

𝑠2 +𝑠+1
Ejemplo: Calcular la Transformada inversa de Laplace de 𝐹(𝑠) = 𝑠2 +8𝑠+15

Figura 39: Caso cuando el numerador tiene el mismo grado que el denominador.

En la Figura 39 se muestra la respuesta del Ejemplo anterior. Se observa la aparición

de un impulso (dirac(t)), esto se debe a que el numerador posee el mismo grado que el
denominador, en este caso, ambos polinomios son de grado 2, esto quiere decir que esa
expresión se puede expresar como una constante sumado a la división de polinomios
donde el numerador es menor al denominador, es decir:
𝑠2 +𝑠+1 7𝑠+14
= 1 − 𝑠2 +8𝑠+15 (10)
𝑠2 +8𝑠+15

La aparición de ese término constante en la ecuación (10) provoca la aparición del

impulso.

2.5. Transformada discreta de Fourier

Como se ha mencionado anteriormente, existen, tanto, señales continuas y señales
discretas en el tiempo. Además estas pueden ser o no limitadas en el tiempo.

La transformada discreta de Fourier se aplica a señales discretas en el tiempo

(secuencias) y además de extensión limitada.

La transformada discreta de Fourier para una señal discreta compuesta de Nmuestras se

define mediante:
𝑗2𝜋𝑘𝑛
−
𝑋(𝑘) = ∑𝑁−1
𝑛=0 𝑥(𝑛)𝑒 𝑁 (11)

Donde 𝑥(𝑛) es una señal discreta en el tiempo, 𝑋(𝑘) corresponde a las transformada
discreta de Fourier de 𝑥(𝑛) y k variando de 0 a N.

Matlab ofrece la posibilidad de calcular en forma numérica esta transformada a través

de un algoritmo comúnmente llamado fft(Fast Fourier Transform)transformada rápida
de Fourier.

Dado que en la ecuación (11) se aprecia que 𝑋(𝑘) será una cantidad compleja, es decir
con parte real e imaginaria, para poder graficarla será necesario especificar que se desea
obtener. En general 2 gráficos muy útiles son el de amplitud y fase.
33
Matlab aplicado al análisis de señales

Para obtener la amplitud o módulo de las componentes de un vector se hace uso del
comando abs. Su sintaxis es la siguiente:

>>y=abs(x) %generará un vector y, donde cada componente de este corresponderá a la

amplitud de las componentes del vector x.

En la Figura 40 se muestra un ejemplo del funcionamiento del comando abs. Como

observación importante cabe destacar que el número imaginario en Matlab está definido
como 𝑖 = √−1.

Figura 40: Ejemplo del comando abs.

Para graficar la fase o ángulo de cada componente es necesario hacer uso del comando
angle.
anglefunciona de manera similar al comando anterior, sólo que en vez de entregar la
amplitud entregará el ángulo de cada componente expresada en radianes. Su sintaxis es
la siguiente:

>>y=angle(x) % se generará un vector y donde cada componente de este, corresponderá

a la fase de la componente del vector x. En la Figura 41 se muestra un ejemplo:

Figura 41: Ejemplo comando angle.

El comando fftposee la siguiente sintaxis:

>>fft(x,n) %donde x es el vector al que se le obtiene la transformada y n el número de

componentes de la transformada, se rellena con ceros en el caso que la longitud del
vector x sea menor que n y se trunca en el caso contrario.

Ejemplo: Una señal 𝑥(𝑡) = cos⁡(2𝜋𝑓𝑡) si 𝑓 = 2𝑘𝐻𝑧, la cual es muestreada a una

frecuencia de 𝑓𝑠 = 40𝑘𝐻𝑧, durante 5 ciclos. Obtener la DFT para la señal muestreada.
Graficar la señal muestreada y la respuesta de amplitud de la DFT.

34
Matlab aplicado al análisis de señales

En la Figura 42, se muestra la secuencia de comandos para resolver el ejemplo anterior.

Figura 42: Secuencia de comandos para obtener la DFT de una secuencia.

Los gráficos obtenidos se muestran en la Figura 43.

Figura 43: Señal muestreada y amplitud de la DFT.

Se aprecia en la Figura anterior 2 peaks en la respuesta de amplitud ubicados a 2kHz y

a 38kHz.

35
Matlab aplicado al análisis de señales

2.6. Transformada inversa discreta de Fourier

Para revertir el proceso anterior existe la transformada inversa discreta de Fourier. Esta
transformada está definida mediante la siguiente expresión:
𝑗2𝜋𝑘𝑛
1
𝑥(𝑛) = 𝑁 ∑𝑁−1
𝑘=0 𝑋(𝑘) 𝑒 𝑁 (12)

Donde 𝑋(𝑘) es un vector que contiene las componentes de la DFT (Discrete Fourier
Transform) de la secuencia 𝑥(𝑛), siendo N el número de componentes o longitud del
vector X.

Matlab cuenta con el comando ifftpara calcular la transformada inversa discreta de

Fourier. La sintaxis para dicho comando es la siguiente:

>>ifft(X,n) %Donde X es el vector que contiene a la transformada discreta de Fourier y

n la longitud del vector (opcional)

Para comprobar el funcionamiento del comando aplicaremos la transformada inversa a

la función obtenida en el Ejemplo anterior.

Ejemplo: A la DFT obtenida en el ejemplo anterior, calcular la transformada inversa y

verificar que se obtiene la señal muestreada mediante el gráfico de ambas.

En la Figura 44 se muestra la secuencia de comandos para calcular y graficar la

transformada inversa discreta de Fourier al resultado del punto anterior

Figura 44: Obtención de la transformada inversa discreta de Fourier.

Los gráficos obtenidos, que comparan la señal original con la transformada inversa, se
muestran en la Figura 45.

36
Matlab aplicado al análisis de señales

Figura 45: Gráfico de la señal original (izquierda) y resultado de la transformada

inversa (derecha).

2.7. Transformada Z
La transformada Z constituye una de las transformadas más útiles en sistemas
discretos. Se puede decir que es la contraparte de la transformada de Laplace en
sistemas continuos. Permite transformar un sistema de ecuaciones de diferencias
lineales con coeficientes constantes en un sistema algebraico. La transformada Z está
definida en Matlab mediante la siguiente expresión:

𝑋(𝑧) = ∑∞
𝑛=0 𝑥(𝑛)𝑧
−𝑛
(13)

Nótese que en Matlab se consideran funciones definidas para n mayores o iguales a

cero.

Matlab permite calcular la transformada Z a través del comando ztrans. La sintaxis del
comando en cuestión se muestra a continuación:
>>ztrans(f,n,z) %Comando para calcular transformada Z de unafunción discreta f.

Donde fes una función que depende de la variable n, usualmente denominada𝑥(𝑛).

A continuación realizaremos un ejemplo para mostrar el funcionamiento del comando

ztrans.

Ejemplo: Calcular la transformada z de 𝑎𝑛 𝑢(𝑛).

En la Figura 46 se muestra el procedimiento para obtener la transformada z en Matlab.

37
Matlab aplicado al análisis de señales

Figura 46: Cálculo de la transformada z de 𝑎𝑛

Similarmente a los casos anteriores primero se deben definir las variables involucradas
en el problema; en este caso a, n y z. Luego los argumentos que utiliza el comando
ztrans son en primera instancia la función que queremos transformar (a^n),
posteriormente la variable independiente (de la cual depende la función anterior), en
este caso n.Finalmente se coloca la variable en la cual queremos dejar expresada la
transformada, en este caso z.

Ejemplo: Calcular la transformada z de 𝑛𝑥(𝑛)

En la Figura 47 se muestra el desarrollo de este problema en Matlab.

Figura 47: Cálculo de la transformada z de 𝑛𝑥(𝑛)

En la Figura 47 se aprecia que en primera instancia se deben definir todas las variables
del problema, en este caso, 𝑥(𝑛), 𝑛 y 𝑧. El resultado de dicha transformada es muy útil
para ecuaciones de diferencias con coeficientes variables, debido al término 𝑛𝑥(𝑛)
donde la variable independiente n multiplica a la función que se quiere transformar
𝑥(𝑛).

El cálculo teórico de esta transformada se muestra a continuación:

Sea 𝑋(𝑧) = ∑∞ 𝑛=0 𝑥(𝑛)𝑧

−𝑛
, la transformada z de una secuencia 𝑥(𝑛). Diferenciando la
expresión anterior respecto de z se obtiene:
∞ ∞
𝑑 1
𝑋(𝑧) = ∑ −𝑛⁡𝑥(𝑛)𝑧 −𝑛−1 = − ∑ 𝑛⁡𝑥(𝑛)𝑧 −𝑛 ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡(14)
𝑑𝑧 𝑧
𝑛=0 𝑛=0
Luego de la ecuación (14) se obtiene:
∞
𝑑
−𝑧 𝑋(𝑧) = ∑ 𝑛⁡𝑥(𝑛)𝑧 −𝑛 = Transformada⁡𝑧⁡de⁡𝑛⁡𝑥(𝑛)⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡(15)
𝑑𝑧
𝑛=0

Es relativamente sencillo el uso de Matlab para el cálculo de transformadas, solo hay

que cuidar no usar variables no declaradas, o reservadas por Matlab.

Ejemplo: Calcular la transformada z de 𝑎𝑛 𝑥(𝑛)

En la Figura 48 se muestra el desarrollo en Matlab.

38
Matlab aplicado al análisis de señales

Figura 48: Cálculo de la transformada z de 𝑎𝑛 𝑥(𝑛).

Si observamos la Figura 48, el resultado arrojado por Matlab corresponde a la

𝑧 𝑧
transformada z de 𝑥(𝑛) pero evaluado en 𝑎, es decir 𝑋(𝑎).

Ejemplo: Calcular la transformada z de 𝑛2 𝑥(𝑛).

Figura 49: Cálculo en Matlab de la transformada z de 𝑛2 𝑥(𝑛).

En la Figura 49 se muestra el resultado de la transformada z solicitada en el ejemplo, si

se expande el resultado anterior se obtiene lo siguiente:

𝑑2 𝑑
𝑧2 𝑋(𝑧) + 𝑧 𝑋(𝑧)⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡(16)
𝑑𝑧 2 𝑑𝑧

2.8. Transformada z inversa

La transformada z inversa permite revertir el proceso aplicado anteriormente. Como se

mencionó en la sección anterior, uno de los usos de la transformada z radica en poder
resolver o simplificar ecuaciones de diferencias (el análogo a ecuaciones diferenciales)
en tiempo discreto. Es por esto, que la transformada z se aplica a secuencias (muestras
de señales) y no a funciones continuas en el tiempo (de tiempo continuo). Al aplicar
transformada z a una ecuación de diferencia (o sistemas de ellas) se obtienen
ecuaciones algebraicas, cuyos métodos de resolución son bastante conocidos y diversos
(en el caso lineal). El resultado del proceso anterior será una expresión que no
dependerá de la variable n (que representa una muestra de tiempo), sino que dependerá
de z, por lo que para volver nuevamente a la variable n debemos aplicar la
transformada z inversa.
Esta transformada está definida mediante:

39
Matlab aplicado al análisis de señales

1
𝑥(𝑛) = ∫ 𝑋(𝑧)𝑧 𝑛−1 𝑑𝑧⁡⁡⁡⁡⁡⁡⁡⁡⁡(17)
𝑗2𝜋
Para sistemas lineales en general se tendrá que la transformada z, que representa a la
función de transferencia del sistema o la respuesta de este, será una función racional.
Por este motivo encontrar la transformada inversa de expresiones racionales es de
nuestro interés.
Matlab permite el cálculo de la transformada z inversa mediante el comando iztrans.
La sintaxis del comando es la siguiente:
>>iztrans(f,z,n) %Cálculo de la transformada z inversa de f.
Donde f representa una expresión dependiente de la variable z y el resultado de la
transformada inversa quedará en función de n.
Similarmente a los casos anteriores se debe primero definir las variables en juego en el
problema y luego aplicar el uso del comando iztrans.
4𝑧
Ejemplo: Calcular la transformada inversa de 𝑋(𝑧) = (𝑧−2)2

4𝑧
Figura 50: Transformadaz inversa de (𝑧−2)2
Similarmente a los casos anteriores es importante primero definir las variables, en este
caso n y z, para que así Matlab “reconozca” que se le ingresará una expresión en
función de z. Si se observa la expresión mostrada en la Figura 50, en el
comandoiztrans, aparecen 3 argumentos, el primero corresponde a la expresión que
queremos transformar, luego aparece la variable z, que es la variable de la cual
depende la expresión ingresada y finalmente aparece la variable n, que es la variable de
salida, de la que dependerá la expresión final (el resultado de la transformada inversa).
Podemos cambiar la variable de salida por cualquier otra, ejemplo k. (Ver Figura 51).

Figura 51: Cambio de la variable de salida.

Se observa en la Figura 51 que la variable del resultado ya no es n, sino k.
Ejemplo: Calcular la transformada z inversa de 𝑋(𝑧) = 3 + 𝑧 −2 + 𝑧 −4 .

40
Matlab aplicado al análisis de señales

Figura 52: Cálculo de transformada inversa.

En la Figura 52, se muestra el cálculo en Matlab del ejemplo anterior. Si se observa el
resultado aparece la delta de Kronecker, usualmente se denota de la siguiente manera
𝛿𝑛𝑗 .
La expresión anterior se define como:
0, 𝑠𝑖⁡𝑛 ≠ 𝑗
𝛿𝑛𝑗 = { ⁡⁡⁡⁡⁡⁡⁡⁡⁡(18)
1,⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑠𝑖⁡𝑛 = 𝑗
Ejemplo: Encontrar la respuesta al escalón para un sistema descrito por la siguiente
ecuación de diferencias y con las condiciones iniciales 𝑦(−1) = 2 e 𝑦(−2) = 1:
𝑦(𝑛) + 1.5𝑦(𝑛 − 1) + 0.5𝑦(𝑛 − 2) = 𝑥(𝑛) − 𝑥(𝑛 − 1)
La función de transferencia para este sistema está dado por:
𝑧 2 − 𝑧 − (1.5𝑦(−1) + 0.5𝑦(−2))𝑧 2 − 0.5𝑦(−1)𝑧
𝐻(𝑧) =
𝑧 2 + 1.5𝑧 + 0.5
1
Luego como la transformada z del escalón está dada por 1−𝑧 −1, la transformada z de la
señal de salida está dada por:
𝑧2 − 𝑧 1 −(1.5𝑦(−1) + 0.5𝑦(−2))𝑧 2 − 0.5𝑦(−1)𝑧
𝑌(𝑧) = 2 +
𝑧 + 1.5𝑧 + 0.5 1 − 𝑧 −1 𝑧 2 + 1.5𝑧 + 0.5
2
−2.5𝑧 − 𝑧
𝑌(𝑧) = 2
𝑧 + 1.5𝑧 + 0.5
Luego usando Matlab para calcular la transformada inversa se obtiene:

Figura 53: Respuesta al escalón 𝑦(𝑛).

En general Matlab cuenta con una amplia variedad de herramientas para el análisis de
señales. Esto solo comprende ejemplos básicos para facilitar el manejo del software.

41
Matlab aplicado al análisis de señales

3. Anexo
3.1. Gráficos Interactivos con Mathematica.

En esta sección se presentan algunas rutinas que serán utilizadas durante la asignatura
para mostrar de manera interactiva el tópico relacionado con Series de Fourier.

Las series de Fourier permiten que cualquier función periódica sea expresada como una
suma de funciones sinusoidales (seno y coseno). Sea 𝑓(𝑡) una función periódica con
2𝜋
periodo 𝑇 = donde 𝜔 es la frecuencia angular y T el periodo. La función puede ser
𝜔
expresada como:
∞

𝑓(𝑡) = 𝑎0 + ∑ 𝑎𝑛 cos(𝑛𝜔𝑡) + 𝑏𝑛 𝑠𝑒𝑛(𝑛𝜔𝑡)

𝑛=1

Donde

𝑇
1
𝑎0 = ∫ 𝑓(𝑡)𝑑𝑡
𝑇
0
𝑇
2
𝑎𝑛 = ∫ 𝑓(𝑡) cos(𝑛𝜔𝑡) 𝑑𝑡
𝑇
0
𝑇
2
𝑏𝑛 = ∫ 𝑓(𝑡) sen(𝑛𝜔𝑡) 𝑑𝑡
𝑇
0
En la Figura 54 se muestran los parámetros de una sinusoide y el gráfico interactivo de
esta señal.

Figura 54: Parámetros de una sinusoide.

42
Matlab aplicado al análisis de señales

La Figura 54 muestra el gráfico de una función seno, está puede ser variada a coseno o
tangente, además se puede variar su amplitud y su fase, parámetros usuales en
funciones trigonométricas.

3.2. Serie de Fourier de un Pulso Cuadrado

En la Figura 55, se muestra el gráfico interactivo de la serie de Fourier correspondiente

a un pulso cuadrado.

Figura 55: Serie de Fourier con 35 Armónicos.

En este gráfico interactivo se puede variar el número de armónicos, así mientras más
armónicos se grafiquen, más nos acercamos a la señal requerida (Pulso Cuadrado
Bipolar).

3.3. Serie de Fourier de una señal Triangular.

En la Figura 56 se muestra el gráfico interactivo de una señal triangular en la que se

podrán variar parámetros como el tiempo a graficar, la frecuencia, el número de
armónicos y la amplitud.

43
Matlab aplicado al análisis de señales

Figura 56: Serie de Fourier con 9 armónicos de una señal triangular.

3.4. Serie de Fourier de una señal Dientes de Sierra.

En la Figura 57 se muestra la gráfica de la serie de Fourier de una señal denominada

dientes de sierra. En este gráfico interactivo se pueden variar sus parámetros más
importantes como frecuencia angular, número de armónicos, amplitud, etc.

Figura 57: Serie de Fourier con 18 armónicos de una señal dientes de sierra.

44
Matlab aplicado al análisis de señales

El propósito de estos pequeños módulos interactivos es mostrar en clases en aula como

varían los gráficos al cambiar los parámetros de una señal. En años anteriores este
proceso conlleva ciertas dificultades a los alumnos, con lo que ahora se facilitará su
comprensión.

3.5. Serie de Fourier de sinusoide con rectificador de media onda.

En la Figura 58 se muestra el gráfico de una serie de Fourier rectificada en media onda.

Figura 58: Salida de un rectificador de media onda.

Recordemos que un rectificador de media onda solo escoge un signo de la señal, este
puede ser positivo o negativo. En nuestro caso al ingresar una señal sinusoidal a un
rectificador de media onda, este solo permitirá mostrar los valores positivos, y cuando
la sinusoide tome valores negativos en la salida del rectificador se mostrará el valor
cero.

En electrónica y electrónica de potencia son muy comunes este tipo de señales, al igual
que las dientes de sierra y triangulares, utilizadas en modulación PWM.

3.6. Serie de Fourier de sinusoide con rectificador de onda completa.

La salida de un rectificador de onda completa es equivalente al valor absoluto de la

señal. Este proceso de rectificado es fundamental en la conversión de señales alternas a
continuas. En la Figura 59 se muestra el gráfico de la serie de Fourier de la salida de un
rectificador de onda completa ante una señal sinusoidal.

45
Matlab aplicado al análisis de señales

Figura 59: Serie de Fourier de la salida de un rectificador onda completa con 57

armónicos

Como se mencionó anteriormente, el principal propósito de estas graficas interactivas es

hacer más demostrativas las clases. El curso de análisis de Señales está focalizado en
Matlab, pero se usará este tipo de herramientas disponibles en Mathematica (versión
estudiante) dada su facilidad de uso para crear módulos interactivos a través del
comando Manipulate. Los archivos estarán disponibles para los participantes de la
asignatura.

46