Transformada de Fourier y

Convolución de Señales

Sesión 4
¿Qué alcanzamos a visualizar en la imagen?
Temario:

• Logro de aprendizaje de la sesión

• Importancia de la sesión
• Recordar
• Series y Transformada de Fourier
• Espectro de la señal con la Serie Trigonométrica de Fourier
• Convolución de señales(Interpretación grafica y operaciones)
• Conclusiones
Logro de aprendizaje de
la sesión

Al finalizar la sesión el estudiante

opera y gráfica la convolución
entre dos señales aplicadas en
los sistemas de transmisión
analógica.
La importancia de la sesión

La convolución es un operador
matemático que permite conocer la
interacción de dos señales , este
es muy utilizado cuando se
requiere conocer el
comportamiento de un sistema de
comunicación analógica.

Fuente https://music.tutsplus.com/es/tutorials/how-to-use-
convolution-for-reverb-effects--audio-1089
 Recordar

Función par: f(x) es par si f(x) = f(-x) para toda x dentro del dominio de la función.
Ejemplo f(x) = x2 entonces f(-x) = (-x)2 = (-1)2 (x)2 = x2 = f(x)
Propiedades:
a. El producto de 2 funciones pares es par
b. La suma y resta de funciones pares es par
c. El cociente de dos funciones pares es par
𝑎 𝑎
d. Si f(x) es integrable y par en el intervalo [a , -a] entonces ‫׬‬−𝑎 𝑓 𝑥 𝑑𝑥 = 2 ‫׬‬0 𝑓 𝑥 𝑑𝑥
Función impar: f(x) es impar si f(-x) = -f(x) para toda x dentro del dominio de la
función. Ejemplo f(x) = x3 entonces f(-x) = (-x)3 = (-1)3 (x)3 = -x3 = -f(x)
Propiedades:
a. El producto de 2 funciones impares es par
b. El cociente de 2 funciones impares es par
c. La suma y resta de funciones impares es impar
𝑎
d. Si f(x) es integrable e impar en [-a , a] entonces ‫׬‬−𝑎 𝑓 𝑥 𝑑𝑥 =0
Recordar

Función periódica. Defino una f(x) periódica de periodo To si f(x) = f(x + To) para
toda x dentro del dominio de a función.
Si f(x) = sen (x) = sen (x + 2π) m= sen (x + 4π) =………..=sen(x + 2nπ), con n entero.
entonces el periodo To = 2π = T
 Recordar
Propiedades de la función periódica.
a. F(x) es periódica y de periodo To, entonces nTo con n ε Z, es un periodo de f(x).
b. Si f(x) y g(x) son funciones periódicas de periodo To, entonces
h(x) =a f(x) + b g(x) es periódica de periodo To.
c. Si f(x) es periódica de periodo To entonces f (mx) con m ≠ 0 es periódica y de
periodo T/m.
d. Si f(x) = sen (ω1X) + sen (ω2X) es periódica entonces ω1/ω2 es un número
racional.
𝑇 𝑐+𝑇
e. Si f(x) es periódica y de periodo To entonces ‫׬‬0 𝑓 𝑥 𝑑𝑥 = ‫𝑜𝑑𝑛𝑒𝑖𝑠 ;𝑥𝑑 𝑥 𝑓 𝑐׬‬
siendo c ε R.
 Recordar

Criterio de Dirichtlet: Sea f(x) definido en el intervalo [-T/2: T/2], f(x) periódica
y de periodo To entonces.
𝑓 𝑥 𝑠𝑖 𝑓 𝑥 𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎 𝑒𝑛 𝑥
𝑎0 2𝑛π𝑥 2𝑛𝜋𝑥
+ σ∞ 𝑎
𝑛=1 𝑛 𝑐𝑜𝑠 + 𝑏 𝑛 𝑠𝑒𝑛 ∗ +𝑥 ∗
𝑥𝑎
2 𝑇𝑜 𝑇𝑜 𝑏
𝑓( 𝑠𝑖 𝑓 𝑥 𝑒𝑠 𝑑𝑖𝑠𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎 𝑒𝑛 𝑥𝑜
𝑥𝑜

Entonces la serie de Fourier sería:

𝑡
𝑎0
+ σ∞
𝑛=1 𝑎𝑛 𝑐𝑜𝑠 𝑤𝑛𝑥 + 𝑏𝑛 𝑠𝑒𝑛 𝑤𝑛𝑥 siendo 𝑤 = 2π/To; 𝑎𝑜 =‫𝑥𝑑 𝑥 𝑓 ׬‬
2
𝑇
2 −2
𝑡 𝑡
2 2 2𝑛𝜋𝑥 2 2 2𝑛𝜋𝑥
𝑎𝑛 = ‫ 𝑥 𝑓 ׬‬cos(
𝑇 )𝑑𝑥; 𝑏𝑛 = ‫ 𝑥 𝑓 ׬‬sen(
𝑇 )𝑑𝑥
𝑇 − 𝑇 𝑇 − 𝑇
2 2

𝑎0 ∞ 2𝑛𝜋𝑥 2𝑛𝜋𝑥
f(x) = + σ𝑛=1 𝑎𝑛 𝑐𝑜𝑠 ) + 𝑏𝑛 𝑠𝑒𝑛 )
2 𝑇 𝑇
Recordar

Si A=1
La Serie Compleja de Fourier

La forma Compleja o exponencial de la Serie de Fourier:

Se ha empleado la ecuación de Euler :
La función:

𝑒 𝑗𝑛𝑤𝑜𝑡 + 𝑒 −𝑗𝑛𝑤𝑜𝑡
cos(𝑛𝑤𝑜𝑡) =
2

𝑒 𝑗𝑛𝑤𝑜𝑡 − 𝑒 −𝑗𝑛𝑤𝑜𝑡
𝑠𝑒𝑛 𝑛𝑤𝑜𝑡 =
2𝑗
La Serie Compleja de Fourier

La forma Compleja o exponencial de la Serie de Fourier:

Se ha empleado la ecuación de Euler :
La función:

O también sería:
𝑒 𝑗𝑛𝑤𝑜𝑡 + 𝑒 −𝑗𝑛𝑤𝑜𝑡
cos(𝑛𝑤𝑜𝑡) =
𝑎0 ∞ 𝑒 𝑗𝑛𝑤𝑜𝑡 +𝑒 −𝑗𝑛𝑤𝑜𝑡 𝑒 𝑗𝑛𝑤𝑜𝑡 −𝑒 −𝑗𝑛𝑤𝑜𝑡 2
+ + σ𝑛=1 𝑎𝑛 + 𝑏𝑛 𝑠𝑒𝑛
2 2 2𝑗
O también : 𝑒 𝑗𝑛𝑤𝑜𝑡 − 𝑒 −𝑗𝑛𝑤𝑜𝑡
𝑠𝑒𝑛 𝑛𝑤𝑜𝑡 =
𝑎0 𝑎𝑛 −𝑗𝑏𝑛 𝑗𝑛𝑤𝑜𝑡 𝑎𝑛 + 𝑗𝑏𝑛 −𝑗𝑛𝑤𝑜𝑡 2𝑗
= + σ∞
𝑛=1 𝑒 + 𝑒
2 2 2

𝑎0
+ σ∞
𝑛=1 𝐶𝑛𝑒
𝑗𝑛𝑤𝑜𝑡 + 𝐾𝑛 𝑒 −𝑗𝑛𝑤𝑜𝑡
2
 La Serie Compleja de Fourier
Determinamos el coeficiente Cn(t) también de la forma.:

−𝑗2𝑛𝜋𝑥 𝑗2𝑛𝜋𝑥
1 𝑇/2 1 𝑇/2
𝐶𝑛 = ‫׬‬ 𝑓 𝑥 𝑒 𝑇 𝑑𝑥 ; K𝑛 = ‫׬‬−𝑇/2 𝑓 𝑥 𝑒 𝑇 𝑑𝑥
𝑇 −𝑇/2 𝑇

Siempre se cumple que Cn = Kn, entonces:

; por lo tanto la serie de Fourier exponencial será:

𝑗2𝑛𝜋𝑥
σ+∞
−∞ 𝐶𝑛 𝑒 𝑇 , convergente f(x), continua en –T/2 ≤ x ≤ T/2
 Serie Compleja de Fourier:
Ejemplo: Hallar la serie compleja de Fourier de la función:

1 𝑠𝑖 0 < 𝑥 < 𝜋
𝑓 𝑥 = ቊ ;T=2𝜋
−1 𝑠𝑖 − 𝜋 < 𝑥 ≤ 0

𝑗2𝑛𝜋𝑥 −𝑗2𝑛𝜋𝑥
+∞ 1 𝑇/2
σ
f (x) = −∞ 𝐶𝑛 𝑒 𝑇 ; 𝐶𝑛 = ‫׬‬−𝑇/2 𝑓 𝑥 𝑒 𝑇 𝑑𝑥
𝑇
1 𝜋 −𝑗𝑛𝑥 1 𝜋
𝐶𝑛 = ‫׬‬ 𝑓 𝑥 𝑒 𝑑𝑥 = ‫׬‬ 𝑓 𝑥 𝑐𝑜𝑠𝑛𝑥 − 𝑗𝑠𝑒𝑛𝑛𝑥 𝑑𝑥 =
2𝜋 −𝜋 2𝜋 −𝜋

1 𝜋 𝜋
Cn = [‫׬‬−𝜋 𝑓 𝑥 𝑐𝑜𝑠𝑛𝑥𝑑𝑥 − 𝑗 ‫׬‬−𝜋 𝑓 𝑥 𝑠𝑒𝑛𝑛𝑥 𝑑𝑥] =
2𝜋
 Serie Compleja de Fourier:

Ejemplo: Hallar la serie compleja de Fourier de la función:

1 𝜋 𝜋 1 𝜋
Cn = 2𝜋 [‫׬‬−𝜋 𝑓 𝑥 𝑐𝑜𝑠𝑛𝑥𝑑𝑥 − 𝑗 ‫׬‬−𝜋 𝑓 𝑥 𝑠𝑒𝑛𝑛𝑥 𝑑𝑥] =
2𝜋
[−𝑗 ‫׬‬−𝜋 𝑓 𝑥 𝑠𝑒𝑛𝑛𝑥 𝑑𝑥] =
0

𝑗
𝐶𝑛 = 𝑐𝑜𝑠𝑛𝜋 − 1 ; 𝑛 ≠ 0
𝑛𝜋

1 𝑠𝑖 0 < 𝑥 < 𝜋
∞ 𝑗
Entonces: f(x) = σ𝑛=−∞ cos 𝑛𝜋 𝑒 𝑗𝑛𝑥 + 0 = ቐ−1 𝑠𝑖 − 𝜋 < 𝑥 ≤ 0
𝑛≠0 𝑛𝜋
0 𝑠𝑖 𝑥 = 0
Espectro de Fourier, dominio de la frecuencia
 Ejemplo

A partir da la grafica cuya función es f(t)=e-t. Determinar:

a) Periodo y frecuencia fundamental

b) El coeficiente Cn
c) Graficar el espectro de la amplitud |Cn| Vs nW0
d) Graficar el espectro de fase ϴn Vs nW0)
Ejemplo

Graficar el espectro de frecuencias de f(t):

Transformada de Fourier y espectro
de la señal
Transformada de Fourier
 Transformada de Fourier Definición:
∞
Sea f (t) seccionalmente continua en todo los ℛ y ‫׬‬−∞ 𝑓 𝑡 𝑑𝑡 , 𝑐𝑜𝑛𝑣𝑒𝑟𝑔𝑒𝑛𝑡𝑒 entonces la
Transformada de Fourier se nota por ℱ ( f(t)) y se define como:
∞ 1 ∞ 𝑗ω𝑡
ℱ ( f(t)) = ‫׬‬−∞ 𝑓(𝑡)𝑒 −𝑗𝑤𝑡 dt = F(ω) y ℱ’ ( F(ω)) = ‫𝑒 ׬‬
2𝜋 −∞
dω = f(t)
Y todo esto sale de:

1 ∞ ∞ −𝑗 ω𝑣 −ω𝑡 dv du = 1 ∞ ∞ −𝑗 ω𝑣 ) 𝑒 𝑗ω𝑡 dv du
‫׬‬ ‫׬‬ 𝑓(𝑣)𝑒 ‫׬‬ ‫׬‬ 𝑓(𝑣)𝑒
2𝜋 −∞ −∞ 2𝜋 −∞ −∞

Entonces
1 ∞ ∞ ω ∞
𝑗 ω𝑡
f(t) = ‫׬‬−∞ 𝐹( ω )𝑒 d ω , también ‫׬‬−∞ 𝑓(𝑣)𝑒 −𝑗 𝑣 dv =‫׬‬−∞ 𝑓(𝑡)𝑒 −𝑗ω𝑡 𝑑𝑡 =
2𝜋

= ℱ ( f(t)) = F(ω)
Existencia para la transformada de Fourier

Condición de integrabilidad
+∞
න 𝑓(𝑡)𝑒 −𝑗𝑤𝑡 𝑑𝑡 < ∞
−∞

Entonces: 𝐹(𝜔) = ‫׬‬+∞ 𝑓(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡 ; donde: 𝑒 −𝑗𝜔𝑡 = cos 𝜔t – j sen 𝜔t

−∞

𝑒 𝑗𝜔𝑡 + 𝑒 −𝑗𝜔𝑡 𝑒 𝑗𝜔𝑡 − 𝑒 −𝑗𝜔𝑡

cos 𝜔t = sen𝜔𝑡 =
2 2𝑗
 Transformada de Fourier:
Ejemplo 1: Sea la función f(t) determinar la transformada de Fourier.

1 𝑠𝑖 𝑡 < 0
f(t) = ቊ
0 𝑠𝑖 𝑡 > 0

∞ 0 𝑎 𝑤
ℱ ( f(t)) = ‫׬‬−∞ 𝑓(𝑡)𝑒 −𝑗𝑤𝑡 dt = ‫׬‬−∞ 0 𝑒 −𝑗𝑤𝑡 dt = ‫׬‬−𝑎 1 𝑒 −𝑗𝑤𝑡 dt + ‫ 𝑎׬‬0 𝑒 −𝑗𝑤𝑡 dt

𝑎 𝑒 −𝑗𝑤𝑡 𝑎 𝑒 −𝑗𝜔𝑡 − 𝑒 𝑗𝜔𝑡 𝑒 𝑗𝜔𝑡 − 𝑒 −𝑗𝜔𝑡 2𝑠𝑒𝑛𝑎𝜔

= ‫׬‬−𝑎 1 𝑒 −𝑗𝑤𝑡 dt = [ ] =- [ ]=[ ]2=
𝑗𝑤 −𝑎 𝑗𝑤 𝑗2𝑤 𝜔
Entonces:
2𝑠𝑒𝑛(𝑎𝜔
ℱ ( f(t)) =൝ 𝑠𝑖 𝜔 ≠ 0
𝜔
2𝑎 𝑠𝑖 𝜔 = 0
ESPACIO PRÁCTICO
Ejemplo1
Hallar la transformada de Fourier de la siguiente función:
Ejemplo2
Hallar la transformada de Fourier de la siguiente función
Ejemplo3

Encuentre el espectro de frecuencias de la función g(t) mostrada.

Convolución de señales
Fundamento de la Convolución

Es un operador matemático que transforma dos funciones f y g en una

tercera función que en cierto sentido representa la magnitud en la que se
superponen. Las operaciones por efectuar se basan en la integral de
convolución.

Esta definida por:

http://estravizhausen.tumblr.com/post/376764472/que-es-la-convolucion-animacion-ilustrativa

http://stg-pepper.blogspot.com/2016/06/convolucion-de-dos-senales-en-matlab.html
Definición de la Convolución

𝑡
Esta definida por: f(t) * g(t) = ‫׬‬0 𝑓 𝑡 − 𝑢 𝑔 𝑢 𝑑𝑢 ; aqui hay que tener en
cuenta que el diferencial es la variable y el resto es constante.
Hay que hacer un camio de variable que :

z = t – u; cuando u = 0…..z = t
u = t – z; u = t…...z = 0
0 𝑡
f(t) * g(t) = - ‫ )𝑧(𝑓 𝑡׬‬g(t – z) dz = ‫׬‬0 𝑔 𝑡 − 𝑧 𝑓 𝑧 𝑑𝑧 = g(t - z) * f(t)

f(T) * g(t) = g(t) * f(t),es conmutativa

Interpretación grafica de la convolución

Fuente: Introducción a los Sistemas de Comunicación por F.G. Strember Edición 1993
Resumen de los pasos
Fuente: Introducción a los Sistemas de Comunicación por F.G. Strember Edición 1993
Fuente: Introducción a los Sistemas de Comunicación por F.G. Strember Edición 1993
Propiedades de la convolución
Propiedades de la Convolución
Convolución con u(t)

  

u(t)* h(t) =  u(  )* h( t -  ) d  =  h( t -  ) d 
- 0

Convolución con  (t)


f(t)* (t) = - f(  )* ( t -  ) d  = f(t)


f(t)* (t – t0 ) =  f(  )* ( t - t0 -  ) d  = f(t - t0)

-
Teorema de la Convolución

Convolución en el tiempo:

Sea f(t) y g(t) dos funciones en el tiempo

y sus transformadas F{f(t)} = F(w) y
F{g(t)} = G(w), respectivamente.
Se tiene

F{f(t) * g(t)} = F(w) x G(w)

Teorema de la Convolución

Convolución en la frecuencia:

Sea f(t) y g(t) dos funciones en el tiempo

y sus transformadas F{f(t)} = F(w) y

F{g(t)} = G(w), respectivamente.

Se tiene
F{f(t) x g(t)} = (1/ 2) F(w) * G(w)
Ejercicios de convolución:
1. Sean las funciones: 𝑓 𝑡 = 𝑒 𝑡 𝑢 −𝑡 ; 𝑔 𝑡 = 𝑢(𝑡)
𝑡
g(t) * f(t) = ‫׬‬−∞ 𝑔 𝑧 𝑓(𝑡 − 𝑧)𝑑𝑧
g(z)
u(t) f(-z)
𝑒𝑡
z z

𝑒𝑡 u(t)
f( f(t – z)

t t
t
Ejercicios de convolución:

𝑡 0 ∞ 𝑒 𝑡−𝑧 ∞
a). Si t < 0 ; g(t) * f(t) = ‫׬‬−∞ 0𝑑𝑧 + ‫ 𝑡׬‬0𝑑𝑧 + ‫׬‬0 𝑒 (𝑡−𝑧) 𝑑𝑧 =
−1 0
] = 𝑒𝑡

0 𝑡 ∞ 𝑒 𝑡−𝑧 ∞
b). Si t > 0 ; g(t) * f(t) = ‫׬‬−∞ 0.0𝑑𝑧 + ‫׬‬0 1.0𝑑𝑧 + ‫ 𝑡׬‬1. 𝑒 (𝑡−𝑧) 𝑑𝑧 =
−1 0
] =1
Entonces:

𝑒 𝑡 𝑠𝑖 𝑡 < 0
g(t) * f(t) =ቊ
1 𝑠𝑖 𝑡 > 0
Ejercicios de convolución:
2. Sean: f(t) = 𝑒 −𝑡 u(t) ; g(t) = u(t)
g(t)
u(t)
f(t – z)
f(t – z)
t 0 t z

f(z)

f(-z) f(z)

z
Ejercicios de convolución:
∞
g(t) * f(t) = ‫׬‬−∞ 𝑔 𝑧 𝑓(𝑡 − 𝑧)𝑑𝑧

𝑡 0 ∞
a. Si t < 0 ; 𝑔 𝑡 ∗ 𝑓 𝑡 = ‫׬‬−∞ 0.0𝑑𝑧 + ‫ 𝑡׬‬0.0𝑑𝑧 + ‫׬‬0 0.0𝑑𝑧
0 𝑡 0 𝑡
b. Si t ≥ 0 ; 𝑔 𝑡 ∗ 𝑓 𝑡 = ‫׬‬−∞ 0.0𝑑𝑧 + ‫׬‬0 𝑒 −(𝑡−𝑧) 𝑑𝑧 + ‫ 𝑡׬‬0.0 𝑑𝑧 = ‫׬‬0 𝑒 −(𝑡−𝑧) 𝑑𝑧

𝑡 −𝑡 𝑧 −𝑡 𝑡 𝑧 𝑡
𝑔 𝑡 ∗𝑓 𝑡 = ‫׬‬0 𝑒 𝑒 dz = 𝑒 ‫׬‬0 𝑒 𝑑𝑧 = 𝑒 −𝑡 𝑒 𝑧 0
= 1 − 𝑒 −𝑡

1 − 𝑒 −𝑡 𝑠𝑖 𝑡 ≥ 0
𝑔 𝑡 ∗𝑓 𝑡 = ቊ
0 𝑠𝑖 𝑡 < 0
 SISTEMA LINEAL INVARIABLE EN EL TIEMPO:

Los sistemas en tiempo continuo: Según como interaccionan el sistema con la

señal de entrada pueden ser lineal y no lineal, variando con el tiempo o
invariable en el tiempo , con memoria o sin memoria, causal o no causal, estable
e inestable y Determinante y no determinante.. De todos ellos lo más
interesante son los sistemas lineales, invariantes y determinantes.
SISTEMA LINEAL INVARIABLE EN EL TIEMPO:
Para un sistema lineal se puede aplicar el principio de superposición, este pone de
manifiesto que la respuesta de un sistema a una suma de señales de entrada es la
suma de las respuestas del sistema a cada señal de entrada por separado.

x1 y1

SISTEMA LINEAL

x2 y2

Entonces el sistema será lineal si se cumple:

➢ Que la respuesta a x1 (t) + x2 (t) debe ser y1 (t) + y2 (t) (Propiedad aditiva)
➢ Que la respuesta a α x1 (t) debe ser α y1 (t), α es constante (Propiedad de
Homogeneidad.
Si se cumplen ambas propiedades el sistema es Lineal.
Ambas propiedades se pueden conjugar en una sola, siendo de la forma

α x1 (t) + β x2 (t) α y1 (t) + β y2 (t)

x(t) y(t) es la relación Entrada/Salida del sistema en tiempo continuo

El Sistema es No Lineal si no es valido para al menos un conjunto de x1 (t), x2 (t), α y β.

Ej.1. Se tiene un circuito divisor de tensión con R1 = R2 ; para cualquier entrada x(t) y
salida y(t). Verificar que el sistema es lineal.
 𝑅2 1
𝑦 𝑡 = x(t) = 2 x(t)
𝑅1 +𝑅2
Debemos buscar que se cumpla:
1
𝑥 𝑡 = 𝑎𝑥1 + b𝑥2 (t) la salida es y(t) = x(t)
2
1
= [𝑎𝑥1 + b𝑥2 (t)]
2
1 1
= a 𝑥1 + b 𝑥2 (t)] = ay1(t) + b y2(t)
2 2
Entonces:
1 1
y1(t) = 𝑥1 : y2(t) = 𝑥2 (t)
2 2

Si : R1 = R2 x(t) el sistema sería no lineal ( porque es función de la tensión de entrada),

la relación entrada/salida sería:
𝑅2 𝑥(𝑡)
𝑦 𝑡 = x(t) =
𝑅2 𝑥(𝑡)+𝑅2 𝑥 𝑡 +1
+ b𝑥2 (t)
𝑎𝑥1
Para una entrada: x(t) = 𝑎𝑥1 + b𝑥2 (t) la y(t) =
𝑎𝑥1 + b𝑥2 (t)+1
Como se ve en la expresión el sistema es No Lineal, puesto que:

𝑎𝑥1 (t) + b𝑥2 (t) 𝑥1 (𝑡) 𝑥2 (𝑡)

y(t) = ≠𝑎 +b
𝑎𝑥1 (t) + b𝑥2 (t)+1 𝑥1 𝑡 +1 𝑥2 𝑡 +1

Entonces, si determinamos valores de: x1(t), x2(t), a y b tendríamos por ejemplo:

x1(t) = x2(t) y a=1 , b=2
En resumen:
Un sistema es un bloque a donde ingresamos con una señal x(t) y obtenemos
en la salida otra señal y(t), es decir.

x(t) = δ (t) h(t) y(t) = h(t) Respuesta impulsional

El sistema tiene características pero el principal es su respuesta impulsional h(t)

que es una señal de variable independiente continua y esta señal constituye la
respuesta que el sistema nos da cuando a la entrada tenemos una señal
impulso δ (t) y esto constituye una convolución.
y(t) = x(t) * h(t – )
En resumen:
∞
y(t) =‫׬‬−∞ 𝑥( ) h(t - ) d

h( )

h(t - ) h(- ) h(t+ )

t t

Por otro lado, un sistema para que sea lineal debe ser homogéneo y aditivo

homogéneo h(t)
a X(t) a y(t)

aditivo
h(t)
Xi(t) + X2(t) y1(t) + y2(t)
Función de transferencia:
Ejemplo4

Encuentre el espectro de frecuencias de la función g(t) mostrada.

Ejemplo5

Encuentre el espectro de frecuencias de la función g(t) mostrada.

Conclusiones

• La Serie Compleja de Fourier descompone a la señal en una suma de

vectores y permite la representación espectral de la señal.
• La manipulación de la señal en el tiempo tiene su efecto en su espectro.
• Si aumentamos el ancho del pulso de una señal su ancho de banda
disminuye y viceversa.
• Si aumentamos el periodo, los intervalos de separación de las
frecuencias disminuye.
Conclusiones

• La convolución es un operador matemático que permite la

interacción de dos señales para determinar el comportamiento
de la interacción.
• Cumple con las propiedades conmutativa, asociativa y
distributiva.
Conclusiones

• Las propiedades de la convolución nos permite reducir los cálculos

de operación en el desarrollo de la convolución.
• Los teoremas de la convolución permiten reducir el cálculo de las
operaciones en la Transformada de Fourier