Gustavo Señales PDF

UNIVERSIDAD DE GUADALAJARA
CENTRO UNIVERSITARIO DE CIENCIAS

EXACTAS E INGENIERÍAS
DEPARTAMENTO DE ELECTRÓNICA
ACADEMIA DE SISTEMAS DE CONTROL

AUTOMÁTICO
SEÑALES Y SISTEMAS LINEALES

Versión digital
Mtro. Juan Gustavo Ruiz Barajas

María Guadalupe Casillas Limón
noviembre 2010
i
INTRODUCCIÓN
La Universidad de Guadalajara y su comunidad académica enfrentan hoy

un mundo en constante evolución tecnológica lo que demanda un
recurso humano formado integralmente, dicho compromiso lo encara
nuestra Universidad de frente a una sociedad que exige una educación de
calidad que sea pertinente con valores democrática lo que implica que
nuestro egresado este a la altura de las exigencias de su práctica
profesional.
Este texto digital que está en tus manos tiene precisamente este sentido
de ser un instrumento eficaz de aprendizaje ideal para los alumnos de
ingeniería, también tiene el propósito de impactar en las competencias del
ejercicio de la actividad profesional. Por eso creo que hay motivos
suficientes para emprender la elaboración de éste pensando sobre todo
en el alumno, que de respuesta a la necesidad de apoyar el aprendizaje
con creatividad en el análisis y comportamiento de los sistemas lineales e
invariantes en el tiempo.
El tema fundamental de este texto es el análisis de las señales y el

comportamiento de los sistemas lineales invariantes en el tiempo en el
dominio del tiempo y el dominio de la frecuencia, el libro está organizado
en ocho capítulos a su vez cada uno de estos está constituido por a) un
objetivo de aprendizaje b) un conocimiento previo c) una actividad de
análisis, d) una actividad de síntesis y e) una autoevaluación a través de
actividades después de cada tema.
El primer capítulo se denomina “las señales” en él se clasifican las señales
de acuerdo al valor que puede tomar la variable independiente de la
función, tomamos el teorema de Nayquits para convertir señales analógica
a señales discretas, se analiza la simetría de una señal para utilizar
posteriormente sus propiedades, se define la periodicidad se calcula el
periodo fundamental de una combinación de sinusoidales, se clasifican las
señales de energía y señales de potencia finalmente se definen las señales
con respecto a su certidumbre. El segundo capítulo lo denominamos
“operación con señales”, en el cual se analiza el concepto de
escalamiento de amplitud, desplazamiento de amplitud, escalamiento de
tiempo, desplazamiento de tiempo e inversión y se juega con
transformaciones múltiples para una señal. El tercer capítulo es una
“introducción al Matlab” donde examinamos los principales comandos de
esta valiosa herramienta de graficación y simulación. El cuarto capítulo
trata el tema de las “propiedades de los sistemas”, en él que es
fundamental analizar la linealidad, la causalidad, la memoria, la
invariancia en el tiempo y estabilidad en el dominio del tiempo. El quinto
ii
capítulo muestra “la Convolución” de sistemas de tiempo discreto y tiempo
continuo en el cual se pretende que el alumno utilice los comandos del
matlab para explicitar esta operación. El sexto capítulo aborda la
representación matemática de una señal de potencia la “serie de Fourier”
la forma de precisar el tipo de armónicos que contienen las señales
periódicas y su distribución en el eje de las frecuencias su presentación a
través de un analizador de espectro, El séptimo capítulo trata de la
“Transformada de Fourier” en particular la representación de un sistema
mediante la función de respuesta en frecuencia de modo de predecir la
respuesta o salida cuando una señal se propaga por el mismo. El octavo
capítulo aborda la variable de frecuencia compleja “la transformada de
Laplace” como una herramienta poderosa para analizar el
comportamiento dinámico de un sistema lineal con la cual se logra que
alumno observe la predicción que ésta aporta para separar la respuesta
transitoria y la respuesta de estado estable ademadas de predecir si el
sistema es estable o inestable mediante la ubicación de los polos de la
función de transferencia.
Cada uno de los temas está sustentado en el principio de “si oigo olvido si
veo recuerdo si hago aprendo” por lo que se expone una serie de
ejercicios creativos al final de cada tema con la finalidad de cautivar y
fortalecer en el alumno el aprendizaje significativo de la ingeniería con
un enfoque humanístico.
Atentamente
Mtro. Juan Gustavo Ruiz Barajas y

Mtra. María Guadalupe Casillas Limón
Guadalajara, Jal., México noviembre de 2010
iii
ÍNDICE DE CONTENIDO
CAPÍTULO 1. LAS SEÑALES ............................................................................................................ 1

1.1 Concepto de señal y función. ......................................................................................... 4
1.2.1. Funciones de tiempo continuo ................................................................................... 6
1.2.2. Funciones de tiempo discreto ...................................................................................... 7
1.2.3. Relación entre las señales de TC y TD ......................................................................... 8
1.2.4. Señales pares e impares.............................................................................................. 13
1.2.5. Señales periódicas y no periódicas ........................................................................... 22
MCD= 2*2*2=8......................................................................................................................... 31
1.2.6. Señales deterministas y aleatorias ............................................................................. 32
1.2.7. Clasificación de señales de energía y de potencia. .............................................. 33
1.2.8. Funciones singulares y funciones relacionadas. ...................................................... 40
Galileo Galilei (1564-1642)..................................................................................................... 51
CAPÍTULO 2. Operaciónes con Señales ................................................................................... 52
2.1. Operaciones efectuadas sobre la variable dependiente ........................................ 53
2.2. Operaciones efectuadas sobre la variable independiente ..................................... 54
2.3. Transformaciones múltiples ............................................................................................ 56
Isaac Newton.......................................................................................................................... 72
CAPÍTULO 3. SEÑALES, su graficación....................................................................................... 75
3.1. Tutorial de MATLAB ......................................................................................................... 76
3.2. Señales definidas por intervalos .................................................................................... 86
3.2.1. Procedimiento para representar una señal por intervalos ............................................. 86
3.3 Bucle for ...................................................................................................................... 90
Nicolás Copérnico ................................................................................................................. 92
CAPÍTULO 4. SISTEMAS, su descripción ..................................................................................... 96
4.1. Clasificación .................................................................................................................... 97
4.2. Definición del operador H .............................................................................................. 97
4.3. Interconexión de sistemas .............................................................................................. 98
4.4. Sistemas con y sin memoria ......................................................................................... 105
4.5. Causalidad..................................................................................................................... 107
4.6. Linealidad ....................................................................................................................... 108
4.7. Sistemas invariantes en el tiempo ............................................................................... 111
4.8. Propiedad de estabilidad ............................................................................................ 118
Leonardo da Vinci ............................................................................................................... 120
CAPÍTULO 5. SISTEMAS, la convolución .................................................................................. 123
5.1. Representación de una señal mediante una suma de impulsos. .......................... 124
5.2. Convolución para sistemas de tiempo continúo...................................................... 135
5.3. Uso del MATLAB para realizar una convolucion de imagen ................................... 138
Max Karl Ernst Ludwig Planck .............................................................................................. 147
CAPÍTULO 6. FRECUENCIA, la serie de Fourier ...................................................................... 149
6.1 La función exponencial compleja ....................................................................... 151
6.1 ¿Que es una Serie de Fourier?............................................................................... 152
6.2 Definición analítica de tres representaciones en Serie de Fourier: ................ 154
6.3 Teorema de la existencia de las series de Fourier:.............................................. 155
6.4 Representación trigonométrica: ........................................................................... 155
6.5 Simetría de una señal periódica x(t) de tiempo continuo. ............................. 157
6.6 Representación polar o cosenoidal. ................................................................... 165
6.7.1 Génesis de la serie de Fourier Exponencial ............................................................. 166
iv
6.7.2 Los coeficientes de Fourier Exponenciales se calculan con las siguientes
integrales ............................................................................................................................... 168
6.7.3 Onda diente de sierra ............................................................................................... 169
Fig. 6.12 Señal periodica diente de sierra impar .............................................................. 171
6.7.4 El pulso periódico cuadrado ................................................................................... 171
6.7.5. Espectro de frecuencia para el pulso periódico cuadrado. .............................. 175
6.7.6 Analizasor de espectros ............................................................................................ 177
6.8 Relaciones entre las formas de las Series de Fourier: ......................................... 185
6.9 Relaciones de entrada salida: .............................................................................. 187
Maxwell, James Clerk .......................................................................................................... 189
CAPÍTULO 7. La Transformada de Fourier ......................................................................... 192
7.1 Función de Respuesta en frecuencia H(jw). ...................................................... 193
7.2 Relación entre h(t) y H ( jω ) .................................................................................. 196
7.3 Condiciones para la existencia Transformadas de señales. ............................. 202
7.4 Obtención de la transformada de Fourier de señales: ...................................... 203
7.5 Principio de la transformada de Fourier: .............................................................. 208
7.6 Obtener la transformada de Fourier de la función δ (t). ................................... 213
7.7 Propiedades de la transformada de Fourier ....................................................... 214
7.8 La transformada de Fourier para señales periódicas......................................... 220
CAPÍTULO 8. Variable de frecuencia complaja ............................................................... 223
8.1. Definición de la Transformada de Laplace ............................................................. 224
8.2 Propiedades de La transformada de Laplace .......................................................... 229
8.3 Técnica de fracciones parciales................................................................................. 235
8.4. Función de transferencia ............................................................................................. 240
Carl Sagan ........................................................................................................................... 260
Bibliografia............................................................................................................................. 264
v
CAPÍTULO 1. LAS SEÑALES
OBJETIVO:
Al finalizar este capítulo el alumno estará capacitado
cognocitivamente para modelar una variedad
significativa de señales deterministicas a través de
funciones matemáticas, distinguirá una señal causal,
continua o discreta, reconocerá la simetría de una señal,
la forma de onda, su periodicidad, diferenciará una
señal deterministica de una aleatoria, determinara la
energía o la potencia de una señal
ACTIVIDAD PREVIA:
Definiremos lo que es una señal.
Relacionará procesos físicos con variables físicas.
ACTIVIDAD DE ANÁLISIS:
Lee el concepto de señal y función.
Considera la clasificación de las señales de acuerdo al valor que puede
tomar la variable independiente de la función, su simetría, su periodicidad,
su energía o potencia y finalmente de acuerdo a su certidumbre.
Comprende que el significado de señal de tiempo continuo y señal de
tiempo discreto.
Analiza cual es la forma correcta de convertir una señal de tiempo
continuo en una señal de tiempo discreto, utilizando el teorema del
muestreo o también teorema de Nyquist o Shanon.
Razona la diferencia entre una señal de simetría par, de simetría impar y
asimétrica, además, analiza como una señal está constituida por una
parte par y una impar y cuando se dice que una señal es causal.
Identifica una señal periódica de una aperiódica y calcula el período
común de una combinación de sinusoidales.
Distingue entre una señal determinista y una señal aleatoria.
Calcular la potencia y energía de algunas señales.
Razona los modelos matemáticos de las funciones singulares y funciones
relacionadas.
Distingue las señales exponenciales complejas y sinusoidales.
ACTIVIDAD DE SÍNTESIS:
Elabora con una lista de procesos físicos y variables físicas que no se
hayan mencionado en la lectura, construye un cuadro sinóptico donde
detalles las características de una señal de TC periódica y una señal TD
aperiódica. Describe el modelo matemático de una señal de de
crecimiento exponencial, y una señal en forma de pulsos rectangulares
que se repiten, calcula su energía y su potencia respectivamente.
Mtro. Juan Gustavo Ruiz Barajas y Mtra. Maria Guadalupe Casillas Limon
1
AUTOEVALUACIÓN:
Consulta y lee a “M. J. Roberts, señales y sistemas, Edit. Mc. Graw Hill,
2005, impreso en México, paginas 1 – 13, contesta el cuestionario de las
actividad de autoevaluación capitulo 1.
Convierta una señal de tiempo continuo a una señal de tiempo discreto
tomando en cuenta el teorema del muestreo dentro de las actividades
de autoevaluación capitulo 1.
Identifica señales periódicas y aperiódicas de simetría par, impar o
asimétricas de las actividades, también obtener el periodo común de una
combinación de sinusoidales, correspondiente a las actividades de
autoevaluación capitulo 1.
Calcula el valor de Energía o Potencia de las señales que se muestran en
las actividades del autoevaluación capitulo 1.
Clasificar una señal y finalmente escribir el modelo de una señal
actividades de autoevaluación capitulo 1.
2
¿Qué es una señal?
Una señal es la variación en el tiempo de una magnitud física, la cual está

relacionada con un proceso físico y contiene información del mismo, se representa
matemáticamente por medio de una función.
Ejemplo.
3
1
0.9
2.5
0.8
0.7 2
0.6
1.5
0.5
0.4
1
0.3
0.2 0.5
0.1
0
0 -2 0 2 4 6 8 10
-1 -0.5 0 0.5 1 1.5 2 2.5 3
Señal de entrada Proceso físico Señal de salida
Figura 1.1 Ejemplo de señales entrada-salida
Tabla 1.1. Relación entrada –salida.

Señal de entrada Sistema Señal de salida
Representada por la Representado por la Representada por la

función: ecuación diferencial: función:
dvo (t )
RC + vo (t ) = vi (t )
dt
Donde: 1
Donde:
es la
es la amplitud del
resistencia y
escalón
es la
capacidad
3
Relación entre magnitudes físicas y procesos físicos
Un proceso físico es un acontecimiento que ocurre en la naturaleza, el cual se

caracteriza por una transformación de energía.
Tabla 1.2. Relación entre las señales y los sistemas.

Sistema Señal
o o
Proceso físico Magnitud física
CLIMA TEMPERATURA, PRESIÓN ATMOSFERICA,
HUMEDAD, VELOCIDAD DEL AIRE.
MOVIMIENTO POSICIÓN, VELOCIDAD, ACELERACIÓN,
MASA Y FUERZA.
VUELO DE UNA EMPUJE Y SUSTENTACIÓN
AVE
IMAGEN EN LA LUMINANCIA (TIENE QUE VER CON EL BRILLO).
PANTALLA CROMINANCIA (TIENE QUE VER CON EL COLOR, MATIZ,
TINTE), CONTRASTE Y RESOLUCIÓN.
RED ELECTRICA TENSIÓN Y CORRIENTE, POTENCIA
SISTEMA FLUJO SANGUINIO, FRECUENCIA CARDIACA, PRESION
CIRCULATORIO ARTERIAL, GASTO CARDIACO.
1.1 Concepto de señal y función.

Las señales pueden describir una amplia variedad de fenómenos físicos (ver tabla
1.2), en el análisis de señales y sistemas lineales, las señales se representan mediante
funciones matemáticas. Aun cuando los dos conceptos son distintos, la relación
entre una señal y una función matemática que la representa es tan íntima que los
dos términos se usan casi como sinónimos en el estudio de señales y sistemas.
Es común en el estudio de señales y sistemas no hacer distinción entre los

conceptos de señal y función
Para simplificar el análisis de varios problemas científicos y de ingeniería, casi siempre

es necesario representar las cantidades físicas encontradas como funciones
matemáticas de uno o de otro tipo. Existe un gran número de funciones y la
elección de la más apropiada para una situación específica depende
generalmente de la naturaleza del problema y de las características de la cantidad
física a ser representada.
4
Una función podría ser pensada como la “regla” que relaciona la variable
dependiente con una o más variables independientes, por utilidad práctica en el
resto del texto la variable independiente se considera como el tiempo, así la
representación matemática de una función se escribirá:
y = x(t ) (1.1)
Donde y es la variable dependiente, t es la variable independiente que asociáremos
con el tiempo, x (*) es la “regla” que relaciona estas dos variables de la ecuación
1.1
Se sugiere al alumno efectúe la actividad 1.1, favor de entregar al profesor esta

actividad por escrito
(a mano).
Actividad 1.1
Lee el primer capítulo del libro “M.J. Roberts, señales y sistemas, Edit. Mc. Graw Hill,
2009, impreso en México, Paginas 1 – 13 y conteste las siguientes preguntas.
1. ¿Qué es una señal?
2. ¿Qué diferencia hay entre una señal y el ruido?
3. ¿De qué partes está constituido un sistema de comunicaciones?
4. ¿Qué es una señal de tiempo continuo?
6. ¿Qué diferencia hay entre una señal determinística y una señal aleatoria?
7. ¿Qué ventaja tiene una señal digital?
8. Dibuje una señal TC.
9. Dibuje una señal TD.
10. Describa tres ejemplos de un sistema lineales
5
1.2. Clasificación de señales-
Existen muchas formas para clasificar las señales o funciones, restringiremos nuestra
atención a aquella clasificación que pudiera ser más útil para el estudio de señales y
de sistemas lineales.
Las señales se pueden clasificar de la siguiente manera:
1.- Señales de tiempo continuo y señales de tiempo discreto.
2.- Señales con simetría par, señales con simetría impar y sin simetría.
3- Señales periódicas y aperiódicas.
4-.Señales deterministicas y aleatorias o fortuitas.
5.-Señales de Energía y señales de Potencia.

1.2.1. Funciones de tiempo continuo
En el caso de las señales de tiempo continuo la variable independiente es continua,
esto es, toma valores del conjunto de los números reales, en otras palabras este tipo
de señales está definido en todo instante de tiempo, por lo que estas señales se
definen para una sucesión continua de valores de la variable independiente. Un
ejemplo lo tenemos en una señal de una voz como función del tiempo y la presión
atmosférica como una función de la altitud son ejemplos de señales continúas. En la
figura 1.1 se muestra un ejemplo de una señal de tiempo continuo x (t ) , en donde
también una señal de tiempo continuo se le llama señal analógica.
2 Código de graficación en matlab
1 t= [0:0.001:5]; %vector de tiempo

x=exp (-0.7071.*t).*sin (4.*t); %Amplitud
plot(t,x,'linewidth',2),grid %Comandode graficación.
0
-1
0 1 2 3 4 5
Fig.1.1 Representación gráfica de una señal de
tiempo continuo x (t), esta señal esta definida en todo instante de tiempo y se le
conoce como senoidal amortiguada y su modelo matemático esta dado por
.
6
1.2.2. Funciones de tiempo discreto
Las señales de tiempo discreto sólo están definidas en intervalos de tiempos y en
consecuencia para estas señales la variable independiente toma solamente un
conjunto discreto de valores Se pueden encontrar ejemplos de señales discretas en
estudios demográficos en función de diversos atributos edad, ingreso promedio,
índice de criminalidad, otro ejemplo es el índice Dow Jones semanal del mercado
de valores.
Para distinguir entre las señales de tiempo continuas y las señales de tiempo
discretas usaremos el símbolo t para denotar la variable independiente continua
entre paréntesis (•), y n para indicar la variable independiente discreta entre
corchetes [•].
Ejemplo 1.1
Una señal o secuencia discreta está modelada por la siguiente representación
matemática
0.8 0
Grafiquemos esta señal, esta representación se le conoce como función

exponencial discreta real y la forma general es , la cual cumple 0,
para cuando n → ∞ si y solo si α 〈1 . Recordando que el valor absoluto se define
como α = α , para α 〉0 y − α para α 〈0 ,
Para propósitos de análisis y procesamiento x[n] puede considerarse como una
secuencia ordenada de números con valores x[0], x[1], x[2], x[3] x[4], ....donde n =
0,1,2,3, ..... Para dicha función la gráfica se muestra en la fig.1.2 con valores: x [0] =
1, x [1] = 0.8, x [2] = 0.64, x [3] = 0.512, x [4] = 0.4096...
1
Código de la gráfica en matlab
0.8
n=0:10; %Índice de tiempo discreto

0.6
0.4
x=(0.8).^n; %Amplitud de la función
0.2 stem(n,x,'linewidth',3),grid, %Comando de

graficación.
0
0 1 2 3 4 5 6 7 8 9 10
Fig.1.2 Representación grafica de una señal de tiempo discreto denominada

Secuencia exponencial decreciente cuyo modelo matemático es
| | 1
7
1.2.3. Relación entre las señales de TC y TD
En el procesamiento (DSP) de una señal de tiempo continuo o analógico, el
muestreo constituye un asunto fundamental.
Una señal en tiempo discreto se deriva a menudo de una señal en tiempo continuo
muestreándola cada intervalo de tiempo. Ver fig. 1.3, adquisición de valores de una
señal analógica en puntos discretos en el tiempo
Dejemos que TS (donde TS es número real positivo fijo) sea el intervalo de tiempo, el
cual se le da el nombre del período de muestreo y que n sea el número de veces
que tomamos las muestras.
1 1
0.5 0.5
0 0
0 5 10 0 5 10
Fig. 1.3 Muestreo de una señal adquisición de los valores de amplitud de una
señal continúa a intervalos de tiempo fijos.
Donde las variables independientes (t) y [n] de tiempo continuo y tiempo discreto,
respectivamente, se relacionan linealmente a través del período de muestreo TS
como:
(1.2)
Donde es el reciproco de y se le conoce como la frecuencia de muestreo.
8
¿Como muestrear correctamente una señal analógica para evitar aliasing
(traslape)?
El teorema de Nyquist : Establece una regla para muestrear correctamenteuna

señal analógica nos dice como debe elegirse la frecuencia de muestreo en
base a la siguiente relación:
2
Donde es la componente de frecuencia máxima de la señal analógica que se
desea muestrear.
Ejemplo 1.2
Sea la señal de tiempo continuo definida por 2 8 que se muestrea a
una frecuencia 15 y comenzando en el tiempo t = 0. Calcule los primeros
valores de la secuencia de muestras y grafique ambas señales.
Solución.
El intervalo de muestreo es
la secuencia de muestras es:
4 * 2π
x [n] = x [nTs ] = sen[8π n Ts ] = sen ( n) ,
15
2
1 Fig. 1.4 grafica de señal analógica y

0
discreta.
-1
Notas:
-2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
2 Ts = → Ts = (s);
F
1
ωo = 8πfo(rad/s)
fo = = 4 (Hz.) ;
0
-1
-2
0 5 10 15 To = = = 0.25 (s);
Cumple con Nyquits:

Fs = 15 > 2fo = 4(2) = 8 Hz.
9
t→nTs = ;
X[n] = 2sen ( ;
Fd = = = ; ( frecuencia digital es periodica si K y N so n enteros).

F
Ω , frecuencia digital angular y periodo fundamental

Ω
Ω 2 Condicion para que la sinusoidal discreta se periodica siendo k y N

enteros .
4 2 2 4 15 2 4
Ω , 15
15 4 2 2 4
15
Donde K es el número de ciclos de la señal analogical donde se inscribe un ciclo
compete de la señal discreta. (Ver figura 1.4).
N= Numero de muestras en un ciclo de la señal discrete o “periodo fundamental”.
De donde se cumple:
Ts·N=kTo → · 15 = 4(0.25) → 1=1
Código matlab figura 1.4
t=0:.001:1; %Indice de tiempo

x=2*sin(8*pi*t); % Amplitud analogical
plot(t,x,'r','linewidth',2),grid % Comando de graficación
n=0:1:15; %Indice de tiempo discreto
y=2*sin(8*pi*(1/15)*n); %Amplitud discreta
subplot(2,1,1),plot(t,x,'r','linewidth',3),grid,subplot(2,1,2),stem(n,y,'linewidth',3),grid
Se sugiere que el alumno efectúe la actividad 1. 2 y 1.3 y entrege a su profesor a

través de una imprsión la respuesta de dicha la actividad.
Actividad 1.2
10
Elabore a mano la grafica de una señal discreta definida por el modelo
matematico:
x1 [n ] = 0.2, para → 0 ≤ n ≤ 5n y
1, para → −4 ≤ n ≤ −1
11
Actividad 1.3
Convierta una sinusoidal de tiempo continuo (TC), a una señal de tiempo discreto
(TD) considerando lo anterormente expuesto y tomando en cuenta el teoraema de
Nyquist:
a) La señal analógica esta representada por x(t ) = 5 cos(40πt ) , si se muestrea a

una tasa de
Fs = 75 hz. Comente si cumple con el teorema de Nyquits o teorema del
muestreo, además interprete el significado de F d = f/Fs = 20/75 = 4/15 = k/N,
intente graficar tanto la señal analógica como la señal discreta.
− jt 50 π − j 2π ( 25 ) t
b) Para una señal que esta representada por x (t ) = e =e , se
muestrea a una velocidad de 100 hz. Obtenga el modelo matemático la señal
discreta x[n].
12
1.2.4. Señales pares e impares
En el estudio de sistemas lineales, los problemas podrán simplificarse mediante las
ventajas que ofrecen las propiedades de simetría de las funciones. Una señal
ó es conocida como una función par si es idéntica a su contraparte
invertida en el tiempo, es decir, está reflejada respecto al eje ordenado.
Estrictamente una señal de tiempo continuo es par si cumple con:
x ( − t ) = x ( t ) , Para todo tiempo (1.3)

Ver figura 1.5
Asimismo que una señal en tiempo discreto es par si cumple con:
x[ − n ] = x[ n ] Para todo tiempo (1.4)

Ver figura 1.6
En otras palabras una señal de tiempo continuo tiene simetría par si es idéntica a su
reflexión con respecto al eje ordenado.
Una señal de tiempo continuo se considera de simetría impar si
x ( − t ) = − x (t ) x (t ) = − x ( − t ) (1.5)
Ver figura 1.7
Una señal de tiempo discreto se considera impar si
x[ − n ] = − x[ n ] x[ n ] = − x[ − n ] (1.6)
Ver figura 1.8
En otras palabras una señal tiene simetría impar si es idéntica a la inversa de su

reflexión con respecto al origen.
Una señal impar debe ser necesariamente 0 en t = 0 o n = 0, ya que las ecuaciones

(1.5) y (1.6) requieren que x (0) = -x (0) y x [0] = -x [0].
13
Ver grafica de una señal par de tiempo continuo:
1
0.9
Código matlab de la fig.1.5
0.8 t1=-2:0.001:-1;
0.7
t2=-1:0.001:0;
0.6
t3=0:0.001:1;
0.5
0.4
t4=1:0.001:2;
0.3 t=[t1,t2,t3,t4];
0.2
x1=zeros(size(t1));
0.1
x2=t2+1;
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
x3=1-t3;
x4=zeros(size(t4));
x=[x1,x2,x3,x4];
plot(t,x,'linewidth',3),grid
Fig. 1.5 Una señal par de tiempo continúo es idéntica a su reflexión con respecto al
eje ordenado cumple con x(t) = x(-t).
1
Fig. 1.6 Una señal par de tiempo discreto es
idéntica a su reflexión con respecto al eje
0.9
0.8
0.7 ordenado cumple con x [n] = x [-n].

0.6
0.5
0.4
0.3
0.2 n1=-8:-6;
0.1 n2=-5:5;
0
-8 -6 -4 -2 0 2 4 6 8 n3=6:8;
n=[n1,n2,n3];
x1=zeros(size(n1));
x2=ones(size(n2));
x3=zeros(size(n3));
x=[x1,x2,x3];
stem(n,x),grid
14
cas de señales impares
Ver grafic
go matlab
Códig b de la fig..1.7
0.5
0.4
0.3
0.2
0.1
>>t1=--8:0.0001:0 0;
0
>>t2=00:0.0001:8;
-0.1 >>t=[t1 t2];
-0.2
-0.3
>>x1=--1/2.*exp((0.5.*t1);
-0.4 >>x2=1/2.*exp(--0.5.*t2);
-0.5
-8 -6 -4 -2 0 2 4 6 8 >>x=[xx1 x2];
>>plott(t,x,'linew
width',3), grid
g
Fig. 1.7 (c
c) una señal imparr tiempo continúo o es idénttica a la in
nversa de
e su reflexxión
con respecto al orrigen cunple con x(t) = -x(-t).
Fig. 1.8 Una seeñal imparr de tiemp po discretto

es idééntica a la
a inversa d
de su refle
exión con n
respeecto al orig
gen cump ple con x [n] =- x [-n
n].
Códig go matlab b
n1=-88:-6;
n2=-55:5;
n3=6::8;
n=[n1 1,n2,n3];
x1=zeeros(size(nn1));
x2=n2 2;
x3=zeros((size(n3)); x=[x1,x2,xx3];>stem(n,x),grid
Mttro. Juan Gustavo Ruiz

R Barajas y Mtra.. Maria Gu
uadalupe
e Casillas Limon
L
15
Ahora observe las graficas de las señales siguientes
Código para fig.1.9

2.5
n1=[-4:1:-1];
2
n2=[0:1:5];
1.5 n=[n1,n2];
1
x1=zeros.*n1;
x2=3*(0.5).^n2;
x=[x1,x2];
0.5
0
-4 -3 -2 -1 0 1 2 3 4 5 stem(n,x,'linewidth',3),grid
Fig. 1.9 Una señal discreta causal sin simetría, no par ni impar.
2.5 Código para la fig.1.10(f)

t1=-8:0.0001:0;
t2=0:0.0001:8;
2
1.5 t=[t1,t2];
1
x1=zeros.*(t1);
x2=exp(-0.5.*t2);
0.5
x=[x1,x2];
0
plot(t,x,'linewidth',3),grid,
-2 0 2 4 6 8 10
Fig. 1.10 Una señal de tiempo continuo causal sin simetría ni par ni impar.
Estas señales no cumplen con las condiciones para simetría par ni impar, por lo que
se les conoce como señales que no tienen simetría.
16
Propiedades de la simetría de señales:
Otros resultados interesantes que pertenecen a las propiedades de simetría de las

funciones son: el producto de dos funciones pares es una función par, el producto
de dos funciones impares es una función par. El producto de una función par con
una impar es una función impar. Estos resultados podrían ser útiles para simplificar
algunas integrales.
Aun más las señales simétricas cubren una duración simétrica (-a, a) en torno al
origen.
El área de señales simétricas sobre límites simétricos (-a, a), tienen las siguientes
propiedades:
Para señales de tiempo continuo simetría par da como resultado
a a
∫ x (t )dt = 2 ∫ x (t )dt
−a
e
0
e (1.7)
Para una señal impar de tiempo continuo
∫ x (t )dt = 0
−a
o
Para señales de tiempo discreto pares
∑ x[n] = 2∑n=0 x[n]

k k
n=− k
Para señales de tiempo discreto impar:
∑ x[n] = 0
k
n=− k
17
Como ejemplos evaluemos
∫ cos( wt ) sen ( wt )dt

−T
Veamos se tiene que la función
Lo cual significa que la función

cos( wt ) = cos( − wt ) coseno es par.
Luego se tiene que la seno ( wt ) = − seno ( − wt ) función
Lo que significa que la función seno es impar
Ahora bien las señales pares e impares obedecen las reglas:
(par) (par)= par
(par) (impar)=impar
(impar) (impar)=par
Por lo tanto el producto de cos( wt ) sen ( wt ) la función
Es impar y la integral de una función impar en límites simétricos da como resultado:

T
∫ cos( wt ) sen ( wt )dt = 0

−T
18
Otro ejemplo donde se destaca las propiedades de simetría de una señal, obtener
el área de la siguiente señal modelada por:
0.5
αt
x (t ) = A e
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
t1=-8:0.0001:0;
0.05
t2=0:0.0001:8;
0
-8 -6 -4 -2 0 2 4 6 8
t=[t1 t2];
x1=1/2.*exp(0.5.*t1);
x2=1/2.*exp(-0.5.*t2);x=[x1 x2];
plot(t,x,'linewidth',3), grid,
Fig. 1.11 Obteniendo el área de una señal mediante la propiedad de simetría.
Y definida por:
{
x (t ) = A e
−αt
t 〉 0
x (t ) = {A e
αt
t 〈 0
Su área se obtendría evaluando dos integrales del tipo:
0
αt ∞ −αt
Area = ∫ Ae
−∞
dt + ∫
0 Ae dt =
Invocando la propiedad de simetría de una señal par las anteriores integrales se

reducen a una sola;
Area = 2 ∫
∞
0 Ae
−αt
dt = −
2A
[ ]
α e
−αt ∞
0
=−
2A
α
[0 − 1] = 2 A
α
19
Cualquier señal está constituida por una parte de simetría par y otra parte de
simetría impar:
Es fácil demostrar que una señal arbitraria x(t ) puede ser expresada como una suma
de una parte par xe (t ) y una parte impar xo (t ) ;
x(t ) = xe (t ) + xo (t )
(1.8)
1
xe (t ) = [x(t ) + x(− t )]
2
(1.9)
1
x o (t ) = [x (t ) − x (− t )] (1.10)
2
Ejemplo 1.4
Encuentre la parte par e impar de la señal que se muestra a continuación cuya

representación o modelo esta dado por: 1
, 0 0.9
0, 0 0.8
0.7
0.6
Código matlab de la fig.1.12 0.5
>>t1=-8:0.0001:0; 0.4
>>t2=0:0.0001:8; 0.3
>>t=[t1,t2];
0.2
0.1
>>x1=zeros.*(t1); 0
-8 -6 -4 -2 0 2 4 6 8
>>x2=exp(-0.5.*t2);
>>x=[x1,x2];
>>plot(t,x,'linewidth',3),grid,
Fig. 1.12 Pulso exponencial real

decreciente y causal
20
Parte par de la señal y su gráfica 0.5
0.45
Xe(t) =1/2[x(t)+x (-t)] 0.4
0.35
0.3
Xe (t) = 1/2e-at para t > 0 0.25
1/2eat para t < 0 0.2
O de otra manera 0.15
1 αt 0.1
xe (t ) = e 0.05
2 0
-8 -6 -4 -2 0 2 4 6 8
Fig.1.13 Parte par de la señal x(t)
Parte impar de la señal y su gráfica:

0.5
xo(t)=1/2[x(t)-x(-t)]
0.4
0.3
0.2
Xo (t) = 1/2e-at para t ≥ 0 0.1
-1/2e para
at t<0 0
-0.1
Código matlab de la fig. 1.14 -0.2
>>t1=-8:0.0001:0; -0.3
>>t2=0:0.0001:8;
-0.4
-0.5
>>t=[t1 t2]; -8 -6 -4 -2 0 2 4 6 8
>>x1=-1/2.*exp(0.5.*t1);
>>x2=1/2.*exp(-0.5.*t2);
>>x=[x1 x2];
>>plot(t,x,'linewidth',3), grid
Fig.1.14 Parte impar
21
1.2.5. Señales periódicas y no periódicas
Un tipo importante de señales que encontramos con frecuencia es la clase de
señales periódicas. Una señal periódica tiene la siguiente propiedad:
para todo t y cualquier entero k (1.9)
Donde k es cualquier número entero y T0 es una constante de valor real positivo que
representa la duración más pequeña que cumple con la propiedad (1.9) conocido
como el periodo fundamental de la función se caracteriza por que en ese intervalo
de tiempo la señal f(t) define un ciclo completo. El recíproco del periodo se llama la
frecuencia fundamental de la función. Las señales periódicas continuas surgen en
una gran variedad de contextos. En la figura 1.10 se muestra un ejemplo de una
señal periódica continua.
La definición anterior es valida excepto cuando x (t) es una constante, en este caso
el periodo fundamental es indefinido ya que x (t) es periódica para cualquier valor
de T (caso la función escalón unitario, es periódica).
Ejemplo 1.5
Graficar una señal periódica de tiempo continúo modelada por la serie de Fourier
1
1
Solucion:
t=[-2:.001:2]; f=1;
w0=2*pi*f;
x=1.5;
for m=1:1000;
x=x+((-1)^(m+1))*(1/m)*sin(m.*w0.*t);
end
plot(t,x,'linewidth',2), grid
22
3.5
2.5
1.5
0.5
-0.5
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Fig. 1.16 Una señal periódica de tiempo continúo
Un ejemplo bastante común de una señal de tiempo continuo periódica es la

expresada por:
Para cualquier valor de la variable de tiempo t, se tiene que
2
2
Donde es la frecuencia angular en (rad/s) y (rad o en grados )representa el

ángulo de fase inicial con respecto al origen en radianes y dependiendo del signo
que le antecede puede ser + adelanto o un - retraso 2 2 , donde
τ es el tiempo de adelanto
o retraso y .
Para el ejemplo siguiente la señal esta adelantada significa que la curva se

desplaza hacia la derecha con respecto al origen del tiempo con un valor de τ
segundos. Además se dice que es periódica con periodo , donde ω es la
frecuencia angular en rad/s.
23
Ejemplo 1.6
Graficar 3
Donde
con 12
Como se observa en la figura 1.11 la señal se adelanta esta es la razón del
signo + en el argumento de la función.
Código matlab de la fig. 1.17
t=-6*pi:.001:6*pi;
x=3* cos(pi/6*t+pi/6);
-1
-2
-3
-20 -15 -10 -5 0 5 10 15 20
Fig.1.17 Función coseno adelantado
Las señales periódicas discretas son definidas de manera análoga. Específicamente,

una señal discreta x[n] es periódica con periodo N, donde N es un entero positivo, y
cumple con la siguiente relación:
para todos los valores de n. (1.10)
Ejemplo de una señal discreta: Periocidad de la función Ω
Ω
Ω Ω
24
Es periódica con la condición
Ω 2
con la condición de que N y k sean enteros
2 2
Ω ,
Ω
Ejemplo 1.7
Determinar
A).- El periodo de la señal discreta modelada por .
Solucion A: Ω 2 2 0.125
Donde:
Ω es la frecuencia digital angular . es la frecuencia digital en herz y equivale a , N
es el periodo fundamental de la señal sinusoidal y k es el numero de ciclos
completos de la señal analógica donde la señal discreta inscribe un ciclo completo.
B ).- Demuestre que dicha señal es periódica.

La señal sinusoidal discreta es periódica si cumple con
para todos los valores de n. (1.10)

Sabemos que la función sinusoidal Ω
Ω
Ω Ω
Es periódica con la condición
Ω 2
con la condición de que N y k sean enteros
2 2
Ω ,
Ω
Y para nuestro ejemplo Ω ; 16
25
1
0.8
C.- Graficar señal.
1.- Grafica de la señal senoidal
0.6
discreta: X [´n]=sin((1/8)*pi.*n).
0.4
0.2 Código matla:

0
n=[0:15];
X=sin((1/8)*pi.*n);
-0.2
stem(n,X),grid
-0.4
-0.6
-0.8
-1
0 5 10 15
Fig. 1.18 Sinusoide periodica discreta
2.- Grafica de la señal senoidal discreta: X [n]=sin((2pi/16)*n).
n=[0:15];
X=sin(((2*pi/16).*n));
stem(n,X),grid
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 5 10 15
Fig. 1.18a Sinusoide periodica discreta
26
3.- Grafica de la señal senoidal discreta: X [n]=sin((1/8)(pi)*(n+N)).
n=[0:31];
N=16;
X=sin((1/8)*pi*(n+N));
stem(n,X),grid
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 5 10 15 20 25 30 35
Fig. 1.18b Sinusoide periodica discreta
Ejemplo 1.8
Sea una señal sinusoidal de tiempo discreto modelada por X[n] = 5sen (0.2πn)
Determinar si es periodicaq y calculoar su periodo .
Solucion:
Ω = 0.2 es la frecuencia l angular digital
La condicio de periodicidad es Ω , donde m y n son enteros.

Ω
, , ,…
.
27
, , , ,…
Es periódica con periodo N=10, es el periodo más pequeño y por lo tanto es el

fundamental.
5
Fig. 1.19 Señal sinusoidal periodica.
4
Código matl lab para la señal dicreta

3
2
senoidal de la fig. 1.15
1
n=[0:10];
0 X=5.*sin(0.2*pi.*n);
-1 stem(n,X,'linewidth',3),grid
-2
-3
-4
-5
0 1 2 3 4 5 6 7 8 9 10
Señales aperiódicas:
Las señales o funciones que no satisfacen la Ec. (1.9) o Ec. (1.10) son llamadas no
periódicas o aperiódicas. Un ejemplo de una señal
1
aperiódica sería una señal absolutamente integrable o
0.9
en otras palabras de área finita las cuales tienen forma
de pulso ver fig.1.12, como ejemplo de dichas señales.
0.8
0.7
0.6
0.5
Código matlabde la fig.1.20
0.4 t1=-2:0.001:-1;
0.3 t2=-1:0.001:0;
0.2
t3=0:0.001:1;
0.1
t4=1:0.001:2;
t=[t1,t2,t3,t4];
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
x1=zeros(size(t1));x2=t2+1;x3=-t3+1;x4=zeros(size(t4));
x=[x1,x2,x3,x4];plot(t,x,'linewidth',3),grid
Fig. 1.20 señal aperiódica, le le conoce como la función triangulo unitario.
28
Combinación de senoides:
¿Cuándo es periódica una suma de señales sinusoidales?
1 2 3
El periodo Común de una combinación de sinusoidales es la duración más pequeña

sobre la cual cada senoide completa un número entero de ciclos. Dicho periodo
común está dado por el MCM (mínimo común múltiplo) de los periodos individuales.
El MCM de dos o más números, es el menor de sus múltiplos comunes. Para obtener
el MCM de dos o más números se puede recurrir a su descomposición factorial
tomando cada uno de los factores primos que intervengan en las descomposiciones
de los distintos números elevado a la máxima potencia con que aparezca.
Ejemplo 1.9
Considere la señal x (t) = 2 seno (2/3*t) + 3 seno (1/2*t) + 4 seno (1/3*t) y obtenga el
periodo común:
Solución:
w1=2/3; T1=2*pi/w=2*pi/2/3=6*pi/2=3*pi, de la misma manera se obtienen T2=4*pi

yT3=6*pi.
El periodo común de x (t) es Tcomún = MCM (3*pi, 4*pi, 6*pi)
3 4 6 3 Tc= (3*2 2)= 12*pi segundos.

1 4 2 2 Su frecuencia angular común es ωc = 2*pi/Tc =2*pi/12*pi=
1 2 1 2 1/6 rad/s.
1 1 1
Para mayor comprensión del concepto combinación de sinusoides se muestra la

grafica de las tres sinusoides solapándose:
29
“El periodo común de una combinación de sinusoidales es la duración más
pequeña sobre la cual cada senoide completa un número entero de ciclos”.
Fig. 1.21 Combinación de sinusoides con periodo común en el periodo común de

12 pi (0 a 37.69) se inscriben 4 ciclos completos de T1 (onda azul), 3 ciclos completos
de T2 (onda verde), 2 ciclos completos de T3 (onda roja).
Ejemplo 1.10
Obtener el periodo común de la siguiente función

g (t) = 10 sen (12*pi*t) +4cos (18*pi*t)
1.- Obtener los periodos comunes de cada función:
w1=12*pi; T1=2*pi/w1=2*pi/12*pi=1/6 (s)

w2=18*pi; T2=2*pi/18*pi=1/9 (s)
Como se ve los periodos son fraccionarios en este caso debemos:
2.- Pre-multiplicar por un factor un factor común a ambos periodos para hacerlos
enteros
Por lo tanto el factor común= 6*9 = 54
1/6*54/1=54/6=9 y 1/9*54/1=54/9=6
3.-Obtener los factores primos de los enteros: 9 6 3

3 2 3
1 2 2
1 1
30
4.- MCM 32*2=9*2=18
5.- Dividimos el MCM de los enteros entre el factor común:
18/54=9/27=3/9=1/3 este último es el MCM de las fracciones 1/6 y 1/9
6.- Para comprobar divida el MCM de las fracciones entre los periodos:
1/3/1/6=6/3=2
1/3/1/9=9/3=3 Ambas funciones tienen un número entero de periodos, por lo tanto
el periodo común
Tcomún = 1/3 (s)
Para obtener la frecuencia común de una combinación de sinusoidales obtenga el

MCD de las frecuencias individuales.
Maximo común divisor: es el mayor número natural que divide a todos ellos.
Igual al producto de factores comunes con el minimo exponente.
Ejemplo 1.11
Determinar la frecuencia común de una señal que está descrita por una
combinación de sinusoidales
x (t ) = 5 cos( 24πt ) + 2 sen ( 40πt ) + 3 cos( 56πt )

ω comun = MCD ( 24π ,40π ,56π ) = 8π ( rad / s )
24 40 56 2
12 20 28 2 MCD= 2*2*2=8
6 10 14 2
3 5 7 3
1 5 7 5
1 1 7 7
1 1 1
31
1.2.6. Señales deterministas y aleatorias
Quizás una de las distinciones más básicas que pueden ser hechas, cuando se
discute la representación matemática de un fenómeno físico, es que este puede ser
un fenómeno determinístico o un fenómeno aleatorio. El comportamiento de un
fenómeno determinístico es completamente predecible (existe total certidumbre en
cuanto a su comportamiento), mientras que el comportamiento de un fenómeno
aleatorio tiene algún grado de incertidumbre asociado con este. Para hacer esta
distinción un poco más clara, consideremos la observación, o la medición de alguna
cantidad variable con el tiempo asociada con algún fenómeno físico. Asumiendo
que la cantidad ha sido observada por un tiempo largo y que tenemos un buen
registro de su comportamiento en el pasado. Si en base al conocimiento de su
comportamiento en el pasado, podemos predecir su comportamiento en el futuro,
decimos que esta cantidad es determinística. Por otro lado, si no somos capaces de
predecir su comportamiento en el futuro, decimos que ésta es una cantidad
aleatoria. Por lo anterior podemos formalizar la definición de tales señales de la
siguiente manera:
Una señal determinista es aquel entorno a la cual no hay incertidumbre con

respecto a su valor en cualquier tiempo, en consecuencia las señales deterministas
pueden modelarse como funciones completamente especificadas en tiempo. Las
señales deterministas están asociadas al comportamiento de un fenómeno
completamente predecible, por ejemplo el movimiento de un péndulo, la caída
libre, los voltajes y corrientes en un circuito eléctrico.
Una señal aleatoria es aquella en la que hay incertidumbre antes de su ocurrencia

real. Tal señal debe verse como parte de un todo o grupo de señales, cada señal en
el grupo con diferente forma de onda, además de que puede generarse con cierta
probabilidad de ocurrencia. Dichas señales están asociadas al comportamiento de
un fenómeno aleatorio, por ejemplo: la lluvia, la voz, las ondas de un
electrocardiograma.
32
1.2.7. Clasificación de señales de energía y de potencia.
Iniciaremos por determinar la potencia instantánea en un circuito resistivo puro
mostrado a continuación
En este caso la potencia instantánea esta dada por:
En ambos casos la potencia es proporcional a la amplitud al cuadrado de la señal

además para una R = 1Ω , vemos que las ecuaciones anteriores toman la misma
forma matemática por lo que independientemente de que la señal x(t ) represente
un voltaje o una corriente la forma de la potencia instantánea será:
En el análisis de señales y sistemas se establece que esta potencia se entrega a una

carga resistiva de R = 1Ω independientemente de que la señal x(t ) sea un voltaje o
una corriente, por lo que recibe el nombre de “Potencia instantánea normalizada” y
es en base a esta convención definimos el concepto de energía de una señal o
potencia promedio de una señal:
La energía de señal se puede obtener a través de
T 2
lim
E=
T →∞ ∫ x (t ) dt
−T . (1.11)
O
∫
2
E = x ( t ) dt
−∞ . (1.12)
33
Para señales de tiempo continuo.
La energía de la señal para una señal de tiempo discreto, se determina de la

siguiente manera:
∞ 2
E= ∑ x[n]
n = −∞ . (1.13)
Recordando que una señal podría ser la variación en el tiempo de una fuerza,
de una temperatura de una concentración química, un flujo de neutrones o si se
quiere un voltaje o una corriente, las unidades de la energía de la señal dependen
de las unidades de la señal, para el caso de que es un voltaje, la unidad es el
volt (v), la energía de la señal se expresa en V *s.
2
Por tanto las unidades son simplemente el cuadrado de las unidades de la propia
señal.
La energía y la potencia de una señal es una abstracción de la física, este concepto

nos brinda una medida del “vigor “de una señal en comparación con otra. Hay un
tipo de señales que ni la integral (1.12) ni la sumatoria (1.13), convergen debido a
que la energía es infinita, esto suele ocurrir debido a que la señal no tiene área finita
o no converge. En este caso es más conveniente tratar con la potencia promedio
de la señal en vez de con energía de señal. La potencia promedio de una señal de
TC se determina como:
T T /2
lim 1 lim 1
∫−T x(t ) dt = T → ∞ T −T∫/ 2x(t ) dt
2 2
P=
T → ∞ 2T (1.14)
Si el límite existe y es diferente de cero.
Si la señal es periódica la potencia promedio de la señal es:
1
T T∫
2
P= x (t ) dt
. (1.14a)
La raíz cuadrada de la potencia promedio recibe el nombre de de valor medio

cuadrático (rms) de la señal x(t).
Para las señales de TD la potencia de la señal se define:
34
N −1
lim 1 2
P=
N → ∞ 2N
∑ x[n]
n=− N . (1.15)
Si la señal de tiempo discreto es periódica la forma más práctica de encontrar la

potencia promedio es:
1 2
∑ x[n]
N −1
P= n =0
N .
(1.15a)
Es usual clasificar las señales como aquellas que tienen energía finita y aquellas que
tienen potencia promedio finita.
x(t ) o x[n] es una señal de energía si y sólo si 0 〈 E 〈∞ , tal que Promedio es igual a
cero.
Es decir, si la energía de la señal x (t ) o x[n] es finita, entonces la potencia en está

señal es cero.
x(t ) o x[n] es una señal de potencia si y sólo si 0 〈 P 〈∞
, lo anterior implica que la
energía es infinita. Si la potencia en la señal x (t ) o x[n] no es cero, entonces la
energía en la señal es infinita.
Señales que no satisfagan las anteriores consideraciones no se clasifican como

señales de energía o señales de potencia.
Los siguientes dos ejemplos ilustran la diferencia entre señales de energía y de

potencia de tiempo continuo y de tiempo discreto. El primer ejemplo ilustra el
cálculo de la energía y el segundo ilustra el cálculo de potencia.
35
Ejemplo 1.12
Calculamos la energía de la señal
definida como:

t1=[-2:0.001:-1/2];
t2=[-1/2:0.001:1/2];
t3=[1/2:0.001:2];
t=[t1,t2,t3];
A=1;
x1=zeros.*(t1);
x2=A.*ones(size(t2));
x3=zeros.*(t3);x=[x1,x2,x3];plot(t,x,'linewidth',5),grid
Fig. 1.20 Pulso rectangular escalado en tiempo y amplitud (señal de energía).
El modelo matemático ⎧ generalizado es:

τ τ
⎪ A, − ≤t ≤
⎛t⎞ ⎪ 2 2
Arect ⎜ ⎟ = ⎨
⎝τ ⎠ ⎪ τ
⎪ 0, 〉t
⎩ 2
De la Ecuación (1.12) encontramos que la energía de este pulso es
ε
τ
∞ 2 2 2
⎡ t ⎤ E = A2 ∫ dt = A2 τ
∫ ∫ε
2
E = x ( t ) dt = ⎢⎣ Arect ( τ ) ⎥ dt
−∞ −
⎦ τ
−
2 2
La potencia la evaluamos empleando 1.14, encontramos que
T 2
lim 1 lim 1 ⎛t⎞ lim A 2
(τ ) = 0
T
∫−T x(t ) dt = T → ∞ 2T ∫
2
P= Arect⎜ ⎟ dt =
T → ∞ 2T −T
⎝τ ⎠ T → ∞ 2T
36
Ejemplo 1.13
Considere una función periódica sinusoidal
2π
x(t ) = A cos(ωot ) ω =
0
T 0
0.8
0.6
0.4
0.2
0
Código de Matlab fig.1.23
-0.2
-0.4 t=-2.5:.001:2.5;
-0.6 A=1;
-0.8 x=A*cos(2*pi*t);
-1
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 plot(t,x,'linewidth',4),grid
Fig. 1.23 Función coseno una señal de potencia.
La potencia promedio normalizada de esta señal empleando (1.14a) es

T T
1 1 1
P= ∫ x(t ) 2 dt , ò P = ∫A
2
cos2 (ωo t )dt , donde cos 2 ( x ) = [1 + cos 2 x ]
T 0
T 0
2
2 T 2
A 1 [1 + cos 2 ( ] A ⎡T T
⎤
P = ∫ ω t ) dt = ⎢ ∫ dt + ∫ cos( 2 ω t ) dt ⎥
promedio
T 2 0 0
0
2T 0 ⎣0 0
0
⎦
⎡ ⎤
2 ⎢
⎤⎥
[ ]
⎡ T ⎤
[T 0 − 0 ] 4π T
2
A A ⎢ 1 ⎡
P = ⎢ t0 +
1
[
sen ( 2 ω 0 t ]
T
⎥= + ⎢ sen (
0
− sen ( 0 ) ⎥ ⎥
promedio
2T 0 ⎣⎢ 2 ω0 0
⎦⎥ 2 T 0 ⎢
⎢
0 4 π ⎣⎢ T0 ⎦⎥ ⎥
⎥
⎣ T 0 ⎦
⎡ ⎤
2 ⎢ ⎥ 2
P = A ⎢
T +
1
[sen ( 4 π ) − sen ( 0 ) ]⎥ = A
promedio
2T 0
⎢ 0
4π ⎥ 2
⎢ ⎥
⎣ T 0 ⎦ A
X EFICAZ
= P=
2
= 0.7071A
La energía de está señal es
T
lim ⎡1 ⎤
E= A2 ∫ ⎢ [1 + cos(2ωt )]⎥ dt = ∞ .
T →∞ 0 ⎣ 2 ⎦
Por tanto dicha señal es una señal de potencia.
37
Ejemplo 1.14
Encuentre la energía del pulso modelado por la secuencia discreta:
2.5
2
x[n ] = 3(0.5) n , para n ≥ 0 y
1.5
1
x[n] = 0, para n〈0
0.5
Ésta describe una exponencial decreciente de un

0
-4 -3 -2 -1 0 1 2 3 4 5
lado. Su energía de señal es:
∞ 2 ∞
9 n
∑ω x[n] = ∑n = 0 3(0.5) = ∑ 9(0.25) n =
2 ∞
E= = 12
n=− n=0 1 − 0.25
Fig. 1.24 pulso de energía discreto de código
n1=[-4:1:0];
n1=[-4:1:-1];
n2=[0:1:5];
n=[n1,n2];
x1=zeros.*n1; x2=3*(0.5).^n2; x=[x1,x2]; stem(n,x,'linewidth',3),grid
38
Ejemplo 1.15
Considere la señal periódica x[n ] = 6 cos (2π n / 4 ), para n ≥ 0 cuyo período es N=4.
Recordando que para que una señal discreta sea periódica la frecuencia digital
debe darse como un cociente de enteros, donde N es el periodo
fundamental de la señal discreta y k el número de periodos de la señal analógica
donde se describe un sólo periodo de la señal discreta, en este caso Ω 2 y
por tanto el periodo es N=4 instantes de muestreo.
-En un período se describen las muestras
6 x[n ] = {6,0,−6,0}.
4
0 La potencia promedio es:

1 3 2 1
-2 P= ∑ x[n] = (36 + 0 + 36 + 0) = 18
4 n =0 4
-4
-6
0 2 4 6 8 10 12
Fig. 1.25 Una secuencia cosenoidal discreta periódica de periodo N=4.
Código Matlab fig. 1.25

n=[0:1:12];
x=6.* cos(2*pi*n/4);
stem(n,x),grid
39
Consideraciones de señales de energía:
Figura 1.26 muestra como dos señales de area idéntica tienen energía diferente
dado su posición.
1.2.8. Funciones singulares y funciones relacionadas.

En la solución de problemas científicos y de ingeniería, es conveniente el uso de
funciones que no pueden ser descritas por una expresión algebraica simple sobre su
domino entero. Dichas funciones están descritas a continuación.
Función escalón
Función escalón unitario, u (t) y u (n) caso continuo y discreto respectivamente. Se
define:
1 ⎧1, t〉0
⎪ .
u (t ) = ⎨
0.9
0.8
⎪0, t 〈0
⎩
0.7
0.6
0.5

0.4
0.3
0.2
t1=[-1:0.001:0];
t2=[0:0.001:3];
0.1
0
-1 -0.5 0 0.5 1 1.5 2 2.5 3
t=[t1,t2];x1=zeros.*(t1);x2=ones(size(t2));
x=[x1,x2];>>plot(t,x,'linewidth',7),grid
Fig. 1.27 Función escalón, u(t), por excelencia esta función es causal; vale cero
para t<0.
40
Como se muestra en la figura 1.28. Podemos observar que ésta tiene una
discontinuidad en el punto t = 0 . La utilidad de esta función en el análisis de sistemas
es la representación matemática de una acción muy común en los sistemas físicos
reales que es la rápida conmutación de un estado a otro. Es por excelencia una
señal causal, no tiene simetría y es un caso especial de señal periodica ya que su
periodo es indeterminado.
Función Rampa
La función rampa está definida por
⎧t, t〉0
⎪
tu (t ) = ramp(t ) = ⎨ .
⎪0, t 〈0
⎩
Fig. 1.28 Función rampa unitaria ramp(t).
La señal rampa es útil en el análisis de señales y sistemas porque nos permite evaluar
cómo un sistema de tiempo continuo responderá a una señal de entrada que
aumenta linealmente. Es una señal que no tiene simetría par o impar.
Función impulso
La función impulso conocida como la función delta de Dirac, es de gran utilidad en
el estudio de sistemas lineales. Vamos a emplear un símbolo ampliamente utilizado
para denotar la función impulso, la cual tiene las propiedad de:
0, 0. (1.16)
∞
∞
1 (1.17)
Esta función brinda una aproximación a una señal física de extremada corta
duración y alta amplitud.
Propiedades de la función impulso.
-Se dice que esta señal tiene simetría par.
-Posee área unidad.
-Energía infinita
41
-Tiene la propiedad de filtrado la cual se puede ilustrar con la siguiente integral
∞
∞
0 (1.18)
La cual nos da entender que la integral del producto de cualquier función con el
impulso selecciona el valor de la función en el tiempo t =0.
De la misma manera la propiedad de filtrado nos indica que la integral del

producto de una función por el impulso, nos selecciona el valor de la función en el
instante t= τ .
∞
∞
(1.19)
La función impulso se puede intuir mediante una familia de pulsos cada vez más
estrechos hasta el límite y de aérea unidad como en la fig. 1.30
Fig.1.29 Noción intuitiva de la función impulso,

mediante una familia de pulsos los cuales se hacen
cada vez más estrechos hasta el límite conservando
su área unidad.
Funciones singulares
La función escalón unitario, la función impulso unitario

y la rampa unitaria están relacionadas por medio de
∞
ESCALON -IMPULSO
Para toda t, excepto en t=0
RAMPA-ESCALON
Con excepción de t=0
Constituyen los miembros de la familia de funciones singulares.
42
Función rectángulo
Es una de las señales más usadas para representar la transmisión de información, su
modelo matemático está dado por:
⎧⎪1, − 0 .5 ≤ t ≤ 0 .5
rect (t ) = ⎨
⎪⎩ 0 , en otro tiempo
Código matlab
x=[x1,x2,x3]; t1=[-1:0.001:-1/2];t2=[-
1/2:0.001:1/2];
t3=[1/2:0.001:1];t=[t1,t2,t3];A=1;x1=zeros.*(t1);
x2=A.*ones(size(t2));x3=zeros.*(t3);plot(t,x,'linewidth',5),grid
Fig. 1.30 Función rectángulo rect(t)
Esta función tiene una amplitud unitaria, y está centrada en el punto t = 0, y tanto su
ancho como su área son igual a 1, como se observa en la Fig. 1.31. En el dominio del
tiempo esta función se utiliza para representar la operación de disparo en un circuito
eléctrico, la operación de cerrar el diafragma de una cámara fotográfica. Es una
señal aperiódica y de simetría par
Algunas veces será conveniente representar ésta señal mediante la diferencia de

dos señales pulso unitario desplazada con el siguiente modelo matemático
rect (t ) = π (t ) = u (t ) − u (t − τ )
43
Función triangulo
Es una importante señal en el análisis de señales y sistemas, esta señal es aperiódica
y de energía, tiene simetría par y se define así:
1
0.9
0.8
0.7
⎧ 1 − t , para t 〈 0 0.6
⎪
tri (t ) = ⎨ y 0.5
⎪0, para t ≥ 1 0.4
⎩ 0.3
Código matlab fig.1.31 0.2
>>t1=-2:0.001:-1; 0.1
>>t2=-1:0.001:0; 0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
>>t3=0:0.001:1;t4=1:0.001:2;t=[t1,t2,t3,t4];x1=zeros(siz
e(t1));x2=t2+1;x3=-t3+1;
>>x4=zeros(size(t4));x=[x1,x2,x3,x4];plot(t,x,'linewidth',3),grid
Fig.1.31 Función tri(t)
Función exponencial decreciente. Esta función es el modelo matemático de

muchos procesos físicos como ejemplo el la descarga de un capacitor o la
degradación de una sustancia química en un tiempo determinado su
representación es
t
− −α t
x ( t ) = A e u (t ) = A e
τ u (t )
.
Donde τ se le conoce como constante de tiempo del pulso (o ancho del pulso) en
este tiempo la función tiene una amplitud de aproximadamente de 1/3 de la
1
amplitud A. α = , es el coeficiente de decaimiento del pulso, ver Fig. 1.32
τ
Código matlab fig.1.32

>>t1=[-1:0.001:0];
>>t2=[0:0.001:10];
>>t=[t1,t2];
>>A=3;
>>x1=zeros.*(t1);
>>x2=A.*exp(-0.5.*(t2));
>>x=[x1,x2];
>>plot(t,x,'linewidth',3),grid
Fig. 1.32 Función exponencial decreciente.
44
Función crecimiento exponencial:
Tomando la diferencia entre una función escalón y una función exponencial
decreciente da lugar a una función que denominamos de crecimiento exponencial
muy útil para representar un fenómeno físico como la carga de un capacitor en un
sistema eléctrico:
x1(t)=Au(t).
x2(t)= A e-t/tauu(t).
x (t ) = x1 − x 2 = Au (t ) − A e
−αt
[
u (t ) = A 1 − e
−αt
]u (t )
1
Donde τ = ⇒ ancho del pulso
α
La amplitud de la función en el tiempo igual a τ en este
caso es de aproximadamente 2/3 de A, como se
observa en la fig. 1.33
Código matlab fig.1.33

>>t1=[-1:0.001:0];
>>t2=[0:0.001:10];
>>t=[t1,t2];
>>A=3;
>>x1=zeros.*(t1);
>>x2=A.*(1-exp(-0.5.*(t2)));
>>x=[x1,x2];
>>plot(t,x,'linewidth',3),grid
Fig. 1.33 Función de crecimiento exponencial
45
Función rampa amortiguada:
Se le conoce así dada la poderosa influencia del decrecimiento exponencial sobre
la función rampa
x1(t) =ramp(t).=tu(t).
x2(t)= A e-t/tauu(t).
−αt −α t
x (t ) = x1 x2 = tu (t ) A e u (t ) = At e u (t ) ver fig. 1.34
0.8
0.7 Código matlab fig.1.34

0.6 t1=[-1:0.001:0];
0.5 t2=[0:0.001:15];
0.4 t=[t1,t2];
0.3
A=1;
0.2
x1=zeros.*(t1);
x2=t2.*A.*exp(-0.5.*(t2));
0.1
x=[x1,x2];
0
-2 0 2 4 6 8 10 12 14 16
−αt
Fig. 1.34 función rampa amortiguada x (t ) = At e u (t ) .
1.2.9. Señales exponenciales complejas y senoidal
La señal continua exponencial compleja es de la forma:
. (1.20)
Donde y son en general números complejos. Dependiendo de los valores de

estos parámetros, la exponencial compleja puede adoptar varias características
diferentes. Una clase de exponenciales complejas de gran importancia se obtiene
considerando el campo puramente imaginario. Específicamente considere
(1.21)
Una propiedad importante de esta señal consiste en que es periódica. Para verificar
lo anterior, será periódica con periodo T si
o puesto que
46
Se desprende para que la señal exponencial compleja sea periódica, debemos
tener
e jωot = cos 2 ωt + sen 2ωt =1
Si ω0 = 0, entonces x(t) = 1, la cual es periódica para cualquier valor de T. Si ωo ≠ 0,

entonces el periodo fundamental T0 de x(t) esta dado por:
2π
To =
ωo
Una señal relacionada en forma muy estrecha con la exponencial periódica

compleja es la señal sinusoidal.
Como se ilustra en la fig. 1.3 donde A, ωo, y φ son constantes definidas como la
amplitud, frecuencia angular y fase, respectivamente. Puesto que las unidades de t
son los segundos, las de φ y ωo son radianes y radianes por segundo,
respectivamente.
También, es común escribir ωo = 2πfo donde fo tiene unidades de ciclos por segundo,
o Hz. Usando la relación de Euler, la exponencial compleja se puede escribir en
términos de señales exponenciales complejas, con el mismo periodo fundamental:
A jφ jω o t A − j φ − j ω o t
A cos(ω o t + φ ) = e e + e e
2 2
De manera alternativa, podemos expresar una función senoidal en términos de la
señal exponencial compleja como:
3
-1
-2
-3
-20 -15 -10 -5 0 5 10 15 20
Fig. 1.35 Señal sinusoidal continúa

47
[
A cos(ω o t + φ ) = A Re e j (ω ot +φ ) ] ,
Asen (ω t + φ ) = A Im[e (
o
j ω o t +φ )
]
Señales exponenciales complejas generales
El caso más general de una exponencial compleja se puede expresar e interpretar

en términos de los dos casos que hemos examinado hasta ahora: la exponencial real
y la exponencial compleja. Específicamente, considere una exponencial compleja
donde se expresa en forma polar y en forma rectangular. Esto es:
jθ
C= Ce
(1.22)
y
a = r + jωo (1.23)
Entonces,
Ce at = C e jθ e (r + jω )t = C e rt e j(ω t +θ )
o o
Usando la relación de Euler podemos expandir esta aun más de la siguiente forma:
Ce at = C e rt cos(ωo t + θ ) + j C e rt sen(ωo t + θ )
Así para r = 0 las partes real e imaginaria de una exponencial compleja son
senoidales. Para r > 0 estas señales corresponden a señales senoidales multiplicadas
por una exponencial creciente, y para r < 0 corresponden a señales senoidales
multiplicadas por una exponencial decreciente fig. 1.33
48
rt
Fig. 1.36 Senoidal decreciente x(t ) = C e sen(ωt + θ ), r 〈0. .
Las señales senoidales multiplicadas por los exponenciales decrecientes se conocen
comúnmente como senoides amortiguadas. Ejemplos de tales señales surgen en la
respuesta de circuitos RLC y en sistemas mecánicos que contienen tanto fuerzas de
amortiguamiento como de restauración, un ejemplo de lo cual se encuentra en los
sistemas de suspensión automotriz.
49
1.2.10. La función sinc
Tiene simetría par, area unitaria y cruces por cero de espaciamiento unitario se
define
Usando la definición de Braceweell, tenemos
. (1.24)
La importancia de esta función proviene del hecho que ésta es la Transformada de

Fourier de la función rect (t). Esto implica, entre otras cosas, que una señal que tiene
un espectro en forma de la función sinc es de ancho de banda limitado.
Determinaremos el valor de esta función en

t=0;
sin π (t )
Cuando la variable t en sin c (t ) = tiene
π (t )
el valor cero tanto el numerador como el
denominador dan un valor igual a cero, lo
que produce una forma indeterminada.
Utilizaremos la regla de L’Hopital en este
caso:
lim lim sin π (t ) lim π cos(πt )

sin c (t ) = = =1
t→0 t → 0 π (t ) t→0 π
Fig. 1.37 Función sinc (t).
Còdigo matlab fig. 1.37

t=[-5:0.001:5];
x=sinc(t);
Esta función cruza por cero en sinc(t)=0

Cuando t= ± 1, ±2, ±3…. Ver grafica 1.33
Por lo que sinc(t) es continua en t=0, integrabe al cuadrado (una señal d energía) ,
pero no es absolutamente integrable.
50
Galileo Galilei (1564-1642).
Nace el 15 de Febrero de 1564 en Pisa, Italia, enn 1610 publicó El mensajero de los
astros en 1612 publicó un libro sobre cuerpos en flotación , 1613 escribió un tratado
sobre las manchas solares y anticipó la supremacía de la teoría de Copérnico , en
1624 Galileo empezó a escribir un libro que quiso titular Diálogo sobre las mareas, en
el que abordaba las hipótesis de Tolomeo y Copérnico respecto a este fenómeno la
última obra de Galileo, Consideraciones y demostraciones matemáticas sobre dos
ciencias nuevas, publicada en Leiden en 1638. Galileo estudió con los monjes en
Vallombroso y en 1581 entró en la Universidad de Pisa para estudiar medicina. Al
poco tiempo cambió sus estudios de medicina por la filosofía y las matemáticas,
abandonando la universidad en 1585 sin haber llegado a obtener el título. En cierta
ocasión se admira de la regularidad que presentaban los movimientos de una
lámpara que colgaba en la catedral de Pisa. Por carecer de instrumentos
cronométricos recurre a su propio pulso y comprueba que el período de oscilación
es el mismo cualquiera que sea la separación de la lámpara con respecto a la
vertical. Sobre la caída libre de los cuerpos (Ley de la gravitación universal), Galileo,
anunció que probaría públicamente la falsedad de la teoría aristotélica (Aristóteles
afirmó que la velocidad de los objetos era proporcional al de su peso). Ante una
multitud de observadores, entre los que estaban muchos de sus escépticos colegas
de la universidad, procedió a dejar caer desde la parte alta de la torre de Pisa una
bola de plomo de una libra y otra de diez libras ¡Y he aquí que las dos bolas de
plomo llegaron al suelo aproximadamente al mismo tiempo ¡ En el campo de la física
descubrió las leyes que rigen la caída de los cuerpos y el movimiento de los
proyectiles. En 1609 desarrolla el telescopio astronómico con una lente convergente
y otra divergente. Con este nuevo instrumento descubre cráteres en la superficie de
la luna, manchas en la superficie del sol, las fases del planeta Venus, cuatro satélites
de Júpiter y demostró que la vía láctea está compuesta de estrellas.
En Padua, Galileo inventó un 'compás' de cálculo que resolvía problemas prácticos
de matemáticas. En la historia de la cultura, Galileo ha pasado a representar el
símbolo de la lucha contra la autoridad y libertad en la investigación.
51
CAPÍTULO 2. Operaciónes con Señales
OBJETIVO:
Que el alumno tenga la capacidad de operar

modelos matemáticos y transformar señales de
tiempo continuo.
ACTIVIDAD PREVIA:
Definición de términos:
1. Desplazamiento de amplitud, 2. Escalamiento
de amplitud,
3. Desplazamiento de tiempo, 4. Escalamiento de
tiempo, 5.Reflexión.
Razona cada una de las operaciones por separado.

Analiza cual es el orden de prelación en las operaciones con señales.
Ejemplifica cada una de las operaciones de transformación.

Toma nota del orden de las operaciones para una transformación de la
forma: k+ A g[( t – to )/a].
Toma nota del orden de las operaciones para una transformación de la
forma: k+ A g[(b t – to )].
AUTOEVALUACIÓN:
Da respuesta a la transformación de cada una de las señales de las

actividades de autoevaluación capitulo 2.
52
Operación de señales
Definición de términos
Una operación importante en el análisis de señales y sistemas es el de la
transformación de una señal. Por ejemplo, en el sistema de control de un avión, las
señales correspondientes a las acciones del piloto son transformadas mediante
sistemas eléctricos y mecánicos en cambios en el empuje y sustentación del avión.
De la misma forma, en un sistema de audio de alta fidelidad, una señal de entrada
que representa la música grabada en un disco compacto se modifica para
enriquecer las características deseables, eliminar el ruido de grabación o balancear
los agudos y graves de la señal.de lo anterior se desprende que manipularemos
algunas señales para transformarlas de acuerdo a las operaciones indicadas.
2.1. Operaciones efectuadas sobre la variable dependiente

DESPLAZAMIENTO DE AMPLITUD: Añade una constante K a x(t) en todas partes
(Incluso donde es cero) para formar y(t) = K+ x(t).
Ejemplo de este tipo de operación son los voltajes de d.c. Super puestos a una
señal fluctuante en el tiempo (ver la fig. No.2.1)
2 3
1.5 2.5
1 2
0.5 1.5
0 1
-2 -1 0 1 2 -2 -1 0 1 2
a) b)
Fig. 2.1 Desplazamiento de Amplitud a) x(t), b) 1+x(t)
53
ESCALAMIENTO DE AMPLITUD: Esta operación es una amplificaión de la señal sin
alterar los índices de tiempo en otras palabras la señal se ve modificada por un
factor de escala en cuanto amplitud esto se indica por y(t) = C x (t)
Donde C es el factor de escala

Ejemplo 2.1
Un resistor efectúa escalamiento de amplitud cuando x(t) es una corriente , R es la
resistencia y, y(t) es el voltaje de salida.
Fig. 2.2 Circuito resistor como escalamiento de amplitud.
2.2. Operaciones efectuadas sobre la variable independiente

ESCALAMIENTO DE TIEMPO: aumenta o disminuye el tiempo y origina la compresión o
alargamiento de la señal:
y(t) = x(a t) si, a >1, la señal y(t) es una versión comprimida de x(t).
Si, por otro lado el valor de a es 0 < a < 1, la señal y(t) es una versión expandida
(alargada) de x(t).
54
Como se observa en la fig.2.3
1 1 1
0.5 0.5 0.5
0 0
-2 0 2 4 6-2 0 2 4 6 0-2 0 2 4 6
a) x(t) b) x(2t) c) x(0.5t)
Fig. 2.3 Escalamiento en el tiempo.
REFLEXIÓN O REVERSIÓN:
Decimos que una señal x(t) sufre una inversión, reflexión o es reversada si se escala
en el tiempo por –1, así tendríamos y(t) = x(-t), la inversión en el tiempo origina que
la función sea reflejada respecto al eje de las ordenadas. El siguiente ejemplo ilustra
este concepto.
1 1
0.5 0.5
0 0
-2 0 2 4 6 -6 -4 -2 0 2
a)x(t) b)x(-t)
Fig. 2.4. Reflexión en el tiempo
55
DESPLAZAMIENTO O CORRIMIENTO DEL TIEMPO: Sea x(t) una señal de tiempo
continuo. La versión recorrida en el tiempo de x(t) se define como y(t) = x (t – t0),
donde t0 es el corrimiento en el tiempo . Si t0 > 0, la forma de onda que caracteriza x
(t) se corre intacta hacia la derecha, con respecto al tiempo. Si t0 < 0, la forma de
onda corre intacta hacia la izquierda.
Ejemplo 2.2
El pulso x (t) de la siguiente fig. se caracteriza por su duración finita en el tiempo y su
amplitud también finita: encuentre el desplazamiento o corrimiento determinado por
y(t) = x(t-2)
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
-5 -4 -3 -2 -1 0 1 2 3 4 5 -5 -4 -3 -2 -1 0 1 2 3 4 5
Fig. 2.5. Desplazamiento de tiempo.
2.3. Transformaciones múltiples
Suponemos que la función que deseamos transformar sea de la forma
k + Ag [(t − t 0 ) / a ] (2.1)
Donde
A = Escalamiento de amplitud
a = Escalamiento de tiempo
t0 = Desplazamiento de tiempo
K = Desplazamiento de amplitud
En este caso la prelación o el orden de las operaciones deberán ser:
1er.- Escalamiento de amplitud y/o desplazamiento de amplitud.

2do.- Escalamiento en el tiempo
3er.- Desplazamiento en el tiempo
4to.- Reflexión o inversión de tiempo
56
-Si la transformación es de la forma
k + Ag [(bt − t0 )] (2.2)
Requiere que el orden de la transformación sea el siguiente:
1er.- Escalamiento de amplitud o desplazamiento de amplitud.

2do.- Desplazamiento en el tiempo.
3er.- Escalamiento en el tiempo.
4to.- Reflexión o inversión con respecto al eje ordenado.
Ejemplo 2.3
1.- A partir del Modelo Matemático x (t)= { 1.5t 0 2
Código Matlab
t1=[-2:0.001:0];
t2=[0:0.001:2];
t3=[2:0.001:4];
t=[t1,t2,t3];
x1=zeros(size(t1));
x2=3/2.*t2;
x3=zeros(size(t3));
x=[x1,x2,x3];
plot(t,x,'r','linewidth',3),grid
57
Obtener la transformación y(t) = 2+2x(-2t+2)
(1) Escalamiento y desplazamiento de amplitud…

t1=[-2:0.001:0];
t2=[0:0.001:2];
t3=[2:0.001:4];
t=[t1,t2,t3];
x1=zeros(size(t1));
x2=3/2.*t2;
x3=zeros(size(t3));
x=2+(2*[x1,x2,x3]);
(2) Desplazamiento del tiempo…

t1=[-2:0.001:0];
t2=[0:0.001:2];
t3=[2:0.001:4];
t=[t1,t2,t3]-2;
x1=zeros(size(t1));
x2=3/2.*t2;
x3=zeros(size(t3));
x=2+(2*[x1,x2,x3]);
58
(3) y (4) Escalamiento y reflexión del tiempo…
t1=[-2:0.001:0];
t2=[0:0.001:2];
t3=[2:0.001:4];
t=[t1,t2,t3]-2;
x1=zeros(size(t1));
x2=3/2.*t2;
x3=zeros(size(t3));
x=2+(2*[x1,x2,x3]);
plot(t/-2,x,'r','linewidth',3),grid
Comprobación : prueba de consistencia
2 2
2
2
0 2
1
0
Forma de la señal transformada.
59
2.- Para la señal…
Código Matlab:
t1=‐2:0.001:0;
t2=0:0.001:6;
t3=6:0.001:8;
t=[t1,t2,t3];
A=4;
x1=zeros(size(t1));
x2=4/6.*‐t2+A;
x3=zeros(size(t3));
x=[x1,x2,x3];
Obtenga las siguientes transformaciones:
a) X(-t)
t1=‐2:0.001:0;
t2=0:0.001:6;
t3=6:0.001:8;
t=-1*[t1,t2,t3];
A=4;
x1=zeros(size(t1));
x2=4/6.*‐t2+A;
x3=zeros(size(t3));
x=[x1,x2,x3];
Comprobación
tn=-t, para t=0 tn=0, para t=6 tn=-6.
60
b) X(t+2)
t1=‐2:0.001:0;
t2=0:0.001:6;
t3=6:0.001:8;
t=([t1,t2,t3])-2;
A=4;
x1=zeros(size(t1));
x2=4/6.*‐t2+A;
x3=zeros(size(t3));
x=[x1,x2,x3];
Comprobación
tn=t-2, para t=0 tn=-2, para t=6 tn=4
c) X(2t-2)
t1=‐2:0.001:0;
t2=0:0.001:6;
t3=6:0.001:8;
t=[t1,t2,t3]+2;
A=4;
x1=zeros(size(t1));
x2=4/6.*‐t2+A;
x3=zeros(size(t3));
x=[x1,x2,x3];
plot((t/2),x,'r','linewidth',3),grid
Comprobación
tn=(t+2)/2, para

t=0 tn=1, para t=6 tn=4.
61
d) X(2-2t)
t1=‐2:0.001:0;
t2=0:0.001:6;
t3=6:0.001:8;
t=[t1,t2,t3]-2;
A=4;
x1=zeros(size(t1));
x2=4/6.*‐t2+A;
x3=zeros(size(t3));
x=[x1,x2,x3];
plot((t/-2),x,'r','linewidth',3),grid
Comprobación
tn=-(t-2)/2
, para t=0 tn=1, para t=6 tn=-2
e) X[0.5(t-2)]
t1=‐2:0.001:0;
t2=0:0.001:6;
t3=6:0.001:8;
t=2*[t1,t2,t3];
A=4;
x1=zeros(size(t1));
x2=4/6.*‐t2+A;
x3=zeros(size(t3));
x=[x1,x2,x3];
plot(t+1,x,'r','linewidth',3),grid
Comprobación
tn=2t+2, para t=0
tn=2, para t=6 tn=14

62
f) X(-0.5t-1)
t1=‐2:0.001:0;
t2=0:0.001:6;
t3=6:0.001:8;
t=[t1,t2,t3]+1;
A=4;
x1=zeros(size(t1));
x2=4/6.*‐t2+A;
x3=zeros(size(t3));
x=[x1,x2,x3];
plot(-2*t,x,'r','linewidth',3),grid
Comprobación
tn=-2(t+1), para t=0 tn=-2, para t=6 tn=-14
3.- De la señal…
Código Matlab:
t1=‐6:0.001:‐4;
t2=‐4:0.001:0;
t3=0:0.001:8;
t4=8:0.001:10;
t=[t1,t2,t3,t4];
x1=zeros(size(t1));
x2=2/2.*t2+4;
x3=4.*ones(size(t3));
x4=zeros(size(t4));
x=[x1,x2,x3,x4];
63
Obtener las siguientes transformaciones y en cada caso realizar prueba de
consistencia:
a) X(-t)
t1=‐6:0.001:‐4;
t2=‐4:0.001:0;
t3=0:0.001:8;
t4=8:0.001:10;
t=[t1,t2,t3,t4];
x1=zeros(size(t1));
x2=2/2.*t2+4;
x4=zeros(size(t4));
x=[x1,x2,x3,x4];
plot(-t,x,'r','linewidth',3),grid
Comprobación
tn=-t, para t=-4 tn=4, para t=8 tn=-8.
b) X(t+2)
t1=‐6:0.001:‐4;
t2=‐4:0.001:0;
t3=0:0.001:8;
t4=8:0.001:10;
t=[t1,t2,t3,t4];
x1=zeros(size(t1));
x2=2/2.*t2+4;
x4=zeros(size(t4));
x=[x1,x2,x3,x4];
plot(t-2,x,'r','linewidth',3),grid
Comprobación
tn=t-2, para t=-4 tn=-6, para t=8 tn=6.
64
c) X(2t-2)
t1=‐6:0.001:‐4;
t2=‐4:0.001:0;
t3=0:0.001:8;
t4=8:0.001:10;
t=[t1,t2,t3,t4]+2;
x1=zeros(size(t1));
x2=2/2.*t2+4;
x4=zeros(size(t4));
x=[x1,x2,x3,x4];
plot(t/2,x,'r','linewidth',3),grid
Comprobación
tn=(t+2)/2, para t=-4 tn=-1, para t=8 tn=5.
d) X(2-2t)
t1=‐6:0.001:‐4;
t2=‐4:0.001:0;
t3=0:0.001:8;
t4=8:0.001:10;
t=[t1,t2,t3,t4]-2;
x1=zeros(size(t1));
x2=2/2.*t2+4;
x4=zeros(size(t4));
x=[x1,x2,x3,x4];
plot(t/-2,x,'r','linewidth',3),grid
Comprobación
tn=(t-2)/-2, para t=-4 tn=3, para t=8 tn=-3.
65
e) X[0.5(t-2)]
t1=‐6:0.001:‐4;
t2=‐4:0.001:0;
t3=0:0.001:8;
t4=8:0.001:10;
t=[t1,t2,t3,t4];
x1=zeros(size(t1));
x2=2/2.*t2+4;
x4=zeros(size(t4));
x=[x1,x2,x3,x4];
plot((t/0.5)+2,x,'r','linewidth',3),grid
Comprobación
tn=(t/0.5)+2, para t=-4 tn=-6, para t=8 tn=18.
f) X(-0.5t-1)
t1=‐6:0.001:‐4;
t2=‐4:0.001:0;
t3=0:0.001:8;
t4=8:0.001:10;
t=[t1,t2,t3,t4]+1;
x1=zeros(size(t1));
x2=2/2.*t2+4;
x4=zeros(size(t4));
x=[x1,x2,x3,x4];
plot(t*-2,x,'r','linewidth',3),grid
Comprobación
tn=-2(t+1), para t=-4 tn=6, para t=8 tn=-18.
66
Ejemplo 2.4
Función Original
x( t ) = 2, -2 ≤ t ≤ 0
t – 2, 0 ≤ t ≤ 2
Fig.2.7 Función original
Transformar a x (- t)
PRUEBA DE CONSISTENCIA
t = -tn; tn = -t
t = -2 tn = 2
t=2 tn = -2
Fig. 2.8 Función invertida en el tiempo.
67
b) x ( t + 3)
t= tn + 3 ; tn = t - 3
t = -2 tn = -5
t=2 tn = -1
Fig. 2.9 Función adelantada
c) x ( 2 t - 2)
Tomemos en cuenta que esta forma es del tipo k + Ag [(bt − t0 )]
1.- Desplazamiento en el tiempo.

2.- Escalamiento en el tiempo.
Fig.2.10 1ro. Desplazamiento de tiempo Fig. 2.11 2do. Escalamiento de tiempo
68
t= 2 tn - 2 ; tn = ( t + 2) / 2
t=2 tn = 2; t = -2 tn = 0 t =0 tn = 1
d ) x ( 2 - 2t ) = x(-2t+2)

3.- Reflexión o inversión con respecto al eje ordenado.
Fig.2.12. 1ro. Desplazamiento de tiempo Fig. 2.13 2do. Escalamiento de

tiempo
69
t= 2 -2tn; tn = (2 –t) /2
t=2 tn = 0
t = -2 tn = 2
t=0 tn = 1
Fig. 2.14 3ro. Reflexión o inversión
e) x[ 0.5 ( t –2) ] = x( 0.5 t -1 )

3.- Reflexión o inversión con respecto al eje ordenado.
Fig. 2.15 1r0. Desplazamiento en tiempo Fig. 2.16 2do.escalamiento de

tiempo
70
t= 0.5 (tn –2) ; tn = 2t + 2
t=2 tn = 6; t = -2 tn = -2 t =0 tn = 2
Aunque esta última operación también pudiera representarse por
⎛t −2⎞
x[0.5(t − 2] = x⎜ ⎟ , el lado derecho es de la forma
⎝ 2 ⎠
k + Ag [(t − t 0 ) / a ]
En este caso el orden de las operaciones deberá ser:
1.- Escalamiento en el tiempo
2.- Desplazamiento en el tiempo
3.- Reflexión o inversión de tiempo
Con lo que la prueba de consistencia daría
t= ( tn –2)/2 ; tn = 2t + 2
t=2 tn = 6; t = -2 tn = -2 t =0 tn = 2
“Como se puede notar nos daría el mismo resultado, de aquí que lo importante es
tomar como referencia cual de las dos formas aplicar”.
71
Isaac Newton
(1643-1727)
Este gran científico de origen inglés, hizo importantes aportaciones en muchos

campos de la ciencia como lo fue en la Física, las Matemáticas y la Astronomía,
nació el 4 de Enero de 1643, en la aldea de Woolsthorpe Lincolnshire, Inglaterra. Hijo
de un terrateniente, mismo que murió antes de que el genio del Trinity College
hiciera sus pininos, su madre Hannah Ayscough se volvió a casar, situación que
aprovechó la abuela paterna para llevárselo a vivir con ella. Aplicando la sabia tesis
de que segundos padres nunca han sido mejores que los abuelos. Durante todo ese
tiempo (nueve años). Sin embargo, falta del cariño de sus padres, provocó en él un
gran impacto en la integración de su personalidad, imprimiéndole a su persona un
carácter excéntrico y con tendencias psicóticas.
Newton vivía aislado, lejos del bullicio y prefería estar refugiado armando
torres, molinillos, y toda clase de juguetes mecánicos, así como creando
mecanismos para el entretenimiento, todo esto sorprendía a chicos y grandes. Años
más tarde su madre viuda por segunda ocasión, en esta época de crisis su
progenitora retoma su papel de madre y recupera la patria potestad de Isaac. En
esta etapa de su vida, Newton acude en apoyo de las tareas que su madre
desempeñaba en administración de su pequeña propiedad en Woolsthorpe. En
este escenario el genio de la Mecánica se da cuenta que sus intereses no están
precisamente en la cuantificación de las finanzas del negocio familiar, sino en otros
fenómenos de la naturaleza cuyo desconocimiento, radica exactamente en en este
aspecto; se sabe de la existencia de la caída los cuerpos graves, se especula
acerca de las causas del movimiento, de la aceleración, de la masa de los cuerpos
y por supuesto de las fuerzas. Sin embargo, el problema fundamental consistía en
cuantificar y dimensionar estas magnitudes. La madre de Newton no puede ser
indiferente ante genio potencial que su hijo guarda, y finalmente ésta accede para
72
que ingrese en el verano de 1661, al Trinity College de la Universidad de Cambridge.
Desde un principio Isaac no fue un alumno brillante en el campo teórico, pero por
fortuna, contó con la valiosa tutoría su tocayo Isaac Barrow, emerito profesor de
matemáticas cuya personalidad dinámica, su enorme humanidad, y su
extraordinario buen humor fueron los ingredientes que consolidaron una amistad y
relación de trabajo envidiable. En estas favorables condiciones en el ambiente de la
investigación Newton escudriñó los laberintos de la geometría, la óptica, de la
misma forma penetró al fascinante mundo de la geometría algebraica cartesiana.
Este nuevo método simplificaba la geometría euclidiana, mediante la utilización de
otra simbología algebraica en el cálculo de las relaciones entre los puntos y los
segmentos que constituyen el espacio.
En 1664, su maestro al mismo tiempo que lo consideraba una inteligencia
desaprovechada, lo recomendó para que estudiara una carrera científica. En este
tiempo Newton recibe su título de bachiller. Después de interrumpir durante dos años
sus estudios universitarios, situación que fue provocada por la proliferación de una
epidemia de peste bubónica, volvió al Trinity College, para ser nombrado becario en
1667, al año siguiente recibió la categoría de profesor asistente, dedicándose de
tiempo completo a la investigación de las matemáticas, es en este nuevo contexto
en el cual analiza y discute con sus colegas la pertinencia de los métodos que se
habían aplicado para trazar líneas tangentes a curvas y para calcular el área
encerrada bajo una curva. Asimismo descubrió que los dos modelos eran
operaciones inversas o contrarias (derivación e integración). Conjugando ambos
procedimientos resultaba lo que él denominó “el método de las fluxiones”, lo que
actualmente se conoce como cálculo infinitesimal. Una nueva y poderosa
herramienta matemática que situó a la antigua ciencia pitagórica en una ciencia
moderna, es decir extendió los alcances de esta disciplina. Al mismo tiempo en otras
latitudes Leibniz llegó a las misma conclusiones. Situación que en algunos círculos
académicos le dan la patente al primero o al segundo, sin que se pueda demostrar
que en ambos casos llegaron a la misma meta por caminos diferentes.
El gran Newton incursionó con el mismo ímpetu en el escarpado mundo de

disciplina que se encarga de estudiar los fenómenos luminosos, esta nueva ciencia
sería la rama de la Física que hoy conocemos como la Óptica. Al exponer su
descubrimiento acerca de los colores que componen la luz. Este experimento lo
realizó a través de un prisma de vidrio, por este medio dirigió la trayectoria de un
haz luminoso procedente del astro rey para demostrar que el rayo monocromático
posee diferente grados de refracción, incluyendo toda la gama, desde el violeta
hasta el rojo. Con esta práctica nuestro personaje llegó a la conclusión de que la luz
del Sol es una mezcla heterogénea de rayos diferentes, es decir un problema de
cantidad genera un fenómeno cualitativo; la luz como unidad. Este hallazgo se
comprueba al invertir el proceso, mostrando que basta hacer converger dicho haz
de luz hacia dos prismas entrelazados para volver a obtener la luz blanca. En este
nuevo paradigma de la óptica Newton sostuvo que la luz tiene cuerpos o partículas.
73
A principios del siglo XVIII publicó su obra Óptica, en donde explicaba detallada y
objetivamente sus descubrimientos.
Sin duda alguna los descubrimientos y aportaciones de Newton a la ciencia no

se limitaron al campo disciplinar de la Óptica y las Matemáticas, sino que, aquí es
donde el excelso estudiante del Trinuty College articula la conexión que existe entre
el movimiento de los cuerpos y la ciencia pitagórica. En este contexto aporto a la
ciencia moderna su trilogía que magistralmente describe en su obra “Los Principia”
“los Principios de la Filosofía Natural” los cuales conocemos como las leyes de la
dinámica del movimiento:
1ª Ley de la inercia: “Todo cuerpo tiende a conservar su estado de reposo o

movimiento rectilíneo uniforme mientras otra fuerza no lo altere”.
2ª Ley de la proporcionalidad entre fuerzas y aceleraciones (F = MA): “Cuando se

aplica una fuerza a un cuerpo, la aceleración producida es directamente
proporcional a la fuerza e inversamente proporcional a la masa”
3ª Ley de la acción y la reacción: “ A toda acción corresponde una reacción igual y

de sentido contrario”.
La obra “Principio de la filosofía natural”, fue publicada en 1687, y desde

entonces esta herramienta metodológica, no solamente ha servido para orientar las
futuras investigaciones relacionadas con la Física clásica, sino que, consolida el
andamiaje de los macro fenómenos y su dinámica. En esta obra se describieron
sistemas que articulaban las leyes de la naturaleza con los sistemas racionales. Sin
pecar de exageración, la obra de Newton constituye el cambio de paradigma en el
mundo de la ciencia moderna. Este derrotero de la época moderna dejó las bases
metodólogicas para que otros hombres de ciencia abrevaran de estas aportaciones
para crear sus propios sistemas del conocimiento, sobre todo la corriente filosófica
denominada Materialismo Mecanicista.
Isaac Newton deja la vida académica y la investigación el primer año del siglo
XVIII en la Universidad de Cambridge. Siguiendo los fieles consejos de Lulio Seneca
dedicó sus últimos años lo que él consideraba su máximo deseo; estudiar filosofía e
historia natural. Su muerte dejó un enorme vacío en la historia de la ciencia que
difícilmente pueda ser llenado. El insigne científico británico, cuyo saber dominó
durante siglos el mundo de la ciencia, murió en Londres, Gran Bretaña, el 31 de
marzo (20 de marzo según el calendario de la época) de 1727.
74
CAPÍTULO 3. SEÑALES, su graficación
OBJETIVO:
Que el alumno tenga la capacidad para elaborar

gráficas de señales haciendo uso del programa
Matlab.
ACTIVIDAD PREVIA:
Descripción de las diferentes ventanas del programa
ACTIVIDAD DE ANÁLISIS
Conocer los diferentes comandos y rutinas de graficación.
Ejecutar los programas y comentar cada línea de los códigos que vienen
en la actividad 3.1 de la primera parte.
AUTOEVALUACIÓN:
Elaborar graficas de señales en la actividad 3.2 a la 3.3 de las actividades

de autoevaluación.
75
3.1. Tutorial de MATLAB
LEA CON DETENIMIENTO LOS PÁRRAFOS SIGUIENTES Y NO INTENTE INTRODUCIR DATOS

HASTA QUE SE LE INDIQUE:
Matlab es una herramienta matemática de alto nivel usada por ingenieros y

científicos de todo el mundo para resolver diversos problemas en forma interactiva y
respaldada por una compañía de software Profesional: The Math Works Inc.
Sobre las pantallas que aparecen al abrir el programa:
Al abrir MATLAB hay tres pantallas (versión 6.0):
1.- La primera de la izquierda (launch pad) en donde se localizan todos los

directorios y demos.
2.- La segunda a la izquierda (command history) en la parte inferior donde se

genera un histórico de los comandos y variables que se usan.
3.- La tercera de la derecha (command window) se considera la pantalla principal y

es precisamente donde se declaran las variables y comandos de un programa y
donde se ubica el símbolo ‘»’. (ver fig.3.1.)
Fig. 3.1 Pantallas de MATLAB versión 6.0
76
EL INDICADOR: El símbolo “>>” , en la pantalla principal ( command window) nos
indica que MATLAB esta esperando que introduzcamos un comando o una variable.
Para salir de MATLAB cuando sea pertinente use los comandos quit o exit.
ESCALAR, VECTOR Y MATRIZ: A = 2.5 Un sólo dato se denomina escalar.

B = [2.5, 6.4 ] Si una matriz tiene una sola fila o una sola columna, la llamamos
Vector; para ser más claros llamamos vector fila o vector columna.
Matriz:
-2 0 3 El tamaño de una matriz se especifica por el número de filas y de
C= 3 -4 5 columnas; así, C es una matriz de 3x3. Un dato de una matriz se
0 0 2 puede identificar por los subíndices; así C23 representa el dato 5 de
la matriz C, si una matriz contiene m filas y n columnas, entonces contiene un total
de m x n valores; así, C es una matriz de tamaño 3x3.
ESTILO: Matlab es sensible a la diferencia entre mayúsculas y minúsculas, así que

los nombres “Espacio, ESPACIO y espacio” representan tres variables distintas.
DEFINICIÓN DE UNA MATRIZ: La forma más sencilla de definir una matriz es usar una
lista de números, como:
A = [4.5]
B = [1.6, 3.1]
C = [-2, 0,3; 3,-4,5; 0, 0,2] o también
C =[-2, 0,3
3,-4,5
0, 0,2]
77
PUNTOS SUSPENSIVOS: Si hay demasiados números en una fila de una matriz para
que quepan en una línea, podemos continuar la instrucción en la siguiente línea,
pero se requiere una coma y tres puntos al final de la línea para indicar que la fila
debe continuar.
Ejemplo:
H = [-2,0,-3,4,-3,-4,5,0,0,2,1,1,1,3,4,-0.2] que se puede escribir como:
H = [-2, 0,-3, 4,-3,-4,...

5, 0, 0, 2, 1,1, 1, 3, 4,-0.2]
MATLAB también nos permite definir una matriz a partir de otra previamente definida:
Ejemplo:
B = [1.5, 4.1]
D = [-4, B] este comando equivale a
D = [-4,1.5, 4.1]
También podemos modificar los valores de una matriz o agregar valores adicionales
usando una referencia a un lugar específico. Por ejemplo:
D (3) = 6; Cambia el tercer valor de la matriz D del valor 4.1 por 6, para quedar
como:
D = [-4,1.5, 6]
Así también logramos extender una matriz definiendo nuevos elementos.

Si ejecutamos el siguiente comando
D (4) = 2.5; La matriz D tendrá cuatro valores en lugar de tres, así D se verá como
D = [-4, 1.5, 6, 2.5];
Ahora si empiece a teclear datos y comandos de los siguientes ejercicios sólo teclea
los vectores no escribas el comentario %
1.- B = [2; 4; 6; 10] % DEFINE UN VECTOR COLUMNA.
2.- C = [5, 3, 5 ; 6, 2, –3 ] % DEFINE UNA MATRIZ 2·3.
3.- E = [3, 5, 10, 0; 0, 0 , ...

0, 3; 3, 9, 9, 8 ] % COMA Y TRES PUNTOS PARA CONTINUAR UNA LINEA.
4.- T = [4, 24, 9]
78
Q = [T, 0, T] % INTERCALA UN VALOR DE CERO ENTRE DOS VECTORES.
5.- V = [C (2, 1); B] % DE LA MATRIZ C SELECCIONA EL VALOR (m, n) Y LO AGREGA AL

VECTOR B.
6.- A (2, 1) = - 3 % CREA UNA MATRIZ LLAMADA A Y LE ASIGNA EL VALOR DE –3 EN

(m, n)
Lee los siguientes comentarios y prueba su validez:
El operador de dos puntos es útil para generar matrices nuevas;
Si se usa un signo de dos puntos para separar dos enteros, el operador de dos puntos
generará todos los enteros entre los dos enteros especificados.
Tecleé:
n = 1 : 10 % Este operador es especialmente útil para generar los índices de

tiempo de un señal de tiempo discreto.
También se usan los signos de dos puntos para separar tres números, el operador de
dos puntos generará valores entre el primer número y el tercero, usando el segundo
número como incremento:
Tecleé:
t = 0.0:0.5:6.0 % Este operador es especialmente útil para generar los índices de

tiempo continuo o un dominio de una función analógica.
El incremento también puede ser negativo
Tecleé:
r = 15:-1:0
En lo sucesivo trate en cada ejemplo donde lo crea adecuado de probar la

autenticidad de los comandos
79
Funciones especiales para generar matrices nuevas.
La función size devuelve dos argumentos escalares que representan el número de

filas y el número de columnas, podemos usar size para generar una matriz de ceros
que tenga el mismo tamaño que la otra matriz ejemplo:
Tecleé
W = [ 4, 3, 2; 4, 6, 3 ];
F= zeros(size ( W ) )
La función ones genera una matriz que sólo contiene unos.
Tecleé
C= [1, 2, 3; 4, 2, 5];
D = ones(size(C))
Operaciones con escalares, vectores y matrices:

Tecleé el enunciado de asignación siguiente;
a=3;
b=[2,6,4];
c=[4,10, 2];
Los vectores y matrices pueden multiplicarse por un escalar:

Tecleé:
a*b
ans es el nombre dado a la variable donde se almacena el resultado de la

operación previa cuando el usuario no le asigna un nombre.
Un escalar puede sumarse a un vector o matriz:

Tecleé:
a+c
La suma de un escalar a un vector o matriz sólo añade el escalar a cada elemento

del vector o matriz la resta se define de manera similar:
Tecleé:
a-b
80
Los vectores y matrices se suman (o restan) como lo hacemos en matemáticas, esto
es, los dos vectores o matrices deben tener la misma forma para sumarse o restarse a
menos que uno de ellos sea un matriz de 1*1, un escalar, como lo vimos antes :
Tecleé:
b+c
c-b
Los vectores y las matrices se multiplican de acuerdo a las reglas del álgebra:
Tecleé:
b*c
Este resultado ilustra un error común en Matlab. Las matrices deben ser
conmensurables para ser multiplicadas utilizando el operador *. La pre multiplicación
de un vector renglón de 1 por 3
como c por un vector renglón de 1 por 3 como b no esta definida. Sin embargo si c
se transpusiera a un vector columna 3 por 1, se definiría la multiplicación. La
transposición se efectúa con el operador ‘.
Tecleé:
c’
b*c’
este es el producto bcT.
Operaciones elemento por elemento:

A menudo es muy útil multiplicar dos vectores o matrices de la misma forma,
elemento por elemento en vez de utilizar las reglas usuales de la multiplicación de
matrices. Ese tipo de multiplicación se denomina multiplicación del arreglo en
Matlab y se lleva a cabo utilizando el operador .*
Las operaciones elemento por elemento, u operaciones de arreglos, no sólo se
aplican a operaciones entre dos matrices del mismo tamaño, sino también a
operaciones entre un escalar y un no escalar.
81
Así pruebe las instrucciones de cada uno de los siguientes juegos de códigos:
Tecleé:
A = [ 4, 3, 2, 4, 6 ];
C = 3.*A
G = A./5
Los vectores resultantes C y G tendrán el mismo tamaño que A.
A fin de ilustrar las operaciones de arreglos para vectores, considere los dos
siguientes vectores fila:
Tecleé:
B = [ -6, 3, -2, 4, 6 ];
Calculemos el producto de arreglos de A y B usando las siguientes instrucciones:
Tecleé:
L = A.*B
El comando de división de arreglos,
Tecleé:
F=A./B
Asimismo la exponenciación de arreglos también es una operación elemento por

elemento ejemplos;
Tecleé:
Z = A.^2
M = A.^B
También podemos usar una base escalar con un exponente vector como:
P= 3.^A
Los ejemplos anteriores utilizaron vectores, pero las mismas reglas se aplican a
matrices con filas y columnas, como lo podrás constatar declarando la matriz ‘d’
ejecutando las operaciones indicadas:
d= [ 1:6; -1:-1:-6 ];
f=d.*6
w=d.^2
82
GRAFICA X vs. Y: Gráficas x vs. y sencillas. Suponga que queremos graficar los
siguientes datos recabados de un experimento con un modelo de coche de control
remoto. El experimento se repite 10 veces, midiendo la distancia que un móvil
recorre en cada ensayo.
(x) “Ensayo”(y) “Distancia”

1 58.5
2 63.8
3 64.2
4 67.3
5 71.5
6 88.3
7 90.1
8 90.6
9 89.5
10 90.4
Pruebe generar esta gráfica: creando un vector llamado x con los datos de la
columna “Ensayo”, y un vector llamado y con los datos de la columna “Distancia”
y enseguida teclee:
plot (x, y), grid y de enter
Se genera automáticamente la gráfica.
“Una manera elegante de presentar una gráfica exige la inclusión de unidades y un

titulo”
Por lo tanto en el código anterior incluya los siguientes comandos:
plot(x,y), title (‘Gráfica de experimento’), xlabel ( ‘Ensayo’), ylabel (‘Distancia’), grid
Si se agrega un tercer argumento en el comando plot éste controla el color y el

estilo de la gráfica. Es una cadena la que determina el color de la línea, estilo de la
misma y los símbolos (si los hay ) utilizado para los puntos de marca, por tanto intente
dar elegancia a su grafica anterior agregando al comando plot:
plot (x,y,’ro’), grid
83
LISTA DE CARACTERES
COLOR MARCADOR ESTILO DE LINEA
y amarillo . punto -continua
m magenta o circulo :punteada
c cyan x marca x -.guión-punto
r rojo + más --guionada
g verde * asterisco
b azul s cuadrado
w blanco d diamante
k negro v triangulo(hacia abajo)
^ triangulo (hacia arriba)
Los archivos .m o archivos .M

Este tipo de archivo es de lo más importante que se puede generar por el usuario
en MATLAB, es un archivo que ejecuta las instrucciones programadas en él, y que
pueden convertirse en un comando de Matlab.
Ahora tú crearas un archivo.m
Desde la ventana de Matlab selecciona new, M-file

Aparecerá un blok de notas dentro de él, declara las siguientes variables:
Tecleé:
t =[0:0.001:2];
m = 2;
y = m .*t;
plot(t, y, 'r', ‘linewidth’,4),grid
Después guarda este código en el mismo blok de notas en la parte superior (file
save en el drive a: pendiente.m si es el caso ) con el nombre pendiente.m, esté
nombre de archivo se convierte en un comando de Matlab con el nombre
pendiente.
Ejecútalo llamándolo sólo con su nombre “pendiente” desde la pantalla de

comandos sin la extensión.m (antes de llamarlo recuerda cambiarte de directorio
del C: al a: con la instrucción cd a : si es el caso) .
Este archivo .m puedes llevarlo a otra computadora que tenga el programa Matlab
y ejecutarlo .
GRÁFICAS LINEALES Y LOGARÍTMICAS: La mayor parte de las gráficas que

generamos dan por hecho que los ejes x vs. y se dividen en intervalos
84
equiespaciados; estas gráficas se llaman gráficas lineales. Una escala logarítmica
(de base 10) es útil cuando una variable abarca varios órdenes de magnitud.
Los comandos MATLAB para generar gráficas lineales y logarítmicas de los vectores x
y y son los siguientes
plot (x,y) Genera una gráfica lineal con los valores de x y y.

semilogx (x,y) Genera una gráfica de los valores de x y y usando una escala
logarítmica para x y una escala lineal para y.
semilogy (x,y) Genera una gráfica de los valores de x y y usando una escala
lineal para x y una escala logarítmica para y.
loglog (x,y) Genera una gráfica de los valores de x y y usando escalas logarítmicas
tanto para x como para y.
Más adelante se verá como utilizar estos comandos (Actividades 3.1, primera parte
código No.2)
GRÁFICAS MÚLTIPLES: Una forma sencilla de generar curvas múltiples en la misma

gráfica es usar múltiples argumentos en un comando de graficación, como en:
Plot (x, t, y ,t) Al ejecutarse este programa, se traza la curva correspondiente a x

versus t, y luego se traza en la misma grafica la curva correspondiente y versus t.
Más adelante se verá como utilizar estos comandos (Actividades 3.1, primera
parte código 3).
SUBGRÁFICAS: El comando subplot permite dividir la ventana de gráficos en

subventanas. Las posibles divisiones pueden ser dos subventanas o cuatro
subventanas o incluso 8 ventanas en una hoja. Los argumentos del comando subplot
son tres enteros: (m, n, p). Los dígitos m y n especifican que la ventana de gráficos se
divida en una retícula de m por n ventanas más pequeñas, y el digito p especifica la
p-ésima ventana para la gráfica actual ( donde se ubica esta grafica) . Las ventanas
se numeran de izquierda a derecha y de arriba abajo.
Por ejemplo el siguiente comando subplot(2,1,1), plot(x,y) especifica que la
ventana de gráficos se divida en una grafica superior y una inferior ( dos líneas de
graficas en una columna ) y que la grafica actual plot(x,y) se coloque en la
ventana superior.
En la actividades 3.1 el código no.2 contiene un juego de instrucciones que genera
cuatro gráficas que ilustran la función del comando subplot empleando escalas
lineales y logarítmica.
85
3.2. Señales definidas por intervalos
Una señal que varia en forma caprichosa se puede representar analíticamente en
términos de señales simples definidas sobre intervalos.
Una representación de una señal en un intervalo tiene dos aspectos:

a) Un pulso rectangular se modela en el intervalo sobre el cual se describe
una porción de la señal.
b) Una representación de la señal mediante algún modelo deterministico
para ese intervalo.
3.2.1. Procedimiento para representar una señal por intervalos
1ero.- Divida la señal en intervalos de tal forma que tenga una representación simple
de cada intervalo mediante un modelo matematico conocido de una señal
deterministica (recordando que éstas se conoce su modelo paatodo tiempo).
2da.- Escriba la función pulso unitaria escalada y desplazada de la forma

⎛t −b⎞ ε ε
rect ⎜ ⎟ = {1, b− ≤t ≤b+
⎝ ε ⎠ 2 2
{0, en otro tiempo
para cada intervalo. Ésta función vale 1 en el intervalo de interés y 0 en el resto.
3ra.- Desarrolle una representación analítica de la señal en cada intervalo,

multiplique esta representación por la función pulso adecuado.
4ta,. Sume las representaciones para cada intervalo con el fin de formar el modelo
completo de la señal.
Función Pulso Unitario desplazado
La siguiente ecuación es la representación de una función pulso unitaria desplazada

“b” unidades en el tiempo y con un factor de escala “ ε ”.
ε ε
b− ≤t ≤b+
1, 2 2
⎛t −b⎞
rect ⎜ ⎟=
⎝ ε ⎠ 0, en otro tiempo
86
x(t)
El
1
e
t
ε b ε
b− b+
2 2
Código para generar la función pulso rectangular

escalado y desplazado:
b=6;
e=4;
t1=[-6:0.001:b-e/2];
t2=[b-e/2:0.001:b+e/2];
t3=[b+e/2:0.001:2*b];
t=[t1,t2,t3];
x1=zeros(size(t1));
x2=ones(size(t2));
x3=zeros(size(t3));
x=[x1,x2,x3];
Fig. 3.2 Pulso rectangular escalado y desplazado.
87
Ejemplo 3.1
Encontrar la representación analítica de la siguiente señal.
1
0.5
Fig. 3.3 Señal de tiempo

0 continúo definida por
intervalos.
-0.5
-10 -5 0 5 10 15 20 25 30
Paso 1: dividir en intervalos
I1 : -10 ≤ t ≤ 0
I2 : 0 ≤ t ≤ 10
I3 : 10 ≤ t ≤ 30
Paso 2: función pulso para cada intervalo
⎛t +5⎞ ⎛t −5⎞ ⎛ t − 20 ⎞
rect ⎜ ⎟ rect ⎜ ⎟ rect ⎜ ⎟
I1 : ⎝ 10 ⎠ I2 : ⎝ 10 ⎠ I3 : ⎝ 20 ⎠
Paso 3:
a) Representación analítica de la señal para cada intervalo
para I1 : constante
I1 : x(t) = 0.5
1.5
para I2 : línea recta: y(x) = mx + b pendiente m =− = – 0.15
10
cruce con el eje x(t) b=1
I2 : x(t) = – 0.15t + 1
para I3 : función de crecimiento exponencial: y(t) = A(1 – e −αt )

1 1
con τ = 3, α = = = 0.333 , A = 0.5, desplazamiento de 10 unidades a la derecha
τ 3
I3 : x(t) = 0.5 [1 – e −0.333(t −10) ]
88
Multiplicación de las representaciones analíticas por la función pulso para cada
intervalo
⎛t +5⎞
rect ⎜ ⎟
I1 : 0.5 * ⎝ 10 ⎠
I2 : (– 0.15t + 1) * rect ⎛⎜ t − 5 ⎞⎟
⎝ 10 ⎠
I3 : (0.5 [1 – e −0.33(t −10) ]) * rect ⎛⎜ t − 20 ⎞⎟

⎝ 20 ⎠
Fig. 3.4 Señal de tiempo continúo definida por intervalos.
Código en Matlab
t1=[-10:.001:0]; %intervalo de tiempo donde la señal es constante 0.5
t2=[0:.001:10]; %intervalo de tiempo donde la señal es una pendiente
negativa
t3=[10:.001:30]; % intervalo de tiempo donde la señal inica un crecimiento
exponencial con una tau de valor 2.
t=[t1,t2,t3]; % intervalo total de tiempo.
x1=0.5*ones(size(t1)); %vector de amplitud de la parte de valor constante
x2=-0.15*t2+1; % vector de la pendiente negativa que cruza el eje en 1.
x3=0.5*(1-exp(-0.333*(t3-10)));%vector de crecimiento exponencial desplazado t=10.
x=[x1,x2,x3]; % suma de vectores de amplitude.
plot(t,x,'b','linewidth',2),grid % commando de graficacion.
89
Paso 4: Suma de las representaciones de cada intervalo para obtener el modelo
matemático de la señal complicada:
⎛t +5⎞ ⎛t −5⎞ ⎛ t − 20 ⎞
rect ⎜ ⎟ rect ⎜ ⎟ rect ⎜ ⎟
x(t) = 0.5 * ⎝ 10 ⎠ + (– 0.15t + 1) * ⎝ 10 ⎠ + (0.5 [1 – e −0.333(t −10) ]) * ⎝ 20 ⎠
3.3 Bucle for
90
Como ejercicio para el alumno se sugiere la actividad 3.1
Intenta crear una grafica usando el ciclo for

Teleé
t=[-1:.005:1];
f=1;
w0=2*pi*f;
x=1.5*ones(size(t));
for i=1:100;
x=x+((-1)^(i+1))*(1/i)*sin(i*w0.*t);
end
plot(t,x,'r','linewidth',2), grid
Una más
t=[-2:0.001:2];
x=0.25*ones(size(t));
for m=1:2:99
x=x+(-1)^((m-1)/2)*1/(m*pi)*exp(i*m*pi*t);
end
Saca tus conclusions
Como ejercicio para el alumno se sugiere la actividad 3.2

3.2 Obtener el modelo matemático de la siguiente señal por intervalos.
91
3.3 Los siguientes comandos produciran una grafica de la función f(t)=(i+t)^2 en 3D
corre el programa comenta cada una de las líneas.
Código Matlab:
>> T=[0:0.001:10];
>> R=real((i+T).^2);
>> I=imag((i+T).^2);
>> plot3(T,R,I,'--r'),grid,xlabel('Tiempo'),ylabel('Real'),zlabel('Imagiario')
Nicolás Copérnico
(1473-1543)
El polonés Nicolás Copérnico, nació en Torún ( hoy Toru), Polonia, el 19 de Febrero de

1473, en el seno de una familia económicamente acomodada, el hermano de su
madre, un rico comerciante financió todos los gastos de sus estudios en las mejores
universidades de Europa. Siendo muy joven cursó sus primeros años en la Universidad
de Cracovia, este centro universitario ofrecía las mejores opciones para adentrarse
en el mundo de los astros. La astrología era una disciplina dedicada a la
interpretación del oráculo, a partir de Nicolás Copérnico se inicia la transición hacia
la astronomía.
Cuando Copérnico inició sus estudios en la principal Universidad de la capital

polonesa cursando una carrera del campo del área humanística humanidades,
posteriormente se traslado a Italia para continuar sus estudios en el campo de la
medicina y las leyes. De igual forma Copérnico se interesó por el estudio del derecho
canónico en la Universidad de Bolongnia. Se dice que es en esta ciudad en donde
su vocación por el derecho canónico sufrió un giro de ciento ochenta grados.
Buscando alojamiento se encontró con un personaje que años más tarde sería el
92
responsable de su predilección por las ciencias naturales, analizadas a la luz con el
apoyo de las matemáticas aplicadas. Este personaje se conoce con el nombre de
Domenico Maria de Novara. El destino le tenía preparado a Copérnico todo un
escenario para involucrarse en la tesis heliocéntrica de Aristarco de Samos.
Contrariamente a este supuesto se encontraba la tesis de Claudio Ptolomeo, el cual
afirmaba que todo gravitaba en forma armónica teniendo como centro a la tierra.
Para fortuna de Copérnico el profesor que le permitió un sitio para hospedarse
resultó ser un recalcitrante crítico de la tesis geocéntrica.
Nicolás Copérnico es considerado como un hombre de ciencia
exageradamente modesto, al grado tal que jamás aceptó reconocimientos y
condecoraciones a su trabajo. Para él el reconocimiento lo separaba más de su
labor que fortalecer su relación de investigador.
El 9 de marzo de 1497 Copérnico junto con su anfitrión observaron un eclipse lunar,
este acontecimiento tuvo de fondo la posibilidad de estudiar los fenómenos
astronómicos junto con la incipiente ciencia, la Geografía.
Era el año1502. El joven profesor de astronomía de la Universidad de Roma, hizo una
breve pausa en su lección sobre el plan del universo. De todos los países civilizados
del mundo arribaron sus discípulos para oír las lecciones de Copérnico sobre las
estrellas y los planetas. Continuó haciendo su exposición del sistema tolemaico: “ La
tierra es el centro del universo”, el sol, la luna y los cinco planetas son satélites que
giran diariamente en torno a nuestra majestuosa tierra en un círculo perfecto. Más
allá se encuentran las estrellas fijas, que todo lo rodean. Estás son las verdades
fundamentales que escribió el gran Claudio Tolomeo hace más de mil quinientos
años y que son evidentes para los sentidos. Un joven de ojos brillantes hizo una
pregunta, “Distinguido Profesor”, ¿no disputó esto el antiguo filósofo griego Pitágoras,
diciendo que no es la tierra la que se encuentra en el centro del universo, sino el Sol?
Copérnico estaba a punto de responder, como lo hizo muchas veces, que el gran
Aristóteles refutó categóricamente a Pitágoras y que siendo el hombre la obra
maestra de Dios, la tierra que habitaba debería estar al centro del Universo. Esta vez
sin embargo, Copérnico tenía tan poca fe en su acostumbrada respuesta que dio
por terminada la clase y salió bruscamente de la sala, después de tres años de
dedicarse a la enseñanza, resolvió renunciar. Como no deseaba enseñar lo que él
mismo dudaba, decidió volver a su casa, en Frauenburg, que entonces era parte de
Polonia, para dedicarse a determinar para su satisfacción si Tolomeo y los
distinguidos profesores del siglo XVI tenían razón o estaban equivocados.
En 1497 retornó a Polonia y aceptó el puesto de canónigo de la catedral de
Frauenburg, lo cual le aseguraba vitaliciamente una posición acomodada. La
ciudad de Frauenburg se benefició bastante del talento de Copérnico, ya que el
canónigo había planeado la construcción de cierta máquina hidráulica que facilitó
el suministro del agua para la población.
Según la tradición, el primer ejemplar impreso de su obra llegó a las manos de
Copérnico el último día de su vida. Falleció el 24 de Mayo de 1543 en Frauenburg.
93
Copérnico ideó un nuevo sistema que contradecía el formulado por el
astrónomo alejandrino del siglo II Claudio Tolomeo, apoyado por Aristóteles y
aceptado por la iglesia, que se basaba en ciertas referencias bíblicas. La teoría
geocéntrica de Tolomeo, explicaba los movimientos celestes mediante complejos
recorridos llamados epiciclos. Al desechar el sistema astronómico que concebía a al
tierra como centro del universo y colocar en ese lugar al sol, Copérnico dio inicio a
una revolución no sólo de la astronomía, sino de toda la ciencia.
Copérnico vivió en el palacio episcopal de su tío en Lidzbark Warminski entre
1503 y 1510, y trabajó en la administración de la diócesis y en las actividades contra
los caballeros de la Orden Teutónica. Allí publicó su primer libro, una traducción del
latín de cartas de ética de un autor bizantino del siglo VII, Teofilatos de Simocata.
Entre 1507 y 1515 escribió un tratado breve de astronomía, De hypothesibus motuum
coelestium a se constitutis commentariolus (más conocido como el Commentariolus),
que no se publicaría hasta el siglo XIX. En esta obra sentó las bases de su nueva
astronomía de concepción heliocéntrica.
Después de su traslado a Frauenburgo, en 1512, Copérnico tomó parte en la
comisión del quinto Concilio Laterano para la reforma del calendario (1515); escribió
un tratado sobre el dinero (1517) y empezó a trabajar en su obra principal, De
revolutionibus orbium caelestium (Sobre las revoluciones de los cuerpos celestes),
que culminó en 1530 y fue publicada el 24 de mayo de 1543, poco antes de su
muerte, por un editor luterano en Nuremberg, Alemania.
Una de las aportaciones del sistema de Copérnico era el nuevo orden de
alineación de los planetas según sus periodos de rotación. A diferencia de la teoría
de Tolomeo, Copérnico vio que cuanto mayor era el radio de la órbita de un
planeta, más tiempo tardaba en dar una vuelta completa alrededor del Sol. Pero en
el siglo XVI, la idea de que la Tierra se movía no era fácil de aceptar y, aunque parte
de su teoría fue admitida, la base principal fue rechazada.
A solicitud del Papa la comisión del quinto Concilio Laterano para la reforma del
calendario 1515, aconsejó algunas reformas prácticas para hacer más preciso el
calendario, decía: Copérnico fue el primero en descubrir la duración exacta del
año”. Autoridades posteriores encontraron que sus cálculos de longitud del año
tenían un error de sólo veintiocho segundos.
Usando fórmulas matemáticas y su teoría del movimiento de los planetas,
predijo las posiciones de los planetas Marte, Saturno, Júpiter y Venus. Luego
explorando ansiosamente el cielo durante varios años para ver si sus cálculos eran
correctos, descubrió con gran alegría que lo eran.
Al fin tenía pruebas para demostrar que la teoría tolemaica, con su falsa explicación
de las variaciones y sus telarañas de confusión e incoherencias que hacían de la
astronomía una ciencia equivocada, era falsa. La teoría que verifico Copérnico
ponía al sol en el centro del universo, la tierra y los otros planetas giraban alrededor
de él, y las estrellas lo rodeaban todo en el cielo infinito. Sabía que la tierra gira
también sobre su propio eje, lo cual daba el día y la noche. Dichos movimientos
siguen las infalibles leyes matemáticas de la naturaleza. Puede predecirse con
94
fórmulas matemáticas la posición de cada planeta en el cielo en cualquier
momento dado, inclusive los eclipses. Copérnico descubrió la verdad, pero el
conseguir que el mundo la aceptara era un proceso lento y peligroso, que se
enfrentaba a antiguas creencias vinculadas con la superstición y el dogma religioso.
Copérnico decidió no publicar sus hallazgos, sin tratar de ganar partidarios entre los
hombres cultos mediante la conversación y discusión. Lo hizo así con éxito limitado.
Martín Lutero lo acusó de ser un necio que quería “volver completamente del revés
el arte de la astronomía”.
95
CAPÍTULO 4. SISTEMAS, su descripción
OBJETIVO:
Que el alumno tenga la capacidad para describir

las propiedades de los sistemas analizando su
representación matematica.
.
ACTIVIDAD PREVIA:
Definir que es un sistema.
Razonar que importancia tiene el operador del sistema.

Observar la construcción de un diagrama de bloques.
Analizar cada una de las propiedades de un sistema: causalidad,
memoria, linealidad, invariancia en el tiempo y estabilidad.
Elaborar un cuadro sintético de las propiedades de los sistemas.

A partir de una ecuación en diferencia o de una ecuación diferencial
determinar un sistema de acuerdo a sus propiedades.
AUTOEVALUACIÓN:
Elaborar la actividad No.4.1 y 4.6 de actividades de autoevaluación
96
Definición
Un sistema es la representación matemática de un proceso físico de tal manera
que una señal de entrada, al propagarse a través de éste se ve transformada
mediante una regla o procedimiento que caracteriza al sistema en una señal de
salida.
4.1. Clasificación
Sistema de tiempo continuo: Un sistema de tiempo continuo se usa para procesar
señales analógicas. En el dominio del tiempo la mayor parte de los sistemas
continuos se pueden describir por medio de ecuaciones diferenciales.
Ejemplo:
dV sal (t )
RC + V (t ) sal = Vent (t )
dt
Sistemas de tiempo discreto: El procesamiento de las señales discretas se realiza en

sistemas de tiempo discreto o filtros digitales. En el dominio del tiempo la mayor parte
de los sistemas discretos se pueden describir por medio de ecuaciones en
diferencias
Ejemplo:
8
y [n ] = x [n ] + y [n − 1]
3
4.2. Definición del operador H

En este libro consideramos un sistema como un modelo matemático de un proceso
físico que relaciona mediante un operador de transformación una señal de
entrada en una señal de salida. El operador de transformación representa alguna
regla, procedimiento, algoritmo o incluso un programa de software que nos muestra
cómo transformar la entrada en una salida del sistema. Esto se representa
matemáticamente así:
y (t ) = H {x (t )}
Lo que nos indica que si una señal x(t) se trata exactamente como el operador H
requiere, obtenemos la función y(t).
En un diagrama de bloques el operador H se representa así:
97
Figura 4.1. Diagrama a bloques
H = operador derivada
Por ejemplo para un sistema de tiempo continuo el cual se caracteriza por el

operador H{ . } = 20 d/dt { . } – 5 indica que para obtener y(t), debemos realizar la
derivación de x(t) multiplicarla por 20 y luego restarle 5 al resultado, esto es :
20 5
Ejemplo 4.1:
Formulemos el operador H del siguiente sistema discreto:
y[n] = 1/5{ x[n] + x[n-1]+ x[n-2] }
Se trata en esencia de un sistema promediador discreto cuya función es suavizar las

fluctuaciones rápidas de los datos de la entrada (o filtro digital pasa bajas).
Consideremos el operador de retardo s k = ( n - k) ; por lo tanto :
H = {1/5 (1 + S + S2)} es el operador del sistema
y[n] = x[n] H =x[n] { 1/5 (1 + S + S2)} =1/3 {x[n]+ S x[n]+ S2x[n]}=
=1/5(x[n] + x [n-1]+ x[n-2])
4.3. Interconexión de sistemas
Diagrama de bloques de sistemas de tiempo continuo
Los diagramas de bloques son útiles para representar sistemas complejos que se
forman por unión de sistemas más simples.
98
Punto de ramificación: Todas las señales que salen del punto de ramificación son
iguales a la señal de entrada a dicho punto
Figura 4.2. Punto de bifurcación, ramificación o punto de distribución
Punto de suma o detector de error: La señal que sale del punto de suma o deteción
es la suma algebraica de todas las señales que entran al mismo, solamente una
señal sale del punto de suma.
Figura 4.3. Punto de suma o detección.
Bloque de producto: la salida es el producto de x[n] por la constante a:
Figura 4.4. Bloque de producto
99
Ejemplo 4.2:
Dibujar los diagramas de bloques de los procesadores descritos por las ecuaciones.
1 2
5
OPCIÓN 1
Fig. 4.5 Diagrama de bloques de un procesador de tiempo discreto
OPCIÓN 2
Fig. 4.6 Diagrama de bloques de un procesador de tiempo discreto.
1 0.8 2
100
Como ejercicio para el alumno se sugiere la actividad 4.1 y 4.2 de las actividades de
autoevaluación.
101
Diagrama de bloques de sistemas de tiempo continúo
Ecuación (1)
4 2 Ecuación (2)
Ecuación (3)
4 8 Ecuación (4)
Primero se eligen como entrada y salida a ya respectivamente
De la ecuación (3) se obtiene a y se produce …
De usa a la ecuación (4) y se produce …
De la ecuación (1) se obtiene y se produce …
De usa a la la ecuación (2) y se obtiene …
Se conectan los bloques y se da el siguiente resultado
Fig. 4.9 Diagrama de bloques de un sistema de tiempo discreto con integradores.
102
Modelos matemáticos de sistemas físicos
“El modelo matemático de un sistema se define como un conjunto de ecuaciones

utilizadas para su representación”
Por ejemplo para los sistemas mecánicos utilizamos las leyes de Newton, la
segunda ley de este establece que “Si una fuerza f se aplica a un cuerpo de masa
m, este se moverá con una aceleración a proporcional a la fuerza aplicada”, dicha
ecuación se escribe:
f = ma
Cuando el modelo matemático de un sistema es una ecuación que contiene
razones de cambio con respecto al tiempo el sistema se dice que es dinámico o que
tiene memoria.
Así:
Fig. 4.10 Representacion de un modelo matemático de unsistema mecánico.
103
Por ejemplo este sistema bien podría ser un amortiguador de automóvil, su
representación seria tomando en cuenta la segunda ley de Newton.
d 2x dx d 2x b dx Kx
0 = −M 2 − b − Kx + F (t ) ∴ 2 = − − + F (t )
dt dt dt M dt M
Fig. 4.11 Diagrama de bloques de un sistema mecánico.
d 2 x (t ) dx (t )
F=M + b + Kx (t )
dt 2 dt
104
Ejemplo de un modelo matemático de unsistema eléctrico
vi (t ) = Ri (t ) + vc (t )
dvc (t )
l c (t ) = c
at
dvc (t )
vi (t ) = RC + vc(t )
at
Figura 4.12 Diagrama de bloques de un sistema eléctrico
4.4. Sistemas con y sin memoria
Se dice que un sistema es sin memoria (o estático) si la salida para cualquier valor t
o n en un tiempo dado depende solamente de la entrada en ese mismo tiempo, de
otra manera se dice que el sistema tiene memoria (o dinámico).
Ejemplo 4.3:
El sistema discreto especificado por la relación
y[n] = (2x[n] – x2 [n] )2 es sin memoria, ya que el valor de y[n] en cualquier instante de
tiempo n depende sólo del valor de x[n] en ese mismo instante.
105
Ejemplo 4.4:
Otro ejemplo de sistema sin memoria es una red eléctrica que contiene un resistor
con x(t) como la corriente que pasa a través de éste como la entrada y un voltaje
tomado a través de las terminales del mismo llamado y ( t ) que se toma como
salida.
La relación entrada-salida esta dada por la ley de Ohm: y(t) = R x(t)
“la tensión en los bornes de la resistencia depende de la corriente que circula en

este tiempo a través de la misma multiplicada por una constante “
Figura 4.13. Circuito resistivo.
Por otra parte un sistema con memoria es aquel donde la salida depende de la
entrada actual y de la entrada pasada o futura.
Ejemplo 4.5
Un sistema con memoria es un circuito capacitor C, con la corriente de entrada
como x ( t ), y voltaje de salida y ( t ), donde
t
y (t ) = 1 / C ∫ x (τ ) d τ
−∞
Figura 4.14. Circuito Capacitivo
Se dice que el voltaje en el capacitor almacena carga de los valores de corriente

en instantes diferentes de tiempo actual, la memoria de un capacitor se extiende
hasta el pasado infinito.
Ejemplo 4.6:
El sistema retardador y[n]= x[n - k] es con memoria, a menos que k = 0.
Ejemplo 4.7:
El sistema premediador :
106
y[n] = 1/3(x[n] + x[n-1]+ x[n-2]), también es con memoria a menos que S y S2 sean
iguales a cero.
Ejemplo 4.8
Un sistema acumulador o sumador definido por
n
∑ x[k ]
Y[n] = k =−∞
es un sistema con memoria.
Este sistema debe almacenar información acerca de entradas pasadas, el

acumulador calcula la suma consecutiva de todas las entradas hasta el momento
actual, y entonces, en cada instante de tiempo, el acumulador debe agregar el
valor de la entrada actual al valor precedente de la suma consecutiva.
4.5. Causalidad
Un sistema es causal si su salida en cualquier instante de tiempo (valor presente)
depende sólo de los valores de la entrada en el momento presente y en el pasado.
A menudo a estos sistemas se les denomina no anticipativos, ya que la salida de este
sistema no anticipa valores futuros de la entrada. Un sistema causal no puede
responder antes de que se conozca la señal de entrada.
Ejemplo 4.9:
El sistema retardador H {x[n]}= x[ n-1], realiza un retardo de una muestra sobre la
señal de entrada.
La salida depende únicamente del valor anterior. El sistema es causal.
Ejemplo 4.10:
El sistema H {x[n]}=x[n +1], realiza un adelanto de una muestra sobre la señal de
entrada.
La salida depende de un valor futuro. El sistema es no causal.
Por otra parte también el sistema acumulador, el retardador, el sistema del

capacitor , vistos anteriormente son ejemplos de sistemas causales.
107
4.6. Linealidad
Operaciones de aditividad y homogenidad:
-Si una operación sobre la suma de dos funciones es equivalente a la suma de

operaciones aplicadas a cada una por separado se dice que el operador es aditivo,
esto es;
H { x1 (t) + x2 (t)} = H{x1 (t)} + H{x2 (t)}
Fig.4.15 Ilustra la operación de aditividad.
Si un operador sobre ax(t) es equivalente a “a” veces la operación lineal sobre x (t)
donde “a “ es un escalar , se dice que el operador será homogéneo, si :
H{ ax (t) } = a H {x (t) }
Fig. 4.16 Ilustra en diagrama de bloques la operación de homogeneidad o

escalamiento.
Juntas las dos operaciones describen el principio de superpocisión .

Un operador H se denomina operador lineal si es tanto aditivo como homogéneo, en
otra palabras.
H {a x1 (t) + b x2 (t)} = a H { x1(t) } + b H{ x2(t) }]
108
Donde a Y b son constantes arbitrarias.
Para un sistema discreto el principio de superposición queda expresado como:
H{ax1[n] +bx2[n] } = a H{x1[n] } + bH{x2[n] }
LA LINEALIDAD IMPLICA SUPERPOCISION:
Si un operador pasa ya sea la prueba aditiva o la prueba de homogeneidad es

lineal. en otras palabras, sólo una prueba aditiva u homogeneidad es suficiente para
confirmar la linealidad.
PROPIEDAD DE LINEALIDAD
Si cumple Que
con implica
Prueba de
H{aX1(t)} = aH{X1(t)}
Homogeneidad
¿El sistema es Principio de
Lineal? Superposición
Prueba de H{ X1(t) + X2(t)} =
Aditividad H{ X1(t) + H{ X2(t)}
Ejemplo 4.12
El operador de integración ∞
¿Es Lineal?
Por Aditividad:
Hx t x t
∞ ∞ ∞
Por lo tanto el operador integral es lineal
Ejemplos 4.13
El operador segunda derivada ¿Es Lineal?
109
Por Homogeneidad:
Por lo tanto el operador segunda derivada es lineal
El operador seno ¿Es Lineal?

Por Aditividad:
sen x t x t sen x t sen x t
Por lo tanto el operador seno es no lineal
El operador logaritmo ¿Es lineal?

Por Homogeneidad:
log log
Por lo tanto el operador log es no lineal
El operador cuadrático ¿Es lineal?

Por Homogeneidad:
Por lo tanto el operador cuadrático es no lineal
El operador término independiente ¿Es lineal?

Por Homogeneidad:
H ax t ax t b
aH x t ax t b ax t ab
ax t b ax t ab
Por lo tanto el operador término independiente es no lineal
110
Ejemplo 4.14:
Un sistema en tiempo discreto denominado sistema acumulador definido por la
ecuación de entrada-salida:
n
s[n] = ∑ E[k ]
k = −∞
Donde la salida en el instante de muestreo n es la suma de la muestra presente y
todas las demás muestras anteriores de la entrada.
El sistema acumulador es un sistema lineal, para demostrarlo, tenemos que verificar

que satisface el principio de superposición para cualquier entrada, no solo para un
conjunto de entradas especificas. Comenzaremos por definir dos entradas arbitrarias
x1[n] y x2[n] y sus correspondientes salidas
n n
s1 [n] = ∑ E1[k ]
k = −∞
s2 [n] = ∑ E2[k ]
k =−∞
Cuando la entrada es E3[n] = aE1[n] + bE2[n] el principio de superposición requiere
que la salida sea S3[n] = aS1[n] +bS2[n]. Para todas las selecciones posibles de los
coeficientes a y b, podemos demostrar
s 3 [n ] = ∑ E 3[k ] = ∑ [a E 1 [k ] + b E 2 [k ]] =
n n
k = −∞ k = −∞
n n
= a ∑ E 1
[k ] + b ∑ E 2
[k ]
k = −∞ k = −∞
Por lo tanto el sistema acumulador satisface el principio de superposición para todas

las entradas y es por consiguiente un sistema lineal.
4.7. Sistemas invariantes en el tiempo
La invariancia en el tiempo implica que la forma de la respuesta depende solo de la

entrada y no del tiempo en que se aplica. Si la entrada se desplaza a x (t - α), la
respuesta es igual a y (t - α), y esta desplazada por la misma cantidad de tiempo, tal
111
sistema se denomina invariante con el tiempo también se le conoce como
estacionario o fijo.
Formalmente un sistema invariante en el tiempo requiere:
H {x (t)} = y (t) entonces H{x(t - α)}=y(t - α)
Fig. 4 17 diagrama de boloques : « la salida es la misma si el retardo es colocado en

la entrada o en la salida ».
El siguiente ejemplo Ilustra la propiedad de invariancia en el tiempo para una

operacion de escalamiento de amplitud y despus para la operacion de
escalamiento de tiempo.
Está operación establece que si la señal se desplaza x(t − t o ) la señal de salida se
desplaza por la misma cantidad de tiempo que la entrada, esto es y (t − t o )
Formalmente H {x(t )} = y (t ) entonces H {x(t − t o )} = y(t − t o )
H {2 x (t )}
Fig. 4.18 ( izquierda ) señal original. (derecha) escalada en amplitud. Ver que los
índices de tiempo no se movieron.
112
Fig. 4.19 Señal transformada escalada en amplitud y retardada des unidades de
tiempo.
Son iguales ∴
el operador H,
Escalamiento
de amplitud es
invariante al
tiempo
H {2 x (t )}
Fig. 4.20 (izquierda) señal retardada dos unidades de tiempo. (derecha) escalada
en amplitud. El resultado de la transformación resulta idéntico si primero se escalo y
en seguida se retarde o primero se retarda y luego se escala. Por lo que se concluye
que la operación de escalamiento de amplitud es una operación invariante con el
tiempo.
113
Analicemos ahora lo que sucede con la operación de ecalamiento de tiempo:
H {x (2t )}
Fig. 4.21 (izquierda) señal original (señal de la derecha) la señal escalada en tiempo.
Fig. 4.22 La señal escalada en tiempo y retardada dos unidades de tiempo.
No son iguales ∴ el
operador H,
Escalamiento en tiempo
es variante en el tiempo,
o no invariante
H {x (2t )}
Fig. 4.23 la señal de la (izquierda) retardada dos unidades de tiempo (derecha) la

señal escalada. La señal que resulta de las operaciones no son iguales poe lo tanto
se dice que la operación de escalamiento de tiempo no es una operación
invariante.
114
Formalmente la operqcion de escalamiento
y(t ) = H {x(t )} = tx(t )
i ) H {x(t − t o )} = tx(t − t o )
y (t ) = tx(t )
ii ) y (t − t o ) = (t − t o ) x(t − t o )
i) e ii) no son iguales dicha operacion
no es invariante en el tiempo.
Ejemplo 4.15:
Sea un sistema cuya representación se expresa a través de : y(t) = t x(t) o
y(t)= H { } = t { } .
Por homogeneidad:
A H { x (t) }= H { A x (t)}
AH { x(t) }= A { t x(t) },
H {A x(t) }= t {A x(t) } por tanto el sistema es lineal
Ahora probemos la propiedad de invariancia en el tiempo: o sea la condición:

H { x(t - α)}= y(t - α)
i) H { x(t - α) }= t { x(t - α ) }
ii) de y(t) = t x(t)

y(t - α ) = (t - α ) x(t - α ) ; por lo tanto t { x(t - t0 ) } ≠ (t- α ) x(t - α ) ;
Como se ve los dos términos de lado derecho de estas dos ecuaciones no son
iguales por lo que el sistema es no invariante o también se dice que el sistema es
variante en tiempo.
Ejemplo 4.16
Sea un dispositivo electrónico que se caracteriza por que su resistividad varía con el
tiempo debido a cambios de temperatura. Sea q(t) la resisistividad expresada como
función del tiempo x(t) la señal de entrada asociada con la caída de tensión entre
sus terminales y y(t) la señal de salida asociada con la corriente por el dispositivo en
cuestión.
Tenemos la siguiente relación entrada- salida:
y(t) = H{x(t)}=x(t)/q(t);
115
Probemos el principio de invariancia en el tiempo, de la condición: H {x(t - α)}=y(t -
α)
a) H {x(t-α)}=x(t-α)/q(t)
b)y(t)=x(t)/q(t)
y(t - α)= x(t- α)/q(t- α)
por lo tanto el dispositivo no es invariante en el tiempo o varia con en tiempo.
En resumen
-Los sistemas LTI se pueden representar por medio de ecuaciones diferenciales para
sistemas de tiempo continuo y por ecuaciones en diferencia para sistemas de
tiempo discreto.
Para probar la linealidad o la invariancia de dichos sistemas se pueden aplicar las
pruebas antes descritas (homogeneidad, aditividad, e invariancia) a cada término
de la ecuación o reconocer operaciones no lineales o variantes en el tiempo en
cada termino de las ecuaciones.
Podemos generalizar los resultados de los ejemplos antes vistos :
En cuanto a la linealidad o no linealidad de un sistema:
“Los términos que contienen productos de entradas (x(t)x(t)) y/O salidas (y(t)y(t)),
confieren no linealidad a un sistema de ecuaciones, un termino constante hace
también no lineal a una ecuación que representa un sistema”
En cuanto a la invariancia o variancia en el tiempo:
“Los términos de la entrada o la salida que son funciones explicitas de n O t hacen

variante en el tiempo una ecuación, las entradas y las salidas escaladas en el
tiempo también confieren varianza en el tiempo a la ecuación”.
.
En cuanto a si un sistema es dinámico:
“Es dinámico o con memoria si el sistema se caracteriza por ecuaciones diferenciales

o en diferencia lo que implica almacenamiento de energía”.
En cuanto si es no causal:
116
“Un sistema es no causal si los términos de la salida tienen la forma y( t ) y cualquier
término contiene x( t+α), con α >0”
EJEMPLOS
y (n) - 2 n y (n-1) = x (n) L, V, D y C
y’’(t) – 2 t y’(t) = x(t) L, V, D y C
Comentarios: lineal por que ningún término es no lineal, variante por que el segundo
termino de la izquierda de la ecuación esta en función del tiempo bien se dice que
el tiempo esta explicito en la expresión, dinámico o con memoria por un termino esta
retrasado y en el otro caso el sistema de tiempo continuo esta representado por una
ecuación diferencial, Causal por que no contiene términos con adelantos.
y’(t) + 2y2(t) = 2x’(t) –x(t) NL , INV, D y C
y (n) + 2 y2(n) = 2x(n)-x(n-1) NL , INV, D y C
y(n) –2y (n-1) =2x[n] x (n) NL , I ,D y C
y’(t) – 2y(t) = expx(t) x(t) NL , I ,D y C
y(n-1) - 4y(n)y(2n) = x(n) NL, V, D y C

y’(t) - 4y(t)y(2t) = x(t NL, V, D y C
El segundo término de la izquierda contiene productos de la salida por tanto es no

lineal y
Ese mismo término esta escalado en el tiempo por tanto es un término variante con
el tiempo.
y’(t) - 2 y (t) = 4 x( LTI, D y C

y(n) - 2 y (n-1) =4 x(n) LTI, D y C
117
4.8. Propiedad de estabilidad
Un sistema es estable cuando para cualquier entrada acotada la salida está

acotada un sistema que cumple esta condición se denomina BIBO estable.
Para sistemas de tiempo continuo:

Si x(t) < ∞ para todo t → |y(t)| < ∞ para todo t.
Para sistemas de tiempo discreto:

Si |x[n]| < ∞ para toda n → |y[n]| < ∞ para toda n.
El acumulador es un sistema descrito por:
n
S [n ] = H {E [n] } = ∑ E[n] .
k = −∞
Este sistema es inestable, para comprobarlo, basta aplicar una señal acotada y
verificar que la salida no esta acotada. Elegimos como señal de entrada el escalón
E[n] = u[n].
“Se dice que una señal E[n] está acotada si su módulo está limitado en magnitud lo
que se ve por:
|u[n]|=1
y buscamos una muestra, vemos que en el índice de tiempo n de valor infinito la

salida del sistema no está acotada, como a continuación se expresa:
=
∞ ∞
S[∞] = ∑u[n] = ∑1 = ∞
k=−∞ K =0
Por lo tanto es un sistema inestable, su modulo no esta acotado en el tiempo infinito.
118
Ejemplos
Dibuje el diagrama de bloques para el procesador representado por la siguiente

ecuación en diferencias:
y [n ] = x[n ] − 0.25 x[n − 2] + 0.5 y [n − 1]
Analice el diagrama de bloques de la figura y formule la relación entre y [n] , x[n] .
119
Leonardo da Vinci
(1452-1519)
Nacio el 15 de Abril de 1452 en Vinci región de Toscana (Italia), Artista florentino,
famoso como pintor, escultor, arquitecto, ingeniero, inventor, científico y humanista
y uno de los grandes maestros del renacimiento. Su profundo amor por el
conocimiento y la investigación fue la clave tanto de su comportamiento artístico
como científico.
Fue hijo ilegitimo de un notario, Piero de Antonio de Vinci y de una campesina
llamada Catalina que, posteriormente contraería matrimonio con persona distinta al
padre de su hijo, paso toda su infancia en la casa paterna la familia se traslado a
Florencia alrededor de 1469, año en que el artista está ya documentado en el taller
de Andrea del Verrocchio, junto a futuros grandes pintores, como Botticelli, Perugino,
Ghirlandaio, etc.
En 1472 costa ya como miembro del gremio de pintores, aunque continúa
trabajando en el taller de su maestro hasta1476. Allí pinta según Vasari, la figura de
un Angel en el bautismo de Cristo del Verrochio. No obstante, su primer obra cierta
es un dibujo de 1473, Paisaje.
En sus obras de este primer periodo pueden apreciarse ya sus incipientes muestras
de talento, buen ejemplo de este es el ángel realizado por Leonardo para la obra de
Verrocchio “El bautismo de Cristo (c. 1470, Uffizi, Florencia) ” al que siguieron dos
anunciaciones, la “Madona del Clavel” y el “retrato de Ginebra Benci”.
El primer período de la obra de Leonardo se desarrolla en Florencia, desde la salida
del taller de Verrochio en 1482, de esta época juvenil son el Retrato de Ginebra dei
Venci 1474-1476, Anunciación 1478. Muerte en la horca de Bernardo di Bandino
Baroncelli, asesino de Giuliano de Medicis 1479. San Jeronimo 1480. Y la tabla
contratada para la iglesia de San Donato de Scopeto, que nunca llegaría a
acabar, se trata de “ adoración de los magos ”1481, donde, además de una
renovación total de la iconografia , emplea fórmulas nuevas que habían de ser
imitadas continuamente. En 1480 se emancipó de sus padres y entró al servicio de
Lorenzo de Medicis, el Magnífico.
120
El 25 de abril de 1483 contrató , en colaboración con otros dos pintores La virgen de
las rocas”, uno de los mas altos ejemplos de la co composición cerrada renacentista
y del esfumado Leonardesco.
En Milán realizo seis obras pictóricas entre las que se encuentran el “ retrato de
Cecilia Galerani”, “La dama del armiño”, “La virgen de las rocas” y “La ultima cena”,
mural que pinto para el refectorio de la iglesia de Santa Maria delle Grazie. También
se encargo de un proyecto escultórico grandioso, que quedo sin realizar: el
monumento ecuestre a Francisco Sforza fundador de la dinastía.
Leonardo paso los últimos años de su vida en la localidad francesa de Cloux, cerca
del palacio del rey francisco I en Amboise, allí dibujo los planos para el castillo de
Romorantin
Leonardo de Vinci descubrió la mayoría de la leyes de la aerodinámica más de
cuatrocientos años antes de aue se efectuara el primer vuelo en una máquina más
pesada que el aire, no obstante muchos científicos de nuestros días están dispuestos
a reconocer que Leonardo habría hecho el primer vuelo en un aeroplano si se
hubiera inventado entonces el motor de gasolina.
Durante sus primeros años de aprendizaje, Leonardo empezó a escribir sus famosas
notas. Por alguna razón se desconocida, usó una escritura secreta que inventó el
mismo para anotar sus observaciones, proposiciones y recordatorios. Solo podían
leerse cuando se sostenían ante un espejo. Tal vez esta excentricidad se debió al
hecho de que era zurdo.
En 1503 hubo una guerra encarnizada e indecisa entre las ciudades de Pisa y
Florencia, el ejercito Florentino estaba en las puertas de Pisa y se esperaba un largo y
sangriento asedio. En este punto. La Signoria de Florencia solicitó la ayuda de un
famosísimo pintor. El pintor Leonardo de Vinci, apreciable y humanitario que
voluntariamente dejó de comer carne hacía años, movido por su gran amor hacía
los animales.
La fecunda mente de Leonardo concibió un plan osado que reduciría
permanentemente el poderío de Pisa, la idea era tan sencilla y, sin embargo tan
eficaz , que haría que Pisa perdiera su abastecimiento de agua como su puerto en
el mar. Su plan consistía en desviar de su cauce al río Arno para llevarlo por los dos
canales que desembocarían en Leghorn, el cual se encontraba al sur de Pisa.
Procedió pues, a hacer una presa en el Arno y diseñar una serie de máquinas
novedosas para cavar los canales.
También compraba pájaros para ponerlos en libertad. Muchos observadores creen
que tenia otro propósito: observar su vuelo con el mayor cuidado a fin de dibujar
una máquina voladora para los seres humanos.
Leonardo da Vinci murió el 2 de mayo de 1519 en Cloux Francia.
En realidad descubrió el principio del cambio de velocidades del automóvil uniendo
tres ruedas dentadas de díametro desigual a una rueda giratoria común. Así, vio que
se obtenían al mismo tiempo diferentes velocidades de rotación, de la mecánica
escribió que era “ El paraíso de las ciencias matemáticas porque, por medio de ella,
llega uno a su fruto”.Gracias a esto pudo definir el principio de la “ acción y
121
reacción ”, aplicando los fenómenos aerodinámicos dos cientos años antes de que
Newton propusiera su tercera ley del movimiento.
122
CAPÍTULO 5. SISTEMAS, la convolución
OBJETIVO:
Que el alumno compruebe que hay una

operación en el dominio del tiempo
denominada convolucion que le da la
respuesta de un sistema que esta excitado por
una señal de entrada.
ACTIVIDAD PREVIA:
Explicar mediante un procesador de tiempo

discreto la función que tiene éste cuando
una secuencia se propaga por él, comparar
la entrada con la salida.
Analizar la representación de una señal mediante una suma de impulsos

desplazados y escalados.
Definir la respuesta de un sistema lineal a una entrada impulso..
Desarrollar la Convolución discreta.
Desarrollar la Convolución continua
.
Razonar como se obtiene la respuesta de un sistema lineal mediante la

convolución.
Calcular la salida de un sistema lineal empleando la operación de
convolución.
AUTOEVALUACIÓN:
Elaborar las actividades de autoevaluación..
123
5.1. Representación de una señal mediante una suma de impulsos.
Definamos una señal discreta la que se conoce como la secuencia muestra unitaria
y esta definida así ver fig. 5.1
1 δ [n] = 1, n=0
0.9
0.8 y
0, n≠0
0.7
0.6
0.5
0.4
0.3
0.2
0.1 Fig. 5.1 funcion muestra unitaria.

0
-4 -3 -2 -1 0 1 2 3 4
Código en matlab:
n1=[-4:1:-1];
n2=[0];
n3=[1:1:4];
n=[n1,n2,n3];
x1=zeros.*n1;
x2=1;
x3=zeros.*n3;
x=[x1,x2,x3];
stem(n,x,'linewidth',3),grid
1.- Esta señal se puede retardar ver fig. 5.2
0.9
0.8
0.7
δ [n − 3] = 1, n = 3
0.6
y
0.5
0.4 0, en n ≠ 3
0.3
0.2
0.1
Mtro. -1Juan Gustavo Ruiz5 Barajas y Mtra. Maria Guadalupe Casillas Limon
0
-4 -3 -2 0 1 2 3 4 6
124
Fig. 5.2 muestra unitaria retardada tres instantes de muestreo.
2.- Se puede escalar y retardar ver fig. 5.3
1.8
1.6
1.4
1.2
0.8
2δ [n − 5] = 5, n = 5
0.6
0.4
0.2
y
0
-4 -2 0 2 4 6 8
0, en n ≠ 5
Fig. 5.3 muestra unitaria escalada en amplitud y retardeda.
3.- Es útil para representar cualquier secuencia discreta como una suma de impulsos
desplazados y escalados de manera formal:
∞
x[ n ] = ∑ k = −∞ x[k ]δ [n − k ] (5.1)
Ejemplo 5.1
Sea una secuencia discreta definida x[n] = 2,3, -2, 1 ver la fig. 5.4
125
3 Código en matlab
2.5 >> n1=[-4:1:-1];
2 >> n2=[0];
1.5 >> n3=[1];
1 >> n4=[2];
0.5
>> n5=[3];
0
>> n=[n1,n2,n3,n4,n5];
-0.5
>> x1=zeros.*n1;
>> x2=2;
-1
-1.5
>> x3=3;
-2
-4 -3 -2 -1 0 1 2 3
>> x4=-2;
>> x5=1;
>> x=[x1,x2,x3,x4,x5];
>> stem(n,x,'linewidth',3),grid
Fig. 5.4 Grafica de la secuencia x[n] = 2,3, -2, 1
126
Esta secuencia x[n] = 2,3, -2, 1 se puede representar por medio de una suma de
secuencias muestra unitaria escalada y retardada.
Para este ejempo el primer termino de la secuncia lo podemos representar por una
muestra unitaria escalada por 2 en en índice de tiempo n=0 el segundo termino de
la secuencia mediante una secuencia muestra unitaria escalada po 3 en el índice
de tiempo n=1, el tercer termino de la muestra la representamos mediante una
muestra unitaria escalada por - 2 en el índice de tiempo n=2, y finalmente el cuarto
termino lo podemos representar por una muestra unitaira escalada 1 en el índice de
tiempo n=3. De tal forma que la señal discreta se representaría como una suma:
x[n] = ∑k =−∞ x[k ]δ [n − k ] = 2δ [n] + 3δ [n − 1] − 2δ [n − 2] + δ [n − 3]

∞
4.- La secuencai muestra unitaria tiene la propiedad de selección:

∞
x[k ] = ∑ k = −∞
x [n ]δ [n − k ] , en otras palabras la función muestra unitaria
selecciona una muestra de la señal x[n] en el indice de tiempo n=k
5.- Si esta señal muestra unitaria se utiliza para excitar un sistema de tiempo discreto
LTI la respuesta a dicha entrada se la conoce como la respuesta a la muestra
unitaria h[n] y caracteriza al sistema en el dominio del tiempo.
Ejemplo 5.1
Encuentre mediante una tabla la respuesta a la muestra unitaria de un procesador
discreto representado por la ecuación
y[n] = x[n] + y[n-1]- ½y[n-2]
n 0 1 2 3 4 5 6 7
x[n] 1 0 0 0 0 0 0 0
y[n-1] 0 1 1 ½ 0 -1/4 -1/4 -1/8
y[n-2] 0 0 1 1 ½ 0 -1/4 -1/4
127
y[n] = x[n] + y[n-1]- 1 1 1/2 0 -1/4 -1/4 -1/8 0
½y[n-2]
Como se puede observar la entrada x[n]= δ [n] .

Por lo tanto la salida y[n]=h[n]= 1, 1, ½, 0, -1/4, -1/4, -1/8, 0
128
Podemos verificar el anterior resultado si utilizamos el programa matlab:
Consideremos la forma general de una ecuación recursiva:
N N
∑ ak y[n − k ] = ∑bkx[n − k ]
k =0 k =0
Existe un comando en matlab para encontrar la respuesta a la muestra; dicho

comando evalúa n valores de la respuesta a la muestra unitaria, el vector a contiene
los coeficientes de x[n] y todos los coeficientes de los retardos de la entrada x [n-N] y
el vector b contiene todos los coeficientes de las y[n] y todos los coeficientes de los
retardos de la salida y[n-M], h contiene los valores de la respuesta a la muestra
unitaria y t el índice de tiempo correspondiente.
Ejemplo:
De y[n] = x[n] + y[n-1]- ½y[n-2]
Reescribiendo y[ n ] - y [ n – 1 ] + 1 / 2 y [ n - 2] = x[ n ]
Código del programa:

b=[1];
a=[1,-1,0.5];
n=10;
[h,t]=impz(b,a,n)
Guardamos el archivo y lo corremos en la pantalla de comandos de matlab con el

siguiente resultado:
h=
1.0000
1.0000
0.5000
0
-0.2500
-0.2500
-0.1250
0
0.0625
0.0625
129
t=
0
1
2
3
4
5
6
7
8
9
Los resultados verifican lo que anteriormente hicimos a mano.
Veamos ahora que utilidad tiene h[n] para obtener la respuesta de un sistema a
cualquier entrada a través de una operación que llamaremos convolución:
∞
y[ n ] = ∑ k = −∞ x[k ]h[n − k ] Esta ecuación se le conoce como suma de
convolución.
130
Algoritmo para obtener la operación de convolución de secuencias finitas
La convolución y[n] de dos secuencias de longitud finita x[n] y h[n] es también

longitud finita y esta sujeta a las siguientes reglas, que sirven como útiles pruebas de
consistencia:
1.- El índice de inicio de y[n] es igual a la suma de los índices de inicio de x[n] y h[n].
2.- el índice de terminación de y[n] es igual a la suma de los índices de terminación

de x[n] y h[n].
3.- la longitud Ly de y[n] está relacionada con las longitudes Lx y Lh de x[n] y h[n] por
Ly = Lx+ Lh-1.
Método de suma por columnas
a.- Alinee la secuencia x[n] debajo de la secuencia h[n].
b.- Alinee con cada muestra de x[n], el producto del arreglo

h[n] por x[n].
c.- Sume las columnas de los arreglos (sucesivamente desplazados ) para generar la
secuencia de convolución.
Ejemplo 5.2
a) Un procesador FIR tiene una respuesta al impulso dada por h[n]={ 1, 2, 2 ,3}.
Encuentre la respuesta y[n] si la secuencia entrada esta dada por x[n] = {2, -1, 3},
ambas secuencias x[n] y h[n] , están ordenadas el primero de sus valores
comienzan en n = 0.
h[n] = 1 2 2 3
x[n] = 2 -1 3
entrada respuesta
2δ[n] 2h[n] = 2 4 4 6
-δ[n-1] -h[n-1] = -1 -2 -2 -3
3δ[n-2] 3h[n-2] = 3 6 6 9
--------------------------------------------
x[n] y[n] = 2 3 5 10 3 9
131
Prueba:
1.- El índice de inicio de y[n] es igual a la suma de los índices de inicio de x[n] y h[n]:
Índice de inicio de x[n] =0 + índice de inicio de h[n] =0 esto es igual al índice de

inicio de
y[n] =0 .
2.- el índice de terminación de y[n] es igual a la suma de los índices de terminación

de x[n] y h[n].
Índice de terminación de x[n] = 2 + índice de terminación de h[n] = 3 esto es igual al
índice de terminaron de y[n] =5.
3.- la longitud Ly de y[n] está relacionada con las longitudes Lx y Lh de x[n] y h[n] por
Ly = Lx+ Lh-1 para este ejemplo: Lx = 3, Lh-1= 4-1 =3 por lo tanto la longitud de la
secuencia de la respuesa es Ly = Lx+ Lh-1=6.
↓ ↓
Outro ejemplo : Considere h[n]={ 2, 5, 0, 4} y x[n] = {4, 1, 3}
h[n] = 2 5 0 4
x[n] = 4 1 3
-----------------------------------------------------------------------------------------
8 20 0 16
2 5 0 4
6 15 0 12
_____________________________________________________________________
↓
y[n] = 8 22 11 31 4 12
Prueba:
1.- La convolución inicia en la suma de los índices de inicio de x[n] =-1 y h[n]=-2, en
n = –3.
2.- La convolución termina en la suma de los índices de terminación de x[n] =1 y
h[n]=1, en n=2
3.- La longitud de la secuencia de salida es Ly = Lx+ Lh-1= 3+(4-1)= 6.
132
Ejemplo 5.3
La respuesta de un filtro promediador esta dado por Y[n]= 1,3,5,7,9,11,13 si la entrada
aplicada al sistema fue x[n]= 2,4,6,8,10,12,14, observe la secuencia de entrada y
salida y obtenga: 1) la ecuación de recurrencia, 2) la respuesta al impulso y 3) y por
la operación de Convolución compruebe la salida.
Solución:
1.- y[n]= x[n]/2 + x[n-1]/2.
2.- h[n]= 1/2, 1/2
3.-
h[n] = 1/2 1/2
x[n] = 2 4 6 8 10 12 14
1 1
2 2
3 3
4 4
5 5
6
___________________________________________________
Y[n] 1 3 5 7 9 11
133
Evaluación analítica de la convolución discreta:
Cuando evalúe la suma de convolución a través de:
y[n ] = ∑ k = −∞ x[k ]h[n − k ]

∞
Tenga en mente que x [k ] y h[n − k ] son funciones de la variable de la sumatoria

k.
Ejemplo 5.4
Sea una señal de entrada a un sistema x[n ] = u [n ] y la respuesta al impulso esta

modelada por h[n ] = u [n ] , entonces
x[k ] = u [k ] y h[n − k ] = u[n − k ] usando
y[n ] = ∑k = −∞ x[k ]h[n − k ]

∞
El limite inferior de la sumatoria se simplifica a k = 0 porque u[k] = 0, k< 0 ( la señal

escalón unitario discreto es causal)
El limite superior es k = n, porque h[n – k] =u [n – k] = 0, k > n), por lo que la respuesta

a la muestra unitaria de un sistema causal es cero para tiempos negativos de k.
Sustituyendo enla suma de convolución:
y[n] = ∑k =−∞ x[k ]h[n − k ] = ∑k =0 u[k ]u[n − k ] = ∑k =0 1[1] = [n + 1]u[n] = r [n + 1]

∞ n n
Note que
nu [n ] = r [n ] = {n, n≥0
{ 0, n〈 0
134
5.2. Convolución para sistemas de tiempo continúo
Así como en el tiempo discreto aparece una función muestra unitaria
análogamente debe existir en el en el tiempo continuo una función análoga,
consideremos δ[t] y su desplazamiento δ [t - λ] procederemos a separar el valor de x
(λ) de una señal de tiempo continuo x(t) en el tiempo t= λ, como antes se forma el
producto
x(t) δ [t - λ], pero como estamos tratando señales de tiempo continuo usaremos en
vez de una sumatoria una integral para representar una suma continua a lo largo de
todo el tiempo por lo que tendremos la siguiente expresión
∞
∫− ∞ x(t) δ [t - λ ] dt = x(λ ) (5.3)
La que se conoce como la integral de muestreo o selección.
Asi podremos definir δ[t] como una función que tiene las siguientes características:
∞
1.- La integral de ∫−∞ x(t) δ [t] dt = 1 lo que quiere decir que la función tiene área
unitaria.
δ [t ] = ∞, t = 0
2.- Se define y lo que supone una función de extremadamente corta
0, en t ≠ 0
duración y alta amplitud.
3. Se utiliza para modelar un fenómeno que tenga una duración corta y una
amplitud considerable como:
a) Un rayo.
b) Un disparo de arma de fuego.
c) Un batazo.
4.- Para representar una función x(t) como una suma continua de impulsos
desplazados y escalados lo que formalmente se escribiría así:
∞
x(t ) = ∫−∞ x(λ ) δ [t - λ ] dλ (5.4)
Lo que permite deducir que si un sistema LTI de tiempo continuo se excita con
x(t) δ [t - λ] su respuesta a esta entrada será x(t) h [t - λ]. La respuesta total en base a
la superposición será la suma continua de las respuestas individuales esto es:
135
∞
y (t ) = ∫−∞ x(λ ) h [t - λ ] dλ (5.5)
La cual se denomina la integral de convolución y es útil ya que con esta integral

encontraremos la respuesta de un sistema LTI a cualquier excitación en la entrada.
Ejemplo: 5.5
Sea una red eléctrica cuya respuesta al impulso esta determinada por
−2 t
h(t ) = A e u (t )
−2 t
y se excita por medio de una señal x(t ) = A e u (t )
hallar la respuesta o salida y(t ) del sistema por medio de la integral de convolución.
La respuesta del sistema y(t) a la señal de entrada está a dada por la integral de
convolución:
∞
y (t ) = ∫−∞ x(τ ) h [t - τ ] dλ
La Expresión para h (t − τ ) se obtiene sustituyendo t por t − τ en h(t) y x (τ )
sustituyendo t por τ en x(t).
Así:
∞ ∞ -2τ -2( t -τ )
y(t ) = ∫ x(τ ) h [t - τ ] dτ = ∫ A e u(τ )A e u(t − τ )dτ =
−∞ −∞
t -2τ 2τ −2 t t -2τ 2τ
A∫ Ae ∫ e e
2 -2t 2
y (t ) = A e (1)A e e (1)dτ = dτ =
0 0
2 − 2t t 0dτ = 2 − 2t [τ ]t = 2 − 2t [t − 0] = 2 − 2t
y (t ) = A e ∫0 e Ae 0 Ae A te
136
La entrada y la salida se muestran a continuación.
Fig 5.5 Entrada del sistema Fig. 5.6 Salida del sistema
137
5.3. Uso del MATLAB para realizar una convolucion de imagen
Para realizar una convuloción de un filtro FIR con una imagen, en MATLAB, primero
debemos de conocer los comandos que nos ayudaran.
Imread: será el comando que nos representara en vector o matriz la imagen que se
desea convolucionar.
Convn: es el comando que nos ayuda a hacer la convolucion pero con la diferencia
de que lleva un “n” al final para poder convolucionarr la matriz de imagen y[n] por el
vector h[n] que realiza la convolucion.
Imwrite: será el comando que nos mostrara y creara el archivo convolucionado.
Fig. 5.7 Imagen original ( señal de entrada al procesador o filtro pasa bajas ).
Código en matlab para convolucionar una imagen:
x=imread('C:\Documents and Settings\Mis documentos\imagen original.jpg');

% “Dentro de los paréntesis indicaremos la dirección de nuestro dato de
entrada, en este caso la imagen, para que rápidamente el comando imread lo
sustraiga y lo convierta en matriz” .
138
h=[1/500,1/500,1/500]; % “Este vector es h[n] representa la respuesta al impulso de
un filtro pasa bajas por el cual se convolucionara la
matriz de la imagen” .
y=convn(x,h); % “La operación de convulucion

se realiza mediante este comando”.
imwrite(y,'C:\Documents and Settings\Mis

documentos\respuesta500.jpg'); %“ Dentro de
los paréntesis indicaremos la dirección y el nombre
del archivo convolucionado” .
Fig. 5.8 figura convolucionada señal de salida del procesadorcaracterizado por su

respuesta al impulso de valor h[n] =[1/3,1/3,1/3]
Fig. 5.9 Figura convolucionada señal de salida del procesador caracterizado por su
139
Fig. 5.10 Figura convolucionada señal de salida del procesador caracterizado por su
CONVOLUCIÓN DE UN ARCHIVO DE AUDIO
El desarrollo de este experimento se basa en utilizar un procesador FIR, que es un

promediador, en un archivo de audio para demostrar su utilización como filtro
pasabajas, es decir, que permite el paso de bajas frecuencias e impide el de altas
frecuencias. Esto, como se verá, se nota en que la pieza musical pierde agudos, y los
graves se mantienen.
PROCEDIMIENTO:
La secuencia de respuesta a muestra unitaria de este sistema FIR está formada por
los coeficientes de la ecuación de recurrencias :
h[n]=1/3,1/3,1/3
Primero se lee el archivo en formato WAV por medio del comando wavread:
a=wavread(‘K:\Señales y sistemas\Amelie’)
Después, se crea el vector que representa la respuesta del sistema:
b=[1/3,1/3,1/3];
Al tener los dos vectores, se procede a realizar la convolución entre los dos:
c=conv(a,b);
Con el vector convolucionado, se crea un nuevo archivo WAV mediante el
comando wavcreate:
wavwrite(c,20050,16,’K:\Señales y sistemas\Amelie2’)
Donde c es el vector que se convertirá, 20050 es la frecuencia del archivo original, 16
es la cantidad de bits, y el resto es la dirección donde se creará.
140
Primera convoluci
c ón
Fig
g. 5.11 gra afica arrib
ba señal de
d entrada origianaal y
abajo señal
s de salida co onvolucio onada de e un proc cesador ccaracterizzado por su
respuestaa al impulso de valo or h[n] =[[1/3,1/3,1//3].
Segunda a convoluc ción
Con el va alor [1/3, 1/3, 1/3] de
d la resp puesta de el sistema, el cambio casi noo se aprec
cia,
pero si se
e modifica a a [1/4,1//4,1/4,1/4], el resulttado es el siguiente
e
Fig. 5.12
2 grafica a arriba señal de
e entrada
a origianal y aba ajo señaal de saliida
convoluccionada de d un procesadorr caracteerizado po puesta al impulso de
or su resp
valor h[n
n] =[1/4,1//4,1/4].

uadalupe
e Casillas Limon
L
141
Tercera convoluci
c ón
Si se dese
ea hacer aún más obvio el efecto de el filtro, se
e puede c
cambiar el
e valor de
e la
respuestaa a:[1/8,1//8,1/8,1/8
8,1/8,1/8,1/8,1/8], y el resultado es:
Fig. 5.13 grafica a arriba señal de

e entrada
a origiana
al y aba ajo señaal de saliida
convoluccionada de d un procesadorr caracte
erizado po puesta al impulso de
or su resp
valor h[n
n] =[1/8,1//8,1/8].
Cuarta convolució
c ón

e entrada
a origiana
convoluccionada ded un procesadorr caracteerizado po
or su resp
puesta al impulso de
valor h[n
n] =[1/12,1
1/12,1/12].
Caso exttremo

uadalupe
e Casillas Limon
L
142
e entrada
a origiana
convoluccionada ded un procesadorr caracteerizado po
or su resp
puesta al impulso de
valor h[n
n] =[1/30,1
1/30,1/30].
Compara
ación de las salidass
Fig. 5.16 compara

acion de graficas convoluci
c ionadas.

uadalupe
e Casillas Limon
L
143
Traslape de las señales (1/3)
Fig. 5.17 Traslape entre grafica de entrada-salida
144
145
Conclusiones
Se puede observar que al variar los coeficientes de la respuesta al sistema, la
modificación en el archivo de sonido es más evidente. Esto se debe a que al
aumentar el denominador de los coeficientes, el promedio al que se debe ajustar la
señal se vuelve menor, por lo que cada vez se nota más el efecto del filtro
pasabajas.
En el primer caso, al ser el coeficiente 1/3, la modificación es casi imperceptible
Al modificar los coeficientes a 1/4, 1/8 y 1/12 se vuelve evidente el efecto del filtro,
incluso en las gráficas se aprecian las modificaciónes de la señal.
Si se cambian los coeficientes por un valor muy grande como 1/30, el efecto del filtro
es tan grande que no solo evita que pasen las frecuencias altas, sino que disminuye
la amplitud de la señal completa, disminuyendo así el volumen de la pieza.
146
Max Karl Ernst Ludwig Planck
(1858-1947)
Físico alemán, premiado en 1918 con el Nobel de Física, es considerado el creador

de la teoría de la mecánica cuántica. Planck nació en la ciudad de Kiel el 23 de
abril de 1858, estudió en las universidades de Munich y Berlín, ocupó el sexto lugar
hijo de una educada familia donde su padre tenía gran predilección por la ciencia y
la música, influenciado por su padre desarrolló el exquisito gustó por el piano, afición
que le permitiría aplacar sus impulsos vitales propios de su edad. Siendo joven fue
invitado para impartí la cátedra de física en la Universidad de Kiel en 1885. Desde
1889 hasta 1928 ocupó el mismo cargo en la Universidad de Berlín. En 1900 Planck
formuló la discontinuidad de la energía o la discretización de la misma postuló que
está se radia en unidades pequeñas separadas (discretas) denominadas cuantos
dichos conceptos quedaron formulados en la llamada teoría de la Mecánica
Cuántica.
En 1870 recibió el grado de Doctor por parte de las Universidades de Munich y Berlín
a la edad de 21 años, recibió una invitación por la universidad de Kiev para dirigir la
cátedra de física en 1885. sin duda alguna Max Planck estaba convencido de que la
teoría y la práctica forman un vínculo indisoluble en todo proceso de investigación,
con esta actitud demostró que una teórico sin práctico es tan sólo un especulador y
que un práctico sin teoría es como un ciego que no sabe hacia donde va, fue tan
grande su motivación que desde esa época consagró parte de su vida a la
docencia, en 1889 acepto una invitación para impartir en forma permanente la
cátedra de física en la Universidad de Berlin, la cual mantuvo hasta 1928,
obviamente que Plank se dedicó de tiempo completo a la investigación.
En un primer momento se dedicó al estudio de los fenómenos relacionados con la
termodinámica y en especial con la segunda ley de la termodinámica conocida
147
como “la ley de la entropía” (este enunciado se refiere a la pérdida inevitable de la
energía conservada en cualquier sistema) un ejemplo de esta ley lo podemos
apreciar en la energía que fluye a través de las cadenas alimenticias: la energía que
nuestro planeta recibe de parte del sol, podríamos afirmar que ésta es el cien por
ciento. Sin embargo, únicamente el tres por ciento es la puede ser asimilada por los
organismos a través del proceso de la fotosíntesis, es decir, el 97 % se pierde, o se a
es entropía pura.
En 1900 elaboró un modelo matemático, con lo cual explicaba que la energía

absorbida y la emitida por un cuerpo deberían considerarse como una radiación en
paquetes energéticos discretos más que una radiación de carácter continuo con lo
cual definió el valor de la h = 6.28*10(^-28) erg/s, a la cual se conoce como
constante de plank, la ley de Planck establece que la energía de cada cuanto es
igual a la frecuencia de la radiación multiplicada por la constante universal dicha
ley se expresa como: E = f * h. Los trabajos desarrollados por Plank permitieron dar
respuesta a una serie de interrogantes planteadas por los estudiosos del átomo
dicha teoria se convirtió en lo que hoy se conoce como Mecánica Cuántica. Este
modelo sirvió para revolucionar de manera radical los viejos conceptos que s tenían
acerca del átomo, sobre todo se le concebía únicamente como una unidad de
cargas contrarias (positivas y negativas) el prototipo de Planck, menciona que un
átomo dispone de niveles de energía discretos y que en la medida en que los
electrones se encuentra girando en la primer capa, es decir, muy cercanos al
núcleo, necesitan ganar energía, según sus necesidades de avanzar hacia niveles
periféricos. En esta lógica se entiende que los átomos sufren de pérdida y ganancia
energética, cuando se excitan incrementan su energía pero cuando la emiten la
pierden, de esta forma la energía se gana o se pierde en forma de paquetes
discretos llamados fotones o cuantos.
Tomando en cuenta las aportaciones que hizo este físico alemán a la teoría
atómica, los físicos en la actualidad creen que la radiación electromagnética
combina las propiedades de las ondas y de las partículas. En este contexto el
primero en reconocer la gran riqueza de este modelo atómico fue Albert Einstein,
uno de los primeros en advertir el fenómeno denominado efecto fotoeléctrico
empleando los criterios utilizados en el modelo de la mecánica cuántica, los dos
científicos estuvieron colaboraron mutuamente. Planck recibió muchos premios,
distinciones y homenajes por este trabajo, especialmente, el Premio Nobel de Física,
en 1918. En 1930 Planck fue elegido presidente de la Sociedad Kaiser Guillermo para
el Progreso de la Ciencia, la principal asociación de científicos alemanes, que
después se llamó Sociedad Max Planck. Sus críticas abiertas al régimen nazi que
había llegado al poder en Alemania en 1933 le forzaron a abandonar la Sociedad
Kaiser, el terror de la guerra le arrebataría a tres de sus hijos y además su patrimonio
económico le fue confiscado por los derroteros de la suástica. Max Planck murió en
la ciudad de Gotinga el 4 de octubre de 1947.
148
CAPÍTULO 6. FRECUENCIA, la serie de Fourier
OBJETIVO:
Que el alumno represente el espectro de frecuencia de
una señal periódica en el dominio de la frecuencia a
través de una serie de Fourier y analice que pasa
cuando ésta se propaga por un sistema lineal e
invariante en el tiempo (LTI).
ACTIVIDAD PREVIA:
Funcion exponencial Compleja, representación y
grafica.
-Estudia en tu material de trabajo las características de una serie de

Fourier en sus tres representaciones.
- Razona cuales son las condiciones para que una señal tenga serie de
Fourier.
-Analiza como el espectro de una señal periódica es discreto y

representa la distribución de componentes de frecuencia de esa señal en
el dominio de la frecuencia.
-Comprende como una señal representada como una suma infinita de

términos sinusoidales se propaga por un sistema LTI.
-Elabora con ayuda de Matlab la forma grafica de una señal periódica

mediante una descripción de sinusoidales.
-Redacta una ficha donde se ponga de manifiesto el carácter discreto
del espectro de magnitud de un pulso periódico rectangular
-Redacta una ficha donde se ponga de manifiesto la transformación que
sufre una señal de potencia que se propaga por un sistema LTI
149
AUTOEVALUACIÓN:
-Representa una señal periódica mediante las tres formas (trigonométrica,

cosenoidal, exponencial) de la Serie de Fourier.
-Desarrollar los problemas planteados en la sección de actividades.
-Elabora con ayuda del matlab un espectro de frecuencia de una señal
de potencia.
-Simula con matlab la entrada-salida de una señal periódica por una red
RC.
150
6.1 La función exponencial compleja.
1.-Recordemos la identidad de EULER, ésta guarda una relación con las

dos sinusoidales más conocidas:
e ± j (ω t +φ ) = cos (ω t + φ ) ± jsen (ω t + φ ) (6.1)
2.-Una de las características fundamentales de la exponencial compleja es

que es una función periódica, como lo constata en la grafica No.6.1.
3.-Debido a que la exponencial en cuestión es una cantidad compleja su

parte real es precisamente el cos(wt+Φ) y su parte imaginaria es jsen(wt+ Φ
), como se vera en la grafica No. 6.1.
Esta función adquiere relevancia porque juega un papel fundamental en

el estudio de las señales y sistemas en el dominio de la frecuencia ya que
se trata de una función propia de los sistemas LTI, es decir cuando esta
señal se inyecta en la entrada de un sistema LTI la salida o respuesta se ve
transformada en magnitud y fase pero conservado su forma de onda e
incluso su componente de frecuencia de entrada.
Asimismo también se puede escribir cada una de las señales sinusoidales

en función de la exponencial compleja lo cual se muestra a continuación:
(
cos(ωt + φ ) = 12 e j (ωt +φ ) + e − j (ωt +φ ) ) (6.2)
sen(ωt + φ ) = 1
2j (e (
j ωt +φ )
− e − j (ωt +φ ) ) (6.3)
Ejemplo 6.1 Como un ejemplo de su aspecto graficaremos la función

exponencial compleja con el apoyo del programa Matlab :
Código:
>>t=[-3:0.001:3]; >>f=1; >>A=1; >>w=2*pi*f; >>x=A* exp (j*w.*t);
>>subplot(4,1,1),plot(t,real(x)),grid,title('parte real de la exponencial
compleja'),...
>>subplot(4,1,2),plot(t,imag(x)),grid,title('parte imaginaria de la
exponencial compleja'),...
>>subplot(4,1,3),plot(t,abs(x)),grid,title('magnirud de la exponencial
compleja'),...
>>subplot(4,1,4),plot(t,angle(x)),grid,title('fase de la exponencial compleja’)
151
Fig. No.6.1 La exponencial compleja.
Comentario con respecto a la grafica de la fig. 6.1: véase como el ángulo

de fase crece linealmente en sentido positivo por el giro descrito por el
vector, e+ jωt = cos(ωt )2 + sen(ωt )2 mientras que si hubiéramos
graficado e− jωt = cos(ωt )2 + sen(ωt )2 el ángulo de fase hubiera

girado en sentido contrario, también observemos que esta función se
repite en un lapso de tiempo el cual identificamos como el periodo
fundamental dado por :
6.1 ¿Que es una Serie de Fourier?

1.- Es la representación analítica de una señal periódica continua a través
de una serie infinita de términos sinusoidales o exponenciales complejas
armónicamente relacionadas (este último concepto subrayado significa
que los términos de la serie están emparentados con la frecuencia
fundamental de la señal en múltiplos enteros), ver ejemplo No. 6.1.
2.- Las Series de Fourier es una valiosa herramienta para el estudio espectral
(distribución de componentes de frecuencia) de señales que se repiten
periódicamente.
3.- Como demostraremos, la mayor parte de las señales periódicas de

interés práctico en ingeniería se pueden descomponer en una
superposición lineal o suma de términos sinusoidales o exponenciales. Esto
es importante si trabajamos con sistemas LTI ya que hacemos uso del
principio de superposición que sustentan este tipo de señales y podremos
predecir la salida como una suma de términos sinusoidales o
152
exponenciales de la misma frecuencia que la entrada pero con magnitud
y fase distinta,
Ejemplo 6.2. Consideremos la representación analítica de una señal x(t)

por medio de una serie de Fourier de términos, acotados:
1 1
x(t ) = seno(ω0t ) − seno(2ω0t ) + seno(3ω0t )
2 3
(6.4)
Donde:
Frecuencia fundamental o primer armónico.
Dos veces la frecuencia fundamental o segundo armónico.
Tres veces la frecuencia fundamental o tercer armónico.
son llamados los coeficientes de Fourier que representan las

amplitudes de las funciones seno.
La grafica de esta señal se puede generar mediante el siguiente código

en matlab:
t=[-1:.001:1];
f=2;
w= 2*pi*f;
x= sin(w.*t)-1/2*sin(2*w.*t)+1/3*sin(3*w.*t);
plot(t,x,’linewidth’,2),grid, xlabel('t'),
ylabel('x(t)')
Fig. No. 6.2: Señal periódica con periodo T = 0.5 s.
153
Como se observa en la grafica a primera vista no es una función
reconocible, para que se acerque más a su forma ideal, que es la de una
función periódica denominada tren de pulsos en diente de sierra, se
necesitan incrementar el número de términos de la serie o componentes
armónicos de la representación (6.1), hasta el infinito. Un código con el
programa en matlab que se ofrece en el anexo de estas notas nos
brindara la posibilidad de incrementar en una cantidad muy grande el
número de términos de la serie.
6.2 Definición analítica de tres representaciones en Serie de Fourier:
Como ya se conoce se x(t) clasifica una señal

como periódica si cumple con:
x(t ) = x(t + KTo ) Para todo tiempo (6.5)

T
El intervalo de repetición 0 más pequeño para lo cual esto se
cumple se denomina periodo fundamental, todas las demás señales que
no cumplen con la condición (6.5) son denominadas no periódicas o
aperiodicas.
T0 = 2π
Como ejemplo de señales periódicas tenemos el seno y coseno
con periodo igual a radianes.
Existen fundamentalmente tres representaciones en series de Fourier:
1.- Representación trigonométrica:
∞ ∞
x(t) = a 0 + ∑ m =1am cos(mωot ) + ∑ m =1bm sen(mωot ) ,donde
ωo = 2*pi/T
(6.6)
154
2.-Representación polar o cosenoidal.
∞
x(t ) = ∑ Am cos(mωot + θm )
m=0 (6.7)
3.-Representación exponencial.
∞
∑X e
jmωO t
x(t ) = m
m = −∞
(6.8)
A continuación veremos con detalle las características de cada una de

estas representaciones.
6.3 Teorema de la existencia de las series de Fourier:

Si x(t) es periódica, tiene una representación en series Fourier si cumple
con las siguientes condiciones ( Dirichlet):
a) x(t) es absolutamente integrable en un periodo (su área es finita en

un periodo),
∫ x(t ) dt 〈∞
TO
(6.9)
b) No tiene comportamientos anómalos en un periodo (su variación
esta acotada en un periodo) esto es:
La x(t ) señal tiene solamente un número finito de máximos y

mínimos en un periodo y
la x(t ) señal tiene sólo un número finito de

discontinuidades en cualquier periodo.
6.4 Representación trigonométrica:

x(t) =
a0 + ∑m =1 a m cos( mω o t ) + ∑m=1 bm sen(mω o t ) ,

∞ ∞
(6.10)
2π
ω0 =
T
155
Las principales características de esta representación en series de Fourier:
I.- La serie contiene tanto término seno como cosenos. Los coeficientes am,
bm son respectivamente los coeficientes de Fourier, coseno y seno
representan las amplitudes de las diversas componentes de frecuencia
que se usan en la descripción de una señal en el dominio de la frecuencia
(espectro) pueden ser positivos y negativos, en esta representación no hay
ángulos de fase asociados con estos términos.
II.- El índice de la sumatoria va de desde 1 hasta ∞.

x(t )
III.- Del término la constante a0 representa la componente de
directa de la señal (valor promedio) y se obtiene evaluando la siguiente
expresión a0 = 1 / T ∫ x(t )dt , donde representa la integral de la función en
T
∫
T
cualquier periodo.
IV.- Note que los mω0 armónicos son múltiplos

enteros de la frecuencia fundamental así, para
m = 1; ω
0 es denominada frecuencia fundamental o primer armónico,
para un termino de frecuencia en donde m = 2 estaríamos
hablando del segundo armónico y así sucesivamente.
IV.- Las formulas para encontrar los coeficientes de amplitud de Fourier

están dados por:
a 0 = 1/ T0 ∫ x(t )dt
T (6.11)
a m = 2 / T0 ∫ x(t ) cos( mωt )dt
T (6.12)
b m = 2 / T0 ∫ x(t )sen(mωt )dt
T (6.13)
V.- La potencia promedio de esta señal periódica en términos de las

potencias de sus componentes de frecuencia es un enunciado del
teorema de Parsenval:
a12 a22 am2 b12 b22 bm2

Pmedia = a + + + ...... + + + + .... + =
2
0
2 2 2 2 2 2
156
Pmedia = a 2 0 +
1 ∞
∑
2 m=1
(a 2
m
2
+ bm )
(6.14)
Ejemplo 6.3 Identifique los coeficientes de Fourier cosenos y senos de la
señal definida en el Ejemplo
6.2.
Solución:
am = 0, para toda m; ya que no aparecen coeficientes coseno en

dicha representación.
Coeficientes seno.
b1 = 1, b2 = -1/2, b3 = 1/3, bm = 0 para m ≥ 4.
Ejemplo 6.4 Demuestre que la señal definida en el ejemplo No.6.2 tiene

una potencia media de 0.68 W.
Solución:
2 2
1 1
(a )
2
Pmedia = a 2 0 +
1 ∞
∑
2 2
+ bm 1+ 2 + 3 = 0.5 + 0.125 + 0 − 055 = 0.68W
2 m=1 m
= 2 2 2
6.5 Simetría de una señal periódica x(t) de tiempo continuo.

El conocimiento de la simetría de la señal simplifica el cálculo del valor de
los coeficientes de Fourier.
a) Para todas las funciones x(t) con simetría par, los coeficientes seno (bm)
son cero. Por lo tanto la señal contiene sólo armónicos coseno (am) y
podría tener o no una componente promedio. En algunos casos podría se
de utilidad conocer su fase que es; 0, o ± π.
b) Para todas las funciones x(t) con simetría impar los coeficientes coseno
(a m) son cero por lo tanto este tipo de señal contiene sólo armónicos
seno (bm) y podría tener o no una componente promedio. En algunos
casos podría se de utilidad conocer su fase que es; π/2 o – π/2.
157
c) Simetría de media Onda :
Si una forma de onda periódica ver Fig. 6.3 es tal que la forma de onda
para la primera mitad del ciclo
(t = 0 a t = To /2) se repite así misma, excepto con el signo opuesto para la
segunda mitad del ciclo
(t = To/2 a t =To ) se dice que tiene simetría de media onda y satisface:
T0
x(t ) = −x(t ± + ) (6.15)
2o
En otras palabras. “hay dos semiciclos por periodo cada uno es una replica
invertida del otro”
Para todas las formas de onda con simetría de media onda, la

componente promedio es cero (ao=0; siempre y cuando la señal no oculte
su verdadera simetría), además las armónicas pares seno y coseno son
cero. Así mismo debe observarse que una forma de onda puede tener
simetría de media onda así como simetría par e impar al mismo tiempo, Por
lo que podemos afirmar que una señal con simetría de media onda
tendrá una representación en series de Fourier en la que sólo habrá
términos seno impares o bien coseno impares.
Ejemplo 6. 5 Señal con simetría de media onda no oculta no par ni impar

(asimétrica), a0 = 0.
Código Matlab:
t1=[-4:0.001:-3]; señal de simetria de media onda, no par ni impar
2
t2=[-3:0.001:-2];
t3=[-2:0.001:-1]; 1.5
t4=[-1:0.001:0]; 1
t5=[0:0.001:1]; 0.5
t6=[1:0.001:2];
0
t7=[2:0.001:3];
t8=[3:0.001:4]; -0.5
t=[t1,t2,t3,t4,t5,t6,t7,t8]; -1
x1=2.*t1+8; -1.5
x2=-2.*t2-6; -2
x3=2.*t3+4; -4 -3 -2 -1 0 1 2 3 4
x4=-2.*t4-2;
x5=2.*t5;
x6=-2.*(t6-1);
x7=2.*t7-4; Fig. 6.3 Señal con simetría de media onda no oculta
x8=-2.*t8+6; ni par ni impar véase que su valor
promedio es cero.
x=[x1,x2,x3,x4,x5,x6,x7,x8];
plot(t,x,'linewidth',4),grid, title('señal de simetria de media onda, no par ni
impar')
158
Por otra parte hay formas de onda que ocultan su verdadera simetría, por
ejemplo la Fig. 6.4 (función periódica triangulo) es decir a simple vista es
difícil determinar que tipo de simetría tienen.
Función periódica Triangular con simetría oculta.
Código Matlab: 1
t1=[-3:.005:-2];
0.9
0.8
t2=[-2:.005:-1]; 0.7
t3=[-1:.005:0]; 0.6
t4=[0:.005:1]; 0.5
t5=[1:.005:2]; 0.4
t6=[2:.005:3]; 0.3
t=[t1,t2,t3,t4,t5,t6]; 0.2
x1=t1+3; 0.1
x2=-t2-1;
0
-3 -2 -1 0 1 2 3
x3=t3+1;
x4=-t4+1;
x5=t5-1;x6=-t6+3;x=[x1,x2,x3,x4,x5,x6];
Fig. 6.4 Señal con simetría oculta y par.
Pero si quitamos su valor promedio descubrimos su verdadera simetría, así

en la Fig. 6.5, vemos que posee simetría de media onda a demás de
simetría par ya que cumple con x(t) = –x(t ±T/2) , por lo tanto como oculta
su verdadera simetría debe considerarse su valor promedio.
159
Función periódica Triangular evidenciando su valor promedio y su simetría
par y de media onda.
Código Matlab:
t1=[-3:.005:-2]; 0.5
t2=[-2:.005:-1]; 0.4
t3=[-1:.005:0]; 0.3
t4=[0:.005:1]; 0.2
t5=[1:.005:2]; 0.1
t6=[2:.005:3]; 0
t=[t1,t2,t3,t4,t5,t6]; -0.1
x1=t1+3; -0.2
x2=-t2-1; -0.3
x3=t3+1; -0.4
x4=-t4+1; -0.5
-3 -2 -1 0 1 2 3
x5=t5-1;
x6=-t6+3;
x=[x1,x2,x3,x4,x5,x6];
y=x-0.5;
plot(t,y,'r', 'linewidth',4),grid
Fig.6.5 Señal con simetría par más simetría de
media onda.
Ejemplo 6.7 Represente la siguiente señal mediante una serie de Fourier

trigonométrica.la cual tiene una frecuencia fundamental de F0 = 1Khz..
Observe que simetría tiene y que tipo de armonicos contiene.
1.2
1
>> t=[-1:0.001:1];
0.8
>> A=1;f=1;w=2*pi*f;
0.6
>> x=(A/2)*ones(size(t));
0.4 >> for m=1:2:99;
0.2 x=x+(2*A/(m*pi)).*sin(m*w.*t);
0 end
-0.2
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
>> plot(t,x,'linewidth',2),grid
Fig. 6.6 tren de pulsos periódicos
160
CALCULOS: se hace cero
/ /
• /
/
Se hace cero
/ /
•
/
este resultado era esperado por que la señal tiene simetría

impar.
2
sin
0
2 2
1 sin 0 sin
2 2
1 sin cos
2
cos cos 0
2
Y como
2 2 1
cos 1 cos 1
2 2
Por medio de la ecuación anterior se procede a calcular , y

sustituyendo la m del subíndice
1 cos 1 1
1
1 cos 2 1 1
2 2
1 cos 3 1 1
3 3
161
1 cos 4 1 1
0
4 4
1 cos 5 1 1 2
5 5 5
Su representación como serie de Fourier trigonométrica :

2 2 2 2
0.5 sin sin 3 sin 5 sin 7
3 5 7
2
0.5 1,3,5
Ejemplo 6.8 Sea la señal que se muestra a continuación desarrolle su serie

de Fourier trigonometrica.
10
0
-1.5 -1 -0.5 0 0.5 1 1.5
Fig.6.7 señal de simetría impar oculta
=10/2=5 Valor medio o componente de DC
Ya que se trata de una señal impar que no contien armonicos

cosenos.
Considerando que por integracion por partes:

donde m es el núero de
armonico, tenemos:
162
m=k
Como el seno (0) = 0 y coseno (0) = 1, por lo tanto:
Los coeficientes de Fourier se calculan con las siguientes integrales,

empleando también la relación
Como m=k es un numero entero, entonces y

, por tanto:
163
Por lo tanto, la represntacion en serie de Fourier es:
∞
Código en MATLAB (1000 10
armonicos) 9
Graficando en Matlab. 8
>> t=[-1.5:0.001:1.5]; 6
>> w=2*pi; 5
>> x=5; 4
>> for i=1:1000

3
2
x=x-(10/(pi*i))*sin(i*w.*t); 1
end; 0
-1.5 -1 -0.5 0 0.5 1 1.5
Fig. 6.8 grafica de una señal periodica de simetría

impar oculta
164
6.6 Representación polar o cosenoidal.
Hay otra manera de representar un desarrollo en series de Fourier para un
señal periódica la cual se conoce como forma polar o cosenoidal y esta
dada por:
∞
x(t ) = ∑ Am cos(mωot + θm ) ωo =
2π
m=0 To
Am = Coeficiente de amplitud unilateral de la serie de Fourier.
θm =Coeficiente unilateral del ángulo fase.
Las principales características de esta forma de la serie de Fourier son:
Todos los términos son funciones Cosenoidales.
Los coeficientes de amplitud son Am 〉 0 todos positivos s, y

θ m cada término contiene un ángulo de fase
El índice m de la sumatoria va de desde 0 a ∞.
No contamos con una fórmula fácil para calcular directamente esta forma
de series de Fourier. Sin embargo, se determina
fácilmente desde una de las otras
representaciones: − b
θ m = tg −1 m
am
2 2
Am = a +b
m m
Am angulo θ m = am − jbm
Fig.6.9 Representación polar.
Ejemplo de una señal representada por la serie de Fourier cosenoidal o

polar dada por:
:
∞
10
4+ ∑
k =1 k
cos( 3 kt + 90 o ) Que equivale a:
∞
10
x(t ) = 4 − ∑ sen(3kt )
k =1 k
165
Dado que
π π
cos( x + ) = − sen( x) cos( x − ) = sen( x)
2 2
Como ejercicio elabore la grafica en matlab de cada una de estas

señales.
6.7 Representación exponencial:

Finalmente presentaremos la forma más usual de representar una señal
periódica mediante el desarrollo en series de Fourier exponencial.
∞
x(t ) = ∑ X m e jmω t O
m = −∞
T
1 − jmω O tdt
Xm =
T ∫ x(t ) e
0
1 2 2 − bm
Xm = a +bm m
Ángulo θ m = tg −1
2 am
Fig.6.10 Representación vectorial de la

representación exponencial.
6.7.1 Génesis de la serie de Fourier Exponencial
De las relaciones siguientes

e ± j (ωt +φ ) = cos (ωt + φ ) ± jsen (ωt + φ )
cos(ωt + φ ) =1 ⎛⎜ e j (ωt +φ ) + e − j (ωt +φ ) ⎞⎟

2⎝ ⎠
sen(ωt + φ ) = 1 ⎜ e j (ωt +φ ) − e − j(ωt +φ ) ⎟

⎛ ⎞
2j⎝ ⎠
e invocando la representación trigonométrica de la Serie de Fourier
Tenemos
am jmωOt − jmω t
am cos(mωot ) = (e +e O )
2
bm jmωOt − jmω t
bm sen(mωot ) =
2j
( e −e O )
166
am cos(mωot ) + bm sen(mωot ) =
jmωOt − jmωOt
1/2(am + jbm) e + 1/2(am + jbm) e = X m
e jmwo t + X − m e − jmw0t
Donde
1 1
X m = (a m − jb m ) X -m = (a m + jb m )
2 2
La componente de directa se designa por Xo y es equivalente a a0 y A0.
Desarrollando x(t) se tiene
jωt j 2 ωt jmt − jwt −2ω t − mω t

x (t ) = X 0 + X 1 e + X2 e + Xm e + ..... + X −1 e + X −2 e + X −m e =
∑X e
jmωOt
x(t ) = m
m=−∞
1.- Los coeficientes Xm y X-m son en general complejos y especifican las

amplitudes y fases de las componentes armónicas individuales que
describen a x(t). Como se observa de las ecuaciones que definen a los Xm
y X-m en función de los coeficientes de Fourier Trigonométricos son
conjugados complejos y tienen la propiedad de simetría de conjugados ( o
hermítica; la parte real es par la parte imaginaria es impar ) Xm = X*-m.. Muy
importante los coeficientes de Fourier exponenciales |Xm| se les conoce
comúnmente como los coeficientes de amplitud bilateral de la serie
exponencial de Fourier. Los números ángulo de Xm son llamados los
coeficientes bilaterales de fase de la serie de Fourier.
Calcular los coeficientes de la serie de Fourier de la señal que se muestra a

continuación y reconstruirlas a partir de sus armónicos. Una señal periódica
x (t) puede expresarse como:
∑X e
jmωOt
x(t ) = m
m=−∞
167
1
Xm = (a m − jb m )
2
Donde:
am = 2X m si b m = 0 esto supone X m es puramente real
1
X = − j bm
- bm = 2 X m =
m
2 2j Xm 2j Xm 2j Xm
= =
j j*J − 1* − 1 1
- b m = 2 jX m si
am = 0
esto supone
Xm
es imaginario
6.7.2 Los coeficientes de Fourier Exponenciales se calculan con las

siguientes integrales
Empleando también la relación

T
1
x t dt
T
T
1
x t e dt
T
Donde √
168
6.7.3 Onda diente de sierra
Obtener los coeficientes de Fourier exponenciales de la siguiente señal:
10 t, 0 t T
T
9
7 >> t=[-1.5:0.001:1.5]; w=2*pi;

6
>> x=5;
5
>> for i=1:1000
4
x=x-(10/(pi*i))*sin(i*w.*t);
3
end;
2
1
Fig. 6.11 Onda triangular impar
0
-1.5 -1 -0.5 0 0.5 1 1.5 oculta
Los coeficientes de Fourier son:
· Valor promedio
Considerando que por integracion por partes
donde k es una constante,

tenemos:
10 10 1
10 1 0 1
10 1 1
10 1 1
10 1 1
169
10
1 1
Como , tenemos entonces:
10 2
1 1
2
10 10
2 1 1 2 1
4 4
10
2 cos 2 sin 2 cos 2 sin 2 1
4
10
2 sin 2 cos 2 1 2 cos 2 sin 2
4
Como m es un numero entero, entonces y ,
por tanto:
10 10 20 5
0 1 1 j 2πm 1 0 j 2πm
4 4 4
Por lo tanto, finalmente:
∞ ∞
Compare los códigos en matlab de la fig. 6.8 con la 6.12

Las equivalencias son
b m = 2 jX m X m = bm
2j m
− 10 − 10 * j − 10 J
- 10 = 2 jX m Xm = = = =5j
2j 2 * j * j 2(−1)
170
7.5
6.5 >> t=[-1.5:0.001:1.5];

6 >> w=2*pi;
5.5
>> x=5;
5
>> for m=1:1000
4.5
x=x+((5*j)/(pi*m)).*exp(j*m*w.*t);
end;
4
3.5
3
2.5
Warning: Imaginary parts of
complex X and/or Y arguments
-1.5 -1 -0.5 0 0.5 1 1.5
ignored
Fig. 6.12 Señal periodica diente de sierra impar
6.7.4 El pulso periódico cuadrado

Consideremos el tren periódico de pulsos cuadrados de Amplitud A y
periodo T 0
= 2τ , obtener el espectro de frecuencia, la representación
trigonométrica y la potencia de esta señal en función de los coeficientes
de Fourier exponenciales.
1.2
To / 2 τ /2
1 − jmwot A − jmwot
1 Xm=
T ∫ Ae dt =
T τ∫
e dt
0 −To / 2 0 − /2
0.8
[e− jmω 0t]

τ /2
A − jmwot A τ /2
mjω 0T τ∫ e
0.6
Xm= dt = −
2π τ /2
0.4 0
− /2 mj T
T 0
0
0.2
-0.2
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Fig. 6.12 Tren de pulsos periódicos cuadrados
171
τ
1 ⎡ τ2 ⎤ 1 ⎡τ τ ⎤ 1
T
1 1 2
T ∫0 2τ ∫τ 2τ ⎣t − 2 ⎦ 2τ ⎢⎣ 2 2 ⎥⎦ 2
X0 = x (t )dt = 1dt = ⎢ τ⎥ = + =
−
2
X m
== −
A
[ − jmω 0t]
mj ω T e
0 0
τ /2
τ /2
=−
A
mj ω 0T 0
[e− jmω 0τ / 2 −e jmω 0τ / 2] =
X m
=
A
mj ω 0T 0
[e jmω 0τ / 2 −e− jmω 0τ / 2] =
[e ]
⎡ jmω 0τ / 2 − − jmω 0τ / 2 ⎤
⎢e e
2A 2A
Xm= m 2 j ω 0T 0
jmω 0τ / 2
− e − jmω 0τ / 2 = mω 0T 0 ⎢ 2j
⎥=
⎥⎦
⎣
Recordando de la relación de Euler que
sen(ωt + φ ) = 1 ⎛⎜ e j(ωt +φ ) − e − j(ωt +φ ) ⎞⎟

2j⎝ ⎠
⎡ jmω 0τ / 2 − − jmω 0τ / 2 ⎤
⎢e e
2A 2A τ
Xm= ⎥= sen( mω 0 ) =
mω 0 T 0 ⎢ 2j ⎥⎦ m ω 0T 0 2
⎣ Como se observa el
coeficiente de Fourier es una cantidad real y en función de la frecuencia
esto es debido al la simetría par de la señal periodica cuadrada.
Sabemos que la función muestreo se define por:
sen( x)
S a
=
x
τ τ
sen(mω 0 )
2A 2A τ τ 2 = Aτ
Xm= m sen(mω 0 )( 2 ) = S (mω 0 τ )
ω 0T 0 2 τ T0 2 mω 0
τ T 0
a 2
2 2
Usando:
sen(πx)
sin x =
πx
⎛ mω oτ ⎞
senπ ⎜ ⎟
Aτ τ ) = Aτ ⎝ 2π ⎠ =
Xm = S ω0 2
( m
T0 a T 0 π ⎛⎜ mωoτ ⎞⎟
⎝ 2π ⎠
Donde
172
τ
x = sin(mω 0 )
2π
2π
m τ
Aτ mω 0τ Aτ T Aτ
Xm= sin c( )= sin c( 0 )= sin c(mτ )
2π 2π T
T 0 T 0 T 0 0
∞
x(t ) = ∑ X m e jmω t O
m = −∞
∞
Aτ mτ jmωO t
x(t ) = ∑
m = −∞ T0
sin c(
T0 e
)
Obteniendo los valores de los coeficientes de Fourier Exponenciales
A⎡ ⎤ A ⎡τ τ⎤
T 2 τ
1 1 A
X 0 = ∫ x (t )dt = ∫τ Adt = 2τ ⎢⎣t τ ⎥⎦ = 2τ ⎢⎣ 2 + 2 ⎥⎦ = 2
2
T 0 2τ −
2
−
2
2A τ 2A ⎛ 2π τ ⎞ A ⎛π ⎞ A
X1 = sen (m ω 0 ) = sen⎜ ⎟ = sen⎜⎜ ⎟⎟ =
mω 0T 0 2 2π ⎝ 2τ 2 ⎠ π ⎝2 ⎠ π
T
T 0
0
2A τ 2A ⎛ 3 * 2π τ ⎞ A ⎛ 3*π ⎞ A
X3 = sen (3ω 0 ) = sen⎜ ⎟= sen⎜⎜ ⎟⎟ = −
3ω 0 T 0 2 3 * 2π ⎝ 2τ 2 ⎠ 3π ⎝ 2 ⎠ 3π
T
T 0
0
También se puede representar esta señal mediante la forma

trigonométrica de la serie de Fourier asi.
1
Recordando que Xm = (a m − jb m )
2
A = 2 (−
A
a =2Xm a = 2( ) a )
π 3π
m 1 3
De donde la serie de Fourier se construye asi:
173
A 2A ⎡ 1 1 1 ⎤
x(t ) = + ⎢ cos(ωt ) − cos(3ωt ) + cos(5ωt ) − cos(7ωt ) + .....⎥
2 π ⎣ 3 5 7 ⎦
A ∞ 2A
x(t ) = + ∑1 cos(mωt )
2 πm
1.2
1
t=[-1:0.001:1];f=1;w=2*pi*f;
x=0.5.*ones(size(t));
0.8
for m=1:2:99
0.6 x=x+(-1).^((m-
0.4
1)/2).*(2./(m*pi)).*cos(w*m.*
t);
end;
0.2
0 plot(t,x),grid
-0.2
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Esta ultima representación es la

más utilizada otra vez el coeficiente de Fourier es real y en función de la
frecuencia debido a la simetría par de la señal periódica cuadrada.
Algunas conclusiones de la representación exponencial:

a) Para todas las funciones x(t) con simetría par (tren de pulsos
rectangulares centrados en t=0) , los coeficientes Xm son reales y en
función de la frecuencia wo , y para describir su espectro (magnitud vs.
frecuencia) basta sólo con una grafica de magnitud que desde luego es
bilateral y de simetría par como se ve en la figura anterior.
b) Para todas las funciones x(t) con simetría impar los coeficientes Xm son
imaginarios y en función de la frecuencia wo. y para describir su espectro
(magnitud vs. frecuencia) basta sólo con una grafica de magnitud que
desde luego es bilateral y de simetría par.
c) Para todas las formas de onda con simetría de media onda, la

componente promedio es cero (ao=0; siempre y cuando la señal no oculte
su verdadera simetría), además las armónicas pares Xm valen cero. Así
mismo debe observarse que una forma de onda puede tener simetría de
media onda así como simetría par e impar al mismo tiempo.
174
d) Finalmente si una señal x(t) no tiene simetría par ni impar sus coeficientes
de Fourier exponenciales son complejos esto es se necesitan dos graficas
para representar los una para representar su magnitud y otra para
representar su fase.
e) Finalmente la potencia de la señal de este ejemplo se puede obtener

del Teorema de Parsenval en función de los coeficientes de Fourier
exponenciales :
∞ 2
∑
∞ 2
Ppromedio = X 02 + 2∑ xm = Xm
=
m=1
m = −∞
=(0.5)2+2[(1/pi)2 +1/3*pi)2+(1/5*pi)2+…..+(1/m*pi)2].
6.7.5. Espectro de frecuencia para el pulso periódico cuadrado.

La forma exponencial del pulso rectangular esta dado por
2A τ
X = sen(mω 0 )
m
mω 0 T 0 2
Aτ
X = S (m ω 0 τ )
2
m
T 0
a
2π
m τ
Aτ mω 0τ Aτ T Aτ
Xm= sin c( )= sin c( 0 )= sin c(mτ )
2π 2π T
T 0 T 0 T 0 0
Los coeficientes de Fourier exponenciales son cantidades reales y en

función de la frecuencia dada la forma de onda de simetia par, periodica
del tren de pulsos cuadrados.
Para graficar los coeficientes exponenciales de Fourier em función de la

frecuencia calculamos para La forma de onda em cuestión:
τ
A ⎡ τ2 ⎤ A ⎡τ τ ⎤ A
T 2
1 1
X0 = ∫
T 0
x (t )dt =
2τ ∫ Adt =
τ 2τ ⎣t − 2 ⎦ 2τ ⎢⎣ 2 2 ⎥⎦ 2
⎢ τ⎥ = + =
−
2
2A τ 2A ⎛ 2π τ ⎞ A ⎛π ⎞ A
X1 = sen (m ω 0 ) = sen⎜ ⎟ = sen⎜⎜ ⎟⎟ =
mω 0T 0 2 2π ⎝ 2τ 2 ⎠ π ⎝2 ⎠ π
T
T 0
0
175
X 2 = 0 ya que la señal periodica cuadrada a de mas de ser de simetría par
tiene simstria de media onda y los armonicos pares son cero.
2A τ 2A ⎛ 3 * 2π τ ⎞ A ⎛ 3*π ⎞ A
X3 = sen (3ω 0 ) = sen⎜ ⎟= sen⎜⎜ ⎟⎟ = −
3ω 0 T 0 2 3 * 2π ⎝ 2τ 2 ⎠ 3π ⎝ 2 ⎠ 3π
T
T 0
0
2A τ 2A ⎛ 5 * 2π τ ⎞ A ⎛ 5 *π ⎞ A
X5 = sen (5ω 0 ) = sen⎜ ⎟= sen⎜⎜ ⎟⎟ =
5ω 0 T 0 2 5 * 2π ⎝ 2τ 2 ⎠ 5π ⎝ 2 ⎠ 5π
T
T 0
0
2A τ 2A ⎛ 7 * 2π τ ⎞ A ⎛ 7 *π ⎞ A
X7 = sen (7 ω 0 ) = sen⎜ ⎟= sen⎜⎜ ⎟⎟ = −
7ω 0T 0 2 7 * 2π ⎝ 2τ 2 ⎠ 7π ⎝ 2 ⎠ 7π
T
T 0
0
Y así sucesivamente
Los coeficientes de Fourier exponenciales impares son cero dado el

carácter de simetría de media onda de la señal periodica cuadrada.
Graficamos (Xm vs. Índice

armónico m)
Código matlab:
A=1;
e=1;
T0=2;
m=-8:1:8;
a=A*e/T;
b=e*m/T;
X=a*sinc(b);
stem(m,X,’r’,’linewidth’,3),grid
Fig. 6.13 Espectro de frecuencias bilateral (Xm vs. índice m) de una función
periódica de onda cuadrada.
176
6.7.6 Analizasor de espectros
Serie de Fourier y Espectro de Frecuencias
Ejemplo: De la serie de Fourier de una Onda Cuadrada de simetría impar

tenemos
2 2 2 2
0.5 3 5 7 …
3 5 7
2
0.5 1,3,5
1.2
Código en Matlab
t=[-1: 0.001:1];
1
A=1;f=1;w=2*pi*f;
0.8
x=(A/2)*ones(size(t));
for m=1:2:99;
0.6
x=x+(2*A/(m*pi)).*sin(m*w
0.4
.*t);
end
0.2 plot(t,x,'linewidth',2),grid
0
-0.2
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
De la figura tenemos
• Onda Cuadrada con T0 = 1ms y f0 = 1 kHz. Sabemos que 2 , por lo
tanto:
2 2 2
0.5 2 1000 3 1000 5 1000
3 5
2
7 1000 …
7
• Valor promedio o de D.C. = 0.5 V
• Simetría ipar y de media onda
177
Analizador de Espectros y Espectro de Frencuencias.
Cálculo de potencias: suponemos que la señal entra a un analizador de espectros
con 50Ω
VRMS = [(VDC)2+(V1AC)2+(V3AC)2 +(V5AC)2+(V7AC)2]1/2 donde VAC son los armónicos
sinusoidales y VDC la componente de directa.
PRMS = (VRMS)2/RL = (VDC)2/RL + (VAC)2/RL donde VAC = (VP)2/2RL
Potencia DC
PDC = (VDC)2/RL = (0.5)2/50 = 5 mW.
Potencia de Armónicossinusoidales
P1AC= (V1AC)2/2RL = (2/ )2/(2*50) = 4.05 mW Primer Armónico ; f0 = 1kHz
P3AC= (V3AC)2/2RL = (2/3 )2/(2*50) = 0.45 mW Tercer Armónico ; f0 = 3kHz
2 2
P5AC= (V5AC) /2RL = (2/5 ) /(2*50) = 0.16 mW Quinto Armónico ; f0 = 5kHz
P7AC= (V7AC)2/2RL = (2/7 )2/(2*50) = 0.08 mW Séptimo Armónico ; f0 = 7kHz
Potencia total (de los primeros 3 armonicos+ la componente de directa)

=4.74mW+0.5mW=9.48mW
Potencia de la señal normalizada ( sobre una carga de RL= 1 ohms) es
| |
√
√ .
√ √
. .
Potencia en la cargacon RL de 50 ohms =
.
%
ñ
.
%
178
Conversión de Potencias de mW a dBm
Para convertir la potencia en mW a potencia en dbm se utilice la siguiente

ecuación: PdBm = 10 log | |
PDC = 10 log | | = 6.9 dBm
.
P1AC = 10 log | | = 6.08 dBm
.
P3AC = 10 log | | = -3.46 dBm
.
P5AC = 10 log | | = -7.9 dBm
.
P7AC = 10 log | | = -10.97 dBm
Espectro de Frecuencias
Código de MATLAB:
f=[0,1,2,3,4,5,6,7];
P=[6.9,6.08,0,-3.46,0,-7.9,0,-10.97];
stem(f,P,'linewidth',2),...
xlabel('f(kHz)'),ylabel('P(dBm)'),grid
Donde los ‘0’ indican los

Armónicos pares.
0
P(dBm)
-2
-4
-6
-8
-10
-12
0 1 2 3 4 5 6 7
f(kHz)
Espectro de frecuencias discreto vista por un analizador de espectro

179
Tarea especial 3 del dia 4 de Noviembre
Determinar la Serie de Fourier y Espectro de Frecuencias vista por un

analizador de espectros para la siguiente señal:
Tarea No. 17: Onda Triangular.
Σ ; con 1 m ∞
Código de MATLAB:
t=[-2:0.001:2];
f=2;
w=2*pi*f; 2.5
x=1;
for m=1:1:99 2
x=x-(2/(pi))*(1/m)*sin(m*w*t);
end
1.5
plot(t,x),grid
0.5
-0.5
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
• Onda Triangular con T0 = 0.5ms y f0 = 2 kHz. Sabemos que 2 , por lo

tanto:
180
Análisis de señal periódica cuadrada f=1kHz.
Código MatLab:
-1
-2
-3
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
>> t=[-1:0.001:1];f=1;w=2*pi*f;
>> x=0;
>> for m=1:2:99
x=x+(4*2.5/(m*pi)).*sin(m*w.*t);
end
>> plot(t,x),grid
• Simetría: Impar + ½ onda.

• Tipo de armónicos: Senos Impares.
• Representación mediante Serie de Furier:
• Modelo Matematico:
•
. , .
. , .
181
Observando la grafica de la señal obtenemos
T=1 s
.
. .
.
.
. .
.
.
. .
.
,
Serie de Furier:
Código MatLab:
f=[0,1,2,3,4,5,6,7,8];
Vp=[0,10/pi,0,10/(3*pi),
0,10/(5*pi),0,10/(7*pi),0];
stem(f,Vp,'linewidth',3),
xlabel('f (kHz)'),
ylabel('Vp (v)'),grid
182
Suponiendo la aplicación de esta señal a una carga resistiva de 50Ω,
realizamos los siguientes análisis:
1. Voltaje en sus primeras cuatro armonicas.
√ √ √ √
√ √ √ √
.
2. Voltaje total de la forma de onda.

.
. . .
.
% . %
3. Potencia de la componente de DC y de las primeras cuatro armónicas.
.
.
.
.
Código MatLab:
f=[0,1,2,3,4,5,6,7,8];
P=[0,101.32,0,11.25,
0,4.05,0,2.06,0];
>stem(f,P, 'linewidth',3),
xlabel('f (kHz)'),
ylabel('P (mW)'),grid
183
4. Comparación de la potencia de la componente de DC y de las primeras
cuatro armónicas contra la potencia total.
.
, , , ,
.
Ω
.
%
Las primeras 4 armónicas y la componente de DC (0) contienen el 94.94%

de la potencia total.
5. Modelado de imagen de Analizador de Espectro.
.
.
.
.
.
.
.
.
.
.
.
.
.
. .
.
184
Código MatLab:
f=[0,1,2,3,4,5,6,7,8];
P=[0,20.0569,0,10.5115,0,6.0745,0,3.1386,0];
stem(f,P),xlabel('f (kHz)'),ylabel('P (dBm)'),grid
6.8 Relaciones entre las formas de las Series de Fourier:
1) Ao = X o = a0
2) A ∠θm m
= am − jbm
− bm
∠θ m = tg −1
am
3) a m
= A m
cos(θ m ) b =−A
m m
sen (θ m )
2 2 − bm
4) Ao = a +b θ m = tg −1
m m
am
185
1 1
4) Xm = (a m − jb m ) X -m = (a m + jb m )
2 2
1 2 2 − bm
5) Xm = a +b
m m
; ∠θ m = tg −1
2 am
6) X m = A m
2
1
7) Xm = (a m − jb m )
2
Donde: am = 2Xm si b m = 0 esto supone X m es puramente real
- b m = 2 jX m am = 0 Xm
si esto supone es imaginario
8) P promedio
2
= a0 +
1 ∞
2
∑
2
(
m=1 am bm
+
2
)
P = A + 0.5∑ A
2 2
9) prom 0 m
m =1
10
∞ 2
2
P promedio = X 0 + 2∑ X m = ∑m=−∞
2 ∞
) m =1
X m
186
6.9 Relaciones de entrada salida:
Se supondrá que una señal periódica x(t) se aplica aun sistema lineal, BIBO
estable , caracterizado por su respuesta al impulso h(t) y su respuesta en
frecuencia H(jw) :
∞
x(t ) = ∑ Xm e jmw t0
m = −∞
∞
y (t ) = ∑ H ( jmwo t ) Xm e jmw t
0
m = −∞
Fig.6.14 Diagrama de bloque que representa un sistema LTI.
Ejemplo 6.9
Sea la señal x (t ) = A cos(ωt + φ ) =

2
e(
A j (ωt +φ ) − j (ωt +φ )
+e )
la entrada a un
sistema LTI
El sistema esta representado por

H ( jω 0 ) = H ( j ω 0 ) e o
jθ ( ω )
la salida de dicho sistema me lo da :
El teorema de respuesta en frecuencia: “La respuesta de un sistema LTI a

una entrada sinusoidal da como resultado una sinusoide con la misma
frecuencia que la entrada, la amplitud y la fase de la respuesta están
determinadas por la entrada y el valor de la función de respuesta del
sistema a la frecuencia de entrada” (este concepto se vera con mayor
detalle en el próximo capitulo).
De donde:
y(t ) =
A
2
[
H ( jω0 ) e j [ω0t +φ +θ (ωo )] + e− j [ω0t +φ +θ (ωo )] ]
187
y (t ) = A H ( jω0 ) cos[ω0t + φ + θ (ω0 )]
Ejemplo 61.10 Suponga una red eléctrica RC cuya función de respuesta

en frecuencia es:
1
H ( jω 0 ) =
1 + jω
ω
1
H ( jω 0 ) e
jθ (ωo ) − j tan −1
= 2 2
∠e α
1 +w
La entrada esta modelada por
Solución:
El valor de la función de respuesta en frecuencia a la frecuencia de
operación de w0 = 1rad/ s es:
1 ω
π
H ( jω 0 ) e o = 2
jθ (ω ) − j tan −1
2
∠ e α = 0.7071∠ −
4
1 +w
( )
y (t ) = (10 )( 0 . 7071 ) sen t − 30 0 φ − 45 0 = 7 .07 sen (t − 75 0 )
188
Maxwell, James Clerk
(1831-1879)
Nació en Edimburgo, Inglaterra el 13 de noviembre de 1831 en el seno de

una familia económicamente acomodada, sus primeros estudios los realizó
en una academia de Edimburgo en dicho liceo no fue precisamente un
alumno destacado, en matemáticas tenía serios problemas para entender
los intrincados y díficiles vericuetos, quizás le falto motivacion por parte de
su educadores, por lo que su padre decidio ponerlo en contacto con un
círculos de distinguidos hombres de ciencia, este evento en su vida marcó
para siempre su interés por la ciencia, fue tan grande el entusiasmo que
desperto que el muchacho por la geometía y las matemáticas, que éstas
se convirtieron en una verdadera pasión, a los catorce años de edad
presentó su primer trabajo científico en la Sociedad Real de Edimburgo el
cual tuvo que ser leído ante esta comunidad por un miembro de más
edad. Tomando en cuenta que este tipo de sociedades no prestaban
oídos a trabajos hechos por menores de edad, mucho menos tenían oídos
escucharlos, lo anterior podía ser calificado como una necedad por parte
de este círculo tan selecto de hombres de ciencia. Sin embargo, el
siguiente razonamiento podrá explicar este importante acontecimiento
“no sería adecuado que personas tan doctas escucharan las palabras de
un pequeño”. En este escenario las puertas de la Unversidad de Edimburgo
se abrieron para permitirle a este joven prometedor que ejerciera su gran
capacidad intelectual. Fue en este Centro Académico donde inició un
ensayo acerca de las propiedades y caracteristicas de la luz, aquí mismo
experimentó con la corriente eléctrica generada por sustancias químicas.
Años más tarde se trasladó a donde la crema y nata de la ciencia se
codeaba con la realeza: el Trinity College de Cambridge, en 1854 se
graduó en matemáticas, más tarde fue catedratico de filosofía natural en
Aberdeen, cargo que desempeño hasta que el duque de Devonshire le
ofreció la titularidad de la cátedra de Física en el laboratorio más
189
importante del Reino Unido; el laboratorio de Cavendish de Cambridge, es
aquí donde postula los principios de la teoría electromagnética de la luz y
las ecuaciones generales del campo electromagnético, sus contribuciones
en el ámbito de esta rama de la Física, lo comvirtieron en uno de los
científicos más importantes del siglo XIX.
La obra de Maxwell profundiza los estudios iniciados por Michael

Faraday (1791-1867) en el área de la electrodinámica (producción de
coriente eléctrica por la intersección de una bobina en movimiento dentro
de un un campo magnético), Según Faraday el espacio que rodea a una
particula cargada era una extensión de la particula misma, a este espacio
se le conoce como “campo”, y a uno de éstos en el que puedan ser
detectadas fuerzas eléctricas, magnéticas o gravitacionales se les
denomina campo eléctrico, magnético o gravitacional respectivamente.
Maxwell realizó otro ensayo relacionado con las linea de fuerza de Faraday
pero su principal aporte con respecto a las ideas de faraday es que
Maxwell tiene el talento y la capacidad para sustentar sus experimentos
en los conceptos surgidos a partir del modelo matemático, requisito
indispensable para dar el sustento teórico de los fenomenos
electromagneticos, pero además contribuyó con otros descubrimientos y
aplicaciones. Maxwell , propuso un esquema en el cual combina los
campos eléctrico y magnético, así como sus interrelaciónes en un conjunto
de ecuaciones que describiesen asimismo los cambios experimentados
por dichos campos dentro de las coordenadas de espacio y tiempo.
Más tarde en su obra acerca de una teoría dinámica del campo

electromagnético, 1864, continuamente reafirmaba sus conocimientos de
que los fenómenos electromagnéticos los cuales son provocados por
corpúsculos de materia en en movimiento (en ese momento todavia no se
conocía la particula electrica con carga negativa; el electrón).
Sin duda alguna fue en Cambrige donde expuso sus famosas

ecuaciones las cuales expresan con gran precisión las leyes
fundamentales de estos dos grandes fenómenos de la naturaleza: la
eléctricidad y el magnétismo, de cuya correlación se obtienen los campos
electromagnéticos. Asimismo afirmaba acerca de la existencia de ondas
electromagnéticas cuya velocidad se igualaban a la veliciadad de la de
la luz, es decir, particulas que viajaban a 300,000 km./seg. Lo anterior lo
llevó a la conclusión que la luz tenía carácter electromagnético, de donde
años más tarde se deduce la naturaleza de la luz como una dualidad
corpuscular y ondulatoria. Maxwell en 1873 publicó su célebre tratado
sobre electricidad y magnetismo, con esta obra se ampliaban los
conceptos matemáticos expuestos en su obra anterior. Maxwell en plena
productividad científica elaboró la teoría cinética de los gases, que
190
explica sus propiedades físicas (relación entre la temperatura, calor y
movimiento molecular) en este entorno de moléculas y gases aplicó su
gran talento que había mantenido oculto: su afición por la Estadistica, con
el propósito de analizar y dar respuesta a los fenomenos relacionados con
la separación de las moléculas y su relación con las velocidades que los
gases adquieren cundo se someten a los cambios de temperatura.
James Clerk Maxwell se despidió de su querida Cambridge, esta

ciudad que le abrió los espacios de los gases encerrado para entender el
comportamiento de la energía cinética molecular, sino, que aquí se
abrieron las puertas para que este famoso físico traspasara todas las
fronteras del mundo de la ciencia. El corazón de James Clerck dejó de latir
el 5 de noviembre de 1879.
191
CAPÍTULO 7. La Transformada de Fourier
OBJETIVO:
Que el alumno conozca la función de respuesta en frecuencia de un

sistema para predecir su comportamiento y la transformada de Fourier
de una señal de energía para identificar su distribución de componentes
de frecuencia que caracteriza a la misma.
ACTIVIDAD PREVIA:
-Recordemar como la operación de convolución nos proporciona la
respuesta de un sistema en el dominio del tiempo basta conocer la
respuesta al impulso h(t) del sistema y la entrada.
ACTIVIDAD DE ANALISIS:
-Estudia el desarrollo matemático para definir la función de respuesta en

frecuencia H(jw).
-Razona como esta función es una cantidad compleja que tiene
magnitud y fase.
-Las condiciones para que una señal tenga transformada de Fourier.
-El desarrollo matemático para obtener la transformad de Fourier de una
señal aperiódica.
-Razona como la transformada de Fourier proporciona una descripción en
el dominio de la frecuenta de señales en el dominio del tiempo con la
condición de que poseen área finita o sean señales aperiódicas (de
energía) además que esta herramienta es una cantidad compleja o sea
que tiene magnitud y fase.
- Lee lo referente a las propiedades de la transformada de Fourier.
ACTIVIDAD DE SINTESIS:
-Redacta una ficha donde desarrolles el efecto que tiene un sistema
lineal sobre una señal sinusoidal que se propague por éste.
-Evalúa la transformada de Fourier de algunas señales en el dominio del
tempo como la función pulso unitario, la función triangulo unitario y la
función impulso unitario
-Elabora un cuadro sinóptico donde relaciones el modelo matemático de
la señal en el dominio del tiempo, con la descripción en el domino de la
frecuencia y su correspondiente espectro continuo.
192
-Así mismo describe en una ficha las propiedades más importantes de la
Transformada de Fourier
AUTOEVALUACIÓN:
-Elabora con ayuda de Multisim las características de la función de
respuesta en frecuencia para filtro pasa bajas, actividad 2.1
-Resuelve los ejercicios y contesta las preguntas de las actividades 2.2 a
2.9 de la segunda parte.
7.1 Función de Respuesta en frecuencia H(jw).

Como se vio el capítulo donde se estudio el ámbito del dominio del
tiempo para señales y sistemas lineales utilizamos la entidad matemática
denominada impulso unitario δ(t) (para tiempo continuo) o muestra
unitaria δ[n] (para tiempo discreto) para excitar sistemas donde
expusimos que la respuesta de un sistema a esta entrada determinaba el
sistema en el dominio del tiempo a dicha respuesta le denominamos
respuesta al impulso unitario para sistemas continuos h(t) y la respuesta a
la muestra unitaria h[ n ] respectivamente. Este concepto es valioso para
predecir el comportamiento de los sistemas LTI en el dominio del tiempo a
través de la operación de convolución. En este capítulo se estudia la
representación de las señales de energía (área finita) y el comportamiento
de los sistemas lineales en el dominio de la frecuencia veremos como la
operación de convolución en el dominio del tiempo se vuelve una
operación de multiplicación en el dominio de la frecuencia facilitando la
comprensión de cómo una señal de entrada que se propagarse por un
sistema se transforma.
En primer lugar resulta matemáticamente conveniente representar una

señal continua arbitraria como una suma ponderada de estas funciones
(exponencial compleja) ya que muchas de las operaciones que se realizan
sobre dicha señal se simplifican. En segundo lugar la respuesta de estado
estable de un sistema LTI a una componente de entrada sinusoidal o
exponencial compleja es a su vez una sinusoide o exponencial compleja
con la misma frecuencia que la entrada pero, en general, con amplitud y
fase diferentes.
193
La descripción de un sistema en términos de sus efectos de amplitud y fase
de componentes de entrada sinusoidal o exponenciales complejas se
denomina modelo de respuesta en frecuencia.
Se sabe que la respuesta y(t) de un sistema LTI a una entrada x(t) en el

dominio del tiempo esta dada por la integral de convolución:
∞
y (t ) = ∫ h(τ )x(t − τ )dτ
−∞ (7.1)
donde h(τ ) es la respuesta al impulso unitario del sistema y x(t − τ ) es la
entrada desplazada.
Supongamos que la entrada x(t) es la componente exponencial compleja
e j (ωt ) , entonces x(t − τ ) es igual e jω (t −τ ) , o e jωt e − jωτ , por lo que la integral
de convolución queda :
∞
y (t ) = h(τ )e jωt e − jωτ dτ
∫
−∞ (7.2)
puesto que el término e j (ω t ) es independiente de la variable de
integración τ , no contribuye al valor de la integral y, por consiguiente,
puede salir de ésta. La respuesta a la componente exponencial de
entrada, es por tanto,
∞
y (t ) = e jωt h(τ )e − jωτ dτ
∫
−∞ (7.3)
Este resultado proporciona toda la información necesaria para determinar
el efecto que el sistema tiene sobre una componente de entrada
sinusoidal o exponencial compleja de cualquier frecuencia .
Observe que la respuesta y(t) se expresa como el producto de dos
términos: una exponencial compleja e j (ωt ) y una integral. La integral se
define como la función de respuesta en frecuencia del sistema y es un
modelo en el dominio de la frecuencia del sistema H ( jω ) , a esta también
se le conoce como función de transferencia de estado estable.
∞
H ( jω ) = − jωτ dτ
∫ h(τ )e (7.4)
−∞
por lo que la respuesta del sistema esta dada por
y (t ) = e jω t H ( jω ) (7.5)
194
a cualquier frecuencia ω = ω0 , H ( jω ) es en general un número complejo
con una magnitud H ( jω0 ) y una fase θ (ω o ) , donde
H ( jω0 ) = jθ ( w0)
H ( j ω0 ) e
(7.6)
Teorema de respuesta en Frecuencia: La respuesta de un sistema LTI a una

entrada sinusoidal da como resultado una sinusoide con la misma
frecuencia que la entrada, la amplitud y la fase de la respuesta están
determinadas por la entrada y el valor de la función de respuesta del
sistema a la frecuencia de entrada.
x (t ) = Ae jω 0 t
y (t ) = H ( jω 0 ) Ae ( jω 0 t +θ (ω 0 ))
Fig. No.7.1 Respuesta de estado estable de un sistema LTI a una

componente de entrada sinusoidal o exponencial compleja.
Observe que la respuesta y(t) se expresa como el producto de dos

términos: una exponencial compleja e j (ωt ) y una integral. La integral se
define como la función de respuesta en frecuencia del sistema y es un
modelo en el dominio de la frecuencia del sistema H ( jω ) , a esta también
se le conoce como función de transferencia de estado estable.
∞
H ( jω ) = − jωτ dτ
∫ h(τ )e
−∞
por lo que la respuesta del sistema esta dada por
y (t ) = e jωt H ( jω )
195
a cualquier frecuencia ω = ω0 , H ( jω ) es en general un número complejo
con una magnitud H ( jω0 ) y una fase θ (ω o ) , donde
H ( jω 0 ) = H ( j ω 0 ) e
jθ (ωo )
Usando el principio de superposición podemos determinar el efecto de un

sistema en una sinusoide de entrada:
jω 0 t
x(t ) = A cos (ω 0 t ) = A / 2e + A / 2e − j ω 0 t
La respuesta del sistema a cada componente de entrada se puede escribir
por separado:
→ A / 2 H ( jω0 ) e j[ω0t +θ (ωo )]
jω 0 t
A / 2e
→ A / 2 H ( jω0 ) e − j[ω0 t +θ (ωo )]

− jω 0 t
A / 2e
Así la respuesta a x(t) es una suma de las respuestas a las componentes
individuales
[
y(t ) = A / 2 H ( jω0 ) ⎢e j ω0 t +θ
⎡ (ω )] + e− j[ω t +θ (ω )]⎤
⎥
o 0 o
⎣ ⎦
y(t ) = A H ( jω0 ) cos[ω0t + θ (ω0 )]
Para un sistema físico, el valor de H ( jω ) se puede obtener a cualquier

frecuencia particular ω = ω0 aplicando una onda sinusoide de la
frecuencia ω 0 y midiendo la amplitud y la fase, con respecto a la entrada,
de la respuesta sinusoidal resultante.
H ( jω 0 ) =
amplitudde salida
y la fase de H ( jω ) esta determinada por:
ω =ω 0 amplitudde entrada
θ (ω )
ω =ω = fase de salida - fase de entrada
0
Se sugiere que para reafirmar este concepto el alumno realice la

ACTIVIDAD 6.l de la segunda parte.
7.2 Relación entre h(t) y H ( jω )

La respuesta al impulso unitario h(t) y la función de respuesta en
frecuencia H ( jω ) , son, respectivamente, modelos en el dominio del
tiempo y en el dominio de la frecuencia de un sistema. El vínculo
importante entre ellas está dado por la integral:
∞
H ( jω ) = ∫ h(t )e
− jω t
dt
−∞ (7.7)
196
Esta integral define la transformada de Fourier H ( jω ) de la respuesta al
impulso h(t). La integral de Fourier se puede calcular siempre y cuando la
función h(t) satisfaga la condición:
∞
∫ h(t ) dt 〈∞
−∞
En la práctica esta condición se satisface se h (t) es una

función en forma de pulso que finalmente regresa a cero después de
cierto tiempo se dice que la integral converge (o que la función es
absolutamente integrable) en estas condiciones o que la función tiene
área absolutamente finita.
Ejemplo 7.1 Una red RC tiene una respuesta al impulso de forma en pulso
exponencial decreciente definida por:
1 −αt
h(t)= RC
e para t ≥0
0 para t<0
Usando la transformada de Fourier, se puede calcular la función de

respuesta en frecuencia correspondiente al sistema:
Para facilitar el desarrollo suponga que el valor de la constante de tiempo
de la res tau =RC= 1, de R=1Ω y el valor de C=1 F .
∞
∞ −α t − j ω t − (α + jω )dt
H ( jw) = ∫ e e dt = ∫e
0
0
Realizando la integración, se tiene:
∞
− (α + jω )
H ( jω ) = − e =
1
Esta expresión es la transformada de Fourier
(α − jω ) α + jω
0
de la respuesta al impulso h(t) que tiene forma de pulso exponencial
decreciente. Se trata de una función compleja de la frecuencia ω y
contiene la información de magnitud y fase del sistema:
197
1 1
H ( jω ) = =
α + jω α +ω
2 2
−1 ω
θ (ω ) = − tan ( )
α
Al graficar la magnitud y la fase de H(jw) con tau = R*C =1 por tanto alfa
=1/tau=1:
1
α
Fig. 7.2 Espectros de Magnitud y fase de un sistema cuya respuesta en el

dominio del tiempo se caracteriza por e-αt u(t).
En el ejemplo anterior debe observarse algunos puntos importantes:
Observaciones a las graficas de las figura 7.2
1.- La respuesta en frecuencia de magnitud de la red disminuye conforme

la frecuencia aumenta, esto significa que la red RC transmitirá
componentes de entrada de frecuencias bajas con un cambio de
amplitud relativamente pequeño, pero reducirá considerablemente la
amplitud de componentes de entrada de frecuencia alta.
2.- También se muestran las características de fase de la red que cambian
con la frecuencia. A frecuencias bajas, el defase es relativamente
pequeño por otra parte componentes de frecuencia alta en la entrada
tendrán un defase mayor, provocando defases de hasta 900 o pi/2 (rad)
a frecuencias muy altas.
3.- Por lo tanto el comportamiento global de esta red RC, es la de un

filtro pasa bajas.
198
4.- En el dominio del tiempo para esta red la respuesta al impulso decrece
exponencialmente se caracteriza por su constante de tiempo tau= 1
α
Las graficas de magnitud y fase muestran que existe una relación simple
entre la constante de tiempo y la frecuencia en w = α , a esta frecuencia
la magnitud de H(jw) disminuye 1/√2( 1 ) o 0.7071( 1 ) de su valor a
α α
frecuencia cero ( 1 ), esta frecuencia es tan importante que se le da el
α
nombre de frecuencia de corte o frecuencia de -3 dB porque | H(jw)| dB
= 20 log10| H(jw)| =20 log 0.7071( 1 ) = -3( 1 )dB. (*Averigua que es un
α α
decibel) El defase del sistema a esta frecuencia es igual a –450 =- pi/2 rad
(en frecuencia positiva). La frecuencia w = α se usa como punto de
referencia para distinguir la respuesta del sistema a frecuencias altas y
bajas. Las frecuencias bajas corresponden desde w =0 a w = α y las altas
w>α
.
Ejemplo 7.2 Obtención de la grafica de Bode con matlab :
La respuesta al impulso de una red eléctrica se modela por medio

de un pulso con decrecimiento exponencial
h(t) = 1000e-1000t , para t ≥0 y o, para t<0.
Determine la función de respuesta en frecuencia del sistema H(jw) y

grafique su amplitud y fase , para w =1 rad/s.
Las escalas que se acostumbran son en *decibles vs. la frecuencia en

rad/s o en hz.
Dada la amplitud en una cantidad numérica (CN) se convierte en

decibeles mediante la relación:
CNdB= 20 log10 CN.
Las escalas acostumbradas de la FASE son en grados o radianes vs. la

frecuencia en rad/s o en hz.
199
De la relación entre el dominio del tiempo y el dominio de la frecuencia :
T.F.
h(t) ↔ H(jW)
−αt u (t ) A A −1 w
A e α + jω
=
2+ 2
,− tan α
α w
↔
(
Sustituyendo los valores del ejemplo en cuestión:
H(Jw) = 1000/1000+jw ; sea w= 1rad /s
│H(jw) │w=1 = 1000/√10002 + 12 =1; a esa frecuencia.
La magnitud en decibeles es:

│H(jw) │dB =20 log(1) = 0 dB.
El valor de la fase a esa frecuencia es:

Ө(w) = -tan-1 w/α = -tan-1 1/1000 =-45° ; a esa frecuencia.
Con el ayudad del programa matlab podemos graficar la magnitud y fase

en fuñón de la frecuencia (grafica de BODE) da la función de respuesta en
frecuencia H(jw) fig, 7.3.
200
Código en matlab:
w=logspace(-1,4,100); % la frecuencia equiespaciada logarítmicamente

entre las frecuencias 10-1 y 104 rad/s.
num=1000; % coeficiente del numerador.
den=[1,1000]; % coeficientes del
denominador.
[ mag, fase,w]=bode(num, den, w); % comando BODE.
subplot(2,1,1),semilogx(w,20*log10(mag)),grid,... % comando
de graficación.
subplot(2,1,2),plot(w,fase),grid
Fig. 7.3 Grafica de magnitud y fase en función de la frecuencia (grafica

de BODE) de un sistema caracterizado por su función respuesta en
frecuencia H(jw) , en el dominio de la frecuencia.
*¿Qué es un decibel?
El decibel (dB) es una unidad relativa de una señal (la variación en el

tiempo de una magnitud física que porta información del sistema con el
que esta relacionada) muy utilizada al momento de comparar y calcular
201
niveles de señales . Los logaritmos son muy usados debido a que la señal
en decibeles (dB) puede ser fácilmente sumada o restada y también por
que el oído humano responde en forma natural a niveles de señal que se
aproximan a la de los logaritmos.
¿Pero que es un decibel?, ¿Qué ventaja de rendimiento ofrece realmente

un margen de unos cuantos decibeles? Un decibel es la manera
adecuada en que los ingenieros en comunicaciones y electrónica
describen las relaciones de potencia o voltajes entre la entrada la entrada
y salida de un sistema (por ejemplo en un amplificador de audio) .
Ventajas:
Los decibeles sirven para describir el desempeño de un sistema, por

ejemplo si el sistema representa una ganancia (la salida es mayor
que la entrada) los decibeles son positivos y se presenta una
atenuación los decibeles serían negativos (la salida menor que la
entrada). Cuando el valor en decibeles es cero, se entendería que el
sistema no “gana ni se atenúa”, lo que implica que la señal de salida
tiene el mismo nivel que la entrada.
7.3 Condiciones para la existencia Transformadas de señales.

No solo podemos aplicar la Transformada de Fourier a la respuesta al
impulso h(t) para obtener la Función de respuesta en frecuencia del
sistema si no también a las señales de energía para obtener su distribución
de componentes de frecuencia.
∞
X ( jω ) = ∫ x(t )e
− jωt
dt => Definición de la Transformada de Fourier directa
−∞
de una señal (2.8)

∞
1 jωt dω => Definición de la Transformad inversa de Fourier
x (t ) =
2π ∫ X ( jw)e
−∞
de una señal (2.9)
Se dice que la señal x(t) tiene transformada de Fourier si la integral que
define la transformada de Fourier directa(1) converge es decir existe
veamos:
202
− jω t
y (t ) = x (t ) e
− jω t
∫ y ( t ) dt ≤ ∫ y ( t ) dt = ∫ x (t ) e dt Se sabe que
e − jwt = 1
Por lo que se deduce que la integral de la ecuación anterior existe si:
1.- es absolutamente integrable (tiene área absolutamente finita).

2.- no presenta “comportamientos anómalos” en otras palabras su
variación esta acotada o también no contiene máximos y mínimos infinitos
o discontinuidades infinitas.
∞
La primera condición significa que ∫ x ( t ) dt 〈∞ ,
− ∞
(7.10)
Que la señal sea absolutamente integrable o tenga área finita.
Una clase de señales que satisface la ecuación (3) son las señales de
energía finita o señales en forma de pulso, señales aperiódicas.
La transición de una señal periódica a una no periódica haciendo que el

periodo T se alargue sin límite, también representa una transición de una
señal de potencia a una señal de energía.
Las señales de Potencia media finita (señales con contenido de energía

infinita, pero potencia media finita) también tienen transformada de
Fourier, pero contienen impulsos.
7.4 Obtención de la transformada de Fourier de señales:

−αt
x(t ) = e
Sea , para t ≥0
0, para t<0
203
∞
∞ −αt − jωt −(α + jω )dt ∞
X ( w) = ∫0 e e dt = ∫e −(α + jω )
0 X (ω ) = − e =
1
(α − jω ) α + jω
0
1 1
X (ω ) = =
α + jω α +ω
2 2
−1 ω
θ (ω ) = − tan α
Graficas de espectros de magnitud y fase del pulso exponencial

decreciente con α=1:
Fig. 7.4 Espectros de frecuencia.
Primer par transformado:
−αt 1
e u (t )
α + jω
204
Ejemplo 7.3 Obtener la Transformada de Fourier de la siguiente señal
definida por :
rect (t) = 1, -½ ≤ t≤ ½
0,| t | > ½
Fig 7.5 Función pulso unitario
Solución:
X(jw)= =
1/ 2 1/ 2
− jwt dt = −1 / jw ⎡e − jwt ⎤ = −1 / jw ⎢e − w / 2 − e − jw / 2 ⎥ = 1 / jw ⎢e jwt − e − jwt ⎥
⎡ ⎤ ⎡ ⎤
∫ 1e ⎢
⎣ ⎥
⎦ −1 / 2 ⎣ ⎦ ⎣ ⎦
−1 / 2
Multiplicando el numerador y denominador por 2
2
− e − jw / 2 ⎥ 2
⎡ jw / 2 ⎤
2 jw ⎡ − w / 2
− e − jw / 2 ⎥ = 2 / w ⎢
⎤ e
⎢⎣e = sen ( w / 2)
⎦ ⎢ 2j ⎥ w
⎣ ⎦
Si multiplicamos el numerador y denominador por ½ y como sin(x)/x = Sa(x)
y sinc(x)= sin(xpi)/xpi
2
2 sen( w / 2) = sen( w / 2) = Sa ( w / 2) = sen(π ( w / 2π ) sin c ( w / 2π )
w w/2 π ( w / 2π )
2 .
X(w) =Sa(w/2)= sinc(w/2pi)
Por tanto tenemos el segundo par transformado
rect (t ) 2 ω ω ω
sen ( )= sa ( ) = Sinc ( )
ω 2 2 2 pi
205
Ejemplo 7.4 Obtener la transformada de Fourier de la función pulso
rectangular escalado en amplitud y escalado en tiempo.
x(t)
A
⎛t⎞
τ x(t ) = Arect⎜ ⎟ = {A, −τ / 2 ≤ t ≤ τ / 2
⎝τ ⎠
0, en otro tiempo
-τ/2 τ/2 t
Fig.7.6 Pulso rectangular escalado.
De la definición de la transformada de Fourier:

∞
X ( jω ) = ∫ x(t )e − jωt dt
−∞
X ( jω ) = ∫
τ /2
−τ / 2
Ae − jωt dt = −
A ∞ − jωt
jw ∫− ∞
e (− jω )dt = −
A − jωt
jw
e [ ]
τ /2
−τ / 2 =−
jw
[
A − jω (ε / 2)
e ]
− e jω (ε / 2) =
=
jω
e [
A jω (τ / 2)
− e − jω (τ / 2) ]
Ajustando conforme a la relación de Euler:

e jωt − e − jωt
sen(ωt ) =
2j
2 A ⎡ e − jω ( ε / 2 ) − e jω ( ε / 2 ) ⎤ 2 A
X ( jω ) = ⎥= sen [ω (τ / 2) ]
ω ⎢⎣ 2j ⎦ ω
Podemos ajustar el resultado anterior en términos de la función muestreo:
sen( x )
S a( x ) =
x
2A ⎛τ / 2 ⎞ sen[ω (τ / 2)] sen[(π (ωτ / 2π ))]
X ( jω ) = sen[ω (ε / 2)]× ⎜ ⎟ = Aτ = AτSa(wτ / 2) = Aτ
ω ⎝τ / 2 ⎠ ω (τ / 2) π (ωτ / 2π )
sen[(π (ωτ / 2π )] ωτ
X ( jω ) = Aτ = Aτ sin c( )
π (ωτ / 2π ) 2π
206
t ωε ωτ ωτ
Aτ sen ( )= Aτ sa ( ) = A τ Sinc ( )
Arect ( ) 2 2 2 pi
τ
Gráfica de X(jw) de la función pulso escalado
La gráfica de X(jω) representa la función x(t) pero en el dominio de la
frecuencia.
Para este caso, usaremos ε = 0.5 s y una amplitud A = 1
Código Matlab
w=[-100:.001:100];
A=1;
ε=0.5;
tetha=w*(ε/2);
x=A*T*(sin(tetha))./tetha;
plot(w,x,'linewidth',2),grid,title('Grafica de la función en el dominio de la
frecuencia con ε =0.5')
Fig. 7.7 espectro continuo de un pulso escalado.
*Observaciones al espectro de la función pulso escalado:

1.-Podemos observar que X(jw) (espectro de frecuencia) que es una
cantidad real y continua en frecuencia w.
207
2.- En la gráfica de la función en el dominio de las frecuencias, el rango de
frecuencias comprendidas entre ω = 0 y el primer cruce con cero se le
conoce como “ancho espectral” o “ancho de banda” o “bandwitdh” y es
donde la densidad espectral (distribución continua de componentes de
frecuencia) es mayor, observando la mayor contribución a la señal de
componentes de relativa baja frecuencia.
3.- La magnitud de X(jw) en la frecuencia w=0 es A τ ya que valor de

esta función en w=0;
sin π (w )
Cuando la variable w en sin c (t ) = tiene el valor cero tanto el
π (w )
numerador como el denominador dan un valor igual a cero, lo que
produce una forma indeterminada. Utilizaremos la
regla de L’Hopital en este caso:
lim lim sin π (w ) lim π cos(πw)

sin c (t ) = = =1
w→0 w → 0 π (w ) w→0 w
Este valor A τ es equivalente l área del pulso rectangualar en el dominio
del tiempo.
4.- La función X(jw) se hace cero o crusa el eje de la frecuencia en w=

2pi/ τ ya que
τ 2π 2π τ
seno ( w ) = 0 si w= esto es seno ( ) = seno (π ) = 0
2 τ τ 2
5.- Existe otra particularidad entre la representación de una señal en el

dominio de la frecuencia y del tiempo: la amplitud de la gráfica en el
dominio de la frecuencia cuando ésta es cero (ω = 0), es equivalente al
área bajo la curva de la función en el dominio del tiempo.
7.5 Principio de la transformada de Fourier:
“Cualquier señal de corta duración en el dominio del tiempo ocupará una

banda de frecuencias relativamente ancha en el dominio de la
frecuencia”.
Este principio establece una relación inversa entre el ancho del pulso en el
dominio del tiempo y el ancho espectral en el dominio de la frecuencia; es
208
decir que mientras más corta sea la duración de una función (en el
tiempo) mayor será el ancho de banda de sus componentes de
frecuencia y viceversa.
Partamos del análisis simultáneo de dos señales, condicionadas por el

mismo modelo matemático, pero caracterizadas por sus respectivos
coeficientes de decaimiento exponencial . Sea entonces:
· ·
Donde, para realizamos los siguientes cálculos:

∞
∞
ñ : · 0 1
4 4 4
∞
: ;
∞
∞
·
4
Enseguida realizamos la evaluación:
|
4
De manera análoga, obtenemos para :
∞
∞
· 0 1
2 2 2
∞
·
2
|
2
Para este punto, surge el siguiente postulado:

• El área comprendida bajo la curva modelada por la señal en el
dominio del tiempo es equivalente a la magnitud de su
Transformada de Fourier evaluada en 0.
Ahora, recordando la consideración de que la constante de tiempo se

define como 1 ; realizamos la representación grafica de la
representación en el dominio del tiempo y la representación en el dominio
de la frecuencia
209
:
∞
· ·
Código MatLab:
>> t1=[-2:0.001:0];
>> t2=[0:0.001:10];
>> t=[t1,t2];
>> x1=zeros.*(t1);
>> x2=5*exp(-4.*t2);
>> x=[x1,x2];
>> subplot(2,1,1),
plot(t,x,'linewidth',2),
title('Dominio
del Tiempo'),grid;
>> w=5./(4^2+(t).^2).^(1/2);
>> subplot(2,1,2),
plot(t,w,'linewidth',2),
title('Dominio de la Frecuencia'),grid;
210
Fig. 7.8 Pulso angosto en el dominio del tiempo tau =0.25 pequeña, espectro ampllpio
w=alfa =4 dominio de la frecuencia .
Asi mismo:
∞
· ·
2
Código MatLab:
>> t1=[-2:0.001:0];
>> t2=[0:0.001:10];
>> t=[t1,t2];
>> x1=zeros.*(t1);
>> x2=5*exp(-2.*t2);
>> x=[x1,x2];
>> subplot(2,1,1),
plot(t,x,'linewidth',2),
title('Dominio
del Tiempo'),grid;
>>
w=5./(2^2+(t).^2).^(1/2);
>> subplot(2,1,2),
plot(t,w,'linewidth',2),
title('Dominio de la
Frecuencia'),grid;
Fig. 7.9 Pulso ancho en el dominio del tempo tau grande= 0.5 espectro angosto w=alfa =
2 dominio de la frecuencia.
Al observar las graficas resultantes podemos concluir lo siguiente:
211
Ejemplo 7.5 Obtener la transformada de Fourier de la siguiente señal y sus
gráficas
x(t)
A A, – T/2 ≤ t ≤ 0
x(t)=
T/2 –A, 0 ≤ t ≤ T/2
–T/2 t
0, en otro lugar
–A
Figura 7.8 Pulso rectangular desplazado e invertido.
Aplicando la transformada de Fourier
0 T /2
∫ Ae dt − ∫ Ae
− jω t − jωt
x ( jω ) = dt 0 T /2
e− jωt dt + e − jωt dt =
A A
−T / 2 0 =
− jω ∫ jω ∫
−T / 2 0
A ⎡ jω ⎤ A ⎡ − jω 2 ⎤
[ ] [ ]
T T
A 0 A − jω t T /2
e − jωt −T / 2 + e 0 =− ⎢1 − e 2
⎥ + ⎢ e − 1⎥
− jω jω jω ⎣ ⎦ j ω ⎣ ⎦=
=
A ⎡ jω 2 ⎤ A ⎡ − jω 2 ⎤ A ⎡ jω 2 ⎤
T T T T
− jω
⎢ e − 1⎥ + ⎢ e − 1⎥ = ⎢ e + e 2
− 2⎥ ⎡ jω T2 − jω
T
⎤
jω ⎣ j ω j ω 2 A ⎢ e + e 2
= ⎦ ⎣ ⎦ ⎣ ⎦ = − 1⎥ =
jω ⎢ 2 ⎥
⎢⎣ ⎥⎦
2A ⎡ ⎛ T ⎞ ⎤
X ( jw) = cos⎜ ω ⎟ − 1
jω ⎢⎣ ⎝ 2 ⎠ ⎥⎦ (Esta cantidad es imaginaria y en
función de la frecuencia dado que la señal en el dominio del tiempo tiene

simatria impar).
212
Otra Pareja Transformada para la tabla
A, – T/2 ≤ t ≤ 0
2A ⎡ ⎛ T ⎞ ⎤
x(t) = ↔ X(jw) = ⎢cos⎜ ω ⎟ − 1⎥
jω ⎣ ⎝ 2 ⎠ ⎦
–A, 0 ≤ t ≤ T/2
La transformada de Fourier es una cantidad imaginaria como era de

esperarse por tener simetría impar la señal en el dominio del tiempo.
Valor absoluto de x Angulo de x

0.8 2
0.6 1
Gráficas en Matlab
0.4 0
0.2 -1
0 -2
-40 -20 0 20 40 -40 -20 0 20 40
Fig. 7.9 Espectros de parte REAL de x parte IMAGINARIA de x
Frecuencia.
1 1
Código 0.5 0.5
w=linspace(-40,40,500); 0 0
A=1; -0.5 -0.5
tau=1; -1
-40 -20 0 20 40
-1
-40 -20 0 20 40
fc=2*A./(j.*(w));
argumento=w.*(tau./2);
x=fc.*(cos(argumento)-1);
subplot(2,2,1),plot(w,abs(x),'linewidth',2),grid,title('Valor absoluto de x'),
subplot(2,2,2),plot(w,angle(x),'linewidth',2),grid,title('Angulo de x'),
subplot(2,2,3),plot(w,real(x),'linewidth',2),grid,title('parte REAL de x'),
subplot(2,2,4),plot(w,imag(x),'linewidth',2),grid,title('parte IMAGINARIA de x')
7.6 Obtener la transformada de Fourier de la función δ (t).
De la propiedad de selección de dicha función se tiene:

∞ ∞
∫ x(t )δ (t − α )dt = x(α )

−∞
∫ x(t )δ (t )dt = x(0)
−∞
de donde
∞
− jwt dt = e − jw0 = 1
∫ δ (t )e
−∞
Por lo tanto tenemos otra pareja de transformada de Fourier:
213
δ(t) ↔ 1
Como se puede observar la función impulso tiene un espectro que

contiene todas las componentes de frecuencia (espectro blanco) y es la
razón por la cual se usa para excitar sistemas lineales ya que se estará
excitando un sistema para todas las componentes de frecuencia.
7.7 Propiedades de la transformada de Fourier
Linealidad:
ƒ { a1 x1(t) + a2x2 (t)} = a1 X1(jω) + a2 X2(jω)
Ejemplo:
Sea a1 x1(t) = 2 e-αt u(t) y a2x2 (t) = 3 Π(t/ε).
ƒ {2 e-αt u(t) + 3 Π(t/ε) } = 2/α+jω +3 ε Sa (ω ε/2).
Ejemplo:
ƒ {A e-αt u(t) + A(1-│t│/tau } = A/α+jω +A(tau) sinc2 (ω tau/2).
Dualidad: Si x(t) ↔ X(jω) ; es un par transformado entonces

X(t) ↔ 2 π x(-ω) es también un par transformado de Fourier.
La dualidad se sustenta en la simetría entre las integrales que definen la
transformada directa e inversa:
∞
X ( jω ) = x (t )e − jωt dt
∫
−∞
∞
jwt dω
x (t ) = 1 / 2π ∫ X ( jω ) e
−∞
“En el intercambio de tiempo y frecuencia (t a –w) se incluye un cambio
de signo para tomar en cuenta el cambio de signo en la exponencial de la
transformada directa e inversa”.
214
Ejemplo 7.6
rect(t/ε) ↔ ε Sa(ω ε/2) utilizando la propiedad de dualidad
ε Sa (t ε/2) ↔ ε 2 π rect(-ω /ε) = ε 2 π rect(ω /ε) (esto último porque la

función pulso es una función par.
Grafica de la funcion en el dominio de la frecuencia con T=0.5
0.5
0.4
x(t)
0.3
A 0.2
0.1
ε 0
-0.1
- ε/2 t -0.2
-100 -80 -60 -40 -20 0 20 40 60 80 100
Grafica de la funcion en el dominio de la frecuencia con T=0.5

0.5
x(t)
0.4 A
0.3
0.2
ε
0.1
- 2pi/ε/2 wt
0
-0.1
-0.2
-100 -80 -60 -40 -20 0 20 40 60 80 100
Fig. 7.10 Ilustración de la propiedad de dualidad.
215
Ejemplo 2.7:
Ae-αt u(t) ↔ A/α +jw
A/α +jt ↔ 2 πA e-α(-w) u(w) para α > 0
Parsenval: La transformada de Fourier es una relación de conservación de

energía.
Describe como la energía esta distribuida a lo largo del eje de la

frecuencia de la función denominada densidad espectral de energía:
D(w)=│X(jω)│2 (está esta determinada por el espectro de amplitud de x(t)
y siempre es una función real positiva).
E = ∫ -∞ ∞ │x(t)│2 dt = 1/2 π ∫ -∞ ∞ │X(jω)│2 dω = 1/ π ∫ -0 ∞ │X(jω)│2 dω
El último termino se usa si el espectro corresponde a una señal x(t) real con
simetría par.
Ejemplo 7.8 Cuál es la energía de la señal definida por x(t) = e-αt u(t) ,
para α > 0, utilizando el teorema de Parsenval..
El espectro de magnitud del pulso es │X(jω)│ = │1/α+jω │= = 1/(α2+ω2 )½

y la densidad espectral es:
│X(jω)│2 = 1/ α2+ω2
E = 1/2 π ∫ -∞ ∞ │X(jω)│2 dω = 1/2 π ∫ -∞ ∞ 1/(α2+ω2 ) dω =1/ 2 π α [ tg-1 (ω/α)

]w =-∞w=∞ = 1/2 α que es la misma cuando se calculo en el dominio del
tiempo para este mismo pulso.
Desplazamiento en el tiempo:
ƒ { x ( t - t 0)} ↔ X(jω) e-jωt0
Desplazamiento en frecuencia:
ƒ { x ( t ) e-jω0t } ↔ X(ω – ω0 )
216
Propiedad de modulación: Consideremos la multiplicación de x(t) por
coseno(wt), en este contexto se le conoce a x(t) como la señal
moduladora (señal de información) y a la sinusoide coseno(wt) como la
señal portadora, al multiplicar x(t) por el coseno(wt) en el dominio del
tiempo se transforma al dominio de la frecuencia en un desplazamiento
del espectro a una cantidad w0 , así tenemos la siguiente transformación:
⎧ ⎡ 1 jω t − jω t ⎤
f {x(t ) cos(ω0t ) } = f ⎨ x(t ) ⎢ (e 0 + e 0 )⎥
⎩ ⎣2 ⎦
por el teorema de superposición:
1
2
[{ jω t 1
2
] [{ − jω t
f x(t ) e 0 + f x(t ) e 0 ] ⇔
1
2
[X (ω + ω0 ) + X (ω − ω0 )]
de manera semejante si una señal x(t) es multiplicada por un seno,

tenemos
ƒ { x ( t ) sen (ω0 t ) } = j/2 [X(ω + ω0 ) - X(ω - ω0 ) ]
Ejemplo 7.9
x(t)= rect(t/ε) ↔ ε Sinc (ω ε/2pi)

cos (wt) ↔ rect [δ(w+w0)+ δ(w-w0)]
por la propiedad de modulación:
ƒ {rect(t/ε) cos (ω0 t ) } — > ½ [X(ω + ω0 ) + X(ω - ω0 ) ]= ½ [ε Sinc

((w+wo) ε/2pi)+ ε Sinc ((w-wo) ε/2pi)]
“Vemos que la multiplicación por el coseno(ω0t), causa que la

transformada de Fourier de la señal en forma de pulso se separe y
duplique”.
Para el siguiente ejemplo obtener la gráfica de la transformada de Fourier

de la función modulada:
217
⎛t⎞ T.F. ⎛ ε ⎞
x(t ) = rect⎜ ⎟ ε × Sinc⎜⎜ ω ⎟
⎝ε ⎠ ⎝ 2 pi ⎟⎠
1
f ⎧⎨rect⎛⎜ εt ⎞⎟ × cos(ω t )⎫⎬
0 ⇔
2
[εSinc((ω + ω0 )ε ) / 2 pi + εSinc((ω − ω0 )ε / 2 pi)]
⎩ ⎝ ⎠ ⎭
Gráfica en Matlab:
w=[-50:.001:50];
E=1;
Wo=25;
a=E.*(sinc(w+Wo.*E)./2*pi);
b=E.*(sinc(w-Wo.*E)./2*pi);
x=(1/2).*(a+b);
plot(w,x),grid
Fig. 7.11. Modulación del pulso rectangular.
“Podemos notar en esta gráfica que el espectro del pulso se a duplicado y

separado a los valores localizados en – ω0 y en + ω0”.
“También se dice que la modulación dispersa el espectro de la señal de
información a la región de altas frecuencias”.
*Propiedad de convolución en el tiempo: de las propiedades más

importantes de la representación de Fourier, establece que la convolución
en el dominio del tiempo se transforma en una operación de multiplicación
en el domiio de la frecuencia en otras palabras podemos analizar el
comportamiento entrada-salida de un sistema lineal en el dominio de la
frecuencia utilizando la multiplicación de sus transformadas en lugar de
señales convolucionando en el tiempo.
y (t ) = x (t ) * h (t ) ⇔ Y ( jω ) = X ( jω ) H ( jω )
218
Ejemplo 7.10
Un sistema LTI descrito por h(t) = 4e-2 tu(t) ,encuentre la respuesta en el

dominio del tiempo y(t) , si la entrada es excitada porr x(t) = 3e-2tu(t) .
Solución: aplicando la propiedad de convolución y recordando el

teorema de respuesta en frecuencia.
Y(jw) = X(jw)H(jw). Para el ejemplo: H(jw) = 4/2+jw y X(Jw) =3/2+jw
Y(jw) = x(jw)H(jw) =(4/2+jw)( 3/2+jw)=12/(2+jw)2
Donde y(t)= 12te-2tu(t).
Ejemplo 7.11
Convolución de dos archivos de audio utilizando la transformada de

Fourier discreta con matlab.
Como ejemplo incluyo el siguiente código:
>> sugar=wavread('C:\sugar.wav'); % Lee el archivo de audio y lo

almacena como vector.
>> laser=wavread('C:\laser.wav'); % Lee el archivo de audio y lo
almacena como vector.
>> N=602364; % Cantidad de puntos de la
transformada, debe ser mayor a
x[n]+h[n]-1
>> X=fft(sugar,N); % Transformada de Fourier discreta
para el archivo de audio de la señal
de entrada
>> H=fft(laser,N); % Transformada de Fourier discreta
para el segundo archivo de audio.
>> Y=H.*X; % La convlucion en el dominio del
tiempo se convierte en un producto en
el dominio de la frecuencia.
>> y=ifft(Y); % Transformada inversa de Fourier
para volver al dominio del tiempo.
>> wavwrite(y,22050,8,'C:\conv') % Crea un archivo de audio
como resultado de la convolución.
219
Se sugiere las siguientes recomendaciones recomendaciones:
Si la convolución que vamos a realizar contiene vectores grandes
conviene realizarla por medio de la transformada de Fourier disreta.
Para una presentación en Power Point, los formatos de audio de
entrada como de salida se trabajan en formato WAV a un a
frecuencia de 22050Hz a 8 bits en un solo canal (mono).
Existen muchos programas para edición de audio, con ayuda de
estos podemos obtener tales especificaciones. Y así más fácil
trabajar con ellos en Matlab. La misma grabadora de sonidos que
Windows ofrece es perfecta para este trabajo.
Si PowerPoint no vincula algunos archivos de sonido, es decir, al
tratar de reproducirlos en otra computadora no se escuchan, se
debe cambiar el parámetro que se encuentra en:
Herramientas>Opciones>General y aumentar el tamaño de archivos
a vincular. De esta manera los audios se pueden reproducir en
PowerPoint para efectos de presentación.
Finalmente se presentará la transformada de Fourier de señales periódicas,

Aunque señalamos al principio que la transformada de Fourier es una
herramienta poderosa para analizar sistemas LTI y señales aperiodicas se
puede demostrar que las señales periódicas tienen transformada de Fourier
pero contienen impulsos:
7.8 La transformada de Fourier para señales periódicas.
A ⇔ Aδ ( f )
1
cos(2πft ) ⇔ [δ ( f − f 0 ) + δ ( f + f 0 )]
2
j
sen(2πft ) ⇔ [δ ( f − f 0 ) − δ ( f + f 0 )]
2
Haciendo la sustitución de f= w/2π y utilizando la propiedad de

escalamiento del impulso se encuentran las formas quivalentes:
220
A ⇔ 2πAδ (ω )
cos(ω 0 t ) ⇔ π [δ (ω − ω 0 ) + δ (ω + ω 0 ) ]
sen (ω 0 t ) ⇔ jπ [δ (ω − ω 0 ) + δ (ω + ω 0 )]
Michael Faraday
(1791-1867)
Michael Faraday, abrió los ojos por vez primera el 22 de septiembre de
1791, en la ciudad de Newington, Surrey Gran Bretaña, descendiente de
familia humilde, su padre aunque tuvo un modesto trabajo, se distinguió
como un artesano que practicó el oficio de la herrería, de acuerdo aquella
época, este tipo empleo no era suficiente para darle una educación
costosa. Su origen pobre propició, que si el joven Faraday quería un lugar
en la sociedad tenía que trabajar arduamente para ganárselo, esto
explica el porque desde muy temprana edad comenzó a laborar en un
taller de encuadernación enexo a una libreria, esto le permitio ayudar a la
manutención de la economía familiar, de la misma forma esto marcaria su
destino como hombre de ciencia porque estaría en contacto con los
libros, en este contexto quedó fascinado al leer unos artículos de
divulgación de electricidad se dio a la tarea de construir una batería que
le serviría como fuente de energía para desarrollar más experimentos.
Cuentan que un día llegó un cliente al negocio de libros y le comentó a
Faraday acerca de una conferencia que impartiría Sir Humphry Davy de la
Sociedad Real fue tal la emoción que manifestó el novel estudiante que el
cliente lo invito a dicho evento, En esa conferencia Faraday tuvo la
oportunidad de entrar contactar una persona dedicada por entero al
maravilloso mundo de la experimentación, pues ya para esos día Humphry
habia descubierto el sodio, el potacio, el bario y el calcio y otros elementos
químicos, fue tal el entusmo que estas lecciones le provocaron que el
joven faraday entabló relaciones con el maestro, meses después Humphry
invitaría personalmente a Faraday a trabajar como su ayudante, este
nuevo cargo lo aprovecharía para pprofundizar en sus estudiar, asimismo
poder investigar. La nueva experiencia de trabajar en equipo le trajo
beneficios inmediatod al joven químico analítico, años más trade se
covertiría en físico experimental al lograr por vez primera aislar el benceno.
221
Durante una gira por las ciudades septentrionales de Italia, conocó
al famoso Alejandro Volta, inventor de la pila voltáica, este encuentro
accidental, fue prablemente el resorte que impulsó la inspiración para que
Faraday emprendiera sus primeras investigaciones sobre la
descomposición de ciertas sales en sus componentes elementales para
producir corrientes electricas, que él mismo bautizó como “la electrolisis”.
Fue en este entorno donde descubrió las bases de las sustancias
electróliticas, es decir, que al ser disueltas en agua se disocián formando
cargas eléctricas negativas y positivas, o sea, aniones y cationes. Dentro
de sus descubrimientos elaboró el primer “acero inoxidable”, descubrió la
bencina, fue el primero en licuar muchos gases y formuló las leyes de la
electrólisis.
El danés Hans Christian Oersted y Ampére descubrieron que la

electricidad producía efectos magnéticos. Sin embargo, el gran aporte
que hizo Faraday en esta disciplina fue la de formular las Leyes generales
que rigen la relación entre los fenómenos eléctricos y los fenómenos
magnéticos, o sea el comportameinto electromagnético de la materia,
además de haber planteado la idea del campo energético como un
espacio lleno de líneas invisibles de fuerza que provocan los movimientos
por difenencias de energía. Finalmente el precursor del modernismo de
las ciencias experimentales y el electromagnétismo Michel Faraday,
falleció en Hampton Coour, Surrey, el 25 de agosto de 1867, dejando un
cúmulo de conocimientos en el campo de la Química y la Física moderna.
222
CAPÍTULO 8. Variable de frecuencia complaja
OBJETIVO:
Que el alumno tenga capacidad de predecir el comportamiento

dinámico de un sistema a través de su función de transferencia mediante
la interpretación del diagrama de los polos y ceros.
ACTIVIDAD PREVIA:
-Recordar la Transformada de Fourier.
-Identificar las señales que no son absolutamente integrables.
ACTIVIDAD DE ANALISIS:
-Estudia en tu material de trabajo las condiciones para que un a señal
tenga transformada de Laplace.
-Obtener una tabla de parejas de transformadas.
-Estudia en tu material de trabajo las propiedades de la transformada de
Laplace
- Obtener la transformada inversa de Laplace a través de las fracciones
simples.
-Identificar la función de transferencia de un sistema y predecir su
comportamiento dinámico a través de la ubicación de los polos.
ACTIVIDAD DE SINTESIS:
-Elabora una lista de señales que tengan transformada de Laplace.
-Redacta una ficha de las propiedades de la Transformada de Laplace.
-Identificar la función de transferencia de un sistema lineal y su
comportamiento dinámico
-Elabora un una grafica de polos y ceros con ayuda de Matlab.
AUTOEVALUACIÓN:
- Obtén la transformada de Laplace de la función: Au(t), r(t)= tu(t) y te-
αtu(t)
- Resuelva los ejercicios que aparecen en la actividades..

223
8.1. Definición de la Transformada de Laplace
Algunas señales deterministicas que utilizamos en la práctica de la

ingeniería por ejemplo,
x(t ) = tu (t ) x (t ) = Au (t )
(La función rampa y la función escalón)
Son necesarias para excitar la entrada de un sistema LTI ¿existirá algún
procedimiento de resolución para encontrar la salida o respuesta del
sistema a esta entrada?, podemos afirmar que si. En efecto existe una
transformada idónea que opera con todas las funciones de entrada
llamada Transformada de Laplace.
La transformada de Laplace X(s) de la señal en el dominio del tiempos x(t)

se define como la integral
∞ ∞
X ( s ) = ∫ x (t ) e dt = ∫ x (t )e − st dt
− (σ + jw ) t (1.1)
0 0
Observaciones:
1.- Note el parecido con la definición de la transformada de Fourier, se
dice que la transformada de Laplace es una extensión de ésta.
2.- En esta definición se adiciona un factor de convergencia exponencial

−αt
e a fin de incorporar señales que no tienen transformada de Fourier.
3- Esta integral define la transformada de Laplace unilateral o de un sólo

lado, esto significa que la transformada de Laplace X(s) de una señal
tiene implícita la suposición de que la señal x( t ) vale cero antes de ser
−αt
Mtro. Juan Gustavo Ruiz Barajas y Mtra. MariaxGuadalupe
e
(t ) = A Casillas
u (t )Limon
224
“activada”, algunas veces se indica este supuesto escribiendo la señal
como x ( t ) u(t), como por ejemplo la señal
(Que es una función exponencial decreciente que inicia en t=0)
4.- La cantidad , se identifica como la variable de frecuencia

compleja.
5.- A la señal x(t) y X(s) se les denomina parejas de transformadas; lo que

significa dos representaciones alternativas de la misma cosa: la señal , se
dice que estas dos guardan una relación univoca o en otras palabras a
una señal sólo le corresponde un sola transformada de Laplace y
viceversa.
Existencia de la transformada de Laplace:
La transformada de Laplace existe para una señal siempre y cuando la

integral de Laplace converge esto es
La integral de Laplace convergerá si x(t), cumple con:
a.- x(t) no tiene comportamientos anómalos es decir es una función

continua y su variación esta acotada en un intervalo de tiempo finito en el
dominio para t > 0;
b.- Si es de orden de la exponencial cuando t tiende a infinito.
Vale la pena aclarar esto, una función x( t ) es de orden exponencial si

existe una constante real positiva σ (σ> 0) tal que el producto │x(t)│e-σt
tienda a cero cuando t tiende a infinito* es evidente que sólo ciertos
valores de σ, harán que esto acontezca, el intervalo de valores de σ que
asegura la convergencia definen la región de convergencia (ROC) de la
transformada de Lapalce para ilustrar esto vea los ejemplos 1.1 y 1.2
Ejemplo 1.1
Obtengamos la transformada de Lapace de la señal x (t ) = Au (t )

Escalón unitario veamos el papel que juega el factor de orden
exponencial;
225
∞ ∞
−σ − jω
X(s) = ∫ Au(t)e dt = A∫(1)e−(σ+ jω)tdt
t t
e
0 0
X ( s) = −
A
σ + jω
[
0−e ]
− (σ + jω ) t t = ∞
t =0
Ahora veamos que
lim −(σ + jω)t

t →∞ e
Existe si y sólo si σ > 0 en cuyo caso *, esto
garantiza que la exponencial es decreciente con el
tiempo esto da
lim −(σ + jω)t

t →∞e
=0
Por lo que sustituyendo limites tenemos
A
X (s) = − [0 − 1] = A Ya que
σ + jω σ + jω s = (σ + jω )
1
X (s) =
s
Por lo que tenemos la primera pareja de transformada de Laplace
1
x(t) = u(t) <=> X (s) =
s
226
Ejemplo 1.2
Obtener la transformada de Laplace de
2t
x(t ) = A e u (t )
Esta transformada existe sólo si σ > 2, en este caso, lo que asegura que el
producto 2t − ( α + jω ) t − ( α + jω − 2 ) t
Ae e = Ae
sea una exponencial decreciente y valga cero cuando t tiende a infinito

y la integral de la definición 1.1 sea absolutamente integrable ya que
converge.
Donde su ROC (región de convergencia) esta representa por el área
que inicia en σ = 2 hacia la derecha en el plano s.
∞ ∞ ∞
X (s) = ∫ Ae e dt = A∫ e
2t − st − ( s − 2) t
dt = A∫ e−(σ + jω −2)t dt =
0 0 0
X (s) = −
A
σ + jω − 2 [e − (α + j ω − 2 )t
] = s −A 2
∞
lim − (σ + jω − 2 ) t
t→∞e
Existe si y sólo si σ > 2 en cuyo caso *,
esto garantiza que la exponencial es
decreciente con el tiempo esto da
lim −(σ + jω−2)t

t →∞ e =0
A Barajas y Mtra. Maria

A Guadalupe Casillas Limon
Mtro. Juan Gustavo Ruiz
X (s) = − [0 − 1] =
σ + jω − 2 227 s−2
Por lo que tenemos la segunda pareja de transformada de Laplace
αt A
x(t) = Ae u(t) <=> X (s) =
s −α
Algunas parejas de transformada de Laplace:
Dominio del tiempo Dominio de la variable de

frecuencia compleja s.
x (t ) X (s)
Escalón A
x (t ) = Au (t ) s
Rampa 1
2
r (t ) = tu (t ) s
Función impulso
δ (t ) 1
1
Exponencial creciente (s − α )
αt
e u (t )
Exponencial 1
decreciente (s + α )
−αt
e u (t )
Rampa amortiguada
−αt
t e u (t ) 1
(s + α )2
Función de crecimiento Aα
exponencial s(s + α )
−αt
x (t ) = A (1 − e )u ( t )
Sinusoide coseno
cos( ω t ) s
s +ω
2 2
Sinusoide seno
228
sen (ω t ) ω
s −ω
2 2
Coseno amortiguado s +α
e −α t cos( ω t ) (s + α )2 + ω
2
Seno o amortigguado ω
(s + α )2 + ω
−αt
e sens (ω t ) 2
Tablla 1.1 Pare

ejas de tra
ansformad
das
8.2 Propiedad
P des de La transform
mada de LLaplace
La transform mada de e Laplace e es am mpliamente utilizada com mo una
tran
nsformada a operacio
onal. Esto es, es utillizada commo una hherramientta para
reso
olver prob blemas. Ha
ay dos raazones pa ara su uso o tan expaandido. Primero,
P
un gran
g númmero de señales
s c
comunes tienen tra
ansformaddas de Laplace
L
senc gundo, varias de las prop
cillas. Seg piedades de la trransforma ada de
Laplace permiten qu ue sea aplicada
a a mucho emas de interés
os proble
prácctico.
Prop piedad 1.- Linealidad: Dad dos los pares

p tra
ansformad dos de LaPlace
L
x1 (t ) ↔ X 1 (s) y x2 (t ) ↔ X 2 (s) y cu
ualesquierra número a b
os reales 1 y 2 entonces:
L{a1 x1 (t ) + b2 x2 (t )} = a1 X 1 ( s ) + b2 X 2 ( s )
Term
minología:: Decimos que la transform
mada de Laplace es lineal porque
suste
enta la su
uperposición.
Ejem
mplo 3.1
amos la función de crecimien
Vea nencial y su transfo
nto expon ormada
med
diante la p
propiedad
d de linea
alidad.
−αt
x (t ) = A (1 − e A ( t ) − Ae − α t u (t )
) u ( t ) = Au
su trransforma
ada es
A A Aα
X (ss ) = − =
s s +α s(s + α )
mplo 3.2
Ejem

uadalupe
e Casillas Limon
L
229
A jωt
x(t ) = [ A cos(ωt )]us (t ) = (e + e − jωt )us (t )
2
Definida la función:
x1 (t ) = ( Ae jω0t )us (t )
Siguiendo encontramos que:
A
L{x1 (t )} =
s − jω0
Similarmente tenemos:
A
L{x2 (t )} = L{e − jω0t us (t )} =
s + jω0
A
Ahora tomamos a1 = b2 = en la propiedad del inicio del ejemplo.
2
Tenemos entonces que:
L { x ( t )} = L {[cos( ω t )] u s ( t )} = L { a 1 x 1 ( t ) + b 2
x 2 ( t )} =
A A A 1 A 1 As
X ( s) = L{ e jωt + e − jωt } = ( )+ ( )= 2
2 2 2 s + jω 2 s − jω s + ω2
Propiedad 2.- Convolución: Dados los pares transformados de Laplace

x(t ) ↔ X ( s) y h(t ) ↔ H ( s) entonces:
∞
Y ( s ) = L{ ∫ h (t − λ ) x (λ ) dλ } = H ( s ) X ( s )
0−
Ejemplo 3.3
La representación en el dominio del tiempo de la convolución de una red
de paso bajo es:
∞ 1
−( t −λ )
y (t ) = ∫ Ae RC
u s (t − λ ) x ( λ ) d λ
0
Note la dificultad que tendría resolver esta integral.
Sabemos que la respuesta al impulso de la red RC de paso bajo representa

a dicho sistema LTI en el dominio del tiempo:
230
t
−
h.(t ) = Ae RC u (t )
Cuya transformada de Laplace es la llamada función de transferencia
H(s) que representa la red en el dominio de la variable de frecuencia
compleja:
A
H (s) =
1
s+
RC
1
Donde la constante de tiempo del sistema está definida como: τ = = RC
α
Supongamos que la red es excitada por un escalón unitario u(t), cuya
transformada de Laplace es 1/s, por lo tanto la salida es ;
= k1 + k 2
A 1 A
Y ( s) = H ( s) X ( s) = =
s + α s s(s + α ) s s + α
Por la técnica de fracciones parciales :
sA A A
k 1
=
s( s + α ) s =0
=
s +α s =0
=
α
(s + α ) A A A
k 2
=
s( s + α ) s =−α
=
s s =−α
=−
α
= k1 + k 2 =
A 1 A A A
Y ( s) = H ( s) X (s) = = −
s + α s s(s + α ) s s + α α α
s s +α
Tomando la transformada inversa :
y(t ) ==
α
A
u (t ) − A
αe
−αt
u (t ) =
A
[1− ]u(t)
α e
−αt
231
Cuy
ya respuessta en el tiempo
t es de la form
ma:
Prop piedad 3..- Integra

ación: Da
ados el par
p de tra
ansformad
das de LaPlace
L
x(t ) ↔ X (s) te
enemos:
t
1
L{∫ x (λ ) dλ } = X (s)
0
s
Ejem
mplo La fu
unción ram
mpa unita
aria es la in
ntegral de
e la funció
ón paso unitario:
u
t
r (t ) = tu (t ) = ∫ u (τ ) dτ
0
t
1 1 1 1
L{r (t )} = L{∫ u s (τ ) dτ } = L{u s (τ )} = ( ) = 2
0
s s s s
Prop piedad 4.-Diferenc
4 ciación: Dado ell par tra
ansformad
do de LaPlace
L
x(t ) ↔ X (s) assumimos que:
q
dx
x& (t ) =
dt
Satissface de la definiciión, enton

nces:
L{x(t )} = sX ( s) − x(0−)
u (t )
Ejem
mplo8.7 Se d = δ (t ) sabe qu
ue
dt

uadalupe
e Casillas Limon
L
232
L{δ (t ) } = L{d u (t ) } = s 1 − u (0−) = 1 + 0 = 1
dt s
Nota: Utilizando la propiedad de diferenciación la transformada de

Laplace puede obtenerse de derivadas de orden superior. Considere la
segunda derivada:
d
x (t) [ x ( t )]
dt
Sea
x(t ) = w(t )
Sustituyendo en lo anterior y utilizando la propiedad de diferenciación
tenemos que:
d
L{ [w(t )]} = sW (s) − w(0−)
dt
Utilizando nuevamente la propiedad tenemos:

W ( s ) = L{ x (t )} = sX ( s ) − x (0 −)
Combinando los dos anteriores resulta que:
L{x(t )} = s[ sX ( s ) − x(0−)] − x(0−) = s 2 X ( s ) − sx(0−) − x´(0−)

En general, la transformada de Laplace de la derivada del enésimo es:
L{x ( n ) (t )} = s n X ( s ) − s ( n −1) x(0−) − s ( n − 2 ) x (1) (0−) − .... − x ( n −1) (0−)
Propiedad 5.- Retardo en el Tiempo: Dado el par transformado de Laplace

x (t ) ↔ X ( s ) para cualquier número positivo ts > 0 :
233
L{x(t − t s )} = e − t s s X ( s )
Ejemplo 8.8
Considere un pulso que comienza en el origen:
p (t ) = u s (t ) − u s (t − t s ), t s ≥ 0
Utilizando la linealidad de la transformada de Laplace y esta propiedad de
retardo en el tiempo tenemos:
1 e − sts 1 − e − sts
L{us (t ) − us (t − t s )} = − =
s s s
Propiedad 6.- Escalamiento en el Tiempo: Dado el par de transformadas de
Laplace x(t ) ↔ X ( s) entonces, para cualquier numero positivo a:
1 s
L{x(at )} = X ( )
a a
Propiedad 7.- Teorema del Valor Inicial: Dado el par transformado de
Laplace x(t ) ↔ X ( s) , suponga que existe:
lim x(t ) = x(0+)
t →0
Entonces tenemos:
lim sX ( s ) = x (0 + )
s→∞
Ejemplo 8.9
Calcular el valor inicial en el dominio del tiempo de la función:
lim s 4 1 lim s 3s + 5
x (0 + ) = − = =3
s →∞ s+3 s+2 s →∞ s
2
+ 5s + 6
4 1 −3t −2 t
Comprobando la transformada inversa de − es → [4 e − e ]u (t )
s+3 s+2
−3 t −2 t
Cuyo valor inicial x(0+) = [4 e − e ]u (t ) = 4(1) − 1(1) = 3
234
Propiedad 8.- Teorema del Valor Final: Dado el par transformado de
LaPlace x(t ) ↔ Xs suponga que:
lim x(t ) existe. Entonces tenemos que:

t →∞
lim x(t ) = lim sX ( s)

t →∞ s →0
Ejemplo 8.10
Calcular el valor final de la función en el dominio del tiempo:
lim s 10 3 lim s 13 s + 20
x (∞ ) = + = = 10
s → 0 s s + 2 s → 0 s2 + 2s
Comprobando:
10 3 −2t
La transformada inversa de + es (10 + 3 e ) u ( t )
s s+2
Cuyo valor es 10 para cuando t tiende a infinito.
Propiedad 9.- Multiplicación por una exponencial

e-αt x(t) <=> X(s+α)
Propiedad 10.- Multiplicación por coseno

cos(αt),x(t) <=> 0.5[X(s+jα)+ X(s-jα)]
Propiedad 11.- Multiplicación por t

tx(t) <=> -dX(s)/ds
8.3 Técnica de fracciones parciales

Normalmente se requiere interpretar la respuesta de un sistema volviendo
al dominio del tiempo a partir de la trasformad inversa de Laplace,
normalmente las funciones en el dominio de la variable de frecuencia
compleja se dan como un cociente de polinomios la que denominamos
funciones racionales, es una practica común utilizar la técnica de
fracciones simples para facilitar mediante la tabla de parejas de
transformada la vuelta al dominio del tiempo, veamos varias casos para
obtener fracciones simples de funciones racionales.
Todas las transformadas que nos interesen son funciones racionales de la

forma.
235
Donde y son los polinomios de la variable de frecuencia
compleja de s.
Los polinomios se pueden expresar en forma factorial en función de su raíz.
…
…
Donde: , 1,2,3, … ,
, 1,2,3, … ,
Las reciben el nombre de ceros de la función racional , por que

, la función es nula.
Las se denominan polos, por que cuando , se hace infinita.
Si hay más polos que ceros (n > m) y si ninguno de los polos es una raíz
repetida del polinomio se podrá descomponer en fracciones
parciales.
Caso 1: Este es el caso cuando las raíces del polinomio del denominador
Son reales y diferentes por lo que la función racional se puede
descomponer en fracciones parciales de la siguiente manera.
2( s + 6) K1 K 2 K3
X ( s) = = + +
s ( s + 2)(s + 4) s s+2 s+4
2(0 − 6) 12
K 1 = s * X ( s ) s =0 = s * = = 1.5
s(0 + 2)(0 + 4) 8
2(−2 + 6) 8
K 2 = ( s + 2) * X ( s) s=−2 = ( s + 2) * = = −2
− 2( s + 2)(−2 + 4) − 4
2(−4 + 6) 4
K 3 = ( s + 4) * X ( s) s =−4 = ( s + 4) * = = 0.5
− 4(−4 + 2)( s + 4) 8
1.5 2 0.5 T:L−1:
X(s) = − + ⎯→x(t) =1.5u(t) −2e(−2t)u(t) +0.5e(−4t)u(t)
←⎯
s s +2 s +4
236
Caso 2: Este es el caso cuando las raíces del polinomio del denominador
son reales e iguales por lo que la función racional se puede descomponer
en fracciones parciales de la siguiente manera.
8( s + 6) K1 K 2,1 K 2,2
X ( s) = = + +
s ( s + 4) 2
s s + 4 ( s + 4) 2
8(0 + 6) 48
K 1 = s * X ( s ) s =0 = s * = =3
s(0 + 4) 2 16
8(−4 + 6) 16
K 2,2 = ( s + 4) 2 * X ( s) s=−4 = ( s + 4) 2 * = = −4
− 4( s + 4) 2
−4
d d 8( s + 6) d
K 2,1 = ( s + 4) 2 * X ( s) s=−4 = ( s + 4) 2 * = 8( s + 6) s −1 =
ds ds s( s + 4) 2
ds
d
[ ] ⎡
8 (1 + 6s −1 ) = 8 0 − 6s − 2 s =−4 = 8⎢0 − 2 ⎥
ds
6⎤ ⎡
= 8⎢0 − ⎥ =
6 ⎤ − 48
= −3
⎣ s ⎦ s = −4 ⎣ 16 ⎦ 16
3 3 4 T . L .−1
X ( s) = − − ←⎯ ⎯→ x(t ) = 3u (t ) − 3e ( −4t )u (t ) − 4(t )e ( −4t )u (t )
s s + 4 ( s + 4) 2
Caso 3: Este último caso que estudiaremos es el caso cuando surgen raíces
en el polinomio del denominador que son números complejos conjugados
este par de polos se combina para producir en el dominio del tiempo una
onda sinusoidal amortiguada del tipo:
p1t * p1*t σt
Ke 1
+ k1 e = 2 K 1 e cos( wt + ∠ k 1)
Donde Los residuos en estos polos deben ser conjugados entre si por lo
tanto conocer el valor de uno de ellos es suficiente.
El ángulo de fase de la sinusoide amortiguada es el ángulo del residuo y la

amplitud de la sinusoide es igual al doble de la magnitud del residuo, el
exponente sigma es la parte real del polo complejo y la frecuencia angular
de la sinusoidal amortiguada es la parte imaginaria del polo complejo.
Por lo que la función racional se puede descomponer en fracciones

parciales de la siguiente manera:
X (s) =
40( s + 6)
=
K1
+
K2
+ k2
( s + 2)( s + 4 s + 10) s + 2 s + 2 − 2.4495 j s + 2 + 2.4495 j
2
s 2 + 4s + 10 = ( s + 2 − 2.4495 j )(s + 2 + 2.4495 j )
237
40(−2 + 6) 160
K1 = ( s + 2) * X ( s) = ( s + 2) * = = 26.66
s =−2
( s + 2)((−2) + 4(−2) + 10)
2
6
40 ( s + 6 )
K 2 = ( s + 2 − 2 .4495 j ) * X ( s ) = ( s + 2 − 2 . 4495 j ) * =
s = − 2 + 2 .4495 j
( s + 2 )( s + 2 − 2 .4495 j )( s + 2 + 2 . 4495 j )
K2=
40 ( − 2 + 2 .4495 j + 6 ) 40 ( 4 + 2 .4495 j 9 160 + 97 .98 j 160 + 97 . 98 j

= = = =
( − 2 + 2 .4495 j + 2 )( − 2 + 2 . 4495 j + 2 + 2 .4495 j ) ( 2 .4495 j )( 4 .899 j ) 12 j 2 − 12
− 13.33 − 8.165 j = M = 15.63, ∠θ = −0.5495rad

Por tanto
*
K 2 = −13.33 + 8.165 j = M = 15.63, ∠θ = 0.5495rad
26.66 13.33 + 8.165 j 13.33 − 8.165 j
X ( s) = − −
s + 2 s + 2 − 2.4495 j s + 2 − 2.4495 j
Finalmente transformando término a término de la tabla y tomando en
cuenta
M∠θ M∠ − θ
+ → 2Me−αt [cos(βt ) − θ ]u (t )
( s + α + jβ ) ( s + α − jβ )
−2 t −2 t
x (t ) = 26 .66 e u (t ) + 2(15 .63) e cos( 2.4495 + 0.549 rad )u (t )
238
TRANSFORMACIONES INVERSAS DE LAPLACE PARA LOS TERMINOS QUE
APARECEN EN LAS FRACCIONES PARCIALES
Termino del desarrollo en fracciones Transformada inversa
parciales
K
Ke
− at u (t )
s+a
K K n −1 − at u (t )
( s + a)
n
(n − 1) Ι t e
•
Cs + D
− at ⎡C cos(βt ) + D − αC sen(βt )⎤u(t )
(s +α )
2
+β2 e ⎢
⎣ β ⎥
⎦
A + jB A − jB −αt [A cos( β t ) + Bsen ( β t )]u (t )
(*)
+
s + α + jβ s + α − jβ
2 e
M∠θ
+
M∠ − θ 2Me−αt [cos(βt ) − θ ]u (t )
( s + α + jβ ) ( s + α − jβ )
(*)
(*) Tómese en cuenta para el
ejemplo No. 3.15
Tabla 8.2 Términos del desarrollo de fracciones parciales.
239
8.4. Función de transferencia
El concepto de la F. de T. Se encuentra en el centro del análisis de los
sistemas mediante el uso de métodos de transformación:
Sea un sistema LTI también que puede describirse mediante la siguiente

ecuación diferencial:
d n y(t ) d n−1 y(t ) d m x(t ) d m−1x(t )

an dt n + an−1 dt n−1 + .......+ a0 y(t) = bm dt m + bm−1 dt m−1 + .......+ b0 x(t)
Donde
x(t ) es la entrada o excitación al sistema y y (t ) es la salida o respuesta del
sistema
a n
y b m
son coeficientes numéricos reales
Su transformad de Laplace termino a termino :
an s nY ( s ) + an−1s n−1Y ( s ) + ....a0Y ( s ) + los → ter min os → de → condiciones → iniciales =
bm s m X ( s ) + bm−1s m−1 X ( s ) + ....b0 X ( s ) + los → ter min os → de → condiciones → iniciales

Esta expresión es una ecuación algebraica.
Si suponemos condiciones iníciales iguales a cero o decimos que el sistema

esta en reposo:
(an s n + an−1s n−1 + ....a0 )Y ( s ) = (bm s m + bm−1s m−1 + ... + b0 ) X ( s )
Y ( s) b s m + b s m −1 + ... + b0
= H ( s ) = m n m −1 n −1
X (s) an s + an −1s + ....a0
240
Donde
H (s )
Se define como la función de transferencia del sistema y esta dado como

la transformada de Laplace de la salida sobre la transformada de Laplace
de la entrada con condiciones iníciales nulas.
Por lo tanto un sistema LTI relajado (condiciones iníciales cero) puede
describirse por tres representaciones:
¡) Ecuación diferencial:
d n y(t ) d n−1 y(t ) d m x(t ) d m−1x(t )

an dtn n−1 dtn−1
+ a + .......+ a0 y (t ) = bm
dt m
+ bm−1
dt m−1
+ .......+ b0 x(t )
ii) Función d transferencia:

Y (s)
H (s) =
X (s)
iii) Respuesta al Impulso:
h(t ) = H ( s ) −1
241
Ejemplo 8.11
Considere un sistema LTI relajado (condiciones iníciales nulas) el cual esta
representado por la siguiente ecuación diferencial:
y ′′(t ) + 3 y ′(t ) + 2 y (t ) = 2 x ′(t ) + 3 x (t )
Utilice la propiedad de derivada de la transformada de Laplace y
encuentre la función de transferencia del sistema y su respuesta al impulso.
Solución:
Transformando término a término la ecuación se transforma en:
Y ( s ) s 2 + 3Y ( s ) s + 2Y ( s ) = 2 X ( s ) s + 3 X ( s )
sacando término común Y(s)
Y ( s ){ s 2 + 3 s + 2 } = X ( s ){2 s + 3 }
La función de transferencia se obtiene de un sistema relajado tomando la
transformada de Laplace de la salida entre la transformada de Laplace de
la entrada
Y (s) 2s + 3
H (s) = = 2
X ( s ) s + 3s + 2
De aquí podemos determinar los polos de La F. de T.

Polos en s=-2 y en s=-1 y tenemos que el sistema es estable ya que La F.
de T. es una razón de polinomios en s estrictamente propia y los polos se
ubican en El lado izquierdo Del eje jw.
Utilizando la técnica de fracciones parciales tenemos;
2s + 3 A B 1 1
= + = +
s + 3s + 2 ( s + 1) ( s + 2) ( s + 1) ( s + 2)
2
Obtenemos la respuesta al impulso del sistema es;
h (t ) = e − t u ( t ) + e −2 t u ( t )
242
Ejemplos 8.12
Empleando las propiedades de la transformada de Laplace encuentre la
solución a la ecuación diferencial:
y ' ' (t ) + 7 y ' (t ) + 12 y (t ) = 0
Con condiciones iníciales y(0) =2 y
y’(0)=-4
'
s Y ( s) − sy (0) − y (0) + 7 sY ( s) − 7 y(0) + 12Y ( s) = 0
2
2
s Y ( s) − 2s + 4 + 7 sY (s) − 7(2) + 2Y (s) = 0
Y ( s )[s + 7 s + 12] − 2 s − 10 = 0
2
2 s + 10 2 s + 10 A B
Y ( s) = = = +
s
2
+ 7 s + 12 ( s + 3)( s + 4) ( s + 3) ( s + 4)
4 2
Y ( s) = ( − )
s+3 s+5
−3t − 4t
y (t ) = [4e − 2 e ]u (t )
Ejemplo 8.13
Empleando las propiedades de la transformada de Laplace encuentre la

solución a la ecuación diferencial:
y ' ' (t ) + 3 y ' (t ) + 2 y (t ) = 0
Con condiciones iníciales y(0) =5 y y’(0)=1
'
s Y ( s) − sy (0) − y (0) + 3sY ( s) − 3 y(0) + 2Y ( s) = 0
2
2
s Y ( s) − s5 − 1 + 3sY ( s) − 3(5) + 2Y ( s) = 0
Y ( s )[s + 3s + 2] − 5s − 16 = 0
2
5s + 16 5s + 16 A B
Y (s) = = = +
s
2
+ 3s + 2 ( s + 2)( s + 1) ( s + 2) ( s + 1)
243
Por la técnica de fracciones parciales resuelva el valor de las constantes A
Y B y después aplique la transformada de Laplace inversa para volver al
dominio del tiempo.
Ejemplo 8.14
Sea una red eléctrica relajada descrita por;
De la Ley de voltajes de K;
vi(t) = Ri(t)+vo(t) donde ;

dvo ( t )
i (t ) = C
dt
vi(t) = RC dvo(t)/dt+vo(t)….(Ecuac.
Diferencial).
Fig. 8.3 Circuito RC.
Aplicando la transformada de Lapace y la propiedad de derivación con

condiciones iniciales nulas tenemos;
Vi(s)=RCsVo(s) +Vo(s)
Vi(s)= Vo(s) (RCs +1),
La Función de transferencia sera;
H(s)=Vo(s)/Vi(s)=1/RCs+1
=1/RC/(RCs/RC+1/RC)
=1/RC/(s+1/RC) …..(Función de transferencia).
Aplicando la transformada inversa:
h(t)=(1/RC)e-t/RC u(t)………………Función de respuesta al impulso
244
8.7 Polos y ceros.
La función de transferencia de los sistemas LTI es una función racional (un
cociente de polinomios) cuya forma general puede expresarse como:
P (s ) b M + b s M − 1 + ...... + b
H (s ) = = 0 s 1 M
Q (s ) s N + a1 s N − 1 + ........ + a N
Se acostumbra normalizar el coeficiente de SN del denominador del

polinomio haciéndolo 1.
Si el grado N del denominador Q(s) es mayor que el grado M del

numerador P(s), se dice que H(s) describe una función racional
estrictamente Propia. Si N es mayor o igual que M, H(s) es una función
racional propia.
Polos y ceros de una función de transferecia racional H(s) = N(s) /D(s)
Ceros: raíces del numerador N(s) Polos: raíces del denominador

D(s)
8.8 El criterio de estabilidad BIBO
Este criterio afirma: Un sistema es estable si el grado del polinomio del

denominador de la F de T es mayor o igual que el grado del polinomio del
numerador (función racional propia) y los polos se ubican en el lado
izquierdo del eje jw. Si alguno de los polos cae en el eje jw el sistema se
denomina marginalmente estable y es inestable. Otra posibilidad es que
los polos estén localizados en el lado derecho en este caso el sistema es
inestable.
Ejemplo 8.15
Dibuje el diagrama de polos y ceros para la siguiente función de

transferencia, determine si el sistema es estable ( condiciones : i) polos en
el lado izquierdo del eje jw y ii) la función de transferencia deberá ser una
función racional estrictamente propia) , además encuentre la función en el
dominio del tempo h(t):
245
1
H (s) =
s 2 + 2s +1
código:
b=[1];
a=[1,1.4142,1];
[r,p,k]=residue(b,a)
» h=tf(b,a);
» pzmap(h) Pole-zero map
r= 0 - 0.7071i 0.8
0 + 0.7071i 0.6
p= -0.7071 + 0.7071i 0.4
-0.7071 - 0.7071i 0.2

Imag Axis
0
k =[]
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis
Fig. 8.5 Constelación de polos y ceros del ejemplo 3.21

El sistema anterior es estable dada la ubicación de los polos en el lado
izquierdo del eje jw y la respuesta al impulso es de la forma:
Tomando en cuenta la descomposición en fracciones parciales de la
tabla en 3.2
246
h(t) = 2e-0.7071t [cos(0.7071t)+sen(0.7071t)]u(t) un coseno amortiguado más
un seno amortiguado.
1.5
0.5
-0.5
-1
-1.5
0 1 2 3 4 5 6 7 8 9 10
Fig. 8.6 parte de h(t) =2e-0.7071t cos(0.7071t), coseno amortiguado
1.5
0.5
-0.5
-1
0 1 2 3 4 5 6 7 8 9 10
247
Fig.8.6partee h(t)= 2e-0.7071t sen(0.7071t), seno amortiguado
248
Análisis de sistemas mediante la transformada de Laplace:
Cuando se estudio la respuesta de un sistema LTI, y(t) a una entrada de
excitación x(t) en el dominio del tiempo se estableció que ésta esta dada
por la integral de convolución :
∞
y (t ) = ∫ h(τ )x(t − τ )dτ
−∞
donde h(τ ) es la respuesta al impulso unitario del sistema y x(t − τ ) es la
entrada desplazada. Vimos en las propiedades de la transformada de
Laplace que la convolución de dos funciones en el dominio del tiempo es
equivalente al producto de sus transformadas de Laplace en el dominio de
la frecuencia compleja..
Dominio del tempo dominio de la frecuencia

∞
y(t ) = ∫ h(τ )x(t −τ )dτ
−∞ Y(s) =H(s)X(s)
Ejemplo 8.16
Obtener la salida de estado cero (condiciones iníciales nulas) de un

sistema LTI cuya respuesta al impulso es h(t) =5e-t u(t), si la entrada esta
excitada por una función rampa x(t) = tu(t).
Solución: Utilizando la propiedad de convolución de la Transformad de

Laplace
Y(s) =H(s)X(s)
X(s) = 1/s2 H(s) = 5/s+1
Como se puede observar de la función de transferência H(s), tiene un sólo

polo en s=-1, el sistema es estable.
Continuando Y(s) =H(s)X(s)
Y(s)= 5/s2(s+1)= A/s2 + B/s+ C/(s+1) Ecuac. (1)
La constante A puede obtenerse si se multiplica la ecuac. (1) por su

denominador s2 con lo cual la ecuc. (1) se transforma en:
249
5 Bs C s2
= A + +
( s + 1) ( s + 1) Ecuac. (2)
Haciendo s=0 en la ecuac. (2): 5=A
Análogamente para obtener C, multiplicamos la ecuac. (1) por (s+1), con

lo cual la ecuac. 1 se ve transformada en
5( s + 1) A( s + 1) B ( s + 1)
= + +C
2 ( s + 1) 2 s
s s
Haciendo s=1 obtendremos

5
= 0+0+C
2
−1
5=C
Para calcular B, se sustituyen las constantes A y C en la ecuac. (1)
5 5 B
= + + 5
2 ( s + 1) 2 s (s +1)
s s
−5 = B
5 5 5
Y (s) = − +
2 s s +1
s
La respuesta de este sistema es:
−t
y (t ) = (5t − 5 + 5 e )u (t )
Observe que respuesta total esta dada como la suma de la respuesta

transitoria más la respuesta de estado estable esto es lo maravilloso de la
transformada de Laplace
8.9 Respuesta de estado estacionario a entradas armónicas
Las señales sinusoidales y las señales exponenciales son funciones propias

de los sistemas LTI, por lo que al propagarse estas señales por un sistema
sólo se modifica su amplitud y su fase dependiendo de la función de
250
transferencia del sistema en función en la frecuencia de la componente
de la entrada armónica.
Ejemplo 8.17
Sea un sistema LTI relajado que se caracteriza por su función de

transferencia
H(s) = s-2/s2+4s+4, Encuentre la respuesta de estado estacionario

producida por la siguientes entadas:
a) 5 sen(2t) y
b) 5 sen(2t) + 4 cos(2t-300)
Solución:
La frecuencia de operación es ω = 2 rad/s., Por lo que debemos calcular la
magnitud y fase de H(s) a esta frecuencia:
H(2) = 2j-2/(j2)2+4(j2)+4 =
H(2) = 2j-2/-4+8j+4 =-2+2j/8j=0.3536∟450
Soluciones :
a) Yss(t)=5(0.3536) sen(2t-450).
b) Yss(t)=5(0.3536) sen(2t - 450) + 4(0.3536) cos(2t - 450-300).
Ejemplo 8.18
Hallar la respuesta de un sistema relajado que esta caracterizado por la

siguiente ecuación diferencial:
y”(t) + 3 y’(t) + 2 y(t) =4e-2t
Transformando cada termino
S2Y(s) +3sY(s) + 2Y(s) = 4/s+2
Y(s)[s2+3s+2]= 4/s+2
251
Y(s)=4/ (s+2)(s2+3s+2)= por el método de fracciones parciales
Y(s)=4/(s+1) -4/(s+2)2 -4/(s+2)
La respuesta en el dominio del tiempo de este sistema es

y(t) = 4e-t-4te-2t-4e-2t.
8.10 Método de fracciones parciales utilizando matlab

El Comando residue nos permite obtener fracciones más simples de una
razón de polinomios en s, la sintaxis es [r,p,k] = residue (b,a), donde b
representa los coeficientes del polinomio del numerador, a representa los
coeficientes del polinomio del denominador, r corresponde a los
coeficientes o residuos de las fracciones parciales, p los polos de los
correspondientes residuos y k es un vector para fracciones parciales donde
no se cumple que el orden del denominador sea mayor que el del
numerador.
Ejemplo 8.19
Ilustremos el anterior párrafo con el siguiente ejemplo sea la función de

transferencia de un sistema LTI;
s+4
H (s) = 3
s + 5s 2 + 8s + 4
Código matlab
>> b=[1,4];
>> a=[1,5,8,4];
>> h=tf(b,a);
>> [r,p,k]=residue(b,a)
r= -3.0000
-2.0000
3.0000
p= -2.0000
-2.0000 (polo doble)
-1.0000
252
k=
[].
Por lo tanto la Función de transferencia se reduce a:
s+4 3 2 3
H ( s) = =− − +
s + 5s + 8s + 4
3 2
( s + 2) ( s + 2) ( s + 1)
2
De donde h(t) =-3e-2t u(t)-2te-2t u(t) +3e-tu(t).
Y su diagrama de polos y ceros se puede obtener invocando por el

siguiente comando
>> pzmap(h)
Ejemplo 8.20
Obtenga la ubicación de polos y ceros de la siguiente función racional de

Laplace y escriba la función en el dominio del tiempo:
F(s) =s2+1/(s+1)2
código:
b=[1,0,1];
a=[1,2,1];
r=
-2
2
p=
-1
-1
k= 1
» h=tf(b,a);
» pzmap(h)
253
Dos polos reales y repetidos:
De donde f(t) =-2e-t+2te-t + δ(t)
Pole-zero map
0.8
0.6
0.4
0.2
Imag Axis
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis
Ejemplo 8.21

F(s)= s2+2/(s+1)(s2+0.2s+1)
254
Código:
b=[1,0,2];
a=[1,1.2,1.2,1];
r=
-0.3333 - 0.2010i
-0.3333 + 0.2010i
1.6667
255
p=
-0.1000 + 0.9950i
-0.1000 - 0.9950i
-1.0000
Pole-zero map
1.5
0.5
Imag Axis
-0.5
-1
-1.5
-1.5 -1 -0.5 0 0.5 1
Real Axis
Fig. 8.9Constelación de polos y ceros del ejemplo 8.18
K=
[]
» h=tf(b,a);
» pzmap(h)
Dos polos dobles complejos conjugados más un polo real:

f(t) = 2e-t[-0.3333cos(0.995t)-0.3333sen(0.995t)]u(t) + 1.66e-t+u(t)
256
Ejemplo 8.22

s 2 − s +1
F (s) =
s 2 + s +1
Código:
b=[1,-1,1];
a=[1,1,1];
r=
-1.0000 - 0.5774i
-1.0000 + 0.5774i
p=
-0.5000 + 0.8660i
-0.5000 - 0.8660i
k= 1
» h=tf(b,a);
» pzmap(h)
Pole-zero map
0.8
0.6
0.4
0.2
Imag Axis
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis

f(t) = 2e-0.5t[-cos(0.866t)-sen(0.866t)]u(t)+δ(t)
257
ANEXO
Señal periódica en diente de sierra generada al aumentar armónicos,
con el programas Matlab:
La señal se representa asi:

∞
x(t ) = ao + ∑ −1
i +1(1) sen(i * ω t )
i
o
i =1
Donde i es el número de armónicos.

Para i = cien armónicos y una componente de directa a0=0.
Fig.a Señal periódica con un número de armónicos a elección.
Código matlab de la fig. a

t=[-1:.005:1];
f=2;
w0=2*pi*f;
x=0;
for i=1:100;
x=x+((-1)^(i+1))*(1/i)*sin(i*w0.*t);
end
plot(t,x), grid
Otra grafica de señal periódica con Matlab.
258
Fig. b Señal con armónicos finitos.
Código matlab de la fig.b

t=[-5:0.001:5];
x=5*ones(size(t));
for m=1:2:99
x=x+((20/pi)*(1/(m))*sin(2*m*t));
end;
plot(t,x),grid,
xlabel('x(t)=5+20/pi*1/3sen(2(3)t)+20/pi*1/5sen(2(5)t)+20/pi*1/7sen(2(7)t)'
),ylabel('v(t)')
Fig. c Señal con armónicos finitos
Código matlab de la fig. c

t=[-5:0.001:5];f=1;w=2*pi*f;x=.5*ones(size(t));
for m=1:2:99
x=x+(-1)^((m-1)/2)*1/(m*pi)*exp(i*m*wi*t);
end
plot(t,x),grid
259
Carl Sagan
(1934-1996)
Físico y astrónomo norteamericano, es considerado como uno de los
científicos modernos más humanistas, desde muy joven se preocupó por
mantener al hombre alejado de la seudociencia, en su obra siempre
manifiesta posturas y criterios obtenidos de la investigación científica, pero
además su trabajo siempre estuvo articulado con los valores y principios de
la humanidad y el aprecio por la naturaleza, condiciones indispensables
para la preservación de la vida humana. Sagan es recordado como el
incansable divulgador de la ciencia a través del más poderoso medio de
comunicación como es la televisión, quien no recuerda su fabulosa serie
“ Cosmos”, así también como una serie de libros de los cuales destacan
“Los dragones del Edén” , (editada en 1977)”, “ El cometa” (en 1980) y
“Contactos” (1985), “El mundo y sus demonios”(1995)”.
Carl Sagan vio la luz por vez primera en la ciudad de los rascacielos
New York el 9 de noviembre de 1934. siendo muy joven obtuvo su
doctorado en la Universidad de Chicago en el área de astrofísica, en este
ámbito estudio fundamentalmente la existencia evidente de organismos
vivos en el espacio exterior, en ese terreno fue uno de los pioneros de la
ciencia denominada exobiología. Sagan debutó como profesor de
astronomía en la Universidad de Harvard. Sus discípulos lo recuerdan con
cariño en la cátedra de Astronomía y Ciencias del Espacio, fue
investigador en el prestigiado laboratorio de astrofísico Smithsoniano,
también ocupó la dirección del laboratorio de Estudios Planetarios de la
Universidad de Cornell.
El Instituto de Tecnología de California lo nombró “Científico

Huésped” del laboratorio de propulsión a chorro (JPL). Asimismo ocupó la
260
presidencia de la Sociedad Planetaria la más importante del mundo
dedicada a temas del espacio. En la década de los años cincuenta
participó como asesor y consultor de la NASA, trabajó activamente en los
programas espaciales Mariner, Viking, Voyager y Galileo. En este escenario
se desarrolló como instructor incansable en el programa Apolo. En este
Centro Espacial jugó un rol decisivo en las investigaciones planetarias con
lo cual contribuyó a descifrar los misterios de las altas temperaturas del
planeta Venus al emplear la teoría del efecto invernadero masivo y global,
así como los cambios a los que era sometida la atmósfera de Marte y las
nubosidades rojizas de la galaxia Titán.
Este gran astrónomo del siglo XX recibió múltiples distinciones y

homenajes, entre otras le otorgaron la Medalla del Bienestar Público,
(Public Welfare Medal), obtuvo el premio Pulitzer por su libro "Los Dragones
del Edén" un ensayo especulativo sobre los orígenes de la inteligencia
humana esta máxima distinción la entrega la Academia Nacional de
Ciencias de la Unión Americana, también le dieron el Prix Galabert, Premio
Internacional de Astronáutica. La NASA lo condecoró con; el Premio Apolo,
el Masursk. Asimismo un asteroide 2709 fue bautizado con su nombre. En
una ceremonia en donde le entregaron uno de tantos reconocimientos en
el discurso de premiación se mencionó un mensaje que engloba su gran
contribución con las ciencias de la tierra y del espacio: “nadie había
conseguido nunca transmitir las maravillas ni el carácter estimulante y
jubiloso de la ciencia con tanta profundidad como lo ha hecho Carl
Sagan.... Su gran habilidad para cautivar la imaginación de millones de
personas y para explicar conceptos complejos en términos comprensibles,
constituye un magnifico logro.
Carl Sagan hace mención en “Los Dragones del Eden": la mayoría de

los organismos en la Tierra dependen de su información genética, que está
“pre-cableada” en sus respectivos sistemas nerviosos de esta forma
resuelven sus necesidades biológicas, mediante una serie de programas
predeterminados dentro de los organismos los cuales se comportan de
acuerdo al paquete genético, lo anterior tiene más relevancia para éstos
que el grado de la información extragenética, la cual se adquiere a través
de nuestro contacto por el universo. Para los seres humanos, y de hecho
para todos los mamíferos, aun cuando nuestro comportamiento es
significativamente controlado por nuestra herencia genética, tenemos, a
través de nuestro sistema nervioso una gran riqueza de opciones con la
cual se nos permite crear y retroalimentar los fenómenos con los
interactuamos a lo largo de nuestra existencia por la vida, así como la
posibilidad de poder continuar por nuevos senderos culturales y de
261
comportamiento a corto plazo. Con nuestros descendientes hemos creado
una especie, de acuerdo con la naturaleza: nuestros hijos serán difíciles de
formar, pero su habilidad para aprender nuevos conocimientos aumentará
con lo que aseguraran su capacidad de supervivencia dentro de la
especie humana. Además, los seres humanos hemos descubierto en la
última época que a través de los medios de nuestra existencia el
conocimiento no sólo es extragenético sino también extrasomático, lo cual
nos dice que; la información almacenada fuera de nuestros cuerpos, de la
cual, la escritura es el más notable ejemplo, de un conocimiento que
aunque esté fuera de nosotros constituye un producto nuestro. (Tomado
de “Los Dragones del Edén”.
Sagan escribe en su obra “ El Cerebro de la broca”: que el universo

no puede comportarse de manera subjetiva, es decir, que se comporte de
acuerdo a la “hora de las complacencias” en relación con nuestro
pensamiento o estado de ánimo, que éste tenga un programa
predefinido. Sin embargo, Carl Sagan, al igual que Galileo Galileo, busca
las respuestas en el conocimiento objetivo de las leyes que rigen su
comportamiento. En este escenario los científicos deberán de partir de que
su objeto de estudio de trabajo y de investigación sea fundamentalmente
el de convertirse en divulgadores de la ciencia. En consecuencia la
ciencia no debe dar cabida a los charlatanes y seudocientíficos.
En su libro “El mundo y sus Demonios escribe Sagan : 1El

etnocentrismo, la xenofobia y el nacionalismo están actualmente en boga
en muchas partes del mundo. La represión gubernamental de puntos de
vista impopulares todavía está muy extendida. Se inculcan recuerdos falsos
o engañosos. Para los defensores de estas actitudes, la ciencia es
perturbadora. Exige acceso a verdades que son prácticamente
independiente de tendencias étnicas o culturales. Por su naturaleza, la
ciencia trasciende las fronteras nacionales” .
Esto último nos recuerda al mexicano Jaime torres Bodet en la redacción
del Artículo Tercero Constitucional en el cual establece. La educación que
imparta el estado será laica, libre de cualquier doctrina religiosa, y basada
en los resultado del avance científico.
En la serie de televisión “ COSMOS” Carl Sagan, en el capítulo

titulado En la Orilla del Océano Cósmico, declara: Es una época de
grandes riesgos pero, nuestra especie es joven curiosa, valiente, sin duda
prometedora en los últimos bilenios hemos hecho los más asombros e
inesperados descubrimientos acerca del cosmos y de nuestro sitio en él, en
1
Sagan Carl, “El mundo y sus demonios” capítulo 24 pág. 448, editorial planeta 1995
262
mi opinión nuestro futuro depende enormemente de nuestra comprensión
del cosmos en el que flotamos como una partícula de polvo en el cielo
matinal.
El gran promotor y divulgador de la ciencia murió el 20 de diciembre de
1996 en la ciudad Norteamericana de Seattle, con él la humanidad
perdió uno de los más grandes científicos que dedicó su vida para
democratizar el conocimiento científico, con su inigualable estilo en donde
lo fácil y ameno son los ingredientes atractivos que hacen que la ciencia
sea leída con placer.
263
Bibliografia
1 Eduard W. Fundamentos de señales y Pearson Prentice

Kamen Sistemas usando la web y matlab, Hall, tercera
Bonnie S. edición 2008
Heck
2 Ashok Procesamiento de señales Thomson. primera
Ambardar. analógicas y digitales edición,
México.2005,
4 Haykin y Van Señales y Sistemas Limusa Wiley,.

Veen. Primera
Edición2001
3 M. J. Roberts Señales y sistemas. Mc. Graw Hill, ,
Análisis mediante métodos de México, primera
transformada y MATLAB edición.2004
6 Alan V. Señales y Sistemas Prentice Hall.
Oppenheim.
7 Delores Etter. Solución de problemas de Mc. Graw Hill.
Ingeniería con
Mat- Lab
8 Pablo Análisis de señales Mc. Graw Hill
Irarrázaval Interamericana.
2002
264
Acerca de los autores
Mtro. Juan Gustavo Ruiz Barajas,
Fecha de nacimiento: 10 de noviembre de 1953.

Lugar de nacimiento: Guadalajara, Jalisco México.
Domicilio: Av. Aurelio Ortega N0.905 Col. Seattle Zapopan Jal.
Teléfono: 01 33 36334379
Ingeniero en Comunicaciones y Electrónica por la Universidad de
Guadalajara (1978).
Grado de Maestría en Planeación de la Educación Superior en el Centro
Universitario de Ciencias Económico Administrativas en la Universidad de
Guadalajara (1997).
Profesor investigador Titular B en el Departamento de Electrónica de la
Universidad de Guadalajara en el área de control automático con una
antigüedad de 26 años, e imparte la materia de Señales y Sistemas
Lineales en la carrera de Ingeniería en Comunicaciones y Electrónica.
265
Mtra. María Guadalupe Casillas Limón
Fecha de nacimiento: 2 de agosto de 1958.

Lugar de nacimiento: Valle de Guadalupe Jalisco México.
Domicilio: Av. Aurelio Ortega N0.905 Col. Seattle Zapopan Jal.
Teléfono: 01 33 36334379
Licenciada en Economía por la Universidad de Guadalajara.
Grado de Maestría en Planeación de la Educación superior en el Centro
Universitario de Ciencias Económico Administrativas de la Universidad de
Guadalajara.
Acadámica de tiempo completo asociada B en la Universidad de
Guadalajara con 31 años de experiencia en docencia en el área de las
ciencias económicas y dedicadas a la investigación educativa, imparte la
materia de economía y Entorno socioeconómico de México y América
Latina en diferentes licenciaturas.
266

Gustavo Señales PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Gustavo Señales PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD DE GUADALAJARA

CENTRO UNIVERSITARIO DE CIENCIAS

ACADEMIA DE SISTEMAS DE CONTROL

SEÑALES Y SISTEMAS LINEALES

Mtro. Juan Gustavo Ruiz Barajas

La Universidad de Guadalajara y su comunidad académica enfrentan hoy

El tema fundamental de este texto es el análisis de las señales y el

Mtro. Juan Gustavo Ruiz Barajas y

CAPÍTULO 1. LAS SEÑALES ............................................................................................................ 1

Una señal es la variación en el tiempo de una magnitud física, la cual está

Señal de entrada Proceso físico Señal de salida

Figura 1.1 Ejemplo de señales entrada-salida

Tabla 1.1. Relación entrada –salida.

Representada por la Representado por la Representada por la

Un proceso físico es un acontecimiento que ocurre en la naturaleza, el cual se

Tabla 1.2. Relación entre las señales y los sistemas.

1.1 Concepto de señal y función.

Es común en el estudio de señales y sistemas no hacer distinción entre los

Para simplificar el análisis de varios problemas científicos y de ingeniería, casi siempre

Se sugiere al alumno efectúe la actividad 1.1, favor de entregar al profesor esta

1. ¿Qué es una señal?

2. ¿Qué diferencia hay entre una señal y el ruido?

3. ¿De qué partes está constituido un sistema de comunicaciones?

4. ¿Qué es una señal de tiempo continuo?

7. ¿Qué ventaja tiene una señal digital?

8. Dibuje una señal TC.

9. Dibuje una señal TD.

10. Describa tres ejemplos de un sistema lineales

Las señales se pueden clasificar de la siguiente manera:

1.- Señales de tiempo continuo y señales de tiempo discreto.

3- Señales periódicas y aperiódicas.

4-.Señales deterministicas y aleatorias o fortuitas.

5.-Señales de Energía y señales de Potencia.

1 t= [0:0.001:5]; %vector de tiempo

Grafiquemos esta señal, esta representación se le conoce como función

n=0:10; %Índice de tiempo discreto

0.2 stem(n,x,'linewidth',3),grid, %Comando de

Fig.1.2 Representación grafica de una señal de tiempo discreto denominada

Donde es el reciproco de y se le conoce como la frecuencia de muestreo.

El teorema de Nyquist : Establece una regla para muestrear correctamenteuna

1 Fig. 1.4 grafica de señal analógica y

Cumple con Nyquits:

Fd = = = ; ( frecuencia digital es periodica si K y N so n enteros).

Ω , frecuencia digital angular y periodo fundamental

Ω 2 Condicion para que la sinusoidal discreta se periodica siendo k y N

Ts·N=kTo → · 15 = 4(0.25) → 1=1

Código matlab figura 1.4

t=0:.001:1; %Indice de tiempo

Se sugiere que el alumno efectúe la actividad 1. 2 y 1.3 y entrege a su profesor a

a) La señal analógica esta representada por x(t ) = 5 cos(40πt ) , si se muestrea a

x ( − t ) = x ( t ) , Para todo tiempo (1.3)

Asimismo que una señal en tiempo discreto es par si cumple con:

x[ − n ] = x[ n ] Para todo tiempo (1.4)

Una señal de tiempo continuo se considera de simetría impar si

Una señal de tiempo discreto se considera impar si

En otras palabras una señal tiene simetría impar si es idéntica a la inversa de su

Una señal impar debe ser necesariamente 0 en t = 0 o n = 0, ya que las ecuaciones

0.7 ordenado cumple con x [n] = x [-n].

Fig. 1.8 Una seeñal imparr de tiemp po discretto

Mttro. Juan Gustavo Ruiz

Código para fig.1.9

2.5 Código para la fig.1.10(f)

Otros resultados interesantes que pertenecen a las propiedades de simetría de las

w1=2/3; T1=2pi/w=2pi/2/3=6pi/2=3pi, de la misma manera se obtienen T2=4*pi

El periodo común de x (t) es Tcomún = MCM (3pi, 4pi, 6*pi)

3 4 6 3 Tc= (32 2)= 12pi segundos.

w1=12pi; T1=2pi/w1=2pi/12pi=1/6 (s)