a- Explique qué es convolución continua y discreta.

De cuatro (4) ejemplos de

usos y/o aplicaciones en la ingeniería.

La convolución es la función que se obtiene de una cuenta de dos funciones, cada

quien le da la interpretación que desee. En esta entrada veremos un ejemplo del
caso de convolución continua y un ejemplo del caso análogo o convolución
discreta.

Ejemplo de convolución en el caso continuo

El caso continuo requiere integrales para realizar la mismísima convolución y la

fórmula de la convolución del caso continuo es:
∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) ≡ ∫ 𝑥(𝜏)ℎ(𝑡– 𝜏)𝑑𝜏
−∞

Convolución en el caso discreto o análogo

La convolución discreta es muy parecida al del caso continuo, ¡incluso es

muchísimo más simple! Sólo hay que hacer sumas de multiplicaciones, en un
momento lo vemos, primero veamos la fórmula para calcular la convolución en el
caso discreto o análogo:
∞

𝑦[𝑛] = 𝑥[𝑛] ∗ ℎ[𝑛] = ∑ 𝑥[𝑘]ℎ[𝑛– 𝑘]

𝑘=−∞

La convolución y las operaciones relacionadas se encuentran en muchas

aplicaciones de ingeniería y matemáticas.
 En estadística, como un promedio móvil ponderado.
 En teoría de la probabilidad, la distribución de probabilidad de la suma de
dos variables aleatorias independientes es la convolución de cada una de sus
distribuciones de probabilidad.
 En óptica, muchos tipos de manchas se describen con convoluciones. Una
sombra (p. ej. la sombra en la mesa cuando se tiene la mano entre ésta y la
fuente de luz) es la convolución de la forma de la fuente de luz que crea la
sombra y del objeto cuya sombra se está proyectando. Una fotografía
desenfocada es la convolución de la imagen correcta con el círculo borroso
formado por el diafragma del iris.
 En acústica, un eco es la convolución del sonido original con una función que
represente los objetos variados que lo reflejan.
 En ingeniería eléctrica, electrónica y otras disciplinas, la salida de un sistema
lineal (estacionario o bien tiempo-invariante o espacio-invariante) es la
convolución de la entrada con la respuesta del sistema a un impulso (ver
animaciones).
 En física, allí donde haya un sistema lineal con un principio de superposición,
aparece una operación de convolución.

b- ¿Qué es estabilidad y causalidad de sistemas LTI?

Causalidad: Un sistema es causal cuando su salida no anticipa valores futuros de la entrada.
Podemos asegurar que un sistema es causal si:

ℎ[𝑛] = 0 𝑛 < 0 ℎ(𝑡) = 0 𝑡 < 0

Demostración: Si el sistema es causal, al no poder depender de valores futuros de 𝑥[𝑛] en la suma

de convolución no podrá depender de valores de 𝑥[𝑘] 𝑠𝑖 𝑘 > 𝑛

𝑦 [𝑛] = ∑∞ 𝑛
𝑘=−∞ 𝑥 [𝑘] ℎ [𝑛 − 𝑘] = ∑𝑘=−∞ 𝑥 [𝑘] ℎ [𝑛 − 𝑘] Esta igualdad solo si es causal

Para que se de esa igualdad: ℎ[𝑛 − 𝑘] = 0 𝑠𝑖 𝑘 > 𝑛

ℎ[𝑛 − 𝑘] = 0 𝑠𝑖 𝑛 − 𝑘 < 0
Si recordamos que (ℎ[𝑛] 𝑜 ℎ(𝑡)) es la respuesta al impulso, parece lógico que un sistema LTI que
es causal (y por tanto no puede anticipar la entrada) no pueda tener salida no nula antes de del
instante cero.

c- Explique que es correlación y de un (1) ejemplo de uso y/o aplicación en la

ingeniería.

Correlación

La correlación es una operación similar a la convolución. Implica desplazar una función más
allá de otra y encontrar el área bajo el producto resultante. Sin embargo, a diferencia de la
convolución, no se efectúa ninguna reflexión.

Usando el símbolo ** para denotar correlación, definimos las dos operaciones como
Al igual que la convolución, la correlación es una operación basica del
procesamiento de imágenes digitales. La correlación es la operación básica en los
procesos de búsqueda de patrones por emparejamiento. Por tanto, disponer de
algoritmos que calculen de una forma eficiente estas operaciones es del mayor
interés.

d- Explique qué es auto correlación y de un (1) ejemplo de uso y/o aplicación en

la ingeniería.

La correlación de una señal consigo misma se denomina autocorrelación

∞

𝑅𝑥𝑥 (𝑡) = 𝑥(𝑡) ∗∗ 𝑥(𝑡) = ∫ 𝑥(𝜆)𝑥(𝜆 − 𝑡)𝑑𝜆

−∞

La autocorrelación representa la similitud entre una señal y su desplazada, , el

máximo de autocorrelación se obtiene cuando no hay desplazamiento (𝑡 = 0)
La autocorrelación es simétrica con respecto al origen ya que 𝑅𝑥𝑥 (𝑡) = 𝑅𝑥𝑥 (−𝑡)

 Una de las aplicaciones de la autocorrelación es la medida de espectros

ópticos y en especial la medida de pulsos muy cortos de luz.

 En óptica, la autocorrelación normalizada y la correlación cruzada

proporcionan el grado de coherencia de un campo electromagnético.

 En el procesado de señal, la autocorrelación proporciona información sobre las

periodicidades de la señal y sus frecuencias características como
los armónicos de una nota musical producida por un instrumento determinado
(tono y timbre).
e- ¿Cuál es la diferencia de correlación continua y correlación discreta?

f- ¿Qué son las series de Fourier?

La serie de Fourier (SF) describe una señal periódica xp ((t) como una suma
(combinación lineal), en la mezcla correcta, de armónicos (o senoides) en la
frecuencia fundamental f 0 de xp (t) y sus múltiplos kf 0. La selección de señales
armónicas también trae otras ventajas. Permite un esquema simple, congruente
y único para encontrar los coeficientes (la proporción correcta o factor de
ponderación) de cada componente. De hecho, una suma de senoides que
describe una señal periódica se conoce como serie de Fourier sólo si los
coeficientes se seleccionan de acuerdo con este esquema. La serie de Fourier
también produce el error cuadrático medio más pequeño en la potencia
entre xp (t) y su representación en serie, independientemente del número de
términos o armónicos. También representa el ajuste de mínimos cuadrados de
una señal periódica. Finalmente, las condiciones de existencia de la serie de
Fourier (las denominadas condiciones de Dirichlet, que se estudiarán más
adelante) son suficientemente débiles como para asegurar que todas las
funciones periódicas encontradas en la práctica pueden describirse con una
serie de Fourier.

Las tres formas de una serie de Fourier

La forma trigonométrica de la serie de Fourier de una señal periódica xp (t) es simplemente
una combinación lineal de senos y cosenos con frecuencias iguales a los múltiplos de su
frecuencia fundamental f 0 = 1/T :

La forma polar combina cada par seno-coseno con la frecuencia kf 0 en una sola senoide:

La forma exponencial invoca la relación de Euler para expresar cada par seno-coseno de
frecuencia kf 0 con exponenciales complejas en ±k f 0:
g- ¿Qué es la transformada Continua de Fourier? De dos (2) ejemplos de uso y/o
aplicación en la ingeniería.

La transformada de Fourier es una operación lineal y obedece la superposición de dos

formas, f y ω . A veces, la conversión entre las dos formas no es tan obvia y puede incluir (u
omitir) factores de 2π.

(a) (Impulso unitario) La transformada de Fourier de x (t) = δ{t) se obtiene utilizando la

propiedad de selección de los impulsos

El espectro de un impulso es una constante para todas las frecuencias.

(b) (Exponencial decreciente) La transformada de Fourier de x(t) = e−αtu(t) es

La magnitud del espectro disminuye de manera monótona con la frecuencia.

(c) (Función rect) La magnitud de la señal x(t)= rect(t) es la mitad entre (−0.5, 0.5) y cero en
cualquier otra parte. X(f) se obtiene evaluando la integral definida y usando la relación de
Euler

El espectro de amplitud de un pulso rectangular tiene una forma sene.

La transformada de Fourier se utiliza para pasar una señal al dominio de
frecuencia para así obtener información que no es evidente en el dominio temporal. Por
ejemplo, es más fácil saber sobre qué ancho de banda se concentra la energía de una señal
analizándola en el dominio de la frecuencia.
La transformada también sirve para resolver ecuaciones diferenciales con mayor facilidad y, por
consiguiente, se usa para el diseño de controladores clásicos de sistemas realimentados, si
conocemos la densidad espectral de un sistema y la entrada podemos conocer la densidad
espectral de la salida. Esto es muy útil para el diseño de filtros de radiotransistores.

https://es.wikipedia.org/wiki/Convoluci%C3%B3n#Uso

RBJLABS.
https://www.rbjlabs.com/senales/senales-ejemplos-convolucion-como-resolverlas/

sistemas lineales. Propiedades de los sistemas. Recuperado de:

http://agamenon.tsc.uah.es/Asignaturas/ittst/sl/apuntes/Tema2Sesion2.pdf

convolución y correlación en Matlab: http://www6.uniovi.es/vision/intro/node30.html

correlación y autocorrelación:
http://www4.tecnun.es/asignaturas/tratamiento%20digital/TEMA2/sld007.htm

Ambardar, A. (2002). Procesamiento de señales analógicas y digitales: Series de

Fourier. Cengage Learning, (2nd ed, pp. 197-204). Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?resultListType=RELATE
D_DOCUMENT&userGroupName=unad&inPS=true&contentSegment=&prodId=G
VRL&isETOC=true&docId=GALE|CX4060300081

Ambardar, A. (2002). Procesamiento de señales analógicas y

digitales: Correlación. Cengage Learning, (2nd ed, pp. 156-159).
Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/retrieve.do?tabI
D=&userGroupName=unad&inPS=true&prodId=GVRL&contentS
et=GALE&docId=GALE|CX4060300067