“AÑO DEL BUEN SERVICIO AL CIUDADANO”

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERÍA ELECTRÓNICA Y ELÉCTRICA

TEMA:
SERIES DE FOURIER Y APLICACIONES
PROFESOR:
CASTRO VIDAL
CURSO:
FUNCIONES ANALÍTICAS
INTEGRANTES:
LUQUE CISNEROS, MIGUEL ÁNGEL
PÉREZ MONTERO, JERALD
YNGA NUÑEZ, LUIS ANGEL
QUITO CÉSPEDES, ANGEL

2017
 INTRODUCCION
En este trabajo abordaremos el tema de “Fundamentos de las series de Fourier
y sus diferentes aplicaciones” siendo este tema de por sí bastante largo estará
dividido en diferentes grupos siendo el nuestro el primero en hablar sobre el
tema, por lo tanto, daremos una pequeña introducción y conceptos básicos para
entender los subsiguientes temas.
Uno de los temas más importantes que tocaremos serán las funciones
periódicas, dado que la Serie de Fourier solo se puede emplear en estas. Como
también algunas propiedades fundamentales de las Series de Fourier.
En los siguientes capítulos también tocaremos temas como “Forma compleja de
la Serie de Fourier” donde simplificaremos y entenderemos que también
podemos mostrar nuestra serie de esta forma.
Para finalizar algunas aplicaciones de las Series de Fourier.
 ANTECEDENTES HISTORICOS
(Auxerre, Francia, 1768 - París, 1830) Ingeniero
y matemático francés. Era hijo de un sastre, y
fue educado por los benedictinos. Los puestos
en el cuerpo científico del ejército estaban
reservados para familias de estatus reconocido,
así que aceptó una cátedra militar de
matemáticas.

Tuvo un papel destacado durante la revolución

en su propio distrito, y fue recompensado con
una candidatura para una cátedra en la École
Polytechnique.

Fourier acompañó a Napoleón en su Ilustración 1 Jean- Baptiste-Joseph Fourier

expedición oriental de 1798, y fue nombrado
gobernador del Bajo Egipto. Aislado de Francia por la flota británica, organizó los
talleres con los que el ejército francés debía contar para sus suministros de
munición. También aportó numerosos escritos sobre matemáticas al Instituto
Egipcio que Napoleón fundó en El Cairo.

Tras las victorias británicas y la capitulación de los franceses al mando del

general Menou en 1801, Fourier volvió a Francia, donde fue nombrado prefecto
del departamento de Isère, y empezó sus experimentos sobre la propagación del
calor. Se trasladó a París en 1816, y en 1822 publicó Teoría analítica del calor,
basándose en parte en la ley del enfriamiento de Newton.

A partir de esta teoría desarrolló la denominada «serie de Fourier», de notable

importancia en el posterior desarrollo del análisis matemático, y con interesantes
aplicaciones a la resolución de numerosos problemas de física (más tarde,
Dirichlet consiguió una demostración rigurosa de diversos teoremas que Fourier
dejó planteados). Dejó inacabado su trabajo sobre resolución de ecuaciones,
que se publicó en 1831 y que contenía una demostración de su teorema sobre
el cálculo de las raíces de una ecuación algebraica.
SERIES DE FOURIER: ANTECEDENTES HISTORICOS
La ingeniería ha empleado a lo largo de la historia métodos de análisis que
trataban de reducir la complejidad matemática de un problema. Estas técnicas
se basan en la transformación matemática de las ecuaciones.

En general se puede decir que dichas transformaciones permiten reducir la

complejidad de las ecuaciones a través de un proceso unívoco de cambio del
dominio de la existencia de las variables del problema (del dominio de las
divisiones y multiplicaciones al de las sumas y las restas en el caso del
logaritmo). Una de estas transformaciones es la Transformada de Fourier, que
es una herramienta utilizada para obtener la información frecuencial de una
determinada función. Este tipo de transformaciones en frecuencia tienen su
representación en la naturaleza, por ejemplo, cuando se escucha un sonido se
sabe si éste es grave o agudo. El cerebro interpreta el contenido de la
información que le está llegando y es capaz de distinguir si está compuesta de
frecuencias predominantemente altas o si, por el contrario, las que la componen
son predominantemente bajas. Otra muestra presente en la naturaleza es la de
la descomposición de la luz solar en distintos colores, ya sea cuando se forma
un arco iris o bien cuando ésta atraviesa un prisma. En este caso, una radiación
luminosa de composición incierta es descompuesta en haces de luz coloreada,
o señales, de frecuencia simple. Esto es, en definitiva, lo que se persigue cuando
se habla de la Transformada de Fourier, o de la Serie de Fourier. Una
herramienta matemática capaz de extraer la información frecuencial de una
forma de onda una vez conocido su comportamiento temporal y viceversa. La
historia moderna de estas transformaciones comienza con Euler en 1748, que
estudió los movimientos vibratorios de una cuerda, ver Ilustración 2. Los modos
normales son los que se muestran en la siguiente figura, y forman una serie
sinusoidal armónica, es decir, su
frecuencia es múltiplo de una
fundamental. Euler afirmó que, si la
configuración de la cuerda en un instante
determinado se podía poner como
combinación lineal de los modos
normales, esto seguiría siendo válido en
los instantes siguientes de tiempo. Fue en
1807, cuando Jean-Baptiste-Joseph
Fourier presentó en la Academia
Francesa de las Ciencias, el resultado de
unos estudios de la transmisión del calor
en los que incluía un método de
resolución para las ecuaciones allí
planteadas. Este método es el conocido
como Transformada de Fourier. La presentación de su trabajo tuvo ilustres
opositores como Euler, Laplace o Lagrange entre otros. Y aunque la academia
le concedió un premio por su teoría, le acusó de ser poco riguroso en la obtención
de los resultados. Y fue así que la publicación de su trabajo no se llevó a cabo
hasta 15 años después, con su libro titulado ‘La teoría analítica del calor’ (1822).

En su trabajo, Fourier afirmaba que cualquier distribución calórica, en este caso

se trata de una distribución espacial, aunque podría ser temporal, podía
descomponerse en una suma de distribuciones espaciales sinusoidales. Esto
es lo que se conoce como Serie de Fourier, aunque más tarde generalizaría
esta teoría para extenderla a señales aperiódicas, recibiendo el nombre de
Transformada de Fourier. Las objeciones de sus coetáneos a esta teoría se
centraban en la proposición de que una función discontinua pudiera
representarse de esta manera. A pesar de estas trabas muchos investigadores
empezaron a generalizar el trabajo de Fourier, extrapolándolo a campos
distintos del análisis del calor.
En 1829, Dirichlet estableció las condiciones bajo las cuales la función
periódica puede representarse mediante una Serie de Fourier. De forma que
todas las magnitudes físicas conocidas poseen características que permiten su
análisis mediante las teorías de Fourier. Una de las múltiples aplicaciones fue,
a finales del siglo XIX, la de Lord Kelvin que diseñó una computadora analógica
con el fin de predecir el flujo y reflujo de las mareas, en la que se pone de
manifiesto la utilidad de las teorías propuestas por Fourier para obtener la
periodicidad de ciertos fenómenos a través de su observación en el tiempo.
Parecía evidente que para aumentar la exactitud de los resultados sólo había
que aumentar el número de componentes de frecuencia calculadas, de forma
que si la señal analizada se reconstruía a partir de estas componentes el error
sería tanto más pequeño cuanto mayor fuese el número de éstas. Esta
suposición se venía abajo cuando se trabajaba con señales discontinuas. Se
llega a un punto a partir del cual, por mucho que se eleve el número de
componentes calculadas el error permanece constante. En 1899, Josiah Willard
Gibbs confirmó teóricamente este resultado, deduciendo que el error queda
confinado a las inmediaciones de la discontinuidad y tiende a cero en el resto
de los puntos. Lo cual sigue poniendo de manifiesto la validez de dicha
transformada, ya que dicho error se limita a una zona muy estrecha y su
energía asociada es muy pequeña.

Ilustración 2 Modos normales de vibración de

una cuerda
FUNCIÓN PERIÓDICA
En primer lugar, es necesario definir el concepto de función periódica como
aquella cuyos valores se repiten a intervalos regulares, el tiempo entre las
sucesivas repeticiones es lo que se conoce como período. Matemáticamente,
podemos decir que una función temporal es periódica cuando se cumple la
siguiente relación:
𝑓(𝑡) = 𝑓(𝑡 + 𝑇) (1.1)
para todo valor de t. La constante mínima que satisface la anterior relación es
denominada período (T) que, en el caso de funciones temporales, se expresa
en segundos. A la parte de la función que abarca un tiempo equivalente a un
período T se le denomina ciclo.

fig. 1 Representación de una onda periódica

En una función periódica se define la frecuencia como la inversa de período, o

sea, como el número de ciclos por segundo:
1
𝑓𝑟 = 𝑇 (1.2)

Su unidad es el Hercio (Hz). Si se supone que un ciclo equivale a 2π radianes,

entonces el número de radianes en un segundo es lo que se conoce como
pulsación o frecuencia angular en rad/s o en 1/s:
2𝜋
𝜔0 = (1.3)
𝑇

Generalmente a los términos frecuencia y pulsación se les sueles denominar

indistintamente como frecuencia, aunque se ha de tener en cuenta que sus
unidades son distintas. En una onda periódica se definen el valor de pico
máximo Fp+ y el valor de pico mínimo Fp como sus valores máximos y
mínimos en un período, respectivamente. El valor de pico a pico Fpp es la
diferencia entre ambos:
𝐹𝑝+ = 𝑚𝑎𝑥{𝑓(𝑡)}
} → 𝐹𝑝𝑝 = 𝐹𝑝+ − 𝐹𝑝− (1.4)
𝐹𝑝− = 𝑚𝑖𝑛{𝑓(𝑡)}

Unos valores típicamente asociados a una función periódica son el de su valor

medio:
1 𝑇
𝐹𝑚 = 𝑇 ∫0 𝑓(𝑡) 𝑑𝑡 (1.5)
Y su valor eficaz o RMS:

1 𝑇
𝐹 = 𝐹𝑟𝑚𝑠 = √𝑇 ∫0 𝑓 2 (𝑡)𝑑𝑡 (1.6)

donde las integrales se han definido entre 0 y T, aunque es válido cualquier

intervalo que abarque un período, p.e. de –T/2 a +T/2. Una de las ondas
periódicas más representativas es la sinusoidal (ver figura 1), cuya expresión
es:
𝑓(𝑡) = 𝐴𝑠𝑒𝑛(𝑤0 𝑡 + 𝜃) (1.7)
siendo A lo que se conoce como amplitud y θ su fase inicial. En este caso el
valor de pico (máximo y mínimo) es Fp = A y el valor de pico a pico Fpp = 2A.
Asimismo, el valor medio para esta forma de onda es igual a cero y su valor
eficaz 𝐴⁄ .
√2

SERIES DE FOURIER
La teoría de Fourier afirma que cualquier función periódica f(t), ya sea más o
menos compleja, se puede descomponer en suma de funciones simples,
sinusoidales, cuya frecuencia es múltiplo de la función periódica. Esto es, dicha
función se puede descomponer en una serie armónica infinita (ver figura 2)
expresada como:
𝑎0
𝑓(𝑡) = 2
+ ∑∞ ∞
𝑛=1 𝑎𝑛 cos 𝑛𝑤0 𝑡 + 𝑏𝑛 sen 𝑛𝑤0 𝑡 = 𝐶0 + ∑𝑛=1 𝐶𝑛 cos(𝑛𝑤0 𝑡 − 𝜃𝑛 ) (1.8)

Donde:

 ω0(𝑓𝑟 = 𝜔0 ∕ 2𝜋 ) es la frecuencia de la función periódica y recibe el

nombre de frecuencia fundamental
 an, bn, Cn y θn son los coeficientes de la Serie de Fourier que definen las
senoides cuya frecuencia es múltiplo de la fundamental
La componente de la Serie de Fourier cuya frecuencia coincide con la
fundamental (n=1) recibe el nombre de componente fundamental:
𝑎1 𝑐𝑜𝑠 𝑤0 𝑡 + 𝑏1 𝑠𝑒𝑛 𝜔0 𝑡 𝑜 𝐶1 cos(𝑤0 𝑡 − 𝜃1 ).
Al resto de las componentes se les denomina componentes armónicas, así el
armónico de orden n o enésimo sería aquel cuya frecuencia es n veces la
fundamental:
𝑎𝑛 𝑐𝑜𝑠 𝑛𝑤0 𝑡 + 𝑏𝑛 𝑠𝑒𝑛 𝑛𝜔0 𝑡 𝑜 𝐶𝑛 cos(𝑛𝑤0 𝑡 − 𝜃𝑛 ).
Igualmente, la frecuencia de las componentes armónicas recibe a su vez el
nombre de frecuencia armónica. En el caso de Cn y θn, éstas se suelen llamar
además amplitud armónica y ángulo de fase. Los valores de a 0/2 y C0
representan el valor medio de la función f(t) a lo largo de un período por lo que
reciben el nombre de componente continua. Para el cálculo de los coeficientes
de Fourier se emplean las integrales:
 2 2 2
𝑎0 = 𝑇 ∫𝑓(𝑡) 𝑑𝑡; 𝑎𝑛 = 𝑇 ∫ 𝑓(𝑡) cos(𝑛𝑤0 𝑡) 𝑑𝑡; 𝑏𝑛 = 𝑇 ∫𝑇 𝑓(𝑡) sen(𝑛𝑤0 𝑡) 𝑑𝑡 (1.9)
𝑇
𝑇

Además de las siguientes relaciones:

𝑎0
𝐶0 = ; 𝐶𝑛 = √𝑎𝑛2 + 𝑏𝑛2 ; 𝜃𝑛 = tan−1(𝑏𝑛 ⁄𝑎𝑛 ) (1.10)
2

donde la notación de ∫𝑇 𝑑𝑡 3 significa que está extendida a un período

cualquiera de la función periódica f(t), por ejemplo, de -T/2 a +T/2, ó de 0 a T,
…
Alternativamente, la Serie de Fourier se puede representar de forma que
incluya los valores eficaces de los distintos armónicos:

𝑓(𝑡) = 𝐶0 + ∑∞ ′
𝑛=1 √2 𝐶𝑛 cos(𝑛𝑤0 𝑡 − 𝜃𝑛 ) (1.11)
donde cada coeficiente 𝐶𝑛′ representa el valor eficaz del armónico de orden n,
es decir:

𝐶𝑛′ = 𝐶𝑛 ⁄√2 (1.12)

Las expresiones anteriores ponen de manifiesto que una función periódica
queda descompuesta en una serie infinita de funciones sinusoidales que tienen
diferentes frecuencias, todas ellas múltiplos de la frecuencia de la función ω0,
tal y como se muestra en figura 2.

fig.2 Onda cuadrada con sus 7 primeros armónicos

 fig.3 Representación de una onda cuadrada de frecuencia 1 Hz con su correspondiente espectro armónico

La representación de la amplitud Cn o el valor eficaz 𝐶𝑛′ de los distintos

armónicos en función de la frecuencia, o del orden del armónico, es lo que se
conoce como espectro de frecuencia (figura 3).

ÍNDICES DE DISTORSIÓN
En ciertas áreas de la ingeniería es interesante establecer un parámetro que
permita evaluar cuánto se aleja una forma de onda periódica de una sinusoidal
de la misma frecuencia, de forma que cuando una forma de onda no es
sinusoidal se dice que está distorsionada. Uno de los parámetros más
empleados para evaluar la distorsión es la tasa de distorsión armónica total
(THD) la cual relaciona la amplitud (o el valor eficaz) de los armónicos de una
forma de onda con el de su componente fundamental, y se define como:
1
𝑇𝐻𝐷 = 𝐶 √∑𝑁 2
𝑛=2(𝐶𝑛 ) × 100 (1.13)
1

donde el valor de N es el número del armónico máximo que se va a tener en

cuenta para el cálculo del THD. Por ejemplo, en ingeniería eléctrica este valor
es típicamente 40, o sea, que se evalúa la distorsión de una forma de onda, de
tensión o intensidad, teniendo únicamente en cuenta los 40 primeros
armónicos. Según esta definición una onda sinusoidal tiene un valor de THD
del 0%, mientras que para una onda cuadrada (como la mostrada en la figura
3) este valor es del 48.3%. La tasa de distorsión se puede dar de forma
individual para cada armónico, de esta forma, la tasa de distorsión armónica
HD para el armónico de orden “n” es:
𝐻𝐷 = 𝐶𝑛 ⁄𝐶1 × 100 (1.14)

Otro parámetro que se puede emplear para indicar el alejamiento entre una
forma de onda sinusoidal y una función periódica cualquiera es el Factor de
Cresta o CF:
𝐶𝐹 = 𝐹𝑝 ⁄𝐹 (1.15)
donde Fp es el valor de pico de la función y F su valor eficaz. En el caso de una
onda sinusoidal su valor es de 2.

Teorema de Parseval
En general para la energía de una función f(t) en un intervalo de tiempo (a, b)
se puede poner como:
𝑏
𝐸 = ∫𝑎 [𝑓(𝑡)]2 𝑑𝑡 (1.16)

Esta ecuación integral expresa que si f(t) es la corriente que circula por una
resistencia de 1Ω, entonces E es la energía disipada en esa resistencia en el
intervalo de tiempo (a, b). En el caso de una función periódica se puede hablar
de energía media por período o potencia media P cuya expresión es:
1
𝑃 = 𝑇 ∫𝑇[(𝑡)]2 𝑑𝑡 (1.17)

donde T es el período. El teorema de Parseval afirma que la potencia media se

puede poner en función de los coeficientes de Fourier como:
1 𝑎02 1 ∞ 1 ∞
∫ [(𝑡)]2 𝑑𝑡 =
𝑇 𝑇 4
+ 2 ∑𝑛=1(𝑎𝑛2 + 𝑏𝑛2 ) = 𝐶0 + 2 ∑𝑛=1 𝐶𝑛2 (1.18)

Si se emplean los valores eficaces de las componentes armónicas definidos en

(1.12), entonces:
1 ∞
∫ [(𝑡)]2 𝑑𝑡 = 𝐶0 + ∑𝑛=1(𝐶𝑛′ )2
𝑇 𝑇
(1.19)

Aplicando esta propiedad a la definición del valor eficaz en (1.6), se obtiene:

𝑎2 1 1 ∞
𝐹𝑟𝑚𝑠 = √ 40 + 2 ∑∞ 2 2 ∞ 2 ′ 2
𝑛=1(𝑎𝑛 + 𝑏𝑛 ) = √𝐶0 + 2 ∑𝑛=1 𝐶𝑛 = √𝐶0 + ∑𝑛=1(𝐶𝑛 ) (1.20)

De esta forma se puede afirmar que el valor eficaz al cuadrado es igual a la

suma de los cuadrados de los valores eficaces de las componentes armónicas.

Aproximación mediante una Serie de Fourier finita

En la expresión de la descomposición en Serie de Fourier de una función
periódica aparece un sumatorio que incluye un número ilimitado de elementos.
En este apartado se verá cómo ponderar cada uno de ellos, de forma que el
estudio se pueda limitar a un número finito de componentes armónicas. De esta
forma surge el concepto de Serie de Fourier Finita, SK(t), que es aquella
descomposición armónica en la que se tienen en cuenta sólo los primeros K
elementos de la Serie de Fourier, o sea:
𝑎0 𝐾
𝑆𝐾 (𝑡) = 2
+ ∑𝑛=1 𝑎𝑛 cos(𝑛𝑤0 𝑡) + 𝑏𝑛 sen(𝑛𝑤0 𝑡) = 𝐶0 + ∑𝐾
𝑛=1 𝐶𝑛 cos(𝑛𝑤0 𝑡 − 𝜃𝑛 ) (1.21)
 fig. 4 Evolución de una Serie de Fourier finita hacia una onda cuadratica

Si se aproxima la función f(t) mediante la serie finita de Fourier SK(t), se obtiene

la expresión:
𝑎0 𝐾
𝑓(𝑡) = + ∑𝑛=1[𝑎𝑛 cos(𝑛𝑤0 𝑡) + 𝑏𝑛 sen(𝑛𝑤0 𝑡)] (1.22)
2

donde εK(t) es el error debido a la aproximación mediante la Serie de Fourier de

K términos. Para determinar la calidad de la aproximación es más adecuada
una medida cuantitativa del error global por período, para ello se utiliza el error
cuadrático medio:
1 +𝑇⁄ 1 +𝑇⁄
𝐸𝑘 (𝑡) = 𝑇 ∫−𝑇⁄ 2[𝜀𝑘 (𝑡)]2 𝑑𝑡 = 𝑇 ∫−𝑇⁄ 2[𝑓(𝑡) − 𝑆𝑘 (𝑡)]2 𝑑𝑡 (1.23)
2 2

Se puede demostrar que la mejor aproximación que se puede alcanzar,

minimizando el error cuadrático medio recién descrito, mediante una serie
armónica finita es, precisamente, la que viene dada por los coeficientes de
Fourier. A medida que se van incluyendo términos de la Serie de Fourier en el
sumatorio de SK(t) el valor del error cuadrático va disminuyendo, hasta que el
límite obtenemos que:
lim 𝐸𝐾 = 0 (1.24)
𝑛→∞

O sea, que cuando la Serie de Fourier incluye todos sus términos en el

sumatorio, la energía del error cometido al aproximar una función por dicha
descomposición es nula.

fig. 5 Evolución del error cuadrático medio

Otra forma de dar el error es:
+𝑇⁄
1 2 𝑎02 1
𝐸𝑘 (𝑡) = 𝑇 ∫ [𝑓(𝑡)]2 𝑑𝑡 − − 2 ∑𝐾 2 2
𝑛=1(𝑎𝑛 + 𝑏𝑛 ) (1.25)
4
−𝑇⁄2

Si la expresión anterior se lleva al límite se obtiene la expresión (1.18) del

Teorema de Parseval, con la que se calcula la energía de la función f(t) por
período, o potencia, a partir del conocimiento de los coeficientes de la Serie de
Fourier. De esta forma, atendiendo a su energía, podemos estimar la
importancia relativa de cada armónico, o serie finita de ellos. Por ejemplo, ver
figura 6, se puede elegir como criterio el de escoger como representativa de la
señal original aquella serie finita que represente el 95% de la energía por
período.

fig. 6 Evolución de la energía por periodo

El fenómeno de Gibbs
Cuando una función dada se aproxima mediante una Serie de Fourier Finita,
habrá un error considerable en la vecindad de la discontinuidad, no importa
cuantos términos se quieran emplear. Este efecto se conoce como el fenómeno
de Gibbs. Para ilustrar este fenómeno se puede ver en la figura 7 el resultado
de aproximar una onda cuadrada por una serie finita de Fourier.

fig. 7 Aproximación de una onda cuadrada por sus 1000

primeros armonicos
Para una discontinuidad de altura unidad, se obtiene una sobre oscilación de
valor 1.09. A medida que aumenta el número de elementos de la serie finita de
Fourier que aproxima a la función, la sobre oscilación se va comprimiendo más
hacia la discontinuidad, aunque su valor permanezca prácticamente constante.
Afortunadamente, la energía asociada a esta sobre oscilación (error cuadrático
medio), que es lo que realmente da la medida de su importancia, se va
haciendo cero. Esto hace que su presencia carezca de importancia. Por
ejemplo, si se están estudiando sistemas lineales, la escasa energía en la
sobre oscilación difícilmente quedará reflejada en la respuesta del sistema, por
lo que el análisis por Fourier será tan válido como cualquier otro (temporal,
Laplace,).

Convergencia de la Serie de Fourier

Para la obtención de los coeficientes de la Serie de Fourier, se emplean las ya
conocidas integrales mostradas en (figura 9). Sin embargo, en ocasiones las
integrales descritas pueden divergir, o sea, puede que algún coeficiente (a n o
bn) tienda a ∞. Además, aunque los coeficientes sean finitos, puede ocurrir que
al sustituirlos en la Serie de Fourier ésta no converja. No obstante, las
funciones continuas no presentan problemas de convergencia, y esto es
también cierto para muchas señales con discontinuidades. Puesto que el
empleo de funciones discontinuas es muy útil, por ejemplo, la onda cuadrada,
se ha de estudiar más detenidamente el fenómeno de la convergencia. Las
condiciones para asegurar esta convergencia se deben a Dirichlet, y pueden
resumirse en:
Condición Nº 1
La función ha de ser absolutamente integrable, o sea:
+𝑇∕2
∫−𝑇⁄ |𝑓(𝑡)|2 𝑑𝑡 < ∞ (1.27)
2

De esta forma garantizamos que: |𝑎0 | < ∞; |𝑎𝑛 | < ∞; |𝑏𝑛 | < ∞

fig. 8 Función que incumple la primera condición

Condición Nº 2
En cualquier intervalo de tiempo la función tiene un n° finito de máximos y
mínimos.

fig. 9 Función que incumple la segunda condición

Condición Nº 3
En cualquier intervalo finito de tiempo hay un número finito de discontinuidades,
y además han de ser de amplitud finita.

fig.10 Función que incumple la tercera condición

Las funciones que no cumplen las condiciones anteriores no son usuales y, por
lo tanto, no son particularmente importantes en el estudio de señales y
sistemas. Se ha de decir que todas las funciones periódicas asociadas a
sistemas físicos cumplen dichas condiciones y, por lo tanto, son susceptibles
de ser estudiadas mediante las Series de Fourier. Si la función cumple las
condiciones anteriores, entonces se puede descomponer en Serie de Fourier,
y, por lo tanto, debido a la convergencia de la Serie de Fourier se cumple que:
lim 𝑎𝑛 = lim 𝑏𝑛 = 0 (1.27)
𝑛→∞ 𝑛→∞
Este resultado invita al empleo de las Series Finitas de Fourier en los análisis
numéricos mediante series de Fourier, ya que la energía asociada a armónicos
de orden elevado, o sea, de frecuencia elevada, es muy baja, tal y como ya se
había indicado en el apartado anterior.

fig. 11 Coeficientes de la descomposicion de una cuadrada

En las condiciones recién mencionadas se hace referencia a la convergencia

de las series de Fourier aún en presencia de discontinuidades finitas. En dichas
discontinuidades, la función aproximada por su descomposición en Serie de
Fourier (figura 12) viene dada por:
1
𝑓𝑠𝑓 (𝑡1 ) = 2 [𝑓(𝑡1− ) + 𝑓(𝑡1+ )] (1.28)

Donde:
 t1 es el instante en el que la función presenta la discontinuidad
 𝑡1− y 𝑡1+ son los instantes anterior y posterior de la discontinuidad
 fsf(t) es la Serie de Fourier
 f(t) es la función original, a partir de la cual se calculan los coeficientes
de la Serie de Fourier
A pesar de este resultado se admite la descomposición en Serie de Fourier
como equivalente a la función periódica que representa.

fig. 12 Aproximación de la Serie de Fourier en las discontinuidades

EJEMPLO N°01
Expanda en una serie de Fourier de la función con grafica (fig.13):

0 𝑝𝑎𝑟𝑎 − 𝜋 < 𝑥 < 0

𝑓(𝑡) = {
𝜋−𝑥 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 < 𝜋

fig13

Como sabemos por la ecuación 1.3 tendremos:

2𝜋
𝑤0 = =1
2𝜋

Usando el teorema de aproximación de una serie de Fourier finita (1.21):

𝐾 𝐾
𝑎0
𝑆𝐾 (𝑡) = + ∑ 𝑎𝑛 cos(𝑛𝑤0 𝑡) + 𝑏𝑛 sen(𝑛𝑤0 𝑡) = 𝐶0 + ∑ 𝐶𝑛 cos(𝑛𝑤0 𝑡 − 𝜃𝑛 )
2
𝑛=1 𝑛=1

Para los valores de ao, an y bn usamos las ecuaciones (1.9):

1 𝜋 1 0 𝜋
𝑎0 = 𝜋 ∫−𝜋 𝑓(𝑥) 𝑑𝑥 = 𝜋 (∫−𝜋 0 𝑑𝑥 + ∫0 (𝜋 − 𝑥) 𝑑𝑥)
𝜋
1 𝑥2
𝑎0 = [𝜋𝑥 − ]
𝜋 2 0
𝜋
𝑎0 =
2
 1 𝜋
𝑎𝑛 = 𝜋 ∫−𝜋 𝑓(𝑥)cos(𝑤0𝑛𝑥) 𝑑𝑥 recuerde que 𝑤0 = 1
0 𝜋
1
𝑎𝑛 = (∫ 0 𝑑𝑥 + ∫ (𝜋 − 𝑥)cos(𝑛𝑥) 𝑑𝑥)
𝜋 −𝜋 0

1
𝑎𝑛 = [(𝜋𝑠𝑒𝑛(𝑛𝑥) − cos(𝑛𝑥) − 𝑛𝑥𝑠𝑒𝑛(𝑛𝑥))]𝜋0
𝜋𝑛2
1 − (−1)𝑛
𝑎𝑛 =
𝜋𝑛2
1 𝜋
𝑏𝑛 = 𝜋 ∫−𝜋 𝑓(𝑥) 𝑠𝑒𝑛(𝑤0 𝑛𝑥) 𝑑𝑥 recuerde que 𝑤0 = 1
0 𝜋
1
𝑏𝑛 = (∫ 0 𝑑𝑥 + ∫ (𝜋 − 𝑥)sen(𝑛𝑥) 𝑑𝑥)
𝜋 −𝜋 0

1
𝑏𝑛 = [(−𝜋𝑐𝑜𝑠(𝑛𝑥) − sen(𝑛𝑥) + 𝑛𝑥𝑐𝑜𝑠(𝑛𝑥))]𝜋0
𝜋𝑛2
1
𝑏𝑛 =
𝑛

Hallando las sumas parciales gracias al Teorema 1.21:

Para n=1
𝜋
𝑆1 (𝑡) = 2 + 𝑎1 cos(𝑥) + 𝑏𝑛 𝑠𝑒𝑛(𝑥)
2
𝜋 1 − (−1)1 1
𝑆1 (𝑡) = + 2
cos(𝑥) + 𝑠𝑒𝑛(𝑥)
4 𝜋1 1
𝜋 2
𝑆1 (𝑡) = + cos(𝑥) + 𝑠𝑒𝑛(𝑥)
4 𝜋

Para n=2
𝑆2 (𝑡) = 𝑆1 (𝑡) + 𝑎2 cos(2𝑥) + 𝑏2 𝑠𝑒𝑛(2𝑥)
1 − (−1)2 1
𝑆2 (𝑡) = 𝑆1 (𝑡) + 2
cos(2𝑥) + 𝑠𝑒𝑛(2𝑥)
𝜋2 2
𝜋 2 1
𝑆2 (𝑡) = + cos(𝑥) + 𝑠𝑒𝑛(𝑥) + 𝑠𝑒𝑛(2𝑥)
4 𝜋 2
Para n=3
𝑆3 (𝑡) = 𝑆2 (𝑡) + 𝑎3 cos(3𝑥) + 𝑏3 𝑠𝑒𝑛(3𝑥)
1 − (−1)3 1
𝑆3 (𝑡) = 𝑆2 (𝑡) + 2
cos(3𝑥) + 𝑠𝑒𝑛(3𝑥)
𝜋3 3
𝜋 2 1 2 1
𝑆3 (𝑡) = + cos(𝑥) + 𝑠𝑒𝑛(𝑥) + 𝑠𝑒𝑛(2𝑥) + cos(3𝑥) + 𝑠𝑒𝑛(3𝑥)
4 𝜋 2 9𝜋 3
Las aproximaciones a f (x) mediante las sumas parciales quedan de la
siguiente manera (fig.14):

fig. 14

EJEMPLO N°02
Expanda en una serie de Fourier de la función con grafica (fig.15):

−1 𝑝𝑎𝑟𝑎 − 𝜋 < 𝑥 < 0

𝑓(𝑡) = {
2 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 < 𝜋

fig. Error! No text of specified style in document.-15

Como sabemos por la ecuación 1.3 tendremos:

2𝜋
𝑤0 = =1
2𝜋
Usando el teorema de aproximación de una serie de Fourier finita (1.21):
𝐾 𝐾
𝑎0
𝑆𝐾 (𝑡) = + ∑ 𝑎𝑛 cos(𝑛𝑤0 𝑡) + 𝑏𝑛 sen(𝑛𝑤0 𝑡) = 𝐶0 + ∑ 𝐶𝑛 cos(𝑛𝑤0 𝑡 − 𝜃𝑛 )
2
𝑛=1 𝑛=1

Para los valores de ao, an y bn usamos las ecuaciones (1.9):

1 𝜋 1 0 𝜋
𝑎0 = ∫ 𝑓(𝑥) 𝑑𝑥 = (∫ −1 𝑑𝑥 + ∫ 2 𝑑𝑥)
𝜋 −𝜋 𝜋 −𝜋 0

1
𝑎0 = ([−𝑥]0−𝜋 + [2𝑥]𝜋0 )
𝜋
𝑎0 = 1
1 𝜋
𝑎𝑛 = 𝜋 ∫−𝜋 𝑓(𝑥)cos(𝑤0𝑛𝑥) 𝑑𝑥 recuerde que 𝑤0 = 1
0 𝜋
1
𝑎𝑛 = (∫ −1cos(𝑛𝑥) 𝑑𝑥 + ∫ 2cos(𝑛𝑥) 𝑑𝑥 )
𝜋 −𝜋 0

1 𝑠𝑒𝑛(𝑛𝑥) 0 𝑠𝑒𝑛(𝑛𝑥) 𝜋
𝑎𝑛 = ([− ] + [2 ] )
𝜋 𝑛 −𝜋 𝑛 0

𝑎𝑛 = 0
1 𝜋
𝑏𝑛 = 𝜋 ∫−𝜋 𝑓(𝑥) 𝑠𝑒𝑛(𝑤0 𝑛𝑥) 𝑑𝑥 recuerde que 𝑤0 = 1
0 𝜋
1
𝑏𝑛 = (∫ −1𝑠𝑒𝑛(𝑛𝑥) 𝑑𝑥 + ∫ 2sen(𝑛𝑥) 𝑑𝑥)
𝜋 −𝜋 0

1 cos(𝑛𝑥) 0 cos(𝑛𝑥) 𝜋
𝑏𝑛 = ([ ] + [−2 ] )
𝜋 𝑛 −𝜋 𝑛 0

3(1 − (−1)𝑛 )
𝑏𝑛 =
𝑛𝜋
Hallando las sumas parciales gracias al Teorema 1.21:
Para n=1
1
𝑆1 (𝑡) = + 𝑎1 cos(𝑥) + 𝑏𝑛 𝑠𝑒𝑛(𝑥)
2
1 3(1 − (−1)1 )
𝑆1 (𝑡) = + 0 cos(𝑥) + 𝑠𝑒𝑛(𝑥)
2 𝜋
1 6
𝑆1 (𝑡) = + 𝑠𝑒𝑛(𝑥)
2 𝜋

Para n=2
𝑆2 (𝑡) = 𝑆1 (𝑡) + 𝑎2 cos(2𝑥) + 𝑏2 𝑠𝑒𝑛(2𝑥)
3(1 − (−1)2 )
𝑆2 (𝑡) = 𝑆1 (𝑡) + 0 cos(2𝑥) + 𝑠𝑒𝑛(2𝑥)
2𝜋
1 6
𝑆2 (𝑡) = + 𝑠𝑒𝑛(𝑥)
2 𝜋

Para n=3
𝑆3 (𝑡) = 𝑆2 (𝑡) + 𝑎3 cos(3𝑥) + 𝑏3 𝑠𝑒𝑛(3𝑥)
3(1 − (−1)3 )
𝑆3 (𝑡) = 𝑆2 (𝑡) + 0 cos(3𝑥) + 𝑠𝑒𝑛(3𝑥)
3𝜋
1 6 2
𝑆3 (𝑡) = + 𝑠𝑒𝑛(𝑥) + 𝑠𝑒𝑛(3𝑥)
2 𝜋 𝜋
Para n=4
𝑆4 (𝑡) = 𝑆3 (𝑡) + 𝑎4 cos(4𝑥) + 𝑏3 𝑠𝑒𝑛(4𝑥)
3(1 − (−1)4 )
𝑆4 (𝑡) = 𝑆3 (𝑡) + 0 cos(4𝑥) + 𝑠𝑒𝑛(4𝑥)
4𝜋
1 6 2
𝑆4 (𝑡) = + 𝑠𝑒𝑛(𝑥) + 𝑠𝑒𝑛(3𝑥)
2 𝜋 𝜋

Como vemos S1=S2 y S3=S4 lo que se ira repitiendo en las siguientes sumas
parciales.
Las aproximaciones a f(x) mediante las sumas parciales quedan de la siguiente
manera (fig.15):

fig16
Onda Cuadrada

𝛽𝑇 𝛿𝑇
Donde: 𝑡𝛽 = 2𝜋 𝑦 ∆𝑡𝛿 = 2𝜋

f(x)

+1

0   x

-1

f(x) = +1 para 0 < x < 

f(x) = -1 para  < x < 2

Dada la definición analítica de la función, vemos que requeriremos de dos

integrales para evaluarla en todo el período, por ejemplo:

  
  
2
b3  1   (1) sen 3x dx 
 0  (1) sen 3x dx 
 

   sen 3x dx
 
 2
b3  1  
 0

 
sen 3x dx  

b3  1  (-1/3) cos 3x  
0  (1 / 3) cos 3x 2
  

= (1/ {[(1+1)/3] + [(1+1)/3]} = 4/3 = b3

 Generalizando:

  
  
2
an  1   (1) cos nx dx 
 0  (1) cos nx dx 
 
an  1 / n    sen nx  
0   sen nx 2
   0

Para a0 resulta ser indeterminada (0/0), por lo que hacemos:

  2

a0  1 /  
  dx 
0  
dx   (1/)( - 0 - 2 + ) = 0

Por otra parte:

  2

 0 
bn  1 /    (1) sen nx dx 
 (1) sen nx dx 
 
bn  1 / n     cos nx  0   cos nx 2
  
= (1/n)(1 - 2 cos n + cos n2) = bn

Que depende si n es par o impar.

Para n par:

bn = (1/n)(1 - 2 + 1) = 0

Para n impar:

bn = (1/n)(1 + 2 + 1) = 4/n
Es decir que sólo tiene componentes impares del seno.

f(x) = (4/) sen x + (4/3) sen 3x + (4/5) sen 5x + ...

f(x) = (4/)[sen x + (1/3) sen 3x + ... + (1/n) sen nx]
Con n impar.
Onda diente de sierra.

f(x)
+1

 0   x

-1

f(x) = x/ (- < x < +)

Esta forma de expresarla es más conveniente que hacerlo de 0 a 2 pues

requeriría de dos ecuaciones no muy fácilmente integrables. En general podríamos
tomar el período de c a c+2, pero lo haremos de - a +:

 
 1 / 2 
an  1 /  
 
(x / ) cos nx dx
 x cos nx dx



1 / n2) cos nx  (x / n) sen nx  

 1 / 2  (


1 / n2)(cos n  cos(n))  (1 / n)( sen n   sen n)  0

 1 / 2  (
 
 1 / 2 
bn  1 /  
 (x / ) sen nx dx
  x sen nx dx



1 / n2) sen nx  (x / n) cos nx  

 1 / 2  (


 (2 / 2n2 )( sen n  n cos n)  (2 / n)( cos n)

De donde para n par: bn = -2/n

Y para n impar: bn = +2/n




Luego para la onda diente de sierra tendremos:

f(x) = (2/)[sen x - (1/2)sen 2x + (1/3)sen 3x - (1/4)sen 4x

+ ...

ONDA RECTIFICADA.

Tanto la onda cuadrada como la diente de sierra tienen importante uso

práctico, otra forma usual se encuentra a la salida de los rectificadores, donde
interesa la componente constante (de continua) y todas las armónicas son
indeseables.
Partimos de la corriente de salida de un rectificador de media onda y carga
resistiva. Localizamos al eje de forma de obtener una función par.
En este caso la serie será de la forma:

f(t) = ½a0 + a1cos t + a2cos 2t + a3cos 3t + ...

1

-/2 0 +/2 + +3/2 +2 +5/2 t

Los coeficientes los hallamos por integración entre los límites - y +, ya
que en el resto del período la señal es nula, y en ese intervalo la función es: cos
wt.
Luego:
/2
an  1 /  
 (cos x)(cos nx) dx
/2

Si n es distinto de 1:
 a n  1 /  (2/(n - 1)) sen[(n - 1)x]  (2/(n  1)) sen[(n  1)x] 

an  1 /  (1/(n - 1)) sen[(n - 1)/2]  (1/(n  1)) sen[(n  1)/2]

Substituyendo los valores de n tendremos:

a0 = 2/ a1 = 1/2 a2 = 2/3 a3 = 0

a4 =-2/15 a5 = 0 a6 = 2/35 a7 = 0

Con lo que:

f (t) = (1/) [1 + (/2) cos t + (2/3) cos 2t - (2/15) cos

4t +
+ (2/35) cos 6t - ...]

La única armónica impar presente es la primera o fundamental.

SÍNTESIS DE ONDAS.
Si partimos de la expresión de la onda cuadrada desarrollada en serie y
vamos sumando gráficamente términos, veremos que a partir de la séptima
armónica la aproximación comienza a ser mejor, pero siempre permanece una
variación en la parte superior aplastada con la frecuencia mayor utilizada. Sin
embargo la tendencia a que le crezcan orejas existe a ambos lados de la
discontinuidad (fenómeno de Gibbs). Con el aumento de los términos las mismas
se estrechan pero no disminuyen su amplitud que se establece en un 9% de la
discontinuidad.
La serie infinita, sin embargo, converge exactamente a la función, excepto
en la discontinuidad donde converge al punto medio de la misma.

ESPECTROS EN FRECUENCIA.
 Puede escribirse una serie de Fourier mediante términos que sólo
contengan senos o cosenos, independientemente de que sea o no par o impar,
utilizando la relación trigonométrica:
a cos x + b sen x = (a2 + b2)½ cos [x - tg-1(b/a)]
Entonces la serie tendrá la forma:

f(t) = ½a0 + c1 cos (t-1) + c2 cos (2t-2) + ... +

+ cn cos (nt-n) + ...

Donde:

cn = (an2 + bn2)½ y n = tg-1(bn/an)

De otra forma:


 c cosnt   
a
f(t)  0  n n
2 n 1

Similarmente podemos hacer:


  cn sennt   n 
a0
f (t ) 
2 n1
Con:

cn = (an2 + bn2)½ y n = tg-1(an/bn)

n y n están en grados de la armónica enésima, se miden en la misma escala

horizontal que nw.
La graficación de este desarrollo en serie no sería muy clara si lo hiciéramos en
función del tiempo, pero podemos hacerlo en función de la frecuencia lo que da
lugar a representaciones denominadas Espectros en Frecuencia.
Como debemos indicar dos datos para cada componente: amplitud y fase,
obtenemos los espectros de Amplitud y de Fase.
En ambos casos tendremos sólo valores para un número entero de veces la
frecuencia fundamental, lo que implica un espectro de líneas, discreto, y no una
curva continua.

Si la serie está desarrollada en funciones seno y coseno deberíamos pasarla a la

forma de solo términos seno o coseno para que pueda ser representada.
 Sea:


 c sennt   
a0
f(t)   n n
2 n 1
Amplitud

c6
c2
c3
c0
c1 c4 c7
c5

0 234c.
Frec.

Espectro de amplitud

Fase

5

1
 4

2
7
6
0 234
Frec.
  Frec.
 3

8

Espectro de fase

APLICACIÓN A UN CIRCUITO
 Veamos la corriente en una bobina ideal como respuesta a una excitación
de tensión de onda cuadrada:

v(t)

Vmax

0   3 4  t

t

-Vmax

+ I(t)
L
v(t)

Z (j) = jL  = n1 Zn = jn1L

Vn = 2Vmáx/jn para n impar

In = Vn/Zn = (2Vmáx/jn)(1/jn1L) =

-2Vmáx/n21L = (-Vmáx/21L)(4/2n2) para n impar

Que corresponde a una onda triangular de amplitud Vmáx/21L.

f(x)

+Vmáx2L

        x

  
VALOR MEDIO CUADRÁTICO Y POTENCIA.
El valor RMS (medio cuadrático) de la onda total es la raíz cuadrada de la suma de
los cuadrados de los valores RMS de sus componentes. Es decir que si:

i = I0 + Î1 cos (t-1) + Î2 cos (2t-2) + ...

Irms = (I02 + ½Î12 + ½Î22 + ½Î32 + ... )1/2

O bien:
Irms = (I02 + I12 + I22 + I32 + ... )1/2

La demostración (teorema de Parseval) es simple, ya que por definición es:

T
1
I2rms 
T  0
i2dt

Y reemplazando i por los términos de la serie obtendremos lo buscado.

La potencia promedio total es, como consecuencia, la suma de las potencias
promedio de la componente de corriente continua, de la fundamental y de las
armónicas tomadas separadamente.
P = P0 + P1 + P2 +...
= V0I0 + |V1||I1| cos 1 + |V2||I2| cos 2 +...
La demostración también parte de la definición:
T


P  (1 / T) v * i dt
0

Que puede considerarse una generalización de la anterior.

Lo importante es que las componentes tensión y corriente de armónicas diferentes
no contribuyen a la potencia activa.

RESPUESTA COMPLETA A FUNCIONES EXCITATRICES PERIÓDICAS.

Podemos ahora representar una función periódica arbitraria como suma infinita de
funciones senoidales. Para cada una de estas componentes podemos obtener la
respuesta forzada por el análisis simbólico de régimen permanente; la forma de la
respuesta natural puede determinarse de la configuración de la red; las condiciones
iniciales del circuito permiten, junto con el valor de la respuesta en régimen obtener
la amplitud de la solución natural. La suma de ambas nos dará la respuesta
completa.
Esta solución analítica no es de mucha utilidad ya que no proporciona una visión
clara de su naturaleza. Necesitamos un dibujo de la misma como función del
tiempo.
Esto implica un laborioso cálculo para un número grande de componentes. La
suma gráfica de las primeras componentes tampoco resulta cómoda.
Se obtiene probablemente una solución más informativa del problema haciendo un
análisis transitorio repetido.
Sea por ejemplo la señal:

v(t)

10

0    3/2 2  5/2 t

t

La solución en el intervalo 0 a  es un incremento exponencial hacia 2,5

amperios (por ejemplo). Al final de este intervalo tenemos así determinado el valor
inicial del segundo. Haciendo el mismo análisis sucesivamente tendremos la
respuesta completa.

SERIES EXPONENCIALES.
Hemos utilizado las formas trigonométricas de las series de Fourier; ahora
podemos mejorarla utilizando formas exponenciales del tipo:

f(t) = ... + A-n e-jnt + ... + A-2 e-j2t + A-1 e-jt +

+ A0 + A1 ejt + A2 ej2t + ... + An ejnt +...
Que aunque parece diferente a la anterior no lo es, y puede deducirse de la forma
trigonométrica utilizando las fórmulas de Euler:
 cos x =(ejx + e-jx)/2 sen x =(ejx - e-jx)/2j

A partir de ellas se pueden encontrar los coeficientes como:

A0 = ½a0
A1 = ½(a1 - jb1) A-1 = ½(a1 + jb1)
An = ½(an - jbn) A-n = ½(an + jbn)

Es decir que resultan An = A-n*, o sean conjugados.

La serie exponencial puede escribirse en forma compacta:

 

f(t)  A
n  
n
jn t
e  A
n  
n ejnx

Los coeficientes se encuentran más convenientemente de la integral:

2 2
Ak  (1 / 2)
 0
f(t) e jk td(t)  (1 / 2)
 0
f(x) e jkx dx 

Donde k es entero, de - a + incluyendo el cero.

SIMETRÍAS.
Las condiciones de simetría son también útiles. Por ejemplo: si sólo hay términos
seno An es imaginaria pura (ya que an es igual a cero), y si sólo contiene cosenos
An es real pura (bn = 0) para todos los n. Por otra parte si hay simetría de media
onda resultará An = 0 para n par, y el intervalo de integración puede, en este
caso, acortarse a medio período.
Nótese que, al no ser la función ejnx impar ni par, no puede acortarse el intervalo
de integración en estos casos. Los límites de integración deben estar separados
por un período completo a menos que exista simetría de media onda.

EJEMPLOS DE APLICACIÓN.
Onda cuadrada asimétrica impar.

f(x)

+2

0    3 4 x

t

f(x) = +2 para 0 < x < 

f(x) = 0 para  < x < 2

Dada la definición analítica de la función, vemos que requeriremos la integración

de 0 a , ya que la función es nula en el resto del período:

A n  (1 / 2)
 0
2 e jkx dx

Debemos hacerla separadamente para n = 0 y para n no igual a cero.

Para n = 0:



A0  (1 / 2) 2 dx  ( / 2)(2  0)  1
0

Para n distinta de cero:


e jnx dx  1 /(jn) e jnx  0  1 /(jn) (e jnx  1)
A n  (2 / 2)
 0

Que depende si n es par o impar.

Para n par: e-jn = +1

Para n impar: e-jn = -1
Es decir que para n par: An = 0
Y para n impar: An = 2/jn

Es decir que la serie quedará:

 f(t) = 1 + 2/j [...-(1/3)e-j3t - e-jt + ejt + (1/3)ej3t
+...]

Onda cuadrada simétrica impar.

f(x)

0   3 4  x

-1

f(x) = +1 para 0 < x < 

f(x) = -1 para  < x < 2

La serie quedará:

f(t) = (2/j)[...- (1/3)e-j3t - e-jt + ejt + (1/3)ej3t +...]

Es decir igual a la anterior menos 1.

Los coeficientes están dados por:

An = 2/jn para n = impar

Y podemos trazar un espectro como el de la figura siguiente.

Como la función es impar todos los términos son imaginarios:
 f(t)=(2/j(1/n)ejnt (para n impar positiva o negativa)

jAn

2/
2/
n
-8 -7 -6 -5 -4 -3 -2 -1

0 1 2 3 4 5 6 7 8 n

-2/n
-2/

Onda cuadrada asimétrica par.

f(x)

+1

   

x

f(x) = +1 para -/2 < x < /2

f(x) = 0 para /2 < x < 3/2

Dada la definición analítica de la función, vemos que requeriremos la integración
de -/2 a /2, ya que la función es nula en el resto del período:

/2
An   / 2
 - /2
2 e- jnx dx

Para n = 0 A0 = 1/2
Para n par An = 0
Para n impar An = (1/n) (n =..., -11, -7, -3, +1, +5,
+9,...)
Y

An = (-1/n) (n =..., -9, -5, -1, +3, +7, +11,...)

Y quedará un espectro:

An
1/ A0
1/

1/
n
-8 -7 -6 -5 -4 -3 -2 -1

0 1 2 3 4 5 6 7 8 n

-1/n
-1/

Onda triangular simétrica par.

f(x)

+1

        x

  

-1

Podemos definir analíticamente la función como:

f(x) = (2x/) - 1 0  x 

f(x) = -(2x/) - 1 - x 0

Y establecer que presenta simetría de media onda. Esto nos permite integrar sobre
medio ciclo y multiplicar por dos.
 
A n  (1 / )
 0
[(2x/p) - 1]e- jnx dx 

= (2/2n2)( e-jn - 1 ) + (j/n)( e-jn + 1 )

Por simetría de media onda:

Para n par: An = 0

Para n impar e-jn = -1 y luego:

An = -4/2n2

Expresándola como función del tiempo con x = t, resulta:

f(x) = (-4/2)[ ... + (1/9) e-j3t + e-jt + ejt +

+ (1/9) ej3t +...]

f(t)  (4 /  ) 2
(1/n ) e
-
2 jn t
Para n impar

APLICACIONES DE LAS SERIES DE FOURIER

Muchas ecuaciones de las ciencias se formulan con derivadas parciales y se
resuelven, en ocasiones, descomponiendo la incógnita en series (sumas
infinitas). Las series más interesantes son las de potencia y por su puesto las
de Fourier.

Dado el carácter periódico de tales sumas las Series de Fourier se

aplican, por ejemplo, donde surgen problemas oscilantes, como ocurre en las
series temporales de naturaleza económica, en electrónica (se aplican por
ejemplo en teoría de señales), en acústica o en óptica. Los problemas teóricos
relacionados con la convergencia de las series de Fourier han impulsado
avances fundamentales en distintos ámbitos de las matemáticas y siguen
siendo considerados hoy como problemas muy difíciles.

APLICACIÓN EN PROCESAMIENTO DIGITAL DE SEÑALES

Es importante considerar la aplicación de las series de Fourier, ya que estas

sirven mucho en el procesamiento digital de señales, la cual es un área de las
ciencias e ingeniería que se ha desarrollado rápidamente en los últimos 30
años.
Este rápido desarrollo es resultado de avances tecnológicos tanto en los
ordenadores digitales como en la fabricación de circuitos integrados.

Estos circuitos digitales baratos y relativamente rápidos han hecho

posible construir sistemas digitales altamente sofisticados, capaces de realizar
funciones y tareas del procesado de señales que convencionalmente se
realizaban analógicamente, se realicen hoy mediante hardware digital, más
barato y a menudo más fiable.

Es relevante diferencie entre una señal analógica y digital para

comprender mejor el procesamiento de señales, el nombre de una señal
analógica se deriva del hecho de que es una señal análoga a la señal física
que se representa.

La magnitud de una señal analógica pude tomar cualquier valor, esto es,
la amplitud de una señal analógica exhibe una variación continua sobre su
campo de actividad. La gran mayoría de señales en el mundo que hay a
nuestro alrededor son analógicas. Los circuitos que procesan estas señales se
conocen como circuitos analógicos. Una forma alternativa de representación de
señal es la de una secuencia de números, cada uno de los cuales representa la
magnitud de señal en un instante determinado.

La señal resultante se llama señal digital, ésta a diferencia de la señal

analógica es una señal que esta discretisada en el tiempo y cuantificada en
magnitud. El procesamiento de señales se correlaciona con las series de
Fourier ya que esta nos permite expresar una función periódica de tiempo
como la suma de un número infinito de senoides cuyas frecuencias están
armónicamente relacionadas La importancia de esto radica en que la serie de
Fourier nos facilita el arduo trabajo del manejo con señales, ya que para que
nosotros podamos procesar estas señales es necesario expresarlas como una
combinación lineal de términos, lo cual nos lo proporciona la serie de Fourier.

APLICACIONES EN LA MEDICINA

Diagnóstico automático: La ecografía permite registrar la vibración de cada una

de las membranas del corazón, proporcionando una curva periódica. Un
programa de ordenador calcula los primeros términos de las sucesiones
(coeficientes de Fourier).

En el caso de la válvula mitral, son suficientes los dos primeros

coeficientes de Fourier para diagnosticar al paciente. Esta forma de diagnóstico
disminuye costes en el sistema sanitario y, sobre todo, evita al paciente los
riesgos y molestias inherentes a las pruebas endoscópicas

APLICACIONES DIVERSAS

Las series de Fourier son de gran importancia ya que tienen muchas

aplicaciones dentro de los campos de la física y de la matemática entre otros.
La idea básica de las series de Fourier es que toda función periódica de
periodo T puede ser expresada como una suma trigonométrica de senos y
cosenos del mismo periodo T.
Este problema aparece por ejemplo en astronomía en donde
Neugebauer (1952) descubrió que los Babilonios utilizaron una forma primitiva
de las series de Fourier en la predicción de ciertos eventos celestiales.

La historia moderna de las series de Fourier comenzó con D’Alembert

(1747) y su trabajo de las oscilaciones de las cuerdas de violín. El
desplazamiento de una cuerda de violín como una funcion del tiempo y de la
posición es solución de una ecuación diferencial.

La solución de este problema es la superposición de dos ondas viajando

en direcciones opuestas a la velocidad como lo expresa la formula de
D´Alembert En la cual la función es impar de periodo 2 que se anula en algunos
puntos específicos. Euler en 1748 propuso que tal solución podía ser
expresada en una serie en función de senos y como consecuencia una serie
con producto de senos y cosenos, Las mismas ideas fueron luego expuestas
por D.Bernoulli (1753) y lagrange (1759). La formula para calcular los
coeficientes apareció por primera vez en un artículo escrito por Euler en 1777.

La contribución de Fourier comenzó en 1807 con sus estudios del

problema del flujo del calor presentado a la academia de ciencias en 1811 y
publicado en parte como la celebre teoría analítica del calor en 1822. Fourier
hizo un intento serio por demostrar que cualquier función diferenciable puede
ser expandida en una serie trigonométrica. Una prueba satisfactoria de este
hecho fue dada por Drichlet en 1829.
Modernamente el análisis de Fourier ha sido impulsado por matemáticos como
lebesgue Hardy, Littlewood, Wiener, Frobenius, Selberg, Weily Weyl entre
otros.
 El poder extraordinario y la flexibilidad de las series de Fourier se ponen
de manifiesto en la asombrosa variedad de aplicaciones que estas tienen en
diversas ramas de la matemática y de la física matemática desde la teoría de
números y geometría hasta la mecánica quántica.

Algunas de las más importantes aplicaciones de las series de Fourier

son:

• El problema isoperimétrico
• Temperatura de la tierra
• Evaluación de series no triviales
• La desigualdad de Wirtinger
• Solución de ecuaciones diferenciales
• Flujo del calor
• Ecuación de ondas
• Formula de Poisson
• Identidad de Jacobi

Veamos de forma breva algunas de estas de estas aplicaciones:

o El problema isoperimétrico que es de carácter matemático afirma que si C es

una curva cerrada simple con un tipo de clase y de longitud unitaria, entonces
el área A encerrada por la curva satisface cierta desigualdad. La desigualdad
se satisface si y solos si C es una circunferencia. En consecuencia entre todas
las curvas cerradas simples de longitud unitaria la que encierra mayor área es
la circunferencia.
o Un problema sencillo pero muy interesante es el de calcular la temperatura
de la tierra a una profundidad x a partir de la temperatura de la superficie.
Describamos la temperatura de la superficie terrestre como una función f
periódica en el tiempo t y de periodo 1(un año). La temperatura y la profundidad
en un tiempo y longitud respectivamente, mayores o iguales a cero son también
periódicas. Bajo estas circunstancias la temperatura puede ser expandida
mediante una serie de Fourier para cada valor x fijo.

o Otra de las aplicaciones de la serie de Fourier es la evaluación de las series

no triviales mediante la identidad de plancherel para calcular algunas sumas
infinitas.
o La desigualdad de wirtinger es una aplicación de tipo matemática de las
series de Fourier para una función continua definida en un intervalo cerrado.

o Tal vez una de las propiedades más importantes de las series de Fourier y en
particular de las integrales de Fourier se presenta en la solución de ecuaciones
diferenciales ya que transforma operadores diferenciales con coeficientes
constantes en multiplicación por polinomios.

o Otra de las aplicaciones importantes de la serie de Fourier y en este caso de

la transformada de Fourier es el problema del flujo del calor. el planteamiento
de este problema es similar al del problema anterior.
o Las aplicaciones tanto en la ecuación de ondas, la formula de Poisson y la
Identidad de Jacobi son de carácter matemático riguroso por lo que se dejan
indicadas.

Teorema de transplantacion para las series de Fourier-Bessel

La presente aplicación es de tipo matemática utilizando una sucesión de ceros

positivos de la función de Bessel de cierto tipo de orden, en este punto una
sucesión de funciones forman un sistema ortonormal completo. Las series de
fourier asociadas a este sistema ortonormal se denominan series de Fourier-
Bessel dentro de este estudio cabe mencionar el teorema de transplantacion
con pesos potenciales para este tipo de series de fourier que permite un rango
lo mas alto posible para los parámetros involucrados.

¿Para qué se aplica el análisis de Fourier?

Se aplica para:
- Analizar contenido de frecuencia de las señales.
- Determinar cómo cambia la amplitud y la fase de las señales
sinusoidales cuando éstas pasan a través de un sistema lineal e
invariante en el Bempo.

¿Dónde se aplica el análisis de Fourier?

Se utiliza en muchas áreas de ingeniería donde se
analizan y diseñan sistemas dinámicos
Algunas áreas son:
- Comunicaciones.
- Ingeniería mecánica.
- Ingeniería de control.
- Campos electromagnéticos.
- Procesamiento de señales de audio.
- Procesamiento de imágenes.
- En el área médica.
En comunicaciones:

 Para analizar contenido de frecuencia de las señales.

 Diseñar los sistemas de transmisión de señales para
transmitir información.
 Analizar los cambios que ocurren cuando las señales viajan
a través de un medio de transmisión.
 Diseñar sistemas para compensar la distorsión de las
señales en los sistemas de transmisión.
 Para diseñar supresores y canceladores de eco en líneas
telefónicas.
En ingeniería mecánica:

 Para estudiar los problemas relacionados con vibraciones

mecánicas en los motores, generadores y equipos
rotatorios en general.
 Para balancear rotores y eliminar la vibración que generan
cuando no están balanceados.
 Para diseñar sistemas para absorber vibraciones y eliminar
sus efectos.

En ingeniería de control:

 Para estudiar la estabilidad de los sistemas de control

utilizados en diversos equipos.
 Para análisis y diseño de sistemas de control que satisfagan
los requerimientos establecidos.
 Para compensar sistemas de control que Bene problemas
de estabilidad.
En campos electromagnéticos:

 Para resolver ecuaciones diferenciales parciales con

condiciones de frontera para determinar la distribución de
los campos electromagnéticos en un espacio dado.

En procesamiento de señales de audio:

 Para compactar señales de audio (MP3, MP4).

 Para producir efectos de sonidos.
 Para diseñar sintetizadores de audio.
 Para diseñar ecualizadores.

En procesamiento de imágenes:

 Para filtrar imágenes.

 Para extraer características de interés sobre las imágenes.
 Para realizar transformaciones de imágenes.
 Para compactar imágenes.

En el área médica:

 Para procesar las imágenes generadas por ecogramas,

resonancia magnética, tomograda axial, etc.
 Para extraer características de interés sobre las imágenes.
 Para acondicionar las señales para equipos médicos de
adquisición de datos.
En diversas áreas de ingeniería:

– Para analizar el comportamiento de los sistemas en

relación a las frecuencias de las señales de entrada.
– Para modelar sistemas en el dominio de la frecuencia.
– Para análisis y diseño de sistemas de que satisfagan los
requerimientos establecidos.

 El análisis de Fourier ha hecho posible que

actualmente tengamos a nuestra disposición
muchos dispositivos tecnológicos que
contribuyen a hacer nuestra vida más fácil,
segura y placentera.
 Muchas veces no nos damos cuenta de que
detrás muchos dispositivos está el análisis de
Fourier.

El problema isoperimétrico

Supongamos que la curva C está parametrizada en la forma (𝑥(𝑡), 𝑦(𝑡)), donde

el parámetro t representa la longitud de arco. En virtud del teorema de Stokes.

1 1 1
𝐴= ∫ (𝑥𝑑𝑦 − 𝑦𝑑𝑥) = ∫ (𝑥𝑦̇ − 𝑦𝑥̇ )𝑑𝑡
2 𝜕𝐶 2 0

1
= ((𝑥̂, 𝑦̇̂ )𝑙 − (𝑦̂, 𝑥̇̂ )𝑙 ) (𝑃𝑎𝑟𝑠𝑒𝑣𝑎𝑙)
2 2 2
1 ̅ ̅
= ∑ ((𝑥̂, 𝑦̇̂ ) − (𝑦̂, 𝑥̇̂ ) ) (𝑛) = ∑ 𝑖𝜋𝑛(𝑥̂̅𝑦̂ − 𝑥̂𝑦̅̂ ) = (𝑛)
2 𝑙2 𝑙2
𝑛∈ℤ 𝑛∈ℤ

̅̅̅̅̅̅
= ∑ 𝑖𝜋𝑛2𝑖𝐼𝑚(𝑥 ̅̅̅̅̅̅
̂(𝑛)𝑦̂(𝑛)) = −2 ∑ 𝑛𝐼𝑚(𝑥
̂(𝑛)𝑦̂(𝑛))
𝑛∈ℤ 𝑛∈ℤ
Por otra parte, puesto que la curva C tiene perímetro 1, tenemos que:

1
2 2
1 = ∫ (𝑥̇ 2 + 𝑥̇ 2 ) = ‖𝑥̇̂ ‖𝑙 + ‖𝑦̇̂ ‖𝑙 = ∑|𝑥̇̂ (𝑛)| + |𝑦̇̂ (𝑛)|
2 2
0 𝑛∈ℤ

Luego:
1 1
( − 𝐴) = ∑[𝑛2 (|𝑥̂ |2 + | 𝑦̂|2 ) + 2𝑛𝐼𝑚( ̅̅̅̅̅̅
𝑥̂(𝑛)𝑦̂(𝑛))]
𝜋 4𝜋
𝑛∈ℤ
Escribamos 𝑥̂ = 𝛼 + 𝑖𝛽, 𝑦̂ = 𝛾 + 𝑖𝛿, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠

1 1
( − 𝐴) = ∑ 𝑛2 (𝛼 2 + 𝛽 2 + 𝛾 2 + 𝛿 2 ) + 2𝑛( 𝛼𝛿 − 𝛽𝛾))
𝜋 4𝜋
𝑛∈ℤ
= ∑[(𝑛𝛼 + 𝛿) + (𝑛𝛽 − 𝛾)2 + (𝑛2 − 1)(𝑛𝛿 + 𝛾)2 ] ≥ 0
2

𝑛≠0

1
Luego 𝐴 ≤ 4𝜋, que es precisamente el área encerrada por una circunferencia de
longitud 1.
1
Supongamos ahora que se satisface la igualdad 𝐴 ≠ 4𝜋 y demostremos
1
que la curva C es una circunferencia. En efecto, si 𝐴 = 4𝜋 entonces

∑[(𝑛𝛼 + 𝛿)2 + (𝑛𝛽 − 𝛾)2 + (𝑛2 − 1)(𝑛𝛿 + 𝛾)2 ] = 0

𝑛≠0

Ésta última relación implica que si |n|≥2, entonces 𝛿 = 𝛾 = 𝛼 = 𝛽 = 0, y si |n|=1,

entonces 𝛼(±1) = ∓𝛿(±1) 𝑦 𝛽(±1) = ±𝛾(±1).
1
Por otra parte, 𝛼(1) = 𝑅𝑒(𝑥̂(1)) = ∫0 𝑥(𝑡) cos(2𝜋𝑡) = 𝛼(−1), similarmente
1
𝛽(1) = 𝐼𝑚(𝑥̂(1)) = ∫0 𝑥(𝑡) sin(2𝜋𝑡) = −𝛽(−1).

Análogamente, 𝛾(1) = 𝛾(−1) 𝑦 𝛿(1) = −𝛿(−1).

Desarrollando las funciones 𝑥(𝑡) 𝑦 𝑦(𝑡) en series de Fourier, obtenemos

entonces que:
𝑥̇ 𝑦̇ 𝑥̂ 𝑦̂ 𝑥̇̂ 𝑦̇̂ 𝑥̇̂̅ 𝑦̇̅̂

𝑥(𝑡) = ∑ 𝑥̂(𝑛)𝑒 2𝜋𝑖𝑛 = 𝑥̂(0) + 2𝛼(1)𝑐𝑜𝑠(2𝜋𝑡) − 2𝛽(1) sin(2𝜋𝑡) (4)

𝑛𝜖ℤ

𝑥(𝑡) = ∑ 𝑦̂(𝑛)𝑒 2𝜋𝑖𝑛 = 𝑦̂(0) + 2𝛽(1)𝑐𝑜𝑠(2𝜋𝑡) − 2𝛼(1) sin(2𝜋𝑡) (5)

𝑛𝜖ℤ

Luego de las ecuaciones (4) y (5) deducimos que:

(𝑥(𝑡) − 𝑥(0))2 + (𝑦(𝑡) − 𝑦(0))2 = 4(𝛼(1)2 + 𝛽(1)2 )

En otras palabras la curva C es una circunferencia.

Temperatura de la Tierra

Un problema sencillo pero muy interesante es el de calcular la temperatura de

la tierra a una profundidad x a partir de la temperatura de la superficie.
Describamos la temperatura de la superficie terrestre como una función f
periódica en el tiempo t y de período 1 (un año). La temperatura u(t; x) en el
tiempo 𝑡 ≥ 0 y profundidad 𝑥 ≥ 0 es también periódica en t y es natural asumir
que |𝑢| ≤ ‖𝑓‖∞ . Bajo estas circunstancias u(t; x) puede ser expandida
mediante una serie de Fourier para cada 0 ≤ 𝑥 < ∞ fijo como sigue:

𝑢(𝑡, 𝑥) = ∑ 𝑐𝑛 (𝑥)𝑒 2𝜋𝑖𝑛𝑡 ,

𝑛∈ℤ
Con coeficientes de Fourier
1
𝑐𝑛 (𝑥) = ∫ 𝑢(𝑡, 𝑥) 𝑒 −2𝜋𝑖𝑛𝑡 𝑑𝑡.
0
Sabemos que la función u satisface la ecuación diferencial parcial

𝜕𝑢 1 𝜕 2 𝑢
= ( ) (𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑎𝑙𝑜𝑟).
𝜕𝑡 2 𝜕𝑢2
Por lo tanto,
1 1
𝜕 2 𝑢 −2𝜋𝑖𝑛𝑡 𝜕𝑢
𝑐′′𝑛 = ∫ ( 2
) 𝑒 𝑑𝑡 = 2 ∫ ( ) 𝑒 −2𝜋𝑖𝑛𝑡 𝑑𝑡 = 4𝜋𝑖𝑛𝑐𝑛 ,
0 𝜕𝑢 0 𝜕𝑡

Tomando el signo positivo o negativo de acuerdo a si 𝑛 > 0 𝑜 𝑛 < 0. Por otra

parte, sabemos que

1⁄
𝑐𝑛 (𝑥) = 𝑓̂(𝑛) exp [−(2𝜋|𝑛|) 2 (1 ± 𝑖)𝑥],
Y por lo tanto resulta finalmente

1⁄ 1⁄
𝑢(𝑡, 𝑥) = ∑ 𝑓̂(𝑛) exp [−(2𝜋|𝑛|) 2 𝑥] exp[ 2𝜋𝑖𝑛𝑡 ∓ (2𝜋|𝑛|) 2 𝑖𝑥]
𝑛∈ℤ
Supongamos por ejemplo que la temperatura de la superficie viene dada por
una función sinusoidal simple 𝑓(𝑡) = sin(2𝜋𝑡) (lo cual significa que la
1
temperatura anual media 𝑓̂(0) = ∫0 𝑓 es cero). En este caso, la función u
vendrá dada por:

𝑢(𝑡, 𝑥) = exp(−√2𝜋𝑥) sin(2𝜋𝑡 − √2𝜋𝑥).

𝜋
Esta fórmula nos dice que la temperatura a la profundidad 𝑥 = √ 2 queda
afectada por el factor 𝑒 −𝜋 y está completamente fuera de fase con respecto a
las estaciones como lo indica la siguiente figura.
Evaluación de series no triviales

La identidad de Plancherel puede usarse para evaluar algunas sumas infinitas

2
no triviales. Por ejemplo, demostremos que ∑∞ 𝑛=1 𝑛
−2
= 𝑛 ⁄6 . En efecto,
consideré la función 𝑓(𝑥) = 𝑥 definida en el intervalo cerrado [0,1]. El n-ésimo
coeficiente de Fourier de dicha función viene dado por:

1 1
, 𝑠𝑖 𝑛 = 0
∫ 𝑥𝑒𝑥𝑝(−2𝜋𝑖𝑛𝑥)𝑑𝑥 = {2
0 −(2𝜋𝑖𝑛)−1 , 𝑠𝑖 𝑛 ≠ 0

Por lo tanto, en virtud de la identidad de Plancherel, tenemos que

1 ∞
1 2 1
= ∫ 𝑥 2 𝑑𝑥 = ‖𝑓‖2 = ‖𝑓̂‖ = + (2𝜋 2 )−1 ∑ 𝑛−2 .
3 0 4
𝑛=1

Despejando la suma de esta expresión, obtenemos que

∞
1 1 2
∑ 𝑛−2 = 2𝜋 2 ( − ) = 𝜋 ⁄6
3 4
𝑛=1

Como un segundo ejemplo de este tipo, demostremos que

∞
2
∑ 𝑛−4 = 𝜋 ⁄90
𝑛=1

En este efecto, consideremos la función 𝑓(𝑥) = 𝑥 2 definida en el intervalo

cerrado [0,1]. El n-ésimo coeficiente de Fourier de dicha función es

1
, 𝑠𝑖 𝑛 = 0
𝑓̂(𝑛) = { 3
1 1
2 2
+ 𝑖, 𝑠𝑖 𝑛 ≠ 0
2𝜋 𝑛 2𝜋𝑛
 2 1 1
Luego |𝑓̂(𝑛)| = 4𝜋4𝑛4 + 4𝜋2 𝑛2 . En virtud de la identidad de Plancherel tenemos
que
1
1 2
= ∫ 𝑥 2 exp(−2𝜋𝑖𝑛𝑥) 𝑑𝑥 = ‖𝑓‖2 = ‖𝑓̂(𝑛)‖
5 0

∞ ∞
1 1 1 1 1
= + 4∑ 4+ 2∑ 2
9 2𝜋 𝑛 2𝜋 𝑛
𝑛=1 𝑛=1

De lo anterior obtenemos que

∞
1 4
1 1 1 𝜋2 𝜋4
∑ = 2𝜋 ( − − ) = .
𝑛4 5 9 2𝜋 2 6 90
𝑛=1

Flujo de Calor

El problema del flujo del calor se describe mediante la ecuación

𝜕𝑢 1 𝜕 2 𝑢
= , 𝑡 > 0, 𝑥 ∈ 𝑅 (6)
𝜕𝑡 2 𝜕𝑥 2

Con condición de borde lim 𝑢 = 𝑓. La solución de este problema es similar a la

𝑡→0
solución del problema anterior. Primero aplicamos la Transformada de Fourier
en ambos lados de la ecuación (6):

𝜕𝑢̂⁄𝜕 𝑡 = −2𝜋 2 𝛾 2 𝑢̂,

Luego calculamos 𝑢̂:

𝑢̂ = 𝑓̂ exp(−2𝜋 2 𝛾 2 𝑡),

Finalmente invertimos y obtenemos

−∞
∨ exp[− (𝑥 − 𝑦)2 ⁄2𝑡]
𝑢(𝑡, 𝑥) = [exp(−2𝜋 2 𝛾 2 𝑡) 𝑓̂] = 𝑝𝑡 𝑜 𝑓 = ∫ 1⁄
∞ (2𝜋𝑡) 2

exp[−𝑥 2 ⁄2𝑡]
Donde 𝑝𝑡 (𝑥) = 1 es el llamado kernel de Gauss.
(2𝜋𝑡) ⁄2
Ecuación de ondas

En este apartado vamos a usar las series de Fourier para resolver la ecuación
de ondas unidimensional

𝜕2 2
𝜕2
𝑢(𝑥, 𝑡) = 𝑎 𝑢(𝑥, 𝑡),
𝜕𝑡 2 𝜕𝑥 2

Con las condiciones de contorno

𝑢(0, 𝑡) = 𝑢(𝜋, 𝑡) = 0, (i)

Y las condiciones iniciales

𝜕
𝑢(𝑥, 0) = 𝑓(𝑥), 𝑢(𝑥, 0) = 𝑔(𝑥). (ii)
𝜕𝑡

Esta ecuación conocida como ecuación de ondas, modeliza el movimiento de

una onda unidimensional (por ejemplo el sonido).

Usualemente para resolver este problema se usa el método de separación de

variables:

𝑢(𝑥, 𝑡) = 𝑋(𝑥)𝑇(𝑡), 𝑋(𝑥) ≢ 0, 𝑇(𝑡) ≢ 0,

Que al sustituir en la ecuación original nos da

𝑋 ′′ (𝑥) 1 𝑇 ′′ (𝑡)
𝑋(𝑥)𝑇 ′′(𝑡) = 𝑎2 𝑋 ′′ (𝑥)𝑇(𝑡), ⟹ = 2 = −𝜆 ,
𝑋(𝑥) 𝑎 𝑇(𝑡)

Donde 𝜆 ∈ ℝ, i.e., tenemos las ecuaciones

𝑋 ′′ (𝑥) + 𝜆𝑋(𝑥) = 0, 𝑋(0) = 𝑋(𝜋) = 0, (iii)

Y
𝑇 ′′ (𝑡) + 𝑎2 𝜆𝑇(𝑡) = 0 (iv)

Por sencillez asumiremos a = 1.

La solución general de (iii) depende del valor de 𝜆. Es fácil comprobar que

solamente se tienen soluciones no nulas si 𝜆 > 0. En este caso la solución
general es

𝑋(𝑥) = 𝛼𝑐𝑜𝑠√𝜆𝑥 + 𝛽√𝜆𝑥,

Que junto a las condiciones de contorno para X nos dan las soluciones

𝑥𝑛 (𝑥) = 𝑠𝑒𝑛 𝑛𝑥, 𝜆 ≔ 𝜆𝑛 = 𝑛 2 .

En este caso para T obtenemos (a = 1)

𝑇 ′′ (𝑡) + 𝑛2 𝑇(𝑡) = 0,

Luego
𝑇 ′′ 𝑛 (𝑡) = 𝐴𝑛 𝑐𝑜𝑠𝑛𝑡 + 𝐵𝑛 𝑠𝑒𝑛𝑛𝑡,

Y por tanto una solución de nuestra ecuación con las condiciones de contorno
(i) será

𝑢𝑛 (𝑥, 𝑡) = (𝐴𝑛 𝑐𝑜𝑠𝑛𝑡 + 𝐵𝑛 𝑠𝑒𝑛 𝑛𝑡)𝑠𝑒𝑛 𝑛𝑥,

Como la ecuación de ondas es lineal y homogénea entonces su solución

general será la forma

𝑢(𝑥, 𝑡) = ∑∞ ∞
𝑛=1 𝑢𝑛 (𝑥, 𝑡) = ∑𝑛=1(𝐴𝑛 𝑐𝑜𝑠𝑛𝑡 + 𝐵𝑛 𝑠𝑒𝑛 𝑛𝑡)𝑠𝑒𝑛 𝑛𝑥 .
(v)

Para encontrar los coeficientes indeterminados 𝐴𝑛 y 𝐵𝑛 supondremos que 𝑓 y

𝑔 son lo suficientemente buenas (por ejemplo casi continuamente derivables en
[0,π])

Y vamos a extenderlas a todo el intervalo [−𝜋, 𝜋] de forma impar, es decir de

forma que 𝑓 y 𝑔 son funciones impares. Entonces podemos desarrollar en serie
de Fourier ambas funciones y además las correspondientes series son absoluta
y uniformemente convergentes. Si ahora usamos las condiciones iniciales (ii)
obtenemos.
∞

𝑢(𝑥, 0) = 𝑓(𝑥) = ∑ 𝐴𝑛 𝑠𝑒𝑛 𝑛𝑥,

𝑛=1

∞
𝜕
𝑢(𝑥, 0) = 𝑔(𝑥) = ∑ 𝑛𝐵𝑛 𝑠𝑒𝑛 𝑛𝑥,
𝜕𝑡
𝑛=1
Donde
2 𝜋 2 𝜋
𝐴𝑛 = 𝜋 ∫0 𝑓(𝑥)𝑠𝑒𝑛 𝑛𝑥 𝑑𝑥, 𝐵𝑛 = 𝑛𝜋 ∫0 𝑔(𝑥)𝑠𝑒𝑛 𝑛𝑥 𝑑𝑥,

De manera más breve demostramos de la siguiente manera:

La ecuación de ondas viene dada por:

𝜕 2𝑢 𝜕 2𝑢
= , 𝑡 > 0, 𝑥 ∈ 𝑹,
𝜕𝑡 2 𝜕𝑥 2
 𝜕𝑢
Con condiciones de borde lim 𝑢 = 𝑓 𝑦 lim 𝜕𝑡 = 𝑔.
𝑡→0 𝑡→0
El procedimiento para resolver esta ecuación ya nos es familiar; primero
aplicamos la transformada de Fourier:

𝜕 2 𝑢̂
= −4𝜋 2 𝛾 2 𝑢̂,
𝜕𝑡 2
Después encontramos 𝑢̂:

𝑠𝑖𝑛2𝜋𝛾𝑡
𝑢̂(𝑡, 𝛾) = 𝑐𝑜𝑠2𝜋𝛾𝑡𝑓̂(𝛾) + 𝑔̂(𝛾)
2𝜋𝛾

1 2𝜋𝑖𝛾𝑡 1 𝑡
[𝑒 + 𝑒 −2𝜋𝑖𝛾𝑡 ]𝑓̂(𝛾) + ∫ 𝑒 2𝜋𝑖𝛾𝑡 𝑑𝑦𝑔̂(𝛾),
2 2 −𝑡

Y luego invertimos para finalmente obtener:

1 1 𝑥+𝑡
𝑢(𝑡, 𝑥) = [𝑓(𝑥 + 𝑡) + 𝑓(𝑥 − 𝑡)] + ∫ 𝑔(𝑦)𝑑𝑦.
2 2 𝑥−𝑡

Esta es la llamada fórmula de D’Alembert.

Identidad de Jacobi

La función _ es una función trascendente que aparece en diferentes áreas de la

matemática como teoría de números, funciones elípticas, ecuaciones de la
física matemática y mecánica estadística. Se define mediante la suma
∞

𝜃(𝑡) = ∑ exp(−𝜋𝑛2 𝑡) , 𝑝𝑎𝑟𝑎 𝑡 > 0.

𝑛=−∞
La identidad de Jacobi establece que:

𝜃(𝑡) = 𝑡 −1⁄2 𝜃(1⁄𝑡), 𝑝𝑎𝑟𝑎 𝑡 > 0.

Demostración: Consideremos el kernel de Gauss

1 2 ⁄2𝑡
𝑝𝑡 (𝑥) = 𝑒 −𝑥
√2𝜋𝑡

Entonces
2 𝛾2 𝑡
𝑝̂𝑡 (𝛾) = 𝑒 −2𝜋 ,
y aplicando la fórmula de Poisson, obtenemos que:

1 2 ⁄2𝑡 2 𝑛2 𝑡
∑ 𝑒 −𝑛 = ∑ 𝑒 −2𝜋
𝑛∈ℤ
√2𝜋𝑡 𝑛∈ℤ

Luego, haciendo el cambio 𝑡 → 𝑡⁄2𝜋, obtenemos que:

1 2 ⁄𝑡 2𝑡
∑ 𝑒 −𝜋𝑛 = ∑ 𝑒 −𝜋𝑛
√𝑡 𝑛∈ℤ 𝑛∈ℤ

Es decir:

1 1
𝜃(𝑡) = 𝜃( )
√𝑡 𝑡