Tema 7

Series de Fourier

Nuestro principal objetivo es introducir las series de Fourier. Éstas surgieron históricamente
al resolver por el método de separación de variables un problema de contorno de ecuaciones
en derivadas parciales.
Cuando estas fórmulas fueron propuestas por Daniel Bernouilli en 1.753, muchos
matemáticos pensaron que era imposible expresar una función f (x) cualquiera como suma
de senos y cosenos. Fue un ingeniero, Joseph Fourier, el que se encargó de recopilar datos
para convencer al mundo cientı́fico de tal posibilidad.

7.1 Series de Fourier

Definición 7.1 (Serie de Fourier)

Se llama serie de Fourier de una función f(x) en el intervalo [−π, π] a:
∞
a0 X
f (x) = + (an cos nx + bn sen nx) (∗)
2 n=1

A los coeficientes a0 , a1 , · · · , an , b0 , b1 , · · · , bn se les llama coeficientes de Fourier de

f(x) en [−π, π].

Debido a que
Z π ( Z π Z π
0 si n 6= m
sen mx sen nx dx = cos nx dx = 0 sen nx dx = 0
−π 6 0
= si n = m −π −π

1
2 Tema 7. Series de Fourier

Z π ( Z π
0 si n 6= m
cos mx cos nx dx = sen mx cos nx dx = 0
−π 6= 0 si n = m −π

e integrando término a término en la igualdad (∗) obtenemos:

Z π Z π
1Zπ
f (x) cos nx dx = an cos2 x dx = an π ⇒ an = f (x) cos nx dx
−π −π π −π
Z π
a0 1Zπ
f (x) dx = 2π ⇒ a0 = f (x) dx
−π 2 π −π
Z π Z π
2 1Zπ
f (x) sen nx dx = bn sen x dx = bn π ⇒ bn = f (x) sen nx dx
−π −π π −π

Las anteriores propiedades de las funciones sen nx, cos mx se pueden resumir en que
el sistema
{1, sen x, sen 2x, · · · , cos x, cos 2x · · ·}
es un sistema Zortogonal de funciones respecto del producto escalar
π
(f (x), g(x)) = f (x)g(x) dx y la serie de Fourier no es mas que la expresión de un
−π
vector f (x) como combinación lineal de los vectores de la anterior base ortogonal.

Definición 7.2 Se llama serie de Fourier de una función f(x) en el intervalo [−L, L]
a: ∞ µ ¶
a0 X nπ nπ
f (x) ∼ + an cos x + bn sen x
2 n=1 L L
1ZL 1ZL nπ
donde a0 = f (x) dx an = f (x) cos x dx
L −L L −L L

1ZL nπ
bn = f (x) sen x dx
L −L L

Este hecho se basa en que el sistema de vectores

½ ¾
πx 2πx πx 2πx
1, sen , sen , · · · , cos , cos ,···
L L L L
es un sistema ortogonal de funciones respecto del producto escalar
Z L
(f (x), g(x)) = f (x)g(x) dx
−L

Análogamente se puede definir la serie de Fourier de una función f (x) definida en un

a+b
intervalo [a, b] haciendo una traslación del punto medio al origen.
2
 7.1. Series de Fourier 3

a+b b−a a+b a−b

Tomo L = b − = −L=a− =
2 2 2 2

Definición 7.3 Se llama serie de Fourier de una función f(x) en el intervalo [a, b] a
∞
à !
a0 X nπ nπ
f (x) = + an cos b−a x + bn sen b−a x
2 n=1 2 2

2 Zb 2 Zb 2nπ
donde a0 = f (x) dx an = f (x) cos x dx
b−a a b−a a b−a

2 Zb 2nπ
bn = f (x) sen x dx
b−a a b−a

Las series anteriores también se podrı́an haber escrito de la forma:

∞
X
f (x) ∼ C0 + Cn cos(nω0 t − θn )
n=1
q an
donde Cn = a2n + b2n , cos θn = q
a2n + b2n

bn bn
sen θn = q θn = arctang
a2n + b2n an

π 2π
siendo ω0 = 1, , según hayamos utilizado una de las tres fórmulas anteriores.
L b−a

La componente sinusoidal de frecuencia ωn = nω0 se denomina la enésima armónica

de la función periódica. La primera armónica se conoce comunmente con el nombre de
2π
fundamental porque tiene el mismo periodo que la función y ω0 = se conoce con
T
el nombre de frecuencia angular fundamental. Los coeficientes Cn y los ángulos θn se
conocen como amplitudes armónicas y ángulos de fase, respectivamente. En Música, a la
primera armónica, segunda armónica, etc. se le suele llamar fundamental, primer tono,
segundo tono, etc.

Quedan muchas cuestiones por resolver:

• ¿ Qué debe cumplir f (x) para que su serie de Fourier converja?

• Si converge, ¿ lo hace a f (x)?
• ¿ Es posible integrar término a término?. ¿ Y derivar?

Estas preguntas las responderemos con los siguientes teoremas.

4 Tema 7. Series de Fourier

7.1.1 Convergencia de las series de Fourier

Teorema 7.1 (Teorema de convergencia puntual para series de Fourier)

Si f(x) y f ’(x) son continuas a trozos en [−L, L], entonces ∀x ∈ (−L, L) se verifica:
µ ¶
a0 X ∞
nπ nπ 1h i
+ an cos x + bn sen x = f (x+ ) + f (x− )
2 n=1 L L 2

1h i
Para x = ±L la serie de Fourier converge a f (−L+ ) + f (L− ) .
2

Teorema 7.2 (Teorema de convergencia uniforme de series de Fourier)

Sea f(x) una función continua en (−∞, ∞) y con periodo 2L. Si f ’(x) es continua a
trozos en [−L, L], entonces la serie de Fourier de f(x) converge uniformemente a f(x) en
[−L, L] y por consiguiente en cualquier intervalo.

7.1.2 Diferenciación de series de Fourier

Teorema 7.3 Sea f(x) una función continua en (−∞, ∞) y con periodo 2L. Sean f ’(x),
f ”(x) continuas por segmentos en [−L, L]. Entonces la serie de Fourier de f ’(x) se puede
obtener de la serie de Fourier de f(x) mediante diferenciación término a término. En
particular, si
∞ µ ¶
a0 X nπ nπ
f (x) = + an cos x + bn sen x
2 n=1 L L
entonces ∞ µ ¶
X nπ nπ nπ
0
f (x) = −an sen x + bn cos x
n=1 L L L

7.1.3 Integración de series de Fourier

Teorema 7.4 Sea f(x) continua a trozos en [−L, L] con serie de Fourier
∞ µ ¶
a0 X nπ nπ
f (x) ∼ + an cos x + bn sen x
2 n=1 L L

entonces ∀x ∈ [−L, L] se verifica:

Z x Z x ∞ Z x µ
X ¶
a0 nπ nπ
f (t) dt = + an cos t + bn sen t dt
−L −L 2 n+1 −L L L
 7.2. Fórmula de Parseval 5

7.2 Fórmula de Parseval

Los tres resultados teóricos más importantes para el manejo de las series de Fourier
son: el teorema de convergencia, el teorema de unicidad, según el cual todo desarrollo en
serie trigonométrica, de una función, es su desarrollo de Fourier, y la fórmula de Parseval.

Teorema 7.5 (Fórmula de Parseval)

Sea f una función continua a trozos en el intervalo [−π, π]. Sean a0 , an y bn los
coeficientes del desarrollo de Fourier de f. Entonces se verifica:

1Zπ 1 X∞ ³ ´
[f (x)]2 dx = a20 + a2n + b2n
π −π 2 n=1

Demostración Aunque esta fórmula es válida para todas las funciones continuas a
trozos, nos limitaremos, por comodidad, a probarla en el caso en que la serie de Fourier
converge uniformemente a f en el intervalo [−π, π].
∞
a0 X
Partiendo de la relación: f (x) = + (an cos nx + bn sen nx) −π <x<π
2 n=1

uniformemente. Multiplicando por f (x) se obtiene:

X∞
a0
[f (x)]2 = f (x) + (an f (x) cos nx + bn f (x) sen nx) −π <x<π
2 n=1

uniformemente. Por tanto, al integrar término a término, se obtiene:

Z π X∞ ³ ´
1
[f (x)]2 dx = a20 π + a2n π + b2n π
−π 2 n=1

de donde, dividiendo por π, obtenemos el resultado deseado.

7.3 Funciones pares e impares

Definición 7.4 (Función par, función impar)

Decimos que una función f(x) es par si f(-x) = f(x).
Decimos que una función f(x) es impar si f(-x) = - f(x).
6 Tema 7. Series de Fourier

Propiedades

• El producto de dos funciones pares es par.

• El producto de dos funciones impares es par.
• El producto de una función par por una impar es impar.
Z a Z a
• Si f(x) es par ⇒ f (x) dx = 2 f (x) dx
−a 0
Z a
• Si f(x) es impar ⇒ f (x) dx = 0
−a

Desarrollo en serie de Fourier de una función par

Sea f (x) una función par. Vamos a calcularle su serie de Fourier en el intervalo [−L, L].
1ZL 2ZL
a0 = f (x) dx = [por ser f par] = f (x) dx
L −L L 0
1ZL nπ 2ZL nπ
an = f (x) cos x dx = f (x) cos x dx por ser f (x) y cos x fun-
L −L L L 0 L
ciones pares con lo que su producto es también una función par.
1ZL nπ
bn = f (x) sen x dx = 0 por ser el producto de una función par (f (x)) por
L −L L
una impar (sen x) una función impar.
Luego
∞
a0 X nπ
f (x) ∼ + an cos
2 n=1 L

Es decir, la serie de Fourier de una función par en el intervalo [−L, L] es una serie en
la que sólo aparecen cosenos.

Desarrollo en serie de Fourier de una función impar

Haciendo cálculos análogos se obtiene a0 = an = 0

Es decir, la serie de Fourier de una función impar en el intervalo [−L, L] es una serie
en la que sólo aparecen senos.

∞
X nπ
f (x) ∼ an sen
n=1 L
 7.4. Desarrollos para funciones definidas en medio intervalo 7

7.4 Desarrollos para funciones definidas en medio in-

tervalo

Supongamos que tenemos una función definida en el intervalo [0, L]. Para hallar su
desarrollo en serie de Fourier podemos optar por definirla en el intervalo [−L, 0] de las
siguientes tres formas y obtener distintos desarrollos de Fourier.

Caso I

Extendemos f(x) al intervalo [−L, 0] de forma que obtenga una función par.
Obtenemos ası́ un desarrollo en serie de cosenos.

Caso II

Extendemos f(x) al intervalo [−L, 0] de forma que obtenga una función impar.
Obtenemos ası́ un desarrollo en serie de senos.

Caso III

Extendemos f(x) al intervalo [−L, 0] de forma que obtenga una función periódica de
periodo L.
Obtenemos ası́ un desarrollo en serie de cosenos y senos.

7.5 Forma compleja de la Serie de Fourier

En muchas aplicaciones de las series de Fourier, es conveniente expresar estas series

en términos de los exponenciales complejos e±jnω0 t .

Si se considera la serie de Fourier de una función periódica f (t),como

X∞
1
f (t) = a0 + (an cos nω0 t + bn sen ω0 t)
2 n=1

2π
donde ω0 = .
T
8 Tema 7. Series de Fourier

Sabemos que :
1 ³ jnω0 t ´
cos nω0 t = e + e−jnω0 t
2
1 ³ jnω0 t ´
sen nω0 t = e − e−jnω0 t
2j

Sustituyendo estas expresiones en la anterior de la serie de Fourier:

· ¸
1 X∞
1³ ´ j³ ´
f (t) = a0 + an ejnω0 t + e−jnω0 t − bn ejnω0 t − e−jnω0 t
2 n=1 2 2

1
Como = −j , podemos expresar f (t) como
j
X∞ · ¸
1 1 1
f (t) = a0 + (an − jbn ) ejnω0 t + (an + jbn ) e−jnω0 t
2 n=1 2 2

1 1 1
LLamando c0 = a0 , cn = (an − jbn ) , c−n = (an + jbn ) , entonces:
2 2 2
∞ ³
X ´
f (t)=c0 + cn ejnω0 t + c−n e−jnω0 t =
n=1

∞
X −∞
X ∞
X
=c0 + cn ejnω0 t + cn e−jnω0 t = cn ejnω0 t
n=1 n=−1 n=−∞

Esta última ecuación se denomina serie compleja de Fourier de f (t).

Los coeficientes de Fourier se pueden evaluar fácilmente en términos de an y bn , los

cuales ya los conocemos:
1 1 Z T /2
c0 = a0 = f (t) dt
2 T −T /2

1 1 Z T /2
cn = (an − jbn ) = [desarrollando] = f (t)e−jnω0 t dt
2 T −T /2

1 1 Z T /2
c−n = (an + jbn ) = [desarrollando] = f (t)ejnω0 t dt
2 T −T /2

1q 2
donde |cn | = a + b2n
2 n
 7.5. Forma compleja de la Serie de Fourier 9

Definición 7.5 (Producto escalar en C)

l
Dadas dos funciones complejas f(t) y g(t) definimos su producto escalar complejo en
el intervalo [a, b] como
Z b
(f (t), g(t)) = f (t) · g(t) = f (t)g ∗ (t) dt
a

donde g ∗ (t) representa el conjugado complejo de g(t).

Definición 7.6 ( Sistema ortogonal en C)

l
un conjunto de funciones complejas {f1 (t), f2 (t), · · · , fn (t)} se dicen que es un sistema
ortogonal en el intervalo [a, b] si
Z b (
0 para k 6= m
fm (t)fk∗ (t) dt =
a rk para k = m

Proposición 7.1 El conjunto de funciones complejas de la serie de Fourier {ejnω0 t } ,

n = 0, ±1, ±2, · · ·, forman un sistema de funciones ortogonales.

Definición 7.7 (Espectros de frecuencia compleja)

La gráfica de la magnitud de los coeficientes complejos cn de la serie de Fourier
∞
X
cn ejnω0 t frente a (versus) la frecuencia ω (frecuencia angular) se denomina es-
n=−∞
pectro de amplitud de la función periódica f(t).
La gráfica del ángulo de fase ϕn de cn = |cn |e−jϕn frente a ω se denomina espectro
de fase de f(t).
Como el ı́dice n toma solamente valores enteros, los espectros de amplitud y fase no
son curvas continuas sino que aparecen en la variable discreta nω0 ; por consiguiente, se
les denomina espectros de frecuencia discreta o espectros de lı́neas.

La representación de los coeficientes complejos cn frente a la variable discreta nω0 ,

especifica la función periódica f (t) en el diminio de la frecuencia, ası́ como f (t) versus t
especifica la función en el dominio del tiempo.

Proposición 7.2 El desplazamiento en el tiempo de una función periódica no tiene efecto

sobre el espectro de amplitud, pero modifica el espectro de fase en una cantidad de −nω0 τ
radianes para la componente de frecuencia nω0 si el desplazamiento en el tiempo es τ .
10 Tema 7. Series de Fourier

7.6 Filtrado de series de Fourier

Supongamos que deseamos obtener la tensión (o corriente) de salida de un sistema

lineal y sabemos que la entrada es una señal periódica no lineal. Utilizando la serie
de Fourier para descomponer la señal de entrada, en sus componentes senoidales, pode-
mos hacer pasar separadamente cada componente a través del sistema. (Se pueden usar
métodos conocidos para operar con entradas senoidales: fasores, impedancias, etc.). Por
superposición, sabemos que la señal de salida total es la suma de todas las salidas de las
componentes senoidales.

Esta onda de salida total es la salida estacionaria debida a la señal de entrada no

senoidal. Es la respuesta particular del sistema a la señal de entrada no senoidal.
Es decir, esta entrada ha estado excitando al sistema durante el tiempo suficiente para
que haya desaparecido cualquier respuesta transitoria (respuesta natural debida a las
condiciones iniciales que pudieran haber estado presentes al principio de haber aplicado
la señal de entrada).

Un filtro pasa-bajos ideal (no realizable) tiene una función de transferencia H(jω)
de las siguientes caracterı́sticas:
( )
1 −ωc < ω < +ωc
/H(jω) = 0 |H(jω)| =
0 otros valores

Esto significa que si una señal periódica no senoidal se aplica al filtro, la salida es-
tará formada por aquellas componentes senoidales de Fourier aplicadas a la entrada cuya
frecuencia angular sea inferior a ωc .

Para que una onda periódica de forma arbitraria pase sin distorsión a través de un
sistema lineal , llamada transmisión sin distorsión (por ejemplo, un amplificador de
alta fidelidad), cualquier desplazamiento de fase introducido por el sistema debe ser pro-
porcional al número del armónico (a la frecuencia). Es decir, resulta necesario que el
ángulo de la función de transferencia del sistema /H(jω) , sea una función lineal de la
frecuencia.

7.7 Series finitas de Fourier

Supongamos que, dada una función periódica, intentamos obtener una serie aproxi-
mada utilizando sólo un número finito n de términos armónicos. Designemos esta aprox-
 7.7. Series finitas de Fourier 11

imación de n términos por fn (t):

n
X
fn (t) = αk ejkω0 t (7.1)
k=−n

donde el valor numérico αk tiene que ser calculado. Si para evaluar los términos de la
ecuación ( 7.1), tomamos especı́ficamente
1 Z t0 +T
αk = f (t)e−jkω0 t dt
T t0
podemos llamar a nuestra aproximación serie de Fourier truncada.
En cualquier instante de tiempo, la diferencia entre una aproximación fn (t) y la onda
real f (t) es el error en (t)
en (t) = f (t) − fn (t)

Este error puede ser positivo o negativo. Para dar una medida de mayor calidad en la
aproximación vamos a elegir el error cuadrático medio, definido por
1 Z t0 +T 2
e2n (t) = en (t) dt
T t0

Desarrollando
  2
Z t0 +T Z t0 +T Xn
1 2 1 f (t) − jkω t
e2n (t) = [f (t) − fn (t)] dt = αk e 0  dt
T t0 T t0 k=−n

Buscamos el conjunto de coeficientes αk que minimizan este error cuadrático medio.

∂e2n (t)
Para ello, se debe verificar = 0 ∀k
∂αk

Consideremos el coeficiente m-ésimo:

  2 

 Z t0 +T n 

∂e2n (t)∂ 1 X
 jkω0 t 
= f (t) − αk e dt = 0
∂αm ∂αm 
 T t0 k=−n



Es decir
 
1 Z t0 +T  Xn
2 f (t) − αk ejkω0 t  [−ejmω0 t ] dt = 0
T t0 k=−n
12 Tema 7. Series de Fourier

o
2 Z t0 +T jmω0 t 2 Z t0 +T Xn
− f (t)e dt + αk ej(k+m)ω0 t dt = 0 (7.2)
T t0 T t0 k=−n

La integral del segundo término es suma de integrales particulares. Teniendo en cuenta

la propiedad de ortogonalidad, todas son nulas excepto en la que k = −m.

Para k = −m la ecuación ( 7.2) se puede expresar como

Z t0 +T Z t0 +T Z t0 +T
jmω0 t
− f (t)e dt + α−m dt = − f (t)ejmω0 t dt + α−m (t0 + T − t0 ) = 0
t0 t0 t0

de donde
1 Z t0 +T
α−m = f (t)ejmω0 t dt
T t0
o
1 Z t0 +T
αk = f (t)e−jkω0 t dt
T t0

que es la definición de los coeficientes de Fourier.

En consecuencia, los coeficientes de Fourier minimizan el error cuadrático medio entre

la función real f (t) y cualquier serie armónica aproximada de longitud finita.

Evidentemente, cuantos más armónicos tomemos en la serie, mayor será la aproxi-

mación y, en consecuencia, menor será el error cuadrático medio. Sin embargo, aún
utilizando un número infinito de términos, si la función tiene alguna discontinuidad (por
ejemplo la función de onda cuadrada), nunca podremos lograr una réplica perfecta de la
original f (t). Cualquier discontinuidad producirá un transitorio que sobrepasa la onda
por la parte superior e inferior de cada discontinuidad. Cada uno de estos transitorios
tiene una elongación máxima de aproximadamente el 9% de la altura de la respectiva
discontinuidad. Este efecto, observado por J. W. Gibbs, se llama efecto Gibbs.
Ademaś, cualquier aproximación de términos finitos de Fourier corta a cada discon-
tinuidad por su valor medio (mitad entre el valor superior e inferior).