Apunte de Series de Fourier y

Transformada de Fourier.
Universidad Nacional del Callao
Facultad de Ingeniera Elctrica y
Electrnica
Lic. Ral P.Castro Vidal
Callao, 2014

EAP de Ingeniera
Electrnica

Prefacio
Estas notas tienen su origen en el dictado del curso de Matemticas
Avanzadas que imparto en la EPA de Ingeniera Electrnica de la Facultad
de Ingeniera Elctrica y Electrnica de la Universidad Nacional del Callao.
Considerando el contendino del curso, se empieza con una revision
breve de las series numericas, para luego abordar el tema de las series de
Fourrier, Transformada de Fourier y Aplicaciones.
Mis agradecimientos a los estudiantes y colegas por las sugerencias
motivadoras para recopilar informacion y hacer posible estas notas de gua,
es obvio que no se trata de reeplazar a los textos editados sobre Series de
Fourier y Transformada de Fourier que existen, algunos de ellos los he
tomado como referencia.
Se incluyen numerosos ejercicios que ilustran los temas tratados, todos
con su correspondiente respuesta con el n de que el material pueda ser
utilizado como referencia para estudio personal y el alumno compruebe si
ha asimilado correctamente los contenidos.

Prof. Ral Castro Vidal

Indice
1. Introducci
on: funciones peri
odicas
2. Series num
ericas
2.1. Sucesiones . . . . . . . . . .
2.2. Lmite de una sucesion . . .
2.3. Series. Convergencia . . . .
2.4. Series de terminos positivos
2.5. Series alternadas . . . . . .

1
.
.
.
.
.

2
2
3
4
6
8

3. Desarrollo en serie trigonom

etrica
3.1. Coeficientes de Fourier . . . . . . . . . . . . . . . . . . . . . . . .
3.2. Cambio de periodo . . . . . . . . . . . . . . . . . . . . . . . . . .

9
9
11

4. Desarrollos en serie de senos y en serie de cosenos

4.1. Funciones pares e impares . . . . . . . . . . . . . . .
4.2. Desarrollos en serie de funciones pares e impares . .
4.3. La descomposicion par + impar . . . . . . . . . . . .
4.4. Desarrollos en un intervalo . . . . . . . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

13
13
14
15
17

5. Convergencia de la serie de Fourier

5.1. Convergencia puntual . . . . . . . . . . . . .
5.2. Fenomeno de Gibbs . . . . . . . . . . . . . . .
5.3. Aproximacion en media cuadratica . . . . . .
5.4. Desigualdad de Bessel e Igualdad de Parseval

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

18
19
20
21
23

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

6. Series de Fourier complejas

23

7. Espectro de una funci

on

26

8. Aplicaci
on a las ecuaciones en derivadas
8.1. La ecuacion del calor . . . . . . . . . . .
8.2. La ecuacion de ondas . . . . . . . . . . .
8.3. La ecuacion de Laplace . . . . . . . . . .

parciales
27
. . . . . . . . . . . . . . 27
. . . . . . . . . . . . . . 30
. . . . . . . . . . . . . . 32

9. De la serie de Fourier a la transformaci

on de Fourier

35

10.La Transformaci
on de Fourier

36

11.Propiedades de la transformaci
on
11.1. Propiedades basicas . . . . . . .
11.2. Transformada de funciones reales
11.3. Transformadas seno y coseno . .
11.4. Identidad de Parseval . . . . . .
12.El producto de convoluci
on

de
. .
. .
. .
. .

Fourier
. . . . .
. . . . .
. . . . .
. . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

39
39
42
44
45
45

13.Funciones generalizadas
13.1. La funcion de Dirac . . . . . . . . . .
13.2. Transformacion de funciones periodicas .
13.3. Transformada de un tren de deltas . . .
13.4. Transformada de la funcion de Heaviside

. . .
. . .
. . .
u(t)

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

48
48
49
50
51

14.Las cuatro transformadas de Fourier

52

15.La transformada discreta de Fourier

53

16.Ejercicios
16.1. Sucesiones y series . . .
16.2. Soluciones . . . . . . . .
16.3. Series de Fourier . . . .
16.4. Soluciones . . . . . . . .
16.5. Aplicacion a las EDP . .
16.6. Soluciones . . . . . . . .
16.7. Transformada de Fourier
16.8. Soluciones . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

54
54
56
57
59
61
61
62
65

1.

Introducci
on: funciones peri
odicas

Definici
on 1 Una funci
on f definida en R es peri
odica con periodo T si se verifica f (t + T ) = f (t)
cualquiera que sea t R.
Si f es periodica con periodo T , tambien lo es con periodos 2T , 3T y en general nT cualquiera que sea
el entero n. Al menor de todos los periodos (positivos) se le denomina periodo fundamental, pero es habitual
referirse a el simplemente como el periodo de la funcion. Una funcion periodica con periodo fundamental T
queda definida por sus valores en cualquier intervalo de longitud T , y tambien se denomina periodo a tal
intervalo.
Ejemplo 1.1. Las siguientes funciones son periodicas con el periodo fundamental indicado:
(A)
(D)

sen t,
cos t,

T = 2

(B) 3 cos 2t,

T =2

(E)

tg t,

T =

(C)

T =

2 sen 3t,

(F ) t [t],

T = 2/3
T =1

En la u
ltima, [t] es la parte entera de t, es decir el mayor entero menor o igual que t . Por ejemplo, [] = 3
y [] = 0, 141592 . . . . Como [t + 1] = [t] + 1 , se tiene (t + 1) [t + 1] = t [t] y la funcion f (t) = t [t]
es periodica con periodo 1.
3

t [t]

3 cos 2t
/2

3/2

2 sen 3t

1
2

Funciones periodicas
La suma de funciones periodicas con el mismo periodo tambien es una funcion periodica con ese periodo,
pues
(f + g)(t + T ) = f (t + T ) + g(t + T ) = f (t) + g(t) = (f + g)(t).
La suma de funciones periodicas con distinto periodo no es necesariamente una funcion periodica. Solo lo es
cuando el cociente entre los periodos es un n
umero racional. As, sen 3t + cos (t/2) es una funcion periodica
(con periodo fundamental 4), mientras que sen t + cos t no es una funcion periodica.
Particularicemos para el caso T = 2. Como las funciones cos t, y sen t, tienen periodo (fundamental)
2, las funciones cos nt, y sen nt, tienen periodo fundamental 2/n y entonces tambien tienen periodo 2,
cualquiera que sea el entero n. Por lo tanto, el conjunto de funciones { cos nt, sen nt : n N} esta compuesto
de funciones periodicas con periodo 2. A
nadiendo la funcion constante f (t) 1, que admite cualquier periodo,
obtenemos un conjunto basico de funciones periodicas con periodo 2. Podemos crear otras sumando varias de
ellas o, con mayor generalidad, formando combinaciones lineales:
N
N
X
X
a0
1+
an cos nt +
bn sen nt
2
n=1
n=1

con coeficientes arbitrarios (la justificacion de designar por a0 /2 al primer coeficiente se vera posteriormente).
Se obtiene as un conjunto considerable de funciones, pero no es posible obtener cualquier funcion periodica
con periodo 2. Baste observar que, al tratarse de combinaciones lineales de funciones continuas, solo podemos
obtener de esa forma funciones continuas. Sin embargo, no estamos lejos de la afirmacion fundamental de Fourier
que, formulada de manera todava imprecisa, fue: S es posible cuando N . Es decir, cualquier funcion
periodica de periodo 2 admite un desarrollo en serie de la forma

f (t) '

a0 X
+
(an cos nt + bn sen nt)
2
n=1

(1)

con coeficientes an , bn adecuados.

Nos ocuparemos de ello en la seccion 3 y siguientes, tras revisar previamente los conceptos de convergencia
de sucesiones y de suma de series numericas.

2.

Series num
ericas

2.1.

Sucesiones

Una sucesi
on real es un conjunto infinito de n
umeros reales ordenados secuencialmente:
a1 , a2 , a3 , a4 , . . . , an , . . .
Ejemplos de sucesiones son
(A)
(B)
(C)
(D)
(E)

1, 7, 11, 4, 2,
3, 4/5, . . .
1, 4, 9, 16, 25, . . . , (1)n1 n2 , . . .
1, 1/2, 1/3, 1/4, 1/5, . . . , 1/n, . . .
3, 1, 3, 14, 3, 141, 3, 1415, 3, 14159, 3, 141592, . . .
2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, . . .

Para la sucesion (A) no parece haber ninguna regla fija que permita generar los terminos de la sucesion. En
cambio, la sucesion (B) esta formada por los cuadrados de los n
umeros naturales, alternando signos positivo y
negativo, lo que se puede expresar escribiendo que el termino que ocupa el lugar n-esimo, es an = (1)n1 n2 .
Este termino se denomina termino general, y a partir de su expresion es posible obtener cualquier termino de
la sucesion dandole a n el correspondiente valor. As el termino setimo sera a7 = (1)6 72 = 49. Analogamente,
para la sucesion (C) el termino general es an = 1/n. Tambien parece haber una regla fija para ir obteniendo
los terminos de la sucesion (D): el termino n-esimo sera el redondeo por defecto de con n cifras decimales,
aunque tampoco podemos asegurarlo a partir de los terminos dados. De ser as, como supondremos, el termino
general puede expresarse en la forma an = [10n ]/10n . Finalmente la u
ltima sucesion puede ser la sucesion de
n
umeros primos, una sucesion que esta perfectamente definida, pero para la que no existe expresion alguna que
permita expresar el termino general an .
Las notaciones mas usuales son {an , n N} (para indicar que es el conjunto de terminos an que se obtienen
cuando n recorre sucesivamente los n
umeros naturales), la expresion mas abreviada {an }, o incluso smplemente
an . Por ejemplo, la sucesion (C) puede designarse de cualquiera de las formas {an = 1/n, n N}, {an = 1/n},
{1/n}, y an = 1/n.
A veces la forma de generar una sucesion se expresa mas comodamente mediante una relaci
on de recurrencia
que permite calcular cada termino a partir de los anteriores. Por ejemplo, la conocida sucesi
on de Fibonacci se
genera a partir de a1 = 1 y a2 = 1 mediante la relacion de recurrencia an = an1 + an2 , con lo que se obtiene
la sucesion
(F)

1,

1,

2,

3,

5,

8,

13,

21,

34,

55,

89, . . .

Podemos ver una progresi

on aritmetica como una sucesion definida por la relacion de recurrencia an = an1 + r,
y una progresi
on geometrica como una sucesion definida por la relacion de recurrencia an = ran1 . En ambos
casos basta fijar el primer termino, a1 , y la razon de la progresion, r, para concretar toda la sucesion.
Diremos que una sucesion es mon
otona creciente cuando an an1 y que es mon
otona decreciente cuando
an an1 , (aunque los adjetivos monotona no decreciente y monotona no creciente, respectivamente, hubieran
sido semanticamente mas precisos). Las sucesiones (D), (E) y (F) son monotonas crecientes, mientras que la
sucesion (C) es monotona decreciente.
Una sucesion esta acotada cuando existen dos constantes, llamadas cotas, N, M tales que N an M , o
equivalentemente, cuando existe una cota K tal que |an | K. Cuando se verifica una de las desigualdades se dice
que la sucesion esta acotada superiormente (an M ) o inferiormente (N an ). De las sucesiones anteriores,
las sucesiones (E) y (F) estan acotadas inferiormente (por ejemplo por la cota N = 0), las sucesiones (C) y
(D) estan acotadas superior e inferiormente, o simplemente estan acotadas, y la sucesion (B) no esta acotada
ni superior ni inferiormente.
2

2.2.

Lmite de una sucesi

on

Los terminos de la sucesion (C) van siendo cada vez mas peque
nos, mientras que los de la sucesion (D)
se van acercando cada vez mas a . De las otras sucesiones no podemos decir algo analogo. Recogemos esta
propiedad con la siguiente definicion.
Definici
on 2 Una sucesi
on {an } es convergente hacia el lmite a si para cualquier n
umero positivo ,
existe un n
umero entero N tal que se verifica |an a| < siempre que n > N . Tambien diremos que an tiende
hacia a cuando n , y lo expresaremos escribiendo
lm an = a

o bien

an a.

(2)

As, las sucesiones (C) y (D) son convergentes; la primera tiene lmite a = 0, mientras que la segunda tiene
lmte a = . Como verificacion, para la sucesion an = 1/n, si = 0,01, basta tomar N = 100 (o cualquier otro
n
umero mayor), para que cuando n > N se verifique |an a| = 1/n 0 = 1/n < = 0,01. Y esto ocurre
cualquier que sea . Si tomamos otro valor, como por ejemplo = 0, 0002, bastara tomar N = 5000 para que
se siga cumpliendo que |an a| < para n > N . Analogamente, para la sucesion (D) se tiene |an | < 10n ,
por lo que cuando = 0,01 se puede tomar N = 1 , mientras que cuando = 0,0002 basta tomar N = 3 . Las
sucesiones (B), (E) y (F) no son convergentes.
Toda sucesion convergente esta acotada, y por lo tanto una sucesion que no este acotada no puede ser
convergente. Es el caso de las sucesiones (B), (E) y (F) que no son convergentes, aunque para las dos u
ltimas,
como sus terminos crecen indefinidamente al crecer n, se dice que tienen lmite .
Para las sucesiones obtenidas como suma, diferencia, producto o cociente de sucesiones convergentes se
demuestra facilmente que

lmn (an + bn ) = a + b, lmn (an bn ) = ab

lm an = a,
lm bn = b =
lmn (an bn ) = a b, lmn (an /bn ) = a/b,
n
n
para el cociente suponiendo que bn , b 6= 0.
El resultado que permite asegurar la convergencia de sucesiones y que mas utilizaremos es el siguiente.
Teorema 1 Toda sucesi
on creciente y acotada superiormente es convergente:
an an1 ,

an M

lm an = a M

An
alogamente, toda sucesi
on decreciente y acotada inferiormente es convergente.
Es el caso de las dos sucesiones convergentes anteriores: la sucesion (D) es creciente y acotada superiormente
y la sucesion (C) es decreciente y acotada inferiormente. Otro ejemplo interesante es el siguiente.
Ejemplo 2.1. Se demuestra que la sucesion
2,

3 2

4 3

5 4

,...,

n + 1 n

,...
2
3
4
n
es creciente. Ademas esta acotada superiormente, pues

n



n+1
1
n
n 1
n 1
n 1
n 1
=
1+
=
+
+
+
+
+
2
3
n
n
0
1 n
2 n
3 n
4 n4
1
1 n1
1 (n 1)(n 2)
1 (n 1)(n 2)(n 3)
= 1+ +
+
+
+
1! 2! n
3!
n2
4!
n3
1
1
1
1
< 1 + + + + + = e
1! 2! 3! 4!
por lo que ha de ser convergente. De hecho su lmite es precisamente el n
umero e:

n
1
1
1
1
1
e = lm 1 +
= 1 + + + + + = 2, 7182818284 . . .
n
n
1! 2! 3! 4!

(3)

2.3.

Series. Convergencia

La nocion de serie aparece al intentar realizar sumas infinitas. Por ejemplo, podemos intentar sumar todos
los terminos de la progresion geometrica infinita con primer termino a1 = 1/2 y razon r = 1/2:
1
1
1
1
1
+
+ 3 + 4 + + n +
2 22
2
2
2
Al sumar los N primeros terminos, utizando la formula de la suma de los terminos de una progresion geometrica,
SN = a1 + a2 + a3 + + aN =

aN r a1
r1

se obtiene

SN =
=

1
4

1
1
1
1
+ 2 + 3 + + N
2 2
2
2
( 12 )N +1 12
1
2 1

1
2

= 1 ( 12 )N

1
8

1
16
1
32

de donde se puede intuir, eventualmente con la interpretacion grafica de la figura, que la suma de los infinitos
terminos de la progresion debera ser 1, pues ese es el lmite de las sumas {SN } cuando N . En general se
tiene
Definici
on 3 A partir de una sucesi
on {an } se define una serie como la suma infinita
X
an = a1 + a2 + a3 + + an +

(4)

n1

Considerando a continuaci
on la sucesi
on de sumas parciales
SN = a1 + a2 + a3 + + aN =

N
X

an ,

(5)

n=1

cuando esta sucesi

on es convergente, se asocia a la serie su lmite como suma de la serie:

an = a1 + a2 + a3 + + an + = lm

n=1

N
X

an = lm SN

n=1

(6)

P
P
Se dice entonces que la serie n1 an es convergente con suma n=1 an , mientras que cuando la sucesi
on
de sumas parciales no converge se dice que la serie es divergente.
Se puede decir ahora que la serie

1/2n es convergente con suma

Ejemplo 2.2. La serie geometrica,

1/2n = 1. Con mayor generalidad,

n=1

n1

se tiene

arn , es convergente cuando |r| < 1, pues a partir de

n1

SN = a + ar + ar2 + + arN 1 =

arN 1 r a
a
a N
=
+
r
r1
1r r1

a
1r

se obtiene

X
n=1

arn =

a
1r
4

(|r| < 1)

(7)

Sin embargo, cuando |r| 1 la serie geometrica es divergente. Por ejemplo, las series

3n y

n1

(2)n son

n1

divergentes y no se les puede asociar ninguna suma.

Ejemplo 2.3. La serie
X
n1

1
1
1
1
1
1
1
=
+
+
+
+
+ +
+
n(n + 1)
12 23 34 45 56
n(n + 1)

es convergente con suma 1, pues a partir de 1/n(n + 1) = 1/n 1/(n + 1) se obtiene

SN =

1
1

1
1 1 1 1 1
1
1
+

+ +

=1
2
2 3
3 4
N
N +1
N +1

1.

Ademas de determinar la suma de series convergentes tiene interes dilucidar si una determinada serie es
convergente o divergente. Se habla entonces de decidir el car
acter de la serie. Una primera condicion necesaria
para que una serie pueda ser convergente se obtiene del siguiente resultado.
P
Teorema 2 Si la serie n1 an es convergente, lmn an = 0
En efecto, si lmn Sn = S,
n

Sn = a1 + a2 + + an1 + an = Sn1 + an

S = S + lm an
n

lm an = 0.

Este resultado es mas u

til en negativo: si no existe lmn an , o existe pero es 6= 0, la sucesion no puede
ser convergente:
Criterio 1 Se tiene que:
lm an 6= 0

an

es

divergente

n1

Ejemplo
X2.4. Las series
(1)n = 1 + 1 1 + 1 1 + 1 + (1)n +
n1

X
n1

1 2 3 4
n
n
= + + + + +
+
n+1
2 3 4 5
n+1

son divergentes. Para la primera SN = 1 cuando N es impar, mientras que SN = 0 cuando N es par, por lo
que no puede ser convergente. Esto tambien puede deducirse de que es una serie geometrica con razon r = 1,
o como consecuencia del criterio anterior, pues la sucesion (1)n no tiene lmite. Lo mismo ocurre con la
segunda, pues lm n/n + 1 = 1 6= 0.
n

Notese que el criterio no permite concluir nada cuando se verifica lm an = 0. En ese caso la serie puede
n

ser convergente, como la serie geometrica con razon r cuando |r| < 1, pero tambien puede ser divergente, como
la serie arm
onica
X1
1 1
1
= 1 + + + + + +
(8)
n
2 3
n
n1

seg
un veremos a continuacion.
En los apartados siguientes veremos algunos criterios adicionales que permiten decidir el caracter de series,
primero para series de terminos positivos y despues para series de terminos cualesquiera, en particular para las
llamadas series alternadas. Posteriormente, en la seccion 5, se obtendran las sumas de algunas series a partir
de los resultados de convergencia de las series de Fourier.

2.4.

Series de t
erminos positivos

Diferentes criterios ayudan a decidir el caracter de series de terminos positivos, an 0 . Veremos cuatro de
los mas utilizados. Los dos primeros son criterios de comparacion, por lo que su utilizacion requiere disponer
de otra serie cuyo caracter sea conocido. El tercero solventa este inconveniente. Finalmente, el criterio integral
es muy u
til cuando los anteriores no permiten decidir el caracter de una serie. Notese previamente que, como
la sucesion de sumas parciales de una serie de terminos positivos es creciente, si esta acotada superiormente ha
de ser convergente, de acuerdo con el teorema 1.
X
X
Criterio 2 (1er criterio de comparaci
on ) Sean
an y
bn dos series de terminos positivos tales que para
n1

n1

todo n (o para todo n suficientemente grande)

0 an bn
Entonces

bn es convergente

n1

(9)
X

an es convergente

(9)

n1

an es divergente

n1

bn es divergente

(9)

n1

PN
PN
El resultado es consecuencia de que para
otese que
n
n=1 bn . N
P las sumas parciales se tiene 0 n=1 aP
el criterio no afirma nada cuando la serie n1 an es convergente ni cuando la serie n1 bn es divergente.
Ejemplo 2.5. Veamos que la serie arm
onica

1/n es divergente. Las dos series

n1

bn = 1 +

1
1
1
1
1
1
1
1
1
+
+
+
+
+
+
+
+ +
+
2
3
4
5
6
7
8
9
16

an = 1 +

1
1
1
1
1
1
1
1
1
+
+
+
+
+
+ +
+
+
+
2
4
4
8
8
8
8
16
16
| {z }
|
|
{z
}
{z
}

n1

X
n1

donde an = 1/2k cuando 2k1 < n 2k , verifican la condicion del criterio: 0 an = 1/2k 1/n bn .
Agrupando como se indica los terminos iguales de la u
ltima serie, cuya suma siempre es 1/2, se obtiene para
las sumas parciales
NX
=2k
(k)
1
1
1
1 k
an = 1 +
+
+ + = 1 + k

2
2
2
2
n=1
P
P
P
1
Por lo tanto la serie
en es divergente.
n1 n tambi
n1 an es divergente, y entonces la serie
n1 bn =
Criterio 3 (2o criterio de comparaci
on ) Sean

an ,

n1

Si

bn dos series de terminos positivos: an 0,

bn > 0.

n1

an
= K,
n bn
lm

0<K<

(10)

Entonces ambas series tienen el mismo car

acter.
En otras palabras, cuando 0 < K < , si una serie es convergente la otra tambien lo es, y cuando una serie
es divergente la otra tambien. Notese que el criterio no permite ninguna conclusion cuando no existe el lmite
de an /bn o cuando este vale 0 o .

Ejemplo 2.6. La serie

an =

n1

X
n1

es divergente, pues comparando con la serie armonica

n
4n2 + 5

n1 bn

n1

1/n se tiene

an
n2
1
1
= lm
= lm
= .
2
n bn
n 4n + 5
n 4 + 52
4
n
lm

Criterio 4 (del cociente) Sea

an una serie de terminos estrictamente positivos an > 0. Si

n1

an
=r
lm
n an1

<1
>1

=
=

la serie es convergente
la serie es divergente

(11)

De nuevo, no se puede afirmar nada cuando el lmite no existe o cuando r = 1. Omitimos la demostracion,
que se basa en que para n grande la sucesion an se comporta aproximadamente como una progresion geometrica
de razon r y la serie geometrica solo es convergente cuando r < 1.
X

Ejemplo 2.7. La serie

an =

n1

n!/nn es convergente, pues

n1

an
n!
(n 1)!
n(n 1)n1
= n :
=
=
an1
n
(n 1)n1
nn

1
nn1
(n1)n1

1
(1 +

1
n1
n1 )

1
<1
e

Por u
ltimo, veamos el criterio integral:
X
Criterio 5 (de la integral) Sea
an una serie de terminos positivos y decreciente para la que an = f (n)
n1

puede obtenerse a partir de una funci

on f continua, decreciente y positiva, definida para 1 x < . Entonces
Z

f (x) dx = lm

f (x) dx

f (n) converge

(12)

n1

El criterio se basa en que las sumas parciales de la serie permiten aproximar superior e inferiormente el valor
de la integral como se ilustra en la figura
Z

an = f (n)

N +1

SN = a1 + a2 + + aN >

f (x) dx

a1
a2
a3

SN a1 = a2 + a3 + + aN <
R N +1
1

f (x) dx < SN <

RN
1

RN
1

f (x) dx

aN

f (x) dx + a1

Por ello, si existe la integral impropia

f (x) dx, la serie es convergente y viceversa.

1

Ejemplo 2.8. Se denominan p-series a las series

X 1
1
1
1
= 1 + p + p + + p +
np
2
3
n

n1

N N +1

donde p > 0 es un parametro. Por ejemplo, para p = 3 y para p = 1/2 se trata de las series
X 1
1
1
1
1
=1+ +
+
+
+
3
n
8 27 64 125

X 1
1
1
1
1
= 1 + + + + +
n
2
3 2
5
n1

n1

Para p 6= 1 utilizando el criterio integral con f (x) = 1/xp se obtiene

(
Z N
1/(p 1)
1
x1p N
N 1p 1
N
dx =

=
p
x
1

p
1

p
1

si p > 1
si p < 1

por lo que las p-series son convergentes cuando p > 1 y divergentes cuando p < 1. Para p = 1 se trata de la
serie armonica, cuya divergencia ya hemos visto, aunque tambien se puede obtener con este criterio:
Z

N
1

N
1

dx = ln x = ln N
x
1

Las p-series son muy u

tiles como sucesiones de referencia al usar los criterios de comparacion.

2.5.

Series alternadas

Estudiaremos ahora series cualesquiera, es decir, series cuyos terminos an pueden ser positivos o negativos.
Dada una serie de terminos positivos y negativos, podemos considerar la serie de terminos en valor absoluto,
|an |, cuyo caracter se puede estudiar mediante los criterios del apartado anterior. Cuando esta serie converge

n=1

se dice que la serie

es convergente:

an es absolutamente convergente. Se demuesta que toda serie absolutamente convergente

n=1

|an |

converge

n1

an

converge

(13)

n1

P
P
Naturalmente, puede ocurrir
que la serie n1 an sea convergente sin que lo sea la serie n1 |an |, y se dice
P
entonces que la serie
n1 an es condicionalmente convergente (debido a que su suma se puede modificar
alterando el orden de sumacion de los terminos, lo que nunca puede ocurrir con las series absolutamente
convergentes).
Entre estas series las mas interesantes son aquellas en las que los terminos van siendo alternativamente
positivos y negativos, denominadas series alternadas. Pueden caracterizarse por satisfacer an1 an < 0, y es
habitual expresar su termino general en la forma an = (1)n n , o bien an = (1)n1 n , donde n = |an | > 0.
Por ejemplo la serie
X
n
1 2 3 4 5 6
(1)n1
= + + +
n+1
2 3 4 5 6 7
n1

es una serie alternada. Para ellas es valido el siguiente resultado.

X
X
Criterio 6 (de Leibniz) Una serie alternada
an =
(1)n1 n que satisface
n1

n1

i) la sucesi
on de terminos en valor absoluto es decreciente: n n1 ,
ii) el termino general tiende hacia 0: lmn an = lmn n = 0,
es convergente.
Demostraci
on: Supongamos que a1 = 1 > 0 (el razonamiento es analogo si a1 < 0). Como la sucesion n
es decreciente, las diferencias n n+1 son siempre positivas. Agrupando las sumas parciales pares, S2m , e
impares, S2m+1 , en la forma
S2m = (1 2 ) + (3 4 ) + (2m1 2m )
8

S2m+1 = 1 (2 3 ) (4 5 ) (2m 2m+1 )

se observa que la sucesion de sumas parciales pares es creciente, mientras que la de sumas parciales impares es
decreciente. Ademas, S2m > 0, S2m+1 < a1 y S2m+1 S2m = a2m+1 > 0, por lo que
0 < S2m < S2m+1 < a1
y por el teorema 1 ambas sucesiones convergen. Ademas, como lmn |Sn Sn1 | = lmn n = 0, las dos
han de tener el mismo lmite, es decir, la sucesion Sn ha de ser convergente.
2
Ejemplo 2.9. En la figura se ilustra la demostracion anterior con el comportamiento de las sumas parciales de
la serie alternada
X
4
5
4
4
4
1
(1)n1 ( )n1 = 1 + ( )2 ( )3 + =
4 = 9
5
5
5
5
1+ 5
n1

que cumple las dos condiciones del criterio de Leibnitz, por lo que es convergente. Su suma se ha obtenido
teniendo en cuenta que es una serie geometrica de razon r = 4/5.

n1

(1)

n=1

4
5
( )n1 =
5
9

S2 =

1
5

5/9
S4 =

41
125

S1 = 1
S3 =

21
25

Ejemplo 2.10. La serie alternada

X

(1)n1

n1

1
1 1 1
= 1 + +
n
2 3 4

cumple ambas condiciones del criterio de Leibnitz, por lo que es convergente.

X
En este caso la serie de terminos en valor absoluto es la serie armonica
1/n que es divergente, por lo que se
n=1

trata de una serie condicionalmente convergente.

3.

Desarrollo en serie trigonom

etrica

De acuerdo con lo indicado en la seccion 1, el desarrollo en serie trigonom

etrica de Fourier de una
funcion f periodica, con periodo T = 2, esta dado por

f (t) '

a0 X
+
(an cos nt + bn sen nt)
2
n=1

(1)

en donde se utiliza el simbolo ' para indicar que f tiene la representacion dada por la serie trigonometrica.
De momento puede verse como una igualdad; hasta que punto efectivamente lo es se precisara en la seccion 5.

3.1.

Coeficientes de Fourier

Obviamente, los coeficientes an y bn del desarrollo (1) deben depender de la funcion f . Concretamente se
tiene:
Teorema 3 Los coeficientes de Fourier de la funci
on f en el desarrollo en serie trigonometrica (1) est
an
dados por
Z
Z
Z
1
1
1
a0 =
f (t) dt;
an =
f (t) cos nt dt, bn =
f (t) sen nt dt, n 1.

Demostraci
on. N
otese en primer lugar que
Z

cos nt dt = sen nt = 0
n

y a partir de aqu
Z

1
cos nt sen mt dt =
2

cos nt cos mt dt =

sen nt sen mt dt =

1
2
1
2

sen nt dt =

( cos nt) = 0
n

(sen(m n)t + sen(m + n)t) dt = 0;

n, m

( cos (m n)t + cos (m + n)t) dt = 0;

n 6= m

( cos (m n)t cos (m + n)t) dt = 0;

n 6= m

mientras que para n = m,

Z
Z
1
2
cos mt dt =
(1 + cos 2mt) dt = ,
2

sen mt dt =

(1 cos 2 mt) dt = .

Utilizando estas expresiones es facil obtener ahora las formulas de los coeficientes de Fourier. Integrando ambos
miembros del desarrollo en serie de Fourier (1) y admitiendo que se puede intercambiar el orden de integracion
con el sumatorio se obtiene
Z
Z
Z
Z

a
X
a0
0
f (t) dt =
dt +
an
cos nt dt + bn
sen nt dt = 2 = a0
2
2

n=1
de donde se obtiene el valor de a0 . Multiplicando ahora (1) por cos mt e integrando se obtiene
Z
Z
f (t) cos mt dt = am
cos mt cos mt dt = am

pues en el sumatorio u
nicamente el termino obtenido para n = m es 6= 0. Analogamente, multiplicando (1) por
sen mt e integrando se obtiene
Z
Z
f (t) sen mt dt = bm
sen mt sen mt dt = bm
2

La designacion a0 /2 para el termino constante de la serie de Fourier permite agrupar las expresiones de a0
y an y expresar las formulas de los coeficientes de Fourier en la forma
an =

bn =

f (t) cos nt dt,

n0

(14)

f (t) sen nt dt,

n1

(15)

aunque en las aplicaciones la expresion obtenida para an no suele ser valida para n = 0, y entonces el coeficiente
a0 debe calcularse aparte. El intervalo de integracion ha de ser un periodo y es habitual elegir el intervalo (, ),
pero puede ser cualquier otro como por ejemplo (0, 2) o (/2, 3/2). Observese ademas que a0 /2 es el valor
medio de la funcion f en cada periodo.
Ejemplo 3.1. Para la funcion
(
0
f (t) =
1

< t 0
0<t

10

extendida periodicamente con periodo 2, se tiene

Z
Z
Z

1
1 0
an =
f (t) cos nt dt =
0 dt +
cos nt dt


0

(n6=0)

1 sen nt
=0
n 0

Como el calculo no es valido para n = 0 , el coeficiente a0 se ha de calcular aparte:

Z
Z
1
1
1
a0 =
f (t) dt =
1 dt = = 1.

0

Para los coeficientes bn se tiene

bn

=
=

Z
1
f (t) sen nt dt =
sen nt dt
0

(
0
1
1 cos nt
n
[(1) + 1] =
=

n
n
0
2/n
1

si n es par
si n es impar

En el sumatorio del desarrollo en serie de Fourier se recorren todos los n

umeros naturales impares cuando, al
hacer n = 2k 1, k recorre los naturales, por lo que se obtiene
f (t) '

1
2X 1
+
sen(2k 1)t.
2
2k 1
k=1

Ejemplo 3.2. Para la funcion

(
+ t < t 0
f (t) = | t |=
t 0<t

@
@

@
@
@

@
@ t
@
@
@
@

extendida periodicamente con periodo 2, se tiene

Z 0

Z
Z
1
1
1
t2 0
t2
a0 =
f (t) dt =
( + t) dt +
( t) dt =
(t + ) + (t )
=

2
2 0

an

Z
Z

1 0
f (t) cos nt dt =
( + t) cos nt dt +
( t) cos nt dt

0
(
0
si n es par
2
[1 (1)n ] =
n2
4/n2 si n es impar
1

=
=

bn =

f (t) sen nt dt =

( + t) sen nt dt +

( t) sen nt dt = 0.

Como en el ejemplo anterior, haciendo en el sumatorio n = 2k 1, donde k recorre los naturales, se obtiene el
desarrollo

4X
1

cos (2k 1)t.

f (t) = +
2

(2k 1)2
k=1

3.2.

Cambio de periodo

Sea f es una funcion periodica de periodo T : f (t + T ) = f (t) para todo t. Como se ilustra en la figura,
T
T
mediante el cambio de escala t = 2
u se obtiene una funcion g(u) = f ( 2
u) periodica de periodo 2.

11

f (t)

f(
u=

T /2

2
T

t=

T /2

T
2

T
u)
2

En efecto,

T
(u + 2) = f (t + T ) = f (t) = f ( u) = g(u).
2
2
Por ello, de acuerdo con (1), la funcion tendra un desarrollo en serie de Fourier
g(u + 2) = f

f(

T
a0 X
u) '
+
(an cos nu + bn sen nu)
2
2
n=1

Deshaciendo el cambio, se obtiene el desarrollo en serie trigonom

etrica de Fourier de una funcion periodica
con periodo T :

a0 X
2
2
f (t) '
+
(an cos n t + bn sen n t)
(16)
2
T
T
n=1
donde los coeficientes de Fourier de la funcion f se calculan ahora mediante las formulas
an =

2
T

2
bn =
T

T /2

f (t) cos n

2
t dt,
T

n0

(17)

f (t) sen n

2
t dt,
T

n1

(18)

T /2

T /2
T /2

las cuales, como era de esperar, se reducen a las anteriores, (14) y (15), cuando T = 2. Y como en ese caso, lo
esencial del intervalo de integracion es que coincida con un periodo.
Ejemplo 3.3. Para la funcion f (t) = t en el intervalo (2, 2) y extendida periodicamente con periodo 4, los
coeficientes de Fourier son
Z
Z
1 2
1 2

a0 =
t dt = 0,
an =
t cos n t dt = 0,
2 2
2 2
2
bn =

1
2

Z 2
i

1h 2
2

4
2
t sen n t dt = t ( cos n t) +
cos n t dt =
(1)n1 ,
2
2 n
2 2 n 2
2
n
2
2

con lo que se obtiene el desarrollo en serie de Fourier

f (t) '

4 X (1)n1
sen n t.
n=1
n
2

Ejemplo 3.4. La funcion del ejemplo 1.1, f (t) = t [t] , es periodica con periodo T = 1, y considerando el
intervalo (0, 1) en el cual f (t) = t se obtiene
a0 =

2
1

t dt = 1,
0

an =

2
1

t cos n2t dt = 0,

bn =

f (t) '

1
1

1
sen 2nt.
n
n=1

12

2
1

t sen n2t dt =
0

1
n

4.

Desarrollos en serie de senos y en serie de cosenos

Los desarrollos en serie de Fourier de una funcion pueden simplificarse notablemente cuando esta tiene
alguna simetra. En esta seccion estudiamos el caso de las funciones pares e impares.

4.1.

Funciones pares e impares

Definici
on 4 Una funci
on f definida en un intervalo simetrico respecto del origen (a, a) es par cuando
f (t) = f (t) para cualquier t, mientras que es impar cuando f (t) = f (t) para todo t.

f (t)

f (t)

f (t)

Funci
on par

Funci
on
impar

f (t)

f (t)
t

t
f (t)

Por ejemplo, f (t) = t2 y f (t) = cos t son funciones pares, mientras que f (t) = t3 y f (t) = sen t son impares.
La grafica de una funcion par es simetrica respecto del eje de ordenadas, mientras que la de una funcion impar
lo es respecto del origen.
Notese que con las anteriores definiciones no se esta haciendo una clasificacion par/impar de funciones:
una funcion puede no ser ni par ni impar, como por ejemplo f (t) = et o f (t) = 1 + t, y de hecho esta es la
situacion mas frecuente, pues para que una funcion f pueda ser par o impar se ha de verificar previamente que
|f (t)| = |f (t)| para cada t.
Como el caracter par/impar de una funcion depende de que f (t) y f (t) tengan igual o distinto signo, es
natural que el producto de funciones siga la misma regla que el producto de signos, y as se tiene:
par par = par,

par impar = impar,

impar impar = par.

Ejemplo 4.1. f (t) = t cos t es impar, pues t es impar y cos t es par, mientras que g(t) = t3 sen t es par,
pues t3 y sen t son ambas impares. Naturalmente tambien se puede comprobar directamente:
f (t) = t cos (t) = t( cos t) = t cos t = f (t)

g(t) = (t)3 sen(t) = t3 ( sen t) = t3 sen t = g(t)

f es impar;

g es par.

La propiedad que mas utilizaremos del posible caracter par/impar de una funcion se refiere al valor de su
integral definida en intervalos simetricos respecto del origen. Concretamente se tiene:
Z a
Z a
Z a
fp par =
fp (t) dt = 2
fp (t) dt
fi impar =
fi (t) dt = 0
(19)
a

Z a
R0
lo cual se comprueba inmediatamente a partir de la descomposicion
=
+
y verificando que a =
a
a
0
Ra
0 seg
un que f sea par o impar. Graficamente este resultado es evidente utilizando la interpretacion de la
integral definida como area bajo la curva:

13

a
Funci
on par

4.2.

Funci
on impar

Desarrollos en serie de funciones pares e impares

La consecuencia fundamental de la propiedad anterior para los desarrollos en serie de Fourier es que el
desarrollo de una funcion par se reduce a los terminos en coseno, mientras que el de una funcion impar se
reduce a los terminos en seno:
Teorema 4 Sea f una funci
on peri
odica con periodo T . Si f = fp es par su desarrollo en serie de Fourier
tiene la forma

a0 X
2
+
an cos n t
2
T
n=1

fp (t) '

an =

4
T

T /2

fp (t) cos n
0

2
t dt,
T

n 0,

(20)

n 1.

(21)

mientras que si f = fi es impar su desarrollo en serie de Fourier tiene la forma

2
fi (t) '
bn sen n t
T
n=1

4
bn =
T

T /2

fi (t) sen n
0

2
t dt,
T

on impar, mientras que el producto

Demostraci
on: Cuando fp es par, el producto fp (t) sen n 2
T t es una funci
2
fp (t) cos n T t es una funcion par, por lo que utilizando (19) se obtiene
bn =
2
an =
T

2
T

T /2

fp (t) sen n
T /2

T /2

4
2
fp (t) cos n t dt =
T
T
T /2

2
t dt = 0,
T

T /2

fp (t) cos n
0

2
t dt.
T

Y analogamente cuando fi es impar, a partir de que el producto fi (t) sen n 2

on par, mientras
T t es una funci
que el producto fi (t) cos n 2
t
es
una
funci
o
n
impar.
2
T
Ejemplo 4.2. La funcion fp (t) = |t| en (, ], prolongada con periodo 2, es par y a partir de
a0 =

t dt =
0

2
an =

Z
0

2 2
=
2

2 1
t cos nt dt =
((1)n 1) =
n2

n4 2
0

si n es impar
si n es par

se obtiene el desarrollo en serie de Fourier

fp (t) =

4X
1

cos (2k 1)t

2

(2k 1)2
k=1

14

fp (t)

fi (t)

@
@
@
@

Ejemplo 4.3. La funcion fi (t) = t en (, ], prolongada con periodo 2, es impar y a partir de

Z
2
(1)n1
bn =
t sen nt dt = 2
0
n
se obtiene el desarrollo en serie de Fourier
fi (t) ' 2

4.3.

X
(1)n1
sen nt
n
n=1

La descomposici
on par + impar

Como se ha dicho anteriormente, una funcion f no tiene por que ser par o impar. Sin embargo, cualquier
funci
on f puede descomponerse como suma de una funci
on par y otra impar. En efecto, la funcion fp (t) =
(f (t) + f (t))/2 es par, pues
f (t) + f (t)
fp (t) =
= fp (t),
2
mientras que la funcion fi (t) = (f (t) f (t))/2 es impar, pues
fi (t) =

f (t) f (t)
f (t) f (t)
=
= fi (t).
2
2

Ademas, la descomposicion
f (t) =

f (t) + f (t)
f (t) f (t)
+
= fp (t) + fi (t)
2
2

(22)

es la u
nica descomposicion posible de f como suma de una funcion par y una funcion impar.
Por otra parte, si f era una funcion periodica con periodo T , tambien seran periodicas fp y fi , por lo que
escribiendo el desarrollo en serie de Fourier de f en la forma

X
a0 X
2
2
f (t) '
+
an cos n t +
bn sen n t
2
T
T
n=1
n=1
y teniendo en cuenta los desarrollos de funciones pares (20) e impares (21), podemos identificar el primer
sumando del segundo miembro como el desarrollo de la parte par de f y el segundo sumando con el de su parte
impar :

X
2
a0 X
2
+
an cos n t
fp (t) '
fi (t) '
bn sen n t
2
T
T
n=1
n=1
Ejemplo 4.4. Como ilustra la figura, la funcion et tiene la descomposicion como suma de una funcion par y
de una funcion impar
et et
et + et
+
= cosh t + senh t
et =
2
2
15

cosh t
t

senh t

La funcion definida como la prologacion periodica con periodo 2 de f (t) = et en (, ] y sus partes par
e impar se representan en la figura.
f (t)

fp (t)

fi (t)

Para el desarrollo en serie de Fourier de f se tiene:

Z
Z
1 t
1 t
e e
e e (1)n
a0 =
;
an =
e dt =
e cos nt dt =

1 + n2
Z
1 t
e e (1)n1 n
bn =
e sen nt dt =

1 + n2

X
e e 1 X (1)n
(1)n1 n
f (t) '
+
cos
nt
+
sen
nt

2 n=1 1 + n2
1 + n2
n=1
de donde se deducen inmediatamente los desarrollos de las partes par e impar de f :
fp (t) '

senh

X
e e 1 X (1)n
(1)n
+
cos
nt
=
1
+
2
cos
nt

2 n=1 1 + n2

1 + n2
n=1

fi (t) '

e e X (1)n1 n
2 senh X (1)n1 n
sen
nt
=
sen nt.

1 + n2

1 + n2
n=1
n=1

Ejemplo 4.5. Sea f la funcion definida en (, ) por

(
0 < t 0
f (t) =
2t 0 < t <
Como se ilustra en la figura, f tiene la descomposicion f (t) =| t | + t, pues

(
2t
=
0

< t < 0
0t<

f (t) + f (t)
(0 + (2t))/2 < t 0
t < t 0
=
=
=| t |
(2t + 0)/2
0<t<
t
0<t<
2

f (t) f (t)
(0 (2t))/2 < t 0
t < t 0
=
=
=t
(2t 0))/2
0<t<
t
0<t<
2

f (t) =

0 < t 0
2(t)
0 < t <

0
0t<
2t < t < 0

16

f (t)
2t

f (t)

|t|

A
2t A
A
A
A

@
@

Para su prolongacion periodica con periodo 2,

(
0 < t 0
f (t) =
2t 0 < t

f (t + 2) = f (t),

a partir de los desarrollos en serie de cosenos de su parte par y en serie de senos de su parte impar obtenidos
en los ejemplos 4.2 y 4.3, se obtiene el desarrollo
f (t) '

4X
1
(1)n1

cos
(2k

1)t
+
2
sen nt.
2
2

(2k 1)
n
n=1
k=1

4.4.

Desarrollos en un intervalo

Sea f (x) una funcion definida en un intervalo (0, L). Es posible obtener desarrollos en serie de cosenos y en
serie de senos de f , validos en ese intervalo, construyendo funciones periodicas fp par y fi impar, respectivamente, que coincidan con f en ese intervalo, como se ilustra en la figura.
fp (x)

f (x)

fi (x)

En el primer caso, se empieza prolongando de forma par la funcion f al intervalo (L, L), y luego se prolonga
la funcion fp as obtenida a todo R con periodo 2L:
(
f (x)
0<x<L
fp (x) =
f (x) L < x < 0

fp (x + 2L) = fp (x)

(23)

De acuerdo con (20) para T = 2L, se tendra para cualquier x R,

a0 X

fp (x) '
+
an cos n x;
2
L
n=1

an =

2
L

fp (x) cos n x dx,

L

n 0,

y en particular para 0 < x < L, teniendo en cuenta que en ese intervalo fp (x) = f (x),

f (x) '

a0 X

+
an cos n x;
2
L
n=1

an =

2
L

Z
0

f (x) cos n x dx,

L

n 0.

(24)

Analogamente, para obtener un desarrollo en serie de senos se empieza prolongando de forma impar la
funcion f al intervalo (L, L), y luego se prolonga esta funcion fi a todo R con periodo 2L.
(
fi (x) =

f (x)
0<x<L
f (x) L < x < 0
17

fi (x + 2L) = fi (x)

(25)

Ahora se tendra, de acuerdo con (21) para T = 2L y restringiendose al intervalo (0, L),

f (x) '
bn sen n x;
L
n=1

2
bn =
L

f (x) sen n x dx,

L

n 1.

(26)

Ejemplo 4.6. Desarrollar en serie de cosenos y en serie de senos en el intevalo (0, 3) la funcion f (x) = x2 .
El desarrollo en serie de cosenos es el desarrollo en serie de Fourier de la prolongacion par de la funcion
f : fp (x) = x2 en el intervalo (3, 3) y prolongada periodicamente con periodo T = 6. Se tiene f (x) '

a0 /2 +
an cos n x, con
3
n=1
2
a0 =
6

2
x dx =
3
3

2
an =
3

x dx = 6,
0

y por lo tanto en (0, 3),

x2 ' 3 +

Z
0

36

x2 cos n x dx = 2 2 (1)n ,
3
n

36 X (1)n
cos n x.
2 n=1 n2
3

Analogamente, el desarrollo en serie de senos es el desarrollo en serie de Fourier de la prolongacion impar

de la funcion f : fi (x) = x2 en (0, 3), fi (x) = x2 en (3, 0), y prolongada periodicamente con periodo T = 6.

Se tiene ahora f (x) '

bn sen n x, con
3
n=1
bn =

2
3

18
36
x2 sen n x dx =
(1)n1 3 3 1 (1)n
3
n
n

y por lo tanto en (0, 3)

x2 ' 18

5.

1
(1)n1 3 3 1 (1)n sen n x.
n
n

3
n=1

Convergencia de la serie de Fourier

Hasta ahora se ha desarrollado una funcion en serie utilizando el smbolo ' para expresar la posible igualdad
entre la funcion y su desarrollo en serie de Fourier. Concretamente, para una funcion periodica con periodo 2
se ha escrito

a0 X
f (t) '
+
(an cos nt + bn sen nt).
(1)
2
n=1
Por que? Para responder a esta P
pregunta es necesarario observar previamente que el segundo miembro representa la suma de la serie a0 /2 + n1 (an cos nt + bn sen nt), es decir, el lmite cuando N de la sucesion
de sumas parciales
N

SN (t) =

a0 X
+
(an cos nt + bn sen nt)
2
n=1

(27)

que puede coincidir o no con f (t). Obviamente esperamos que haya coincidencia, al menos bajo ciertas hipotesis adicionales sobre la funcion f . Pero ademas es preciso decidir antes el sentido de la aproximacion de la
funcion f mediante la serie de funciones SN , lo que hacemos en los siguientes apartados. La figura muestra el
comportamiento tpico de sucesivas sumas parciales para un pulso cuadrado.

18

Graficas de sumas parciales

5.1.

Convergencia puntual

Por una parte podemos estudiar el comportamiento para cada t fijo de la serie trigonometrica. Al fijar el
punto t se obtiene una serie numerica, por lo que podemos utilizar los resultados de la seccion 2. En este caso
se habla de convergencia puntual y se tiene el siguiente resultado cuya demostracion omitimos.
Teorema 5 (de Dirichlet) Si en cada periodo la funci
on f es continua a trozos y tiene un n
umero finito de
extremos (m
aximos o mnimos), su serie de Fourier converge en cada punto t a la semisuma de los lmites
laterales de f en ese punto:
N

SN (t) =

a0 X
+
(an cos nt + bn sen nt)
2
n=1

f (t+ ) + f (t )
2

(28)

En particular, la serie de Fourier de f converge a f (t) en cada punto t en el que f es continua.

f (t )

f (t
(t,

)+f (t )
)
2

f (t)

f (t+ )
t

De ah el uso del smbolo ' entre f (t) y su desarrollo en serie de Fourier. Podremos sustituirlo por =
cuando f satisfaga las condiciones de Dirichlet y ademas sea continua. As, mientras que en el ejemplo 4.2 se
poda escribir que la funcion f (t) =| t |, extendida periodicamente con periodo 2, coincida con su desarrollo
en serie de Fourier, en el ejemplo 4.3 se ha mantenido el simbolo ' para indicar que la extension con periodo
2 de la funcion f (t) = t en (, ] no coincide con su serie de Fourier en los puntos t = (2k 1), en los que
la serie toma el valor (f ( + ) + f ( ))/2 = ( + )/2 = 0.
El teorema anterior es ademas muy u
til para calcular la suma de diferentes series numericas, como se ilustra
en los siguientes ejemplos.
Ejemplo 5.1. A partir del desarrollo en serie de Fourier obtenido en el ejemplo 4.2 para la funcion f (t) =| t |
en (, ],

4X
1

cos (2k 1)t

| t |=
2

(2k 1)2
k=1

19

se obtiene para t = 0, teniendo en cuenta que cos 0 = 1,

0=

4X
1

(2k 1)2
k=1

y por lo tanto

X
k=1

1
1
1
1
2
=1+ +
+
=
.
2
(2k 1)
9 25 49
8

Ejemplo 5.2. A partir del desarrollo en serie de Fourier obtenido en el ejemplo 4.4 para la funcion f (t) = et
en (, ], extendida periodicamente con periodo 2

et

t+2

et2

f (t) '

e e

1
2

(1)n
n=1 1+n2 ( cos nt

n sen nt)

se obtiene en el punto t = 0, teniendo en cuenta que cos 0 = 1 y sen 0 = 0,

e e 1 X (1)n
e =1=
+

2 n=1 1 + n2

X
(1)n

1
=

1
+
n
e

e
2
n=1

y en el punto de discontinuidad t = , con cos n = (1)n y sen n = 0,

e e 1 X 1
e + e
=
+
2

2 n=1 1 + n2

1
e + e 1
=
.
1 + n2
2 e e
2
n=1

Para tener una idea de la aproximacion global de f (t) mediante SN (t) se deben considerar otros tipos de
convergencia. En el apartado siguiente se comentan las dificultades existentes para tener convergencia uniforme
y a continuacion, en el apartado 5.3, se presenta la aproximacion global mas interesante: la convergencia en
media cuadratica.

5.2.

Fen
omeno de Gibbs

Una primera posibilidad de aproximacion global de f (t) es estudiar si max |SN (t) f (t)| 0 cuando
N , que es la convergencia uniforme de SN a f . Se puede demostrar que hay convergencia uniforme
cuando f es continua y f 0 es continua a trozos. Sin embargo, para funciones discontinuas resultados teoricos
aseguran que no puede haber convergencia uniforme. El llamado fen
omeno de Gibbs ilustra esta situacion: como
se muestra en la figura, cerca de puntos de discontinuidad t de una funcion f las sumas parciales de la serie
de Fourier SN desbordan los valores f (t+ ) y f (t ) en aproximadamente un 9 % del salto de la funcion en ese
punto, | f (t+ ) f (t ) |. En la figura se ha tomado como funcion f la funcion escalon

1 if x 0
f (t) =
.
0 if x < 0
Esto no puede evitarse aumentando el n
umero N de terminos sumados; lo u
nico que se consigue as es desplazar
los puntos concretos en los que ocurren estos excesos, pero no reducirlos. Esta circunstancia ha de ser tenida
en cuenta en el dise
no de circuitos sometidos a excitaciones discontinuas, pues deben poder soportar los citados
excesos del 9 %.

20

0.8

0.6

0.4

0.2

-1.5

-1

-0.5

0.5

1.5

Fenomeno de Gibbs: Graficas de f (t) y S35 (t) cerca de t = 0.

5.3.

Aproximaci
on en media cuadr
atica

La alternativa de aproximacion global mas importante es la convergencia en media cuadr

atica, en la que
se estudia el comportamiento cuando N del error cuadr
atico (total) EC o, equivalentemente, del
error cuadr
atico medio ECM :
Z
Z
1
1
2
EC =
(SN (t) f (t)) dt
ECM =
(29)
EC =
(SN (t) f (t))2 dt
2
2

Ambas expresiones proporcionan medidas del error cometido en un periodo al aproximar la funcion f mediante
una suma parcial SN de la serie de Fourier. Ello tiene sentido para las (clases de) funciones f de cuadrado
integrable en (, ) (en el sentido de Lebesgue), Zlo que en numerosas aplicaciones equivale a decir se
nales f

(f (t))2 dt < . Y las dos tienen la interpretacion fsica

de energa finita, y que son aquellas para las que

de medir la energa de la diferencia entre la funcion y su aproximacion mediante la suma parcial de la serie, es
decir, la energa (o energa media) del error cometido en la aproximacion.
Destaquemos en primer lugar una propiedad fundamental de la serie de Fourier: es la que proporciona la
mejor aproximaci
on en media cuadr
atica, es decir, la que minimiza el error cuadratico. Mas concretamente,
se demuestra que la mejor aproximacion en media cuadratica de una funcion f mediante una combinacion lineal
N
X
como TN = c0 /2 +
(cn cos nt + dn sen nt) se obtiene con los coeficientes de Fourier: c0 = a0 , cn = an y
n=1

dn = bn ; es decir, cuando TN = SN . El siguiente ejemplo ilustra esta propiedad.

Ejemplo 5.3. La mejor aproximacion en media cuadratica de la funcion

21

(
0
f (t) =
1

1
< t 0
0<t

S1 (t)
t

f (t + 2) = f (t)

mediante una combinacion lineal T1 (t) = x + y cos t + z sen t se consigue para los valores de x, y, z que
minimizan el error cuadratico,
Z
F (x, y, z) =
(x + y cos t + z sen t f (t))2 dt.

Para ello se ha de verificar

Z
F
=
2(x + y cos t + z sen t f (t)) dt = 0
=
x

Z
F
=
2(x + y cos t + z sen t f (t)) cos t dt = 0 =
y

Z
F
=
2(x + y cos t + z sen t f (t)) sen t dt = 0 =
z

x 2

f (t) dt = 0

f (t) cos t dt = 0
Z

f (t) sen t dt = 0

es decir
x=

1
a0
=
2
2

dt =
0

1
,
2

y = a1 =

cos t dt = 0,

z = b1 =

sen t dt =
0

2
.

1
2
+ sen t = S1 (t), y entonces el error cuadratico vale
2
Z
Z 0
Z
2
2
2
1
2
1
2
1
2
2 8
EC =
+ sen t f (t) dt =
+ sen t dt +
+ sen t dt =

2
2
2
2
0

Se obtiene as que el valor optimo de T1 (t) es

mientras que en cualquier otro caso

F (x, y, z) F (

a0
1
2
2 8
, a1 , b1 ) = F ( , 0, ) =
.
2
2

Concluimos este apartado con el resultado fundamental para series de Fourier, cuya demostracion omitimos:
Definici
on 5 Se dice que una sucesi
on de funciones fn converge en media cuadr
atica a f cuando
Z
n
EC =
(fn (t) f (t))2 dt

0.

(30)

Teorema 6 Si f es una funci

on de cuadrado integrable, su serie de Fourier converge en media cuadr
atica a f :
Z

Z
2

(SN (t) f (t)) dt =

a0 X
+
(an cos nt + bn sen nt) f (t)
2
n=1

22

!2
N

dt 0

(31)

5.4.

Desigualdad de Bessel e Igualdad de Parseval

A partir de que el error cuadratico es siempre 0 se obtiene (tras calculos que se omiten)
Z

N
X
a20
EC =
(a2n + b2n ) 0
(SN (t) f (t)) dt =
(f (t)) dt ( )
2

n=1

de donde se deduce la desigualdad de Bessel:

N

a20 X 2
1
+
(an + b2n )
2

n=1

(f (t))2 dt.

(32)

X
(a2n + b2n ) esta acotada superiormente. Y como
Por lo tanto, la sucesion de sumas parciales de la serie a20 /2 +
es creciente, ha de ser convergente. Una primera consecuencia de esta convergencia es que lmn (a2n +b2n ) = 0,
lo que a su vez significa que lmn an = 0 y lmn bn = 0. Es decir, los coeficientes de Fourier tienden a 0
cuando n . Ademas, a partir de que EC 0 cuando N , se obtiene para la suma de la serie
1

a2 X 2
(an + b2n )
(f (t)) dt = 0 +
2

n=1

(33)

Esta relacion se denomina igualdad de Parseval, y para el caso de una funcion periodica con periodo T tiene
la forma
Z

2 T /2
a2 X 2
(an + b2n )
(34)
(f (t))2 dt = 0 +
T T /2
2
n=1
En muchas aplicaciones el primer miembro tiene la interpretacion de la energa o la potencia de la funcion
f , y la iguadad de Parseval expresa que esa energa tambien puede ser calculada a partir de las componentes
sinusoidales de la funcion. La igualdad es ademas muy u
til para calcular la suma de diferentes series numericas.
Ejemplo 5.4. Para la funcion f (t) = t en (, ] y prolongada con periodo 2, se haba obtenido el desarrollo
en serie de Fourier

X
(1)n1
f (t) ' 2
sen nt
n
n=1
por lo que la igualdad de Parseval lleva a
1

t2 dt =

X
2 2
1
=4
2
3
n
n=1

X
1
1
1
1
2
=
1
+
+
+
+

=
.
n2
22
32
42
6
n=1

Ejemplo 5.5. Para la funcion f (t) = |t| en (, ] y prolongada con periodo 2, se haba obtenido el desarrollo
en serie de Fourier

4X
1
f (t) =
cos (2k 1)t
2

(2k 1)2
k=1

por lo que la igualdad de Parseval lleva a

1

6.

t2 dt =

2 2
2
16 X
1
=
+ 2
3
2

(2k 1)4
k=1

X
k=1

1
4
=
.
4
(2k 1)
96

Series de Fourier complejas

En el desarrollo en serie de Fourier en (, )

f (t) '

a0 X
+
(an cos nt + bn sen nt)
2
n=1
23

(1)

podemos expresar las funciones cos nt y sen nt en terminos de las funciones complejas ejnt y ejnt mediante la
formula de Euler:

cos nt = 21 (ejnt + ejnt )

ejnt = cos nt + j sen nt

(35)
1
jnt
sen nt = 2j
(ejnt ejnt )
e
= cos nt j sen nt
lo que llevado a (1) proporciona
a0 X ejnt + ejnt
ejnt ejnt
+
an
+ bn
2
2
2j
n=1

f (t) '

(36)

X
a0 X an
bn jnt an
bn jnt
+
+
e +

e
=
ck ejkt .
2
2
2j
2
2j
n=1

k=

Notese que en el u
ltimo sumatorio k vara desde a . Para k = n > 0
Z
Z
bk
1
1
ak
1
ck =
+
= (ak jbk ) =
f (t)( cos kt j sen kt) dt =
f (t)ejkt dt
2
2j
2
2
2
Esta expresion para los coeficientes de Fourier ck puede incluir el caso k = 0,
Z
1
a0
f (t) dt,
=
c0 =
2
2
y tambien es valida cuando k = n < 0. En efecto, el coeficiente de ejnt es
Z
an
bn
1
1
ck = cn
=

= (an + jbn ) =
f (t)( cos nt + j sen nt) dt
2
2j
2
2
Z
Z
1
1
(n=k)
=
f (t)( cos kt j sen kt) dt =
f (t)ejkt dt.
2
2
Se ha obtenido as el desarrollo en serie compleja de Fourier:

f (t) '

ck e

1
ck =
2

jkt

k=

f (t)ejkt dt,

< k <

(37)

Tambien es posible obtener la expresion para los coeficientes directamente, como se hizo con los coeficientes
de la serie trigonometrica. Basta para ello observar que
(
Z
Z
Z
0
m 6= k
jmt jkt
j(mk)t
e e
dt =
e
dt =
[ cos (m k)t + j sen(m k)t] dt =
2 m = k

por lo que multiplicando el desarrollo (37) por ejkt e integrando se obtiene

f (t) '

cm ejmt

m=

1
2

f (t) ejkt dt =

1 X
cm
ejmt ejkt dt = ck
2 m=

pues la u
nica integral no nula en el sumatorio corresponde a m = k y vale 2.
Observese que, inversamente, es posible obtener el desarrollo en serie trigonometrica a partir del desarrollo
en serie compleja mediante la formula de Euler:

X
k=

ck ejkt =

ck ( cos kt + j sen kt) = c0 +

k=

X
k=1

24

(ck + ck ) cos kt + j(ck ck ) sen kt

As las formulas (35) permiten pasar de un desarrollo a otro. Como cn = (an jbn )/2 y cn = (an + jbn )/2 ,
se tiene cn = cn . Ademas, el posible caracter par/impar de la funcion f se traduce ahora en
f par

ck es real,

f impar

ck es imaginario puro.

(38)

Como en el caso del desarrollo en serie trigonometrica, cuando la funcion f tiene periodo T , un cambio de
escala con factor 2/T permite obtener el desarrollo
f (t) '

ck ejk T

ck =

k=

1
T

T /2

f (t)ejk T t dt,

< k <

(39)

T /2

Finalmente, la igualdad de Parseval para la serie compleja de Fourier es

1
T

T /2

(f (t))2 dt =

T /2

|ck |2

(40)

k=

donde |ck | designa el modulo del n

umero complejo ck .
Ejemplo 6.1. Para la funcion periodica con periodo 4
1

(
1
f (t) =
0

0 | t | 1
1 <| t | 2
t

f (t + 4) = f (t)
3
se tiene
ck =

1
4

f (t) ejk 2 t dt =

1
4

(k6=0)

ejk 2 t dt =

1
1
1

ejk 2 t =
sen k
2jk
k
2
1

y como cuando k = 2m es par, sen k = sen m = 0, mientras que cuando k = 2m 1 es impar, sen k =
2
2

sen(2m 1) = (1)m1 , resulta

2
1
c2m = 0;
c2m1 =
(1)m1 .
(2m 1)
El calculo anterior no es valido para k = 0, por lo que falta calcular el coeficiente c0 :
Z
Z
1 2
1 1
1
c0 =
f (t) dt =
dt = .
4 2
4 1
2
As el desarrollo en serie compleja de Fourier de f es

1
1 X
1
f (t) ' +
(1)m1 ej(2m1) 2 t .
2 m= 2m 1

En este caso la identidad de Parseval proporciona

Z

1
1
1 X
1
1
2 X
1
1 1
dt = = ( )2 + 2
=
+
4 1
2
2
m= (2m 1)2
4 2 m=1 (2m 1)2
de donde se obtiene (como en el ejemplo 5.1)

1
1
1
2
=
1
+
+
+

=
.
(2m 1)2
32
52
8
m=1
25

7.

Espectro de una funci

on

Mediante el desarrollo en serie de Fourier (16) o (39) de una funcion periodica de periodo T , se obtiene una
descomposicion de la funcion como suma de funciones sinusoidales o de exponenciales complejas de diferentes
2
frecuencias. Todas las frecuencias (en radianes) k = k
son multiplos enteros de la frecuencia fundamental
T
2
0 =
y se denominan arm
onicos. Tambien podemos decir que al desarrollar en serie de Fourier se analiza
T
la funcion para determinar las componentes, ak y bk o bien ck , de cada una de estas frecuencias, mientras que
al sumar la serie de Fourier se sintetiza la funcion a partir de sus armonicos. El conjunto de todos estos valores
(frecuencias y coeficientes) forman el espectro de la funcion f .
Para visualizar el espectro, en el caso de la serie de Fourier compleja (39), podemos representar por
separado los modulos o amplitudes |ck | y los argumentos o fases arg (ck ) para las diferentes frecuencias k ,
como se hace en la figura. Se obtienen as (las graficas de) los llamados espectro de amplitud y espectro de fase.
|ck |
k = k 0 = k

arg (ck )

2
T

Espectro de amplitud y espectro de fase

Notese que como (para una funcion f real, como se ha supuesto hasta ahora)
ck = ck

|ck | = |ck |,

arg (ck ) = arg (ck )

las graficas tienen las simetras indicadas: par para el espectro de amplitud e impar para el de fase.
A partir de la serie de Fourier trigonometrica es usual convertir cada sumando ak cos k t + bk sen k t a la
forma m
odulo-fase Ak cos (k t + k ) , pues con
ak = Ak cos k ,

bk = Ak sen k ;

An =

p
a2n + b2n ,

tg k =

bk
;
ak

se obtiene
Ak cos (k t + k )

= Ak ( cos n t cos n sen k t sen k )

= ak cos k t + bk sen k t.

Al representar los valores de Ak y k para k 0 se obteniene el llamado espectro unilateral.

Ak

Espectro unilateral

26

8.

Aplicaci
on a las ecuaciones en derivadas parciales

En esta seccion veremos como se pueden aplicar las tecnicas del analisis de Fourier para obtener soluciones
a las ecuaciones en derivadas parciales lineales homogeneas mas comunes en Fsica Matematica:

a2

2u
u
=
2
x
t
2u
2u
=
x2
2t

2u 2u
+ 2 =0
x2
y

(ecuacion del calor)

(ecuacion de ondas)
(ecuacion de Laplace).

La llamada tecnica de separacion de variables nos permitira calcular una clase muy general de soluciones
a estas ecuaciones; son soluciones que se expresan mediante una serie de Fourier. Al igual que ocurre con las
ecuaciones diferenciales ordinarias, para seleccionar una solucion concreta deberemos especificar unas condiciones adicionales. Estas condiciones (si se interpreta la variable t como el tiempo) pueden ser de dos tipos:
condiciones iniciales, tales como u(x, 0) = f (x), o condiciones de frontera, como por ejemplo u(, t) = g(t).
Estas condiciones juegan un papel decisivo pues, como comprobaremos, los coeficientes de Fourier de la solucion
estaran determinados precisamente por los coeficientes de Fourier de las funciones (como f (x)) que determinan
las condiciones de contorno.

8.1.

La ecuaci
on del calor

Supongamos que queremos resolver la ecuacion del flujo de calor en una barra finita, localizada en sus
extremos x = 0, x = L. Si la conductividad termica del material de la barra es > 0, la ecuacion a resolver
para la temperatura u(x, t) es
2u
u
2 =
, x ]0, L[, t ]0, +[.
(41)
x
t
Supondremos que los extremos de la barra se mantienen a una temperatura constante e igual a cero en todo
instante, esto es,
u(0, t) = 0 = u(L, t), t ]0, +[.
(42)
Finalmente, supondremos que la distribucion inicial de temperaturas a lo largo de la barra viene dada por una
funcion integrable f (x):
u(x, 0) = f (x), x ]0, L[.
(43)
La tecnica de separacion de variables consiste en buscar soluciones particulares a (41) en la forma separada
u(x, t) = X(x)T (t).

(44)

Para determinar una solucion concreta de esta forma, en realidad no necesitaremos todos los datos del problema,
nos bastara con los (41) y (42); es decir, la tenica de separacion de variables nos dice como hallar una solucion
al problema

u = u , x ]0, L[, t ]0, +[

x2
t

u(0, t) = 0 = u(L, t), t ]0, +[.

Para ello, observemos que de (41) y (44) se tiene
X 00 (x)T (t) = X(x)T 0 (t)
y de (42) y (44):
X(0) = 0 = X(L).
Buscamos soluciones en ]0, L[]0, +[ distintas de la trivial u(x, t) = 0, de modo que podemos suponer
X(x)T (t) 6= 0, (x, t) ]0, L[]0, +[. As, las funciones buscadas satisfacen
T 0 (t)
X 00 (x)
=
.
X(x)
T (t)
27

Como el miembro izquierdo depende exclusivamente de x y el derecho de t, debe existir una constante c R
tal que
X 00 (x)
T 0 (t)
=c=
.
(45)
X(x)
T (t)
Analicemos por separado los posibles valores de c.
(a) c < 0
Podemos poner entonces c = 2 con > 0 (por comodidad). De (45) es

X 00 (x) + 2 X(x) = 0
T 0 (t) + 2 T (t) = 0.
La primera es una ecuacion diferencial ordinaria de segundo orden, homogenea, con coeficientes constantes.
Su polinomio caracterstico es r2 + 2 = 0 con races r = i (imaginarias puras), luego su solucion general
viene dada por
X(x) = c1 cos (x) + c2 sin(x)
siendo c1 , c2 constantes reales arbitrarias.
La segunda es una ecuacion diferencial ordinaria de primer orden que se resuelve de manera inmediata
separando variables
2
T (t) = c3 e t .
(46)
As, tenemos de momento que
2

X(x)T (t) = (c1 cos (x) + c2 sin(x)) c3 e t .

Para determinar las constantes c1 , c2 , c3 utilizamos las condiciones de frontera; de u(L, t) = 0 (que, como
sabemos, implica X(L) = 0) se deduce
c2 sin(L) = 0
de donde o bien c2 = 0, que conduce a X(x) = 0 y por tanto no es aceptable, o bien sin(L) = 0, lo
cual implica L = n con n N (pues , L > 0). As, llegamos a que la constante > 0 no puede tomar
cualquier vaor, sino que debe ser
n
=
, n N.
L
En definitiva, hemos llegado a soluciones (una para cada n N) de la forma
n
n 2
X(x)T (t) = c2 c3 sin
x e( L ) t
L
o bien, llamando An = c2 c3 R, a soluciones un (x, t) como
n
n 2
un (x, t) = X(x)T (t) = An sin
x e( L ) t .
L
(b) c > 0
Ponemos, de nuevo por comodidad, c = 2 con > 0. En este caso, un analisis semejante nos lleva a las
ecuaciones

X 00 (x) 2 X(x) = 0
T 0 (t) 2 T (t) = 0.
Esta vez las races del polinomio caracterstico de la primera ecuacion son reales, r = , luego la solucion
general es combinacion de exponenciales:
X(x) = c1 ex + c2 ex .
La solucion de la segunda ecuacion tambien es exponencial, pero esta vez con exponente positivo:
2

T (t) = c3 e t .
28

Al imponer ahora las condiciones iniciales resulta: de X(0) = 0

c1 + c2 = 0,
x

x
luego X(x) = c1 e e
, y de X(L) = 0:

c1 eL eL = 0.
Aqu de nuevo hay dos posibilidades: c1 = 0 onduce a X(x) = 0, que no es aceptable (buscamos soluciones
no triviales), y eL eL = 0 nos lleva a L = L por ser la exponencial inyectiva. Tendramos entonces
2L = 0, que no puede darse pues , L > 0.
Por tanto, en el caso c > 0 no existen soluciones no triviales de la forma u(x, t) = X(x)T (t).
(c) c = 0
En este caso se tendran las ecuaciones

X 00 (x) = 0
T 0 (t) = 0,

con soluciones triviales

X(x) = c1 x + c2
T (t) = c .
3

Al imponer la condicion inicial X(0) = 0 resulta c2 = 0 y X(x) = c1 x. De X(L) = 0 es c1 L = 0 y como

L > 0, debe ser c1 = 0, lo que nos lleva a la solucion trivial X(x) = 0 que no es aceptable.
As, en este caso tampoco existen soluciones no triviales de la forma u(x, t) = X(x)T (t).
Llegados a este punto, es donde intervienen de manera crucial la linealidad de la ecuacion del calor y el hecho
de que las condiciones de frontera son homogeneas (es decir, los segundos miembros de u(0, t) = 0, u(L, t) = 0
son cero). Gracias a estas dos propiedades, la superposicion arbitraria de las soluciones1 un (x, t) (una para cada
valor de n N) obtenidas en (a), es tambien solucion, es decir, podemos considerar una solucion del tipo

n
X
X
n 2
u(x, t) =
un (x, t) =
An sin
x e( L ) t .
(47)
L
n=1
n=1
Observaci
on 1 Insistimos en el punto de que para escribir una soluci
on de esta forma, hemos necesitado que
las condiciones de frontera sean homogeneas. Si fuese u(0, t) = 1, por ejemplo, y u1 (x, t), u2 (x, t) dos soluciones
con esa condic
on, sera (u1 + u2 )(0, t) = 1 + 1 6= 1 y la superposici
on de soluciones ya no sera soluci
on con

la misma condici
on de frontera. Esta
es, de hecho, una limitaci
on importante del metodo de separaci
on de
variables aunque, en algunos casos, se puede superar.
En la solucion (47) lo u
nico que falta por determinar es el valor de los coeficientes An . Aqu es donde entra en
accion el analisis de Fourier y la condicion representada por la funcion f (x) = u(x, 0).
Imponiendo esta condicion inicial, resulta

n
X
u(x, 0) =
An sin
x = f (x),
L
n=1
que es el desarrollo de Fourier en senos de f en el intervalo ]0, L[ (vease la ecuacion (26)). Por la unicidad de
los coeficientes de la serie de Fourier en senos, es
Z
n
2 L
f (x) sin
x dx n N.
An = bn =
L 0
L
Con esto, la solucion queda completamente determinada en funcion de los datos del problema:
Z
!

n
X
n 2
2 L
u(x, t) =
f (x) sin
x dx e( L ) t .
L 0
L
n=1

(48)

1 Este hecho no es evidente en absoluto. En su momento (a mediados del S. XVII), su enunciado provoc
o una agria disputa entre
Euler, DAlembert y Daniel Bernoulli. Precisamente, la importancia de los m
etodos del An
alisis de Fourier radica en que permiten
justificar rigurosamente este tipo de construcciones.

29

8.2.

La ecuaci
on de ondas

Consideremos una cuerda elastica de un material homogeneo, de masa despreciable, flexible y que esta sujeta
por sus extremos en x = 0 y x = L. Si se tensa la cuerda pulsandola y se la deja vibrar, en el supuesto de que
esas vibraciones sean de peque
na amplitud la ecuacion que describe el movimiento de la cuerda es
a2

2u
2u
=
,
x2
2t

(x, t) ]0, L[]0, +[,

(49)

donde a > 0 es una constante, u(x, t) es la posicion del punto x sobre la cuerda en reposo en el instante t > 0
y se tienen las condiciones obvias de frontera
u(0, t) = 0 = u(L, t),
junto con dos condiciones iniciales: la configuracion de la cuerda en el instante t = 0
u(x, 0) = f (x),

x ]0, L[,

y la velocidad inicial con que se pulsa la cuerda

u
(x, 0) = g(x),
t

x ]0, L[.

Supondremos que las funciones f (x), g(x) son integrables.

Observaci
on 2 Fijemonos en que hemos introducido una condici
on inicial m
as que en el caso de la ecuaci
on
del calor. En el transcurso del an
alisis de la ecuaci
on de ondas, se ver
a por que es necesario hacerlo. Esto
tiene que ver con la necesidad de que el problema este bien planteado. Sin entrar en detalles, podemos dar
la siguiente regla general: para que un problema de EDP este bien planteado, se requieren tantas condiciones
como derivadas aparecen en la EDP. En la ecuaci
on de ondas (49) hay cuatro derivadas, luego se necesitan
cuatro condiciones (que pueden ser iniciales, de frontera o mixtas, pero cuatro).
La tecnica de separacion de variables se aplica tambien a este problema (observese que las condiciones de
frontera son homogeneas). Buscando soluciones no triviales del problema

2
2

a2 u = u , x ]0, L[, t ]0, +[

x2
t2
(50)

u(0, t) = 0 = u(L, t), t ]0, +[.

en la forma separada
u(x, t) = X(x)T (t)
llegamos a

X 00 (x)
T 0 (t)
= 2
.
X(x)
a T (t)

Al igual que en el caso de la ecuacion del calor, debe existir una constante c R tal que
T 0 (t)
X 00 (x)
=c= 2
.
X(x)
a T (t)
Nuevamente, existen tres posibilidades: c > 0, c = 0, c < 0. Como se hizo en el apartado anterior (exactamente
con los mismos calculos) se descartan las dos opciones c 0. De hecho, lo u
nico que cambia respecto al analisis
realizado con la ecuacion del calor es el que aparece una ecuacion de segundo orden para T (t) (en lugar de una
de primer orden) cuando c = 2 < 0:
T 00 (t) + a2 2 T (t) = 0.
El polinomio caracterstico de esta ecuacion es r2 + a2 2 = 0, con races complejas puras r = ai, de modo
que la solucion general es ahora
T (t) = c3 cos (at) + c4 sin(at)
30

en lugar de la (46) que apareca en la ecuacion del calor.

Por el contrario, el analisis para determinar X(x) es identico al realizado en la ecuacion del calor, por lo que se
tiene una solucion para cada n N junto con la restriccion = n/L:
n
X(t) = c2 sin
x .
L
De esta forma, una solucion a (50) puede escribirse, para cada n N, en la forma
n
na
na
un (x, t) = X(x)T (t) = c2 sin
x c3 cos
t + c4 sin
t ,
L
L
L
o bien, llamando An = c2 c3 , Bn = c2 c4 :
un (x, t) = sin

n
na
na
x An cos
t + Bn sin
t .
L
L
L

Como antes, al ser la ecuacion lineal y las condiciones de frontera homogeneas, se puede dar una solucion como
superposicion de todas las soluciones un (x, t) anteriores:
u(x, t) =

sin

n=1

n
na
na
x An cos
t + Bn sin
t .
L
L
L

(51)

Lo u
nico que falta por determinar en esta solucion son los coeficientes An , Bn . Observemos que para calcularlos
necesitamos (como ya habamos anunciado en la observacion 2) dos condiciones adicionales. Impongamos, para
determinar los coeficientes An , la condicion inicial u(x, 0) = f (x). Resulta:
u(x, 0) =

sin

n=1

n
x An = f (x).
L

Como ya sabemos, esto es el desarrollo en serie de Fourier de senos de la funcion f (x) en el intervalo ]0, L[. Por
la unicidad de este desarrollo:
Z
n
2 L
An =
f (x) sin
x dx.
L 0
L
a para calcular los coeficientes Bn . Es un ejercicio de
La condicion inicial adicional u
t (x, 0) = g(x) nos servir
c
alculo probar que la serie (51) converge uniformemente, luego podemos derivarla termino a termino,
obteniendo

n
na
na
X
u
na
na
(x, t) =
sin
x An
sin
t + Bn
cos
t
t
L
L
L
L
L
n=1
de donde

n
X
u
na
(x, 0) =
sin
x Bn
= g(x).
t
L
L
n=1

De nuevo, esto es la expresion del desarrollo en serie de Fourier de senos de g(x) en el intervalo ]0, L[. Por
unicidad:
Z
n
2 L
na
= bn =
g(x) sin
x dx,
Bn
L
L 0
L
luego
Bn =

2
na

g(x) sin
0

n
x dx.
L

De esta forma, la solucion al problema de la cuerda vibrante queda completamente determinada en funcion de
los datos del problema:
u(x, t) =

X
n=1

sin

na
na
n
x An cos
t + Bn sin
t ,
L
L
L
31

(52)

con
An =

2
L

y
2
Bn =
na

8.3.

f (x) sin
0

n
x dx
L

g(x) sin
0

n
x dx.
L

(53)

(54)

La ecuaci
on de Laplace

En su versi
on bidimensional, la ecuacion de Laplace es la ecuacion para la funcion incognita u : R2 R
dada por
2u 2u
u =
+ 2 = 0.
x2
y
Aparece en la descripcion de los llamados procesos estacionarios en Fsica, que son aquellos que no dependen
del tiempo (de ah su nombre): transcurren de la misma forma en cualquier instante de su duracion. Por ejemplo,
cuando se alcanza el estado estacionario en una placa caliente que no tiene fuentes o sumideros de calor, la
distribucion de temperaturas u se caracteriza porque no depende del tiempo y verifica la ecuacion del calor con
u
on del Laplace.
t = 0, esto es, u = 0, que es la ecuaci
Dado que la ecuacion de Laplace describe procesos que transcurren independientemente del tiempo, no tiene
sentido plantear condiciones iniciales. En este caso, cobran especial importancia las condiciones de frontera. Por
simplicidad, consideraremos aqu la ecuacion de Laplace en un rectangulo (x, y) [0, a] [0, b]. Para tratar con
la ecuacion en el caso de otras geometras (por ejemplo, en un disco) es conveniente usar otro tipo de tecnicas.
Planteamos entonces el problema de encontrar las soluciones u(x, t) a
u =

2u 2u
+ 2 =0
x2
y

(x, y) ]0, a[]0, b[

(55)

sujetas a las condiciones de frontera (cuatro, seg

un la regla dada en la observacion 2)
u(x, 0) = 0,

u(x, b) = f (x),

x ]0, a[

(56)

u
u
(0, y) = 0 =
(a, y), y ]0, b[.
(57)
x
x
A este tipo de problema, se le puede aplicar la tecnica de separacion de variables. En principio, como ya se ha
visto en los apartados anteriores, solo necesitamos las condiciones de frontera homogeneas, as que restringiremos
nuestra atencion al problema
2
u 2u

+ 2 = 0, (x, y) ]0, a[]0, b[

y
x2
u
u
(58)
(0, y) = 0 =
(a, y), y ]0, b[

x
x

u(x, 0) = 0, x ]0, a[.

Aplicando separacion de variables, buscaremos soluciones del tipo X(x)Y (y), lo que nos lleva a la ecuacion
X 00 (x)
Y 00 (y)
=
X(x)
Y (y)
que se satisface si existe una constante c R tal que
Y 00 (y)
X 00 (x)
=c=
.
X(x)
Y (y)
Como ya es habitual, estudiamos los tres tipos posibles de valores para c.

32

(a) c < 0, c = 2 , con > 0.

Como ya sabemos de apartados anteriores, en este caso se obtiene
X 00 (x) + 2 X(x) = 0
con soluciones
X(x) = c1 cos (x) + c2 cos (x).
Para Y (y) resulta la ecuacion

Y 00 (y) 2 Y (y) = 0,

cuyo polinomio caracterstico tiene las races reales r = , de modo que

Y (y) = c3 ey + c4 ey .
Ahora, imponemos las condiciones frontera. La

u
x (0, y)

(59)

= 0 implica X 0 (0) = 0 = c2 , luego nos quedara

X(x) = c1 cos (x).

La condicion

u
x (a, y)

= 0 implica entonces X 0 (x) = 0, o sea:

c1 sin(a) = 0.

Como > 0 esto nos lleva a c1 sin(a) = 0, que da dos posibilidades: c1 = 0, que conduce a la solucion
trivial X(x) = 0 y no es aceptable, y sin(a) = 0. De esta u
ltima, se tiene
=

n
,
a

n N,

y la solucion, para cada n N,

n
x .
a
Para determinar Y (y) contamos con la condicion u(x, 0) = 0, que se traduce en Y (0) = 0, o sea (sustituyendo
(59)):
c3 + c4 = 0.
X(x) = c1 cos

De aqu:

n
n
n
Y (y) = c3 e a y e a y = 2c3 sinh
y , n N.
a
Las soluciones separadas X(x)Y (y) resultan ser en este caso de la forma (una para cada n N)
n
n
un (x, y) = X(x)Y (y) = 2c1 c3 cos
x sinh
y
a
a
o bien, llamando An = 2c1 c3 :
un (x, y) = An cos

n
n
x sinh
y .
a
a

(b) c = 0
En este caso, las ecuaciones para X(x), Y (y) son triviales
X 00 (x) = 0 = Y 00 (y),
con soluciones
X(x) = c1 x + c2 ,

Y (y) = c3 x + c4 .

0
La aplicacion de las condiciones de frontera en este caso da lo siguiente. De u
x (0, y) = 0 es X (0) = c1 = 0,
X
u
luego X(x) = c2 . De x (a, y) = 0 no resulta nada nuevo, pues x es identicamente nula.
Sin embargo, en este caso la condicion adicional u(x, 0) = 0, a diferencia de lo que ocurra en el caso de la
ecuacion del calor y de ondas, no implica Y (y) = 0, sino solo Y (0) = 0, que ahora equivale a c4 = 0, de
manera que una posibilidad es
Y (y) = c3 y.

33

Por tanto, en el caso c = 0 aparece una nueva solucion:

u(x, y) = X(x)Y (y) = c2 c3 y.
Por conveniencia, llamemos A0 = c2 c3 ; nos queda as la solucion
u(x, y) = A0 y.
(c) c > 0, c = 2 con > 0.
En este caso resulta:

X 00 (x) 2 X(x) = 0
Y 00 (x) + 2 Y (y) = 0

con soluciones

X(x) = c1 ex + c2 ex
Y (x) = c cos (y) + c sin(y).
3
4

o, equivalentemente, X 0 (0) = 0, resulta (c1 c2 ) = 0 y como > 0, necesariamente

Al imponer u
x (0, y) = 0
x

x
0
. Ahora, de u
c1 =
c
.
As
,
X(x)
=
c
e

e
2
1
x (a, y) = 0 es X (a) = 0, que se traduce en que
a

c1 e ea . La posibilidad c1 = 0 nos lleva a la solucion trivial X(x) = 0, por lo que la descartamos.

Como > 0, nos queda ea = ea , que por la inyectividad de la exponencial equivale a a = a, o bien
2a = 0. Esto implica un absurdo, pues , a > 0. Por tanto, en este caso no existen soluciones separadas
de la forma X(x)Y (y).
Como en los casos de la ecuacion del calor y la de ondas, la linealidad de la ecuacion y el hecho de que las
condiciones de frontera sean homogeneas, nos dice que podemos sumar todas las soluciones que hemos obtenido
para obtener la solucion

n
n
X
u(x, y) = A0 y +
(60)
An cos
x sinh
y .
a
a
n=1
Lo u
nico que falta por determinar pon los coeficientes A0 , An . Para esto, recurrimos a la condicion u(x, b) = f (x).
Imponiendola,

n
n
X
u(x, b) = A0 b +
An cos
x sinh
b = f (x).
a
a
n=1
Pero esto es muy parecido a la serie de Fourier en cosenos de f (x) en ]0, a] (ecuacion (24)). De hecho, por
unicidad:
Z
a0
1 a
f (x)dx =
= A0 b
a 0
2
y
Z
n
n
2 a
f (x) cos
x dx = an = An sinh
b , n N,
a 0
a
a
de donde

A0 =

1
ab

Ra

f (x)dx

Ra
2
An =
x dx,
f (x) cos n
a
0
a sinh( n
b
a )
0

n N.

(61)

Por tanto, la solucion a la ecuacion de Laplace en un rectanglo queda completamente determinada en funcion
de los datos del problema.

34

9.

De la serie de Fourier a la transformaci

on de Fourier

En numerosas aplicaciones intervienen funciones que, sin ser periodicas, no estan exentas de componentes
periodicos. Por ejemplo, el consumo de energa durante un largo periodo de tiempo no sera una funcion
periodica, pero contiene oscilaciones con periodo de un da (mayor consumo durante el da que durante la
noche), con periodo una semana (mayor consumo en das laborables que durante el fin de semana) y tambien
anuales (en general mayor consumo en invierno que en verano). Ademas apareceran alteraciones debidas a
diferentes circunstancias de caracter aleatorio o impredecible. La transformacion de Fourier es una herramienta
fundamental para analizar este tipo de datos y extraer informacion periodica oculta en ellos.
Comenzamos viendo que la transformacion de Fourier puede obtenerse como caso lmite de la serie (compleja)
de Fourier para funciones periodicas cuando el periodo T . El tratamiento del tema sera muy formal, es
decir sin entrar en cuestiones teoricas que quedan fuera del alcance de estas notas.
Sea f una funcion no periodica definida para t R. Podemos aproximarla mediante una funcion periodica
f, con periodo T , que coincide con ella para T /2 < t < T /2:
f(t) = f (t),

f(t + T ) = f(t).

T /2 < t < T /2,

Para esta se tendra un desarrollo en serie (compleja) de Fourier

f(t) =

ck ejk0 t ,

ck =

k=

1
T

T /2

f(t)ejk0 t dt,

T /2

donde 0 = 2/T . Introduciendo una funcion F () que para los valores discretos k = k0 vale F (k ) =
F (k0 ) = T ck , podemos reescribir estas ecuaciones en la forma
Z

T /2

F (k ) = T ck =

f(t)ejk0 t dt,

T /2

f(t) =

X
1 X
2
1 X
F (k0 ) jk0 t
e
=
F (k0 ) ejk0 t
=
F (k0 ) ejk0 t 0 .
T
2
T
2

k=

k=

k=

F (k ) = T ck

f(t)

f (t)
T /2

T /2

20 30
F (k ) = T ck

f (t)
T /2

f(t)
T /2

70

90

La figura ilustra esta aproximacion para el caso de una funcion f par. Las lneas del espectro de la funcion
f(t) estan separadas la cantidad 0 = 2/T , por lo que se van juntando al crecer T . Al multiplicar por T los
valores del espectro, ck , se obtienen los valores de F () evaluada en puntos k = k0 , que se van aproximando
al crecer T .
Ahora para T , admitiendo que entonces f(t) f (t), se obtiene
Z

T /2

F (k ) =

Z
f(t)ejk0 t dt

T /2

F () =

35

f (t)ejt dt,


1 X
f(t) =
F (k0 ) ejk0 t
2

f (t) =

k=

1
2

F ()ejt d,

pues la serie puede interpretarse como una suma de Riemann de la u

ltima integral al evaluar la funcion F () ejt
de la variable continua en los puntos k = k0 , los cuales estan espaciados la cantidad = k+1 k =
0 = 2/T que tiende a 0 cuando T . Se llega as a la transformacion de Fourier que definimos en la
seccion siguiente.
Observemos que, puesto que F () es en general una funcion compleja, no perdemos nada aceptando la
posibilidad de que f (t) tambien lo sea. Con ello se gana en simetra al considerar que tanto f como F son
funciones complejas de variable real.

10.

La Transformaci
on de Fourier

Sea f una funcion compleja de variable real, mas precisamente, una funcion definida para t R con valores
f (t) C. De acuerdo con la aproximacion de la seccion anterior, se define su transformada de Fourier
como la funcion compleja de la variable real
Z

f (t)ejt dt = F{f (t)}

F () =

(62)

y a partir de F () se recupera f (t) mediante la formula de inversi

on de la transformacion:
f (t) =

1
2

F ()ejt d = F 1 {F ()}

(63)

Notese la similitud entre las dos formulas: solo se diferencian en el signo de t en la exponencial del
integrando y en la presencia del factor 1/2 en la formula de inversion. Ello se traducira en que cada propiedad
de la transformacion tendra una analoga invirtiendo los papeles del tiempo y la frecuencia.
Dependiendo del contexto, utilizaremos alguna de las notaciones
F () = F{f (t)},

f (t) = F 1 {F ()},

f (t) F (),

diciendo que F () es la transformada de Fourier de f (t), que f (t) es la transformada inversa o antitransformada
de F (), o que f (t) y F () son un par funcion - transformada, respectivamente.
Entre las notaciones alternativas empleadas en la literatura y en diferentes aplicaciones, la mas frecuente es
Z
Z
X(f ) =
x(t) ej2f t dt = F{x(t)},
x(t) =
X(f ) ej2f t df = F 1 {X(f )}.

obtenida a partir de (62) y (63) al hacer = 2f , siendo f la frecuencia. Aqu no la utizaremos.

Hay varios marcos teoricos en los que se puede demostrar rigurosamente que la transformacion de Fourier
esta bien definida y que la formula de inversion es valida. El mas interesante para las aplicaciones (por su
interpretacion en terminos de energa) es el de las (clases de) funciones de cuadrado integrable (en el sentido
de Lebesgue):
Z
L2 (R) = {f |

|f (t)|2 dt < }.

De momento supondremos que estamos en esta situacion, es decir, f (t) (y entonces tambien F ()) son funciones
de cuadrado integrable. En la seccion 13 extenderemos este marco para incluir otras funciones usuales.
Ejemplo 10.1. Consideremos el impulso rectangular representado en la figura
(
1 |t| < a
pa (t) =
0 |t| > a
Su transformada de Fourier es
Z
Z
jt
pa (t) e
dt =

ejt dt =

1 jt a
1
2
e
(eja eja ) = sen a.
=
j
j

a
36

sen x
, el resultado se puede expresar en la forma
x

Introduciendo la funcion sinc (x) =

pa (t)

2
a
sen a = 2a sinc ( )

(64)

Impulso rectangular y su transformada

Observese que la transformada es una funcion real, con una discontinuidad evitable en = 0 y que se anula
cuando a = k, k = 1, 2, . . . . La figura muestra el impulso rectangular y su transformada para a = 5.
Ejemplo 10.2. Sea ahora la funcion
(
eat
f (t) = eat u(t) =
0

eat u(t)
t>0
t<0

(a > 0)

Su transformada de Fourier es
Z
Z
jt
f (t) e
dt =

at jt

dt =

e(a+j)t dt =

1 (a+j)t
1
e
=
a + j
a + j
0

pues para a > 0 se tiene |e(a+j)t | = |eat ejt | = eat 0 cuando t .

Ejemplo 10.3. Analogamente, para la funcion
(
0
at
f (t) = e u(t) =
eat

eat u(t)
t>0
t<0

(a > 0)

la transformada de Fourier es
Z
Z
f (t) ejt dt =

Z
eat ejt dt =

e(aj)t dt =

0
1
1

e(aj)t
=
a j
a j

Ejemplo 10.4. Consideremos una funcion gaussiana f (t) = beat . Calculemos su transformada de Fourier,

37

aplicando directamente la definicion y completando cuadrados:

Z +
2
F () =
beat ejt dt

Z +

= b

Z +

= b

e(at

+jt)

e(at

+jt)
4a

Z
= b

e 4a dt

2
2
at2 +jt

4a
4a

2
2

at+ 2j

a
4a

Z +

= b

dt

dt

dt

Ahora, hacemos el cambio de variable lineal

at +

F () =

2 a

= y:

be 4a

=
=

2 dt
ey
a

Z +
2
b
e
ey dt
a

r
2
b
e 4a .
a
2

4a

En definitiva: la transformada de una gaussiana es otra gaussiana. Si

2

entonces

f (t) = beat ,

(65)

r
2
F () = b
e 4a .
a

(66)

Esta curiosa propiedad permite calcular facilmente las antitransformadas de gaussianas. Por ejemplo, Cual es
2
la antitransformada de F () = ekc (k, c R)?. En primer lugar, debe ser
r

b
= 1,
a
de donde b quedara determinado una vez que conozcamos a:
r
a
b=
.

Para calcular a, usamos que debe ser kc = 1/4a, luego

a=

1
.
4kc

Con todo esto, resulta que si

F () = ekc

(67)

entonces
f (t) = F 1 {F ()} =

38

t2
1
e 4kc .
4kc

(68)

11.

Propiedades de la transformaci
on de Fourier

11.1.

Propiedades b
asicas

El siguiente cuadro contiene las principales propiedades de la transformacion de Fourier.

Cuadro 1: Propiedades de las transformadas de Fourier
R
R
1
F ()ejt dt
F () = f (t)ejt dt f (t) = 2

Propiedad
Linealidad

af (t) + bg(t)

aF () + bG()

f (n) (t)

(j)n F ()

(jt)n f (t)

dn
d n F ()

Traslacion en tiempo

f (t t0 )

ejt0 F ()

Traslacion en frecuencia

f (t) ej0 t

Derivacion en tiempo
Derivacion en frecuencia

Modulacion

F ( 0 )
1
2

f (t) cos 0 t

(F ( 0 ) + F ( + 0 ))

1
|a| F a

Cambio de escala

f (at)

Simetra

f (t)

F ()

Conjugacion

f (t)

F ()

Dualidad

F (t)

2f ()

La demostracion de todas ellas es elemental, por lo que solo demostraremos solo algunas.
Derivacion en tiempo: A partir de la formula de inversion,
Z
Z
1
d jt
1
0
f (t) =
F () e d =
F ()jejt d = F 1 {jF ()}.
2
dt
2
Traslacion en frecuencia: A partir de la definicion de F{f (t)},
Z
Z
F{f (t)ej0 t } =
f (t) ej0 t ejt dt =
f (t) ej(0 )t dt = F ( 0 ).

Modulacion: A partir de la propiedad de traslacion en frecuencia,

F{f (t) cos 0 t} =

1
1
(F{f (t)ej0 t } + F{f (t)ej0 t }) = (F ( 0 ) + F ( + 0 )).
2
2

La figura ilustra esta propiedad.

1
2 F (

F ()
@

@
@

Dualidad:

HH

F{F (t)} =

F (t) ejt dt = 2

HH

0 ) + 12 F ( + 0 )
HH
HH

1 Z
F (t) ejt() dt = 2f ().
2

habiendo usado la formula de inversion (63) con los papeles de t y intercambiados.

39

Notese que la propiedad de dualidad tambien es consecuencia de la similitud entre las formulas de transformacion e inversi
on. La figura ilustra esta propiedad.
F ()

f (t)
((
((((
(
(
(
((

F (t)

PP
2f ()
PP
PP
PP
PP
P

Ejemplo 11.1. Para la funcion

f (t) = ea|t|

(
eat
=
eat

ea|t|
t>0
t<0

(a > 0)

que puede verse como la suma ea|t| = eat u(t) + eat u(t) de las funciones de los ejemplos 9.2 y 9.3, se obtiene
por la propiedad de linealidad:
F{ea|t| } = F{eat u(t)} + F{eat u(t)} =

1
2a
1
+
= 2
a + j a j
a + 2

Observese ademas que F{eat u(t)} puede deducirse de F{eat u(t)} mediante la propiedad f (t) F ().
Ejemplo 11.2. Consideremos el impulso rectangular
p2 (t 3)

0
f (t) = p2 (t 3) = 1

t<1
1<t<5
t>5

1
Utilizando la propiedad de traslacion a partir de p2 (t)
F{p2 (t 3)} = ej3 F{p2 (t)} = ej3

2
sen 2 se obtiene

2
1 j3 j2
1 j
sen 2 =
e
(e
ej2 ) =
(e
ej5 ).

j
j

y tambien
F{p2 (t + 2)} = ej2 F{p2 (t)} = ej2
Ejemplo 11.3. Consideremos el impulso triangular

40

2
sen 2.

1 + t/c
f (t) = qc (t) =

1 t/c

t < c
c < t < 0
0<t<c
t>c

f (t)
1
H

HH

HH

c
c

se puede calcular su transformada directamente, pero tambien se puede obtener utilizando las tres primeras
propiedades. Empezamos derivando la funcion para obtener

1/c
f 0 (t) = qc0 (t) =

1/c

f 0 (t)
t < c
c < t < 0
0<t<c
t>c

1/c
c

c
1/c

que podemos reconocer como

1
1
pc/2 (t + c/2) pc/2 (t c/2).
c
c
Por la propiedad de derivacion F{f 0 (t)} = jF (), y utilizando las propiedades de linealidad y traslacion para
transformar el segundo miembro se obtiene:
f 0 (t) =

1
c
1
c
1
c
1
c
jF () = F{ pc/2 (t + ) pc/2 (t )} = F{pc/2 (t + )} F{pc/2 (t )}
c
2
c
2
c
2
c
2

1 jc/2 2
c 1 jc/2 2
c
4j
2 c
= e
sen
e
sen
=
sen
,
c

2
c

2
c
2
y por lo tanto
F () = F{qc (t)} =

4
2 c
2 c
sen
=
c
sinc
.
2 c
2
2

Ejemplo 11.4. Consideremos la funcion

(
f (t) = p2 (t) cos 3t =
Como p2 (t)

cos 3t |t| < 2

0
|t| > 2

sen 2, por la propiedad de modulacion se obtiene

1
1
sen 2( 3) +
sen 2( + 3)
3
+ 3
1

1
2
=
+
sen 2 = 2
sen 2.
3 + 3
9 2

F{p2 (t) cos 3t} =

La funcion p2 (t) cos 3t y su transformada

41

(69)

Ejemplo 11.5. Consideremos la funcion

p (t)(1 + cos t)
(
1 + cos t
f (t) = p (t)(1 + cos t) =
0

|t| <
|t| >

Por la propiedad de linealidad,

F{f (t)} = F{p (t)(1 + cos t)} = F{p (t)} + F{p (t) cos t}.
Ya conocemos

2
sen

y para el otro sumando, por la propiedad de modulacion,

F{p (t)} =

1 2
2
sen( 1) +
sen( + 1)
2 1
+1
1
1
2
=
+
sen = 2
sen
1 +1
1

F{p (t) cos t} =

pues sen( 1) = sen . Por lo tanto,

F () = F{p (t)(1 + cos t)} =

2
2
2
sen =
sen =
sinc .
2 1
(1 2 )
(1 2 )

1
Ejemplo 11.6. Para determinar la transformada de Fourier de la funcion f (t) = sen t recurrimos a la
t
propiedad de dualidad:
p1 (t)

2
sen

pues pa es una funcion par. As

11.2.

2
sen t
t

2p1 () = 2p1 ()

1
F{ sen t} = p1 ()
t

Transformada de funciones reales

Hasta ahora f era una funcion compleja con transformada de Fourier tambien compleja que podemos escribir
en la forma:
F () = R() + jI()
(70)
siendo R() la parte real de F () e I() su parte imaginaria. En el caso particular e importante de que f sea
una funcion real, es decir que f (t) sea real para todo t, utilizando la propiedad de conjugacion se obtiene
f (t) real

f (t) = f (t)

F () = F ()
(
R() = R()
R() + jI() = R() jI()
I() = I()

Con otras palabras,

Cuando f es una funci
on real, la parte real de su transformada de Fourier es una funci
on
par, mientras que la parte imaginaria es una funci
on impar.

42

Compruebese que as ocurre en todos los ejemplos anteriores, pues siempre se trataba de funciones reales.
As, en el ejemplo 10.2 se obtena (para a > 0) el par
f (t) = eat u(t) F () =
por lo que
R() =

1
a
= 2
j 2
j + a
+ a2
+ a2

a
2 + a2

I() =

2 + a2

Consideremos ahora los casos en que, ademas de ser real, f es una funcion par o impar. Cuando f es par
(
R() = R()
f (t) = par f (t) = f (t) F () = F ()
I() = I()
pero si f es real, se ha de tener ademas I() = I(), es decir, I() ha de ser a la vez una funcion par e
impar. Esto solo es posible si I() = 0, y entonces F () = R():
Cuando f es una funci
on real y par su transformada de Fourier es una funci
on real y
par y recprocamente.
Analogamemnte, cuando f es impar,
(
f (t) = impar

f (t) = f (t)

F () = F ()

R() = R()
I() = I()

y si f es real, se ha de tener ademas R() = R(). Ahora ha de ser R() = 0 y F () = jI():

Cuando f es una funci
on real e impar su transformada de Fourier es una funci
on
imaginaria pura e impar y recprocamente.
Como ya habamos visto en la seccion 4.3, cualquier funcion tiene una u
nica descomposicion como suma de
una funcion par y otra impar. De acuerdo con lo anterior la parte par ha de tener una transformada real (y
par), mientras que la parte impar ha de tener una transformada imaginaria pura (e impar), por lo que se tiene
f (t)

fp (t)

F
F ()

fi (t)

R()

+ jI()

(71)

es decir, la parte real de F () es la transformada de la parte par de f y la parte imaginaria de F () multiplicada

por j es la transformada de la parte impar de f .
Ejemplo 11.7. La funcion f (t) = eat u(t), a > 0, tiene transformada de Fourier
F () =

1
a

= 2
+j 2
a + j
+ a2
+ a2

En cuanto a su descomposicion par + impar f (t) = fp (t) + fi (t), se tiene

at

eat u(t) + eat u(t)

1
1
e
t>0
fp (t) =
=
= ea|t|
eat
t<0
2
2
2
fi (t) =

1
eat u(t) eat u(t)
=
2
2

43

eat
eat

t>0
t<0

1 a|t|
e
sgn (t)
2

fp (t) =

eat u(t)

fi (t) =

1 a|t|
2e

1 a|t|
2e

como se ilustra en la figura, siendo sgn la llamada funci

on signo:
(
1
sgn (t) = u(t) u(t) =
1

t>0
t<0

sgn (t)

(72)

De acuerdo con (71), para las partes par e impar de f se tiene

fp (t) =
fi (t) =

11.3.

1 a|t|
e
2

a
2 + a2

1 a|t|
e
sgn (t)
2

(73)

2 + a2

(74)

Transformadas seno y coseno

La descomposicion f (t) = fp (t) + fi (t) y el comportamiento de las funciones pares e impares al integrar en
intervalos simetricos respecto del origen permiten expresar la transformada de Fourier en la forma
Z
F{f (t)} =
(fp (t) + fi (t))ejt dt

Z
=
(fp (t) + fi (t))( cos t j sen t) dt

(75)
Z
Z
=
fp (t) cos t dt j
fi (t) sen t dt

Z
Z
=2
fp (t) cos t dt j2
fi (t) sen t dt
0

pues

fp (t) sen t dt = 0 y

fi (t) cos t dt = 0, al ser los integrandos funciones impares. Ello lleva a

definir las transformadas coseno y seno de una funcion real f mediante

Z
Fc {f (t)} =

f (t) cos t dt

Fs {f (t)} =

f (t) sen t dt

(76)

respectivamente, lo que permite calcular la transformada de Fourier de una funcion real realizando integrales
reales. En efecto, el calculo (75) permite afirmar que
F{f (t)} = 2Fc {fp (t)} j2Fs {fi (t)}

(77)

y en particular, cuando f es par o impar

f par

F{f (t)} = 2Fc {f (t)}

f impar F{f (t)} = j2Fs {f (t)}

44

(78)
(79)

Ejemplo 11.8. Para la funcion par f (t) = ea|t| se tiene:

Z
a
Fc {ea|t| } =
eat cos t dt = 2
+ a2
0

F{ea|t| } = 2Fc {ea|t| } =

mientras que para la funcion impar f (t) = ea|t| sgn (t) se tiene:
Z
Fs {ea|t| sgn (t)} =
eat sen t dt =
0

F{ea|t| sgn (t)} = 2jFs {ea|t| } =

11.4.

2a
+ a2

2 + a2

2j
2 + a2

Identidad de Parseval

Como en el caso de la serie de Fourier, tambien ahora existe una relacion directa entre la energa de f (t)
y la de su transformada F (), que se conoce como relaci
on, identidad o teorema de Parseval:
Z

1
|f (t)| dt =
2

|F ()|2 d

(80)

Su justificacion se puede hacer como en la seccion 9: a partir de la identidad de Parseval para la serie de Fourier
de f(t) (la funcion periodica con periodo T que coincide con f (t) para T /2 < t < T /2) se obtiene
Z

T /2

|f(t)|2 dt = T

T /2

|ck |2 = T

X
|F (k )|2

T2

1 X
1 X
2
=
|F (k )|2
|F (k )|2
2
T
2

que para T da lugar a (80).

Ejemplo 11.9. Comprobemos la relacion para el par eat u(t)
Z

|e

at

u(t)| dt = 2

Ejemplo 11.10. Calcular

0

e2at dt = 2

1 2
d =
j + a
Z

1
j+a ,

a > 0. Se tiene

1 2at

e
=
2a
a
0

1
1

1

d
=
arc
tg
= (
)=

2 + a2
a
a
a 2
2
a

1
sen2 x dx.
x2

2
sen proporciona

Z
Z
1
2
2 1
dt = 2 =
| sen |2 d =
sen2 d
2
2

La identidad de Parseval para el par p1 (t)

Z

por lo que

12.

Z
|p1 (t)|2 dt =

1
1
sen2 d = , y al ser 2 sen2 x una funcion par se obtiene
2
x
Z
Z
Z
1
1 1
1 1

2
2
sen
x
dx
=
sen
x
dx
=
sen2 d =
2
2
2
x
2
x
2

2
0

El producto de convoluci
on

Introducimos ahora una operacion entre funciones, cuya importancia estriba en su comportamiento respecto
a la transformacion de Fourier, como ilustra el teorema que sigue.

45

Definici
on 6 Se define el producto de convoluci
on de dos funciones f y g como la funci
on
Z

(f g)(t) = f (t) g(t) =

(81)

f (s)g(t s) ds

Ejemplo 12.1. Para calcular el producto de convolucion de las funciones

(
(
at
e
t
>
0
ebt
f (t) = eat u(t) =
g(t) = ebt u(t) =
0
t<0
0

t>0
t<0

a, b > 0

hay que observar primero que, mientras que no existe ninguna dificultad para obtener la funcion f (s), para la
funcion g(t s) (como funcion de la variable s para diferentes valores del parametro t) se tiene
(
eb(st) s < t
b(ts)
g(t s) = e
u(t s) =
0
s>t
como ilustra la figura.

g(t) = ebt u(t)

g(t s) =

g(t s) =

eb(st) u(t s)

eb(st) u(t s)

t<0

t>0
s

As, (f g)(t) = 0 para t < 0, pues cualquiera que sea s o bien f (s) = 0 o bien g(t s) = 0. Y cuando t > 0 el
producto f (s)g(t s) solo es 6= 0 para 0 < s < t, por lo que se tiene
Z

(f g)(t) =

Z
=e

f (s)g(t s) ds =
t

bt

eas eb(st) ds

eas ebs ds = ebt

si a 6= b. Por lo tanto
eat ebt
u(t) =
(f g)(t) =
ba

eat ebt
e(ba)s t
=
ba 0
ba

1
at
ba (e

ebt )

t>0
t<0

Ejercicio. Comprobar que para a = b se obtiene (f g)(t) = teat u(t).

Como el producto de convolucion es una integral en la variable s que se debe calcular para todos los valores
de t R, en muchas aplicaciones se puede realizar graficamente. Para ello se interpreta que a medida que t
recorre la recta real, < t < , en sentido positivo la grafica de la funcion g(t s) va
Z avanzando y para

cada posicion concreta (que corresponde a cada valor concreto de t) se calcula la integral

f (s)g(t s) ds.

Se puede interpretar as lo realizado en el ejemplo anterior cuando se obtena primero el producto para t < 0
y posteriormente para t > 0. Este procedimiento, denominado convoluci
on gr
afica, es especialmente comodo
cuando alguna de las funciones solo toma valores constantes, con lo que el calculo de integrales se reduce a un
computo de areas sencillas, como muestra el siguiente ejemplo.
Z

Ejemplo 12.2. Para calcular (pa pa )(t) =

pa (s)pa (t s) ds hay que considerar esencialmente las cuatro

situaciones de la figura seg

un los diferentes valores de t.
46

t < 2a

2a < t < 0

0 < t < 2a

t > 2a

pa (t s)
t+a

ta

t+a

ta

t+a

ta

pa (s)
a

pa (s)pa (t s)
a

t+a

ta

Evaluando las areas bajo esta u

ltima funcion se obtiene

0
t < 2a

t + 2a 2a < t < 0
(pa pa )(t) =
= 2aq2a (t)
2a t
0 < t < 2a

0
t > 2a

pa pa
2a
@
@

@
2a
2a

El siguiente resultado justifica la introduccion del producto de convolucion en el contexto de la transformacion de Fourier.
Teorema 7 (de convoluci
on). Si f (t) F () y g(t) G(), se tiene
Convoluci
on en tiempo:

f (t) g(t)

Convoluci
on en frecuencia:

f (t)g(t)

F ()G()

(82)

1
F () G()
2

(83)

Ejemplo 12.3. Con el teorema de convoluci

on el resultado del ejemplo anterior es elemental:
2
2
4
F{pa (t) pa (t)} = F{pa (t)}F{pa (t)} =
sen a = 2 sen2 a = F{2a q2a (t)}.

Ejemplo 12.4. Comprobemos que para g(t) = eat u(t) se tiene (g g)(t) = teat u(t). En efecto, ambas
funciones tienen la misma transformada de Fourier:
1
1
1
F{(g g)(t)} = F{g(t)}F{g(t)} =
=
j + a j + a
(j + a)2
d 1
1
d
=
F{teat u(t)} = jF{jteat u(t)} = j F{eat u(t)} = j
d
d j + a
(j + a)2
Entre las propiedades del produto de convoluci
on destacan:
(i)

f g =gf

(ii)

f (g + h) = f g + f h

(iii)

f (g h) = (f g) h

para cuya demostracion basta comprobar que la transformada de Fourier de ambos miembros de cada propiedad
coinciden, lo que es inmediato utilizando el teorema de convolucion. Por ejemplo, para la primera se tiene
F{f g} = F ()G() = G()F () = F{g f }.
47

13.
13.1.

Funciones generalizadas
La funci
on de Dirac

Ya es conocida la funcion generalizada que aparece, por ejemplo, al calcular derivadas de funciones con
d
discontinuidades de salto. As, u(t) = (t). Se defina mediante
dt
(
Z
g(t0 ) t0 (, )
(t t0 )g(t) dt =
0
t0 6 [, ]

para cualquier funcion g(t) continua en t0 . Esto basta para poder obtener su transformada de Fourier:
Z
ejt (t t0 ) dt = ejt0 ,
F{(t t0 )} =

(84)

y en particular, para t0 = 0,
F{(t)} = 1

(85)

Inversamente, la propiedad de traslacion en tiempo permite recuperar la transformada de (t t0 ) a partir de

la de (t):
F{(t t0 )} = ejt0 F{(t)} = ejt0
(84)
Las siguientes propiedades de la funci
on se comprueban facilmente a partir de su definicion o mediante la
transformacion de Fourier:
(i)

(t) = (t)

(ii)

f (t)(t t0 ) = f (t0 )(t t0 )

(iii)

f (t) (t) = f (t)

(iv)

f (t) (t t0 ) = f (t t0 )

Comprobamos u
nicamente la segunda y la cuarta, de la que la tercera es el caso particular t0 = 0. Para la
segunda, si f y g son continuas en el punto t0 (, )
Z

f (t)(t t0 )g(t) dt =

(t t0 )(f (t)g(t)) dt = f (t0 )g(t0 ),

f (t0 )(t t0 )g(t) dt = f (t0 )

(t t0 )g(t) dt = f (t0 )g(t0 ),

y en ambos casos la integral se anula si t0

6 [, ], por lo que f (t)(t t0 ) = f (t0 )(t t0 ). Para la cuarta
basta con transformar los dos miembros de la igualdad utilizando el teorema de convolucion para obtener
F{f (t) (t t0 )} = F{f (t)}F{(t t0 )} = F ()ejt0 = F{f (t t0 )}.
Conviene distinguir bien estas dos propiedades: en la propiedad (ii) se efectua el producto usual entre una
funcion f y la funcion (t t0 ), resultando esta misma (t t0 ) mutiplicada por el valor f (t0 ) de la funcion
f en el punto t = t0 , mientras que en la propiedad (iv) se realiza el producto de convolucion de las mismas
funciones, resultando la funcion f trasladada la cantidad t0 . La figura ilustra esta situacion.
f (t0 )(t t0 )
f (t)

f (t0 )

(t t0 )

=
t

t0

t0

48

t
t0

f (t t0 )

f (t)
(t t0 )

=
t

t0

t0

Ejemplo 13.1. Para comprobar que

d at
(e u(t)) = aeat u(t) + (t),
dt
podemos hacer el calculo
d
d
d at
(e u(t)) = ( eat )u(t) + eat u(t) = aeat u(t) + eat (t) = aeat u(t) + (t),
dt
dt
dt
habiendo utilizado la propiedad (ii): eat (t) = e0 (t) = (t). Alternativamente, tambien podemos comprobar
que los dos miembros tienen la misma transformada de Fourier:
F{

d at
1
(e u(t))} = j
dt
j + a

F{aeat u(t) + (t)} = a

1
j
+1=
j + a
j + a

Ejemplo 13.2. Por la propiedad (iv), p2 (t) (t 3) = p2 (t 3). Utilizando el teorema de convoluci
on, su
transformada es
2
1 j
sen t ej3 =
(e
ej5 )

F{p2 (t 3)} = F{p2 (t) (t 3)} =

como se haba obtenido en el ejemplo 11.2 utilizando entonces la propiedad de traslacion.

13.2.

Transformaci
on de funciones peri
odicas

La extension de la transformacion de Fourier a funciones generalizadas lleva a su vez a extenderla a funciones

que no son de cuadrado integrable, en particular a funciones periodicas, con lo que en cierto sentido recuperamos
la serie de Fourier en el contexto de la transformacion de Fourier para funciones generalizadas.
Empezando por la funcion f (t) 1, no es posible calcular su transformada mediante la definicion:
Z
1
ejt dt

pues no existe esa integral (impropia). Sin embargo, utilizando la propiedad de dualidad a partir del par
(t) 1, se obtiene
1 2() = 2().
(86)
La transformada de ej0 t se puede obtener ahora utilizando la propiedad de traslacion en frecuencia:
ej0 t

2( 0 ).

(87)

Y a partir de esta se deducen las transformadas de cos 0 t y sen 0 t por linealidad:

cos 0 t =
sen 0 t =

ej0 t + ej0 t
2
ej0 t ej0 t
2j

(( 0 ) + ( + 0 ))

(88)

j(( + 0 ) ( 0 )).

(89)

Ejercicio. Comprobar la transformada de f (t) = cos 0 t a partir de la propiedad de modulacion.

49

En el contexto de funciones generalizadas, la transformada de Fourier de una funcion perodica con periodo
T y desarrollo en serie de Fourier

f (t) =

ck ejk0 t

0 =

k=

sera

F () = F{f (t)} =

ck F{ejk0 t } = 2

k=

2
T

ck ( k0 ).

k=

Se recupera as el desarrollo en serie de Fourier dentro del marco (generalizado) de la transformacion de Fourier.

13.3.

Transformada de un tren de deltas

Se denomina tren de deltas a la funcion generalizada

T (t) =

(90)

(t kT )

k=

consistente en una suma infinita de deltas equiespaciadas la cantidad T , como se ilustra en la figura.
0 0 ()

T (t)
F

t
0

Su transformada de Fourier no se puede obtener sumando las transformadas de cada (t kT ), pero si se

puede justificar considerando el tren de deltas T (t) como una funcion periodica de periodo T . Entonces, con
0 = 2/T , su desarrollo en serie de Fourier sera
T (t) =

ck ejk0 t =

k=

1 X j0 kt
e
T

(91)

k=

pues, utilizando la definicion (84) de la funcion (t t0 ) para t0 = 0, se obtiene

1
ck =
T

T /2

(t) ejk0 t dt =

T /2

1 jk0 0
1
e
= .
T
T

Basta ahora transformar cada termino ejk0 t del sumatorio (91), utilizando para ello (87), para obtener
F{ T (t)} =

1 X
2 X
2 ( k0 ) =
( k0 ) = 0 0 ().
T
T
k=

(92)

k=

La figura tambien ilustra este resultado, que se enuncia diciendo que la transformada de un tren de deltas es
otro tren de deltas.

50

13.4.

Transformada de la funci
on de Heaviside u(t)

Consideremos ahora la funcion u(t) representada

Z en la figura. Su transformada de Fourier tampoco se puede

calcular directamente, pues no existe la integral

ejt dt.

u(t)

sgn (t)

1
1
(1 + sgn (t)), obteniendo primero la transformada de la funcion signo,
2
representada en la figura y que haba sido introducida en el ejemplo 11.7. A partir de ea|t| sgn (t) sgn (t)
cuando a 0, se obtiene, de acuerdo con el ejemplo 11.7,
Para obtenerla, utilizaremos que u(t) =

2j
2
=
2
2
a0 + a
j

F{ sgn (t)} = lm F{ea|t| sgn (t)} = lm

a0

y entonces
u(t)

1
2
1
(2() +
) = () +
2
j
j

(93)

A partir de esta se deduce ahora, mediante la propiedad de traslacion en tiempo

u(t t0 )

ejt0 (() +

1
1 jt0
) = () +
e
j
j

(94)

habiendo utilizado ademas la propiedad (ii) de la funcion : ejt0 () = e0 () = ().

Ejemplo 13.3. Comprobemos la transformada de pa (t) a partir de pa (t) = u(t + a) u(t a).
F{pa (t)} = F{u(t + a) u(t a)}
1 ja
1 ja
= (() +
e ) (() +
e
)
j
j
1 ja
2
=
(e
eja ) = sen a.
j

Ejemplo 13.4. Para comprobar que

coinciden. En efecto,
F{

d
dt u(tt0 )

= (tt0 ) basta ver que las transformadas de ambos miembros

d
1 jt0
u(t t0 )} = jF{u(t t0 )} = j(() +
e
) = ejt0 = F{(t t0 )}
dt
j

habiendo utilizado de nuevo la propiedad (ii) de la funcion : j() = 0.

El siguiente cuadro resume las transformadas de funciones generalizadas

2()

cos 0 t

1
j
1 jt0
e
() +
j
(( 0 ) + ( + 0 ))

j0 t

2( 0 )

sen 0 t

j(( + 0 ) ( 0 ))

T (t)

0 0 ()

(t)

(t t0 )

ejt0

u(t)

u(t t0 )

51

() +

14.

Las cuatro transformadas de Fourier

El diagrama adjunto sit

ua las cuatro transformaciones de Fourier, seg
un que las funciones f y F sean
periodicas o no, y seg
un que las variables t y sean continuas o discretas. Por que la variable sea continua se
entiende que pueda tomar cualquier valor real, mientras que por que sea discreta se entiende que solo pueda
tomar valores que son multiplos enteros de cierta cantidad. As, para la serie de Fourier de una funcion periodica
con periodo T , la variable t R era continua, mientras que era una variable discreta que solo poda tomar
los valores = k = k0 = k2/T , para k Z.
f (t)

Continua

Discreta

Discreta
Peri
odica

Serie de

T. Discreta

Fourier

de Fourier

f
No peri
odica

Transformaci
on

Continua
T. Discreta

de Fourier

en tiempo

No peri
odica

Peri
odica

F ()

Es importante observar la coincidencia que se establece entre las dos posibilidades de t y de F , por una
parte, y las de y f , por otra. As, cuando la variable t es continua la funcion transformada F es no periodica,
mientras que cuando t es discreta la funcion F es periodica. Y analogamente, cuando la variable es continua
la funcion f es no periodica, y cuando es discreta f es periodica.
Ya hemos visto el desarrollo en serie de Fourier y acabamos de estudiar la transformacion de Fourier en la
que ambas funciones f y F eran no periodicas de variable continua. Pese a su importancia en las aplicaciones, no
presentamos la Transformada Discreta en el Tiempo (o Transformada de Fourier de Se
nales Discretas) porque,
desde un punto de vista matematico, es identica a la serie de Fourier intercambiando los papeles del tiempo y la
frecuencia. Queda la u
ltima transformada, la transformada discreta de Fourier, que analizaremos brevemente
en la siguiente seccion.
Citemos ademas que, formalmente, es posible considerar unas transformaciones como caso lmite de otras,
traspasando as las barreras entre variable discreta y continua o entre funcion periodica y no periodica, como se
ha hecho con la serie y la transformacion de Fourier en la seccion 9. Y que tambien es posible incluir todas las
transformaciones en el marco funcional generalizado de la transformacion de Fourier. Sin detallar el procedimiento, indiquemos que en este u
ltimo caso se utiliza el resultado de la transformada de un tren de deltas (92),
junto con el teorema de convolucion y las propiedades (ii) y (iv) de la funcion para obtener el desarrollo en

X
serie de Fourier de una funcion periodica f (t) =
f0 (t kT ) en la forma (ilustrada en la figura):
k=

f0 (t kT ) = f0 (t) T (t) F0 () 0 0 () =

k=

X
k=

52

0 F0 (k0 ) ( k0 ) = F ()

f0 (t)

T (t)

f (t)

T /2

=
T

T /2
F

F0 ()

F
0 0 ()

F ()

=
0

Analogamente, la transformacion discreta en tiempo de una funcion de variable discreta fk = f (kT ) se expresa,
en el contexto generalizado de la transformacion de Fourier, como

f (kT )(t kT ) = f (t) T (t)

k=

15.

1
1 X
0 F () 0 () =
F ( 0 ).
2
T
k=

La transformada discreta de Fourier

Aunque la descripcion precisa de muchos fenomenos se deba hacer con variables continuas, la necesidad de
computar sus valores numericamente obliga a trabajar con un n
umero finito de datos y ello lleva a utilizar
variables discretas. Aparece as la Transformada Discreta de Fourier, o simplemente DFT. Quizas la forma
mas sencilla de presentarla sea como una transformacion de los valores de una secuencia o funcion de variable
discreta, {fn : n Z} periodica con periodo N , en los de otra secuencia, {Fk : k Z} con el mismo periodo
N . Como consecuencia de la periodicidad, basta dar a n y k u
nicamente N valores consecutivos, por ejemplo
entre 0 y N 1, por lo que la conversion se puede realizar mediante las formulas
Fk =

N
1
X

fn ej2nk/N

k = 0, 1, . . . , N 1

(95)

n = 0, 1, . . . , N 1

(96)

n=0

fn =

N 1
1 X
Fk ej2nk/N
N
k=0

En las aplicaciones el factor 1/N puede aparecer en una u otra de las dos formulas. Por otra parte, es
habitual designar la raiz (compleja) N -sima de la unidad, ej2/N , por wN y escribir entonces las formulas (95)
y (96) en la forma
Fk =

N
1
X

nk
fn wN

n=0

fn =

N 1
1 X
nk
Fk wN
N
k=0

k = 0, 1 . . . , N 1
n = 0, 1 . . . , N 1

La figura ilustra esta transformacion para funciones con periodo N = 4.

fn

Fk

N
53

Limitandonos a la secuencia de los N valores de un periodo, podemos expresar la transformacion lineal (95)
que permite pasar de los {fn : n = 0, 1, . . . , N 1} a los {Fk : n = 0, 1, . . . , N 1} mediante una matriz
cuadrada N N con coeficientes Akn = ej2nk/N . Naturalmente, la transformacion inversa (96) se realiza
1 j2nk/N
mediante la matriz inversa que tiene coeficientes (A1 )nk =
e
:
N

1
1
1

1
f0
F0
F1
1 ej2/N ej4/N ej2/N f1

F2 = 1 ej4/N ej8/N ej4/N f2

(97)

fN 1
FN 1
1
ej2/N
ej4/N ej2/N

1
f0
f1
1

f2 = 1 1
N

fN 1
1

Ejemplo 15.1. Para N = 4, w4 = ej2/4

1 1
1
1 j 1
A=
1 1 1
1 j 1

ej2/N
ej4/N

ej2/N

ej4/N
ej8/N

ej4/N

F0

ej2/N
F1
F2
ej4/N

FN 1
ej2/N
1

(98)

= ej/2 = j por lo que estas matrices son

1
1 1
1
1
1 1 j 1 j
j

A1 =

1
4 1 1 1 1
j
1 j 1 j

y un par funcion-transformada esta formado por las secuencias

{1, 2, 1, 3}

{5, 2 + j, 5, 2 j}.

Ejercicio Comprobar que A1 es la matriz inversa de A y que el par anterior es efectivamente un par funciontransformada.
El uso masivo de la DFT en numerosas aplicaciones se debe, en buena parte, al desarrollo de los algoritmos
conocidos como Transformada r
apida de Fourier, o FFT. Mientras que el calculo de la DFT realizando el
producto de matrices (97) o (98) requiere N 2 multiplicaciones (complejas), los algoritmos de la FFT (para
N = 2n ) reducen la complejidad del calculo a aproximadamente 12 N log2 N multiplicaciones. Por ejemplo para
N = 210 = 1024 esto significa una reduccion de 106 a 0, 5 104 aproximadamente, es decir un calculo 200 veces
menor.

16.
16.1.

Ejercicios
Sucesiones y series

1. Calcular el lmite de las sucesiones siguientes:

a)
lm
n

b)
lm
n

sin n
n

n2 + 3n + 2 n

c)

lm
n

n+a
n1

2. Estudiar si las sucesiones siguientes son crecientes o decrecientes (o ninguna de las dos):
54

a) an =

1
n!

b) bn = 1 +

1
2

1
22

+ +

1
2n

c) Calcular lmn bn
3. Es cierto que lm xn yn = 0 implica lm xn = 0 o lm yn = 0? Y el recproco?
4. Calcular la suma de la serie

X 5
3n

n1

5. Estudiar el caracter de las siguientes series:

a)

( ln n)2

n1

b)

X n2 + 2n 1
n5

n1

c)

X
n1

d)

2 n1

X
n1

e)

n2

n
+1

X n!
nn

n1

6. Estudiar, seg
un los valores del parametro a > 0, el caracter de las siguientes series:
a)

X (2a + 1)n
2n n2

n1

b)

X an

n1

7. Determinar la convergencia de las siguientes series:

a)

X (1)n
n!

n1

b)

X (1)n+1 n
2n 1

n1

c)

X (1)n
ln n

n2

8. Determinar si la convergencia de las siguientes series es absoluta o condicional:

55

a)

X (1)n+1 (n + 2)
n2 (n + 1)

n1

b)

X cos n
n+1

n1

9. Un caracol sube por una pared de 1.01 metros de altura. El primer dia avanza 1m, pero durante la
1
noche resbala 31 m; al dia siguiente avanza, ya mas cansado, 19 m, pero durante la noche resbala 27
m y
as sucesivamente. Llegara el caracol a lo alto de la pared?.
10. Un alpinista quiere escalar una monta
na de 1000m de altura. El primer dia sube 100m y se detiene a
esta altura para dormir. Pero la monta
na es magica y mientras el alpinista duerme, la monta
na crece de
manera uniforme hasta alcanzar una altura de 2000m, as que el alpinista se encuentra al despertar a una
altura de 200m. Al dia siguiente sube 100m mas y, mientras duerme, de nuevo la monta
na crece, hasta
una altura de 3000m, y as sucesivamente. Llegara el alpinista a la cima?.

16.2.
1.

Soluciones
a) 0
b) 3/2
c) ea+1

2.

a) Monotona decreciente
b) Monotona creciente
c) lm bn = 2

3. No. Tampoco.
4. 5/2
5.

a) Divergente
b) Convergente
c) Divergente
d ) Divergente
e) Convergente

6.

a) Convergente para 0 < a

1
2

b) Convergente para 0 < a < 1

7.

a) Absolutamente convergente
b) Divergente
c) Condicionalmente convergente

8.

a) Absolutamente convergente
b) Condicionalmente convergente

9. No
10. S

56

16.3.

Series de Fourier

1. Dibujar las graficas de las funciones siguientes y calcular las series de Fourier correspondientes:
a)

f (t) =

1
1

si
si

1<t<0
0t<1

b)
f (t) =| t |,

t (1, 1)

c)
d)

f (t) = t,

t (, )

f (t) = t2 ,

t [, ]

2. Calcular el desarrollo de Fourier de f (t) = et en (, ) y utilizar el resultado para calcular

X
n1

1
n2 + 1

3. Determinar un polinomio de tercer grado definido en (, ) sabiendo que admite el siguiente desarrollo
en serie de Fourier:
X (1)n sin nt
n3
n1

4. Desarrollar en serie de Fourier

f (t) =

1
2

si
si

| t |<
<| t |<

y estudiar el comportamiento de la serie cuando 0.

5. Desarrollar en serie de Fourier las funciones siguientes:
a)

f (t) =

sin t si 0 t
0
si t < 0

(onda semirectificada)
b)
f (t) =| sin t |
(onda rectificada)
c)
f (t) = sin t,
en serie de cosenos en el intervalo [0, ].
6. Demostrar que
X (1)n n sin nt
1
t cos t = sin t + 2
,
2
n2 1

< t <

n2

7. Una funcion f (t) definida sobre R se dice que es antiperi

odica si f (t + T ) = f (t) t. Probar:
a) Una funcion antiperiodica es periodica de perodo 2T.

57

b) La serie de Fourier asociada es de la forma:

X
(2r 1)t
(2r 1)t
a2r1 cos
+ b2r1 sin
T
T
r1

c) Hallar la serie de Fourier de la funcion

8.

f (t) = t si 0 t 1
f (t + 1) = f (t)

a) Probar que si una funcion f (t), definida sobre (, ), verifica

f (t) = f ( t) si t > 0
f (t) = f ( t) si t < 0
entonces su desarrollo en serie de Fourier es de la forma
X
X
1
a0 +
a2k cos 2kt +
b2k1 sin(2k 1)t
2
k1

k1

b) Aplicar (a) para calcular la serie de Fourier trigonometrica de la onda periodica dada por la figura:
Q

Q
Q

Q
2
3

Q
Q

9. Utilizando el resultado del problema 1 (b), demostrar que

X
n1

1
2
=
2
(2n 1)
8

10. Desarrollar en serie de senos y en serie de cosenos la funcion siguiente:

t
si 0 < t < 1
f (t) =
2 t si 1 < t < 2
11. Sea f (t) = 1 + t para 0 t 1. Desarrollar f (t) en serie de senos y en serie de cosenos en el intervalo
(0, 1). Representar graficamente la suma en cada caso.
12. Hallar unos n
umeros reales c1 , c2 , c3 tales que
Z
[t (c1 sin t + c2 sin 2t + c3 sin 3t)]2 dt

sea mnimo. Calcular el error cuadratico cometido en la aproximacion de t por c1 sin t + c2 sin 2t + c3 sin 3t,
donde c1 , c2 , c3 son los calculados anteriormente.
13. Determinar el polinomio trigonometrico de primer orden p(t) = a + b cos t + c sin t que mejor aproxima la
funcion f (t) = et en media cuadratica, sobre el intervalo (, ).
14. Utilizando la identidad de Parseval, probar las siguientes igualdades:
a)

X 1
2
=
n2
6

(Tomar la funcion f (t) = t)

X 1
4
=
4
n
90

(Tomar la funcion f (t) = t2 )

n1

b)

n1

58

15. Desarrollar en serie compleja de Fourier:

a)
f (t) = sin t
b)

f (t) =

1
0

<t<
si
si

| t | /2
/2 <| t |<

16. Demostrar que el desarrollo de la funcion f (t) = cos t (

/ Z), para
t [, ] en serie exponencial compleja viene dado por
+
sin X

ejkt
(1)k 2

k2
k=

Deducir que
+

cot =

1 X 2
+

2 k 2
k=1

a) Hallar el desarrollo en serie de Fourier compleja de la funcion f (t) = et en el intervalo [0, 2].

17.

b) Expresar la serie anterior en forma trigonometrica.

c) Establecer la convergencia de la serie

X
n1

1
n2 + 1

y calcular su suma.
d ) Dibujar el espectro de amplitud de la funcion del apartado (a) para las frecuencias 0, 0 , 20 , 30 .
e2 1
(
' 85)
2

16.4.
1.

Soluciones
a)

4 X sin(2n + 1)t

2n + 1
n0

1
4 X cos (2n 1)t
b) 2
2
(2n 1)2
n1

X (1)n
c) 2
sin nt
n
n1

cos nt
+4
(1)n
3
n2
2

d)

n1

X (1)k
sinh
2.
1+2
( cos kt k sin kt)

1 + k2
k1

3. P (t) =
1
4.

1 3 2
t
t
12
12

1 X sin n
+
cos nt .
2 n=1 n

Cuando tiende a cero se obtiene:

1 X
+
cos nt
2 n=1
59

5.

a)

1
1
2 X cos 2nt
+ cos t
2

4n2 1
n1

2
4 X cos 2nt
b)

4n2 1
n1

c) Al tomar la extension periodica par obtenemos la misma funcion que en el apartado anterior; por
tanto, el desarrollo en cosenos es el que hemos obtenido en el apartado (b).
6.
7. c)

2 X 2 cos (2r 1)t sin(2r 1)t

+

(2r 1)2
2r 1
r1

8. b)

1
1 X (1)k 1
4(1)k+1
+ 2
cos 2kt +
sin(2k 1)t
2
4
k
(2k 1)2
k1

9.
4 X cos (2n 1)t
1
2
2
(2n 1)2

10. Desarrollo en cosenos:

n1

Desarrollo en senos:

8 X (1)k+1
(2k 1)t
sin
2
2

(2k 1)
2
k1

3
4 X cos (2n 1)t
2
2
(2n 1)2

11. Desarrollo en cosenos:

n1

Desarrollo en senos:

2 X [1 + 2(1)n+1 ]
sin nt

n
n1

12.
c1 = 2, c2 = 1, c3 =
El error es igual a

49
2 3

3
9

2 sinh
,

sinh
,

13. a =

b=

c=

sinh

14.
15.

j
j
a) ejt + ejt
2
2
+
X
1
1
1
b) +
(1)n+1
ej(2n1)t
2
2n 1
n =

16.
17.

a)

+
e2 1 X 1 + jn jnt
e
2 n= n2 + 1

b) (e2 1)(
c)

+
1
1X 1
+
( cos nt n sin nt))
2 n=1 n2 + 1

e2 + 1 1

2 e2 1 2

60

2
3

16.5.

Aplicaci
on a las EDP

1. Resolver el problema del flujo de calor en una barra de longitud L, cuyos extremos se mantienen a
temperatura constante e igual a 0, para las siguientes distribuciones iniciales de temperatura:
a)
f (x) =

si

0<x<

si

<x<

b)
f (x) = 3 sin x 5 sin(2x) + 2 sin(3x)
2. Resolver el problema de las vibraciones de una cuerda elastica de longitud en reposo , sujeta por sus
extremos, para las siguientes configuraciones y velocidades iniciales:
a)
f (x) =

si 0 < x <

x si

g(x) = 0

<x<

b)
f (x) = g(x) = x( x)
3. Resolver la ecuacion de Laplace en el rectangulo ]0, []0, [ para las siguientes funciones u(x, ) = f (x),
x ]0, [:
a)
f (x) = 1
b)
f (x) = x
c)
f (x) =
d)

16.6.
1.

si

0<x<

si

<x<

f (x) = x2

Soluciones
a)
u(x, t) =
b)

2.

n
X
2
2
1 cos
sin(nx)en t
n
2
n=1

u(x, t) = 2et sin x 5e4t sin(2x) + 2e9t sin(3x)

a)
u(x, t) =
b)
u(x, t) =

n
X
4
sin
cos (nat) sin(nx)
n2
2
n=1

X
4
1
n
(1

(1)
)
cos
(nat)
+
sin(nat)
sin(nx)
n3
an
n=1

61

3.

a)
u(x, y) =
b)

y X 2((1)n 1)
u(x, y) = +
cos (nx) sinh(ny)
2 n=1 n2 sinh(n)
c)

X
2 sin n
y
2
u(x, y) =
+
cos (nx) sinh(ny)
2 n=1 n sinh(n)

d)

u(x, y) =

16.7.

y X 4(1)n
+
cos (nx) sinh(ny)
3
n2 sinh(n)
n=1

Transformada de Fourier

1. Calcular la transformada de Fourier de las funciones siguientes:

a)

f (t) = e|t|

b)

f (t) =

jejat
0

si t 0
otro caso

(a C, Im(a) > 0)

2. Calcular la antitransformada de Fourier de la funcion F () (hacerlo directamente y tambien utilizando

F () = p2 ()ej ).
j
e
si || 2
F () =
0
otro caso
3. Sabiendo que
4. Sabiendo que

ea|| ,
a2 + t2
a
(a2

Re{a} < 0, calcular la antitransformada de la funcion 2e|| +3e2|| .

t
j a||

e ,
2
2
+t )
2a

Re{a} < 0, calcular la antitransformada de la funcion

.
(1 + 2 )2

5. Probar que si f (t) es solucion de la ecuacion diferencial x00 (t) t2 x(t) = x(t), entonces su transformada
de Fourier F () tambien es solucion.
6. Calcular la transformada de Fourier de f (t) = ea|t| , Re{a} < 0.
Deducir
a) la antitransformada de Fourier de ea|| , Re{a} < 0,
1
b) la transformada de Fourier de 2
, Re{a} < 0,
a + t2
t
, Re{a} < 0,
c) la transformada de Fourier de 2
(a + t2 )2

, Re{a} < 0.
d ) la antitransformada de Fourier de 2
(a + 2 )2
7. Sea f (t) = t si 0 < t < 1 y f (t) = 0 en otro caso.
a) Calcular la transformada de Fourier F () (directamente o aplicando propiedades).
b) Sea q1 (t) la funcion triangular: q1 (t) = t + 1 si 1 < t < 0, q1 (t) = 1 t si 0 < t < 1 y q1 (t) = 0 en
otro caso. Utilizando que q1 (t) = f (t + 1) + f (1 t) deducir su transformada de Fourier Q1 ().
c) Dar una funcion tal que su transformada de Fourier sea jQ1 ().
62

8. Calcular el valor de la integral

sin bt cos tx
dt.
t

Indicacion: utilizar la transformada de Fourier del impulso rectangular pb (t).

Deducir

9. Probar:

sin t

= .
t
2

sin2 at
dt = a
t2

Indicacion: aplicar la formula de Parseval al impulso rectangular pa (t).

10. Calcular la transformada de Fourier de la funcion:

1 t2
f (t) =
0

si |t| < 1
si |t| > 1

Aplicar el resultado anterior al calculo de la integral siguiente:

Z +
x cos x sin x
x
cos dx.
3
x
2
0
11. Sea f (t) una funcion que vale 0 fuera del intervalo [a, b] y g(t) una funcion que vale 0 fuera del intervalo
[c, d]. Hallar los valores e, f tales que (f g)(t) vale 0 fuera del intervalo [e, f ]. (Deducirlos mediante la
convoluci
on grafica.)
12. Sea F () la transformada de Fourier de la se
nal f (t) de la figura.
2
@
1 @
1

Resolver los siguientes apartados sin calcular F ().

a) Calcular el argumento de F ().
b) Calcular F (0).
Z

d) Calcular

c) Calcular
2 sin j2
F ()
e d.

F ()d.

|F ()|2 d.

e) Calcular

f) Dibujar la grafica de la transformada inversa de la parte real de F ().

13. Sea f (t) = et si 0 t 1 y f (t) = 0 en otro caso.
a) Calcular la transformada de Fourier de f (t).
Resolver los apartados siguientes mediante la aplicacion de las propiedades de la transformada de
Fourier. (notacion: fi (t) Fi ())
b) Calcular F1 ().
1
1
c) Sea F2 () = e p1/2 ( ) + e p1/2 ( + ). Calcular f2 (t).
2
2
d ) Calcular F3 ().
e) Calcular F4 ().
63

f1 (t)

donde

f1 (t) =

f3 (t)

1
et
et

f4 (t) = tet

si
si

1t0
0t1

si

f4 (t)

et+1
et

f3 (t) =

0t1

0
si
si

1t0
0t1

y fi (t) = 0 en otro caso.

14. Sea F () = R() + jI() la transformada de Fourier de f (t).

Z +
a) Relacionar la integral
F ()d con f (0).
Z

F ()d con f 0 (0).

b) Relacionar la integral

c) Razonar, para cada se

nal de la figura, cuales de les propiedades siguientes se cumplen:
1) R() = 0
2) I() = 0
3) Existe alg
un R tal que ej F () es real.
Z +
Z +
4)
F ()d = 0
5)
F ()d = 0

-6

-4

-2

0.5

0.5

-2

6
t

10

12

-0.5

-0.5

-1

-1

Figura 1

Figura 2

1
0.5

0.8
0.5

0.4

0.6
0.3
-4

-2

2
t

0.4

0.2

-0.5

0.2

0.1

-1

-10

-5

10
t

Figura 3

Figura 4: x(t) = t2 e|t|

15. Calcular la transformada de Fourier de

f (t) = cos
16. Representar graficamente:
a) La funcion f (t) = 2p1/2 (t 1/2) + p1 (t 2).
64

7t
3t
cos
2
2

-3

-2

-1

Figura 5: x(t) = e

2
t2

b) f (t) ((t) + (t 3)).

c) p1 (t) f (t) (utilizar la convolucion grafica)
17. Hallar la antitransformada de Fourier de la funcion escalon unidad U ().
18. Calcular la transformada de Fourier de u(t) cos 0 t:
a) por la propiedad de modulacion,
b) utilizando el teorema de convolucion en frecuencia.
1
@

@
c
c

19. Sea qc (t) la funcion de la figura.

Sean f (t) = qc (t + a) + qc (t a),
g(t) = k((t + a) + (t a)), a > c > 0.
a) Representar graficamente f (t), g(t), f (t) (t a).
b) Calcular y representar graficamente f (t) g(t).
c) Sabiendo que

ct
c
sinc2 ( ) qc (),
2
2
calcular la transformada de Fourier de f (t) g(t).

16.8.

Soluciones

1. (a)

F () =

2
+1

(b) F () =

2. f (t) =

sin 2(1 + t)
(1 + t)

3. f (t) =

2
6
+
(1 + t2 ) (4 + t2 )

4. f (t) =

jt |t|
e
4

1
a

5.
6.

2a
a2 + 2
(a)

7.

a)

a
+ t2 )

(a2

(b)

a||
e
a

(c)

j a||
e
2a

(d)

jt a|t|
e
4a

ej 1 ej

2
j

2 ej ej
2
c) p1/2 (t + 1/2) p1/2 (t 1/2)

b)

8.

sin bt cos tx
dt = pb (x).
t

9.

65

10. F () = 2Fc () =

4
3 [sin

cos ]
Z

+
0

x cos x sin x
x
3
cos dx =
x3
2
16

11. e = a + c, f = b + d.
12. a)

13.

1 e(1+j)
1 + j

a)

b)

c)

d)

e)

76
3

1 e(1j)
1 e(1+j)
+
1 + j
1 j
1 e(1+j) 2(1 + e1 ( sin cos ))
Tambien: 2 Re
=
1 + j
1 + 2

(1+jt)
(1jt)
1
1e
1 1e
(1 + e (t sin t cos t))
c)
+
=
2
1 + jt
1 jt
(1 + t2 )

b)

d ) (1 + ej )
e) j
14. a)

1 e(1+j)
1 + j

(1 + jw)je(1+j) j(1 e(1+j) )

(1 + j)2

2f (0)

b)

Fig.
1
2
3
4
5

c)

2jf 0 (0)

Propiedades que verifica

1), 3), 4)
4), 5)
1), 4)
2), 3), 4), 5)
2), 3), 5)

15. A partir de f (t) = 12 ( cos 5t + cos 2t) se tiene

F () =

(( + 5) + ( + 2) + ( 2) + ( 5)).
2

Tambien, utilizando la propiedad de modulacion dos veces

1

2()
cos

7t
3t
cos
2
2

cos

7t
2

7
7
[( + ) + ( )]
2
2

[( + 5) + ( + 2) + ( 2) + ( 5]
2

16. (a), (b) y (c)

f (t)

f (t) ((t) + (t 3))

2
1

17. f (t) =

(t)
j
+
2
2t
66

-1

p1 (t) f (t)

@
@

@
@
@

18.

j
(( + 0 ) + ( 0 )) + 2
2
0 2

19. b) f (t) g(t) = k(qc (t + 2a) + 2qc (t) + qc (t 2a))

c
c
c) f (t) g(t) k c sinc2
(e2aj + 2 + e2aj ) = 4kc sinc2
cos 2 a
2
2

67