Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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.
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
9
9
11
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13
13
14
15
17
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
18
19
20
21
23
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
23
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
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
52
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
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)
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, . . .
2.2.
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
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
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
n=1
n1
se tiene
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
1
1
1
1
1
1
1
=
+
+
+
+
+ +
+
n(n + 1)
12 23 34 45 56
n(n + 1)
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.
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
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
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 > 0.
n1
an
= K,
n bn
lm
0<K<
(10)
an =
n1
X
n1
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
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
an =
n1
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
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
RN
1
RN
1
f (x) dx
aN
f (x) dx + a1
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
=
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
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
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
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
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
(1)n1
n1
1
1 1 1
= 1 + +
n
2 3 4
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
3.
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
n, m
n 6= m
n 6= m
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 =
n0
(14)
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
1
1 0
an =
f (t) cos nt dt =
0 dt +
cos nt dt
0
(n6=0)
1 sen nt
=0
n 0
=
=
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
1
2X 1
+
sen(2k 1)t.
2
2k 1
k=1
@
@
@
@
@
@
@ t
@
@
@
@
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
(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
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
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.
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.
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,
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)
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
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)
2
fi (t) '
bn sen n t
T
n=1
4
bn =
T
T /2
fi (t) sen n
0
2
t dt,
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
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
4X
1
(2k 1)2
k=1
14
fp (t)
fi (t)
@
@
@
@
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)
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
(
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
@
@
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)
a0 X
fp (x) '
+
an cos n x;
2
L
n=1
an =
2
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
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
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
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
2
3
18
36
x2 sen n x dx =
(1)n1 3 3 1 (1)n
3
n
n
5.
1
(1)n1 3 3 1 (1)n sen n x.
n
n
3
n=1
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
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)
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
(2k 1)2
k=1
19
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)
2 n=1 1 + n2
X
(1)n
1
=
1
+
n
e
e
2
n=1
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
5.3.
Aproximaci
on en media cuadr
atica
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
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
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.
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
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)
Z
2
a0 X
+
(an cos nt + bn sen nt) f (t)
2
n=1
22
!2
N
dt 0
(31)
5.4.
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
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
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
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:
(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
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 =
k=
X
k=1
24
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
T /2
(f (t))2 dt =
T /2
|ck |2
(40)
k=
(
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
1
1 X
1
f (t) ' +
(1)m1 ej(2m1) 2 t .
2 m= 2m 1
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.
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
|ck | = |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 )
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
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
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 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
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,
X(x) = c1 x + c2
T (t) = c .
3
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
(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[,
x ]0, L[.
2
2
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
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
(55)
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
y
x2
u
u
(58)
(0, y) = 0 =
(a, y), y ]0, b[
x
x
32
Y 00 (y) 2 Y (y) = 0,
u
x (0, y)
(59)
u
x (a, y)
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,
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
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
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
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.
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).
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,
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 () =
(62)
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 )}.
|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
pa (t)
2
a
sen a = 2a sinc ( )
(64)
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
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
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
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
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=
.
1
.
4kc
(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
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 ).
1
1
(F{f (t)ej0 t } + F{f (t)ej0 t }) = (F ( 0 ) + F ( + 0 )).
2
2
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
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
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
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
1
2
=
+
sen 2 = 2
sen 2.
3 + 3
9 2
(69)
|t| <
|t| >
2
sen
1 2
2
sen( 1) +
sen( + 1)
2 1
+1
1
1
2
=
+
sen = 2
sen
1 +1
1
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
11.2.
2
sen t
t
2p1 () = 2p1 ()
1
F{ sen t} = p1 ()
t
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()
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()
fp (t)
F
F ()
fi (t)
R()
+ jI()
(71)
1
a
= 2
+j 2
a + j
+ a2
+ a2
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
t>0
t<0
sgn (t)
(72)
11.3.
1 a|t|
e
2
a
2 + a2
1 a|t|
e
sgn (t)
2
(73)
2 + a2
(74)
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
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)
44
(78)
(79)
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
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
|e
at
u(t)| dt = 2
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
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
(81)
f (s)g(t s) ds
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 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
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
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
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
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 12.4. 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)
(t) = (t)
(ii)
(iii)
(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 =
f (t0 )
(t t0 )
=
t
t0
t0
48
t
t0
f (t t0 )
f (t)
(t t0 )
=
t
t0
t0
d at
1
(e u(t))} = j
dt
j + 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 )
13.2.
Transformaci
on de funciones peri
odicas
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)
ej0 t + ej0 t
2
ej0 t ej0 t
2j
(( 0 ) + ( + 0 ))
(88)
j(( + 0 ) ( 0 )).
(89)
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.
(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
ck ejk0 t =
k=
1 X j0 kt
e
T
(91)
k=
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)
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
y entonces
u(t)
1
2
1
(2() +
) = () +
2
j
j
(93)
ejt0 (() +
1
1 jt0
) = () +
e
j
j
(94)
d
dt u(tt0 )
d
1 jt0
u(t t0 )} = jF{u(t t0 )} = j(() +
e
) = ejt0 = F{(t t0 )}
dt
j
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.
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
k=
15.
1
1 X
0 F () 0 () =
F ( 0 ).
2
T
k=
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
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
fN 1
FN 1
1
ej2/N
ej4/N ej2/N
1
f0
f1
1
f2 = 1 1
N
fN 1
1
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)
1
1 1
1
1
1 1 j 1 j
j
A1 =
1
4 1 1 1 1
j
1 j 1 j
{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
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
( 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
X (1)n
n!
n1
b)
X (1)n+1 n
2n 1
n1
c)
X (1)n
ln n
n2
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.
1
2
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 [, ]
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
f (t) =
1
2
si
si
| t |<
<| t |<
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
57
X
(2r 1)t
(2r 1)t
a2r1 cos
+ b2r1 sin
T
T
r1
8.
f (t) = t si 0 t 1
f (t + 1) = f (t)
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
1
2
=
2
(2n 1)
8
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
X 1
4
=
4
n
90
n1
b)
n1
58
f (t) =
1
0
<t<
si
si
| t | /2
/2 <| t |<
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.
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
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)
(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
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
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
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
f (t) = e|t|
b)
f (t) =
jejat
0
si t 0
otro caso
(a C, Im(a) > 0)
ea|| ,
a2 + t2
a
(a2
t
j a||
e ,
2
2
+t )
2a
.
(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
sin bt cos tx
dt.
t
9. Probar:
sin t
= .
t
2
sin2 at
dt = a
t2
1 t2
f (t) =
0
si |t| < 1
si |t| > 1
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
d) Calcular
c) Calcular
2 sin j2
F ()
e d.
F ()d.
|F ()|2 d.
e) Calcular
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
b) Relacionar la integral
-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
7t
3t
cos
2
2
-3
-2
-1
Figura 5: x(t) = e
2
t2
@
c
c
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
2f (0)
b)
Fig.
1
2
3
4
5
c)
2jf 0 (0)
(( + 5) + ( + 2) + ( 2) + ( 5)).
2
2()
cos
7t
3t
cos
2
2
cos
7t
2
7
7
[( + ) + ( )]
2
2
[( + 5) + ( + 2) + ( 2) + ( 5]
2
2
1
17. f (t) =
(t)
j
+
2
2t
66
-1
p1 (t) f (t)
@
@
@
@
@
18.
j
(( + 0 ) + ( 0 )) + 2
2
0 2
c
c
c) f (t) g(t) k c sinc2
(e2aj + 2 + e2aj ) = 4kc sinc2
cos 2 a
2
2
67