SERIES DE FOURIER DE FUNCIONES COMPLEJAS DISCRETAS Y APLICACIONES

DIVERSAS
INTRODUCCIÓN:
Una alternativa a la forma trigonométrica de la serie de Fourier considerada hasta aquí, es
la forma compleja o exponencial. Como resultado de las propiedades de la función
exponencial, esta forma es matemáticamente fácil de manipular. En la práctica es
ampliamente usada por los ingenieros, de manera particular en trabajos relacionados con
el análisis de señales, y provee una transición más suave de la consideración de la
transformada de Fourier para el tratamiento con señales periódicas a la consideración de
la transformada de Fourier para el tratamiento con señales no periódicas que se
analizaran posteriormente.
REPRESENTACIÓN COMPLEJA DE UNA SERIE DE FOURIER:
Para desarrollar la forma compleja de la serie de Fourier
∞ ∞
1
f(t) = a0 + ∑ an cosnωt + ∑ bn sennωt (1)
2
n=1 n=1

Que representa una función periódica f(t) de periodo T, procedemos como sigue:
Sustituyendo los resultados por la fórmula de Euler:

(ejnωt − e−jnωt )
sennωt =
2j

(ejnωt + e−jnωt )
cosnωt =
2
Donde:j = √−1
En (1) se obtiene:
∞ ∞
1 (ejnωt + e−jnωt ) (ejnωt − e−jnωt )
f(t) = a0 + ∑ an + ∑ bn
2 2 2j
n=1 n=1

∞ ∞
1 1 1
f(t) = a0 + ∑ an (ejnωt + e−jnωt ) + ∑ − j bn (ejnωt − e−jnωt )
2 2 2
n=1 n=1
∞
1 1 1
f(t) = a0 + ∑ [ (an −jbn )ejnωt + (an + jbn )e−jnωt ] (2)
2 2 2
n=1
Escribiendo:

1 1 1
c0 = a , cn = (a −jbn ) , c−n = cn ∗ = (an +jbn ) (3)
2 0 2 n 2
(2) se convierte en

∞ ∞ ∞ −∞

f(t) = c0 + ∑ cn ejnωt + ∑ c−n e−jnωt = c0 + ∑ cn ejnωt + ∑ cn ejnωt

n=1 n=1 n=1 n=−1
∞

f(t) = ∑ cn ejnωt , ya que c0 e0 = c0

n=−∞

Así la serie de Fourier (1) se convierte simplemente en

∞

f(t) = ∑ cn ejnωt
n=−∞

Que se conoce como la forma compleja o exponencial de la expresión en serie de Fourier

de la función f(t).
Para poder aplicar este resultado directamente, es necesario obtener una fórmula para
calcular los coeficientes complejos cn . Para hacer esto, incorporamos la fórmula de Euler
i y ii en las definiciones dadas en (3)

d+T
2
an = ∫ f(t)cosnωtdt , (n = 0,1,2, … ) (i)
T
d
d+T
2
bn = ∫ f(t)sennωtdt , (n = 0,1,2, … ) (ii)
T
d

Llegando a:

d+T
1 1
c0 = a0 = ∫ f(t)dt (4)
2 T
d
 d+T d+T
1 1
cn = (an −jbn ) = [ ∫ f(t)cosnωtdt − j ∫ f(t)sennωtdt]
2 T
d d

d+T
1
= ∫ f(t)( cosnωt − jsennωt)dt
T
d
d+T
1
= ∫ f(t)e−jnωt dt (5)
T
d

d+T
1 1
c−n = (an +jbn ) = ∫ f(t)( cosnω + jsennωt)dt
2 T
d

d+T
1
= ∫ f(t)ejnωt dt (6)
T
d

De (4)-(6), se puede ver fácilmente que para todos los valores de n

d+T
1
cn = ∫ f(t)e−jnωt dt
T
d

En resumen, la forma compleja de la expansión en serie de Fourier de una función

periódica f(t), de periodoT, es:

f(t) = ∑ cn ejnωt
n=−∞

Donde
d+T
1
cn = ∫ f(t)e−jnωt dt , (n = 0, ±1, ±2, … )
T
d

En general los coeficientes cn (n = 0, ±1, ±2, … ) son complejos y pueden expresarse

en la forma

cn = | cn |c i∅n
Donde | cn |, la magnitud de cn , se obtiene de la definición (3) por

2 1 2 1 2 12
| cn | = √( an ) + ( bn ) = √( an )2 + ( bn )2
2 2 2

Así que 2| cn | es la amplitud de la n-ésima armónica. El argumento ∅n de cn esta

relacionado con fase de la n-ésima armónica.
SEÑALES DISCRETAS PERIÓDICAS .SERIE DE FOURIER DISCRETA
Sea una señal periódica, f(t),de periodo T . Tomamos N valores discretos de f(t) en cada
periodo, separados ∆t.se cumple entonces que:
T = N∆t

No conocemos la función de partida, solo los puntos discretos. Podemos construir una
suma de senos y cosenos que pase por los puntos discretos.
Las ecuaciones en el caso continuo eran:
∞ ∞
j2πnt
jnωt
f(t) = ∑ cn e = ∑ cn e T
n=−∞ n=−∞
 d+T d+T
1 1 −j2πnt
cn = ∫ f(t)e−jnωt dt = ∫ f(t)e T dt
T T
d d

El valor de la señal en cada t k = k∆t será:

∞ ∞
j2πn(k∆t) j2πnk
f(t k ) = f(k∆t) = ∑ cn e N∆t = ∑ cn e N
n=−∞ n=−∞

cn Para los valores discretos se calcula teniendo en cuenta:

d+T T
1 −j2πnt 1 −j2πnt
cn == ∫ f(t)e T dt = ∫ f(t)e T dt
T T
d 0

Como en un periodo solo hay datos en N instantes t k , se pueden calcular N valores de cn .

N−1 N−1
1 j2πn(k∆t) 1 j2πnk
cn = ∑ f(k∆t) e N∆t = ∑ f(k∆t) e N
N∆t N
n=0 n=0
TEOREMA:
Cualquier función periódica discreta de periodo T = N∆t se puede descomponer como:

N−1
j2πnk
f(N∆t) = ∑ cn e N
n=0
N−1
1 j2πnk
cn = ∑ f(k∆t) e N
N
n=0
2πn 2πn
 Las frecuencias de cada cn son: ω n = =
T N∆t
 Es fácil comprobar que c−n = cn ∗ , por lo que | c−n | = | cn | y el espectro
(ω n , | cn |) es simétrico respecto al eje x=0.
PROPIEDADES
 n=0
1
cn = N ∑N−1
n=0 f(k∆t)⇒ media de los valores discretos de f, f(k∆t).

N
 n= 2
N−1 N N−1
1 −j2π( )k 1
2
cN = ∑ f(k∆t) e N = ∑ f(k∆t) COS(πK)
2 N N
n=0 n=0

cN También es un número real.

2

N
 n= 2 + m

N
−j2π( +m)k −j2πmk
1 2 1
c N+m = ∑N−1 f(k∆t) e N = N ∑N−1
n=0 f(k∆t)e N e−jkπ =c N+m ∗
2
N n=0 2

N
Luego los elementos simétricos respecto a 2 son complejos conjugados.
  Esto quiere decir que la mitad de la información es redundante, ya que conociendo
𝐍
los términos desde 𝐧 = 𝟏 hasta 𝐧 = − 𝟏 puedes conocer los términos desde
𝟐
𝐍
𝐧 = + 𝟏 hasta 𝐧 = 𝐍 − 𝟏.
𝟐
𝐍
 La frecuencia más alta que se puede evaluar es: 𝛚𝐤 𝐦𝐚𝐱 = 𝛚𝐍 = 𝟐𝛑( 𝟐 )(𝐍∆𝐭) =
𝟐
𝛑
, Que se conoce como la frecuencia de Nyquist
∆𝐭
𝛑
𝐫𝐚𝐝 𝟏
𝛚𝐍𝐲𝐪𝐮𝐢𝐭𝐬 = ∆𝐭 , 𝐟𝐍𝐲𝐪𝐮𝐢𝐭𝐬 = 𝐇𝐳
𝐬 𝟐∆𝐭

Si la señal original tiene una frecuencia mayor que 𝛚𝐍𝐲𝐪𝐮𝐢𝐭𝐬 entonces la serie de
Fourier no la puede evaluar.
 Lo anterior es válido si N es par. Si N es impar, la mayor frecuencia que se puede
𝐍−𝟏
conocer es la correspondiente a 𝐧 = .a partir de ahí la información es
𝟐
redundante.
 Por tanto, como la frecuencia de Nyquist se ha definido como ωN , no es posible
2
evaluar esta frecuencia con N impar (la máxima frecuencia que se puede evaluar es
𝛚𝐍−𝟏 ).
𝟐
 Se volverá a incidir sobre esto al estudiar la DFT.

TEOREMA DE LA MULTIPLICACIÓN

Si f (t) y g (t) son dos funciones periódicas que tienen el mismo periodo T entonces:

∞
1 T+c
∫ f(t)g(t)dt = ∑ cn d∗n
T c
n= −∞

Donde cn y dn son los coeficientes en las expansiones en series de Fourier complejas de f

(t) y g (t) respectivamente:

Demostración: Sean f (t) y g (t) con series de Fourier complejas dadas por:

f(t) = ∑ cn ejn2π ∂T dT
n= −∞
con:

1 T+c
cn = ∫ f(t)e−jn2π ∂T dT
T c

y:

g(t) = ∑ dn ejn2π ∂T dT
n= −∞

Con:

1 T+c
dn = ∫ g(t)e−jn2π ∂T dT
T c
Entonces:

∞
1 T+c 1 T+c
∫ f(t)g(t)dt = ∫ ( ∑ cn ejn2π ∂T dT) g(t)dt
T c T c
n= −∞
∞
1 T+c
= ∑ cn [ ∫ g(t)ejn2π ∂T dt]
T c
n= −∞
∞

= ∑ cn d−n
n= −∞

Como d-n = dn * el conjugado complejo de dn esto se reduce el resultado requerido:

∞
1 T+c
∫ f(t)g(t)dt = ∑ cn d∗n
T c
n= −∞

En términos de los coeficientes reales an, bn y αn, βn. Las expansiones en serie de Fourier
trigonométricas que corresponden a f (t) y g (t) son:

∞ ∞
1 n2πt n2πt
f(t) = a0 + ∑ an cos( ) + ∑ bn sen( )
2 T T
n= 1 n= 1
 ∞ ∞
1 n2πt n2πt
g(t) = α0 + ∑ αn cos( ) + ∑ βn sen( )
2 T T
n= 1 n= 1

Y usando las definiciones, el resultado del teorema de la multiplicación se reduce a:

∞ ∞
1 T+c
∫ f(t)g(t)dt = ∑ c−n dn + c0 d0 + ∑ cn d−n
T c
n= 1 n= 1
∞
1 1
= α0 a0 + ∑[(an − jbn )(αn + jβn ) + (an + jbn )(αn − jβn ) ]
4 4
n= 1

Dando al final:

∞
1 T+c 1 1
∫ f(t)g(t)dt = α0 a0 + ∑ (an αn + bn βn )
T c 4 2
n= 1

ESPECTRO DE FRECUENCIA DISCRETA

Sea la serie de Fourier:

• Donde ICnI es la amplitud y a Øn es el Angulo de fase,

• Cn es un función de Ɯn=Ɯo A la gráfica de la magnitud de los coeficientes Cn

contra la frecuencia angular de la componente correspondiente se le denomina
espectro de amplitud.

• A la gráfica del ángulo de fase Øn de los coeficientes Cn contra Ɯ se le llama el

espectro de fase

• Como n solo toma valores enteros, la frecuencia angular Ɯ= nƜo es una variable
discreta y los espectros mencionados son graficas discretas.

• Dada una función periódica F(t), le corresponde una y solo una serie de Fourier, es
decir le corresponde un conjunto único de coeficientes Cn

• Por ello los coeficientes Cn especifican a f(t) en el dominio de la frecuencia dela

misma manera que f(t) especifica la función en el dominio del tiempo.

• Al expresar una función periódica f(t) mediante su expansión en series de Fourier

estamos descomponiendo la función en sus componentes armónicas o de
frecuencia. Hemos visto que si f(t) tiene periodo T entonces tiene componentes de
frecuencia las frecuencias

n2π
ωn = = nω0 (n=1,2,3,… ) (α)
T
Donde ωo es la frecuencia de la función padre f(t).(Aquí todas las frecuencias son
medidas en rad s-1)
Por lo tanto una serie de Fourier puede ser interpretada como el espectro de
frecuencias de la función periódica f (t), y proporciona una representación alternativa
de la función en su forma de onda en el dominio del tiempo. Este espectro de
frecuencia se representa dibujando las gráficas de amplitudes y las fases de as diversas
componentes armónicas contra la frecuencia angular ωn .Un dibujo de la amplitud
contra la frecuencia angular se denomina como espectro de amplitud mientras que la
gráfica de fase contra frecuencia angular se conoce como espectro de fase.
Para una función periódica f (t) de periodo T las componentes armónicas solo
aparecen en frecuencias discretas ωn, que están determinadas por (α) asi que
estos espectros se conocen como espectros de frecuencia discretas o espectros de
línea.
Si la expansión en serie de Fourier de una función periódica f (t) de periodo T se
obtuvo en forma geométrica:
 Entonces esto puede expresarse en términos de sus distintas componentes armónicas
como

Donde

Y las Øn están determinadas por

bn an
sen Øn = , cos Øn =
An An

Espectro de frecuencia discreta real.

Forma compleja de espectro de amplitud

EJEMPLO:
Dibuje los espectros de amplitud y fase de la función periódica

Considere ambas formas compleja y real.

Solución:

Los coeficientes complejos fueron determinados como

Asi:
(a) Espectro de amplitud
(b) Espectro de fase

Los coeficientes de la forma trigonométrica de la expansión de la serie de Fourier de f(t)

De manera que la amplitud de sus coeficientes son:

Llegando al Espectro de frecuencia real discreta:

 TEOREMA DE PARSEVAL

El promedio o valor medio de una señal cualquiera f (t) en un periodo dado (T) se puede
calcular como la altura de un rectángulo que tenga la misma área que el área bajo la curva
de f (t)

De acuerdo a lo anterior, si la función periódica f (t) representa una señal de voltaje o

corriente, la potencia promedio entregada a una carga resistiva de 1 ohm en un periodo
está dada por
1 T⁄
∫ 2 [f(t)]2 dt
T −T⁄ 2

Si f (t) es periódica, también lo será [f (t)]2 y el promedio en un periodo será el promedio

en cualquier otro periodo

El teorema de Parseval permite calcular la integral de [f (t)]2 mediante los coeficientes

complejos cn de Fourier de la función periódica f (t):
T⁄
2 ∞
1
∫ [f(t)]2 dt = ∑ |cn |2
T
−T⁄ n=−∞
2

 O en términos de los coeficientes an, bn:

 T⁄
2 ∞
1 1 1
∫ [f(t)]2 dt = a0 2 + ∑(an 2 + bn 2 )
T 4 2
−T⁄ n=1
2

Una consecuencia importante del teorema de Parseval es el siguiente resultado:

El valor cuadrático medio de una función periódica f(t) es igual a la suma de los valores
cuadráticos medios de sus armónicos, es decir

T⁄
2 ∞
1 cn 2
∫ [f(t)]2 dt = c0 2 + ∑ | |
T √2
−T⁄ n=1
2

Donde Cn es la amplitud del armónico n-ésimo y C0 es la componente de directa

Para aclarar el resultado anterior es conveniente encontrar la relación entre los
coeficientes complejos cn de la serie

𝑓(𝑡) = ∑ cn ejnω0 t
n=−∞

Los coeficientes reales Cn de la serie

𝑓(𝑡) = c0 + ∑∞
n=1[Cos(n ω0 t − θn)]

Donde Cn es la amplitud del armónico n-ésimo y C0 es la componente de directa

Tenemos por un lado Cn=√an 2 + bn 2

1
Mientras | Cn |= √an 2 + bn 2
2

1 1
Pero | Cn |=2 Cn asi que | Cn |2 = 4 Cn2

Además el armónico fn(t)=Cn [Cos(nω0 t− θn )]

Su valor rms es Cn/√2

Por lo que su valor cuadrático medio es Cn2⁄

2
Para la componente de directa C0, su valor rms es | C0|

Por lo tanto su valor cuadrático medio será |c0 |2

A partir de la serie de Fourier de la función definida en el intervalo determinar los valores
de las series:
π −4Cos((2n−1)x)
F(x) = 2 +∑∞
n=1 π(2n−1)2

1 1
1.- ∑∞
n=1 (2n−1)2 2.- ∑∞
n=1 (2n−1)4

Particularizando para x=0, f (0)=0:

π −4Cos((2n−1)0)
0=2 +∑∞
n=1 →
π(2n−1)2

π 4 1
0=2 -π ∑∞
n=1 (2n−1)2

−π
1 π2
=∑∞ 2
n=1 (2n−1)2 = −4 = 8
π

Aplicando el teorema de Parseval

π ∞
a0 2
∫ |f(x)| dx =2
+ ∑(an 2 + bn 2 )
−π 2
n=1
−4
Sustituyendo f(x)= |x| , a0 = π , an = π(2n−1)2 , bn = 0 ∶
∞
1 π 2 π2 16
∫ x dx = +∑
π −π 2 (2n − 1)4
n=1

1 2xπ3 π2 16 1
= π( = + π2 ∑ ∞
n=1 (2n−1)4
3 2

1 π4
=∑∞
n=1 (2n−1)4 = 96

1. Estudiar si el desarrollo obtenido converge uniformemente a f(x) en [-π,π]

2. Basándose en los resultados obtenidos, calcular la suma de la serie

numérica
 3. Obtener el desarrollo en serie de Fourier de la función

F(x) = x2 -π ≤ x ≤ π, con f(x) = f(x + 2π)

∞
1
∑
k4
k=1

1. f(x) = x2, x є [-π,π], 2π periódica

 Función par → desarrollo en cosenos, bn = 0

a
F(x) = 20 + ∑∞
n=1(a n )Cos(nx)

2 π 2
Pero a0 = π ∫0 x 2 dx = 3 π2
1 π 2 π
y an =π ∫−π x 2 Cos(nx)dx = π ∫0 x 2 Cos(nx)dx
2 1 2 2
=π [n x 2 Sen(nx) π⁄0 + n2 xCos(nx) π⁄0 − n3 Sen(nx) π⁄0 ]
2 (2π)
=π (−1)n
n2

π2 (−1)n
F(x)= 3 + 4 ∑n=1 Cos(nx)

. f continua es [ -π, π]
.f , Continua en [-π, π] hay convergencia uniforme
Por convergencia uniforme, se aplica la identidad de Parseval

∞
1 π a0 2
. ∫ [ f(x)]2 dx = +∑ (an 2 + bn 2 )
π −π 2 n=1
π 1 2
. ∫−π[x]2 dx = 5 x 5 π⁄−π =5 π5
2 2 1 1
. π4 = (3 π2 )2 2 + 16 ∑∞
n=1 n4
5

1 π2
. ∑∞
n=1 n4 = 90
 ESPECTRO DE POTENCIA
La potencia promedio P asociada con una señal periódica f(t) de periodo T está definida
como el valor cuadrático medio; esto es,

1 d+T
P = T ∫d [f(t)]2dt

Por ejemplo, si f (t) representa un voltaje que se aplica a un resistor, entonces P

representa la potencia promedio, medida en watts, que disipa un resistor de 1Ω.
Por el teorema de Perseval:

1 1
P = 4 a20 + 2 ∑∞ 2 2
n=1(a n + bn ) …. (1)

Como:

1 d+T 2nπt 1
∫ [an cos( T )]2dt= 2 a2n
T d

1 d+T 2nπt 1
∫ [bn cos( T )]2dt= 2 b2n
T d

La potencia en la n-ésima armónica es:

1
Pn = (a2n + b2n )….. (2)
2

Se sigue de la ecuación (1) que la potencia de la función periódica f (t) es la suma de las
potencias de las componentes armónicas individuales contenidas en f (t).
En términos de los coeficientes complejos de Fourier, el teorema de Perseval nos da:

P = ∑∞
n=−∞ |cn |
2
Como se demostró en el teorema de la multiplicación, la componente ejn⍵0 t en la
frecuencia ⍵n = n⍵0, ⍵0 = 2π/T, debe ser considerada junto con la componente e−jn⍵0 t a
la frecuencia negativa correspondiente -⍵n para formar la n-ésima componente de la
armónica nueva de la función f (t). Como |c−n |2 = |c ∗n |2 = |cn |2, se sigue que la potencia
asociada con la n-ésima armónica es la suma de las potencias asociadas con ejn⍵0 t y
e−jn⍵0 t ; esto es,

Pn = 2|cn |2

1
Que, como |cn | = 2 √(a2n + bn2 ), corresponde a la ecuación (2). Así en la forma compleja
la mitad de la potencia de la n-ésima armónica está asociada con la frecuencia positiva y la
otra mitad con la frecuencia negativa.
Como la potencia total de una señal es periódica es la suma de las potencias asociadas con
cada una de las armónicas de las cuales está compuesta la señal, de nuevo es útil
considerar la representación espectral, y un trazo de |cn |2 contra la frecuencia angular ⍵n
es llamado el espectro de potencia de la función f (t). Es claro que tal espectro es deducido
fácilmente del espectro de amplitud discreto de |cn | contra la frecuencia angular ⍵n.

EJEMPLO:
Para el espectro del tren infinito periódico (periodo = 2T) de pulsos rectangulares
idénticos de magnitud A y duración 2d que se muestra en la figura, determinar el
porcentaje de la potencia total contenido dentro de la banda de frecuencia hasta el
primer valor cero (llamado el cruce en cero del espectro) a 10πrads−1 . d=1/10 y T = 1/2,
Solución:

La potencia total asociada es:

1 d+T
P = T ∫d [f(t)]2dt

Reemplazando..
1 d
P = 2T ∫d [A]2dt

Que en el caso particular en que d=1/10 y T=1/2 se convierte en:

1/10 1
P = ∫−1/10 A2dt = 5 A2

La potencia contenida en la banda de frecuencia hasta el primer cruce cero a 10πrads −1

es

P1 = c0 2 + 2(c1 2 + c2 2 + c3 2 + c4 2 )

Donde

1 1
cn = Asenc( nπ)
5 5

Sabiendo que:

Sen (t)/t, t ≠ 0
Senc (t) = [
1 ,t=0
2
Esto es:

1 2 2 2 1 2 2 2 2 2 3 2 2 4
P1 = A + A senc 2 π + A senc 2 π + A senc 2 π + A senc 2 π
25 25 5 25 5 25 5 25 5

1 2
P1 = A [1 + 2(0.875 + 0.756 + 0.255 + 0.055)]
25

1
P1 = A2 (0.976)
5

Así P1 = 0.976P, de manera que aproximadamente el 97.6% de la potencia total asociada

con f (t) está contenida en la banda de frecuencia hasta el primer cruce cero a 10πrads−1 .
 APLICACIONES DE SERIE DE FOURIER
Las series más interesantes son las de potencias y por supuesto las de Fourier. Dado el
carácter periódico de tales sumas, las series de Fourier se aplican, por ejemplo, donde
surgen procesos oscilantes, como ocurre en las series temporales de naturaleza
económica, en electrónica (se aplican por ejemplo en teoría de señales), en acústica o en
óptica.
1. PROCESAMIENTO DE SEÑALES

El procesamiento digital de señales o DSP (sigla en inglés de digital signal processing) es la

manipulación matemática de una señal de información para modificarla o mejorarla en
algún sentido. Este está caracterizado por la representación en el dominio del tiempo
discreto, en el dominio frecuencia discreta, u otro dominio discreto de señales por medio
de una secuencia de números o símbolos y el procesado de esas señales. La Series Fourier
y la Transformada de Fourier resultan útiles para estos fines ya que permiten ver la
distribución de frecuencias de la señal, esto discretiza la señal permitiendo que se
almacenen digitalmente los valores de frecuencias para cada tiempo determinado, luego
mediante un DAC (siglas de “Digital-to-Analog Converter”, conversor digital a analógico en
inglés) se leen estos datos y se logra reproducir la señal original.

VENTAJAS Y DESVENTAJAS DE TRABAJAR CON UNA SEÑAL DIGITAL

Ventajas:

 La señal discreta (digital) es más fácil de transmitir, almacenar o manipular.

 La señal digital es menos sensible que la analógica a las interferencias

 La señal digital puede ser enviada a casi cualquier punto del planeta en cualquier
momento a un muy bajo costo a través de internet y a partir de aquí puede ser reenviada
a su remitente o a algún otro destino. Esto sin que la señal sufra variaciones o alteraciones
de calidad severas.
Desventajas:

 Se necesita una conversión analógica-digital previa y una decodificación posterior, en el

momento de la recepción.

 Hay una pérdida inherente de información al convertir la información continua en

discreta. Por mínimo e insignificante que resulte siempre hay un error de cuantificación
que impide que la señal digital sea exactamente equivalente a la analógica que la originó.

APLICACIÓN EN PROCESAMIENTO DIGITAL DE SEÑALES

Es importante considerar la aplicación de las series de Fourier, ya que estas sirven mucho
en el procesamiento digital de señales, la cual es un área de las ciencias e ingeniería que
se ha desarrollado rápidamente en los últimos 30 años.
Este rápido desarrollo es resultado de avances tecnológicos tanto en los ordenadores
digitales como en la fabricación de circuitos integrados. Estos circuitos digitales baratos y
relativamente rápidos han hecho posible construir sistemas digitales altamente
sofisticados, capaces de realizar funciones y tareas del procesado de señales que
convencionalmente se realizaban analógicamente, se realicen hoy mediante hardware
digital, más barato y a menudo más fiable. Es relevante diferencie entre una señal
analógica y digital para comprender mejor el procesamiento de señales, el nombre de una
señal analógica se deriva del hecho de que es una señal análoga a la señal física que se
representa .La magnitud de una señal analógica pude tomar cualquier valor, esto es, la
amplitud de una señal analógica exhibe una variación continua sobre su campo de
actividad. La gran mayoría de señales en el mundo que hay a nuestro alrededor son
analógicas. Los circuitos que procesan estas señales se conocen como circuitos analógicos.
Una forma alternativa de representación de señal es la de una secuencia de números,
Cada uno de los cuales representa la magnitud de señal en un instante determinado. La
señal resultante se llama señal digital, está a diferencia de la señal analógica es una señal
que esta discretisada en el tiempo y cuantificada en magnitud. El procesamiento de
señales se correlaciona con las series de Fourier ya que esta nos permite expresar una
función periódica de tiempo como la suma de un número infinito de senoides cuyas
frecuencias están armónicamente relacionadas La importancia de esto radica en que la
serie de Fourier nos facilita el arduo trabajo del manejo con señales, ya que para que
nosotros podamos procesar estas señales es necesario expresarlas como una combinación
lineal de términos, lo cual nos lo proporciona la serie de Fourier.
APLICACIONES EN LA MEDICINA
Diagnóstico automático: La ecografía permite registrar la vibración de cada una de las
membranas del corazón, proporcionando una curva periódica. Un programa de ordenador
calcula los primeros términos de las sucesiones (coeficientes de Fourier). En el caso de la
válvula mitral, son suficientes los dos primeros coeficientes de Fourier para diagnosticar al
paciente. Esta forma de diagnóstico disminuye costes en el sistema sanitario y, sobre
todo, evita al paciente los riesgos y molestias inherentes a las pruebas endoscópicas.
APLICACIONES DIVERSAS

Las series de Fourier son de gran importancia ya que tienen muchas aplicaciones dentro
de los campos de la física y de la matemática entre otros. La idea básica de las series de
Fourier es que toda función periódica de periodo T puede ser expresada como una suma
trigonométrica de senos y cosenos del mismo periodo T. Este problema aparece por
ejemplo en astronomía en donde Neugebauer (1952) descubrió que los babilonios
utilizaron una forma primitiva de las series de Fourier en la predicción de ciertos eventos
celestiales.
La historia moderna de las series de Fourier comenzó con D’Alembert (1747) y su trabajo
de las oscilaciones de las cuerdas de violín. El desplazamiento de una cuerda de violín
como una función del tiempo y de la posición es solución de una ecuación diferencial.
La solución de este problema es la superposición de dos ondas viajando en direcciones
opuestas a la velocidad como lo expresa la fórmula de D´Alembert En la cual la función es
impar de periodo 2 que se anula en algunos puntos específicos. Euler en 1748 propuso
que tal solución podía ser expresada en una serie en función de senos y como
consecuencia una serie con producto de senos y cosenos, Las mismas ideas fueron luego
expuestas por D. Bernoulli (1753) y Lagrange (1759). La fórmula para calcular los
coeficientes apareció por primera vez en un artículo escrito por Euler en 1777.
La contribución de Fourier comenzó en 1807 con sus estudios del problema del flujo del
calor presentado a la academia de ciencias en 1811 y publicado en parte como la célebre
teoría analítica del calor en 1822. Fourier hizo un intento serio por demostrar que
cualquier función diferenciable puede ser expandida en una serie trigonométrica. Una
prueba satisfactoria de este hecho fue dada por Drichlet en 1829.
Modernamente el análisis de Fourier ha sido impulsado por matemáticos como lebesgue
Hardy, Littlewood, Wiener, Frobenius, Selberg, Weily Weyl entre otros.
El poder extraordinario y la flexibilidad de las series de Fourier se ponen de manifiesto en
la asombrosa variedad de aplicaciones que estas tienen en diversas ramas de la
matemática y de la física matemática desde la teoría de números y geometría hasta la
mecánica quántica.
Algunas de las más importantes aplicaciones de las series de Fourier son:

• El problema isoperimétrico
• Temperatura de la tierra
• Evaluación de series no triviales
• La desigualdad de Wirtinger
• Solución de ecuaciones diferenciales
• Flujo del calor
• Ecuación de ondas
• Formula de Poisson
• Identidad de Jacobi
Veamos de forma breva algunas de estas de estas aplicaciones:
El problema isoperimétrico que es de carácter matemático afirma que si C es una curva
cerrada simple con un tipo de clase y de longitud unitaria, entonces el área A encerrada
por la curva satisface cierta desigualdad. La desigualdad se satisface si y solos si C es una
circunferencia. En consecuencia entre todas las curvas cerradas simples de longitud
unitaria la que encierra mayor área es la circunferencia.
O Un problema sencillo pero muy interesante es el de calcular la temperatura de la tierra
a una profundidad x a partir de la temperatura de la superficie. Describamos la
temperatura de la superficie terrestre como una función f periódica en el tiempo t y de
periodo 1(un año). La temperatura y la profundidad en un tiempo y longitud
respectivamente, mayores o iguales a cero son también periódicas. Bajo estas
circunstancias la temperatura puede ser expandida mediante una serie de Fourier para
cada valor x fijo.

Otra de las aplicaciones de la serie de Fourier es la evaluación de las series no triviales

mediante la identidad de plancherel para calcular algunas sumas infinitas.
La desigualdad de wirtinger es una aplicación de tipo matemática de las series de Fourier
para una función continua definida en un intervalo cerrado.
Tal vez una de las propiedades más importantes de las series de Fourier y en particular de
las integrales de Fourier se presenta en la solución de ecuaciones diferenciales ya que
transforma operadores diferenciales con coeficientes constantes en multiplicación por
polinomios.

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

transformada de Fourier es el problema del flujo del calor. El planteamiento de este
problema es similar al del problema anterior.

Las aplicaciones tanto en la ecuación de ondas, la fórmula de Poisson y la Identidad de

Jacobi son de carácter matemático riguroso por lo que se dejan indicadas.
TEOREMA DE TRASPLANTACIÓN PARA LAS SERIES DE FOURIER-BESSEL
La presente aplicación es de tipo matemática utilizando una sucesión de ceros positivos de
la función de Bessel de cierto tipo de orden, en este punto una sucesión de funciones
forman un sistema ortonormal completo. Las series de Fourier asociadas a este sistema
ortonormal se denominan series de Fourier-Bessel dentro de este estudio cabe mencionar
el teorema de transplantacion con pesos potenciales para este tipo de series de Fourier
que permite un rango lo más alto posible para los parámetros involucrados.
ANÁLISIS DE FOURIER APLICADO A LA RESOLUCIÓN DE LA ECUACIÓN DEL CALOR
En física, se define al “flujo de calor” como el proceso de transferencia de energía debido
a la diferencia de temperatura entre dos puntos. El calor es una forma de energía y su
unidad en el sistema SI es el Joule (J). Por su parte, la “temperatura” de una sustancia es
una medida de la energía cinética de sus átomos. Según las definiciones de Isaac Newton
“una diferencia de temperatura entre dos sustancias en contacto, causa una transferencia
de energía desde la sustancia con mayor temperatura a la sustancia con menor
temperatura, y se denomina flujo de calor. Si no hay diferencia de temperatura, no hay
transferencia de calor”. [1] A principios del siglo XIX, Joseph Fourier (científico y
matemático francés), introdujo la idea de expandir funciones en series trigonométricas
como método para resolver la ecuación de conducción del calor desarrollada en su
“Théorie Analytique de la Chaleur” (Teoría analítica del calor). Su texto clásico se convirtió
desde ese entonces, en la fuente para los métodos modernos de resolución de problemas
prácticos asociados con ecuaciones diferenciales parciales sujetas a condiciones de
frontera dadas.

CONCLUSION
A diferencia de la densidad espectral de potencia que es una función real positiva de una
variable de frecuencia asociada con un proceso estocástico o una función determinística
del tiempo que tiene unidades de potencia por unidades de frecuencia, el espectro de
potencia se encarga de calcular el área bajo la curva de la señal por medio de los métodos
de Fourier. Es válido decir que medir el espectro de potencia de una señal en el tiempo
responde a la pregunta “¿en cuales componentes de la frecuencia está contenida la
potencia de la señal?”. La medida es la distribución de valores de potencia como una
función de la frecuencia donde la “potencia” es considerada como el promedio de la
señal.
BIBLIOGRAFIA

 Libro: Matemática –avanzada- para -ingeniria-glyn-james.pdf

 http://yoquieroaprobar.es/_pdf/72001.pdf
 http://agamenon.tsc.uah.es/Asignaturas/it/ssi/apuntes/Fourier%20Discreto.pdf
 http://publicaciones.ua.es/filespubli/pdf/64795259788497173728_fragment.pdf
 http://www3.fi.mdp.edu.ar/virtuallab/matavanzada/Resueltos/guia4.pdf
 http://agamenon.tsc.uah.es/Asignaturas/it/ssi/apuntes/Fourier%20Discreto.pdf
 http://publicaciones.ua.es/filespubli/pdf/64795259788497173728_fragment.pdf
 http://www.ehu.eus/Procesadodesenales/tema3/721.html
 https://www.youtube.com/watch?v=NWpGtPi3E8Q
 http://www.sc.ehu.es/sbweb/fisica3/ondas/fourier/fourier.html
 http://www.bdigital.unal.edu.co/3401/1/bernardoacevedofrias.2005.pdf
 http://ocw.unican.es/ensenanzas-tecnicas/ampliacion-de-
matematicas/materiales/tema7.pdf