Está en la página 1de 151

Notas del Curso de Métodos Matemáticos

Marco A. Barranco-Jiménez
27 de enero de 2008
2
Índice general
Índice general 3
1. Variable Compleja 5
1.1. Series Complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3. Series convergentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4. Criterios de convergencia y divergencia para series . . . . . . . . . . . . 8
1.4.1. Criterio de la Razón . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.2. Criterio de la Raíz . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5. Series de potencias complejas . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6. Serie de Taylor compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7. Series de Laurent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.8. Singularidades, Polos y Residuos . . . . . . . . . . . . . . . . . . . . . . . 32
1.9. Integración Compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.9.1. Contornos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.9.2. Integrales de Contornos . . . . . . . . . . . . . . . . . . . . . . . . 37
1.10. Teorema de la Integral de Cauchy . . . . . . . . . . . . . . . . . . . . . . . 42
1.10.1. Deformación de contornos . . . . . . . . . . . . . . . . . . . . . . 44
1.10.2. Fórmulas integrales de Cauchy . . . . . . . . . . . . . . . . . . . . 49
1.11. Teorema del Residuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2. Análisis de Fourier 57
2.1. Funciones Periódicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.2. Serie y coeficientes de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.2.1. Serie y Coeficientes de Fourier en determinado intervalo. . . . . . 62
2.2.2. Serie y Coeficientes de Fourier en el intervalo [-L,L] . . . . . . . . 65
2.2.3. Funciones Pares e Impares . . . . . . . . . . . . . . . . . . . . . . . 68
2.3. Convergencia de las series de Fourier . . . . . . . . . . . . . . . . . . . . 72
2.4. Series de Fourier en senos y cosenos . . . . . . . . . . . . . . . . . . . . . 78
2.5. Funciones Periódicas y el Espectro de Amplitud . . . . . . . . . . . . . . 82
2.6. Serie de Fourier Compleja y Espectros de Frecuencia . . . . . . . . . . . . 86
2.7. Integrales de Fourier y Espectros Continuos . . . . . . . . . . . . . . . . . 96
2.7.1. Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . 99
2.8. Propiedades de la Transformada de Fourier . . . . . . . . . . . . . . . . . 110
3
4 ÍNDICE GENERAL
2.9. Concepto y definición intuitiva de funciones generalizadas . . . . . . . . 115
2.9.1. Función delta de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . 115
2.9.2. Derivada de la función delta de Dirac . . . . . . . . . . . . . . . . 117
2.9.3. Función unitaria de Heaviside o función escalón unitaria . . . . . 118
2.9.4. Transformada de Fourier de funciones especiales . . . . . . . . . 120
2.10. Convolución y Correlación . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
2.10.1. Interpretación gráfica de la Convolución . . . . . . . . . . . . . . 131
2.10.2. Teorema de la Convolución . . . . . . . . . . . . . . . . . . . . . . 141
2.10.3. Teorema de Parselval . . . . . . . . . . . . . . . . . . . . . . . . . . 149
Bibliografía 151
Capítulo 1
Variable Compleja
1.1. Series Complejas
Definición: Una sucesión compleja es una función que asigna a cada entero positivo
n (o bien cada entero no negativo n) un número complejo, el número asignado a n por
esta función se le llama el n-ésimo término de la sucesión, si el término n-ésimo de la
sucesión es z
n
, denotamos a esta sucesión de la forma z
n
.
También:
z
1
, z
2
, . . . , z
n
, . . . ,
ó
z
1
, z
2
, . . . , z
n
, . . . ,
Los términos z
n+1
, z
n+2
, . . . , de una sucesión z
n
se llaman términos más allá del
n-ésimo témino.
Convergencia: Una sucesión z
n
converge a un número L, si dado cualquier disco
abierto de D con centro en L, existe un número N tal que los términos más allá del
término N-ésimo están en D, es decir, dado cualquier número > 0, existe un número
N talque:
[z
n
−L[ < .
∀n ≥ N.
Asimismo, si z
n
converge a L, llamamos a L el límite de la sucesión y lo escribimos
de la forma,
l´ım
n−→∞
z
n
= L,
en caso contrario de que L no exista, diremos que la sucesión z
n
diverge. Lo anterior
se ilustra en la siguiente figura:
Nótese en la figura, que sólo un número finito de elementos no está en el disco
[z
n
−L[ < . Por otro lado, si una serie compleja converge, entonces sus partes real e
imaginaria deben de converger, por ejemplo:
5
6 1. Variable Compleja
Figura 1.1: Convergencia y Divergencia de la Serie.
Dada la serie compleja
z
n
= x
n
+ iy
n
= 2 −
1
n
+ i
_
1 +
2
n
_
donde los términos de la sucesión z
n
están dados por,
1 + 3i,
3
2
+ 2i,
5
3
+
5
3
i,
7
4
+
3
2
, . . . ,
entonces,
l´ım
n−→∞
z
n
= l´ım
n−→∞
x
n
+ i l´ım
n−→∞
y
n
= l´ım
n−→∞
_
2 −
1
n
_
+i l´ım
n−→∞
_
1 +
2
n
_
= 2 + i
es decir,
l´ım
n−→∞
x
n
= Re(L)
y
l´ım
n−→∞
y
n
= Im(L).
Más aún de la definición de convergencia de la sucesión se tiene que
¸
¸
¸
¸
2n −1
n
+ i
_
n + 2
n
_
−(2 + i)
¸
¸
¸
¸
=
¸
¸
¸
¸

1
n
+
2i
n
¸
¸
¸
¸
=

5
n
< ,
de donde,
l´ım
n−→∞
z
n
= 2 + i
si n >

5

.
1.2. Series 7
1.2. Series
Dada una sucesión z
1
, z
2
, . . . , z
n
, . . . ,, es posible formar la siguiente sucesión de
sumas,
S
1
= z
1
S
2
= z
1
+z
2
S
3
= z
1
+z
2
+ z
3
. . .
S
n
= z
1
+z
2
+, . . . , z
n
. . . ,
Que se denominan la sucesión de sumas parciales de la serie infinita o serie,

n=1
z
n
= z
1
+z
2
+ . . . +
Los z
1
+ z
2
+ . . . +, se denominan términos de la serie.
Definición: La n-ésima suma parcial S
n
de la serie es la suma de los primeros n
términos de la sucesión z
n
, es decir:
S
n
=
n

j=1
z
j
= z
1
+z
2
+ . . . + z
n
.
Si esta sucesión de sumas parciales converge, decimos que la serie infinita


n=1
z
n
converge, y definimos su suma como,
l´ım
n−→∞
S
n
.
. En forma análoga si S
n
diverge, entonces decimos que la serie infinita


n=1
z
n
di-
verge.
1.3. Series convergentes
La serie geométrica,

n=0
q
n
= 1 + q + q
2
+ . . . + q
n
Converge a la suma
1
1−q
si [q[ < 1 y diverge si [q[ ≥ 1. Para verifivar el resultado
anterior, obsérvese que si q > 1 entonces [q
n
[ > 1, por lo tanto,
l´ım
n−→∞
q
n
= ∞.
8 1. Variable Compleja
De tal forma que la serie diverge. Por otro lado, si [q[ < 1, la n-ésima suma parcial
está dada por
S
n
= 1 + q + q
2
+ . . . + q
n
de donde,
qS
n
= q + q
2
+. . . +q
n
+ q
n+1
Restando estas dos ecuaciones, obtenemos
S
n
=
1 −q
n+1
1 −q
=
1
1 −q

q
n+1
1 −q
Como [q[ < 1, entonces el último término tiende a cero cuando n −→ ∞, por lo
tanto la serie es convergente y su suma es
1
1−q
.
1.4. Criterios de convergencia y divergencia para series
En esta parte recordaremos algunos criterios de convergencia para series muy útiles
e importantes.
1.4.1. Criterio de la Razón
Si una serie z
1
, z
2
, . . ., con z
n
,= 0 para los valores de n = 1, 2, . . . ,) es tal que
l´ım
n−→∞
¸
¸
¸
¸
z
n+1
z
n
¸
¸
¸
¸
= L
entonces
1. si L < 1, la serie converge absolutamente,
2. si L > 1, la serie diverge absolutamente,
3. si L = 1, no es aplicable el criterio.
Ejemplo: Verificar si la serie

n=0
(100 + 75i)
n
n!
Es convergente o divergente.
Solución: El criterio de la razón calculemos el límite,
l´ım
n−→∞
¸
¸
¸
¸
z
n+1
z
n
¸
¸
¸
¸
1.4. Criterios de convergencia y divergencia para series 9
De esta forma,
l´ım
n−→∞
¸
¸
¸
¸
z
n+1
z
n
¸
¸
¸
¸
= l´ım
n−→∞
¸
¸
¸
¸
¸
¸
(100+75i)
n+1
(n+1)!
(100+75i)
n
n!
¸
¸
¸
¸
¸
¸
= l´ım
n−→∞
¸
¸
¸
¸
100 + 75i
n + 1
¸
¸
¸
¸
= l´ım
n−→∞
[100 + 75i[
n + 1
= l´ım
n−→∞
_
125
n + 1
_
< 1,
Por lo tanto la serie dada es convergente.
1.4.2. Criterio de la Raíz
Si una serie z
1
, z
2
, . . . , con z
n
,= 0 para los valores de n = 1, 2, . . . , es tal que
l´ım
n−→∞
n
_
[z
n
[ = L
Entonces,
1. si L < 1, la serie converge absolutamente,
2. si L > 1, la serie diverge absolutamente,
3. si L = 1, no es aplicable el criterio.
Ejemplo: Verificar si la serie,

n=0
(−1)
n
2
2n
+ 3
(4 −i)
n
Es convergente o divergente.
Solución: El lector puede mostrar en forma análoga al ejemplo anterior que en este
caso se cumple,
l´ım
n−→∞
n
_
[z
n
[ =

17
4
> 1,
de donde, aplicando el criterio de la raíz, la serie diverge.
10 1. Variable Compleja
1.5. Series de potencias complejas
Una serie de potencias en potencias de z −z
0
es una serie de la forma,

n=0
a
n
(z −z
0
)
n
= a
0
+a
1
(z −z
0
) + a
2
(z −z
0
)
2
+ . . . (1.1)
En donde z es la variable; a
0
, a
1
, . . ., son constantes denominadas coeficientes de la
serie y z
0
, es un aconstante denominada centro de la serie. Si z
0
= 0, se obtiene un caso
particular de la serie de potencias de z de la forma

n=0
a
n
z
n
= a
0
+ a
1
z + a
2
z
2
+ . . . + a
n
z
n
+ . . . (1.2)
A continuación analicemos el comportamiento de las series de potencia en cuanto
a su convergencia.
1. Convergencia en un disco. La Serie Geométrica es de la forma:

n=0
z
n
= 1 + z + z
2
+. . . +z
n
+ . . .
Como se demostró anteriormente esta serie converge absolutamente si [z[ < 1, y
diverge si [z[ > 1.
2. Convergencia para todo z. Consideremos la serie de potencias:

n=0
z
n
n!
= 1 + z +
z
2
2!
+
z
3
3!
+ . . . +
z
n
n!
+ . . .
En este caso podemos aplicar el criterio de la razón, de tal forma que:
l´ım
n−→∞
¸
¸
¸
¸
z
n+1
z
n
¸
¸
¸
¸
= l´ım
n−→∞
¸
¸
¸
¸
¸
z
n+1
(n+1)!
z
n
n!
¸
¸
¸
¸
¸
= l´ım
n−→∞
¸
¸
¸
¸
z
n + 1
¸
¸
¸
¸
= l´ım
n−→∞
[z[
n + 1
,
En este caso como
l´ım
n−→∞
¸
¸
¸
¸
z
n+1
z
n
¸
¸
¸
¸
= 0
Entonces la serie es absolutamente convergente para cualquier z fijo.
1.5. Series de potencias complejas 11
3. Convergencia sólo en el centro. Consideremos la siguiente serie,

n=0
(n!) (z
n
) = 1 + z + 2z
2
+ 3z
3
+. . . +n!z
n
+ . . .
Asimismo, si aplicamos el criterio de la razón obtenemos,
l´ım
n−→∞
¸
¸
¸
¸
(n + 1)! z
(n+1)
n! z
n
¸
¸
¸
¸
= l´ım
n−→∞
[(n + 1)z[
= l´ım
n−→∞
(n + 1)[z[
= ∞
Para este caso, como
l´ım
n−→∞
¸
¸
¸
¸
z
n+1
z
n
¸
¸
¸
¸
= ∞
entonces la serie diverge, es decir, la serie

n=0
n! z
n
converge sólo en z = 0.
Teorema de convergencia de una serie de potencias.
Este teorema establece que si la serie de potencias

n=0
a
n
(z −z
0
)
n
Converge en un punto z = z
1
,= z
0
, entonces converge absolutamente para toda z
que está más próxima a z
0
que a z
1
, es decir; [z −z
0
[ < [z
1
−z
0
[. Si diverge en un punto
z
2
, entonces diverge para toda z que está más lejos de z
0
que de z
1
.
Demostración: Si la serie,

n=0
a
n
(z −z
0
)
n
Converge en z
1
, entonces a
n
(z
1
−z
0
)
n
−→0 cuando n −→∞.
Lo anterior implica que para z = z
1
, los términos de la serie están acotados, digamos
por ejemplo:
12 1. Variable Compleja
[a
n
(z −z
0
)
n
[ < M
∀n = 0, 1, 2, . . .. Multiplicando y dividiendo por (z
1
−z
0
)
n
en la serie obtenemos
[a
n
(z −z
0
)
n
[ =
¸
¸
¸
¸
a
n
(z −z
0
)
n
_
z
1
−z
0
z
1
−z
0
_
n
¸
¸
¸
¸
=
¸
¸
¸
¸
a
n
(z
1
−z
0
)
n
_
z −z
0
z
1
−z
0
_
n
¸
¸
¸
¸
≤ M
¸
¸
¸
¸
z −z
0
z
1
−z
0
¸
¸
¸
¸
n
.
Ejemplo:
Dada la siguiente serie de potencias,

n=0
_
n
n
n!
_
(z −i)
n
Encontrar su radio de convergencia.
Solución: Para este problema, recordemos que una serie de potencias


n=0
a
n
(z −
z
0
)
n
debe converger para [z −z
0
[ < R y diverger para [z −z
0
[ > R, es decir; la serie de
potencias convergeen un disco abierto con centro en z
0
y diverger en el exterior de este
disco, este disco se llama disco de convergencia de la serie de potencias y su radio R, se
llama radio de convergencia de la serie de potencias.
Aplicando el criterio de la razón que establece que:
Si una serie z
1
, z
2
, . . . , con z ,= 0 (n = 1, 2, . . . ,) es tal que
l´ım
n−→∞
¸
¸
¸
¸
z
n+1
z
n
¸
¸
¸
¸
= L
Entonces,
1. si L < 1, la serie converge absolutamente,
2. si L > 1, la serie diverge absolutamente,
3. si L = 1, no es aplicable el criterio.
Para este caso tenemos,
1.5. Series de potencias complejas 13
l´ım
n−→∞
¸
¸
¸
¸
¸
¸
(n+1)
n+1
(n+1)!
(z −i)
n+1
n
n
n!
(z −i)
n
¸
¸
¸
¸
¸
¸
= l´ım
n−→∞
¸
¸
¸
¸
n!(n + 1)
n+1
(n + 1)! n
n
(z −i)
¸
¸
¸
¸
= l´ım
n−→∞
¸
¸
¸
¸
(n + 1)
n+1
n + 1
1
n
n
(z −i)
¸
¸
¸
¸
= l´ım
n−→∞
¸
¸
¸
¸
_
n + 1
n
_
n
(z −i)
¸
¸
¸
¸
= l´ım
n−→∞
_
1 +
1
n
_
n
[z −i[
= e[z −i[.
Este límite es menor que 1 si e[z −i[ < 1, es decir, si [z −i[ <
1
e
. Por lo tanto la serie
de potencias converge para [z − i[ <
1
e
, y diverge si [z − i[ >
1
e
. Asimismo, el radio de
convergencia es R =
1
e
y el disco de convergencia es el disco de radio
1
e
con centro en i,
como se muestra en la siguiente figura.
Figura 1.2: Región de convergencia, [z −i[ <
1
e
.
14 1. Variable Compleja
1.6. Serie de Taylor compleja
En esta sección mostraremos que toda función analítica f(z) puede representarse
mediante series de potencias, denominadas series de Taylor de f(z) y que son de la
misma forma que en el Cálculo de funciones de variable real.
Teorema
Si f es una función analítica en un disco abierto [z −z
0
[ < R, con centro en z
0
y
radio R, entonces f tiene una representación en series de potencias de la forma,
f(z) =

n=0
a
n
(z −z
0
)
n
,
donde los coeficientes a
n
que se llaman coeficientes de Taylor de la serie están dados
por,
a
n
=
f
(n)
(z
0
)
n!
,
para n = 0, 1, 2, 3, . . . ,.
Demostración
Para demostrar este teorema, consideremos que f es analítica en z
0
, así existe un
disco con centro en z
0
y radio r, es decir; [z −z
0
[ < r en donde f es derivable. Si consid-
eramos ahora un disco de radio
r
2
también con centro en z
0
, es decir; [z −z
0
[ =
r
2
, más
bien una circunferencia, entonces f será derivable en todos los puntos sobre y dentro
de C, (ver figura).
Figura 1.3: Demostración del Teorema.
Consideremos a w en C y sea z cualquier punto dentro de C, entonces
1.6. Serie de Taylor compleja 15
1
w −z
=
1
(w −z
0
) −(z −z
0
)
=
1
w −z
0
_
1
1 −
z−z
0
w−z
0
_
, (1.3)
si consideramos que w está más lejos de z
0
de lo que está de z, es decir; [z −z
0
[ <
[w −z
0
[, entonces
¸
¸
¸
¸
z −z
0
w −z
0
¸
¸
¸
¸
< 1,
por lo tanto podemos desarrollar
z−z
0
w−z
0
aplicando la serie geométrica de la forma,
1
1 −
z−z
0
w−z
0
=

n=0
_
z −z
0
w −z
0
_
n
,
así, la ecuación 1.3 se puede escribir de la forma
1
w −z
=
1
w −z
0
=

n=0
_
z −z
0
w −z
0
_
n
=

n=0
_
z −z
0
(w −z
0
)
n+1
_
n
. (1.4)
Si ahora aplicamos la fórmula integral de Cauchy; f(z
0
) =
1
2πi
_
C
f(z)
z−z
0
dz, donde
hacemos el cambio de variable de integración, ahora la variable de integración es w y
z = z
0
, es decir de la forma
f(z) =
1
2πi
_
C
f(w)
w −z
dz,
sustituyendo la ecuación 1.4 en la ecuación anterior obtenemos,
f(z) =
1
2πi
_
C

n=0
(z −z
0
)
n
(w −z
0
)
n+1
f(w)dw
=

n=0
_
1
2πi
_
C
f(w)
(w −z
0
)
n+1
dw
_
(z −z
0
)
n
=
f
n
(z
0
)
n!
(z −z
0
)
n
,
donde aplicamos nuevamente la integral de Cauchy pero para derivadas superiores
dada por,
1
2πi
_
C
f(w)
(w −z
0
)
n+1
dw =
f
n
(z
0
)
n!
finalmente se mostró que
f(z) =

n=0
1
n!
f
n
(z
0
) (z −z
0
)
n
,
16 1. Variable Compleja
es decir, f se puede representar mediante su serie de Taylor en [z −z
0
[ < R.
Observación: Cuando escribimos a f(z) como una serie de Taylor alrededor de z
0
,
decimos que hemos desarrollado a f en serie de Taylor alrededor de z
0
. En la expresión
anterior si z
0
= 0, la serie se denomina SERIE DE MACLAURIN de f(z).
Ejemplos de desarrollos de funciones en series de potencias
1. a) Expresar a la función f(z) = e
z
en serie de Taylor alrededor de z = 0.
Solución:
Como f(z) = e
z
es una función entera (analítica en todo el plano complejo),
tiene una representación en serie de Taylor (Maclaurin) valida para toda z,
por lo tanto, como se cumpe que:
f

(z) = e
z
f

(z) = e
z
f

(z) = e
z
.
.
.
f
n
(z) = e
z
,
entonces,
f
n
(z = 0) = e
z=0
= 1,
por lo tanto, los coeficientes de Taylor están dados por:
a
n
=
f
n
(z = 0)
n!
=
1
n!
,
finalmente la serie de Maclaurin para f(z) = e
z
está dada por:
e
z
=

n=0
z
n
n!
,
para [z[ < ∞.
b) Encontrar la serie de Maclaurin para f(z) = z
2
e
3z
.
Solución:
Nótese que la forma más fácil de obtener la serie de f(z), es sustituyendo z
por 3z en el resultado del inciso anterior, y después multiplicar la expresión
resultante por la función z
2
, es decir;
e
3z
=

n=0
(3z)
n
n!
,
1.6. Serie de Taylor compleja 17
de donde,
z
2
e
3z
=

n=0
z
2
(3z)
n
n!
=

n=0
z
n
n!
z
n+2
,
finalmente, sustituyendo n por n −2 obtenemos,
z
2
e
3z
=

n=2
3
n−2
(n −2)!
z
n
.
c) Encontrar la serie de Taylor de f(z) = e
z
alrededor de z
0
= i.
Solución:
La serie buscada debe tener la forma


n=0
a
n
(z −i)
n
. Del inciso a), sabemos
que
e
z
=

n=0
z
n
n!
,
alrededor de z = 0, en forma análoga al inciso b) si sustituimos z por z − i
en la ecuación anterior obtenemos
e
z−i
=

n=0
(z −i)
n
n!
,
pero e
z−i
= e
z
e
−i
, por lo tanto, e
z
= e
i
e
z−i
, así de la ecuación anterior obten-
emos,
e
z
= e
i

n=0
(z −i)
n
n!
=

n=0
e
i
n!
(z −i)
n
.
Obsérvese que la serie de Taylor de e
z
alrededor de z
0
= i converge para
toda z, es decir; para [z −i[ < ∞.
2. Encontrar la serie de Maclaurin para f(z) = sen z y f(z) = cos z.
Solución:
Las series de Maclaurin tendrán la forma
f(z) =

n=0
a
n
(z −0)
n
=

n=0
a
n
z
n
,
donde los coeficientes de la serie estarán dados por a
n
=
f
n
(z=0)
n!
, encontremos los
coeficientes de la serie. Si f(z) = sen z, entonces
18 1. Variable Compleja
f
I
(z) = cos z
f
III
(z) = −cos z
f
V
(z) = cos z
f
V II
(z) = −cos z
. . .
f
2n+1
(z) = (−1)
n
cosz
&
f
II
(z) = −sin z
f
IV
(z) = sin z
f
V I
(z) = −sin z
f
V III
(z) = sin z
. . .
f
2n
(z) = (−1)
n
sin z
∀n = 0, 1, 2 . . . ,. Por lo tanto,
a
2n+1
=
f
2n+1
(z = 0)
(2n + 1)!
=
(−1)
n
(2n + 1)!
a
2n
=
f
2n
(z = 0)
(2n)!
= 0.
Así, la serie de Maclaurin para f(z) = sen z está dada por:
sen z =

n=0
(−1)
n
(2n + 1)!
z
2n+1
.
Para [z[ < ∞. En forma análoga, si f(z) = cos z, entonces
f
I
(z) = −sin z
f
III
(z) = sin z
f
V
(z) = −sin z
f
V II
(z) = sin z
. . .
f
2n+1
(z) = (−1)
n
sin z
&
f
II
(z) = −cos z
1.6. Serie de Taylor compleja 19
f
IV
(z) = cos z
f
V I
(z) = −cos z
f
V III
(z) = cos z
. . .
f
2n
(z) = (−1)
n
cos z
∀n = 0, 1, 2 . . . ,. Por lo tanto,
a
2n+1
=
f
2n+1
(z = 0)
(2n + 1)!
= 0
a
2n
=
f
2n
(z = 0)
(2n)!
=
(−1)
n
(2n)!
.
Así, la serie de Maclaurin para f(z) = cos z está dada por:
cos z =

n=0
(−1)
n
(2n)!
z
2n
.
para [z[ < ∞.
3. Encontrar la serie de Taylor para f(z) =
1
1+z
alrededor de z
0
= −2i.
Solución:
La serie bucada debe tener la forma


n=0
a
n
(z + 2i)
n
. Manipulando algebraica-
mente la función dada de la forma,
1
1 + z
=
1
1 +z + 2i −2i
=
1
(1 −2i) + (z + 2i)
=
1
1 −2i
_
1
1 +
z+2i
1−2i
_
,
obsérvese que el manipuleo algebraico siempre se hace con el objetivo de tener
las potencias deseadas, que en este caso es en potencias de z + 2i. Así, usando la
serie geométrica,

n=0
(−z)
n
=

n=0
(−1)
n
z
n
=
1
1 + z
si [z[ < 1, de esta forma,
f(z) =
1
1 +z
=
1
1 −2i
_
1
1 +
z+2i
1−2i
_
=
1
1 −2i

n=0
(−1)
n
_
z + 2i
1 −2i
_
n
=

n=0
(−1)
n
(1 −2i)
n+1
(z + 2i)
n
,
si
¸
¸
z+2i
1−2i
¸
¸
< 1, es decir; si [z + 2i[ < [1 − 2i[. Pero como [1 − 2i[ =

5, es decir;
el desarrollo de Taylor de f(z) =
1
1+z
es en el disco de radio

5 con centro en
2i. Obsérvese que

5 es la distancia de 2i a −1 como se observa en la siguiente
figura, y −1 es el punto más cercano a 2i donde f(z) =
1
1+z
no es analítica.
20 1. Variable Compleja
Figura 1.4: Región de convergencia de f(z) =
1
1+z
alrededor de z
0
= −2i.
4. Encontrar la serie de potencias, en la forma indicada, que representa la función
f(z) =
1
z−3
en las tres regiones siguientes:
a) [z[ < 3,
b) [z −2[ < 1,
c) [z[ > 3
Solución:
Obsérvese que las series pedidas tendrán la forma


n=0
a
n
z
n
,


n=0
a
n
(z − 2)
n
y


n=0
a
n
z
n
respectivamente. Para encontrar las series pedidas podemos proceder
manipulando algebraicamente la función dada y aplicar la convergencia de la se-
rie geométrica, que como se sabe,

n=0
z
n
=
1
1 −z
si [z[ < 1.
a) Para esta región manipulamos algebraicamente la función de la forma,
1
z −3
= −
1
3
1 −
z
3
= −
1
3
_
1
1 −
z
3
_
= −
1
3

n=0
_
z
3
_
n
= −
1
3
_
1 +
z
3
+
z
2
9
+
z
3
27
+ . . .
_
1.6. Serie de Taylor compleja 21
finalmente, si [z[ < 3, la serie para la función dada es de la forma,
1
z −3
= −
1
3

z
9

z
2
27

z
3
81
+ . . .
b) Para este caso, tenemos
1
z −3
=
1
(z −2) −1
= −
1
1 −(z −2)
= −

n=0
(z −2)
n
,
es decir, si [z −2[ < 1, entonces
1
z −3
= −1 −(z −2) −(z −2)
2
−(z −2)3 −. . .
c) En forma análoga,
1
z −3
=
1
z(1 −
3
z
)
= −
1
z

n=0
_
3
z
_
n
,
finalmente, si
¸
¸
3
z
¸
¸
< 1, ó [z[ > 3, la serie está dada por
1
z −3
=
1
z
+
3
z
2
+
9
z
3
+
27
z
4
−. . .
La región de convergencia, para las tres series dadas se ilustran enla siguiente
figura.
Figura 1.5: Regiones de convergencia, [z[ < 3, [z −2[ < 1, [z[ > 3.
22 1. Variable Compleja
1.7. Series de Laurent
Recordemos que si f(z) es analítica en z = z
0
, entonces f(z) se puede represen-
tar en una serie de Taylor alrededor de z
0
en potencias de z − z
0
. También si f(z) no
es analítica de z
0
veremos que es posible también representar a f(z) como una serie
alrededor de z
0
pero en potencias de (z −z
0
)
−1
, ésta es la idea de las series de Laurent,
es decir; las series de Laurent son series de potencias enteras positivas y negativas de
z −z
0
. Estas series serán útiles para clasificar singularidades y conducen al método de
integración por residuos, que veremos posteriormente.
Como se vió en los ejemplos anteriores, una serie de potencias puede converger en
un punto (puede ser el origen), en una región del plano complejo (por ejemplo en el
disco [z[ < 1) o en todo el plano complejo. Sin embargo si analizamos la siguiente serie
de potencias,
1
z −3
=
1
z
+
3
z
2
+
9
z
3
+ . . . ,
que es válida para [z[ > 3, en el contexto de la definición de convergencia de series
de potencia, ésta es una serie de potencias alrededor del punto “z = ∞”, es decir el
punto al infinito (recordemos que en Variable Compleja, el punto al infinito en el plano
z se puede entender mejor haciendo uso de la “esfera de Riemann”). Regresando a las
series de potencias, se sabe que dentro del radio de convergencia una función y su ex-
pansión en serie de Taylor son idénticas, y recordemos que no es posible un desarrollo
en serie de Taylor alrededor de una singularidad (punto en donde la función no es
analítica) y el desarrollo de potencias sólo es válido dentro de un círculo con centro en
el punto singular, es decir todas las singularidades deben ser excluidas en cualquier
consideración en series de Taylor, esta es otra de las razones de considerar series de
Laurent.
La expansión de una función en series de Laurent incluye el comportamiento de la
función en la vecindad de una singularidad. Antes de enunciar la definición de series
de Laurent, definamos el dominio de definición (de convergencia) de éstas.
Sea z
0
un número complejo y sean r
1
y r
2
números positivos con r
1
< r
2
. El dominio
de convergencia de las series de Laurent D, es la región que consiste de todos los pun-
tos que están entre los círculos concéntricos de radios r
1
y r
2
con centro en z
0
, es decir;
D consiste de todos los números z que satisfacen,
r
1
< [z −z
0
[ < r
2
tal dominio acotado por los discos concéntricos, se llama “ANILLO” o región anular,
como se muestra en la siguiente figura.
Teorema de Laurent:
1.7. Series de Laurent 23
Sea f(z) analítica en el anillo r
1
< [z−z
0
[ < r
2
, entonces para todo z en este dominio
f(z) tiene el siguiente desarrollo en series de potencias,
f(z) =

0
a
n
(z −z
0
)
n
+

n=1
b
n
(z −z
0
)
n
= a
0
+ a
1
(z −z
0
) +a
2
(z −z
0
)
2
+ . . . + . . . +
b
1
z −z
0
+
b
2
(z −z
0
)
+ . . .
donde en general los coeficientes a
n
y b
n
son números complejos, que pueden ser evalu-
ados usando integrales de contornos (que veremos más adelante) y que tienen la forma,
a
n
=
1
2πi
_
C
f(z)
(z −z
0
)
n+1
dz,
b
n
=
1
2πi
_
C
f(z)
(z −z
0
)
−n+1
dz,
donde C, es cualquier circunferencia [z −z
0
[ = ρ, con r
1
< ρ < r
2
. Obsérvese en las
expresiones anteriores, que si denotamos a b
n
por a
−n
, éstas se pueden escribir simple-
mente por;
f(z) =

−∞
a
n
(z −z
0
)
n
,
donde
a
n
=
1
2πi
_
C
f(z)
(z −z
0
)
n+1
dz,
para n = 0, ±1, ±2, . . . La serie anterior se llama desarrollo de Laurent o serie de Lau-
rent de la función f(z) alrededor de z
0
en el anillo r
1
< [z −z
0
[ < r
2
y los números a
n
se llaman los coeficientes de Laurent de f(z) en z
0
.
Observación:
Un desarrollo en serie de Laurent de f(z) alrededor de z
0
para z en el anillo r
1
<
[z −z
0
[ < r
2
nos permite escribir a f(z) de la forma,
f(z) = g(z) +h(z),
donde:
g(z) =

n=0
a
n
(z −z
0
)
n
,
que es una función analítica en z
0
, (serie de Taylor) y
h(z) =

n=1
a
n
_
1
z −z
0
_
n
,
24 1. Variable Compleja
que no es una función analítica en z
0
.
Así también, el integrando para el coeficiente b
n
se puede escribir de la forma
f(z) (z −z
0
)
n−1
, tal que si f(z) es analítica en el disco [z −z
0
[ < r
2
, éste integrando lo es también, por
lo tanto, todos los coeficientes b
n
son cero y entonces el desarrollo de la serie de Laurent
se reduce a una serie de Taylor centrada en z
0
. Asimismo, si f(z) no es analítica en z
0
pero lo es en el resto del disco [z −z
0
[ < r
2
, el radio r
1
puede tomarse arbitrariamente
pequeño (digamos r
1
= 0) por lo que la serie original es válida entonces para el anillo
0 < [z −z
0
[ < r
2
. Finalmente, si f(z) es analítica en todo punto del plano complejo
exterior al círculo [z −z
0
[ = r
1
, entonces la expansión original es válida para el anillo
r
1
< [z −z
0
[ < ∞.
Ejemplos de desarrollos de funciones en series de Laurent
1. La función f(z) = e
1
z
es analítica en todo el plano complejo excepto en el origen,
es decir; es analítica en el anillo 0 < [z[ < ∞. Como se vió anteriormente, f(z) =
e
z
tiene una representación en serie de Maclaurin para todo z de la forma,
e
z
=

n=0
z
n
n!
,
entonces el desarrollo de Laurent para f(z) = e
1
z
está dado por,
e
1
z
=

n=0
1
n!
1
z
n
.
2. Encontrar la serie de Laurent de la función f(z) =
1
z
5
cos z en el anillo 0 < [z[ < ∞.
Solución:
Recordemos que la serie de Maclaurin para f(z) = cos z está dado por (ver ejem-
plo 2 del desarrollo de funciones en series de Taylor),
cos z =

n=0
(−1)
n
(2n)!
z
2n
.
en [z[ < ∞. De este modo,
1
z
5
cos z =

n=0
_
(−1)
n
(2n)!
_
z
2n
z
5
=

n=0
(−1)
n
(2n)!
z
2n−5
=
1
0!
1
z
5

1
2!
1
z
3
+
1
4!
1
z

1
6!
z +
1
8!
z
3
−. . .
es el desarrollo de Laurent de f(z) =
1
z
5
cos z en el anillo 0 < [z[ < ∞.
1.7. Series de Laurent 25
3. Encuentre la serie de Laurent de f(z) =
1
1+z
2
alrededor de z
0
= −i.
Solución:
La serie pedida tendrá la forma

a
n
(z + i)
n
, aplicando fracciones parciales la
función dada se puede escribir de la forma,
1
1 + z
2
=
1
(z + i)(z −i)
=
i
2
1
z + i

i
2
1
z −i
,
0bsérvese que el primer término ya está en potencias de z + i, por lo que manip-
ulemos algebraicamente el segundo término de la forma,
i
2
1
z −i
=
i
2
1
z −i + i −i
=
i
2
_
1
−2i
_
1 −
z+i
2i
_
_
aplicando la convergencia de la serie geométrica, obtenemos
i
2
1
z −i
=
i
2
_
1
2i

n=0
_
z + i
2i
_
n
_
=
−i
2
_

n=0
1
(2i)
n+1
(z + i)
n
_
.
Nótese que
¸
¸
z+i
2i
¸
¸
< 1 es equivalente a [z + i[ < 2, por lo tanto, el desarrollo de
Laurent para f(z) =
1
1+z
2
en el anillo 0 < [z + i[ < 2 está dado por,
1
1 + z
2
=
i
2
1
z +i

i
2

n=0
1
(2i)
n+1
(z + i)
n
.
Obsérvese que esta serie para f(z) =
1
1+z
2
es de la forma f(z) = g(z)+h(z) donde,
g(z) =
i
2

n=0
1
(2i)
n+1
(z + i)
n
,
es analítica en el disco [z +i[ < 2 (desarrollo de Taylor), y
h(z) =
i
2
1
z + i
,
es analítica en [z + i[ > 0. Por lo tanto, 0 < [z + i[ y [z + i[ < 2 forman el anillo
0 < [z + i[ < 2. Obsérvese también que la función f(z) =
1
1+z
2
es analítica en el
anillo 0 < [z +i[ < 2 que corresponde a la distancia desde el complejo −i hasta el
otro punto i donde la función f(z) =
1
1+z
2
no es analítica.
26 1. Variable Compleja
4. Dada la función,
f(z) =
−1
(z −1)(z −2)
=
1
z −1

1
z −2
,
Analizar los dominios de validez y encuentre sus series de potencias en tales do-
minios.
Solución:
Obsérvese que la función tiene dos puntos singulares z
0
= 1 y z
0
= 2, entonces
f(z) es analítica en los dominios [z[ < 1, 1 < [z[ < 2 y 2 < [z[ < ∞, y en cada
uno de estos dominios f(z) tiene representaciones en series de potencias de z.
Denotemos a dichos dominios por D
1
, D
2
y D
3
respectivamente como se ilustra
en la siguiente figura.
Figura 1.6: Regiones de convergencia, de la función f(z) =
−1
(z−1)(z−2)
.
Para el dominio D
1
tenemos que es una serie de Maclaurin, para hallarla escribi-
mos a la función de la forma, f(z) = −
1
1−z
+
1
2−z
=
1
2
(
1−
z
2
)
, y aplicamos la serie
convergente (geométrica) dada por
1
1−z
=


n=0
z
n
que es válida para [z[ < 1.
Nótese que
¸
¸
z
2
¸
¸
< 1 también caé en el dominio D
1
, de esta forma;

1
1 −z
= −

n=0
z
n
y
1
2
_
1 −
z
2
_ =
1
2

n=0
z
n
2
2
=

n=0
z
n
2
n+1
,
1.7. Series de Laurent 27
por lo tanto, en D
1
, f(z) tiene la siguiente representación en serie de potencias de
z,
f(z) =

n=0
z
n
2
n+1

n=0
z
n
=

n=0
_
1
2
n+1
−1
_
z
n
=

n=0
_
2
−n−1
−1
_
z
n
.
Para el dominio D
2
, manipulamos algebraicamente la función f(z) de la forma
f(z) =
1
2 −z

1
1 −z
=
1
z
_
1
1 −
1
z
_
+
1
2
_
1
1 −
z
2
_
,
y aplicando nuevamente la serie geométrica,
1
z
_
1
1 −
1
z
_
=
1
z

n=0
1
z
n
=

n=0
1
z
n+1
,
válida para
¸
¸
1
z
¸
¸
< 1, es decir; para [z[ > 1, y en forma análoga
1
2
_
1
1 −
z
2
_
=

n=0
z
n
2
n+1
,
válida para
¸
¸
z
2
¸
¸
< 1, es decir; para [z[ < 2. Por lo tanto, la serie de potencias para
f(z) en D
2
tiene la forma:
f(z) =

n=0
1
z
n+1
+

n=0
z
n
2
n+1
,
para 1 < [z[ < 2, que es una serie de Laurent. Obsérvese que f(z) se puede
escribir de la forma,
f(z) =

n=0
z
n
2
n+1
+

n=1
1
z
n
,
que tiene la misma forma que el enunciado de Laurent. Finalmente, para el do-
minio D
3
vemos que también corresponde a una serie de Laurent, ahora ree-
scribimos la función dada de la forma, f(z) =
1
z
_
1
1−
1
z
_

1
z
(
1−
2
z
)
, y observamos
nuevamente que
¸
¸
1
z
¸
¸
< 1 y
¸
¸
2
z
¸
¸
< 1 si 2 < [z[ < ∞, y aplicando nuevamente la
serie geométrica tenemos que la serie de potencias para la función dada en el
dominio D
3
, es de la forma
f(z) =

n=0
1
z
n+1

n=0
2
n
z
n+1
=

n=0
1 −2
n
z
n+1
.
para el dominio 2 < [z[ < ∞.
28 1. Variable Compleja
5. Dada la función,
f(z) =
1
z
2
(1 + z)
,
encuentre la expansión en serie de Laurent alrededor de,
a) z = 0,
b) z = −1.
En cada caso, determine la región en dónnde es válida.
Solución:
a).− En este caso z
0
= 0, entonces necesitamos una serie de potencias de z. Usan-
do la convergencia de la serie geométrica obtenemos,
1
z
2
(1 + z)
=
1
z
2
_
1
1 +z
_
=
1
z
2

n=0
(−1)
n
z
n
=
1
z
2
_
1 −z + z
2
−z
3
+ z
4
−. . .
¸
la serie anterior es válida para 0 < [z[ < 1, obsérvese que el el valor de z = 0
debe excluirse debido a los dos primeros términos de la serie. De esta forma la
expansión en serie de Laurent es,
1
z
2
(1 + z)
=
1
z
2

1
z
+ 1 −z + z
2
−. . .
b).− Para este caso, necesitamos una serie de potencias de la forma (z +1), por lo
que manipulamos un poco la función dada de la forma,
1
z
2
(z + 1)
=
1
z + 1
(z + 1 −1)
2
=
1
z + 1
[1 −(z + 1)]
−2
=
1
z + 1
_
1 + 2(z + 1) + 3(z + 1)
2
+ . . .
¸
=
1
z + 1
+ 2 + 3(z + 1) + 4(z + 1)
2
+ . . .
que es válida también para 0 < [z[ < 1. Obsérvese también que en el resultado
anterior hicimos uso de la expansión de la serie binomial,
(1+z)
n
= 1+nz+
n(n −1)
2!
z
2
+
n(n −1)(n −2)
3!
k
3
+. . .+
n(n −1)(n −2) . . . (n −k + 1)
k!
z
k
,
1.7. Series de Laurent 29
La mayoría de las veces cuando se le llegara a dificultar el manipuleo algebraico
de la función dada, siempre puede recurrir a la expansión binomial anterior.
6. Desarrolle la función
f(z) =
z
(z −1)(2 −z)
en una serie de Laurent válida para
a) 1 < [z[ < 2,
b) [z[ > 2,
c) [z −1[ > 1,
d) 0 < [z −2[ < 1.
Solución:
Primero apliquemos fracciones parciales a la función,
z
(z−)(2 −z)
=
A
z −1
+
B
2 −z
A(2 −z) + B(z −1) = z
2A −B = 0,
B −A = 1,
de donde se obtiene inmediatamente que A = 1 y B = 2, por lo tanto
f(z) =
z
(z −1)(2 −z)
=
1
z −1
+
2
2 −z
a) Para el dominio 1 < [z[ < 2, manipulemos algebraicamente la función y
apliquemos la convergencia de la serie geométrica

n=0
q
n
=
1
1 −q
que es válida para [q[ < 1, de esta forma para el primer término de f(z)
1
z −1
=
1
z
1
1 −
1
z
=
1
z

n=0
_
1
z
_
n
30 1. Variable Compleja
que es válida si
¸
¸
1
z
¸
¸
< 1, es decir, si [z[ > 1, y para el segunto término,
2
2 −z
=
1
1 −
z
2
=

n=0
_
z
2
_
n
válida para
¸
¸
z
2
¸
¸
< 1, es decir; para [z[ < 2, por lo tanto, la serie de potencias
de f(z) en 1 < [z[ < 2 está dada por:
f(z) =
1
z

n=0
_
1
z
_
n
+

n=0
_
z
2
_
n
=

n=0
_
1
z
n+1
_
+

n=0
_
z
n
2
n
_
=
1
z
+ 1 +
1
z
2
+
z
2
+
1
z
3
+
z
2
4
+
= +
1
z
3
+
1
z
2
+
1
z
+ 1 +
z
2
+
z
2
4
+
z
3
8
+
b) Para [z[ > 2, tenemos que de (a) el primer término
1
z −1
=
1
z
_
1
1 −
1
z
_
=

n=0
1
z
n+1
válido para [z[ > 1. Ahora, sólo manipulamos el segundo término f(z) de la
forma
2
2 −z
= −
2
z −2
= −
1
z
_
2
1 −
2
z
_
= −
2
z

n=0
2
n
z
n
válida para
¸
¸
2
z
¸
¸
< 1, es decir [z[ > 2, por lo tanto la serie de potencias de f(z)
para [z[ > 2 está dada por:
f(z) =

n=0
1
z
n
+ 1

n=0
2
n+1
z
n+1
=

n=0
_
1 −2
n+1
_
1
z
n+1
= −
1
z

3
z
2

7
z
3

15
z
4

c) para [z −1[ > 1, obsérvese que el primer término de f(z) =
1
z−1
+
2
2−z
ya está
en potencias de (z −1), así que sólo manipulemos el segundo término
1.7. Series de Laurent 31
2
z −2
=
2
z −1 −1
=
2
z −1
_
1
1 −
1
1−z
_
=
2
z −1

n=1
1
(z −1)
n
por lo tanto, la serie de potencias de f(z) para [z −1[ > 1 es de la forma
f(z) =
1
z −1
+
2
z −1

n=1
1
(z −1)
n
=
1
z −1
+ 2

n=1
1
(z −1)
n+1
=
1
z −1
+
2
(z −1)
2
+
2
(z −1)
3
+
Los ejemplos anteriores ilustran la forma de obtener o saber expander a una fun-
ción en seríes de potencias, y en particular en series de Laurent que constituye una
herramienta muy importante en muchas aplicaciones, por ejemplo para entender el
cálculo de los RESIDUOS (que veremos en la siguiente sección) es indispensable estar
relacionado con series de Laurent. Asimismo, otro uso de las series de Laurent está en
la Transformada Z de las Matemáticas Aplicadas. Diversas ramas de la Ingeniería se
basan directamente en el desarrollo en serie de Laurent de una función analítica.
32 1. Variable Compleja
1.8. Singularidades, Polos y Residuos
Como vimos anteriormente, una función que no es analítica en un punto z = z
0
no
permite un desarrollo en serie de Taylor, pero si se puede hacer un desarrollo de la fun-
ción alrededor del punto z = z
0
, que se conoce como desarrollo en serie de Laurent de
la función f(z). En esta sección clasificamos a las singularidades de una función (pun-
tos donde la función no es analítica), en términos del desarrollo de Laurent alrededor
de z
0
.
Si consideramos que f(z) tiene una singularidad en z
0
, entonces se tiene el siguiente
desarrollo en serie de Laurent,
f(z) =

n=−∞
a
n
(z −z
0
)
n
,
que es válida en el anillo 0 < [z −z
0
[ < R. Decimos que z
0
es,
1. Una singularidad removible si no aparecen potencias negativas de (z −z
0
) en el
desarrollo en serie de Laurent.
2. Una singularidad esencial si aparecen una infinidad de potencias negativas de
(z −z
0
) en el desarrollo de Laurent.
3. Un polo de orden m si m es un entero positivo y
1
z−z
0
aparece en el desarrollo de
Laurent, por lo tanto a
m
,= 0, pero no aparecen potencias negativas mayores, es
decir; a
m+1
= a
m+2
, . . . = 0.
Asimismo, z
0
es un polo de f si z
0
es un polo orden m para algún m. Un polo de orden
1 comunmente se llama polo simple, y un polo de orden 2 se le llama polo doble. Como
complemento de las definiciones anteriores diremos que un cero de la función f(z), es
un punto en el plano z en donde la función se hace cero. Los siguientes ejemplos ilus-
tran las definiciones anteriores.
Ejemplos de singularidades
1. La función f(z) =
sen z
z
tiene una singularidad removible en z = 0. Obsérvese que
el desarrollo en serie de Laurent de f(z) se obtiene al dividir la serie de Maclaurin
de sen z por z, para obtener el desarrollo,
sen z
z
=
1
z

n=0
(−1)
n
(2n + 1)!
z
2n+1
=

n=0
(−1)
n
1
(2n + 1)!
z
2n
= 1 −
1
3!
z
2
+
1
5!
z
4
−. . . ,
1.8. Singularidades, Polos y Residuos 33
que no tiene potencias negativas de z, Así, la serie del lado derecho de esta
ecuación es una serie de Maclaurin, y por lo tanto, representa a una función
analítica, que se puede definir de la forma:
g(z) =
_
sen z
z
si z ,= 0
1 si z = 0.
Así, la singularidad de f(z) es removible en el sentido de que, definiendo a una
nueva función que coincide con f si z ,= 0 y tiene el valor correcto en cero, obten-
emos una función analítica en z = 0.
2. La función f(z) = e
1
z−1
tiene una singularidad esencial en z = 1. Puesto que
usando el desarrollo de Taylor de e
z
alrededor de z = 0 obtenemos,
e
1
z−1
=

n=0
1
n!
1
(z −1)
n
,
que es el desarrollo en serie de Laurent de la función e
1
z−1
alrededor de z = 1.
Por lo tanto, como hay una infinidad de potencias negativas de z − 1 en este
desarrollo, entonces z
0
= 1 es una singularidad esencial de f(z) = e
1
z−1
.
3. La función f(z) =
1
(z+i)
3
tiene un polo de orden 3 en z = −i, de hecho esta función
es su propio desarrollo de Laurent alrededor de −i en el anillo 0 < [z +i[ < ∞.
4. La función,
f(z) =
z −1
(z + 2)(z −3)
2
,
tiene un cero en z = 1, un polo simple en z = −2 y un polo doble en z = 3.
5. La función,
f(z) =
sen z
z
2
,
tiene un polo simple en z = 0. Para ver esto dividamos la serie de Maclaurin de
sen z entre z
2
para obtener el desarrollo de Maclaurin de
sen z
z
2
alrededor de z = 0
de la forma,
sen z
z
2
=

n=0
(−1)
n
1
(2n + 1)!
z
2n−1
=
1
z

1
3!
z +
1
5!
z
3

1
7!
z
5
+. . . ,
que es válido para 0 < [z[ < ∞. Obsérvese en la serie anterior, que hay un término
1
z
, pero no hay términos
1
z
2
,
1
z
3
, . . .; por lo tanto, f(z) =
sen z
z
2
tiene un polo de orden
1 en z = 0.
34 1. Variable Compleja
Los ejemplos anteriores ilustran los diferentes tipos de singularidades que puede
tener una función. El concepto de residuo está asociado a los coeficientes de las po-
tencias negativas que aparezcan en el desarrollo de Laurent para una función en una
cierta región (anillo) del plano complejo, por ejemplo, si z
0
es una singularidad de f(z),
entonces f(z) será analítica para cada z que cumpla que 0 < [z −z
0
[ < R, y en este do-
minio de validez la función está representada por la serie de Laurent,
f(z) =

n=0
a
n
(z −z
0
)
n
+
b
1
z −z
0
+
b
2
(z −z
0
)
2
+ . . . ,
donde los coeficientes a
n
y b
n
están dados respectivamente por las fórmulas (5) y (6).
En particular para el primer coeficiente tenemos,
b
1
=
1
2πi
_
C
f(z)dz,
donde C, es cualquier contorno cerrado simple alrededor de z
0
descrito en sentido pos-
itivo, tal que f es analítica en C e interior a él, excepto en el propio punto z
0
. El número
complejo b
1
, que es el coeficiente de
1
(z−z
0
)
en el desarrollo de Laurent anterior, se llama
residuo de f en ese punto singular z
0
.
De la ecuación anterior tenemos,
_
C
f(z)dz = 2πib
1
,
la expresión anterior significa que podemos evaluar cualquier integral de la forma
_
C
f(z)dz, cuando el contorno C encierre una sola singularidad z
0
de la función f, si
conocemos el coeficiente de
1
(z−z
0
)
en el desarrollo de Laurent de f alrededor de z
0
, y
como generalmente este número puede encontrarse sin realizar ninguna integración,
ésto constituye un método potencialmente poderoso para evaluar cualquier integral,
como veremos posteriormente. Sin embargo podemos analizar el siguiente ejemplo:
Si se pidiera calcular la integral,
_
C
e
−z
(z −1)
2
,
donde C es el círculo [z[ = 2 en sentido positivo. Tenemos que el integrando,
f(z) =
e
−z
(z −1)
2
,
es analítica sobre y dentro del contorno C, excepto en el punto singular z = 1, y de
acuerdo a la expresión para el residuo b
1
, el valor de la integral anterior será igual a
2πi veces el residuo de f(z) en z = 1. Para calcular este residuo, se utiliza la serie de
1.8. Singularidades, Polos y Residuos 35
Taylor de e
−z
alrededor de z = 1 (ver ejemplo 1 de desarrollo de funciones en series
de Taylor), asimismo hacemos un sencillo manipuleo algebraico de la función para
obtener el siguiente desarrollo en serie de Laurent,
f(z) =
e
−z
(z −1)
2
=
e
−[(z−1)+1]
(z −1)
2
= e
−1

n=0
(−1)
n
(z −1)
n
(z −1)
2
= e
−1

n=0
(−1)
n
(z −1)
n−2
= e
−1
_
1
(z −1)
2

1
(z −1)
+ 1 −(z −1) + (z −1)
2
−. . . ,
_
que es válida para la región 0 < [z −1[ < ∞. Obsérvese de la expresión anterior, que el
residuo de f(z) en z = 1 es −e
−1
, por lo tanto la integral pedida resulta ser,
_
C
e
−z
(z −1)
2
= −
2πi
e
.
El problema anterior ilustra lo importante de saber expander una función en serie de
Laurent alrededor de cualquier singularidad, o más propiamente dicho, en cualquier
región del plano complejo, para identificar los coeficientes de la series (residuos). Pos-
teriormente, veremos la situación en donde un contorno C encierre un número finito
de singularidades, nos referimos al Teorema del Residuo.
36 1. Variable Compleja
1.9. Integración Compleja
La integración es muy importante para el análisis de funciones de variable com-
pleja. El concepto de una integral indefinida para funciones de variable compleja es
enteramanete análoga a su contraparte real. Asimismo, la integral definida (o de Rie-
mann) del Cálculo real es reemplazada en variable compleja por la integral de línea de
una función compleja sobre una curva en el plano complejo o diagrama de Argand, que
más generalmente se conocen como integrales sobre contornos. Antes de comenzar el
análisis de la integral de una función de variable compleja, definamos el concepto de
“contornos”.
1.9.1. Contornos
A continuación presentamos varias clases de curvas (contornos) adecuadas para el
análisis de integrales de funciones de variable compleja: Un arco C es un conjunto de
puntos z = (x, y) en el plano complejo definidos por las ecuaciones paramétricas
x = x(t)
y = y(t),
para a ≤ t ≤ b, donde x(t) y y(t) son funciones continuas del parámetro real t. De tal
forma que los puntos de la curva C se pueden escribir de la forma,
z = z(t) = x(t) +iy(t),
para a ≤ t ≤ b, de tal forma que z(t) es continua puesto que x(t) y y(t) son continuas.
El arco C es un arco simple o un arco de Jordan si no se cruza consigo mismo; es decir,
C es un arco simple si z(t
1
) ,= z(t
2
), para t
1
,= t
2
. Si z(t
1
) = z(t
2
), entonces se dice que
C es una curva simple cerrada o una curva de Jordan. Por ejemplo la recta poligonal
definida por:
z(t) =
_
1 + it si 0 ≤ t ≤ 1,
t + i si 1 ≤ t ≤ 2,
que consta de un segmento de recta que va desde 1 hasta 1 + i, seguida por otra recta
que va desde 1 + i hasta 2 + i, es un ejemplo de arco simple. Asimismo el círculo,
z(t) = cos t + i sen t,
para 0 ≤ t ≤ 2π, es un ejemplo de una curva cerrada simple.
Asimismo, la función de variable compleja z = z(t) se dice que es una función
diferenciable del parámetro real t si x(t) y y(t) son ambas funciones diferenciables de
t. De esta forma, la derivada z

(t) o
d[z(t)]
dt
se define como,
z

(t) = x

(t) +iy

(t),
1.9. Integración Compleja 37
para a ≤ t ≤ b. Un arco C, descrito por la función z = z(t), se llama suave si z

(t)
existe y es continua para el intervalo a ≤ t ≤ b y si z

(t) nunca se hace cero para dicho
intervalo.
Un contorno o arco suave por tramos, es un arco que consta de un número finito de
arcos suaves, unidos por sus extremos. Si la ecuación z = z(t) representa un contorno,
entonces x(t) y y(t) son continuas, mientras que sus primeras derivadas son continuas
por tramos. Así, la recta poligonal vista anteriormente es un contorno, mientras que el
círculo unitario es un contorno simple cerrado.
En algunos textos de Variable Compleja, se encuentra la siguiente definición de
contorno cerrado. Un contorno cerrado simple es un contorno que genera dos dominios:
uno acotado y otro no acotado; ambos dominios tienen el contorno como frontera. Y se
dice que el dominio acotado es el interior del contorno. Como se muestra en la figura,
para contornos cerrados simples y no simples.
Figura 1.7: Contornos.
1.9.2. Integrales de Contornos
Como mencionamos anteriormente, una integral de una función de variable com-
pleja sobre un contorno en el plano complejo puede ser definida en forma análoga a la
integral (de Riemann) de una función de variable real. Se divide el contorno de a a b
en n intervalos, seleccionando n −1 puntos intermedios z
1
, z
2
, . . ., sobre el contorno C
como se ilustra en la figura.
Se forma la suma,
S
n
=
n

j=1
f(λ
j
) (z
i
−z
j−1
) ,
donde λ
j
es un punto sobre la curva entre z
j
y z
j−1
. Ahora se toma el ímite cuando
n −→ ∞ cuando cada [z
j
−z
j−1
[ −→ 0, para toda j. Si la suma anterior existe y es
38 1. Variable Compleja
Figura 1.8: Integrales de Contornos.
independiente de la selección de los puntos z
j
y λ
j
, entonces llamamos a este límite la
integral de línea, llamada también integral de contorno de f(z) a lo largo del contorno
C desde z = a hasta z = b; es decir,
l´ım
n−→∞
n

j=1
f(λ
j
) (z
i
−z
j−1
) =
_
z=b
z=a
f(z)dz,
Una definición alternativa para las integrales de contorno es la siguiente:
_
z
2
z
1
f(z)dz =
_
(x
1
,y
1
)
(x
1
,y
1
)
[u(x, y) + iv(x, y)] [dx + idy]
=
_
(x
1
,y
1
)
(x
1
,y
1
)
[u(x, y)dx −v(x, y)dy] +i
_
(x
1
,y
1
)
(x
1
,y
1
)
[v(x, y)dx + u(x, y)dy] ,
lo anterior, reduce la integral de una función de variable compleja a la suma comple-
ja de dos integrales reales. Asimismo, si el estudiante recuerda su curso de Análisis
Vectorial, la definición anterior es un tanto análogo cuando se reemplaza una una inte-
gral vectorial como una suma vectorial de integrales escalares. A continuación veamos
algunos ejemplos de integrales de contornos.
1. Un ejemplo muy importante es la integral de contorno,
_
C
z
n
dz
donde C es un círculo de radio r alrededor del origen z = 0 y que se recorre
en sentido positivo; es decir, en sentido contrario a las manecillas del reloj. En
coordenadas polares como sabemos el círculo está parametrizado por la ecuación,
z = re

1.9. Integración Compleja 39
para 0 ≤ θ ≤ 2π, de donde obtenemos inmediatamente que dz = ire

dθ. Por lo
tanto,
_
C
z
n
dz = r
n+1
_

0
e
i(n+1)θ

=
_
r
n+1
i(n + 1)
_
_
e
i(n+1)θ
¸
¸
¸
¸
¸

0
,
obsérvese en la integral anterior, si n ,= −1 entonces la integral es cero debido
a que la función e
i(n+1)θ
es periódica de periodo 2π. Por otro lado, si n = −1
entonces la integral resulta ser,
_
C
dz
z
= i
_

0
dθ = 2πi
2. Evalue la integral
_
γ
dz
(z −a)
n
donde γ está dado por [z −a[ = R.
a).- Si n es cualquier entero distinto de 1.
b).- Si n = 1.
Solución:
Sabemos que la trayectoria γ en forma paramétrica se puede representar de la
forma,
z(θ) = a + Re

,
donde 0 ≤ θ ≤ 2π. De la expresión anterior obtenemos:
z (θ) −a = Re

,
dz (θ) = iRe

dθ.
Por lo tanto, sustituyendo en la integral pedida,
_
γ
(z −a)
n
dz =
_

0
_
Re

_
n
iRe


= iR
n+1
_

0
e
i(n+1)θ

=
iR
n+1
i(n + 1)
_

0
e
i(n+1)θ
d (i (n + 1) θ)
=
R
n+1
n + 1
_
e
i(n+1)θ
[

0
¸
=
R
n+1
n + 1
_
e
2π(n+1)i
−1
¸
.
40 1. Variable Compleja
Así, de la última ecuación; si n es cualquier entero entonces,
_
γ
dz
(z −a)
n
= 0,
ya que e
2π(n+1)i
= 1, para cualquier entero n. Asimismo, si n = −1 entonces,
_
γ
dz
(z −a)
n
= i
_

0
dθ = 2πi
Estas integrales son ejemplos de aplicaciones del Teorema de Cauchy que vere-
mos en la siguiente sección.
3. Calcular la integral,
_
C
xdz
donde C, es la trayectoria que se muestra en la siguiente figura y que está parametriza-
da por la la ecuación,
C : z(t) =
_
1 +it si 0 ≤ t ≤ 1,
(2 −t) + i si 1 ≤ t ≤ 2,
De la parametrización obtenemos,
z

(t) =
_
i si 0 ≤ t ≤ 1,
−1 si 1 ≤ t ≤ 2,
Por definición al integrar en cada uno de los intervalos 0 ≤ t ≤ 1 y 1 ≤ t ≤ 2,
obtenemos
_
C
xdz =
_
1
0
idt +
_
2
1
(2 −t)(−1)dt = −
1
2
+ i
puesto que x(t) = 1 en el intervalo 0 ≤ t ≤ 1 y x(2 − t) = 1 en el intervalo
1 ≤ t ≤ 2.
Si escogemos una parametrización diferente para la curva C, por ejemplo:
C : z(t) =
_
1 + i log t si 1 ≤ t ≤ e,
2 −
t
e
+ i si e ≤ t ≤ 2e,
de esta parametrización se tiene,
z

(t) =
_
i
t
si 1 ≤ t ≤ e,

1
e
si e ≤ t ≤ 2e,
en forma análoga, al integrar en cada uno de los intervalos 1 ≤ t ≤ e y e ≤ t ≤ 2e,
obtenemos
_
C
xdz =
_
e
1
i
t
dt +
_
2e
e
_
2 −
t
e
__

1
e
_
dt = −
1
2
+ i
1.9. Integración Compleja 41
es decir, la integral de línea es independiente de las dos parametrizaciones de la
curva C. Este resultado se dará siempre y cuando el cambio de parámetros sea
derivable por partes, como puede comprobarse fácilmente al utilizar la fórmula
del cambio de variable del Cálculo integral. En esta parte será necesario que el
lector repase un poco las técnicas de integrales de línea.
4. Si γ es la elipse z(t) = a cos t +ib sen t, para 0 ≤ t ≤ 2π calcular:
_
γ
dz

1 −z
2
.
Solución:
Obsérvese que la integral pedida se puede escribir de la forma,
_
γ
dz

1 −z
2
=
_

0
z

(t) dt
_
1 −[z (t)]
2
,
y de la ecuación de la elipse se tiene que,
z

(t) = −a sen t + ib cos t,
de donde obtenemos,
z

(t)
2
= a
2
sen
2
t −b
2
cos
2
t −2abi sen t cos t. (1.5)
Así también tenemos que,
1 −z(t)
2
= 1 −
_
a
2
cos
2
(t) −b
2
sen
2
(t) + 2abi sen t cos t
¸
y además como a
2
−b
2
= 1, entonces
1 −z (t)
2
= a
2
−b
2
−a
2
cos
2
t + b
2
sin
2
t −2abi sen t cos t
= a
2
_
1 −cos
2
t
_
−b
2
_
1 −sen
2
t
_
−2abi sen t cos t
= a
2
sen
2
t −b
2
cos
2
t −2abi sen t cos t, (1.6)
así de las ecuaciones (20) y (21) obtenemos,
1 −z (t)
2
= z

(t)
2
,
finalmente la integral resulta ser,
_
γ
dz

1 −z
2
=
_

0
z

(t) dt
_
z

(t)
2
= ±
_

0
dt
= ±2π.
42 1. Variable Compleja
1.10. Teorema de la Integral de Cauchy
Estudiaremos ahora uno de los teoremas fundamentales de la teoría de funciones de
Variable Compleja, nos referimos al teorema de Cauchy. Dicho teorema es importante
porque por ejemplo, nos permite ahorrarnos una gran cantidad de trabajo al resolver
cierto tipo de integrales, sobre todo cuando las funciones son funciones enteras, es
decir analíticas en todo el plano complejo. El teorema de Cauchy establece que si f(z)
es analítica dentro y sobre un contorno cerrado C, entonces se cumple que
_
C
f(z)dz = 0,
Asimismo, en la mayoría de los textos de Variable Compleja. el teorema de Cauchy se
establece de la siguiente forma: Si f(z) en un Dominio simplemente conexo D, entonces
dado un contorno cerrado simple C contenido en D se cumple que
_
C
f(z)dz = 0.
Podemos demostrar el Teorema de Cauchy haciendo uso del teorema de Green en el
plano y la condición adicional de que f

(z) sea continua dentro y sobre R. Recordemos
de los cursos de Análisis Vectorial, que el teorema de Green en el plano establece que
si M = M(x, y) y N = N(x, y) son funciones continuamente diferenciables dentro de
una región R y sobre su frontera C entonces,
_
C
Mdx + Ndy =
_ _
R
_
∂N
∂x

∂M
∂y
_
dxdy.
Para mostrar el teorema de Cauchy, escribimos a la función f(z) de la forma,
w = f(z) = u(x, y) + iv(x, y),
de tal forma que la integral se puede escribir de la forma,
_
C
f(z)dz =
_
C
[u(x, y)dx −v(x, y)dy] +i
_
C
[v(x, y)dx + u(x, y)dy] ,
Así también por hipótesis, como f(z) es analítica y tiene derivada continua, es decir
satisface las condiciones del Teorema de Green, por lo tanto aplicamos el teorema en
ambas integrales del lado derecho y obtenemos,
_
f(z)dz =
_ _
R
_

∂x
(−v) −
∂u
∂y
_
dA + i
_ _
R
_
∂u
∂x

∂v
∂y
_
dA,
donde R es la región encerrada por C, como se muestra en la figura.
Obsérvese que el integrando de las integrales dobles es cero, ya que u y v satisfacen
las condiciones de Cauchy-Riemann dentro y sobre C, de tal forma que se obtiene,
_
C
f(z)dz = 0.
1.10. Teorema de la Integral de Cauchy 43
Figura 1.9: Región de Integración.
como se queria demostrar. En la literatura se le conoce también al teorema de Cauchy
como el “teorema de Cauchy-Goursat”, ya que fué este último quién demostró el re-
sultado suprimiendo la condición de que f

(z) fuera continua dentro y sobre R (ref-
erencias). El teorema de Cauhy (o de Cauchy-Goursat) tiene muchas aplicaciones y
consecuencias, en la siguiente sección mencionaremos algunas.
Acontinuación presentamos algunos ejemplos de aplicación del teorema de Cauchy.
Ejemplo 1.
Consideremos la función f(z) = z
n
donde n es cualquier número entero o distinto
de cero. Ahora bien, como sabemos que f(z) = z
n
es una función entera, entonces
aplicando el teorema de Cauchy tenemos que,
_
C
z
n
dz = 0
∀n = 0, ±1, ±2, . . ., asimismo C es cualquier contorno cerrado simple. Por otro lado, si
n es un número entero negativo, entonces f(z) = z
n
no es analítica en z = 0, (ver prob-
lema 1 de integrales de contornos). En el problema anterior C es cualquier contorno,
en particular podemos considerar el mismo contorno de integración en el problema,
es decir C puede ser un círculo con centro en z = 0 y radio R, por lo tanto, de los
resultados del problema 1 de la sección de integración y del ejemplo anterior, se tiene
que
_
|z|=R
z
n
dz =
_
0 si n ,= −1
2πi si n = −1
Se deja como ejercicio para el estudiante, generalizar el resultado anterior cuando se
44 1. Variable Compleja
toma una constante compleja arbitraria z
0
y demostrar que,
_
|z−z
0
|=R
(z −z
0
)
n
dz =
_
0 si n ,= −1
2πi si n = −1
donde el contorno de integración es un círculo de radio R con centro en z = z
0
. El pro-
cedimiento es muy similar al empleado en el problema 2 de integrales de contornos.
1.10.1. Deformación de contornos
Una primera aplicación del teorema de Cauchy está en el “principio de deforma-
ción de contornos”, que establece que:
Las integrales de línea de una función analítica f(z) alrededor de dos contornos cerrados
simples serán iguales siempre y cuando uno de los contornos pueda transformarse en el otro por
medio de una deformación continua pero con la condición de que no pase por ninguna singu-
laridad.
Para demostrar el resultado anterior, consideremos dos contornos cerrados simples
C
a
y C
b
(ver figura) tales que todos los puntos de C
b
quedan en el interior de C
a
. El
Dominio D (doblemente conexo) es el área sombreada en la figura. Si usamos líneas
punteadas en la figura que indican dos cortes rectos que conectan a C
1
y C
2
entonces,
se crean dos contornos cerrados simples C
a
y C
b
, de tal forma que en ambos contornos
es válido el teorema de Cauchy, puesto que por hipótesis f(z) es analítica sobre C
a
y
C
b
y en el interior de ambos contornos.
Figura 1.10: Contornos C
a
y C
b
.
Así entonces, aplicamos el teorema de Cauchy en los contornos C
a
y C
b
y obten-
emos,
_
C
a
f(z)dz = 0
1.10. Teorema de la Integral de Cauchy 45
_
C
b
f(z)dz = 0
si sumamos los resultados anteriores, se tiene
_
C
a
f(z)dz +
_
C
b
f(z)dz = 0.
Analicemos con más detalle el contorno de la figura (ver figura), obsérvese en la
figura que la integral a lo largo del segmento de recta que va del de 1 a 2 en el contorno
C
a
es la misma pero de sentido contrario a la que va de 2 a 1 pero en el contorno C
b
, y
en forma similar para la integral que va de 4 a 5 en el contorno C
a
y la integral que va
de 5 a 4 en el contorno C
b
. De lo anterior, si escribimos de manera explícita todas las
integrales que conforman los contornos C
a
y C
b
, de la ecuación anterior obtenemos,
_
C
b
f(z)dz +
_
C
a
f(z)dz = 0,
es decir,
_
C
a
f(z)dz −
_
C
b
f(z)dz =
_
C
b
f(z)dz.
donde se elimino el signo menos de la integral de en medio al invertir el sentido de
integración, y se tiene el resultado que se queria demostrar. El resultado anterior, tam-
bién se cumple si los contornos de integración se intersectan como se muestra en la
siguiente figura.
Figura 1.11: Contornos de Integración Intersectados.
Ejemplo 1:
46 1. Variable Compleja
Calcular la integral,
_
γ
dz
z
,
es el cuadrado unitario que se muestra en la figura.
Figura 1.12: Cuadrado Unitario.
Solución:
Podemos usar un contorno de intergración “más sencillo” para este problema, en par-
ticular un círculo con centro en el origen, debido a que la función
1
z
es analítica en
este círculo, y en el cuadrado y en todos los puntos que se encuentran entre estos dos
contornos. De tal forma que usando el principio de deformación de contornos y el
resultado del ejemplo 1 de integrales de contornos (con n = −1) se obtiene,
_
C
dz
z
=
_
γ
dz
z
= 2πi.
Obsérvese que se puede transformar el contorne C en cualquier otro contorno que sat-
isfaga el principio de deformación de contornos.
Ejemplo 2:
Calcular la integral,
_
γ
dz
z −2 −i
,
alrededor de cualquier contorno γ que contenga el punto z = 2 + i.
Solución:
1.10. Teorema de la Integral de Cauchy 47
Figura 1.13: Circulo con centro en z = 2 + i.
La función,
f(z) =
1
z −2 −i
,
tiene una singularidad, que es un polo simple, en z = 2 + i. Aplicando el princi-
pio de deformación de contornos, la integral alrededor de cualquier contorno γ que
contenga al punto z = 2 + i será igual a la integral alrededor, por ejemplo de un cír-
culo C con centro en z = 2 + i y de radio R. Como se puede observar en la figura, la
parametrización de C está dada por:
z(θ) = (2 + i) + Re

,
para 0 ≤ θ ≤ 2π, de donde se obtiene que dz = iRe

. Por lo tanto, la integral resulta
ser:
_
C
dz
z −2 −i
=
_

0
iRe

Re


=
_

0
idθ
= 2πi.
Para entender mejor el principio de deformación de contornos analicemos el sigu-
iente ejemplo.
Ejemplo 3:
Dada la función
f(z) =
cos z
z
2
+ 1
,
48 1. Variable Compleja
y los contornos de integración C
1
, C
2
, C
3
y C
4
como se muestra en la figura, explicar
porqué son válidas las siguientes ecuaciones.
_
C
1
f(z)dz =
_
C
2
f(z)dz,
_
C
3
f(z)dz =
_
C
4
f(z)dz.
Solución:
La función f(z) es analítica excepto en los puntos que satisfacen la ecuación z
2
+1 =
0. Luego entonces, f(z) es analítica en cualquier dominio que no contenga al punto
z = ±i. De esta forma, al transformar el contorno C
1
en el contorno C
2
por medio de
una deformación continua, no cruzamos ninguna singularidad de f(z), por lo tanto, la
primera igualdad de las integrales es válida. En forma análoga, podemos deformar el
contorno C
3
para convertirlo en el contorno C
4
y de esta manera también es válida la
segunda igualdad. Obsérvese que no podemos concluir la igualdad entre
_
C
2
f(z)dz y
_
C
3
f(z)dz, puesto que el dominio delimitado por C
2
y C
3
contiene al punto singular
z = −i de la función f(z).
En los ejemplos anteriores, solo se consideró funciones simples con una singulari-
dad simple dentro de un contorno cerrado C. El método puede extenderse para con-
siderar cualquier número finito de singularidades. Si la función f(z) tiene un número
finito de singularidades z = z
1
, z
2
, . . . , z
n
, dentro de un contorno cerrado C entonces,
podemos deformar este contorno introduciendo n-círculos γ
1
, γ
2
, . . . , γ
n
, para rodear
cada una de las singularidades, como se muestra en la siguiente figura, de tal forma
que la integral sobre el contorno C estará dada por:
_
C
f(z)dz =
_
γ
1
f(z)dz +
_
γ
2
f(z)dz + . . . +
_
γ
n
f(z)dz
Así también, obsérvese en los ejemplos anteriores la semejanza en el resultado de
2πi, por lo tanto parece ser que se pueden obtener algunos resultados generales que nos
ayudarán a la evaluación de ciertas integrales de contorno, dichos resultados generales
están dados en las fórmulas integrales de Cauchy que veremos en la siguiente sección.
1.10. Teorema de la Integral de Cauchy 49
Figura 1.14: Singularidades Rodeadas.
1.10.2. Fórmulas integrales de Cauchy
Sea f(z) es una función analítica dentro y sobre un contorno cerrado simple C. si z
0
es cualquier punto en C entonces,
_
C
f(z)
z −z
0
dz = 2πif (z
0
) ,
Asimismo, si derivamos repetidamente n veces con respecto a z bajo el signo de la
integral entonces también se cumple que,
_
C
f(z)
(z −z
0
)
n+1
dz =
2πi
n!
f
(n)
(z
0
) .
Obsérvese en las ecuación anterior que si f

(z) existe en z = z
0
entonces, f
n
(z) tam-
bién existe para toda n.
Ejemplo 1:
Calcule la siguiente integral,
_
γ
zdz
(9 −z
2
)
2
(z + i)
2
.
Solución:
Aplicando la fórmula integral de Cauchy para derivadas superiores que establece:
Si f(z) es analítica a lo largo de un contorno cerrado simple γ así como en su interior
y z
0
es un punto del interior de γ, entonces;
f
n
(z
0
) =
n!
2πi
_
γ
f(z)
(z −z
0
)
n+1
dz,
50 1. Variable Compleja
si aplicamos la expresión anterior con n = 1, z
0
= −i e identificamos a f(z) =
z
(9−z
2
)
2
,
podemos escribir la expresión de la forma,
f

(z
0
) =
1!
2πi
_
γ
f(z)
(z −z
0
)
2
dz.
Por lo tanto, la integral original se reescribe de la forma,
_
γ
zdz
(9 −z
2
)
2
(z + i)
2
=
_
γ
z
(9−z
2)
2
(z + i)
2
dz.
por lo tanto,
_
γ
zdz
(9 −z
2
)
2
(z + i)
2
= 2πi
d
dz
_
z
(9 −z
2
)
2
_ ¸
¸
¸
¸
z=−i
= 2πi
_
(9 −z
2
)
2
−z [2(9 −z
2
)(−27)]
(9 −z
2
)
4
_ ¸
¸
¸
¸
z=−i
= 2πi
_
(9 −z
2
) [(9 −z
2
) + 47]
(9 −z
2
)
4
_ ¸
¸
¸
¸
z=−i
= 2πi
_
−z
2
+ 4z + 9
(9 −z
2
)
3
¸
¸
¸
¸
z=−i
_
= 2πi
_
−(−i)
2
+ 48 −i) + 9
(9 −(−i)
2
)
3
_
=
_
1 + 4i + 9
10
3
_
2πi
=
2πi
1000
[10 −4i] .
Finalmente, obtenemos
_
γ
zdz
(9 −z
2
)
2
(z + i)
2
=
π
500
[4 + 10i]
1.11. Teorema del Residuo 51
1.11. Teorema del Residuo
Sea f(z) analítica en un dominio D, excepto en los puntos z
1
, z
2
, . . . , z
n
, donde f(z)
tiene singularidades. Si C es un contorno cerrado en D que encierra a z
1
, z
2
, . . . , z
n
,
entonces
_
C
f(z)dz = 2πi (b
1
+ b
2
+. . . +b
n
) ,
es decir, la integral de f(z) sobre un contorno que encierra a las singularidades z
1
, z
2
, . . . , z
n
de f(z) es igual a 2πi veces la suma de los residuos en esas singularidades.
Obsérvese que la efectividad del Teorema del residuo al evaluar una integral es-
tá en el hecho de que tan fácil sea calcular el residuo de f(z) en las singularidades
encerradas por el contorno. Como se mostró en los ejemplos anteriores para el caso de
singularidades aisladas, generalemente se calculan los residuos de la función viendo el
término
1
z−z
0
en el desarrollo de Laurent alrededor de z
0
. Sin embargo, si z
0
es un polo
de orden m, existe una fórmula relativamente simple para el cálculo de los residuos de
f(z), dada por la siguiente expresión:
b
m
= Res
z=z
o
f(z) =
1
(m−1)!
l´ım
z−→z
0
d
m−1
dz
m−1
[(z −z
0
)
m
f(z)].
Nótese en la expresión anterior para el caso m = 1,
d
m−1
dz
m−1
es la derivada de “orden
cero”, que se interpreta simplemente como 1, y también 0! = 1, de esta forma, si f(z)
tiene un polo simple en z
0
, entonces la fórmula anterior resulta ser,
b
1
= l´ım
z−→z
0
[(z −z
0
)f(z)].
Demostración
Supongamos que f(z) tiene un polo de orden m en z = z
0
, de tal forma que f(z)
tiene un desarrollo de Laurent en el anillo 0 < [z −z
0
[ < R de la forma,
f(z) =
a
−m
(z −z
0
)
m
+
a
−m+1
(z −z
0
)
m−1
+. . . +
a
−1
(z −z
0
)
+ a
0
+a
1
(z −z
0
) + . . .
con a
−m
,= 0, ya que por hipótesis f(z) tiene un polo de orden m. Si multiplicamos
la ecuación anterior por el término (z −z
0
)
m
(ya que lo que queremos es evaluar el
número a
−1
, que es el residuo de f(z) en z = z
0
), obtenemos
(z −z
0
)
m
f(z) = a
−m
+ a
−m+1
(z −z
0
) + . . . + a
−1
(z −z
0
)
m−1
+ a
0
(z −z
0
)
m
+ a
1
(z −z
0
)
m+1
+ . . .
de esta forma, la serie de la derecha es una serie de Taylor alrededor de z
0
, es decir la
función g(z) = (z −z
0
)
m
f(z) es analítica en z = z
0
. Si derivamos la función anterior
52 1. Variable Compleja
m−1 veces obtenemos,
d
m−1
dz
m−1
[(z −z
0
)
m
f(z)] = a
−1
(m−1)(m−2) . . . (1)
+ a
0
m(m−1) . . . (2) (z −z
0
) +. . .
= a
−1
(m−1)! + a
0
m! (z −z
0
) +. . .
de esta forma, en el límite cuando z se aproxima a z
0
todos los términos de la derecha
se cancelan, excepto posiblemente el primer término que es constante, así, resolviendo
para este término obtenemos,
b
m
=
1
(m−1)!
l´ım
z−→z
0
d
m−1
dz
m−1
[(z −z
0
)
m
f(z)],
que es lo que se queria mostrar.
A continuación veamos algunos ejemplos para ilustrar el teorema del residuo.
Ejemplo 1.
Calcule la siguiente integral
_
γ
dz
z
3
−z
4
donde γ esta definida por [z[ =
1
2
.
Solución a) Teorema del residuo:
Para este caso vemos que la función dada tiene un polo de orden 3 en z = 0, puesto
que f(z) =
1
z
3
−z
4
=
1
z
3
(1−z)
, por lo que la integral dada se puede calcular de la forma,
_
γ
dz
z
3
−z
4
= 2πi [Res
z=z0
f(z)]
usando la fórmula para oncontrar los residuos, en este caso con m = 3 obtenemos,
[Res
z=0
f(z)] =
1
2!
l´ım
z−→0
d
2
dz
2
_
z
3
_
1
z
3
(1 −z)
__
=
1
2
l´ım
z−→0
d
2
dz
2
_
1
1 −z
_
=
1
2
l´ım
z−→0
d
dz
_
1
(1 −z)
2
_
=
1
2
l´ım
z−→0
_
2
(1 −z)
3
_
= 1,
1.11. Teorema del Residuo 53
por lo tanto, el resultado de la integral dada es,
_
γ
dz
z
3
−z
4
= 2πi.
Solución b) Expansión en series de Laurent
Obsérvese que,
_
γ
dz
z
3
−z
4
=
1
z
3
_
1
1 −z
_
,
tiene puntos singulares en z = 0 y z = 1. De esta forma z = 1 está fuera de nuestro
contorno de integración γ, por lo que carece de nuestro interés para el problema, por lo
que debemos encontrar la serie de Laurent para f(z) =
1
z
3
−z
4
en el dominio 0 < [z[ < 1.
De esta forma obtenemos,
f(z) =
1
z
3
_
1
1 −z
_
=
1
z
3

n=0
z
n
=

n=0
z
n−3
,
obsérvese que hicimimos uso de la convergencia de la serie geométrica. Escribiendo
algunos términos de la serie obtenemos,
f(z) =
1
z
3
+
1
z
2
+
1
z
+ 1 + z + z
2
+ z
3
+ . . .
de donde obtenemos que el residuo b
1
= 1. Por lo tanto, la integral resulta ser,
_
γ
dz
z
3
−z
4
= 2πiRes
z=0
f(z) = 2πi.
Solución c) Fórmula integral de Cauchy:
Usando la fórmula integral de Cauchy dada por la expresión
_
C
f(z)
(z −z
0
)
n+1
dz =
2πi
n!
f
(n)
(z
0
) .
en este caso n = 2, usando la fórmula anterior la integral pedida se puede calcular de
la forma,
54 1. Variable Compleja
_
γ
dz
z
3
−z
4
=
_
γ
1
z
3
_
1
1 −z
_
=
_
γ
1
1−z
z
2+1
dz
=
2πi
2!
f
2
(z
0
= 0),
de donde, si
f(z) =
1
1 −z
f
1
(z) =
1
(1 −z)
2
f
2
(z) =
2
(1 −z)
3
entonces,
f
2
(z = 0) = 2
por lo tanto,
_
γ
dz
z
3
−z
4
= 2πi.
Ejemplo 2.
Calcule la siguiente integral
_
γ
zdz
(9 −z
2
) (z + i)
2
donde γ esta definida por [z[ = 2, en sentido positivo.
Solución:
de
f (z) =
z
(9 −z
2
) (z + i)
2
nos damos cuenta que tenemos puntos singulares en:
z
01
= 3i
z
02
= −3i
z
03
= −i
pero nuestro γ es [z[ = 2 por lo tanto z
01
y z
02
están fuera de nuestro contorno de
integración.
1.11. Teorema del Residuo 55
También podemos observar que tenemos un polo de orden 2, así que para calcular
el residuo utilizamos la siguiente fórmula.
Res
z=z
o
f(z) =
1
(m−1)!
l´ım
z→zo
_
d
m−1
dz
m−1
[z −z
o
]
m
f (z)
_
por lo tanto,
Res
z
o
=−i
f(z) = l´ım
z→−i
_
d
dz
(z + i)
2
z
(9 −z
2
) (z + i)
2
_
= l´ım
z→−i
_
d
dz
_
z
9 −z
2
__
. . .
=
1
10
,
Aplicando el teorema del residuo, obtenemos
_
γ
f (z) dz = 2πi

k
Res
z=z
m
f(z)
finalmente,
_
γ
zdz
(9 −z
2
) (z + i)
2
= 2πi
_

1
10
_
= −
πi
5
=
π
5i
56 1. Variable Compleja
Capítulo 2
Análisis de Fourier
2.1. Funciones Periódicas
Una función periódica se define como una función de la forma:
f(t) = f(t + T), (2.1)
para todo valor de t. La constante mínima T que satisface la ecuación (2.1) se llama
el periodo de la función. De la ecuación (2.1), obsérvese que
f(t + T) = f(t)
f(t + 2T) = f(t +T + T) = f(t + T) = f(t)
f(t + 3T) = f(t +T + T + T) = f(t + 2T) = f(t)
. . .
f(t + nT) = f(t +T + T + . . . + (n −1)T + T) = f(t + (n −1)T) = . . . = f(t).
y así obtenemos;
f(t + nT) = f(t). (2.2)
donde n = 0, ±1, ±2, ±3, . . . , etc.
Ejemplo:
Dada la función f(t) = cos
_
t
3
_
+ cos
_
t
4
_
, encontrar el periodo T de f(t).
Solución:
Si la función es periódica de periodo T debe cumplir que,
f(t + T) = f(t),
es decir,
cos
_
t + T
3
_
+ cos
_
t + T
4
_
= cos
_
t
3
_
+ cos
_
t
4
_
.
57
58 2. Análisis de Fourier
Por otro lado, como cos(θ + 2kπ) = cosθ para cualquier entero k, se tiene que,
T
3
= 2mπ,
T
4
= 2nπ,
de donde,
T = 6mπ,
T = 8nπ,
los números n y m, pertenecen a los enteros.
De lo anterior, se observa que cuando m = 4 y n = 3 se tiene el valor mínimo de
T que es de T = 24, (esto se puede ver con un procedimiento de ensayo y error). En
forma general si la funcíón,
f(t) = cos(w
1
t) +cos(w
2
t).
es periódica con periodo T, entonces es posible encontrar dos números enteros m y n
tales que,
w
1
T = 2πm,
w
2
T = 2πn,
de donde obtenemos,
w
1
w
2
=
m
n
, (2.3)
es decir, el cociente
w
1
w
2
debe ser un número racional.
Ejemplo:
Verifique si la función f(t) = cos(10t) + cos(10 + π)t, es una función periódica.
Solución:
En este caso, tenemos que
w
1
= 10,
w
2
= 10 + π,
por lo tanto,
w
1
w
2
=
10
10 + π
,
obsérvese que el número
10
10+π
es un irracional, por lo tanto no es posible encontrar un
valor de T que satisfaga la ecuación (2.3), por consiguiente la función f(t) = cos(10t) +
cos(10 + π)t, no es una función periódica.
2.2. Serie y coeficientes de Fourier 59
2.2. Serie y coeficientes de Fourier
Definición:
Una función f se dice seccionalmente continua en el intervalo [a, b] si existen un con-
junto finito de puntos a = x
1
< x
2
< x
3
< . . . < x
n
= b tales que f es continua
en los intervalos x
k
< x < x
k+1
y los límites unilaterales f
+
(x
k
) y f

(x
k+1
) existen ∀
k = 1, 2, . . . , n −1.
Si f es seccionalmente continua en [a, b], entonces necesariamente es acotada e in-
tegrable. Supongase que f es integrable en el intervalo [−π, π], entonces f se puede
expresar como la siguiente suma:
f(x) = a
0
+

n=1
[a
n
cos(nx) +b
n
sen(nx)], (2.4)
donde los a
0
, a
1
, . . . , a
n
y los b
0
, b
1
, . . . , b
n
, son constantes.
Encontremos el valor de las constantes a
0
, a
n
y b
n
, como f es integrable en el inter-
valo [−π, π], de la ecuación (2.4) se tiene que,
_
π
−π
f(x)dx =
_
π
−π
a
0
dx +

n=1
_
a
n
_
π
−π
cos(nx)dx + b
n
_
π
−π
sen(nx)
_
,
pero se sabe que,
_
π
−π
cos(nx)dx =
_
π
−π
sen(nx)dx = 0
para n = 0, 1, 2, . . . , por lo tanto, de la ecuación anterior obtenemos
a
0
=
1

_
π
−π
f(x)dx. (2.5)
Ahora sea k cualquier entero positivo, multiplicando la ecuación (2.4) por por cos(kx),
obtenemos
f(x)cos(kx) = a
0
cos(kx) +

n=1
[a
n
cos(nx)cos(kx) + b
n
sen(nx)cos(kx)],
si integramos desde −π a π, obtenemos
_
π
−π
f(x)cos(kx)dx =
_
π
−π
a
0
cos(kx)dx
+

n=1
_
a
n
_
π
−π
cos(nx)cos(kx)dx
_
+

n=1
_
b
n
_
π
−π
sen(nx)cos(kx)
_
,
60 2. Análisis de Fourier
aplicando las relaciones de ortogonalidad de las funciones seno y coseno dadas por:
_
π
−π
cos(nx)cos(kx) =
_
π
−π
sen(nx)sen(kx) = 0,
_
π
−π
cos(nx)sen(kx) = 0,
todas las integrales del lado derecho de la ecuación anterior, valen cero, excepto aquella
que contiene al término cos(nx)cos(kx) cuando n = k, por lo tanto obtenemos,
_
π
−π
f(x)cos(kx)dx = a
n
_
π
−π
cos
2
(nx)dx
pero también,
_
π
−π
cos
2
(nx)dx =
_
π
−π
1
2
[1 +cos(2nx)]dx
=
_
1
2
x +
1
2n
sen(2nx)

¸
¸
¸
π
−π
=
1
2
[π + π] = π.
Por lo tanto, el coeficiente a
n
está dado por:
a
n
=
1
π
_
π
−π
f(x)cos(nx)dx, (2.6)
para k = 1, 2, 3, . . . , etc. Análogamente si multiplicamos la ecuación (2.4) por sen(kx),
obtenemos
f(x)sen(kx) = a
0
sen(kx) +

n=1
[a
n
cos(nx)sen(kx) + b
n
sen(nx)sen(kx)]
integrando desde −π a π obtenemos,
_
π
−π
f(x)sen(kx)dx = a
0
_
π
−π
sen(kx)dx
+

n=1
_
a
n
_
π
−π
cos(nx)sen(kx)dx
_
+

n=1
_
b
n
_
π
−π
sen(nx)sen(kx)
_
,
de la misma forma, las integrales del lado derecho de la ecuación anterior valen cero,
excepto aquella que contiene al término sen(nx)sen(kx) cuando n = k, por lo tanto
2.2. Serie y coeficientes de Fourier 61
obtenemos,
_
π
−π
f(x)sen(nx)dx = b
n
_
π
−π
sen
2
(nx)dx
= b
n
_
π
−π
1
2
[1 −cos(2nx)]dx
= b
n
_
1
2
x −
1
2n
sen(2nx)

¸
¸
¸
π
−π
= b
n
π,
finalmente, obtenemos
b
n
=
1
π
_
π
−π
f(x)sen(nx)dx, (2.7)
para n = 1, 2, 3, . . . , los resultados anteriores se resumen en la siguiente definición:
62 2. Análisis de Fourier
2.2.1. Serie y Coeficientes de Fourier en determinado intervalo.
De [−π, π] Definición:
Sea f una función integrable en el intervalo [−π, π]. Los coeficiente de Fourier de f
en el intervalo [−π, π] son los números:
a
0
=
1

_
π
−π
f(x)dx. (2.8)
a
n
=
1
π
_
π
−π
f(x)cos(nx)dx, (2.9)
b
n
=
1
π
_
π
−π
f(x)sen(nx)dx, (2.10)
La serie de Fourier de f en el intervalo [−π, π] es la serie:
f(x) = a
0
+

n=1
[a
n
cos(nx) + b
n
sen(nx)] , (2.11)
Ejemplo:
Escribir la serie de Fourier de f(x) = x en el intervalo [−π, π].
Solución:
Primeramente calculemos los coeficientes de Fourier, aplicando la ecuaciones (2.8),
(2.9) y (2.10) obtenemos,
a
0
=
1

_
π
−π
xdx =
_
1

x
2

¸
¸
¸
π
−π
= 0
a
n
=
1
π
_
π
−π
xcos(kx)dx =
_
x

sen(nx) +
1
πn
2
cos(nx)

¸
¸
¸
π
−π
= 0
b
n
=
1
π
_
π
−π
xsen(kx)dx =
_

x
πn
cos(nx) +
1
πn
2
sen(nx)

¸
¸
¸
π
−π
= −
1
n
cos(nπ) −
1
n
cos(nπ)
= −
2
n
cos(nπ)
=
2
n
(−1)
n+1
.
por lo tanto, sustituyendo los coeficientes a
0
, a
n
y b
n
en la ecuación (2.11), la serie de
Fourier de f(x) = x en el intervalo [−π, π] está dada por,
2.2. Serie y coeficientes de Fourier 63
f(x) =

n=1
2
n
(−1)
n+1
sen(nx)
En la siguiente figura se muestra la función y su serie de Fourier.
-3 -2 -1 0 1 2 3
x
-3
-2
-1
0
1
2
3
y
Figura 2.1: Gráfica de f(x) = x y su serie de Fourier para n = 15.
Ejemplo:
Encontrar la serie de Fourier de la función definida por,
f(x) =
_
−k si −π < x < 0
k si 0 < x < π
Solución:
En forma análoga al problema anterior, el lector puede verificar inmediatamente que
el coeficiente a
0
= 0, de la ecuación (2.9), el coeficiente a
n
está dado por,
a
n
=
1
π
_
π
−π
f(x)cos(nx)dx =
1
π
__
0
−π
(−k)cos(nx)dx +
_
π
0
kcos(nx)dx
_
=
1
π
_
−k
sennx
n
¸
¸
¸
0
−π
+ k
sennx
n
¸
¸
¸
π
0
_
= 0,
el resultado anterior se sigue del hecho de que sen(nx) = 0 en π y −π, para todo
n = 1, 2, 3, . . . . En forma análoga, de la ecuación (2.10), el coeficiente b
n
está dado por,
b
n
=
1
π
_
π
−π
f(x)sen(nx)dx =
1
π
__
0
−π
(−k)sen(nx)dx +
_
π
0
ksen(nx)dx
_
=
1
π
_
k
cosnx
n
¸
¸
¸
0
−π
− k
cosnx
n
¸
¸
¸
π
0
_
=
k

[cos(0) −cos(−nπ) −cos(nπ) + cos(0)]
=
2k

(1 −cos(nπ)),
Obsérvese que en la expresión para los coeficientes de b
n
, éstos se hacen cero para
cuando n es par, puesto que cos(nπ) = (−1)
n
. Por lo tanto, sustituyendo los coeficientes
64 2. Análisis de Fourier
a
n
y b
n
en la ecuación (2.11), la serie de Fourier de f(x) en el intervalo [−π, π] está dada
por,
f(x) =

n=1
__
2k

(1 −cosnπ)
_
sen(nx)
_
.
En la siguiente figura se muestra la la función y su serie de Fourier para el caso
k = 1.
0 1 2 3 4 5 6
x
-1
-0.5
0
0.5
1
y
Figura 2.2: Gráfica de f(x) y su serie de Fourier para n = 1 y n = 5.
Obsérvese también que en los ejemplos anteriores, los coeficientes a
0
y a
n
resul-
taron ser iguales a cero, esto se debe a la paridad e imparidad de las funciones que
analizaremos en otra sección.
Podemos extender la definición anterior para series de Fourier en cualquier inter-
valo [−L, L] simplemente cambiando de escala, al hacer el cambio de variable t =
πx
L
.
2.2. Serie y coeficientes de Fourier 65
2.2.2. Serie y Coeficientes de Fourier en el intervalo [-L,L]
Definición:
Sea f una función integrable en el intervalo [−L, L]. Los coeficiente de Fourier de f en
el intervalo [−L, L] son los números:
a
0
=
1
2L
_
L
−L
f(x)dx. (2.12)
a
n
=
1
L
_
L
−L
f(x)cos
_

L
x
_
dx, (2.13)
b
n
=
1
L
_
L
−L
f(x)sen
_

L
x
_
dx, (2.14)
La serie de Fourier de f en el intervalo [−L, L] es la serie:
f(x) = a
0
+

n=1
a
n
cos
_

L
x
_
+ b
n
sen
_

L
x
_
, (2.15)
para n = 1, 2, 3, . . . , donde los números a
0
, a
1
, . . . , b
0
, b
1
, . . . , b
n
son los coeficientes de
Fourier de f en el intervalo [−L, L].
Ejemplo:
Dada la función,
f(x) =
_
0 para −3 ≤ x ≤ 0
x para 0 ≤ x ≤ 3
Encontrar la serie de Fourier de f en el intervalo [−3, 3].
Solución:
Calculemos primeramente los coeficientes con L = 3, aplicando la ecuación (2.12)
obtenemos,
a
0
=
1
2(3)
_
3
−3
f(x)dx
=
1
6
_
0
−3
f(x)dx +
1
6
_
3
0
f(x)dx
=
1
6
_
3
0
xdx =
_
x
2
12

¸
¸
¸
3
0
=
9
12
,
por lo tanto,
a
0
=
9
12
=
3
4
.
66 2. Análisis de Fourier
Asimismo, de la ecuación (2.13) obtenemos,
a
n
=
1
3
_
3
0
xcos
_

3
x
_
dx,
esta integral se resuelve por el método de integración por partes: si hacemos u = x,
entonces du = dx, así también si dv = cos
_

3
x
_
dx, entonces v =
3

sen
_

3
_
x, de esta
forma obtenemos,
a
n
=
1
3
_
x
3

sen
_

3
x
_

3

_
3
0
sen
_

3
x
_
dx
_
=
1
3
_
3x

sen
_

3
x
_
+
9
n
2
π
2
cos
_

3
x
_

¸
¸
¸
3
0
=
1
3
_
3(3)

sen(nπ) +
9
n
2
π
2
cos(nπ)
_

1
3
_
9
n
2
π
2
_
=
_
3
n
2
π
2
_
cos(nπ) −
3
n
2
π
2
,
por lo tanto,
a
n
=
3
n
2
π
2
[cos(nπ) −1].
En forma análoga para el coeficiente b
n
, de la ecuación (2.14) obtenemos,
b
n
=
1
3
_
3
0
xsen
_
nπx
3
_
dx,
análogamente, aplicando el método de integración por partes; si hacemos u = x,entonces
du = dx, así también si dv = sen
_

3
_
x, entonces v = −
3

cos
_

3
_
x, de esta forma
obtenemos,
b
n
=
1
3
_
−x
3

cos
_

3
x
_
+
3

_
3
0
cos
_

3
x
_
dx
_
=
_

x

cos
_

3
x
_
+
3
n
2
π
2
sen
_

3
x
_

¸
¸
¸
3
0
= −
3

cos(nπ) +
3
n
2
π
sen(nπ) −
_
0

cos(0) +
3
n
2
π
2
sen(0)
_
por lo tanto,
b
n
= −
3

cos(nπ),
finalmente, sustituyendo los valores de los coeficientes a
0
, a
n
y b
n
en la ecuación (2.15),
la serie de Fourier de f en el intervalo [−3, 3] está dada por,
f(x) =
3
4
+

n=1
__
3
n
2
π
2
((−1)
n
−1)
_
cos
_

3
x
_

_
3

(−1)
n+1
_
sen
_

3
x
_
_
.
2.2. Serie y coeficientes de Fourier 67
-3 -2 -1 0 1 2 3
0
0.5
1
1.5
2
2.5
3
Figura 2.3: Gráfica de f(x) = x y su serie de Fourier para n = 5 y n = 10.
Obsérvese que cos(nπ) = (−1)
n
y −cos(nπ) = (−1)
n+1
. La siguiente figura muestra
la función y su serie de Fourier.
En algunos casos podemos ahorrarnos trabajo al calcular los coeficientes de Fouri-
er observando las propiedades de la función dada que se establecen en la siguiente
definición.
68 2. Análisis de Fourier
2.2.3. Funciones Pares e Impares
Definición:
Decimos que la función f es par en el intervalo [−L, L], si f(−x) = f(x) para 0 ≤ x ≤
L, esto significa que f desde −L hasta 0, es la reflexión sobre el eje Y de la gráfica desde
0 hasta L.
Ejemplo de Funciones Pares:
cos
_

L
x
_
, x
2
, x
4
, x
6
, −2x
2
+cosx, [x[, . . . , etc.
Asimismo, se dice que la función f es impar en el intervalo [−L, L], si f(−x) =
−f(x) para 0 ≤ x ≤ L, en este caso la gráfica de f desde −L hasta 0, es la reflexión
sobre el eje Y y después sobre el eje X de la gráfica desde 0 hasta L.
Ejemplo de Funciones Impares:
sen
_

L
x
_
, x, x
3
, x
5
, . . . , etc.
Sin embargo, la mayoria de las funciones no son pares ni impares, por ejemplo las
funciones f(x) = e
x
y f(x) = x
2
− x, no lo son, puesto que, si aplicamos la definición
de paridad e imparidad, obtenemos
f(−x) = e
−x
,= −e
x
,= e
x
,
f(−x) = (−x)
2
−(−x) = x
2
+ x ,= −
_
x
2
−x
_
,=
_
x
2
−x
_
,
sin embargo, el producto de dos funciones pares o impares es par y el producto de una
función par y una impar es impar, es decir:
(impar) x (impar) −→(par)
(par) x (par) −→(par)
(par) x (impar) −→(impar).
Por ejemplo, si tenemos las funciones f(x) = x
2
y g(x) = cosx, que son funciones
pares, entonces h(x) = f(x)g(x) = x
2
cosx, de donde h(−x) = (−x)
2
cos(−x) = x
2
cosx,
asimismo si j(x) = senx, entonces l(x) = f(x)j(x) = x
2
senx, de donde l(−x) =
(−x)
2
sen(−x) = −x
2
senx.
Por otro lado, del Cálculo elemental tenemos los siguientes resultados para fun-
ciones pares e impares, considerando que f es una función integrable en el intervalo
[−L, L]:
a).-Si f es par entonces,
_
L
−L
f(x)dx = 2
_
L
0
f(x)dx.
2.2. Serie y coeficientes de Fourier 69
b).-Si f es impar entonces,
_
L
−L
f(x)dx = 0,
de lo enterior, tenemos el siguiente resultado para la serie de Fourier.
Definición: 1).- Si f es par, entonces la serie de Fourier de f en el intervalo [−L, L]
está dada por:
f(x) = a
0
+

n=1
a
n
cos
_

L
x
_
, (2.16)
donde los coeficientes a
0
y a
n
están dados por:
a
0
=
1
L
_
L
0
f(x)dx. (2.17)
a
n
=
2
L
_
L
0
f(x)cos
_

L
x
_
dx, (2.18)
2).- Si f es impar, entonces la serie de Fourier de f en el intervalo [−L, L] está dada por:
f(x) =

n=1
b
n
sen
_

L
x
_
, (2.19)
donde los coeficientes b
n
están dados por:
b
n
=
2
L
_
L
0
f(x)sen
_

L
x
_
dx. (2.20)
Ejemplo:
Encuentre la serie de Fourier de la función f(x) = x
2
en el intervalo [−π, π].
Solución:
Como la función f(x) es una función par, entonces de la ecuación (2.16) la serie de
Fourier de f en el intervalo [−π, π] estará dada (con L = π) por:
f(x) = a
0
+

n=1
a
n
cos(nx),
y de las ecuaciones (2.17) y (2.18) con L = π, los coeficientes a
0
y a
n
están dados por:
a
0
=
1
π
_
π
0
f(x)dx.
a
n
=
2
π
_
π
0
f(x)cos(nx)dx,
70 2. Análisis de Fourier
sustituyendo el valor de la función f, obtenemos
a
0
=
1
π
_
π
0
x
2
dx =
1
π
_
x
3
3

¸
¸
¸
π
0
=
π
2
3
,
en forma análoga, para el coeficiente a
n
sustituyendo el valor de la función obtenemos,
a
n
=
2
π
_
π
0
x
2
cos(nx)dx
=
2
π
_
x
2
n
sen(nx)
¸
¸
¸
¸
π
0

2
n
_
π
0
xsen(nx)dx
_
,
en donde aplicamos el método de integración por partes, al hacer los cambios de vari-
able u = x
2
, de donde du = 2xdx, y también, dv = cos(nx)dx, de donde v =
1
n
sen(nx),
aplicando nuevamente el método de integración por partes, haciendo ahora u = x y
dv = sen(nx)dx, obtenemos du = dx y v = −
1
n
cos(nx) respectivamente, de tal forma
que la integral anterior resulta,
a
n
=
2
π
_
x
2
n
sen(nx)
¸
¸
¸
¸
π
0

2
n
_
x
n
cos(nx)
¸
¸
¸
π
0
+
1
n
_
π
0
cos(nx)
__
=
2
π
__
x
2
n
sen(nx)

¸
¸
¸
π
0
+
_
2x
n
2
cos(nx)

¸
¸
¸
π
0

_
2
n
3
sen(nx)

¸
¸
¸
π
0
_
=
2
π
_

n
2
cos(nπ)
_
=
4
n
2
cos(nπ)
= (−1)
n
4
n
2
.
Por lo tanto, la serie de Fourier de la función f(x) = x
2
en el intervalo [−π, π] está
dada por:
f(x) =
π
2
3
+

n=1
_
(−1)
n
4
n
2
cos(nx)
_
=
π
2
3
+ 4
_
−cosx +
cos2x
4

cos3x
9
+. . .
_
.
En la figura se muestra la función y = x
2
y su serie de Fourier.
Ejercicios:
1. Verifique que la serie de Fourier de la función f(x) = x
4
en el intervalo [−π, π]
está dada por la expresión:
2.2. Serie y coeficientes de Fourier 71
-3 -2 -1 0 1 2 3
0
2
4
6
8
10
Figura 2.4: Gráfica de f(x) = x
2
(línea continua) y su serie de Fourier para n = 1, 3, 5,
(líneas punteadas).
f(x) =
π
4
5
+

n=1
_
8
n
4
_
n
2
π
2
−6
_
(−1)
n
cos(nx)
_
2. Para las siguientes funciones:
a) f(x) = cos(3x) para el intercvalo −2 ≤ x ≤ 2.
b)
f(x) =
_
1 −x si −1 ≤ x < 0
0 si 0 ≤ x ≤ 1
c) f(x) = 1 −[x[ para el intercvalo −2 ≤ x ≤ 2.
d) f(x) =
1
2
e
2x
para el intercvalo −1 ≤ x ≤ 1.
e)
f(x) =
_
−1 si −3 ≤ x ≤ 0
0 si 0 < x ≤ 3
Calcule la Serie de Fourier. Dependiendo de la paridad o imparidad de las mis-
mas, aplique los resultados de las ecuaciones (2.16)-(2.20) para simplificar sus
cálculos.
3. Encontrar la serie de Fourier de la función f(x) definida por f(x) = [x[ en el
intervalo (−π, π).
4. Encontrar la serie de Fourier de la función f(x) = e
x
en el intervalo (−π, π).
5. Encontrar la serie de Fourier de la función f(x) = x[x[ en el intervalo (−π, π)
6. Encontrar la serie de Fourier de la función f(x) =
x
2
4
en el intervalo de (−π, π).
72 2. Análisis de Fourier
2.3. Convergencia de las series de Fourier
Definición:
Una función f es seccionalmente continua a pedazos en el intervalo [a, b] si:
1.- l´ım
x−→a
+ f(x) y l´ım
x−→b
− f(x) son finitos
2.- f es continua en todos los puntos del intervalo [a, b], excepto posiblemente un
número finito de ello.
3.- En los puntos del intervalo (a, b) donde f es discontinua, la función tiene límites
izquierdo y derecho finitos.
Estos conceptos se ilustran en la siguiente figura. Los límites izquierdo y derecho
están dados por:
f(x
+
0
) = l´ım
h−→0
+
f(x
0
+ h),
y
f(x

0
) = l´ım
h−→0

f(x
0
−h).
Si f tiene límite derecho en x
0
, la derivada derecha de f en x
0
se define como
f

R
(x
0
) = l´ım
h−→0
+
f(x
0
+ h) −f(x
+
0
)
h
,
cuando este límite exista y sea finito. Lo anterior se interpreta como la pendiente a la
gráfica en x
0
si nos fijamos únicamente en la parte de la gráfica que está a la derecha
de x
0
.
Análogamente, se define la derivada izquierda de f en x
0
como,
f

L
(x
0
) = l´ım
h−→0

f(x
0
+ h) −f(x

0
)
h
,
el término f

L
(x
0
), se interpreta como la pendiente de tangente a la gráfica en x
0
si
nos fijamos únicamente en la parte de la gráfica que está a la izquierda de x
0
. Esto se
ilustra en la siguiente figura.
Observación: En una discontinuidad de salto, las derivadas izquierda y derecha
pueden existir aunque la derivada no exista, es decir; una gráfica puede tener una pen-
diente "por la izquierda
2
"por la derecha.
en
x
0
aunque no tenga tangente en x
0
.
2.3. Convergencia de las series de Fourier 73
Figura 2.5: Límites Laterales.
Ejemplo:
Sea la función f definida por:
f(x) =
_
1 + x si −π ≤ x ≤ 0
x
2
si 0 ≤ x ≤ π
f es seccionalmente continua en el intervalo [−π, π] con una discontinuidad de salto
en x
0
= 0, como se muestra en la figura. Los límites derecho e izquierdo están dados
respectivamente por:
f(0
+
) = l´ım
h−→0
+
f(0 + h) = l´ım
h−→0
+
h
2
= 0,
y
f(0

) = l´ım
h−→0

f(0 −h) = l´ım
h−→0

(1 −h) = 1.
Asimismo, las derivadas derecha e izquierda están dadas respectivamente por:
f

R
(0) = l´ım
h−→0
+
f(0 + h) −f(0
+
)
h
= l´ım
h−→0
+
h
2
−0
h
= 0,
y
f

L
(0) = l´ım
h−→0

f(0 + h) −f(0

)
h
= l´ım
h−→0

(1 + h) −1
h
= 1.
Obsérvese que para este ejemplo, como se muestra en la figura, se confirma que
efectivamente a la derecha de x
0
= 0 la pendiente es cero y por la izquierda de x
0
= 0
la pendiente es uno. De lo anterior, podemos establecer la convergencia de las series
de Fourier de la forma.
Definición:
Sea f una función seccionalmente continua en [−L, L]
1.- Si −L ≤ x ≤ L y las derivadas izquierda y derecha de f existen en x
0
, la serie de
Fourier de f en el intervalo [−L, L] converge en x
0
a,
1
2
_
f(x
+
0
) + f(x

0
)
¸
, (2.21)
74 2. Análisis de Fourier
2.- Si f

R
(−L) y f

R
(L) existen, entonces la serie de Fourier converge en L y en −L a
1
2
_
f(−L
+
) + f(L

)
¸
, (2.22)
En la siguiente figura se ilustra geométricamente la convergencia de las series. Ob-
sérvese también, que si f es continua en x
0
, los límites izquierdo y derecho son iguales
a f(x
0
) y la serie converge en x
0
a
1
2
_
f(x
+
0
) + f(x

0
)
¸
= f(x
0
),
así también puede converger al mismo valor en L y en −L, ya que si hacemos x = L
en la serie de Fourier dada por la ecuación (2.15) obtenemos
f(x) = a
0
+

n=1
a
n
cos(nπ)
asimismo, obsérvese que si hacemos x = −L en la ecuación (2.15)se obtiene la mis-
ma serie puesto que sen(−nπ) = 0 y cos(−nπ) = cos(nπ).
Ejemplo:
Sea f(x) = 2x en el intervalo [−π, π], como se muestra en la siguiente figura:
-3 -2 -1 0 1 2 3
0
0.5
1
1.5
Figura 2.6: Intervalo [−π, π].
Obsérvese que la función f es continua en el intervalo (−π, π) y que tiene derivada
izquierda y derecha en todo punto (de hecho, f es derivable), de esta forma en los
extremos se tiene que,
f(−π
+
) = l´ım
h−→0
+
f(π + h) = l´ım
h−→0
+
2(−π + h) = −2π,
y
f(π

) = l´ım
h−→0

f(π −h) = l´ım
h−→0

2(π −h) = 2π,
por lo tanto la serie de Fourier de f converge a cero tanto en π como en −π, puesto que
1
2
_
f(−π
+
) +f(π

)
¸
= 0,
2.3. Convergencia de las series de Fourier 75
y como habiamos calculado anteriormente, la serie de fourier de f(x) = x en [−π, π] es-
tá dada por,


n=1
4
n
(−1)
n+1
sen(nπ), podemos verificar que la serie converge a cero en π
y en −π. Por lo tanto la serie de Fourier de f en [−π, π] converge a 2x para −π < x < π,
como lo muestra la siguiente figura.
-3 -2 -1 0 1 2 3
0
0.5
1
1.5
Figura 2.7: Convergencia del Intervalo [−π, π].
Ejemplo:
Dada la función,
f(x) =
_
_
_
0 para −π ≤ x < 1
1 para 1 ≤ x < 2
3 para 2 ≤ x < π.
a).- Analizar la convergencia de la serie de Fourier. b).- Calcular la serie de Fourier
de f(x).
Solución:
a).- Aplicando las condiciones de la convergencia de la serie de Fourier, la serie de
Fourier de f en el intervalo [−π, π] converge a,
0 para −π ≤ x < 1
1 para 1 ≤ x < 2
3 para 2 ≤ x < π.
También en x
0
= 1, f(1

) = 0 y f(1
+
) = 0, por lo tanto la serie converge en x
0
= 1 a
1
2
_
f(1

) + f(1
+
)
¸
=
1
2
[0 + 1] =
1
2
,
por otro lado en x = 2, f(2

) = 1 y f(2
+
) = 3, por lo tanto la serie converge en x
0
= 2 a
1
2
_
f(2

) + f(2
+
)
¸
=
1
2
[1 + 3] = 2,
asimismo, en el intervalo [−π, π] se tiene que f(−π
+
) = 0 y f(−π

) = 3, por lo tanto la
serie converge a
76 2. Análisis de Fourier
1
2
_
f(−π
+
) + f(−π

)
¸
=
1
2
[0 + 3] =
3
2
.
b).- Calculemos primeramente los coeficientes con L = π; aplicando la ecuación
(2.12) obtenemos
a
0
=
1

_
π
−π
f(x)dx
=
1

_
1
−π
0dx +
1

_
2
1
dx +
1

_
π
2
3dx
=
1

__
2
1
dx +
_
π
2
3dx
_
=
1

[x[
2
1
+ 3x[
π
2
] =
1

[1 + 3(π −2)]
por lo tanto,
a
0
=
1

[3π −5].
Asimismo, de la ecuación (2.13) obtenemos
a
n
=
1
π
_
π
−π
f(x)cos(nx)dx
=
1
π
__
1
−π
0cos(nx)dx +
_
2
1
cos(nx)dx +
_
π
2
3cos(nx)dx
_
=
1
π
_
1
n
sen(nx)
¸
¸
¸
¸
2
1
+
3
n
sen(nx)
¸
¸
¸
¸
π
2
_
=
1
π
_
1
n
(sen2n −sen(n)) +
3
n
(sen(nπ) −sen(2n))
_
=
1
π
_
1
n
sen(2n) −
1
n
sen(n) −
3
n
sen(2n)
_
,
por lo tanto,
a
n
= −
1
π
_
2
n
(sen(2n) + sen(n))
_
en forma análoga para el coeficiente b
n
, de la ecuación (2.14) obtenemos,
b
n
=
1
π
_
π
−π
f(x)sen(nx)dx
=
1
π
__
1
−π
0sen(nx)dx +
_
2
1
sen(nx)dx + 3
_
π
2
sen(nx)dx
_
=
1
π
_

1
n
cos(nx)
¸
¸
¸
¸
2
1

3
n
cos(nx)
¸
¸
¸
¸
π
2
_
2.3. Convergencia de las series de Fourier 77
=
1
π
_

1
n
(cos2n −cosn) −
3
n
(cosnπ −cos2n)
_
=
1
π
_

1
n
cos(2n) +
1
n
cos(n) −
3
n
cos(nπ) +
3
n
cos(2n)
_
=
1
π
_
1
n
cos(2n)(3 −1) +
1
n
cos(n) −
3
n
(−1)
n
_
,
por lo tanto,
b
n
= −
1

[2cos(2n) −3(−1)
n
+ cos(n)] ,
finalmente, sustituyendo los valores de los coeficientes a
0
, a
n
y b
n
en la ecuación (2.15)
la serie de Fourier de f está dada por,
f(x) =
1

[3π −5] −

n=1
1
π
_
2
n
(sen(2n) + sen(n))
_
cos(nx)

n=1
1

[2cos(2n) −3(−1)
n
+cos(n)] sen(nx).
78 2. Análisis de Fourier
2.4. Series de Fourier en senos y cosenos
Supongamos que la función f es integrable en el intervalo [0, L] y queremos de sar-
rollar a f en una serie de Fourier en [0, L] que contenga únicamente términos cosenos
o senos.
La idea es extender a f a una nueva función g definida en el intervalo [−L, L] de
manera que g sea una función par o impar. Así la serie de Fourier de g en [−L, L]
contendrá únicamente términos cosenos, además como g y f coinciden en el intervalo
[0, L] esto nos dará una serie de Fourier en el intervalo [0, L] Por lo tanto definimos a la
función g de la forma,
g(x) =
_
f(x) para 0 ≤ x ≤ L
f(−x) para −L ≤ x ≤ 0.
De esta forma como g es una función par su serie contendrá sólo términos cosenos,
de tal forma que su serie estará dada por la ecuación (2.16). Así mismo, si queremos
la serie de Fourier de una función f en el intervalo [0, L] que sólo contenga términos
senos, extendemos ésta a una función w en [−L, L] de manera que w sea una función
impar, de esta forma la serie de Fourier de w en [−L, L] contendrá únicamente términos
senos, además como w y f coinciden en el intervalo [0, L] esto nos dará una serie de
Fourier en el intervalo [0, L], así definimos la función w de la forma,
w(x) =
_
f(x) para 0 ≤ x ≤ L
−f(−x) para −L ≤ x ≤ 0.
Por lo tanto, como w es una función impar su serie contendrá sólo términos senos,
de tal forma que su serie estará dada por la ecuación (2.19). Lo anterior, se resume en
la siguiente definición:
Definición:
Si f es integrable en [0, L], entonces a).- La serie de Fourier en cosenos de f en [0, L]
está dada por,
a
0
+

n=1
a
n
cos
_

L
x
_
,
donde los coeficientes a
0
y a
n
están dados por:
a
0
=
1
L
_
L
0
f(x)dx,
a
n
=
2
L
_
L
0
f(x)cos
_

L
x
_
dx
2.4. Series de Fourier en senos y cosenos 79
b).- La serie de Fourier en senos de f en [0, L] está dada por,

n=1
b
n
cos
_
nπx
L
_
,
donde el coeficiente b
n
está dado por:
b
n
=
2
L
_
L
0
f(x)sen
_
nπx
L
_
dx
Ejemplo:
Calcule las serie de Fourier en cosenos y senos para la función definida por:
f(x) =
_
1 para 0 ≤ x ≤ π/2
2 para π/2 ≤ x ≤ π
Solución:
Para la serie de Fourier en cosenos, de las expresiones dadas en la definición anterior
obtenemos,
a
0
=
1
π
_
π
0
f(x)dx,
a
n
=
2
π
_
π
0
f(x)cos(nx)dx
por lo tanto, obtenemos
a
0
=
1
π
_ π
2
0
dx +
2
π
_
π
π
2
dx =
1
π
_
π
2
_
+
2
π
_
π
2
_
=
3
2
también,
a
n
=
2
π
_ π
2
0
cos(nx)dx +
4
π
_
π
π
2
cos(nx)dx
=
2
π
_
1
n
sen(nx)

¸
¸
¸
π
2
0
+
4
π
_
1
n
sen(nx)

¸
¸
¸
π
π
2
=
2
πn
sen
_

2
_
+
4
π
_
1
n
sen(nπ) −
1
n
sen
_

2
_
_
=
2
πn
_
sen
_

2
_
−2sen
_

2
__
= −
2
πn
sen
_

2
_
De esta forma, la serie de Fourier en cosenos de f en [0, π] está dada por:
3
2

n=1
_
2
πn
sen
_

2
_
_
cos(nx).
80 2. Análisis de Fourier
En la expresión anterior, nótese que sen
_

2
_
= 0 si n es un entero positivo, por lo
tanto necesitamos quedarnos únicamente con los términos que contengan n impar, por
lo que la serie estará dada por:
3
2

n=1
_
2
π(2n −1)
sen
_
(2n −1)π
2
__
cos(2n −1)x
además, si aplicamos la siguiente identidad trigonométrica
sen(A ±B) = senAcosB ±cosAsenB
obtenemos,
sen
_
nπ −
π
2
_
= sen(nπ)cos
_
π
2
_
−cos(nπ)sen
_
π
2
_
= −cos(nπ) = −(−1)
n
= (−)
n+1
y además como −(−1)
n+1
= (−1)
n
, la serie de Fourier estará dada por:
3
2
+
2
π

n=1
_
(−1)
n
(2n −1)
_
cos(2n −1)x
0 0.5 1 1.5 2 2.5 3
1
1.2
1.4
1.6
1.8
2
Figura 2.8: Gráfica de la función del ejemplo anterior (línea continua) y su serie de
Fourier para n = 3 n = 10 y n = 5, (líneas punteadas).
De la misma forma para la serie de Fourier en senos, de las expresiones dadas en la
definición anterior obtenemos,
b
n
=
2
π
_
π
0
f(x)sen(nx)dx,
y de la definición de la función dada obtenemos,
b
n
=
2
π
_
π
0
f(x)sen(nx)dx
=
2
π
_
_
π/2
0
sen(nx)dx + 2
_
π
π
2
sen(nx)dx
_
=
2
π
__

1
n
_
cos(nx)

¸
¸
¸
π
2
0

2
π
__

2
n
_
cos(nx)

¸
¸
¸
π
π
2
2.4. Series de Fourier en senos y cosenos 81
=
2
π
__

1
n
_
cos
_

2
_
1
n

2
n
cos(nπ) +
2
n
cos
_

2
_
_
=
2

_
1 + cos
_

2
__

4

cos(nπ).
Por lo tanto, la serie de Fourier en senos de f en el intervalo [0, π] está dada por:
2
π

n=1
1
n
_
1 +cos
_

2
_
−2(−)
n
_
sen(nx),
obsérvese que cos(nπ) = (−1)
n
.
0 0.5 1 1.5 2 2.5 3
0
0.5
1
1.5
2
Figura 2.9: Gráfica de la función del ejemplo anterior (línea continua) y su serie de
Fourier para n = 5 n = 25 y n = 50, (líneas punteadas).
82 2. Análisis de Fourier
2.5. Funciones Periódicas y el Espectro de Amplitud
Hemos visto anteriormente que bajo ciertas condiciones, una función f definida en
el intervalo [−L, L] puede desarrollarse en una serie de Fourier de la forma,
f(t) = a
0
+

n=1
_
a
n
cos
_

L
t
_
+ b
n
sen
_

L
t
__
,
obsérvese que usamos t como variable (en lugar de x), porque en muchas aplicaciones
de las funciones periódicas se identifica a t como el tiempo. Obsérvese también, que
aunque f puede estar definida únicamente en el intervalo [−L, L] la serie de Fourier
está definida para todo número real t, más aún, cada función en la serie de Fourier
tiene periodo 2π, puesto que se cumple,
sen(t + 2π) = sen t cos(2π) + cos t sen(2π) = sen t
cos(t + 2π) = cos t cos(2π) + sen t sen(2π) = cos t,
es decir, si tomamos la gráfica de la función f en el intervalo [−L, L] y la duplicamos
sobre cada intervalo [L, 3L], [3L, 5L], . . . , [−3L, −L], [−5L, −3L], entonces la función re-
sultante está definida para todo t, tiene periodo 2L y coincide con f en el intervalo
[−L, L]. Esta extensión se llama extensión periódica de f (con periodo 2L) a toda la
recta real.
Supongamos ahora que g es periódica con periodo T y que desarrollamos a g en
una serie de Fourier en el intervalo [−
T
2
,
T
2
] , por lo tanto de la ecuación (2.15) obten-
emos,
g(t) = a
0
+

n=1
_
a
n
cos
_
2nπ
T
t
_
+ b
n
sen
_
2nπ
T
t
__
. (2.23)
Asimismo, de las ecuaciones (2.12), (2.13) y (2.14), los coeficientes de la serie están
dados por:
a
0
=
1
T
_ T
2

T
2
g(t)dt. (2.24)
a
n
=
2
T
_ T
2

T
2
g(t) cos
_
2nπ
T
t
_
dt, (2.25)
b
n
=
2
T
_ T
2

T
2
g(t) sen
_
2nπ
T
t
_
dt, (2.26)
si identificamos a w
0
=

T
, entonces la serie dada por la ecuación (2.23) se puede es-
cribir de la forma,
2.5. Funciones Periódicas y el Espectro de Amplitud 83
g(t) = a
0
+

n=1
[a
n
cos (nw
0
t) +b
n
sen (nw
0
t)] . (2.27)
y los coeficientes se pueden escribir de la forma,
a
0
=
1
T
_ T
2

T
2
g(t)dt. (2.28)
a
n
=
2
T
_ T
2

T
2
g(t) cos (nw
0
t) dt, (2.29)
b
n
=
2
T
_ T
2

T
2
g(t) sen (nw
0
t) dt, (2.30)
además, como g(t) es periódica de periodo T, las integrales anteriores se pueden tomar
sobre cualquier intervalo de longitud T, por lo tanto, para todo número real a, se
pueden escribir los coeficientes de Fourier de la forma:
a
0
=
1
T
_
a+T
a
g(t)dt. (2.31)
a
n
=
2
T
_
a+T
a
g(t) cos (nw
0
t) dt, (2.32)
b
n
=
2
T
_
a+T
a
g(t) sen (nw
0
t) dt. (2.33)
Los resultados anteriores para la serie de Fourier se pueden escribir en una forma
más compacta, que se le llama la forma de ángulo de fase o forma armónica,
g(t) = a
0
+

n=1
c
n
cos (nw
0
t + δ). (2.34)
donde,
c
n
=
_
a
2
n
+ b
2
n
,
δ
n
= tan
−1
_

b
n
a
n
_
,
se denominan respectivamente la Amplitud armónica y el Ángulo de fase. La ecuación
anterior muestra que para toda función g que sea periódica (con ciertas propiedades de
continuidad) se puede escribir como una suma de ondas cosenoidales (o senoidales).
La componente senoidal de frecuencia
nw
0

se llama n-ésima armónica de la función
g. El espectro de Amplitud de la función g está formado por los puntos c
0
en 0 (con
c
0
= [a
0
[) y para n ≥ 1,
c
n
2
contra la frecuencia angular nw
0
. (El factor
1
2
se escribe
84 2. Análisis de Fourier
por convección y se aclarará posteriormente). Obsérvese también, como el índice de
la sumatoria n toma únicamente valores enteros positivos, el espectro de amplitud no
es una curva continua, sino que aparece como puntos en las frecuencias discretas nw
0
,
tomando el nombre de espectro lineal o espectro de frecuencia discreta.
Ejemplo:
Sea g una función periódica definida por g(t) = t
2
para el intervalo 0 < t < 3 y
g(t + 3) = g(t) para todo t, encontrar la forma de ángulo de fase o forma armónica de
la función g(t).
Solución:
Como la función es periódica de periodo 3, como se muestra en la figura, podemos
integrar sobre cualquier intervalo de longitud 3, por conveniencia integramos de 0 a 3
aplicando las ecuaciones (2.31), (2.32) y (2.33), los coeficientes de Fourier, que el lector
puede verificar resolviendo las integrales, están dados por:
a
0
=
1
3
_
3
0
t
2
dt = 3
a
n
=
2
3
_
3
0
t
2
cos
_
2nπ
3
t
_
dt =
9
n
2
π
2
b
n
=
2
3
_
3
0
f(t)sen
_
2nπ
3
t
_
dt = −
9

.
Sustituyendo los resultados anteriores, la serie de Fourier para g(t) está dada por,
g(t) = 3 +

n=1
9
n
2
π
2
cos
_
2nπt
3
_

9

sen
_
2nπt
3
_
.
De los resultados anteriores, la Amplitud armónica y el Ángulo de fase están dados
por:
c
n
=
_
a
2
n
+ b
2
n
=
¸
_
9
n
2
π
2
_
2
+
_
9

_
2
=
_
9
n
2
π
2
_

1 + n
2
π
2
δ
n
= tan
−1
_

_

9

9
n
2
π
2
__
= tan
−1
(nπ).
Por lo tanto, la forma de ángulo de fase o forma armónica de la representación de
Fourier de la función g está dada por,
g(t) = 3 +

n=1
_
9
n
2
π
2
_

1 + n
2
π
2
cos
_
2nπt
3
+ tan
−1
(nπ)
_
.
2.5. Funciones Periódicas y el Espectro de Amplitud 85
El espectro de amplitud para esta función está formado por los puntos (nw
0
, c
n
/2),
donde nw
0
= 2πn/3 como se muestra en la figura. Obsérvese que el espectro de ampli-
tud permite visualizar la longitud de cada una de las armónicas en las que se descom-
pone la función periódica.
86 2. Análisis de Fourier
2.6. Serie de Fourier Compleja y Espectros de Frecuencia
Sabemos que la serie de Fourier para una función periódica de periodo T se puede
escribir de la forma,
f(t) = a
0
+

n=1
[a
n
cos (nw
0
t) + b
n
sen(nw
0
t)] ,
donde w
0
= 2π/T y los coeficientes de Fourier a
0
, a
n
y b
n
están dados respectivamente
por las ecuaciones (2.28), (2.29) y (2.30). Si aplicamos la fórmula de Euler tenemos,
e
inw
0
t
= cos(nw
0
t) + isen(nw
0
t),
e
−inw
0
t
= cosnw
0
t) −isen(nw
0
t),
de donde obtenemos,
cos(nw
0
t) =
e
inw
0
t
+ e
−inw
0
t
2
sen(nw
0
t) =
e
inw
0
t
−e
−inw
0
t
2i
sustituyendo los resultados anteriores en la ecuación para la serie de Fourier y hacien-
do un poco de álgebra, obtenemos
f(t) = a
0
+

n=1
_
a
n
_
e
inw
0
t
+ e
−inw
0
t
2
_
+ b
n
_
e
inw
0
t
−e
−inw
0
t
2i
__
= a
0
+

n=1
_
1
2
(a
n
−ib
n
) e
inw
0
t
1
2
(a
n
+ib
n
) e
−inw
0
t
_
,
si hacemos la siguiente notación de los coeficientes de Fourier,
a
0
= c
0
,
c
n
=
1
2
(a
n
−ib
n
) ,
para n = 1, 2, . . . , etc. De esta forma la serie de Fourier se puede escribir de la forma;
f(t) = c
0
+

n=1
_
c
n
e
inw
0
t
+ c
n
e
−inw
0
t
¸
(2.35)
= c
0
+

n=1
c
n
e
inw
0
t
+

n=1
c
n
e
−inw
0
t
,
donde c
n
es el complejo conjugado de c
n
, por otro lado, sabemos que las fórmulas in-
tegrales para los coeficientes de Fourier están dadas por,
2.6. Serie de Fourier Compleja y Espectros de Frecuencia 87
a
n
=
2
T
_ T
2

T
2
f(t)cos (nw
0
t) dt
b
n
=
2
T
_ T
2

T
2
f(t)sen(nw
0
t) dt,
sustituyendo estas ecuaciones en la expresión para c
n
obtenemos,
c
n
=
1
2
_
2
T
_ T
2

T
2
f(t)cos (nw
0
t) dt −i
2
T
_ T
2

T
2
f(t)sen(nw
0
t) dt
_
=
1
T
_ T
2

T
2
[cos (nw
0
t) −isen(nw
0
t)] f(t)dt
aplicando nuevamente la fórmula de Euler, obtenemos
c
n
=
1
T
_ T
2

T
2
f(t)e
inw
0
t
dt.
Asimismo, si tomamos el complejo conjugado de esta integral obtenemos,
c
n
=
1
T
_ T
2

T
2
f(t)e
inw
0
t
dt
= c
−n
,
sustituyendo las expresiones de c
n
y c
n
en la expresión para la serie de Fourier, obten-
emos,
f(t) = c
0
+

n=1
c
n
e
inw
0
t
+

n=1
c
−n
e
−inw
0
t
= c
0
+

−∞
c
n
e
inw
0
t
si n ,= 0, o también incluyendo el término c
0
se puede escribir
f(t) =

−∞
c
n
e
inw
0
t
.
De lo anterior, definimos la serie de Fourier compleja de la función f con periodo T
de la siguiente forma:
Definición:
88 2. Análisis de Fourier
La serie de Fourier Compleja de una función periódica, con periodo T, está dada
por:
f(t) =

−∞
c
n
e
inw
0
t
, (2.36)
donde w
0
=

T
y los coeficientes c
n
están dados por,
c
n
=
1
T
_ T
2

T
2
f(t)e
−inw
0
t
dt, (2.37)
para n = 0, ±1, ±2, ±3, . . . , etc. Los números c
n
se llaman coeficientes de Fourier com-
plejos de f. La gráfica de la magnitud de los coeficientes c
n
en la serie de Fourier com-
pleja de f(t) versus la frecuencia w (frecuencia angular) se denomina Espectro de Am-
plitud de la función periódica f(t). Así también, la gráfica del angulo de fase δ
n
versus
la frecuencia w se denomina Espectro de Fase de f(t). Como el índice n sólamente toma
valores enteros, los espectros de Amplitud y de Fase no son curvas continuas, sino que
aparecen en la variable discreta nw
0
, por consiguiente, se les denomina ESPECTROS
DE FRECUENCIA DISCRETA O ESPECTROS DE LÍNEA. Obsérvese que la repre-
sentación de los coeficientes complejos c
n
versus la variable discreta nw
0
, especifica la
función periódica f(t) en el dominio de la frecuencia, así como f(t) versus t, especifica
la función en el dominio del tiempo.
Ejemplo:
Determinar la serie compleja de la función f(t) =
3
4
t, si 0 < t < 8, y f(t + 8) = f(t).
Solución:
Para este problema tenemos que T = 8, por lo tanto, w
0
=

8
=
π
4
. De la ecuación
(2.37), obtenemos
c
n
=
1
8
_
8
0
3
4
te

inπ
4
t
dt =
3
32
_
8
0
te
−inw
0
t
dt.
Obsérvese que podemos integrar en cualquier intervalo de longitud igual al perio-
do. La integral anterior se resuelve aplicando el método de integración por partes, al
hacer los cambios de variable u = t, de donde du = dt, y también, si dv = e
−i

4
t
dt, de
donde v = −
4
inπ
e
−i

4
t
, al sustituir estos cambios, obtenemos
c
n
=
3
32
_

4
inπ
te

inπ
4
t
¸
¸
¸
8
0
+
4
inπ
_
8
0
e

inπ
4
t
dt
_
=
3
8
_

1
inπ
te

inπ
4
t
¸
¸
¸
8
0
+
4
n
2
π
2
e

inπ
4
t
¸
¸
¸
8
0
_
=
3
8
_

8
inπ
e
−i2nπ
+
4
n
2
π
2
_
e
−i2nπ
−1
_
_
=
3i

.
2.6. Serie de Fourier Compleja y Espectros de Frecuencia 89
Lo anterior se sigue del hecho de que e
−i2nπ
= cos(2nπ) − i sen(2nπ) = 1, para
cualquier entero n. Obsérvese también, que el resultado anterior se cumple para n ,= 0,
así para calcular el coeficiente c
0
aplicamos la ecuación (2.31), puesto que c
0
= a
0
, de
esta forma obtenemos,
c
0
=
1
8
_
8
0
3
4
tdt =
3
32
t
2
2
¸
¸
¸
¸
8
0
=
3
84
(8)
2
= 3.
Por lo tanto, la serie de Fourier compleja de la función f(t) =
3
4
t, para 0 < t < 8 y
de periodo T = 8, está dada por:
f(t) = 3 +
3i
π

−∞
1
n
e
nπit/4
.
La gráfica de la función y su espectro de frecuencias se muestran en la siguiente
figura. Del ejemplo anterior, en general se tiene para una función definida por f(t) =
A
T
t, para 0 < t < T de periodo T que se conoce como función Diente de Sierra, se tiene
que
c
n
= i
A
nw
0
T
= i
A
2πn
∀ n ,= 0, y para n = 0 obtenemos,
c
0
=
1
T
_
T
0
f(t)dt =
A
T
2
_
T
0
tdt =
A
T
2
t
2
2
¸
¸
¸
¸
T
0
=
A
2
,
por lo tanto, la serie de Fourier compleja para la función Diente de Sierra está dada
por:
f(t) =
A
2
+ i
A

−∞
1
n
e
inw
0
t
.
Observación:
De la forma compleja de la Serie de Fourier de una función f(t) periódica de perio-
do T dada por la ecuación,
f(t) =

−∞
c
n
e
inw
0
t
,
donde
c
n
=
1
2
(a
n
−ib
n
) =
1
T
_ T
2

T
2
f(t)e
−inw
0
t
dt,
se puede obtener fácilmente la forma trigonométrica de la Serie de Fourier de f(t) de
la siguiente manera:
90 2. Análisis de Fourier
De las ecuaciones anteriores obtenemos,
c
0
=
1
2
a
0
c
n
=
1
2
(a
n
−ib
n
)
c
−n
= c
n
=
1
2
(a
n
+ib
n
),
es decir;
a
0
= 2c
0
2c
n
= a
n
−ib
n
2c
n
= a
n
+ ib
n
,
de donde obtenemos,
a
n
= c
n
+ c
n
b
n
= i(c
n
−c
n
)
es decir;
a
n
= 2'(c
n
)
b
n
= −2·(c
n
).
De esta forma, para el problema anterior, tenemos que
a
0
= A
a
n
= 0
b
n
= −
A

,
y como la serie de Fourier Trigonométrica está dada por:
f(t) = a
0
+

n=1
[a
n
cos (nw
0
t) + b
n
sen(nw
0
t)]
se tiene que,
f(t) = A −
A
π

n=1
1
n
sen(nw
0
t)
= A −
A
π
_
sen(w
0
t) +
1
2
sen(2w
0
t) +
1
3
sen(3w
0
t) + . . .
_
Ejemplo:
2.6. Serie de Fourier Compleja y Espectros de Frecuencia 91
Determinar la series de Fourier compleja y trigonométrica de la función f(t) = e
t
,
en el intervalo (0, 2π) y f(t + 2π) = f(t).
Solución:
Por definición, de la ecuación (2.36) la serie de Fourier compleja de una función f(t)
está dada por,
f(t) =

−∞
c
n
e
inw
0
t
,
donde w
0
=

T
, c
n
=
1
T
_ T
2

T
2
f(t)e
−inw
0
t
dt y T es el periodo de la función, que en este
caso T = 2π, de donde w
0
= 1. De esta forma, los coeficientes de Fourier c
n
están dados
por,
c
n
=
1

_ 2π
2


2
f(t)e
−inw
0
t
dt =
1

_
π
−π
e
t
e
−int
dt.
En forma análoga al problema anterior, podemos integrar en cualquier intervalo de
longitud igual al periodo, es decir, podemos calcular a los coeficientes c
n
de la forma,
c
n
=
1

_

0
e
(1−in)t
dt
=
1

1
1 −in
e
(1−in)t
¸
¸
¸
¸

0
=
1

1
1 −in
_
e
(1−in)2π
−1
¸
en la ecuación anterior obsérvese que,
e
(1−in)2π
= e

e
−i2πn
= e

[cos(2πn) −sen(2πn)] = e

,
de esta forma, los coeficientes de Fourier están dados por,
c
n
=
e

−1
2π(1 −in)
.
Por lo tanto, la serie de Fourier compleja de la función f(t) = e
t
, en el intervalo
(0, 2π) está dada por,
f(t) =
e

−1

−∞
1
1 −in
e
inw
0
t
.
Para pasar a la forma trigonométrica empleamos la siguientes relaciones de los co-
eficientes de Fourier,
a
0
= 2c
0
,
a
n
= c
n
+ c
n
,
b
n
= i(c
n
−c
n
),
92 2. Análisis de Fourier
de la expresión que se obtuvo para los coeficientes c
n
tenemos que,
c
0
=
e

−1

,
de donde,
a
0
=
e

−1
π
,
asimismo para los coeficientes a
n
y b
n
obtenemos,
a
n
=
e

−1

_
1
1 −in
+
1
1 + in
_
=
e

−1

_
1 +in + 1 −in
1 + n
2
_
=
e

−1

_
2
1 +n
2
_
=
e

−1
π
_
1
1 +n
2
_
,
y
b
n
= i
e

−1

_
1
1 −in

1
1 +in
_
= i
e

−1

_
1 + in −1 + in
1 + n
2
_
= i
e

−1

_
2in
1 + n
2
_
=
1 −e

π
_
n
1 + n
2
_
.
Sustituyendo las expresiones anteriores de los coeficientes en la serie de Fourier
trigonométrica, obtenemos
f(t) = a
0
+

n=1
[a
n
cos (nw
0
t) + b
n
sen(nw
0
t)]
=
e

−1
π
+

n=1
_
e

−1
π
_
1
1 + n
2
_
cos (nw
0
t) +
1 −e

π
_
n
1 +n
2
_
sen(nw
0
t)
_
=
e

−1
π
_
1 +

n=1
1
1 +n
2
(cosnt −nsennt)
_
Ejemplo:
2.6. Serie de Fourier Compleja y Espectros de Frecuencia 93
Encontrar y graficar los espectros de frecuencia para la función periódica f(t) que
se muestra en la siguiente figura. De la figura, la función f(t) se puede definir por la
forma:
f(t) =
_
_
_
0 para −
T
2
≤ t < −
d
2
A para −
d
2
≤ t <
d
2
0 para
d
2
≤ t <
T
2
.
Solución:
Para graficar los espectros de frecuencia (espectro de amplitud, -[c
n
[ vs nw
0
- y el
espectro de fase -δ
n
vs nw
0
-) debemos calcular los coeficientes de la serie de Fourier
compleja. De la definición de la función dada y de la ecuación (2.37), el coeficiente de
Fourier c
n
está dado por:
c
n
=
1
T
_ d
2

d
2
Ae
−inw
0
t
dt,
por lo tanto,
c
n
=
A
T
_ d
2

d
2
e
−inw
0
t
dt =
A
T
_

1
inw
0
e
−inw
0
t
¸
¸
d
2

d
2
_
= −
2A
T
1
inw
0
_
e
inw
d
/2
−e
−inw
d
/2
2
_
=
2A
T
1
nw
0
_
e
inw
d
/2
−e
−inw
d
/2
2i
_
=
Ad
T
_
sen
_
nw
0
d
2
_
_
nw
0
d
2
_
_
,
también, como
nw
0
d
2
=
n
(

T
)
d
2
=
nπd
T
, la expresión anterior se puede escribir de la forma:
c
n
=
Ad
T
_
sen
_
nπd
T
_
_
nπd
T
_
_
,
en este caso, nótese que c
n
es real, por consiguiente el espectro de fase es cero. El espec-
tro de Amplitud se obtiene al graficar una de las ecuaciones anteriores vs la frecuencia
discreta nw
0
, es decir el espectro de frecuencias es una función discreta y existe sóla-
mente cuando,
w = 0, ±

T
, ±

T
, . . . ,
tomando algunos valores específicos para d y T, por ejemplo, si d =
1
20
y T =
1
4
,
entonces w
0
=

T
=

1
4
= 8π. Por lo tanto el espectro de amplitud existe cuando
w = 0, ±8π, ±16π, . . . , además como
d
T
=
1/20
1/4
=
1
5
, entonces
nπd
T
= nπ
1
5
= mπ, para
m = 0, ±1, ±2, ±3, . . . , es decir, el espectro de amplitud se hace cero en el valor de nw
0
para el cual,
nw
0
d
2
= mπ,
94 2. Análisis de Fourier
o también,

d
T
= mπ,
para m = 0, ±1, ±2, ±3, . . . , es decir cuando w = ±5w
0
= ±40π, ±10w
0
= ±80π, ±15w
0
=
±120π, . . . , como lo muestra la siguiente figura.
Asimismo, si tomamos por ejemplo, d =
1
20
y T =
1
2
de segundo, entonces w
0
= 4π
y
d
T
=
1
10
, por consiguiente el espectro de amplitud existe cuando w = 0, ±4π, ±8π, . . . ,
y se hace cero en el valor de nw
0
para el cual nw
0
d
2
= mπ o
nπd
T
= nπ
_
1
10
_
= mπ
(m = 0, ±1, ±2, ±3, ±. . . ,) es decir cuando w = ±10w
0
= 40π, ±20w
0
= ±80π, ±30w
0
=
120π, . . ., etc.
Ejemplo:
Encontrar los espectros de frecuencia de la función periódica que se muestra en la
siguiente figura.
Figura 2.10: Gráfica de la función del ejemplo anterior (línea continua) y su serie de
Fourier para n = 3 n = 10 y n = 5, (líneas punteadas).
Obsérvese la similitud de esta función con la función del ejemplo anterior, esta grá-
fica se encuentra desplazada una distancia d/2. Procediendo de la misma forma que en
el ejemplo anterior, de la ecuación (2.37), el coeficiente de Fourier c
n
está dado ahora
por:
c
n
=
1
T
_
d
0
Ae
−inw
0
t
dt,
por lo tanto,
c
n
=
A
T
_
d
0
e
−inw
0
t
dt
= −
A
T
_
1
inw
0
_
e
−inw
0
t
¸
¸
d
0
= −
A
T
_
1
inw
0
_
_
e
−inw
0
d
−1
_
=
A
T
_
1
inw
0
_
_
1 −e
−inw
0
d
_
,
manipulando algebráicamente la ecuación anterior, obtenemos
c
n
=
A
T
_
1
inw
0
_
_
1 −e
−inw
0
d/2
_ _
e
inw
0
d/2
−e
−inw
0
d/2
_
2.6. Serie de Fourier Compleja y Espectros de Frecuencia 95
=
A
T
_
1
inw
0
/d
__
e
inw
0
d/2
−e
−inw
0
d/2
2i
_
e
−inw
0
d/2
=
Ad
T
_
sen
_
nπd
T
_
_
nπd
T
_
_
e
−inw
0
d/2
.
La expresión anterior se puede escribir de la forma:
c
n
= [c
n
[e

n
,
donde:
[c
n
[ =
Ad
T
_
sen
_
nπd
T
_
_
nπd
T
_
_
,
y
δ
n
= −
nw
0
d
2
.
Por lo tanto, el espectro de amplitud es exactamente el mismo que el ejemplo ante-
rior y no se ve afectado por el cambio de origen, pero el espectro de fase es ahora igual
a −
nw
0
d
d
= −nπ
d
T
radianes.
En general, si f(t) es una función periódica con periodo T, y su serie de Fourier está
dada por:
f(t) =

−∞
c
n
e
inw
0
t
,
de la ecuación anterior, obtenemos
f(t −τ) =

−∞
c
n
e
inw
0
(t−τ)
=

−∞
c
n
e
inw
0
t
e
−inw
0
τ
=

−∞
C
n
e
inw
0
t
,
donde C
n
= c
n
e
−inw
0
τ
. Asimismo, del ejemplo anterior el coeficiente c
n
estaba dado por
c
n
= [c
n
[e

n
, por lo tanto
C
n
= [c
n
[e

n
e
−inw
0
τ
= [c
n
[e
i(δ
n
−nw
0
τ)
.
La ecuación anterior indica que los espectros de amplitud de f(t) y f(t − τ) son
iguales; sin embargo, las fases son diferentes. El desplazamiento de una función f(t)
en un tiempo τ produce un atraso de nw
0
τ radianes en la componente de la frecuencia
nw
0
.
96 2. Análisis de Fourier
2.7. Integrales de Fourier y Espectros Continuos
Sea f(t) una función periódica de periodo T, cuando T se aproxima al infinito f(t)
se convierte en una función no periódica. Para ilustrar lo anterior, consideremos un
tren de pulsos rectangulares dados por la función,
f
T
(t) =
_
_
_
0 para −
T
2
≤ t < −
d
2
1 para −
d
2
≤ t <
d
2
0 para
d
2
≤ t <
T
2
.
donde f
T
(t +T) = f(t) y T > d, donde d es la duración del pulso. Como se muestra en
la siguiente figura. En este caso, si
T
d
= 2 o T = 2d obtenemos la función que se muestra
en la figura (a), asimismo si tomamos ahora
T
d
= 4 o T = 4d, obtenemos la función que
se muestra en la figura (b). De esta forma, siguiendo el mismo procedimiento, para
Figura 2.11: Proceso de Límite para una función periódica.
T −→∞, obtenemos la función definida por (ver figura (c)):
f(t) = l´ım
T−→∞
f
T
(t) =
_
1 para −
d
2
≤ t <
d
2
0 en otro caso,
que evidentemente, f(t) no es una función periódica.
2.7. Integrales de Fourier y Espectros Continuos 97
Consideremos la forma compleja de la serie de Fourier dada por,
f(t) =

−∞
c
n
e
inw
0
t
,
donde w
0
=

T
y los coeficientes c
n
están dados por,
c
n
=
1
T
_ T
2

T
2
f(t)e
−inw
0
t
dt,
Para identificar mejor el Análisis de Fourier en problemas relacionados con la Inge-
niería, hacemos el cambio j por i de tal forma que,
f(t) =

−∞
c
n
e
jnw
0
t
, (2.38)
y
c
n
=
1
T
_ T
2

T
2
f(t)e
−jnw
0
t
dt. (2.39)
Sustituyendo la ecuación (2.39) en la ecuación (2.38), obtenemos
f(t) =

−∞
_
1
T
_ T
2

T
2
f(x)e
−jnw
0
x
dx
_
e
jnw
0
t
, (2.40)
donde cambiamos a la variable x para no confundir con t, además como w
0
=

T
,
entonces
1
T
=
w
0

, de este modo, la expresión anterior se puede escribir de la forma,
f(t) =

−∞
_
1

_ T
2

T
2
f(x)e
−jnw
0
x
dx
_
w
0
e
jnw
0
t
. (2.41)
Si consideramos que T −→∞, y como w
0
=

T
entonces w
0
se anula. Sea w
0
= ∆w,
entonces la frecuencia de cualquier armónica nw
0
debe corresponder a la variable gener-
al de frecuencia que describe el espectro continuo, es decir; n −→∞se tiene a medida
que w
0
= ∆w −→ 0 tal que el producto es finito, es decir; nw
0
= n∆w −→ w. Por lo
tanto la expresión anterior se puede escribir como,
f(t) =

−∞
_
1

_ T
2

T
2
f(x)e
−jn∆wx
dx
_
e
jn∆wt
∆w,
así en el límite T −→ ∞, se tiene ∆w −→ dw, y la sumatoria se convierte en una inte-
gral sobre w, es decir, la función no periódica se convierte en,
98 2. Análisis de Fourier
f(t) =
1

_

−∞
__

−∞
f(x)e
−jwx
dx
_
e
jwt
dw,
si regresamos al cambio de variable hecho anteriormente (x = t), y hacemos la sigu-
iente definición, F(w) ≡
_

−∞
f(t)e
−jwt
dt, la expresión anterior se convierte en,
f(t) =
1

_

−∞
F(w)e
jwt
dw.
Ahora estamos en condiciones de definir la Transformada de Fourier de una función
f(t).
2.7. Integrales de Fourier y Espectros Continuos 99
2.7.1. Transformada de Fourier
La función definida anteriormente representada por F(w), se conoce como la Inte-
gral Fourier o Transformada de Fourier de la función f(t) y la operación se simboliza
frecuentemente por el operador T, es decir
F(w) = T[f(t)] =
_

−∞
f(t)e
−jwt
dt. (2.42)
Análogamente, T
−1
, simboliza la operación inversa, es decir; obtener f(t) cuando
F(w) es dada, por lo tanto la Transformada de Fourier inversa de F(w) está dada por,
f(t) = T
−1
[F(w)] =
1

_

−∞
F(w)e
jwt
dw. (2.43)
Las ecuaciones (2.63) y (2.64), se conocen como par de Transformadas de Fourier.
La condición para que exista la transformada de Fourier de una función está dada por,
_

−∞
[f(t)[dt < ∞. (2.44)
La expresión anterior es una condición suficiente más no necesaria para la exis-
tencia de T[f(t)], es decir, puede haber funciones que no satisfagan la ecuación (2.65)
pero que sí tengan Transformada de Fourier, como veremos posteriormente en algunos
ejemplos.
En general, la Transformada de Fourier es una cantidad compleja, es decir de la
forma,
F(w) = R(w) + jχ(w) = [F(w)[e
jφ(w)
. (2.45)
Donde [F(w)[ se denomina espectro de Amplitud de f(t) y φ(w), espectro de fase
de f(t), y están dados por:
[F(w)[ =
_
R
2
(w) + χ
2
(w)
φ(w) = tan
−1
_
χ(w)
R(w)
_
.
Nota: El espectro de Amplitud de f es la gráfica de la magnitud F(w) de su trans-
formada de Fourier contra la frecuencia w, este espectro de amplitud no es el conjunto
discreto de líneas que se tenia asociado con la representación de la serie de Fourier de
una función periódica, sino más bien una curva continua cuya amplitud en cualquier
frecuencia w mide la contribución de esa frecuencia a la función. Así como la serie de
Fourier descompone una función periódica en su conjunto discreto de contribuciones
de varias frecuencias (múltiplos de una frecuencia fundamental), la Transformada de
100 2. Análisis de Fourier
Fourier proporciona una resolución en frecuencias continuas de una función (posible-
mente no periódica). Asimismo, como la ecuación (2.64) representa a la función f(t)
como una suma continua de funciones exponenciales cuyas frecuencias se encuentran
en el intervalo (−∞, ∞), la amplitud relativa de las componentes en cualquier frecuen-
cia w es proporcional a F(w), y si la señal f(t) representa a una tensión , F(w) tiene las
dimensiones de tensión por tiempo. Como la frecuencia tiene las dimensiones del in-
verso del tiempo, entonces se puede considerar a F(w) como un espectro de densidad
de tensión o, en forma más general, como la función de densidad espectral de f(t).
Algunas de las áreas de aplicación de la Transformada de Fourier son:
1. Sistemas Lineales: La Transformada de Fourier (TF), de la salida de un sistema
lineal está dada por el producto de la función de Tansferencia y la Transformada
de Fourier de la señal de entrada.
2. Antenas: El patrón del campo de una antena está dado por la TF de la corriente
de iluminación de una antena.
3. Procesos Aleatorios: El espectro de densidad de Potencia de un proceso aleatorio
está dado por la TF de la función de autocorrelación del proceso.
4. Probabilidad: La función característica de una variable aleatoria está definida co-
mo la TF de la función de densidad de probabilidad de la variable aleatoria.
5. Física Cuántica: El Principio de Incertidumbre en Mecánica Cuántica está fun-
damentalmente asociado con la TF. El momento y su posición de una partícula
están relacionados a través de una Transformada de Fourier.
6. Problemas con valores a la frontera: La solución de una Ecuación Diferencial
Parcial, se puede obtener mediante una Transformada de Fourier.
También, si consideramos que f(t) es real, de la definición de la Transformada de
Fourier, dada por la ecuación (2.63), y usando la identidad, e
−jwt
= cos(wt) −jsen(wt),
obtenemos
F(w) = T[f(t)] =
_

−∞
f(t)e
−jwt
dt
=
_

−∞
f(t)[cos(wt) −jsen(wt)]dt
=
_

−∞
f(t)cos(wt)dt −j
_

−∞
f(t)sen(wt)dt
2.7. Integrales de Fourier y Espectros Continuos 101
y comparando con la ecuación (2.66), la parte real y la parte imaginaria de la Transfor-
mada de Fourier están dadas por:
R(w) =
_

−∞
f(t)cos(wt)dt
χ(w) = −
_

−∞
f(t)sen(wt)dt.
De las ecuaciones anteriores, obsérvese que la parte real y la parte imaginaria de la
Transformada de Fourier se satisfacen las siguientes propiedades:
R(w) = R(−w)
χ(w) = −χ(−w)
F(−w) = F

(w).
donde F

(w) es el complejo conjugado de F(w).
Los siguientes ejemplos ilustran el cálculo de la Transformada de Fourier de algu-
nas funciones.
102 2. Análisis de Fourier
Ejemplo 1:
Dada la función,
f(t) =
_
βe
−αt
para t > 0
0 para t < 0,
encontrar la Transformada de Fourier de f(t), donde α y β son constantes positivas.
Figura 2.12: Función exponencial, β = 1 y α = 2.
Solución:
Por definición, la transformada de Fourier de f(t) está dada por,
T[f(t)] =
_

−∞
f(t)e
−jwt
dt.
sustituyendo el valor de la función dada, obtenemos
T[f(t)] =
_
0
−∞
f(t)e
−jwt
dt +
_

0
f(t)e
−jwt
dt
=
_

0
βe
−αt
e
−jwt
dt
= β
_

0
e
−(α+jw)t
dt
= β
_

1
α +jw
_
e
−(α+jw)t
¸
¸
¸
¸

0
=
β
α +jw
.
Para identificar la parte real e imaginaria de esta transformada, multiplicamos y
dividimos por el complejo conjugado de α + jw, de tal forma que obtenemos,
F(w) = T[f(t)] =
β(α −jw)
(α + jw)(α −jw)
=
βα
α
2
+ w
2
−j
βw
α
2
+w
2
,
2.7. Integrales de Fourier y Espectros Continuos 103
por lo tanto,
R(w) =
βα
α
2
+w
2
χ(w) = −
βw
α
2
+ w
2
,
asimismo, los espectros de Amplitud y de fase, [F(w)[ y φ(w) de la función f(t) están
dados por:
Figura 2.13: Transformada de Fourier de la función exponencial, β = 1 y α = 2.
[F(w)[ =
β

α
2
+ w
2
φ(w) = tan
−1
_

w
α
_
.
Ejemplo 2:
Dada la función,
f(t) =
_
_
_
0 para t < −a
k para −a ≤ t < a
0 para t > a.
donde a y k son números positivos, encontrar la Transformada de Fourier de f(t). Co-
mo se muestra en la figura, esta función se puede representar como la diferencia de dos
funciones de Heaviside H(t), que analizaremos posteriormente en la seción de trans-
formadas de Fourier de funciones generalizadas (funciones simbólicas).
Solución:
104 2. Análisis de Fourier
Figura 2.14: Función pulso rectangular.
En forma análoga al problema anterior, sustituyendo el valor de la función dada en
la definición para la transformada de Fourier obtenemos,
T[f(t)] =
_
−a
−∞
f(t)e
−jwt
dt +
_
a
−a
f(t)e
−jwt
dt +
_

a
f(t)e
−jwt
dt
= k
_
a
−a
e
−jwt
dt = k
−1
jw
e
−jwt
¸
¸
¸
¸
a
−a
= −
k
jw
_
e
−jwa
−e
jwa
¸
=
2k
w
_
e
jwa
−e
−jwa
2j
_
.
finalmente, obtenemos
T[f(t)] = 2ka
_
sin(wa)
wa
_
Figura 2.15: Transformada de Fourier de un pulso rectangular.
2.7. Integrales de Fourier y Espectros Continuos 105
Ejemplo 3:
Determinar la Transformada de Fourier del pulso triangular definido por la fun-
ción,
f(t) =
_
1 −
|t|
τ
para [t[ < τ
0 para [t[ > τ,
Figura 2.16: Pulso triangular.
Aplicando la definición de la transformada de Fourier obtenemos,
T[1 −
[t[
τ
] =
_

−∞
_
1 −
[t[
τ
_
e
−jwt
dt =
_
τ
−τ
_
1 −
[t[
τ
_
e
−jwt
dt
aplicando la definición del valor absoluto, resutan 4 integrales de la forma,
T[1 −
[t[
τ
] =
_
0
−τ
_
1 +
t
τ
_
e
−jwt
dt +
_
τ
0
_
1 −
t
τ
_
e
−jwt
dt
=
_
0
−τ
e
−jwt
dt +
1
τ
_
0
−τ
te
−jwt
dt +
_
τ
0
e
−jwt
dt −
1
τ
_
τ
0
te
−jwt
dt
integrando por partes la segunda y cuarta integral, haciendo el cambio de variable
t = u y dv = e
−jwt
dt, obtenemos
T
_
1 −
[t[
τ
_
= −
i
jw
e
−jwt
¸
¸
¸
¸
0
−τ
+
1
τ
_
1
w
2
e
−jwt
¸
¸
¸
¸
0
−τ

t
jw
e
−jwt
¸
¸
¸
¸
0
−τ
_
= −
1
jw
e
−jwt
¸
¸
¸
¸
τ
0

1
τ
_
1
w
2
e
−jwt
¸
¸
¸
¸
τ
0

t
jw
e
−jwt
¸
¸
¸
¸
τ
0
_
evaluando las integrales,
T
_
1 −
[t[
τ
_
= −
1
jw
_
1 −e
jwτ
_
+
1
τ
_
1
w
2
_
1 −e
jwτ
_

τ
jw
e
jwτ
_
106 2. Análisis de Fourier
= −
1
jw
_
e
−jwτ
−1
_

1
τ
_
1
w
2
_
e
−jwτ
−1
_

τ
jw
e
−jwτ
_
=
2
τw
2
+
1
τw
2
e
jwτ

1
τw
2
e
−jwτ
=
1
τw
2
_
2 +e
jwτ
−e
−jwτ
¸
,
por otro lado, tenemos que
sin
2
_

2
_
= sin
_

2
_
sin
_

2
_
=
_
e
jwτ
−e
−jwτ
2j
__
e
jwτ
−e
−jwτ
2j
_
=
1
4
_
2 + e
jwτ
−e
−jwτ
¸
finalmente, la Transformada de Fourier de un pulso triangular está dada por (ver figu-
ra),
Figura 2.17: Transformada de Fourier de un pulso triangular.
T[1 −
[t[
τ
] = τ
sin
2
_

2
_
_

2
_
2
= τ
_
Sa
_

2
__
2
donde la función Sa
_

2
_
es la función de muestreo. Obsérvese la analogía con el prob-
lema anterior, donde la Transformada de Fourier de un pulso rectangular está dada
por la función de muestreo.
2.7. Integrales de Fourier y Espectros Continuos 107
Ejemplo 4:
Encontrar la Transformada de Fourier y dibujar el espectro de frecuencias de la
función,
f(t) =
_
_
_
1 para 0 ≤ t < 1
−1 para −1 ≤ t < 0
0 para [t[ > 1.
Solución:
Aplicando la definición de la Transformada de Fourier, y la definición de la función
dada, obtenemos
T[f(t)] =
_

−∞
f(t)e
−jwt
dt
=
_
0
−1
e
−jwt
dt +
_
1
0
e
−jwt
dt
= −
1
−jw
e
−jwt
¸
¸
¸
¸
1
0
+
1
−jw
e
−jwt
¸
¸
¸
¸
0
−1
= −
1
jw
_
e
−jw
−1
_
+
1
jw
_
1 −e
jw
_
=
1
jw
_
2 −e
−jw
−e
jw
_
=
1
jw
_
2 −2
_
e
−jw
+ e
jw
2
__
finalmente, obtenemos
T[f(t)] =
2
jw
[1 −cosw]
y su espectro de frecuencias está dado por:
[F(w)[ =
¸
_
2
w
_
2
(1 −cosw)
2
=
2
w
(1 −cosw)
108 2. Análisis de Fourier
Ejemplo 5:
Determinar la transformada de Fourier de la función que se muestra en la siguiente
figura,
Solución:
Aplicando la definición de la transformada de Fourier obtenemos,
T [f(t)] =
_
0
−T
A
T
e
−jwt
dt+ =
_
T
0
_

A
T
_
e
−jwt
dt
=
A
T
_

1
jw
_
e
−jwt
¸
¸
¸
¸
0
−T

A
T
_

1
jw
_
e
−jwt
¸
¸
¸
¸
T
0
= −
A
jwT
_
1 −e
jwT
¸
+
A
jwT
_
e
−jwT
−1
¸
=
A
jwT
_
e
jwT
+ e
jwT
−2
¸
,
por otro lado, tenemos que
sin
2
_
wT
2
_
= sin
_
wT
2
_
sin
_
wT
2
_
=
_
e
jwT
−e
−jwT
2j
__
e
jwT
−e
−jwT
2j
_
= −
1
4
_
e
jwT
+e
−jwT
−2
¸
por lo tanto,
2.7. Integrales de Fourier y Espectros Continuos 109
−4 sin
2
_
wT
2
_
= e
jwT
+ e
−jwT
−2,
finalmente, la Transformada de Fourier de un pulso (ver figura) está dado por,
T[f(t)] = −
4A
jwT
sin
2
_
wT
2
_
también, como sin
2
_
wT
2
_
=
1
2
[1 −cos(wT)] entonces,
T[f(t)] = −
2A
jwT
[1 −cos(wT)].
En el cálculo de las transformadas de Fourier de ciertas funciones, algunas veces
el procedimiento de obtención de las mismas se simplifica mucho aplicando algunas
propiedades de la Transformada de Fourier que describimos a continuación.
110 2. Análisis de Fourier
2.8. Propiedades de la Transformada de Fourier
1. Propiedad de linealidad
Si F
1
(w) = T[f
1
(t)] y F
2
(w) = T[f
2
(t)] y a
1
y a
2
son números reales, entonces
T [a
1
f
1
(t) + a
2
f
2
(t)] = a
1
F
1
(w) +a
2
F
2
(w), (2.46)
es decir;
T [a
1
f
1
(t) + a
2
f
2
(t)] =
_

−∞
[a
1
f
1
(t) + a
2
f
2
(t)] e
−jwt
dt
= a
1
_

−∞
f
1
(t)e
−jwt
dt + a
2
_

−∞
f
2
(t)e
−jwt
dt
= a
1
F
1
(w) + a
2
F
2
(w).
2. Propiedad de escalamiento
Si α es una constante real y F(w) = T[f(t)] entonces
T[f(αt)] =
1
[α[
F
_
w
α
_
, (2.47)
3. Propiedades de corrimiento o desplazamiento
a) Propiedad de desplazamiento en el tiempo Si F(w) = T[f(t)] entonces,
T[f(t −t
0
)] = e
−jwt
0
F(w). (2.48)
Esta propiedad se muestra inmediatamente si hacemos el cambio de variable
x = t −t
0
de donde t = x + t
0
y dt = dx, sustituyendo en la definición de la
Transformada de Fourier, obtenemos
T[f(t −t
0
)] =
_

−∞
f(t −t
0
)e
−jw(t
0
+x)
dx
= e
−jwt
0
_

−∞
f(x)e
−jwx
dx
= e
−jwt
0
F(w).
b) Propiedad de desplazamiento en la frecuencia Análogamente, si w
0
es una
constante real y F(w) = T[f(t)], entonces
T[f(t)e
−jw
0
t
] = F(w −w
0
). (2.49)
que se demuestra, inmediatamente aplicando la definición de la Transfor-
mada de Fourier, de la forma,
T[f(t)e
−jw
0
t
] =
_

−∞
f(t)e
jw
0
t
e
−jwt
dx
=
_

−∞
f(t)e
−j(w−w
0
)t
dt
= F(w −w
0
).
2.8. Propiedades de la Transformada de Fourier 111
Ejemplo 1:
Si F(w) = T[f(t)], hallar la Transformada de Fourier de f(t)cos(w
0
t).
Solución:
Sabemos que cos(w
0
t) =
1
2
(e
jw
0
t
+ e
−jw
0
t
), entonces
T[f(t)cos(w
0
t)] = T
_
1
2
e
jw
0
t
+
1
2
e
−jw
0
t
_
.
Si aplicamos las propiedades de linealidad y desplazamiento en la frecuencia de la
Transformada de Fourier dadas2 por las ecuaciones (2.65) y (2.68) obtenemos,
T[f(t)cos(w
0
t)] =
1
2
T
_
f(t)e
jw
0
t
¸
+
1
2
T
_
f(t)e
−jw
0
t
¸
=
1
2
[F(w −w
0
) + F(w + w
0
)].
Ejemplo 2:
Determinar la constante de valor complejo λ necesaria para que sea válido el sigu-
iente par de Transformadas.
T[e
jπt
f(t −1/2)] = λe
−jw/2
F(w −π)
Solución:
Aplicando la definición de la Transformada de Fourier, dada por la ecuación (2.40)
tenemos que,
T[e
jπt
f(t −1/2)] =
_

−∞
e
jπtf(t−1/2)
e
−jwt
dt
=
_

−∞
f(t −1/2)e
−j(w−π)t
dt.
Si hacemos el cambio de variable x = t −1/2, entonces t = x + 1/2, por lo tanto;
T[e
jπt
f(t −1/2)] =
_

−∞
f(x)e
−j(w−π)(x+1/2)
dx
=
_

−∞
e
−j(w−π)/2
f(x)e
−j(w−π)x
dx
= e
−j(w−π)/2
_

−∞
f(x)e
−j(w−π)x
dx.
Aplicando la propiedad de desplazamiento en la frecuencia dada por la ecuación
(2.68) obtenemos,
T[e
jπt
f(t −1/2)] = e
−jw/2
e
jπ/2
F(w −π),
finalmente, comparando con el problema original del par de Transformadas obten-
emos,
λ = e
jπ/2
= cos(π/2) + jsen(π/2)
112 2. Análisis de Fourier
es decir,
λ = j
Ejemplo 3:
Para ilustrar la propiedad de linealidad, consideremos las siguientes funciones,
f
1
(t) = k y f
2
(t) = Acos(w
0
t) y calculemos su respectiva transformada de Fourier:
Solución:
Aplicando la definición de la Transformada de Fourier, dada por la ecuación (2.40),
para la función f
1
(t) obtenemos,
F
1
(w) = T[f
1
(t)] =
_

−∞
ke
−jwt
dt = k
_

−∞
e
−jwt
dt
= k
_

−∞
cos(wt)dt −jk
_

−∞
sen(wt)dt
= k
_

−∞
cos(wt)dt
= kδ(w).
En forma análoga para la Transformada de Fourier de f
2
(t) obtenemos,
F
2
(w) = T[f
2
(t)] =
_

−∞
Acos(w
0
t)e
−jwt
dt
=
A
2
_

−∞
_
e
jw
0
t
+ e
−jw
0
t
_
e
−jwt
dt
=
A
2
_

−∞
e
−j(w−w
0
)t
dt +
A
2
_

−∞
e
−j(w+w
0
)t
dt
=
A
2
δ(w −w
0
) +
A
2
δ(w + w
0
).
En los cálculos anteriores aplicamos la expresión para la función δ definida por
δ(w) =
_

−∞
cos(wt)dt =
_

−∞
e
jwt
dt,
que demostraremos posteriormente cuando analizemos la Transformada de Fourier de
algunas funciones especiales, como la función Delta δ por ejemplo. En resumen, el par
de transformadas, de las funciones f
1
(t) y f
2
(t) se representan de la forma,
f
1
(t) = k ⇔ F
1
(w) = kδ(w)
f
2
(t) = Acos(w
0
t) ⇔ F
2
(w) =
A
2
δ(w −w
0
) +
A
2
δ(w +w
0
).
De esta forma, aplicando la propiedad de linealidad dada por la ecuación (2.65)
obtenemos,
f
1
(t) + f
2
(t) = k + Acos(w
0
t) ⇔ F
1
(w) +F
2
(w) = kδ(w) +δ(w −w
0
) +
A
2
δ(w + w
0
).
2.8. Propiedades de la Transformada de Fourier 113
-3 -2 -1 0 1 2 3
0
0.5
1
1.5
2
2.5
3
Figura 2.18: Funciones f
1
(t) y f
2
(t)
En la siguiente figura se ilustran las gráficas de las funciones f
1
(t) y f
2
(t), así como
sus espectros de amplitud.
Ejemplo 4:
La propiedad de escalamiento, indica que una expansión en la escala del tiempo
corresponde a una comprensión en el dominio de la frecuencia, como se muestra en la
siguiente figura para una función pulso rectangular y su transformada de fourier, que
fue calculada en un ejemplo anterior.
Figura 2.19: Propiedad de Escalamiento.
Ejemplo 5:
Hallar la Transformada de Fourier de la función coseno de duración finita igual a d
dada por la función f(t) = f
d
(t) cos(w
0
t), donde f
d
está dada por,
f(t) =
_
1 para [t[ <
d
2
0 para [t[ >
d
2
.
Solución:
En este problema podemos usar el resultado anterior dada por la expresión,
T[f(t)cos(w
0
t)] =
1
2
[F(w −w
0
) + F(w +w
0
)],
114 2. Análisis de Fourier
si conocemos la transformada de Fourier de f(t), que es una consecuencia de la propiedad
de desplazamiento en la frecuencia, por lo tanto debemos de calcular primeramente la
Transformada de Fourier de f
d
(t), de esta forma, aplicando la definición de la Trans-
formada de Fourier dada por la ecuación (2.40), obtenemos
T[f
d
(t)] =
_

−∞
f
d
(t)e
−jwt
dt
y aplicando la definición de la función f
d
(t), obtenemos
T[f
d
(t)] =
_ d
2

d
2
e
−jwt
dt
= −
1
jw
e
−jwt
¸
¸
¸
¸
d
2

d
2
= −
1
jw
_
e
−j
wd
2
−e
j
wd
2
_
=
2
w
_
e
−j
wd
2
−e
j
wd
2
2j
_
finalmente, obtenemos
T[f
d
(t)] =
2
w
sen
_
wd
2
_
de esta forma, aplicando la propiedad de desplazamiento en la frecuencia obtenemos,
T[f
d
(t) cos(w
0
t)] =
1
w −w
0
_
sen
1
2
(w −w
0
)d
_
+
1
w + w
0
_
sen
1
2
(w + w
0
)d
_
La siguiente figura muestra las gráficas de la función coseno de duración finita y su
repectivo espectro de amplitud (función de densidad espectral).
2.9. Concepto y definición intuitiva de funciones generalizadas 115
2.9. Concepto y definición intuitiva de funciones gener-
alizadas
2.9.1. Función delta de Dirac
La función delta de Dirac es una función simbólica, definida por la relación:
δ(t) =
_
∞ si t = 0
0 si t ,= 0.
La gráfica de la función x(t) = δ(t) se muestra en la siguiente figura. La función delta
de Dirac en función de una integral se puede expresar de la siguiente forma:
_

−∞
δ(t)dt = 1.
Figura 2.20: Función delta de Dirac
Así también, las funciones δ(t−t
i
) y δ(t+t
i
) representan una función δ(t) recorrida a
la derecha y la izquierda una cantidad t
i
respectivamente, como se muesra en la figura.
Se dice que la función delta de Dirac es una función simbólica por que sólo puede ser
definida en función de sus propiedades integrales, por ejemplo, si x(t) es una función
continua, que es cero fuera de algún intervalo finita, entonces la función δ se define
como una función simbólica por la relación:
_

−∞
δ(t)φ(t)dt = φ(0),
y además cumple las siguientes propiedades:
116 2. Análisis de Fourier
1. Sea φ(t) una función de prueba,
_

−∞
δ(t −t
0
)φ(t)dt =
_

−∞
δ(t)φ(t + t
0
)dt = φ(t
0
).
2.
_

−∞
δ(at)φ(t)dt =
1
[a[
_

−∞
δ(t)φ
_
t
a
_
dt =
1
[a[
φ(0).
δ(at) =
1
[a[
δ(t).
3. Si g(t) es una función continua en t = t
0
, entonces
_
b
a
δ(t −t
0
)g(t)dt =
_
g(t
0
) para a < t < b
0 para b < t < a.
4. Si a < b, entonces
_
b
a
δ(t −t
0
)dt =
_
1 para a < t < b
0 para b < t < a.
5. Producto de una función δ por una función ordinaria
_

−∞
[δ(t)h(t)]φ(t)dt =
_

−∞
δ(t)[h(t)φ(t)]dt,
si h(t) es continua en t = t
0
entonces,
δ(t
0
)h(t) = h(t
0
)δ(t
0
).
6. Propiedad de convolución. La convolución de dos funciones impulso (así llama-
da también a la función delta de Dirac), está dada por:
_

−∞
__

−∞
δ
1
(τ)δ
2
(t −τ)dτ
_
φ(t)dt =
_

−∞
δ
1
(τ)
__

−∞
δ
2
(t −τ)φ(t)dt
_
dτ,
es decir,
δ
1
(t −t
1
) ∗ δ
2
(t −t
2
) = δ [t −(t
1
+ t
2
)] .
7.
_

−∞
cos(wt)dw =
_

−∞
e
jwt
dw = δ(t).
2.9. Concepto y definición intuitiva de funciones generalizadas 117
2.9.2. Derivada de la función delta de Dirac
La derivada de la función δ de Dirac representada por δ

(t), está definida por la
siguiente relación integral,
_

−∞
δ

(t)φ(t)dt = −
_

−∞
δ(t)φ

(t)dt = −φ

(0),
donde,
δ

(t) =
dδ(t)
dt
y
φ

(0) =
dφ(t)
dt
¸
¸
¸
¸
t=0
,
es decir, la relación integral en la ecuación anterior, muestra que la derivada de la fun-
ción δ es una función generalizada que asigna el valor −φ

(0) a la función de prueba
φ(t).
Para demostrar la ecuación anterior, integremos por partes haciendo u = φ(t) y
dv = δ

(t)dt, de donde du = φ

(t)dt y dv = δ(t). Integrando obtenemos,
_

−∞
δ

(t)φ(t)dt = δ(t)φ(t)[

−∞

_

−∞
δ(t)φ

(t)dt.
pero la función de prueba φ(t) se anula fuera de algún intervalo finito, es decir φ(t) = 0
en ±∞. Por lo tanto, la integral resulta de la forma,
_

−∞
δ

(t)φ(t)dt = −
_

−∞
δ(t)φ

(t)dt.
y apicando la definición de la función delta
_
_

−∞
δ(t)φ(t)dt = 0
_
, obtenemos
_

−∞
δ

(t)φ(t)dt = −φ

(0).
En general, la derivada de una función generalizada f

(t) está definida por:
_

−∞
f

(t)φ(t)dt = −
_

−∞
f(t)φ(t)dt.
Observación: En general la derivada n-ésima de la función δ, definida por
δ
n
(t) =
d
n
δ(t)
dt
n
está dada por:
_

−∞
δ
n
(t)φ(t)dt = (−1)
n
φ
n
(0),
donde,
φ
n
(0) =
d
n
φ(t)
dt
n
¸
¸
¸
¸
t=0
.
118 2. Análisis de Fourier
2.9.3. Función unitaria de Heaviside o función escalón unitaria
La función de Heaviside denotada comunmente por H(t) está definida por:
H(t) =
_
1 para t > 0
0 para t < 0.
(2.50)
Figura 2.21: Función de Heaviside.
La función no está definida en cero (ver figura anterior inciso a), así también, las
funciones H(t −t
0
) y H(t +t
0
) representan una función H(t) recorrida a la derecha y la
izquierda una cantidad t
0
respectivamente, como se muesra en la figuras (b) y (c). Al
igual que la función δ, la función unitaria de Heaviside es una función generalizada o
función simbólica, ya que se define también en términos de de las propiedades de sus
integrales de la forma,
_

−∞
H(t)φ(t)dt =
_

0
φ(t)dt. (2.51)
Obsérvese que si aplicamos la derivada de una función generalizada a la función
de Heaviside obtenemos,
_

−∞
H

(t)φ(t)dt = −
_

−∞
H(t)φ

(t)dt, (2.52)
y aplicando la definición de la función de Heaviside,
_

−∞
H

(t)φ(t)dt = −
_

0
φ

(t)dt = −
_

0
dφ(t)
dt
dt = −[φ(∞) −φ(0)],
2.9. Concepto y definición intuitiva de funciones generalizadas 119
pero como φ(∞) = 0, ya que la función de prueba se anula en un intervalo finito,
entonces
_

−∞
H

(t)φ(t)dt = φ(0) =
_

−∞
δ(t)φ(t)dt,
es decir,
H

(t) = δ(t), (2.53)
la derivada de la función de Heaviside es igual a la función δ. En la figura se muestra
la gráfica de la función de Heaviside, también llamada función escalón unitario.
120 2. Análisis de Fourier
2.9.4. Transformada de Fourier de funciones especiales
Calculemos la transformada de Fourier de la función delta de Dirac. Aplicando la
definicón de la TF,
T[δ(t)] =
_

−∞
δ(t)e
−jwt
dt, (2.54)
aplicando la definición simbólica de la función delta de Dirac, obtenemos
F(w) = T[δ(t)] = e
−jwt
¸
¸
t=0
= 1,
de donde la TF de la función impulso está dada por la unidad, como se ilustra en la
figura.
Figura 2.22: Gráfica repetida.
Obsérvese que la función delta tiene un espectro de amplitud uniforme en todo el
intervalo de frecuencias. Del resultado anterior, como T[δ(t)] = 1, obtenemos T
−1
[1], y
usando la definición de la transformada inversa de Fourier,
δ(t) =
1

_

−∞
e
jwt
dw, (2.55)
que es una propiedad muy usada de la función delta de Dirac. También usando la
fórmula de Euler; e
jwt
= cos wt+j sin wt, ésta propiedad se puede expresar de la forma,
δ(t) =
1

__

−∞
cos(wt)dw + j
_

−∞
sin(wt)dw
_
,
finalmente, aplicando la paridad de las funciones seno y coseno obtenemos,
δ(t) =
1
π
_

0
cos(wt)dw, (2.56)
2.9. Concepto y definición intuitiva de funciones generalizadas 121
de las ecuaciones (2.55) y (2.56), podemos resumir dichas propiedades en términos más
general, de la forma
δ(y) =
1

_

−∞
e
jxy
dx, (2.57)
y
δ(y) =
1
π
_

0
cos(xy)dx, (2.58)
que son propiedades muy usadas de la función delta de Dirac. Aplicando los resulta-
dos anteriores se puede deducir la fórmula de inversión de la Transformada de Fourier.
Recordemos que la transformada inversa de Fourier está dada por:
f(t) = T
−1
[F(w)] =
1

_

−∞
F(w)e
jwt
dw. (2.59)
donde,
F(w) = T[f(t)] =
_

−∞
f(t)e
−jwt
dt (2.60)
sustituyendo la ecuación (2.60) en la ecuación (2.59) obtenemos,
f(t) =
1

_

−∞
__

−∞
f(t)e
−jwt
dt
_
e
jwt
dw, (2.61)
intercambiando el orden de integración y haciendo también x = t en F(w),
f(t) =
1

_

−∞
__

−∞
f(x)e
−jwx
dx
_
e
jwt
dw
=
_

−∞
f(x)
_
1

_

−∞
e
−j(t−x)w
dw
_
dx
=
_

−∞
f(x)δ(t −x)dx
= f(t).
donde hemos aplicado la ecuación (2.57) de la delta de Dirac.
122 2. Análisis de Fourier
Ejemplos:
1. Hallar la Transformada de Fourier de la función impulso (delta de Dirac) despla-
zada, δ(t −t
0
).
Solución:
Aplicando la definición de la TF y propiedades de la función delta (ver ecua-
ciones en términos de la función de prueba), obtenemos
T[δ(t −t
0
)] =
_

−∞
δ(t −t
0
)e
−jwt
dt = e
−jwt
¸
¸
t=t
0
,
es decir,
T[δ(t −t
0
)] = e
−jwt
0
de donde.
[F(w)[ = 1.
Figura 2.23: Función delta de Dirac dezplazada y su transformada de Fourier.
El resultado anterior indica que el espectro de frecuencias tiene un espectro de
amplitud uniforme en todo el intervalo de frecuencias, como se ilustra en la figu-
ra anterior.
2. Hallar la Transformada de Fourier de una función constante, f(t) = A.
Solución:
Obsérvese que esta función no satisface la condición de integrabilidad absoluta,
ver ecuación (2.65). Aplicando la definición de la TF tenemos,
T[A] = A
_

−∞
e
−jwt
dt
2.9. Concepto y definición intuitiva de funciones generalizadas 123
utilizando la ecuación de la función delta, (ver ecuación (2.57), haciendo x = t y
y = −w) obtenemos inmediatamente,
T[A] = 2πAδ(−w),
asimismo, en la ecuación anterior podemos hacer uso de la propiedad de la delta
δ(at) =
1
|a|
δ(t), haciendo a = −1 obtenemos δ(−w) =
1
|−1|
δ(w), de donde final-
mente obtenemos,
F(w) = T[A] = 2πAδ(w).
Figura 2.24: Función constante y su transformada de Fourier.
Obsérvese que si A = 1, entonces T[1] = 2πδ(w). Este ejemplo muestra que cuan-
do una función f(t) es constante, contiene solamente una componente de fre-
cuencia w = 0, como era de esperarse ya que una señal constante de corriente
directa (w = 0), no contiene alguna otra componente de frecuencia. Obsérvese
también en este ejemplo que la transformada de Fourier de una función con-
stante A es la transformada de Fourier de una función pulso rectangular cuando
el periodo tiende a infinito.
3. Hallar la Transformada de Fourier de las funciones f(t) = cos(w
0
t) y f(t) =
sin(w
0
t)
Solución:
Para la función f(t) = cos(w
0
t) (ver figura)tenemos,
T[cos(w
0
t)] = T[
e
jw
0
t
+e
−jw
0
t
2
]
=
1
2
_
T[e
jw
0
t
] +T[e
−jw
0
t
]
¸
124 2. Análisis de Fourier
Figura 2.25: Función Coseno de duración finita.
=
1
2
__

−∞
e
jw
0
t
e
−jwt
dt +
_

−∞
e
−jw
0
t
e
−jwt
dt
_
=
1
2
__

−∞
e
−j(w−w
0
)t
dt +
_

−∞
e
−j(w+w
0
tdt
_
obsérvese que se aplicó la propiedad de linealidad de la transformada de Fourier.
Finalmente, aplicando la propiedad de la delta, ver ecuación (2.57), obtenemos
T[cos(w
0
t)] = πδ(w −w
0
) + πδ(w + w
0
),
la función f(t) = cos(w
0
t) y su transformada de Fourier se muestran en la figura.
Figura 2.26: Transformada de Fourier de la función Coseno de duración finita.
De un procedimiento análogo el lector puede mostrar que,
T[sin(w
0
t)] = −jπδ(w −w
0
) + jπδ(w + w
0
).
2.9. Concepto y definición intuitiva de funciones generalizadas 125
4. a) Calcule la transformada de Fourier de la función Signo definida por:
Sgn(t) =
[t[
t
.
Sugerencia: Obsérvese que esta función no es absolutamente integrable.
b) Aplique el resultado obtenido en el inciso a) para encontrar la Transformada
de Fourier de la función de Heaviside.
c) Dibuje el espectro de frecuencia (función de densidad espectral) de la fun-
ción de Heaviside.
Solución:
Figura 2.27: Función Signo.
a) Explícitamente la función Signo (ver figura), está dada por
Sng(t) =
[t[
t
=
_
_
_
1 para t > 0
0 para t = 0
−1 para t < 0.
Como se observa, esta función no es absolutamente integrable, es decir; no
cumple
_

−∞
|f(t)|
2
dt < ∞,
de esta forma, se multiplica esta función por e
−a|t|
para que sea absoluta-
mente integrable, y después sea toma el limite cuando a →0.
T [Sng(t)] = T
_
l´ım
a→0
e
−a|t|
Sng(t)
_
126 2. Análisis de Fourier
= l´ım
a→0
__

−∞
e
−a|t|
Sgn(t)e
−jw
dt
_
= l´ım
a→0
_

_
0
−∞
e
at
e
−jw
dt +
_

0
e
−at
e
−jwt
dt
_
= l´ım
a→0
_

_
0
−∞
e
(a−jw)t
dt +
_

0
e
−(a+jw)t
dt
_
.
Evaluando las integrales, que son inmediatas obtenemos,
T [Sng(t)] = l´ım
a→0
_

1
a −jw
e
−(a−jw)t
¸
¸
¸
¸
0
−∞

1
a + jw
e
−(a+jw)t
¸
¸
¸
¸

0
_
= l´ım
a→0
_

1
a −jw
+
1
a + jw
_
,
por lo tanto,
T [Sng(t)] = l´ım
a→0
_
−2jw
a
2
+ w
2
_
=
_
2
jw
_
.
Figura 2.28: Función de Heaviside.
b) Por definición, como se observa en la figura, la función de Heaviside está
dada por:
H(τ) =
_
0 si t < 0
1 si t > 0
Obsérvese de las definiciones de la función Signo y de Heaviside (ver figuras
anteriores) que:
Sgn(t) = 2H(t) −1
2.9. Concepto y definición intuitiva de funciones generalizadas 127
de donde,
H(t) =
1
2
[1 + Sgn(t)]
por lo que aplicando la propiedad de linealidad de la Transformada de Fouri-
er, obtenemos
F(w) = T[H(t)] =
1
2
[T[1] +T[Sng(t)]]
=
1
2
_
2πδ(w) +
2
jw
_
= πδ(w) +
1
jw
.
c) La siguiente figura muestra el espectro de frecuencias (función de densidad
espectral) de la función de Heaviside.
Figura 2.29: Espectro de frecuencias de la función de Heaviside.
Nota: El lector puede consultar una deducción alternativa de la transformada
de Fourier de la función de Heaviside en cualquier libro tradicional de métodos
matemáticos, en donde generalmente se usa de la derivada de una función gen-
eralizada, explícitamente que la derivada de la función de Heaviside es igual a la
función δ, ver la ecuación (2.53).
128 2. Análisis de Fourier
2.10. Convolución y Correlación
Convolucionar dos funciones es una forma de combinarlas, y frecuentemente, el
efecto es el de “extender” una función de la otra. Es un concepto que proviene del
alemán que se expresa por la palabra “Faltung” que significa “plegar” (o también
“doblar”).
Definición:
Dadas dos funciones χ(t) y h(t), su convolución g(t) se denota por χ(t) ∗ h(t) y se
define por:
g(t) = χ(t) ∗ h(t) =
_

−∞
χ(τ)h(t −τ)dτ. (2.62)
Dadas las funciones χ(t) y h(t), para evaluar la integral de convolución dada por
la ecuación (2.69) son necesarias las funciones χ(τ) y h(t − τ), donde χ(τ) y h(τ) son
simplemente las funciones χ(t) y h(t) donde se ha sustituido la variable τ por t, como
h(−τ) es la imagen de h(τ) respecto al eje x, entonces h(t − τ) es la función h(−τ) de-
splazada en la cantidad t.
Ejemplo:
Si las funciones f
1
(t) y f
2
(t) están definidas por,
f
1
(t) =
_
e
−t
para t > 0
0 para t < 0,
f
2
(t) =
_
sin(t) para 0 ≤ t ≤
π
2
0 en-otro-caso,
encontrar la Convoluvión de f
1
(t) y f
2
(t).
Solución:
Por definición, la convolución de las funciones f
1
(t) y f
2
(t) está dada por,
f
1
(t) ∗ f
2
(t) = f
2
(t) ∗ f
1
(t) =
_

−∞
f
2
(τ)f
1
(t −τ)dτ
en este caso, de la definición de f
1
(t) y f
2
(t) se tiene que,
f
1
(t) ∗ f
2
(t) =
_
t
0
sin(τ)e
−(t−τ)
dτ, (2.63)
si 0 ≤ t ≤
π
2
. O también,
f
1
(t) ∗ f
2
(t) =
_ π
2
0
sin(τ)e
−(t−τ)
dτ, (2.64)
2.10. Convolución y Correlación 129
si t ≥
π
2
. O también,
f
1
(t) ∗ f
2
(t) = 0, (2.65)
si t ≤ 0.
Si tiene duda del porque lo anterior, recuerde que los límites inferiores y superiores
en la convolución se toman generalmente siguiendo la regla :
Limite inferior = max [L
1,
L
2
] = máximo de los dos límites inferiores y,
Limite superior = min [U
1
, U
2
] = mínimo de los dos límites superiores.
Por lo tanto, de la ecuación (2.63), integrando por partes haciendo los cambios de
variable u = sin(τ), de donde du = cos(τ)dτ, y también, dv = e
τ
dτ, de donde v = e
τ
, la
integral anterior resulta,
f
1
(t) ∗ f
2
(t) = e
−t
_
t
0
sin(τ)e
τ

= e
−t
_
sin(τ)e
τ
[
t
0

_
t
0
e
τ
cos(τ)dτ
_
= e
−t
_
sin(t)e
t

_
e
τ
cos(τ)[
t
0
+
_
t
0
sin(τ)e
τ

__
,
integrando nuevamente por partes haciendo los mismos cambios de variable (u =
sin(τ), de donde du = cos(τ)dτ, y también, dv = e
τ
dτ, de donde v = e
τ
), después
de hacer un poco de álgebra obtenemos,
f
1
(t) ∗ f
2
(t) = e
−t
_
sin(t)e
t
−cos(t)e
t
+ 1
2
_
=
1
2
_
sin(t) −cos(t) + e
−t
¸
. (2.66)
En forma análoga de la ecuación (2.64), obtenemos
f
1
(t) ∗ f
2
(t) =
_ π
2
0
sin(τ)e
−(t−τ)

= e
−t
_ π
2
0
sin(τ)e
τ
dτ,
asimismo, integrando por partes haciendo los cambios de variable u = sin(τ), de donde
du = cos(τ)dτ, y también, dv = e
τ
dτ, de donde v = e
τ
, la integral anterior resulta,
_ π
2
0
sin(τ)e
τ
dτ = sin(τ)e
τ
[
π
2
0

_ π
2
0
cos(τ)e
τ

= sin(τ)e
τ
[
π
2
0

_
cos(τ)e
τ
[
π
2
0
+
_ π
2
0
sin(τ)e
τ

_
,
130 2. Análisis de Fourier
por lo tanto,
_ π
2
0
sin(τ)e
τ
dτ =
1
2
_
e
τ
[sin(τ) −cos(τ)][
π
2
0
_
=
1
2
_
e
π
2
+ 1
¸
en donde se integró nuevamente por parte haciendo los cambios u = sin(τ) y dv =
e
τ
dτ. De esta forma, obtenemos
f
1
(t) ∗ f
2
(t) = e
−t
_ π
2
0
sin(τ)e
τ

=
e
−t
2
_
e
π
2
+ 1
¸
. (2.67)
Finalmente, de las ecuaciones (2.65), (2.66) y (2.67), la convolución de las funciones
f
1
(t) y f
2
(t), está dada por:
f
1
(t) ∗ f
2
(t) =
_
_
_
e
−t
2
_
e
π
2
+ 1
¸
para t ≥
π
2
1
2
[sin(t) −cos(t) + e
−t
] para 0 < t ≤
π
2
0 para t ≤ 0.
Acontinuación, daremos una explicación geométrica del significado de la Convolu-
ción.
2.10. Convolución y Correlación 131
2.10.1. Interpretación gráfica de la Convolución
Supongamos que queremos hallar la convolución de dos funciones dadas f
1
(t) y
f
2
(t). Las operaciones por efectuar se basan en la integral de convolución:
f
1
(t) ∗ f
2
(t) =
_

−∞
f
1
(τ)f
2
(t −τ)dτ.
El proceso de convolucionar dos funciones, sigue los pasos que se enumeran a con-
tinuación:
1. Reemplazar t por τ en f
1
(t), y como resultado se tiene f
1
(τ).
2. Reemplazar t por −τ en f
2
(t), esto hace girar a la función f
2
(τ) alrededor del eje
vertical pasando por el origen del eje τ.
3. Transladar todo el sistema de referencia de f
2
(−τ) por medio de una cantidad t,
de este modo, la cantidad de translación t es la diferencia entre el sistema de ref-
erencia móvil y el fijo. El origen del sistema móvil está en τ = t; el origen del fijo
está en τ = 0. La función en el sistema móvil está dada por f
2
(t − τ), asimismo,
la función en el sistema fijo está dada por f
1
(τ).
4. En cualquier desplazamiento relativo entre los ejes de referencia, por ejemplo t
0
,
se debe hallar el área bajo el producto de las dos funciones, es decir, calcular la
integral
_

−∞
f
1
(τ)f
2
(t
0
−τ)dτ = [f
1
(t) ∗ f
2
(t)]
t=t
0
5. Este procedimiento se debe repetir para diferentes valores de t = t
0
, desplazan-
do en forma progresiva el sistema móvil y hallando los valores de la integral de
convolución en estos valores de t. Para funciones continuas, esto se puede hacer
por integración directa. Para funciones continuas por tramos, el producto será
continuo por tramos y deberá integrarse sobre cada sección continua.
6. Si el desplazamiento del sistema móvil es a lo largo del eje negativo τ, es decir
hacia la izquierda, t es negativo. Si es sobre el eje positivo τ, es decir a la derecha,
t es positivo.
Los siguientes ejemplos ilustran la interpretación gráfica de los pasos descritos
de la convolución.
132 2. Análisis de Fourier
Ejemplo 1:
Graficar y calcular todos los pasos del proceso de convolucionar las siguientes fun-
ciones:
x(t) =
_
t para 0 < t < 3
0 para t < 0&t > 3
h(t) =
_
1 para −1 < t < 1
0 para t < −1&t > 1
Primero enumeremos paso a paso las operaciones necesarias, descritas anterior-
mente:
1.- Se reemplaza la variable t por la variable τ en x(t) y h(t); asimismo se refleja la
función h(t), como se ilustra en la figura incisos, partes (a) y (b).
Figura 2.30: Espectro de frecuencias de la función de Heaviside.
2.- Transladamos todo el sistema de referencia de la función h(−τ) mediante una
cantidad t, como se ilustra en la figura parte (c). Obsérvese que la cantidad de translación
t es la diferencia entre el sistema de refencia móvil y el fijo, de tal forma que la función
transladada es de la forma:
h(t −τ) =
_
1 para −1 +t < τ < 1 + t
0 para τ < −1 +t&τ > 1 + t
obsérvese también que el origen del sistema móvil está en τ = t, mientras que el origen
del sistema fijo está en t = 0.
3.- Finalmente, para cualquier desplazamiento relativo entre los ejes de referencia,
debe hallarse el área bajo el producto de las dos funciones. Para esto tendremos que
dividir las regiones de integración que dependerá principalmente del como se vaya
desplazando la función h(t − τ) para convolucionar con la función x(τ). Para nuestro
2.10. Convolución y Correlación 133
Figura 2.31: primera y última región de convolución.
ejemplo tenemos 5 regiones: −∞ < τ < −1, −1 < τ < 1, 1 < τ < 2, 2 < τ < 4 y
4 < τ < ∞. Como se ilustra en las figuras,la convolución para la primera y quinta
region es cero. Por definición, la convolución de las funciones x(t) y h(t) está dada por
la integral,
x(t) ∗ h(t) =
_

−∞
x(τ)h(t −τ)dτ,
para la segunda región, la convolución estará dada por (ver la figura para entender
mejor los límites de integración):
Figura 2.32: Segunda y tercera regiones de convolución.
x(t) ∗ h(t) =
_
t+1
0
τdτ =
τ
2
2
¸
¸
¸
¸
t+1
0
=
(t + 1)
2
2
.
134 2. Análisis de Fourier
En forma análoga, para la tercera región, la convolución estará dada por:
x(t) ∗ h(t) =
_
t+1
t−1
τdτ =
τ
2
2
¸
¸
¸
¸
t+1
t−1
=
1
2
_
(t + 1)
2
−(t −1)
2
¸
= 2t
y finalmente, para la cuarta región (ver figura),
x(t) ∗ h(t) =
_
3
t−1
τdτ =
τ
2
2
¸
¸
¸
¸
3
t−1
=
1
2
_
9 −(t −1)
2
¸
= 4 + t −t
2
/2.
Figura 2.33: Cuarta región de convolución.
A continuación presentamos los resultados para las cinco regiones:
y(t) = x(t) ∗ h(t) =
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
0 para −∞< τ < −1,
(t+1)
2
2
para −1 < τ < 1,
2t para 1 < τ < 2,
4 + t −t
2
/2 para 2 < τ < 4,
0 para 4 < τ < ∞.
En la siguiente figura se ilustra la convolución de las funciones juntando los resultados
en las distintas regiones.
Figura 2.34: Convolución de las funciones x(t) y h(t).
2.10. Convolución y Correlación 135
Ejemplo 2:
En este problema mostramos la convolución de dos pulsos unitarios definidos por,
x(t) =
_
1 para 0 < t < 1
0 para t < 0&t > 1
h(t) =
_
1 para 0 < t < 1
0 para t < 0&t > 1
este ejemplo nos sirve también para ilustrar la propiedad conmutativa de la convolu-
ción de dos funciones. En la figura se muestran las cuatro regiones de convolución: la
primera y última región cuando lo convolución de los pulsos es cero (ver partes (a) y
(b) respectivamente), que corresponde a los intervalos −∞< τ < 0 y 2 < τ < ∞, antes
y despues de juntarse los pulsos.
Figura 2.35: Ilustración gráfica de la Convolución de dos pulsos unitarios.
Para la segunda región, que corresponde al intervalo 0 < τ < 1 (ver figura (c), la
convolución estará dada por:
x(t) ∗ h(t) =
_
t
0
τdτ = t,
y finalmente, para la tercera región que corresponde al intervalo 1 < τ < 2, (ver figura
(d)),
x(t) ∗ h(t) =
_
1
t−1
τdτ = 2 −t.
136 2. Análisis de Fourier
A continuación presentamos los resultados para las cuatro regiones:
y(t) = x(t) ∗ h(t) =
_
¸
¸
_
¸
¸
_
0 para −∞< τ < 0,
t para 0 < τ < 1,
2 −t para 1 < τ < 2,
0 para 2 < τ < ∞.
En la siguiente figura se ilustra la convolución de las funciones juntando los resultados
en las distintas regiones.
Figura 2.36: función de convolución de dos pulsos unitarios
2.10. Convolución y Correlación 137
Ejemplo 3:
Hallar la convolución de las siguientes funciones,
x(t) = H(t) −2H(t −2) + H(t −5)
h(t) = e
2t
H(1 −t).
Las funciones H’s, son las funciones de Heaviside repectivamente. Las funciones h(t)
y x(t) se muestran en la siguiente figura, en donde se ha cambiado la variable t por la
variable τ.
Figura 2.37: funciones x(τ) y h(τ).
Solución:
Siguiendo paso a paso el proceso de convolución, en la siguiente figura se mues-
tra la reflexión de la función x(τ) así como el desplazamiento de ésta mediante una
cantidad t, para obtener la función x(t −τ).
Figura 2.38: función móvil x(t −τ).
De esta forma, para realizar la convolución de las funciones h(t) y x(t), como en los
ejemplos anteriores, debemos de analizar las distintas regiones en los que el sistema
móvil (x(t −τ)) se va desplazando sobre el sistema fijo (h(τ)), y debemos hallar el área
bajo el producto de las dos funciones para cada región.
138 2. Análisis de Fourier
Figura 2.39: Primera región de convolución de las funciones h(τ) y x(τ), intervalo t < 1.
Para la primera región, en este caso para el intervalo t < 1, como se muestra en la
figura, tenemos:
h(t) ∗ x(t) =
_

−∞
h(τ)x(t −τ)dτ =
_
t−2
t−5
e

(−1)dτ +
_
t
t−2
e

(1)dτ
= −
1
2
e

¸
¸
¸
¸
t−2
t−5
+
1
2
e

¸
¸
¸
¸
t
t−2
= −
1
2
_
e
2(t−2)
−e
2(t−5)
¸
+
1
2
_
e
2t
−e
2(t−2)
¸
=
1
2
e
2t
_
1 + e
−10
−2e
−4
¸
.
Para la segunda región, como se muestra en la figura, tenemos:
Figura 2.40: Segunda región de convolución de las funciones h(τ) y x(τ), intervalo
1 ≤ t < 3.
h(t) ∗ x(t) =
_

−∞
h(τ)x(t −τ)dτ =
_
t−2
t−5
e

(−1)dτ +
_
1
t−2
e

(1)dτ
= −
1
2
e

¸
¸
¸
¸
t−2
t−5
+
1
2
e

¸
¸
¸
¸
1
t−2
= −
1
2
_
e
2(t−2)
−e
2(t−5)
¸
+
1
2
_
e
2
−e
2(t−2)
¸
=
1
2
e
2t
_
e
−10
−2e
−4
¸
+
1
2
e
2
.
2.10. Convolución y Correlación 139
De la misma forma, como se muestra en la figura para el intervalo 3 ≤ t < 6, la
convolución en esta región está dada por,
h(t) ∗ x(t) =
_

−∞
h(τ)x(t −τ)dτ =
_
1
t−5
e

(−1)dτ
= −
1
2
e

¸
¸
¸
¸
1
t−5
= −
1
2
_
e
2
−e
2(t−5)
¸
=
1
2
e
2(t−5)

1
2
e
2
.
Figura 2.41: Tercera región de convolución de las funciones h(τ) y x(τ), intervalo 3 <
t < 6.
Finalmente, para la región que corresponde al intervalo t ≥ 6, como se observa en
la figura el producto de las dos funciones es cero, es decir,
h(t) ∗ x(t) =
_

−∞
h(τ)x(t −τ)dτ = 0
Figura 2.42: Cuarta región de convolución de las funciones h(τ) y x(τ), intervalo 6 ≤
t < ∞.
A continuación presentamos los resultados para las cuatro regiones:
y(t) = h(t) ∗ x(t) =
_
¸
¸
_
¸
¸
_
1
2
e
2t
[1 + e
−10
−2e
−4
] para t < 1,
1
2
e
2t
[e
−10
−2e
−4
] +
1
2
e
2
para 1 ≤ t < 3,
1
2
e
2(t−5)

1
2
e
2
para 3 ≤ t < 6,
0 para 6 ≤ t < ∞.
140 2. Análisis de Fourier
Obsérvese que en este problema se puede tomar como sistema móvil a la función
h(t − τ) y se desplaza ésta sobre el sistema fijo que sería la función x(τ), debido a
que la convolución satisface la propiedad de conmutatividad. Lo anterior se deja como
ejercicio para el lector.
2.10. Convolución y Correlación 141
2.10.2. Teorema de la Convolución
Una propiedad importante de la Transformada de Fourier es que reduce la inte-
gral de Convolución a un producto algebraico. Matemáticamente, esto se expresa en el
siguiente teorema de Convolución:
Convolución en el dominio del tiempo
Sean,
f
1
(t) ∗ f
2
(t) =
_

−∞
f
1
(τ)
2
(t −τ)dτ
y
T[f
1
(t)] = F
1
(w)
T[f
2
(t)] = F
2
(w),
entonces,
T[f
1
(t) ∗ f
2
(t)] = F
1
(w)F
2
(w).
Para demostrar este resultado, partimos de la definición de la transformada de
Fourier, dada por la ecuación (2.40), y la definición de la convolución de dos funciones,
dada por la ecuación (2.69) es decir,
T[f
1
(t) ∗ f
2
(t)] =
_

−∞
__

−∞
f
1
(τ)f
2
(t −τ)dτ
_
e
−jwt
dt.
Si cambiamos el orden de integración, integrando primeramente la variable t, se
obtiene
T[f
1
(t) ∗ f
2
(t)] =
_

−∞
f
1
(τ)
__

−∞
f
2
(t −τ)e
−jwt
dt
_
dτ.
En esta parte usamos la propiedad de desplazamiento en el tiempo dada por la
ecuación (2.67), de tal forma que el término entre corchetes está dado por,
T[f
2
(t −τ)] = e
−jwτ
F
2
(w).
Finalmente integramos con respecto a la variable τ, y obtenemos
T[f
1
(t) ∗ f
2
(t)] =
_

−∞
f(τ)F
2
(w)e
−jwτ

= F
2
(w)
_

−∞
f(τ)e
−jwτ

= F
2
(w)F
1
(w).
La ecuación anterior, indica que la convolución en el dominio del tiempo, corre-
sponde a la multiplicación en el dominio de la frecuencia. Los siguientes ejemplos ilus-
tran la aplicabilidad muy importante del presente teorema.
142 2. Análisis de Fourier
Ejemplo 1
Aplique el teorema de convolución para encontrar la Transformada Inversa de Fourier
(TIF) de la función,
G(w) =
sin(3w)
w(2 + jw)
Solución:
Para encontrar la TIF, reescribimos la función de la siguiente manera,
G(w) =
sen(3w)
w(2 + jw)
=
_
sin(3w)
w
_ _
1
2 +jw
_
= F
1
(w)F
2
(w).
De esta forma podemos emplear los siguientes resultados de pares de Transfor-
madas de Fourier que el lector puede mostrar fácilmente aplicando la definición de la
transformada de Fourier.
T
_
e
−bt
H(t)
¸
=
1
b + jw
, (2.68)
y
T [kH(t + a) −kH(t −a)] =
2k sin(aw)
w
, (2.69)
donde las funciones H’s, son las funciones de Heaviside que se muestran en la sigu-
iente figura.
Figura 2.43: Funciones de Heavside.
Por lo tanto, la TIF de la función G(w) está dada por,
g(t) = T
−1
[G(w)] = T
−∞
__
sin(3w)
w
__
1
2 + jw
__
, (2.70)
2.10. Convolución y Correlación 143
de esta forma, aplicando las transformadas dadas por las ecuaciones (47) y (48) con
a = 3, b = 2 y k = 1, obtenemos
g(t) = T
−1
_
1
2
T [H(t + 3) −H(t −3)] T
_
e
−2t
H(t)
¸
_
. (2.71)
En esta parte aplicamos el teorema de Convolución que establece que:
Si
T [f
1
(t)] = F
1
(w)
y
T [f
2
(t)] = F
2
(w)
entonces,
T
_
f
(
t) ∗ f
2
(t)
¸
= F
1
(w)F
2
(w) (2.72)
así, de las ecuaciones (50) y (51) obtenemos
g(t) =
1
2
[H(t + 3) −H(t −3)] ∗
_
e
−2t
H(t)
¸
.
Ahora, aplicando la Convolución de dos funciones f
1
y f
2
definida por:
f
1
(t) ∗ f
2
(t) =
_

−∞
f
1
(τ)f
2
(t −τ)dτ
obtenemos,
g(t) =
1
2
_

−∞
[H(τ + 3) −H(τ −3)]
_
e
−2(t−τ)
H(t −τ)
¸

=
e
−2t
2
__

−∞
H(τ + 3)H(t −τ)e

dτ −
_

−∞
H(τ −3)H(t −τ)e


_
.
(2.73)
Para resolver las integrales anteriores, analicemos las funciones de Heaviside in-
volucradas en dichas integrales.
H(τ + 3) =
_
1 si τ > −3
0 si τ < −3
H(τ −3) =
_
1 si τ > 3
0 si τ < 3
H(t −τ) =
_
1 si t > τ
0 si t < τ
de donde,
H(τ + 3)H(t −τ) =
_
1 si −3 < τ < t
0 si τ < −3 & τ > t
144 2. Análisis de Fourier
y
H(τ −3)H(t −τ) =
_
1 si 3 < τ < t
0 si τ < 3 & τ > t
Por lo tanto, las integrales de la ecuación (52) resultan ser de la forma,
_

−∞
H(τ + 3)H(t −τ)e

dτ =
_ _
t
−3
e

si τ > −3
0 si τ < −3
=
_
t
−3
e

dτH(t + 3)
y
_

−∞
H(τ −3)H(t −τ)e

dτ =
_ _
t
3
e

si τ > 3
0 si τ < 3
=
_
t
3
e

dτH(t −3).
De esta forma, de la ecuación (52) obtenemos,
g(t) =
e
−2t
2
__
t
−3
e

dτH(t + 3) −
_
t
3
e

dτH(t −3)
_
=
e
−2t
2
_
1
2
_
e

¸
¸
t
−3
_
H(t + 3) −
1
2
_
e

¸
¸
t
3
_
H(t −3)
_
=
e
−2t
2
_
1
2
_
e
2t
−e
−6
_
H(t + 3) −
1
2
_
e
2t
−e
6
_
H(t −3)
_
Finalmente, la TIF de la función G(w) está dada por:
g(t) =
1
4
__
1 −e
−2(t+3)
_
H(t + 3) −
_
1 −e
−2(t−3)
_
H(t −3)
¸
.
2.10. Convolución y Correlación 145
Ejemplo 2
Determinar la transformada de Fourier de la señal
g(t) = e
(−t)
H(t) ∗ e
(−2t)
H(t).
a) Efectuando primero la convolución y transformando después el resultado.
b) Tomando la transformada de cada término y multiplicando después.
Solución:
a) Por definición, la convolución de las funciones x(t) y h(t) está dada por,
x(t) ∗ h(t) =
_

−∞
x(τ)h(t −τ)dτ
en este caso;
g(t) = e
−t
H(t) ∗ e
−2t
H(t)
=
_

−∞
e
−τ
H(τ)e
−2(t−τ)
H(t −τ)dτ
=
_

−∞
e
−τ
e
−2t
e

H(τ)H(t −τ)dτ
=
_

−∞
e
−2t
e
τ
H(τ)H(t −τ)dτ
= e
−2t
_

−∞
e
τ
H(τ)H(t −τ)dτ,
pero:
H(τ) =
_
0 si τ < 0
1 si τ > 0
y
H(t −τ) =
_
0 si t < τ
1 si t > τ
por lo tanto,
H(τ)H(t −τ) =
_
0 si t < τ
1 si 0 < τ < t
Por lo que,
e
−2t
_

−∞
e
τ
H(τ)H(t −τ)dτ =
_
e
−2t
_
t
0
e
τ
dτ si t > 0
0 si t < 0
e
−2t
_

−∞
e
τ
H(τ)H(t −τ)dτ =
_
e
−2t
(e
t
−1) si t > 0
0 si t < 0
es decir;
g(t) = (e
−t
−e
−2t
H(t).
146 2. Análisis de Fourier
Ahora “transformamos” el resultado, calculamos la Transformada de Fourier de la fun-
ción g(t) = (e
−t
−e
−2t
) H(t).
Aplicando la definición de la Transformada de Fourier,
T[g(t)] = F(w) =
_

−∞
_
e
−t
−e
−2t
_
H(t)e
−jwt
dt.
haciendo un poco de álgebra, obtenemos
F(w) =
_

−∞
e
−(1+jw)t
H(t)dt −
_

−∞
e
−(2+jw)t
H(t)dt
=
_

0
e
−(1+jw)t
dt −
_

0
e
−(2+jw)t
dt
=
_

1
1 + jw
e
−(1+jw)t
_

0
+
_
1
2 + jw
e
−(2+jw)
_

0
=
1
1 +jw

1
2 + jw
=
2 + jw −1 −jw
(1 + jw)(2 + jw)
Finalmente, obtenemos
T[g(t)] =
1
2 −w
2
+ 3jw
b) Aplicando el teorema de convolución,
F
_
e
−t
H (t) ∗ e
−2t
H (t)
_
= F (w) G(w)
donde:
F(w) = T[e
−t
H(t)]
G(w) = T[e
−2t
H(t)]
es decir,
F (w) =
_

−∞
e
−t
H (t) e
−jwt
dt
=
_

−∞
e
−(1+jw)t
H (t) dt
=
_

0
e
−(1+jw)t
dt
=
_
1
1 + jw
e
−(1+jw)t
_

0
=
1
1 + jw
2.10. Convolución y Correlación 147
y
G(w) =
_

−∞
e
−2t
H (t) e
−jwt
dt
=
_

0
e
−(2+jw)t
dt
=
_

1
2 + jw
e
−(2+jw)t
_

0
=
1
2 + jw
finalmente, obtenemos:
F
_
e
−t
H (t) ∗ e
−2t
H (t)
_
=
_
1
1 + jw
__
1
2 + jw
_
=
1
2 −w
2
+ 3jw
En el siguiente problema, presentamos una aplicación de la Transformada de Fouri-
er en la solución de las ecuaciones diferenciales.
Ejemplo:
Resolver la siguiente ecuación diferencial,
y

+ y = H(t)e
−t
Solución:
Para resolver la ecuación diferencial haremos uso de algunas propiedades de la Trans-
formada de Fourier así como el uso de algún par de Trasformadas, para finalmente
aplicar el teorma de Convolución. Si aplicamos la Transformada de Fourier a la ecuación
diferencial obtenemos,
T [y

] +T [y] = T
_
H(t)e
−t
¸
si escribimos,
T [y] = F(w)
y aplicando la propedad de derivación de la Transformada de Fourier obtenemos,
jwY (w) +Y (w) =
1
1 + jw
es decir,
Y (w) =
1
(1 + jw)
2
=
1
(1 + jw)

1
(1 + jw)
de donde,
y(t) = T
−1
[Y (w)]
= T
−1
_
T
_
H(t)e
−t
¸
T
_
H(t)e
−t
¸¸
148 2. Análisis de Fourier
obsérvese que en la ecuación anterior aplicamos el par de transformadas
T
_
e
−bt
H(t)
¸
=
1
b + jw
.
De esta forma al aplicar convolución obtenemos,
y(t) = T
−1
_
T
_
H(t)e
−t
∗ H(t)e
−t
¸¸
= H(t)e
−t
∗ H(t)e
−t
=
_

−∞
H(τ)e
−τ
H(t −τ)e
−(t−τ)

= e
−t
_

−∞
H(τ)H(t −τ)dτ.
Para resolver la integral anterior, analicemos las funciones de Heaviside en el inte-
grando.
H(τ) =
_
1 si τ > 0
0 si τ < 0
H(t −τ) =
_
1 si t > τ
0 si t < τ
de donde,
H(τ)H(t −τ) =
_
1 si 0 < τ < t
0 si τ < 0 & τ > t
Por lo tanto, las integrales de la ecuación (52) resultan ser de la forma,
y(t) = e
−t
_

−∞
H(τ)H(t −τ)dτ =
_
e
−t
_
t
0
dτ si τ > 0
0 si τ < 0
es decir,
y(t) = e
−t
_
t
0
dτH(t).
Finalmente al resolver la integral, la solución de la ecuación diferencial está dada
por:
y(t) = e
−t
_
t
0
dτH(t).
o también,
y(t) =
_
te
−t
si t > 0
0 si t < 0
2.10. Convolución y Correlación 149
2.10.3. Teorema de Parselval
Aplicando conceptos básicos de circuitos eléctricos, sabemos que en los sistemas
eléctricos, una señal es un voltaje o una corriente. La potencia instantánea disipada
por una señal de voltaje V (t) en una resistencia R está dada por,
P(t) =
[V (t)[
2
R
,
asimismo, para una señal de corriente,
P(t) = R[I(t)[
2
,
en las ecuaciones anteriores, por supuesto que las unidades son Watts. En ambas ecua-
ciones, la potencia instantánea es proporcional al cuadrado de la magnitud de la señal,
de este modo, si R = 1Ω, estas ecuaciones toman la misma forma; por lo que es común
en el análisis de señales referirse a la potencia instantánea asociada a una señal dada
por f(t) de la forma,
P(t) = [f(t)[
2
.
Aunque la expresión anterior pudiera no tener las dimensiones adecuadas, la con-
vención implica multiplicar o dividir por una resistencia adecuada. De acuerdo con
esta convención, la energía disipada por una señal en un intervalo de tiempo (t
1
, t
2
)
está dada por,
E =
_
t
2
t
1
[f(t)[
2
dt,
en Joules por supuesto. Asi la potencia promedio disipada por una señal en un inter-
valo de tiempo (t
1
, t
2
) está dada por,
P =
1
t
2
−t
1
_
t
2
t
1
[f(t)[
2
dt.
De lo anterior, se define como una señal de energía para la cual el resultado de la
ecuación anterior es finito, es decir, aún cuando el intervalo de tiempo sea infinito se
debe cumplir que,
_

−∞
[f(t)[
2
dt < ∞,
en las ecuaciones anteriores, que la función f(t) es compleja, entonces
P =
1
t
2
−t
1
_
t
2
t
1
f(t)f

(t)dt,
donde f

(t) es el complejo conjugado de f(t). Por otro lado, si consideramos la forma
compleja de Fourier de una función f(t) dada por,
f(t) =

−∞
C
n
e
jnw
0
t
150 2. Análisis de Fourier
sustituyendo en la expresión para la potencia promedio,
P =
1
t
2
−t
1
_
t
2
t
1
_

−∞
C
n
e
jnw
0
t

−∞
C

m
e
−jmw
0
t
_
dt,
intercambiando las sumatorias por la integral, (esto siempre se puede hacer si se con-
sidera la convergencia uniforme de las series de Fourier) obtenemos,
P =
1
t
2
−t
1
_

−∞
C
n

−∞
C

m
_
t
2
t
1
e
j(n−m)w
0
t
_
dt,
pero sabemos que,
_
t
2
t
1
e
j(n−m)w
0
t
dt =
_
0 si n ,= m
t
2
−t
1
si n = m
por lo tanto,
P =

−∞
C
n

−∞
C

m
1
t
2
−t
1
(t
2
−t
1
) ,
=

−∞
C
n

−∞
C

m
=

−∞
[C
n
[
2
el resultado anterior se resume en el siguiente teorema.
Teorema de Parselval:
Si se conoce la función del tiempo de una señal f(t), se puede hallar la potencia
promedio para un intervalo de tiempo dado, ésta también se puede hallar si se cono-
cen los coeficientes de la serie de Fourier de dicha función f(t), de esta forma, las
respuestas obtenidas en el dominio de la frecuencia y del tiempo deben coincidir.
Bibliografía
[1] M. W. Zemansky y R. H. Dittman, Calor y Termodinámica, McGrawHill, Madrid
(1998); H. B. Callen, Thermodynamics and an Introduction to Thermostatitics,
Wiley, NewYork (1985); B. H. Wood, Applications of Thermodynamics, Waveland
Press (1991); K. Wark, Termodinámica, McGraw-Hill, México (1987).
[2] J. H. Marden and L. R. Allen, Molecules, muscles, and machines: Universal per-
formance characteristics of motors, PNAS, 99, 4161-4166 (2002).
151