AC Fourier PDF

Apuntes de la asignatura Ampliacin
de Clculo
Ignacio Villanueva Dez
ndice general
Captulo 1. Sucesiones y series de funciones
1. Funciones y espacios funcionales
2. Lmites de sucesiones de funciones
3. Convergencia puntual
4. Convergencia uniforme
5. Convergencia en norma 2
6. Series funcionales
3
3
8
9
10
15
18
Captulo 2. Polinomios y desarrollos en serie de Taylor

1. Introduccin y definiciones
23
23
Captulo 3. Series de potencias

1. Introduccin
29
29
Captulo 4. Series de Fourier

1. Introduccin y definiciones
2. Convergencia de las series de Fourier
35
35
45
Captulo 5. Transformada Integral de Fourier

1. Definicin.
2. Propiedades de la transformada de Fourier
51
51
54
Captulo 6. Aplicaciones a la teora de la seal.

1. Convolucin y filtros
2. Teorema de Nyquist
3. Modulacin de amplitud
57
57
60
63
Bibliografa
65
CAPTULO 1
Sucesiones y series de funciones

1.
Funciones y espacios funcionales
A lo largo de este curso trabajaremos a menudo con funciones f :

I R, donde I ser un intervalo de R. Frecuentemente I ser [0, 1],
o (, +), aunque en general puede ser cualquier intervalo de R.
Tendremos necesidad en muchas ocasiones de hablar de las funciones definidas sobre I. El problema es que el conjunto de todas las
funciones reales definidas sobre un intervalo I es en general demasiado
grande, poco manejable, y la gran mayora de funciones que contiene no
son interesantes para la ingeniera (ni siquiera para la matemtica). Es
por ello que necesitaremos definir espacios funcionales ms pequeos
y manejables y que contengan las funciones interesantes para la ingeniera.
Por ello pasamos a recordar algunas nociones algebraicas necesarias
para poder definir estos espacios:
1.1. Espacios Vectoriales. Comenzamos recordando la nocin
de Espacio Vectorial. Sea E un conjunto en el que tenemos definida
una suma
+ : E E E
de manera que (E, +) es un grupo conmutativo, es decir, + verifica las
siguientes propiedades:
1. Asociatividad, es decir, para todos x, y, z E,
(x + y) + z = x + (y + z)
2. Conmutatividad, es decir, para todos x, y E,
x+y =y+x
3. Existencia de Elemento neutro, es decir, existe un elemento
0 E tal que para todo x E,
x + 0 = x.
4. Existencia de Elemento Simtrico, es decir, para todo x E
existe x E tal que
x + (x) = 0
3
1. SUCESIONES Y SERIES DE FUNCIONES
Sea ahora K = R C el cuerpo de los escalares, y supongamos que

existe un producto
: K E E
con las siguientes propiedades
1. Para todos , K, para todo x E,
() x = ( x)
2. Para todos , K y para todo x E,
( + ) x = x + x
3. Para todos x, y E y para todo K,
(x + y) = x + y
4. Para todo x E
1x=x
(Habitualmente se omite la escritura del punto )
En ese caso decimos que E es un espacio vectorial sobre K.
Ya conocis del curso pasado algunos ejemplos de espacios vectoriales, la mayor parte de ellos finito dimensionales, siendo Rn o Cn
el prototipo de estos. En este curso utilizaremos a menudo, explcita
o implcitamente, espacios vectoriales de dimensin infinita. Veamos
algunos de ellos.
Ejemplo 1.1. Sea R[0,1] el espacio de todas las funciones f : [0, 1]
R. Consideramos en l la suma y el producto puntuales, es decir
(f + g)(x) := f (x) + g(x)
y
(f )(x) = f (x).
Con dichas suma y producto, R[0,1] es un espacio vectorial.
Ejemplo 1.2. Sea C[0, 1] el conjunto de las funciones f : [0, 1]
R continuas, dotado de nuevo con la suma y el producto puntuales.
Entonces C[0, 1] es un subespacio vectorial de R[0,1] . Anlogamente,
C 1 [0, 1], el conjunto de las funciones f : [0, 1] R con derivada
continua tambin es subespacio vectorial de R[0,1] .
Es fcil demostrar que todos los espacios que aparecen en los ejemplos anteriores tienen dimensin infinita. Basta con observar que por
ejemplo el conjunto de vectores {xn ; n N} contenido en todos ellos
es linealmente independiente.
1. FUNCIONES Y ESPACIOS FUNCIONALES
1.2. Normas en un espacio vectorial. Recordamos aqu la

definicin de norma en un espacio vectorial, que quiz sea nueva para
algunos de vosotros.
Dado un espacio vectorial E, una funcin
k k : E [0, +)
se dice una norma si verifica
1. Para todo x E, kxk = 0 si y slo si x = 0
2. Para todo x E y para todo C, kxk = ||kxk, donde ||
denota el valor absoluto o el mdulo de , segn estemos en R
o en C.
3. Para todos x, y E, kx + yk kxk + kyk. A esta propiedad
se le suele denominar propiedad triangular.
La idea de una norma es medir vectores. Nuestra intuicin habitual nos dice que hay una nica forma razonable de medir vectores,
y esta forma de medir se corresponde con la norma eucldea, tambin
llamada por ello norma usual. Sin embargo para muchas aplicaciones
es necesario definir otras normas. Nosotros en este curso trabajaremos
con la norma eucldea y la norma del supremo.
Veamos algunos ejemplos de normas en R3 .
Norma Eucldea. La funcin
k k2 : R3 [0, +)
dada por
k(x, y, z)k2 =
x2 + y 2 + z 2
es una norma, conocida habitualmente como norma eucldea,

norma 2 o norma usual.
Norma del supremo. La funcin
k k : R3 [0, +)
dada por
k(x, y, z)k = max{|x|, |y|, |z|}
es una norma, conocida habitualmente como norma del supremo, o norma infinito.
Norma 1. La funcin
k k1 R3 [0, +)
dada por
k(x, y, z)k1 = |x| + |y| + |z|
es una norma, conocida habitualmente como norma 1.
Ejercicio 1.3. Verificar que cada una de las funciones recin definidas
es efectivamente una norma en R3 .
Ejercicio 1.4. Pintar la bola de centro 0 y radio 1 para cada una
de las normas de arriba, consideradas en R2 .
1.3. Espacios funcionales. Buena parte del contenido de esta
asignatura consistir en el estudio de ciertos comportamientos de funciones. Por ello, en ocasiones ser necesario que trabajemos dentro de
un espacio vectorial cuyos elementos son funciones, y a estos objetos se
les llama espacios funcionales. Por ejemplo, supongamos que estamos
trabajando con funciones f : [0, 1] R. Podramos empezar considerando el espacio (demasiado general) R[0,1] de todas las funciones
de [0, 1] en R. El problema es que este espacio no tiene ningn inters
en las aplicaciones, puesto que da cabida a demasiadas funciones. Las
funciones que tienen inters en ingeniera, y en cualquier aplicacin de
las matemticas, son funciones que tienen algn tipo de buen comportamiento que nos permite utilizarlas.
Para nuestros aplicaciones este ao necesitaremos trabajar con espacios L y espacios L2 . Los primeros son espacios de funciones acotadas, y los segundos son espacios de energa finita, y son los ms
usados en ingeniera. Pasamos a definirlos:
1.4. Los espacios L y L2 . Definiremos estos dos espacios de
manera levemente inexacta pero ms que suficiente para nuestros fines.
Una definicin totalmente correcta de estos espacios requiere las nociones de funcin medible y conjunto de medida nula, lo que excede el
inters de este curso.
Definicin 1.5. Sea Sea I R un intervalo. Definimos L (I)
como el espacio de las funciones f : I R integrables tales que
sup |f (x)| < +.
xI
En ese espacio la funcin

k k : L (I) [0, +)
definida por
kf k = sup |f (x)|
xI
es una norma.
1. FUNCIONES Y ESPACIOS FUNCIONALES
Definicin 1.6. Sea I R un intervalo. Definimos L2 (I) como el

espacio de las funciones f : I R integrables tales que
Z
f 2 (t)dt < +.
I
En ese espacio la funcin

k k2 : L2 (I) [0, +)
definida por
Z
kf k2 =
12
f (t)dt
2
es una norma.
Observacin. Ntese que en ambas definiciones pedimos que las
funciones sean integrables. Esto no supone ninguna limitacin en la
prctica, ya que recordad que aprendisteis en primero que toda funcin continua a trozos, es decir con a lo sumo una cantidad finita o
numerable de discontinuidades, es integrable. Todas (o el 9999 %) las
funciones utilizadas en ingeniera son integrables.
Observacin. Cuando I = [a, b] usamos la notacin L2 [a, b], o
L [a, b]. Si I = R usamos la notacin L2 (R) o L (R).
Observacin. El contenido de esta nota es slo para aquellos
alumnos interesados en los aspectos ms formales de la asignatura.
Los restantes pueden omitir su lectura sin remordimientos.
Ntese que al intentar verificar que las funciones arriba definidas
son normas, uno se encuentra con funciones que no son 0 cuya norma
es 0. Por ejemplo si definimos la funcin
f (x) =
si x = 0
si x 6= 0
entonces f es una funcin integrable, f no es la funcin 0 y sin

embargo kf k1 = kf k2 = 0. La solucin a este problema se obtiene
formalmente considerando en realidad L o L2 como el espacio cociente
de los anteriores por la relacin de equivalencia f g si y slo si
f (t) = g(t) en casi todo punto.
No resulta obvio el porqu de estas definiciones. S parece razonable definir y utilizar el espacio L de las funciones de supremo acotado, pues en muchas ocasiones es una condicin muy fcil de verificar.
Adems, nos interesar de ellos no slo el espacio en s, sino tambin

la norma k k que aparece en su definicin, puesto que veremos ms
adelante que la convergencia uniforme de funciones es precisamente la
convergencia en esta norma.
En cuanto a los espacios L2 , intentar explicaros su importancia,
aunque slo lo entenderis realmente cuando hayis trabajado con ellos,
tanto de forma terica como prctica.
Desde el punto de vista matemtico, notad que la norma k k2 viene
definida como la norma eucldea en Rn , sustituyendo un sumatorio por
una integral (y ya deberais saber que esta es la forma de pasar de lo
discreto a lo continuo). Esto hace que los espacios L2 sean buenos
(formalmente se llaman espacios de Hilbert) y se caracterizan porque
son los nicos espacios vectoriales infinito dimensionales en los que
siguen siendo vlidos muchos aspectos de nuestra intuicin geomtrica
habitual.
Desde el punto de vista fsico, cuando f (t) represente algn tipo
de seal, la norma kf k2 va a ser su energa, por lo que la condicin
f L2 se interpretar como que la energa de f sea finita, y obviamente
estas van a ser las nicas funciones interesantes. En concreto, si f (t)
representa el voltaje de una onda electromagntica como funcin del
tiempo, f 2 (t) es (salvo producto por una constante) su potencia (esto
se entiende en un curso elemental de electromagnetismo), por lo que
Rb 2
f (t)dt representa (salvo producto por una constante) la energa de
a
la onda en el intervalo temporal [a, b]. Por tanto, pedir que f pertenezca
a L2 [a, b] equivale a pedir que f no sea demasiado discontinua (esto es
ms o menos la integrabilidad) y que su energa sea finita en [a, b].
Ambas peticiones son muy razonables, de forma que cualquier onda
con la que eventualmente trabajis en un problema real pertenecer a
L2 .
2.
Lmites de sucesiones de funciones
Suponemos bien conocida la nocin de lmite de una sucesin numrica (an ) R (y por favor, dado que esta nocin va a ser absolutamente
bsica este curso, cualquier duda que tengis o que os surja acerca de
ella preguntadla, en clase o en tutoras).
Queremos ahora extender esa nocin de lmite de una sucesin de
nmeros a la de lmite de una sucesin de funciones (fn ).
Empezaremos poco a poco: Suponed un intervalo I R, para fijar
ideas supongamos el intervalo [0, 1]. Una sucesin de funciones definidas
3. CONVERGENCIA PUNTUAL
en este intervalo no es ms que una coleccin (fn )nN de funciones

donde, para cada n N, fn es una funcin fn : [0, 1] R.
Puesto que s que a menudo hay confusin en este punto, notad por
favor que en una sucesin (fn ) hay dos variables en juego, la n y la
x:
Por un lado la n, que va tomando valores naturales, y por otro lado,
fijado cualquier n0 N, fn0 es una funcin que a cada valor x [0, 1]
le asigna el nmero fn0 (x), por tanto la variable x va tomando valores
reales en el intervalo I (en este caso el [0, 1]). Procurad distinguir bien
entre ambas variables y observad el distinto papel que juega cada una.
Una vez definida la nocin de sucesin de funciones, empezamos a
estudiar la nocin de lmite de una sucesin de funciones.
Aunque quizs no resulte inmediatamente obvio, veremos que hay
diferentes formas de definir la nocin de lmite de una sucesin de
funciones. En este curso estudiaremos varias de esas definiciones.
Empezamos con las dos ms bsicas, la convergencia puntual y la
convergencia uniforme.
3.
Convergencia puntual
Definicin 3.1. Sea I R un intervalo, y para cada n N,

sea fn : I R una funcin. Decimos que la sucesin (fn ) converge
puntualmente a la funcin f : I R si para cada x0 I se tiene
lm fn (x0 ) = f (x0 )
Observacin. Ntese que, para todo n N, fn (x0 ) es un nmero

(y no una funcin) por lo que el lmite que aparece en la definicin es
el lmite ya conocido de una sucesin numrica
Observacin. Notad que necesitamos que todas las fn estn definidas
en el mismo intervalo I, y que en ese mismo intervalo es donde estar
definida la funcin lmite f si existe.
Ejemplo 3.2. Para cada n N sea fn : [0, 1] R la funcin
definida como
si 0 x 1 n1
0
fn (x) =
nx + 1 n
si 1 n1 x 1
Comprobar que la sucesin (fn ) converge puntualmente a la funcin
f( x) =
si 0 x < 1
si x = 1
10
Ejemplo 3.3. Comprobar que la sucesin (xn )n N converge puntualmente en el intervalo [0, 1] a la misma funcin que el ejemplo anterior.
De los dos ejemplos anteriores podra desprenderse que la funcin
lmite f toma siempre un nmero finito de valores (y mi experiencia me
ensea que algunos de vosotros lo interpretis efectivamente as. Para
ver que esto no es cierto, estudiad el siguiente ejemplo:
Ejemplo 3.4 (Septiembre 2003). Para todo n 1, sea

0
si 0 x n1
fn (x) =
x n1 si n1 x 1
Entonces, la sucesin (fn )nN converge puntualmente en el intervalo
[0, 1] a la funcin f (x) = x.
En efecto, sea x0 > 0 y sea n0 N tal que
todo n > n0 , fn (x0 ) = x0 n1 , y por tanto
lm fn (x0 ) = lm x0
n
1
n0
< x0 . Entonces, para
1
= x0 .
n
Por otro lado, est claro que

lm fn (0) = 0,
n
de donde se sigue que la sucesin (fn ) converge puntualmente a la funcin f (x) = x en el intervalo [0, 1].
La idea de la convergencia puntual es que, punto a punto, la sucesin converge, es decir, que para cada x0 I, la sucesin (fn (x0 ))n
converge. Esta parece ser la nocin ms intuitiva de lmite de una sucesin de funciones. El problema que presenta es que no mantiene necesariamente las buenas propiedades de las funciones de la sucesin: los
ejemplos 3.2 y 3.3 nos muestran cmo el lmite de una sucesin de funciones continuas no tiene por qu ser una funcin continua. Lo mismo
ocurre con la derivabilidad y la integrabilidad, que no se mantienen
necesariamente.
4.
Convergencia uniforme
Esto hace que sea conveniente en ocasiones trabajar con otro tipo
de convergencia, la convergencia uniforme, que s mantiene las buenas
propiedades de las funciones, como veremos ms adelante. A cambio
por supuesto hay que pagar un precio, y este es que la convergencia
uniforme es ms restrictiva que la convergencia puntual: si una sucesin
4. CONVERGENCIA UNIFORME
11
de funciones converge uniformemente tambin lo hace puntualmente,

sin embargo una sucesin puede converger puntualmente y no hacerlo
uniformemente, como veremos en los ejemplos.
La idea de la convergencia uniforme es, esencialmente, definirla como la convergencia en la norma k k .
Para que se entienda ms fcilmente la definicin, veamos primero
un razonamiento con sucesiones numricas.
Sea (an )n R una sucesin de nmeros reales. Notemos que decir
lm an = a
es lo mismo que decir

lm an a = 0
y esto a su vez es equivalente a decir

lm |an a| = 0.
(La ltima equivalencia es un ejercicio tpico de primer curso:

lm an = 0 si y slo si lm |an | = 0.)
As pues, podemos pensar que la definicin de lmite nos dice que

el lmite de una sucesin es a si y slo si la distancia de la sucesin a a
tiende a 0.
Podemos entonces pensar en transportar esta versin de la definicin de lmite, sustituyendo los escalares por funciones y el valor absoluto por norma. Elegimos primero la norma infinito, y llegamos as a
la definicin de convergencia uniforme:
Definicin 4.1. Sea I R un intervalo y para cada n N, sea
fn : I R una funcin. Decimos que la sucesin (fn ) converge uniformemente a la funcin f : I R si
lm kfn f k = 0
equivalentemente, si
lm sup{|fn (x) f (x)|} = 0
n xI
Es fcil ver que la convergencia uniforme implica la convergencia

puntual:
Proposicin 4.2. Sea I R un intervalo y para cada n N, sea
fn : I R una funcin. Si la sucesin (fn ) converge uniformemente
a la funcin f : I R, entonces (fn ) tambin converge puntualmente
a la misma funcin f .
12
Demostracin. Sea x0 I. Puesto que sabemos por hiptesis

que
lm sup{|fn (x) f (x)|} = 0,
n xI
y adems claramente
|fn (x0 ) f (x)| sup{|fn (x) f (x)|},
xI
se sigue que
lm |fn (x0 ) f (x0 )|} = 0,
lo que implica que

lm fn (x0 ) = f (x0 ),
lo que concluye la demostracin.
Sin embargo, el recproco no es cierto; es decir, una sucesin puede

converger puntualmente y no hacerlo uniformemente, como vemos en
alguno de los siguientes ejemplos.
Ejemplo 4.3 (Septiembre 2003).
Para todo n 1, sea

0
si 0 x n1
fn (x) =
x n1 si n1 x 1
Entonces, la sucesin (fn )nN converge puntual y uniformemente en
el intervalo [0, 1] a la funcin f (x) = x.
En efecto, sea x0 > 0 y sea n0 N tal que n10 < x0 . Entonces, para
todo n > n0 , fn (x0 ) = x0 n1 , y por tanto
1
lm fn (x0 ) = lm x0 = x0 .
n
n
n
Por otro lado, est claro que
lm fn (0) = 0,
n
de donde se sigue que la sucesin (fn ) converge puntualmente a la funcin f (x) = x en el intervalo [0, 1].
Estudiemos ahora si la convergencia es uniforme. Para ello es necesario calcular
lm sup |fn (x) x|.
n
Para ello, calculemos previamente supx |fn (x) x|: Para todo x n1 ,
1
1
|fn (x) x| = |x x| = .
n
n
4. CONVERGENCIA UNIFORME
13
Por otro lado, si x < n1 ,

|fn (x) x| = |0 x| = x <
Por tanto, supx |fn (x) x| =
1
n
1
.
n
lm sup |fn (x) x| = 0,

n
lo que implica que la convergencia es uniforme.

Ejemplo 4.4. Para todo n 1, sea
nx
si 0 x n1
2 nx si n1 x n2
fn =
0
si n2 x 1
Entonces, la sucesin (fn )nN converge puntualmente pero no uniformemente en el intervalo [0, 1] a la funcin f (x) = 0.
En efecto, para x = 0, fn (0) = 0 para todo n N, y por tanto
lm fn (0) = 0
Si fijamos ahora un x 6= 0 en el intervalo [0, 1], existe n0 N tal

que, para todo n n0 , fn (x) = 0, y por tanto, de nuevo
lm fn (x) = 0
Es decir, para todo x [0, 1],

lm fn (x) = f (x),
con f (x) = 0 para todo x [0, 1], es decir, la sucesin converge puntualmente.
Sin embargo la sucesin (fn )n no converge uniformemente en [0, 1].
Para ver esto aplicamos la definicin.
fn converge uniformemente a f si
lm kfn f k = lm sup |fn (x) f (x)| = 0
n x[0,1]
Es fcil ver que, para todo n N,

sup |fn (x) f (x)| = sup |fn (x)| = 1
x[0,1]
x[0,1]
(Esto est claro si se representa fn grficamente. En cualquier caso,

ntese que fn ( n1 ) = 1)
14
Por tanto,
lm kfn f k = lm 1 = 1 6= 0,
es decir, la convergencia no es uniforme.

Ejemplo 4.5. Estudiar la convergencia puntual y uniforme de la
siguiente sucesin de funciones:
(1)
fn (x) =
2nx2
, xR
n2 x4 + 1
Solucin: Vemos fcilmente que lmn fn (x) = 0. Observamos

adems que fn (0) = 0 y que para x 6= 0, fn (x) > 0.
La sucesin fn (x) converge pues puntualmente a la funcin f (x) =
0.
Para estudiar la convergencia uniforme buscamos supxR |fn (x)0|.
Ahora bien, supxR |fn (x) 0| = fn (x0 ), donde x0 es un punto que
2 x4
necesariamente anula la derivada. Calculemos fn0 (x) = 4nx (n1n
2 x4 +1)2 .
Luego fn0 (x0 ) = 0 x0 = 1n .
Asi,
(2)
1
sup |fn (x)| = fn ( .) = 1.
n
xR
La convergencia no es uniforme en R.
Hallemos ahora en qu partes de R la convergencia es uniforme.
Para ello basta observar que fn0 (x) < 0 para n > a12 , donde a > 0.
Entonces dado que fn (x) es decreciente en el intervalo ]a, +[ y que
(3)
sup |fn (x)| = fn (a) =

x[a,+[
2na2
.
n 2 a4 + 1
tendremos que lmn fn (a) = 0.

La convergencia ser uniforme en los intervalos de la forma [a, +)
y (, a].
5. CONVERGENCIA EN NORMA 2
15
4.1. Propiedades de la convergencia uniforme. La convergencia puntual no conserva la continuidad, tal y como muestran los
ejemplos anteriores. Uno de los motivos por los que se introduce la
nocin de convergencia uniforme es porque mejora la convergencia,
en el sentido de que pasa a respetar la continuidad y la integrabilidad
y, con hiptesis adicionales, la derivabilidad. En concreto tenemos los
siguientes resultados cuya demostracin, si bien no es difcil, omitimos.
Teorema 4.6. Sea (fn ) una sucesin de funciones fn : [a, b] R
para cada n N. Supongamos que (fn ) converge uniformemente a la
funcin f : [a, b] R. Entonces se tiene:
1. Si (fn ) es continua en [a, b] para cada n N entonces f es
continua.
2. Si (fn ) es integrable en [a, b] para cada n N entonces f es
integrable.
Teorema 4.7. Sea (fn ) una sucesin de funciones fn : [a, b] R
para cada n N. Supongamos que, para cada n N, fn es derivable en
[a, b], y sea fn0 su derivada. Supongamos adems que la sucesin (fn0 )
converge uniformemente a una funcin g : [a, b] R y que existe
x0 [a, b] tal que existe el lmn fn (x0 ). Entonces existe f : [a, b] R
derivable en [a, b], tal que f 0 = g y tal que (fn ) converge uniformemente
a f.
No os perdis: el teorema dice que si tengo una sucesin de funciones derivables cuyas derivadas convergen uniformemente y adems
la sucesin original converge en al menos un punto, entonces la sucesin original va a converger uniformemente y, lo que ms nos interesa,
la funcin a la que converge es a su vez derivable, es decir se mantiene
la derivabilidad cuando hay convergencia uniforme de las derivadas.
5.
Convergencia en norma 2
Una vez estudiada la convergencia uniforme, es muy fcil definir

anlogamente otras formas de convergencia, sustituyendo la norma del
supremo por otras normas. Estudiaremos el caso de la convergencia
en norma 2, o convergencia en media cuadrtica, que nos resultar
interesante ms adelante.
Definicin 5.1. Sea I R un intervalo y para cada n N, sea
fn : I R una funcin. Decimos que la sucesin (fn ) converge en
media cuadrtica, o en norma 2 a la funcin f : I R si
lm kfn f k2 = 0
16
equivalentemente, si
Z
lm
21
(fn (t) f (t))2 dt
=0
Esta es la definicin para funciones con valores reales. Veremos ms

adelante el caso de funciones con valores complejos.
Veamos en primer lugar que las relaciones con las otras formas de
convergencia estudiadas no son tan fciles como antes. Nos limitaremos
a estudiar el caso en que I es un intervalo acotado, por ejemplo el [0, 1].
La situacin cambia esencialmente si I no est acotado.
Proposicin 5.2. Si I es un intervalo acotado, entonces para toda
f : I R, la norma 2 de f en I es menor o igual que una constante
por la norma del supremo de f en I.
Demostracin. Sea f : I R. Entonces
21
Z
Z 21
p
2
2
f (t)dt
kf k dt
= kf k (I),
kf k2 =
I
donde (I) es la longitud del intervalo.
Con esa proposicin es fcil probar lo siguiente.

Demostracin. Para cada n N, sea fn : I R. Si la sucesin
(fn ) converge uniformemente a f : I R, entonces tambin converge
en media cuadrtica.

Demostracin. En efecto, por la proposicin anterior y por la
hiptesis, se tiene que
p
0 lm kfn f k2 (I) lm kfn f k = 0
n

La recproca no es cierta. Veamos con un ejemplo que hay sucesiones
que convergen en media cuadrtica y no lo hacen uniformemente.
Ejercicio 5.3. Para todo n 1, sea
nx
si 0 x n1
2 nx si n1 x n2
fn =
0
si n2 x 1
Demustrese que (fn ) converge en media cuadrtica a 0, pero no converge uniformemente.
5. CONVERGENCIA EN NORMA 2
17
Las relaciones con la convergencia puntual son menos claras, y para

entenderlas correctamente habra que estudiar con algo ms de detalle
el espacio L2 . Veamos ahora simplemente con un par de ejemplos que
ninguna de las formas de convergencia implica la otra.
Ejercicio 5.4. Para todo n 1, sea
2
1
si 0 x 2n
2n x
1
< x < n1
2n2 x + 2n si 2n
fn =
0
si 1n x 1
Demustrese que la sucesin (fn ) converge puntualmente a la funcin
constante de valor 0, pero que no converge en media cuadrtica.
Ejercicio 5.5. Para todo k N, considrense las funciones fk1 , . . . , fkk :
[0, 1] R dadas por

1
si 1i
< x ki
i
k
fk =
0 para los restantes valores de x [0, 1]
Consideramos entonces la sucesin de funciones
f11 , f21 , f22 , f31 , f32 , f33 . . .
Comprubese que la sucesin de funciones as definida no converge
puntualmente en ningn punto, y en cambio s converge en norma 2 a
la funcin constante de valor 0. Esto ltimo se sigue porque, para todo
k N y para todo 1 i k se verifica que
r
1
i
kfk k2 =
.
k
Lo anterior eran las malas noticias. Las buenas son que s podemos
decir algo, aunque no mucho. La demostracin de la siguiente proposicin no es fcil y no la incluiremos. En realidad tampoco usaremos este
curso la proposicin misma, sino el corolario que la sigue.
Proposicin 5.6. Supongamos que la sucesin de funciones (fn )
converge en norma 2 a la funcin f . Entonces existe una subsucesin
(fnk ) tal que fnk converge a f en casi todo punto.
Como ya he dicho, no necesitaremos esta proposicin, pero el siguiente corolario s puede ser til en ocasiones.
Corolario 5.7. Si la sucesin (fn ) converge puntualmente a la
funcin f , y si adems sabemos que la sucesin (fn ) converge en norma
kk2
2, entonces necesariamente fn f .
18
Para nosotros la utilidad principal de dicho corolario es la siguiente:

supongamos que nos dan una sucesin de funciones (fn ) y nos preguntan si dicha sucesin converge en norma 2. Si sabemos que (fn ) converge
puntualmente a f , entonces ya sabemos que f es la nica funcin a la
que (fn ) podra converger en norma 2.
Finalmente, veamos con un sencillo ejemplo que la convergencia en
norma 2 no mantiene la continuidad.
Ejemplo 5.8. Para todo n 1, sea
si 0 x 12 n1
1
n x + n4 + 12 si 12 n1 x 21 + n1
fn =
2
0
si 21 + n1 x 1
1
2
Es decir, fn es continua, vale 1 desde 0 hasta 21 n1 , vale 0 desde

+ n1 hasta 1 y vara linealmente de 1 a 0 en el resto.
Comprobar que la sucesin (fn ) converge en norma 2 a (y puntualmente a la funcin
1
1 si 0 x < 2
1
si x = 12
f (x) =
2
0 si 21 < x 1
Obsrvese que a efectos de la convergencia en media cuadrtica,
podemos definir f ( 12 ) como queramos.
6.
Series funcionales
Nuestro inters por la convergencia de sucesiones funcionales en

este curso se debe a que tendremos que estudiar en ocasiones series
funcionales.
Para definir series funcionales uno intenta proceder como en el caso
de la definicin de serie numrica. Recordemos:
si tenemos una sucesin
P
(xn ), para definir su serie asociada n=1 xn se considera la sucesin de
sumas parciales
m
X
sm :=
xn
n=1
y a continuacin se define
m
X
X
xn := lm sm = lm
xn .
n=1
n=1
6. SERIES FUNCIONALES
19
P
Para definir una serie funcional
n=1 fn cuando fn : I R es
una sucesin de funciones procedemos exactamente igual: definimos la
sucesin de sumas parciales
Sm :=
m
X
fn
n=1
(ntese que, para cada m N, Sm es una funcin bien definida en

el intervalo I, puesto que se trata simplemente de una suma finita de
funciones)
y a continuacin definimos
X
n=1
fn := lm Sm = lm
m
m
X
fn .
n=1
La novedad ahora es que si bien la nocin de convergencia (lmite)

est unvocamente definida en el caso de nmeros reales, en el caso de
las funciones tenemos varias nociones de convergencia (ya hemos estudiado tres de ellas, la puntual, la uniforme y la convergencia en media
cuadrtica), por lo que tenemos
P que precisar a cual de ellas nos referimos. Diremos que la serie n=1 fn converge, si la sucesin de sumas
parciales converge puntualmente. Si, adems, la sucesin de sumas parciales converge uniformemente entonces decimos que la serie converge
uniformemente. Formalizamos a continuacin lo dicho anteriormente:
Definicin 6.1. Sea I R un intervalo y sea (fn ) una sucesin
de funciones fn P
: I R. Definimos las funciones
Sm : I R
P
m
como Sm (x) =
n=1 fn converge
n=1 fn (x). Decimos que la serie
(puntualmente) a f : I R si, para cada x I,
lm Sm (x) = f (x)
m
y lo escribimos
fn (x) = f (x).
n=1
Si adems la sucesin
P (Sm ) converge uniformemente a f , entonces
decimos que la serie n=1 fn converge uniformemente a f : I R.
P
Observacin. Si n fn converge uniformemente a f en un intervalo [a, b] y las funciones fn son continuas (respectivamente integrables)
en [a, b] entonces el Teorema 4.6 nos garantiza que f es continua (resp.
integrable) en [a, b], y un razonamiento anlogo se puede hacer con la
derivabilidad usando el Teorema 4.7.
20

serie
X xn
n!
n
en los intervalos [0, a] y [0, ).
En general no resulta totalmente obvio determinar la convergencia o
divergencia de una serie numrica, y este problema se complica algo ms
en el caso de la convergencia de una serie funcional. Por ello enunciamos
a continuacin un criterio bastante til (cuando se puede aplicar) a la
hora de determinar la convergencia de una serie funcional.
Antes de enunciarlo
recordemos una nocin del curso anterior: una
P
serie numrica n an se dice absolutamente convergente si la serie
X
|an |
n
converge. Visteis el curso anterior que si una serie es absolutamente

convergente entonces es convergente, mientras que el recproco no tiene
por qu ser cierto.
Veamos ya el criterio de Weierstrass:
Teorema 6.3 (Criterio M de Weierstrass). Sea (fn ) una sucesin
de funciones fn : I R y sea (Mn ) R una sucesin numrica que
verifica las dos condiciones siguientes
1. Para cada n N y para cada x A,
|fn (x)| Mn
2. La serie
Mn converge
Entonces
P existe una funcin f : I R tal que, para todo x I
la
P serie n fn (x) converge (absolutamente) a f (x). Adems, la serie
n fn converge uniformemente a f .
P
Demostracin. Veamos en primer lugar que la serie n fn converge puntualmente (y absolutamente).
Para esto hay que ver que, para
P
cada x0 I, la P
serie numrica n fn (x0 ) converge. Para ello vamos a
ver que la serie n |fn (x0 )| converge, y para ver esto ltimo utilizamos
el criterio de comparacin: puesto que
|fn (x0 )| Mn
P
y puesto
P que n Mn converge, el criterio
P de comparacin nos garantiza
que n |fn (x0 )| converge, es decir, n fn (x0 ) converge absolutamente.
6. SERIES FUNCIONALES
21
Una vez que hemos probado la convergencia puntual, tenemos garantizada la existencia de una funcin f : I R tal que, para cada x I,
X
f (x) =
fn (x).
n
Veamos ahora que, de hecho, n fn converge absolutamente a f .

En efecto

)
(
m
m

X
X

lm f
fn = lm sup f (x)
fn (x) =
m
m xI

n=1
n=1
)
(
)
(

X
X

|fn (x)|
= lm sup
fn (x) lm sup
m xI
m xI

n=m+1
n=m+1
lm
Mn = 0,
n=m+1
y por tanto la convergencia es uniforme.
Veremos en los ejercicios varias aplicaciones del criterio M de Weierstrass. En particular, conviene mencionar que el Teorema de Abel de
la convergencia de series de potencias es una sencilla aplicacin de este
criterio.
CAPTULO 2
Polinomios y desarrollos en serie de Taylor

1.
Introduccin y definiciones
Buena parte de los contenidos de esta asignatura girarn en torno

a la nocin de una serie (finita o infinita) de funciones que aproxima o
converge a una funcin dada.
El caso ms elemental de esta situacin son los polinomios (sumas
finitas) y desarrollos en serie (sumas infinitas) de Taylor.
El problema es el siguiente: tenemos una funcin f cualquiera (y
por lo tanto poco manejable) y queremos aproximarla por medio de
polinomios, que son funciones muy bien conocidas y con muy buenas
propiedades que nos permiten manejarlas cmodamente.
Es fcil ver que si la propia f no tiene algn tipo de buen comportamiento no vamos a poderla aproximar por polinomios. El buen
comportamiento que vamos a necesitar para poder calcular polinomios
de Taylor es que f sea continua y varias veces (quizs infinitas) derivable.
Supongamos pues inicialmente que f es tantas veces derivable como
necesitemos y veamos cmo podramos aproximarla por polinomios.
Una forma razonable de comenzar a pensar en el problema es intentar aproximar un polinomio por polinomios, con lo que por supuesto
deberamos llegar a que el mejor polinomio aproximante es precisamente el polinomio inicial.
Notamos entonces que si tenemos un polinomio P (x) = an xn +
a2 x2 + a1 x + a0 entonces
P (0) = a0
P 0 (0) = a1
P 00 (0) = 2a2
..
.
P n) (0) = n!an
P n+1) (0) = 0
23
24
2. POLINOMIOS Y DESARROLLOS EN SERIE DE TAYLOR
P n+2) (0) = 0
..
.
por lo que
Pn (x) =
n
X
P k) (0)
k=0
k!
x =
X
P k) (0)
k=0
k!
xk .
Esto nos permite tener esperanzas de que la siguiente definicin sea

til.
Definicin 1.1. Sea I R un intervalo y sea f : I R R
una funcin n-veces derivable en x0 I. Se llama polinomio de Taylor
de la funcin f de grado n y centrado en el punto x0 a:
Pn,x0 (x) =
n
X
f k) (x0 )
k=0
k!
(x x0 )k .
El teorema de Taylor nos dir que el polinomio de Taylor aproxima

a la funcin f , tanto mejor cuanto mayor sea n y ms cerca estemos
de x0 . Enunciamos y demostramos el teorema para x > x0 , pero por
supuesto se puede dar una versin similar para x < x0 .
Teorema 1.2 (Teorema de Taylor). Sea f : [x0 , x] R una
funcin n + 1 veces derivable en [x0 , x]. Entonces
f (x) Pn,x0 (x)
=0
xx0
(x x0 )n
Adems, si definimos el resto de Taylor como Rn,x0 (x) = f (x)
Pn,x0 (x) entonces se tiene que existe t (x0 , x) tal que
lm
Rn,x0 (x) =
f n+1) (t)
(x x0 )n+1 .
(n + 1)!
Demostracin. El primer lmite se puede probar por induccin:

Si n = 1
f (x) Pn,x0 (x)
f (x) f (x0 ) f 0 (x0 )(x x0 )
=
l
m
=
xa
xa
(x x0 )n
(x x0 )
lm
f (x) f (x0 )
f 0 (x0 ) = 0,
xa
x x0
por la definicin de derivada.
Supongamos ahora el resultado cierto para n 1 y consideremos el
caso n.
lm
1. INTRODUCCIN Y DEFINICIONES
lm
xa
25
f (x) Pn,x0 (x)

=
(x x0 )n
n)
f (x) f (x0 ) f 0 (x0 )(x x0 ) . . . f n!(x0 ) (x x0 )n

= lm
.
xa
(x x0 )n
Tanto el numerador como el denominador tienden a 0, y ambos son
derivables, por lo que aplicamos el teorema de LHopital y llegamos a
lm
f 0 (x) f 0 (x0 )
xa
2f 00 (x0 )(xx0 )
2!
...
n(x x0 )n1
nf n) (x0 )
(x
n!
x0 )n1
y ahora aplicamos la hiptesis de induccin a la funcin f 0 y obtenemos que el lmite de arriba vale 0. (Pensadlo despacio; si no lo veis,
haced primero los casos n = 2 y n = 3).
Demostramos a continuacin la frmula del resto.
Sea
n
X
f k) (t)
(x t)k
s(t) = f (x)
k!
k=0
Entonces
s0 (t) =
f n+1) (t)
(x t)n
n!
Sea ahora
g(t) = (x t)n+1
Entonces
g 0 (t) = (n + 1)(x t)n
Por el teorema del valor medio de Cauchy existe un t (x0 , x) tal que
s(x) s(x0 )
s0 (t)
f n+1) (t)
= 0
=
g(x) g(x0 )
g (t)
(n + 1)!
como s(x) = g(x) = 0 y s(x0 ) = Rn,x0 (f )(x) se tiene que existe
t [x0 , x] tal que
Rn,x0 (f )(x) =
f n+1) (t)
(x x0 )n+1
(n + 1)!
Observacin. Existen varias expresiones posibles para el resto de

Taylor. Aunque para nosotros este ao es suficiente con la enunciada ms arriba, enuncio a continuacin otras dos expresiones tiles en
ciertos contextos.
26
2. POLINOMIOS Y DESARROLLOS EN SERIE DE TAYLOR
1. Frmula del resto de Cauchy. Existe t (x, x0 ) tal que

f n+1) (t)
(x t)n (x x0 ).
(n + 1)!
2. Frmula integral del resto. Si adems f n+1) es integrable sobre
[x0 , x] entonces existe t (x0 , x) tal que
Z x n+1)
f
(t)
Rn,x0 (x) =
(x t)n dt.
n!
x0
Rn,x0 (x) =
Lo que nos dice el Teorema de Taylor es que si conocemos el valor

de una funcin y sus derivadas en un punto x0 , entonces podemos
aproximar el valor de la funcin en un punto x por un polinomio, y la
aproximacin ser tanto mejor cuanto ms cerca est el punto y cuantas
ms derivadas consideremos.
Ejemplo 1.3. Calcular los polinomios de Taylor de grado n centrados en el 0 de las funciones ex , sin x y cos x
Ejemplo 1.4. Utilizar los polinomios de Taylor para calcular, con
una precisin mejor que 105 los nmeros e y sin 1
Ejemplo 1.5 (Septiembre 2003). Calcular el polinomio de Taylor
de grado 3 de la funcin log x centrado en el punto 1 y estimar el error
cometido al aproximar log 2 por el polinomio anterior.
El polinomio de Taylor de grado 3 de la funcin log x centrado en
el punto 1 es
(x 1)2 (x 1)3
P3 (x) = x
+
2
3
y por tanto P3 (2) = 56 ' 0, 833.
Sabemos que en este caso el resto de Taylor se puede acotar por
6
f iv ()
6
1
4
4
R=
(2 1) =
= = 0, 25.
4!
4!
4!
4
Utilizando la calculadora, podemos ver que log 2 ' 0, 693 y por tanto
el error vale exactamente E ' 0, 14.
Como vemos los polinomios de Taylor aproximan a la funcin tanto

mejor cuanto mayor sea el orden del polinomio (la n). Resulta entonces
natural extender la nocin de polinomio de Taylor a la de serie de
27
Taylor, dejando que n tienda a infinito, y preguntarse si, dada una

funcin infinitamente diferenciable f , la serie de Taylor converge en
todo punto a la funcin f .
Definicin 1.6. Sea f : I R R una funcin infinitamente
derivable en I (esto es, para cada n N existe f n) en I). En ese caso
se llama serie de Taylor de f centrada en x0 a la serie
X
f k) (x0 )
(x x0 )k
k!
k=0
Existe una clase muy amplia de funciones f , llamadas analticas
que verifican que la serie de Taylor converge (al menos puntualmente)
a la funcin f . Obviamente
X
f k) (x0 )
f (x) =
(x x0 )k
k!
k=0
si y slo si Rn,x0 (f )(x) 0 y a menudo sta es la condicin ms fcil
de estudiar.
Para mostrar que puede haber problemas y que es necesario comprobar efectivamente que la serie converge a la funcin original, veamos
un ejemplo de funcin infinitamente derivable cuya serie de Taylor no
converge a la funcin.
Ejemplo 1.7. Comprobar que la funcin
1
e x2
si x 6= 0
f( x) =
0
si x = 0
es infinitamente derivable, y sin embargo la serie de Taylor no converge
a f (x) en ningn x 6= 0.
CAPTULO 3
Series de potencias
1.
Introduccin
Dentro de las series funcionales, resultan especialmente importantes

las series de potencias.
Definimos una serie de potencias centrada en a como una expresin
de la forma
X
an (x a)n
n=0
En lo sucesivo consideraremos todo el tiempo a = 0 por comodidad en la notacin, pero todo lo que digamos se puede generalizar a
cualquier otro a R.
Como siempre que definimos una serie, el problema es la convergencia. En el caso de las series de potencias, el estudio de la convergencia
de la serie es ms sencillo que en las series funcionales generales. El
resultado principal es el siguiente.
P
Teorema 1.1 (Abel). Sea una serie de potencias
n=0 an xn de
P
n
a
modo que existe x0 R tal que la serie (numrica)
n=0 n x0 es convergente. Sea ahora r P
R tal que r < |x0 |. Entonces, para todo x R
n
tal que |x| r la serie
n=0 an x converge absolutamente. Adems se
tiene que la serie de potencias converge uniformemente en el intervalo
[r, r]. Adems la funcin f : [r, r] R definida como
f (x) =
an x n
n=0
es derivable y
0
f (x) =
nan xn1 ,
n=1
es decir, la derivacin se puede hacer trmino a trmino.

P
n
Demostracin.
Sea
n=0 an x , x0 y r como en la hiptesis. Por
P
n
ser n=0 an x0 convergente, se tiene que |an xn0 | 0, por lo que existe
M > 0 tal que |an xn0 | < M para todo n N.
29
30
3. SERIES DE POTENCIAS
Si |x| < r, entonces

n
r
|r|n
.
|an x | = |an ||x| |an ||r| |an ||x0 |
M
x0
|x0 |n
n
Como sabemos que
X
n=0
n
r
M converge
x0

(por que xr0 < 1) el criterio M de Weierstrass (tomando Mn =
n
P

n
M xr0 ) nos garantiza la convergencia uniforme de la serie
n=0 an x
en el intervalo [r, r].
P
n
Para comprobar la derivabilidad de f (x) =
n=0 an x necesitamos
la convergencia uniforme de la serie de las derivadas
P comprobar
n1
na
x
(ver
Teorema I. 4.7).
n
n=1
Tenemos
n1
n1
r
n1
n1
n1
n1 |r|
|nan x | = n|an ||x|
n|an ||r|
n|an ||x0 |
nM
.
n1
|x0 |
x0
Al igual que antes, sabemos que la serie
n1
X
r
converge
nM
x
0
n=1
(esto se puede ver usando el criterio del cociente). Por
tanto, de nuevo
r n1
el criterio M de Weierstrass (tomando Mn = nM x0 ) nos garantiza
P
n1
en
la convergencia uniforme de la serie de las derivadas
n=1 nan x
el intervalo [r, r]. Esto, junto con el Teorema I. 4.7 es suficiente para
garantizar la derivabilidad de f en [r, r] y que
f 0 (x) =
nan xn1 .
n=1

Observacin. Ntese que en las hiptesis del teorema, f 0 (x) vuelve
a ser una serie de potencias en [r, r].
Ejemplo 1.2. Ver lo que ocurre con ex cuya derivada es ella misma, y con sin x, cuya derivada es el coseno.
El teorema anterior nos sugiere la siguiente definicin
1. INTRODUCCIN
31
P
n
Definicin 1.3. Dada una serie de potencias
n=0 an x , se llama
radio de convergencia de la serie al nmero
)
(
X
= sup |x0 | R tales que
an xn0 converge
n=0
Si el conjunto
(
|x0 | R tales que
)
an xn0 converge
n=0
no es acotado, decimos que = +.

Ntese que, puesto que la serie converge para x = 0, 0.
P
n
Teorema 1.4. Sea el radio de convergencia de una serie
n=0 an x .
Entonces ocurre uno de los tres casos siguientes
1. = 0. En ese caso la serie converge para x = 0 y diverge para
todo x 6= 0.
2. 0 < < . En ese caso, para todo r < la serie converge
uniformemente en [r, r] y diverge si |x| > . En los puntos
frontera () la serie puede converger o diverger.
3. = . En ese caso la serie converge para todo x R, y para
todo r > 0 la serie converge uniformemente en [r, r].
Aunque no lo necesitamos
curso, se puede demostrar que,
Pen este
dada una serie de potencias
an xn ,
1
p
=
,
lm supn n |an |
donde lm sup, el lmite superior de una sucesin, viene definido por
lm sup bn = lm {sup bm }.
n
n mn
Para aquellos que no estn familiarizados con esta nocin, mencionaremos simplemente que si una sucesin (an ) tiene lmite, entonces
lm an = lm sup an .
No os sintis excesivamente tentados a usar esta frmula para calcular ; la definicin es mucho ms fcil y lleva a entender y manejar
mejor el concepto.
Observacin. Existe un rumor muy extendido segn el cual
an
= lm
.
n an+1
32
3. SERIES DE POTENCIAS
Desconozco el origen de este rumor, pero en cualquier

caso es falso,
P
como se puede ver sin ms que considerar la serie
sin nxn cuyo radio
de convergencia es 1 (aunque esto no es totalmente obvio) y sin embargo
no existe
an
sin n
lm
= lm
.
n an+1
n sin n + 1
Lo que si es cierto es que si ese lmite existe entonces coincide con .
La demostracin es una consecuencia sencilla del criterio del cociente
de convergencia de series numricas.
Ejemplo 1.5.
Calcular el radio de convergencia de la serie
X
(log n)xn .
n=1
Si x = 1,
(log n)x =
(log n)
n=1
n=1
que no converge puesto que lmn log n = +.

En cambio, sea 0 < x < 1. En ese caso la serie
X
(log n)xn
n=1
converge, como se ve fcilmente aplicando el criterio del cociente:

(log n + 1)xn+1
log n + 1
= lm
x = x < 1.
n
n
n
(log n)x
log n
Por tanto,
= sup{x; 0 x < 1} = 1.
lm
Es importante que notis que la serie de Taylor es un caso especial

de serie de potencias.
serie
X
xn
n=1
n!
en el intervalo [0, 29],

Aunque no es necesario para resolver el ejercicio, obsrvese que la
serie es el desarrollo en serie de Taylor en el origen de la funcin ex .
1. INTRODUCCIN
33
La serie es una serie de potencias, por tanto lo ms fcil es calcular

su radio de convergencia. Eljase x0 > 0. Entonces la serie numrica
X xn
0
n!
n
converge, como se ve fcilmente de muchas formas (por ejemplo por
el criterio del cociente). Puesto que esto ocurre para un x arbitrario,
tenemos que el radio de convergencia es infinito, por lo que hay convergencia uniforme en cualquier intervalo cerrado y acotado, en particular
la serie converge uniformemente en [0, 29].
CAPTULO 4
Series de Fourier
1.
Introduccin y definiciones
Como ya hemos visto, los polinomios y series de Taylor nos permiten

a menudo aproximar una funcin por polinomios, o hallar una serie de
potencias que converja a la funcin.
La idea del anlisis de Fourier es muy similar, slo que ahora nos
plantearemos la aproximacin de una funcin por combinaciones de
funciones seno y coseno elegidas adecuadamente.
Obviamente la primera pregunta que uno se hace es por qu vamos
a querer aproximar una funcin por combinaciones de senos y cosenos?.
Iremos respondiendo a esta pregunta al desarrollar el tema, valga
de momento saber que el anlisis de Fourier se empez a desarrollar
en el siglo XIX (aunque sus antecedentes datan del siglo XVIII) y que
todava est en plena evolucin, no slo de forma terica sino en sus
aplicaciones prcticas.
En particular, para lo que a un ingeniero informtico le interesa,
tanto el anlisis de circuitos como el tratamiento de la seal se hacen
tomando como herramienta bsica el anlisis de Fourier. Recientemente
se ha desarrollado una herramienta nueva, las ondculas (wavelets en
ingls) que suponen un refinamiento del anlisis de Fourier y que estn
teniendo una importancia decisiva en el tratamiento de la seal; por
poneros algunos ejemplos, las wavelets se han usado para comprimir los
archivos digitales de huellas dactilares del FBI, se usan en la mayora
de las pelculas de animacin que se realizan en la actualidad, en los
formatos de imagen jpg (a partir de 2000), en la deteccin de cnceres,
en los estudios geolgicos, etc, etc.
1.1. Funciones peridicas. El problema que vamos a enfrentar

en primer lugar es el de representar adecuadamente una funcin peridica. Para justificar el porqu de estudiar este problema recordemos
que muchas de las ondas electromagnticas usadas en la transmisin de
informacin son funciones peridicas, o van moduladas sobre funciones
peridicas.
35
36
4. SERIES DE FOURIER
Empecemos recordando la definicin de funcin peridica.

Definicin 1.1. Una funcin f : R R se dice peridica si
existe T > 0 tal que, para todo t R,
f (t + T ) = f (t).
En ese caso, al menor de los T que cumple esa igualdad se le denomina
periodo de f .
Ejemplo 1.2. Para todo 0 > 0, las funciones sin 0 x y cos 0 x
son peridicas de periodo
2
T =
0
Notad que si conocemos una funcin peridica en un intervalo de
longitud T ya conocemos el valor de la funcin en todo R. Esto hace que
cuando estudiemos funciones peridicas nos limitamos a algn intervalo
de longitud T , habitualmente el [0, T ] o el [ T2 , T2 ]
1.2.
Ortogonalidad de funciones. Necesitamos otra definicin.
Definicin 1.3. Dadas funciones reales : I R R, un

conjunto { (t); A} de funciones se dice ortogonal sobre I R si,
para todo 6= ,
Z
(t) (t)dt = 0.
I
Observacin. Para que entendis el por qu de llamar ortogonales

a tales funciones, aqu va la explicacin: Dado un espacio vectorial E
se puede definir una nocin abstracta de producto escalar como una
forma bilineal definida positiva, esto es, una funcin
h, i : E E R
separadamente lineal en ambas variables y que verifica que hf, f i 0
para toda f E y hf, f i = 0 si y slo si f = 0. Siempre que tenemos
un producto escalar definido en un espacio vectorial se puede definir
una norma asociada como
p
kf k = hf, f i,
y tambin se puede definir una nocin de ortogonalidad, y en general la
nocin de ngulo entre vectores. La nocin de ortogonalidad se define
como f g si y slo si hf, gi = 0.
Todo esto se aplicaba a un espacio vectorial abstracto E. En el caso
particular del espacio L2 (I), se puede definir
Z
hf, gi = f (t)g(t)dt
I
37
y se demuestra con facilidad que, as definido, h, i es un producto

escalar y que la norma anteriormente definida en L2 (I) es precisamente
su norma asociada. Por tanto, dos funciones
f y g son ortogonales si
R
su producto escalar es 0, es decir, si I f (t)g(t)dt = 0.
Nuestro ejemplo principal de familia ortogonal de funciones es el
siguiente.
Ejemplo 1.4. Para todo 0 > 0, la familia de funciones
{1, sin n0 x, cos m0 x;
es ortogonal sobre [ T2 , T2 ], con T =
n, m N}
2
.
0
Para verificarlo, basta comprobar que

1. Para todo n N,
Z
T
2
sin n0 tdt = 0
T2
2. Para todo n N,
Z
T
2
cos n0 tdt = 0
T2
3. Para todo n 6= m,
Z
T
2
sin n0 t sin m0 tdt = 0

T2
4. Para todo n 6= m,
T
2
cos n0 t cos m0 tdt = 0

T2
5. Para todos n, m N,
Z
T
2
sin n0 t cos m0 tdt = 0

T2
Las dos primeras integrales son inmediatas. Para las tres ltimas
utilizamos las identidades trigonomtricas que expresan sin y cos de
A + B en trminos de sin y cos de A y B, y obtenemos
38
cos(nx) sin(nx)dx
hcos(nx), sin(nx)i =
Z
1 +
=
(sin((m + n)x) + sin((m n)x))dx
2

+
1 cos((m + n)x) cos((m n)x)
=
= 0, (m 6= n)
2
m+n
mn
cos(nx) cos(nx)dx
hcos(nx), cos(nx)i =
Z
1 +
=
(cos((m + n)x) + cos((m n)x))dx
2

+
1 sin((m + n)x) sin((m n)x)
=
+
= 0, (m 6= n)
2
m+n
mn
sin(nx) sin(mx)dx
hsin(nx), sin(mx)i =
Z
1 +
=
(cos((m n)x) cos((m + n)x))dx
2

+
1 sin((m n)x) sin((m + n)x)
=
= 0, (m 6= n)
2
mn
m+n
1.3. Coeficientes de Fourier. Una de las preguntas bsicas en

anlisis de Fourier (as como en el anlisis de ondculas) es si, dada
una funcin f : [a, b] R y un conjunto ortogonal { (t); A} de
funciones sobre [a, b], existen coeficientes a R tales que f se puede
representar como
X
f (x) =
a (x)?
La respuesta va a ser s, al menos para ciertas familias destacadas

de familias ortogonales { (t); A} y para una amplia clase de
funciones f .
Enunciaremos ms adelante, sin demostracin, teoremas que nos
garantizan que una amplia familia de funciones (en particular todo
L2 [a, b]) se pueden representar por medio de series del tipo arriba indicado.
39
De momento, supongamos que una cierta funcin f fuera representable de la forma

X
f (x) =
a (x),
y veamos cmo se calculan los coeficientes a en ese caso.

Supongamos que podemos integrar trmino a trmino (no nos detendremos a justificar esta hiptesis, pues excede los objetivos de la
asignatura). En ese caso, para cada A, se tendra
Z b
Z b
XZ b
f (x) (x)dx =
a (x) (x)dx = a
2 (x)dx
a
y por tanto
Rb
f (x) (x)dx
Rb 2
(x)dx
a
Por tanto, tenemos la siguiente
a =
Definicin 1.5. Sea { (x); A} una familia ortogonal sobre

[a, b]. Sea f : [a, b] R. Se llaman coeficientes de Fourier de f con
respecto a { (x); A} a los nmeros
Rb
f (x) (x)dx
a = a R b
2 (x)dx
a
A la serie
X
a (x)
se le llama serie de Fourier de f

Observacin. Es frecuente elegir la familia { (x); A} norRb
malizada de manera que a 2 (x)dx = 1 para cada A.
Veamos el ejemplo concreto ms importante para nosotros de todo
lo anterior.
Definicin 1.6. Cuando consideramos en la definicin anterior el
obtensistema {1, cos n0 x, sin m0 x} y f : [ T2 , T2 ] R con T = 2
emos los coeficientes clsicos de Fourier. Se llaman coeficientes (clsicos) de Fourier a los nmeros
Z T
2
2
f (t)dt
a0 =
T T2
Z T
2
2
am =
f (t) cos m0 tdt
T T2
40
2
bn =
T
T
2
f (t) sin n0 tdt.

T2
Con esos coeficientes se puede definir la serie de Fourier de f
a0 X
+
an cos n0 x + bn sin n0 x
2
n=1
Ejemplo 1.7. Encontrar la serie de Fourier de la funcin
si T2 < t < 0
1
f( t) =
1
si 0 < t < T2
y definida peridica de periodo T en todo R.
Solucin: Es fcil ver que an = 0 para todo n N {0} y bn =
cos n), independientemente de T
2
(1
n
Ejemplo 1.8 (Septiembre 2003). Sea f (x) : R R la funcin

peridica de periodo 1 definida por

1 si 0 x < 21
f (x) =
0 si 12 x < 1
Obtener el desarrollo en serie de Fourier de f (x).
Solucin: Por ser f (x) peridica de periodo T = 1, admite un
desarrollo en serie de Fourier, es decir,
X
a0 X
bn sin n0 x,
f (x) =
an cos n0 x +
+
2
n=1
n=1
con
0 =
2
= 2
T
y donde
Z T
2
a0
1
=
f (x)dx,
2
T T2
Z T
2
2
an =
f (x) cos n0 xdx, y
T T2
Z T
2
2
bn =
f (x) sin n0 xdx
T T2
41
As,
a0
=
2
1
2
dx =
0
1
2
Adems
1
2
Z
an = 2
0
1
2
2
cos(2nx)dx =
sin 2nx = 0.
2n
0
Finalmente,
Z
bn = 2
0
1
2
1
2
1
sin(2nx)dx =
cos 2nx
n
0
y por tanto, bn = 0 si n es par y bn =
2
n
si n es impar.
Ejemplo 1.9. Sea f (x) : R R la funcin peridica de periodo

2 definida por

x
si 0 x 1
f (x) =
2 x si 1 x 2
Obtener el desarrollo en serie de Fourier de f (x).
Solucin: Por ser f (x) peridica de periodo T = 2, admite un
desarrollo en serie de Fourier, es decir,
X
a0 X
+
an cos n0 x +
bn sin n0 x,
f (x) =
2
n=1
n=1
con
0 =
2
=
T
y donde
Z
1 1
a0
=
f (x)dx,
2
2 1
Z 1
an =
f (x) cos n0 xdx, y
1
bn =
f (x) sin n0 xdx

1
Por la periocididad, es indistinto calcular las integrales en [1, 1]

en [0, 2] (o en general en cualquier intervalo de amplitud 2. Debido
a que implica alguna cuenta menos integraremos en [1, 1]. Para ello
obsrvese que, para todo x [1, 0], f (x) = x.
42
As,
a0
1
=
2
2
Z
xdx +
xdx =
0
1
2
Adems
Z
x cos(nx)dx +
an =
1
x cos(nx)dx.
0
Integrando por partes, se tiene

(1 + cos n + n sin n)
an = 2
n2 2
Finalmente,
Z 1
Z 0
x sin(nx)dx,
x sin(nx)dx +
bn =
1
y de nuevo integrando por partes se obtiene

bn = 0.
1.4. Expresin compleja de las series de Fourier. Recordemos la expresin
ei = cos + i sin
que se puede justificar usando series de Taylor, aunque su fundamentacin
rigurosa requiere algunos conocimientos de variable compleja. De esta
expresin se obtienen, sin mas que despejar, las siguientes
cos =
(4)
ei + ei
2
y
ei ei
2i
Por tanto, si f (t) es una funcin peridica de periodo T con desarrollo en serie de Fourier
X
a0 X
f (t) =
+
an cos n0 t +
bn sin n0 t,
2
n=1
n=1
sin =
(5)
podemos sustituir los senos y cosenos por las expresiones dadas por (4)
y (5) y obtenemos
a0 X ein0 t + ein0 t X ein0 t ein0 t

f (t) =
+
an
+
bn
.
2
2
2i
n=1
n=1
Usando que
1
i
= i y despejando llegamos a
f (t) = c0 +
43
(cn ein0 t + cn ein0 t ) =
n=1
= c0 +
in0 t
cn e
n=1
in0 t
cn e
n=1
+
X
cn ein0 t ,
n=
donde
1
c 0 = a0 ,
2
1
1
cn = (an ibn ), y cn = (an + ibn ).
2
2
Para entender todo esto mejor necesitamos algunas definiciones

ms:
1.5. Ortogonalidad de funciones complejas. Al igual que
hicimos para funciones reales, vamos a definir un producto escalar de
funciones complejas.
Definicin 1.10. Dadas f, g : I R C se define su producto
escalar hf, gi como
Z
hf, gi = f (t)g(t)dt,
I
donde z denota el conjugado complejo de z.

Ahora decimos que f y g son ortogonales si su producto escalar es
0.
Siguiendo con la analoga con el caso real podemos definir la norma
2 de una funcin compleja f : I C como
Z
21
1
kf k2 = (hf, f i) 2 =
f (t)f (t)dt .
I
Con estas definiciones a mano, podemos ahora seguir con los coeficientes cn el mismo camino seguido con los an y bn .
En primer lugar notemos
Proposicin 1.11. La familia {eint }nZ es ortogonal en el intervalo [ T
, T2 ] (o en el [0, T ]), donde T = 2
.
2
Demostracin. Sea n 6= m. Entonces

Z T
Z
2
int imt
int imt
he , e
i=
e e
dt =
T
2
T
2
=
T
2
T
2
eint eimt dt =
T
2
(cos nt + i sin nt)(cos mt i sin mt)dt = 0.
44
1.6. Clculo de los coeficientes cn . Ahora podemos calcular

los coeficientes anlogamente a cmo calculamos los an y los bn :
Supongamos que una funcin f : [ T2 , T2 ] R (en realidad esto
tambin va a valer para funciones f : [ T2 , T2 ] C) fuera representable en la forma
+
X
f (t) =
cn eint .
n=
Entonces, dado n0 N,
in0 t
hf, e
i=h
+
X
cn eint , ein0 t i =
n=
+
X
cn heint , ein0 t i = cn0 hein0 t , ein0 t i =
n=
Z
= cn0
T
2
ein0 t ein0 t dt
T2
Z
= cn0
Z
= cn0
T
2
ein0 t ein0 t dt =
T2
T
2
T2
dt = cn0 T,
de donde
R T2
cn =
T2
f (t)ein0 t dt
,
T
expresin que por supuesto coincide con la obtenida anteriormente a
partir de los an y los bn .
Como ya hemos
se puede demostrar que la exP dicho anteriormente,
int
presin f (t) = +
c
e
nos
permite
representar no slo funciones
n= n
peridicas f : R R sino tambin funciones peridicas f : R C.
Notemos que muchas seales se representan de manera natural como
una funcin con valores reales (por ejemplo una seal sonora) mientras
que otras, en particular los campos electromagnticos, se representan
de manera natural como una funcin con valores complejos.
A partir de ahora trabajaremos con la expresin de la serie de Fourier en trminos de los cn , por ser ms adecuada para la mayora de las
aplicaciones que la expresin en trminos de los an y bn .
2. CONVERGENCIA DE LAS SERIES DE FOURIER
2.
45
Convergencia de las series de Fourier
Tenemos definida formalmente la serie de Fourier, pero an no sabemos nada de su convergencia o no a la funcin f . Los teoremas clsicos
del anlisis de Fourier nos van a garantizar que para una amplia clase
de funciones f , la serie de Fourier de f converge en casi todo punto a
f . Pero sobre todo nos interesar saber que para todas las funciones en
L2 (I), la serie de Fourier converge en norma 2 a la funcin.
2.1. Convergencia en norma 2. Empezamos considerando la
convergencia en norma 2 de la serie de Fourier, muy importante en
muchas aplicaciones. Recordemos que se dice que una sucesin de funciones (fn ) L2 (I) converge en norma 2 (o en media cuadrtica) a
f L2 (I) si
kk2
fn f,
esto es, si
lm kfn f k2 = 0,
o, equivalentemente, si
Z
|fn (t) f (t)|2 dt = 0.
lm
Ntese que, en el caso de ondas electromagnticas, esto se puede

interpretar como que la energa de la sucesin de ondas n := fn f
tiende a 0 cuando n tiende a infinito, e interesa darse cuenta de que la
sucesin n es el error cometido al aproximar f por fn .
Consideramos la sucesin de sumas parciales de la serie de Fourier
Sk (t) =
k
X
cn eint
n=k
y llamamos k (t) = f (t) Sk (t) al error cometido al aproximar f por

Sk . Decir que Sk converge en norma 2 a f equivale a decir que kk k2
tiende a 0, es decir, que
! 12
Z T
1
lm (hk , k i) 2 = lm
Notemos que
Z
Z T
2
k (t)k (t)dt =
T2
T
2
T2
k (t)k (t)dt
= 0.
T2
(f (t) Sk (t))(f (t) Sk (t))dt =
46
T
2
f (t)f (t) + Sk (t)Sk (t) 2<f (t)Sk (t)dt =
T2
T
2
T
2
f (t)f (t)dt +
T2
T2
T
2
Z
2<
f (t)(
T2
k
X
|cn |
cn
eint )dt
T2
dt 2<
k
X
k
X
cn cn 2<
R T
T
2
Z
cn
f (t)eint dt =
T2
k
X
T
2
cn
f (t)eint dt+
T2
n=k
R T

2
int dt
f (t)eint dt
T f (t)e
2
T2
n=k
k
X
f (t)f (t)dt+
n=k
T
2
n=k
f (t)f (t)dt + T
cn eint )dt
n=k
T2
k
X
k
X
)(
n=k
int int
T
2
cn e
T2
n=k
int
n=k
T
2
k
X
k
X
R T
2
T2
R T

2
int dt
f (t)eint dt
f
(t)e
T
2
n=k
T
2
Z
=
f (t)f (t)dt+
T2
k
X
R T2
c n
T2
f (t)ein0 t dt
k
X
n=k
R T
2
T2
R T2
c n
n=k
int
f (t)e
T2
f (t)ein0 t dt
R T

2
int
dt
f (t)e
dt
T
Si consideramos esto como una ecuacin en cn y buscamos minimizarla, vemos que la norma 2 del error es mnima cuando
R T2
f (t)ein0 t dt
T2
cn =
.
T
47
Es decir, los cn son los mejores coeficientes que podemos ponerles

a las funciones ein0 t para que la suma
X
cn ein0 t
n
aproxime a f (t) tan bien (en norma 2) como sea posible.

De hecho, con razonamientos emparentados con estos, aunque ms
sofisticados, se puede demostrar que para todo intervalo I R, toda
funcin f P
L2 (I) admite una serie de Fourier como la anterior de
manera que n cn ein0 t converge a f en norma 2. Recordad que ya
hemos dicho anteriormente que las funciones f L2 (I) son las ms
interesantes en ingeniera, puesto que, por un lado L2 (I) es un espacio matemticamente cmodo y por otro la condicin f L2 (I) se
interpreta casi siempre como que f tiene energa finita, lo cual es muy
razonable.
2.2. Convergencia puntual en casi todo punto. Enunciaremos aqu sin demostrar un teorema que nos garantiza la convergencia
puntual en casi todo punto de la serie de Fourier de una muy amplia
familia de funciones. En particular, prcticamente todas las funciones
con inters en la ingeniera verifican las condiciones del teorema.
Teorema 2.1. Sea f : I R una funcin continua a trozos,
acotada y montona a trozos (esto es, f tiene una cantidad finita de
mximos y mnimos en I). Entonces la serie de Fourier de f converge
a f (t0 ) en todo t0 I en el que f sea continua. En los puntos t0 I
en los que f no sea continua se tiene que la serie de Fourier converge
a
f (t+
0 ) + f (t0 )
,
2
donde
f (t+
m+ f (t)
0 ) = l
tt0
y
f (t
m f (t).
0 ) = l
tt0
2.3. Espectros discretos. Fijos que de todo lo anterior se sigue

que
una muy amplia clase de funciones f , su serie de Fourier
P para in
0t
determina unvocamente (excepto quizs en una cantinZ cn e
dad finita de puntos) la funcin f . En trminos de informacin, esto
se puede expresar diciendo que toda la informacin contenida en f se
halla en sus coeficientes de Fourier.
48
Esto da lugar a la nocin de espectro de una funcin f . Podemos

pensar en sus coeficientes (cn )nZ como una funcin
c : Z C
dada por
c(n) = cn
La funcin c (o su grfica) es lo que llamamos el espectro de f . Para
el caso de funciones peridicas (equivalentemente funciones definidas
en un intervalo [a, b]) el espectro de f , c esta definido sobre los enteros,
no sobre todo R, por lo que le llamamos espectro discreto. Veremos
ms adelante que para representar una funcin no peridica necesitamos un espectro continuo. Las tcnicas de anlisis espectral, de las que
probablemente hayis odo hablar puesto que se usan en muchas disciplinas, consisten precisamente en estudiar el espectro de una funcin
(la radiacin emitida por un cuerpo celeste, por ejemplo) para obtener
informacin contenida en esa funcin.
Los valores (cn ) son tambin llamados las componentes en frecuencia de la seal f . Los que sepis algo de teora musical, deberais notar
cmo una funcin peridica (una nota cualquiera dada por un instrumento) se descompone por su serie de Fourier en la suma de sus armnicos (0 es la frecuencia fundamental, 20 es la misma nota una
octava mas arriba, 30 es la quinta por encima de la octava, 40 es la
misma nota dos octavas por encima de la original, etc).
Notad que si f (t) toma valores reales, esto es, f : I R, entonces,
para todo n N cn = cn .
2.4. Teorema de Parseval. Un resultado muy importante en
anlisis de Fourier es el Teorema de Parseval, que fsicamente se puede
leer como que la energa de la seal es igual a la suma de las energas de
sus componentes, y geomtricamente se puede simplemente interpretar
como una consecuencia de una versin infinito dimensional del Teorema
de Pitagoras. La demostracin del teorema de Parseval es razonablemente sencilla una vez se conocen tcnicas elementales de espacios de
Hilbert (espacios L2 ). No la incluiremos aqu, pero s quiero incluir una
pseudodemostracin que puede resultar ilustrativa.
Empezamos con:
Proposicin 2.2. Sean f1 , f2 L2 ([ T2 , T2 ]), y sean (c1n )nZ , (c2n )nZ
sus respectivos coeficientes de Fourier. Entonces
Z T
X
2
1
f1 (t)f2 (t)dt =
c1n c2n .
T T2
nZ
Demostracin.
Z T
Z
2
f1 (t)f2 (t)dt =
T2
T
2
T2
XX
c1n c2m
nZ mZ
X
nZ
c1n c2n
T
2
T2
!
X
c1n ein0 t
nZ
T
2
49
!
X
c2n ein0 t dt =
nZ
ein0 t eim0 t dt =
T2
ein0 t ein0 t dt = T
c1n c2n .
nZ

De aqu se deduce fcilmente (sin ms que tomar f1 = f2 ) el siguiente
Teorema 2.3 (Teorema de Parseval). Sea f L2 ([ T2 , T2 ]), y sean
(cn )nZ , coeficientes de Fourier. Entonces
Z T
X
2
1
1
2
f (t)f (t)dt =
(kf k2 ) =
|cn |2 .
T
T
T 2
nZ
CAPTULO 5
Transformada Integral de Fourier

1.
Definicin.
Todo lo visto hasta ahora se aplicaba al estudio de funciones peridicas, o de funciones definidas en un intervalo [a, b]. Para ciertas
aplicaciones esto no es suficiente, y necesitamos estudiar funciones
f : R R C no peridicas. Este tipo de funciones no pueden
ser representadas por medio de una serie de Fourier, pero en cambio s
que se pueden representar por medio de una integral de Fourier.
Describimos a continuacin la idea intuitiva en el paso de las series
de Fourier a la integral de Fourier. Todo esto se puede formalizar con
todo rigor, pero no lo haremos ya que llevara demasiado tiempo y no
lo consideramos prioritario para nuestra asignatura.
Como ya hemos visto, una funcin peridica P
de periodo T se puede
representar por medio de una serie de Fourier n cn en0 t , con 0 =
2
. La idea ahora, dicha burdamente, es considerar una funcin no
T
peridica como una funcin peridica de periodo infinito.
Ejemplo 1.1. Supongamos que queremos estudiar la funcin f :
R R dada por

f (t) =
1
0
si t [ 12 , 12 ]
si |t| > 12
Cuando hablbamos del espectro de una funcin peridica f nos

referimos al valor de los coeficientes cn , que podan ser entendidos como
una funcin c() : R C( R) que toma valores distintos de 0 slo
en los puntos = n0 , con n Z, en los que vale cn .
Notemos que al hacer tender T (el periodo) a infinito, la frecuencia
fundamental 0 tiende a 0, por lo que los puntos n0 estn cada vez
ms prximos, de manera que parece razonable pensar que en el lmite
el espectro se hace continuo, es decir, podemos definir c() para todo
. Por otro lado, es fcil ver con los ejemplos que al hacer tender T a
infinito, las amplitudes cn = c(n0 ) tienden a 0.
51
52
5. TRANSFORMADA INTEGRAL DE FOURIER
Se pueden formalizar matemticamente estos razonamientos (aunque

no lo haremos aqu), pero la idea que hay detrs es que, a medida que
T tiende a infinito, los armnicos (los puntos n0 ) se encuentran infinitamente cercanos y son de amplitud infinitesimal, es decir, el espectro
discreto se vuelve continuo.
Con estas ideas intuitivas, hagamos una construccin no formal de
la integral de Fourier.
Sea f (t) una funcin peridica de periodo T . Sea su serie de Fourier
f (t) =
(6)
cn en0 t
n=
donde
1
cn =
T
(7)
T
2
f (t)en0 t dt
T2
y
(8)
(9)
2
T
Sustituyendo (7) en (6), se tiene
0 =
f (t) =
X
n=
1
T
T
2
!
f (x)en0 x dx en0 t
T2
Utilizando (8) tenemos que

!
Z T
X
2
1
(10)
f (x)en0 x dx 0 en0 t
f (t) =
T
2 2
n=
Hagamos un pequeo inciso y recordemos lo que sabemos de la
definicin de integral de Riemann, y el paso de las sumas de Riemann
a la integral.
Si tenemos una funcin h : [a, b] R integrable y suponemos
elegida una particin equiespaciada P (0 ) = {a = x0 , x1 , . . . , xk = b}
de [a, b] en la que xi xi1 = 0 para cada i {1, . . . , k}, tenemos que
Z b
k
X
lm
h(a + n0 )0 =
h(t)dt.
0 0
n=1
1. DEFINICIN.
53
Recordando esto, volvamos a la expresin (10) y llamemos

!
Z T
2
1
h() =
f (x)ex dx et .
T
2 2
Aplicando los razonamientos anteriores y haciendo el paso a una
integral impropia (dejamos esto al alumno) tenemos que, cuando 0
tiende a 0 (equivalentemente cuando T tiende a infinito)
(11)
1
f (t) =
2
Z
+
x
f (x)e
dx et d
Si definimos la transformada de Fourier F() de f como

Z
(12)
F() =
f (t)et dt
Entonces (11) se convierte en
(13)
1
f (t) =
2
F()et dt.
Con esto definimos la transformada de Fourier y la transformada

inversa. Escribimos a continuacin ambas definiciones explcitamente.
Definicin 1.2. Sea f : R R ( C). Entonces definimos su
transformada integral de Fourier como una funcin
F(f ) = F : R C
dada por
Z
f (t)et dt.
F(f )() = F() =
Anlogamente definimos
Definicin 1.3. Sea F : R C. Entonces definimos su transformada inversa de Fourier como una funcin
F 1 (F) : R R ( C)
dada por
F
1
(F)(t) =
2
F()et dt.
54
2.
Propiedades de la transformada de Fourier
Ntese que la transformada de Fourier viene definida por medio

de una integral impropia, que puede ser convergente o no serlo. Empezamos enunciando el teorema que nos garantiza la existencia de la
transformada de Fourier para una amplia familia de funciones
Teorema 2.1. Sea f L2 (R). Entonces existe la transformada de
Fourier de f , y es una funcin F : R C
La condicin f L2 (R) es suficiente, pero no necesaria, para la
existencia de F. Existen numerosos ejemplos de funciones que no estn
en L2 (R) y sin embargo su transformada est bien definida.
Enunciamos a continuacin algunas propiedades bsicas de la transformada de Fourier.
Linealidad. Si f, g L2 (R) y , R, entonces F(f +g) =
F(f ) + F(g).
Si 0 6= R, f L2 (R) y g(t) = f (t) entonces
F(g)() =
F(f )( )
|a|
a
Si
g(t) = f (t)et
entonces F(g)() = F(f )( )
Si f L2 (R), t0 R y g(t) = f (t t0 ) entonces
F(g)() = F(f )()et0 .
El siguiente resultado es la clave que permite aplicar la transformada de Fourier a la resolucin de ecuaciones diferenciales.
Proposicin 2.2. Sea f : R R una funcin derivable, que
admite transformada de Fourier F(f ), y tal que
lm f (t) = 0.
(Ntese que esta ltima condicin se verifica siempre que f L2 (R)).

Entonces
F(f 0 )() = F(f )().
Demostracin.
0
F(f )() =
inf ty
f 0 (t)et dt.
2. PROPIEDADES DE LA TRANSFORMADA DE FOURIER
Integramos por partes y obtenemos que

Z

0
t t0
+
F(f )() = lm f (t)e
t0
t0
f (t)et =
= lm f (t0 )et0 lm f (t0 )et0 +

t0
55
t0
f (t)et = F(f )(),
puesto que
lm f (t0 ) = 0
t0
y
et0 = cos t0 + sin t0
est acotada.
A continuacin enunciamos sin demostracin unos resultados que

nos garantizan el buen comportamiento de la transformada de Fourier y la transformada inversa de Fourier para una amplia familia de
funciones.
Teorema 2.3. Si f L2 (R) entonces F(f ) es continua y
lm F(f )() = 0
Dos comentarios son pertinentes: en primer lugar observar que aunque

f L2 (R) puede no ser continua, su trasformada siempre lo es. En segundo lugar, el hecho de que
lm F(f )() = 0
indica que, para cualquier seal, la amplitud de sus componentes en

frecuencia tiende a 0 cuando la frecuencia tiende a infinito.
Teorema 2.4 (Inversin). Si f L2 (R) entonces F(f ) L2 (R),
y adems la funcin
Z
1
g(t) =
F(f )()etd
2
(es decir, la transformada inversa de la transformada de f ) verifica que
f (t) = g(t) en casi todo punto.
Observacin. La expresin en casi todo punto tiene un significado matemtico muy preciso. Quiere decir que f (t) = g(t) excepto
en, a lo sumo, un conjunto de medida cero. Excede del alcance de este
curso la definicin de conjunto de medida cero, pero daremos una idea
intuitiva diciendo que cualquier intervalo no vaco no es de medida cero,
mientras que un slo punto, o una cantidad finita, o incluso numerable,
56
de puntos, s forman un conjunto de medida cero. Por tanto, el teorema de inversin nos dice que si tomo una funcin f L2 (R), hallo su
transformada de Fourier F(f ), y a continuacin hallo la transformada inversa de F(f ), entonces recupero f (salvo quizs en unos pocos
puntos, que no van a tener ninguna importancia en la gran mayora de
las aplicaciones). Esto es lo que nos permite decir que no perdemos
informacin, al considerar F(f ) en lugar de f , puesto que podemos
recuperar f (salvo quizs en unos pocos puntos) a partir de F(f ).
CAPTULO 6
Aplicaciones a la teora de la seal.

1.
Convolucin y filtros
El propsito de esta seccin es simplemente contar una aplicacin

clsica de la transformada de Fourier al tratamiento de la seal, y lograr
que los hipotticos lectores de estas notas se vayan familiarizando con
el hecho de que la transformada de Fourier nos permite pensar en una
funcin, que originalmente estaba en el dominio del tiempo, como una
funcin en el dominio de la frecuencia.
Nuestro propsito es describir lo que en teora de la seal se conoce
como filtros. Para ello necesitamos previamente una nueva herramienta
matemtica, la convolucin.
Definicin 1.1. Sean f, g : R R. Se define su convolucin f g
como
Z
f g(x) =
f (x y)g(y)dy
siempre y cuando la integral impropia anterior exista.

El inters para nosotros en este momento de la convolucin de funciones es el siguiente resultado
Teorema 1.2. Sean f, g L2 (R). Entonces f g existe, f g
L2 (R) y adems
1.
F(f g)() = F(f )() F(g)() para todo R
2.
F(f g)() = (F(f ) F(g))() para todo R
Esta fuera del alcance de este curso demostrar el teorema tal y como
est enunciado (es decir, con f, g L2 (R)). En cambio s que vamos a
demostrar el punto 1 en el caso algo ms sencillo de que f, g L1 (R),
donde
L1 (R) = {f : R R tales que f es integrable y tales que
57
58
6. APLICACIONES A LA TEORA DE LA SEAL.
|f (t)|dt < }.
La herramienta bsica para la demostracin de este resultado es el

teorema de Fubini, que habitualmente se estudia junto con la nocin
de integral doble. Lo enunciamos a continuacin para el caso particular
en que el recinto de integracin sea un rectngulo [a, b] [c, d], puesto
que eso es suficiente para nosotros.
Teorema 1.3 (Fubini). Sea f : R2 R una funcin integrable y
D = [a, b] [c, d] R2 un rectngulo. Entonces

Z d Z b
Z Z
Z b Z d
f (x, y)dx dy.
f (x, y)dy dx =
f (x, y)dxdy =
a
Aquellos alumnos que no estn excesivamente familiarizados con la

nocin de integral doble no deben preocuparse, puesto que nosotros
slo necesitamos la segunda de las igualdades del teorema, y esa no
necesita de la nocin de integral doble.
DEMOSTRACIN DEL TEOREMA 1.2. Veamos en primer lugar que f g
(existe y) pertenece a L1 (R)

Z Z
Z

f (x y)g(y)dy dx
|f g(x)|dx =

Z Z
Z Z
F ubini
|f (x y)g(y)|dy dx =
|f (x y)g(y)|dx dy =

Z

Z
Z
Z
|g(y)|dy < .
|f (x)|dx
|f (x y)|dx dy =
=
|g(y)|
Esto prueba que f g L (R). Para probar que

F(f g)() = F(f )() F(g)()
necesitaremos de nuevo el teorema de Fubini. En efecto

Z Z
Z
t
F(f g)() =
f g(t)e
dt =
f (t y)g(y)dy et dt =
Z
y y
dy et dt =

Z
F ubini
(ty)
y
f (t y)e
g(y)e
dy dt =

Z
y
(ty)
g(y)e
f (t y)e
dt dy = F(f )()F(g)()
=
Z
=
Z
Z
f (t y)g(y)e
lo que termina la demostracin del teorema.
1. CONVOLUCIN Y FILTROS
59
Veamos ahora cmo aplicar esto a la realizacin de un filtro en frecuencia. En teora de la seal se denomina filtro en frecuencia a un
mecanismo que nos permita, dada una seal, quedarnos con sus componentes en cierto rango de frecuencias, y desechar las dems. Es decir,
suponemos dada una cierta seal f (t) y queremos obtener otra seal
fs (t) cuyas componentes en frecuencia sean exactamente las componentes en frecuencia de f (t) que pertenezcan a cierto rango de frecuencia.
La manera de obtener fs (t) es la siguiente: hallamos la transformada
de Fourier de f , F(f ) y la multiplicamos por A () donde A R es
el rango de frecuencias que queremos seleccionar y A () es la funcin
caracterstica de A, definida como
si A
1
A () =
0
si 6 A
Para terminar hallamos la trasformada inversa de F(f )()A () y est
ser nuestra funcin fs (t).
Vemoslo con un ejemplo, la realizacin de un filtro paso bajo. Se
llama filtro paso bajo a aquel que se queda con las componentes de
baja frecuencia de f y descarta las dems. En concreto suponemos que
deseamos quedarnos con las componentes de frecuencia menor o igual
que . Consideramos la seal f (t). Suponemos calculada su transformada de Fourier F(f ) consideramos F(f )()[,] . Entonces, aplicando
el teorema de inversin 2.4 y el Teorema 1.2, se tiene que f (t) (la
componente en frecuencia menor o igual que de f ) se puede obtener
como
f (t) = (f g)(t)
donde g(t) es una funcin tal que
F(g) = [,] .
Calculemos g(t).
Aplicando de nuevo el teorema de inversin (o, equivalentemente,
la frmula de la transformada inversa de Fourier), se tiene que

Z
Z
1
1
1 et
t
t
g(t) =
[,] ()e d =
e d =
=
2
2
2 it
1 et et
sin t
=
t
2
t
y, por tanto, tenemos finalmente que
sin t
f (t) = f (t)
.
t
=
60
2.
Teorema de Nyquist
Como ingenieros informticos, en vuestra vida profesional es ms

fcil que os encontris con seales discretas (digitales) que con seales
continuas (analgicas). Aunque no tenemos tiempo en este curso de estudiar la transformada discreta de Fourier y otras herramientas usadas
en el tratamiento de seal discreta, contaremos a modo de ilustracin
el teorema de Nyquist, o teorema del muestreo, que nos proporciona
informacin acerca del paso de una seal analgica a una seal discreta.
La situacin a la que nos enfrentamos es la siguiente: tenemos
una seal continua y la queremos digitalizar. Este proceso consiste en
muestrearla (samplearla en espanglish), es decir, no quedarnos con
toda la seal sino con la sucesin de valores de la seal tomados cada
T segundos (este es el caso del muestreo uniforme en el tiempo, el nico
que estudiaremos aqu; para ciertas seales puede ser ms interesante
un muestreo no uniforme). Este proceso tiene una obvia ventaja: que
nos permite trabajar con una sucesin de nmeros en lugar de con toda
la seal, lo que es muy til sobre todo para el tratamiento informtico
de la seal. Y por supuesto, tambin hay un inconveniente igualmente
obvio: la seal muestreada no contiene, en principio, toda la informacin que haba en la seal original. Parece claro que cuantas ms
muestras por segundo tomemos (esto es, cuanto menor sea T ) menos
informacin perderemos, pero tambin ms nos costar muestrear y
almacenar y manipular la informacin. Entonces cul es intervalo de
muestreo que debemos usar?.
Veamos un ejemplo concreto, un CD de msica. Hasta hace no muchos aos la msica se almacenaba siempre en vinilo o en cinta magntica, y ambos soportes partan de una seal analgica y almacenaban
tambin una seal analgica. El progreso de la tecnologa (en particular
la tecnologa informtica) y la relativamente baja calidad y durabilidad de ambos soportes llevan a plantearse el almacenamiento digital de
la msica en forma de CD, ya que el soporte fsico es muchsimo ms
duradero y el tratamiento de la seal digital ms verstil. El problema
es a qu velocidad hemos de muestrear una seal sonora para que la
seal muestreada sea gran calidad?. La respuesta a esto la da el teorema de Nyquist. Primero un par de consideraciones biolgicas: nuestro
odo oye en frecuencias (al igual que nuestros ojos ven en frecuencias)
y est limitado en frecuencia: nadie oye seales de frecuencia superior
a 20KHz, al igual que nadie ve luz infrarroja o ultravioleta. Este lmite
no es comn a todos los animales: algunos, como ratas y perros tienen
2. TEOREMA DE NYQUIST
61
la capacidad de or seales de frecuencia superior, y los famosos ultrasonidos usados en ocasiones para intentar ahuyentar ratas no son sino
sonidos de frecuencia superior a 20KHz y gran volumen, que nosotros
no omos pero ellas s.
Esta limitacin de nuestro odo tiene consecuencias prcticas: si
consideramos una seal sonora y le quitamos sus componentes de frecuencias superiores a 20KHz, nuestros odos no son capaces de percibir
ninguna diferencia entre ambas seales. Por tanto la respuesta a la pregunta anterior a qu velocidad hemos de muestrear una seal sonora
para que la seal muestreada sea gran calidad? es A la velocidad
necesaria para mantener las componentes de la seal de frecuencias
inferiores a 20KHz. Y aqu es donde interviene el teorema de Nyquist.
Teorema 2.1. Sea f : R C una seal que admite transformada
de Fourier F (lo que ocurre por ejemplo si f L2 (R)). Si F() = 0
para todo > M = 2fM entonces se puede determinar f en casi
todo punto por medio de sus valores separados por intervalos uniformes
menores que 2f1M segundos.
Demostracin. Sabemos que F : R C es una funcin que vale
0 para todo > M . Consideramos entonces 0 > 2M y definimos la
funcin
Fs : R C
como una funcin peridica (en el dominio de la frecuencia!) de periodo
0 dada por
Fs () = F() para todo [0 , 0 ].
Por ser Fs peridica podemos expandirla en serie de Fourier; ntese
que como su periodo (lo que habitualmente llambamos T ) es 0 , entonces su frecuencia fundamental (lo que habitualmente llambamos
0 ) vale 20 . Por tanto
(14)
+
X
Fs () =
2
n
cn e
n=
donde
(15)
1
cn =
0
0
2
0
2
2
n
Fs ()e
d.
Usando la definicin de Fs tenemos que

(16)
1
cn =
0
2
n
F()e
M
d.
62
Usaremos adems que

(17)
f (t) = F
1
(F)(t) =
2
1
=
2
F()et d =
+M
F()et d.
M
2
0
Suponemos que hemos muestreado cada T =

puntos t = nT = n 20 . Por (17) se tiene

(18)
f (nT ) = f
n2
0
1
=
2
+M
segundos, en los
n2
F()e
d.
Ahora, comparando (18) y (16) se tiene

2
n2
cn =
f
= T f (nT ).
0
0
Por tanto, podemos conocer los cn a partir de los valores muestreados f (nT ); a partir de los cn usando (14) podemos conocer Fs ; una vez
conocida sta conocemos F y a partir de F usando (17) recuperamos
f.
Para terminar, notemos que nuestra suposicin 0 > 2M implica
que
2
> 4fM ,
T
es decir
1
T <
,
2fM
lo cual termina la demostracin.
Observacin. Se puede demostrar (y est escrito con todo detalle

en el libro [4]) que si se unen todos los datos anteriores se obtiene que
la manera de recuperar f (t) a partir de los datos muestreados es
f (t) =
f (nT )
n=
para el caso M = 2fM , T =
1
.
2fM
sin M (t nT )
M (t nT )
3. MODULACIN DE AMPLITUD
3.
63
Modulacin de amplitud
Necesitamos el siguiente resultado

Proposicin 3.1. Sea f (t) una seal que admite transformada de
Fourier F(). Entonces
F(f (t) cos c t)() =
y
F( c ) + F( + c )
2
F( c ) F( + c )
.
2
Esto nos da pie al siguiente simple razonamiento. Tenemos una
seal f (t) limitada en frecuencia (esto es, F() = 0 para cada >
M ) y deseamos transmitirla. Para ello, en primer lugar elegimos una
frecuencia c > M (habitualmente c es de hecho mucho mayor que
M ) y consideramos la seal modulada m(t) = f (t) cos c t. Observamos
que la transformada de Fourier de m(t) consiste simplemente de dos
copias de la transformada de f centradas en c . Esta seal m(t) es la
que se emite. Veamos como el aparato receptor recibe m(t) y recupera
f (t). Supongamos que en el receptor multiplicamos m(t) por cos c t.
Obtenemos entonces la seal
1 + cos 2c t
f (t) f (t) cos 2c t
m(t) cos c t = f (t) cos2 c t = f (t)
=
+
.
2
2
2
Puesto que F(m(t) cos 2c t)() slo vales distinto de 0 en dos entornos de centros 2c y radio M , resulta claro que pasando m(t) cos c t
por un filtro paso bajo recuperamos f (t) (divida por 2, pero esto no es
importante).
F(f (t) sin c t)() =
Bibliografa
[1] T. M. Apostol, Calculus, Ed. Revert 1990.
[2] R. G. Bartle y D. R. Sherbert, Introduccin al Anlisis Matemtico de una
variable Noriega Editores 1996.
[3] R. Churchill y J. Brown, Variable compleja y aplicaciones McGraw-Hill 1990.
[4] H. Hsu, Anlisis de Fourier Fondo Educ. Interamericano 1973.
[5] A. Oppenheim, R. Schafer y J. Buck, Tratamiento de seales en tiempo discreto, Prentice Hall 2000.
65

AC Fourier PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

AC Fourier PDF

Cargado por

Copyright:

Formatos disponibles

Apuntes de la asignatura Ampliacin

Captulo 2. Polinomios y desarrollos en serie de Taylor

Captulo 3. Series de potencias

Captulo 4. Series de Fourier

Captulo 5. Transformada Integral de Fourier

Captulo 6. Aplicaciones a la teora de la seal.

Sucesiones y series de funciones

Funciones y espacios funcionales

A lo largo de este curso trabajaremos a menudo con funciones f :

1. SUCESIONES Y SERIES DE FUNCIONES

Sea ahora K = R C el cuerpo de los escalares, y supongamos que

1. FUNCIONES Y ESPACIOS FUNCIONALES

1.2. Normas en un espacio vectorial. Recordamos aqu la

es una norma, conocida habitualmente como norma eucldea,

1. SUCESIONES Y SERIES DE FUNCIONES

En ese espacio la funcin

1. FUNCIONES Y ESPACIOS FUNCIONALES

Definicin 1.6. Sea I R un intervalo. Definimos L2 (I) como el

En ese espacio la funcin

entonces f es una funcin integrable, f no es la funcin 0 y sin

1. SUCESIONES Y SERIES DE FUNCIONES

Adems, nos interesar de ellos no slo el espacio en s, sino tambin

Lmites de sucesiones de funciones

en este intervalo no es ms que una coleccin (fn )nN de funciones

Definicin 3.1. Sea I R un intervalo, y para cada n N,

Observacin. Ntese que, para todo n N, fn (x0 ) es un nmero

1. SUCESIONES Y SERIES DE FUNCIONES

< x0 . Entonces, para

Por otro lado, est claro que

de funciones converge uniformemente tambin lo hace puntualmente,

es lo mismo que decir

y esto a su vez es equivalente a decir

(La ltima equivalencia es un ejercicio tpico de primer curso:

As pues, podemos pensar que la definicin de lmite nos dice que

Es fcil ver que la convergencia uniforme implica la convergencia

1. SUCESIONES Y SERIES DE FUNCIONES

Demostracin. Sea x0 I. Puesto que sabemos por hiptesis

lo que implica que

lo que concluye la demostracin.

Sin embargo, el recproco no es cierto; es decir, una sucesin puede

Por otro lado, si x < n1 ,

lm sup |fn (x) x| = 0,

lo que implica que la convergencia es uniforme.

Si fijamos ahora un x 6= 0 en el intervalo [0, 1], existe n0 N tal

Es decir, para todo x [0, 1],

Es fcil ver que, para todo n N,

(Esto est claro si se representa fn grficamente. En cualquier caso,

1. SUCESIONES Y SERIES DE FUNCIONES

es decir, la convergencia no es uniforme.

Solucin: Vemos fcilmente que lmn fn (x) = 0. Observamos

sup |fn (x)| = fn (a) =

tendremos que lmn fn (a) = 0.

Una vez estudiada la convergencia uniforme, es muy fcil definir

1. SUCESIONES Y SERIES DE FUNCIONES

Esta es la definicin para funciones con valores reales. Veremos ms

donde (I) es la longitud del intervalo.

Con esa proposicin es fcil probar lo siguiente.

Las relaciones con la convergencia puntual son menos claras, y para

1. SUCESIONES Y SERIES DE FUNCIONES

Para nosotros la utilidad principal de dicho corolario es la siguiente:

Es decir, fn es continua, vale 1 desde 0 hasta 21 n1 , vale 0 desde

Comprobar que la sucesin (fn ) converge en norma 2 a (y puntualmente a la funcin

Nuestro inters por la convergencia de sucesiones funcionales en