Está en la página 1de 27

Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 1

Curso 2o. Ingeniero de Telecomunicación.


Ampliación de Matemáticas.

Lección 4.

ANÁLISIS DE FOURIER.

Curso 2009-10

1 La serie de Fourier de una función


El planteamiento central de esta lección es el siguiente. Dada una función periódica f (t), por
ejemplo de período 2π, queremos escribirla como una combinación en la que intervengan única-
mente senos y cosenos, que son las funciones periódicas de período 2π más simples y conocidas:
X

f (t) ¿=? [an cos(nt) + bn sen (nt)] .
n=0

Una serie de este tipo recibe el nombre de serie trigonométrica o serie de Fourier.
El problema de la representación de una función mediante una serie trigonométrica surge,
como veremos en la lección 6, de la resolución de ecuaciones en derivadas parciales. En torno a
1750, J. d’Alembert, D. Bernoulli (1700—1782) y L. Euler estudiaron la ecuación de ondas que
gobierna el problema de la cuerda vibrante, un problema planteado y estudiado por B. Taylor
(1685—1731) que había obtenido soluciones en forma de funciones sinusoidales. D’Alembert dio
una solución muy general y Euler probó que si en el instante inicial la forma de la cuerda es una
combinación finita de senos, entonces ocurrirá lo mismo en cualquier instante posterior, dando
mucho más tarde, en 1777, las fórmulas que permiten calcular los coeficientes de la combinación.
En 1753, D. Bernoulli utilizó esta representación para resolver el problema de la cuerda vibrante
para una posición inicial cualquiera, pero su solución suscitó mucha controversia. Fue J.B. Fourier
(1768—1830) quien, al analizar en una famosa memoria presentada en 1807 la ecuación que go-
bierna la transmisión del calor en una barra, retomó las ideas de Euler y Bernoulli y obtuvo
resultados muy ajustados a los experimentos, colocando el estudio de las series trigonométricas
–que hoy llevan su nombre– en el centro del escenario matemático del S. XIX. La teoría de
las series de Fourier tuvo a lo largo del siglo pasado profundas implicaciones para el análisis
matemático y es hoy en día una herramienta fundamental de la ingeniería de telecomunicación.
En la teoría de la señal y la comunicación, cuando t es la variable temporal se dice que f (t)
es una señal periódica en tiempo continuo y cuando esta representación en serie de funciones
trigonométricas sea correcta, decimos que hemos descompuesto la señal en armónicos o modos
de vibración.
2 Lección 4. Análisis de Fourier

En esta lección estudiaremos bajo qué condiciones puede hacerse esta representación, cómo
calcular los coeficientes, los ejemplos más importantes, algunas propiedades y la forma compleja
de las series de Fourier. Finalmente, para funciones –señales– no periódicas, se introduce la
transformada de Fourier que, aunque es muy similar y comparte muchas propiedades con la
transformada de Laplace, se emplea en contextos muy diferentes.
Funciones periódicas. Recordemos que una función f : R → R es periódica de período T 6= 0
(o T -periódica) cuando existe T > 0 tal que
f(t + T ) = f(t) para cualquier t ∈R.
En ese caso se tiene automáticamente que f(t + nT ) = f (t) para cualesquiera t ∈ R y n ∈ Z.
Esto significa que sus valores se repiten a intervalos regulares y que su gráfica puede dividirse en
segmentos verticales de anchura T que son idénticos. Es obvio que si T es un período de f(t),
entonces también lo son −T, ±2T, ±3T, . . . Salvo las funciones constantes, todas las funciones
periódicas de interés en las aplicaciones, en particular las funciones continuas no constantes,
tienen lo que se conoce como un período fundamental o mínimo; o sea, un período T > 0 tal que
f (t) no es τ -periódica para ningún valor 0 < τ < T .
Los ejemplos típicos de funciones periódicas son las funciones trigonométricas sen (t) y cos(t),
que son periódicas con período mínimo 2π. Las funciones sen (2t) y cos(2t) también tienen
período 2π pero su período mínimo es π. Más generalmente, dados ω > 0, φ y n ∈ N, las

funciones sen (nωt + φ) y cos(nωt + φ) son periódicas de período mínimo T = , porque

sen (nω(t + T ) + φ) = sen (nωt + φ + 2π) = sen (nωt + φ)
e igual con el coseno. Para medir la velocidad de repetición de una función con período mínimo
T , se utiliza la frecuencia, a veces llamada frecuencia angular, definida como
2π 2π
frecuencia = = ,
período T
que se mide en radianes por segundo. En algunos textos se reserva la palabra frecuencia para la
inversa del período, 1/T que se mide en ciclos por segundoo hertzios.
Polinomios trigonométricos. Un polinomio trigonométrico con período T y frecuencia ω =
2π/T es una función de la forma
Xn0
1
f(t) = a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1

(el factor 12 del término independiente es un convenio cuya justificación daremos más adelante).
En otras palabras, un polinomio trigonométrico es una combinación lineal de senos y cosenos que
tienen un período común T . Los coeficientes an y bn de esta combinación se llaman coeficientes
de Fourier del polinomio. El índice n0 se llama grado del polinomio.
La razón del término “polinomio” es que las funciones sen (nωt) y cos(nωt) se pueden escribir
como una combinación de productos de potencias de sen (ωt) y cos(ωt), como en las conocidas
expresiones
sen (2ωt) = 2sen (ωt) cos(ωt) y cos(2ωt) = (cos(ωt))2 − (sen (ωt))2 .
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 3

Y, viceversa, toda combinación de productos de potencias de sen (ωt) y cos(ωt) es un polinomio


trigonométrico.
La existencia de un período común de las funciones involucradas es importante. La función
f(t) = cos(t) + cos(πt) no es un polinomio trigonométrico porque ni siquiera es periódica.
1 P 0
Sea f(t) = a0 + nn=1 [an cos(nωt) + bn sen (nωt)] un polinomio trigonométrico. Tomamos
2 p
α0 = 12 a0 . Para cada n = 1, 2, . . . , sea zn = an + jbn , αn = |zn | = a2n + b2n y φn = Arg(zn ), es
decir el argumento que pertenece al intervalo (−π, π]. De esta forma
an bn
cos(φn ) = y sen (φn ) =
αn αn
y se tiene
an cos(nωt) + bn sen (nωt) = αn cos(nωt + φn ),
así que podemos escribir el polinomio anterior como una suma de funciones coseno
f(t) = α0 + α1 cos(ωt + φ1 ) + α2 cos(2ωt + φ2 ) + · · · + αn0 cos(n0 ωt + φn0 )
donde el término α1 cos(ωt + φ1 ) se llama primer armónico o modo fundamental de vibración.
Los coeficientes αn de los armónicos se llaman amplitudes y los ángulos φn se llaman ángulos de
fase. En algunas ocasiones puede ser preferible usar funciones seno; ahora bien, puesto que se
verifica cos(nωt + φn ) = sen (nωt + φn + π/2), las amplitudes son iguales y los ángulos de fase
entre la expresión con el seno y la expresión con el coseno difieren en π/2.
La expresión de un polinomio trigonométrico en términos de las amplitudes y las fases de sus
armónicos es muy intuitiva; nos dice que la función resultante consiste en superponer vibraciones
cos(nωt + φn ) cuyas frecuencias son múltiplos enteros de la frecuencia del modo fundamental,
de mayor o menor amplitud y que van en fase (si φn = 0), adelantadas (cuando φn > 0, lo
que corresponde a deslizar la gráfica hacia la izquierda) o retrasadas (cuando φn < 0, lo que
corresponde a deslizar la gráfica hacia la derecha) con respecto al armónico puro de la misma
frecuencia cos(nωt).
Serie de Fourier. Sea ahora f(t) una función periódica de período T . La pregunta que se
plantea es saber si podemos obtener f como una combinación –necesariamente infinita salvo
que f sea un polinomio trigonométrico– de armónicos de frecuencia ω = 2π/T :
1
f(t)¿=? a0 + a1 cos(ωt) + b1 sen (ωt) + a2 cos(2ωt) + b2 sen (2ωt) + · · ·
2
Este problema se desdobla en dos: En primer lugar, determinar los coeficientes a0 , a1 , b1 , . . .
adecuados y, posteriormente, establecer si la serie converge a la propia función f (t).
Con respecto al primer problema, razonamos como sigue. Si es cierto que se da la igualdad
y la convergencia de la serie permite la integración término a término, entonces el coeficiente a0
1 P
de la expresión f (t) = a0 + ∞ n=1 [an cos(nωt) + bn sen (nωt)] es relativamente fácil de calcular:
2
si integramos sobre un período, obtenemos
Z T X∞ ∙ Z T Z T ¸
T T
f (t) dt = a0 + an cos(nωt) dt + bn sen (nωt) dt = a0 ,
0 2 n=1 0 0 2
4 Lección 4. Análisis de Fourier

donde hemos usado que para cada n = 1, 2, . . . se tiene


Z T Z T
cos(nωt) dt = sen (nωt) dt = 0.
0 0

Para calcular los demás coeficientes, Euler había observado que dados un período T y la
frecuencia correspondiente ω = 2π/T , entonces para cada m, n = 1, 2, . . . se tiene
Z T Z T (
0 si m 6= n,
cos(nωt) cos(mωt) dt = sen (nωt)sen (mωt) dt = T
0 0 si m = n
2
y también Z T
cos(nωt)sen (mωt) dt = 0.
0
1 P
Así que, multiplicando la expresión f(t) = a0 + ∞ n=1 [an cos(nωt) + bn sen (nωt)] por cos(mωt)
2
(para m = 1, 2, . . . ) e integrando sobre un período, obtenemos
Z T
f (t) cos(mωt) dt =
0
Z T X∞ ∙ Z T Z T ¸
= a0 cos(mωt) dt + an cos(nωt) cos(mωt) dt + bn sen (nωt) cos(mωt) dt
0 n=1 0 0

T
= am .
2
1 P
Análogamente, multiplicando la expresión f(t) = a0 + ∞ n=1 [an cos(nωt) + bn sen (nωt)] por
2
sen (mωt) (para m = 1, 2, . . . ) e integrando sobre un período, obtenemos
Z T
f(t)sen (mωt) dt =
0
Z T X ∞ ∙ Z T Z T ¸
= a0 sen (mωt) dt + an cos(nωt)sen (mωt) dt + bn sen (nωt)sen (mωt) dt
0 n=1 0 0

T
= bm .
2

Puesto que cos(0ωt) = 1, vemos que el valor de a0 se puede obtener admitiendo m = 0 en la


expresión de am ; esto explica por qué el término constante de la serie se suele escribir 12 a0 . En
resumen, los coeficientes buscados son
Z
2 T
am = f(t) cos(mωt) dt para m = 0, 1, 2 . . .
T 0
y Z T
2
bm = f (t)sen (mωt) dt para m = 1, 2, . . .
T 0
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 5

Estas expresiones nos dicen cómo calcular los coeficientes adecuados.


Definiciones. Sea f : R → R una función continua a trozos y periódica de período T y sea
ω = 2π/T . Los coeficientes de Fourier de f son los números definidos por
Z
2 T
an = f (t) cos(nωt) dt para n = 0, 1, 2 . . . ,
T 0
y Z
2 T
bn = f (t)sen (nωt) dt para n = 1, 2, . . .
T 0
Puesto que la función tiene período T , las integrales anteriores pueden hacerse sobre cualquier
intervalo de longitud T , por ejemplo [−T /2, T /2].
1 P

La serie a0 + [an cos(nωt) + bn sen (nωt)], donde los an y los bn son los correspondientes
2 n=1
coeficientes de Fourier de una función f, se llama desarrollo en serie de Fourier, o simplemente
serie de Fourier, de f. Para indicar que una serie trigonométrica es la serie de Fourier de una
función dada se suele escribir
1 X∞
f(t) ∼ a0 + [an cos(nωt) + bn sen (nωt)] .
2 n=1

Como antes, tomando α0 = 12 a0 y


p
αn = a2n + b2n y φn = arctan(−bn /an ) ∈ (−π, π] para n = 1, 2, . . . ,

se tiene
an cos(nωt) + bn sen (nωt) = αn cos(nωt + φn ),
así que podemos escribir la serie de Fourier de f como una superposición de armónicos en términos
de las amplitudes y las fases de la siguiente manera:
X

f(t) ∼ α0 + αn cos(nωt + φn ).
n=1

Si T es el período mínimo de f , entonces el término α1 cos(ωt + φ1 ) se llama primer armónico


o modo fundamental de vibración. Los términos an cos(nωt) + bn sen (nωt) = αn cos(ωt + φn )
restantes se llaman componentes armónicos de f. Los coeficientes αn de los componentes ar-
mónicos se llaman amplitudes y los ángulos φn se llaman ángulos de fase.
Los coeficientes de Fourier o, alternativamente, las amplitudes y las fases son parámetros muy
importantes a la hora de estudiar una señal. Aparte de la representación habitual de una señal
como una curva situando el tiempo en el eje de abscisas, en la práctica también se utilizan el
espectro discreto de amplitudes, que es la representación de las amplitudes cuando situamos las
frecuencias en el eje de abscisas, y el espectro discreto de fases, que es la representación de las
fases cuando situamos las frecuencias en el eje de abscisas. El adjetivo discreto alude al hecho de
que las frecuencias no varían de forma continua, sino como múltiplos de la frecuencia fundamental
ω, o sea, 0, ω, 2ω, 3ω, . . . , lo que se conoce como el dominio discreto de frecuencias de f.
6 Lección 4. Análisis de Fourier

Naturalmente, aún está pendiente el problema de saber si el desarrollo en serie de Fourier de


una función dada converge y, en ese caso, si su límite es la función. Abordaremos ese problema
en la siguiente sección; ahora vamos a estudiar algunos ejemplos que nos indiquen qué podemos
esperar.
Ejemplos. (1) La serie de Fourier de un polinomio trigonométrico es el propio polinomio.
(2) La serie de Fourier de la función de onda rectangular de período T definida en [−T /2, T /2]
por ½
−1 si −T /2 < t < 0
f(t) =
1 si 0 < t < T /2
y extendida periódicamente a R es
∙ ¸
4 1 1
f(t) ∼ sen (ωt) + sen (3ωt) + sen (5ωt) + · · · ,
π 3 5

siendo ω = 2π/T . Vemos que no está claro a priori que la serie vaya a ser convergente.
(3) La serie de Fourier de la función dada por f(t) = (π − t)(π + t) para −π ≤ t ≤ π y
extendida periódicamente a R es
∙ ¸
2π 2 1 1 1
f (t) ∼ + 4 cos(t) − cos(2t) + cos(3t) − cos(4t) + · · · .
3 4 9 16
En este caso sí está claro que la serie converge absolutamente para cada valor de t.
(4) La serie de Fourier de la función de onda dentada definida por f(t) = t/T para 0 < t < T
y extendida periódicamente a R es
∙ ¸
1 1 1
f (t) ∼ 1/2 − sen (ωt) + sen (2ωt) + sen (3ωt) + · · ·
π 2 3

con ω = 2π/T .
(5) La serie de Fourier de la función de onda dentada definida por f (t) = t/T para −T /2 <
t < T /2 y extendida periódicamente a R es
∙ ¸
1 1 1 1
f (t) ∼ sen (ωt) − sen (2ωt) + sen (3ωt) − sen (4ωt) + · · ·
π 2 3 4

con ω = 2π/T .
(6) La serie de Fourier de un tren de pulsos rectangulares dado como la extensión periódica
de la función definida en [−T /2, T /2] por
½
1 si 0 < |t| <d/2,
f(t) =
0 si d/2 < |t| < T /2.
es
∙ ¸
ωd 1 sen (2ωd/2) sen (3ωd/2)
f(t) ∼ + sen (ωd/2) cos(t) + cos(2t) + cos(3t) + · · · .
2π π 2 3
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 7

con ω = 2π/T .
Series de Fourier de funciones pares e impares. Sea f : [−L, L] → R una función. Se
dice que f es una función par cuando f(−t) = f (t) para cada t ∈ [−L, L]; esto significa que su
gráfica es simétrica respecto del eje de ordenadas. Si f es par e integrable, entonces
Z L Z L
f(t) dt = 2 f (t) dt.
−L 0

Las constantes, los cosenos o las funciones f(t) = tpar son ejemplos de funciones pares.
Se dice que una función f : [−L, L] → R es una función impar cuando f(−t) = −f(t) para
cada t ∈ [−L, L]; esto significa que su gráfica es simétrica respecto del origen de coordenadas. Si
f es impar e integrable, entonces Z L
f(t) dt = 0.
−L

Los senos o las funciones f(t) = timpar son ejemplos de funciones impares.
La suma y el producto de funciones pares o impares sigue la misma regla que los signos (con
“par” en el papel de “positivo” e “impar” en el de “negativo”). Otra propiedad útil es que la
derivada de una función par es impar y viceversa.
Teorema. Sea f (t) una función continua a trozos y periódica de período T .
(1) Si f es una función par, entonces su desarrollo en serie de Fourier sólo tiene funciones
coseno, lo que se conoce como una serie de Fourier en cosenos,

1 X∞
f(t) ∼ a0 + an cos(nωt)
2 n=1

siendo ω = 2π/T y
Z T /2
4
an = f (t) cos(nωt) dt (n = 0, 1, 2, . . . ).
T 0
(Esto lo vemos en los Ejemplos 3 y 6 anteriores.)
(2) Si f es una función impar, entonces su desarrollo en serie de Fourier sólo tiene funciones
seno, lo que se conoce como una serie de Fourier en senos,
X

f(t) ∼ bn sen (nωt)
n=1

siendo ω = 2π/T y
Z T /2
4
bn = f(t)sen (nωt) dt (n = 1, 2, . . . ).
T 0
(Esto lo vemos en los Ejemplos 2 y 5 anteriores.)
Veremos en la Lección 5 que en ocasiones necesitaremos expresar una función como una serie
de Fourier de senos o como una serie de Fourier de cosenos en un intervalo dado. Esto se hace
definiendo la función de manera adecuada fuera de dicho intervalo para que sea par o impar.
8 Lección 4. Análisis de Fourier

Desarrollos de medio intervalo. Sea f : [0, L] → R una función continua a trozos. Sea
T = 2L, entonces la extensión T -periódica y par de f es la función definida en el intervalo
[−L, L] = [−T /2, T /2] por
½
f(−t) si −L ≤ t ≤ 0,
fpar (t) =
f(t) si 0 ≤ t ≤ L,

y extendida periódicamente a toda la recta real R. Obviamente, fpar es una función par, así que
su desarrollo en serie de Fourier es una serie de cosenos que se conoce, en este contexto, como el
desarrollo de f en serie de cosenos en medio intervalo [0, L] y viene dado por

1 X∞
f (t) ∼ a0 + an cos(nωt) en [0, L],
2 n=1

siendo ω = π/L y
Z L
2
an = f(t) cos(nωt) dt (n = 0, 1, 2, . . . ).
L 0

La extensión T -periódica e impar de f es la función definida en [−L, L] = [−T /2, T /2] por
½
−f(−t) si −L ≤ t ≤ 0,
fimpar (t) =
f(t) si 0 ≤ t ≤ L,

y extendida periódicamente a toda la recta real R. Obviamente, fimpar es una función impar, así
que su desarrollo en serie de Fourier es una serie de senos que se conoce, en este contexto, como
el desarrollo de f en serie de senos en medio intervalo [0, L] y viene dado por

X

f(t) ∼ bn sen (nωt) en [0, L],
n=1

siendo ω = π/L y
Z L
2
bn = f (t)sen (nωt) dt (n = 1, 2, . . . ).
L 0

Ejemplo. Sea f(t) = t para t ∈ [0, π]. Entonces, su extensión par y 2π-periódica es la función
dada por fpar (t) = |t| para t ∈ [−π, π] y extendida periódicamente a toda la recta real; el
desarrollo de f en serie de cosenos en [0, π] es
∙ ¸
π 4 cos(3t) cos(5t)
f(t) ∼ − cos(t) + + + ··· .
2 π 32 52

Para la misma función f, su extensión impar y 2π-periódica viene dada por fimpar (t) = t para
t ∈ [−π, π] y extendida periódicamente a toda la recta real; el desarrollo de f en serie de senos
en [0, π] es ∙ ¸
sen (2t) sen (3t) sen (4t)
f (t) ∼ 2 sen (t) − + − + ··· .
2 3 4
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 9

2 Convergencia de las series de Fourier


Sea f : R → R una función continua a trozos y periódica de período T y sea

1 X∞
f(t) ∼ a0 + [an cos(nωt) + bn sen (nωt)] ,
2 n=1

con ω = 2π/T , su serie de Fourier. Hemos comentado que la afirmación de que se da la igualdad
entre f y su serie de Fourier suscitó mucha controversia a lo largo de la segunda mitad del
S. XVIII y comienzos del S. XIX. Esta controversia fue zanjada por P.G.L. Dirichlet (1805—
1859): en 1829 dio la primera demostración satisfactoria de que cierta clase de funciones, que
incluye prácticamente todas las de interés en las aplicaciones, son realmente iguales a las sumas
de sus series de Fourier.
Condiciones de Dirichlet. Sea f : R → R una función periódica de período T . Se dice
que f satisface las condiciones de Dirichlet si en cada período la función f : [0, T ] → R es
continua salvo un número finito de discontinuidades de salto y sólo tiene una cantidad finita
de máximos y mínimos locales estrictos. Puede probarse, en particular, que si una función
periódica es tal que ella y su derivada están definidas y son continuas salvo un número finito
de discontinuidades de salto, entonces dicha función verifica las condiciones de Dirichlet. Como
hemos dicho, prácticamente todas las funciones –señales– de interés en las aplicaciones las
verifican.
Teorema de convergencia de Dirichlet. Sea f : R → R una función periódica de período T
que satisface las condiciones de Dirichlet y sea

1 X∞
f(t) ∼ a0 + [an cos(nωt) + bn sen (nωt)] ,
2 n=1

con ω = 2π/T , su serie de Fourier.


(1) Si f es continua en un punto t, entonces la serie de Fourier converge en ese punto a f (t),
o sea,
1 X∞
a0 + [an cos(nωt) + bn sen (nωt)] = f(t).
2 n=1

(2) Si f tiene una discontinuad de salto en un punto t, entonces la serie de Fourier converge
en ese punto al punto medio del salto, o sea,

1 X∞
f(t− ) + f(t+ )
a0 + [an cos(nωt) + bn sen (nωt)] = ,
2 n=1
2

donde, como es habitual, f(t− ) = limτ →0,τ >0 f(t − τ ) indica el límite de f en t por la izquierda
y f(t+ ) = limτ →0,τ >0 f(t + τ ) indica el límite de f en t por la derecha.
El teorema nos dice, en particular, que si f satisface las condiciones de Dirichlet y redefinimos
el valor de f en cada punto de discontinuidad como el punto medio del salto, o sea, poniendo
10 Lección 4. Análisis de Fourier

f (t− ) + f (t+ )
f (t) = , entonces la suma de la serie de Fourier coincide con f(t) en cada t ∈ R.
2
Por eso, en lo que sigue, y salvo que se diga lo contrario, supondremos que esto se cumple.
Ejemplo. Hemos visto que la serie de Fourier de la función dada por f(t) = (π − t)(π + t) para
−π ≤ t ≤ π y extendida periódicamente a R es
∙ ¸
2π 2 1 1 1
f (t) ∼ + 4 cos(t) − cos(2t) + cos(3t) − cos(4t) + · · · .
3 4 9 16

Como f verifica las condiciones de Dirichlet, tenemos de hecho que


∙ ¸
2π 2 1 1 1
f(t) = + 4 cos(t) − cos(2t) + cos(3t) − cos(4t) + · · ·
3 4 9 16

para todo t ∈ [−π, π]. Si usamos el teorema de Dirichlet en t = π obtenemos


∙ ¸
2π 2 1 1 1
0= + 4 −1 − − − − ···
3 4 9 16

de donde se deduce que


1 1 1 π2
1+ + + +··· = ,
4 9 16 6
resultado obtenido por primera vez por Euler en 1736 (usando otro método).
El fenómeno de Gibbs. El teorema de Dirichlet nos dice que, en los puntos de discontinuidad,
la gráfica de la suma de la serie de Fourier pasa por el punto medio del salto. Si se dibujan las
sumas parciales se ve que en las cercanías de los puntos de discontinuidad se reduce la velocidad
de convergencia de la serie y que la gráfica de la suma parcial oscila alrededor de la gráfica de la
función. Cuando se aumenta el número de términos, las oscilaciones se condensan a ambos lados
del punto pero su amplitud no parece decrecer. Esto se conoce como el fenómeno de Gibbs,en
honor de J.W. Gibbs (1839—1903) que lo analizó en 1899 Z probando que la amplitud de la oscilación
π
1 sen (t)
a cada lado de la gráfica de la función tiende a ser dt − 1 ≈ 0.0895 veces el tamaño
2π 0 t
del salto, o sea, aproximadamente el 9% del tamaño del salto. Veamos un ejemplo. Consideremos
la función de onda rectangular de período 2π definida en [−π, π] por
½
−1 si −π < t < 0
f(t) =
1 si 0 < t <π

y extendida periódicamente a R. Su serie de Fourier es


∙ ¸
4 1 1
sen (t) + sen (3t) + sen (5t) + · · · .
π 3 5

1 1
Mostramos a continuación las sumas parciales hasta los sumando sen (25t) y sen (35t) donde
25 35
se observa claramente el fenómeno de Gibbs.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 11

1.5 1.5

1 1

0.5 0.5

0 0

−0.5 −0.5

−1 −1

−1.5 −1.5
−10 −5 0 5 10 15 −10 −5 0 5 10 15

Vamos a ver ahora algunas propiedades de los desarrollos en serie de Fourier.


Derivación de las series de Fourier. La regla de la cadena muestra que la derivada de una
función periódica es periódica y tiene el mismo período. Si f es una función continua y periódica
de período T y su derivada f 0 verifica las condiciones de Dirichlet, entonces, la serie de Fourier
de f puede derivarse término a término de manera que si
1 X∞
f(t) = a0 + [an cos(nωt) + bn sen (nωt)] ,
2 n=1
entonces
X

0
f (t) ∼ [nbn ω cos(nωt) − nan ωsen (nωt)]
n=1
para cada t ∈ R.
Integración de las series de Fourier. A diferencia de la operación de derivación, la integral
de una función no necesariamente vuelveR t a ser periódica. Sea f una función periódica con período
T y consideremos la función F (t) = t0 f(τ ) dτ . Entonces la función F es T -periódica si y sólo
2 RT Rt 1
si a0 = 0
f (t) dt = 0. En caso contrario, se tiene que la función t0 f (τ ) dτ − a0 (t − t0 )
T 2
es T -periódica. Si adicionalmente la función f verifica las condiciones de Dirichlet, entonces, la
serie de Fourier de f puede integrarse término a término de manera que si
1 X∞
f (t) = a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1

y t0 , t ∈ [−T /2, T /2], entonces


Z t X∞ ∙ ¸
1 bn (cos(nωt0 ) − cos(nωt)) an (sen (nωt) − sen (nωt0 ))
f (τ ) dτ − a0 (t − t0 ) = + .
t0 2 n=1
nω nω

Igualdad de Parseval. Sea f una función periódica de período T que verifica las condiciones
de Dirichlet y sea
1 X∞
f(t) ∼ a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1
12 Lección 4. Análisis de Fourier

su serie de Fourier. Entonces


Z
1 X£ 2

1 T
2 1 ¤
[f (t)] dt = a20 + an + b2n .
T 0 4 2 n=1
En particular, la serie de los cuadrados de los coeficientes de Fourier es convergente.
Cuando f (t) es una señal periódica de período fundamental T , esta igualdad puede inter-
Z
1 T
pretarse de la siguiente manera. La integral P = [f (t)]2 dt se llama media cuadrática o
T 0
potencia media de f. Por ejemplo, si f(t) representa el voltaje que se aplica a una resistencia de
1 ohmio, entonces la potencia media de f coincide con la potencia eléctrica media (energía por
unidad de tiempo medida en watios) disipada por la resistencia en cada período. Ahora bien, la
potencia media de cada uno de los armónicos presentes en la señal es
Z
1 T 1
P0 = [a0 /2]2 dt = a20 ,
T 0 4
Z T
1 1 1
Pn = [an cos(nωt) + bn sen (nωt)]2 dt = a2n + b2n (n = 1, 2, . . . ),
T 0 2 2
luego la igualdad de Parseval nos dice que la potencia media de la señal es la suma de las potencias
P

medias de sus componentes armónicos, P = Pn .
n=0

Teorema de la mejor aproximación y convergencia en media cuadrática. Sea f una


función periódica de período T que verifica las condiciones de Dirichlet, sea
1 X∞
f (t) ∼ a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1

su serie de Fourier y sea


1 Xm
fm (t) = a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1

el polinomio trigonométrico obtenido como la suma m-ésima de dicha serie. Entonces fm es,
de todos los polinomios trigonométricos de grado m y período T , el que mejor se aproxima a f
en media cuadrática; es decir, si gm es un polinomio trigonométrico de grado m distinto de fm ,
entonces Z Z
1 T 2 1 T
[f (t) − fm (t)] dt < [f(t) − gm (t)]2 dt
T 0 T 0
y, además, Z
1 T
lim [f(t) − fm (t)]2 dt = 0.
m→∞ T 0

Para obtener este resultado aplicamos el teorema de la mejor aproximación estudiado en la


asignatura de Álgebra al espacio vectorial V formado por todas las aplicaciones periódicas de
período T que verifican las condiciones de Dirichlet, dotado del poducto escalar
Z
2 T
hf, gi = f(t)g(t) dt,
T 0
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 13

y al subespacio M formado por todos los polinomios trigonométricos de grado menor o igual a
n. Una base ortonormal de dicho subespacio está formado por las funciones
½ ¾
1
, cos(ωt), sen (ωt), ..., cos(nωt), sen (nωt) .
2

3 Forma compleja de las series de Fourier


Hemos visto dos formas de expresar la serie de Fourier de una función periódica de período T :
en términos de senos y cosenos
1 X∞
f(t) ∼ a0 + [an cos(nωt) + bn sen (nωt)] .
2 n=1

o en términos de amplitudes y fases


X

f(t) ∼ α0 + αn cos(nωt + φn ),
n=1

donde ω = 2π/T y los coeficientes de estas expresiones están relacionados de la siguiente manera:
α0 = 12 a0 y, para n = 1, 2, . . . ,
p
αn = a2n + b2n y φn = arctan(−bn /an ) ∈ (−π, π]
o bien
an = αn cos(φn ) y bn = −αn sen (φn ).

En muchas aplicaciones, en particular en teoría de la señal y de las comunicaciones, es más útil


una tercera forma de expresión, llamada forma compleja de la serie de Fourier, que consiste en
usar exponenciales complejas ejnωt en vez de cos(nωt) y sen (nωt). Para construirla, sustituimos
las expresiones
ejnωt + e−jnωt ejnωt − e−jnωt
cos(nωt) = y sen (nωt) =
2 2j
P∞
en la serie 12 a0 + n=1 [an cos(nωt) + bn sen (nωt)], obteniendo

1 X£

1 ¤
f (t) ∼ a0 + (an − jbn )ejnωt + (an + jbn )e−jnωt .
2 2 n=1

Escribiendo
1 1 1
c0 = c0 e0 = a0 , cn = (an − jbn ) y c−n = cn = (an + jbn ),
2 2 2
separando los términos con índice negativo de los que tienen índice positivo y reordenando, la
serie de Fourier queda
X

f(t) ∼ cn ejnωt ,
n=−∞
14 Lección 4. Análisis de Fourier

que se llama forma compleja de la serie de Fourier de f . Los números cn se llaman coeficientes
de Fourier de la forma compleja y pueden calcularse de forma directa:
Z
1 T /2
cn = f (t)e−jnωt dt para n = 0, ±1, ±2, . . .
T −T /2

Si lo que tenemos son los coeficientes cn de la forma compleja, entonces los coeficientes de
Fourier an y bn , las amplitudes y las fases vienen dados por

an = 2 Re(cn ), bn = −2 Im(cn ), αn = 2 |cn | y φn = arg(cn ) ∈ (−π, π].

Vemos, entonces, que una función periódica es par cuando sus coeficientes de Fourier complejos
son reales y que es impar cuando sus coeficientes de Fourier complejos son imaginarios puros.
Cuando f(t) es una señal periódica de período fundamental T , las componentes de la forma
compleja se dan en las frecuencias 0, ±ω, ±2ω, . . . Sin embargo, no es posible realizar física-
mente señales de frecuencia negativa, éstas se han introducido por comodidad. Para obtener una
señal real a partir de cada componente cn ejnωt debemos combinarla con c−n e−jnωt para obtener,
teniendo en cuenta que cn y c−n son conjugados,

cn ejnωt + c−n e−jnωt = |cn | ejφn ejnωt + |cn | e−jφn e−jnωt = 2 |cn | cos(nωt + φn ).

En el caso complejo, la representación de los módulos |cn | cuando situamos las frecuencias po-
sitivas y negativas en el eje de abscisas se llama espectro complejo de amplitudes y es simétrico
con respecto al eje de ordenadas. Las amplitudes αn = 2 |cn | = |cn | + |c−n | se obtienen sumando
los valores correspondientes a las frecuencias nω y −nω.
Ejemplo. Los coeficientes de Fourier complejos de un tren de pulsos rectangulares dado como
la extensión periódica de la función definida en [−T /2, T /2] por
½
k si 0 ≤ |t| < d/2,
f(t) =
0 si d/2 ≤ |t| < T /2,
son Z d/2
k kd sen (nωd/2)
cn = e−jnωt dt = .
T −d/2 T nωd/2
Los valores de cn son reales, lo que corresponde al hecho de que la función es par, así que su
espectro de fases es φn = 0 para cada n. La función
(
1 si t = 0,
sa(t) := sen (t)
si t 6= 0,
t
se llama función de muestreo (‘sa’ viene de la palabra inglesa sampling) y es muy importante en
la teoría de la señal precisamente porque los coeficientes de Fourier complejos del tren de pulsos
rectangulares de nuestro ejemplo se pueden expresar como
kd
cn = sa(nωd/2).
T
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 15

A veces, en vez de la función de muestreo se trabaja con una función relacionada, llamada seno
cardinal que se define como
(
1 si t = 0,
sinc(t) := sa(πt) := sen (πt)
si t =
6 0.
πt

Observación. La forma compleja se puede definir para funciones periódicas f (t) que toman
valores complejos y las fórmulas y los resultados que se obtienen son totalmente análogos. Lo
único que hay que tener en cuenta es, simplemente, que a la hora de integrar se integran por
separado las partes real e imaginaria. En lo que sigue, usaremos a veces este hecho sin hacer
mención explícita.
Propiedades de la forma compleja de las series de Fourier. Las propiedades de derivación
e integración vistas en la sección anterior se trasladan al caso complejo sin dificultad alguna. Es
más, hay algunas propiedades que se entienden mucho más claramente en el contexto complejo y
que son útiles a la hora de obtener nuevos desarrollos de Fourier a partir de otros conocidos. En
lo que queda de sección, supondremos que f y g son funciones periódicas de período T (reales
o complejas) que verifican las condiciones de Dirichlet y cuyos desarrollos en serie de Fourier
compleja son, respectivamente,
X
∞ X

f (t) = cn ejnωt y g(t) = dn ejnωt ,
n=−∞ n=−∞

siendo ω = 2π/T .
Linealidad. Si p y q son números complejos, entonces la serie de Fourier de pf (t) + qg(t) es
X

pf(t) + qg(t) = (pcn + qdn )ejnωt .
n=−∞

Traslación en el tiempo. Si t0 es un número real, entonces la serie de Fourier de la función


trasladada f (t − t0 ) es
X
∞ X

−jnωt0 jnωt
f(t − t0 ) = cn e e = cn ejnω(t−t0 ) .
n=−∞ n=−∞

En particular, f (t) y f (t − t0 ) tienen el mismo espectro de amplitudes pero distintas fases.


Escalado en el tiempo. Si p es un número real, entonces la función f (pt) es periódica de
período T /p y frecuencia pω. Su serie de Fourier es
X

f(pt) = cn ejn(pω)t .
n=−∞

O sea, f (t) y f(pt) tienen las mismas amplitudes y fases pero correspondientes a frecuencias
distintas.
16 Lección 4. Análisis de Fourier

P∞
Convolución. Los coeficientes complejos de Fourier de f(t)g(t) = n=−∞ hn ejnωt son
X
∞ X

hn = ck dn−k = cn−k dk .
k=−∞ k=−∞

Multiplicación. Se verifica que


Z T X

1
f (t)g(t) dt = cn dn .
T 0 n=−∞

Forma compleja de la igualdad de Parseval. Se verifica que


Z X∞
1 T 2
|f(t)| dt = |cn |2 .
T 0 n=−∞

En particular, la serie de los cuadrados de los coeficientes complejos de Fourier es convergente.


Cuando f(t) es una señal periódica de período fundamental T , esta igualdad nos dice que
P∞
la potencia media de la señal es P = |cn |2 . Por eso, la representación de los valores |cn |2
n=−∞
cuando situamos las frecuencias en el eje de abscisas se llama espectro discreto de potencias.

4 La transformación de Fourier
La representación integral de Fourier. Hemos visto que la forma compleja de la serie de
Fourier de una función f periódica de período T que verifica las condiciones de Dirichlet es
X

f(t) = cn ejnωt ,
n=−∞

donde ω = 2π/T y los coeficientes de Fourier vienen dados por


Z
1 T /2
cn = f (t)e−jnωt dt para n = 0, ±1, ±2, . . .
T −T /2

Si nuestra señal no es periódica, no podemos esperar que sea posible representarla median-
te una serie de Fourier. Una de las contribuciones decisivas de Fourier fue tratar una función
no periódica como si fuera una función con período infinito, lo que le llevó a la posibilidad de
representarla no como una serie cuyos términos corresponden a múltiplos de la frecuencia fun-
damental 0, ω, 2ω, 3ω, . . . , sino como una integral cuya variable de integración es una frecuencia
que se mueve de manera continua. Veamos cuál fue su razonamiento.
Partiendo de una función periódica y combinando las expresiones anteriores, obtenemos
" Z #
X∞ X∞
1 T /2
f(t) = cn ejnωt = f (t)e−jnωτ dτ ejnωt .
n=−∞ n=−∞
T −T /2
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 17

Sean ωn = nω las frecuencias presentes y llamemos ∆ω n = ω n − ω n−1 = ω = 2π/T a la diferencia


entre dos frecuencias consecutivas. Entonces podemos escribir
" Z #
X∞
1 T /2
f (t) = f (τ )e−jωn τ dτ ejωn t ∆ωn .
n=−∞
2π −T /2

Ahora, para cada ω ∈ R definimos


Z T /2
FT (ω) = f(τ )e−jωτ dτ ,
−T /2

con lo que la igualdad previa puede escribirse como

1 X

f (t) = FT (ωn )ejωn t ∆ωn .
2π n=−∞

Si T es muy grande, podemos interpretar esta suma como una suma de Riemann de la integral
impropia
Z ∞
1 X

1 jωt
FT (ω)e dω ≈ FT (ωn )ejωn t ∆ωn = f(t).
2π −∞ 2π n=−∞
En consecuencia, si hacemos T → ∞ y consideramos la función F dada por
Z ∞
F (ω) = lim FT (ω) = f (τ )e−jωτ dτ ,
T →∞ −∞

entonces cabe esperar que se verifique la igualdad


Z ∞
1
f(t) = F (ω)ejωt dω,
2π −∞
que se llama representación integral de Fourier de la función f .
Este razonamiento no siempre es correcto ya que el paso al límite con T → ∞ puede no
funcionar como se espera. Esto ocurre, por ejemplo, con la función constante f (t) = 1, para la
que la integral que define F (ω) no es convergente. Sin embargo, como en el caso de las series
de Fourier, existe una clase amplia de funciones para las que dicha representación sí es válida.
Esta clase incluye todas las señales de interés en las aplicaciones ya que en la práctica las señales
tienen una duración finita.
Condiciones de Dirichlet para la integral de Fourier. Se dice que una señal real o compleja
f(t), definida para cada t ∈ R, satisface las condiciones de Dirichlet para la integral de Fourier
si f(t) es absolutamente integrable en R, o sea,
Z ∞
|f (t)| dt < ∞,
−∞

y, además, en cada subintervalo finito se verifica que f (t) es continua salvo un número finito de
discontinuidades de salto y que sus partes real e imaginaria sólo tienen una cantidad finita de
máximos y mínimos locales estrictos.
18 Lección 4. Análisis de Fourier

Teorema de convergencia de la integral de Fourier. Si f satisface las condiciones de


Dirichlet para la integral de Fourier, entonces para cada ω ∈ R se tiene que la integral
Z ∞
F (ω) = f(t)e−jωt dt
−∞

es convergente. Además, asumiendo que en las discontinuidades de salto de la función f se tiene


f (t− ) + f (t+ )
que f (t) = , también se verifica la igualdad
2
Z ∞
1
f (t) = F (ω)ejωt dω
2π −∞
que se llama representación integral de Fourier de la función f.
Definiciones. Sea f una función que satisface las condiciones de Dirichlet para la integral de
Fourier. Entonces la función F (ω) definida para cada ω ∈ R por
Z ∞
F (ω) = f(t)e−jωt dt
−∞

se llama transformada de Fourier de f y proporciona la representación en el dominio continuo


de frecuencias de la función f. Como ocurre con la transformada de Laplace, una notación muy
habitual para la transformada de Fourier es F{f }.
Cuando tengamos una función en el dominio de la frecuencia F (ω) y calculemos la función
f (t) en el dominio del tiempo cuya transformada de Fourier es la función F dada, diremos que
f es la transformada de Fourier inversa o, coloquialmente, la anti-transformada de F ; es decir,
Z ∞
−1 1
f(t) = F {F }(t) = F (ω)ejωt dω.
2π −∞

Puesto que el valor de F (ω) para cada variable real ω es un número complejo, suele represen-
tarse usando una gráfica para su módulo |F (ω)| y otra para su argumento principal arg(F (ω)) ∈
(−π, π] que se conocen, respectivamente, como espectro de amplitudes y espectro de fases de f.
Ejemplos. (1) La transformada de Fourier de la función exponencial unilateral
½
−αt 0 si t < 0,
f (t) = h0 (t)e = −αt
e si t > 0,
con Re(α) > 0, es
1
F (ω) = .
α + jω
(2) La transformada de Fourier del pulso rectangular
½
1 si |t| < d/2,
f (t) =
0 si d/2 < |t| ,
es
sen (ωd/2)
F (ω) = dsa(ωd/2) = d sinc(ωd/2π) = 2 .
ω
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 19

5 Propiedades de la transformación de Fourier


Es obvio que formalmente hay una relación estrecha entre la transformación de Fourier y tanto la
transformación de Laplace como las series de Fourier. No es de extrañar, entonces, que muchas
de las propiedades de la transformación de Laplace y de las series de Fourier que hemos visto
sean válidas para la transformación de Fourier. En lo que sigue supondremos que las funciones
que aparecen verifican las condiciones de Dirichlet para la integral de Fourier.
Linealidad. Si a y b son números complejos entonces la transformada de Fourier de la suma
af (t) + bg(t) es aF (ω) + bG(ω). O sea,

F{af + bg} = aF{f } + bF{g}.

Propiedad de simetría o de dualidad. La transformada de Fourier de F (t) es 2πf (−ω)


(esto es simplemente una forma de reescribir la segunda parte del teorema de convergencia de la
integral de Fourier).
Transformadas de funciones pares e impares. Si f es una función par, entonces su trans-
formada de Fourier viene dada por
Z ∞
F (ω) = 2 f (τ ) cos(ωτ ) dτ
0

y, teniendo en cuenta que F vuelve a ser una función par, concluimos que
Z ∙Z ∞ ¸
2 ∞
f (t) = f (τ ) cos(ωτ ) cos(ωt) dτ dω.
π 0 0

La función que representa aquí el papel de la transformada de Fourier


Z ∞
Fc {f}(ω) = f (τ ) cos(ωτ ) dτ
0

se llama transformada coseno de f.


Si f es una función impar, entonces su transformada de Fourier viene dada por
Z ∞
F (ω) = −2j f (τ )sen (ωτ ) dτ
0

y, teniendo en cuenta que F vuelve a ser una función impar, concluimos que
Z ∙Z ∞ ¸
2 ∞
f (t) = f (τ )sen (ωτ )sen (ωt) dτ dω.
π 0 0

La función que representa aquí el papel de la transformada de Fourier


Z ∞
Fs {f}(ω) = f(τ )sen (ωτ ) dτ
0

se llama transformada seno de f.


20 Lección 4. Análisis de Fourier

Escalado en el dominio del tiempo. La transformada de Fourier de f(at) viene dada por
F (ω/a)
; es decir
|a|
1
F{f(at)} (ω) = F{f} (ω/a) .
|a|

Inversión en el dominio del tiempo. La transformada de Fourier de la función f (−t) es


F (−ω) (observe que esta propiedad no es más que un escalado en el dominio del tiempo con
a = −1).
Desplazamiento, o traslación, en el dominio de la frecuencia. Si ω0 es un número real
entonces la transformada de Fourier de ejω0 t f (t) es F (ω − ω0 ). O sea,

F{ejω0 t f (t)} (ω) = F{f}(ω − ω 0 ).

Desplazamiento, o traslación, en el dominio del tiempo. Si t0 es un número real entonces


la transformada de Fourier de la función trasladada f (t − t0 ) es e−jωt0 F (ω). En otras palabras,
F{f(t − t0 )} = e−jωt0 F{f }.
Derivación en el tiempo. Si tanto f (t) como f 0 (t) verifican las condiciones de Dirichlet, se
verifica que la transformada de Fourier de la derivada f 0 (t) de una función derivable f(t) es
(jω)F (ω). Es decir,
F{f 0 } (ω) = (jω)F{f} (ω) .
Aplicando esto a f 0 tenemos, como consecuencia, la transformada de la derivada segunda

F{f 00 } (ω) = −ω2 F{f} (ω) .

Más generalmente,

F{f (n) } (ω) = (jω)n F{f} (ω) , para n = 1, 2, . . .

(siempre que f(t), f 0 (t), ..., f (n) (t) cumplan las condiciones de Dirichlet).
Derivación en la frecuencia. Si la función tf (t) verifica las condiciones de Dirichlet, entonces
d
la transformada de Fourier de f(t) es derivable y se tiene que la transformada inversa de F (ω)

es −jtf (t). Más generalmente,
½ n ¾
−1 d
F n
F (ω) = (−jt)n f (t), para n = 1, 2, . . .

Producto de convolución en el tiempo. Dadas dos funciones f y g en el dominio del tiempo,


su producto de convolución es la función (f ∗ g) definida para t ∈ R por
Z ∞
(f ∗ g)(t) = f (τ )g(t − τ ) dτ .
−∞

(Es claro que si las funciones f y g son causales, entonces esta definición coincide con la dada
en la lección anterior.) Este producto de convolución también es conmutativo, asociativo y
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 21

distributivo y, como en el caso de la transformada de Laplace, su propiedad más importante es


que su transformada de Fourier es el producto de las transformadas de Fourier de los factores:

F{f ∗ g} (ω) = F (ω)G(ω).

Producto de convolución en la frecuencia (o multiplicación en el tiempo). Dadas dos


transformadas de Fourier F y G, su producto de convolución en el dominio de la frecuencia es la
función (F ∗ G)(ω) definida para ω ∈ R por
Z ∞
(F ∗ G)(ω) = F (τ )G(ω − τ ) dτ .
−∞

Entonces
1
F{f(t)g(t)} (ω) = F (ω) ∗ G(ω).

Teorema de Parseval. La energía total asociada con una función f : R → R se define como
Z ∞
|f (t)|2 dt.
−∞

Si una función tiene energía total finita, entonces su transformada de Fourier también y, de hecho,
se tiene Z ∞ Z ∞
2 1
|f(t)| dt = |F (ω)|2 dω.
−∞ 2π −∞

Transformadas de Fourier generalizadas. Hemos visto que, interpretándola de manera ade-


cuada, la función de impulso o función delta de Dirac permite modelar mediante la transformación
de Laplace algunas situaciones de interés en la práctica. Ocurre lo mismo con la transformación
de Fourier. Usando las propiedades de la función delta tenemos que
Z ∞
F{δ t0 (t)}(ω) = δ t0 (t)e−jωt dt = e−jωt0
−∞

y, en particular,
F{δ 0 (t)}(ω) = 1.
Usando la propiedad de dualidad nos quedaría, entonces,

F{1}(ω) = 2πδ 0 (ω) y F{ejω0 t }(ω) = 2πδ ω0 (ω)

transformadas que, como se puede comprobar, funcionan bien en la representación integral de


Fourier; es decir, Z ∞
−1 1
F {2πδ ω0 (ω)}(t) = 2πδ ω0 (ω)ejωt dω = ejω0 t .
2π −∞
Se dice entonces que la función ejω0 t admite una transformada de Fourier generalizada que es
F{ejω0 t }(ω) = 2πδ ω0 (ω) y, en particular, que la transformada de Fourier generalizada de la
función constante 1 es 2πδ 0 (ω).
22 Lección 4. Análisis de Fourier

Transformada de Fourier generalizada de una función periódica. Si tenemos una función


periódica f (t) de período T0 y frecuencia ω0 que verifica las condiciones de Dirichlet, entonces su
desarrollo en serie de Fourier es
X∞
f (t) = cn ejnω0 t .
n=−∞

Por tanto, su transformada de Fourier generalizada es un tren de impulsos

X

F (ω) = 2π cn δ 0 (ω − nω 0 )
n=−∞

que ocurren en los valores de su espectro discreto de frecuencias 0, ±ω 0 , ±2ω 0 , . . .


Otra forma de expresar el desarrollo en serie de Fourier de una función periódica f(t) es la
siguiente: Sea g(t) un período de f(t), es decir, si denotamos por I un intervalo cualquiera de
longitud T , entonces ½
f(t) si t ∈ I,
g(t) =
0 en otro caso.
En ese caso, podemos expresar f como

X

f (t) = g(t − nT0 ).
n=−∞

Es más, si G(ω) es la transformada de Fourier de g, entonces


Z Z
1 −jnω 0 t 1
cn = f(t)e dt = g(t)e−jnω0 t dt
T I T I
Z
1 ∞ 1
= g(t)e−jnω0 t dt = G(nω0 ),
T −∞ T

lo que nos permite escribir


1 X

f (t) = G(nω0 )ejnω0 t
T n=−∞
que se conoce como suma de Poisson.

6 Ejercicios
Ejercicio 1. ¿Qué relación deben mantener dos frecuencias positivas ω 1 y ω2 para que la función
f (t) = sen (ω 1 t) + sen (ω2 t) sea un polinomio trigonométrico? Cuando eso ocurra, ¿cuál será su
período?
Ejercicio 2. Determina el desarrollo en serie de Fourier de las siguientes funciones, que están
definidas como se indica en el intervalo [−π, π] y se extienden periódicamente a toda la recta
real:
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 23

1. f(t) = t cos(t)
2. f(t) = t2
3. f(t) = |sent|
4. f(t) = et .

Ejercicio 3. Desarrolla en serie de Fourier en el intervalo [−π, π] la función


½
0 si −π < t < 0,
f (t) =
π si 0 < t < π.
A partir de este desarrollo, deduce el de
½
−1 si −π < t < 0,
g(t) =
1 si 0 < t < π.
Dibuja las funciones a las que tienden las series obtenidas en el intervalo [−5π, 5π].
Ejercicio 4. Halla los siguientes desarrollos en serie de Fourier de la función f(t) = t2 .

1. En el intervalo [0, 2π].


2. En el intervalo [−π, π].
3. En serie de senos en el intervalo [0, π].
4. En serie de cosenos en el intervalo [0, π].
5. La serie compleja en [−π, π].

Ejercicio 5. Desarrolla en serie de Fourier en el intervalo [−π, π] la función


½
0 si −π < t < 0,
f (t) =
sen t si 0 < t < π.
Dibuja la función a la que tiende las serie obtenida en el intervalo [−6π, 8π].
Ejercicio 6. Desarrolla en serie de Fourier en el intervalo [−π, π] la función
½
0 si −π < t < 0,
f(t) =
t si 0 < t < π.
Dibuja la función a la que tiende las serie obtenida en el intervalo [−5π, 5π] y aplica el teorema
de Dirichlet para deducir las siguientes igualdades:
X

1 1 1 1 π2
= 1 + 2 + 2 + 2 + ··· =
n=1
(2n − 1)2 3 5 7 8
X∞
1 1 1 1 π2
2
= 1 + 2
+ 2
+ 2
+ · · · = .
n=1
n 2 3 4 6

Ejercicio 7. Halla los desarrollos en serie de Fourier de la función f(t) = 1 − cos2 (t) que se
piden a continuación:
24 Lección 4. Análisis de Fourier

1. En el intervalo [0, 2π].


2. En el intervalo [−π, π].
3. En serie de senos en el intervalo [0, π].
4. En serie de cosenos en el intervalo [0, π].
5. La serie compleja en [−π, π].

Dibuja las correspondientes sumas obtenidas en [−4π, 4π].


Ejercicio 8. Una señal con período T consiste en un pulso de altura a y duración τ < T que
luego decae a 0. Determina sus desarrollos en series de Fourier real y compleja en el intervalo
[0, T ] suponiendo que situamos el origen de tiempos precisamente cuando se produce uno de los
saltos desde 0 hasta a.
Ejercicio 9. ¿Cuál es el desarrollo en serie de Fourier de senos de la función f(t) = 1 en el
intervalo [0, 1]?
Ejercicio 10. Determina el desarrollo en serie de Fourier de senos de la función f(t) = et en el
intervalo [0, 2].
Ejercicio 11. Desarrolla en sendas series de Fourier de senos y de cosenos en el intervalo [0, 1]
la función f (t) = t.
Ejercicio 12. Halla los siguientes desarrollos en serie de Fourier de la función f (t) = |t|.

1. En el intervalo [0, 2] (en senos y cosenos).


2. En el intervalo [−1, 1].
3. En serie de senos en el intervalo [0, 1].
4. En serie de cosenos en el intervalo [0, 1].

Ejercicio 13. Determina la transformada de Fourier de cada una de las siguientes funciones (a
representa un número real positivo).

1. f (t) = e−a|t|
2. f (t) = |t| e−a|t|
3. f (t) = e−a|t| tn para n = 1, 2, . . .
4. f (t) = e−a|t| sen(bt)
5. f (t) = e−a|t| cos(bt).

Ejercicio 14. Determina la transformada de Fourier de cada una de las siguientes funciones (a
representa un número con parte real positiva y h0 es la función de salto de Heaviside).
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 25

1. f(t) = te−at h0 (t)

2. f(t) = tn e−at h0 (t) para n = 1, 2, . . .

3. f(t) = e−at sen (ω 0 t)h0 (t)

4. f(t) = e−at cos(ω 0 t)h0 (t).

Ejercicio 15. Calcula la transformada de Fourier de las siguientes funciones

1. El pulso definido por ⎧


⎨ k si −2 < t < 0,
f (t)= −k si 0 < t < 2,

0 en otro caso.

2. La función triangular ½
1 − |t| /T si |t| < T,
f(t)=
0 si |t| > T.

3. El pulso sinusoidal f(t) = sen(πt/T ) si 0 < t < T y f(t) = 0 en otro caso.

Ejercicio 16. Calcula la transformada de Fourier de las siguientes funciones (cosenos vistos a
través de ventanas, “windowed cosines” en inglés).

1. f(t) = cos(ω0 t) [h0 (t + d) − h0 (t − d)]

2. f(t) = cos(ω0 t) [h0 (t) − h0 (t − 2d)],

donde d y ω 0 son números reales positivos.


Ejercicio 17. Usando la propiedad de dualidad, calcula las transformadas de Fourier de la
función de muestreo sa(t) y de la función seno cardinal sinc(t).
Ejercicio 18. Usa la representación integral de Fourier para hallar la transformada inversa de
la función ⎧
⎨ 2 si 0 < ω < 2,
F (ω) = −2 si −2 < ω < 0,

0 en otro caso.
Comprueba el resultado usando la propiedad de dualidad.
Ejercicio 19. Usa la representación integral de Fourier para hallar la función cuyo espectro de
amplitudes es 2 [h0 (ω + 3) − h0 (ω − 3)] y cuyo espectro de fases es π − 32 ω.
Ejercicio 20. Usando las propiedades de la transformada de Fourier, halla, en términos de
la transformada F (ω) de una cierta función f(t), la transformada de Fourier de las siguientes
funciones.

1. f1 (t) = f (t − 1) + f (−t − 1).


26 Lección 4. Análisis de Fourier

2. f2 (t) = f(3t − 6).


3. f3 (t) = f 00 (t − 1).

2
Ejercicio 21. Sabiendo que F{e−|t| } = , halla F{te−|t| } y aplica la propiedad de dualidad
1 + ω2
para calcular F{4t/(1 + t2 )2 }.
Ejercicio 22. Prueba las siguientes afirmaciones.

1. Si f es par y real, entonces F{f (t)} es par y real.


2. Si f es impar y real, entonces F{f(t)} es impar e imaginaria pura.

Ejercicio 23. Halla f(t) sabiendo que la transformada de Fourier de g(t) = f(t) cos(t) es
½
1 si |ω| < 2,
F{g(t)}(ω) =
0 en otro caso.

Ejercicio 24. Halla las transformadas de Fourier generalizadas de las funciones sen(ωt), cos(ωt)
y ej(ωt+φ) .
Ejercicios y cuestiones de exámenes de cursos anteriores.
Ejercicio 25. Halla la forma compleja de la serie de Fourier de la onda triangular definida en el
intervalo [−1, 1] por
tri(t) = 1 − |t|
y extendida 2-periódicamente.
Ejercicio 26. (1) Sea f (t) la función definida por f (t) = t para 0 ≤ t < 1 y extendida
periódicamente a toda la recta real. Calcula la forma compleja de la serie de Fourier de f y
dibuja la función a la que converge dicha serie en el intervalo [−2, 2].
P

(2) Aplica la forma compleja de la igualdad de Parseval para deducir el valor de n−2 .
n=1

Ejercicio 27. Enuncia y demuestra la igualdad de Parseval para las series de Fourier reales.
Ejercicio 28. Enuncia y demuestra la propiedad de traslación en el tiempo para la transforma-
ción de Fourier.
Ejercicio 29. Enuncia y demuestra la propiedad de convolución en el tiempo para la transfor-
mación de Fourier.
Ejercicio 30. (1) Enuncia las condiciones de Dirichlet para la transformación de Fourier y el
correspondiente Teorema de Convergencia.
(2) Utiliza el teorema mencionado en el apartado anterior para calcular la función continua
cuya transformada de Fourier es la función F (ω) = e−|ω| para ω ∈ R.
Ejercicio 31. Sea f el pulso rectangular dado por f(t) = 1 si |t| Z< 1 y f (t) = 0 si |t| ≥ 1.

sen (x)
Calcula su transformada de Fourier y úsala para deducir el valor de dx.
−∞ x
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2009/10 27


Ejercicio 32. La transformada de Fourier de una función f (t) es F (ω) = . Calcula la
cosh(ω)
transformada de Fourier de la función g(t) = f 0 (2t − 1) enunciando las propiedades que utilices.
Ejercicio 33. Aplica la transformación de Fourier al problema de valor inicial

y 0 + 2ty = 0 con y(0) = 1


2
para hallar la transformada de Fourier de la función f (t) = e−t .

7 Bibliografía
Para desarrollar esta lección pueden consultarse los siguientes textos, en especial el de James
(que incluye algunas aplicaciones a la ingeniería).
[517.9/3-EDW] C.H. Edwards y D.E. Penney, Ecuaciones diferenciales elementales, Cap. 8.
[517.9/2-SIM] G.F. Simmons, Ecuaciones diferenciales, Cap. 6.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Cap. 4 (secciones 4.1 a 4.6)
y Cap. 5 (secciones 5.1 a 5.5)