147

2.4 SERIES DE FOURIER Y EXPANSIONES ORTOGONALES.

Como introducir un tema tan importante como las series de Fourier? El camino más osado
y tentador sería – elegir una función típica y expandirla en una suma de senos y cosenos.
Podríamos mostrar cómo encontrar cada término de la suma. Luego cambiar a una suma
diferente pero equivalente, reemplazando los sen(kx) y cos( kx) en términos de las
exponenciales complejas e ikx y e ikx . Y podríamos mostrar que estas series infinitas ( la
mayoría de las funciones contienen un número infinito de frecuencias k ) reproducen la
función elegida.
Lo anterior, son cosas necesarias por realizar, pero no en primer lugar. Se trata de la
transformación más valiosa en el análisis matemático. Esta representa una función arbitraria
como una combinación de funciones armónicas puras, y necesitamos explicar cómo se logra.
En un primer nivel, la razón puede encontrarse en las propiedades de los armónicos puros:
(1) Ellas son ortogonales. El producto interno de cualquier dos armónicos diferentes es
cero:
2

0
e ikx  e  i x dx  0 sí k  (1)
Lo mismo es válido para cos(kx) cos( x) , cos(kx)sen( x) , y sen(kx)sen( x) , ya que las
ei ( k  ) x
integrales sobre un intervalo de longitud 2 son cero. En (1), la integral es
i (k  )
y tiene el mismo valor en x  2 y en x  0 . Sobre un periodo completo, el área de
una sinusoide es cero.

(2) Ellas constituyen un conjunto completo. Ninguna función puede ser ortogonal a todos
los armónicos. Si encontramos cada componente de Fourier de una función, esto es,
la proyección de f en la dirección de cada armónico, entonces esas componentes se
suman hasta completar f .

(3) Ellas son convenientes. Existen otras familias ortogonales y completas, pero ninguna
iguala la simplicidad de las series de Fourier. Los coeficientes en ak cos(kx) o
ikx
bk sen(kx) o ck e pueden calcularse eficientemente. Nosotros lo haremos
manualmente para ondas cuadradas y “funciones delta”. Para señales de voz el
manejo es computacional como puede verse en la figura 2.18.

Figura 2.18 Un par de señales de voz con sus armónicos correspondientes

 148

Estas tres propiedades no constituyen la historia completa. En un nivel más avanzado, estas
son los efectos más no las causas, de la razón del éxito. El análisis de Fourier va más allá del
proceso mecánico de dividir una función en partes más simples y recombinarlas. Este
resuelve ecuaciones diferenciales; prueba la estabilidad de las ecuaciones en diferencia;
describe la respuesta de cada sistema que es lineal y estacionario (o invariante en el tiempo).
Las transformadas de Fourier y Laplace trabajan en el dominio frecuencia para suministrar
información sobre el estado del dominio. Estas se aplican a problemas de equilibrio, a
procesamiento de señales y convolución, a problemas de muestreo y a problemas dinámicos,
entre otros, por una razón:
Cada armónico e ikx es una eigenfunción de los sistemas LTI (sistemas lineales invariantes
en el tiempo), de cada derivada, y de cada diferencia finita.
Así una serie de Fourier es una expansión de eigenvectores (en el caso discreto) o de
eigenfunciones (en el caso continuo). Los armónicos son ortogonales ya que los
eigenvectores de un problema simétrico o casi simétrico son siempre ortogonales. Los
armónicos son completos ya que los eigenvectores de tales problemas son siempre completos.
Los problemas simétricos y casi simétricos pueden ser diagonalizados mediante A  PDP1
y donde las columnas de P son exactamente los armónicos (ver sección 2.2). La simplicidad
e importancia del análisis de Fourier proviene de la importancia y simplicidad de los procesos
estacionarios lineales (y especialmente de las ecuaciones en diferencia y ecuaciones
diferenciales con coeficientes constantes).
Ejemplo 2.53
d d
 El operador derivada tiene eigenfunción e ikx con eigenvalor ik : (e ikx )  ike ikx
dx dx
d2
  ik 
2
La segunda derivada tiene eigenfunción e ikx con eigenvalor :
dx 2
d 2 ikx
2
(e )  k 2e ikx .
dx
 En los sistemas LTI, tomando k  w, x  t , i  j , la armónica e ikx  e jwt es
eigenfunción con eigenvalor H ( w) :

x(t )  e jwt 
 T  T  e jwt   H ( w)e jwt


Sea T  (t)   h(t) , la respuesta al impulso, entonces la salida al sistema es:

T  e jwt   h(t )  x(t )   h( )x(t   )d




 
  h( )e jw(t  ) d  e jwt  h( )e jw d  H ( w)e jwt
 


donde H ( w)   
h( )e jw d es una constante compleja que depende de w y de la
respuesta al impulso.
 149


Nota: La definición de convolución continua x(t )  h(t )  
x(t   )h( )d se ha tomado por
N 1
analogía a la definición 2.36 de convolución caso discreto: z  w  m    z (m  n)w(n) .
n 0

Ejemplo 2.54 Sí la entrada a un sistema LTI es x(t )  a1e  a2e jw2t  a3e jw3t
jw1t

entonces su salida al sistema es:

 
T  x(t )  a1T  e jw1t   a2T  e jw2t   a3T e jw3t  a1H (w1 )e jw1t  a2 H (w2 )e jw2t  a3 H (w3 )e jw3t


Y en general, sí x(t )  ae
k 
k
jwk t
entonces la salida es:

    

 
T   ak e jwk t    ak T e jwk t   ak H (wk )e jwk t
k   k  k 

Este hecho importante se conoce como el principio de superposición. Este nos permite
afirmar que para conocer la salida de un sistema LTI, basta conocer los eigenvalores H ( wk )
de cada uno de las armónicas de entrada, e j w t . k

A continuación, comenzamos expandiendo f ( x) en una suma de armónicas. Las frecuencias

k son enteras y las funciones cos(kx) , sen(kx) , y e ikx son periódicas (es decir que no cambian
cuando x se incrementa un valor 2 ). Este es el significado normal de las palabras “Series
de Fourier,” en la que la función dada es definida sobre un intervalo de longitud finita 2 .
Ella se convierte en periódica al reproducirse a si misma en cada intervalo sucesivo. En
términos formales satisfacen la ecuación h( x  2 )  h( x) para todo x  . Es importante
resaltar aquí, antes de iniciar el análisis, que el caso periódico no es la única posibilidad
aunque este se realice primero:

i. f ( x)  ce
k 
k
ikx
( Serie de Fourier : 0  x  2 )

La expansión a0  a1 cos x  b1senx  a2 cos 2 x  b2 sen2 x  es completamente

equivalente.
Una segunda posibilidad es permitir que cada frecuencia k, sea entera o no, cambie
la suma sobre los enteros en una integral sobre todo k:

ii. f ( x)   c(k )e ik x dk ( Integral de Fourier:   x   )

La función no tiene que ser periódica cuando x varía desde  a   .
La tercera posibilidad va en dirección opuesta. La función dada esta definida
únicamente sobre n-puntos y necesita únicamente n-frecuencias k  0,1, 2, , n 1 :
iii. f ( x)  c0  c1eix   cn1ei ( n1) x (Serie de Fourier Discreta)
2 4
Esta ecuación se satisface en n-puntos igualmente espaciados x  0, , , , 2
n n
 150

Los n –valores de f forman un vector y los n-coeficientes ck forman otro vector.

El análisis de Fourier discreto va y viene entre ellos y la transformada rápida de
Fourier lo hace más rápidamente, como se pudo ver en la sección 2.3.
La descomposición de f en sus armónicos se conoce como el proceso de análisis,
y la recombinación de estos para reconstruir a f se le conoce como síntesis.

Los Coeficientes de Fourier:

Supóngase f una función de periodo 2 . Las funciones cos x y senx son 2 - periódicas
(y también lo es una función constante). Las funciones cos 2x y sen 2x oscilan dos veces
más rápido; ellas tiene periodo 2 y también periodo  . La idea de la serie de Fourier es
representar toda función periódica f , incluso la que tiene saltos (repetidos a intervalos de
longitud 2 ) como una combinación de sus armónicos puros:
f ( x)  a0  a1 cos x  b1senx  a2 cos 2 x  b2 sen2 x  (2)

Todos los términos de la derecha son 2 -periódicos, y la formulas podrían usarse sobre
cualquier intervalo de longitud 2 . Las elecciones usuales son de  a  (la que usaremos)
y de 0 a 2 .

Para encontrar ak , el coeficiente de un típico cos kx , multiplicamos a ambos lados de (2) por
la función cos kx e integramos de  a  así:
   
  f ( x) cos kx dx    a cos kxdx    a cos x cos kx dx    b senx cos kx dx 
  0  1  1

 
  a cos kx cos kx dx   b senkx cos kx dx 
k k

  


usando la ortogonalidad, el lado derecho se anula salvo el elemento a
 k cos kx cos kx dx

   1  cos 2kx
Así que,   f ( x) cos kx dx    a
  k cos kx cos kx dx  ak 
 2
dx  ak ( ) . (3)

1 


Y por tanto, ak  f ( x) cos kx dx. (4)


Nótese que la deducción de los ak dependió de la ortogonalidad de los armónicos. Cada

número ak puede hallarse separadamente, ya que los otros desaparecen debido a que cada
coseno es ortogonal a cada coseno y a cada seno, esto es,
 
  cos kx cos

x dx  0 y   cos kx sen x dx  0

k (5)

No es difícil calcular las Integrales de (5). El mismo procedimiento para hallar bk , el

coeficiente de un típico senkx . Multiplicamos a ambos lados por senkx e integramos:
 151

   
  f ( x)senkx dx    a senkxdx    a cos x senkx dx    b senx senkx dx 
  0  1  1

 
  a cos kx senkx dx   b senkx senkx dx 
k k
   


El único elemento del lado derecho que no se anula es   b senkx senkx dx
 k

 
Así que,  
f ( x)senkx dx   bk senkx senkx dx  bk ( )


1 
Y por tanto, bk 
   f ( x)senkx dx

(6)

Finalmente, el término a0 el coeficiente de cos(0 x) . Integrando la ecuación (2), el lado


derecho se anula salvo el término   a dx
 0 así:

   
  f ( x)dx    a dx  a   cos x dx  b   senxdx 
  0 1  1   a0 (2 )

1 
a0 
2   f ( x)dx

(7)

En otras palabras, la constante a0 es el promedio de la función f . Los otros armónicos

oscilan alrededor de cero y se combinan para dar f  a0 .

Recopilemos los pasos básicos del análisis de Fourier y luego mostremos con ejemplos
como la serie reproduce la función original f .

La serie de Fourier de una función 2 periódica es


f ( x)  a0    ak cos kx  bk senkx 
k 1

con a0 , ak , bk dados por las formulas (7), (4) y (6 ) respectivamente. Equivalentemente

con esta serie se tiene


ce 1 
f ( x)  k
ikx
con ck   f ( x)e ikx dx (8)
k  2 

Cada término en estas series es la proyección de f sobre uno de los armónicos puros
cos kx o senkx o e ikx .

Nótese que los coeficientes ck se obtienen a partir de una sola fórmula unificada (8). La
serie es
 152

f ( x)  c0  c1eix  c1eix  c2ei 2 x  c2ei 2 x 

donde f ( x) puede ser real así los términos del lado derecho sean complejos. Para calcular
ck basta multiplicar a ambos lados por eikx e integrar entre  a  así:
   
  f ( x )e dx   c0eikx dx   c1eix e ikx dx   c1e ixe ikx dx 
 ikx
   
 
  ck eikx e ikx dx   c k e ikx e ikx dx 
 


 c e
ikx  ikx
Usando la ortogonalidad de las armónicas e ikx el lado derecho se reduce a k e dx


 
Así que 
f ( x)eikx dx   ck eikxeikx dx  ck (2 ) .


Por tanto, los coeficientes de la forma compleja de Fourier (o forma exponencial compleja)
viene dados por:

1 
  f ( x )e
 ikx
ck  dx
2 

Según sea el área de aplicación, para las series de Fourier podemos elegir la forma real o la
forma compleja; ambas son muy usadas.

Comentario 1. La relación de los ak , bk con ck proviene de la fórmula de Euler (teorema

1.13 capítulo 1):
e ikx  cos kx  isenkx y e  ikx  cos kx  isenkx (9)
1
Multiplicando por f e integrando entre  y  ambas ecuaciones
2
1  1  1  1 1
  f ( x )e dx    f ( x) cos kx dx  i  2   f ( x)senkx dx 
c  ak  ibk
ikx
k
2  2   2 2
1  1  1  1 1
2 

f ( x)e ikx dx 
2  
f ( x) cos kx dx  i 
2   f ( x)senkx dx 

c k 
2
ak  ibk
2

En dirección opuesta el seno y coseno pueden calcularse a partir de las exponenciales:

eikx  eikx eikx  eikx

cos kx  sen kx 
2 2i
1
Multiplicando por f ( x) e integrando

1  1  1 

    f ( x) e
 ikx
f ( x) cos kx dx  f ( x) eikx dx  dx 
 ak  ck  c k
 2  2 
 153

1  1  1 
 f ( x) senkx dx   f ( x ) e ikx
dx    bk  i ck  c k  .
f ( x) e ikx dx 
  2 i   2 i  

Comentario 2. Los coeficientes de Fourier requieren y usan la función f sobre todo el

intervalo, en contraste con los coeficientes de Taylor, que están concentrados en un punto.
1
Una expansión de Taylor f (0)  x  f '(0)  x 2  f ''(0)  usa derivadas para sus
2
coeficientes; mientras que Fourier usa integrales. Las dos expansiones son posibles para
funciones muy suaves, como las funciones analíticas, pero Fourier es mucho más general
que Taylor.
Comentario 3. Para las aplicaciones a la ingeniería y en particular a la teoría de señales de
tiempo, basta considerar en nuestra notación x  t; i  j y la frecuencia k  w . Así las
funciones armónicas eikx  e jwt se convierten en: k (t )  e jkw0t donde w  kw0 k  . La
familia k (t ) de armónicas se dicen armónicamente relacionadas por que cada k (t ) tiene
una frecuencia fundamental que resulta ser un múltiplo entero de la frecuencia fundamental
2
w0 , donde w0  con T0  periodo fundamental . Explicitando por componentes:
T0

Las componentes del primer armónico o componentes fundamentales: 1 (t ) y 1 (t ) tienen

2
periodo fundamental T0  , y frecuencia fundamental w0 .
w0

T0
Las componentes del segundo armónico: 2 (t ) y 2 (t ) tienen periodo fundamental T 
2
(mitad del periodo del primer armónico) y frecuencia fundamental 2w0 .

T0
Las componentes del N-ésimo armónico N (t ) y  N (t ) tienen periodo fundamental T 
N
(la N-ésima parte del primer armónico) y frecuencia fundamental N w0 .

Nótese la relación inversa y directa de los periodos y frecuencias fundamentales para cada
2
k , con respecto al primer armónico. Las señales k tienen un periodo común T0  .
w0
Bajo la consideración del cambio de notación, la fórmula (8) se convierte en:

f (t )  ce
k 
k
ikw0t
Ecuación de Síntesis . (8a)

1
ck 
T0 T0
f (t )e ikw0t dt Ecuación de Análisis . (8b)
 154

donde el periodo de f (t ) es T0 y los coeficientes ck  se suelen llamar coeficientes

espectrales de f (t ) . La magnitud de estos coeficientes complejos ck nos mide la porción
de la señal f (t ) que está presente en cada armónica de la componente fundamental. Es
importante advertir que hemos pasado de un periodo particular 2 a un periodo T0 que
depende de la frecuencia fundamental w0 de la señal. Para los límites de la integral podemos
T0 T
elegir entre  a 0 ó de 0 a T0 o cualquier otro intervalo de longitud T0 .
2 2
NOTA: El comentario 3 tiene un objetivo además de acercarnos a la notación del libro
“Signal and Systems, Second Edition” cuyos autores son Alan V. Oppenheim and Alan S.
Willsky y es el de estudiar las aplicaciones del análisis de Fourier a la ingeniería.

Ejemplo 2.55 Consideremos una señal periódica f (t ) , con frecuencia fundamental w0  2

c0  1,
c1  c1  1/ 4
3
expresada mediante f (t )  c e
k 3
k
j k 2 t
, y conocidos c2  c2  1/ 2
c3  c3  1/ 3
ck  0 , k  0, 1, 2, 3

Solución: Reemplazando y agrupando cada par de armónicos se obtiene:

1 1 1
f (t )  1  (e j 2 t  e j 2 t )  (e j 4 t  e  j 4 t )  (e j 6 t  e  j 6 t ) (forma compleja de Fourier.)
4 2 3
1 2
 1  cos 2 t  cos 4 t  cos 6 t (forma real de Fourier.)
2 3
Las funciones f y las armónicas tienen un periodo común T  1 .

Figura 2.18 Construcción de f (t ) como combinación lineal de exponenciales complejas

armónicamente relacionadas k (t ) .
 155

Ejemplo 2.56 Sea f (t )  senw0t . Calcular los coeficientes y hacer la gráfica de magnitud.

1 jw0t 1  jw0t 1 1
f (t )  senw0t  e  e . Entonces c1  , c1  y ck  0 , k  1
2j 2j 2j 2j

Figura 2.19. Gráfica de magnitud de los ck . Función par

Ya que los coeficientes ck son la información más importante y estos son complejos, se
analiza su comportamiento a través de los diagramas de magnitud y fase  . Para el diagrama
 
de fase: Arg (c1 )  1   ; Arg (c1 )   1  ; y k  0 k  1 .
2 2

Figura 2.20. Gráfica de fase de los ck . Función impar.

1 t  T1
Ejemplo 2.57 Sea x(t )   T0 la señal de onda cuadrada de periodo
0 T1  t 
 2

2
fundamental T0 y frecuencia fundamental w0  .
T0

Figura 2.21. Gráfica de la onda cuadrada x(t ) .

 156

1 T1 2T1
Cálculo de coeficientes: Para k  0, c0 
T0  T 1
dt 
T0
.

T1
1 T1 1  j k w0 t 2sin(k w0T1 ) sin(k w0T1 )

 j k w0 t
k  0, ck  e dt  e   .
T0 T 1 jkw0T0 T1
k w0T0 k

Nótese, que cuando k  par , ck  0 .

La estrategia es hacer las gráficas escaladas de los coeficientes espectrales: T0 ck

2sin(k w0T1 )
h(k )  T0ck  ,k  0 , y h(0)  T0c0  2T1
k w0

En la figura 2.22 se grafican los coeficientes escalados para un valor fijo T1  1 y varios
valores de T0 . Estas gráficas son posibles por que los coeficientes ck son reales. Los 4 casos
son: (a) T0  4T1; (b) T0  8T1; (c) T0  16T1; y (d) T0  32T1 .

 2sin(k 2)
 k 0
(a) T0  4 , w0  2   , h(k )   k 2  2senc(k 2) .
4 2  k 0
 2

 sen( x)
x0
Usando la función senc( x)    x en el paso anterior.

 1 x0

 2sin(k 4)
2  h(k )   k 4
k 0
(b) T0  8 , w0   ,   2senc(k 4) .
8 4  k 0
 2

 2sin(k 8)
  k 0
(c) T0  16 , w0  , h(k )   k 8  2senc(k 8) .
8  k 0
 2

 2sin(k 16)
  k 0
(d) T0  32 , w0  , h(k )   k 16  2senc(k 16) .
16  k 0
 2

Los coeficientes escalados son muestras regularmente espaciadas de la envolvente

2sen(kw0T1 ) 2
, donde el espacio entre las muestras, decrece en la medida que T0   .
kw0 T0
 157

funcion continua y discreta de 2sinc(k/2); para T0=4 con T1=1

2

1.5

0.5

-0.5
-8 -6 -4 -2 0 2 4 6 8

(a)
funcion continua y discreta de 2sinc(k/2); para T0=8 con T1=1
2

1.5

0.5

-0.5
-20 -15 -10 -5 0 5 10 15 20

(b)
funcion continua y discreta de 2sinc(k/2); para T0=16 con T1=1
2

1.5

0.5

-0.5
-40 -30 -20 -10 0 10 20 30 40 (c)
 158

funcion continua y discreta de 2sinc(k/2); para T0=32 con T1=1

2

1.5

0.5

-0.5
-80 -60 -40 -20 0 20 40 60 80

(d)

Figura 2.22 Gráficas escaladas de los coeficientes espectrales T0 ck para la onda cuadrada con
T1 - fijo y varios valores de T0 : (a) T0  4T1 , (b) T0  8T1 , (c) T0  16T1 y (d) T0  32T1 .

Comentario: Nótese que conforme T0   , la onda cuadrada periódica se aproxima a un

pulso rectangular. Es decir, todo lo que queda en el dominio tiempo es una señal no periódica
correspondiente a 1 periodo de la onda cuadrada.

Figura 2.23. Gráfica de un pulso rectangular, señal limite cuando T0   .

Aquí es importante resaltar que en el dominio tiempo se tienen 4 señales x(t ) que se
corresponden con 4 gráficas de h(k )  T0ck y que en la medida que T0  
(equivalentemente w0  0) la envolvente de h(k ) se muestrea con un espaciamiento cada
vez más cercano, de manera que el conjunto de coeficientes de Fourier escalados T0 ck se
2sen( wT1 )
aproxima a su función envolvente con w  kw0 , y de variable continua. Este
w
análisis del ejemplo será muy útil para examinar el comportamiento en el límite de la serie
de Fourier, cuando la señal no es periódica e introducir así el concepto de transformada de
Fourier en tiempo continuo.
 159

2sen(kw0T1 )
Comentario: Nótese que en , la variable independiente es k tal que k  .
kw0
2sen( wT1 )
Cuando reemplazamos kw0  w con w0  0 , la función tiene como variable
w
independiente w la cual por los infinitesimales de w0 se torna continua, y por tanto, la
2sen( wT1 )
función de variable continua resulta siendo la envolvente de h(k )  T0ck , k  .
w

2sen( wT1 ) 2T1sen( wT1 )  wT 

Finalmente, la función   2T1senc  1  . Para el caso (d) podemos
w wT1   
 k
verificar el resultado así: T0  32 , w0  ,w son valores discretos de w , entonces
16 16

2sen( w)  w  1 k  k 
 2senc    2senc     2senc   , k  es la gráfica de
w w
k     w  k   16   16 
16 16

puntos en la figura 2.22 (d) y por tanto la discretización de la función continua

2sen( w)  w
 2senc   . La discretizacion se hará más fina cuando aumentamos el T0 .
w  
Ejemplo 2.58
Calcular la serie de Fourier del tren de impulsos periódicos f (t ) que se muestra en la
figura.

10 8 6 4 2 0 2 4 6 8 10 12


Solución: f (t )    t  2m 
m 
donde  (t ) es la “función” delta.

La señal f (t ) es un fila de funciones delta, una en cada punto t  0, 2 , 4 , 6 , por
lo tanto es periódica de periodo 2 , con un impulso en cada periodo. Usando la propiedad

de la “función” delta, considerada como una distribución,   (t )g (t )dt  g (0) , los


coeficientes de Fourier de f (t ) son:

1  1 0 1
   (t )e
 ikt
ck  dt  e 
2  2 2
1
Si f (t )  1  eit  e it  ei 2t  e i 2t  ei 3t  e i 3t   ¿Cómo puede una combinación de
2
 160

armónicos aproximar una función delta? Para dar respuesta a este interrogante, calculemos
la suma parcial:
N
PN (t )  1  eit  e it  ei 2t  e i 2t    eiNt  e iNt  e
k  N
ikt

PN (t )  1  eit  ei 2t 
 
 eiNt   1  e it  e i 2t   e iNt   1 

1  z N 1
Usando la identidad de suma finita de complejos 1  z  z  zN  z 1
2

1 z
 it N 1
1  (eit ) N 1 1  (eit ) N 1  1  (e ) 1  (eit ) N 1 it N
PN (t )     1 , simplificando  e
 1 e
it
1  eit  1  eit 1  eit

1  (eit ) N 1 1  (eit ) N 1 itN   (eit ) N 1  e itN 

PN (t )     e  1   
 1 e 1  eit 1  eit
it
  
 (eit 2 )  ei ( N 1 2) t  e  i ( N 1 2) t   sen( N  1 2)t
   llamado Kernel de Dirichlet = DN .
 (eit 2 )  eit 2  e  it 2   sen t 2

N
ei ( N 1 2)t  e i ( N 1 2)t sen( N  1 2)t
Así, PN (t )  
k  N
eikt 
eit 2  e it 2

sent 2
 DN (t ) (10).

PN D 1 sen( N  1 2)t
Por lo tanto, lim  lim N  lim    (t ) .

N  2 N  2 N  2 sent 2

En la figura 2.24 se muestra el proceso de aproximación a  (t ) . En t  0 cada término de la

suma es 1, así que la altura es PN  2 N  1 . La “punta” se va volviendo proporcionalmente
más delgada, pero PN no se anula por fuera de ese pico. Él oscila más y más rápidamente
1
con una amplitud de . En cada intervalo lejos de t  0 , el área bajo la curva tiende a
sen(t 2)
cero, pues las oscilaciones se anulan a sí mismas en la medida que N   , salvo en t  0 . A
pesar de lo anterior, el área bajo la curva completa no cambia!:

1  1   N ikt  1  1
2  PN (t )dt  2   k
 N
e  dt 
 2   1  2 cos t 

 2 cos Nt  dt  t 1 .
2 

La integral de f por PN es similar. Esta se anula para intervalos lejos de t  0 y está

1 
concentrada cerca al origen, donde f (t )  f (0) . Entonces
2   f (t )P (t )dt  f (0) , y en
 N

este sentido integrado PN (t ) 2   (t ) . (Usando la propiedad de la “función” delta.)

 161

Kernel de Dirichlet N=20

7

-1

-2
-4 -3 -2 -1 0 1 2 3 4

Kernel de Dirichlet N=20 kernel de Dirichlet N=50

10 20

5 10

0 0

-5 -10
-4 -2 0 2 4 -4 -2 0 2 4

kernel de Dirichlet N=70 kernel de Dirichlet N=100

30 40

20
20
10
0
0

-10 -20
-4 -2 0 2 4 -4 -2 0 2 4

1 N
1 sen( N  1 2)t
Figura 2.24 La serie de Fourier para la función delta:
2
e
k  N
ikt

2 sent 2
.

 41 2 N  20

DN 2 N  1 101 2 N  50 DN
En t  0 ,   , y en la medida que N   , .
2 2 141 2 N  70 2

201 2 N  100
 162

NOTA: Una definición informal acerca de la ‘función’  (t ) , es que esta se caracteriza por
las siguientes dos propiedades:

0 t  0
1.  (t )  
 t  0

2. 
f (t ) (t )dt  f (0) para cualquier función f continua en un abierto que contenga
a t  0.
0 t  a
Cuando  (t ) es desplazada “a” unidades se tiene la ‘función’  (t  a)  
 t  a
y en este caso la propiedad 2 toma la forma:


f (t ) (t  a)dt  f (a)

para cualquier función f que sea continua en un abierto que contiene t  a . Para fenómenos
o procesos físicos donde las funciones que intervienen, toman un valor muy grande durante
un intervalo de tiempo muy pequeño se utilizan las funciones generalizadas o
Distribuciones, donde la delta de Dirac es apenas un ejemplo. Más detalles sobre la función
delta como distribución puede verse en el capítulo 5.
En el análisis de Fourier básico, es bastante conveniente tener una forma integral para S N f ,
la suma parcial N-ésima de la serie de Fourier de f en un punto x0 así:
N N
 1   1   N ik ( x0 t ) 
S N f ( x0 )  ce
k  N
k
ikx0
   2   f (t )e
k  N

 ikt
dt  eikx0 
 2   k
 N
e  f (t )dt

1  1 

2 D
 N ( x0  t ) f (t )dt 
2 D
 N (t ) f ( x0  t )dt

1  1 
S N f ( x0 ) 
2 D N ( x0  t ) f (t )dt 
2 D
 N (t ) f ( x0  t )dt (11)

N
sen( N  1 2)( x0  t )
e ik ( x0 t ) 1 
Usando   DN ( x0  t ) ,y ck    f (t )e
 ikt
dt .
k  N sen ( x0  t ) 2 2 

Comentario: Se usa el término Kernel por que DN es la parte esencial de (11): para todas las
funciones 2 -periódicas obtenemos S N f ( x0 ) calculando un promedio integral sobre
  ,   de f ( x0  t ) multiplicado por DN (t ) .

Dentro del estudio de la convergencia de las series de Fourier existen diversos teoremas, pero
uno de los más usados ampliamente para las pruebas de convergencia (puntual) es el
siguiente:
 163

Teorema 2.58 Supóngase f una función continua a trozos con periodo 2 . Sí f es

diferenciable en x0 , entonces la serie de Fourier de f converge a f ( x0 ) en x0 , es decir,

lim S N f ( x0 )  f ( x0 )
N 

Este resultado nos afirma que muchas funciones apropiadas- especialmente todas las
funciones “estilo calculo”- tienen serie de Fourier convergente. Lo que desde luego es una
información de gran utilidad. El teorema de Fejér suministra más información en aquellos
puntos x donde se presentan saltos o discontinuidades ( f no es diferenciable), y afirma
1
que la serie es “sumable” a  f ( x )  f ( x ) , es decir, al valor promedio alrededor del
2
punto x.
Series Seno y Serie Coseno:
a
Del cálculo sabemos que si f es una función impar entonces a
f ( x)dx  0 . Y sí la función
a a
es par entonces  a
f ( x)dx  2 f ( x)dx . Usando estas propiedades en el cálculo de los
0

coeficientes de Fourier no es difícil ver:

a) Sí f es impar,

1  2 

 
ak  f ( x) cos kx dx  0 , y bk  f ( x)senkx dx (12)
 0


f ( x)   bk senkx  b1senx  b2 sen2 x  b3 sen3x  Serie Seno de Fourier
k 1

Sí f es par,

bk  0 , 1  2 

 
a0  f ( x)dx y an  f ( x) cos kx dx (13)
0 0


f ( x)  a0   ak cos kx Serie Coseno de Fourier
k 1

El fenómeno de Gibbs consiste en demostrar que la magnitud del excedente en los puntos
de discontinuidad de una función suave a trozos es cerca del 9% del valor del salto D.
 x
Ejemplo 2.59 Hallar la serie seno de f ( x)   , 0  x  2 , con periodo fundamental
2 2
T  2 y demuestre que en el punto de discontinuidad x  0 se cumple el fenómeno de
Gibbs.

Solución: La serie seno de f viene dada por f ( x)   bk sen(kx) donde,
k 1
 164


 1
bk 
2
 0
 x
(  ) sen(kx)dx 
2 2
1
k
, y por tanto, f ( x )  
k 1 k
sen(kx)

n
1
S
La n-ésima suma parcial n ( x )  
k 1 k
sen(kx) se deriva con respecto a x y se iguala a cero
n
para hallar sus puntos críticos: S n ( x)   cos(kx) . Utilizando la identidad trigonométrica
'
k 1

(2n  1) x  1 
sen( ) sen (n  ) x 
1 n 1  2 
  cos(mx) 
'
2 y reemplazando: S n ( x)     0.
2 m 1 x 2 x
2sen( ) 2sen( )
2 2

 1  x
Por tanto, sen (n  ) x   sen( )  0 . Utilizando sen(   )  sen(   )  2cos  sen  se
 2  2
 x  0  (0, 2 ) (descarta)
 n 1  nx 
llega a 2cos ( ) x  sen( )  0 , cuya solución es  
 2  2  x  (0, 2 )
 n 1

Así, para cada n , hemos encontrado el más pequeño x tal que S n' ( x)  0 .


Sí n  19 , x   9 . A continuación el comportamiento de la suma parcial S 19 ( x)
20

 n 1 S1 ( )  0.156 
 20 
 n5 S5 ( )  0.751 
 20 
 n  10 S10 ( )  1.341 
 20
 
 n  15 S15 ( )  1.684 
20
 
 n  19 S19 ( )  1.773 
20
 
 n  20 S 20 ( )  1.773
 20 
 n  25 S 25 ( )  1.679 
 20 
 n  30 S30 (  )  1.573 
 20 
 n  32 S32 (  )  1.452 
 20 
  
 n S ( )  1.492 
20 
 165

 f ( )  1.492
 20
Por otro lado,  , donde el excedente  1.773 1.492  0.281.
 S ( )  1.773
 19 20
8.95
Como D    3.1415 , se tiene que (3.1415)  0.2811 8.95 % D
100

 f ( )  1.539996399
  51
Si tomáramos n  50, x  3.52 y así  ,
51  S50 ( )  1.821036468
 51
donde el excedente  S50 ( )  f ( )  0.2810400691  9% 
51 51

 f ( )  1.555088364
  100
Si tomáramos n  99, x  1.8 y así  ,
100  S99 ( 100)  1.836202908

donde el excedente  S99 ( )  f ( )  0.281114544  9%  . Las figuras 2.25 (a) (b)

100 100
(c) y (d) muestran que siempre habrá un error de aproximación inevitable del 9% D
alrededor del salto de discontinuidad. Nótese como el punto crítico que da lugar al máximo
de Sn ( x) se acerca al origen cuando n  .

Figura 2.25 (a) Gráficas de las sumas parciales S1 , S5 , S10 , S15 .

 166

Figura 2.25 (b) Gráficas de las sumas parciales S32 , S50 , S100 .


Figura 2.25 (c) Gráficas de las sumas parciales S1 , S5 , S10 , S15 , S19 evaluadas en  20 .
20
 167


Figura 2.25 (d) Gráficas de las sumas parciales S32 , S50 , S99 evaluadas en  1.8 .
100

Propiedades de las series de Fourier

La literatura matemática sobre las series de Fourier es enorme, aquí solo tres aspectos:

1. Cada coeficiente ak o bk o ck es la mejor elección posible en el sentido de la media

cuadrática. En otras palabras, el error cuadrático medio de aproximación
2
  N

E    f ( x)    Ak cos kx  Bk senkx   dx

 k 0 
es un mínimo cuando Ak es precisamente el coeficiente de Fourier ak , y Bk es el
coeficiente bk . Para una prueba calculamos E Bk , la cual debe ser cero en el
mínimo:
1 E   N

   senkx  f ( x)    Ak cos kx  Bk senkx  dx
2  Bk  
 k 0 

  senkx  f ( x)  Bk senkx  dx (14)

Ya que la ortogonalidad anula los otros términos. Igualando (14) a cero, E es
minimizado sí

 f ( x)senkx dx  1  f ( x)senkx dx  b
Bk  


  sen kx dx 
 k
2


Este es exactamente el coeficiente de Fourier, así que la mejor elección de Bk es bk .

 168

La interpretación es la siguiente: los senos y cosenos son un conjunto perpendicular

de ejes en el “espacio de funciones” . El análisis de Fourier proyecta f sobre cada
uno de estos ejes. Las proyecciones 1-dimensional como a3 cos3x son las
componentes de f en estas direcciones ortogonales. Es la ortogonalidad la que nos
permite encontrar cada término por separado, y es la completitud la que nos permite
que los senos y cosenos (o las exponenciales e ikx ) reproduzcan a f .

2. Ya que las proyecciones nunca son más grandes que la función original, ninguna parte
de la serie de Fourier puede ser más grande que f :

 
  a0  a1 cos x   bN sen( Nx)  dx   ( f ( x))2dx
2
(15)


Esta es la desigualdad de Bessel. En el límite en la medida que N   , cuando la

serie de Fourier del lado izquierdo reconstruye la función f del lado derecho, la
desigualdad se convierte en un igualdad. Integrando el lado izquierdo (todos los
términos cruzados se anulan por la ortogonalidad) se tiene la fórmula de Parseval

2 a02    a12  b12  a22  b22  


( f ( x))2dx (16)

Esta es una fórmula muy importante y es la clave para el espacio infinito dimensional
llamado Espacio de Hilbert, el cual se describe en el siguiente parágrafo.
En una forma un espacio de Hilbert contiene funciones; en otra forma contiene
vectores con infinitas componentes. No todas las funciones y no todos los vectores
son de un espacio de Hilbert. Las funciones deben tener “longitud finita”-la integral
2
de ( f ( x)) debe ser finita, lo que excluye una función delta y también excluye
f ( x)  1 x . Incluye ondas cuadradas y senx y aún algunas funciones no acotadas
como log senx ; el área bajo f 2 es finita. Para vectores la prueba es similar- la suma
de cuadrados debe ser finita- lo cual excluye (1,1,1, ) pero incluye 1,1 2,1 3,  .
La conexión entre funciones y vectores esta en la fórmula de Parseval (16). El espacio
de Hilbert contiene la función f exactamente cuándo su forma de vectorial contiene
los coeficientes de Fourier de f . La longitud es la misma en el espacio de funciones
L2 y en el espacio vectorial 2 infinito dimensional, cuando se ajusta por factores
 y 2 en la fórmula de Parseval. Estos espacios permiten que el número de
dimensiones sea infinito sin perder la geometría de longitudes, ángulos y productos
internos.

3. Iniciando con f encontramos su serie de Fourier y hemos estado asumiendo que esta
serie infinita converge a f . Esto de por si es asumir demasiado! La convergencia es
más natural en el sentido de la media cuadrática, en otras palabras, en el espacio de
Hilbert. Allí la distancia entre f y su serie de Fourier tiende a cero (fórmula de
Parseval) en la medida que más términos se incluyan en la serie. La distancia se mide
 169

elevando al cuadrado e integrando, pero esta convergencia de media cuadrática no

garantiza convergencia en cada punto particular x.
El mejor punto de análisis es en x  0 . Esto es realmente típico aunque parezca
especial. Como sen0  0 y cos0 1 , la serie de Fourier en ese punto es simplemente
a0  a1  . Las fórmulas para estos coeficientes producen
1 
f ( x) 1  2cos x  2cos 2 x   dx
2 
a0  a1  a2   (17)
y la pregunta es si esto aproxima el valor de f en x  0 .
Esto no es del todo tan obvio, pero afortunadamente la expresión que multiplica a f
es la serie de Fourier para la función delta la cual puede verse en el ejemplo 2.58.

El lado derecho de (17) debería converger a   f ( x) (t )dx  f (0) . Esta prueba es

válida si f es diferenciable.
4. Condiciones de suficiencia de Dirichlet (sobre la representación en serie de Fourier)

a) La señal f (t ) debe ser absolutamente integrable sobre cualquier periodo, es decir,



f (t ) dt   (lo que garantiza la existencia de los coeficientes ak ).
b) La variación de f (t ) en cualquier intervalo finito es acotada, esto, es hay un
número finito de máximos y mínimos.
c) En cualquier intervalo hay un número finito de discontinuidades y cada
discontinuidad es finita.

Así que no toda señal periódica se puede representar mediante series de Fourier. Basta que
una de las condiciones falle para que no se tenga representación en serie de Fourier:
1
 La función periódica f (t )  , 0  t  1 y f (t  T )  f (t) con T  1 , no cumple la
t
primera condición, por tanto no tiene representación en serie de Fourier pues no hay
garantía que los coeficientes sean finitos.
 2 
 La función periódica f (t )  sen   , 0  t  1 y f (t  T )  f (t) con T  1 , no
 t 
cumple la segunda condición ya que posee un número infinito de máximos y mínimos
en el intervalo 0  t  1 , lo que no hace posible que haya representación en serie de
Fourier.
1 0t 4
1 2 4  t  6

 La señal de periodo T  8 , f (t)  1 4 6  t  7 , donde el valor de f (t) decrece
1 8 7  t  7.5


por un factor de 2, mientras que la distancia de t a 8 decrece por un factor de 2. Esta
función no satisface la tercera condición ya que tiene un número infinito de
discontinuidades.
 170

Las funciones que no satisfacen las condiciones de Dirichlet son generalmente funciones
patológicas que no son usuales en contextos prácticos, razón por la cual, la convergencia de
las series de Fourier no juega un papel significante en el área del análisis de señales.
EJERCICIOS
2.4.1 (a) Encuentre la serie de Fourier exponencial compleja de

x(t )  e
t
2
, 0  t   , con período .
(b) Ahora encuentre la serie trigonométrica de Fourier de la función en (a).
2.4.2 Dada la señal periódica triangular f (t ) de período 2, calcule su representación de
Fourier y grafique su espectro de fase y amplitud.

-1 0 1 2

-A

2.4.3 Pruebe que para una función f a valor complejo definida sobre (a, a) , la serie de
Fourier de f es la suma de la serie de Fourier para la parte real de f más i - veces la serie
de Fourier de la parte imaginaria de f .

2.4.4 Encontrar la serie de Fourier en forma compleja para cada una de las siguientes
funciones:

(a) f ( x)  x sobre   ,   . (c) f ( x)  x  ix sobre

2
  ,   .
(b) f ( x)  x sobre  a, a  . (d) f ( x)  3x  ix sobre
2 3
 1 2,1 2 .
2.4.5 Usando la fórmula binomial del ejercicio 1.1.8 sección 1.1 capítulo 1 :
N
 w 
(a) Encuentre la serie de Fourier de H ( w)   cos  , N  , par .
 2
N
 w 
(b) Encuentre la serie de Fourier de G ( w)   sen  , N  , par .
 2
 171

2.4.6 Usar la serie de Fourier de f ( x)  x , 1  x  1 para comprobar la suma de Euler

2


1 1 1 1 2

n 1 n
2
 1   
4 9 16
 ... 
6

2.4.7 Usar la serie de Fourier de f ( x)  x , con  1  x  1 para comprobar la suma

1 1 1 2
1  2  2  2  ... 
3 5 7 8

2.4.8 Mostrar que la elección de los c k que minimizan la energía en el error viene dada por

1
ck  
T0 T0
x(t ) e j k w0 t dt

que son efectivamente los coeficientes de Fourier.

N
Nota: EN (t )   eN (t ) dt   eN eN dt ,donde eN (t )  x(t )  xN (t )  x(t ) 

ce
2 j k0 wt
T0 T0 k
k  N

Cualquier señal periódica continua tiene representación en serie de Fourier. Esto es,

 eN (t ) dt  0 nos indica que “NO hay energía en su diferencia”

2
lim EN (t )  0 , por tanto,
N  T0

2.4.9 Considere un sistema LTI de tiempo continuo con respuesta al impulso

4 t
h(t )  e
Encontrar la representación en serie de Fourier de la salida y (t ) para cada una de las
siguientes entradas:
 
(a) x(t )    (t  n) (b) x(t )    1  (t  n)
n

n  n 

1 1
(b) x(t ) es la onda periódica representada en la siguiente figura: x(t )  1 sí t  .
4 4

2.4.10 Determine la representación en serie de Fourier de las siguientes señales x(t ) :

 172

(a)

(b)

(c)

2.4.11 Sean x(t ) y y (t ) señales periódicas de tiempo continuo con periodo T0 y con
 
representación de Fourier x(t )   ak e j k w0 t
k 
y y(t )  be
k 
k
j k w0 t
.


(a) Mostrar que los coeficientes de Fourier de la señal z (t )  x(t ) y(t )  ce
k 
k
j k w0 t
vienen

dados por la convolución discreta


ck  ab
n 
n k n .

(b) Dé un ejemplo, usando la parte (a) para calcular los coeficientes de Fourier de las señales
x(t ) , y (t ) , y z (t ) .


(c) Supóngase que y(t )  x (t ) en las ecuaciones de hipótesis. Expresar los bk en términos
de los ak y use el resultado de la parte (a) para probar la relación de Parseval para señales
periódicas, esto es,

1

T0
 x(t ) dt 
2 2
ak
T0 0
k 
 173

2.4.12 Sea x(t ) la señal periódica con período T  4 representada en la figura. Hallar los
coeficientes de la Serie Fourier y represente sus sumas parciales S1, S2, S3, S5, S7, S12, S20,
S30 para ilustrar la aproximación.

 1 1
1  t 
2.4.13 Sea x(t )   2 2
0 1 1
1  t   ,  t 1
 2 2

Calcular la expansión en Serie de Fourier de x(t ) , y represente sus sumas parciales S1, S2,
S3, S5, S7, S12, S20, S30 para ilustrar la aproximación a x(t ) .

1 1
2.4.14 Sea x(t )   t  , 0t T ,
T 2

la función “diente de sierra” con período T , esto es, x(t  T )  x(t ) .

Calcular la expansión en Serie de Fourier de x(t ) , y represente sus sumas parciales S1, S2,
S3, S5, S7, S12, S20, S30 para ilustrar la aproximación a x(t ) .

2.4.15 Sea x(t ) una señal periódica con período fundamental T y coeficientes de la serie de
Fourier ak . Obtenga los coeficientes de la serie de Fourier para cada una de las siguientes
señales en términos de ak :

(a) x(t  t0 )  x(t  t0 )

(b) Re  x(t )

d 2 x(t )
(c)
dt 2
(d) x(3t  1) (para este ítem, determine primero el período de x(3t  1) .)
 174

2.5 LA TRANSFORMADA DE FOURIER EN TIEMPO CONTINUO.

Una señal periódica x(t ) se puede representar como:

2
x(t )  ae
k 
k
jkw0t
, T0 
w0
Ecuación de Síntesis.

1
ak 
T0  T0
x(t )e jkw0t dt Ecuación de Análisis.

Para la extensión al caso no periódico, consideremos la onda cuadrada periódica del

ejemplo 2.57

1 t  T1

x(t )   T0
0 T1  t 
 2

2sen(kw0T1 ) 2
donde los coeficientes hallados fueron ak  con T 0 el periodo y w0  .
kw0T0 T0

2sen(kw0T1 ) 2sen( wT1 )

Allí se graficó h(k )  T0 ak   y su función envolvente
kw0 w w  kw0

2sen( wT1 )  wT 
 2T1senc  1 
w   

En dicho análisis sobre las gráficas expresamos que a medida que T0 se incrementaba, w0
disminuía y por tanto la envolvente se muestreaba con un espaciamiento cada vez más
cercano. Igualmente en el dominio temporal, en la onda cuadrada cada vez que T0 se
incrementa, ésta tiende a un pulso rectangular x(t ) que corresponde a una señal no periódica.

Figura 2.26 Graficas de la onda cuadrada periódica y su señal límite x(t ) cuando T0   .
 175

Comentario: Lo que hay que resaltar aquí, es que el conjunto de coeficientes escalados de
Fourier son muestras de la envolvente con un espaciamiento cada vez más cercano, cuando
T0   . Una señal no periódica se ve como el límite de una señal periódica cuando el periodo
se hace arbitrariamente grande.
Examinemos el comportamiento de la serie de Fourier para la señal límite:

Consideremos una señal x(t ) de duración finita. Es decir x(t )  0 sí t  T1 , como se ilustra
en la figura 2.27 .

Figura 2.27 Señal aperiódica x(t ) , señal x(t ) periódica tal que x(t )  x(t ) cuando T0  

Aplicando las ecuaciones de síntesis y análisis a x(t ) :


x(t )  ae
k 
k
j k w0 t

1 T0 /2
ak 
T0 T0 /2
x(t )e  j k w0 t dt

Como x(t )  x(t ) para t  T0 / 2 y x(t )  0 fuera de este intervalo, la ecuación de análisis
toma la siguiente forma:
1 T0 /2 1 
ak 
T0  T0 /2
x(t )e j k w0 t dt 
T0 

x(t )e j k w0 t dt


Por lo tanto, akT0   x(t )e j k w0 t dt .


Ahora bien, definiendo la envolvente de ak T0 como:

 176


X (w)   x(t )e j wt dt


1
se tiene que los coeficientes de Fourier pueden expresarse ak  X (kw0 ) .
T0

1 1 w0
Así, x(t )  T
k 
X (kw0 )e j k w0 t o equivalentemente, ya que 
T0 2
,
0


1
x(t ) 
2
 X (kw )e
k 
0
j k w0 t
w0 (18)

Cuando T0   , x(t )  x(t ) y en consecuencia la ecuación (18) es una representación de

x(t ) . Además, w0  0 conforme T0   y así, el lado derecho de (18) se convierte en una
integral a través de los infinitesimales. Esto puede verse a través de la interpretación gráfica
de la ecuación

Figura 2.28 Interpretación geométrica de la ecuación (18)

Cada término de la sumatoria en el lado derecho de (18) corresponde al área de un rectángulo
de altura X (kw0 )e
j k w0 t
y ancho w0 (aquí t se considera fijo). Cuando w0  0 , por definición
j wt
el lado derecho (salvo 1 2 ) converge a la integral de X ( w)e . Por tanto, al aplicar el
hecho de que x(t )  x(t ) conforme T0   , la ecuación (18) toma la forma
1 
x(t ) 
2 

X ( w)e j wt dw .


1
En símbolos, lim x(t )  x(t )  lim
T0  w0 0 2
 X (kw )e
k 
0
j k w0 t
w0

1 
x(t ) 
2  
X ( w)e jwt dw
 177

Las ecuaciones,

X ( w)   x(t )e j wt dt ecuacion de análisis


(19)
1
x(t ) 
2  
X ( w)e j wt dw ecuacion de síntesis

se conocen como el par transformado de Fourier donde X ( w) es la transformada de Fourier

de x(t ) y la otra como la transformada inversa de Fourier. En analogía con los coeficientes
de Fourier de una señal periódica, X ( w) se conoce también como el espectro de x(t ) pues
proporciona información acerca de cómo x(t ) está compuesta por señales sinusoidales en
diferentes frecuencias.
Comentario: La transformada de Fourier de x(t ) es una función X ( w) que depende de la
frecuencia; mientras que la transformada inversa de Fourier recupera la señal original x(t ) .
El primer paso analiza x(t ) en su espectro de armónicos – la transformada X ( w) es la
“densidad espectral de frecuencias” – y en el segundo paso se reconstruye x(t ) . Con
integrales al infinito se necesitan restricciones sobre las funciones (y una prueba más
rigurosa) para asegurar la reconstrucción de x(t ) . La dificultad es mínima sí x(t ) y X ( w)
decrecen rápidamente hacia cero, a menos que ambas sean idénticamente nulas, una cosa si
es imposible: ambas no pueden desvanecerse o anularse simultáneamente fuera de una
banda finita. Lo anterior esta relacionado con el principio de incertidumbre de Heisenberg.
Igual que con señales periódicas, existe un conjunto alternativo de condiciones que son
suficientes para asegurar que x(t ) sea igual a x(t ) para cualquier t, salvo en una
discontinuidad, donde esta es igual al promedio de los valores sobre cada lado de la
discontinuidad. Estas condiciones, conocidas como condiciones de Dirichlet requieren que:
1. x(t ) sea absolutamente integrable; es decir,



x(t ) dt  
2. x(t ) tiene un número finito de máximos y mínimos dentro de algún intervalo finito.
3. x(t ) tiene un número finito de discontinuidades dentro de algún intervalo finito.
Además, cada una de estas discontinuidades deben ser finitas.
Por lo tanto, las señales absolutamente integrales que son continuas o que tienen un número
finito de discontinuidades tienen transformada de Fourier.
Aunque los dos conjuntos de condiciones alternativas de Dirichlet son suficientes para
garantizar que una señal tiene transformada de Fourier, en el siguiente apartado veremos
señales periódicas que no son ni absolutamente integrables ni cuadrado integrables sobre un
intervalo infinito, y que tiene transformada de Fourier si las funciones impulso son
consideradas como distribuciones y operando en la transformada. Esto tiene la ventaja que
las series de Fourier y las transformadas pueden incorporarse dentro de una estructura común,
 178

que será muy conveniente en nuestro estudio. A continuación consideremos algunos

ejemplos de la transformada de Fourier.
a t
Ejemplo 2.60 Sea x(t )  e , a  0 Hallar la transformada de Fourier de x(t ) .

 0  1 1 2a
X (w)   e e j wt dt   eat e j wt dt   e at e j wt dt 
a t
  2
  0 a  jw a  jw a  w2

señal original x(t) Transformada de fourier X(w)

1 2

0.9 1.8

0.8 1.6

0.7 1.4

0.6 1.2

0.5 1

0.4 0.8

0.3 0.6

0.2 0.4

0.1 0.2

0 0
-8 -6 -4 -2 0 2 4 6 8 -8 -6 -4 -2 0 2 4 6 8

Figura 2.29 Gráficas de x(t ) y X ( w) para el valor de a  1 .

 at 0 t  0
Ejemplo 2.61 Considérese x(t )  e u(t ) donde u (t )   función paso unitario.
1 t  0
Si a  0 , x(t ) no es absolutamente integrable y entonces X ( w) no existe.

Para a  0 ,
   1  ( a  jw)t  1
X (w)   x(t )e j wt dt   e at (1)e j wt dt  e ( a  jw)t dt  e 
 0 0 a  jw 0 a  jw

Ahora bien, como X (w)  entonces expresamos su magnitud X ( w) y su fase X ( w)

1  w
X ( w)  ,y X ( w)   arctan  
a w
2 2
a
1 a  jw a w 1
Donde, X ( w)   2   j 
 X (w)  ,y
a  jw a  w2 a 2  w2 a 2  w2 a 2  w2
  w a 2  w2   w  ,
X ( w)  Arg  X ( w)   arctan  2 
 arctan   usando la fórmula del
 a a w   a 
2

ejercicio 1.2.3 (capitulo 1 sección 2). Como ilustración elegimos el parámetro a  2

 179

señal abs(X(w))
0.5

0.45

0.4

0.35

0.3

0.25

0.2

0.15

0.1

0.05
-15 -10 -5 0 5 10 15

argumento principal de( X(w))

1.5

0.5

-0.5

-1

-1.5
-15 -10 -5 0 5 10 15

 at
Figura 2.30 Transformada de Fourier de la señal x(t )  e u(t ) . Magnitud y Fase de X ( w).

Ejemplo 2.62 Determinar la transformada de Fourier del impulso unitario(o función delta)
x(t )   (t )

Usando  f (t ) (t )dt  f (0) se tiene



X ( w)    (t )e jwt dt  e0  1 .


El impulso unitario tiene transformada de Fourier que consiste en contribuciones iguales en

todas las frecuencias.
Ejemplo 2.63 Sea el pulso rectangular

1 t  T1
x(t )  
0 t  T1
Aplicando la ecuación (19):
 T1 1  j wT1 2  wT 
X ( w)   x(t )e j wt dt   (1)e j wt dt  e  e j wT1   sen(wT1 )  2T1senc  1 
 T1 jw w   
 180

funcion continua de X(w)= 2T1sinc(wT1/pi); con T1=1

1.5

0.5
X: 3.142
Y: -0.0002827
0
X: -3.148 X: 6.282
Y: -0.004047 Y: -0.0003657

-15 -10 -5 0 5 10 15

Figura 2.31 Gráficas de x(t ) y su espectro de frecuencias X ( w) para el valor de T1  1 .

1 w W
Ejemplo 2.64 Dada la transformada X ( w)   . Calcular x(t ) .
0 w W

1  1 W
Mediante la ecuación de síntesis: x(t ) 
2 
X ( w)e j wt dw 
2 W
e j wt dw

1 1 W  Wt 
sen Wt   senc   .
W
x(t )  e j wt 
2 jt W t   

1 W  Wt  2  wT 
No es difícil ver que sen Wt   senc   y sen( wT1 )  2T1senc  1 
t    w   
sen
ya que la función senc( )  .

Los ejemplos 2.63 y 2.64 muestran una estrecha relación. En cada caso el par transformado
de Fourier consiste en una función de la forma sena b y un pulso rectangular. En el
ejemplo 2.63 la señal x(t ) es el pulso rectangular mientras en el 2.64 es la transformada
X ( w) (ver figura 2.32). Este tipo de relación es una consecuencia directa de la propiedad de
dualidad de la transformada de Fourier que veremos más adelante.
 181

funcion original x(t)=(W/pi)*sinc(Wt/pi);con W=1

0.3

0.25

0.2

0.15

0.1

0.05 X: 3.092
Y: 0.005099
0
X: -3.108
Y: 0.003444
-0.05
-15 -10 -5 0 5 10 15

Figura 2.32 Par transformado de Fourier. La transformada X ( w) y su inversa x(t ) .

Transformada de Fourier para señales periódicas

“La transformada de Fourier de una señal periódica consiste en un tren de impulsos en
frecuencia donde las áreas de los impulsos son proporcionales a los coeficientes de la serie
de Fourier ak (en modulo)”
Consideremos una señal x(t ) con transformada de Fourier X ( w) la cual es un impulso de
área 2 en w  w0 . Esto es, X (w)  2  (w  w0 ) . Aplicando la ecuación de síntesis, su
inversa es una exponencial compleja:
1 
x(t ) 
2  
2 ( w  w0 ) e jwt dw  e jw0t  cos w0t  jsenw0t .

En general, si X ( w) es un tren de impulsos igualmente espaciados en frecuencia,


X ( w)   2 a  (w  kw )
k 
k 0

1  
  jwt   
x(t )    k      k      ak e jkw0t
jwt
2 a ( w kw0 
) e dw a ( w kw ) e dw
2
k 0
  k  k 


Así, x(t )  ae
k 
k
jkw0t
(Serie de Fourier de una señal periódica x(t ) )
 182

La transformada de Fourier de una señal periódica con coeficientes de Fourier ak  puede
interpretarse como un tren de impulsos que ocurren en las frecuencias armónicamente
relacionadas y para las cuales el área del impulso en la k  ésima frecuencia es 2 veces
el k  ésimo coeficiente ak de Fourier ( 2 ak ).

1 jw0t 1  jw0t 1 1
Ejemplo 2.65 Sí x(t )  sen( w0t )  e  e . Entonces a1  , a1 
2j 2j 2j 2j

y ak  0 k  1. Por lo mencionado arriba,

1 1  
X ( w)  (2 ) ( w  w0 )  (2 ) ( w  w0 )   ( w  w0 )   ( w  w0 )
2j 2j j j

e jw0t  e jw0t 1 1
Similarmente si x(t )  cos w0t  entonces a1  , a1  y ak  0 k  1.
2 2 2
1 1
X ( w)  (2 ) ( w  w0 )  (2 ) ( w  w0 )   ( w  w0 )   ( w  w0 )
2 2

(a)

(b)
Figura 2.33 Transformada de Fourier de (a) x(t )  sen w0t ; (b) x(t )  cos w0t

Nótese que solo hay dos componentes frecuenciales no nulas para cada señal en w   w0 .

Ejemplo 2.66 Una señal extremadamente útil en el análisis de sistemas de muestreo es el

tren de impulsos periódicos

x(t )    (t  kT )
k 
donde T es el periodo fundamental.
 183

1 T 2 1
Los coeficientes de Fourier son dados por: ak 
T  T 2
 (t )e jkw t dt 
0

Reemplazando en la transformada

2 
2 
2
X (w)   2 ak ( w  kw0 )    (w  kw0 )    (w  k )
k  T k  T k  T

Así la transformada de Fourier de un tren de impulsos en el dominio tiempo con periodo T

es un tren de impulsos en el dominio frecuencial con periodo 2 T . Nótese la relación
inversa entre los dominios tiempo-frecuencia (ver figura).

(a)

(b)
Figura 2.34 (a) Tren de impulsos periódicos x(t ) ; (b) X ( w) su transformada de Fourier.

Es importante mencionar que en los ejemplos anteriores la función  (t ) es visualizada como

una distribución o función generalizada. Para una profundización sobre el tema de
distribuciones se recomienda el libro “Distribution Theory and Transform Analysis” – An
Introduction to Generalized Functions with Applications. Author: A.H. Zemanian.

Propiedades de la transformada de Fourier tiempo continuo.

(1) Linealidad: Sea F  x(t )   X (w) el operador Transformada de Fourier. Si se conoce

F  x1 (t )   X1 (w) , y F  x2 (t )   X 2 (w) entonces

F  a x1 (t )  b x2 (t )   aF  x1 (t )   bF  x2 (t )   aX1 (w)  bX 2 (w) (20)


Prueba: F  a x1 (t )  b x2 (t )     a x (t )  b x (t )  e
 jwt
1 2 dt  aX 1 (w)  bX 2 (w) .

 184

El significado es que conocidas las transformadas de x1 (t ) y x2 (t ) entonces siempre posible

encontrar la transformada resultante de la función x3 (t )  a x1 (t )  b x2 (t ) , combinación lineal
de x1 (t ) y x2 (t ) . Esta propiedad aplicada a los sistemas lineales los hace predecibles.

(2) Desplazamiento en el tiempo: Sí F  x(t )   X (w) entonces

F  x(t  t0 )   e jwt0 X ( w) (21)

Prueba: Usando la definición y un cambio de variable   t  t0 se tiene

  
F  x(t  t0 )    x(t  t0 )e jwt dt   x( )e jw( t0 ) d  e jwt0  x( )e jw d  e jwt0 X (w) .
  

Esta propiedad es análoga a la expresada en el lema 2.26 de transformada de Fourier discreta.

2a
Ejemplo 2.67 En el ejemplo 2.60, se vio que para x(t )  e a t , a  0 
 X ( w)  .
a  w2
2

 
Entonces usando (21): F e a t 3 = F  x(t  3 )   e jw(3 ) X ( w)  e jw(3 ) 
2a
a  w2
2

j ( w)
Una consecuencia de esta propiedad es: X (w)  X (w) e forma polar de un complejo.

Entonces F  x(t  t0 )   e jwt0 X (w)  e jwt0 X (w) e j ( w)  X (w) e 

j  ( w)  wt0 
, donde la fase

 (w)  wt0 es una función lineal de w .

El efecto de un desplazamiento en el tiempo de una señal es introducir un desplazamiento
de fase en su transformada la cual es una función lineal de w .

(3) Simetría Conjugada y conjugación: Sí F  x(t )   X (w) entonces

F  x (t )   X  (w) (22)


Prueba: X  ( w)    x(t )e jwt dt    x (t )e jwt dt .
 

   


x (t )e jwt dt  F  x (t )  , lo que se




reemplazando w por  w vemos que : X (w) 

quería probar.
La propiedad de conjugación permite mostrar que si x(t ) es real entonces X ( w) tiene
simetría conjugada, es decir,

X ( w)  X  ( w) (23)
 185


Prueba: X  ( w)    x(t )e jwt dt    x (t )e jwt dt   x(t )e jwt dt  X (w) . Usando la
  

      


propiedad x (t )  x(t ) .

 at 1
En el ejemplo 2.61, se mostró que si x(t )  e u(t ) entonces X ( w)  .
a  jw

1
X (w)   X  ( w) comprobándose así la propiedad de simetría conjugada.
a  jw
Como una consecuencia de esta propiedad se puede probar que:
Sí x(t ) es real y par entonces X ( w) es real y par.

Prueba: Usando   t , y x(t )  x(t ) se tiene

  
X (w)   x(t )e jwt dt   x(t )e jwt dt   x( )e jw d  X (w) . Lo que significa que
  

X ( w) es par.

Por otro lado, como x(t ) es real, por (23), se tiene X (w)  X (w)  X  (w) lo que significa
que X ( w) es real. El ejemplo 2.60 satisface esta propiedad.

(4) Diferenciación e Integración:

Sí F  x(t )   X (w) entonces F  x '(t )   jwX ( w) (24)


Prueba: Por ecuación de síntesis sí F  x(t )   X (w) entonces x(t ) 
1
2 

X ( w) e j wt dw

Derivando a ambos lados:

d ( x(t )) 1 

dt
 x '(t ) 
2  
X ( w) jwe j wt dw

lo que significa que F  x '(t )   jwX (w) . La diferenciación en el tiempo corresponde a la

multiplicación por jw en el dominio frecuencia, por tanto la integración debe involucrar la
división por jw .

En general, iterando el procedimiento, derivando n-veces se tiene

F  x( n ) (t )   ( jw)n X ( w) (25)

Propiedad de Integración: Sea x(t ) con F  x(t )   X (w) . Sí

t
h(t )   x( )d entonces

 186

F  t


x( )d   1
jw
X ( w)   X (0) ( w) . (26)

Para una prueba sencilla de esta propiedad se requieren otros argumentos como la propiedad de
convolución. Por ahora, ilustremos la propiedad con un ejemplo.

0 t  0
Ejemplo 2.68 La función escalón unitario se define como u (t )   .
1 t  0
La “función” impulso de tiempo continuo  (t ) se relaciona con la función escalón a través
t
de u (t )  
 (t )dt como puede comprobarse en la ilustración gráfica. Aquí el tratamiento
de las funciones es como una distribución. En este sentido u '(t )   (t ) .

Figura 2.35. Para t  0 el valor de la integral es 0. Y para t  0 el valor de la integral es 1.

La pregunta es calcular F 

t

 (t )dt . Donde x(t )   (t ) con X (w)  1 .

Descomponiendo, u (t ) 
1  1
 u (t )   . Por lo tanto F
2  2  
t
 1  1
 (t )dt  F    F  u   .
2  2

1 1  1
F    2 a0 ( w)  2    ( w)   ( w) . Para el cálculo de F  u   , nótese que sí
2 2  2
1
v(t )  u (t )    F  v '(t )   F  (t )   1 .
 v '(t )  u '(t )   (t ) 
2

1  1
Pero F  v '(t )   jwV (w) entonces jwV ( w)  1 
V ( w)   F(v(t ))  F  u (t )  
jw  2

En resumen, F 
t
 1  1 1
 (t )dt  F    F  u     (w)  
2  2
1
jw jw
X (w)   X (0) (w)

donde X (w)  1 por hipótesis. Es así como F  u (t)   1   ( w)

jw
 187

(5) Escalado en tiempo y frecuencia:

1  w
Sí F  x(t )   X (w) entonces F  x(at )   X  ,a , a  0. (27)
a a

 1   w
 j   1  w

 
 a 
x( ) e  a  d  X  
a a
,a  0
Prueba: F  x(at )    x(at )e dt  
 jwt
 w
,

 1   j   1  w 
 a  x( ) e d   X   , a  0
a

 a a
1  w
donde   at . Así que, F  x(at )   X   .
a a

Cuando a  1 , F  x(t )   X  w .

a t
Ejemplo 2.69 Sabemos que si x(t )  e , a  0 entonces X (w)  2a
.
a  w2
2

 
 
1 2a   10 a
Aplicando (27), se tiene entonces que F  x(5t )    .
5  2  w   25a 2  w2
2

 a   
 5 

(6) Propiedad de Dualidad: Comparando las relaciones entre la transformada de Fourier

directa e inversa dada en las ecuaciones (19), observamos que estas ecuaciones son similares
pero no totalmente idénticas, en la forma. Esta simetría conduce a una propiedad de la
transformada de Fourier referida como Dualidad. En el ejemplo 2.63 el par transformado es:

1 t  T1 2
x1 (t )   
F
 X 1 ( w)  sen( wT1 ) (28)
0 t  T1 w

mientras en el ejemplo 2.64 el par transformado es:

1 1 w W
x2 (t )  sen Wt  
F
 X 2 ( w)   (29)
t 0 w W

Los dos pares de transformadas de Fourier y la relación entre ellos está representada en la
figura 2.36.
La simetría exhibida por estos dos ejemplos extiende la transformada de Fourier en general.
Específicamente, debido a la simetría entre las ecuaciones de análisis y síntesis mostradas en
(19), para cualquier par transformado, existe un par dual con variables tiempo y frecuencia
intercambiadas. A continuación un ejemplo.
 188

Figura 2.36 Relación entre los pares transformados de Fourier de las ecuaciones (28) y (29).

2
Ejemplo 2.70 Encontrar G( w) usando la propiedad de dualidad si g (t )  .
1 t2

En el ejemplo 2.60 encontramos el siguiente par transformada de Fourier

a t 2a
x(t )  e ,a  0 
F
 X ( w) 
a  w2
2

2
que para a  1 el par es: x(t )  e
t

F
 X ( w) 
1  w2

Nótese que la transformada de Fourier de este par es similar a g (t ) con variable

intercambiada. La ecuación de síntesis para este par transformado de Fourier es

1   2  jwt   2  jwt
  1  w2    1  w2  e dw
t t
e    e dw 
 2 e  
2
 189

  2   jwt
 
t
Cambiando t por  t se tiene que 2 e
 1  w2 
e dw .
 
  2   jwt
 
w
Ahora intercambiando las variables t y w : 2 e
 1  t 2 
e dt
 
2
El lado derecho es por definición la transformada de Fourier de . Esto es,
1 t2

 2  w
F 2 
 2 e  G( w)
 1 t 
(7) Relación de Parseval: Sí x(t ) y X ( w) son par transformado de Fourier, entonces
 1 
 x(t ) dt  
2 2
X ( w) dw (30)
 2 

    1  
 x(t ) dt   x(t )  x (t )dt   x(t )    X  (w)e  jwt dw dt
2
Prueba:
  
 2 

Invirtiendo el orden de integración

X  ( w)    x(t )e jwt dt  dw 

 1   1  1 
 x(t ) dt    X  ( w)  X ( w)dw  
2 2
X ( w) dw
 2     2  2 

X ( w)

El término del lado izquierdo de (30) es la energía total en la señal x(t ) . La relación de
Parseval expresa que esta energía total puede determinarse ya sea calculando la energía por
2
unidad de tiempo ( x(t ) ) e integrando sobre todo el dominio tiempo o calculando la energía
2 ) e integrando sobre todo el dominio frecuencial. Por
2
por unidad de frecuencia ( X ( w)
2
esta razón, X ( w) es comúnmente referido como el espectro de densidad de energía de x(t ).

(8) PROPIEDAD DE CONVOLUCIÓN

Inicialmente la definición formal de convolución.

Definición 2.71 Supóngase f , g : 

 y



f ( x  y) g( y) dy   (31)

para casi todo x  . Para estos x tales que la ecuación (31) se cumple, se define

f  g ( x)   f ( x  y) g( y)dy . (32)

 190

Y se define f  g ( x)  0 para aquellos x que no satisfacen (31). A f  g se le denomina la

convolución de f y g . Usaremos indistintamente la notación f  g ( x)  f ( x)  g ( x).

Nótese la analogía con la convolución dada en la definición 2.36 para el caso discreto. La
convolución aquí es vista como una operación entre funciones que produce una función
resultante en términos de x . Entre los múltiples usos del operador convolución nos interesa
el aplicado a los sistemas lineales e invariante en el tiempo (LTI).

Como se vio en la sección 2.4, si una señal periódica es representada en serie de Fourier - es
decir, como una combinación lineal de exponenciales complejas armónicamente relacionadas
tal como se expresa en las fórmulas (8a) y (8b) - entonces la respuesta de un sistema LTI a
esta señal periódica también puede ser representada por una serie de Fourier. Debido a que
las exponenciales complejas son eigenfunciones de los sistemas LTI, los coeficientes de la
serie de Fourier de la salida son aquellos mismos de la entrada multiplicados por la respuesta
en frecuencia del sistema evaluado en las frecuencias armónicas correspondientes (ver
ejemplo 2.54).
En esta sección, extendemos este resultado al caso en que la señal de entrada es aperiódica.
Considérese un sistema LTI con respuesta al impulso h(t ) , salida y (t ) y entrada x(t ) . Tal
como se hizo para los sistemas lineales invariantes a traslaciones (caso discreto), la salida del
sistema es la convolución de la respuesta al impulso y la señal de entrada x(t ) :

y(t )  x(t )  h(t )   h(t   )x( )d


La transformada de Fourier

Y ( w)     h(t   )x( )d  e jwt dt   x( )[  h(t   )e  jwt dt ] d   x( )[e  jw H ( w)] d
    

 
     
F  h ( t  ) 

Ya que por la propiedad de desplazamiento, F  h(t   )   e jw H (w) .

 
Por lo tanto, Y (w)   x( )[e jw H (w)] d  H (w)   x( )e jw d  H (w)  X (w) .
 

Así, hemos probado un importante resultado en el análisis de señales y sistemas.

y(t )  x(t )  h(t ) 

F
 Y  w  X  w  H  w (33)

Lo que significa que la transformada de Fourier mapea la convolución de dos señales en el

producto de sus transformadas. H  w , la transformada de Fourier de la respuesta al impulso,

es la respuesta en frecuencia tal como se definió en el ejemplo 2.53 - H ( w)   h( )e jw d


y que captura el cambio en la amplitud compleja de la transformada de Fourier de la entrada

 191

en cada frecuencia w . Por ejemplo, en un filtraje selectivo de frecuencias podemos estar

interesados en que H  w  1 sobre un rango de frecuencias, así que las componentes
frecuenciales en esta banda experimentarán poco o ninguna atenuación o cambio debido al
sistema, mientras que sobre otro rango de frecuencias puede interesarnos que H  w  0 , así
que las componentes en este rango son eliminadas o significativamente atenuadas. La
respuesta en frecuencia H  w  juega un papel importante en el análisis de los sistemas LTI
como lo hace en la transformada inversa, la respuesta al impulso. Por un lado, ya que h(t )
caracteriza completamente un sistema LTI, entonces H  w  también debe hacerlo. Además,
muchas de las propiedades de los sistemas LTI pueden interpretarse más convenientemente
en términos de H  w  .

Ejemplo 2.72 Considérese un sistema LTI de tiempo continuo con respuesta al impulso
h(t )   (t  t0 )

La respuesta en frecuencia de este sistema es la transformada de Fourier de h(t ) :

H (w)  e jwt0

ya que H (w)    (t  t0 )e jwt dt  e jwt0 . Así, que para cualquier señal de entrada x(t )


con transformada de Fourier X ( w) , la transformada de Fourier de la salida es por (33)

Y (w)  H (w) X (w)  e jwt0 X (w)

Resultado que es consistente con la propiedad de desplazamiento, fórmula (21). Así, un

sistema para el cual la respuesta al impulso es  (t  t0 ) aplica el mismo desplazamiento t0 a
la entrada x(t ) , es decir

y(t )  x(t  t0 )

con lo que aplicando la fórmula (21) se produce el mismo Y ( w) calculado arriba. Nótese,
que la respuesta en frecuencia del sistema es un desplazamiento de tiempo puro que tiene
magnitud unitaria en todas las frecuencias, esto es, H (w)  e jwt0  1 y tiene una
característica de fase  wt0 que es una función lineal de w .

Ejemplo 2.73 Supongamos un integrador, esto es, un sistema LTI especificado por:
t
y(t )   x( )d .


La respuesta al impulso de este sistema es la señal paso unitario u (t ) , ver ejemplo 2.68, y
por lo tanto, la respuesta en frecuencia del sistema es
 192

1
H ( w)  F  u (t)     ( w)
jw

Usando (33), tenemos

 1 
Y ( w)  H ( w) X ( w)     ( w)  X ( w)
 jw 

1 1
 X (w)   X (w) (w)  X (w)   X (0) (w)
jw jw
Lo cual es consistente con la propiedad de integración de la ecuación (26). En el último paso
hemos usado la propiedad f (t ) (t  t0 )  f (t0 ) (t  t0 ) .

Finalmente, algunas propiedades importantes del operador convolución de gran uso y

fácilmente comprobables a partir de la definición: Sean f y g funciones continuas y
absolutamente integrables entonces

1. f ( x)  g ( x )  g ( x )  f ( x ) . ( Ley Conmutativa )
2. [ f ( x)  g ( x)]  h( x)  f ( x) [ g ( x)  h( x)] . ( Ley Asociativa )
3. f ( x) [k1 g ( x)  k2h( x)]  k1[ f ( x)  g ( x)]  k2[ f ( x)  h( x)] . ( Ley Distributiva )
4. f ( x)   ( x)  f ( x ) . (Identidad de la convolución)
5. f ( x)   ( x  x0 )  f ( x  x0 ) .
La propiedad 4, aplicada a los sistemas LTI significa que el sistema es idéntico. La salida es
exactamente igual a la entrada del sistema. Y la propiedad 5, el ejemplo 2.72 es una
aplicación. Una discusión más amplia al tema de convolución puede encontrarse en los
capítulos 4 y 5.

(9) PROPIEDAD DE MODULACIÓN

La propiedad de convolución establece que la convolución en el dominio tiempo corresponde
a una multiplicación en el dominio frecuencial. Debido a la dualidad entre los dominios
tiempo y frecuencia, podríamos esperar que se cumpla también una propiedad dual (es decir,
que la multiplicación en el dominio tiempo corresponda a una convolución en el dominio
frecuencia). Específicamente,

1
r (t )  s(t ) p(t ) 
F
 R( w)   S (w)  P(w) (34)
2

La multiplicación de una señal por otra puede interpretarse como el uso de una señal que
escala o modula la amplitud de la otra, y consecuentemente, la multiplicación de dos señales
es comúnmente referida como una modulación de amplitud. Por esta razón, la ecuación (34)
es conocida como la propiedad de modulación.
 193

Ejemplo 2.73 Sea s(t ) una señal cuyo espectro es S ( w) representada en la figura 2.37. Y
sea p(t )  cos( w0 t ) cuya transformada de Fourier es

P(w)   (w  w0 )   (w  w0 )

Calcular el espectro de r (t )  s(t ) p(t ) .

Figura 2.37 Uso de la propiedad de modulación. La transformada de Fourier de las funciones

s (t ) , p(t ) y r (t ) .

Aplicando la fórmula (34) y la propiedad 5 se tiene:

1 1
R( w)   S (w)  P(w)   S (w)   (w  w0 )   (w  w0 ) 
2 2
1 1 1 1
  S (w)   (w  w0 )   S (w)   (w  w0 )  S (w  w0 )  S (w  w0 )
2 2 2 2
 194

1 1
Así que, R( w)  S ( w  w0 )  S ( w  w0 ) (35)
2 2

Se ha asumido que w0  w1 , así que las porciones no nulas de R( w) no se solapan. Es claro,

que el espectro de r (t ) es la suma de dos versiones escaladas y desplazadas de S ( w) tal como
se muestra en la figura 2.37.
De la ecuación (35) y la figura 2.37, vemos que toda la información de la señal s(t ) se
conserva cuando multiplicamos esta señal por una señal sinusoidal, aunque la información
haya sido desplazada a valores frecuenciales más altos. Este hecho es la base para los
sistemas de modulación de amplitud sinusoidal para comunicaciones.
Ejemplo 2.74 Determinar la transformada de Fourier de la señal
sen(t )sen(t 2)
x(t )  .
t2
Visualizando x(t ) como el producto de dos funciones senc :

 sen(t )  sen(t 2) 
x(t )     
  t   t 

1   sen(t )   sen(t 2)  
Aplicando la propiedad de modulación (34), X ( w)  F F  .
2    t    t  

Ahora bien, en el ejemplo 2.64 se obtuvo el par transformado

sen(Wt ) 
1 w W
x(t )  
F
 X ( w)  
t 
0 w W

 sen(t )  
1 w 1
Así que, F   X 1 ( w)  0
 t  
 w 1

 sen(t 2)  1
 w 1 2
F   X 2 ( w)  0
 t  
 w 1 2

1
Queremos calcular X ( w)   X1 (w)  X 2 (w) , la convolución de dos pulsos rectangulares
2
mostrados en la figura 2.38. Para tal efecto, calcularemos las integrales y al final
recopilaremos los resultados de las distintas etapas para graficar la función resultante.
Dejaremos un pulso fijo X 1 ( w) y el otro X 2 ( w) lo reflexionamos y luego lo desplazamos
totalmente de izquierda a derecha para diferentes subintervalos de w y calculamos el área
de solapamiento a través de una integral definida:
 195

Figura 2.38 (a) Pulsos rectangulares X 1 ( w) y X 2 ( w) en su estado original.

Figura 2.38 (b) Pulsos rectangulares en su punto inicial de desplazamiento.


X1 (w)  X 2 (w)   X1 ( )X 2 ( w   )d


Primer subintervalo: w  3 2 entonces X1 (w)  X 2 ( w)  0 no hay solapamiento.

w1 2
Segundo subintervalo: 3 2  w  1 2 entonces X1 (w)  X 2 (w)   1d  w  3 2 .
1

w1 2
Tercer subintervalo: 3 2  w  1 2 entonces X1 ( w)  X 2 ( w)   1d  1 .
w1 2

3
Cuarto subintervalo: 1 2  w  3 2 entonces X1 ( w)  X 2 ( w)  
1
1d  w  .
w1 2 2

Quinto subintervalo: w  3 2 entonces X1 (w)  X 2 ( w)  0 .

Así que la función de convolución resultante es una función a trozos definida más abajo.
Nótese que en la figura 2.39 ambas señales decrecen rápidamente hacia 0 en los extremos.
 196

 0 w  3 2
 w  3 2 3 2  w  1 2

X 1 ( w)  X 2 ( w)   1 1 2  w  1 2
 w  3 2 1 2  w  3 2

 0 w3 2

 0 w  3 2
 1
 w  3 3 2  w  1 2
 2 4
1 

X ( w)   X 1 ( w)  X 2 ( w)   
1
1 2  w  1 2
2  2
 1 3
 2 w  4 1 2  w  3 2

 0 w3 2

x(t) = (sent)(sen(t/2)) / (pi*t 2)

0.2

0.15

0.1

0.05

-0.05
-15 -10 -5 0 5 10 15
(a)
X(w) = (1/2)[X1(w) * X2(w)]
1

0.9

0.8

0.7

0.6

X(w)
0.5

0.4

0.3

0.2

0.1

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
variable independiente w

(b)
Figura 2.39 El par transformado. (a) La señal x(t ) (b) La transformada de Fourier X ( w) .
 197

EJERCICIOS
2.5.1 Considere un sistema LTI con respuesta al impulso h(t )  e 4t u(t ) . Encuentre la
representación de Fourier de la salida y (t ) para cada una de las siguientes entradas:


(a) x(t )  sen(4 t )  cos(6 t  ) .
4

(b) x(t )    (t  n) .
n 


(c) x(t )   (1)  (t  n) .
n 
n

 1
1 t 
(d) x(t )   4 . Onda cuadrada de periodo T  1 .
0 1 1
t 
 4 2

2.5.2 Encontrar la respuesta al impulso de un sistema con respuesta en frecuencia

(sin 2 (3w)) cos w

H ( jw)  .
w2
2.5.3 Considere un sistema LTI causal con respuesta en frecuencia

1
H ( jw)  .
jw  3

Sí para una particular señal de entrada x(t ) el sistema produjo como salida
 3t  4t
y(t )  e u(t )  e u (t ) . Determine la señal de entrada x(t ) .

2.5.4 Una función x(t ) real y de tiempo continuo tiene transformada de Fourier X ( jw) cuya
magnitud obedece a la relación

ln X ( jw)   w

Encuentre x(t ) si se sabe que x(t ) es:

(a) Una función de tiempo par.

(b) Una función de tiempo impar.

 198

1  t 0  t  1

2.5.5 Considere la señal x(t )  1  t 1  t  0 .
 0 otra parte


(a) Encontrar la transformada de Fourier X ( jw) de x(t ) .


(b) Grafique la señal x(t )  x(t )    (t  4k )
k 


(c) Encuentre otra señal g (t ) diferente de x(t ) y tal que x(t )  g (t )    (t  4k ) .
k 

k k
(d) Argumente que, aunque G( jw)  X ( jw) , G( j )  X( j ) para todo k  .
2 2

2.5.6 Usar las propiedades de la transformada de Fourier para mostrar por inducción que la
t n1  at 1
transformada de Fourier de x(t )  e u (t ) , a  0 , es X ( jw)  .
(n  1)! (a  jw)n

2.5.7 (a) Calcule la convolución de cada uno de los siguientes pares de señales x(t ) y h(t )
calculando primero X ( jw) y H ( jw) , aplicando la propiedad de convolución y por último
obteniendo la transformada inversa.

(i) x(t )  te2t u(t ) , h(t )  e 4t u(t )

(ii) x(t )  te2t u(t ) , h(t )  te 4t u(t )

(iii) x(t )  et u(t ) , h(t )  et u(t )

(b) Suponga que x(t )  e(t 2)u(t  2) , h(t )  u(t  1)  u(t  3) . Verifique la propiedad de

convolución para este par de señales demostrando que la transformada de Fourier de

y(t )  x(t )  h(t ) es igual a X ( jw) H ( jw) .

2.5.8 Encontrar la respuesta al impulso de un sistema con respuesta en frecuencia

(sin 2 (3w)) cos w

H ( jw) 
w2
1
2.5.9 Considere un sistema LTI causal con respuesta en frecuencia H ( jw)  .
jw  3
 199

Sí para una señal particular de entrada x(t ) el sistema produjo como salida

y(t )  e 3t u(t )  e 4t u (t ) .

Determine la señal de entrada x(t ) .

2.5.10 Calcule la Transformada de Fourier de x(t ) si su gráfica en el dominio  ,   es:

2.5.11 Calcular la transformada de Fourier de la señal

2  t 0 t 2
x(t )   .
 0 otra parte

2.5.12 Calcular la transformada de Fourier para el tren de impulsos x(t ) que se muestra en
la figura.

2.5.13 Si x(t ) tiene transformada de Fourier X ( jw) , y p(t ) es una señal periódica con
frecuencia fundamental w0 y representación en serie de Fourier

p(t )  ae
n 
n
j n w0 t
 200

(a) Determine una fórmula o expresión para la transformada de Fourier de y(t )  x(t ) p(t ) .

1  w 0  w  1

(b) Supóngase X ( jw)  1  w 1  w  0
 0
 otra parte

Determine el espectro de y (t ) para cada uno de los siguientes casos de p(t ) :

t
i. p(t )  cos( )
2

ii. p(t )  cos(t )

iii. p(t )  cos(2t )

iv. p(t )  (sin t )  (sin 2t )

v. p(t )  cos 2t  cos t


vi. p(t )    (t   n)
n 


vii. p(t )    (t  2 n)
n 


viii. p(t )    (t  4 n)
n 


1 
ix. p(t )    (t  2 n)    (t   n)
n  2 n

 
x. p(t )  onda cuadrada periodica de la siguiente figura, p(t )  1 si t  .
6 6
 201

2.5.14 Si X ( jw) es el espectro de x(t ) dada por la gráfica de abajo, calcular x(t ) .

-3 -2 -1
1 2 3 w
-1

  
w2


i w x  a x2
2.5.15 Pruebe que e e dx  e 4a
,a  0 .
 a
w2
 x2 
Y en particular, que la transformada de Fourier de la función Gaussiana e es e 4
.

3
(1  t 2 )e  t /2 entonces X (w)  3  w e
2  w 2 /2
2.5.16 Pruebe que sí x(t ) 
2
.
2