Maestría en Diseño Estructural

Modulo I: Fundamentos de la Ingeniería

Estructural

Matemática Avanzada para Ingeniería y Métodos

Numéricos

Trabajo Final de Curso

Autor:
Ing. Onnan Ezequiel Flores Gutiérrez

Profesor:
Dr. Carlos Alberto Mendoza Galán

Managua, 10 de junio de 2019

Página 1 de 31
CONTENIDO
Introducción ............................................................................................................. 3
Objetivos ................................................................................................................. 4
Objetivo General .................................................................................................. 4
Objetivos especifico ............................................................................................. 4
Marco teórico........................................................................................................... 5
Descomponer una señal periódica por series de Fourier ..................................... 5
Tipos de señales .................................................................................................. 7
Describir matemáticamente las series de Fourier ................................................ 9
Mostrar que el siguiente conjunto es un conjunto ortogonal ........................... 10
Funciones paras e impares............................................................................. 13
Encontrar la descomposición de una función periódica por serie de Fourier .. 14
Fenómeno de Gibbs ....................................................................................... 15
Las condiciones de Dirichlet ........................................................................... 16
Describir los espectros de frecuencia ............................................................. 17
Describir y ejemplificar la fórmula de Parseval ............................................... 19
Señal no periódica: Transformada de Fourier .................................................... 20
Aplique sus resultados para encontrar algunas sumas de series numéricas ..... 20
Resultados (ejercicio Propuestos) ......................................................................... 23
Resolver ejercicio N°4, tomando en consideración todo lo anterior. .................. 23
Conclusiones ......................................................................................................... 30
Bibliografía ............................................................................................................ 31

Página 2 de 31
Introducción

En el presente trabajo se describen los tipos de señales, las series de Fourier, se

demuestra matemáticamente como un conjunto de funciones es ortogonal si
cumplen unas condiciones específicas, se describen las funciones pares e impares,
se descompone de una función periódica mediante la aplicación de las series de
Fourier, se describe el fenómeno de Gibbs, las condiciones de Dirichlet, los
espectros de frecuencia, y la fórmula de parseval.
En el ejercicio asignado por el profesor se calculará la aproximación mediante la
aplicación de las series de Fourier, así mismo, se podrá verificar la suma de algunas
series mediante los teoremas de Dirichlet.
Las series de Fourier hoy en día tienen una gran utilidad para resolución de
problemas por ejemplo en ciencia como la Física, se utilizan, básicamente, para
analizar funciones que son periódicas descomponiendo la función en sumas infinitas
de sinusoidales que tienen frecuencias múltiplos de la señal inicial. En ingeniería se
usan en óptica, acústica, procesamiento de señales (audio, vídeo o simplemente
imágenes), estudio de vibraciones y perturbaciones de sistemas, entre otras
aplicaciones más.

Página 3 de 31
Objetivos
Objetivo General

Describir y ejemplificar la descomposición de una señal periódica mediante la

aplicación de series de Fourier

Objetivos especifico

 Describir los tipos de señales

 Describir matemáticamente las series de Fourier
 Resolver el ejercicio asignado por el Profesor (ejercicio N°4)
 Aplicar el resultado para encontrar algunas series numéricas
 Describir la Transformada de Fourier

Página 4 de 31
Marco teórico
Descomponer una señal periódica por series de Fourier
A continuación, se presenta una señal periódica, la cual será descompuesta por
series de Fourier.

En la gráfica se puede apreciar que la onda cuadrada tiene una altura de 3, y tiene
un periodo de 2𝜋, es decir la función se repite en un periodo de tiempo de 2𝜋.
A continuación, se calcula los términos 𝑎0 , 𝑎𝑛 𝑦 𝑏𝑛 , por lo tanto se procede a calcular
los términos:
Para 𝑎0 la función toma un valor 3 𝑑𝑒 0 𝑎 𝜋 y un valor 0 𝑑𝑒 𝜋 𝑎 2𝜋, por lo tanto el
termino queda:
𝜋 2𝜋 𝜋
1 1 𝜋 1 1 3
𝑎0 = (∫ 3𝑑𝑡 + ∫ 0𝑑𝑡) = ∫ 3𝑑𝑡 = (3𝑡)| = (3(𝜋) − 3(0)) =
2𝜋 0 𝜋 2𝜋 0 2𝜋 0 2𝜋 2

Para 𝑎𝑛 la función toma un valor 3 𝑑𝑒 0 𝑎 𝜋 y un valor 0 𝑑𝑒 𝜋 𝑎 2𝜋, por lo tanto el

termino queda:
𝜋 2𝜋 𝜋
1 3 𝜋 3
𝑎𝑛 = (∫ 3cos(𝑛𝑡)𝑑𝑡 + ∫ 0𝑑𝑡 ) = ∫ cos(𝑛𝑡)𝑑𝑡 = (𝑠𝑒𝑛(𝑛𝑡))|
𝜋 0 𝜋 𝜋 0 𝜋𝑛 0

3 3
(𝑠𝑒𝑛(𝑛𝜋) − 𝑠𝑒𝑛(𝑛0)) = (0 − 0) = 0
𝜋𝑛 𝜋𝑛
Para 𝑏𝑛 la función toma un valor 3 𝑑𝑒 0 𝑎 𝜋 y un valor 0 𝑑𝑒 𝜋 𝑎 2𝜋, por lo tanto el
termino queda:
𝜋 2𝜋 𝜋
1 3 𝜋 −3
𝑏𝑛 = (∫ 3sen(𝑛𝑡)𝑑𝑡 + ∫ 0𝑑𝑡) = ∫ sen(𝑛𝑡)𝑑𝑡 = (𝑐𝑜𝑠(𝑛𝑡))|
𝜋 0 𝜋 𝜋 0 𝜋𝑛 0

−3 3 3
(𝑐𝑜𝑠(𝑛𝜋) − 𝑐𝑜𝑠(𝑛0)) = (cos(𝑛𝜋) − 1) = − ((−1)𝑛 − 1)
𝜋𝑛 𝜋𝑛 𝜋𝑛
Página 5 de 31
Por lo tanto 𝑏𝑛 , tiene dos valores distintos siendo:
0, 𝑠𝑖 𝑛 𝑒𝑠 𝑝𝑎𝑟
𝑏𝑛 = { 6
, 𝑠𝑖 𝑛 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟
𝑛𝜋
Entonces la serie de Fourier para la señal analizada queda:
3 6 6 6
+ 𝑠𝑒𝑛(𝑡) + 𝑠𝑒𝑛(3𝑡) + 𝑠𝑒𝑛(3𝑡) … ..
2 𝜋 3𝜋 5𝜋
A continuación, se presenta la gráfica de la serie de Fourier para distintos n,
realizado en el software Geogebra.

Página 6 de 31
Tipos de señales
Los tipos de señales se clasifican en:
Señal periódica, son aquellas a las cuales se les puede encontrar un patrón de
repetitividad, es decir, que después de un determinado tiempo, vuelve a repetirse
uno a uno los valores anteriores, una y otra vez. A este patrón se lo reconoce como
ciclo de la onda. El tiempo que demora un ciclo en desarrollarse se denomina
período, y por supuesto, se mide en segundos.

Señal aperiódica, es aquella señal que cambia constantemente sin exhibir ningún
patrón o ciclo que se repita en el tiempo. Sin embargo, se ha demostrado mediante
la transformada de Fourier, que cualquier señal aperiódica puede ser descompuesta
en un numero infinitos de señales periódicas.

Señal analógica, puede ser periódica o aperiódica, es una señal que varía de forma
continua a lo largo del tiempo. La mayoría de las señales que representan una
magnitud física (temperatura, luminosidad, humedad, etc.) son señales analógicas.
Las señales analógicas pueden tomar todos los valores posibles de un intervalo.
Las señales análogas se pueden percibir en todos los lugares, por ejemplo, la
naturaleza posee un conjunto de estas señas como es la luz, la energía, el sonido,
etc., estas son señales que varían constantemente.

Señal digital, puede ser periódica o aperiódica es aquella que presenta una
variación discontinua con el tiempo y que sólo puede tomar ciertos valores discretos,
es decir solo pueden tomar dos valores posibles. Su forma característica es
ampliamente conocida: la señal básica es una onda cuadrada (pulsos) y las

Página 7 de 31
representaciones se realizan en el dominio del tiempo. Sus parámetros son: Altura
de pulso (nivel eléctrico), Duración (ancho de pulso), Frecuencia de repetición
(velocidad pulsos por segundo). Las señales digitales no se producen en el mundo
físico como tales, sino que son creadas por el hombre y tiene una técnica particular
de tratamiento, y como se mencionó anteriormente, la señal básica es una onda
cuadrada, cuya representación se realiza necesariamente en el dominio del tiempo.

Señales de energía, tiene energía finita. En general toda señal en el sentido

práctico tiene duración finita, por lo que la energía es finita.
La energía se define como:
∞
𝐸 = ∫ 𝑥 2 (𝑡)𝑑𝑡
−∞

o de una forma más general incluyendo señales de tipo compleja:

∞
𝐸 = ∫ |𝑥 2 (𝑡)|2 𝑑𝑡
−∞

No se considera solo como energía como el área bajo la curva, o integral de la señal,
debido a que puede contener áreas de signo negativo que pueden cancelar la
media. El cuadrado de la señal será siempre positivo.
La señal tiene que ser de tipo finita para que la medida tenga significado; Una
condición necesaria para que la señal sea finita es que su amplitud → 0 cuando |t|→
∞. En cualquier otro caso la integral no converge.

Página 8 de 31
Señales de potencia, Si en x(t) la amplitud no tiende → 0 al mismo tiempo que |t|→
∞, la energía de la señal será infinita. Una mejor medida de la señal en este caso
es promedio de energía en el un intervalo de tiempo T, si es periódica, existe T.
𝑇
1 2
𝑃𝑥 = lim ∫ |𝑥(𝑡)|2 𝑑𝑡
𝑇→∞ 𝑇 −𝑇
2

Describir matemáticamente las series de Fourier

(Chapra & Canale, 2007), enuncia que la serie de Fourier puede expresarse de
diferentes maneras, dos expresiones trigonométricas equivalentes son:
∞

𝑓(𝑡) = 𝑎0 + ∑[𝑎𝑘 cos(𝑘𝜔0 𝑡) + 𝑏𝑘 𝑠𝑒𝑛( 𝑘𝜔0 𝑡)]

𝑘=1

o
∞

𝑓(𝑡) = 𝑎0 + ∑[𝐶𝑘 cos(𝑘𝜔0 𝑡 + 𝜃𝑘 )]

𝑘=1

Donde los coeficientes están relaciones mediante

𝐶𝑘 = √𝑎𝑘2 + 𝑏𝑘2

y
𝑏𝑘
𝜃𝑘 = tan−1 ( )
𝑎𝑘
Además de la forma trigonométricas, las series también se expresan en términos de
la función exponencial.
∞

𝑓(𝑡) = 𝐶̃0 + ∑[𝐶̃𝑘 𝑒 𝑖𝑘𝜔0 𝑡 + 𝐶̃−𝑘 𝑒 −𝑖𝑘𝜔0 𝑡 ]

𝑘=1

Página 9 de 31
Donde:
𝐶̃0 = 𝑎0
1
𝐶̃𝑘 = (𝑎𝑘 − 𝑖𝑏𝑘 ) = 𝐶̃0 = |𝐶̃𝑘 |𝑒 𝑖𝜙 𝑘
2
1
𝐶̃−𝑘 = (𝑎𝑘 + 𝑖𝑏𝑘 ) = 𝐶̃0 = |𝐶̃𝑘 |𝑒 −𝑖𝜙 𝑘
2
Donde:

|𝐶̃0 | = 𝑎0
1 𝐶𝑘
|𝐶̃𝑘 | = √𝑎𝑘2 + 𝑏𝑘2 =
2 2
y
𝑏𝑘
𝜙𝑘 = tan−1 (− )
𝑎𝑘
Observe que la tilde significa que el coeficiente es un número complejo. que tienen
subíndice negativo giran en sentido de las manecillas del reloj. Los coeficientes 𝐶̃𝑘
y 𝐶̃−𝑘 especifican la posición del fasor en t = 0. Entonces, la suma infinita de los
fasores, que se dejan girar en t = 0, es igual a f(t). (págs. 951-952)
Mostrar que el siguiente conjunto es un conjunto ortogonal
𝜋 2𝜋 3𝜋 𝜋 2𝜋 3𝜋
{1, 𝑐𝑜𝑠 𝑥, 𝑐𝑜𝑠 𝑥, 𝑐𝑜𝑠 𝑥, … , 𝑠𝑒𝑛 𝑥, 𝑐𝑜𝑠 𝑥, 𝑐𝑜𝑠 𝑥, … }
𝑝 𝑝 𝑝 𝑝 𝑝 𝑝
Para demostrar que este conjunto es ortogonal, se tiene que comprobar que su
producto escalar es nulo en un cierto espacio, siendo que el producto escalar se
define como:
𝑏
⟨𝑓, 𝑔⟩ = ∫ 𝑓(𝑥)𝑔(𝑥)𝑑𝑥 = 0
𝑎

Para demostrar que el conjunto es ortogonal se resuelve la integral anterior:

𝑝
𝑛𝜋𝑥 𝑚𝜋𝑥
∫ cos ( ) sen ( ) 𝑑𝑥 = 0 , ∀𝑚, 𝑛, 𝑒𝑛𝑡𝑒𝑟𝑜𝑠, 𝑐𝑜𝑛 𝑚 ≠ 𝑛
−𝑝 𝑝 𝑝

Se puede demostrar que el conjunto es ortogonal de dos formas tal como se

presenta a continuación:
Caso 1, si 𝑚 = 𝑛
𝑝
𝑛𝜋𝑥 𝑛𝜋𝑥
∫ cos ( ) sen ( ) 𝑑𝑥 = 0, ∀𝑛 𝑒𝑛𝑡𝑒𝑟𝑜𝑠
−𝑝 𝑝 𝑝

Página 10 de 31
Para resolver esta integral se utiliza se utiliza la siguiente identidad trigonométrica:
1
𝑠𝑒𝑛𝜃𝑐𝑜𝑠𝜃 = 𝑠𝑒𝑛(2𝜃)
2
Reescribiendo la integral con la identidad trigonométrica:
𝑝
𝑛𝜋𝑥 𝑛𝜋𝑥 1 𝑝 2𝑛𝜋𝑥
∫ cos ( ) sen ( ) 𝑑𝑥 = ∫ sen ( ) 𝑑𝑥
−𝑝 𝑝 𝑝 2 −𝑝 𝑝

Esta integrar se puede resolver con la fórmula de la integral del seno

1
∫ sen(𝑎𝑥)𝑑𝑥 = − 𝑎 cos(𝑎𝑥), aplicando la formula la integral se resuelve:

1 𝑝 2𝑛𝜋𝑥 1 𝑝 2𝑛𝜋𝑥 𝑝
∫ sen ( ) 𝑑𝑥 = (− cos ( ))|
2 −𝑝 𝑝 2 2𝜋𝑛 𝑝 −𝑝
𝑝 2𝑛𝜋𝑝 −2𝑛𝜋𝑝
=− [cos ( ) − cos ( )] =
4𝜋𝑛 𝑝 𝑝
𝑝
− [cos(2𝑛𝜋) − cos(−2𝑛𝜋 )]
4𝜋𝑛
Como coseno es una función par el cos(−2𝑛𝜋 ) = cos(2𝑛𝜋), por consiguiente, la
solución queda:
𝑝 𝑝
− [cos(2𝑛𝜋) − cos(2𝑛𝜋 )] = − [0] = 0
4𝜋𝑛 4𝜋𝑛
Por lo tanto, se demuestra que el producto escalar del conjunto dado es ortogonal
cuando n=m
𝑝
𝑛𝜋𝑥 𝑛𝜋𝑥
∫ cos ( ) sen ( ) 𝑑𝑥 = 0
−𝑝 𝑝 𝑝

Caso 2, si 𝑚 ≠ 𝑛
𝑝
𝑛𝜋𝑥 𝑚𝜋𝑥
∫ cos ( ) sen ( ) 𝑑𝑥 = 0, ∀𝑚, 𝑛 𝑒𝑛𝑡𝑒𝑟𝑜𝑠
−𝑝 𝑝 𝑝

Para resolver esta integral se utiliza se utiliza la siguiente identidad trigonométrica:

1
𝑠𝑒𝑛 𝐴𝑥 𝑐𝑜𝑠𝐵𝑥 = [𝑠𝑒𝑛(𝐴 − 𝐵)𝑥 + 𝑠𝑒𝑛(𝐴 + 𝐵)𝑥]
2
Reescribiendo la integral con la identidad trigonométrica:
𝑝
𝑛𝜋𝑥 𝑚𝜋𝑥 1 𝑝 𝑚𝜋𝑥 − 𝑛𝜋𝑥 𝑚𝜋𝑥 + 𝑛𝜋𝑥
∫ cos ( ) sen ( ) 𝑑𝑥 = ∫ [sen ( ) + sen ( )] 𝑑𝑥
−𝑝 𝑝 𝑝 2 −𝑝 𝑝 𝑝

1 𝑝 𝑚𝜋𝑥 − 𝑛𝜋𝑥 1 𝑝 𝑚𝜋𝑥 + 𝑛𝜋𝑥

= ∫ [sen ( )] 𝑑𝑥 + ∫ [sen ( )] 𝑑𝑥
2 −𝑝 𝑝 2 −𝑝 𝑝

Página 11 de 31
Esta integrar se puede resolver con la fórmula de la integral del seno
1
∫ sen(𝑎𝑥)𝑑𝑥 = − 𝑎 cos(𝑎𝑥), aplicando la formula la integral se resuelve:
𝑝 𝑝
1 𝑝 𝑚𝜋 − 𝑛𝜋 1 𝑝 𝑚𝜋 + 𝑛𝜋
(− ) cos ( 𝑥)| + (− ) cos ( 𝑥)|
2 𝑚𝜋 − 𝑛𝜋 𝑝 −𝑝
2 𝑚𝜋 + 𝑛𝜋 𝑝 −𝑝

Evaluando los límites de integración, la solución queda:

1 𝑝 𝑚𝜋 − 𝑛𝜋 𝑚𝜋 − 𝑛𝜋
(− ) [cos ( (𝑝)) −cos ( (−𝑝))] +
2 𝑚𝜋 − 𝑛𝜋 𝑝 𝑝

1 𝑝 𝑚𝜋 + 𝑛𝜋 𝑚𝜋 + 𝑛𝜋
+ (− ) [cos ( (𝑝)) − cos ( (−𝑝))]
2 𝑚𝜋 + 𝑛𝜋 𝑝 𝑝

Se simplifica la ecuación resultante:

1 𝑝
(− ) [cos(𝑚𝜋 − 𝑛𝜋) −cos(−𝑚𝜋 + 𝑛𝜋)] +
2 𝑚𝜋 − 𝑛𝜋
1 𝑝
+ (− ) [cos(𝑚𝜋 + 𝑛𝜋) − cos(−𝑚𝜋 − 𝑛𝜋)]
2 𝑚𝜋 + 𝑛𝜋
A continuación, se utiliza la identidad trigonométrica de suma de cosenos:
cos(𝐴 + 𝐵) = 𝑐𝑜𝑠𝐴 ∗ 𝑐𝑜𝑠𝐵 − 𝑠𝑒𝑛𝐴 ∗ 𝑠𝑒𝑛𝐵:
1 𝑝
(− ) [cos(𝑚𝜋) cos(−𝑛𝜋) +sen(𝑚𝜋) sen(−𝑛𝜋)
2 𝑚𝜋 − 𝑛𝜋
− cos(−𝑚𝜋) cos(𝑛𝜋) +sen(−𝑚𝜋) sen(𝑛𝜋)]
1 𝑝
+ + (− ) [cos(𝑚𝜋) cos(𝑛𝜋) +sen(𝑚𝜋) sen(𝑛𝜋)
2 𝑚𝜋 + 𝑛𝜋
− cos(−𝑚𝜋) cos(−𝑛𝜋) +sen(−𝑚𝜋) sen(−𝑛𝜋)]
Siendo que el seno de cualquier múltiplo de pi es igual a cero, y como coseno es
una función se procede a simplificar la ecuación:
1 𝑝
(− ) [cos(𝑚𝜋) cos(𝑛𝜋) + 0]
2 𝑚𝜋 − 𝑛𝜋
1 𝑝
+ + (− ) [cos(𝑚𝜋) cos(𝑛𝜋) + 0 − cos(𝑚𝜋) cos(𝑛𝜋) + 0]
2 𝑚𝜋 + 𝑛𝜋
1 𝑝 1 𝑝
(− ) (0) + (− ) (0) = 0
2 𝑚𝜋 − 𝑛𝜋 2 𝑚𝜋 + 𝑛𝜋
Por lo tanto, se demuestra que el producto escalar del conjunto dado es ortogonal
cuando 𝑛 ≠ 𝑚
𝑝
𝑛𝜋𝑥 𝑛𝜋𝑥
∫ cos ( ) sen ( ) 𝑑𝑥 = 0
−𝑝 𝑝 𝑝

Página 12 de 31
Funciones paras e impares
(Zill, 1997), menciona que se puede clasificar las funciones según su paridad: Las
funciones pueden ser pares, impares o no tener paridad.
Aquellas funciones que poseen paridad satisfacen una serie de relaciones
particulares de simetría, con respecto a sus funciones inversas aditivas (funciones
inversas aditivas u opuestas son funciones que al sumarlas el resultado es cero).
Función par: 𝑓(−𝑥) = 𝑓(𝑥)
Función impar: 𝑓(−𝑥) = −𝑓(𝑥)
Las funciones pares e impares deben su nombre a la paridad de las potencias en
las funciones de potencias que satisfacen cada condición: La función f(x)=xn: es
una función par si n es un entero par, y es una función impar si n es un entero impar.
Ejemplos de funciones de x pares e impares:

Desde un punto de vista geométrico, una función par es simétrica con respecto al
eje y, lo que quiere decir que su gráfica no se altera por una reflexión sobre el eje y.
Una función impar posee una simetría rotacional con respecto al origen de
coordenadas, lo que quiere decir que su gráfica no se altera luego de una rotación
de 180 grados alrededor del origen.
Propiedades de las funciones pares e impares:
 La única función que es tanto par e impar es la función cero (f(x) = 0 para
todo x).
 La suma de una función par y una impar no es ni par ni impar, a menos de
que una de las funciones sea el cero.
 La suma de dos funciones par es una función par, y todo múltiplo de una
función par es una función par.

Página 13 de 31
  La suma de dos funciones impares es una función impar, y todo múltiplo
constante de una función impar es una función impar.
 El producto de dos funciones pares es una función par.
 El producto de dos funciones impares es una función par.
 El producto de una función par y una función impar es una función impar.
 El cociente de dos funciones pares es una función par.
 El cociente de dos funciones impares es una función par.
 El cociente de una función par y una función impar es u
 La derivada de una función par es una función impar.
Encontrar la descomposición de una función periódica por serie de Fourier
A continuación, se presenta una función periódica, la cual será descompuesta por
series de Fourier.
𝑓(𝑥) = 𝑥𝑠𝑒𝑛(𝑥), 𝑠𝑖 − 𝜋 < 𝑥 < 𝜋
La función f(x) es par, es decir 𝑓(𝑥) = 𝑓(−𝑥)∀𝑥 ∈ (−𝜋, 𝜋), entonces 𝑏𝑛 = 0
A continuación, se calcula los términos 𝑎0 𝑦 𝑎𝑛 , por lo tanto se procede a calcular
los términos:
𝜋
1 𝜋 1
𝑎0 = ∫ 𝑥𝑠𝑒𝑛(𝑥)𝑑𝑥 = (𝑠𝑒𝑛(𝑥) − 𝑥𝑐𝑜𝑠(𝑥))|
2𝜋 −𝜋 2𝜋 −𝜋

1 1
= [(𝑠𝑒𝑛(𝜋) − 𝜋 cos(𝜋)) − (𝑠𝑒𝑛(0) − 𝜋 cos(0))] = (𝜋 + 𝜋) = 1
2𝜋 2𝜋
Para 𝑎𝑛 la función toma un valor 3 𝑑𝑒 0 𝑎 𝜋 y un valor 0 𝑑𝑒 𝜋 𝑎 2𝜋, por lo tanto el
termino queda:
1 𝜋
𝑎𝑛 = ∫ 𝑥𝑠𝑒𝑛(𝑥) cos(𝑛𝑥) 𝑑𝑥
𝜋 −𝜋

Para 𝑛 ≠ 1
1 𝜋 2(−1)𝑛+1
𝑎𝑛 = ∫ 𝑥𝑠𝑒𝑛(𝑥) cos(𝑛𝑥) 𝑑𝑥 =
𝜋 −𝜋 𝑛2 − 1

Para 𝑛 = 1
1 𝜋 1
𝑎𝑛 = ∫ 𝑥𝑠𝑒𝑛(𝑥) cos(𝑛𝑥) 𝑑𝑥 = −
𝜋 −𝜋 2
Entonces la serie de Fourier para la señal analizada queda:
∞
1 (−1)𝑛+1
𝑥𝑠𝑒𝑛(𝑥) = 1 − cos(𝑥) + 2 ∑ 2 cos(𝑛𝑥)
2 𝑛 −1
𝑛=2

Página 14 de 31
A continuación, se presenta la gráfica de la serie de Fourier para distintos n,
realizado en el software Geogebra.

Fenómeno de Gibbs
(Rodriguez del Río & Zuaza) describen el fenómeno de Gibbs, “mediante un ejemplo
concreto: la función de salto”. Es decir, es la descripción del comportamiento que
tiene la serie de Fourier asociada a una función definida a trozos periódica en una
discontinuidad no evitable de salto finito.
A continuacion para observar el fenomeno de Gibbs, (Rodriguez del Río & Zuaza),
emplean el sigueinte ejemplo:
Consideremos la funcion salto
−1, −𝜋 ≤ 𝑥 < 0
𝑓(𝑥) = {
1, 0≤𝑥≤𝜋
La N-ésima suma parcial correspondiente a su serie de Fourier viene dada por la
expresión:
𝑁
𝑎0
𝑆𝑁 (𝑥) = + ∑[𝑎𝑘 cos(𝑘𝑥) + 𝑏𝑘 𝑠𝑒𝑛(𝑘𝑥)]
2
𝑘=1

Página 15 de 31
A continuación, obtienen la gráfica de la suma parcial de Fourier para N=30

E fenómeno de Gibbs ocurre en los extremos del intervalo, a continuación se

presenta el resultado obtenido por (Rodriguez del Río & Zuaza), para N=300

Las condiciones de Dirichlet

(Costas Santos, 2002), define que el teorema de Dirichlet, la serie de Fourier de
cualquier señal es siempre continua, aunque la señal x(t) no sea, de hecho:
Si x(t) es continua en t=c, entonces

𝑓{𝑥(𝑡)}|𝑡=𝑐 = (𝑥(𝑡))|𝑡=𝑐 = 𝑥(𝑐)

Si x(t) es discontinua en t=d, entonces

lim 𝑥(𝑡) + lim+ 𝑥(𝑡)
𝑡→𝑑 − 𝑡→𝑑
𝑓{𝑥(𝑡)}|𝑡=𝑐 =
2

Página 16 de 31
Describir los espectros de frecuencia
(Medina, 2010) define el espectro de frecuencia como una medida de la distribución
de amplitudes o de las fases de cada frecuencia. El proceso que cuantifique las
diversas intensidades de cada frecuencia se conoce como análisis espectral.
Una señal periódica se puede representar mediante un gráfico de flechas
paralelas al eje de las ordenadas de altura (intensidad) en la frecuencia n/T. Se
obtiene así una representación del espectro de amplitudes en rayas de la señal.
Que 𝑐𝑛 = |𝑐𝑛 |𝑒 𝑖𝜃𝑛
Estos espectros son discretos. En el caso que los 𝑐𝑛 sean reales la señal tiene
una sola representación en frecuencia.
Una función periódica queda descompuesta en una serie infinita de funciones
sinusoidales que tienen diferentes frecuencias, todas ellas de múltiplos de la
frecuencia.

(Frías, 2015), describe cuatro tipos de espectros de frecuencia los cuales son:
Espectro de frecuencia discreta, Los espectros de frecuencia discreta son los
generados al graficar los espectros de Amplitud y de Fase de f(t) y son llamados
discretos porque la curva que se genera no es continua, debido a que “n” toma solo
valores entero lo que ocasiona que aparezcan en función de la variable discreta
𝑛𝑤𝑜 .
A continuación, Frías realiza una representación de una señal compuesta en el
tiempo y la Frecuencia.

(Frías, 2015), presenta una gráfica del espectro de amplitud

Página 17 de 31
Espectro de Fase

Espectro de unilateral o de una cara

(Frías, 2015), menciona que este se puede obtener al desarrollar la serie de Fourier
en forma compacta, estas ecuaciones constituyen el espectro de una sola cara. Los
espectros de amplitud y de fase, solo tendrán valores definidos para valores de “n”
positivos, dando como resultado que la gráfica obtenida solo exista para el lado
derecho del eje vertical.
∞

𝑓(𝑡))𝐶0 + ∑ 𝐶𝑛 cos(𝑛𝑤0 𝑡 − 𝜃𝑛 )
𝑛=1

A continuación, se representan los espectros de amplitud y de fase.

Espectro de frecuencia de dos caras, (Frías, 2015), define que este espectro se
obtiene al desarrollar la serie de Fourier en forma compleja, estas ecuaciones
constituyen el espectro de frecuencia de dos caras. Los espectros de amplitud y de
fase, tendrán valores definidos para valores de “n” positivos y negativos.

Página 18 de 31
 1 2 𝑏𝑛
|𝐶𝑛 | = √𝑎 + 𝑏𝑛2 , 𝜑𝑛 = tan−1 (− )
2 𝑛 𝑎𝑛
A continuación, (Frías, 2015), representa gráficamente el respectro de amplitud y el
espectro de fase.

Describir y ejemplificar la fórmula de Parseval

(Hsu, 1987), Define que, el contenido de una función periódica f(t) en el periodo T
está definido como el valor cuadrático medio
𝑇
1 2
∫ [𝑓(𝑡)]2 𝑑𝑡
𝑇 −𝑇
2

Ejemplo:
𝑥, −𝜋 < 𝑥 < 𝜋
𝑠𝑒𝑎 𝑓(𝑥) = {
0, 𝑥 = 𝜋, 𝜋
1 𝜋2
Pruebe que ∑∞
𝑛=1 𝑛2 = 6

La serie que representa a la función f(x) es igual a:

∞
(−1)𝑛+1 𝑠𝑒𝑛(𝑛𝑥)
2∑
𝑛
𝑛=1

Aplicando la identidad de Parseval se puede demostrar que a serie dada es igual a

𝜋2
6
∞ 𝜋
1 1 𝜋 2 1 𝑥3 𝜋2
∑ 2 = ∫ [𝑥] 𝑑𝑥 = ( )| =
𝑛 𝜋 −𝜋 4𝜋 3 −𝜋 6
𝑛=1

Página 19 de 31
Señal no periódica: Transformada de Fourier
(Hsu, 1987), define que, la función 𝑓(𝜔) definida por
∞
𝑓(𝜔) = ∫ 𝑓(𝑡)𝑒 −𝑖𝜔𝑡 𝑑𝑡
−∞

Se conoce como la integral de Fourier o transformada de Fourier de f(t), y la

operación de integración se simboliza frecuentemente por 𝐹(𝜔)
∞
𝐹(𝜔) = ∫ 𝑓(𝑡)𝑒 𝑖𝜔𝑡 𝑑𝑡
−∞

Análogamente 𝐹 −1 , es el símbolo que se utiliza para indicar la operación inversa,

sea:
1 ∞
𝑓(𝑡) = 𝐹 −1 [𝐹(𝜔)] = ∫ 𝑓(𝑡)𝑒 𝑖𝜔𝑡 𝑑𝑡
2𝜋 −∞
Y f(t) se denomina transformada inversa de Fourier, las ecuaciones anteriores se
conocen a menudo como par de transformada de Fourier, la condición para que
exista 𝐹(𝜔) generalmente está dada por
∞
∫ [𝑓(𝑡)]𝑑𝑡 < ∞
−∞

En otros términos, la integral del valor absoluto de f(t) deber ser finita.

Aplique sus resultados para encontrar algunas sumas de series

numéricas
Serie de Fourier resultante del ejercicio propuesto
∞
𝜋2 4
+ ∑ 2 cos(𝑛𝑥)
3 𝑛
𝑛=1

A continuación, se utilizará la serie resultante del ejercicio propuesto para calcular

la suma de las siguientes series:
Serie numérica N°1
∞
(−1)𝑛 𝜋2
∑ =−
𝑛2 12
𝑛=1

Como la función es continua, entonces:

𝑓(𝑥) = 𝑆(𝑥), 𝑑𝑜𝑛𝑑𝑒 𝑆(𝑥) 𝑒𝑠 𝑙𝑎 𝑠𝑒𝑟𝑖𝑒 𝑑𝑒 𝐹𝑜𝑢𝑟𝑖𝑒𝑟

Página 20 de 31
a continuación se busca un valor 𝑥 donde la sustituido en la serie de Fourier de igual
a la serie dada, siendo 𝑥 = 𝜋
∞ ∞ ∞
2
𝜋2 4 𝜋2 4 𝑛 2
𝜋2 (−1)2
(𝜋 − 𝜋) = + ∑ 2 cos(𝜋𝑛) = 0 = + ∑ 2 (−1) = 𝜋 = +4∑
3 𝑛 3 𝑛 3 𝑛2
𝑛=1 𝑛=1 𝑛=1

Habiendo sustituido 𝑥 = 𝜋, se obtiene una serie igual a la serie dada, no obstante,

para encontrar la suma se despeja la serie quedando de la siguiente manera:
∞
(−1)𝑛 1 𝜋2 𝜋2
⇒∑ = (− ) = −
𝑛2 4 3 12
𝑛=1

Serie numérica N°2

∞
2 𝜋2
∑ =
(2𝑛 − 1)2 4
𝑛=1

La suma de esta serie se puede lograr combinando series numéricas que se puedan
resolver con la serie de Fourier, a continuación, se presenta una combinación de
serie igual a la serie N°2.
∞ ∞ ∞
1 (−1)𝑛 1
∑ 2−∑ 2
=∑
𝑛 𝑛 (2𝑛 − 1)2
𝑛=1 𝑛=1 𝑛=1

Se calcula con la serie de Fourier la suma de la serie armónica utilizada en a

combinación:
∞
1
∑
𝑛2
𝑛=1

Como la función es continua, entonces:

𝑓(𝑥) = 𝑆(𝑥), 𝑑𝑜𝑛𝑑𝑒 𝑆(𝑥) 𝑒𝑠 𝑙𝑎 𝑠𝑒𝑟𝑖𝑒 𝑑𝑒 𝐹𝑜𝑢𝑟𝑖𝑒𝑟
∞
𝜋22
4
(𝑥 − 𝜋) = + ∑ 2 cos(𝑛𝑥)
3 𝑛
𝑛=1

a continuación se busca un valor 𝑥 donde la sustituido en la serie de Fourier de igual

a la serie dada, siendo 𝑥 = 0
∞ ∞ ∞
𝜋2
2
4 𝜋2 4 𝜋2 1
(0 − 𝜋) = + ∑ 2 cos(𝑛 ∗ 0) = (−𝜋)2 = + ∑ 2 = 𝜋2 = +4∑ 2
3 𝑛 3 𝑛 3 𝑛
𝑛=1 𝑛=1 𝑛=1

Habiendo sustituido 𝑥 = 0, se obtiene una serie igual a la serie dada, no obstante,

para encontrar la suma se despeja la serie quedando de la siguiente manera:

Página 21 de 31
 ∞
1 1 𝜋2 2
1 −𝜋 2 + 3𝜋 2 1 2𝜋 2 1 𝜋2 𝜋2
⇒∑ = (− + 𝜋 ) = ( ) = ( ) = ( ) =
𝑛2 4 3 4 3 4 3 2 3 6
𝑛=1

a continuación se busca un valor 𝑥 donde la sustituido en la serie de Fourier de igual

a la serie dada, siendo 𝑥 = 0
∞ ∞ ∞
2
𝜋2 4 2
𝜋2 4 2
𝜋2 1
(0 − 𝜋) = + ∑ 2 cos(𝑛 ∗ 0) = (−𝜋) = +∑ 2=𝜋 = +4∑ 2
3 𝑛 3 𝑛 3 𝑛
𝑛=1 𝑛=1 𝑛=1

Habiendo sustituido x=0, se obtiene una serie igual a la serie dada, no obstante,
para encontrar la suma se despeja la serie quedando de la siguiente manera:
∞
1 1 𝜋2 2
1 −𝜋 2 + 3𝜋 2 1 2𝜋 2 1 𝜋2 𝜋2
⇒∑ = (− + 𝜋 ) = ( ) = ( ) = ( ) =
𝑛2 4 3 4 3 4 3 2 3 6
𝑛=1

Sustituyendo los resultados de las dos series combinadas

∞
𝜋2 𝜋2 1 𝜋2 𝜋2 𝜋2
− (− ) = ∑ = + =
6 12 (2𝑛 − 1)2 6 12 4
𝑛=1

Página 22 de 31
Resultados (ejercicio Propuestos)
Resolver ejercicio N°4, tomando en consideración todo lo anterior.
Sea 𝑓: 𝑅 → 𝑅 una función de periodo 2𝜋 definida por 𝑓(𝑥) = (𝑥 − 𝜋)2 sobre [0,2𝜋]
Calcular los coeficientes de Fourier trigonométrico de 𝒇.
A continuación, se verifica si la función 𝑓(𝑥) es par, impar o ninguna de las dos,
siguiendo los siguientes casos:
𝑠𝑖 𝑓 𝑒𝑠 𝑝𝑎𝑟, 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑏𝑛 = 0
𝑠𝑖 𝑓 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟, 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑎𝑛 = 0
𝑠𝑖 𝑓 𝑛𝑜 𝑒𝑠 𝑝𝑎𝑟 𝑛𝑖 𝑖𝑚𝑝𝑎𝑟, 𝑠𝑒 𝑑𝑒𝑏𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑎𝑛 𝑦 𝑏𝑛
Siendo:
𝑓(𝑥) = (𝑥 − 𝜋)2 → 𝑓(−𝑥) = (−𝑥 − 𝜋)2 = (𝑥 + 𝜋)2 ,
𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑛𝑜 𝑒𝑠 𝑝𝑎𝑟 𝑛𝑖 𝑖𝑚𝑝𝑎𝑟 𝑒𝑛𝑡𝑜𝑐𝑒𝑠 𝑠𝑒 𝑑𝑒𝑏𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑎𝑛 𝑦 𝑏𝑛
Por lo tanto, la serie de Fourier asociada es
∞
2𝜋𝑛 2𝜋𝑛
𝑎0 + ∑ 𝑎𝑛 cos ( 𝑥) + 𝑏𝑛 𝑠𝑒𝑛 ( 𝑥)
𝑇 𝑇
𝑛=1

Calculo del coeficiente fe Fourier 𝒂𝟎

𝑇
∫ 𝑓(𝑡)𝑑𝑡
𝑎0 = 0
𝑇
2𝜋 2𝜋 2𝜋
1 2𝜋 2
1 (𝑥 − 𝜋)2+1 1 (𝑥 − 𝜋)3 (𝑥 − 𝜋)3
𝑎0 = ∫ (𝑥 − 𝜋) 𝑑𝑥 = [ ]| = [ ]| = |
2𝜋 0 2𝜋 2+1 0
2𝜋 3 0
6𝜋 0
2𝜋
(𝑥 − 𝜋)3 (2𝜋 − 𝜋)3 (0 − 𝜋)3 (𝜋)3 (−𝜋)3 𝜋 3 𝜋 3 𝜋 2 𝜋 2 𝜋 2
𝑎0 = | = − = − = + = + =
6𝜋 0
6𝜋 6𝜋 6𝜋 6𝜋 6𝜋 6𝜋 6 6 3

𝜋2
𝑎0 =
3
Calculo del coeficiente fe Fourier 𝒂𝒏
2 𝑇 2𝜋
𝑎𝑛 = ∫ 𝑓(𝑥) cos ( 𝑛𝑥) 𝑑𝑥
𝑇 0 𝑇

2 2𝜋 4
𝑎𝑛 = ∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥 = 2
2𝜋 0 𝑛

Página 23 de 31
Para resolver la integral se aplica la integración ∫ 𝑢𝑑𝑣 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢, como se
demuestra a continuación:

∫ 𝑢𝑑𝑣 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢

𝑢 = (𝑥 − 𝜋)2 , 𝑑𝑣 = cos(𝑛𝑥) 𝑑𝑥
1
𝑑𝑢 = 2(𝑥 − 𝜋)𝑑𝑥, 𝑣 = 𝑠𝑒𝑛(𝑛𝑥)
n
2𝜋
1 2
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥 = (𝑥 − 𝜋)2 sen(𝑥𝑛) − ∫(𝑥 − 𝜋) sen(𝑛𝑥) 𝑑𝑥
0 𝑛 𝑛
𝑢 = 𝑥 − 𝜋, 𝑑𝑣 = 𝑠𝑒𝑛(𝑛𝑥)𝑑𝑥
1
𝑑𝑢 = 𝑑𝑥, 𝑣 = − cos(𝑛𝑥)
n
2𝜋
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥
0
1 2 −(𝑥 − 𝜋) 1
= (𝑥 − 𝜋)2 sen(𝑥𝑛) − ( cos(𝑛𝑥) + ∫ cos(𝑛𝑥) 𝑑𝑥)
𝑛 𝑛 𝑛 𝑛
2𝜋
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥
0
2𝜋
1
2
2 −(𝑥 − 𝜋) 1 1
= (𝑥 − 𝜋) sen(𝑥𝑛) − ( cos(𝑛𝑥) + ( 𝑠𝑒𝑛(𝑛𝑥)))|
𝑛 𝑛 𝑛 𝑛 𝑛
0

A continuación, se evalúa la función en los límites de (0,2𝜋), así mismo, si se le

aplica seno a cualquier numero entero multiplicado por 𝜋, el resultado será cero, de
la misma forma, el seno de cero es igual a cero, por lo tanto la función queda de la
siguiente manera:
2𝜋 2𝜋
2
2 −(𝑥 − 𝜋)
∫ (𝑥 − 𝜋) cos(𝑛𝑥) 𝑑𝑥 = − ( cos(𝑛𝑥))|
0 𝑛 𝑛 0
2𝜋
2 −(𝑥 − 𝜋) 2 −(2𝜋 − 𝜋) −(0 − 𝜋)
− ( cos(𝑛𝑥))| = − ( cos(𝑛2𝜋) − cos(0))
𝑛 𝑛 0
𝑛 𝑛 𝑛
2𝜋
2 −(2𝜋 − 𝜋) 𝜋 2 −𝜋 𝜋
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥 = − ( cos(𝑛2𝜋) − ) = − ( cos(𝑛2𝜋) − )
0 𝑛 𝑛 𝑛 𝑛 𝑛 𝑛
2𝜋
2 −𝜋 cos(2𝑛𝜋) − 𝜋 2𝜋 cos(2𝑛𝜋) + 2𝜋
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥 = − ( )=
0 𝑛 𝑛 𝑛2

Página 24 de 31
 1 𝜋(2 cos(2𝑛𝜋) + 2) 2 cos(2𝑛𝜋) + 2
𝑎𝑛 = ( 2
)=
𝜋 𝑛 𝑛2

si se aplica coseno a cualquier numero entero multiplicado por 2𝜋, el resultado será
1, por lo tanto la integral queda:
2 cos(2𝑛𝜋) + 2 2 + 2 4
𝑎𝑛 = 2
= 2 = 2
𝑛 𝑛 𝑛
Calculo del coeficiente fe Fourier 𝒃𝒏
2 𝑇 2𝜋
𝑏𝑛 = ∫ 𝑓(𝑥) sen ( 𝑛𝑥) 𝑑𝑥 = 0
𝑇 0 𝑇

2 2𝜋 1 2𝜋
𝑏𝑛 = ∫ (𝑥 − 𝜋) sen(𝑛𝑥) 𝑑𝑥 = ∫ (𝑥 − 𝜋)2 sen(𝑛𝑥) 𝑑𝑥
2
2𝜋 0 𝜋 0

Para resolver la integral se aplica la integración ∫ 𝑢𝑑𝑣 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢, como se

demuestra a continuación:

∫ 𝑢𝑑𝑣 = 𝑢𝑣 − ∫ 𝑣𝑑𝑢

𝑢 = (𝑥 − 𝜋)2 , 𝑑𝑣 = 𝑠𝑒𝑛(𝑛𝑥)𝑑𝑥
1
𝑑𝑢 = 2(𝑥 − 𝜋)𝑑𝑥, 𝑣 = − 𝑐𝑜𝑠(𝑛𝑥)
n
2𝜋
−1 2
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥 = (𝑥 − 𝜋)2 cos(𝑥𝑛) + ∫(𝑥 − 𝜋) cos(𝑛𝑥) 𝑑𝑥
0 𝑛 𝑛
𝑢 = 𝑥 − 𝜋, 𝑑𝑣 = 𝑐𝑜𝑠(𝑛𝑥)𝑑𝑥
1
𝑑𝑢 = 𝑑𝑥, 𝑣 = sen(𝑛𝑥)
n
2𝜋
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥
0
(𝑥 − 𝜋)2 2 (𝑥 − 𝜋) 1
=− cos(𝑥𝑛) + ( sen(𝜋𝑛) − ∫ sen(𝑛𝑥) 𝑑𝑥)
𝑛 𝑛 𝑛 𝑛
2𝜋
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥
0
2𝜋
(𝑥 − 𝜋)2 2 (𝑥 − 𝜋) 1 1
=− cos(𝑥𝑛) + ( sen(𝑛𝑥) − (− 𝑐𝑜𝑠(𝑛𝑥)))|
𝑛 𝑛 𝑛 𝑛 𝑛
0

A continuación, se evalúa la función en los límites de (0,2𝜋), así mismo, si se le

aplica seno a cualquier numero entero multiplicado por 𝜋, el resultado será cero, así

Página 25 de 31
mismo, el seno de cero es igual acero, por lo tanto la función queda de la siguiente
manera:
2𝜋
2𝜋 (𝑥 − 𝜋)2 2 1 1
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥 = − cos(𝑥𝑛) + (− (− 𝑐𝑜𝑠(𝑛𝑥)))|
0 𝑛 𝑛 𝑛 𝑛
0

2𝜋 2𝜋
2
(𝑥 − 𝜋)2 2 1
∫ (𝑥 − 𝜋) cos(𝑛𝑥) 𝑑𝑥 = − cos(𝑥𝑛) + ( 2 𝑐𝑜𝑠(𝑛𝑥))|
0 𝑛 𝑛 𝑛 0

2𝜋 2𝜋
2
(𝑥 − 𝜋)2 2
∫ (𝑥 − 𝜋) cos(𝑛𝑥) 𝑑𝑥 = − cos(𝑥𝑛) + 3 𝑐𝑜𝑠(𝑛𝑥)|
0 𝑛 𝑛 0
2𝜋
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥
0
(2𝜋 − 𝜋)2 2
=− cos(2𝜋𝑛) + 3 𝑐𝑜𝑠(2𝜋𝑥)
𝑛 𝑛
(0 − 𝜋) 2
2
− (− cos(0𝑛) + 3 𝑐𝑜𝑠(0𝑥))
𝑛 𝑛
2𝜋
𝜋2 2 𝜋2 2
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥 = − cos(2𝜋𝑛) + 3 𝑐𝑜𝑠(2𝜋𝑥) − (− + 3 )
0 𝑛 𝑛 𝑛 𝑛
2𝜋
2
𝜋2 2 𝜋2 2
∫ (𝑥 − 𝜋) cos(𝑛𝑥) 𝑑𝑥 = − cos(2𝜋𝑛) + 3 𝑐𝑜𝑠(2𝜋𝑥) + −
0 𝑛 𝑛 𝑛 𝑛3

si se le aplica coseno a cualquier numero entero multiplicado por 2𝜋, el resultado

será 1, por lo tanto la integral queda:
2𝜋
𝜋2 2 𝜋2 2
∫ (𝑥 − 𝜋)2 cos(𝑛𝑥) 𝑑𝑥 = − + + − =0
0 𝑛 𝑛3 𝑛 𝑛3

Por lo tanto, 𝑏𝑛 es igual a:

2
𝑏𝑛 = (0) = 0
2𝜋
Desarrollando la serie de Fourier:
∞
𝑎0 2𝜋𝑛 2𝜋𝑛
+ ∑ 𝑎𝑛 cos ( 𝑥) + 𝑏𝑛 ( 𝑥)
2 𝑇 𝑇
𝑛=1

𝜋2 4
𝑎0 = , 𝑎𝑛 = , 𝑏𝑛 = 0
3 𝑛2

Página 26 de 31
 ∞ ∞
𝜋2 4 2𝜋𝑛 2𝜋𝑛 𝜋2 4
+ ∑ 2 cos ( 𝑥) + 0 ( 𝑥) = + ∑ 2 cos(𝑛𝑥)
3 𝑛 2𝜋 2𝜋 6 𝑛
𝑛=1 𝑛=1

Desarrollando la serie para 𝑛 = 5

𝜋2 4 4 4 4 4
+ 2 cos(1𝑥) + 2 cos(2𝑥) + 2 cos(3𝑥) + 2 cos(4𝑥) + + 2 cos(5𝑥)
3 1 2 3 4 5
𝜋2 4 1 4
+ 4 cos(𝑥) + 1 cos(2𝑥) + cos(3𝑥) + cos(4𝑥) + cos(5𝑥)
3 9 4 25
A continuación, se muestra los resultados realizados en el software computacional,
no obstante, se realiza un cambio de función para centrar el periodo y poder verificar
el resultado con el recurso computacional.

A continuación, se presenta el grafico:

Página 27 de 31
A continuación, se muestra los resultados obtenidos en Geómetra:

Verificar la convergencia de la serie

∞
𝜋2 4
+ ∑ 2 cos(𝑛𝑥)
3 𝑛
𝑛=1

Aplicando el Teorema de Direchlet, se puede verificar que la serie de Fourier

converge si cumple con las siguientes condiciones:
Donde el teorema expresa que si 𝑓(𝑥) es una función periódica de período 2𝑝 , y
continua en un intervalo de un período o tiene en este intervalo a lo sumo un número
finito de puntos de discontinuidad de salto finito, así como un número finito de
máximos y mínimos, entonces se puede representar por una serie de Fourier
convergente que tiene por suma el valor de la función 𝑓(𝑥) en los puntos en que
ésta es continua y el promedio de los límites por la derecha y por la izquierda en los
puntos en los que es discontinua, es decir, si la función es continua a trozos, acotada
y monótona a trozos, entonces la serie de Fourier de 𝑓 converge a 𝑓(𝑥0 ) en todo 𝑥0 ,
en el que 𝑓 es continua y en donde 𝑓 no sea continua se tiene que la serire Fourier
converge en (𝑓(𝑥𝑜+ ) + 𝑓(𝑥0− ))/2

Como la función cumple con todas las condiciones, entonces la serie de Fourier
converge para cualquier punto de 𝑓(𝑥)

Página 28 de 31
Deducir los valores de la siguiente suma
∞
1
∑
𝑛2
𝑛=1

Como la función es continua, entonces:

𝑓(𝑥) = 𝑆(𝑥), 𝑑𝑜𝑛𝑑𝑒 𝑆(𝑥) 𝑒𝑠 𝑙𝑎 𝑠𝑒𝑟𝑖𝑒 𝑑𝑒 𝐹𝑜𝑢𝑟𝑖𝑒𝑟
∞
𝜋2
2
4
(𝑥 − 𝜋) = + ∑ 2 cos(𝑛𝑥)
3 𝑛
𝑛=1

a continuación se busca un valor 𝑥 donde la sustituido en la serie de Fourier de igual

a la serie dada, siendo 𝑥 = 0
∞ ∞ ∞
𝜋2
2
4 𝜋2 4 𝜋2 1
(0 − 𝜋) = + ∑ 2 cos(𝑛 ∗ 0) = (−𝜋)2 = + ∑ 2 = 𝜋2 = +4∑ 2
3 𝑛 3 𝑛 3 𝑛
𝑛=1 𝑛=1 𝑛=1

Habiendo sustituido x=0, se obtiene una serie igual a la serie dada, no obstante,
para encontrar la suma se despeja la serie quedando de la siguiente manera:

∞
1 1 𝜋2 2
1 −𝜋 2 + 3𝜋 2 1 2𝜋 2 1 𝜋2 𝜋2
⇒ ∑ 2 = (− + 𝜋 ) = ( )= ( )= ( )=
𝑛 4 3 4 3 4 3 2 3 6
𝑛=1

Página 29 de 31
Conclusiones
Se cumplieron con los objetivos planteados, describiendo los tipos de señales, las
series de Fourier, comprobando que le conjunto dado es ortogonal, describiendo las
funciones pares e impares, encontrando la descomposición de una función
periódica mediante la aplicación de las series de Fourier, se describió el fenómeno
de Gibbs, las condiciones de Dirichlet, los espectros de frecuencia, además, se
ejemplificó la fórmula de parseval.
Se demostró la aplicación de las series de Fourier para el cálculo de sumas de
algunas series, así mismo, se resolvió satisfactoriamente el ejercicio propuesto
aplicando todos los conocimientos ganados en la investigación.

Página 30 de 31
Bibliografía
Chapra, S. C., & Canale, R. P. (2007). Métodos numéricos para ingenieros - Quinta
Edición. McGraw-Hill/Interamericana Editores, S.A. DE C.V.
Costas Santos, R. S. (2002). Series de Fourier.
Frías, R. (2015). Series de Fourier. Analisis Espectros.
Hsu, H. P. (1987). Analisis de Fourier. Raj Mehra, editor.
Medina, J. (2010). Analisis de Fourier para el tratamiento de señales. Quito,
Ecuador.
Rodriguez del Río, R., & Zuaza, E. (s.f.). Series deFourie ry fenómeno de Gibbs.
Madrid.
Zill, D. G. (1997). Ecuaciones diferenciales con aplicaciones de modelado. Mexico:
International thomson editores.

Página 31 de 31