Laboratorio Nº 01: Simulación de la Serie de

Fourier Mediante el Software Matlab

I. OBJETIVO En la transmisión síncrona los datos que se envían se

agrupan en bloques formando tramas, que son un
-Los siguientes experimentos tienen como finalidad conjunto de bits con tamaño y estructura determinados.
mostrar mediante una gráfica una onda periódica por
medio de la sumatoria de “n” términos de la serie de Este tipo de transmisión es más eficiente que la
Fourier. asíncrona, siendo también más inmune a errores, por lo
II. TEORÍA que se suele usar para mayores velocidades que la
asíncrona.
A. Transmisión. Durante la transmisión de un
fenómeno a través de un medio físico se produce
una serie de fenómenos de atenuación o ruido que
podrían distorsionar la onda. Para poder interpretar Ventajas:
la señal transmitida, vamos a utilizar una
herramienta matemática que se denomina Análisis  Posee un alto rendimiento en la transmisión
de Fourier.  Los equipamientos son de tecnología más
completa y de costos más altos
B. Métodos de transmisión asincrónicos
 Son aptos para transmisiones de altas
velocidades (iguales o mayores a 1,200
Este modo de transmisión se caracteriza porque la
baudios de velocidad de modulación)
base del tiempo de transmisor o receptor no es la
 El flujo de datos es más regular.
misma, empleándose un reloj de datos para la
transmisión así como la recepción.

En este tipo de transmisión, el receptor sincroniza III. DESARROLLO DE LA EXPERIENCIA

su reloj con el transmisor usando el bit de
arranque que llega con cada carácter. A. Equipos y Materiales
Ventajas y desventajas: Utilizamos los siguientes equipos:

 En caso de errores se pierde siempre una

cantidad pequeña de caracteres, pues éstos
se sincronizan y se transmiten de uno en
uno.
 Bajo rendimiento de transmisión, dada la Computador
proporción de bits útiles y de bits de a
sincronismo, que hay que transmitir por cada
carácter.
 Es un procedimiento que permite el uso de
equipamiento más económico y de tecnología
menos sofisticada.
 Se adecua más fácilmente en aplicaciones,
donde el flujo transmitido es más irregular.
 Son especialmente aptos, cuando no se
necesitan lograr altas velocidades.
Software
Matlab

C. Métodos de transmisión sincrónicos

En transmisión síncrona además de enviar los datos

también se envía la señal de reloj, de esta manera el
receptor se sincroniza con el transmisor y determina
los instantes significativos de la señal que recibe. Cámara
fotográfica
 Guía de
Laboratorio

se elegirá un punto aleatorio de está

que sea un punto P( x , y ), Entonces
IV. RESPUESTA A PREGUNTAS mediante una tabulación de valores y
graficando la función seno o coseno,
1. La función seno y coseno, ¿son se mostrará que dicho punto P, se
funciones periódicas?, Explique. repetirá para todos los múltiplos de
2π, con lo cual el periodo será 2π.
Para responder esta pregunta, habría que definir ¿Qué
es una función periódica?, una función periódica es
tal que existe un número positivo “t” para todo “x”, tal
que y además “t” es el menor número positivo para el
cual se cumple:

f ( x +t )=f (x)

Para demostrar que ambas funciones son periódicas,

de forma gráfica, con la ayuda de una circunferencia 2. Detallar las propiedades
unitaria donde la longitud de la circunferencia es de 2π, de los coeficientes de
 Fourier, Identidad de Parseval, relación implementa la serie y la transformada
entre los coeficientes de Fourier y su de Fourier respectivamente
derivada.
T
2
Considerando que los coeficientes de Fourier son: 1 2

T
∫ {f ( t ) } dt=¿
−T
2
∞
1 2 1
a0 ∞ . a 0 + ∑ (a2n+ b2n )
f ( t )= + ∑ (a cos(nwt)+ bn Sen(nwt)) 4 2 n=1
2 n=1 n
Cálculo de la serie de Fourier
T
2
mediante derivadas sucesivas
2
a 0= ( ∫ f ( t ) . dt ) Sea la función continua f(t):
T −T
2
a0 ∞
f ( t )= + ∑ ( a cos ( nwt ) +b n Sen ( nwt ) )
T
2 n=1 n
2 que tiene una derivada a trozos f’ que
2 −T T
a n= ( ∫ f ( t ) . cos(nwt )dt ) es una función integrable ( ; ),
T −T 2 2
2
T
como la función f’ se obtiene
2 derivando la función f(t)
2
b n= ( ∫ f ( t ) . Sen (nwt )dt )
T −T ∞ ∞
2 f ' ( t )=∑ −an (nw)Sen ( nwt ) + ∑ bn (nw)cos ( n
n=1 n=1

La demostración de los coeficientes de Fourier se

desarrollará en la pregunta 3 de este informe. Derivando “k” veces:

Propiedad 1) Si la función “f” es par, esto es si

∞ ∞
f ( t )=f (−t ), entonces:
f k ( t )=∑ an(k ) Sen ( nwt ) + ∑ b n(k) cos ( nwt )
n=1 n=1
a0 ∞
f ( t )= + ∑ (an cos(nwt) ¿ ) ¿ Para este caso:
2 n=1

4 -Si “k” es impar:

a n= ¿
T k−1
2 a(k) n
b n=(−1)
Propiedad 2) Si la función “f” es impar, esto es si (nw)k
f (−t )=−f (t ), entonces:
∞ k−1
2
+1 b(k)n
f ( t )=∑ (b n Sen(nwt )) a n=(−1)
n =1 (nw)k
T
2 -Si “k” es par:
4
b n= (∫ f ( t ) . Sen(nwt ) dt)
T 0
k
a(k )n 2
Identidad de Parseval a n=(−1)
(nw)k
El teorema de Parseval define que la potencia de las
señales es equivalente a la suma de la potencia de sus
componentes espectrales y se toma dependiendo de si
la señal es periódica o no ya que para su análisis se
 k
b(k )n 2
b n=(−1) k
(nw)k a n(k)= (−1 ) 2 (nw)k an

Despejando a n:
Siempre y cuando la serie sea convergente.

La demostración se puede apreciar cuando se deriva

k
sucesivamente: 2
(−1) . a n(k)
a n=
'
∞ ∞
(nw)k
f ( t )=∑ −an (nw)Sen ( nwt ) + ∑ bn (nw)cos ( nwt )
n=1 n=1 k
= (−1 ) (nw)k bn
(k) 2
∞ ∞ b n

f ' ' ( t )=∑ −an (nw)2 cos ( nwt )−∑ bn (nw)2 Sen ( nwt )
n=1 n=1 Despejando b n:
∞ ∞ k
f ' ' ' ( t )=∑ a n (nw)3 Sen ( nwt )−∑ bn (nw)3 cos ( nwt ) (−1) 2 . b n(k)
n=1 n=1 b n=
(nw)k
∞ ∞
f ( t )=∑ a n (nw) cos ( nwt )+ ∑ bn (nw)4 Sen ( nwt )
'v 4
Con lo cual queda demostrado.
n=1 n=1

3. Definir y explicar
Entonces para “k” derivadas sucesivas de la función “f”
tenemos: detalladamente la serie de
Fourier, determinar los
∞ ∞ coeficientes de la función “f”.
f k ( t )=∑ an(k ) Sen ( nwt ) + ∑ b n(k) cos ( nwt )
n=1 n=1 Las series de Fourier, se originaron
debido a que explicar las funciones
Viendo que la serie tiene cierta secuencia cuando “k” periódicas era con frecuencia
(k) (k)
es par o impar, los valores de a n y b n son: bastante complicado, y era deseable
representarlas en funciones más
simples. De esta problemática
- Si “k” es impar: nacieron las series de Fourier, que
son series que se representan por
k−1 una sumatoria de funciones seno y
2
a n(k)= (−1 ) (nw)k b n coseno.

Despejando b n: Cálculo de los Coeficientes de

Fourier:

Supongamos que la siguiente función

k−1
2 (k) f(t) de periodo 2π puede
(−1) . an representarse por:
b n=
(nw)k
a0 ∞
k−1 f ( t )= + ∑ ( a cos ( nt ) + bn Sen ( nt ) )
2
+1 2 n=1 n
(nw)k an
(k)
b n = (−1 )
Es decir, que esta serie converge y
Despejando a n: que tiene a f(t) como su suma.

k−1
+1 Calcularemos a 0:
2
(−1) . b n(k)
a n= Para ello integraremos ambas partes:
( nw)k

- Si “k” es par:
 π π ∞ π
a 1
∫ f ( t ) dt =∫ ( 20 + ∑ ( an cos ( nt )+ bn Sen ( nt ) ) ) b n= ∫ f ( t ) Sen(nt )dt
π −π
−π −π n=1

π π ∞
a
∫ f ( t ) dt =∫ ( 20 +∑ ( an cos ( nt )+ bn Sen ( nt ) ) )dt Condiciones débiles de
n=1
−π −π Dirichlet:
π
a0 π ∞ π π
1. Para que las series de Fourier
−π −π −π
(
∫ f ( t ) dt= 2 ∫ dt+∑ a n ∫ cos ( nt ) dt +bn ∫ Sen ( nt ) dt ¿ ¿
n=1 −π
) existan, los coeficientes de Fourier
deben ser finitos, esta condición
garantiza su existencia.
Conociendo que: Esencialmente dice que el integral
de valor absoluto de la señal debe
π π ser finito.
∫ cos ( nt ) dt =∫ Sen ( nt ) dt=0 T
−π −π

π
∫|f (t )|dt< ∞
0
1
a 0= ∫ f ( t ) dt Esto se puede probar usando la
π −π condición inicial de los coeficientes
iniciales de las series de Fourier
Para el cálculo de a n se multiplica a “f(t)” por Cos(pt) que pueden ser finitas:
con p ∈ Z
+¿ ¿
y se integra, lo cual nos da: T T

π
a0 ∞ π

∫ f ( t ) cos(nt )dt=∫ ( 2 + ∑ ( an cos ( pt ) .cos ( nt ) +b n Sen ( nt ) . cos( pt )) )dt

1
|
0
− i w nt
o

|1
|c n|= T ∫ f ( t ) e ( ) dt ≤ T ∫|f ( t
0

−π −π n=1
Recordando que los
exponenciales complejos,
Conociendo que:
sabemos que e− ( i w o nt ) =1,
| |
π entonces nos queda:
∫ Sen ( nt ) . cos ( pt ) dt T
1
∫|f ( t )||e−(i w nt )|dt = T1 < ∞
−π
o
π
a T 0
¿ 0 ∫ cos ( nt ) dt =0
2 −π
2. Las series de Fourier existen si:
Entonces nos queda:
∞

1
π
∫ |f (t )| dt <∞
a n= ∫ f ( t ) cos(nt )dt −∞
π −π Esto se puede derivar de la misma
manera que la condición anterior, se
Análogamente se multiplica “f(t)” por Sen(pt): empieza con la definición y se
demuestra que la integral debe ser
π π ∞ menor que infinito en todas partes.
a0
∫ f ( t ) Sen( nt )dt=∫ ( 2
Sen( pt )+ ∑ ( an Sen ( pt ) . Sen ( nt ) +bn Sen ( pt ) . cos (nt ) ) )dt
Teorema de la Convergencia
−π −π n=1

Conociendo que: Para la función f(x) definida para todo

x, con periodo 2π y sea f’(x) continua
π a trozos en [ −π , π ] . La serie de
a0 π
∫ Sen ( pt ) . cos ( nt ) dt = 2 ∫ Sen ( pt ) dt =0 Fourier de f(x) converge absoluta y
−π −π uniformemente.

Entonces nos queda: Para demostrarla se usará el criterio

M de Weierstrass. Donde se analizará
la convergencia uniforme de la serie: 1 2 2 1 |a^n|
a0 ∞
( n )
0 ≤ |a^n|− =|a^n| + 2 −2
n n
+ ∑ ( a cos ( nt ) +b n Sen ( nt ) )
2 n=1 n De modo que:

El criterio M de Weierstrass nos dice que esta serie

converge absoluta y uniformemente en [ −π , π ] (y por
|a^n| 1 ^2 1 1 2 1
≤ |an| + 2 = ( a^n ) + 2
tanto también puntualmente) si podemos encontrar n 2 2n 2 2n
unas constantes positivas M n ,n=1,2 , … . Tales que:
Lo mismo es válido con b^n
|a n cos ( nx )+ bn Sen ( nx )|≤ M n ∀ x ∈ [ −π , π ] en lugar de a^n, de modo
que:
Siendo además M 1+ M 2 + M 3 +…una serie
1 1 1 2 1
convergente. Veamos que, en efecto, podemos M n ≤ ( a^n )2+ 2 + ( b^n ) + 2
construir esta serie numérica convergente. En primer 2 2n 2 2n
lugar, consideremos las series de Fourier f(x) y f’(x):
Entonces:
a ∞
f (x) 0 + ∑ ( an cos ( nx ) +b n Sen ( nx ) ) ∞ ∞ ∞
2 n =1
∑ M n ≤ 12 ∑ [ ( a^n) 2+ ( b^n ) ] +∑ n12 ≤ ∞
2

n =1 n=1 n=1

a^0 ∞
f (x) + ∑ ( a^ cos ( nx ) + b^n Sen ( nx ))
2 n =1 n 4. Explicar el fenómeno de
Gibbs.
Los coeficientes de cada serie se calculan usando las
fórmulas ya conocidas: El fenómeno de Gibbs sucede cuando
se intenta estimar una función que
π presenta una discontinuidad de salto,
1 1 con una serie de Fourier.
a^0= ∫ f ' ( x ) dx= [ f ( π )−f (−π ) ]=0
π −π π
Para ser más precisos, El fenómeno
de Gibbs describe un caso especial
Ya que f(x) es continua en [ −π , π ] y en el que una función tiene una
periódica. discontinuidad de salto (como la onda
cuadrada de arriba). Cuando la
π función salta en el medio, la
1
a^n= ∫ f ' ( x ) cos ( nx ) dx estimación de Fourier terminará
π −π superando ese salto. Ese
1 rebasamiento nunca irá a cero sin
¿ [ f ( π ) cos ( nπ )−f (−π ) cos ( nπ ) +nn ] importar cuantos términos se
π
agreguen (desaparecía si pudiera
¿ n bn agregar una cantidad infinita de
términos pero nosotros no podemos).
π
1 A medida que aumentamos el número
b^n= ∫ f ' ( x ) Sen ( nx ) dx=−n a n de términos de la serie de Fourier, el
π −π punto de rebasamiento se acerca
cada vez más a la discontinuidad de
Así pues, podemos acotar de manera trivial salto. Por lo tanto, el rango en el que
utilizando estos resultados y obtenemos: se produce la convergencia aumenta,
pero el error máximo sigue siendo el
a^ b^ mismo, aunque distribuido en un
|a n cos ( nx )+ bn Sen ( nx )|≤|an|+|bn|= nn + nn ≔ M n intervalo más pequeño.

En la discontinuidad del salto, la serie

Ahora solo falta probar que la suma de las de Fourier converge a la media de los
constantes M n converge. valores de la función a ambos lados
de la discontinuidad del salto.
En otras palabras, tenemos convergencia puntual, pero
no convergencia uniforme.

5. Desarrolle analíticamente el espectro de

frecuencias para la señal asignada.

La función “diente de sierra” gráficamente es:

Simulación:

Resolviendo la función “diente de sierra”

por la serie de Fourier:

T
1 A
a 0=
T (∫ 0
)
f ( t ) . dt =
2

T
2 A
a n= (∫ t . f ( t ) . cos (nwt )dt)
T 0 T

Recordando que:

( 2Tπ .T ) +T Sen( 2Tπ . T ) − 1

T

(∫
0
A
T
t . f (t ) . cos ( nwt ) dt = ) [ Cosn

2π
n( )
2
T
2
n(
2π
T ) ( nw ) 2
]
=
1
−
1
( nw ) ( nw )2
2
=0

T ∞
2
b n=
T
∫ TA f ( t ) . Sen ( nwt ) dt = −nπA ∑ ( Sen ( nt ) )
( )
0 n=1

Expresando f(t) mediante la series de

Código:
Fourier:
%GRAFICA DE DIENTE SIERRA EN
2 2 MATLAB
√
c n= ( an ) + ( b n ) =bn
clc, clear 
−A
∅=−tg
−1 bn
( )
an
=tg
−1
( )
2 πn
0
−1
=tg (−∞ )=
−π
2
t=-10:0.01:10; 

w=0.50; 

graf_sierra=sawtooth(4*pi*0.1*
V. SIMULACIÓN t,w);

plot(t,graf_sierra); 
 VI. BIBLIOGRAFÍA

Artículos
Simulación:
 Ricardo Radaelli Sanchez,
Condiciones de Dirichlet, pág.
1-3.

Páginas Web

 http://www.dmae.upct.es/~pare
des/am_ti/apuntes/Tema
%202.%20Series%20y
%20transformadas%20de
%20Fourier.pdf
 http://cb.mty.itesm.mx/ma3002/
materiales/ma3002-series-
fourier.pdf
 https://previa.uclm.es/profesora
do/raulmmartin/AmpliacionMate
maticas/SeriesFourier.pdf
 http://www4.ujaen.es/~jmalmira
/gibbs_almira.pdf
Código:
 http://verso.mat.uam.es/web/ez
uazua/documentos_public/archi
%GRAFICA DE DIENTE SIERRA EN MATLAB vos/personal/conferencias/cubo
CON SERIES DE FOURIER .pdf
 https://www.quora.com/What-is-
t=0:0.1:15;
Gibbs-phenomenon
x=1/2-sin(t)/pi;
 http://www.matematica.ciens.uc
plot(t,x,'a')
v.ve/labfg/sf/fourier.pdf
x=1/2-sin(2*t)/(2*pi);
plot(t,x,'b')
x=1/2-sin(3*t)/(3*pi);
plot(t,x,'c')
x=1/2-sin(4*t)/(4*pi);
plot(t,x,'d')
y=1/2-sin(t)/pi-sin(2*t)/(2*pi)-sin(3*t)/(3*pi)-
sin(4*t)/(4*pi);
plot(t,y,'e')
hold on