INSTITUTO TECNOLÓGICO DE AGUASCALIENTES

INGENIERÍA MECÁNICA

 Carrera: Ingeniería Mecánica.

 Asignatura: Vibraciones mecánicas.

 Trabajo: Series de Fourier y sus aplicaciones tecnológicas en electrónica y mecánica.

 Grupo: 17:00-18:00

 Alumno:
Adrian Rico Camacho………………………………………………………………….…18151420
Alain Yael Villa Arredondo……………………………………………………………….18151433
Luis Ángel Rangel Díaz de León………………………………………………………..18151405
Patricia Paulina Ramos Castellanos……………………………………………………16151089
Álvaro Osvaldo Amador Camacho………………………………………………….…..18151378

 Docente: Dr. Carlos Humberto Saucedo Zarate.

Fecha de entrega: 27 – Febrero – 2021

1
 Introducción.
Las series e integrales de Fourier constituyen un tema clásico del análisis matemático. Desde su
aparición en el siglo XVIII en el estudio de las vibraciones de una cuerda, las series de Fourier
han sido una piedra de toque para el desarrollo de los conceptos básicos del análisis función,
integral, serie, convergencia, y la evolución de estos conceptos ha ido abriendo a su vez nuevos
rumbos en el análisis de Fourier. Así lo expresa Zygmund en el prólogo de su famoso libro sobre
series trigonométricas (1958):

Esta teoría ha sido una fuente de nuevas ideas para los analistas
durante los dos últimos siglos y probablemente lo será en los
próximos años. Muchas nociones y resultados básicos de la
teoría de funciones han sido obtenidos por los matemáticos
trabajando sobre series trigonométricas. Es concebible pensar
que estos descubrimientos podían haber sido realizados en
contextos diferentes, pero de hecho nacieron en conexión con la
teoría de las series trigonométricas. No fue accidental que la
noción de función aceptada ahora generalmente fuera formulada
en la celebrada memoria de Dirichlet (1837) que trata de la
convergencia de la serie de Fourier, o que la definición de integral
de Riemann en su forma general apareciese en el
Habilitationsschrift de Riemann sobre series trigonométricas, o
que la teoría de conjuntos, uno de los desarrollos más
importantes de las matemáticas del siglo XIX, fuera creada por
Cantor en su intento de resolver el problema de los conjuntos de
unicidad para series trigonométricas. En épocas más recientes, la
integral de Lebesgue se desarrolló en estrecha conexión con la
teoría de series de Fourier y la teoría de funciones generalizadas
(distribuciones) con la de las integrales de Fourier.

Las notas se dividen en dos grandes bloques: el primero trata de series de Fourier y el segundo,
de integrales de Fourier; pero para lo cual solamente en esta investigación se tratara sobre series
de Fourier para no abarcar en tantos puntos en los cuales se divide el tema que trataremos.

2
 Series de Fourier.
Una serie de Fourier es una serie infinita que converge puntualmente a una función periódica y
continua a trozos (o por partes). Las series de Fourier constituyen la herramienta matemática
básica del análisis de Fourier empleado para analizar funciones periódicas a través de la
descomposición de dicha función en una suma infinita de funciones sinusoidales mucho más
simples (como combinación de senos y cosenos con frecuencias enteras). El nombre se debe al
matemático francés Jean-Baptiste Joseph Fourier, que desarrolló la teoría cuando estudiaba la
ecuación del calor. Fue el primero que estudió tales series sistemáticamente, y publicó sus
resultados iniciales en 1807 y 1811. Esta área de investigación se llama algunas veces análisis
armónico.
Es una aplicación usada en muchas ramas de la ingeniería, además de ser una herramienta
sumamente útil en la teoría matemática abstracta. Sus áreas de aplicación incluyen análisis
vibratorio, acústica, óptica, procesamiento de imágenes y señales, y compresión de datos. En
ingeniería, para el caso de los sistemas de telecomunicaciones, y a través del uso de los
componentes espectrales de frecuencia de una señal dada, se puede optimizar el diseño de un
sistema para la señal portadora del mismo. Refiérase al uso de un analizador de espectros.

Series trigonométricas y polinomios trigonométricos.

Se llama serie trigonométrica de periodo 2π a toda serie de funciones de la forma:
∞
a
( 1.1 ) 0 + ∑ (ak Coskx+ bk Sinkx)
2 k=1

Definición de Series de Fourier.

Si f ( t ) es una función (o señal) periódica y su periodo es T, la serie de Fourier asociada a f ( t ) es:
∞
a 2 nπ 2 nπ
[ ( )
f ( t ) 0 + ∑ an cos
2 n=1 T (
t + bn sin
T)] t

Donde a 0, a ny b n son los coeficientes de Fourier que toman los valores:

T /2 T /2 T/2
2 2 2 nπ 2 2 nπ
a 0=∫
T −T /2
f ( t ) dt , an = ∫ f ( t ) cos
T −T / 2 T ( T −T /2 )
t dt ,b n= ∫ f ( t ) sin
T
t dt . ( )
Por la identidad de Euler, las fórmulas de arriba pueden expresarse también en su forma
compleja:
∞ n
2 πi t
T
f (t ) ∑ cn e .
n=−∞

Los coeficientes ahora serían:

c T
2 n
2 2 πi t
T
n=¿ ∫ f ( t )e dt . ¿
T −T
2

 Los coeficientes de Fourier.

Si suponemos que la serie (1.1) converge uniformemente en [−π, π] a la función f, escribimos la
igualdad:
a ∞
( 1.2 ) f ( x )= 0 + ∑ (a n Cosnx +bn Sinnx)
2 n=1

3
Y la integramos en [−π, π] (la convergencia uniforme permite integrar término a término la serie:
π

∫ f ( x ) dx=π a0
−π
De donde sale el valor de a0. Del mismo modo, si multiplicamos la igualdad (1.2) por Coskx e
integramos en [−π, π], la propiedad de ortogonalidad da:
π

∫ f ( x ) Coskx dx=π ak
−π
Haciendo lo mismo con sin kx llegamos a:
π

∫ f ( x ) Sinkx dx=π b k
−π
Los valores de ak, bk que se obtienen son los siguientes:
π π
1 1
( 1.3 ) ak = ∫ f ( x ) Coskx dx ; b k = ∫ f ( x ) Sinkx dx
π −π π −π

Donde a n y b n se denominan coeficientes de Fourier de la función f ( x ).

Las primeras cuatro aproximaciones para una función periódica escalonada.

Aplicaciones.
 Generación de formas de onda de corriente o tensión eléctrica por medio de la
superposición de sinusoides generados por osciladores electrónicos de amplitud variable
cuyas frecuencias ya están determinadas.
 Análisis en el comportamiento armónico de una señal.
 Reforzamiento de señales.
 Estudio de la respuesta en el tiempo de una variable circuital eléctrica donde la señal de
entrada no es sinusoidal o cosinusoidal, mediante el uso de transformadas de Laplace y/o
solución en régimen permanente sinusoidal en el dominio de la frecuencia.
 La resolución de algunas ecuaciones diferenciales en derivadas parciales admiten
soluciones particulares en forma de series de Fourier fácilmente computables, y que
obtener soluciones prácticas, en la teoría de la transmisión del calor, la teoría de placas,
etc.

Estudio de casos.

4
Seleccionar competencia: Para este documente en el estudio de casos se tomara la situación
“Análisis en el comportamiento armónico de una señal.” Enfocándonos en las series de Fourier.

Problemas a analizar: El análisis de Fourier es una de las herramientas más útiles en procesado
de señal.
 Se basa en la descomposición de una señal en términos de un conjunto de funciones base
(sinusoides de diferente frecuencia).
 Señales continuas (analógicas):
 Periódicas: Series de Fourier (CTFS).
 No periódicas: Transformada de Fourier (CTFT).
 Señales discretas (digitales):
 Periódicas: Series de Fourier en tiempo discreto (DTFS) ™ No periódicas: Transformada
de Fourier en tiempo discreto (DTFT)
Causas y efectos del estudio de series de Fourier en Análisis en el comportamiento
armónico de una señal:
 El periodo fundamental T0 es el mínimo T>0 con el que se cumple la condición de
periodicidad.
 Su inverso es la frecuencia fundamental f0=1/T0
 La pulsación fundamental es ω0=2π f0.
 La señal es periódica de periodo fundamental T0
 Los armónicos con k entero tienen periodo fundamental T0/|k|.
 Por ello T0 es periodo común a todos los armónicos.
 Por lo tanto la señal es periódica de periodo T0

Problemas resueltos.
Problema 1.

5
f ( x ) x ∈ R [ … T … ] longitud T
f ( x ) integrable en [ … T … ]

 Solución:
a0 ∞
f ( x )= + ∑ [an cos ( nωx ) +bn Sen ( nωx ) ]
2 n=1
Donde:
w = frecuencia fundamental = (2π/T)
a0, {an}, {bn}; estos son los coeficientes de Fourier
❑
1
a 0= ∗∫ f ( x ) dx
T T
2
Ejemplo de la ecuación a0: [0,2π] T=2π
2π
1
a 0= ∗∫ f ( x ) dx
2π 0
2
Si tenemos: [-π, π] T= 2π
π
1
a 0= ∗∫ f ( x ) dx
2 π −π
2
❑
1
a n= ∗∫ f ( x ) cos ( nωx ) dx
T T
2
❑
1
b n= ∗∫ f ( x ) Sen ( nωx ) dx
T T
2

Notas:
1. f(x) Serie de Fourier f(x) en el intervalo [… T …]
2. f(x) es periódica de periodo T → f(x) Serie de Fourier en todo valor de R
f ( x ) S . F . f ( x ) en ∀ xϵ R
3. sumas parciales de las series de Fourier f(x)
a0 k
Sk ( x )= + ∑ [an cos ( nωx ) + bn Sen ( nωx ) ]
2 n=1
4. caso más común: T=2π [0,2π] [-π,π]
2π 2π
ω= = =1
T 2π
La serie de Fourier
a0 ∞
f ( x )= + ∑ [an cos ( nx )+ bn Sen ( nx ) ]
2 n=1

6
 ❑ ❑
1 1
a 0= ∗∫ f ( x ) dx a0= ∗∫ f ( x ) dx
T T π 2π
2
❑
1
a n= ∗∫ f ( x ) cos (nx)dx
π 2π
❑
1
b n= ∗∫ f ( x ) Sen(nx)dx
π 2π

Problema 2.
Desarrollar en serie de Fourier la función periódica de periodo 2π. Estudiar la convergencia de la
serie en R.

f ( x )= 0 si−π ≤ x ≤ 0
{ x si0 ≤ x ≤ π

 Solución:
Calculo de los coeficientes de Fourier.
π 0 π π
a 0=
1
∫
2 π −π
f ( x ) dx =
1
2π [ −π 0
]
∫ f ( x ) dx +∫ f ( x ) dx = 21π ∫ xdx
0

π
1 x2 π
a 0= =
2π 2 0 4 [ ]
π π
1 1
a n= ∫ f ( x ) cos ( nx ) dx= ∫ x cos ( nx ) dx
π −π π 0

Usando la integración por partes se tiene:

π
1 xCos (nx) cos(nx ) (−1 )n 1
a n=
π [n
+
n2 0
1
= 0−0+ 2 − 2
π n n] [ ]
0 para n par
a n=
(−1)n
n2 π
= −2
2
n π
{
para nimpar

Así:
a 2n =0 ∀ n

−2
a 2n −1= ∀n
( 2n−1 )2 π
π π
1
b n= ∫ f ( x ) Sen ( nx ) dx= 1π ∫ xSen ( nx ) dx
π −π 0

7
 π
1 −xCos (nx) Sen( nx) −cos (n π )
b n=
π [ n
+
n 2
0
=
n ]
Luego el coeficiente es:
(−1)n+1
b n=
n
Por lo tanto la serie de Fourier será:
∞
(−1 )n+1
π
+∑
[
−2
4 n=1 π ( 2n−1 )2
cos ( ( 2 n−1 ) x ) +
n
Sen(nx )
]
En todos los puntos de continuidad converge a f(x) y en los puntos de discontinuidad del tipo
x=π+2nπ con nϵZ a serie converge a π/2.

Problema 3.
Supongamos que tenemos las siguientes observaciones que representan los datos observados
de la tasa de interés mensual del Banco del Centro y queremos conocer su comportamiento no
sólo de forma mensual (x0 ,4.25), (x1 ,2.66), (x2 ,2.6), (x3 ,0), (x4 ,2.63), (x5 ,4.5)
Entonces, calculamos la SF:
5 −[ i ( 0) 2 π ]
1 6
(n )
C 0= ∑ f ( x n ) e =2.77
6 n=0
5 − [ i ( 1) 2 π ]
1
C 1= ∑ f ( xn ) e
6 n=0
6
( n)
=
1
6[4.25 ( ( cos 0+isen 0 ) ) +2.66 cos
5
2π
6
+ isen
− [ i ( 2) 2 π ]
2π
6
+ 2.6 cos
4π
6
+isen
4π
( ( ) ( )) ( ( ) ( ))
6
+0+ 2.63 cos(
1 6
(n )
C 2 = ∑ f ( x n) e =…=−0.324−0.261i
6 n=0
5 − [ i ( 3) 2 π ]
1 (n )
C 3= ∑ f ( x n ) e 6 =…=0.38
6 n=0
Por tanto, sustituyendo los coeficientes en (2) tenemos:
3
r =∑ c k e i(kx) =2.77 e(0)ix + ( 0.86−0.269 i ) e( 1) ix−( 0.324 +0.261 i ) e (2 )ix + 0.38 e(3)ix
' ( x)

k=0
'
⇒ R e ( r ( x ) ) =2.77+0.86 cos x −0.324 cos 2 x+ 0.38 cos 3 x −0.269 sen x−0.261 sen 2 x

Recordemos que el polinomio exponencial tiene la siguiente representación

'
r ( x ) =R e ( r ' ( x ) ) + ℑ ( r ' ( x ) ) de donde se puede comprobar de manera fácil (en el ejemplo) que el
desarrollo del polinomio trigonométrico tiene r ( x )=Re ( r ' ( x ) ) que corresponde a la serie de Fourier
a
que más se aproxima a los datos observados. También queda de manifiesto que c 0= 0 =2.77 es
2
la media aritmética de los datos El análisis pertinente, en sentido económico, se da en el sentido
de que al contar con un numero de observaciones finito (en el ejemplo tuvimos 6 observaciones
mensuales) se puede recrear el comportamiento de los datos a lo largo del tiempo y de esta
manera obtener observaciones quincenales, semanales o diarias (de acuerdo a nuestras
necesidades).

Discusión y conclusiones.
8
Discusión.
“La Serie de Fourier es una herramienta matemática que nos permite obtener información de una
función determinada mediante una transformación (donde entenderemos por “transformación” al
proceso que reduce la complejidad de una ecuación). Por lo tanto, cuando se hace referencia a la
Serie de Fourier (SF), realmente hablamos de la transformación que nos permite extraer
información sobre la frecuencia de un ciclo –puede ser cualquier función– cuando conocemos
sólo una parte de su comportamiento.” (Elsevier, 2005).
“Una serie de Fourier es una serie infinita que converge puntualmente a una función
periódica y continua a trozos (o por partes). Las series de Fourier constituyen la herramienta
matemática básica del análisis de Fourier empleado para analizar funciones periódicas a través
de la descomposición de dicha función en una suma infinita de funciones sinusoidales mucho
más simples (como combinación de senos y cosenos con frecuencias enteras).” (Wikilibros,
Álgebra Universitaria, 2018).

Conclusión de Adrian Rico Camacho.

Es de gran importancia considerar la aplicación de la series de Fourier, ya que estas sirven
mucho en el procesamiento digital de las señales. Las series de Fourier nos permiten convertir
una función periódica en una función equivalente en sumatorias; de igual manera el analizar la
paridad de funciones nos evita el caculo innecesario de otros términos de la serie de Fourier
porque debido a esta se anulan.
Lo que pude observar con este método de las series de Fourier es que el cálculo de todas estas
integrales y derivadas nos llevan y requieren de mucho tiempo para su realización ya que estas
constan de una gran complejidad, pero al final si se sabe realizar con mucha precaución esta es
muy exacta.

Conclusión de Alain Yael Villa Arredondo.

Por una parte, la SF es un método más completo y más real que otras aproximaciones obtenidas
por métodos como mínimos cuadrados ordinarios (MCO), promedios, entre otros; pues como
comentamos a lo largo del trabajo, ésta incorpora el comportamiento de las observaciones,
permitiéndonos observar tendencias y ciclos de los datos.
Como se mencionó anteriormente, la serie de Fourier sólo es aplicable, o sólo es útil, para
funciones periódicas, pero existe una forma de que las funciones no periódicas puedan
convertirse a periódicas, y eso es en base al Teorema de Dirichlet, pero de eso se hablará en otra
ocasión ya que el texto sólo es en base a la serie de Fourier.
Cabe aclarar que hay un inconveniente en esta serie y es el costo en tiempo, pues consta de la
realización de vario cálculos y pasos (primeramente, para obtener los coeficientes de la SF y
posteriormente a la hora de obtener el polinomio). Afortunadamente, existe una versión más
eficiente en tiempo (Transformada Rápida de Fourier) con costo comparativo en tiempo más bajo
a la hora de realizar los cálculos. Pero será analizado posteriormente.

Conclusión de Luis Ángel Rangel Díaz de León.

9
La utilización de series de Fourier nos permite, descomponer las funciones de ciertos fenómenos
en unas más sencillas así como de hace con el MAS para movimientos más complejos, estas
situaciones más sencillas son necesarias para obtener respuestas a los distintos problemas que
puedan surgir: también las series de Fourier nos sirven para representar funciones periódicas
siempre y cuando estas cumplan con características específicas, Fourier demostró que si las
funciones son aptas se pueden demostrar mediante la suma de una cantidad determinada de
senos y cosenos con amplitudes definidas y de frecuencias coincidentes con la función, asimismo
intervienen constantes que determinan la correcta realización de la serie de Fourier. Otro
inconveniente a tomar en cuenta, es el costo en tiempo de la series de Fourier, pues consta de la
realización de vario cálculos y pasos (primeramente para obtener los coeficientes de la series de
Fourier y posteriormente a la hora de obtener el polinomio).

Conclusión de Álvaro Osvaldo Amador Camacho.

Gracias al trabajo de investigación realizado pude percatarme y quedarme con el aprendizaje en
que las series de Fourier constituyen la herramienta matemática básica del análisis de Fourier
que estas nos ayudan a analizar funciones periódicas a través de la descomposición de dicha
función en una suma infinita de funciones sinusoidales mucho más simples, además de que es de
gran uso en las ingenierías en general y por ejemplo en nuestra ingeniería es una herramienta
sumamente útil en la interpretación del estudio de vibraciones mecánicas que todos los aparatos
y elementos generan, en conclusión son muy útiles para la interpretación y grafica de datos
obtenidos de oscilaciones.

Conclusión de Patricia Paulina Ramos Castellanos.

10
 Referencias bibliográficas.
 Dym, H., McKean, H. P., Fourier Series and Integrals. Academic Press,New York, 1972.

 N. Wiener, The Fourier integral and certain of its applications, Dover, New York,1958

(original de 1933).

 https://www.youtube.com/watch?v=jWC305BjT_c

 Álgebra Universitaria/Series de Fourier/Definicion - Wikilibros. (2018, 27 noviembre).

WikiLibros.https://es.wikibooks.org/wiki/%C3%81lgebra_Universitaria/Series_de_Fourier/D

efinicion

 Gómez, A. M. P. (2015, 1 septiembre). La Serie de Fourier: estimación de observaciones

económicas inexistentes | Economía Informa. ELSEVIER. https://www.elsevier.es/es-

revista-economia-informa-114-articulo-la-serie-fourier-estimacion-observaciones-

S0185084915000389#:%7E:text=La%20Serie%20de%20Fourier%20es,la%20complejidad

%20de%20una%20ecuaci%C3%B3n).

 Lapi, Agustín Javier. (2015). Transformadas y series de Fourier para el análisis del impacto

de las vibraciones en edificaciones.. 26/02/2021, de Universidad Nacional del Sur Sitio

web: http://lcr.uns.edu.ar/fvc/NotasDeAplicacion/FVC-Lapi.pdf

 lucamartino. (2015). Análisis de Fourier para señales y sistemas de tiempo continuo.

26/02/2021, de http://www.lucamartino.altervista.org/ Sitio web:

http://www.lucamartino.altervista.org/tema_3_1011_v2.pdf

11
12