Taller: Convergencia de series de Fourier

ANÁLISIS DE FOURIER WAVELETS

TALLER: CONVERGENCIA DE SERIES DE FOURIER

SUMAS PARCIALES DE LA SERIE DE FOURIER Y FENÓMENO DE GIBBS

Mariana Obando Gutierrez 20192005009

Naher Herrera Castro 20192005059

Docente: José Humberto Serrano Devia

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

BOGOTÁ D.C
14 DE DICIEMBRE, 2021

pág. 1
Taller: Convergencia de series de Fourier

1. INTRODUCCION

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.

Las series de Fourier son una herramienta 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 o cosenoidales mucho más simples, como combinación de senos y cosenos con frecuencias
enteras. Estas series pueden ser representadas gráficamente por medio de códigos en un software
conocido como MATLAB de la empresa MATHWORK. Esta aplicación matemática ofrece un entorno
de desarrollo integrado (IDE) con un lenguaje de programación propio (Lenguaje M).

Por ende, este taller pretende evidenciar la implementación de esta aplicación matemática en el
desarrollo de series de Fourier, mientras que se identifica a la vez el fenómeno de Gibbs, que consiste en
la no-convergencia de los puntos de una función; demostrando a su vez que este tipo de herramientas
facilitan y aceleran la identificación del comportamiento de las funciones al momento de requerir su
análisis, por lo que también se mantiene como objetivo reconocer todas las funciones de dicha
herramienta para adaptarlas a las necesidades de cada momento en el que sean requeridos estos
comportamientos y su adaptabilidad en la cotidianidad.

pág. 2
Taller: Convergencia de series de Fourier

2. DESARROLLO
2.1. f(x) = x, -π ≤ x ≤ π para n = 4, n = 8, n = 19.
• Para n = 4

Figura 1. Gráfico de la función (2.1) cuando (n = 4)

En este punto de la gráfica se puede evidenciar el concepto del fenómeno de Gibbs ya que, aunque
rodean la línea de tendencia no mantienen una convergencia uniforme sus puntos.
• Para n = 8

Figura 2. Gráfico de la función (2.1) cuando (n = 8)

En esta grafica se puede evidenciar que al aumentar el n, en el mismo punto se genera la impresión
de que la convergencia es un poco mayor, sin embargo, aunque dicha impresión exista, la no-
convergencia y por tanto el fenómeno de Gibbs se mantiene.

pág. 3
Taller: Convergencia de series de Fourier

• Para n = 19

-π y a π

Figura 3. Gráfico de la función (2.1) cuando (n = 19)

Aunque la impresión de que se anula el fenómeno a medida que se aumenta n se mantenga, se
puede evidenciar que a medida que se acerca a -π y a π, el fenómeno de Gibbs aumenta
considerablemente y por ende, aunque corresponda a la grafica con el n mayor solicitado, aun se
evidencia con claridad que si existe este fenómeno.
• Comportamiento general de la función
Aunque durante toda su representación se puede evidenciar el fenómeno de Gibbs, se puede
evidenciar que se hace mas notorio cuando se acerca a los extremos (-π, π)

𝟎, −𝛑 ≤ 𝐱 < 𝟏
2.2. f(x) = {𝟐, 𝟏 ≤ 𝐱 < 𝟐 } para n = 4, n = 8, n = 16.
𝟑, 𝟐 ≤ 𝐱 ≤ 𝛑
• Para n = 4

-π y a π

Figura 4. Gráfico de la función (2.2) cuando (n = 4)

pág. 4
Taller: Convergencia de series de Fourier

Aunque en un principio de la representación la serie de Fourier se aproxima bastante a la línea de

tendencia, se puede evidenciar que entre [1, 3] estas aproximaciones son no convergentes y por
tanto, representan el fenómeno de Gibbs
• Para n = 8

-π y a π

Figura 5. Gráfico de la función (2.2) cuando (n = 8)

Al aumentar el n en la figura 5 se aprecia que, aunque aún es evidente el fenómeno de Gibbs las
aproximaciones comienzan a ser un poco más precisas que en la figura anterior.
• Para n = 16

-π y a π

Figura 6. Gráfico de la función (2.2) cuando (n = 16)

Finalmente, con el n mayor se observa que la convergencia de los puntos se aproxima a la
tendencia y por tanto, disminuye considerablemente el fenómeno de Gibbs, sin embargo, no deja
de ser evidente.

pág. 5
Taller: Convergencia de series de Fourier

• Comportamiento general de la función

En esta función se hizo evidente la no convergencia de puntos especialmente en los puntos en los
que x=1 o x=2; esto se debe entonces a que las singularidades de la función (definida a trozos) se
encuentran en estos dos puntos y por tanto, el fenómeno de Gibbs aumenta considerablemente en
estos puntos.

2.3. f(x) = |x|, −𝛑 ≤ 𝐱 < 𝛑 para n = 1, n = 2, n = 4.

• Para n = 1

-π y
aπ
Figura 7. Gráfico de la función (2.3) cuando (n = 1)
En esta grafica se puede evidenciar que, aunque la aproximación con la serie de Fourier es muy
aproximada en casi todo su recorrido, se evidencia una singularidad cuando x=0 que hace notorio
el fenómeno de Gibbs.
• Para n = 2

-π y
aπ

Figura 8. Gráfico de la función (2.3) cuando (n = 2)

pág. 6
Taller: Convergencia de series de Fourier

Cuando n se aumenta a 2 en este caso, aunque disminuya un poco se sigue manifestando dicha
singularidad en x=0, por tanto, sigue siendo notorio el fenómeno de Gibbs.
• Para n = 4

-π y
aπ
Figura 9. Gráfico de la función (2.3) cuando (n = 4).
Finalmente, cuando n=4 la singularidad en x=0 es casi nula y aunque no es tan evidente sigue
manifestándose el fenómeno de Gibbs.
• Comportamiento general de la función
Basándose únicamente en las graficas obtenidas, se puede inferir que la singularidad de esta
función esta exactamente cuándo x=0.
−𝟏𝟎𝟎 −𝛑 ≤ 𝐱 < 𝟎
2.4. 𝒇(𝐱) = { } para n = 4, n = 8, n = 13.
𝟏𝟎𝟎 𝟎≤𝐱≤𝛑
• Para n = 4

-π y
aπ

Figura 10. Gráfico de la función (2.4) cuando (n = 4)

pág. 7
Taller: Convergencia de series de Fourier

Aunque el fenómeno de Gibbs es notorio, se puede evidenciar que cuando x=0 la no convergencia
de la serie de Fourier se hace mucho más notorio.
• Para n = 8

-π y
aπ
-π y
aπ

Figura 11. Gráfico de la función (2.4) cuando (n = 8)

Cuando se aumenta n la distorsión disminuye, y, aunque aun existe, se hace un poco mas evidente
el fenómeno de Gibbs cuando x≠0.
• Para n = 13

-π y
aπ
-π y
aπ

Figura 12. Gráfico de la función (2.4) cuando (n = 13)

Cuando se aumento el n a 13, se hace aun bastante evidente el fenómeno de Gibbs, por lo tanto, se
puede concluir que, para no evidenciar claramente el fenómeno en esta grafica (como ha ocurrido
en las anteriores) se necesita un n mayor.

pág. 8
Taller: Convergencia de series de Fourier

• Comportamiento general de la función

Las graficas dejaron en evidencia una singularidad en 0 y una no convergencia de los puntos (por
lo tanto fenómeno de Gibbs) en sus dos direcciones.
𝟎 −𝟐 ≤ 𝐱 < 𝟎
2.5.𝒇(𝐱) = { } para n = 5, n = 10, n = 15.
𝐜𝐨𝐬 (𝒙) 𝟎 ≤ 𝐱 ≤ 𝟐
• Para n = 5

-π y
aπ

Figura 13. Gráfico de la función (2.5) cuando (n = 5)

Aunque en esta función la aproximación es precisa en su mayoría, cuando x → -∞ se hace
evidente el fenómeno de Gibbs.
• Para n = 10
-π y
aπ

Figura 14. Gráfico de la función (2.5) cuando (n = 10)

Del mismo modo que en la figura 13, el fenómeno de Gibbs (aunque en menor medida) se hace
evidente cuando x → -∞.

pág. 9
Taller: Convergencia de series de Fourier

• Para n = 15

-π y
aπ

Figura 15. Gráfico de la función (2.5) cuando (n = 15)

Cuando n=15 aun es bastante evidente el fenómeno de Gibbs cuando x → -∞, especialmente,
cuando se acerca a 0, por lo que se puede evidenciar una posible singularidad.
• Comportamiento general de la función
Como con el n mayor sigue siendo bastante evidente el fenómeno de Gibbs, se infiere que se debe
aumentar el n para realizar una aproximación mas precisa. A su vez, también se puede inferir que
esta función tiene una singularidad evidente (salto) cuando x=0 y, que, la serie de Fourier es mas
precisa cuando x → +∞.
3. CODIGO FUENTE
Es de mencionar que este código es un código general para cualquier función que se desee
aproximar; para utilizar como recurso en esta aproximación una serie de Fourier, solamente
es necesario ingresar la función a trozos por la consola de Matlab e ingresar los valores del
rango y n.
Código para una función a trozos: piecewise(intervalo, valor de ese intervalo)

function Fourier (f,T,B,max);

clear all
syms x n f s

f=input('Digite la función a aproximar: ')

B=input('Digite el extremo inferior del intervalo: ')
T=input('Digite el extremo superior del intervalo: ')
max=input('Digite el valor para n: ')
p=(T-B)/2;
A0=(1/p)*int(f,x,-p,p);

pág. 10
Taller: Convergencia de series de Fourier

an=(1/p)*int((f*cos(pi*n*x/p)),x,-p,p);
bn=(1/p)*int((f*sin(pi*n*x/p)),x,-p,p);
As=an*cos(pi*n*x/p)+bn*sin(pi*n*x/p);

s=A0/2;
for(N=1:max)
s=s+subs(As,n,N);
end

U=fplot(s,[B,T],'b--o')
hold on

H=fplot(f,[B,T],'LineWidth',2)
fprintf('Resumen de resultados \n:');
fprintf('El coeficiente a0 es %s:',A0);
fprintf('\n El coeficiente an es %s:',an)
fprintf('\n El coeficiente bn es %s:',bn)

set(H,'Color','r');
title(['Serie de Fourier para la función f(x) con n= ', num2str(max)])
xlabel('x')
ylabel('f(x)')
legend({'serie','Función original'})
grid on

warning off

pág. 11