Funciones

Introducción
• Una función es una relación matemática que
asigna un valor único de salida a cada valor de
entrada. En otras palabras, es una regla que toma
un elemento de un conjunto (llamado dominio) y
lo relaciona con un único elemento en otro
conjunto (llamado codominio). Esta relación se
denota como f(x), donde x es el valor de entrada y
f(x) es el valor de salida correspondiente.
• En términos más simples, una función
toma un valor como entrada y produce
un resultado específico como salida. Por
ejemplo, si tienes una función f que
representa la operación de multiplicar un
número por 2, al ingresar el número 3
como x, obtendrías f(3)=6 como
resultado. Cada valor de x tiene
exactamente un valor correspondiente de
f(x), lo que hace que las funciones sean
una parte fundamental de las
matemáticas y tienen diversas
aplicaciones en distintos campos.
Tipos de Funciones
• Existen varios tipos de funciones
en matemáticas, cada uno con
propiedades y características
específicas. Algunos de los tipos
más comunes de funciones son:
• Lineales
• Cuadrática
• Exponenciales
• Logarítmica
• Trigonométrica
Funciones
1.Función Lineal: Una
función de la forma
f(x)=mx+b, donde m
es la pendiente y b
es la ordenada al
origen. Representa
una línea recta en
un gráfico.
Funciones
1.Función Cuadrática: Tiene la
forma f(x)=ax^2+bx+c, donde
a, b y c son constantes. Su
gráfico es una parábola.
Funciones
1.Función Exponencial: Se
expresan como f(x)=a^x,
donde a es una constante y x
es la variable. El crecimiento
de estas funciones es rápido
y su límite es el infinito.
Funciones
1.Función Logarítmica: Son
inversas de las funciones
exponenciales y se
denotan como
f(x)=loga​(x), donde a es la
base del logaritmo.
Funciones

1.Función Trigonométrica:
Incluye funciones como seno
f(x)=sin(x), coseno f(x)=cos(x)
y tangente f(x)=tan(x). Se
utilizan para modelar
fenómenos periódicos.
Funciones
1.Función Racional: Son
cocientes de dos
polinomios, f(x)=q(x)*p(x)​,
donde p(x) y q(x) son
funciones polinómicas.
Funciones
1.Función Absoluta:
Representada como
f(x)=∣x∣, devuelve el
valor absoluto de x, es
decir, su distancia desde
el origen en la recta
numérica.
Funciones
1.Función Constante:
Siempre tiene el
mismo valor,
independientemente
de x. Se expresa
como f(x)=c, donde c
es una constante.
Funciones
1.Función Identidad:
Simplemente devuelve
el mismo valor de x,
f(x)=x.
Función continua
• Una función continua es aquella
que no tiene "saltos" ni
"huecos" en su gráfico. En otras
palabras, una función se
considera continua en un
intervalo si su gráfico se puede
dibujar sin levantar el lápiz del
papel en ese intervalo. Esto
significa que la función tiene una
transición suave y sin
interrupciones de un valor a otro
• una función f(x) se considera continua en un punto
x=c si se cumplen las siguientes tres condiciones:
1.f(c) está definido (es decir, no hay divisiones u
otros problemas de definición).
2.El límite de f(x) cuando x se acerca a c desde
ambos lados existe y es igual a f(c).
Matemáticamente:
1.limx→c−​ f(x)=f(c)
2.limx→c+​ f(x)=f(c).
3.No hay saltos o huecos en el gráfico de la función
en el punto x=c.
Funciones Discontinuas
• Una función discontinua es aquella
que tiene al menos un punto
donde su gráfico presenta una
interrupción, salto o hueco. En
otras palabras, no se puede trazar
su gráfico de manera continua sin
levantar el lápiz del papel en al
menos un punto.
Tipos de funciones discontinuas
1.Discontinuidad Removible: En este caso, el
gráfico de la función puede ser "rellenado"
para hacerlo continuo en el punto de
discontinuidad. Se produce cuando el límite
de la función existe, pero el valor en ese
punto no coincide con el límite.
2.Discontinuidad de Salto: Se presenta
cuando la función tiene un salto abrupto en
un punto específico. El límite desde el lado
izquierdo del punto y el límite desde el lado
derecho son diferentes.
1.Discontinuidad Asintótica: Ocurre cuando
el límite de la función se acerca
infinitamente a un valor, pero la función en
sí no alcanza ese valor en ese punto.
2.Discontinuidad de Rama Infinita: Se da
cuando la función se vuelve infinita en un
punto.
3.Discontinuidad en Oscilación: En este caso,
la función oscila infinitamente cerca de un
valor, pero no llega a ese valor en ese punto.
Series de Fourier
Introducción

• Las series de Fourier son una

herramienta matemática utilizada
para descomponer una función
periódica en una serie infinita de
funciones seno y coseno (o
complejas en la forma de la
Transformada de Fourier) que tienen
frecuencias múltiplos de la
frecuencia fundamental de la
función periódica.
• Las series de Fourier son muy
útiles en el análisis de señales
periódicas en campos como la
física, la ingeniería y las
matemáticas aplicadas. Pueden
utilizarse para aproximar una
función periódica dada o para
analizar su contenido de
frecuencia.
Calculo Serie ∞
de Fourier 𝑓 𝑥 = 𝑎0 + ෍ 𝑎𝑛 ∗ cos 𝑛 ∗ 𝑥 + 𝑏𝑛 ∗ sin(𝑛𝑥)
𝑛=1

• Donde:
• a0​ es el coeficiente DC.
• an​ y bn​ son los coeficientes de las componentes armónicas.
• n es el índice de la componente armónica.
• x es la variable independiente.
• Las frecuencias de las componentes armónicas son
múltiplos enteros de la frecuencia fundamental.
Coeficiente a
• El coeficiente a0 en una serie de Fourier
representa la componente constante (el
componente DC) de la función periódica
que estás descomponiendo.
• La fórmula calcula el promedio de la
función periódica a lo largo de un período
completo y se utiliza para determinar la
componente constante en la serie de
Fourier.
 𝑇
2
Componente 1
𝑎𝑜 = න 𝑓 𝑥 𝑑𝑥
a0 𝑇
𝑇
−
2

• Donde:
• T es el período de la función periódica.
• f(x) es la función periódica que estás analizando.
• La integral se toma sobre un período completo de
la función, que va desde −T/2​ hasta T/2​.
Coeficiente an
• Los coeficientes an en una serie de
Fourier representan las componentes
coseno de la función periódica
descompuesta.
• La fórmula calcula la contribución de la
función periódica en forma de coseno
con una frecuencia n al coeficiente an
en la serie de Fourier.
• Es importante notar que para calcular
an, es necesario realizar la integral en un
período completo de la función, que va
desde −T/2 hasta T/2.
Coeficiente an 𝑇
2
2 2𝜋𝑛𝑥
𝑎𝑛 = න 𝑓 𝑥 ∗ cos 𝑑𝑥
𝑇 𝑇
𝑇
−
2

• an​=T/2 ​∫−T/​2 T​/2 ​f(x)cos(2πnx/T​)dx

• Donde:
• T es el período de la función periódica.
• f(x) es la función periódica que estás analizando.
• n es el índice de la componente armónica (número entero
positivo).
Coeficiente bn
• Los coeficientes bn en una serie de Fourier
representan las componentes seno de la
función periódica descompuesta.
• La fórmula calcula la contribución de la
función periódica en forma de seno con una
frecuencia n al coeficiente bn en la serie de
Fourier.
• Al igual que en los casos anteriores, para
calcular bn, es necesario realizar la integral
en un período completo de la función, que va
desde −T/2 hasta T/2
 𝑇
2
Coeficiente bn 2 2𝜋𝑛𝑥
𝑏𝑛 = න 𝑓 𝑥 ∗ 𝑠𝑖𝑛 𝑑𝑥
𝑇 𝑇
𝑇
−
2
• Donde:
• T es el período de la función periódica.
• f(x) es la función periódica que estás analizando.
• n es el índice de la componente armónica (número
entero positivo).
Transformada de
Fourier
Introducción
La Transformada de Fourier es
un concepto fundamental en el
procesamiento de señales y la
matemática aplicada que
permite analizar una señal en
términos de sus componentes
de frecuencia.
La Transformada de Fourier es una
operación matemática que toma
una señal en el dominio del tiempo
y la convierte en una
representación en el dominio de la
frecuencia. Permite descomponer
una señal en componentes
sinusoidales de diferentes
frecuencias.
Dominio del tiempo y dominio de la
frecuencia

• En el dominio del tiempo, una señal se describe en función del

tiempo, mostrando cómo cambia a lo largo del tiempo. En el
dominio de la frecuencia, una señal se describe en términos de
sus componentes de frecuencia, mostrando las frecuencias que
contribuyen a la señal.
Transformada de Fourier Continua FTC

• La FTC se aplica a señales continuas en el tiempo y resulta en una

función continua en el dominio de la frecuencia. La FTC se define
mediante una integral y proporciona información sobre las
amplitudes y fases de las componentes de frecuencia presentes en
una señal.
 • La FTD se aplica a señales
discretas en el tiempo, como
muestras de una señal
Transformada continua. Transforma una
secuencia de valores en el
Discreta de dominio del tiempo en una
Fourier FTD secuencia en el dominio de la
frecuencia. La FTD es
fundamental en el análisis de
señales digitales.
 • La Transformada Inversa de Fourier
Transformada permite reconstruir una señal en el
dominio del tiempo a partir de su
Inversa de representación en el dominio de la
frecuencia. Esencialmente, convierte
Fourier el espectro de frecuencia de vuelta a
una señal en el dominio del tiempo.
Fórmulas para
Transformada • Para realizar el análisis se presentan las
de Fourier fórmulas que gobiernan la TF. Su análisis
es en el dominio del tiempo y en el
dominio de la frecuencia, para funciones
continuas y discretas o discontinuas.
 • F(w) es la Transformada de Fourier de la señal f(t) en el
Transformada dominio de la frecuencia.
de Fourier en • f(t) es la señal en el dominio del tiempo.
funciones • 𝑒 −𝑗𝑤𝑡 es la función exponencial compleja
• j siendo la unidad imaginaria
continuas.
• w siendo la frecuencia angular en radianes por unidad
de tiempo.
• t es la variable del tiempo.

∞
•𝐹 𝑤 = ‫׬‬−∞ 𝑓 𝑡 ∗ 𝑒 −𝑗𝑤𝑡 𝑑𝑡
Transformada • F(k) es la Transformada de Fourier
Discreta en la frecuencia k.
de Fourier en
funciones • f(n) es la muestra de la señal en el
tiempo n.
discretas. • N es el número total de muestras.

2𝜋𝑘𝑛
−𝑗
• 𝐹 𝑘 = σ𝑁−1
𝑛=0 𝑓 𝑛 ∗ 𝑒 𝑁
Transformada • F(w) es la Transformada de Fourier de la señal
inversa de Fourier f(t) en el dominio de la frecuencia.
Funciones • f(t) es la señal en el dominio del tiempo.
continuas • 𝑒 −𝑗𝑤𝑡 es la función exponencial compleja
• j siendo la unidad imaginaria
• w siendo la frecuencia angular en radianes por
unidad de tiempo.
• t es la variable del tiempo.

1 ∞
•𝑓 𝑡 = ‫׬‬−∞
𝐹 𝑤 ∗ 𝑒 𝑗𝑤𝑡 𝑑𝑤
2𝜋
Transformada • F(k) es la Transformada de Fourier
inversa de Fourier Discreta en la frecuencia k.
Funciones • f(n) es la muestra de la señal en el
discretas tiempo n.
• N es el número total de muestras.

2𝜋𝑘𝑛
1 𝑁−1 𝑗
•f 𝑛 = 𝑁
σ𝑘=0 𝐹 𝑘 ∗𝑒 𝑁
Transformada • La Transformada Rápida de Fourier
(FFT) es un algoritmo eficiente para
Rápida de calcular la Transformada de Fourier
Fourier FFT Discreta (DFT) de una señal discreta en
el dominio del tiempo. La FFT divide la
DFT en subproblemas más pequeños,
reduciendo drásticamente la cantidad
de cálculos requeridos. Aquí están las
fórmulas básicas de la FFT:

2𝜋𝑘𝑛
−𝑗 𝑁
• 𝑋 𝑘 = σ𝑁−1
𝑛=0 𝑋 𝑛 ∗ 𝑒
• La FFT toma ventaja de propiedades matemáticas y simetrías para acelerar el
cálculo de las transformadas de frecuencia. A través de la recursión y la
división de la DFT en subproblemas, la FFT reduce significativamente la
cantidad de operaciones requeridas, mejorando la eficiencia en comparación
con el cálculo directo de la DFT. 𝑁−1
2𝜋𝑘𝑛
−𝑗 𝑁
𝑋 𝑘 = ෍𝑋 𝑛 ∗𝑒
𝑛=0
• Es importante señalar que hay diferentes variantes de la FFT, como la FFT
Cooley-Tukey, la FFT de decimación en el tiempo (DIT), la FFT de decimación
en la frecuencia (DIF), entre otras. Cada variante se adapta a diferentes
tamaños de señales y tiene enfoques específicos para la reorganización y el
cálculo de las transformadas.
𝑁−1
2𝜋𝑘𝑛
−𝑗 𝑁
𝑋 𝑘 = ෍𝑋 𝑛 ∗𝑒
𝑛=0
Espectro de Frecuencia
La representación gráfica de la
Transformada de Fourier se
llama "espectro de frecuencia".
En el espectro, las componentes
de frecuencia se muestran en el
eje horizontal y sus amplitudes
o magnitudes se representan en
el eje vertical.
El espectro de frecuencias
muestra cómo una señal puede
expresarse como una
combinación de sinusoides de
diferentes frecuencias. Cada
componente sinusoidal
contribuye a la forma y
características de la señal original.
Las frecuencias que contribuyen
En una señal periódica, la
a una señal pueden ser
frecuencia fundamental es la
armónicas (múltiplos enteros de
más baja y sus múltiplos son los
una frecuencia fundamental) o
armónicos. Estos armónicos
no armónicas. Las componentes
contribuyen al espectro de
armónicas suelen estar
frecuencias y pueden ser vistos
relacionadas con patrones
en el gráfico.
repetitivos en la señal.
Aplicaciones

• La Transformada de Fourier tiene aplicaciones en diversas áreas,

como procesamiento de señales, análisis de sistemas lineales,
telecomunicaciones, imágenes médicas, compresión de datos,
entre otras. Permite revelar información oculta en señales y
entender cómo diferentes componentes de frecuencia contribuyen
a una señal.
Diferencias entre Serie y
Transformada de Fourier
Introducción

• Las Series de Fourier y la Transformada de Fourier son dos conceptos

relacionados en el análisis de señales y procesamiento de datos, pero tienen
diferencias clave en su enfoque y aplicación. Aquí te presento las principales
diferencias entre ambas
Dominio Aplicación
Series de Fourier: Se utilizan
principalmente para analizar
señales periódicas, es decir,
señales que se repiten a
intervalos regulares a lo largo
del tiempo.
Transformada de Fourier:
Puede aplicarse tanto a
señales periódicas como a
señales no periódicas, es decir,
señales que no tienen un
patrón de repetición regular.
Representación
Series de Fourier: Descomponen
una señal periódica en una suma
infinita (o finita en el caso de las
series truncadas) de componentes
sinusoidales armónicas con
frecuencias múltiplos de la
frecuencia fundamental.
Transformada de Fourier:
Descompone una señal en
términos de componentes de
frecuencia sinusoidales en todo el
rango de frecuencias.
Enfoque
Series de Fourier: Se enfoca
en el análisis de señales
periódicas y se utiliza para
representar señales
periódicas mediante la suma
de armónicos.
Transformada de Fourier: Es
más general y se utiliza para
analizar las características de
frecuencia de cualquier tipo
de señal, ya sea periódica o
no periódica.
Periodicidad

Transformada de Fourier:
Series de Fourier: Solo es
Puede aplicarse a señales
aplicable a señales
no periódicas, lo que lo
periódicas, ya que se basa
hace más versátil para el
en la idea de que una señal
análisis de diferentes tipos
se repite infinitamente.
de señales.
Dominio de Representación
Series de Fourier: Operan en el
dominio del tiempo y
proporcionan información
sobre cómo cambia una señal
periódica a lo largo del tiempo.
Transformada de Fourier:
Opera tanto en el dominio del
tiempo como en el dominio de
la frecuencia, proporcionando
una visión más amplia de las
componentes de frecuencia
presentes en una señal.
Formula

Series de Fourier: Utiliza la

Transformada de Fourier:
suma de senos y cosenos
Utiliza una integral para
ponderados con
transformar la señal en el
coeficientes específicos
dominio del tiempo en el
para representar la señal
dominio de la frecuencia.
periódica.
Longitud de la señal

Transformada de
Series de Fourier:
Fourier: Puede aplicarse
Requiere que la señal sea
a señales que no son
periódica a lo largo de un
periódicas y pueden
intervalo infinito.
tener una duración finita.
Teorema de Convolución
Introducción

• El teorema de convolución es una operación matemática que

describe cómo dos funciones en el dominio del tiempo se
combinan para producir una tercera función que representa cómo
una función influye en la otra a medida que una "se desliza" sobre
la otra.
Matemática

• La convolución de dos funciones f(t) y g(t) se denota como (f∗g)(t)

y se calcula mediante una integral o suma de productos de las dos
funciones a medida que una de ellas se desplaza en el tiempo.
• En el dominio del tiempo, la convolución representa cómo una
función influye en la otra a medida que una de ellas se desplaza
en el tiempo. Para cada punto en el tiempo t, se multiplica la
función f(t) por g(−t), y luego se integra o suma sobre todos los
valores de t.
Propiedades

• Conmutatividad: f(t)∗g(t)=g(t)∗f(t)
• Distributividad: f∗(g+h)=f∗g+f∗h
• Asociatividad: f∗(g∗h)=(f∗g)∗h
• Derivada y Convolución: La derivada de la convolución de dos funciones es la
convolución de las derivadas de esas funciones.
 Funciones Continuas y Discretas

El teorema de convolución se aplica tanto en el caso continuo (para funciones

continuas) como en el caso discreto (para señales discretas). Las fórmulas y el proceso
son similares en ambos casos.

Donde 𝜏 es la variable de integración.

Esta fórmula representa como la función g se desliza en el tiempo
∞
sobre la función f
𝑓 ∗ 𝑔 𝑡 = න 𝑓 𝜏 ∗ 𝑔 𝑡 − 𝜏 𝑑𝜏
−∞
 Funciones Continuas y Discretas

En resumen, el teorema de convolución es fundamental para entender cómo dos

funciones interactúan y cómo los sistemas lineales modifican las señales de entrada.
Es una herramienta poderosa en el análisis y procesamiento de señales y tiene
aplicaciones en una variedad de campos técnicos y científicos.

Esta fórmula representa como la función g se desliza en el tiempo sobre la función f

∞
Donde m es el índice de suma.
𝑓 ∗ 𝑔 𝑛 = ෍ 𝑓 𝑚 ∗ 𝑔 𝑛 − 𝑚 𝑑𝜏
−∞
Aplicación

• Procesamiento de Señales: Se utiliza para modelar la respuesta de sistemas

lineales a señales de entrada.
• Filtrado: En el procesamiento de imágenes y señales, se utiliza para aplicar
filtros y suavizar o resaltar características.
• Comunicaciones: Describe cómo las señales transmitidas se propagan y se
superponen en los sistemas de comunicación.