Apuntes de Ampliacin de Clculo

Carlos Fernndez Gonzlez

Actualizados el da 4 de octubre de 2011
ndice general
1
Captulo 1
Sucesiones y series de funciones
1. Funciones y espacios funcionales
A lo largo de este curso trabajaremos a menudo con funciones f :
I R, donde I ser un intervalo de R. Frecuentemente I ser [0, 1],
o (, +), aunque en general puede ser cualquier intervalo de R.
Tendremos necesidad en muchas ocasiones de hablar de las fun-
ciones denidas sobre I. El problema es que el conjunto de todas las
funciones reales denidas sobre un intervalo I es en general demasiado
grande, poco manejable, y la gran mayora de funciones que contiene no
son interesantes para la ingeniera (ni siquiera para la matemtica). Es
por ello que necesitaremos denir espacios funcionales ms pequeos
y manejables y que contengan las funciones interesantes para la inge-
niera.
Por ello pasamos a recordar algunas nociones algebraicas necesarias
para poder denir estos espacios:
1.1. Espacios Vectoriales. Comenzamos recordando la nocin
de Espacio Vectorial. Sea E un conjunto en el que tenemos denida
una suma
+ : E E E
de manera que (E, +) es un grupo conmutativo, es decir, + verica las
siguientes propiedades:
1. Asociatividad, es decir, para todos x, y, z E,
(x + y) + z = x + (y + z)
2. Conmutatividad, es decir, para todos x, y E,
x + y = y + x
3. Existencia de Elemento neutro, es decir, existe un elemento 0
E tal que para todo x E,
x + 0 = x.
4. Existencia de Elemento Simtrico, es decir, para todo x E
existe x E tal que
x + (x) = 0
3
4 1. SUCESIONES Y SERIES DE FUNCIONES
Sea ahora K = R C el cuerpo de los escalares, y supongamos que
existe un producto
: KE E
con las siguientes propiedades
1. Para todos , K, para todo x E,
() x = ( x)
2. Para todos , K y para todo x E,
( + ) x = x + x
3. Para todos x, y E y para todo K,
(x + y) = x + y
4. Para todo x E
1 x = x
(Habitualmente se omite la escritura del punto )
En ese caso decimos que E es un espacio vectorial sobre K.
Ya conocis del curso pasado algunos ejemplos de espacios vecto-
riales, la mayor parte de ellos nito dimensionales, siendo R
n
o C
n
el prototipo de estos. En este curso utilizaremos a menudo, explcita
o implcitamente, espacios vectoriales de dimensin innita. Veamos
algunos de ellos.
Ejemplo 1.1. Sea R
[0,1]
el espacio de todas las funciones f : [0, 1]
R. Consideramos en l la suma y el producto puntuales, es decir
(f + g)(x) := f(x) + g(x)
y
(f)(x) = f(x).
Con dichas suma y producto, R
[0,1]
es un espacio vectorial.
Ejemplo 1.2. Sea C[0, 1] el conjunto de las funciones f : [0, 1]
R continuas, dotado de nuevo con la suma y el producto puntuales.
Entonces C[0, 1] es un subespacio vectorial de R
[0,1]
. Anlogamente,
C
1
[0, 1], el conjunto de las funciones f : [0, 1] R con derivada
continua tambin es subespacio vectorial de R
[0,1]
.
Es fcil demostrar que todos los espacios que aparecen en los ejem-
plos anteriores tienen dimensin innita. Basta con observar que por
ejemplo el conjunto de vectores x
n
; n N contenido en todos ellos
es linealmente independiente.
1. FUNCIONES Y ESPACIOS FUNCIONALES 5
1.2. Normas en un espacio vectorial. Recordamos aqu la
denicin de norma en un espacio vectorial, que quiz sea nueva para
algunos de vosotros.
Dado un espacio vectorial E, una funcin
| | : E [0, +)
se dice una norma si verica
1. Para todo x E, |x| = 0 si y slo si x = 0
2. Para todo x E y para todo C, |x| = [[|x|, donde [[
denota el valor absoluto o el mdulo de , segn estemos en R
o en C.
3. Para todos x, y E, |x +y| |x| +|y|. A esta propiedad se
le suele denominar propiedad triangular.
La idea de una norma es medir vectores. Nuestra intuicin habit-
ual nos dice que hay una nica forma razonable de medir vectores,
y esta forma de medir se corresponde con la norma eucldea, tambin
llamada por ello norma usual. Sin embargo para muchas aplicaciones
es necesario denir otras normas. Nosotros en este curso trabajaremos
con la norma eucldea y la norma del supremo.
Veamos algunos ejemplos de normas en R
3
.
Norma Eucldea. La funcin
| |
2
: R
3
[0, +)
dada por
|(x, y, z)|
2
=
_
x
2
+ y
2
+ z
2
es una norma, conocida habitualmente como norma eucldea,
norma 2 o norma usual.
Norma del supremo. La funcin
| |

: R
3
[0, +)
dada por
|(x, y, z)|

= m ax[x[, [y[, [z[

es una norma, conocida habitualmente como norma del supre-
mo, o norma innito.
Norma 1. La funcin
| |
1
R
3
[0, +)
dada por
|(x, y, z)|
1
= [x[ +[y[ +[z[
6 1. SUCESIONES Y SERIES DE FUNCIONES
es una norma, conocida habitualmente como norma 1.
Ejercicio 1.3. Vericar que cada una de las funciones recin denidas
es efectivamente una norma en R
3
.
Ejercicio 1.4. Pintar la bola de centro 0 y radio 1 para cada una
de las normas de arriba, consideradas en R
2
.
1.3. Espacios funcionales. Buena parte del contenido de esta
asignatura consistir en el estudio de ciertos comportamientos de fun-
ciones. Por ello, en ocasiones ser necesario que trabajemos dentro de
un espacio vectorial cuyos elementos son funciones, y a estos objetos se
les llama espacios funcionales. Por ejemplo, supongamos que estamos
trabajando con funciones f : [0, 1] R. Podramos empezar con-
siderando el espacio (demasiado general) R
[0,1]
de todas las funciones
de [0, 1] en R. El problema es que este espacio no tiene ningn inters
en las aplicaciones, puesto que da cabida a demasiadas funciones. Las
funciones que tienen inters en ingeniera, y en cualquier aplicacin de
las matemticas, son funciones que tienen algn tipo de buen compor-
tamiento que nos permite utilizarlas.
Para nuestros aplicaciones este ao necesitaremos trabajar con es-
pacios L

y espacios L
2
. Los primeros son espacios de funciones aco-
tadas, y los segundos son espacios de energa nita, y son los ms
usados en ingeniera. Pasamos a denirlos:
1.4. Los espacios L

y L
2
. Deniremos estos dos espacios de
manera levemente inexacta pero ms que suciente para nuestros nes.
Una denicin totalmente correcta de estos espacios requiere las no-
ciones de funcin medible y conjunto de medida nula, lo que excede el
inters de este curso.
Definicin 1.5. Sea Sea I R un intervalo. Denimos L

(I)
como el espacio de las funciones f : I R integrables tales que
sup
xI
[f(x)[ < +.
En ese espacio la funcin
| |

: L

(I) [0, +)
denida por
|f|

= sup
xI
[f(x)[
es una norma.
1. FUNCIONES Y ESPACIOS FUNCIONALES 7
Definicin 1.6. Sea I R un intervalo. Denimos L
2
(I) como el
espacio de las funciones f : I R integrables tales que
_
I
f
2
(t)dt < +.
En ese espacio la funcin
| |
2
: L
2
(I) [0, +)
denida por
|f|
2
=
__
I
f
2
(t)dt
_1
2
es una norma.
Observacin. Ntese que en ambas deniciones pedimos que las
funciones sean integrables. Esto no supone ninguna limitacin en la
prctica, ya que recordad que aprendisteis en primero que toda fun-
cin continua a trozos, es decir con a lo sumo una cantidad nita o
numerable de discontinuidades, es integrable. Todas (o el 9999 %) las
funciones utilizadas en ingeniera son integrables.
Observacin. Cuando I = [a, b] usamos la notacin L
2
[a, b], o
L

[a, b]. Si I = R usamos la notacin L

2
(R) o L

(R).
Observacin. El contenido de esta nota es slo para aquellos
alumnos interesados en los aspectos ms formales de la asignatura.
Los restantes pueden omitir su lectura sin remordimientos.
Ntese que al intentar vericar que las funciones arriba denidas
son normas, uno se encuentra con funciones que no son 0 cuya norma
es 0. Por ejemplo si denimos la funcin
f(x) =
_
_
_
1 si x = 0
0 si x ,= 0
entonces f es una funcin integrable, f no es la funcin 0 y sin
embargo |f|
1
= |f|
2
= 0. La solucin a este problema se obtiene
formalmente considerando en realidad L

o L
2
como el espacio cociente
de los anteriores por la relacin de equivalencia f g si y slo si
f(t) = g(t) en casi todo punto.
No resulta obvio el porqu de estas deniciones. S parece razonable
denir y utilizar el espacio L

de las funciones de supremo acotado,

pues en muchas ocasiones es una condicin muy fcil de vericar. Sin
8 1. SUCESIONES Y SERIES DE FUNCIONES
embargo el inters para nosotros de los espacios L

no estar tanto en
los elementos que los componen como en la norma | |

denida en
ellos, puesto que veremos ms adelante que la convergencia uniforme
de funciones es precisamente la convergencia en esta norma.
En cuanto a los espacios L
2
, intentar explicaros su importancia,
aunque slo lo entenderis realmente cuando hayis trabajado con ellos,
tanto de forma terica como prctica.
Desde el punto de vista matemtico, notad que la norma | |
2
viene
denida como la norma eucldea en R
n
, sustituyendo un sumatorio por
una integral (y ya deberais saber que esta es la forma de pasar de lo
discreto a lo continuo). Esto hace que los espacios L
2
sean buenos
(formalmente se llaman espacios de Hilbert) y se caracterizan porque
son los nicos espacios vectoriales innito dimensionales en los que
siguen siendo vlidos muchos aspectos de nuestra intuicin geomtrica
habitual.
Desde el punto de vista fsico, cuando f(t) represente algn tipo
de seal, la norma |f|
2
va a ser su energa, por lo que la condicin
f L
2
se interpretar como que la energa de f sea nita, y obvia-
mente estas van a ser las nicas funciones interesantes. En concreto, si
f(t) representa el voltaje de una onda electromagntica como funcin
del tiempo, f
2
(t) representa su potencia (esto se entiende en un cur-
so elemental de electromagnetismo), por lo que
_
b
a
f
2
(t)dt representa
la energa de la onda en el intervalo temporal [a, b]. Por tanto, pedir
que f pertenezca a L
2
[a, b] equivale a pedir que f no sea demasiado
discontinua (esto es ms o menos la integrabilidad) y que su energa
sea nita en [a, b]. Ambas peticiones son muy razonables, de forma que
cualquier onda con la que eventualmente trabajis en un problema real
pertenecer a L
2
.
2. Lmites de sucesiones de funciones
Suponemos bien conocida la nocin de lmite de una sucesin numri-
ca (a
n
) R (y por favor, dado que esta nocin va a ser absolutamente
bsica este curso, cualquier duda que tengis o que os surja acerca de
ella preguntadla, en clase o en tutoras).
Queremos ahora extender esa nocin de lmite de una sucesin de
nmeros a la de lmite de una sucesin de funciones (f
n
).
Empezaremos poco a poco: Suponed un intervalo I R, para jar
ideas supongamos el intervalo [0, 1]. Una sucesin de funciones denidas
3. CONVERGENCIA PUNTUAL 9
en este intervalo no es ms que una coleccin (f
n
)
nN
de funciones
donde, para cada n N, f
n
es una funcin f
n
: [0, 1] R.
Puesto que s que a menudo hay confusin en este punto, notad por
favor que en una sucesin (f
n
) hay dos variables en juego, la n y la
x:
Por un lado la n, que va tomando valores naturales, y por otro lado,
jado cualquier n
0
N, f
n
0
es una funcin que a cada valor x [0, 1]
le asigna el nmero f
n
0
(x), por tanto la variable x va tomando valores
reales en el intervalo I (en este caso el [0, 1]). Procurad distinguir bien
entre ambas variables y observad el distinto papel que juega cada una.
Una vez denida la nocin de sucesin de funciones, empezamos a
estudiar la nocin de lmite de una sucesin de funciones.
Aunque quizs no resulte inmediatamente obvio, veremos que hay
diferentes formas de denir la nocin de lmite de una sucesin de
funciones. En este curso estudiaremos varias de esas deniciones.
Empezamos con las dos ms bsicas, la convergencia puntual y la
convergencia uniforme.
3. Convergencia puntual
Definicin 3.1. Sea I R un intervalo, y para cada n N,
sea f
n
: I R una funcin. Decimos que la sucesin (f
n
) converge
puntualmente a la funcin f : I R si para cada x
0
I se tiene
lm
n
f
n
(x
0
) = f(x
0
)
Observacin. Ntese que, para todo n N, f
n
(x
0
) es un nmero
(y no una funcin) por lo que el lmite que aparece en la denicin es
el lmite ya conocido de una sucesin numrica
Observacin. Notad que necesitamos que todas las f
n
estn denidas
en el mismo intervalo I, y que en ese mismo intervalo es donde estar
denida la funcin lmite f si existe.
Ejemplo 3.2. Para cada n N sea f
n
: [0, 1] R la funcin
denida como
f
n
(x) =
_
_
_
0 si 0 x 1
1
n
nx + 1 n si 1
1
n
x 1
Comprobar que la sucesin (f
n
) converge puntualmente a la funcin
f
(
x) =
_
_
_
0 si 0 x < 1
1 si x = 1
10 1. SUCESIONES Y SERIES DE FUNCIONES
Ejemplo 3.3. Comprobar que la sucesin (x
n
)
n
N converge pun-
tualmente en el intervalo [0, 1] a la misma funcin que el ejemplo an-
terior.
De los dos ejemplos anteriores podra desprenderse que la funcin
lmite f toma siempre un nmero nito de valores (y mi experiencia me
ensea que algunos de vosotros lo interpretis efectivamente as. Para
ver que esto no es cierto, estudiad el siguiente ejemplo:
Ejemplo 3.4 (Septiembre 2003). Para todo n 1, sea
f
n
(x) =
_
0 si 0 x
1
n
x
1
n
si
1
n
x 1
Entonces, la sucesin (f
n
)
nN
converge puntualmente en el intervalo
[0, 1] a la funcin f(x) = x.
En efecto, sea x
0
> 0 y sea n
0
N tal que
1
n
0
< x
0
. Entonces, para
todo n > n
0
, f
n
(x
0
) = x
0

1
n
, y por tanto
lm
n
f
n
(x
0
) = lm
n
x
0

1
n
= x
0
.
Por otro lado, est claro que
lm
n
f
n
(0) = 0,
de donde se sigue que la sucesin (f
n
) converge puntualmente a la fun-
cin f(x) = x en el intervalo [0, 1].
La idea de la convergencia puntual es que, punto a punto, la sucesin
converge, es decir, que para cada x
0
I, la sucesin (f
n
(x
0
))
n
converge.
Esta parece ser la nocin ms intuitiva de lmite de una sucesin de
funciones. El problema que presenta es que no mantiene necesariamente
las buenas propiedades de las funciones de la sucesin: los ejemplos ??
y ?? nos muestran cmo el lmite de una sucesin de funciones continuas
no tiene por qu ser una funcin continua. Lo mismo ocurre con la
derivabilidad y la integrabilidad, que no se mantienen necesariamente.
4. Convergencia uniforme
Esto hace que sea conveniente en ocasiones trabajar con otro tipo
de convergencia, la convergencia uniforme, que s mantiene las buenas
propiedades de las funciones, como veremos ms adelante. A cambio
por supuesto hay que pagar un precio, y este es que la convergencia
uniforme es ms restrictiva que la convergencia puntual: si una sucesin
de funciones converge uniformemente tambin lo hace puntualmente,
4. CONVERGENCIA UNIFORME 11
sin embargo una sucesin puede converger puntualmente y no hacerlo
uniformemente, como veremos en los ejemplos.
La idea de la convergencia uniforme es, esencialmente, denirla co-
mo la convergencia en la norma | |

.
Para que se entienda ms fcilmente la denicin, veamos primero
un razonamiento con sucesiones numricas.
Sea (a
n
)
n
R una sucesin de nmeros reales. Notemos que decir
lm
n
a
n
= a
es lo mismo que decir
lm
n
a
n
a = 0
y esto a su vez es equivalente a decir
lm
n
[a
n
a[ = 0.
(La ltima equivalencia es un ejercicio tpico de primer curso:
lm
n
a
n
= 0 si y slo si lm
n
[a
n
[ = 0.)
As pues, podemos pensar que la denicin de lmite nos dice que
el lmite de una sucesin es a si y slo si la distancia de la sucesin a a
tiende a 0.
Podemos entonces pensar en transportar esta versin de la deni-
cin de lmite, sustituyendo los escalares por funciones y el valor abso-
luto por norma. Elegimos primero la norma innito, y llegamos as a
la denicin de convergencia uniforme:
Definicin 4.1. Sea I R un intervalo y para cada n N, sea
f
n
: I R una funcin. Decimos que la sucesin (f
n
) converge uni-
formemente a la funcin f : I R si
lm
n
|f
n
f|

= 0
equivalentemente, si
lm
n
sup
xI
[f
n
(x) f(x)[ = 0
Es fcil ver que la convergencia uniforme implica la convergencia
puntual:
Proposicin 4.2. Sea I R un intervalo y para cada n N, sea
f
n
: I R una funcin. Si la sucesin (f
n
) converge uniformemente
a la funcin f : I R, entonces (f
n
) tambin converge puntualmente
a la misma funcin f.
12 1. SUCESIONES Y SERIES DE FUNCIONES
Demostracin. Sea x
0
I. Puesto que sabemos por hiptesis
que
lm
n
sup
xI
[f
n
(x) f(x)[ = 0,
y adems claramente
[f
n
(x
0
) f(x)[ sup
xI
[f
n
(x) f(x)[,
se sigue que
lm
n
[f
n
(x
0
) f(x
0
)[ = 0,
lo que implica que
lm
n
f
n
(x
0
) = f(x
0
),
lo que concluye la demostracin.
Sin embargo, el recproco no es cierto; es decir, una sucesin puede
converger puntualmente y no hacerlo uniformemente, como vemos en
alguno de los siguientes ejemplos.
Ejemplo 4.3 (Septiembre 2003).
Para todo n 1, sea
f
n
(x) =
_
0 si 0 x
1
n
x
1
n
si
1
n
x 1
Entonces, la sucesin (f
n
)
nN
converge puntual y uniformemente en
el intervalo [0, 1] a la funcin f(x) = x.
En efecto, sea x
0
> 0 y sea n
0
N tal que
1
n
0
< x
0
. Entonces, para
todo n > n
0
, f
n
(x
0
) = x
0

1
n
, y por tanto
lm
n
f
n
(x
0
) = lm
n
x
0

1
n
= x
0
.
Por otro lado, est claro que
lm
n
f
n
(0) = 0,
de donde se sigue que la sucesin (f
n
) converge puntualmente a la fun-
cin f(x) = x en el intervalo [0, 1].
Estudiemos ahora si la convergencia es uniforme. Para ello es nece-
sario calcular
lm
n
sup
x
[f
n
(x) x[.
Para ello, calculemos previamente sup
x
[f
n
(x) x[: Para todo x
1
n
,
[f
n
(x) x[ = [x
1
n
x[ =
1
n
.
4. CONVERGENCIA UNIFORME 13
Por otro lado, si x <
1
n
,
[f
n
(x) x[ = [0 x[ = x <
1
n
.
Por tanto, sup
x
[f
n
(x) x[ =
1
n
y
lm
n
sup
x
[f
n
(x) x[ = 0,
lo que implica que la convergencia es uniforme.
Ejemplo 4.4. Para todo n 1, sea
f
n
=
_

_
nx si 0 x
1
n
2 nx si
1
n
x
2
n
0 si
2
n
x 1
Entonces, la sucesin (f
n
)
nN
converge puntualmente pero no uni-
formemente en el intervalo [0, 1] a la funcin f(x) = 0.
En efecto, para x = 0, f
n
(0) = 0 para todo n N, y por tanto
lm
n
f
n
(0) = 0
Si jamos ahora un x ,= 0 en el intervalo [0, 1], existe n
0
N tal
que, para todo n n
0
, f
n
(x) = 0, y por tanto, de nuevo
lm
n
f
n
(x) = 0
Es decir, para todo x [0, 1],
lm
n
f
n
(x) = f(x),
con f(x) = 0 para todo x [0, 1], es decir, la sucesin converge pun-
tualmente.
Sin embargo la sucesin (f
n
)
n
no converge uniformemente en [0, 1].
Para ver esto aplicamos la denicin.
f
n
converge uniformemente a f si
lm
n
|f
n
f|

= lm
n
sup
x[0,1]
[f
n
(x) f(x)[ = 0
Es fcil ver que, para todo n N,
sup
x[0,1]
[f
n
(x) f(x)[ = sup
x[0,1]
[f
n
(x)[ = 1
(Esto est claro si se representa f
n
grcamente. En cualquier caso,
ntese que f
n
(
1
n
) = 1)
14 1. SUCESIONES Y SERIES DE FUNCIONES
Por tanto,
lm
n
|f
n
f|

= lm
n
1 = 1 ,= 0,
es decir, la convergencia no es uniforme.
Ejemplo 4.5. Estudiar la convergencia puntual y uniforme de la
siguiente sucesin de funciones:
(1) f
n
(x) =
2nx
2
n
2
x
4
+ 1
, x R
Solucin: Vemos fcilmente que lm
n
f
n
(x) = 0. Observamos
adems que f
n
(0) = 0 y que para x ,= 0, f
n
(x) > 0.
La sucesin f
n
(x) converge pues puntualmente a la funcin f(x) =
0.
Para estudiar la convergencia uniforme buscamos sup
xR
[f
n
(x)0[.
Ahora bien, sup
xR
[f
n
(x) 0[ = f
n
(x
0
), donde x
0
es un punto que
necesariamente anula la derivada. Calculemos f

n
(x) = 4nx
1n
2
x
4
(n
2
x
4
+1)
2
.
Luego f

n
(x
0
) = 0 x
0
=
1

n
.
Asi,
(2) sup
xR
[f
n
(x)[ = f
n
(
1

n
.) = 1.
La convergencia no es uniforme en R.
Hallemos ahora en qu partes de R la convergencia es uniforme.
Para ello basta observar que f

n
(x) < 0 para n >
1
a
2
, donde a > 0.
Entonces dado que f
n
(x) es decreciente en el intervalo ]a, +[ y que
(3) sup
x[a,+[
[f
n
(x)[ = f
n
(a) =
2na
2
n
2
a
4
+ 1
.
tendremos que lm
n
f
n
(a) = 0.
La convergencia ser uniforme en los intervalos de la forma [a, +)
y (, a].
5. CONVERGENCIA EN NORMA 2 15
4.1. Propiedades de la convergencia uniforme. La conver-
gencia puntual no conserva la continuidad, tal y como muestran los
ejemplos anteriores. Uno de los motivos por los que se introduce la
nocin de convergencia uniforme es porque mejora la convergencia,
en el sentido de que pasa a respetar la continuidad y la integrabilidad
y, con hiptesis adicionales, la derivabilidad. En concreto tenemos los
siguientes resultados cuya demostracin, si bien no es difcil, omitimos.
Teorema 4.6. Sea (f
n
) una sucesin de funciones f
n
: [a, b] R
para cada n N. Supongamos que (f
n
) converge uniformemente a la
funcin f : [a, b] R. Entonces se tiene:
1. Si (f
n
) es continua en [a, b] para cada n N entonces f es
continua.
2. Si (f
n
) es integrable en [a, b] para cada n N entonces f es
integrable.
Teorema 4.7. Sea (f
n
) una sucesin de funciones f
n
: [a, b] R
para cada n N. Supongamos que, para cada n N, f
n
es derivable en
[a, b], y sea f

n
su derivada. Supongamos adems que la sucesin (f

n
)
converge uniformemente a una funcin g : [a, b] R y que existe
x
0
[a, b] tal que existe el lm
n
f
n
(x
0
). Entonces existe f : [a, b] R
derivable en [a, b], tal que f

= g y tal que (f
n
) converge uniformemente
a f.
No os perdis: el teorema dice que si tengo una sucesin de fun-
ciones derivables cuyas derivadas convergen uniformemente y adems
la sucesin original converge en al menos un punto, entonces la suce-
sin original va a converger uniformemente y, lo que ms nos interesa,
la funcin a la que converge es a su vez derivable, es decir se mantiene
la derivabilidad cuando hay convergencia uniforme de las derivadas.
5. Convergencia en norma 2
Una vez estudiada la convergencia uniforme, es muy fcil denir
anlogamente otras formas de convergencia, sustituyendo la norma del
supremo por otras normas. Estudiaremos el caso de la convergencia
en norma 2, o convergencia en media cuadrtica, que nos resultar
interesante ms adelante.
Definicin 5.1. Sea I R un intervalo y para cada n N, sea
f
n
: I R una funcin. Decimos que la sucesin (f
n
) converge en
media cuadrtica, o en norma 2 a la funcin f : I R si
lm
n
|f
n
f|
2
= 0
16 1. SUCESIONES Y SERIES DE FUNCIONES
equivalentemente, si
lm
n
__
I
(f
n
(t) f(t))
2
dt
_1
2
= 0
Esta es la denicin para funciones con valores reales. Veremos ms
adelante el caso de funciones con valores complejos.
Veamos en primer lugar que las relaciones con las otras formas de
convergencia estudiadas no son tan fciles como antes. Nos limitaremos
a estudiar el caso en que I es un intervalo acotado, por ejemplo el [0, 1].
La situacin cambia esencialmente si I no est acotado.
Proposicin 5.2. Si I es un intervalo acotado, entonces para toda
f : I R, la norma 2 de f en I es menor o igual que una constante
por la norma del supremo de f en I.
Demostracin. Sea f : I R. Entonces
|f|
2
=
__
I
f
2
(t)dt
_1
2

_
|f|
2

_
I
dt
_1
2
= |f|

_
(I),
donde (I) es la longitud del intervalo.
Con esa proposicin es fcil probar lo siguiente.
Demostracin. Para cada n N, sea f
n
: I R. Si la sucesin
(f
n
) converge uniformemente a f : I R, entonces tambin converge
en media cuadrtica.
Demostracin. En efecto, por la proposicin anterior y por la
hiptesis, se tiene que
0 lm
n
|f
n
f|
2

_
(I) lm
n
|f
n
f|

= 0

La recproca no es cierta. Veamos con un ejemplo que hay sucesiones

que convergen en media cuadrtica y no lo hacen uniformemente.
Ejercicio 5.3. Para todo n 1, sea
f
n
=
_

_
nx si 0 x
1
n
2 nx si
1
n
x
2
n
0 si
2
n
x 1
Demustrese que (f
n
) converge en media cuadrtica a 0, pero no con-
verge uniformemente.
5. CONVERGENCIA EN NORMA 2 17
Las relaciones con la convergencia puntual son menos claras, y para
entenderlas correctamente habra que estudiar con algo ms de detalle
el espacio L
2
. Veamos ahora simplemente con un par de ejemplos que
ninguna de las formas de convergencia implica la otra.
Ejercicio 5.4. Para todo n 1, sea
f
n
=
_
_
_
2n
2
x si 0 x
1
2n
2n
2
x + 2n si
1
2n
< x <
1
n
0 si 1n x 1
Demustrese que la sucesin (f
n
) converge puntualmente a la funcin
constante de valor 0, pero que no converge en media cuadrtica.
Ejercicio 5.5. Para todo k N, considrense las funciones f
1
k
, . . . , f
k
k
:
[0, 1] R dadas por
f
i
k
=
_
1 si
1i
k
< x
i
k
0 para los restantes valores de x [0, 1]
Consideramos entonces la sucesin de funciones
f
1
1
, f
1
2
, f
2
2
, f
1
3
, f
2
3
, f
3
3
. . .
Comprubese que la sucesin de funciones as denida no converge
puntualmente en ningn punto, y en cambio s converge en norma 2 a
la funcin constante de valor 0. Esto ltimo se sigue porque, para todo
k N y para todo 1 i k se verica que
|f
i
k
|
2
=
_
1
k
.
Lo anterior eran las malas noticias. Las buenas son que s podemos
decir algo, aunque no mucho. La demostracin de la siguiente proposi-
cin no es fcil y no la incluiremos. En realidad tampoco usaremos este
curso la proposicin misma, sino el corolario que la sigue.
Proposicin 5.6. Supongamos que la sucesin de funciones (f
n
)
converge en norma 2 a la funcin f. Entonces existe una subsucesin
(f
n
k
) tal que f
n
k
converge a f en casi todo punto.
Como ya he dicho, no necesitaremos esta proposicin, pero el sigu-
iente corolario s puede ser til en ocasiones.
Corolario 5.7. Si la sucesin (f
n
) converge puntualmente a la
funcin f, y si adems sabemos que la sucesin (f
n
) converge en norma
2, entonces necesariamente f
n

2
f.
18 1. SUCESIONES Y SERIES DE FUNCIONES
Para nosotros la utilidad principal de dicho corolario es la siguiente:
supongamos que nos dan una sucesin de funciones (f
n
) y nos pregun-
tan si dicha sucesin converge en norma 2. Si sabemos que (f
n
) converge
puntualmente a f, entonces ya sabemos que f es la nica funcin a la
que (f
n
) podra converger en norma 2.
Finalmente, veamos con un sencillo ejemplo que la convergencia en
norma 2 no mantiene la continuidad.
Ejemplo 5.8. Para todo n 1, sea
f
n
=
_
_
_
1 si 0 x
1
2

1
n

n
2
x +
n
4
+
1
2
si
1
2

1
n
x
1
2
+
1
n
0 si
1
2
+
1
n
x 1
Es decir, f
n
es continua, vale 1 desde 0 hasta
1
2

1
n
, vale 0 desde
1
2
+
1
n
hasta 1 y vara linealmente de 1 a 0 en el resto.
Comprobar que la sucesin (f
n
) converge en norma 2 a (y puntual-
mente a la funcin
f(x) =
_
_
_
1 si 0 x <
1
2
1
2
si x =
1
2
0 si
1
2
< x 1
Obsrvese que a efectos de la convergencia en media cuadrtica,
podemos denir f(
1
2
) como queramos.
6. Series funcionales
Nuestro inters por la convergencia de sucesiones funcionales en
este curso se debe a que tendremos que estudiar en ocasiones series
funcionales.
Para denir series funcionales uno intenta proceder como en el caso
de la denicin de serie numrica. Recordemos: si tenemos una sucesin
(x
n
), para denir su serie asociada

n=1
x
n
se considera la sucesin de
sumas parciales
s
m
:=
m

n=1
x
n
y a continuacin se dene

n=1
x
n
:= lm
m
s
m
= lm
m
m

n=1
x
n
.
6. SERIES FUNCIONALES 19
Para denir una serie funcional

n=1
f
n
cuando f
n
: I R es
una sucesin de funciones procedemos exactamente igual: denimos la
sucesin de sumas parciales
S
m
:=
m

n=1
f
n
(ntese que, para cada m N, S
m
es una funcin bien denida en
el intervalo I, puesto que se trata simplemente de una suma nita de
funciones)
y a continuacin denimos

n=1
f
n
:= lm
m
S
m
= lm
m
m

n=1
f
n
.
La novedad ahora es que si bien la nocin de convergencia (lmite)
est unvocamente denida en el caso de nmeros reales, en el caso de
las funciones tenemos varias nociones de convergencia (ya hemos estu-
diado tres de ellas, la puntual, la uniforme y la convergencia en media
cuadrtica), por lo que tenemos que precisar a cual de ellas nos refer-
imos. Diremos que la serie

n=1
f
n
converge, si la sucesin de sumas
parciales converge puntualmente. Si, adems, la sucesin de sumas par-
ciales converge uniformemente entonces decimos que la serie converge
uniformemente. Formalizamos a continuacin lo dicho anteriormente:
Definicin 6.1. Sea I R un intervalo y sea (f
n
) una sucesin
de funciones f
n
: I R. Denimos las funciones S
m
: I R
como S
m
(x) =

m
n=1
f
n
(x). Decimos que la serie

n=1
f
n
converge
(puntualmente) a f : I R si, para cada x I,
lm
m
S
m
(x) = f(x)
y lo escribimos

n=1
f
n
(x) = f(x).
Si adems la sucesin (S
m
) converge uniformemente a f, entonces
decimos que la serie

n=1
f
n
converge uniformemente a f : I R.
Observacin. Si

n
f
n
converge uniformemente a f en un inter-
valo [a, b] y las funciones f
n
son continuas (respectivamente integrables)
en [a, b] entonces el Teorema ?? nos garantiza que f es continua (resp.
integrable) en [a, b], y un razonamiento anlogo se puede hacer con la
derivabilidad usando el Teorema ??.
20 1. SUCESIONES Y SERIES DE FUNCIONES
Ejemplo 6.2. Estudiar la convergencia puntual y uniforme de la
serie

n
x
n
n!
en los intervalos [0, a] y [0, ).
En general no resulta totalmente obvio determinar la convergencia o
divergencia de una serie numrica, y este problema se complica algo ms
en el caso de la convergencia de una serie funcional. Por ello enunciamos
a continuacin un criterio bastante til (cuando se puede aplicar) a la
hora de determinar la convergencia de una serie funcional.
Antes de enunciarlo recordemos una nocin del curso anterior: una
serie numrica

n
a
n
se dice absolutamente convergente si la serie

n
[a
n
[
converge. Visteis el curso anterior que si una serie es absolutamente
convergente entonces es convergente, mientras que el recproco no tiene
por qu ser cierto.
Veamos ya el criterio de Weierstrass:
Teorema 6.3 (Criterio M de Weierstrass). Sea (f
n
) una sucesin
de funciones f
n
: I R y sea (M
n
) R una sucesin numrica que
verica las dos condiciones siguientes
1. Para cada n N y para cada x A,
[f
n
(x)[ M
n
2. La serie

n
M
n
converge
Entonces existe una funcin f : I R tal que, para todo x I
la serie

n
f
n
(x) converge (absolutamente) a f(x). Adems, la serie

n
f
n
converge uniformemente a f.
Demostracin. Veamos en primer lugar que la serie

n
f
n
con-
verge puntualmente (y absolutamente). Para esto hay que ver que, para
cada x
0
I, la serie numrica

n
f
n
(x
0
) converge. Para ello vamos a
ver que la serie

n
[f
n
(x
0
)[ converge, y para ver esto ltimo utilizamos
el criterio de comparacin: puesto que
[f
n
(x
0
)[ M
n
y puesto que

n
M
n
converge, el criterio de comparacin nos garantiza
que

n
[f
n
(x
0
)[ converge, es decir,

n
f
n
(x
0
) converge absolutamente.
6. SERIES FUNCIONALES 21
Una vez que hemos probado la convergencia puntual, tenemos garan-
tizada la existencia de una funcin f : I R tal que, para cada x I,
f(x) =

n
f
n
(x).
Veamos ahora que, de hecho,

n
f
n
converge absolutamente a f.
En efecto
lm
m
_
_
_
_
_
f
m

n=1
f
n
_
_
_
_
_

= lm
m
sup
xI
_

f(x)
m

n=1
f
n
(x)

_
=
= lm
m
sup
xI
_

n=m+1
f
n
(x)

_
lm
m
sup
xI
_

n=m+1
[f
n
(x)[
_

lm
m

n=m+1
M
n
= 0,
y por tanto la convergencia es uniforme.
Veremos en los ejercicios varias aplicaciones del criterio M de Weier-
strass. En particular, conviene mencionar que el Teorema de Abel de
la convergencia de series de potencias es una sencilla aplicacin de este
criterio.
Captulo 2
Polinomios y desarrollos en serie de Taylor
1. Introduccin y deniciones
Buena parte de los contenidos de esta asignatura girarn en torno
a la nocin de una serie (nita o innita) de funciones que aproxima o
converge a una funcin dada.
El caso ms elemental de esta situacin son los polinomios (sumas
nitas) y desarrollos en serie (sumas innitas) de Taylor.
El problema es el siguiente: tenemos una funcin f cualquiera (y
por lo tanto poco manejable) y queremos aproximarla por medio de
polinomios, que son funciones muy bien conocidas y con muy buenas
propiedades que nos permiten manejarlas cmodamente.
Es fcil ver que si la propia f no tiene algn tipo de buen com-
portamiento no vamos a poderla aproximar por polinomios. El buen
comportamiento que vamos a necesitar para poder calcular polinomios
de Taylor es que f sea continua y varias veces (quizs innitas) deriv-
able.
Supongamos pues inicialmente que f es tantas veces derivable como
necesitemos y veamos cmo podramos aproximarla por polinomios.
Una forma razonable de comenzar a pensar en el problema es inten-
tar aproximar un polinomio por polinomios, con lo que por supuesto
deberamos llegar a que el mejor polinomio aproximante es precisa-
mente el polinomio inicial.
Notamos entonces que si tenemos un polinomio P(x) = a
n
x
n
+
a
2
x
2
+ a
1
x + a
0
entonces
P(0) = a
0
P

(0) = a
1
.
.
.
P
n)
(0) = a
n
P
n+1)
(0) = 0
23
24 2. POLINOMIOS Y DESARROLLOS EN SERIE DE TAYLOR
P
n+2)
(0) = 0
.
.
.
por lo que
P
n
(x) =
n

k=0
P
k)
(0)
k!
x
k
=

k=0
P
k)
(0)
k!
x
k
.
Esto nos permite tener esperanzas de que la siguiente denicin sea
til.
Definicin 1.1. Sea I R un intervalo y sea f : I R R
una funcin n-veces derivable en x
0
I. Se llama polinomio de Taylor
de la funcin f de grado n y centrado en el punto x
0
a:
P
n,x
0
(x) =
n

k=0
f
k)
(x
0
)
k!
(x x
0
)
k
.
El teorema de Taylor nos dir que el polinomio de Taylor aproxima
a la funcin f, tanto mejor cuanto mayor sea n y ms cerca estemos
de x
0
. Enunciamos y demostramos el teorema para x > x
0
, pero por
supuesto se puede dar una versin similar para x < x
0
.
Teorema 1.2 (Teorema de Taylor). Sea f : [x
0
, x] R una
funcin n + 1 veces derivable en [x
0
, x]. Entonces
lm
xx
0
f(x) P
n,x
0
(x)
(x x
0
)
n
= 0
Adems, si denimos el resto de Taylor como R
n,x
0
(x) = f(x)
P
n,x
0
(x) entonces se tiene que existe t (x
0
, x) tal que
R
n,x
0
(x) =
f
n+1)
(t)
(n + 1)!
(x x
0
)
n+1
.
Demostracin. El primer lmite se puede probar por induccin:
Si n = 1
lm
xa
f(x) P
n,x
0
(x)
(x x
0
)
n
= lm
xa
f(x) f(x
0
) f

(x
0
)(x x
0
)
(x x
0
)
=
lm
xa
f(x) f(x
0
)
x x
0
f

(x
0
) = 0,
por la denicin de derivada.
Supongamos ahora el resultado cierto para n 1 y consideremos el
caso n.
1. INTRODUCCIN Y DEFINICIONES 25
lm
xa
f(x) P
n,x
0
(x)
(x x
0
)
n
=
= lm
xa
f(x) f(x
0
) f

(x
0
)(x x
0
) . . .
f
n)
(x
0
)
n!
(x x
0
)
n
(x x
0
)
n
.
Tanto el numerador como el denominador tienden a 0, y ambos son
derivables, por lo que aplicamos el teorema de LHopital y llegamos a
lm
xa
f

(x) f

(x
0
)
2f

(x
0
)(xx
0
)
2!
. . .
nf
n)
(x
0
)
n!
(x x
0
)
n1
n(x x
0
)
n1
y ahora aplicamos la hiptesis de induccin a la funcin f

y obten-
emos que el lmite de arriba vale 0. (Pensadlo despacio; si no lo veis,
haced primero los casos n = 2 y n = 3).
Demostramos a continuacin la frmula del resto.
Sea
s(t) = f(x)
n

k=0
f
k)
(t)
k!
(x t)
k
Entonces
s

(t) =
f
n+1)
(t)
n!
(x t)
n
Sea ahora
g(t) = (x t)
n+1
Entonces
g

(t) = (n + 1)(x t)
n
Por el teorema del valor medio de Cauchy existe un t (x
0
, x) tal que
s(x) s(x
0
)
g(x) g(x
0
)
=
s

(t)
g

(t)
=
f
n+1)
(t)
(n + 1)!
como s(x) = g(x) = 0 y s(x
0
) = R
n,x
0
(f)(x) se tiene que existe
t [x
0
, x] tal que
R
n,x
0
(f)(x) =
f
n+1)
(t)
(n + 1)!
(x x
0
)
n+1

Observacin. Existen varias expresiones posibles para el resto de

Taylor. Aunque para nosotros este ao es suciente con la enuncia-
da ms arriba, enuncio a continuacin otras dos expresiones tiles en
ciertos contextos.
26 2. POLINOMIOS Y DESARROLLOS EN SERIE DE TAYLOR
1. Frmula del resto de Cauchy. Existe t (x, x
0
) tal que
R
n,x
0
(x) =
f
n+1)
(t)
(n + 1)!
(x t)
n
(x x
0
).
2. Frmula integral del resto. Si adems f
n+1)
es integrable sobre
[x
0
, x] entonces existe t (x
0
, x) tal que
R
n,x
0
(x) =
_
x
x
0
f
n+1)
(t)
n!
(x t)
n
dt.
Lo que nos dice el Teorema de Taylor es que si conocemos el valor
de una funcin y sus derivadas en un punto x
0
, entonces podemos
aproximar el valor de la funcin en un punto x por un polinomio, y la
aproximacin ser tanto mejor cuanto ms cerca est el punto y cuantas
ms derivadas consideremos.
Ejemplo 1.3. Calcular los polinomios de Taylor de grado n cen-
trados en el 0 de las funciones e
x
, sin x y cos x
Ejemplo 1.4. Utilizar los polinomios de Taylor para calcular, con
una precisin mejor que 10
5
los nmeros e y sin 1
Ejemplo 1.5 (Septiembre 2003). Calcular el polinomio de Taylor
de grado 3 de la funcin log x centrado en el punto 1 y estimar el error
cometido al aproximar log 2 por el polinomio anterior.
El polinomio de Taylor de grado 3 de la funcin log x centrado en
el punto 1 es
P
3
(x) = x
(x 1)
2
2
+
(x 1)
3
3
y por tanto P
3
(2) =
5
6
0, 833.
Sabemos que en este caso el resto de Taylor se puede acotar por
R =
f
iv
()
4!
(2 1)
4
=
6

4
4!

6
4!
=
1
4
= 0, 25.
Utilizando la calculadora, podemos ver que log 2 0, 693 y por tanto
el error vale exactamente E 0, 14.
Como vemos los polinomios de Taylor aproximan a la funcin tanto
mejor cuanto mayor sea el orden del polinomio (la n). Resulta entonces
natural extender la nocin de polinomio de Taylor a la de serie de
1. INTRODUCCIN Y DEFINICIONES 27
Taylor, dejando que n tienda a innito, y preguntarse si, dada una
funcin innitamente diferenciable f, la serie de Taylor converge en
todo punto a la funcin f.
Definicin 1.6. Sea f : I R R una funcin innitamente
derivable en I (esto es, para cada n N existe f
n)
en I). En ese caso
se llama serie de Taylor de f centrada en x
0
a la serie

k=0
f
k)
(x
0
)
k!
(x x
0
)
k
Existe una clase muy amplia de funciones f, llamadas analticas
que verican que la serie de Taylor converge (al menos puntualmente)
a la funcin f. Obviamente
f(x) =

k=0
f
k)
(x
0
)
k!
(x x
0
)
k
si y slo si R
n,x
0
(f)(x) 0 y a menudo sta es la condicin ms fcil
de estudiar.
Para mostrar que puede haber problemas y que es necesario com-
probar efectivamente que la serie converge a la funcin original, veamos
un ejemplo de funcin innitamente derivable cuya serie de Taylor no
converge a la funcin.
Ejemplo 1.7. Comprobar que la funcin
f
(
x) =
_
_
_
e

1
x
2
si x ,= 0
0 si x = 0
es innitamente derivable, y sin embargo la serie de Taylor no converge
a f(x) en ningn x ,= 0.
Captulo 3
Series de potencias
1. Introduccin
Dentro de las series funcionales, resultan especialmente importantes
las series de potencias.
Denimos una serie de potencias centrada en a como una expresin
de la forma

n=0
a
n
(x a)
n
En lo sucesivo consideraremos todo el tiempo a = 0 por comodi-
dad en la notacin, pero todo lo que digamos se puede generalizar a
cualquier otro a R.
Como siempre que denimos una serie, el problema es la convergen-
cia. En el caso de las series de potencias, el estudio de la convergencia
de la serie es ms sencillo que en las series funcionales generales. El
resultado principal es el siguiente.
Teorema 1.1 (Abel). Sea una serie de potencias

n=0
a
n
x
n
de
modo que existe x
0
R tal que la serie (numrica)

n=0
a
n
x
n
0
es con-
vergente. Sea ahora r R tal que r < [x
0
[. Entonces, para todo x R
tal que [x[ r la serie

n=0
a
n
x
n
converge absolutamente. Adems se
tiene que la serie de potencias converge uniformemente en el intervalo
[r, r]. Adems la funcin f : [r, r] R denida como
f(x) =

n=0
a
n
x
n
es derivable y
f

(x) =

n=1
na
n
x
n1
,
es decir, la derivacin se puede hacer trmino a trmino.
Demostracin. Sea

n=0
a
n
x
n
, x
0
y r como en la hiptesis. Por
ser

n=0
a
n
x
n
0
convergente, se tiene que [a
n
x
n
0
[ 0, por lo que existe
M > 0 tal que [a
n
x
n
0
[ < M para todo n N.
29
30 3. SERIES DE POTENCIAS
Si [x[ < r, entonces
[a
n
x
n
[ = [a
n
[[x[
n
[a
n
[[r[
n
[a
n
[[x
0
[
n
[r[
n
[x
0
[
n
M

r
x
0

n
.
Como sabemos que

n=0
M

r
x
0

n
converge
(por que

r
x
0

< 1) el criterio M de Weierstrass (tomando M

n
=
M

r
x
0

n
) nos garantiza la convergencia uniforme de la serie

n=0
a
n
x
n
en el intervalo [r, r].
Para comprobar la derivabilidad de f(x) =

n=0
a
n
x
n
necesita-
mos comprobar la convergencia uniforme de la serie de las derivadas

n=1
na
n
x
n1
(ver Teorema I. ??).
Tenemos
[na
n
x
n1
[ = n[a
n
[[x[
n1
n[a
n
[[r[
n1
n[a
n
[[x
0
[
n1
[r[
n1
[x
0
[
n1
nM

r
x
0

n1
.
Al igual que antes, sabemos que la serie

n=1
nM

r
x
0

n1
converge
(esto se puede ver usando el criterio del cociente). Por tanto, de nuevo
el criterio M de Weierstrass (tomando M
n
= nM

r
x
0

n1
) nos garantiza
la convergencia uniforme de la serie de las derivadas

n=1
na
n
x
n1
en
el intervalo [r, r]. Esto, junto con el Teorema I. ?? es suciente para
garantizar la derivabilidad de f en [r, r] y que
f

(x) =

n=1
na
n
x
n1
.

Observacin. Ntese que en las hiptesis del teorema, f

(x) vuelve
a ser una serie de potencias en [r, r].
Ejemplo 1.2. Ver lo que ocurre con e
x
cuya derivada es ella mis-
ma, y con sin x, cuya derivada es el coseno.
El teorema anterior nos sugiere la siguiente denicin
1. INTRODUCCIN 31
Definicin 1.3. Dada una serie de potencias

n=0
a
n
x
n
, se llama
radio de convergencia de la serie al nmero
= sup
_
[x
0
[ R tales que

n=0
a
n
x
n
0
converge
_
Si el conjunto
_
[x
0
[ R tales que

n=0
a
n
x
n
0
converge
_
no es acotado, decimos que = +.
Ntese que, puesto que la serie converge para x = 0, 0.
Teorema 1.4. Sea el radio de convergencia de una serie

n=0
a
n
x
n
.
Entonces ocurre uno de los tres casos siguientes
1. = 0. En ese caso la serie converge para x = 0 y diverge para
todo x ,= 0.
2. 0 < < . En ese caso, para todo r < la serie converge
uniformemente en [r, r] y diverge si [x[ > . En los puntos
frontera () la serie puede converger o diverger.
3. = . En ese caso la serie converge para todo x R, y para
todo r > 0 la serie converge uniformemente en [r, r].
Aunque no lo necesitamos en este curso, se puede demostrar que,
dada una serie de potencias

a
n
x
n
,
=
1
lmsup
n
n
_
[a
n
[
,
donde lmsup, el lmite superior de una sucesin, viene denido por
lmsup
n
b
n
= lm
n
sup
mn
b
m
.
Para aquellos que no estn familiarizados con esta nocin, men-
cionaremos simplemente que si una sucesin (a
n
) tiene lmite, entonces
lm
n
a
n
= lmsup
n
a
n
.
No os sintis excesivamente tentados a usar esta frmula para cal-
cular ; la denicin es mucho ms fcil y lleva a entender y manejar
mejor el concepto.
Observacin. Existe un rumor muy extendido segn el cual
= lm
n
a
n
a
n+1
.
32 3. SERIES DE POTENCIAS
Desconozco el origen de este rumor, pero en cualquier caso es falso,
como se puede ver sin ms que considerar la serie

sin nx
n
cuyo radio
de convergencia es 1 (aunque esto no es totalmente obvio) y sin embargo
no existe
lm
n
a
n
a
n+1
= lm
n
sin n
sin n + 1
.
Lo que si es cierto es que si ese lmite existe entonces coincide con .
La demostracin es una consecuencia sencilla del criterio del cociente
de convergencia de series numricas.
Ejemplo 1.5.
Calcular el radio de convergencia de la serie

n=1
(log n)x
n
.
Si x = 1,

n=1
(log n)x
n
=

n=1
(log n)
que no converge puesto que lm
n
log n = +.
En cambio, sea 0 < x < 1. En ese caso la serie

n=1
(log n)x
n
converge, como se ve fcilmente aplicando el criterio del cociente:
lm
n
(log n + 1)x
n+1
(log n)x
n
= lm
n
log n + 1
log n
x = x < 1.
Por tanto,
= supx; 0 x < 1 = 1.
Es importante que notis que la serie de Taylor es un caso especial
de serie de potencias.
Ejemplo 1.6. Estudiar la convergencia puntual y uniforme de la
serie

n=1
x
n
n!
en el intervalo [0, 29],
Aunque no es necesario para resolver el ejercicio, obsrvese que la
serie es el desarrollo en serie de Taylor en el origen de la funcin e
x
.
1. INTRODUCCIN 33
La serie es una serie de potencias, por tanto lo ms fcil es calcular
su radio de convergencia. Eljase x
0
> 0. Entonces la serie numrica

n
x
n
0
n!
converge, como se ve fcilmente de muchas formas (por ejemplo por
el criterio del cociente). Puesto que esto ocurre para un x arbitrario,
tenemos que el radio de convergencia es innito, por lo que hay conver-
gencia uniforme en cualquier intervalo cerrado y acotado, en particular
la serie converge uniformemente en [0, 29].
Captulo 4
Series de Fourier
1. Introduccin y deniciones
Como ya hemos visto, los polinomios y series de Taylor nos permiten
a menudo aproximar una funcin por polinomios, o hallar una serie de
potencias que converja a la funcin.
La idea del anlisis de Fourier es muy similar, slo que ahora nos
plantearemos la aproximacin de una funcin por combinaciones de
funciones seno y coseno elegidas adecuadamente.
Obviamente la primera pregunta que uno se hace es por qu vamos
a querer aproximar una funcin por combinaciones de senos y cosenos?
no tenemos nada mejor que hacer?.
Aunque la respuesta a la segunda pregunta es probablemente S, in-
tentar responder a la primera lo mejor que pueda. Habis de saber que
el anlisis de Fourier se empez a desarrollar en el siglo XIX (aunque
sus antecedentes datan del siglo XVIII) y que todava est en plena
evolucin, no slo de forma terica sino en sus aplicaciones prcticas.
En particular, para lo que a un ingeniero informtico le interesa,
tanto el anlisis de circuitos como el tratamiento de la seal se hacen
tomando como herramienta bsica el anlisis de Fourier. Recientemente
se est desarrollando una herramienta nueva, las ondculas (wavelets en
ingls) basadas tambin en el anlisis de Fourier y que estn teniendo
una importancia decisiva en el tratamiento de la seal; por poneros
algunos ejemplos, las wavelets se han usado para comprimir los archivos
digitales de huellas dactilares del FBI, se usan en la mayora de las
pelculas de animacin que se realizan en la actualidad, en los formatos
de imagen jpg (a partir de 2000), en la deteccin de cnceres, en los
estudios geolgicos, etc, etc.
1.1. Funciones peridicas. El problema que vamos a enfrentar
en primer lugar es el de representar adecuadamente una funcin per-
idica. Para justicar el porqu de estudiar este problema recordemos
que muchas de las ondas electromagnticas usadas en la transmisin de
35
36 4. SERIES DE FOURIER
informacin son funciones peridicas, o van moduladas sobre funciones
peridicas.
Empecemos recordando la denicin de funcin peridica.
Definicin 1.1. Una funcin f : R R se dice peridica si
existe T > 0 tal que, para todo t R,
f(t + T) = f(t).
En ese caso, al menor de los T que cumple esa igualdad se le denomina
periodo de f.
Ejemplo 1.2. Para todo
0
> 0, las funciones sin
0
x y cos
0
x
son peridicas de periodo
T =
2

0
Notad que si conocemos una funcin peridica en un intervalo de
longitud T ya conocemos el valor de la funcin en todo R. Esto hace que
cuando estudiemos funciones peridicas nos limitamos a algn intervalo
de longitud T, habitualmente el [0, T] o el [
T
2
,
T
2
]
1.2. Ortogonalidad de funciones. Necesitamos otra denicin.
Definicin 1.3. Dadas funciones reales

: I R R, un
conjunto

(t); A de funciones se dice ortogonal sobre I R si,

para todo ,= ,
_
I

(t)

(t)dt = 0.
Observacin. Para que entendis el por qu de llamar ortogonales
a tales funciones, aqu va la explicacin: Dado un espacio vectorial E
se puede denir una nocin abstracta de producto escalar como una
forma bilineal denida positiva, esto es, una funcin
, : E E R
separadamente lineal en ambas variables y que verica que f, f 0
para toda f E y f, f = 0 si y slo si f = 0. Siempre que tenemos
un producto escalar denido en un espacio vectorial se puede denir
una norma asociada como
|f| =
_
f, f,
y tambin se puede denir una nocin de ortogonalidad, y en general la
nocin de ngulo entre vectores. La nocin de ortogonalidad se dene
como fg si y slo si f, g = 0.
1. INTRODUCCIN Y DEFINICIONES 37
Todo esto se aplicaba a un espacio vectorial abstracto E. En el caso
particular del espacio L
2
(I), se puede denir
f, g =
_
I
f(t)g(t)dt
y se demuestra con facilidad que, as denido, , es un producto
escalar y que la norma anteriormente denida en L
2
(I) es precisamente
su norma asociada. Por tanto, dos funciones f y g son ortogonales si
su producto escalar es 0, es decir, si
_
I
f(t)g(t)dt = 0.
Nuestro ejemplo principal de familia ortogonal de funciones es el
siguiente.
Ejemplo 1.4. Para todo
0
> 0, la familia de funciones
1, sin n
0
x, cos m
0
x; n, m N
es ortogonal sobre [
T
2
,
T
2
], con T =
2

0
.
Para vericarlo, basta comprobar que
1. Para todo n N,
_ T
2

T
2
sin n
0
tdt = 0
2. Para todo n N,
_ T
2

T
2
cos n
0
tdt = 0
3. Para todo n ,= m,
_ T
2

T
2
sin n
0
t sin m
0
tdt = 0
4. Para todo n ,= m,
_ T
2

T
2
cos n
0
t cos m
0
tdt = 0
5. Para todos n, m N,
_ T
2

T
2
sin n
0
t cos m
0
tdt = 0
Las dos primeras integrales son inmediatas. Para las tres ltimas
utilizamos las identidades trigonomtricas que expresan sin y cos de
A + B en trminos de sin y cos de A y B, y obtenemos
38 4. SERIES DE FOURIER
cos(nx), sin(nx) =
_
+

cos(nx) sin(nx)dx
=
1
2
_
+

(sin((m + n)x) + sin((mn)x))dx

=
1
2
_
cos((m + n)x)
m + n

cos((mn)x)
mn
_
+

= 0, (m ,= n)
cos(nx), cos(nx) =
_
+

cos(nx) cos(nx)dx
=
1
2
_
+

(cos((m + n)x) + cos((mn)x))dx

=
1
2
_
sin((m + n)x)
m + n
+
sin((mn)x)
mn
_
+

= 0, (m ,= n)
sin(nx), sin(mx) =
_
+

sin(nx) sin(mx)dx
=
1
2
_
+

(cos((mn)x) cos((m + n)x))dx

=
1
2
_
sin((mn)x)
mn

sin((m + n)x)
m + n
_
+

= 0, (m ,= n)
1.3. Coecientes de Fourier. Una de las preguntas bsicas en
anlisis de Fourier (as como en el anlisis de ondculas) es si, dada
una funcin f : [a, b] R y un conjunto ortogonal

(t); A de
funciones sobre [a, b], existen coecientes a

R tales que f se puede

representar como
f(x) =

(x)?
La respuesta va a ser s, al menos para ciertas familias destacadas
de familias ortogonales

(t); A y para una amplia clase de

funciones f.
Enunciaremos ms adelante, sin demostracin, teoremas que nos
garantizan que una amplia familia de funciones (en particular todo
L
2
[a, b]) se pueden representar por medio de series del tipo arriba indi-
cado.
1. INTRODUCCIN Y DEFINICIONES 39
De momento, supongamos que una cierta funcin f fuera repre-
sentable de la forma
f(x) =

(x),
y veamos cmo se calculan los coecientes a

en ese caso.
Supongamos que podemos integrar trmino a trmino (no nos de-
tendremos a justicar esta hiptesis, pues excede los objetivos de la
asignatura). En ese caso, para cada A, se tendra
_
b
a
f(x)

(x)dx =

_
b
a
a

(x)

(x)dx = a

_
b
a

(x)dx
y por tanto
a

=
_
b
a
f(x)

(x)dx
_
b
a

2

(x)dx
Por tanto, tenemos la siguiente
Definicin 1.5. Sea

(x); A una familia ortogonal sobre

[a, b]. Sea f : [a, b] R. Se llaman coecientes de Fourier de f con
respecto a

(x); A a los nmeros

a

=
_
b
a
f(x)

(x)dx
_
b
a

2

(x)dx
A la serie

(x)
se le llama serie de Fourier de f
Observacin. Es frecuente elegir la familia

(x); A nor-
malizada de manera que
_
b
a

2

(x)dx = 1 para cada A.

Veamos el ejemplo concreto ms importante para nosotros de todo
lo anterior.
Definicin 1.6. Cuando consideramos en la denicin anterior el
sistema 1, cos n
0
x, sin m
0
x y f : [
T
2
,
T
2
] R con T =
2

obten-
emos los coecientes clsicos de Fourier. Se llaman coecientes (clsi-
cos) de Fourier a los nmeros
a
0
=
2
T
_ T
2

T
2
f(t)dt
a
m
=
2
T
_ T
2

T
2
f(t) cos m
0
tdt
40 4. SERIES DE FOURIER
b
n
=
2
T
_ T
2

T
2
f(t) sin n
0
tdt.
Con esos coecientes se puede denir la serie de Fourier de f
a
0
2
+

n=1
a
n
cos n
0
x + b
n
sin n
0
x
Ejemplo 1.7. Encontrar la serie de Fourier de la funcin
f
(
t) =
_
_
_
1 si
T
2
< t < 0
1 si 0 < t <
T
2
y denida peridica de periodo T en todo R.
Solucin: Es fcil ver que a
n
= 0 para todo n N 0 y b
n
=
2
n
(1 cos n), independientemente de T
Ejemplo 1.8 (Septiembre 2003). Sea f(x) : R R la funcin
peridica de periodo 1 denida por
f(x) =
_
1 si 0 x <
1
2
0 si
1
2
x < 1
Obtener el desarrollo en serie de Fourier de f(x).
Solucin: Por ser f(x) peridica de periodo T = 1, admite un
desarrollo en serie de Fourier, es decir,
f(x) =
a
0
2
+

n=1
a
n
cos n
0
x +

n=1
b
n
sin n
0
x,
con

0
=
2
T
= 2
y donde
a
0
2
=
1
T
_ T
2

T
2
f(x)dx,
a
n
=
2
T
_ T
2

T
2
f(x) cos n
0
xdx, y
b
n
=
2
T
_ T
2

T
2
f(x) sin n
0
xdx
1. INTRODUCCIN Y DEFINICIONES 41
As,
a
0
2
=
_ 1
2
0
dx =
1
2
Adems
a
n
= 2
_ 1
2
0
cos(2nx)dx =
2
2n
sin 2nx

1
2
0
= 0.
Finalmente,
b
n
= 2
_ 1
2
0
sin(2nx)dx =
1
n
cos 2nx

1
2
0
y por tanto, b
n
= 0 si n es par y b
n
=
2
n
si n es impar.
Ejemplo 1.9. Sea f(x) : R R la funcin peridica de periodo
2 denida por
f(x) =
_
x si 0 x 1
2 x si 1 x 2
Obtener el desarrollo en serie de Fourier de f(x).
Solucin: Por ser f(x) peridica de periodo T = 2, admite un
desarrollo en serie de Fourier, es decir,
f(x) =
a
0
2
+

n=1
a
n
cos n
0
x +

n=1
b
n
sin n
0
x,
con

0
=
2
T
=
y donde
a
0
2
=
1
2
_
1
1
f(x)dx,
a
n
=
_
1
1
f(x) cos n
0
xdx, y
b
n
=
_
1
1
f(x) sin n
0
xdx
Por la periocididad, es indistinto calcular las integrales en [1, 1]
en [0, 2] (o en general en cualquier intervalo de amplitud 2. Debido
a que implica alguna cuenta menos integraremos en [1, 1]. Para ello
obsrvese que, para todo x [1, 0], f(x) = x.
42 4. SERIES DE FOURIER
As,
a
0
2
=
1
2
_
0
1
xdx +
_
1
0
xdx =
1
2
Adems
a
n
=
_
0
1
x cos(nx)dx +
_
1
0
x cos(nx)dx.
Integrando por partes, se tiene
a
n
= 2
(1 + cos n + n sin n)
n
2

2
Finalmente,
b
n
=
_
0
1
x sin(nx)dx +
_
1
0
x sin(nx)dx,
y de nuevo integrando por partes se obtiene
b
n
= 0.
1.4. Expresin compleja de las series de Fourier. Recorde-
mos la expresin
e
i
= cos + i sin
que se puede justicar usando series de Taylor, aunque su fundamentacin
rigurosa requiere algunos conocimientos de variable compleja. De esta
expresin se obtienen, sin mas que despejar, las siguientes
(4) cos =
e
i
+ e
i
2
y
(5) sin =
e
i
e
i
2i
Por tanto, si f(t) es una funcin peridica de periodo T con desar-
rollo en serie de Fourier
f(t) =
a
0
2
+

n=1
a
n
cos n
0
t +

n=1
b
n
sin n
0
t,
podemos sustituir los senos y cosenos por las expresiones dadas por
(??) y (??) y obtenemos
f(t) =
a
0
2
+

n=1
a
n
e
in
0
t
+ e
in
0
t
2
+

n=1
b
n
e
in
0
t
e
in
0
t
2i
.
Usando que
1
i
= i y despejando llegamos a
1. INTRODUCCIN Y DEFINICIONES 43
f(t) = c
0
+

n=1
(c
n
e
in
0
t
+ c
n
e
in
0
t
) =
= c
0
+

n=1
c
n
e
in
0
t
+

n=1
c
n
e
in
0
t
=
+

n=
c
n
e
in
0
t
,
donde
c
0
=
1
2
a
0
, c
n
=
1
2
(a
n
ib
n
), y c
n
=
1
2
(a
n
+ ib
n
).
Para entender todo esto mejor necesitamos algunas deniciones
ms:
1.5. Ortogonalidad de funciones complejas. Al igual que
hicimos para funciones reales, vamos a denir un producto escalar de
funciones complejas.
Definicin 1.10. Dadas f, g : I R C se dene su producto
escalar f, g como
f, g =
_
I
f(t)g(t)dt,
donde z denota el conjugado complejo de z.
Ahora decimos que f y g son ortogonales si su producto escalar es
0.
Siguiendo con la analoga con el caso real podemos denir la norma
2 de una funcin compleja f : I C como
|f|
2
= (f, f)
1
2
=
__
I
f(t)f(t)dt
_1
2
.
Con estas deniciones a mano, podemos ahora seguir con los coe-
cientes c
n
el mismo camino seguido con los a
n
y b
n
.
En primer lugar notemos
Proposicin 1.11. La familia e
int

nZ
es ortogonal en el inter-
valo [
T
2
,
T
2
] (o en el [0, T]), donde T =
2

.
Demostracin. Sea n ,= m. Entonces
e
int
, e
imt
=
_ T
2
T
2
e
int
e
imt
dt =
_ T
2
T
2
e
int
e
imt
dt =
=
_ T
2
T
2
(cos nt + i sin nt)(cos mt i sin mt)dt = 0.
44 4. SERIES DE FOURIER

1.6. Clculo de los coecientes c

n
. Ahora podemos calcular
los coecientes anlogamente a cmo calculamos los a
n
y los b
n
:
Supongamos que una funcin f : [
T
2
,
T
2
] R (en realidad esto
tambin va a valer para funciones f : [
T
2
,
T
2
] C) fuera repre-
sentable en la forma
f(t) =
+

n=
c
n
e
int
.
Entonces, dado n
0
N,
f, e
in
0
t
=
+

n=
c
n
e
int
, e
in
0
t
=
=
+

n=
c
n
e
int
, e
in
0
t
= c
n
0
e
in
0
t
, e
in
0
t
=
= c
n
0
_ T
2

T
2
e
in
0
t
e
in
0
t
dt = c
n
0
_ T
2

T
2
e
in
0
t
e
in
0
t
dt =
= c
n
0
_ T
2

T
2
dt = c
n
0
T,
de donde
c
n
=
_ T
2

T
2
f(t)e
in
0
t
dt
T
,
expresin que por supuesto coincide con la obtenida anteriormente a
partir de los a
n
y los b
n
.
Como ya hemos dicho anteriormente, se puede demostrar que la ex-
presin f(t) =

+
n=
c
n
e
int
nos permite representar no slo funciones
peridicas f : R R sino tambin funciones peridicas f : R C.
Notemos que muchas seales se representan de manera natural como
una funcin con valores reales (por ejemplo una seal sonora) mientras
que otras, en particular los campos electromagnticos, se representan
de manera natural como una funcin con valores complejos.
A partir de ahora trabajaremos con la expresin de la serie de Fouri-
er en trminos de los c
n
, por ser ms adecuada para la mayora de las
aplicaciones que la expresin en trminos de los a
n
y b
n
.
2. CONVERGENCIA DE LAS SERIES DE FOURIER 45
2. Convergencia de las series de Fourier
Tenemos denida formalmente la serie de Fourier, pero an no sabe-
mos nada de su convergencia o no a la funcin f. Los teoremas clsicos
del anlisis de Fourier nos van a garantizar que para una amplia clase
de funciones f, la serie de Fourier de f converge en casi todo punto a
f.
2.1. Convergencia en norma 2. Empezamos considerando la
convergencia en norma 2 de la serie de Fourier, muy importante en
muchas aplicaciones. Recordemos que se dice que una sucesin de fun-
ciones (f
n
) L
2
(I) converge en norma 2 (o en media cuadrtica) a
f L
2
(I) si
f
n

2
f,
esto es, si
lm
n
|f
n
f|
2
= 0,
o, equivalentemente, si
lm
n
_
I
[f
n
(t) f(t)[
2
dt = 0.
Ntese que, en el caso de ondas electromagnticas, esto se puede
interpretar como que la energa de la sucesin de ondas
n
:= f
n
f
tiende a 0 cuando n tiende a innito, e interesa darse cuenta de que la
sucesin
n
es el error cometido al aproximar f por f
n
.
Consideramos la sucesin de sumas parciales de la serie de Fourier
S
k
(t) =
k

n=k
c
n
e
int
y llamamos
k
(t) = f(t) S
k
(t) al error cometido al aproximar f por
S
k
. Decir que S
k
converge en norma 2 a f equivale a decir que |
k
|
2
tiende a 0, es decir, que
lm
n
(
k
,
k
)
1
2
= lm
n
_
_ T
2

T
2

k
(t)
k
(t)dt
_1
2
= 0.
Notemos que
_ T
2

T
2

k
(t)
k
(t)dt =
_ T
2

T
2
(f(t) S
k
(t))(f(t) S
k
(t))dt =
46 4. SERIES DE FOURIER
_ T
2

T
2
f(t)f(t) + S
k
(t)S
k
(t) 21f(t)S
k
(t)dt =
_ T
2

T
2
f(t)f(t)dt +
_ T
2

T
2
(
k

n=k
c
n
e
int
)(
k

n=k
c
n
e
int
)dt
21
_ T
2

T
2
f(t)(
k

n=k
c
n
e
int
)dt =
_ T
2

T
2
f(t)f(t)dt+
+
k

n=k
[c
n
[
2
_ T
2

T
2
e
int
e
int
dt 21
k

n=k
c
n
_ T
2

T
2
f(t)e
int
dt =
=
_ T
2

T
2
f(t)f(t)dt + T
k

n=k
c
n
c
n
21
k

n=k
c
n
_ T
2

T
2
f(t)e
int
dt+
+
k

n=k
_
_ T
2

T
2
f(t)e
int
dt
__
_ T
2

T
2
f(t)e
int
dt
_
T

n=k
_
_ T
2

T
2
f(t)e
int
dt
__
_ T
2

T
2
f(t)e
int
dt
_
T
=
=
_ T
2

T
2
f(t)f(t)dt+
T
k

n=k
_
_
_
c
n

_ T
2

T
2
f(t)e
in
0
t
dt
T
_
_
_
_
_
_
c
n

_ T
2

T
2
f(t)e
in
0
t
dt
T
_
_
_

n=k
_
_ T
2

T
2
f(t)e
int
dt
__
_ T
2

T
2
f(t)e
int
dt
_
T
.
Si consideramos esto como una ecuacin en c
n
y buscamos mini-
mizarla, vemos que la norma 2 del error es mnima cuando
c
n
=
_ T
2

T
2
f(t)e
in
0
t
dt
T
.
2. CONVERGENCIA DE LAS SERIES DE FOURIER 47
Es decir, los c
n
son los mejores coecientes que podemos ponerles
a las funciones e
in
0
t
para que la suma

n
c
n
e
in
0
t
aproxime a f(t) tan bien (en norma 2) como sea posible.
De hecho, con razonamientos emparentados con estos, aunque ms
sosticados, se puede demostrar que para todo intervalo I R, toda
funcin f L
2
(I) admite una serie de Fourier como la anterior de
manera que

n
c
n
e
in
0
t
converge a f en norma 2. Recordad que ya
hemos dicho anteriormente que las funciones f L
2
(I) son las ms
interesantes en ingeniera, puesto que, por un lado L
2
(I) es un espa-
cio matemticamente cmodo y por otro la condicin f L
2
(I) se
interpreta casi siempre como que f tiene energa nita, lo cual es muy
razonable.
2.2. Convergencia puntual en casi todo punto. Enunciare-
mos aqu sin demostrar un teorema que nos garantiza la convergencia
puntual en casi todo punto de la serie de Fourier de una muy amplia
familia de funciones. En particular, prcticamente todas las funciones
con inters en la ingeniera verican las condiciones del teorema.
Teorema 2.1. Sea f : I R una funcin continua a trozos,
acotada y montona a trozos (esto es, f tiene una cantidad nita de
mximos y mnimos en I). Entonces la serie de Fourier de f converge
a f(t
0
) en todo t
0
I en el que f sea continua. En los puntos t
0
I
en los que f no sea continua se tiene que la serie de Fourier converge
a
f(t
+
0
) + f(t

0
)
2
,
donde
f(t
+
0
) = lm
tt
+
0
f(t)
y
f(t

0
) = lm
tt

0
f(t).
2.3. Espectros discretos. Fijos que de todo lo anterior se sigue
que para una muy amplia clase de funciones f, su serie de Fourier

nZ
c
n
e
in
0
t
determina unvocamente (excepto quizs en una canti-
dad nita de puntos) la funcin f. En trminos de informacin, esto
se puede expresar diciendo que toda la informacin contenida en f se
halla en sus coecientes de Fourier.
48 4. SERIES DE FOURIER
Esto da lugar a la nocin de espectro de una funcin f. Podemos
pensar en sus coecientes (c
n
)
nZ
como una funcin
c : Z C
dada por
c(n) = c
n
La funcin c (o su grca) es lo que llamamos el espectro de f. Para
el caso de funciones peridicas (equivalentemente funciones denidas
en un intervalo [a, b]) el espectro de f, c esta denido sobre los enteros,
no sobre todo R, por lo que le llamamos espectro discreto. Veremos
ms adelante que para representar una funcin no peridica necesita-
mos un espectro continuo. Las tcnicas de anlisis espectral, de las que
probablemente hayis odo hablar puesto que se usan en muchas dis-
ciplinas, consisten precisamente en estudiar el espectro de una funcin
(la radiacin emitida por un cuerpo celeste, por ejemplo) para obtener
informacin contenida en esa funcin.
Los valores (c
n
) son tambin llamados las componentes en frecuen-
cia de la seal f. Los que sepis algo de teora musical, deberais notar
cmo una funcin peridica (una nota cualquiera dada por un instru-
mento) se descompone por su serie de Fourier en la suma de sus ar-
mnicos (
0
es la frecuencia fundamental, 2
0
es la misma nota una
octava mas arriba, 3
0
es la quinta por encima de la octava, 4
0
es la
misma nota dos octavas por encima de la original, etc).
Notad que si f(t) toma valores reales, esto es, f : I R, entonces,
para todo n N c
n
= c
n
.
2.4. Teorema de Parseval. Un resultado muy importante en
anlisis de Fourier es el Teorema de Parseval, que fsicamente se puede
leer como que la energa de la seal es igual a la suma de las energas de
sus componentes, y geomtricamente se puede simplemente interpretar
como una consecuencia de una versin innito dimensional del Teorema
de Pitagoras. La demostracin del teorema de Parseval es razonable-
mente sencilla una vez se conocen tcnicas elementales de espacios de
Hilbert (espacios L
2
). No la incluiremos aqu, pero s quiero incluir una
pseudodemostracin que puede resultar ilustrativa.
Empezamos con:
Proposicin 2.2. Sean f
1
, f
2
L
2
([
T
2
,
T
2
]), y sean (c
1
n
)
nZ
, (c
2
n
)
nZ
sus respectivos coecientes de Fourier. Entonces
1
T
_ T
2

T
2
f
1
(t)f
2
(t)dt =

nZ
c
1
n
c
2
n
.
2. CONVERGENCIA DE LAS SERIES DE FOURIER 49
Demostracin.
_ T
2

T
2
f
1
(t)f
2
(t)dt =
_ T
2

T
2
_

nZ
c
1
n
e
in
0
t
__

nZ
c
2
n
e
in
0
t
_
dt =

nZ

mZ
c
1
n
c
2
m
_ T
2

T
2
e
in
0
t
e
im
0
t
dt =

nZ
c
1
n
c
2
n
_ T
2

T
2
e
in
0
t
e
in
0
t
dt = T

nZ
c
1
n
c
2
n
.

De aqu se deduce fcilmente (sin ms que tomar f

1
= f
2
) el sigu-
iente
Teorema 2.3 (Teorema de Parseval). Sea f L
2
([
T
2
,
T
2
]), y sean
(c
n
)
nZ
, coecientes de Fourier. Entonces
1
T
(|f|
2
)
2
=
1
T
_ T
2

T
2
f(t)f(t)dt =

nZ
[c
n
[
2
.
Captulo 5
Transformada Integral de Fourier
1. Denicin.
Todo lo visto hasta ahora se aplicaba al estudio de funciones per-
idicas, o de funciones denidas en un intervalo [a, b]. Para ciertas
aplicaciones esto no es suciente, y necesitamos estudiar funciones
f : R R C no peridicas. Este tipo de funciones no pueden
ser representadas por medio de una serie de Fourier, pero en cambio s
que se pueden representar por medio de una integral de Fourier.
Describimos a continuacin la idea intuitiva en el paso de las series
de Fourier a la integral de Fourier. Todo esto se puede formalizar con
todo rigor, pero no lo haremos ya que llevara demasiado tiempo y no
lo consideramos prioritario para nuestra asignatura.
Como ya hemos visto, una funcin peridica de periodo T se puede
representar por medio de una serie de Fourier

n
c
n
e
n
0
t
, con
0
=
2
T
. La idea ahora, dicha burdamente, es considerar una funcin no
peridica como una funcin peridica de periodo innito.
Ejemplo 1.1. Supongamos que queremos estudiar la funcin f :
R R dada por
f(t) =
_
1 si t [
1
2
,
1
2
]
0 si [t[ >
1
2
Cuando hablbamos del espectro de una funcin peridica f nos
referimos al valor de los coecientes c
n
, que podan ser entendidos como
una funcin c() : R C( R) que toma valores distintos de 0 slo
en los puntos = n
0
, con n Z, en los que vale c
n
.
Notemos que al hacer tender T (el periodo) a innito, la frecuencia
fundamental
0
tiende a 0, por lo que los puntos n
0
estn cada vez
ms prximos, de manera que parece razonable pensar que en el lmite
el espectro se hace continuo, es decir, podemos denir c() para todo
. Por otro lado, es fcil ver con los ejemplos que al hacer tender T a
innito, las amplitudes c
n
= c(n
0
) tienden a 0.
51
52 5. TRANSFORMADA INTEGRAL DE FOURIER
Se pueden formalizar matemticamente estos razonamientos (aunque
no lo haremos aqu), pero la idea que hay detrs es que, a medida que
T tiende a innito, los armnicos (los puntos n
0
) se encuentran inni-
tamente cercanos y son de amplitud innitesimal, es decir, el espectro
discreto se vuelve continuo.
Con estas ideas intuitivas, hagamos una construccin no formal de
la integral de Fourier.
Sea f(t) una funcin peridica de periodo T. Sea su serie de Fourier
f(t) =

n=
c
n
e
n
0
t
(6)
donde
c
n
=
1
T
_ T
2

T
2
f(t)e
n
0
t
dt (7)
y

0
=
2
T
(8)
Sustituyendo (??) en (??), se tiene
f(t) =

n=
_
1
T
_ T
2

T
2
f(x)e
n
0
x
dx
_
e
n
0
t
(9)
Utilizando (??) tenemos que
f(t) =

n=
_
1
2
_ T
2

T
2
f(x)e
n
0
x
dx
_

0
e
n
0
t
(10)
Hagamos un pequeo inciso y recordemos lo que sabemos de la
denicin de integral de Riemann, y el paso de las sumas de Riemann
a la integral.
Si tenemos una funcin h : [a, b] R integrable y suponemos
elegida una particin equiespaciada P(
0
) = a = x
0
, x
1
, . . . , x
k
= b
de [a, b] en la que x
i
x
i1
=
0
para cada i 1, . . . , k, tenemos que
lm

0
0
k

n=1
h(a + n
0
)
0
=
_
b
a
h(t)dt.
1. DEFINICIN. 53
Recordando esto, volvamos a la expresin (??) y llamemos
h() =
_
1
2
_ T
2

T
2
f(x)e
x
dx
_
e
t
.
Aplicando los razonamientos anteriores y haciendo el paso a una
integral impropia (dejamos esto al alumno) tenemos que, cuando
0
tiende a 0 (equivalentemente cuando T tiende a innito)
f(t) =
1
2
_

__
+

f(x)e
x
dx
_
e
t
d (11)
Si denimos la transformada de Fourier F() de f como
F() =
_

f(t)e
t
dt (12)
Entonces (??) se convierte en
f(t) =
1
2
_

F()e
t
dt. (13)
Con esto denimos la transformada de Fourier y la transformada
inversa. Escribimos a continuacin ambas deniciones explcitamente.
Definicin 1.2. Sea f : R R ( C). Entonces denimos su
transformada integral de Fourier como una funcin
T(f) = F : R C
dada por
T(f)() = F() =
_

f(t)e
t
dt.
Anlogamente denimos
Definicin 1.3. Sea F : R C. Entonces denimos su transfor-
mada inversa de Fourier como una funcin
T
1
(F) : R R ( C)
dada por
T
1
(F)(t) =
1
2
_

F()e
t
dt.
54 5. TRANSFORMADA INTEGRAL DE FOURIER
2. Propiedades de la transformada de Fourier
Ntese que la transformada de Fourier viene denida por medio
de una integral impropia, que puede ser convergente o no serlo. Em-
pezamos enunciando el teorema que nos garantiza la existencia de la
transformada de Fourier para una amplia familia de funciones
Teorema 2.1. Sea f L
2
(R). Entonces existe la transformada de
Fourier de f, y es una funcin F : R C
La condicin f L
2
(R) es suciente, pero no necesaria, para la ex-
istencia de F. Existen numerosos ejemplos de funciones que no estn en
L
2
(R) y sin embargo su transformada est bien denida. El problema
de determinar el conjunto exacto de funciones que admiten transfor-
mada de Fourier es mucho ms profundo de lo que parece, y an no
ha sido resuelto. Para la ingeniera es suciente saber que todas las
funciones de L
2
(R) admiten transformada.
Enunciamos a continuacin algunas propiedades bsicas de la trans-
formada de Fourier.
Linealidad. Si f, g L
2
(R) y , R, entonces T(f +g) =
T(f) + T(g).
Si 0 ,= R, f L
2
(R) y g(t) = f(t) entonces
T(g)() =
1
[a[
T(f)(

a
)
Si
g(t) = f(t)e
t
entonces T(g)() = T(f)( )
Si f L
2
(R), t
0
R y g(t) = f(t t
0
) entonces
T(g)() = T(f)()e
t
0
.
El siguiente resultado es la clave que permite aplicar la transforma-
da de Fourier a la resolucin de ecuaciones diferenciales.
Proposicin 2.2. Sea f : R R una funcin derivable, que
admite transformada de Fourier T(f), y tal que
lm
t
f(t) = 0.
(Ntese que esta ltima condicin se verica siempre que f L
2
(R)).
Entonces
T(f

)() = T(f)().
2. PROPIEDADES DE LA TRANSFORMADA DE FOURIER 55
Demostracin.
T(f

)() =
_

infty
f

(t)e
t
dt.
Integramos por partes y obtenemos que
T(f

)() = lm
t
0

f(t)e
t

t
0
t
0
+
_

f(t)e
t
=
= lm
t
0

f(t
0
)e
t
0
lm
t
0

f(t
0
)e
t
0
+
_

f(t)e
t
= T(f)(),
puesto que
lm
t
0

f(t
0
) = 0
y
e
t
0
= cos t
0
+ sin t
0
est acotada.
A continuacin enunciamos sin demostracin unos resultados que
nos garantizan el buen comportamiento de la transformada de Fouri-
er y la transformada inversa de Fourier para una amplia familia de
funciones.
Teorema 2.3. Si f L
2
(R) entonces T(f) es continua y
lm

T(f)() = 0
Dos comentarios son pertinentes: en primer lugar observar que aunque
f L
2
(R) puede no ser continua, su trasformada siempre lo es. En se-
gundo lugar, el hecho de que
lm

T(f)() = 0
indica que, para cualquier seal, la amplitud de sus componentes en
frecuencia tiende a 0 cuando la frecuencia tiende a innito.
Teorema 2.4 (Inversin). Si f L
2
(R) entonces T(f) L
2
(R),
y adems la funcin
g(t) =
1
2
_

T(f)()e
td
(es decir, la transformada inversa de la transformada de f) verica que
f(t) = g(t) en casi todo punto.
56 5. TRANSFORMADA INTEGRAL DE FOURIER
Observacin. La expresin en casi todo punto tiene un signi-
cado matemtico muy preciso. Quiere decir que f(t) = g(t) excepto
en, a lo sumo, un conjunto de medida cero. Excede del alcance de este
curso la denicin de conjunto de medida cero, pero daremos una idea
intuitiva diciendo que cualquier intervalo no vaco no es de medida cero,
mientras que un slo punto, o una cantidad nita, o incluso numerable,
de puntos, s forman un conjunto de medida cero. Por tanto, el teore-
ma de inversin nos dice que si tomo una funcin f L
2
(R), hallo su
transformada de Fourier T(f), y a continuacin hallo la transforma-
da inversa de T(f), entonces recupero f (salvo quizs en unos pocos
puntos, que no van a tener ninguna importancia en la gran mayora de
las aplicaciones). Esto es lo que nos permite decir que no perdemos
informacin, al considerar T(f) en lugar de f, puesto que podemos
recuperar f (salvo quizs en unos pocos puntos) a partir de T(f).
Captulo 6
Aplicaciones a la teora de la seal.
1. Convolucin y ltros
El propsito de esta seccin es simplemente contar una aplicacin
clsica de la transformada de Fourier al tratamiento de la seal, y lograr
que los hipotticos lectores de estas notas se vayan familiarizando con
el hecho de que la transformada de Fourier nos permite pensar en una
funcin, que originalmente estaba en el dominio del tiempo, como una
funcin en el dominio de la frecuencia.
Nuestro propsito es describir lo que en teora de la seal se conoce
como ltros. Para ello necesitamos previamente una nueva herramienta
matemtica, la convolucin.
Definicin 1.1. Sean f, g : R R. Se dene su convolucin f g
como
f g(x) =
_

f(x y)g(y)dy
siempre y cuando la integral impropia anterior exista.
El inters para nosotros en este momento de la convolucin de fun-
ciones es el siguiente resultado
Teorema 1.2. Sean f, g L
2
(R). Entonces f g existe, f g
L
2
(R) y adems
1.
T(f g)() = T(f)() T(g)() para todo R
2.
T(f g)() = (T(f) T(g))() para todo R
Esta fuera del alcance de este curso demostrar el teorema tal y como
est enunciado (es decir, con f, g L
2
(R)). En cambio s que vamos a
demostrar el punto 1 en el caso algo ms sencillo de que f, g L
1
(R),
donde
L
1
(R) = f : R R tales que f es integrable y tales que
57
58 6. APLICACIONES A LA TEORA DE LA SEAL.
_
+

[f(t)[dt < .
La herramienta bsica para la demostracin de este resultado es el
teorema de Fubini, que habitualmente se estudia junto con la nocin
de integral doble. Lo enunciamos a continuacin para el caso particular
en que el recinto de integracin sea un rectngulo [a, b] [c, d], puesto
que eso es suciente para nosotros.
Teorema 1.3 (Fubini). Sea f : R
2
R una funcin integrable y
D = [a, b] [c, d] R
2
un rectngulo. Entonces
_ _
D
f(x, y)dxdy =
_
b
a
__
d
c
f(x, y)dy
_
dx =
_
d
c
__
b
a
f(x, y)dx
_
dy.
Aquellos alumnos que no estn excesivamente familiarizados con la
nocin de integral doble no deben preocuparse, puesto que nosotros
slo necesitamos la segunda de las igualdades del teorema, y esa no
necesita de la nocin de integral doble.
DEMOSTRACIN DEL TEOREMA ??. Veamos en primer lugar que f g
(existe y) pertenece a L
1
(R)
_

[f g(x)[dx =
_

f(x y)g(y)dy

dx

__

[f(x y)g(y)[dy
_
dx
Fubini
=
_

__

[f(x y)g(y)[dx
_
dy =
=
_

[g(y)[
__

[f(x y)[dx
_
dy =
__

[f(x)[dx
___

[g(y)[dy
_
< .
Esto prueba que f g L
1
(R). Para probar que
T(f g)() = T(f)() T(g)()
necesitaremos de nuevo el teorema de Fubini. En efecto
T(fg)() =
_

fg(t)e
t
dt =
_

__

f(t y)g(y)dy
_
e
t
dt =
=
_

__

f(t y)g(y)e
y
e
y
dy
_
e
t
dt =
=
_

__

f(t y)e
(ty)
g(y)e
y
dy
_
dt
Fubini
=
=
_

g(y)e
y
__

f(t y)e
(ty)
dt
_
dy = T(f)()T(g)()
lo que termina la demostracin del teorema.
1. CONVOLUCIN Y FILTROS 59
Veamos ahora cmo aplicar esto a la realizacin de un ltro en fre-
cuencia. En teora de la seal se denomina ltro en frecuencia a un
mecanismo que nos permita, dada una seal, quedarnos con sus com-
ponentes en cierto rango de frecuencias, y desechar las dems. Es decir,
suponemos dada una cierta seal f(t) y queremos obtener otra seal
f
s
(t) cuyas componentes en frecuencia sean exactamente las compo-
nentes en frecuencia de f(t) que pertenezcan a cierto rango de frecuen-
cia.
La manera de obtener f
s
(t) es la siguiente: hallamos la transformada
de Fourier de f, T(f) y la multiplicamos por
A
() donde A R es
el rango de frecuencias que queremos seleccionar y
A
() es la funcin
caracterstica de A, denida como

A
() =
_
_
_
1 si A
0 si , A
Para terminar hallamos la trasformada inversa de T(f)()
A
() y est
ser nuestra funcin f
s
(t).
Vemoslo con un ejemplo, la realizacin de un ltro paso bajo. Se
llama ltro paso bajo a aquel que se queda con las componentes de
baja frecuencia de f y descarta las dems. En concreto suponemos que
deseamos quedarnos con las componentes de frecuencia menor o igual
que . Consideramos la seal f(t). Suponemos calculada su transforma-
da de Fourier T(f) consideramos T(f)()
[,]
. Entonces, aplicando
el teorema de inversin ?? y el Teorema ??, se tiene que f

(t) (la com-

ponente en frecuencia menor o igual que de f) se puede obtener como
f

(t) = (f g)(t)
donde g(t) es una funcin tal que
T(g) =
[,]
.
Calculemos g(t).
Aplicando de nuevo el teorema de inversin (o, equivalentemente,
la frmula de la transformada inversa de Fourier), se tiene que
g(t) =
1
2
_

[,]
()e
t
d =
1
2
_

e
t
d =
1
2
e
t
it

=
=
1
t
e
t
e
t
2
=
sin t
t
y, por tanto, tenemos nalmente que
f

(t) = f(t)
sin t
t
.
60 6. APLICACIONES A LA TEORA DE LA SEAL.
2. Teorema de Nyquist
Como ingenieros informticos, en vuestra vida profesional es ms
fcil que os encontris con seales discretas (digitales) que con seales
continuas (analgicas). Aunque no tenemos tiempo en este curso de es-
tudiar la transformada discreta de Fourier y otras herramientas usadas
en el tratamiento de seal discreta, contaremos a modo de ilustracin
el teorema de Nyquist, o teorema del muestreo, que nos proporciona
informacin acerca del paso de una seal analgica a una seal discreta.
La situacin a la que nos enfrentamos es la siguiente: tenemos
una seal continua y la queremos digitalizar. Este proceso consiste en
muestrearla (samplearla en espanglish), es decir, no quedarnos con
toda la seal sino con la sucesin de valores de la seal tomados cada
T segundos (este es el caso del muestreo uniforme en el tiempo, el nico
que estudiaremos aqu; para ciertas seales puede ser ms interesante
un muestreo no uniforme). Este proceso tiene una obvia ventaja: que
nos permite trabajar con una sucesin de nmeros en lugar de con toda
la seal, lo que es muy til sobre todo para el tratamiento informtico
de la seal. Y por supuesto, tambin hay un inconveniente igualmente
obvio: la seal muestreada no contiene, en principio, toda la infor-
macin que haba en la seal original. Parece claro que cuantas ms
muestras por segundo tomemos (esto es, cuanto menor sea T) menos
informacin perderemos, pero tambin ms nos costar muestrear y
almacenar y manipular la informacin. Entonces cul es intervalo de
muestreo que debemos usar?.
Veamos un ejemplo concreto, un CD de msica. Hasta hace no mu-
chos aos la msica se almacenaba siempre en vinilo o en cinta mag-
ntica, y ambos soportes partan de una seal analgica y almacenaban
tambin una seal analgica. El progreso de la tecnologa (en particular
la tecnologa informtica) y la relativamente baja calidad y durabili-
dad de ambos soportes llevan a plantearse el almacenamiento digital de
la msica en forma de CD, ya que el soporte fsico es muchsimo ms
duradero y el tratamiento de la seal digital ms verstil. El problema
es a qu velocidad hemos de muestrear una seal sonora para que la
seal muestreada sea gran calidad?. La respuesta a esto la da el teore-
ma de Nyquist. Primero un par de consideraciones biolgicas: nuestro
odo oye en frecuencias (al igual que nuestros ojos ven en frecuencias)
y est limitado en frecuencia: nadie oye seales de frecuencia superior
a 20KHz, al igual que nadie ve luz infrarroja o ultravioleta. Este lmite
no es comn a todos los animales: algunos, como ratas y perros tienen
2. TEOREMA DE NYQUIST 61
la capacidad de or seales de frecuencia superior, y los famosos ultra-
sonidos usados en ocasiones para intentar ahuyentar ratas no son sino
sonidos de frecuencia superior a 20KHz y gran volumen, que nosotros
no omos pero ellas s.
Esta limitacin de nuestro odo tiene consecuencias prcticas: si
consideramos una seal sonora y le quitamos sus componentes de fre-
cuencias superiores a 20KHz, nuestros odos no son capaces de percibir
ninguna diferencia entre ambas seales. Por tanto la respuesta a la pre-
gunta anterior a qu velocidad hemos de muestrear una seal sonora
para que la seal muestreada sea gran calidad? es A la velocidad
necesaria para mantener las componentes de la seal de frecuencias
inferiores a 20KHz. Y aqu es donde interviene el teorema de Nyquist.
Teorema 2.1. Sea f : R C una seal que admite transformada
de Fourier F (lo que ocurre por ejemplo si f L
2
(R)). Si F() = 0
para todo >
M
= 2f
M
entonces se puede determinar f en casi
todo punto por medio de sus valores separados por intervalos uniformes
menores que
1
2f
M
segundos.
Demostracin. Sabemos que F : R C es una funcin que vale
0 para todo >
M
. Consideramos entonces
0
> 2
M
y denimos la
funcin
F
s
: R C
como una funcin peridica (en el dominio de la frecuencia!) de periodo

0
dada por
F
s
() = F() para todo [
0
,
0
].
Por ser F
s
peridica podemos expandirla en serie de Fourier; ntese
que como su periodo (lo que habitualmente llambamos T) es
0
, en-
tonces su frecuencia fundamental (lo que habitualmente llambamos

0
) vale
2

0
. Por tanto
(14) F
s
() =
+

n=
c
n
e
n
2

0
donde
(15) c
n
=
1

0
_

0
2

0
2
F
s
()e
n
2

0
d.
Usando la denicin de F
s
tenemos que
(16) c
n
=
1

0
_

M

M
F()e
n
2

0
d.
62 6. APLICACIONES A LA TEORA DE LA SEAL.
Usaremos adems que
(17) f(t) = T
1
(F)(t) =
1
2
_
+

F()e
t
d =
=
1
2
_
+
M

M
F()e
t
d.
Suponemos que hemos muestreado cada T =
2

0
segundos, en los
puntos t = nT = n
2

0
. Por (??) se tiene
(18) f(nT) = f
_
n2

0
_
=
1
2
_
+
M

M
F()e

n2

0
d.
Ahora, comparando (??) y (??) se tiene
c
n
=
2

0
f
_

n2

0
_
= Tf(nT).
Por tanto, podemos conocer los c
n
a partir de los valores muestrea-
dos f(nT); a partir de los c
n
usando (??) podemos conocer F
s
; una vez
conocida sta conocemos F y a partir de F usando (??) recuperamos
f.
Para terminar, notemos que nuestra suposicin
0
> 2
M
implica
que
2
T
> 4f
M
,
es decir
T <
1
2f
M
,
lo cual termina la demostracin.
Observacin. Se puede demostrar (y est escrito con todo detalle
en el libro [?]) que si se unen todos los datos anteriores se obtiene que
la manera de recuperar f(t) a partir de los datos muestreados es
f(t) =

n=
f(nT)
sin
M
(t nT)

M
(t nT)
para el caso
M
= 2f
M
, T =
1
2f
M
.
3. MODULACIN DE AMPLITUD 63
3. Modulacin de amplitud
Necesitamos el siguiente resultado
Proposicin 3.1. Sea f(t) una seal que admite transformada de
Fourier F(). Entonces
T(f(t) cos
c
t)() =
F(
c
) +F( +
c
)
2
y
T(f(t) sin
c
t)() =
F(
c
) F( +
c
)
2
.
Esto nos da pie al siguiente simple razonamiento. Tenemos una
seal f(t) limitada en frecuencia (esto es, F() = 0 para cada >

M
) y deseamos transmitirla. Para ello, en primer lugar elegimos una
frecuencia
c
>
M
(habitualmente
c
es de hecho mucho mayor que

M
) y consideramos la seal modulada m(t) = f(t) cos
c
t. Observamos
que la transformada de Fourier de m(t) consiste simplemente de dos
copias de la transformada de f centradas en
c
. Esta seal m(t) es la
que se emite. Veamos como el aparato receptor recibe m(t) y recupera
f(t). Supongamos que en el receptor multiplicamos m(t) por cos
c
t.
Obtenemos entonces la seal
m(t) cos
c
t = f(t) cos
2

c
t = f(t)
1 + cos 2
c
t
2
=
f(t)
2
+
f(t) cos 2
c
t
2
.
Puesto que T(m(t) cos 2
c
t)() slo vales distinto de 0 en dos en-
tornos de centros 2
c
y radio
M
, resulta claro que pasando m(t) cos
c
t
por un ltro paso bajo recuperamos f(t) (divida por 2, pero esto no es
importante).
Bibliografa
[1] T. M. Apostol, Calculus, Ed. Revert 1990.
[2] R. G. Bartle y D. R. Sherbert, Introduccin al Anlisis Matemtico de una
variable Noriega Editores 1996.
[3] R. Churchill y J. Brown, Variable compleja y aplicaciones McGraw-Hill 1990.
[4] H. Hsu, Anlisis de Fourier Fondo Educ. Interamericano 1973.
[5] A. Oppenheim, R. Schafer y J. Buck, Tratamiento de seales en tiempo dis-
creto, Prentice Hall 2000.
65