Professional Documents
Culture Documents
Lección 4.
ANÁLISIS DE FOURIER.
Curso 2010-11
Una serie de este tipo recibe el nombre de serie trigonométrica o serie de Fourier.
El problema de la representación de una función mediante una serie trigonométrica surge,
como veremos en la lección 6, de la resolución de ecuaciones en derivadas parciales. En torno a
1750, J. d’Alembert, D. Bernoulli (1700—1782) y L. Euler estudiaron la ecuación de ondas que
gobierna el problema de la cuerda vibrante, un problema planteado y estudiado por B. Taylor
(1685—1731) que había obtenido soluciones en forma de funciones sinusoidales. D’Alembert dio
una solución muy general y Euler probó que si en el instante inicial la forma de la cuerda es una
combinación finita de senos, entonces ocurrirá lo mismo en cualquier instante posterior, dando
mucho más tarde, en 1777, las fórmulas que permiten calcular los coeficientes de la combinación.
En 1753, D. Bernoulli utilizó esta representación para resolver el problema de la cuerda vibrante
para una posición inicial cualquiera, pero su solución suscitó mucha controversia. Fue J.B. Fourier
(1768—1830) quien, al analizar en una famosa memoria presentada en 1807 la ecuación que go-
bierna la transmisión del calor en una barra, retomó las ideas de Euler y Bernoulli y obtuvo
resultados muy ajustados a los experimentos, colocando el estudio de las series trigonométricas
–que hoy llevan su nombre– en el centro del escenario matemático del S. XIX. La teoría de
las series de Fourier tuvo a lo largo del siglo pasado profundas implicaciones para el análisis
matemático y es hoy en día una herramienta fundamental de la ingeniería de telecomunicación.
En la teoría de la señal y la comunicación, cuando t es la variable temporal se dice que f (t)
es una señal periódica en tiempo continuo y cuando esta representación en serie de funciones
trigonométricas sea correcta, decimos que hemos descompuesto la señal en armónicos o modos
de vibración.
2 Lección 4. Análisis de Fourier
En esta lección estudiaremos bajo qué condiciones puede hacerse esta representación, cómo
calcular los coeficientes, los ejemplos más importantes, algunas propiedades y la forma compleja
de las series de Fourier. Finalmente, para funciones –señales– no periódicas, se introduce la
transformada de Fourier que, aunque es muy similar y comparte muchas propiedades con la
transformada de Laplace, se emplea en contextos muy diferentes.
Funciones periódicas. Recordemos que una función f : R → R es periódica de período T 6= 0
(o T -periódica) cuando existe T > 0 tal que
f(t + T ) = f(t) para cualquier t ∈R.
En ese caso se tiene automáticamente que f(t + nT ) = f (t) para cualesquiera t ∈ R y n ∈ Z.
Esto significa que sus valores se repiten a intervalos regulares y que su gráfica puede dividirse en
segmentos verticales de anchura T que son idénticos. Es obvio que si T es un período de f(t),
entonces también lo son −T, ±2T, ±3T, . . . Salvo las funciones constantes, todas las funciones
periódicas de interés en las aplicaciones, en particular las funciones continuas no constantes,
tienen lo que se conoce como un período fundamental o mínimo; o sea, un período T > 0 tal que
f (t) no es τ -periódica para ningún valor 0 < τ < T .
Los ejemplos típicos de funciones periódicas son las funciones trigonométricas sen (t) y cos(t),
que son periódicas con período mínimo 2π. Las funciones sen (2t) y cos(2t) también tienen
período 2π pero su período mínimo es π. Más generalmente, dados ω > 0, φ y n ∈ N, las
2π
funciones sen (nωt + φ) y cos(nωt + φ) son periódicas de período mínimo T = , porque
nω
sen (nω(t + T ) + φ) = sen (nωt + φ + 2π) = sen (nωt + φ)
e igual con el coseno. Para medir la velocidad de repetición de una función con período mínimo
T , se utiliza la frecuencia, a veces llamada frecuencia angular, definida como
2π 2π
frecuencia = = ,
período T
que se mide en radianes por segundo. En algunos textos se reserva la palabra frecuencia para la
inversa del período, 1/T que se mide en ciclos por segundoo hertzios.
Polinomios trigonométricos. Un polinomio trigonométrico con período T y frecuencia ω =
2π/T es una función de la forma
Xn0
1
f(t) = a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1
(el factor 12 del término independiente es un convenio cuya justificación daremos más adelante).
En otras palabras, un polinomio trigonométrico es una combinación lineal de senos y cosenos que
tienen un período común T . Los coeficientes an y bn de esta combinación se llaman coeficientes
de Fourier del polinomio. El índice n0 se llama grado del polinomio.
La razón del término “polinomio” es que las funciones sen (nωt) y cos(nωt) se pueden escribir
como una combinación de productos de potencias de sen (ωt) y cos(ωt), como en las conocidas
expresiones
sen (2ωt) = 2sen (ωt) cos(ωt) y cos(2ωt) = (cos(ωt))2 − (sen (ωt))2 .
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2010/11 3
Para calcular los demás coeficientes, Euler había observado que dados un período T y la
frecuencia correspondiente ω = 2π/T , entonces para cada m, n = 1, 2, . . . se tiene
Z T Z T (
0 si m 6= n,
cos(nωt) cos(mωt) dt = sen (nωt)sen (mωt) dt = T
0 0 si m = n
2
y también Z T
cos(nωt)sen (mωt) dt = 0.
0
1 P
Así que, multiplicando la expresión f(t) = a0 + ∞ n=1 [an cos(nωt) + bn sen (nωt)] por cos(mωt)
2
(para m = 1, 2, . . . ) e integrando sobre un período, obtenemos
Z T
f (t) cos(mωt) dt =
0
Z T X∞ ∙ Z T Z T ¸
= a0 cos(mωt) dt + an cos(nωt) cos(mωt) dt + bn sen (nωt) cos(mωt) dt
0 n=1 0 0
T
= am .
2
1 P
Análogamente, multiplicando la expresión f(t) = a0 + ∞ n=1 [an cos(nωt) + bn sen (nωt)] por
2
sen (mωt) (para m = 1, 2, . . . ) e integrando sobre un período, obtenemos
Z T
f(t)sen (mωt) dt =
0
Z T X ∞ ∙ Z T Z T ¸
= a0 sen (mωt) dt + an cos(nωt)sen (mωt) dt + bn sen (nωt)sen (mωt) dt
0 n=1 0 0
T
= bm .
2
se tiene
an cos(nωt) + bn sen (nωt) = αn cos(nωt + φn ),
así que podemos escribir la serie de Fourier de f como una superposición de armónicos en términos
de las amplitudes y las fases de la siguiente manera:
X
∞
f(t) ∼ α0 + αn cos(nωt + φn ).
n=1
1 X£
∞
1 ¤
f(t) ∼ a0 + (an − jbn )ejnωt + (an + jbn )e−jnωt .
2 2 n=1
Escribiendo
1 1 1
c0 = c0 e0 = a0 , cn = (an − jbn ) y c−n = cn = (an + jbn ),
2 2 2
separando los términos con índice negativo de los que tienen índice positivo y reordenando, la
serie de Fourier queda
X∞
f (t) ∼ cn ejnωt ,
n=−∞
que se llama forma compleja de la serie de Fourier de f . Los números cn se llaman coeficientes
de Fourier de la forma compleja y pueden calcularse de forma directa:
Z
1 T /2
cn = f (t)e−jnωt dt para n = 0, ±1, ±2, . . .
T −T /2
Si lo que tenemos son los coeficientes cn de la forma compleja, entonces los coeficientes de
Fourier an y bn , las amplitudes y las fases vienen dados por
Cuando f(t) es una señal periódica de período fundamental T , las componentes de la forma
compleja se dan en las frecuencias 0, ±ω, ±2ω, . . . Sin embargo, no es posible realizar física-
mente señales de frecuencia negativa, éstas se han introducido por comodidad. Para obtener una
señal real a partir de cada componente cn ejnωt debemos combinarla con c−n e−jnωt para obtener,
teniendo en cuenta que cn y c−n son conjugados,
cn ejnωt + c−n e−jnωt = |cn | ejφn ejnωt + |cn | e−jφn e−jnωt = 2 |cn | cos(nωt + φn ).
En el caso complejo, la representación de los módulos |cn | cuando situamos las frecuencias po-
sitivas y negativas en el eje de abscisas se llama espectro complejo de amplitudes y es simétrico
con respecto al eje de ordenadas. Las amplitudes αn = 2 |cn | = |cn | + |c−n | se obtienen sumando
los valores correspondientes a las frecuencias nω y −nω.
Naturalmente, aún está pendiente el problema de saber si el desarrollo en serie de Fourier de
una función dada converge y, en ese caso, si su límite es la función. Abordaremos ese problema
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2010/11 7
en la siguiente sección; ahora vamos a estudiar algunos ejemplos que nos indiquen qué podemos
esperar.
Ejemplos. (1) La serie de Fourier de un polinomio trigonométrico es el propio polinomio.
(2) La serie de Fourier de la función de onda rectangular de período T definida en [−T /2, T /2]
por ½
−1 si −T /2 < t < 0
f (t) =
1 si 0 < t < T /2
y extendida periódicamente a R es
∙ ¸
4 1 1
f(t) ∼ sen (ωt) + sen (3ωt) + sen (5ωt) + · · · ,
π 3 5
siendo ω = 2π/T . Vemos que no está claro a priori que la serie vaya a ser convergente.
(3) La serie de Fourier de la función dada por f (t) = (π − t)(π + t) para −π ≤ t ≤ π y
extendida periódicamente a R es
∙ ¸
2π2 1 1 1
f(t) ∼ + 4 cos(t) − cos(2t) + cos(3t) − cos(4t) + · · · .
3 4 9 16
En este caso sí está claro que la serie converge absolutamente para cada valor de t.
(4) La serie de Fourier de la función de onda dentada definida por f (t) = t/T para 0 < t < T
y extendida periódicamente a R es
∙ ¸
1 1 1
f(t) ∼ 1/2 − sen (ωt) + sen (2ωt) + sen (3ωt) + · · ·
π 2 3
con ω = 2π/T .
(5) La serie de Fourier de la función de onda dentada definida por f(t) = t/T para −T /2 <
t < T /2 y extendida periódicamente a R es
∙ ¸
1 1 1 1
f(t) ∼ sen (ωt) − sen (2ωt) + sen (3ωt) − sen (4ωt) + · · ·
π 2 3 4
con ω = 2π/T .
(6) Los coeficientes de Fourier complejos de un tren de pulsos rectangulares dado como la
extensión periódica de la función definida en [−T /2, T /2] por
½
k si 0 ≤ |t| < d/2,
f (t) =
0 si d/2 ≤ |t| < T /2,
son Z
k d/2 −jnωt kd sen (nωd/2)
cn = e dt =
T −d/2 T nωd/2
siendo ω = 2π/T. Los valores de cn son reales, lo que corresponde al hecho de que la función es
par, así que su espectro de fases es φn = 0 para cada n. La función
(
1 si t = 0,
sa(t) := sen (t)
si t 6= 0,
t
8 Lección 4. Análisis de Fourier
se llama función de muestreo (‘sa’ viene de la palabra inglesa sampling) y es muy importante en
la teoría de la señal precisamente porque los coeficientes de Fourier complejos del tren de pulsos
rectangulares de nuestro ejemplo se pueden expresar como
kd
cn = sa(nωd/2).
T
A veces, en vez de la función de muestreo se trabaja con una función relacionada, llamada seno
cardinal que se define como
(
1 si t = 0,
sinc(t) := sa(πt) := sen (πt)
si t 6= 0.
πt
La forma real de la serie de Fourier queda como sigue
∙ ¸
ωdk k sen (2ωd/2) sen (3ωd/2)
f(t) ∼ + sen (ωd/2) cos(t) + cos(2t) + cos(3t) + · · · .
2π π 2 3
(7) Si consideramos la función 2π periódica f que toma los valores f (t) = cos(t/2) para
t ∈ [−π, π) se tiene que ω = 1 y para cada número entero n
Z π Z π µ jt/2 ¶
1 −jnt 1 e + e−jt/2 −jnt −2(−1)n
cn = cos(t/2)e dt = e dt = .
2π −π 2π −π 2 (4n2 − 1)π
Las constantes, los cosenos o las funciones f(t) = tpar son ejemplos de funciones pares.
Se dice que una función f : [−L, L] → R es una función impar cuando f (−t) = −f (t) para
cada t ∈ [−L, L]; esto significa que su gráfica es simétrica respecto del origen de coordenadas. Si
f es impar e integrable, entonces ZL
f(t) dt = 0.
−L
Los senos o las funciones f (t) = timpar son ejemplos de funciones impares.
La suma y el producto de funciones pares o impares sigue la misma regla que los signos (con
“par” en el papel de “positivo” e “impar” en el de “negativo”). Otra propiedad útil es que la
derivada de una función par es impar y viceversa.
Teorema. Sea f(t) una función continua a trozos y periódica de período T .
(1) Si f es una función par, entonces su desarrollo en serie de Fourier sólo tiene funciones
coseno, lo que se conoce como una serie de Fourier en cosenos,
1 X∞
f (t) ∼ a0 + an cos(nωt)
2 n=1
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2010/11 9
siendo ω = 2π/T y
Z T /2
4
an = f (t) cos(nωt) dt (n = 0, 1, 2, . . . ).
T 0
siendo ω = 2π/T y
Z T /2
4
bn = f(t)sen (nωt) dt (n = 1, 2, . . . ).
T 0
y extendida periódicamente a toda la recta real R. Obviamente, fpar es una función par, así que
su desarrollo en serie de Fourier es una serie de cosenos que se conoce, en este contexto, como el
desarrollo de f en serie de cosenos en medio intervalo [0, L] y viene dado por
1 X∞
f (t) ∼ a0 + an cos(nωt) en [0, L],
2 n=1
siendo ω = π/L y
Z L
2
an = f (t) cos(nωt) dt (n = 0, 1, 2, . . . ).
L 0
La extensión T -periódica e impar de f es la función definida en [−L, L] = [−T /2, T /2] por
½
−f(−t) si −L ≤ t ≤ 0,
fimpar (t) =
f(t) si 0 ≤ t ≤ L,
y extendida periódicamente a toda la recta real R. Obviamente, fimpar es una función impar, así
que su desarrollo en serie de Fourier es una serie de senos que se conoce, en este contexto, como
10 Lección 4. Análisis de Fourier
X
∞
f(t) ∼ bn sen (nωt) en [0, L],
n=1
siendo ω = π/L y
Z L
2
bn = f (t)sen (nωt) dt (n = 1, 2, . . . ).
L 0
Ejemplo. Sea f(t) = t para t ∈ [0, π]. Entonces, su extensión par y 2π-periódica es la función
dada por fpar (t) = |t| para t ∈ [−π, π] y extendida periódicamente a toda la recta real; el
desarrollo de f en serie de cosenos en [0, π] es
∙ ¸
π 4 cos(3t) cos(5t)
f(t) ∼ − cos(t) + + + ··· .
2 π 32 52
Para la misma función f, su extensión impar y 2π-periódica viene dada por fimpar (t) = t para
t ∈ [−π, π] y extendida periódicamente a toda la recta real; el desarrollo de f en serie de senos
en [0, π] es
∙ ¸
sen (2t) sen (3t) sen (4t)
f (t) ∼ 2 sen (t) − + − + ··· .
2 3 4
1 X∞
f(t) ∼ a0 + [an cos(nωt) + bn sen (nωt)] ,
2 n=1
con ω = 2π/T , su serie de Fourier. Hemos comentado que la afirmación de que se da la igualdad
entre f y su serie de Fourier suscitó mucha controversia a lo largo de la segunda mitad del
S. XVIII y comienzos del S. XIX. Esta controversia fue zanjada por P.G.L. Dirichlet (1805—
1859): en 1829 dio la primera demostración satisfactoria de que cierta clase de funciones, que
incluye prácticamente todas las de interés en las aplicaciones, son realmente iguales a las sumas
de sus series de Fourier.
Condiciones de Dirichlet. Sea f : R → R una función periódica de período T . Se dice
que f satisface las condiciones de Dirichlet si en cada período la función f : [0, T ] → R es
continua salvo un número finito de discontinuidades de salto y sólo tiene una cantidad finita
de máximos y mínimos locales estrictos. Puede probarse, en particular, que si una función
periódica es tal que ella y su derivada están definidas y son continuas salvo un número finito
de discontinuidades de salto, entonces dicha función verifica las condiciones de Dirichlet. Como
hemos dicho, prácticamente todas las funciones –señales– de interés en las aplicaciones las
verifican.
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2010/11 11
1 X∞
f(t) ∼ a0 + [an cos(nωt) + bn sen (nωt)] ,
2 n=1
(2) Si f tiene una discontinuad de salto en un punto t, entonces la serie de Fourier converge
en ese punto al punto medio del salto, o sea,
1 X∞
f(t− ) + f(t+ )
a0 + [an cos(nωt) + bn sen (nωt)] = ,
2 n=1
2
donde, como es habitual, f(t− ) = limτ →0,τ >0 f(t − τ ) indica el límite de f en t por la izquierda
y f(t+ ) = limτ →0,τ >0 f(t + τ ) indica el límite de f en t por la derecha.
El teorema nos dice, en particular, que si f satisface las condiciones de Dirichlet y redefinimos
el valor de f en cada punto de discontinuidad como el punto medio del salto, o sea, poniendo
f(t− ) + f(t+ )
f(t) = , entonces la suma de la serie de Fourier coincide con f(t) en cada t ∈ R.
2
Por eso, en lo que sigue, y salvo que se diga lo contrario, supondremos que esto se cumple.
Ejemplo. Hemos visto que la serie de Fourier de la función dada por f (t) = (π − t)(π + t) para
−π ≤ t ≤ π y extendida periódicamente a R es
∙ ¸
2π2 1 1 1
f(t) ∼ + 4 cos(t) − cos(2t) + cos(3t) − cos(4t) + · · · .
3 4 9 16
El fenómeno de Gibbs. El teorema de Dirichlet nos dice que, en los puntos de discontinuidad,
la gráfica de la suma de la serie de Fourier pasa por el punto medio del salto. Si se dibujan las
sumas parciales se ve que en las cercanías de los puntos de discontinuidad se reduce la velocidad
de convergencia de la serie y que la gráfica de la suma parcial oscila alrededor de la gráfica de la
función. Cuando se aumenta el número de términos, las oscilaciones se condensan a ambos lados
del punto pero su amplitud no parece decrecer. Esto se conoce como el fenómeno de Gibbs,en
honor de J.W. Gibbs (1839—1903) que lo analizó en 1899 Z probando que la amplitud de la oscilación
π
1 sen (t)
a cada lado de la gráfica de la función tiende a ser dt − 1 ≈ 0.0895 veces el tamaño
2π 0 t
del salto, o sea, aproximadamente el 9% del tamaño del salto. Veamos un ejemplo. Consideremos
la función de onda rectangular de período 2π definida en [−π, π] por
½
−1 si −π < t < 0
f(t) =
1 si 0 < t <π
1.5 1.5
1 1
0.5 0.5
0 0
−0.5 −0.5
−1 −1
−1.5 −1.5
−10 −5 0 5 10 15 −10 −5 0 5 10 15
siendo ω = 2π/T .
Linealidad. Si p y q son números complejos, entonces la serie de Fourier de pf (t) + qg(t) es
X
∞
pf(t) + qg(t) = (pcn + qdn )ejnωt .
n=−∞
O sea, f (t) y f(pt) tienen las mismas amplitudes y fases pero correspondientes a frecuencias
distintas.
Derivación de las series de Fourier. La regla de la cadena muestra que la derivada de una
función periódica es periódica y tiene el mismo período. Si f es una función continua y periódica
de período T y su derivada f 0 verifica las condiciones de Dirichlet, entonces, la serie de Fourier
de f puede derivarse término a término de manera que si
1 X∞
f(t) = a0 + [an cos(nωt) + bn sen (nωt)] ,
2 n=1
entonces
X
∞
0
f (t) ∼ [nbn ω cos(nωt) − nan ωsen (nωt)]
n=1
para cada t ∈ R.
Ejercicio: reescribir esta propiedad en términos de la forma compleja de la serie de Fourier.
Integración de las series de Fourier. A diferencia de la operación de derivación, la integral
de una función no necesariamente vuelve
R t a ser periódica. Sea f una función periódica con período
T y consideremos la función F (t) = t0 f(τ ) dτ . Entonces la función F es T -periódica si y sólo
2 RT Rt 1
si a0 = 0
f (t) dt = 0. En caso contrario, se tiene que la función t0 f (τ ) dτ − a0 (t − t0 )
T 2
es T -periódica. Si adicionalmente la función f verifica las condiciones de Dirichlet, entonces, la
serie de Fourier de f puede integrarse término a término de manera que si
1 X∞
f (t) = a0 + [an cos(nωt) + bn sen (nωt)]
2 n=1
14 Lección 4. Análisis de Fourier
1 Xm Xm
fm (t) = a0 + [an cos(nωt) + bn sen (nωt)] = cn ejnωt
2 n=1 n=−m
el polinomio trigonométrico obtenido como la suma m-ésima de dicha serie. Entonces fm es,
de todos los polinomios trigonométricos de grado m y período T , el que mejor se aproxima a f
en media cuadrática; es decir, si gm es un polinomio trigonométrico de grado m distinto de fm ,
entonces Z Z
1 T 2 1 T
[f(t) − fm (t)] dt < [f (t) − gm (t)]2 dt
T 0 T 0
y, además,
Z T
1
lim [f (t) − fm (t)]2 dt = 0.
m→∞ T 0
y al subespacio M formado por todos los polinomios trigonométricos de grado menor o igual a
n. Una base ortonormal de dicho subespacio está formado por las funciones
½ ¾
1
, cos(ωt), sen (ωt), ..., cos(nωt), sen (nωt) .
2
4 La transformación de Fourier
La representación integral de Fourier. Hemos visto que la forma compleja de la serie de
Fourier de una función f periódica de período T que verifica las condiciones de Dirichlet es
X
∞
f (t) = cn ejnωt ,
n=−∞
Si nuestra señal no es periódica, no podemos esperar que sea posible representarla median-
te una serie de Fourier. Una de las contribuciones decisivas de Fourier fue tratar una función
no periódica como si fuera una función con período infinito, lo que le llevó a la posibilidad de
16 Lección 4. Análisis de Fourier
representarla no como una serie cuyos términos corresponden a múltiplos de la frecuencia fun-
damental 0, ω, 2ω, 3ω, . . . , sino como una integral cuya variable de integración es una frecuencia
que se mueve de manera continua. Veamos cuál fue su razonamiento.
Partiendo de una función periódica y combinando las expresiones anteriores, obtenemos
" Z #
X∞ X∞
1 T /2
jnωt −jnωτ
f(t) = cn e = f (t)e dτ ejnωt .
n=−∞ n=−∞
T −T /2
1 X
∞
f(t) = FT (ω n )ejωn t ∆ω n .
2π n=−∞
Si T es muy grande, podemos interpretar esta suma como una suma de Riemann de la integral
impropia
Z ∞
1 X
∞
1 jωt
FT (ω)e dω ≈ FT (ω n )ejωn t ∆ω n = f (t).
2π −∞ 2π n=−∞
En consecuencia, si hacemos T → ∞ y consideramos la función F dada por
Z ∞
F (ω) = lim FT (ω) = f(τ )e−jωτ dτ ,
T →∞ −∞
Condiciones de Dirichlet para la integral de Fourier. Se dice que una señal real o compleja
f(t), definida para cada t ∈ R, satisface las condiciones de Dirichlet para la integral de Fourier
si f(t) es absolutamente integrable en R, o sea,
Z ∞
|f (t)| dt < ∞,
−∞
y, además, en cada subintervalo finito se verifica que f (t) es continua salvo un número finito de
discontinuidades de salto y que sus partes real e imaginaria sólo tienen una cantidad finita de
máximos y mínimos locales estrictos.
Teorema de convergencia de la integral de Fourier. Si f satisface las condiciones de
Dirichlet para la integral de Fourier, entonces para cada ω ∈ R se tiene que la integral
Z ∞
F (ω) = f (t)e−jωt dt
−∞
Puesto que el valor de F (ω) para cada variable real ω es un número complejo, suele represen-
tarse usando una gráfica para su módulo |F (ω)| y otra para su argumento principal arg(F (ω)) ∈
(−π, π] que se conocen, respectivamente, como espectro de amplitudes y espectro de fases de f .
Ejemplos. (1) La transformada de Fourier de la función exponencial unilateral
½
−αt 0 si t < 0,
f(t) = h0 (t)e = −αt
e si t > 0,
18 Lección 4. Análisis de Fourier
y, teniendo en cuenta que F vuelve a ser una función par, concluimos que
Z ∙Z ∞ ¸
2 ∞
f(t) = f(τ ) cos(ωτ ) cos(ωt) dτ dω.
π 0 0
y, teniendo en cuenta que F vuelve a ser una función impar, concluimos que
Z ∙Z ∞ ¸
2 ∞
f (t) = f (τ )sen (ωτ )sen (ωt) dτ dω.
π 0 0
(Es claro que si las funciones f y g son causales, entonces esta definición coincide con la dada
en la lección anterior.) Este producto de convolución también es conmutativo, asociativo y
distributivo y, como en el caso de la transformada de Laplace, su propiedad más importante es
que su transformada de Fourier es el producto de las transformadas de Fourier de los factores:
Entonces
1
F{f (t)g(t)} (ω) = F (ω) ∗ G(ω).
2π
Teorema de Parseval. La energía total asociada con una función f : R → R se define como
Z ∞
|f (t)|2 dt.
−∞
Si una función tiene energía total finita, entonces su transformada de Fourier también y, de hecho,
se tiene Z ∞ Z ∞
2 1
|f (t)| dt = |F (ω)|2 dω.
−∞ 2π −∞
y, en particular,
F{δ 0 (t)}(ω) = 1.
Usando la propiedad de dualidad nos quedaría, entonces,
Se dice entonces que la función ejω0 t admite una transformada de Fourier generalizada que es
F{ejω0 t }(ω) = 2πδ ω0 (ω) y, en particular, que la transformada de Fourier generalizada de la
función constante 1 es 2πδ 0 (ω).
Transformada de Fourier generalizada de una función periódica. Si tenemos una función
periódica f(t) de período T0 y frecuencia ω 0 que verifica las condiciones de Dirichlet, entonces su
desarrollo en serie de Fourier es
X∞
f(t) = cn ejnω0 t .
n=−∞
X
∞
F (ω) = 2π cn δ 0 (ω − nω 0 )
n=−∞
X
∞
f(t) = g(t − nT0 ).
n=−∞
6 Ejercicios
Ejercicio 1. ¿Qué relación deben mantener dos frecuencias positivas ω 1 y ω2 para que la función
f (t) = sen (ω 1 t) + sen (ω2 t) sea un polinomio trigonométrico? Cuando eso ocurra, ¿cuál será su
período?
Ejercicio 2. Determina el desarrollo en serie de Fourier de las siguientes funciones, que están
definidas como se indica en el intervalo [−π, π] y se extienden periódicamente a toda la recta
real:
1. f (t) = t cos(t)
2. f (t) = t2
3. f (t) = |sent|
4. f (t) = et .
Dibuja las funciones a las que tienden las series obtenidas en el intervalo [−5π, 5π].
Ejercicio 4. Halla los siguientes desarrollos en serie de Fourier de la función f (t) = t2 .
Dibuja la función a la que tiende las serie obtenida en el intervalo [−6π, 8π].
Ampliación de Matemáticas (Ingeniería de Telecomunicación) – Curso 2010/11 23
Dibuja la función a la que tiende las serie obtenida en el intervalo [−5π, 5π] y aplica el teorema
de Dirichlet para deducir las siguientes igualdades:
X
∞
1 1 1 1 π2
= 1 + + + + · · · =
n=1
(2n − 1)2 32 52 72 8
X∞
1 1 1 1 π2
2
= 1 + 2
+ 2
+ 2
+ · · · = .
n=1
n 2 3 4 6
Ejercicio 7. Halla los desarrollos en serie de Fourier de la función f(t) = 1 − cos2 (t) que se
piden a continuación:
Ejercicio 13. Determina la transformada de Fourier de cada una de las siguientes funciones (a
representa un número real positivo).
1. f (t) = e−a|t|
Ejercicio 14. Determina la transformada de Fourier de cada una de las siguientes funciones (a
representa un número con parte real positiva y h0 es la función de salto de Heaviside).
2. La función triangular ½
1 − |t| /T si |t| < T,
f (t)=
0 si |t| > T.
Ejercicio 16. Calcula la transformada de Fourier de las siguientes funciones (cosenos vistos a
través de ventanas, “windowed cosines” en inglés).
3. f3 (t) = f 00 (t − 1).
2
Ejercicio 21. Sabiendo que F{e−|t| } = , halla F{te−|t| } y aplica la propiedad de dualidad
1 + ω2
para calcular F{4t/(1 + t2 )2 }.
Ejercicio 22. Prueba las siguientes afirmaciones.
Ejercicio 23. Halla f (t) sabiendo que la transformada de Fourier de g(t) = f(t) cos(t) es
½
1 si |ω| < 2,
F{g(t)}(ω) =
0 en otro caso.
Ejercicio 24. Halla las transformadas de Fourier generalizadas de las funciones sen(ωt), cos(ωt)
y ej(ωt+φ) .
Ejercicios y cuestiones de exámenes de cursos anteriores.
Ejercicio 25. Halla la forma compleja de la serie de Fourier de la onda triangular definida en el
intervalo [−1, 1] por
tri(t) = 1 − |t|
y extendida 2-periódicamente.
26 Lección 4. Análisis de Fourier
Ejercicio 26. (1) Sea f (t) la función definida por f (t) = t para 0 ≤ t < 1 y extendida
periódicamente a toda la recta real. Calcula la forma compleja de la serie de Fourier de f y
dibuja la función a la que converge dicha serie en el intervalo [−2, 2].
P
∞
(2) Aplica la forma compleja de la igualdad de Parseval para deducir el valor de n−2 .
n=1
Ejercicio 27. Enuncia y demuestra la igualdad de Parseval para las series de Fourier reales.
Ejercicio 28. Enuncia y demuestra la propiedad de traslación en el tiempo para la transforma-
ción de Fourier.
Ejercicio 29. Enuncia y demuestra la propiedad de convolución en el tiempo para la transfor-
mación de Fourier.
Ejercicio 30. (1) Enuncia las condiciones de Dirichlet para la transformación de Fourier y el
correspondiente Teorema de Convergencia.
(2) Utiliza el teorema mencionado en el apartado anterior para calcular la función continua
cuya transformada de Fourier es la función F (ω) = e−|ω| para ω ∈ R.
Ejercicio 31. Sea f el pulso rectangular dado por f(t) = 1 si |t| Z< 1 y f (t) = 0 si |t| ≥ 1.
∞
sen (x)
Calcula su transformada de Fourier y úsala para deducir el valor de dx.
−∞ x
jω
Ejercicio 32. La transformada de Fourier de una función f(t) es F (ω) = . Calcula la
cosh(ω)
transformada de Fourier de la función g(t) = f 0 (2t − 1) enunciando las propiedades que utilices.
Ejercicio 33. Aplica la transformación de Fourier al problema de valor inicial
7 Bibliografía
Para desarrollar esta lección pueden consultarse los siguientes textos, en especial el de James
(que incluye algunas aplicaciones a la ingeniería).
[517.9/3-EDW] C.H. Edwards y D.E. Penney, Ecuaciones diferenciales elementales, Cap. 8.
[517.9/2-SIM] G.F. Simmons, Ecuaciones diferenciales, Cap. 6.
[51:62/ADV] G. James, Advanced Modern Engineering Mathematics, Cap. 4 (secciones 4.1 a 4.6)
y Cap. 5 (secciones 5.1 a 5.5)