Laboratorio Nº 01: Simulación de la Serie de

Fourier Mediante el Software Matlab

Alva Fuertes José Luis Miguel

Facultad de Ingeniería Eléctrica y Electrónica, Universidad Nacional de
Ingeniería Lima, Perú
jalvaf@uni.pe

ginleesora2@gmail.com

I. OBJETIVO
C. Métodos de transmisión sincrónicos
-Los siguientes experimentos tienen como finalidad
mostrar mediante una gráfica una onda periódica por En transmisión síncrona además de enviar los datos
medio de la sumatoria de “n” términos de la serie de también se envía la señal de reloj, de esta manera el
Fourier. receptor se sincroniza con el transmisor y determina los
II. TEORÍA instantes significativos de la señal que recibe.

A. Transmisión. Durante la transmisión de un En la transmisión síncrona los datos que se envían se

fenómeno a través de un medio físico se produce
una serie de fenómenos de atenuación o ruido que
podrían distorsionar la onda. Para poder interpretar
la señal transmitida, vamos a utilizar una
herramienta matemática que se denomina Análisis
de Fourier.
B. Métodos de transmisión asincrónicos
agrupan en bloques formando tramas, que son un
conjunto de bits con tamaño y estructura determinados.
Este tipo de transmisión es más eficiente que la
asíncrona, siendo también más inmune a errores, por lo
que se suele usar para mayores velocidades que la
asíncrona.

Este modo de transmisión se caracteriza porque la

base del tiempo de transmisor o receptor no es la
misma, empleándose un reloj de datos para la Ventajas:
transmisión así como la recepción.
 Posee un alto rendimiento en la transmisión
En este tipo de transmisión, el receptor sincroniza  Los equipamientos son de tecnología más
su reloj con el transmisor usando el bit de completa y de costos más altos
arranque que llega con cada carácter.  Son aptos para transmisiones de altas
velocidades (iguales o mayores a 1,200
Ventajas y desventajas: baudios de velocidad de modulación)
 El flujo de datos es más regular.
 En caso de errores se pierde siempre una
cantidad pequeña de caracteres, pues éstos
se sincronizan y se transmiten de uno en uno.
 Bajo rendimiento de transmisión, dada la III. DESARROLLO DE LA EXPERIENCIA
proporción de bits útiles y de bits de
A. Equipos y Materiales
sincronismo, que hay que transmitir por cada
carácter. Utilizamos los siguientes equipos:
 Es un procedimiento que permite el uso de
equipamiento más económico y de tecnología
menos sofisticada.
 Se adecua más fácilmente en aplicaciones,
donde el flujo transmitido es más irregular.
 Son especialmente aptos, cuando no se
necesitan lograr altas velocidades.
Computadora

Software
Matlab

Cámara
fotográfica

Guía de
Laboratorio
 𝑻
𝟐 𝟐
𝒃𝒏 = (∫ 𝒇(𝒕). 𝑺𝒆𝒏(𝒏𝒘𝒕)𝒅𝒕)
IV. RESPUESTA APREGUNTAS 𝑻 −𝑻
𝟐

1. La función seno y coseno, ¿son La demostración de los

funciones periódicas?, Explique. coeficientes de Fourier se
desarrollará en la pregunta 3 de
Para responder esta pregunta, habría que definir ¿Qué este informe.
es una función periódica?, una función periódica es
tal que existe un número positivo “t” para todo “x”, tal
que y además “t” es el menor número positivo para el
Propiedad 1) Si la función “f” es
cual se cumple: par, esto es si 𝑓(𝑡) = 𝑓(−𝑡),
entonces:
𝑓(𝑥 + 𝑡) = 𝑓(𝑥) ∞
𝒂𝟎
𝒇(𝒕) = + ∑(𝒂𝒏 𝑪𝒐𝒔(𝒏𝒘𝒕))
𝟐
𝒏=𝟏
Para demostrar que ambas funciones son periódicas,
𝑻
de forma gráfica, con la ayuda de una circunferencia 𝟒 𝟐
unitaria donde la longitud de la circunferencia es de 2π, 𝒂𝒏 = (∫ 𝒇(𝒕). 𝑪𝒐𝒔(𝒏𝒘𝒕)𝒅𝒕
se elegirá un punto aleatorio de está que sea un punto 𝑻 𝟎
𝑃(𝑥, 𝑦), Entonces mediante una tabulación de valores y
graficando la función seno o coseno, se mostrará que Propiedad 2) Si la función “f” es
dicho punto P, se repetirá para todos los múltiplos de impar, esto es si 𝑓(−𝑡) = −𝑓(𝑡),
2π, con lo cual el periodo será 2π. entonces:
∞

𝒇(𝒕) = ∑(𝒃𝒏 𝑺𝒆𝒏(𝒏𝒘𝒕))

𝒏=𝟏

𝑻
𝟒 𝟐
𝒃𝒏 = (∫ 𝒇(𝒕). 𝑺𝒆𝒏(𝒏𝒘𝒕)𝒅𝒕)
𝑻 𝟎

Identidad de Parseval
2. Detallar las propiedades de los
coeficientes de Fourier, Identidad de El teorema de Parseval define que la
Parseval, relación entre los coeficientes potencia de las señales es
de Fourier y su derivada. equivalente a la suma de la potencia
de sus componentes espectrales y se
Considerando que los coeficientes de Fourier son: toma dependiendo de si la señal es
periódica o no ya que para su análisis
se implementa la serie y la
transformada de Fourier
∞
respectivamente
𝒂𝟎
𝒇(𝒕) = + ∑(𝒂𝒏 𝑪𝒐𝒔(𝒏𝒘𝒕) + 𝒃𝒏 𝑺𝒆𝒏(𝒏𝒘𝒕)) 𝑻
𝟐 𝟏 𝟐
𝒏=𝟏 ∫ {𝒇(𝒕)}𝟐 𝒅𝒕 =
𝑻 −𝑻
𝑻 𝟐
∞
𝟐 𝟐 𝟏 𝟐 𝟏
𝒂𝟎 = (∫ 𝒇(𝒕). 𝒅𝒕) . 𝒂 𝟎 + ∑(𝒂𝟐 𝒏 + 𝒃𝟐 𝒏 )
𝑻 −𝑻 𝟒 𝟐
𝟐 𝒏=𝟏

Cálculo de la serie de Fourier

𝑻
𝟐 𝟐 mediante derivadas sucesivas
𝒂𝒏 = (∫ 𝒇(𝒕). 𝑪𝒐𝒔(𝒏𝒘𝒕)𝒅𝒕)
𝑻 −𝑻
𝟐 Sea la función continua f(t):
 ∞
𝒂𝟎 𝑓 ′ ′(𝑡)
𝒇(𝒕) = + ∑(𝒂𝒏 𝑪𝒐𝒔(𝒏𝒘𝒕) + 𝒃𝒏 𝑺𝒆𝒏(𝒏𝒘𝒕)) ∞
𝟐 = ∑ −𝒂𝒏 (𝒏𝒘)𝟐 𝑪𝒐𝒔(𝒏𝒘𝒕)
𝒏=𝟏
que tiene una derivada a trozos f’ que es una función 𝑛=1
𝑇 𝑇 ∞
integrable (− ; ), como la función f’ se obtiene
2 2
derivando la función f(t) − ∑ 𝒃𝒏 (𝒏𝒘)𝟐 𝑺𝒆𝒏(𝒏𝒘𝒕)
𝒏=𝟏
∞

𝑓 ′ (𝑡) = ∑ −𝒂𝒏 (𝒏𝒘)𝑺𝒆𝒏(𝒏𝒘𝒕) 𝑓 ′ ′′(𝑡)

∞
𝑛=1
∞ = ∑ 𝒂𝒏 (𝒏𝒘)𝟑 𝑺𝒆𝒏(𝒏𝒘𝒕)
+ ∑ 𝒃𝒏 (𝒏𝒘)𝑪𝒐𝒔(𝒏𝒘𝒕) 𝑛=1
∞
𝒏=𝟏
− ∑ 𝒃𝒏 (𝒏𝒘)𝟑 𝑪𝒐𝒔(𝒏𝒘𝒕)
Derivando “k” veces: 𝒏=𝟏

𝑓 ′𝑣 (𝑡)
∞ ∞ ∞

𝑓 𝑘 (𝑡) = ∑ 𝒂𝒏 (𝒌) 𝑺𝒆𝒏(𝒏𝒘𝒕) + ∑ 𝒃𝒏 (𝒌) 𝑪𝒐𝒔(𝒏𝒘𝒕) = ∑ 𝒂𝒏 (𝒏𝒘)𝟒 𝑪𝒐𝒔(𝒏𝒘𝒕)

𝑛=1 𝒏=𝟏 𝑛=1
∞

Para este caso: + ∑ 𝒃𝒏 (𝒏𝒘)𝟒 𝑺𝒆𝒏(𝒏𝒘𝒕)

𝒏=𝟏

-Si “k” es impar:

Entonces para “k” derivadas
sucesivas de la función “f” tenemos:
𝒌−𝟏 𝒂(𝒌) 𝒏
𝒃𝒏 = (−𝟏) 𝟐
(𝒏𝒘)𝒌 𝑓 𝑘 (𝑡)
∞

= ∑ 𝒂𝒏 (𝒌) 𝑺𝒆𝒏(𝒏𝒘𝒕)
(𝒌)
𝒌−𝟏
+𝟏 𝒃 𝒏 𝑛=1
∞
𝒂𝒏 = (−𝟏) 𝟐
(𝒏𝒘)𝒌
+ ∑ 𝒃𝒏 (𝒌) 𝑪𝒐𝒔(𝒏𝒘𝒕)
𝒏=𝟏
-Si “k” es par:
Viendo que la serie tiene cierta
secuencia cuando “k” es par o impar,
𝒌 𝒂(𝒌) 𝒏 los valores de 𝒂𝒏 (𝒌) y 𝒃𝒏 (𝒌) son:
𝒂𝒏 = (−𝟏)𝟐
(𝒏𝒘)𝒌
- Si “k” es impar:

𝑘−1
𝒌 𝒃(𝒌) 𝒏 𝑎𝑛 (𝑘) = (−1) 2 (𝑛𝑤)𝑘 𝑏𝑛
𝒃𝒏 = (−𝟏)𝟐
(𝒏𝒘)𝒌
Despejando 𝒃𝒏 :

Siempre y cuando la serie sea convergente.

𝒌−𝟏
La demostración se puede apreciar cuando se deriva (−𝟏) 𝟐 . 𝒂𝒏 (𝒌)
sucesivamente: 𝒃𝒏 =
(𝒏𝒘)𝒌
∞
𝑘−1
+1
𝑓 ′ (𝑡)
= ∑ −𝒂𝒏 (𝒏𝒘)𝑺𝒆𝒏(𝒏𝒘𝒕) 𝑏𝑛 (𝑘) = (−1) 2 (𝑛𝑤)𝑘 𝑎𝑛
𝑛=1
∞
Despejando 𝒂𝒏 :
+ ∑ 𝒃𝒏 (𝒏𝒘)𝑪𝒐𝒔(𝒏𝒘𝒕)
𝒏=𝟏 𝒌−𝟏
+𝟏
(−𝟏)𝟐 . 𝒃𝒏 (𝒌)
𝒂𝒏 =
(𝒏𝒘)𝒌
- Si “k” es par:
𝜋
𝑘 ∫ 𝑓(𝑡)𝑑𝑡
𝑎𝑛 (𝑘) = (−1)2 (𝑛𝑤)𝑘 𝑎𝑛 −𝜋
𝜋
𝑎0
=∫ (
Despejando 𝒂𝒏 : −𝜋 2
∞

+ ∑(𝑎𝑛 𝐶𝑜𝑠(𝑛𝑡)
𝒌 𝑛=1
(−𝟏)𝟐 . 𝒂𝒏 (𝒌) + 𝑏𝑛 𝑆𝑒𝑛(𝑛𝑡)))𝑑𝑡
𝒂𝒏 =
(𝒏𝒘)𝒌
𝜋
𝑘 ∫ 𝑓(𝑡)𝑑𝑡
𝑏𝑛 (𝑘) = (−1)2 (𝑛𝑤)𝑘 𝑏𝑛 −𝜋
𝑎0 𝜋
= ∫ 𝑑𝑡
Despejando 𝒃𝒏 : 2 −𝜋
∞ 𝜋
𝒌 + ∑ (𝑎𝑛 ∫ 𝐶𝑜𝑠(𝑛𝑡)𝑑𝑡
(−𝟏)𝟐 . 𝒃𝒏 (𝒌) −𝜋
𝒃𝒏 = 𝑛=1
(𝒏𝒘)𝒌 𝜋
+ 𝑏𝑛 ∫ 𝑆𝑒𝑛(𝑛𝑡)𝑑𝑡))
−𝜋
Con lo cual queda demostrado.
Conociendo que:
3. Definir y explicar detalladamente la serie de
Fourier, determinar los coeficientes de la 𝜋
función “f”. ∫ 𝐶𝑜𝑠(𝑛𝑡)𝑑𝑡
−𝜋
𝜋
Las series de Fourier, se originaron debido a que = ∫ 𝑆𝑒𝑛(𝑛𝑡)𝑑𝑡 = 0
explicar las funciones periódicas era con frecuencia −𝜋
bastante complicado, y era deseable representarlas en
funciones más simples. De esta problemática nacieron 𝟏 𝝅
las series de Fourier, que son series que se 𝒂𝟎 = ∫ 𝒇(𝒕)𝒅𝒕
representan por una sumatoria de funciones seno y 𝝅 −𝝅
coseno.
Para el cálculo de 𝑎𝑛 se multiplica a
Cálculo de los Coeficientes de Fourier: “f(t)” por Cos(pt) con 𝑝 ∈ 𝑍 + y se
integra, lo cual nos da:
Supongamos que la siguiente función f(t) de periodo 2π
𝜋
puede representarse por:
∫ 𝑓(𝑡)𝐶𝑜𝑠(𝑛𝑡)𝑑𝑡
∞ −𝜋
𝜋
𝑎0 𝑎0
𝑓(𝑡) = + ∑(𝑎𝑛 𝐶𝑜𝑠(𝑛𝑡) + 𝑏𝑛 𝑆𝑒𝑛(𝑛𝑡)) =∫ (
2 −𝜋 2
𝑛=1 ∞

Es decir, que esta serie converge y que tiene a f(t)

+ ∑(𝑎𝑛 𝐶𝑜𝑠(𝑝𝑡). 𝐶𝑜𝑠(𝑛𝑡)
como su suma. 𝑛=1
+ 𝑏𝑛 𝑆𝑒𝑛(𝑛𝑡). 𝐶𝑜𝑠(𝑝𝑡)))𝑑𝑡
Calcularemos 𝑎0 :
Conociendo que:
Para ello integraremos ambas partes:
𝜋
∫ 𝑆𝑒𝑛(𝑛𝑡). 𝐶𝑜𝑠(𝑝𝑡)𝑑𝑡
𝜋 𝜋 −𝜋
𝑎0 𝑎0 𝜋
∫ 𝑓(𝑡)𝑑𝑡 = ∫ ( = ∫ 𝐶𝑜𝑠(𝑛𝑡)𝑑𝑡 = 0
−𝜋 −𝜋 2 2 −𝜋
∞

+ ∑(𝑎𝑛 𝐶𝑜𝑠(𝑛𝑡) Entonces nos queda:

𝑛=1
+ 𝑏𝑛 𝑆𝑒𝑛(𝑛𝑡)))
 𝟏 𝝅 𝑇
𝒂𝒏 = ∫ 𝒇(𝒕)𝑪𝒐𝒔(𝒏𝒕)𝒅𝒕 ∫ |𝑓(𝑡)|𝑑𝑡 < ∞
𝝅 −𝝅 0
Esto se puede probar usando la
Análogamente se multiplica “f(t)” por Sen(pt): condición inicial de los coeficientes
iniciales de las series de Fourier
𝜋 que pueden ser finitas:
∫ 𝑓(𝑡)𝑆𝑒𝑛(𝑛𝑡)𝑑𝑡
−𝜋
𝜋 1 𝑇
𝑎0 |𝑐𝑛 | = | ∫ 𝑓(𝑡)𝑒 −(𝑖𝑤𝑜 𝑛𝑡) 𝑑𝑡 |
= ∫ ( 𝑆𝑒𝑛(𝑝𝑡) 𝑇 0
−𝜋 2 𝑇
∞ 1
≤ ∫ |𝑓(𝑡)||𝑒 −(𝑖𝑤𝑜 𝑛𝑡) |𝑑𝑡
+ ∑(𝑎𝑛 𝑆𝑒𝑛(𝑝𝑡). 𝑆𝑒𝑛(𝑛𝑡) 𝑇 0
𝑛=1
+ 𝑏𝑛 𝑆𝑒𝑛(𝑝𝑡). 𝐶𝑜𝑠(𝑛𝑡)))𝑑𝑡 Recordando que los
exponenciales complejos,
Conociendo que: sabemos que |𝑒 −(𝑖𝑤𝑜 𝑛𝑡) | = 1,
entonces nos queda:
𝜋
𝑎0 𝜋
∫ 𝑆𝑒𝑛(𝑝𝑡). 𝐶𝑜𝑠(𝑛𝑡)𝑑𝑡 = ∫ 𝑆𝑒𝑛(𝑝𝑡)𝑑𝑡 1 𝑇 1
−𝜋 2 −𝜋 ∫ |𝑓(𝑡)||𝑒 −(𝑖𝑤𝑜 𝑛𝑡) |𝑑𝑡 =
=0 𝑇 0 𝑇
<∞
Entonces nos queda:
2. Las series de Fourier existen si:
𝝅
𝟏
𝒃𝒏 = ∫ 𝒇(𝒕)𝑺𝒆𝒏(𝒏𝒕)𝒅𝒕 ∞
𝝅 −𝝅 ∫ |𝑓(𝑡)|𝑑𝑡 < ∞
−∞
Esto se puede derivar de la misma
4. Explicar detalladamente las condiciones de manera que la condición anterior, se
empieza con la definición y se
DRICHLET y el teorema de la convergencia.
demuestra que la integral debe ser
menor que infinito en todas partes.
Condiciones Fuertes de Dirichlet:
Teorema de la Convergencia
Las series de Fourier existen si la señal tiene un
número finito de discontinuidades y un número finito de
Para la función f(x) definida para todo
máximos y mínimos. Para que las series de Fourier
x, con periodo 2π y sea f’(x) continua
existan las siguientes dos condiciones se deben de
a trozos en [−𝜋, 𝜋]. La serie de
satisfacer:
Fourier de f(x) converge absoluta y
uniformemente.
1. En un periodo, f(t) tiene solo un número finito de
mínimos y máximos.
Para demostrarla se usará el criterio
2. En un período f(t) tiene un numero finito de
M de Weierstrass. Donde se analizará
discontinuidades y cada una es finita.
la convergencia uniforme de la serie:
Viéndolo en perspectiva se podría pensar que existen 𝑎0
señales como sin(logt), sin embargo, no es posible
crear esta señal en un laboratorio. Por eso cualquier 2
∞
señal en el mundo real tendrá una representación de
Fourier. + ∑(𝑎𝑛 𝐶𝑜𝑠(𝑛𝑡)
𝑛=1
Condiciones débiles de Dirichlet: + 𝑏𝑛 𝑆𝑒𝑛(𝑛𝑡))

1. Para que las series de Fourier existan, los
coeficientes de Fourier deben ser finitos, esta
condición garantiza su existencia. Esencialmente
dice que el integral de valor absoluto de la señal
debe ser finito.
El criterio M de Weierstrass nos dice
que esta serie converge absoluta y
uniformemente en [−𝜋, 𝜋](y por tanto
también puntualmente) si podemos
encontrar unas constantes positivas
𝑀𝑛 , 𝑛 = 1,2, …. Tales que:
 |𝑎𝑛 𝐶𝑜𝑠(𝑛𝑥) + 𝑏𝑛 𝑆𝑒𝑛(𝑛𝑥)| ≤ 𝑀𝑛 ∀𝑥 1 2
1
𝑀𝑛 ≤ (𝑎̂)
𝑛 +
∈ [−𝜋, 𝜋] 2 2𝑛2
1 2
+ (𝑏̂𝑛 )
Siendo además 𝑀1 + 𝑀2 + 𝑀3 + ⋯ una serie 2
convergente. Veamos que, en efecto, podemos 1
construir esta serie numérica convergente. En primer +
2𝑛2
lugar, consideremos las series de Fourier f(x) y f’(x):
Entonces:
∞
𝑎0
𝑓(𝑥)~ + ∑(𝑎𝑛 𝐶𝑜𝑠(𝑛𝑥) + 𝑏𝑛 𝑆𝑒𝑛(𝑛𝑥)) ∞ ∞
2 1 2
𝑛=1 ∑ 𝑀𝑛 ≤ ∑ [(𝑎̂)
𝑛
2
𝑛=1 𝑛=1
2
∞ + (𝑏̂𝑛 ) ]
𝑎
̂0 ∞
𝑓(𝑥)~ + ∑ (𝑎̂𝐶𝑜𝑠(𝑛𝑥)
𝑛 + 𝑏̂𝑛 𝑆𝑒𝑛(𝑛𝑥)) 1
2 +∑
𝑛=1 𝑛2
𝑛=1
Los coeficientes de cada serie se calculan usando las ≤ ∞
fórmulas ya conocidas:

1 𝜋 1 5. Explicar el fenómeno de
𝑎
̂0 = ∫ 𝑓′(𝑥)𝑑𝑥 = [𝑓(𝜋) − 𝑓(−𝜋)] = 0 Gibbs.
𝜋 −𝜋 𝜋
El fenómeno de Gibbs sucede cuando
Ya que f(x) es continua en [−𝜋, 𝜋] y se intenta estimar una función que
periódica. presenta una discontinuidad de salto,
con una serie de Fourier.
1 𝜋 ′(𝑥)
𝑎̂𝑛 = ∫ 𝑓 𝐶𝑜𝑠(𝑛𝑥)𝑑𝑥 Para ser más precisos, El fenómeno
𝜋 −𝜋
1 de Gibbs describe un caso especial
= [𝑓(𝜋)𝐶𝑜𝑠(𝑛𝜋) − 𝑓(−𝜋)𝐶𝑜𝑠(𝑛𝜋) + 𝑛𝑛 ] en el que una función tiene una
𝜋 discontinuidad de salto (como la onda
= 𝑛𝑏𝑛 cuadrada de arriba). Cuando la
función salta en el medio, la
1 𝜋 ′(𝑥) estimación de Fourier terminará
𝑏̂𝑛 = ∫ 𝑓 𝑆𝑒𝑛(𝑛𝑥)𝑑𝑥 = −𝑛𝑎𝑛
𝜋 −𝜋 superando ese salto. Ese
rebasamiento nunca irá a cero sin
Así pues, podemos acotar de manera trivial importar cuantos términos se
utilizando estos resultados y obtenemos: agreguen (desaparecía si pudiera
agregar una cantidad infinita de
términos pero nosotros no podemos).
|𝑎𝑛 𝐶𝑜𝑠(𝑛𝑥) + 𝑏𝑛 𝑆𝑒𝑛(𝑛𝑥)| ≤ |𝑎𝑛 | + |𝑏𝑛 |
A medida que aumentamos el número
𝑎̂𝑛 𝑏̂𝑛 de términos de la serie de Fourier, el
= + ≔ 𝑀𝑛
𝑛 𝑛 punto de rebasamiento se acerca
cada vez más a la discontinuidad de
Ahora solo falta probar que la suma de las salto. Por lo tanto, el rango en el que
constantes 𝑀𝑛 converge. se produce la convergencia aumenta,
pero el error máximo sigue siendo el
mismo, aunque distribuido en un
1 2 2
1 |𝑎̂|
𝑛 intervalo más pequeño.
𝑛 − ) = |𝑎
0 ≤ (|𝑎̂| ̂|𝑛 + 2−2
𝑛 𝑛 𝑛
En la discontinuidad del salto, la serie
De modo que: de Fourier converge a la media de los
valores de la función a ambos lados
|𝑎̂|
𝑛 1 2
1 1 2
1 de la discontinuidad del salto.
≤ |𝑎̂|
𝑛 + 2
= (𝑎̂)
𝑛 + 2
𝑛 2 2𝑛 2 2𝑛
En otras palabras, tenemos
convergencia puntual, pero no
Lo mismo es válido con 𝑏̂𝑛 en lugar de 𝑎̂𝑛 ,
de modo que:
convergencia uniforme.

6. Desarrolle analíticamente el espectro de

frecuencias para la señal asignada.

La función “diente de sierra” gráficamente es:

𝑏𝑛
∅ = −𝑡𝑔−1 ( )
𝑎𝑛
𝐴
− 2𝜋𝑛
= 𝑡𝑔−1 ( )
0
𝜋
= 𝑡𝑔−1 (−∞) = −
Resolviendo la función “diente de sierra” 2
por la serie de Fourier:

1 𝑇
𝐴 V. SIMULACIÓN
𝑎0 = (∫ 𝑓(𝑡). 𝑑𝑡 ) =
𝑇 0 2
Simulación:

2 𝑇𝐴
𝑎𝑛 = (∫ 𝑡. 𝑓(𝑡). 𝐶𝑜𝑠(𝑛𝑤𝑡)𝑑𝑡)
𝑇 0 𝑇

Recordando que:
𝑇
𝐴
(∫ 𝑡. 𝑓(𝑡). 𝐶𝑜𝑠(𝑛𝑤𝑡)𝑑𝑡)
0 𝑇
2𝜋 2𝜋
𝐶𝑜𝑠𝑛 ( 𝑇 . 𝑇) 𝑆𝑒𝑛 ( 𝑇 . 𝑇)
=[ +𝑇
2 2𝜋 2 2𝜋
𝑛( 𝑇 )
𝑛 (𝑇)

1 1 1
− 2 ]= 2
− =0
(𝑛𝑤) (𝑛𝑤) (𝑛𝑤)2

𝑇
2 𝐴
𝑏𝑛 = (∫ 𝑓(𝑡). 𝑆𝑒𝑛(𝑛𝑤𝑡)𝑑𝑡)
𝑇 0 𝑇
∞
𝐴
=− ∑(𝑆𝑒𝑛(𝑛𝑡))
𝑛𝜋
𝑛=1

Expresando f(t) mediante la series de

Fourier:

𝑐𝑛 = √(𝑎𝑛 )2 + (𝑏𝑛 )2 = 𝑏𝑛
Código: VI. BIBLIOGRAFÍA
%GRAFICA DE DIENTE SIERRA EN Artículos
MATLAB

clc, clear
 Ricardo Radaelli Sanchez,
Condiciones de Dirichlet, pág.
t=-10:0.01:10; 1-3.

w=0.50; Páginas Web

graf_sierra=sawtooth(4*pi*0.1*  http://www.dmae.upct.es/~pare
t,w); des/am_ti/apuntes/Tema%202.
%20Series%20y%20transforma
plot(t,graf_sierra);
das%20de%20Fourier.pdf
 http://cb.mty.itesm.mx/ma3002/
materiales/ma3002-series-
Simulación: fourier.pdf
 https://previa.uclm.es/profesora
do/raulmmartin/AmpliacionMate
maticas/SeriesFourier.pdf
 http://www4.ujaen.es/~jmalmira
/gibbs_almira.pdf
 http://verso.mat.uam.es/web/ez
uazua/documentos_public/archi
vos/personal/conferencias/cubo
.pdf
 https://www.quora.com/What-is-
Gibbs-phenomenon
 http://www.matematica.ciens.uc
v.ve/labfg/sf/fourier.pdf

Código:

%GRAFICA DE DIENTE SIERRA EN MATLAB

CON SERIES DE FOURIER

t=0:0.1:15;
x=1/2-sin(t)/pi;
plot(t,x,'a')
x=1/2-sin(2*t)/(2*pi);
plot(t,x,'b')
x=1/2-sin(3*t)/(3*pi);
plot(t,x,'c')
x=1/2-sin(4*t)/(4*pi);
plot(t,x,'d')
y=1/2-sin(t)/pi-sin(2*t)/(2*pi)-sin(3*t)/(3*pi)-
sin(4*t)/(4*pi);
plot(t,y,'e')
hold on