Universidad Nacional de Ingeniería

Facultad de Ingeniería Eléctrica, Electrónica y Telecomunicaciones

LABORATORIO DE SISTEMAS DE COMUNICACIONES I – EE 430

INFORME PREVIO N° 1

TEMA: SIMULACION DE LA SERIE DE FOURIER MEDIANTE SOFTWARE

SECCION: N

GRUPO N°: 1

NOMBRE
NOMBRE DEL
DEL ALUMNO:
ALUMNO:CABALLERO HOYOS LEONARDO SEBASTIAN

DOCENTE:
DOCENTE: ING. VIRGINIA ROMERO F.

LIMA - PERU

2023 - 1

ING. VIRGINIA ROMERO F. UNI – FIEE

I. OBJETIVOS
• Hallar gráficamente la aproximación de una onda sinusoidal mediante la sumatoria de ”n”
términos” de la serie de Fourier.
• Aplicar aproximaciones usando el software Matlab u Octave

II. MARCO TEORICO

La serie de Fourier
1) Series y polinomios trigonométricos

Se llama serie trigonométrica de periodo 2 π a toda serie de funciones de la forma

∞
𝑎𝑎0
+ ��𝑎𝑎𝑘𝑘 cos(𝑘𝑘𝑘𝑘 ) + 𝑏𝑏𝑘𝑘 𝑠𝑠𝑠𝑠𝑠𝑠(𝑘𝑘𝑘𝑘 )� … (1.1)
2
𝑘𝑘=1

Se llama polinomio trigonométrico de grado N y periodo 2 π a toda expresión de la forma

𝑁𝑁
𝑎𝑎0
+ ��𝑎𝑎𝑘𝑘 cos(𝑘𝑘𝑘𝑘 ) + 𝑏𝑏𝑘𝑘 𝑠𝑠𝑠𝑠𝑠𝑠(𝑘𝑘𝑘𝑘 )� … (1.2)
2
𝑘𝑘=1

Si al menos uno de los coeficientes 𝑎𝑎𝑁𝑁 y 𝑏𝑏𝑁𝑁 es distinto de cero se dice que el grado del
polinomio es N. Obsérvese que las sumas parciales de las series trigonométricas son
polinomios trigonométricos
Utilizando fórmulas trigonométricas elementales para sumas de ángulos, cos(kx) y sen(kx)
se puede expresar en función de cos(x) y sen(x) y sus potencias y productos. El grado
máximo de los monomios que aparecen al desarrollar cos(kx) y sen(kx) de esta manera es
precisamente k y si lo hacemos con un polinomio trigonométrico de grado N, el grado
máximo será N.
2) Serie de Fourier
Dada una función periódica de periodo 2 π buscamos una serie trigonométrica que la
represente, es decir, que coincida con ella en algún sentido.

2.1)Ortogonalidad del sistema trigonométrico

La familia de funciones {1,cos(x),cos(2x),…,sen(x),sen(2x),…} que interviene en la
serie (1.1) satisface la siguiente propiedad de ortogonalidad

π
� 𝜑𝜑1 (𝑥𝑥)𝜑𝜑2 (𝑥𝑥)𝑑𝑑𝑑𝑑 = 0
−π

Para cualquier par 𝜑𝜑1 (𝑥𝑥) 𝑦𝑦 𝜑𝜑2 (𝑥𝑥) de funciones distintas de la familia. Si 𝜑𝜑1 (𝑥𝑥) = 𝜑𝜑2 (𝑥𝑥)
la integral es π
2.2) Los coe�icientes de Fourier
Si suponemos que la serie (1.1) converge uniformemente en [-π, π] a la función f,
escribimos la igualdad

∞
𝑎𝑎0
𝑓𝑓(𝑥𝑥 ) = + ��𝑎𝑎𝑛𝑛 cos(𝑛𝑛𝑛𝑛 ) + 𝑏𝑏𝑛𝑛 𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛𝑛𝑛 )� … (1.3)
2
𝑛𝑛=1

y la integramos en [-π, π], obtenemos:

π
� 𝑓𝑓 (𝑥𝑥 )𝑑𝑑𝑑𝑑 = π𝑎𝑎0
−π

de donde sale el valor de 𝑎𝑎0 . Del mismo modo, si multiplicamos la igualdad (1.3) por
cos(kx) e integramos en [-π, π], la propiedad de ortogonalidad da
π
� 𝑓𝑓(𝑥𝑥 )cos (𝑘𝑘𝑘𝑘)𝑑𝑑𝑑𝑑 = π𝑎𝑎𝑘𝑘
−π

Haciendo lo mismo con sen(kx) llegamos a:

π
� 𝑓𝑓(𝑥𝑥 )sen(𝑘𝑘𝑘𝑘)𝑑𝑑𝑑𝑑 = π𝑏𝑏𝑘𝑘
−π

Los valores de 𝑎𝑎𝑘𝑘 , 𝑏𝑏𝑘𝑘 , que se obtiene son los siguientes:

𝟏𝟏 𝛑𝛑 𝟏𝟏 𝛑𝛑
𝒂𝒂𝒌𝒌 = � 𝒇𝒇(𝒙𝒙) 𝐜𝐜𝐜𝐜𝐜𝐜(𝒌𝒌𝒌𝒌) 𝒅𝒅𝒅𝒅 , 𝒃𝒃𝒌𝒌 = � 𝒇𝒇(𝒙𝒙)𝒔𝒔𝒔𝒔𝒔𝒔(𝒌𝒌𝒌𝒌)𝒅𝒅 𝒙𝒙 … (𝟏𝟏. 𝟒𝟒)
𝛑𝛑 −𝛑𝛑 𝛑𝛑 −𝛑𝛑

Definición
Dada una función integrable f, los números {𝒂𝒂𝒌𝒌 , k = 0, 1, 2, . . . } y {𝒃𝒃𝒌𝒌 , k = 1, 2, . . . } dados por las
fórmulas (1.4) se llaman coeficientes de Fourier de f. La serie trigonométrica (1.1) construida con
estos coeficientes se llama serie de Fourier de f.

Los coeficientes dependen de la función y cuando intervienen simultáneamente coeficientes de

varias funciones dis�ntas, conviene hacer explícita esta dependencia; en esos casos escribiremos 𝒂𝒂𝒌𝒌
(f) y 𝒃𝒃𝒌𝒌 (f).

Observemos que, si f es un polinomio trigonométrico, el intercambio de sumas e integrales está

perfectamente jus�ficado por la linealidad de la integral y deducimos que los coeficientes del
polinomio trigonométrico (1.2) vienen dados por las fórmulas (1.4).

Una vez que asociamos a una función integrable su serie de Fourier de la manera indicada, el
problema básico con el que nos vamos a enfrentar se puede formular del modo siguiente:

Encontrar condiciones (suficientes) sobre la función que aseguren la convergencia de la serie de

Fourier y estudiar la suma de la serie.

La descomposición de una función en las componentes que cons�tuyen los términos de su serie de
Fourier es un proceso de análisis de la función; la recuperación de la función a par�r de sus
componentes es la síntesis.
III. RESPUESTAS Y CALCULOS TEORICOS SOLICITADOS EN LA GUIA

1. ¿Qué representa la serie de Fourier?

La serie de Fourier es una representación matemática que permite expresar una señal
periódica como una suma infinita de funciones sinusoidales. Esta representación
matemática es útil para analizar y procesar señales periódicas de manera más sencilla y
eficiente, ya que permite descomponer la señal en sus componentes frecuenciales
mediante la aplicación de las fórmulas de la serie de Fourier.

2. Cuál es la relación entre la velocidad de transmisión y el ancho de banda de una

señal?

La velocidad de transmisión de una señal y el ancho de banda disponible están

estrechamente relacionados. El ancho de banda se refiere al rango de frecuencias que una
señal puede transmitir a través de un canal de comunicación. Si el ancho de banda
disponible es mayor, entonces más frecuencias de la señal se pueden transmitir, lo que se
traduce en una mayor velocidad de transmisión. Sin embargo, si el ancho de banda es
limitado, se transmitirá menos información en un período de tiempo determinado, lo que
resultará en una velocidad de transmisión más baja. En resumen, la velocidad de
transmisión de una señal se ve limitada por la cantidad de ancho de banda disponible para
transmitir la información.

3. Explicar en que rango de frecuencias se encuentra las señales de audio

Las señales de audio son aquellas que se transmiten en forma de ondas sonoras a través
del aire u otros medios, y pueden ser percibidas por el oído humano. La frecuencia de
estas señales se mide en Hertz (Hz), y el rango de frecuencias que el oído humano puede
percibir típicamente va desde los 20 Hz hasta los 20.000 Hz (20 kHz). No obstante, la
capacidad de percibir sonidos de alta frecuencia disminuye con la edad y la exposición a
ruidos fuertes y prolongados, lo que significa que algunas personas pueden no ser
capaces de escuchar frecuencias por encima de los 15 kHz o incluso menos.

Es importante destacar que el rango de frecuencias de las señales de audio puede variar
dependiendo de la fuente y el medio de transmisión. Por ejemplo, en la música electrónica
se pueden utilizar frecuencias más altas para crear sonidos especiales. En general, se
considera que las frecuencias que se encuentran dentro del rango de 20 Hz a 20 kHz son
las más relevantes para la percepción humana del sonido y son las más utilizadas en
aplicaciones de audio. En resumen, las señales de audio son aquellas que se transmiten
como ondas sonoras y tienen un rango de frecuencias específico que puede variar
dependiendo de la fuente y el medio de transmisión, pero que en general se sitúa entre los
20 Hz y los 20 kHz.
4. Explicar porque una señal periódica se puede expresar como la suma de funciones
sinusoidales denominada Serie de Fourier

La serie de Fourier es una representación matemática que permite expresar una señal
periódica como una suma infinita de funciones sinusoidales. Esto se debe a que cualquier
señal periódica puede descomponerse en una serie de armónicos, que son señales
sinusoidales con frecuencias múltiplos enteros de la frecuencia fundamental de la señal
original.

La serie de Fourier se utiliza para descomponer una señal periódica en sus componentes
frecuenciales, lo que permite analizar y procesar la señal de forma más sencilla y eficiente.
Esta descomposición se realiza a través de la aplicación de las fórmulas de la serie de
Fourier, que permiten determinar los coeficientes de las funciones sinusoidales que
componen la señal.

5. Halle la serie de Fourier de la función f(x), de periodo 2 𝛑𝛑 definida por:

−𝟏𝟏, 𝐜𝐜𝐜𝐜𝐜𝐜𝐜𝐜𝐜𝐜𝐜𝐜 − 𝛑𝛑 < 𝐱𝐱 < 𝟎𝟎

𝐟𝐟(𝐱𝐱) = �
𝟏𝟏, 𝐜𝐜𝐜𝐜𝐜𝐜𝐜𝐜𝐜𝐜𝐜𝐜 𝟎𝟎 < 𝐱𝐱 < 𝛑𝛑

Sabemos que:
∞
𝑎𝑎0
𝑓𝑓(𝑥𝑥 ) = + � 𝑎𝑎𝑛𝑛 cos(𝑛𝑛𝑛𝑛𝑛𝑛 ) + 𝑏𝑏𝑛𝑛 𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛𝑛𝑛𝑛𝑛)
2
𝑛𝑛=1

Hallamos los coeficientes de Fourier:

T=2 π  w=1

2 𝑇𝑇 2 π
• 𝑎𝑎0 = ∫0 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = ∫−π 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑
𝑇𝑇 2π

0 π
1
𝑎𝑎0 = �� −1𝑑𝑑𝑑𝑑 + � 1𝑑𝑑𝑑𝑑� = 𝟎𝟎
π −π 0

2 𝑇𝑇 2 π
• 𝑎𝑎𝑛𝑛 = ∫0 𝑓𝑓(𝑥𝑥)cos (𝑛𝑛𝑛𝑛)𝑑𝑑𝑑𝑑 = ∫−π 𝑓𝑓(𝑥𝑥)cos (𝑛𝑛𝑛𝑛)𝑑𝑑𝑑𝑑
𝑇𝑇 2π

0 π
1
𝑎𝑎𝑛𝑛 = �� − cos(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑 + � cos(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑 �
π −π 0

1
𝑎𝑎𝑛𝑛 = (−𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛𝑛𝑛)0−π + 𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛𝑛𝑛)π0 )
π
𝒂𝒂𝒏𝒏 = 𝟎𝟎
 2 𝑇𝑇 2 π
• 𝑏𝑏𝑛𝑛 = ∫0 𝑓𝑓(𝑥𝑥) sen(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑 = ∫−π 𝑓𝑓(𝑥𝑥) sen(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑
𝑇𝑇 2π
0 π
1
𝑏𝑏𝑛𝑛 = �� − sen(𝑛𝑛𝑛𝑛) 𝑑𝑑(𝑛𝑛𝑛𝑛) + � sen(𝑛𝑛𝑛𝑛) 𝑑𝑑(𝑛𝑛𝑛𝑛)�
πn −π 0

1
𝑏𝑏𝑛𝑛 = (−(−𝑐𝑐𝑐𝑐𝑐𝑐(𝑛𝑛𝑛𝑛)0−π ) + (−𝑐𝑐𝑐𝑐𝑐𝑐(𝑛𝑛𝑛𝑛)π0 ))
πn
1
𝑏𝑏𝑛𝑛 = �cos(0) − cos(𝑛𝑛π) − (cos(nπ) − cos(0))�
πn
𝟐𝟐
𝒃𝒃𝒏𝒏 = (𝟏𝟏 − (−𝟏𝟏)𝒏𝒏 )
𝛑𝛑𝛑𝛑

La serie de Fourier será:

∞
𝟐𝟐
𝒇𝒇(𝒙𝒙) = � (𝟏𝟏 − (−𝟏𝟏)𝒏𝒏 ) 𝒔𝒔𝒔𝒔𝒔𝒔(𝒏𝒏𝒏𝒏)
𝛑𝛑𝛑𝛑
𝒏𝒏=𝟏𝟏

6. Explicar detalladamente las condiciones de DIRICHLET.

Las condiciones de Dirichlet son un conjunto de tres condiciones necesarias para que una
función periódica pueda ser representada como una serie de Fourier convergente. Estas
condiciones fueron establecidas por el matemático alemán Johann Peter Gustav Lejeune
Dirichlet en el siglo XIX.

• La primera condición de Dirichlet establece que la función debe tener un número

finito de discontinuidades de salto finito en cualquier intervalo finito de longitud T.
Esto significa que los saltos en los valores de la función en los puntos de
discontinuidad no deben ser infinitos. Por ejemplo, una función que tenga una
discontinuidad de salto infinito, como una función escalón, no puede ser expresada
como una serie de Fourier convergente.

• La segunda condición de Dirichlet establece que la función debe tener un número

finito de máximos y mínimos locales en cualquier intervalo finito de longitud T. Esto
implica que la función no puede oscilar infinitamente rápido. Por ejemplo, una
función que tenga una oscilación infinitamente rápida, como una función diente de
sierra, no puede ser expresada como una serie de Fourier convergente.

• La tercera condición de Dirichlet establece que la integral de la función en cualquier

intervalo finito de longitud T debe ser finita. Esto significa que la función no puede
tener picos infinitamente altos y delgados. Por ejemplo, una función que tenga un
pico infinitamente alto y delgado, como una función delta de Dirac, no puede ser
expresada como una serie de Fourier convergente.
7. Determinar la serie de Fourier de la función

𝒈𝒈(𝒕𝒕) = 𝒕𝒕 + 𝝅𝝅 , 𝒔𝒔𝒔𝒔 𝒕𝒕 − 𝝅𝝅 ≤ 𝒕𝒕 ≤ 𝝅𝝅

Sabemos que:
∞
𝑎𝑎0
𝑔𝑔(𝑡𝑡) = + � 𝑎𝑎𝑛𝑛 cos(𝑛𝑛𝑛𝑛𝑛𝑛) + 𝑏𝑏𝑛𝑛 𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛𝑛𝑛𝑛𝑛)
2
𝑛𝑛=1

Hallamos los coeficientes de Fourier:

T=2 π  w=1

2 𝑇𝑇 2 π
• 𝑎𝑎0 = ∫0 𝑔𝑔(𝑡𝑡)𝑑𝑑𝑑𝑑 = ∫−π(𝑡𝑡 + π)𝑑𝑑𝑑𝑑
𝑇𝑇 2π

π π
1
𝑎𝑎0 = �� 𝑡𝑡𝑡𝑡𝑡𝑡 + � π𝑑𝑑𝑑𝑑�
π −π −π

π π
1 𝑡𝑡 2
𝑎𝑎0 = � + π ∗ � 𝑑𝑑𝑑𝑑�
π 2 −π −π

1 π2 (−π)2
𝑎𝑎0 = � −� � + π ∗ 2π�
π 2 2

𝒂𝒂𝟎𝟎 = 𝟐𝟐𝛑𝛑

2 𝑇𝑇 2 π
• 𝑎𝑎𝑛𝑛 = ∫0 𝑔𝑔(𝑡𝑡)cos (𝑛𝑛𝑛𝑛)𝑑𝑑𝑑𝑑 = ∫−π(𝑡𝑡 + π)cos (𝑛𝑛𝑛𝑛)𝑑𝑑𝑑𝑑
𝑇𝑇 2π

π π
1
𝑎𝑎𝑛𝑛 = �� 𝑡𝑡 ∗ cos(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑 + � π cos(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑�
π −π −π

π π
1
𝑎𝑎𝑛𝑛 = �� 𝑡𝑡 ∗ cos(𝑛𝑛𝑛𝑛) 𝑑𝑑(𝑛𝑛𝑛𝑛) + � π cos(𝑛𝑛𝑛𝑛) 𝑑𝑑(𝑛𝑛𝑛𝑛)�
nπ −π −π

𝟐𝟐
𝒂𝒂𝒏𝒏 = (−𝟏𝟏)𝒏𝒏
𝒏𝒏
 2 𝑇𝑇 2 π
• 𝑏𝑏𝑛𝑛 = ∫0 𝑔𝑔(𝑡𝑡) sen(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑 = ∫−π(𝑡𝑡 + π) sen(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑
𝑇𝑇 2π
π
1
𝑏𝑏𝑛𝑛 = �� (t + n)sen(𝑡𝑡) 𝑑𝑑(𝑡𝑡)�
π −π

𝒃𝒃𝒏𝒏 = 𝟎𝟎

La serie de Fourier será:

∞
𝟐𝟐
𝒈𝒈(𝒕𝒕) = 𝛑𝛑 + � ∗ (−𝟏𝟏)𝒏𝒏 ∗ 𝒔𝒔𝒔𝒔𝒔𝒔(𝒏𝒏𝒏𝒏)
𝐧𝐧
𝒏𝒏=𝟏𝟏

8. Desarrollar en serie de Fourier la función periódica f(x) de periodo 2 𝝅𝝅 , definida por:

𝒇𝒇(𝒙𝒙) = 𝒙𝒙 , −𝝅𝝅 < 𝒙𝒙 ≤ 𝝅𝝅

Hallamos los coeficientes de Fourier:

T=2 π  w=1

2 𝑇𝑇 2 π
• 𝑎𝑎0 = ∫0 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = ∫−π 𝑥𝑥𝑥𝑥𝑥𝑥
𝑇𝑇 2π

𝒂𝒂𝟎𝟎 = 𝟎𝟎

2 𝑇𝑇 2 π
• 𝑎𝑎𝑛𝑛 = ∫0 𝑓𝑓(𝑥𝑥)cos (𝑛𝑛𝑛𝑛)𝑑𝑑𝑑𝑑 = ∫−π 𝑥𝑥 ∗ cos (𝑛𝑛𝑛𝑛)𝑑𝑑𝑑𝑑
𝑇𝑇 2π

𝒂𝒂𝒏𝒏 = 𝟎𝟎

2 𝑇𝑇 2 π
• 𝑏𝑏𝑛𝑛 = ∫0 𝑓𝑓(𝑥𝑥) sen(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑 = ∫−π 𝑥𝑥 ∗ sen(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑
𝑇𝑇 2π

𝟐𝟐
𝒃𝒃𝒏𝒏 = ∗ (−𝟏𝟏)𝒏𝒏+𝟏𝟏
𝐧𝐧
La serie de Fourier será:
∞
𝟐𝟐
𝒇𝒇(𝒙𝒙) = � ∗ (−𝟏𝟏)𝒏𝒏+𝟏𝟏 ∗ 𝒔𝒔𝒔𝒔𝒔𝒔(𝒏𝒏𝒏𝒏)
𝒏𝒏
𝒏𝒏=𝟏𝟏

𝟏𝟏 𝟏𝟏 𝟏𝟏
𝒇𝒇(𝒙𝒙) = 𝟐𝟐(𝒔𝒔𝒔𝒔𝒔𝒔(𝒙𝒙) − ∗ 𝒔𝒔𝒔𝒔𝒔𝒔(𝟐𝟐𝟐𝟐) + ∗ 𝒔𝒔𝒔𝒔𝒔𝒔(𝟑𝟑𝟑𝟑) − ∗ 𝒔𝒔𝒔𝒔𝒔𝒔(𝟒𝟒𝟒𝟒) + ⋯
𝟐𝟐 𝟑𝟑 𝟒𝟒
9. Definir el fenómeno de Gibbs y explicar en qué casos se presenta

El fenómeno de Gibbs es un efecto que se produce en la aproximación de una función no

periódica mediante la Serie de Fourier. Se manifiesta como una oscilación en la región de
transición entre las partes discontinuas de la función original y la aproximación por la Serie
de Fourier.

Cuando se aproxima una función no periódica mediante la Serie de Fourier, se requiere

una extensión periódica de la función original en un intervalo mayor que su período
fundamental. En la región de transición entre dos partes discontinuas de la función, la
Serie de Fourier produce una sobrestimación de la amplitud de la señal, lo que da lugar a
oscilaciones en la aproximación que se conocen como "efecto de Gibbs".

Este efecto es más notorio en las funciones que tienen saltos bruscos o discontinuidades,
como las funciones cuadradas o triangulares. En estos casos, las oscilaciones de Gibbs
pueden ser muy pronunciadas y afectar la calidad de la aproximación de la función original.
Sin embargo, a medida que se aumenta el número de términos en la Serie de Fourier, las
oscilaciones se atenúan y la aproximación se acerca cada vez más a la función original.

10. Desarrolle analíticamente el espectro de frecuencias para la función asignado a su

grupo.

Para desarrollar analíticamente el espectro de frecuencias de una señal pulso cuadrado

impar con amplitud de 20 Vpp y periodo de 20 ms, podemos seguir los siguientes pasos:

i.- Definir la función matemática que describe la señal pulso cuadrado impar:

−20, 𝑡𝑡 < 0
20, 0 ≤ 𝑡𝑡 ≤ 10𝑚𝑚𝑚𝑚
f(t)�
−20, 10𝑚𝑚𝑚𝑚 ≤ 𝑡𝑡 ≤ 20𝑚𝑚𝑚𝑚
0, 20𝑚𝑚𝑚𝑚 < 𝑡𝑡

ii.- Calcular la función de Fourier

∞
𝐹𝐹(𝑤𝑤) = � 𝑓𝑓(𝑡𝑡)𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗 𝑑𝑑𝑑𝑑
−∞

iii.- Desarrollar la integral en pasos:

0 10∗10−3 20∗10−3 ∞
� −20𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗 𝑑𝑑𝑑𝑑 + � 20𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗 𝑑𝑑𝑑𝑑 + � −20𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗 𝑑𝑑𝑑𝑑 + � 0 ∗ 𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗 𝑑𝑑𝑑𝑑
−∞ 0 10∗10−3 20∗10−3

20 −3 20 −3 −3
20�𝑒𝑒 −𝑗𝑗𝑗𝑗∗0 − 𝑒𝑒 −𝑗𝑗∗𝑤𝑤∗∞ � + �𝑒𝑒 −𝑗𝑗𝑗𝑗∗�10∗10 � − 𝑒𝑒 0 � + �𝑒𝑒 −𝑗𝑗𝑗𝑗�20∗10 � − 𝑒𝑒 −𝑗𝑗𝑗𝑗�10∗10 � � + 0
−𝑗𝑗𝑗𝑗 −𝑗𝑗𝑗𝑗
iv.-
20 −2 𝜋𝜋
⎧ ∗ �𝑒𝑒 �−𝑗𝑗𝑗𝑗∗10 � − 1�, 0 < 𝑤𝑤 <
−𝑗𝑗𝑗𝑗 10𝑚𝑚𝑚𝑚
𝐹𝐹(𝑤𝑤)
⎨ 20 ∗ �1 − 𝑒𝑒 −𝑗𝑗𝑗𝑗∗10−2 �, −𝜋𝜋 < 𝑤𝑤 < 0
⎩ −𝑗𝑗𝑗𝑗 10𝑚𝑚𝑚𝑚

11. Considerar la siguiente función periódica de periodo 2 𝝅𝝅

𝒙𝒙, 𝟎𝟎 ≤ 𝒙𝒙 ≤ 𝝅𝝅
𝒇𝒇(𝒙𝒙) = 𝒇𝒇(𝒙𝒙) = �
𝟎𝟎, −𝝅𝝅 ≤ 𝒙𝒙 ≤ 𝟎𝟎

Usando Matlab u Octave

• Calcular los coeficientes de la serie de Fourier

Imagen 1: Coeficientes de Fourier para la función f(x)

• Escribir la serie de Fourier de f(x) e indicar dónde es convergente

En esta simulación podemos ver los coeficientes de Fourier y la serie de Fourier

para un n=1,2 y 3

Imagen 2: Gráfica de Serie de Fourier para n=1,2,3

A medida que aumentamos el “n” la gráfica se comienza a aproximar a la función

original

Imagen 3: Gráfica de Serie de Fourier para n=1,2...,20

Imagen 4: Gráfica de Serie de Fourier para n=1,2,3, ...,100

IV. DATA SHEET
No corresponde

V. EQUIPOS Y COMPONENTES
• Laptop
• MATLAB online

VI. SOLUCION TEORICA DE LOS DATOS SOLICITADOS EN EL PROCEDIMIENTO

1) Haciendo uso del software de simulación de su preferencia, elabore un programa
que permita realizar lo siguiente:

a) Desarrolle analíticamente el espectro de frecuencias para la señal pulso

cuadrado impar

Para desarrollar analíticamente el espectro de frecuencias de una señal pulso

cuadrado impar con amplitud de 20 Vpp y periodo de 20 ms, podemos seguir los
siguientes pasos:

i.- Definir la función matemática que describe la señal pulso cuadrado impar:

−20, 𝑡𝑡 < 0
20, 0 ≤ 𝑡𝑡 ≤ 10𝑚𝑚𝑚𝑚
f(t)�
−20, 10𝑚𝑚𝑚𝑚 ≤ 𝑡𝑡 ≤ 20𝑚𝑚𝑚𝑚
0, 20𝑚𝑚𝑚𝑚 < 𝑡𝑡

ii.- Calcular la función de Fourier

∞
𝐹𝐹(𝑤𝑤) = � 𝑓𝑓(𝑡𝑡)𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗 𝑑𝑑𝑑𝑑
−∞

iii.- Desarrollar la integral en pasos:

0 10∗10−3 20∗10−3 ∞
−𝑗𝑗𝑗𝑗𝑗𝑗 −𝑗𝑗𝑗𝑗𝑗𝑗
� −20𝑒𝑒 𝑑𝑑𝑑𝑑 + � 20𝑒𝑒 𝑑𝑑𝑑𝑑 + � −20𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗 𝑑𝑑𝑑𝑑 + � 0 ∗ 𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗 𝑑𝑑𝑑𝑑
−∞ 0 10∗10−3 20∗10−3

20 −3 20 −3 −3
20�𝑒𝑒 −𝑗𝑗𝑗𝑗∗0 − 𝑒𝑒 −𝑗𝑗∗𝑤𝑤∗∞ � + �𝑒𝑒 −𝑗𝑗𝑗𝑗∗�10∗10 � − 𝑒𝑒 0 � + �𝑒𝑒 −𝑗𝑗𝑗𝑗�20∗10 � − 𝑒𝑒 −𝑗𝑗𝑗𝑗�10∗10 � � + 0
−𝑗𝑗𝑗𝑗 −𝑗𝑗𝑗𝑗
iv.-
20 −2 𝜋𝜋
⎧ ∗ �𝑒𝑒 �−𝑗𝑗𝑗𝑗∗10 � − 1�, 0 < 𝑤𝑤 <
−𝑗𝑗𝑗𝑗 10𝑚𝑚𝑚𝑚
𝐹𝐹(𝑤𝑤)
⎨ 20 −2 −𝜋𝜋
∗ �1 − 𝑒𝑒 −𝑗𝑗𝑗𝑗∗10 �, < 𝑤𝑤 < 0
⎩ −𝑗𝑗𝑗𝑗 10𝑚𝑚𝑚𝑚

v.- Graficaremos el espectro de frecuencia F(w) obtenido en el apartado VII

b) Con el uso de la Serie de Fourier, el programa Matlab u Octave nos debe permitir
visualizar las diferentes aproximaciones, dependiendo de “n”, de la gráfica real

c) Para permitir el paso b), el programa debe solicitar:

• La ecuación determinística del término a0
• La ecuación de los términos an
• La ecuación de los términos bn
En el programa, simular la señal de pulso cuadrado impar para diferentes valores
de n.
Visualice los cambios, al realizar variaciones en los parámetros de la función;
como amplitud, el periodo o duración del pulso

𝑇𝑇
−𝐴𝐴, − < 𝑥𝑥 < 0
𝑓𝑓 (𝑡𝑡) = � 2
𝑇𝑇
𝐴𝐴, 0 < 𝑥𝑥 <
2

Sabemos que:
∞
𝑎𝑎0
𝑓𝑓(𝑡𝑡) = + � 𝑎𝑎𝑛𝑛 cos(𝑛𝑛𝑛𝑛𝑛𝑛) + 𝑏𝑏𝑛𝑛 𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛𝑛𝑛𝑛𝑛)
2
𝑛𝑛=1

Hallamos los coeficientes de Fourier:

2 𝑇𝑇 2 T/2
• 𝑎𝑎0 = ∫0 𝑓𝑓(𝑡𝑡)𝑑𝑑𝑑𝑑 = ∫−T/2 𝑓𝑓(𝑡𝑡)𝑑𝑑𝑑𝑑
𝑇𝑇 𝑇𝑇

T
0
2 2
𝑎𝑎0 = �� −𝐴𝐴𝐴𝐴𝐴𝐴 + � 𝐴𝐴𝐴𝐴𝐴𝐴�
𝑇𝑇 −T 0
2

2 𝑇𝑇 𝑇𝑇
𝑎𝑎0 = �−(0 + � + � − 0�
𝑇𝑇 2 2

𝒂𝒂𝟎𝟎 = 𝟎𝟎
 2 𝑇𝑇 2 T/2
• 𝑎𝑎𝑛𝑛 = ∫0 𝑓𝑓(𝑡𝑡)cos (𝑛𝑛𝑛𝑛)𝑑𝑑𝑑𝑑 = ∫−𝑇𝑇/2 𝑓𝑓(𝑡𝑡)cos (𝑛𝑛𝑛𝑛𝑛𝑛)𝑑𝑑𝑑𝑑
𝑇𝑇 𝑇𝑇

T
0
2 2
𝑎𝑎𝑛𝑛 = �� − Acos(𝑛𝑛𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑 + � 𝐴𝐴 cos(𝑛𝑛𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑�
T −T 0
2

𝑇𝑇
2𝐴𝐴 1 1
𝑎𝑎𝑛𝑛 = ( ∗ 𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛𝑛𝑛𝑛𝑛)0 𝑇𝑇 − ∗ 𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛𝑛𝑛𝑛𝑛)02 )
𝑇𝑇 𝑛𝑛𝑛𝑛 −2 𝑛𝑛𝑛𝑛

2𝐴𝐴𝐴𝐴 2𝜋𝜋 𝑇𝑇 2𝑇𝑇 2𝜋𝜋 𝑇𝑇

𝑎𝑎𝑛𝑛 = (𝑠𝑠𝑠𝑠𝑠𝑠(0) − 𝑠𝑠𝑠𝑠𝑠𝑠 �𝑛𝑛. � � . �− �� − (𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛. � � . � � − 𝑠𝑠𝑠𝑠𝑠𝑠(0))
𝑇𝑇𝑇𝑇(2𝜋𝜋) 𝑇𝑇 2 𝑇𝑇𝑇𝑇(2𝜋𝜋) 𝑇𝑇 2

𝐴𝐴 𝐴𝐴
𝑎𝑎𝑛𝑛 = 𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛𝜋𝜋) − 𝑠𝑠𝑠𝑠𝑠𝑠(𝑛𝑛𝑛𝑛)
𝑛𝑛𝜋𝜋 𝑛𝑛𝑛𝑛

𝒂𝒂𝒏𝒏 = 𝟎𝟎
T
2 𝑇𝑇 2
• 𝑏𝑏𝑛𝑛 = ∫0 𝑓𝑓(𝑛𝑛𝑛𝑛) sen(𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑 = ∫2T 𝑓𝑓(𝑡𝑡) sen(𝑛𝑛𝑛𝑛𝑛𝑛) 𝑑𝑑𝑑𝑑
𝑇𝑇 𝑇𝑇 −2

T
0
2 2
𝑏𝑏𝑛𝑛 = �� − Asen(𝑛𝑛𝑛𝑛𝑛𝑛) 𝑑𝑑(𝑥𝑥) + � Asen(𝑛𝑛𝑛𝑛𝑛𝑛) 𝑑𝑑(𝑡𝑡)�
T −T 0
2

T
2𝐴𝐴 1 1
𝑏𝑏𝑛𝑛 = �( )𝑐𝑐𝑐𝑐𝑐𝑐(𝑛𝑛𝑛𝑛𝑛𝑛)0 T − ( )𝑐𝑐𝑐𝑐𝑐𝑐(𝑛𝑛𝑛𝑛𝑛𝑛)02 )�
T 𝑛𝑛𝑛𝑛 −2 𝑛𝑛𝑛𝑛
2𝐴𝐴. 𝑇𝑇 𝑛𝑛2𝜋𝜋 𝑇𝑇 2𝐴𝐴𝐴𝐴 𝑛𝑛2𝜋𝜋 𝑇𝑇
𝑏𝑏𝑛𝑛 = �cos(0) − cos � − �� − (cos � . � − cos (0))
𝑇𝑇𝑇𝑇(2𝜋𝜋) 𝑇𝑇 2 𝑇𝑇𝑇𝑇(2𝜋𝜋) 𝑇𝑇 2
𝐴𝐴 𝐴𝐴
𝑏𝑏𝑛𝑛 = (1 − cos(−𝑛𝑛𝜋𝜋)) − (cos(𝑛𝑛𝑛𝑛) − 1)
𝑛𝑛𝜋𝜋 𝑛𝑛𝑛𝑛
2𝐴𝐴
𝑏𝑏𝑛𝑛 = (1 − cos(n𝜋𝜋))
πn
𝟎𝟎, 𝒏𝒏 = 𝒑𝒑𝒑𝒑𝒑𝒑
𝒃𝒃𝒏𝒏 �𝟒𝟒𝟒𝟒
, 𝒏𝒏 = 𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊
𝒏𝒏𝝅𝝅

La serie de Fourier será:

∞
𝟒𝟒𝟒𝟒
𝒇𝒇(𝒕𝒕) = � 𝒔𝒔𝒔𝒔𝒔𝒔(𝒏𝒏𝒏𝒏𝒏𝒏)
𝛑𝛑𝛑𝛑
𝒏𝒏=𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊

𝟒𝟒𝟒𝟒 𝟒𝟒𝟒𝟒 𝟒𝟒𝟒𝟒

𝒇𝒇(𝒕𝒕) = 𝒔𝒔𝒔𝒔𝒔𝒔(𝒘𝒘𝒘𝒘) + 𝒔𝒔𝒔𝒔𝒔𝒔(𝟑𝟑𝟑𝟑𝟑𝟑) + 𝒔𝒔𝒔𝒔𝒔𝒔(𝟓𝟓𝟓𝟓𝟓𝟓) + ⋯
𝝅𝝅 𝟑𝟑𝟑𝟑 𝟓𝟓𝟓𝟓
VII. SOLUCION MEDIANTE SIMULACIÓN LOS DATOS SOLICITADOS EN EL
PROCEDIMIENTO

a)

b) En el código que veremos en el apartado VII, primero definimos los parámetros de la señal
de pulso cuadrado impar (amplitud, periodo, duración, frecuencia fundamental y tiempo).
Luego, calculamos la señal de pulso cuadrado impar y definimos los valores de N para los
que queremos visualizar las aproximaciones mediante la Serie de Fourier.

A continuación, dentro de un ciclo for, calculamos la Serie de Fourier para cada valor de N
y aproximamos la señal original mediante la Serie de Fourier. Finalmente, visualizamos la
señal original y la aproximación correspondiente para cada valor de N mediante la función
subplot.
c) En el command Window podremos visualizar el valor de sus coeficientes según el “n”
elegido

Imagen 5: Aproximación por Serie de Fourier y Espectro de Frecuencia con T=20ms, A=20,n=10

Imagen 6: Aproximación por Serie de Fourier y Espectro de frecuencia con T=5s, A=20, n=20

Imagen 7: Aproximación por Serie de Fourier y Espectro de frecuencia con T=8s, A=50, n=20
VIII. BIBLIOGRAFÍA
[1] Fuente del navegador:
https://www.elsevier.es/es-revista-economia-informa-114-articulo-la-serie-fourier-estimacion-
observaciones
S0185084915000389#:~:text=La%20Serie%20de%20Fourier%20es,la%20complejidad%20de
%20una%20ecuaci%C3%B3n).
[2] Fuente del navegador:
https://disete.com/diferencias-entre-ancho-de-banda-y-velocidad-de-
transmision/#:~:text=El%20ancho%20de%20banda%20es%20el%20flujo%20de%20bits%20de
,aumentar%20el%20ancho%20de%20banda.
[3] Fuente del navegador:
https://tmbroadcast.es/index.php/la-senal-de-audio-conceptos-y-
medidas/#:~:text=PROPIEDADES%20DE%20LA%20SE%C3%91AL%20DE,debajo%20de%20
los%2040%20Hz.
[4] Robert T. Seeley, “Introducción a las series integrales de Fourier”

IX. FECHA DE ENTREGA (Lima, 16/04/2023)