Captulo 4

Ortogonalidad y Series de Fourier

El adjetivo ortogonal proviene del griego orthos (recto) y gonia (angulo). Este denota
entonces la perpendicularidad entre dos elementos: dos calles que se cruzan en un angulo
recto presentan una configuracion ortogonal. La ortogonalidad es un concepto fundamental para la comprension del analisis de funciones por medio de las transformadas de
Fourier, Laplace y la transformada z. Este captulo introduce el concepto en cuestion a
partir de un contexto usualmente mas familiar: la ortogonalidad de vectores. Para mas
informacion sobre la terminologa matematica puede consultarse [18, 1].

4.1

Espacios vectoriales

Tradicionalmente se utiliza en ingeniera el concepto de vector como un conjunto ordenado

de n cantidades, por ejemplo [x1 , x2 , . . . , xn ]T . En los casos particulares de vectores bidimensionales (n = 2) y tridimensionales (n = 3) se utilizan en la practica representaciones
alternativas que comprenden magnitudes y angulos (por ejemplo, utilizando coordenadas
polares, cilndricas o esfericas). En terminos matematicos se prefiere la notacion cartesiana por su generalidad: el concepto de vector es valido para todo entero n no negativo
(esto es n = 0, 1, . . .), donde las componentes xi se toman del conjunto de los n
umeros
reales IR o de los n
umeros complejos C.
Sea IF un cuerpo escalar, es decir, una estructura algebraica que consiste por una parte
en un conjunto de escalares y por otra parte en una coleccion de operaciones definidas
para los elementos del conjunto: adicion y multiplicacion, que satisfacen, entre otras, las
propiedades de asociatividad, conmutatividad y distributividad. Un conjunto de vectores
V se denomina espacio vectorial sobre un cuerpo IF (por ejemplo el cuerpo de los n
umeros
reales IR o el cuerpo de los n
umeros complejos C) si
131

4 Ortogonalidad y Series de Fourier

para una operacion de adicion vectorial en V, denotada x + y, con x, y V; y

para una operacion de multiplicacion escalar en V, denotada como ax, con x V y
a IF
se cumplen las siguientes propiedades con a, b IF y x, y, z V:
1. x + y V. (V es cerrado con respecto a la adicion vectorial).
2. x + (y + z) = (x + y) + z. (Asociatividad de la adicion vectorial en V).
3. Existe un elemento neutro 0 V, tal que para todo x V se cumple que x + 0 = x.
(Existencia de un elemento identidad aditivo en V).
4. Para todo x V existe un elemento y V tal que x + y = 0. (Existencia de
inversos aditivos en V).
5. x + y = y + x. (Conmutatividad de la adicion vectorial en V).
6. ax V. (V es cerrado con respecto a la multiplicacion escalar).
7. a(bx) = (ab)x. (Asociatividad de la multiplicacion escalar en V).
8. Si 1 representa la identidad multiplicativa del cuerpo IF entonces 1x = x. (Neutralidad de uno).
9. a(x + y) = ax + ay. (Distributividad con respecto a la adicion vectorial).
10. (a + b)x = ax + bx. (Distributividad con respecto a la adicion en el cuerpo).
El concepto de espacio vectorial es completamente abstracto. Para determinar si un
conjunto V es un espacio vectorial deben especificarse tan solo el conjunto V, el cuerpo
escalar IF y las operaciones vectoriales de adicion y multiplicacion escalar en V. Si las
diez propiedades anteriores se satisfacen, se dice entonces que V es un espacio vectorial.

4.1.1

Combinaciones lineales

Se denomina combinacion lineal de los vectores u1 , u2 , . . . , un de un espacio vectorial V a

todo vector x del tipo
x = c1 u1 + c2 u2 + . . . + cn un
con los coeficientes de la combinacion lineal c1 , . . . , cn , que son escalares del cuerpo escalar
IF relacionado con el espacio vectorial V.
132

c
2005-2007
P. Alvarado

Uso exclusivo ITCR

4.1 Espacios vectoriales

Un conjunto de vectores U = {u1 , u2 , . . . , un } V se dice ser un conjunto ligado o linealmente dependiente si al menos uno de ellos es una combinacion lineal de los demas. Se
denomina conjunto libre o linealmente independiente cuando los u
nicos escalares c1 , . . . , cn
para los que se cumple c1 u1 + c2 u2 + . . . + cn un = 0 son c1 = . . . = cn = 0. Se cumple
ademas que
un conjunto con un solo vector es libre si dicho vector no es nulo,
el vector neutro 0 no forma parte de ning
un sistema libre,
todo subconjunto de un sistema libre es tambien libre,
el n
umero maximo de vectores de un sistema libre es igual al n
umero de componentes
que tienen dichos vectores.
Un espacio se dice engendrado por el conjunto de vectores U = {u1 , u2 , . . . , un } V si
contiene todas las combinaciones lineales de los vectores de U, al que se denomina entonces
conjunto generador del espacio. A cada elemento del conjunto U se le denomina en este
contexto vector generador . Este espacio no vara si
se multiplica cualquier vector generador por un escalar no nulo,
se suma un generador con otro,
si se suprimen los generadores que son una combinacion lineal de los demas.

4.1.2

Subespacios y bases

Cualquier subconjunto W del espacio vectorial V que es cerrado ante las operaciones
vectoriales aditivas y de multiplicacion escalar se denomina subespacio de V. Se puede
apreciar que un subespacio de V es a su vez un espacio vectorial sobre el mismo cuerpo IF
del espacio vectorial original. Ejemplos de subespacios del espacio vectorial tridimensional
IR3 son por ejemplo todos los planos que pasan por el origen [0, 0, 0]T , si se utilizan las
definiciones convencionales de adicion y multiplicacion.
Los subespacios tienen las siguientes propiedades:
Todo espacio vectorial V tiene dos subespacios: el mismo V y {0}.
La interseccion W1 W2 de dos subespacios vectoriales W1 y W2 del mismo espacio
vectorial V es a su vez un subespacio vectorial.
c
2005-2007
P. Alvarado

Uso exclusivo ITCR

133

4 Ortogonalidad y Series de Fourier

La union W1 W2 de dos subespacios vectoriales W1 y W2 del mismo espacio

vectorial V no necesariamente es un subespacio vectorial.
El espacio vectorial V se denomina finito si existe un sistema de vectores U = {u1 , u2 , . . . ,
un } V que es conjunto generador del espacio vectorial. Si los vectores generadores ui
son linealmente independientes entonces se dice que U es una base de V. Todo espacio
vectorial finito V 6= {0} posee al menos una base. Si existen varias bases, todas contienen
el mismo n
umero de vectores generadores. Este n
umero de vectores es la dimensi
on
n
del espacio vectorial. A la base del espacio vectorial IF conformada por los vectores
u1 = [1, 0, . . . , 0]T , u2 = [0, 1, . . . , 0]T , . . ., un = [0, 0, . . . , 1]T se le denomina base canonica
del espacio vectorial finito IFn .

4.2

Espacios de Hilbert

Si a la estructura de espacio vectorial se le agrega el concepto de producto interno aparecen

entonces los llamados espacios con producto interno o espacios pre-Hilbert. El concepto
de producto interno (a veces denominado producto escalar1 ) permite introducir conceptos
geometricos como angulos y longitudes vectoriales. Por el momento conviene definir al
producto interno como una funcion h, i : V V IF que satisface los siguientes axiomas:
x V, hx, xi 0. (No negatividad).
x V, hx, xi = 0 si y solo si x = 0. (No degenerabilidad).


x, y V, x, y = y, x . (Simetra conjugada).


a IF, x, y V, x, ay = a x, y ;


x, y, z V, x, y + z = x, y + hx, zi. (Sesquilinearidad).

Notese que si el cuerpo IF corresponde a los n
umeros reales IR entonces la simetra con

jugada corresponde a la simetra simple del producto interno, esto es x, y = y, x .

Combinando la sesquilinearidad con la simetra conjugada se obtiene ademas que



a IF, x, y V, ax, y = a x, y


x, y, z V, x + y, z = hx, zi + y, z
1

N
otese que en este contexto el concepto de producto escalar es diferente a la multiplicacion escalar
utilizada en la definici
on de espacio vectorial. Para evitar confusiones se preferira aqu el uso del termino
producto interno sobre producto escalar .

134

c
2005-2007
P. Alvarado

Uso exclusivo ITCR

4.2 Espacios de Hilbert

Utilizando el producto interno puede definirse la norma de un vector x como

kxk =

p
hx, xi

(4.1)

Esta norma esta correctamente definida si se considera el axioma de no negatividad en la

definicion del producto interno. Usualmente se interpreta esta norma como la longitud
del vector x.
En estos espacios se dice que dos vectores x y y diferentes de 0 son ortogonales si su


producto interno x, y es 0. Ademas, el angulo entre los dos vectores se define indirectamente por medio de la ecuacion




x, y
cos (x, y) =
.
(4.2)
kxkkyk
con lo que se deduce entonces que la magnitud del angulo entre dos vectores ortogonales
es de /2, puesto que el coseno del angulo entre ellos es cero.
Si U = {u1 , u2 , . . . , un } V es una base de V y cualesquiera dos vectores ui y uk (i 6= k)
son ortogonales entre s, se dice que U es una base ortogonal de V. Si ademas se cumple
que la norma de todos los vectores generadores kui k es uno, entonces a U se le denomina
una base ortonormal .
Ejemplo 4.1 Si U es una base ortogonal de V, como se pueden calcular los coeficientes
para representar un vector x V en dicha base? Si U es una base ortogonal de V se
cumple para todo vector x V
n
X
x=
ci ui
(4.3)
i=1

Realizando el producto escalar a ambos lados con un vector generador especfico uk ,

utilizando las propiedades del producto interno descritas anteriormente, y haciendo uso
de la ortogonalidad de los vectores generadores ui se obtiene
+
*
n
n
n
X
X
X
huk , xi = uk ,
ci ui =
huk , ci ui i =
ci huk , ui i = ck huk , uk i
i=1
2

i=1

i=1

= ck kuk k

con lo que se deriva facilmente

ck =

huk , xi
kuk k2

(4.4)
4.1

c
2005-2007
P. Alvarado

Uso exclusivo ITCR

135

4 Ortogonalidad y Series de Fourier

Una secuencia de Cauchy es una secuencia cuyos terminos se acercan arbitrariamente

entre s en tanto la secuencia progresa. Un espacio con producto interno se denomina
espacio de Hilbert si es completo con respecto a la norma definida a traves del producto
interno, lo que quiere decir que cualquier secuencia de Cauchy de elementos en el espacio
vectorial converge a un elemento en el mismo espacio, en el sentido de que la norma de
las diferencias entre los elementos de la secuencia tiende a cero. Los espacios de Hilbert
se utilizan en la generalizacion del concepto de ciertas transformaciones lineales como la
transformada de Fourier, y son de crucial importancia en la formulacion matematica de
la mecanica cuantica.

4.3

Ortogonalidad de vectores

Para un n
umero entero positivo n, el espacio euclideano de n dimensiones se define como
el espacio de Hilbert de n-dimensiones sobre IR en el que ademas se define la funcion de
distancia d2 para dos puntos x = [x1 , . . . , xn ]T y y = [y1 , . . . , yn ]T como
v
u n
uX
d2 (x, y) = t (xi yi )2
i=1

El espacio euclidiano representa la generalizacion de los espacios matematicos en dos y

tres dimensiones conocidos y estudiados ya en la antig
uedad por Euclides2 . A la funcion
de distancia d2 , basada en el teorema de Pitagoras, se le conoce como metrica euclidiana.
En el espacio euclidiano se utiliza como producto interno el producto punto, definido como

x, y = x y =

n
X

xi yi .

(4.5)

i=1

Con esto se puede definir la norma euclidiana kxk de un vector x como

v
u n
p
uX

kxk = hx, xi = x x = t
|xi |2 .
i=1

Se puede deducir facilmente que la metrica euclidiana puede reescribirse en terminos de

la norma:
d2 (x, y) = kx yk
(4.6)
Cualquier base para un espacio euclidiano de n dimensiones contiene entonces exactamente
n vectores ortogonales entre s.
2

Euclides fue un matem

atico griego del s. III a. C., quien escribio Elementos, que es la base de la
geometra plana actual.

136

c
2005-2007
P. Alvarado

Uso exclusivo ITCR

4.3 Ortogonalidad de vectores

Ejemplo 4.2 Dado un vector x = [cos(), sen()]T en un espacio euclidiano bidimensional, encuentre otro vector de magnitud 1 ortogonal y demuestre que su producto interno
es cero.
Un vector ortogonal a x = [cos(), sen()]T forma un angulo de 90 con el. La figura 4.1
muestra una solucion grafica: el vector x = [ sen(), cos()]T es perpendicular a x.


cos()
x=
sen()

sen()

cos()

sen()

cos()

Figura 4.1: Construcci

on geometrica para obtener un vector ortogonal.

La misma conclusion puede obtenerse utilizando identidades trigonometricas en la expresion [cos( + 2 ), sen( + 2 )]T .
El producto hx, x i se calcula entonces como


sen()
= cos() sen() + cos() sen() = 0
hx, x i = [cos(), sen()]
cos()
4.2

La figura 4.2 muestra la representacion tradicional de un vector x en un espacio euclidiano

bidimensional. Para la figura en el lado izquierdo se ha utilizado la base ortonormal
canonica U = {u1 , u2 }, con los coeficientes escalares a1 y a2 . El lado derecho muestra
el vector con otra base ortonormal U 0 = {u01 , u02 }. Se puede apreciar que los coeficientes
a01 y a02 de x con la nueva base U 0 son diferentes a los obtenidos con U. Sin embargo,
si se establece claramente una base, las componentes calculadas pueden utilizarse para
representar a cualquier vector x de forma u
nica e inequvoca.
De esta forma, es posible representar los mismos vectores a traves de los coeficientes
generados para una base determinada, como lo muestra la figura 4.3 para las dos bases
en la figura 4.2.
Esta forma de representacion vectorial facilita el manejo de vectores con mas de tres
dimensiones, que son difciles o incluso imposibles de imaginar en un espacio geometrico.
c
2005-2007
P. Alvarado

Uso exclusivo ITCR

137

4 Ortogonalidad y Series de Fourier

a2

a2
u2

u2
a1
u1
u1

a1

Figura 4.2: Representaci

on de un vector euclidiano bidimensional x utilizando dos bases ortonormales diferentes.
ai

ai

a1

a1

a2

a2

Figura 4.3: Representaci

on alternativa del vector euclidiano en la figura 4.2 para las bases
ortonormales utilizadas all.

4.4

Ortogonalidad de funciones

La representacion de un vector x a traves de sus componentes para una determinada base

U puede interpretarse como una funcion x : {1, 2, . . . , n} IF que asigna a cada vector
generador ui con ndice i {1, 2, . . . , n} su coeficiente correspondiente con un valor en
el cuerpo IF, es decir, x(i) es una funcion que permite obtener el valor de los coeficientes
para cada componente de la base utilizada. Extendiendo esta idea es incluso posible
representar vectores con un n
umero infinito de dimensiones, utilizando funciones de la
forma x : Z IF. Para un espacio euclidiano el producto interno puede definirse como

x, y =

n2
X

x(i)y(i)

i=n1

138

c
2005-2007
P. Alvarado

Uso exclusivo ITCR

(4.7)

4.5 Series de Fourier

donde n1 y n2 puede ser infinitas (n1 n2 ), expresion que generaliza al producto punto
definido anteriormente en (4.5).
A partir de esta representacion resulta una consecuencia natural eliminar la restriccion
de los ndices de ser n
umeros enteros, y generalizar el concepto de vectores a funciones.
El espacio vectorial se transforma entonces en un espacio funcional , donde todas los
conceptos introducidos anteriormente siguen siendo validos si las propiedades basicas se
mantienen.
Por ejemplo, el producto interno de dos funciones definidas en un intervalo (a, b) se generaliza entonces transformando la sumatoria (4.7) en la siguiente integral
Z b
hx(t), y(t)i =
x(t)y(t) dt
(4.8)
a

con lo que se concluye que dos funciones son ortogonales en el intervalo (a, b) si (4.8) es
cero.
La norma de la funcion se define utilizando la ecuacion (4.8), de igual forma que se hizo
para los vectores con la ecuacion (4.1):
s
Z b
p
kx(t)k = hx(t), x(t)i =
|x(t)|2 dt
(4.9)
a

Con estas definiciones se puede incluso tomar el concepto de angulo entre vectores (ecuacion
(4.2)) y generalizarlo como angulo entre funciones:
cos ((x(t), y(t))) =

hx(t), y(t)i
kx(t)kky(t)k

con lo que se puede afirmar que el angulo entre dos funciones ortogonales es /2.

4.5
4.5.1

Series de Fourier
Series generalizadas de Fourier

Un conjunto (posiblemente) infinito de funciones ortogonales puede entonces servir de

base para un espacio funcional, de la misma manera que vectores ortogonales sirven
de base para espacios vectoriales. Sea U un conjunto de funciones ortogonales U =
{un1 (t), . . . , u0 (t), u1 (t), . . . , un2 (t)}. Este conjunto puede entonces utilizarse como conjunto generador de un espacio funcional para toda funcion
xm (t) =

n2
X

ci ui (t)

(4.10)

i=n1
c
2005-2007
P. Alvarado

Uso exclusivo ITCR

139

4 Ortogonalidad y Series de Fourier

donde ci representa los coeficientes escalares de la combinacion lineal de las funciones

generadoras ui (t). Para encontrar estos coeficientes se procede de la misma forma que
para los vectores. A partir de la representacion de la funcion x(t) xm (t) como serie
(ver ecuacion (4.10)), se evalua el producto interno por una funcion generadora particular
uk (t) para obtener
*
huk (t), x(t)i

uk (t),

n2
X

+
ci ui (t)

i=n1

=
=

n2
X
i=n1
n2
X

huk (t), ci ui (t)i

ci huk (t), ui (t)i

i=n1

= ck huk (t), uk (t)i = ck kuk (t)k2

con lo que se deriva
ck =

huk (t), x(t)i

.
kuk (t)k2

(4.11)

Una conclusion importante de (4.11) es que si se utiliza una base ortogonal para la aproximacion de una funcion, el valor optimo para los coeficientes depende tan solo de la funcion
generadora correspondiente al coeficiente a calcular y de la funcion que se desea aproximar. Estos coeficientes no dependen ni del n
umero de funciones en la base funcional, ni
de la forma u otra caracterstica de otras funciones generadoras.
Si la base funcional {uk (t)}, k Z es completa, es decir, si la aproximacion de la funcion
x(t) con la serie infinita converge a la funcion:
x(t) =

ck uk (t)

k=

con las funciones generadoras uk (t) ortogonales y los coeficientes ck calculados con (4.11),
entonces a la expansion en serie se le denomina serie generalizada de Fourier..

4.5.2

Series de Fourier

Un caso especial de funciones ortogonales frecuentemente utilizadas es el conjunto generador

uk (t) = ej0 kt = ej2F0 kt ,
140

c
2005-2007
P. Alvarado

kZ

Uso exclusivo ITCR

4.5 Series de Fourier

Estas funciones tienen como periodo com

un Tp = 1/F0 (comparar con la seccion 1.2.3).
Evaluando el producto interno definido en un periodo
Z

t0 +Tp

hui (t), uk (t)i =

ui (t)uk (t) dt
t0
Z t0 +Tp

ej0 it ej0 kt

dt =

t0
t0 +Tp

t0 +Tp

ej0 it ej0 kt dt

t0

ej0 (ki)t dt

(4.12)

t0

Para el caso k = i se obtiene

Z

t0 +Tp

hui (t), ui (t)i =

j0 0x

t0 +Tp

dt =

t0

1 dt = Tp

(4.13)

t0

y para k 6= i


t0 +Tp
ej0 (ki)t0 ej0 (ki)Tp 1
ej0 (ki)t 
.
=
hui (t), uk (t)i =
j0 (k i) t0
j0 (k i)

(4.14)

Considerando finalmente que 0 Tp = 2 se obtiene

ej0 (ki)t0 ej2(ki) 1
=0
hui (t), uk (t)i =
j0 (k i)
con lo que queda demostrada la ortogonalidad de las funciones uk (t) = ej0 kt .
De esta forma es posible aproximar cualquier funcion periodica x(t) = x(t + Tp ) con la
serie
n2
X
x(t) =
ck ej0 kt
(4.15)
k=n1

donde n1 y n2 , conocida como la serie de Fourier.

Si x(t) es una funcion real, puesto que za = za con z C y a IR, y x + y = x + y,
entonces se cumple que
ck

j kt

R t+Tp j kt
e 0 , x(t)
e 0 x(t) dt
huk (t), x(t)i
t
=
=
=
kuk (t)k2
kej0 kt k2
kej0 kt k2
= ck

Ademas, utilizando el hecho de que x + x = 2 Re{x} se puede reescribir (4.15), asumiendo

c
2005-2007
P. Alvarado

Uso exclusivo ITCR

141

4 Ortogonalidad y Series de Fourier

que ck = |ck |ejk como

x(t) =
=

ck ej0 kt =

k=

1
X
k=

ck ej0 kt + c0 +

k=1

= c0 +

ck ej0 kt + c0 +

ck ej0 kt = c0 +

2 Re{ck ej0 kt } = c0 +

k=1

= c0 +

ck ej0 kt

k=1

X
k=1

ck ej0 kt + ck ej0 kt

k=1

2|ck | Re{ej(0 kt+k ) }

k=1

2|ck | cos (0 kt + k )

(4.16)

k=1

Existe una tercera representacion de la serie de Fourier para funciones reales x(t), que se
obtiene de (4.16) utilizando la identidad trigonometrica cos(+) = cos cos sen sen :
x(t) = a0 +

(ak cos 0 kt + bk sen 0 kt)

k=1

con a0 = c0 , ak = 2|ck | cos k y bk = 2|ck | sen k

En principio, la descomposicion de una funcion real x(t) en una serie de Fourier brindara
un conjunto de coeficientes ck (o alternativamente ak y bk ) que indican que tan fuerte es
la componente k de frecuencia angular k0 en la funcion original. Esto es, la serie de
Fourier es un primer paso para realizar un analisis en el dominio de la frecuencia, que sera
el tema del siguiente captulo.
Las llamadas condiciones de Dirichlet para la funcion x(t) garantizan la convergencia de
la serie de Fourier en todo punto de x(t) exceptuando en sus discontinuidades, donde la
serie converge al valor medio de la discontinuidad. Estas condiciones son:
1. La funcion x(t) tiene un n
umero finito de discontinuidades en cualquier periodo.
2. La funcion x(t) contiene un n
umero finito de maximos y mnimos en cualquier
periodo.
3. La funcion x(t) es absolutamente integrable en cualquier periodo, esto es:
Z t+Tp
|x(t)| dt <

(4.17)

x=t

Sin embargo, estas condiciones son suficientes, mas no siempre necesarias; es decir, existen
funciones con representaciones validas en series de Fourier que no satisfacen las condiciones
de Dirichlet.
142

c
2005-2007
P. Alvarado

Uso exclusivo ITCR

4.6 Problemas

4.6

Problemas

Problema 4.1. Encuentre tres vectores ortonormales en el espacio euclidiano tridimensional y compruebe que el producto punto entre cualquier par de vectores es cero.
Problema 4.2. Sean ui (t) funciones de variable y valor complejos, ortogonales en el
intervalo [x1 , x2 ]. Si la representacion rectangular de dichas funciones se expresa como
ui (t) = ri (t) + jqi (t) demuestre que se cumple
Z x2
Z x2
ri (t)rk (t) dt =
qi (t)qk (t) dt
x1
x1
Z x2
Z x2
ri (t)qk (t) dt =
qi (t)rk (t) dt
x1

x1

para todo i 6= k.
Problema 4.3.

Utilizando la funcion de error

2

x2

E(c0 , c1 , . . . , cn ) = kx(t) xn (t)k =

|x(t) xn (t)|2 dt

x1

demuestre que para funciones y coeficientes complejos los coeficientes definidos en (4.11)
minimizan la funcion de error. (Sugerencia: Exprese ci en coordenadas rectangulares
como ci = ai + jbi , y utilice los resultados del problema 4.2.)

c
2005-2007
P. Alvarado

Uso exclusivo ITCR

143

4 Ortogonalidad y Series de Fourier

144

c
2005-2007
P. Alvarado

Uso exclusivo ITCR