Actividad 2.

Funciones Ortogonales
Transformaciones y Series
Unidad 1 octubre/2019

Con base en la teoría de espacios vectoriales y la serie de Fourier. Desarrolla

cada uno de los siguientes ejercicios y fundamenta el desarrollo. Recuerda cuidar
la ortografía y redacción. Argumenta y justica el desarrollo de tu evidencia.
Simplifica todos tus resultados

Nombre: Gema Martina Romero Pacheco AL1150664

1. Investigar la relación entre una función ortogonal y la serie de Fourier.

Una serie de Fourier es una serie infinita que converge puntualmente a una función periódica y continua a trozos(o por
partes). Las series de Fourier constituyen la herramienta matemática básica del análisis de Fourier empleado para
analizar funciones periódicas a través de la descomposición de dicha función en una suma infinita de funciones
senoidales mucho más simples (como combinación de senos y cosenos con frecuencias enteras). El nombre se debe al
matemático francés Jean-Baptiste Joseph Fourier que desarrolló la teoría cuando estudiaba la ecuación del calor. Fue el
primero que estudió tales series sistemáticamente, y publicando sus resultados iniciales en 1807 y 1811. Esta área de
investigación se llama algunas veces Análisis armónico

La serie de Fourier tiene la forma

Donde 𝑎𝑛 + 𝑏𝑛 se denominan coeficientes de Fourier de la serie Fourier de la función f (x)

Se puede usar la fórmula del sumatorio para probar la relación ortogonalidad

Donde 𝜕es la delta de kronecker

Las raíces n-enesimas de la unidad se pueden usar para formar una matriz nxn cuyo elemento Aij es

Las columnas de esta matriz son ortogonales y por tanto es unitaria. De esta matriz es precisamente la transformada de
Fourier discreta. Las raíces n-enesimas de la unidad forman una representación irreductible de cualquier grupo cíclico
de orden n. las relaciones de ortogonalidad se obtienen de los principios de la teoría de grupos descritos en el grupo de
caracteres.

2. Qué se entiende por ortogonalidad y qué papel desempeña en la derivación de las fórmulas de
Euler?

La ortogonalidad es un concepto fundamental para la comprensión del análisis de funciones por medio de las
transformadas de Fourier, Laplace y la transformada z. Ortogonal es un adjetivo que se emplea para nombrar a
aquello que se encuentra en un ángulo de 90º. Se trata de una noción que, en el caso de los espacios euclídeos,
es equivalente al concepto de perpendicularidad
En análisis funcional, se dice que dos funciones f y g de un cierto espacio son ortogonales si su producto
escalar ⟨ f , g ⟩ es nulo

Que dos funciones particulares sean ortogonales depende de cómo se haya definido su producto escalar, es
decir, de que el conjunto de funciones haya sido dotado de estructura de espacio prehilbertiano.

Polinomios Ortogonales de Variable Discreta se entienden aquellos polinomios que satisfacen una relación
de ortogonalidad discreta, en vez de la integral habitual . Además son solución de una ecuación en
diferencias en vez de una diferencial, No obstante estos polinomios están definidos para todos los valores
de la variable x, y no solo en los nodos de la red xi . Es conocido que algunas soluciones de la ecuación
discreta satisfacen una ortogonalidad continua

3. En qué nos ayuda la ortogonalidad de funciones para la serie de Fourier?

Dentro del concepto del análisis vectorial, la palabra ortogonal, significa que es perpendicular, sin embargo,
en la definición que estudiamos las funciones no tienen un significado geométrico. En realidad, un conjunto
infinito de funciones ortogonales, pueden servir de base para un espacio funcional, de la misma manera en que
vectores ortogonales sirven de base para un espacio vectorial. Entonces, decimos que un conjunto de
funciones ortogonales puede utilizarse como un conjunto generador de un espacio funcional para toda
función, donde todos los conceptos que se introducen para campos vectoriales siguen siendo válidos si las
propiedades básicas se mantienen.

Luego esta base ortogonal es posible utilizarla para la aproximación de una función, el valor óptimo para los
coeficientes a calcular y de la función que se desea aproximar no dependen ni del número de funciones en la
base funcional ni de la forma o característica de otras funciones generadoras.

Un casi especial de funciones ortogonales frecuentemente utilizadas es el conjunto que genera las series de
Fourier. La serie de Fourier son series de términos coseno y seno y surgen en la tarea práctica de representar
funciones periódicas generales.

4. Que es la serie de Fourier generalizada?

Supongamos que { n ( x)} es un conjunto infinito ortogonal de funciones en un intervalo [a,b]. Nos
preguntamos: si y=f(x) es una función definida en el intervalo [a,b], ¿será posible determinar un conjunto de
coeficientes cn , n  0, 1, 2,..., para el cual

f ( x)  c0 0 ( x)    cn  n ( x)  ?
Como en la descripción anterior, cuando determinamos los componentes de un vector, también
podemos determinar los coeficientes cn mediante el producto interno. Al multiplicar la ecuación anterior
por  (x) e integrar en el intervalo [a,b] se obtiene
m
b b b b

 f ( x )
a
m ( x)dx  co   0 ( x) m ( x)dx  c1  1 ( x) m ( x)dx    cn   n ( x) m ( x)dx  
a a a

 c0 ( 0 ,  m )  c1 (1 ,  m )    cn ( n ,  m )  
Debido a la ortogonalidad, cada término del lado derecho de la última ecuación es cero, excepto
cuando m=n. En este caso tendremos
 b b

 f ( x ) ( x)dx  cn n( x)dx.

2
n
a a

Entonces los coeficientes que buscamos son

b

 f ( x ) n ( x)dx
cn  a
b
, n  0,1,2, 
  n ( x)dx
a

En otras palabras, 
f ( x)   cn  n ( x),
(1)
n 0

En la que 
b
f ( x) n ( x)dx (2)
cn  a

 n ( x)
2

La ecuación 2, en notación de producto interno ( o producto punto ), es


( f , n ) (3)
f ( x)    n ( x).
 n ( x)
2
n 0

Por lo tanto, 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 función
𝑛2

𝑥𝑚 (𝑡) = ∑ ( 𝑐𝑖 𝑢𝑖 )(𝑡)
𝑖=𝑛1
Donde ci representa los coeficientes escalares de la combinación 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 representación de la
función x(t)≈xm(t) como serie se evalúa el producto interno por una función generadora particular uk(t) para obten er

𝑛2
(𝑢𝑘 (𝑡), 𝑥(𝑡)≈ (𝑢𝑘 (𝑡) ∑𝑖=𝑛1
( 𝑐𝑖 𝑢𝑖 )(𝑡)
𝑢2

∑ (𝑢𝑘 (𝑡), 𝑐2 𝑢2 (𝑡)

𝑖=𝑛1
𝑛
2
= ∑𝑖=𝑛 1
( 𝑐𝑖 𝑢𝑘 )(𝑡)𝑢𝑖 (𝑡) = 𝐶𝑥 (𝑈𝑘 (𝑡), 𝑈𝑘 (𝑡)) = 𝐶𝑘 ‖𝑢𝑘 (𝑡)‖2

Con lo que se deriva

(𝑢𝑘 (𝑡), 𝑥(𝑡))
𝑐𝑘
‖𝑢𝑘 (𝑡)‖2
Una conclusión importante de (4.11) es que si se utiliza una base ortogonal para la aproximación de una función, el
valor ́óptimo para los coeficientes depende tan solo de la función generadora correspondiente al coeficiente a calcular
y de la función que se desea aproximar. Estos coeficientes no dependen ni del número de funciones en la base
funcional, ni de la forma u otra característica de otras funciones generadoras.
Si la base funcional
{uk(t)},k∈Z es completa, es decir, si la aproximación de la función x(t) con la serie infinita converge a la función
∞

𝑥(𝑡) = ∑ ( 𝑐𝑘 𝑢𝑘 )(𝑡)
𝑘=−∞

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