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 conguracion ortogonal. La ortogonalidad es un concepto funda-
mental 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 [x
1
, x
2
, . . . , x
n
]
T
. En los casos particulares de vectores bidi-
mensionales (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 preere la notacion carte-
siana por su generalidad: el concepto de vector es valido para todo entero n no negativo
(esto es n = 0, 1, . . .), donde las componentes x
i
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 denidas
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. (Neutra-
lidad 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 especicarse 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 u
1
, u
2
, . . . , u
n
de un espacio vectorial V a
todo vector x del tipo
x = c
1
u
1
+ c
2
u
2
+ . . . + c
n
u
n
con los coecientes de la combinacion lineal c
1
, . . . , c
n
, 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
1
, u
2
, . . . , u
n
V se dice ser un conjunto ligado o lineal-
mente dependiente si al menos uno de ellos es una combinacion lineal de los demas. Se
denomina conjunto libre o linealmente independiente cuando los unicos escalares c
1
, . . . , c
n
para los que se cumple c
1
u
1
+ c
2
u
2
+ . . . + c
n
u
n
= 0 son c
1
= . . . = c
n
= 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
1
, u
2
, . . . , u
n
V si
contiene todas las combinaciones lineales de los vectores de |, al que se denomina entonces
conjunto generador del espacio. A cada elemento del conjunto | 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
IR
3
son por ejemplo todos los planos que pasan por el origen [0, 0, 0]
T
, si se utilizan las
deniciones 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 W
1
W
2
de dos subespacios vectoriales W
1
y W
2
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 W
1
W
2
de dos subespacios vectoriales W
1
y W
2
del mismo espacio
vectorial V no necesariamente es un subespacio vectorial.
El espacio vectorial V se denomina nito si existe un sistema de vectores | = u
1
, u
2
, . . . ,
u
n
V que es conjunto generador del espacio vectorial. Si los vectores generadores u
i
son linealmente independientes entonces se dice que | es una base de V. Todo espacio
vectorial nito V ,= 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 dimension
del espacio vectorial. A la base del espacio vectorial IF
n
conformada por los vectores
u
1
= [1, 0, . . . , 0]
T
, u
2
= [0, 1, . . . , 0]
T
, . . ., u
n
= [0, 0, . . . , 1]
T
se le denomina base canonica
del espacio vectorial nito IF
n
.
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 escalar
1
) permite introducir conceptos
geometricos como angulos y longitudes vectoriales. Por el momento conviene denir al
producto interno como una funcion , ) : VV IF que satisface los siguientes axiomas:
x V, x, x) 0. (No negatividad).
x V, x, x) = 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
_
+x, z). (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
_
= x, z) +

y, z
_
1
Notese que en este contexto el concepto de producto escalar es diferente a la multiplicacion escalar
utilizada en la denicion 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 denirse la norma de un vector x como
|x| =
_
x, x) (4.1)
Esta norma esta correctamente denida si se considera el axioma de no negatividad en la
denicion 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 dene indirec-
tamente por medio de la ecuacion
cos
_
(x, y)
_
=

x, y
_
|x||y|
. (4.2)
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
1
, u
2
, . . . , u
n
V es una base de V y cualesquiera dos vectores u
i
y u
k
(i ,= k)
son ortogonales entre s, se dice que | es una base ortogonal de V. Si ademas se cumple
que la norma de todos los vectores generadores |u
i
| es uno, entonces a | se le denomina
una base ortonormal .
Ejemplo 4.1 Si | es una base ortogonal de V, como se pueden calcular los coecientes
para representar un vector x V en dicha base? Si | es una base ortogonal de V se
cumple para todo vector x V
x =
n

i=1
c
i
u
i
(4.3)
Realizando el producto escalar a ambos lados con un vector generador especco u
k
,
utilizando las propiedades del producto interno descritas anteriormente, y haciendo uso
de la ortogonalidad de los vectores generadores u
i
se obtiene
u
k
, x) =
_
u
k
,
n

i=1
c
i
u
i
_
=
n

i=1
u
k
, c
i
u
i
) =
n

i=1
c
i
u
k
, u
i
) = c
k
u
k
, u
k
)
= c
k
|u
k
|
2
con lo que se deriva facilmente
c
k
=
u
k
, x)
|u
k
|
2
(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 denida 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 dene como
el espacio de Hilbert de n-dimensiones sobre IR en el que ademas se dene la funcion de
distancia d
2
para dos puntos x = [x
1
, . . . , x
n
]
T
y y = [y
1
, . . . , y
n
]
T
como
d
2
(x, y) =

_
n

i=1
(x
i
y
i
)
2
El espacio euclidiano representa la generalizacion de los espacios matematicos en dos y
tres dimensiones conocidos y estudiados ya en la antig uedad por Euclides
2
. A la funcion
de distancia d
2
, basada en el teorema de Pitagoras, se le conoce como metrica euclidiana.
En el espacio euclidiano se utiliza como producto interno el producto punto, denido como

x, y
_
= x y =
n

i=1
x
i
y
i
. (4.5)
Con esto se puede denir la norma euclidiana |x| de un vector x como
|x| =
_
x, x) =

x x =

_
n

i=1
[x
i
[
2
.
Se puede deducir facilmente que la metrica euclidiana puede reescribirse en terminos de
la norma:
d
2
(x, y) = |x y| (4.6)
Cualquier base para un espacio euclidiano de n dimensiones contiene entonces exactamente
n vectores ortogonales entre s.
2
Euclides fue un matematico 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 bidimensio-
nal, 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 gura 4.1

muestra una solucion graca: el vector x

= [sen(), cos()]
T
es perpendicular a x.
sen()
sen()
cos()
cos()

x =

cos()
sen()

Figura 4.1: Construccion geometrica para obtener un vector ortogonal.

La misma conclusion puede obtenerse utilizando identidades trigonometricas en la ex-
presion [cos( +

2
), sen( +

2
)]
T
.
El producto x, x

) se calcula entonces como

x, x

) = [cos(), sen()]
_
sen()
cos()
_
= cos() sen() + cos() sen() = 0
4.2
La gura 4.2 muestra la representacion tradicional de un vector x en un espacio euclidiano
bidimensional. Para la gura en el lado izquierdo se ha utilizado la base ortonormal
canonica | = u
1
, u
2
, con los coecientes escalares a
1
y a
2
. El lado derecho muestra
el vector con otra base ortonormal |

= u

1
, u

2
. Se puede apreciar que los coecientes
a

1
y a

2
de x con la nueva base |

son diferentes a los obtenidos con |. Sin embargo,

si se establece claramente una base, las componentes calculadas pueden utilizarse para
representar a cualquier vector x de forma unica e inequvoca.
De esta forma, es posible representar los mismos vectores a traves de los coecientes
generados para una base determinada, como lo muestra la gura 4.3 para las dos bases
en la gura 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
u
1
u
2
u

1
u

2
a
1
a
2
a

1
a

2
x
x
Figura 4.2: Representacion de un vector euclidiano bidimensional x utilizando dos bases orto-
normales diferentes.
a
i
a

i
a
1
a
2
a

1
a

2
Figura 4.3: Representacion alternativa del vector euclidiano en la gura 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
| puede interpretarse como una funcion x : 1, 2, . . . , n IF que asigna a cada vector
generador u
i
con ndice i 1, 2, . . . , n su coeciente correspondiente con un valor en
el cuerpo IF, es decir, x(i) es una funcion que permite obtener el valor de los coecientes
para cada componente de la base utilizada. Extendiendo esta idea es incluso posible
representar vectores con un n umero innito de dimensiones, utilizando funciones de la
forma x : Z IF. Para un espacio euclidiano el producto interno puede denirse como

x, y
_
=
n
2

i=n
1
x(i)y(i) (4.7)
138 c 2005-2007 P. Alvarado Uso exclusivo ITCR
4.5 Series de Fourier
donde n
1
y n
2
puede ser innitas (n
1
n
2
), expresion que generaliza al producto punto
denido 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 denidas en un intervalo (a, b) se gene-
raliza entonces transformando la sumatoria (4.7) en la siguiente integral
x(t), y(t)) =
_
b
a
x(t)y(t) dt (4.8)
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 dene utilizando la ecuacion (4.8), de igual forma que se hizo
para los vectores con la ecuacion (4.1):
|x(t)| =
_
x(t), x(t)) =

_
b
a
[x(t)[
2
dt (4.9)
Con estas deniciones se puede incluso tomar el concepto de angulo entre vectores (ecuacion
(4.2)) y generalizarlo como angulo entre funciones:
cos ((x(t), y(t))) =
x(t), y(t))
|x(t)||y(t)|
con lo que se puede armar que el angulo entre dos funciones ortogonales es /2.
4.5 Series de Fourier
4.5.1 Series generalizadas de Fourier
Un conjunto (posiblemente) innito 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 | un conjunto de funciones ortogonales | =
u
n
1
(t), . . . , u
0
(t), u
1
(t), . . . , u
n
2
(t). Este conjunto puede entonces utilizarse como con-
junto generador de un espacio funcional para toda funcion
x
m
(t) =
n
2

i=n
1
c
i
u
i
(t) (4.10)
c 2005-2007 P. Alvarado Uso exclusivo ITCR 139
4 Ortogonalidad y Series de Fourier
donde c
i
representa los coecientes escalares de la combinacion lineal de las funciones
generadoras u
i
(t). Para encontrar estos coecientes se procede de la misma forma que
para los vectores. A partir de la representacion de la funcion x(t) x
m
(t) como serie
(ver ecuacion (4.10)), se evalua el producto interno por una funcion generadora particular
u
k
(t) para obtener
u
k
(t), x(t))
_
u
k
(t),
n
2

i=n
1
c
i
u
i
(t)
_
=
n
2

i=n
1
u
k
(t), c
i
u
i
(t))
=
n
2

i=n
1
c
i
u
k
(t), u
i
(t))
= c
k
u
k
(t), u
k
(t)) = c
k
|u
k
(t)|
2
con lo que se deriva
c
k
=
u
k
(t), x(t))
|u
k
(t)|
2
. (4.11)
Una conclusion importante de (4.11) es que si se utiliza una base ortogonal para la aproxi-
macion de una funcion, el valor optimo para los coecientes depende tan solo de la funcion
generadora correspondiente al coeciente a calcular y de la funcion que se desea aproxi-
mar. Estos coecientes 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 u
k
(t), k Z es completa, es decir, si la aproximacion de la funcion
x(t) con la serie innita converge a la funcion:
x(t) =

k=
c
k
u
k
(t)
con las funciones generadoras u
k
(t) ortogonales y los coecientes c
k
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 gene-
rador
u
k
(t) = e
j
0
kt
= e
j2F
0
kt
, k Z
140 c 2005-2007 P. Alvarado Uso exclusivo ITCR
4.5 Series de Fourier
Estas funciones tienen como periodo com un T
p
= 1/F
0
(comparar con la seccion 1.2.3).
Evaluando el producto interno denido en un periodo
u
i
(t), u
k
(t)) =
_
t
0
+Tp
t
0
u
i
(t)u
k
(t) dt
=
_
t
0
+Tp
t
0
e
j
0
it
e
j
0
kt
dt =
_
t
0
+Tp
t
0
e
j
0
it
e
j
0
kt
dt
=
_
t
0
+Tp
t
0
e
j
0
(ki)t
dt (4.12)
Para el caso k = i se obtiene
u
i
(t), u
i
(t)) =
_
t
0
+Tp
t
0
e
j
0
0x
dt =
_
t
0
+Tp
t
0
1 dt = T
p
(4.13)
y para k ,= i
u
i
(t), u
k
(t)) =
e
j
0
(ki)t
j
0
(k i)

t
0
+Tp
t
0
=
e
j
0
(ki)t
0
_
e
j
0
(ki)Tp
1
_
j
0
(k i)
. (4.14)
Considerando nalmente que
0
T
p
= 2 se obtiene
u
i
(t), u
k
(t)) =
e
j
0
(ki)t
0
_
e
j2(ki)
1
_
j
0
(k i)
= 0
con lo que queda demostrada la ortogonalidad de las funciones u
k
(t) = e
j
0
kt
.
De esta forma es posible aproximar cualquier funcion periodica x(t) = x(t + T
p
) con la
serie
x(t) =
n
2

k=n
1
c
k
e
j
0
kt
(4.15)
donde n
1
y n
2
, 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
c
k
=
u
k
(t), x(t))
|u
k
(t)|
2
=

e
j
0
kt
, x(t)
_
|e
j
0
kt
|
2
=
_
t+Tp
t
e
j
0
kt
x(t) dt
|e
j
0
kt
|
2
= c
k
Ademas, utilizando el hecho de que x+x = 2 Rex se puede reescribir (4.15), asumiendo
c 2005-2007 P. Alvarado Uso exclusivo ITCR 141
4 Ortogonalidad y Series de Fourier
que c
k
= [c
k
[e
j
k
como
x(t) =

k=
c
k
e
j
0
kt
=
1

k=
c
k
e
j
0
kt
+ c
0
+

k=1
c
k
e
j
0
kt
=

k=1
c
k
e
j
0
kt
+ c
0
+

k=1
c
k
e
j
0
kt
= c
0
+

k=1
c
k
e
j
0
kt
+ c
k
e
j
0
kt
= c
0
+

k=1
2 Rec
k
e
j
0
kt
= c
0
+

k=1
2[c
k
[ Ree
j(
0
kt+
k
)

= c
0
+

k=1
2[c
k
[ cos (
0
kt +
k
) (4.16)
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) = a
0
+

k=1
(a
k
cos
0
kt + b
k
sen
0
kt)
con a
0
= c
0
, a
k
= 2[c
k
[ cos
k
y b
k
= 2[c
k
[ sen
k
En principio, la descomposicion de una funcion real x(t) en una serie de Fourier brindara
un conjunto de coecientes c
k
(o alternativamente a
k
y b
k
) que indican que tan fuerte es
la componente k de frecuencia angular k
0
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 nito de discontinuidades en cualquier periodo.
2. La funcion x(t) contiene un n umero nito de maximos y mnimos en cualquier
periodo.
3. La funcion x(t) es absolutamente integrable en cualquier periodo, esto es:
_
t+Tp
x=t
[x(t)[ dt < (4.17)
Sin embargo, estas condiciones son sucientes, 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 tridimen-
sional y compruebe que el producto punto entre cualquier par de vectores es cero.
Problema 4.2. Sean u
i
(t) funciones de variable y valor complejos, ortogonales en el
intervalo [x
1
, x
2
]. Si la representacion rectangular de dichas funciones se expresa como
u
i
(t) = r
i
(t) + jq
i
(t) demuestre que se cumple
_
x
2
x
1
r
i
(t)r
k
(t) dt =
_
x
2
x
1
q
i
(t)q
k
(t) dt
_
x
2
x
1
r
i
(t)q
k
(t) dt =
_
x
2
x
1
q
i
(t)r
k
(t) dt
para todo i ,= k.
Problema 4.3. Utilizando la funcion de error
E(c
0
, c
1
, . . . , c
n
) = |x(t) x
n
(t)|
2
=
_
x
2
x
1
[x(t) x
n
(t)[
2
dt
demuestre que para funciones y coecientes complejos los coecientes denidos en (4.11)
minimizan la funcion de error. (Sugerencia: Exprese c
i
en coordenadas rectangulares
como c
i
= a
i
+ jb
i
, 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