Apuntes Matemática para Ingenierı́a
Clase 9
Serie de Fourier I
Repaso de Espacios Vectoriales y Espacio L2 [−π, π]
Esta clase estará dedicada a un repaso general de Espacios Vectoriales con Producto
Interno. Para esto partiremos con algunas definiciones básicas
Espacio Vectorial: Sea V un conjunto no vacı́o dotado de dos operaciones
Operación Suma: +: V ×V →V
(u, v) 7→ u + v
Producto por Escalar: ·: R×V →V
(α, v) 7→ αv
Si estas operaciones cumplen con las siguientes propiedades:
1. ∀u, v ∈ V ; u+v =v+u
2. ∀u, v, w ∈ V ; (u + v) + w = u + (v + w)
3. ∃ ~0 ∈ V ; ∀v ∈ V ; ~0 + v = v
4. ∀v ∈ V ; ∃ − v ∈ V ; v + (−v) = ~0
5. ∀α, β ∈ R; α(βv) = (αβ)v
6. ∀v ∈ V ; 1·v =v
7. ∀α ∈ R; ∀u, v ∈ V ; α(u + v) = αu + αv
8. ∀α, β ∈ R; ∀v ∈ V ; (α + β)v = αv + βv
Entonces (V, +, ·) se denomina Espacio Vectorial sobre R.
Nota: Si no existe ambigüedad sobre las operaciones + y ·, se le domina simplemente
al conjunto V espacio vectorial.
1
Independencia Lineal
Un subconjunto A de un espacio vectorial V , con A = {v1 , v2 , . . . , vn }, se denomina
Linealmente Independiente (l.i.) si y solo si
α1 v1 + · · · + αn vn = ~0 ⇒ α1 = · · · = αn = 0
en caso contrario el conjunto se denomina Linealmente Dependiente (l.d.).
Conjunto Generador de un Espacio Vectorial
Un subconjunto A de un espacio vectorial V , con A = {v1 , v2 , . . . , vn }, se denomina
Conjunto Generador de V si y solo si
∀ v ∈ V ; ∃ α1 , . . . , αn ∈ R; v = α1 v1 + · · · + αn vn
Base de un Espacio Vectorial
Un subconjunto A de un espacio vectorial V se denomina Base de V , si y solo si, A
es linealmente independiente y generador de V .
Estos conceptos pueden ser generalizados cuando el conjunto A tiene un número
infinito de elementos.
Un espacio vectorial puede tener muchas bases, pero todas tienen el mismo número
de elementos, esto permite definir el concepto de Dimensión del espacio, como el
cardinal de cualquier base del espacio vectorial. Si la Base tiene cardinal infinito,se
dirá que espacio en infinito dimensional.
Producto Interno
Sea un V un espacio vectorial, a una operación <, >: V × V → R se denomina
producto interno si y solo si:
1. ∀u, v ∈ V ; < u, v >=< v, u >
2. ∀u, v, w ∈ V ; < u + v, w >=< u, w > + < v, w >
3. ∀α ∈ R; ∀u, v ∈ V ; < αu, v >= α < u, v >
4. ∀v ∈ V ; < v, v > ≥ 0 y < v, v >= 0 si y solo si, v = ~0.
2
El producto interno más conocido es el producto punto entre vectores de Rn , pero
existen muchos otros productos internos en diferentes espacios.
Norma, Distancia y Ángulo entre vectores
Cuando un espacio vectorial está dotado de un producto interno es posible definir
en el una norma, es decir una forma de como medir el tamaño de un vector, de la
siguiente forma
√
Sea v ∈ V y <, >, entonces kvk| := < v, v > es la norma del vector v.
Ahora, a través de la norma es posible definir también una distancia entre vectores
de la siguiente forma
Sean u, v ∈ V , entonces d(u, v) := ku − vk es la distancia entre los vectores u y v.
Otras propiedad importante entre el producto interno y la norma es la siguiente
| < u, v > | ≤ kukkvk o equivalentemente < u, v >= Ckukkvk, con |C| ≤ 1
como |C| ≤ 1, se puede asociar este valor al coseno de algún ángulo, es decir
∀u, v ∈ V ; ∃ θ; < u, v >= kukkvk cos(θ)
Este ángulo θ se denomina ángulo entre u y v y se escribe ^(u, v).
Si θ = π2 , entonces < u, v >= 0 y los vectores se dicen perpendiculares, lo que se
anota u⊥v
Si los vectores pertenecientes a una base, son todos perpendiculares entre si, la base
se dice ortogonal y si además cada uno de los vectores tiene norma igual uno, la
base se dice ortonormal.
Es decir si B = {v1 , v2 , . . . } es base de un espacio vectorial y < vi , vj >= 0, ∀i 6= j,
entonces B es base ortogonal.
Si además kvi k = 1, ∀i, entonces la base es ortonormal.
3
Producto Interno en Espacio de Funciones
En el contexto de la materia de este curso, nos interesa estudiar espacios vectoriales
de funcionales, es decir, donde los elementos del espacio son funciones.
En este tipo de espacio se puede definir un producto interno a través de la integral
del producto de funciones de la siguiente forma:
Z b
< f, g >= f (x)g(x)dx
a
el problema de esta definición es que la integral podrı́a no existir, por ejemplo el
1
caso que la función f (x) = x y g(x) = 2 , en el intervalo ]0, 1[, en este ejemplo
x
Z 1 Z 1
1
f (x)g(x)dx = dx = ∞
0 0 x
Por lo tanto, es necesario definir un espacio donde este producto interne este bien
definido para todo para de funciones.
El Espacio L2 [a, b]
Para evitar el problema de la indefinición de la integral en este producto interno, se
define el siguiente espacio vectorial
Z b
2 2
L [a, b] := f (x); f (x)dx < ∞
a
Se puede comprobar que este conjunto es un espacio vectorial y que si tenemos dos
funciones en él, f (x) y g(x), entonces < f, g > < ∞.
1
Ejemplo: Consideremos L2 [0, 1], verifiquemos que f (x) = √ ∈ / L2 [0, 1], pero
x
1 2
g(x) = √ ∈ L [0, 1]
3
x
Z 1 Z 1 Z 1 Z 1 √
2 1 1
2 1 1
f (x)dx = dx = ln(x) = ∞, g (x)dx = √
3
dx = 3 3
x =3
0 0 x 0 0 0 x 2 0
/ L2 [0, 1] y g(x) ∈ L2 [0, 1]
Por lo tanto f (x) ∈
4
El Espacio L2 [−π, π]
En lo que viene a continuación centraremos el estudio en un muy particular espacio
vectorial, el espacio L2 [−π, π].
Como todo espacio vectorial, L2 [−π, π] debe tener una base y es la siguiente
B = 1, cos(nx), sen(mx); n, m ∈ N
es decir, en este espacio se encuentra la función constante 1 y las funciones cos(x),
cos(2x), cos(3x), . . . y las funciones sen(x), sen(2x), sen(3x), . . .
Esta base tiene la propiedad de ser ortogonal, es decir < f, g >= 0, ∀f, g ∈ B.
Hagamos algunas comprobaciones.
Z pi
sen(nx) π
• < 1, cos(nx) > 1 · cos(nx)dx = − = 0, ∀n ∈ N
−π n −π
Por lo tanto 1⊥ cos(nx), ∀n ∈ N.
Z pi
cos(mx) π
• < 1, sen(mx) > 1 · sen(mx)dx = = 0, ∀m ∈ N
−π m −π
Por lo tanto 1⊥sen(mx), ∀m ∈ N.
•
Z π
< cos(nx), sen(mx) > = cos(nx)sen(mx)dx
−pi
! π
cos (n − m)x cos (n + m)x
= − =0
n−m n+m
−π
Por lo tanto cos(nx)⊥sen(mx), ∀n, m ∈ N con n 6= m. El caso n = m se
debe ver por separado.
Faltan por comprobar que cos(n1 x)⊥ cos(n2 x), ∀ n1 6= n2 y sen(m1 x)⊥sen(m2 x),
∀ m1 6= m2 . Que quedarán de ejercicios a los estudiantes.
5
EJEMPLO 1: Determine k1k en L2 [−π, π]
EJEMPLO 2: Determine k cos(nx)k en L2 [−π, π]
EJEMPLO 3: Determine ksen(mx)k en L2 [−π, π]
EJEMPLO 4: Determine condiciones sobre a y b para que x2 sea ortogonal a ax+b
en L2 [0, 1].
EJEMPLO 5: Determine k1 − xk en L2 [−1, 1].
EJEMPLO 6: Compruebe que cos(n1 x)⊥ cos(n2 x) con n1 6= n2 , en L2 [−π, π].
EJEMPLO 7: Calcule el ángulo entre x y (1 − x) en L2 [−1, 1] y L2 [0, 1].
EJEMPLO 8: Determine condiciones sobre a y b para que f (x) = x − a sea
ortogonal a g(x) = x − b en L2 [−1, 1].
