Elli Bro de Me Todos

Formulario de Metodos de Fsica
Matematica
Hector Hernandez
Universidad de Los Andes
Merida Venezuela
Luis A. N u nez
Universidad de Los Andes
Merida Venezuela
y
Universidad Industrial de Santander
Bucaramanga Colombia
Indice general
1. Los vectores de siempre 10
1.1. Para comenzar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2. Vectores y escalares y algebra vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1. Escalares y vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.2. Algebra de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3. Independencia lineal y las bases para vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4. Productos de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.1. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.2. Producto vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.3. Una division fallida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.4. Producto triple o mixto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5. Componentes, coordenadas y cosenos directores . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.1. Bases, componentes y coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.2. Cosenos directores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6. Algebra vectorial y coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.1. Suma y resta de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.6.2. Dependencia e independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.6.3. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6.4. Producto vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6.5. Triple producto mixto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.7. Algebra vectorial con ndices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.7.1. Convencion de Einstein . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.7.2. Los vectores y los ndices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.7.3. Un par de calculos ilustrativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.7.4. El escalares, pseudoescalares, vectores y pseudovectores . . . . . . . . . . . . . . . . . 27
1.8. Aplicaciones del algebra vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.8.1. Rectas y vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.8.2. Planos y vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.9. Un comienzo a la derivacion e integracion de vectores . . . . . . . . . . . . . . . . . . . . . . 30
1.9.1. Vectores variables, . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.9.2. Derivacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.9.3. Velocidades y aceleraciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.9.4. Vectores y funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.9.5. El vector gradiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.9.6. Integracion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.10. Vectores y n umeros complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2
Metodos Matematicos de la Fsica
1.10.1. Los n umeros complejos y su algebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.10.2. Vectores y el plano complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.10.3. Formulas de Euler y De Moivre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.10.4. Algunas Aplicaciones Inmediatas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.11. Algunos Ejemplos Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2. Espacios Vectoriales Lineales 58
2.1. Grupos, Campos y Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.1.1. Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.1.2. Campo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.1.3. Espacios Vectoriales Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.2. Metricas y Espacios Metricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.3. Normas y Espacios Normados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.4. Producto Interno y Espacios de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.4.1. Producto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.4.2. La desigualdad de Cauchy Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.5. Variedades Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.5.1. Dependencia, independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.5.2. Bases de un Espacio Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.5.3. El determinante de Gram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.5.4. Ortogonalidad y Bases Ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.5.5. Ortogonalizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.5.6. Complementos Ortogonales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.5.7. Descomposicion ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.6. Temas Avanzados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.6.1. Aproximacion de Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.6.2. El Metodo de Mnimos Cuadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
2.7. Algunos Ejemplos Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3. Vectores Duales y Tensores 88
3.1. Funcionales Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.2. Bases Discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.3. Parentesis Tensorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.3.1. Tensores una denicion funcional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.3.2. Producto Tensorial: Denicion y propiedades . . . . . . . . . . . . . . . . . . . . . . . 92
3.3.3. La tentacion del producto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.3.4. Bases para un producto tensorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
3.3.5. Tensores, sus componentes y sus contracciones . . . . . . . . . . . . . . . . . . . . . . 96
3.3.6. Tensor Metrico, Indices y Componentes . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.4. Un par de tensores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.4.1. El tensor de esfuerzos (stress) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.4.2. El Tensor de Inercia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.5. Repensando los vectores, otra vez . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.5.1. Vectores, Covectores y Leyes de Transformacion . . . . . . . . . . . . . . . . . . . . . 105
3.5.2. Cartesianas y Polares, otra vez . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
3.5.3. Repensando las componentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
3.6. Transformaciones, vectores y tensores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.6.1. Un ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
Luis A. N u nez Universidad Industrial de Santander 3
3.7. Teorema del Cociente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.8. Temas avanzados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
3.8.1. Bases Discretas y Continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
3.8.2. Bases de Ondas Planas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
3.8.3. Las Representaciones [r) y [p) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4. Coordenadas Curvilineas 124
4.1. Disgrecion Derivativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.2. Curvas y parametros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
4.3. Coordenadas Curvilneas Generalizadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.3.1. Coordenadas generalizadas, vectores y formas . . . . . . . . . . . . . . . . . . . . . . . 130
4.3.2. Velocidades y Aceleraciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.3.3. Coordenadas Cartesianas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.3.4. Coordenadas Cilndricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.3.5. Coordenadas Esfericas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
4.3.6. Otros Sistemas Coordenados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
4.4. Vectores, Tensores, Metrica y Transformaciones . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.4.1. Transformando Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.4.2. Transformando Tensores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
5. Campos y Operadores Diferenciales 146
5.1. Campos Tensoriales y el Concepto de Campo . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
5.2. Campos escalares y supercies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
5.3. Campos vectoriales y lneas de ujo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
5.3.1. Lneas de ujo o curvas integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.3.2. Trayectorias ortogonales a las lneas de ujo . . . . . . . . . . . . . . . . . . . . . . . . 153
5.4. Flujo de Campos Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
5.5. La fauna de los operadores vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
5.5.1. Derivada direccional, diferencial total y gradiente . . . . . . . . . . . . . . . . . . . . . 155
5.5.2. Divergencia y ujo en campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . 159
5.5.3. Rotores, lneas de torbellino y Circulacion . . . . . . . . . . . . . . . . . . . . . . . . . 164
5.5.4. Formulario del Operador nabla,

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
5.5.5. Nabla dos veces y el Laplaciano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
5.5.6. Derivadas Direccionales de Campos Vectoriales . . . . . . . . . . . . . . . . . . . . . . 172
5.6. Integrales y Campos Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
5.6.1. Resumiendo lo visto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
5.7. Campos Vectoriales y Teoremas integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
5.7.1. Teorema de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
5.7.2. Teorema de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
5.8. Teora de Potencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
5.8.1. Potenciales escalares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
5.8.2. Potenciales vectoriales y calibres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
5.8.3. Teorema de Green y Potenciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
5.8.4. Teorema de Helmholtz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
6. Matrices, Determinantes y Autovectores 190
6.1. Operadores Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
6.1.1. Espacio Vectorial de Operadores Lineales . . . . . . . . . . . . . . . . . . . . . . . . . 193
6.1.2. Composicion de Operadores Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
6.1.3. Proyectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
6.1.4. Espacio Nulo e Imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
6.1.5. Operadores Biyectivos e Inversos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
6.1.6. Operadores Hermticos Conjugados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
6.1.7. Operadores Unitarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
6.2. Representacion Matricial de Operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
6.2.1. Bases y Representacion Matricial de Operadores . . . . . . . . . . . . . . . . . . . . . 205
6.2.2. Algebra de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
6.2.3. Representacion Diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
6.2.4. Sistemas de Ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
6.2.5. Operadores Hermticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
6.2.6. Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
6.2.7. Cambio de Bases para vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
6.3. Traza de Operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
6.3.1. Invariancia de la Traza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
6.3.2. Propiedades de la Traza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
6.3.3. Diferenciacion de Operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
6.3.4. Reglas de Diferenciacion de Operadores Lineales . . . . . . . . . . . . . . . . . . . . . 212
6.3.5. La Formula de Glauber . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
6.4. Un Zoologico de Matrices Cuadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
6.4.1. La matriz nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
6.4.2. Diagonal a Bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
6.4.3. Triangular superior e inferior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
6.4.4. Matriz singular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
6.4.5. Matriz de cofactores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
6.4.6. Matriz Adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
6.5. Un Parentesis Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
6.5.1. Denicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
6.5.2. Propiedades Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
6.6. Autovectores y Autovalores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
6.6.1. Deniciones y Teoremas Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
6.6.2. Algunos comentarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
6.6.3. Algunos Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
6.6.4. Autovalores, autovectores e independencia lineal . . . . . . . . . . . . . . . . . . . . . 222
6.7. Autovalores y Autovectores de un operador . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
6.7.1. El polinomio caracterstico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
6.7.2. Primero los autovalores, luego los autovectores . . . . . . . . . . . . . . . . . . . . . . 224
6.8. Autovalores y Autovectores de Matrices Importantes . . . . . . . . . . . . . . . . . . . . . . . 227
6.8.1. Autovalores y Autovectores de Matrices Similares . . . . . . . . . . . . . . . . . . . . . 227
6.8.2. Autovalores y Autovectores de Matrices Hermticas . . . . . . . . . . . . . . . . . . . . 230
6.8.3. Autovalores y Autovectores de Matrices Unitarias . . . . . . . . . . . . . . . . . . . . 232
6.9. Conjunto Completo de Observables que conmutan . . . . . . . . . . . . . . . . . . . . . . . . 235
7. Serie de Series 242
7.1. Series por todos lados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
7.1.1. La Suma de la Serie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
7.1.2. Algebra Elemental de Series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
7.1.3. Criterios de Convergencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
7.2. Series de potencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
7.2.1. Convergencia de una serie de potencias . . . . . . . . . . . . . . . . . . . . . . . . . . 251
7.2.2. Covergencia uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
7.2.3. Algebra y convergencia de series de potencias . . . . . . . . . . . . . . . . . . . . . . . 254
7.2.4. Series de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
7.3. Series y Espacios de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
7.3.1. Completitud de E
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
7.3.2. Conjunto completo de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
7.4. Series de Polinomios Ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
7.4.1. Polinomios de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
7.4.2. Polinomios de Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
7.4.3. MAPLE y los polinomios ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
7.4.4. Planteamiento General para Polinomios Ortogonales . . . . . . . . . . . . . . . . . . . 279
7.4.5. Un par de aplicaciones de ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
7.5. Series y transformadas de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
7.5.1. Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
7.5.2. Las Condiciones de Dirichlet y el Teorema de Fourier . . . . . . . . . . . . . . . . . . 289
7.5.3. Algunos ejemplos de expansiones en series de Fourier . . . . . . . . . . . . . . . . . . . 290
7.5.4. Consideraciones de Simetra en series de Fourier . . . . . . . . . . . . . . . . . . . . . 293
7.5.5. Tratamiento de discontinuidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
7.5.6. Tranformadas de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
7.5.7. Tranformadas Discretas de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
8. La Variable Compleja 303
8.1. Vectores y n umeros complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
8.1.1. Los n umeros complejos y su algebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
8.1.2. Vectores y el plano complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
8.1.3. Formulas de Euler y De Moivre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
8.2. Funciones de Variable Compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
8.2.1. De la recta real al plano complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
8.2.2. Continuidad en el plano complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
8.2.3. Diferenciabilidad de funciones complejas . . . . . . . . . . . . . . . . . . . . . . . . . . 308
8.2.4. Funciones Analticas y Condiciones de Cauchy-Riemann . . . . . . . . . . . . . . . . . 309
8.2.5. Curiosidades de Cauchy-Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
8.3. Series de Potencias en Variable Compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
8.3.1. La convergencia y sus criterios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
8.3.2. Consecuencias y conclusiones para series de potencias complejas . . . . . . . . . . . . 313
8.4. Algunas Funciones Complejas Elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
8.5. Puntos de corte, lneas de cortes y ceros de funciones complejas . . . . . . . . . . . . . . . . . 315
8.5.1. Puntos y lneas de corte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
8.5.2. Singularidades, polos y ceros de funciones complejas. . . . . . . . . . . . . . . . . . . . 316
8.6. Transformaciones conformes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
8.6.1. Deniciones y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
8.6.2. Algunas consecuencias y ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
8.7. Integrales complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
8.7.1. Algunas propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
8.7.2. Un par de ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
8.8. Teorema Integral de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
8.8.1. El Teorema y las Regiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
8.8.2. Algunas observaciones y el Teorema de Morera . . . . . . . . . . . . . . . . . . . . . . 324
8.8.3. Formula integral de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
8.9. Otra vez Taylor y ahora Laurent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
8.9.1. Series de Taylor para funciones analticas . . . . . . . . . . . . . . . . . . . . . . . . . 327
8.9.2. Series de Laurent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
8.9.3. Algunos Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
8.10. Integracion por el metodo de los residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
8.10.1. Los residuos de Laurent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
8.10.2. Teorema del Residuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
8.10.3. Evaluacion de integrales, reales, impropias . . . . . . . . . . . . . . . . . . . . . . . . . 334
9. Ecuaciones Diferenciales Ordinarias de Primer Orden 343
9.1. Motivacion y Origen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
9.2. Empezando por el principio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
9.2.1. Ejemplos de Algunas ecuaciones diferenciales . . . . . . . . . . . . . . . . . . . . . . . 349
9.2.2. De Ecuaciones y Ecuaciones Diferenciales . . . . . . . . . . . . . . . . . . . . . . . . . 350
9.2.3. Fauna y Nomenclatura de Ecuaciones Diferenciales Ordinarias . . . . . . . . . . . . . 351
9.2.4. Metodos elementales de integracion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
9.3. Ecuacion Diferenciales de Primer Orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
9.3.1. Ecuaciones Diferenciales separables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
9.3.2. Ecuaciones Diferenciales Exactas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
9.3.3. Solucion Parametrica de Ecuaciones Diferenciales . . . . . . . . . . . . . . . . . . . . . 366
9.4. Soluciones Numericas a las Ecuaciones Diferenciales . . . . . . . . . . . . . . . . . . . . . . . 366
9.4.1. Las Ideas Generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
9.4.2. La idea de la Integracion y los Metodos . . . . . . . . . . . . . . . . . . . . . . . . . . 368
9.4.3. Control del Paso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374
9.5. Algunas Aplicaciones de Ecuaciones Diferenciales de Primer Orden . . . . . . . . . . . . . . . 376
9.5.1. Ley de Malthus/Decaimiento Radioactivo. . . . . . . . . . . . . . . . . . . . . . . . . . 376
9.5.2. La Ecuacion logstica o Ley de Verhulst . . . . . . . . . . . . . . . . . . . . . . . . . . 377
9.5.3. La Ley de Enfriamiento de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 378
9.5.4. Interes Compuesto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380
9.5.5. Mecanica Elemental. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
9.5.6. Modelado de Concentracion/Desliemiento de Soluciones . . . . . . . . . . . . . . . . . 386
10.Ecuaciones Diferenciales Ordinarias de Orden Superior 391
10.1. Deniciones para comenzar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 392
10.2. Homogeneas, Lineales, de Segundo Orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 392
10.3. Ecuaciones Diferenciales de Orden n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395
10.4. Algunos Metodos de Solucion para Ecuaciones Inhomogeneas . . . . . . . . . . . . . . . . . . 397
10.4.1. El Wronskiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
10.4.2. Metodos de los Coecientes Indeterminados . . . . . . . . . . . . . . . . . . . . . . . . 398
10.4.3. Metodos de Variacion de los Parametros . . . . . . . . . . . . . . . . . . . . . . . . . 400
10.4.4. Metodos de Reduccion de Orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 402
10.5. Algunas Aplicaciones de las Ecuaciones de Orden Superior . . . . . . . . . . . . . . . . . . . . 403
10.5.1. Mecanica y Electricidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403
10.5.2. Oscilaciones libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403
10.5.3. Oscilaciones Libres Amortiguadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404
10.5.4. Oscilaciones Forzadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407
10.5.5. Oscilaciones Forzadas amortiguadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409
10.5.6. Movimiento alrededor de un punto de equilibrio . . . . . . . . . . . . . . . . . . . . . . 412
10.5.7. Pendulo Simple con desplazamiento nito. . . . . . . . . . . . . . . . . . . . . . . . . . 413
10.5.8. Disgresion Elptica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420
10.5.9. Cuan buena es la aproximacion lineal ? . . . . . . . . . . . . . . . . . . . . . . . . . 423
10.5.10.El Pendulo Fsico: Integracion Numerica . . . . . . . . . . . . . . . . . . . . . . . . . . 424
10.6. Transformaciones Integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 425
10.6.1. Calculo Operacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 425
10.6.2. Deniciones para Comenzar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
10.6.3. Tranformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 428
10.6.4. Ejemplos Sencillos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 429
10.6.5. Integral de Convolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 431
10.7. Sistemas de Ecuaciones Diferenciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
10.7.1. Motivacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
10.7.2. Notacion Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 434
10.7.3. Sistemas Lineales Homogeneos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 435
10.7.4. Sistemas Lineales Inhomogeneos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
11.Series y Ecuaciones Diferenciales Ordinarias 441
11.1. Otra vez Algebra de Series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 442
11.2. Un Ejemplo conocido. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 442
11.3. Otro Ejemplo menos conocido pero importante . . . . . . . . . . . . . . . . . . . . . . . . . . 444
11.4. Metodo de Diferenciaciones Sucesiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446
11.5. Metodos de los Coecientes Indeterminados . . . . . . . . . . . . . . . . . . . . . . . . 447
11.6. Los Puntos y las Estrategias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449
11.7. Ecuaciones e intervalos en puntos regulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449
11.8. El Metodo de Frobenius . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 451
11.8.1. m
1
,= m
2
m
1
m
2
,= N con N entero. . . . . . . . . . . . . . . . . . . . . . . . . . . 456
11.8.2. m
1
= m
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 458
11.8.3. m
1
,= m
2
m
1
m
2
= N con N entero. . . . . . . . . . . . . . . . . . . . . . . . . . . 463
11.9. Revisitando a Bessel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 466
11.9.1. Otras Formas de la Ecuacion de Bessel . . . . . . . . . . . . . . . . . . . . . . . . . . . 472
11.9.2. Relaciones de Recurrencia: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 472
11.9.3. Funciones de Bessel y Funciones Elementales . . . . . . . . . . . . . . . . . . . . . . . 473
11.9.4. Reexion: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 474
11.9.5. Funcion Generatriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475
11.9.6. Representacion Integral para las Funciones de Bessel . . . . . . . . . . . . . . . . . . . 475
11.9.7. Ortogonalidad de las Funciones de Bessel . . . . . . . . . . . . . . . . . . . . . . . . . 476
11.10.Algunas funciones Especiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
11.10.1.Funcion Gamma e Integrales de Probabilidad . . . . . . . . . . . . . . . . . . . . . . . 477
11.10.2.La Funciones Digamma y Poligamma . . . . . . . . . . . . . . . . . . . . . . . . . . . 481
11.10.3.La Aproximacion de Stirling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 482
11.10.4.La funcion Beta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 483
Captulo 1
Los vectores de siempre
10
1.1. Para comenzar
Este conjunto de secciones pretende hacer una repaso, un recordatorio y avanzar sobre lo que la mayora
de Uds. conocen o han escuchado a lo largo de sus cursos de Fsica, Matematicas y Qumica.
1.2. Vectores y escalares y algebra vectorial
Desde siempre, desde los primeros cursos de Fsica en educacion media, venimos hablando de vectores
como cantidades que tienen que ser representadas con mas de un n umero. Son muchas las razones que obligan
a introducir este (y otro) tipo de cantidades, enumeraremos algunas que a criterio personal son como mas
representativas.
1. Necesidad de modelos matematicos de la naturaleza. Desde los albores del renacimiento, con
Galileo Galilei a la cabeza es imperioso representar cantidades de manera precisa. Las matematicas
nos apoyan en esta necesidad de precision. Desde ese entonces las matematicas son el lenguaje de la
actividad cientca.
2. Los modelos tienen que tener contrastacion experimental. Las ciencias y sus modelos, en ultima
instancia, tienen que ver con la realidad, con la naturaleza y por ello debemos medir y contrastar las
hipotesis con esa realidad que modelamos. Necesitamos representar cantidades medibles (observables)
y que por lo tanto tienen que ser concretadas de la forma mas compacta, pero a la vez mas precisa
posible.
3. Las leyes de los modelos deben ser independiente de los observadores. Cuando menos a
una familia signicativa de observadores. El comportamiento de la naturaleza no puede depender de la
vision de un determinado observador, as los modelos que construimos para describirla, tampoco pueden
depender de los observadores. Con conocer la ley de transformacion entre observadores equivalentes
deberemos conocer como ocurren los fenomenos en otros referenciales.
Por ello, tropezaremos con escalares, vectores, tensores y espinores, dependiendo del n umero de cantidades
que necesitemos para representar ese objeto pero, sobre todo, dependiendo de la ley de transformacion que
exista entre estos objetos. Constataremos que las leyes de la Fsica vienen escritas en forma vectorial (o
tensorial) y, por lo tanto, al conocer la ley de transformacion de los vectores (tensores) conoceremos la vision
que de esta ley tendran otros observadores.
1.2.1. Escalares y vectores
Dejaremos para mas adelante caracterizar objetos como tensores y espinores, por ahora nos contentaremos
con refrescar nuestros recuerdos con cantidades como:
Escalares: Seran aquellas cantidades las cuales se representan con UN solo n umero, una magnitud: temperatura,
volumen, masa, entre otras. Es costumbre no denotarlas de manera especial, as T = 5
o
C represen-
tara una temperatura de 5 grados centgrados.
Vectores: Seran cantidades las cuales, para ser representadas por un objeto matematicos requieren mas de un
n umero, requieren de UN n umero, UNA direccion y UN sentido. Entre las cantidades que tpicamente
reconocemos como vectores estan: la velocidad, la aceleracion, la fuerza En terminos gracos podremos
decir que un vector sera un segmento orientado, en el cual la dimension del segmento representara su
modulo y su orientacion la direccion y el sentido. Para diferenciarla de las cantidades escalares hay
Figura 1.1: Vectores y sus operaciones
una variedad de representaciones, entre ellas: en negrita a; con una echa arriba de la cantidad a;
con una tilde arriba a; o explicitando el origen del segmento orientado

OP. El modulo del vector lo
representaremos dentro de la funcion valor absoluto, o sencillamente sin la echa arriba a = [a[ = [a[ .
Los vectores son independientes del sistema de coordenadas. Sus caractersticas (modulo, direccion y
sentido) se preservaran en todos los sistemas de coordenada. Mas a un, habra vectores que podremos des-
plazarlos (conservando su modulo direccion y sentido) paralelos a ellos mismos, en el espacio y (obvio que)
seguiran siendo los mismo. Por ello encontraran el termino de vectores deslizantes. Un ejemplo de ellos son
las fuerzas que act uan en un determinado cuerpo, como se muestra el cuadrante III en la Figura 1.1, arriba.
Tambien habra vectores atados a un punto en el espacio, por cuanto representan una de sus propiedades:
la velocidad del viento, el campo electrico, o sus variaciones son algunos ejemplos de estos vectores atados
(observe la Figura 1.2 como ejemplos ilustrativos).
1.2.2. Algebra de vectores
Enumeraremos rapidamente el algebra de vectores sin hacer referencia a un sistema de coordenadas.
Desde siempre nos ense naron a representar gracamente este algebra. As tenemos que:
Vector nulo Es aquel que tiene por m odulo cero y no se le pude asignar direccion ni sentido. Podremos
comparar vectores si tienen la misma direccion y sentido.
Vector unitario Es aquel que tiene por modulo la unidad, es muy util por cuanto, para efectos algebraicos,
contiene unicamente direccion y sentido. Lo denotaremos con un acento circunejo, com unmente llamado
sombrero u
a
=
a
[a[
, con lo cual todo vector a = [a[ u
a
se podra expresar por un modulo en la direccion y
sentido de un vector unitario.
Figura 1.2: Ejemplos de vectores atados
Comparamos vectores Al comparar sus modulos diremos que pueden ser mayores, menores o iguales.
Por lo tanto, tal y como mostramos en el cuadrante I de la Figura 1.1, dos vectores seran iguales a =

b si
tienen la misma direccion y sentido.
Multiplicacion por un escalar Un vector, multiplicado por un escalar, n, cambiara su modulo si n > 0
y cambiara su sentido y eventualmente su modulo si n < 0 Tal y como puede apreciarse en el cuadrante I de
la Figura 1.1. Claramente dos vectores proporcionales seran colineales. Diremos ademas, que el inverso del
vector a sera la multiplicacion de a por (1) . Esto es c = (1)a = a
Suma de vectores Aprendimos que para sumar vectores utilizamos la regla del paralelogramo, es decir,
desplazamos paralelamente uno de los vectores y lo colocamos a continuacion del otro, de tal forma que
la diagonal del paralelogramo, que tiene por lados los vectores sumandos, constituye el vector suma (ver
cuadrantes IIa y IIb de la Figura 1.1). Este esquema se puede generalizar para varios vectores tal y como lo
mostramos en el cuadrante IIa de la Figura 1.1. All construimos un polgono cuyos lados los constituyen los
vectores sumandos a,
b, c,
d y n con n =a +
b +c +

d.
Notese que a un el caso tridimensional, el vector suma siempre sera coplanar (estara en el mismo plano)
a los sumandos que lo generaron.
Igualmente, podemos denir la resta de vectores al sumar el inverso. Esto es
a
b a +
_
b
_
0 =a a a + (a)
En terminos gracos la resta de dos vectores se representa colocando los vectores (minuendo y sutraendo) con
el mismo origen y uniendo las cabezas de echa. Dependiendo de cual vector es el minuendo y cual sustraendo
el vector resta apuntara del sustraendo hacia el minuendo. Observese el cuadrante IIa de la Figura 1.1 la
resta
_
a +
b +c
_
a =
b +c.
Claramente, el modulo del vector resta representa la distancia entre los dos extremos de los vectores
minuendo y el sustraendo
Un resumen de propiedades Podemos resumir las propiedades del algebra de vectores como sigue
La suma de vectores
tiene un unico elemento neutro 0 +a =a + 0 =a a
existe un elemento simetrico (a) (uno para cada vector) tal que 0 =a a a + (a)
es conmutativa a +
b =
b +a
es asociativa
_
a +
b
_
+c =a +
_
b +c
_
es distributiva
_
a +
b
_
= a +
b respecto a la multiplicacion por escalares

La multiplicacion de escalares por vectores
es conmutativa a = a
es asociativa (a) = ()a
es distributiva ( +)a = a +a
1.3. Independencia lineal y las bases para vectores
Armados con el algebra y explicitando sus propiedades podemos construir la primera aproximacion a uno
de los conceptos fundamentales del algebra lineal. La nocion de independencia o dependencia lineal.
Diremos que tres vectores a,
b, c son linealmente independientes si se cumple que

a +
b +c = 0 = = = 0
es decir que la unica manera que al sumar cualquier m ultiplo de a,
b, c se anule esto obliga que los escalares son

necesariamente nulos. Si no se cumple lo anterior entonces diremos que uno de los vectores sera linealmente
dependiente y que por lo tanto se podra expresar como combinacion lineal de los otros dos
a +
b +c = 0 alguno de
_
_
_
,= 0
,= 0
,= 0
_
_
_
c = a +

b
Los vectores linealmente independientes formaran base para el espacio donde ellos viven y el n umero
maximo de vectores linealmente independientes sera la dimension de ese espacio de residencia. Tratemos
de concretar algunas de estas importantes armaciones.
Dos vectores linealmente dependientes son colineales. Es claro que
a +
b = 0 con alguno de
_
,= 0
,= 0
_
_
a =
b =
a
el contrario tambien sera cierto: si dos vectores son colineales ellos seran linealmente dependientes.
a =
b a +
b = 0
b +
b = 0 ( +)
b = 0 =
y con lo cual podremos arma que si dos vectores son linealmente independientes ellos no son colineales y
mas a un si dos vectores son linealmente independientes no son colineales.
Tres vectores linealmente dependientes son complanares. Es claro que por ser los tres vectores
linealmente dependientes al menos uno de los escalares tiene que ser distinto de cero. Esto es
a +
b +c = 0 c =
b = a +

b
pero como a a y

b
b eso signica que ambos a y a y

b y

b son colineales respectivamente y su
suma estara en el mismo plano.
Dos vectores linealmente independientes expanden todos los vectores coplanares. Esto es, dado
dos vectores a,
b linealmente independientes, entonces cualquier vector c,complanar con a y

b, podra expre-
sarse como una combinacion lineal de ellos y diremos que c se expresa en terminos de a,
b como c = a+

b
y esa expresion es unica.
La primera de las armaciones es directa por cuanto hemos visto que si a y
b son linealmente independiente

y c es complanar con a y
b. Entonces, necesariamente a,
b y c son linealmente dependientes. Esto es

a +
b +c = 0 c =
b = a +

b
La demostracion de que la expansion es unica viene de suponer que existen dos maneras distintas de repre-
sentar al vector c
c = a +

b
c = a +

b
_
_
_
0 = ( ) a + ( )

b
_
_
_
= 0 =
= 0 =
debido a que a y
b son linealmente independiente. La demostracion para el caso tridimensional es equivalente.

Es decir tres vectores linealmente independientes a,
b y c expanden, de manera unvoca, todos los vectores

del espacio. Esta demostracion queda para el lector.
Cuando un vector c se pueda expresar en terminos de dos vectores linealmente independientes a,
b diremos
que a y

b forman una base para todos los vectores complanares a ellos. Equivalentemente para el caso
tridimensional, tres vectores linealmente independientes a,
b y c conformaran una base para los vectores del

espacio. Los escalares , para el caso bidimensional se denominan las componentes de c a lo largo de a y
b, .respectivamente. Equivalentemente , , seran las componentes de cualquier vector para el caso 3D a lo

largo de a,
b y c, respectivamente. Esta nomenclatura sera mas evidente luego de la proxima seccion.

1.4. Productos de vectores
1.4.1. Producto escalar
Denominaremos producto escalar de dos vectores a y
b a un escalar cuyo valor sera igual al producto de

los modulos multiplicado por el coseno del angulo que ellos forma.
=a
b = [a[
cos
a,
b)
Figura 1.3: Productos de Vectores
El signicado geometrico del producto escalar es evidente el cuadrante I de la Figura El producto escalar
representa la proyeccion de a sobre
b y equivalentemente la proyeccion de
b sobre a.
De esta denicion se derivan varias consecuencias las cuales por obvias no dejan de ser importantes.
El producto escalar de un vector consigo mismo, siempre es positivo.
a
=aa = [a[
2
0 y solo sera nulo
si a es el vector nulo. Esto es
a
= 0 a = 0. Con esto podemos concluir que [a[ ==
a a =
a
El producto escalar es conmutativo = a
b =

b a ya el angulo entre los vectores es el mismo y la
multiplicacion entre escalares es conmutativa.
El producto escalar es distributivo Esto es a
_
b +c
_
= a
b +a c. La demostracion (graca) puede

apreciarse en el cuadrante II de la Figura 1.3
La multiplicacion por un escalar.

= = [[
_
a
b
_
= (a)
b = a
_
b
_
= [a[
cos
a,
b)
=
[a[
cos
a,
b)
Desigualdad de Cauchy Schwarz. A partir de la denicion de producto interno es inmediata la compro-
bacion de la desigualdad de Cauchy Schwarz
_
a
b
_
2
=
_
[a[
cos
a,
b)
_
2
_
a
b
_
2
[a[
2
_
a
b
_
[a[
ya que 0 cos
2
a,
b)
1
Del producto escalar surge el Teorema del Coseno. Es inmediato generalizar el producto escalar de un
vector consigo mismo, para ello suponemos que c =a +
b, con lo cual
c =a +
b c c =
_
a +
b
_
_
a +
b
_
= [c[
2
= [a[
2
+
2
+ 2 [a[
cos
a,
b)
que no es otra cosa que el teorema del coseno y esta ilustrado en el cuadrante III de la Figura 1.3.
Diremos que dos vectores, no nulos son ortogonales (perpendiculares) si su producto escalar es nulo.
Esta armacion es inmediata
a
b
a,
b)
=

2
a
b = [a[
cos
a,
b)
= 0
1.4.2. Producto vectorial
De siempre, tambien hemos aprendido que existe otro producto entre vectores. El producto vectorial. A
diferencia del producto escalar que genera un escalar, el producto vectorial c = a
b tiene como resultado

otro vector (realmente un pseudovector o vector axial en contraposicion a los vectores polares pero eso lo
veremos mas adelante), c, con las siguientes caractersticas:
El modulo de c, sera [c[ = [a[
sen
a
b
. Es claro que el modulo de c representa el area del paralelogramo
cuyos lados estan formados por a y
b (cuadrante V de la Figura 1.3)

Tal y como muestran los cuadrantes IV y V de la Figura 1.3, tendra como direccion la perpendicular
al plano que forman a y
b
y como sentido regla del pulgar derecho, regla de la mano derecha, o mas elegante sera positivo cuando
la multiplicacion de a
b corresponda al sentido horario.

Otra vez, podemos deducir algunas consecuencias de esta denicion.
El producto vectorial es anticonmutativo. Esto es a
b =
b a y se sigue de la denicion que expresa

el cuadrante IV de la Figura 1.3
El producto vectorial es distributivo respecto a la suma. Vale decir a
_
b +c
_
= a
b +a c. La
demostracion de esto lo dejaremos para mas adelante. Valga ahora creerse la propiedad.
La multiplicacion por un escalar. Nos conduce rapidamente a
[c[ = [[
(a)
a
_
b
_
= [a[
sen
a
b
= [a[
sen
a
b
Dos vectores seran colineales si su producto vectorial se anula. Al igual que el cuando se anula el
producto escalar identicabamos a dos vectores ortogonales, cuando se anule el producto vectorial
tendremos dos vectores paralelos. Obvio que esto se cumple de inmediato
a |
b
a
b
= 0 [c[ =
= [a[
sen
a
b
= 0
y si el modulo del vector es cero, obvio que es el vector nulo. Ahora bien, tambien de aqu deducimos
que
c =a
b c a =
_
a
b
_
a =c
b =
_
a
b
_
b = 0
1.4.3. Una division fallida
Uno esperara que para cada una de las deniciones de productos vectoriales, existiera vector cociente. Es
decir pudieramos despejar uno de los multiplicados en terminos del otro. La situacion es que esta operacion
no esta denida unvocamente y lo podemos intuir a partir de una de las deniciones de producto.
Supongamos que tenemos un producto escalar o =a
b con lo cual, si pudieramos despejar, digamos
b =

a
tendramos entonces denido
b de una manera unvoca ? La respuesta es NO. ya que =a

_
a
+

d
_
donde a

d por lo cual existen innitos
b =

a
+

d que cumplen =a
b.
1.4.4. Producto triple o mixto
Analicemos ahora el n umero (pseudoescalar) que proviene de la multiplicacion
V =c
_
a
b
_
= [c[
_
a
b
_
cos
c,a
b)
representa del volumen del paraleleppedo cuyos lados quedan denidos por a,
b y c. Este producto tambien

cumple con algunas propiedades que enunciaremos ahora y demostraremos mas tarde
El producto mixto
_
a
b
_
c, representa el volumen del paraleleppedo cuyos lados son los vectores a,
b
y c.Es claro y fue ilustrado que el m odulo del producto vectorial
_
a
b
_
representa el area de la base

y la altura esta representada por la proyeccion del vector c sobre la perpendicular al plano de la base
que es, precisamente, [c[ cos
c,a
b)
El producto mixto es cclico respecto a sus factores. Esto es
_
a
b
_
c =
_
b c
_
a = (c a)
b
Esta armacion se vera demostrada mas adelante
el producto mixto se anula cuando se repite alguno de sus factores
_
a
b
_
a =
_
a
b
_
b = (a a) c =
_
b
_
c = 0
Claramente, si
_
a
b
_
a
_
a
b
_
a = 0
Si los tres vectores a,
b y c son coplanares (linealmente dependientes) entonces

_
a
b
_
c = 0 o, dicho
de manera mas elegante, util e impactante: tres vectores que cumplen
_
a
b
_
c ,= 0 forma base para
el espacio tridimensional. Esa base se denominara levogira (contraria al giro de las manecillas del reloj)
si
_
a
b
_
c < 0 y dextrogira (la convencional base de la mano derecha) si
_
a
b
_
c > 0.
Figura 1.4: Vectores, bases y componentes
1.5. Componentes, coordenadas y cosenos directores
1.5.1. Bases, componentes y coordenadas
La formulacion de las leyes fsicas debe hacerse en termino de cantidades vectoriales (tensoriales). Esto
independiza su formulacion de un sistema particular de coordenadas, pero llegado el momento de calcular
valores y utilizar estas leyes, es mucho mas conveniente referirla a un sistema de coordenadas particularmente
adaptado a la geometra del problema. En ese caso la ecuacion vectorial se convertira en tantas ecuaciones
como componentes (referidas al sistema de coordenadas utilizado) tenga los vectores en ese sistema de
coordenadas
Tal y como mencionamos arriba tres vectores no coplanares cualesquiera son linealmente independientes
y constituyen una base para el espacio tridimensional. Denominaremos, de ahora en adelante estos vectores
base w
1
, w
2
, w
3
y por ser linealmente independientes podremos expresar cualquier vector a como una
combinacion lineal unica. Tal y como lo mostramos en el cuadrante I de la Figura 1.4 con los vectores base
w
1
, w
2
, w
3
podemos construir un sistema (oblicuo en general) de coordenadas al colocarlos con un mismo
origen. Esto es
a = a
1
w
1
+ a
2
w
2
+ a
3
w
3
donde las cantidades
_
a
1
, a
2
, a
3
_
son n umeros (no son escalares) que representan las componentes del vector
a a lo largo de cada uno de los vectores base w
1
, w
2
, w
3
. Notese que por costumbre (la cual sera evidente
mas adelante) etiquetamos estos n umeros con superndices y la letra que identica el vector.
Mas a un, cada punto P del espacio viene denido por un radiovector

r (P)

OP que une el origen
de coordenadas con el punto P y se le asocian tres n umeros
_
x
1
, x
2
, x
3
_
, los cuales son las proyecciones
a lo largo de cada uno de los ejes coordenados
_
0 x
1
, 0 x
2
, 0 x
3
_
. Los n umeros
_
x
1
, x
2
, x
3
_
se denominaran
componentes de

r (P) en el sistema de referencia w
1
, w
2
, w
3
.
Existe una familia de sistema de coordenadas en la cual sus vectores base son ortogonales (o mejor
ortonormales), es decir los vectores base e
1
, e
2
, e
3
son perpendiculares entre si. Tal y como mostraremos
mas adelante, siempre se puede construir un sistema ortogonal (ortonormal) e
1
, e
2
, e
3
a partir de una
base generica de vectores linealmente independientes w
1
, w
2
, w
3
. Cuando el sistema sea ortogonal sus
componentes se denominaran rectangulares. Dependiendo del signo del triple producto mixto el sistema de
coordenadas sera dextrogiro ((e
1
e
2
) e
3
> 0) o levogiro ((e
1
e
2
) e
3
< 0) tal y como se muestra en el
cuadrante III de la Figura 1.4
Es costumbre ancestral, por relaciones de dominacion de los derechos sobre los izquierdos (en latn e
italiano los zurdos son siniestros) utilizar la convencion dextrogira ((e
1
e
2
)e
3
> 0) y en ese caso utilizamos
el bien conocido conjunto de vectores unitarios
_
, ,
k
_
con lo cual desde siempre tenemos que
a = a
x
+a
y
+a
z
k y r (P) = x +y +z

k
de ahora en adelante representaremos este sistema de coordenadas ortonormal como
_

1
,
2
,
k
3
_
para recordar que estamos en un sistema de coordenadas cartesianas.
Obviamente el modulo del vector se podra expresar con la utilizacion del Teorema de Pitagoras
_
a
2
x
+a
2
y
+a
2
z
= [a[ y
_
x
2
+y
2
+z
2
=

r (P)
y la multiplicacion por un escalar

a =
_
a
x
+a
y
+a
z
k
_
= (a
x
) + (a
y
) + (a
z
)
k [a[ =
_
a
2
x
+a
2
y
+a
2
z
Igualmente un vector unitario
u
a
=
a
[a[
=
1
_
a
2
x
+a
2
y
+a
2
z
_
a
x
+a
y
+a
z
k
_
=
a
x
_
a
2
x
+a
2
y
+a
2
z
+
a
y
_
a
2
x
+a
2
y
+a
2
z
+
a
z
_
a
2
x
+a
2
y
+a
2
z
k
con lo cual todo vector
a = [a[ u
a
=
_
a
2
x
+a
2
y
+a
2
z
u
a
1.5.2. Cosenos directores
Como se puede apreciar en el cuadrante IV de la Figura 1.4 podemos construir tres triangulos rectangulos
con el radiovector

R(P) como hipotenusa de cada uno de ellos. Los angulos que forma el radiovector

R(P)
con cada uno de los ejes coordenados x, y, z son , , respectivamente, con lo cual
R
x
=
cos R
y
=
cos y R
z
=
cos cos
2
+ cos
2
+ cos
2
= 1
pero ademas
u
a
=
a
[a[
= cos + cos + cos

k
1.6. Algebra vectorial y coordenadas
Entonces podremos reescribir el algebra vectorial como de forma algebraica, vale decir mediante opera-
ciones referidas a las coordenadas. As
1.6.1. Suma y resta de vectores
Sera representada por
a +
b =
_
a
x
+a
y
+a
z
k
_
+
_
b
x
+b
y
+b
z
k
_
= (a
x
+b
x
) + (a
y
+b
y
) + (a
z
+b
z
)
k
o equivalentemente
a +
b =
_
a
1
1
+a
2
2
+a
3
3
_
+
_
b
1
1
+b
2
2
+b
3
3
_
=
_
a
1
+b
1
_
1
+
_
a
2
+b
2
_
2
+
_
a
3
+b
3
_
3
y obviamente, la resta
a +
b =
_
a
1
1
+a
2
2
+a
3
3
_
_
b
1
1
+b
2
2
+b
3
3
_
=
_
a
1
b
1
_
1
+
_
a
2
b
2
_
2
+
_
a
3
b
3
_
3
con lo cual la distancia entre dos puntos P y M sera
d (P, M) =
_

r (P) =a
_
_

r (M) =
b
_
=
_
(a
x
b
x
)
2
+ (a
y
b
y
)
2
+ (a
z
b
z
)
2
1.6.2. Dependencia e independencia lineal
Ahora es facil estudiar la dependencia/independencia lineal en coordenadas. Otra vez, tres vectores
a = a
x
+a
y
+a
z
k;
b = b
x
+b
y
+b
z
k y c = c
x
+c
y
+c
z
k seran linealmente independientes si se cumple

que
a +
b +c = 0 = = = 0
Antes de proseguir en forma general, veamos algunos casos particulares
La base canonica
1
= (1, 0, 0) ;
2
= (0, 1, 0) ;
3
=

k (0, 0, 1). Estos vectores son claramente
linealmente independientes y por lo tanto constituyen un base
= 0
= 0
= 0
Los vectores w
1
= (1, 0, 0) ; w
2
= + (1, 1, 0) ;
3
= + +

k (1, 1, 1). Estos vectores no son
linealmente independientes de manera obvia. Veamos
= 0
+ = 0
+ + = 0
_
_
_

_
_
_
= 0
= 0
= 0
con lo cual demostramos que son linealmente independientes y por lo tanto constituyen una base para
los vectores tridimensionales.
En general tendremos que
0 =
_
a
x
+a
y
+a
z
k
_
+
_
b
x
+b
y
+b
z
k
_
+
_
c
x
+c
y
+c
z
k
_

0 = (a
x
+b
x
+c
x
) + (a
y
+b
y
+c
y
) + (a
z
+b
z
+c
z
)
k
_
_
_
a
x
+b
x
+c
x
= 0
a
y
+b
y
+c
y
= 0
a
z
+b
z
+c
z
= 0
Esto no es otra cosa que un sistema de 3 ecuaciones lineales con 3 incognitas , , y la solucion que
estamos buscando = = = 0 se cumplira si
a
x
b
x
c
x
a
y
b
y
c
y
a
z
b
z
c
z
= a
z
(b
y
c
x
c
x
b
y
) a
y
(b
x
c
z
c
z
b
x
) +a
x
(b
y
c
z
c
z
b
y
) ,= 0
1.6.3. Producto escalar
Del mismo modo representaremos el producto escalar de dos vectores en una base cartesiana como
_
, ,
k
_
es una base ortonormal entonces
a
b =
_
a
x
+a
y
+a
z
k
_
_
b
x
+b
y
+b
z
k
_
= a
x
b
x
+a
y
b
y
+a
z
b
z
ya que por ser ortogonales
= =

k
k = 1 y
_
_
_
= = 0

k =

k = 0

k =

k = 0
Las propiedades del producto escalar en coordenadas comprueban facilmente
El producto interno de un vector consigo mismo, siempre es positivo.
a
=a a = [a[
2
= a
2
x
+a
2
y
+a
2
z
0 y a
2
x
+a
2
y
+a
2
z
= 0 a
x
= a
y
= a
z
= 0 a = 0
Adicionalmente [a[ =
a
=
a a =
_
a
2
x
+a
2
y
+a
2
z
El producto escalar es conmutativo
=a
b =
b a = a
x
b
x
+a
y
b
y
+a
z
b
z
= b
x
a
x
+b
y
a
y
+b
z
a
z
El producto escalar es distributivo:
a
_
b +c
_
=a
b +a c
_
a
x
+a
y
+a
z
k
_
_
(b
x
+c
x
) + (b
y
+c
y
) + (b
z
+c
z
)
k
_
= a
x
(b
x
+c
x
) +a
y
(b
y
+c
y
) +a
z
(b
z
+c
z
)
(a
x
b
x
+a
x
c
x
) + (a
y
b
y
+a
y
c
y
) + (a
z
b
z
+a
z
c
z
) = (a
x
b
x
+a
y
b
y
+a
z
b
z
) + (a
x
c
x
+a
y
c
y
a
z
c
z
)
La multiplicacion por un escalar.
= = [[
_
a
b
_
= (a)
b =a
_
b
_
= (a
x
) b
x
+(a
y
) b
y
+(a
z
) b
z
= a
x
(b
x
)+a
y
(b
y
)+a
z
(b
z
)
Desigualdad de Cauchy Schwarz.
_
a
b
_
= a
x
b
x
+a
y
b
y
+a
z
b
z

_
a
2
x
+a
2
y
+a
2
z
_
b
2
x
+b
2
y
+b
2
z
= [a[

Diremos que dos vectores, no nulos son ortogonales (perpendiculares) si su producto escalar es nulo.
Esta armacion es inmediata
a
b
a,
b)
=

2
a
b = [a[
cos
a,
b)
= 0
Por lo cual
a
x
b
x
+a
y
b
y
+a
z
b
z
= [a[
cos
a
b
cos
b
a
b
=
a
x
b
x
+a
y
b
y
+a
z
b
z
__
a
2
x
+a
2
y
+a
2
z
___
b
2
x
+b
2
y
+b
2
z
_
de donde se deduce que dos vectores perpendiculares
a
b 0 = a
x
b
x
+a
y
b
y
+a
z
b
z
Los vectores de la base canonica
1
= (1, 0, 0) ;
2
= (0, 1, 0) ;
3
=

k (0, 0, 1) son claramente
mutualmente ortonormales
cos
= = = 0

k =

k = 0

k =

k = 0
Del producto escalar surge el Teorema del Coseno. Es inmediato generalizar el producto escalar de un
vector consigo mismo, para ello suponemos que c =a +
b, con lo cual
c =a +
b c c =
_
a +
b
_
_
a +
b
_
= [c[
2
= [a[
2
+
2
+ 2 [a[
cos
a,
b)
que no es otra cosa que el teorema del coseno y esta ilustrado en el cuadrante III de la Figura 1.3
1.6.4. Producto vectorial
De igual manera aprendimos
c =a
b = (a
y
b
z
a
z
b
y
)+(a
z
b
x
a
x
b
z
) +(a
x
b
y
a
y
b
x
)
k
con lo cual lo podemos organizar como el determinante de la matriz
c =a
b =

k
a
x
a
y
a
z
b
x
b
y
b
z
con lo cual
[c[ =
_
(a
y
b
z
a
z
b
y
)
2
+ (a
z
b
x
a
x
b
z
)
2
+ (a
x
b
y
a
y
b
x
)
2
=
__
a
2
x
+a
2
y
+a
2
z
___
b
2
x
+b
2
y
+b
2
z
_
sen
a
b
1.6.5. Triple producto mixto
V =c
_
a
b
_
= |c|
_
_
_
_
a
b
__
_
_cos
c,a
b)
=
c
x
c
y
c
z
a
x
a
y
a
z
b
x
b
y
b
z
representa del volumen del paraleleppedo cuyos lados quedan denidos por a,
b y c.
1.7. Algebra vectorial con ndices
1.7.1. Convenci on de Einstein
Antes de comenzar con la presentacion de este esquema de calculo. cabe aclarar algunas costumbres y
convenciones con la notacion de ndices
1. Los ndices repetidos (arriba y abajo) indicaran suma por los valores que tomen los ndices. Las com-
ponentes de los vectores tendran ndices arriba y los vectores base abajo
a = a
x
+a
y
+a
z
k = a = a
1
1
+a
2
2
+a
3
3
=
3
m=1
a
m
m
a = a
m
m
hemos identicado
1
=;
2
= y
3
=

k
2. Los ndices repetidos son mudos (no importa la letra que lo etiquete) y representan suma. As
K
j
A
j
= K
m
A
m
= K
1
A
1
+ K
2
A
2
+ K
3
A
3
= B
3. Llamaremos contraccion cuando sumamos respecto a un par de ndices, vale decir
i
A
i
i
= A
1
1
+ A
2
2
+ A
3
3
= A
i
i
= A
1
1
+ A
2
2
+ A
3
3
Es claro que la contraccion de ndices convierte un conjunto de n umeros (i j) 1,a un solo n umero
4. Los ndices libres (aquellos que no estan sumados) indican el n umero de objetos disponibles y deben
mantenerse. As
K
k
i
A
k
= B
i

_
_
K
1
1
A
1
+ K
2
1
A
2
+ K
3
1
A
3
= B
1
K
1
2
A
1
+ K
2
2
A
2
+ K
3
2
A
3
= B
2
K
1
1
A
1
+ K
2
1
A
2
+ K
3
1
A
3
= B
1
con lo cual K
k
i
A
k
= B
i
representan 3 ecuaciones y K
k
i
A
kj
= B
ij
representara 9
5. La delta de Kronecker
1
k
i
lleva un ndice arriba y uno abajo. Representa
k
i
= 1 si i = k y es nula en
los otros casos. Con esto
K
k
ij

i
k
= K
1
1j

1
1
..
=1
+ K
1
2j
=0
..
2
1
+ K
1
3j
=0
..
3
1
+ K
2
1j
=0
..
1
2
+ K
2
2j

2
2
..
=1
+ K
2
3j
=0
..
3
2
+ K
3
1j
=0
..
1
3
+ K
3
2j
=0
..
2
3
+ K
3
3j

3
3
..
=1
es decir
K
k
ij

i
k
= K
k
kj
= K
i
ij
= K
1
1j
+ K
2
2j
+ K
3
3j
1
Leopold Kronecker (7 diciembre 1823 Legnica, Polonia; 29 diciembre 1891, Berlin, Alemania) Matem atico polaco con
importantes contribuciones en teora de n umeros, funciones elpticas y algebra, as como la interrelacion estre estas disciplinas.
Mas detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians/Kronecker.html
6. Ademas de la delta de Kronecker introduciremos el smbolo de permutacion de Levi-Civita
2
ijk
para
el caso de tres dimensiones, vale decir i, j, k = 1, 2, 3
ijk
=
ijk
=
_
_
_
+1 cuando (1, 2, 3) ; (3, 1, 2) ; (2, 3, 1) permutacion cclica
1 cuando (1, 3, 2) ; (3, 2, 1) ; (2, 1, 3) permutacion impar o anticclica
0 cuando i = j; i = k j = k
y quiere decir que es distinto de cero cuando todos los ndices son diferentes; 1 si la permutacion de
ndices es cclicas (o par) y 1 si la permutacion es anticclica (o impar). Con ello
ijk
a
j
b
k
=
_
111
a
1
b
1
+
112
a
1
b
2
+
113
a
1
b
3
+
121
a
2
b
1
+
122
a
2
b
2
+
123
a
2
b
3
+
131
a
3
b
1
+
132
a
3
b
2
+
133
a
3
b
3
211
a
1
b
1
+
212
a
1
b
2
+
213
a
1
b
3
+
221
a
2
b
1
+
222
a
2
b
2
+
223
a
2
b
3
+
231
a
3
b
1
+
232
a
3
b
2
+
233
a
3
b
3
311
a
1
b
1
+
312
a
1
b
2
+
313
a
1
b
3
+
321
a
2
b
1
+
322
a
2
b
2
+
323
a
2
b
3
+
331
a
3
b
1
+
332
a
3
b
2
+
333
a
3
b
3
con lo cual
c
i
=
ijk
a
j
b
k

_
_
c
1
=
123
a
2
b
3
+
132
a
3
b
2
= a
2
b
3
a
3
b
2
c
2
=
231
a
3
b
1
+
213
a
1
b
3
= a
3
b
1
a
1
b
3
c
3
=
312
a
1
b
2
+
321
a
2
b
1
= a
1
b
2
a
2
b
1
7. A continuacion enumeramos algunas propiedades de las deltas de Kronecker y de los smbolos de
permutacion de Levi-Civita las cuales le dejamos al lector su demostracion. Ellas son
j
j
= 3
jkm
ilm
=
i
j
l
k

i
k
l
j
=
i
j
l
k

l
j
i
k
jmn
imn
= 2
i
j
,
ijk
ijk
= 6.
1.7.2. Los vectores y los ndices
Sumas de vectores
De ese modo la suma de vectores sera expresada de la siguiente manera
a +
b = a
i
i
+b
i
i
=
_
a
i
+b
i
_
i
= c
i
i
c
i
= a
i
+b
i
con i, j = 1, 2, 3
Producto escalar
A partir da ahora y de forma equivalentemente, expresaremos el producto escalar en termino de los
ndices. De forma y manera que
a
b = |a|
_
_
_
b
_
_
_cos
a
b
= a
i
b
i
= b
j
a
j
con i, j = 1, 2, 3
2
Tullio Levi-Civita (1873 Padova, Veneto, 1941 Roma, Italia) Geometra italiano uno de los desarrolladores del C alculo
Tensorial que m as tarde sera utilizado, por Einstein y Weyl como el lenguaje de la Relatividad General
Producto vectorial
En terminos de ndices, el producto vectorial se puede expresar como
_
a
b
_
i
=
ijk
a
j
b
k
con i, j = 1, 2, 3
todas las particularidades de producto vectorial ahora descansan en las propiedades del smbolo de Levy
Civita.
Triple producto mixto
V =c
_
a
b
_
= |c|
_
_
_
_
a
b
__
_
_cos
c,a
b)
= c
i
ijk
a
j
b
k
=
c
x
c
y
c
z
a
x
a
y
a
z
b
x
b
y
b
z
1.7.3. Un par de calculos ilustrativos

Mostremos tres casos de identidades vectoriales que pueden ser demostradas mediante la utilizacion de
ndices.
1. a
_
b c
_
= (c a)
b
_
a
b
_
c
El resultado sera un vector, por lo tanto
_
a
_
b c
__
i
=
ijk
a
j
_
b c
_
k
=
ijk
a
j
kmn
b
m
c
n
=
ijk
kmn
a
j
b
m
c
n
=
ijk
mnk
a
j
b
m
c
n
=
_
i
m
j
n
j
m
i
n
_
a
j
b
m
c
n
=
i
m
j
n
a
j
b
m
c
n
j
m
i
n
a
j
b
m
c
n
=
i
m
b
m
j
n
a
j
c
n
i
n
c
n
j
m
a
j
b
m
= b
i
a
n
c
n
..
(ca)
c
i
a
j
b
j
..
(a
b)
_
a
_
b c
__
i
= b
i
(c a) c
i
_
a
b
_
2.
_
a
b
_
_
c

d
_
= (a c)
_
b

d
_
_
a

d
__
b c
_
El lado derecho es un escalar, por lo tanto
_
a
b
_
_
c

d
_
=
_
a
b
_
l
_
c

d
_
l
=
ljk
a
j
b
k

lmn
c
m
d
n
=
ljk
lmn
a
j
b
k
c
m
d
n
=
jkl
mnl
a
j
b
k
c
m
d
n
=
_
j
m
k
n
k
m
j
n
_
a
j
b
k
c
m
d
n
=
j
m
k
n
a
j
b
k
c
m
d
n
k
m
j
n
a
j
b
k
c
m
d
n
=
j
m
a
j
c
m
. .
(ac)
k
n
b
k
d
n
. .
(
d)
k
m
b
k
c
m
. .
(
bc)
j
n
a
j
d
n
. .
(a
d)
= (a c)
_
b

d
_
_
a

d
__
b c
_
1.7.4. El escalares, pseudoescalares, vectores y pseudovectores
La diferencia entre vectores polares y axiales proviene del siguiente comportamiento bajo transformaciones
de coordenadas y base. Un vector polar (normal, com un y corriente) queda invariante bajo la siguiente
transformaci on
i

i
a
i
a
i
_
= a = a
i
i

_
a
j
_
(
j
) = a
i
i
=a
mientras que un pseudovector o vector axial cambia de signo cuando las componentes de los vectores que la
generan y sus vectores base
i

i
a
i
a
i
b
i
b
i
_
_
_
= c =a
b
_
ijk
(a
j
) (b
k
)
_
(
i
) = c
i
i
= c
es decir
a
b = (a
y
b
z
a
z
b
y
)+(a
z
b
x
a
x
b
z
) +(a
x
b
y
a
y
b
x
)
= ((a
y
) (b
z
) (a
z
) (b
y
)) () + ((a
z
) (b
x
) (a
x
) (b
z
)) () +((a
x
) (b
y
) (a
y
) (b
x
))
_
k
_
_
a
b
_
=
_
(a
y
b
z
a
z
b
y
) (a
z
b
x
a
x
b
z
) + (a
x
b
y
a
y
b
x
)
k
_
Existen varias e importantes cantidades fsicas que vienen representadas por pseudovectores, entre ellas
mencionamos
Velocidad Angular v = r
Cantidad de Movimiento Angular

L = r p
Torque = r

F
Campo de Induccion Magnetica

B
t
=

E
Adicionalmente el volumen, V = c
_
a
b
_
, como era de esperarse, no es invariante bajo cambio del
espacio
c
i
c
i
a
i
a
i
b
i
b
i
_
_
_
= V =c
_
a
b
_
= c
i
ijk
a
j
b
k
(c
i
)
_
ijk
(a
j
) (b
k
)
_
= V
El volumen es un pseudoescalar mientras que los escalares son invariantes bajo esta transformacion
a
i
a
i
b
i
b
i
_
= w =a
b = a
i
b
i

_
a
i
_
(b
i
) = w
en general tambien tendremos multiplicacion entre algunos de estos objetos, con lo cual construiremos otros
objetos. Dejamos al lector demostrar la siguiente tabla de relaciones
vector vector = escalar
vector pseudovector = pseudoescalar
pseudovector pseudovector = escalar
vector vector = pseudovector
vector pseudovector = vector
pseudovector pseudovector = pseudovector
Figura 1.5: Gemetra analtica y vectores cartesianos
1.8. Aplicaciones del algebra vectorial
Uno de los terrenos mas exitosos de las aplicaciones del algebra vectorial es la geometra analtica en el
plano. Esto se realiza en base a la denicion que hicieramos de radio vector, en la cual a cada punto, P, del
espacio le asociabamos un radiovector posicion tal y como lo mostramos en el cuadrante IV de la Figura 1.4
.
P (x, y, z)
_
x
1
, x
2
, x
3
_
r (P) = x +y +z

k = x
1
1
+x
2
2
+x
3
3
= x
m
m
A partir de esta denicion todas las propiedades geometricas del espacio las podemos construir con vectores.
1.8.1. Rectas y vectores
La ecuacion de la recta en termino de vectores la deniremos jando uno de sus puntos, digamos
r (P
1
)

X (P
1
) =

X
1
= x
1
+y
1
+z
1

k = x
1
1
1
+x
2
1
2
+x
3
1
3
(x
1
, y
1
, z
1
)
sus puntos y un vector que indique su direccion, digamos

A = A
x
+ A
y
+ A
z

k (ver cuadrante IV de la
Figura 1.5) con lo cual la ecuacion de una recta en lenguaje vectorial sera
X =

X
1
+
A x +y +z

k = x
1
+y
1
+z
1

k+
_
A
x
+A
y
+A
z

k
_

_
_
x = x
1
+A
x
y = y
1
+A
y
z = z
1
+A
z
donde

X = x +y +z

k el conjunto de puntos genericos que cumple con la ecuacion de la recta en 3D. Si
lo colocamos en funcion de la notacion de ndices, las ecuaciones anteriores son mas evidentes
X =

X
1
+
A x
m
m
= x
m
1

m
+A
m
m
x
m
= x
m
1
+A
m
para m = 1, 2, 3
Notese que efectivamente se cumplen tres ecuaciones escalares y cada una de ellas tiene la forma de una
recta. Ademas, tal y como muestra la Figura 1.5 el punto generico (x, y, z) lo describe (sobre la recta) la
variacion del modulo de
mediante la constante de proporcionalidad . Si se requiere describir una recta

que pase por dos puntos, digamos (x
1
, y
1
, z
1
) y (x
2
, y
2
, z
2
) entonces una vez seleccionado uno de los puntos
(digamos (x
1
, y
1
, z
1
)) seleccionamos el vector

A = r (P
2
) r (P
1
) como la resta de los dos radiovectores a los
puntos P
2
y P
1
. Esto es
X =

X
1
+
_
X
2

X
1
_

X =

X
1
+

X
2
1
con =

X
1
X
2

X
.
La division entre vectores tiene sentido porque no es una division entre vectores genericos es una division
entre vectores que tienen la misma direccion Notese ademas que, lo mismo ocurre cuando despejamos
de la ecuacion de la recta
=

X

X
1
A
x
m
= x
m
1
+A
m
=
x
m
x
m
1
A
m
=
x x
1
A
x
=
y y
1
A
y
=
z z
1
A
z
y equivalentemente ocurre cuando despejamos de la ecuacion de la recta que pasa por dos puntos.
=

X

X
1
X
2

X
1
x
m
= x
m
1
+(x
m
2
x
m
1
) =
x
m
x
m
1
x
m
2
x
m
1
=
x x
1
x
2
x
1
=
y y
1
y
2
y
1
=
z z
1
z
2
z
1
1.8.2. Planos y vectores
Ocurre exactamente lo mismo cuando construimos la ecuacion vectorial para un plano. En general una
supercie la dene su vector normal (perpendicular). En el caso de una supercie plana (un plano) tendra una
unica normal que lo dene. Por lo tanto, un plano vendra denido su vector perpendicular un punto, digamos
P
1
(x
1
, y
1
, z
1
) . La ecuacion vectorial del plano vendra denida por todos los vectores

PQ tales que sean
perpendiculares a un determinado vector

A (ver cuadrante IV de la Figura 1.5). Donde el punto P es un
punto generico (x, y, z) que dene un radiovector. La ecuacion vectorial del plano sera simplemente
A
_
_
_r (P) r (P
1
)
. .
B
_
_
_ = 0

A (r r
1
) = 0

A r =

A r
1
. .
b
Esto es se tiene que cumplir la condicion
_
A
x
+A
y
+A
z

k
_
__
x +y +z

k
_
_
x
1
+y
1
+z
1

k
__
= 0
_
A
x
+A
y
+A
z

k
_
_
(x x
1
) + (y y
1
) + (z z
1
)
k
_
= 0
A
x
(x x
1
) +A
y
(y y
1
) +A
z
(z z
1
) = 0
con lo cual la ecuacion del plano queda como siempre ha sido
A
x
x +A
y
y +A
z
z A
x
x
1
A
y
y
1
A
z
z
1
= 0 A
x
x +A
y
y +A
z
z = b = A
x
x
1
+A
y
y
1
+A
z
z
1
Figura 1.6: Vectores variables
es decir, de manera mas compacta
A
m
x
m
A
j
x
j
1
= 0 A
k
x
k
= b = A
l
x
l
1
Es claro que

A r
1
= b es la proyeccion del radiovector r (P
1
) sobre la perpendicular que dene al plano. Por
lo tanto sera la distancia entre el plano y el origen de coordenadas. Si b = 0 el plano pasa por el origen de
coordenadas.
Consideremos ahora el cuadrante IV de la Figura 1.5. All estan especicados tres puntos en el espacio
caracterizados por sus correspondientes radiovectores posicion, r (P
1
) = r
1
, r (P
2
) = r
2
y r (P
3
) = r
3
. Estos
tres puntos seran coplanares si
(r
1
r
2
) ((r
2
r
3
) (r
3
r
1
)) = 0
mnl
(x
m
1
x
m
2
) (x
n
2
x
n
3
)
_
x
l
3
x
l
1
_
= 0
y la ecuacion del plano vendra dada por
(r r
1
) ((r
2
r
1
) (r
3
r
1
)) = 0 = 0
1.9. Un comienzo a la derivacion e integraci on de vectores
1.9.1. Vectores variables,
Los vectores podran ser constantes o variables. Ahora bien esa caracterstica se vericara tanto en las
componentes como en la base. Esto quiere decir que cuando un vector es variable podran variar su modulo, su
direccion, su sentido o todo junto o separado. Obviamente esta variabilidad del vector dependera de la base
en la cual se exprese, por lo cual un vector podra tener una componente constante en una base y constante
en otra.
a (t) = a
k
(t) e
k
(t) = a
k
e
k
(t) = a
k
(t) e
k
(t)
Notese que hemos utilizado una base e
k
(t) de vectores variables a diferencia de la tradicional base de
vectores cartesianos, los cuales son constantes en modulo direccion y sentido (ver los cuadrantes I y II
de la Figura 1.6). Mas a un, tal y como se muestra en cuadrante IIc de la Figura 1.6 todo vector variable
podra ser expresado como la suma de uno variable, a (t) , mas otro constante c
A(t) =a (t) +c
1.9.2. Derivacion
De esta manera, cuando uno piensa en un vector variable a (t) a (t) uno rapidamente piensa en
establecer un cociente incremental tal y como se muestra en
lm
t0
a (t + t) a (t)
t
= lm
t0
a (t)
t
=
da (t)
dt
el cuadrante IV de la Figura 1.6 ilustra gracamente este cociente incremental. Como siempre, las propiedades
de esta operacion derivacion seran
d
_
a (t) +
b (t)
_
dt
=
d(a (t))
dt
+
d
_
b (t)
_
dt
d((t)a (t))
dt
=
d((t))
dt
a (t) +(t)
d(a (t))
dt
d
_
a (t)
b (t)
_
dt
=
_
d(a (t))
dt
_
b (t) +a (t)
_
_
d
_
b (t)
_
dt
_
_
d
_
a (t)
b (t)
_
dt
=
d(a (t))
dt

b (t) +a (t)
d
_
b (t)
_
dt
Ahora bien, esto implica que
a (t) = a
k
(t) e
k
(t) =
d(a (t))
dt
=
d
_
a
k
(t) e
k
(t)
_
dt
=
d a
k
(t)
dt
e
k
(t) +a
k
(t)
d(e
k
(t))
dt
con lo cual hay que tener cuidado al derivar vectores y cerciorarse de la dependencia funcional de base y
componentes. Habra sistemas de coordenadas (bases de vectores) que seran constantes y otros en los cuales
sus vectores bases cambiaran en su direccion. El primer termino representa la variacion del modulo y el
segundo muestra la contribucion de los cambios en direccion del vector. Mas a un, mostraremos apoyandonos
en la ilustracion del cuadrante el cuadrante III de la Figura 1.6 que, independientemente del sistema de
coordenada el cambio en el modulo apunta en la direccion del vector, mientras que las contribuciones en
direccion apuntan en la direccion perpendicular al vector. Esto es
d(a (t))
dt
=
d([a (t)[)
dt
u
a|
+[a (t)[ u
a
con u
a|
u
a
= 0
Es facil convencernos de la forma del primer termino. Siempre podemos representar un vector como su
modulo y un vector unitario en la direccion apropiada. Esto es
a (t) = [a (t)[ u
a
=
d(a (t))
dt
=
d([a (t)[ u
a
(t))
dt
=
d [a (t)[
dt
u
a
(t) +[a (t)[
d( u
a
(t))
dt
adicionalmente
[a (t)[
2
=a (t) a (t) =
d
_
[a (t)[
2
_
dt

d(a (t) a (t))
dt
= 2 [a (t)[
d([a (t)[)
dt
2a (t)
d(a (t))
dt
con lo cual
d([a (t)[)
dt
2
a (t)
2 [a (t)[
. .
ua(t)
d(a (t))
dt
=
d([a (t)[)
dt
= u
a
(t)
d(a (t))
dt
para que nalmente
u
a
(t)
d(a (t))
dt
= u
a
(t)
_
d [a (t)[
dt
u
a
(t) +[a (t)[
d( u
a
(t))
dt
_
=
_
_
u
a
(t)
d(a (t))
dt
=
d [a (t)[
dt
u
a
(t)
d( u
a
(t))
dt
= 0
Es decir que el cambio en el modulo de un vector se maniesta en la direccion del mismo vector, tal y
como era intuitivo suponer. Adicionalmente vemos que el vector siempre sera perpendicular a su derivada.
Gracamente podemos apreciarlo en el cuadrante IV de la Figura 1.6 , pero tambien surge analticamente
de si derivamos el vector unitario en la direccion de a (t)
d( u
a
(t) u
a
(t))
dt

d
_
[ u
a
(t)[
2
_
dt
=
d(1)
dt
0 = u
a
(t)
d( u
a
(t))
dt
= u
a
(t)
d( u
a
(t))
dt
es decir
d(a (t))
dt
=
d([a (t)[ u
a
(t))
dt
=
d [a (t)[
dt
u
a
(t) +[a (t)[
d( u
a
(t))
dt
=
d([a (t)[)
dt
u
a|
+[a (t)[ u
a
Supongamos que denimos un vector

= u
n
con
_
_
_
u
n
u
a|
u
n
u
a
_
_
_
=
_
_
u
n
u
a|
= u
a
u
a
u
n
= u
a|
u
a|
u
a
= u
n
_
_
donde es el angulo de rotacion del vector a (t) (ver cuadrante V de la Figura 1.6) Claramente
a
= a (t + t) sen() u
a
a (t + t) u
a
=a
=

a (t) =
a
t

_
a
t
a
_
a
t
a (t) =
_
d(a (t))
dt
u
a
_
u
a
=
d( (t))
dt
u
n
a (t) = a (t)
donde hemos identicado =
d((t))
dt
u
n
Entonces podemos ir mas alla. Observando el cuadrante V de la
Figura 1.6 vemos que si suponemos que el modulo del vector es constante, entonces
d [a (t)[
dt
= 0 =
d(a (t))
dt
= [a (t)[ u
a
=
_
d(a (t))
dt
u
a
_
u
a
= a (t)
1.9.3. Velocidades y aceleraciones
As, el radio vector posicion de una partcula genera los vectores velocidad y aceleracion.
r = r (t) =v (t) =
d(r (t))
dt
=a (t) =
d(v (t))
dt
=
d
2
(r (t))
dt
2
ahora bien
r = r (t)
P
u
r
= x
P
+y
P
+z
P
k con u
r
= cos + sen
si suponemos que la partcula describe un movimiento entonces
r
P
= r
P
(t)
= (t)
_
_
_

_
_
_
x = x(t)
y = y (t)
z = z (t)
; u
r
= u
r
(t) ;
= const
= const
k = const
con lo cual
d( u
r
)
dt
=
d(cos (t) + sen (t) )
dt
= (sen (t))
d (t)
dt
+ cos (t)
d (t)
dt

d( u
r
)
dt
=
d (t)
dt
[(sen (t)) + cos (t) ]
. .
u
=
d (t)
dt
u
ya que
| u
r
| =
_
u
r
u
r
=
_
[cos (t) + sen (t) ] [cos (t) + sen (t) ] = 1
| u
| =
_
u
=
_
[(sen (t)) + cos (t) ] [(sen (t)) + cos (t) ] = 1
y
u
u
r
= u
r
u
= [(sen (t)) + cos (t) ] [cos (t) + sen (t) ] = 0

Mas a un
d( u
)
dt
=
d((sen (t)) + cos (t) )
dt
= (cos (t) + sen (t) ) =
d (t)
dt
u
r
Con lo cual, una partcula que describe un movimiento generico vendra descrita en coordenadas cartesianas
por
r = x
P
(t) +y
P
(t) +z
P
(t)

k
y su velocidad sera
v (t) =
dr (t)
dt
=
d
_
x
P
(t) +y
P
(t) +z
P
(t)
k
_
dt
=
d(x
P
(t))
dt
+
d(y
P
(t))
dt
+
d(z
P
(t))
dt
k
= v
xP
(t) +v
yP
(t) +v
zP
(t)
k
y la aceleracion
a (t) =
d(v
xP
(t))
dt
+
d(v
yP
(t))
dt
+
d(v
zP
(t))
dt
k = a
xP
(t) +a
yP
(t) +a
zP
(t)
k
Mientras que en coordenadas polares sera
r (t) = r
P
(t) u
r
(t) =v (t) =
d(r (t)
P
u
r
(t))
dt
=
d(r (t)
P
)
dt
u
r
(t) +r (t)
P
d( u
r
(t))
dt
con lo cual la velocidad
v (t) = v
r
(t)
P
u
r
(t) +r (t)
P
d (t)
dt
u
(t)
y la aceleracion
a (t) =
d(v (t))
dt
=
d
_
dr (t)
P
dt
u
r
(t) +r (t)
P
d (t)
dt
u
(t)
_
dt
=
d(v
r
(t)
P
u
r
(t))
dt
+
d
_
r (t)
P
d (t)
dt
u
(t)
_
dt
a (t) =
d
_
dr (t)
P
dt
_
dt
u
r
(t) +
dr (t)
P
dt
d( u
r
(t))
dt
+
dr (t)
P
dt
d (t)
dt
u
(t) +r (t)
P
d
2
(t)
dt
2
u
(t) +r (t)
P
d (t)
dt
d( u
(t))
dt
a (t) =
_
_
d
_
dr (t)
P
dt
_
dt
r (t)
P
_
d (t)
dt
_
2
_
_
u
r
(t) +
_
2
dr (t)
P
dt
d (t)
dt
+r (t)
P
d
2
(t)
dt
2
_
u
(t)
Claramente para el caso de un movimiento circular
r = R = const =
dR
dt
= 0 =
_
_
r (t) = R u
r(t)
v (t) = R
d (t)
dt
u
a (t) = R
_
d (t)
dt
_
2
u
r
(t) +R
d
2
(t)
dt
2
u
(t)
De aqu podemos ver claramente que velocidad v (t) y posicion r (t) son ortogonales. La velocidad, v (t) ,
siempre es tangente a la trayectoria r (t) y en este caso la trayectoria es una circunferencia. En general el
vector
r
med
=
i
r (t
i
) =
i
(r (t
i
+ t
i
) r (t
i
)) = lm
t0
i
r (t
i
) =
_
dr (t) = r (t)
es decir dr (t) = lm
t0
i
r (t
i
) es tangente a la trayectoria. Es claro que
dr (t) = d
_
x
P
(t) +y
P
(t) +z
P
(t)
k
_
x
P
(t)
t
+
y
P
(t)
t
+
z
P
(t)
t
k
Tal y como mencionamos arriba, para el sistema de coordenadas cartesiano podemos denir un vector
(en este caso) velocidad angular

_
_

[ [
u
r
= u
v
u
v

[ [
= u
r
u
r
u
v
=

[ [
_
_
= v (t) = r (t)
Supongamos por que, simplicidad, elegimos el sistema de coordenadas cartesiano tal que r este el plano x, y.
En este caso es inmediato comprobar que v
i
=
ijk
j
x
k
y dado que r y v tienen unicamente componentes
1, 2 entonces, necesariamente tiene componente 3. Es decir
r = r
i
i
v = v
i
i
_
_
_
=
_
_
_
v
1
=
1j2
j
x
2
v
2
=
2j1
j
x
1
_
_
_
= =
3
3
[ [
3
[ [
k
como
r = x
P
(t) +y
P
(t)
v (t) =
d(r (t))
dt
= v
xP
(t) +v
yP
(t) = r (t) =
d( (t))
dt
k (x
P
(t) +y
P
(t) )
como se ve mas claro es en coordenadas polares, esto es
v (t) =
d(r (t))
dt
= r (t)
P
d (t)
dt
u
(t) = ([ [ u
n
(t)) (r (t)
P
u
r
(t))
[r (t)[ = const
r (t)
P
d (t)
dt
. .
v
(t)
u
(t) = [ [ r (t) u
(t) =
d (t)
dt
[ [
1.9.4. Vectores y funciones
Antes de continuar con la integracion repensemos algunas funciones de tipo (x, y, z) y

V (x, y, z) . Son,
sin duda funciones de varias variables
= (x, y, z)
V =

V (x, y, z) =V
x
(x, y, z) +V
y
(x, y, z) +
kV
z
(x, y, z)
un par de reexiones se pueden hacer en este punto. Primeramente, dado que hemos relacionado un punto
del espacio con un radio vector posicion, entonces
P
(x,y,z)
(x, y, z) r = x
P
+y
P
+z
P

k
_
_
_
= (x, y, z) (r)
V =

V (x, y, z)

V (r)
La primera funcion, (r) sera una funcion escalar de argumento vectorial o, simplemente un campo escalar
y la segunda se conoce como una funcion vectorial de argumento vectorial o campo vectorial. Como hemos
dicho este tipo de funciones y las operaciones que pueden ser realizadas con ellas, as como tambien su
signicado, sera analizada en detalle mas adelante en este mismo curso.
En segundo lugar, siempre podremos parametrizar las coordenadas y tendremos
= (t) = (x(t) , y (t) , z (t))
V =

V (t) =

V (x(t) , (t) y, z (t))
V =V
x
(x(t) , y (t) , z (t)) +V
y
(x(t) , y (t) , z (t)) +
kV
z
(x(t) , y (t) , z (t))
Este caso lo hemos encontrado en montones de situaciones. El movimiento parabolico viene descrito por un
vectores velocidad y posicion
v =
kgt +v
0
=
kgt +
_
v
0x
+v
0y
+
kv
0z
_

_
_
_
v
x
= v
0x
v
y
= v
0x
v
z
= v
0z
gt
r =
k
g
2
t
2
+v
0
t =
kg
t
2
2
t +
_
v
0x
+v
0y
+
kv
0z
_
t
_
_
x = v
0x
t
y = v
0x
t
z = v
0z
t g
t
2
2
Derivada de funciones (r (t))
Al derivar una funcion de argumento vectorial tambien aplica la regla de la cadena. Esto es
z = (r (t)) = g (x(t) , y (t) , z (t))
d (r (t))
d t
=
(x(t) , y (t) , z (t))
x
d x(t)
d t
+
(x(t) , y (t) , z (t))
y
d y (t)
d t
+
(x(t) , y (t) , z (t))
z
d z (t)
d t
d (r (t))
d t
=
_
(x, y, z)
x
+
(x, y, z)
y
+
(x, y, z)
z
k
__
d x(t)
d t
+
d y (t)
d t
+
d z (t)
d t
k
_
d (r (t))
d t
=

(x(t) , y (t) , z (t))
d r (t)
d t
donde hemos representado
(r (t)) =
(x, y, z)
x
+
(x, y, z)
y
+
(x, y, z)
z
k =
m
(x, y, z)
m
=
,m
(x, y, z)
m
y lo llamaremos el gradiente de la funcion. El gradiente de un campo escalar es uno de los objetos mas utiles,
el cual lo utilizaremos, por ahora de manera operacional y recordaremos que emerge como consecuencia de
una derivacion contra un parametro. El gradiente mide el cambio del la funcion (x, y, z).
La idea de gradiente nos lleva a considerar al

como un operador vectorial que act ua sobre la funcion
escalar de variable vectorial (r (t)) . Es decir con un poquito de imaginacion
(r (t))
_

x
+

y
+

z
k
_
(x, y, z) = (
m
m
) (x, y, z)
() =
_
()
x
+
()
y
+
()
z
k
_
=
m
m
()
Derivada de funciones c (r (t))
De modo que inspirados en la regla de la cadena de una funcion escalar de variable vectorial comprobamos
que
d c
dt
=
d c
x
(x, y, z)
dt
+
d c
y
(x, y, z)
dt
+
d c
z
(x, y, z)
dt
k =
d c
m
(x, y, z)
dt

m
por consiguiente, si c, tiene por componentes cartesianas (c
x
, c
y
, c
z
) las componentes del vector derivado
seran
_
d cx
dt
,
d cy
dt
,
d cz
dt
_
. Con lo cual cada componente
d c
m
(x(t) , y (t) , z (t))
dt
=
d c
m
(x
n
(t))
dt
=
c
m
(x
n
)
x
l
d x
l
(t)
dt
=
_
d r (t)
d t

_
c
m
(x, y, z)
es decir, en terminos vectoriales
d c
dt
=
_
d r (t)
d t

_
c
_
v

_
c
d ()
dt
=
_
v

_
() v
i
i
()
con v la derivada del radiovector posicion r (t), es decir, la velocidad. Es decir, estamos viendo el cambio del
vector c respecto al tiempo es el cambio de sus componentes en la direccion de la velocidad.
Si se nos ocurre calcular la derivada del vector velocidad para encontrar la aceleracion tendremos que
nos queda expresada como
a =
d v
dt
=
_
v

_
v a
i
=
_
v

_
v
i
donde las componentes cartesianas de los vectores velocidad y aceleracion son v
i
= v
i
(x(t) , y (t) , z (t))
y a
i
= a
i
(x(t) , y (t) , z (t)) , respectivamente.
1.9.5. El vector gradiente
El operador vectorial

() merece un poco de atencion en este nivel. Tal y como hemos visto
(x, y, z) =
_
(x, y, z)
x
+
(x, y, z)
y
+
k
(x, y, z)
z
_
(x, y, z) =
1
1
(x, y, z) +
2
2
(x, y, z) +
3
3
(x, y, z)
Con el operador nabla

() realizaremos operaciones igual como un vector com un y corriente. As en el caso

E se denomina rotor de

E viene denido por

E =
_

x
+

y
+
k

z
_
_
E
x
+E
y
+E
z
k
_
=

E =
_
E
z
y

E
y
z
_
+
_
E
x
z

E
z
x
_
+
_
E
y
x

E
z
y
_

E =
i
ijk
j
E
k
Tambien tendremos el producto escalar de nabla por un vector. Esta operacion la llamaremos divergencia
a =
a
i
_
x
j
_
x
i

i
a
i
_
x
j
_
a
x
(x, y, z)
x
+
a
y
(x, y, z)
y
+
a
z
(x, y, z)
z
pero por ahora consideremos nabla

como un vector. De este modo habra cantidad de relaciones vectoriales
que involucren a

las cuales se podran demostrar. Veamos
1.

_
a
b
_
=
_
a

b +
_
_
a +a
_
b
_
+
b
_
a
_
El resultado es un gradiente, es decir un vector. El lado izquierdo sera
_
_
a
b
__
i
=
i
_
a
b
_
=
i
_
a
j
b
j
_
=
_
i
a
j
_
b
j
+
_
i
b
j
_
a
j
mientras que el lado derecho
_
_
a
b
__
i
=
_
a
j
j
_
b
i
+
_
b
j
j
_
a
i
+
ijk
a
j
_
b
_
k
+
ijk
b
j
_
a
_
k
=
_
a
j
j
_
b
i
+
_
b
j
j
_
a
i
+
ijk
a
j
kmn
m
b
n
+
ijk
b
j
kmn
m
a
n
=
_
a
j
j
_
b
i
+
_
b
j
j
_
a
i
+
ijk
mnk
a
j
m
b
n
+
ijk
mnk
b
j
m
a
n
=
_
a
j
j
_
b
i
+
_
b
j
j
_
a
i
+
_
i
m
j
n
j
m
i
n
_
a
j
m
b
n
+
+
_
i
m
j
n
j
m
i
n
_
b
j
m
a
n
= a
j
j
b
i
+b
j
j
a
i
+
i
m
j
n
a
j
m
b
n
j
m
i
n
a
j
m
b
n
+
+
i
m
j
n
b
j
m
a
n
j
m
i
n
b
j
m
a
n
= a
j
j
b
i
+b
j
j
a
i
+a
n
i
b
n
a
m
m
b
i
+b
n
i
a
n
b
m
m
a
i
= a
j
j
b
i
a
m
m
b
i
. .
=0
+b
j
j
a
i
b
m
m
a
i
. .
=0
+a
n
i
b
n
+b
n
i
a
n
= a
n
i
b
n
+b
n
i
a
n
=
i
_
a
j
b
j
_
=
i
_
a
b
_
2.

_
a

_
a =
_
a
__
a
_
a
__
a +
_
a

__
a
_
__
a
_
_
a
Iniciamos la traduccion a ndices por el lado izquierdo de la ecuacion as
_
a

_
a =
ijk
j
(a
m
m
) a
k
=
ijk
(
j
a
m
)
m
a
k
+
ijk
a
m
m
a
k
=
ijk
(
j
a
m
)
m
a
k
+a
m
m
_
ijk
j
a
k
_
el lado derecho lo traduciremos termino por termino
_
a
__
a
_
= (
m
a
m
)
_
ijk
j
a
k
_
a
__
a =
_
mjk
j
a
k
a
i
=
_
mjk
j
a
k
a
i
= 0
_
a

__
a
_
= a
m
m
_
ijk
j
a
k
_
__
a
_
_
a =
__
mjk
j
a
k
_
a
i
el segundo termino se anula por cuanto
mjk
es antisimetrico respecto a los ndices mj mientras que
j
es simetrico. El tercer termino del desarrollo del lado derecho corresponde con el segundo del
desarrollo del lado izquierdo. Por cual llegamos a la siguiente igualdad
ijk
(
j
a
m
)
m
a
k
= (
m
a
m
)
_
ijk
j
a
k
_
__
mjk
j
a
k
_
a
i
Para vericar la igualdad tendremos que evaluar componente a componente. Esto es para el lado
izquierdo
1jk
(
j
a
m
)
m
a
k
=
123
(
2
a
m
)
m
a
3
+
132
(
3
a
m
)
m
a
2
= (
2
a
m
)
m
a
3
(
3
a
m
)
m
a
2
= (
2
a
1
)
1
a
3
+ (
2
a
2
)
2
a
3
+ (
2
a
3
)
3
a
3
(
3
a
1
)
1
a
2
(
3
a
2
)
2
a
2
(
3
a
3
)
3
a
2
mientras que para el primer termino del lado derecho
(
m
a
m
)
_
1jk
j
a
k
_
= (
m
a
m
)
_
123
2
a
3
_
+ (
m
a
m
)
_
132
3
a
2
_
=
2
a
3
1
a
1
. .
+
2
a
3
2
a
2
+
2
a
3
3
a
3
3
a
2
1
a
1
. .
3
a
2
2
a
2
2
a
2
3
a
3
y el segundo termino se escribe como
__
mjk
j
a
k
_
a
i
=
_
1jk
j
a
k
_
1
a
1
2jk
j
a
k
_
2
a
1
3jk
j
a
k
_
3
a
1
= (
2
a
3
3
a
2
)
1
a
1
(
3
a
1
1
a
3
)
2
a
1
(
1
a
2
2
a
1
)
3
a
1
=
3
a
2
1
a
1
. .
2
a
3
1
a
1
. .
+
1
a
3
2
a
1
3
a
1
2
a
1
. .
+
2
a
1
3
a
1
. .
1
a
2
3
a
1
al sumar ambos terminos se eliminan los sumandos indicados con letras griegas, y queda como
(
m
a
m
)
_
1jk
j
a
k
_
__
mjk
j
a
k
_
a
i
=
2
a
3
2
a
2
+
2
a
3
3
a
3
3
a
2
2
a
2
2
a
2
3
a
3
+
1
a
3
2
a
1
1
a
2
3
a
1

y al compararlo con el desarrollo del lado derecho e identicar termino a termino queda demostrado
1jk
(
j
a
m
)
m
a
k
= (
2
a
1
)
1
a
3
+ (
2
a
2
)
2
a
3
+ (
2
a
3
)
3
a
3
(
3
a
1
)
1
a
2
(
3
a
2
)
2
a
2
(
3
a
3
)
3
a
2
De igual manera se procede con i = 2 e i = 3

1.9.6. Integraci on
Despues de haber diferenciado campos escalares y vectoriales, el siguiente paso es integrarlos. Encontra-
remos varios objetos vectoriales a integrar seran:
_

V (u) d u integracion de un vector por un escalar
_
c
(x, y, z) d r integracion de un escalar a lo largo de un vector
_
c
V (x, y, z) d r integracion de un vector a lo largo de otro vector

_
c
V (x, y, z) d r integracion de un vector por otro vector

el primero de casos es el tipo de integral que siempre hemos utilizado para encontrar la posicion a partir
de la velocidad. Los siguientes tres casos se conocen con el nombre de integrales de lnea por cuanto es
importante la ruta o trayectoria que sigamos al integrar. Esto aparece indicado por la letra C en la
integral y sera evidente mas adelante. En general la integral de lnea dependera de la trayectoria.
Un vector por un escalar
El primer caso de este tipo integrales es el trivial que siempre hemos utilizado:
_

V (u) d u =
_
V
x
(u) d u +
_
V
y
(u) d u +
k
_
V
z
(u) d u =
__
V
i
(u) d u
_
e
i
La integral de un vector (en un sistema de coordenadas cartesianas) por un escalar se convierte en una suma
de tres integrales de siempre, cada una a lo largo de las componentes cartesianas del vector.
As integramos la aceleracion de un movimiento parabolico
d v
dt
=a = g
k =v =
_
a dt =

k
_
g dt =
kgt +v
0
=
kgt +v
0x
+v
0y
+
kv
0z
Ahora bien, existen sutilezas en este caso que debemos tener en cuenta. Por ejemplo considere la integral
_
dt
_
a
d
2
a
dt
2
_
=
_
dt
_
d
dt
_
a
d a
dt
_
d a
dt

d a
dt
_
=
_
dt
d
dt
_
a
d a
dt
_
=a
d a
dt
+c
Pero en general los casos quedan resueltos integrando componente a componente con la ayuda de la notacion
de ndices
_
dt
_
a
b
_
=
__
dt
_
ijk
a
j
b
k
_
_
[e
i
)
Quiza uno de los problemas que ilustra mejor esta situacion es el movimiento bajo fuerzas centrales. La Ley
de Gravitaci on de Newton nos dice que
F = m a = m
d v
dt
= m G
M
r
2
mM
u
r
=
d v
dt
= G
M
r
2
mM
u
r
Es costumbre denir la velocidad aerolar, v
A
, como el area barrida por el radio vector posicion, r (t) que
describe la trayectoria de la partcula
2v
A
= r
d r
dt
= r u
r

d (r u
r
)
dt
= r u
r

_
d r
dt
u
r
+r
d u
r
dt
_
= r u
r
r
d u
r
dt
= r
2
u
r

d u
r
dt
Notese que si c es un vector constante
d
dt
_
u
r

d u
r
dt
_
= 0 = u
r

d u
r
dt
=c =2v
A
= r
2
u
r

d u
r
dt
= const
con lo cual
d
dt
(v v
A
) =
d v
dt
v
A
= G
M
r
2
mM
u
r
v
A
=
MG
2
_
u
r

_
u
r

d u
r
dt
__
d
dt
(v v
A
) =
MG
2
__
u
r

d u
r
dt
_
u
r
( u
r
u
r
)
d u
r
dt
_
=
MG
2
d u
r
dt
integrando
v v
A
=
MG
2
u
r
+ p
donde p es un vector arbitrario de constante de integracion. Finalmente nos damos cuenta que
r (v v
A
) = r u
r

_
MG
2
u
r
+ p
_
=
MG
2
r +rp cos
r (v v
A
) =
ijk
r
i
v
j
v
Ak
v
A
(r v) = v
A
v
A
= v
2
A
y entonces
v
2
A
=
MG
2
r +rp cos =r =
v
2
A
MG
2
+p cos
2v
2
A
MG
1 +
2p
MG
cos
que constituye la ecuacion de una conica.
Un escalar a lo largo de un vector
_
c
(r) dr
El segundo objeto que tropezaremos es la integracion de funciones de varias a lo largo de una curva
determinada. Esto es
_
c
(x, y, z) dr =
_
c
(x, y, z)
_
dx + dy + dz

k
_
=
_
c
(x, y, z) d x+
_
c
(x, y, z) d y+
k
_
c
(x, y, z) d z
la integral se nos ha convertido en tres integrales, las cuales son ahora componentes de un vector. Esto
es posible dado que la base
_
, ,
k
_
es una base constante. Ahora bien, cada una de estas integrales son
interdependientes, dado que hay que seguir la misma curva c. Consideremos el caso bidimensional que es
mas simple y contiene toda la riqueza conceptual del tridimensional. As
(x, y) = 3x
2
+ 2y =
_
(1,2)
(0,0)
_
3x
2
+ 2y
_
dr =
_
(1,2)
(0,0)
_
3x
2
+ 2y
_
d x +
_
(1,2)
(0,0)
_
3x
2
+ 2y
_
d y
Se requiere especicar la curva c a lo largo de la cual integraremos desde el punto P
1
(0, 0) al punto
P
2
(1, 2) . Si recorremos la ruta (0, 0) (1, 0) (1, 2) tendremos que
(0, 0) (1, 0) =y = cte = 0 =
_
(1,0)
(0,0)
_
3x
2
+ 2y
_
dr =
_
(1,0)
(0,0)
_
3x
2
+ 2y
_
dx =
_
1
0
_
3x
2
_
dx =
(1, 0) (1, 2) =x = cte = 1 =
_
(1,0)
(0,0)
_
3x
2
+ 2y
_
dr =
_
(1,2)
(0,0)
_
3x
2
+ 2y
_
dy =
_
2
0
(3 + 2y) dy = 10
con lo cual
c
1
(0, 0)
c
A
1
(1, 0) (1, 2)
c
B
1
=
_
(1,2)
(0,0)
_
3x
2
+ 2y
_
dr = + 10
si hubieramos seleccionado la recta que une a estos dos puntos como la curva c
2
entonces
c
2
y = 2x =d y = 2d x
_
(1,2)
(0,0)
_
3x
2
+ 2y
_
dr =
_
(1,2)
(0,0)
_
3x
2
+ 2y
_
d x +
_
(1,2)
(0,0)
_
3x
2
+ 2y
_
d y
_
(1,2)
(0,0)
_
3x
2
+ 2y
_
dr =
_
1
0
_
3x
2
+ 2 (2x)
_
d x +
_
1
0
_
3x
2
+ 2 (2x)
_
2dx = 3+6
En general la curva c se parametrizara y las integrales en varias variables se convertiran en integrales a lo
largo del parametro que caracteriza la curva
c
_
_
_
x = x()
y = y ()
z = z ()
_
_
_
_
c
(x, y, z) dr =
_
c
(x() , y () , z ())
_
x()
d +
y ()
d +
z ()
d

k
_
_
c
(x, y, z) dr =
_
c
(x() , y () , z ())
x()
d +
_
c
(x() , y () , z ())
y ()
d
+
k
_
c
(x() , y () , z ())
z ()
d
las parametrizaciones para las curvas anteriores son muy simples
c
A
1
=
_
_
_
x =
y = 0
; c
B
1
=
_
_
_
x = 2
y =
; c
2
=
_
_
_
x =
y = 2
Un vector a lo largo de otro vector
_
c
F (r) dr
Quiza la integral de lnea mas conocida sea una del tipo
_
c
F (r) dr por cuanto nos la hemos tropezado

en el calculo del trabajo de que realiza una fuerza. Todo lo que hemos considerado al parametrizar la curva
en el caso anterior, sigue siendo valido.
_
c
F (r) dr =
_
c
F
x
(x, y, z) dx +
_
c
F
y
(x, y, z) dy +
_
c
F
z
(x, y, z) dz =
_
c
F
i
_
x
j
_
dx
i
Por lo cual, si consideramos
F (r) =
_
3x
2
+ 2xy
3
_
+6xy
_
(1,
3
4
2)
(0,0)
F (r) dr =
_
(1,
3
4
2)
(0,0)
__
3x
2
+ 2xy
3
_
+6xy
_
(dx + dy )
_
(1,
3
4
2)
(0,0)
F (r) dr =
_
(1,
3
4
2)
(0,0)
_
3x
2
+ 2xy
3
_
dx +
_
(1,
3
4
2)
(0,0)
6xy dy
y si la curva que une esos puntos viene parametrizada por
x = 2
2
y =
3
+
_
_
_
=
_
_
_
x()
= 4
y()
= 3
2
+ 1
_
_
_
=
entonces la primera de las integrales resulta
_
(1,
3
4
2)
(0,0)
_
3x
2
+ 2xy
3
_
dx =
_
_
3
_
2
2
_
2
+ 2
_
2
2
_ _
3
+
_
3
_
(4) d
_
(1,
3
4
2)
(0,0)
_
3x
2
+ 2xy
3
_
dx =
_

2
2
0
_
12
5
+ 4
12
+ 12
10
+ 12
8
+ 4
6
_
d =
1
4
+
9305
96 096
2
y la segunda
_
(1,
3
4
2)
(0,0)
6xy dy =
_

2
2
0
6
_
2
2
_ _
3
+
_ _
3
2
+ 1
_
d =
65
32
con lo cual
_
(1,
3
4
2)
(0,0)
F (r) dr =
_
(1,
3
4
2)
(0,0)
_
3x
2
+ 2xy
3
_
dx +
_
(1,
3
4
2)
(0,0)
6xy dy =
73
32
+
9305
96 096
2
1.10. Vectores y n umeros complejos
Desde la mas tierna infancia matematica nos hemos tropezado con las llamadas races imaginarias o
complejas de polinomios. De este modo la solucion a un polinomio c ubico
x
3
3x
2
+ 4x 12 = 0 =
_
_
_
x = 2i
x = 2i
x = 3
_
_
_
=(x + 2i) (x 2i) (x 3) = 0
o cuadratico
x
2
+ 4 = 0 =
_
x = 2i
x = 2i
_
=(x + 2i) (x 2i)
nos lleva a denir un n umero i
2
= 1 i =
1 como vimos arriba al multiplicar el n umero imaginario i

por cualquier n umero real obtendremos el n umero imaginario puro bi, con b '. La nomenclatura n umeros
imaginarios surgio de la idea de que estas cantidades no representan mediciones fsicas. Esa idea ha sido
abandonada pero el nombre quedo.
1.10.1. Los n umeros complejos y su algebra
Un n umero complejo, z, es la generalizacion de los n umeros imaginarios (puros), ib. Esto es
z = a +ib con a, b ' =
_
_
_
a parte real
b parte imaginaria
Obviamente los n umeros reales seran a + i0 n umeros complejos con su parte imaginaria nula. Los n umeros
imaginarios puros seran n umeros complejos con su parte real nula, esto es 0 +ib. Por ello en general diremos
que
z = a +ib =a = Re (z) b = Im(z)
es decir, a corresponde a la parte real de z y b a su parte imaginaria.
Cada n umero complejo, z, tendra un n umero complejo conjugado, z
tal que
z = a +ib = z
= a ib
(z
= z z z
= a
2
+b
2
claramente
z z
0 =[z[
2
= [z
[
2
= z z
Es importante se nalar que, en general, no existe relacion de orden entre los n umeros complejos. Vale
decir, que no sabremos si un n umero complejo es mayor que otro. No esta denida esta operacion.
z
1
z
2
z
1
z
2
las relaciones de orden solo se podran establecer entre modulos de n umeros complejos y no n umeros complejos
en general.
Rapidamente recordamos el algebra de los n umeros complejos:
dos n umeros complejos seran iguales si sus partes reales e imaginarios lo son
z
1
= z
2
=(a
1
+ib
1
) = (a
2
+ib
2
) =a
1
= a
2
b
1
= b
2
se suman dos n umeros complejos sumando sus partes reales y sus partes imaginarias.
z
3
= z
1
+z
2
=(a
1
+ib
1
) + (a
2
+ib
2
) = (a
1
+a
2
)
. .
a3
+i(b
1
+b
2
)
. .
b3
= a
3
+ib
3
claramente z +z
= 2 Re z tambien z z
= 2 Imz. Igualmente es inmediato comprobar que

(z
1
+z
2
)
= z
1
+z
2
se multiplican n umeros complejos por escalares multiplicando el escalar por sus partes reales e imagi-
narias
z
3
= z
1
=(a
1
+ib
1
) = (a
1
) +i (b
1
)
se multiplican n umeros complejos entre si, multiplicando los dos binomios y teniendo cuidad que
i
2
= 1.
z
3
= z
1
z
2
=(a
1
+ib
1
) (a
2
+ib
2
) = (a
1
a
2
b
1
b
2
) +i (a
1
b
2
+b
1
a
2
)
tambien es inmediato comprobar que (z
1
z
2
)
= z
1
z
2
se dividen n umeros complejos siguiendo la estrategia de racionalizacion de fracciones irracionales. Esto
es
z
3
=
z
1
z
2
=
(a
1
+ib
1
)
(a
2
+ib
2
)
=
(a
1
+ib
1
)
(a
2
+ib
2
)
(a
2
ib
2
)
(a
2
ib
2
)
=
a
1
a
2
+b
1
b
2
(a
2
2
+b
2
2
)
+i
b
1
a
2
a
1
b
2
(a
2
2
+b
2
2
)
es claro que el divisor sera cualquier n umero complejo excepto el cero complejo, 0 +i0
1.10.2. Vectores y el plano complejo
Mirando con cuidado el algebra de n umeros complejos nos damos cuenta que un n umero complejo puede
ser representado por una dupla de n umeros complejos es decir,
z = (a +ib) = z = (a, b)
las propiedades entre n umeros complejos de igualdad, suma y multiplicacion por un escalar arriba expuestas se
cumplen de forma inmediata con esta nueva representacion. Hay que denir las operaciones de multiplicacion
y division entre n umeros complejos de forma que
(a
1
, b
1
) (a
2
, b
2
) = (a
1
a
2
b
1
b
2
, a
1
b
2
+b
1
a
2
)
(a
1
, b
1
)
(a
2
, b
2
)
=
_
a
1
a
2
+b
1
b
2
(a
2
2
+b
2
2
)
,
b
1
a
2
a
1
b
2
(a
2
2
+b
2
2
)
_
Esta asociacion de un n umero complejo con una pareja de n umeros inmediatamente nos lleva a imaginar
un punto en un plano (complejo) en el cual la primera componente (horizontal) representa la parte real
y la segunda componente (vertical) representa la parte imaginaria. De esta forma asociamos a un n umero
complejo a un vector que une a ese punto (a, b) con el origen del plano complejo. Esta representacion de
n umeros complejos como vectores un el plano (complejo) de conoce con el nombre de Diagrama de Argand
3
a pesar que no fue Jean Argand, sino Caspar Wessel
4
el primero en proponerlo. Por cierto esta interpretacion
3
En honor a Jean Robert Argand, (Ginebra, Suiza, 18 Julio 1768; Paris, Francia 13 agosto 1822) Contador pero matem atico
acionado. Propuso esta interpretacion de n umeros complejos como vectors en un plano complejo en un libro autoeditado con
sus reexiones que se perdio y fue rescatado 7 a nos despues, fecha a partir de la cual Argand comenzo a publicar en Matematicas.
Mas detalles en http://www-groups.dcs.st-and.ac.uk/\char126\relaxhistory/Mathematicians/Argand.html
4
Caspar Wessel (Vestby, Noruega 8 junio 1745; 25 marzo 1818, Copenhagen, Dinamarca) Matematico noruego que se
dedico principalemente al levantamiento topograco de Noruega. Su trabajo sobre la interpretaci on de n umeros comple-
jos permanecio desconocido por casi 100 a nos. M as detalles http://www-groups.dcs.st-and.ac.uk/\char126\relaxhistory/
Mathematicians/Wessel.html
fue tres veces redescubierta primero por Caspar Wessel en 1799, luego por Jean Argand en 1806 y nalmente
por Gauss
5
en 1831.
De esta manera como un recordatorio al plano real
z = x +iy = z = r (cos +i sen) con
_
_
r =
zz
= [z[ =
_
x
2
+y
2
tan =
y
x
donde
La interpretacion vectorial de n umeros complejos permite que la suma de n umeros complejos sea representada
por la regla del paralelogramo. Mientras que los productos escalar y vectorial nos llevan a
z
1
z
2
= Re (z
1
z
2
) = Re (z
1
z
2
) z
1
z
2
= Im(z
1
z
2
) = Im(z
1
z
2
)
Con esta interpretacion tendremos
x = Rez = componente real del vector z o parte real de z
y = Imz = componente imaginaria del vector z o parte real de z
r =
zz
= [z[ = modulo, magnitud o valor absoluto de z

= angulo polar o de fase del n umero complejo z
1.10.3. F ormulas de Euler y De Moivre
Nos hemos tropezado con la expansion en Taylor
6
esta serie permite expresar cualquier funcion inni-
tamente diferenciable alrededor de un punto x
0
como una serie innita de potencias del argumento de la
funcion. Esto es
f (x) = 1 +
d f (x)
d x
x=x0
(x x
0
) +
1
2
d
2
f (x)
d x
2
x=x0
(x x
0
)
2
+
1
3!
d
3
f (x)
d x
3
x=x0
(x x
0
)
3
+
f (x) = C
n
(x x
0
)
n
con C
n
=
1
n!
d
n
f (x)
d x
n
x=x0
donde n = 0, 1, 2, 3, 4
con lo cual si consideramos x
0
= 0 entonces
e
x
= 1 +x +
1
2
x
2
+
1
6
x
3
+
1
24
x
4
+
1
120
x
5
+
1
720
x
6
+
1
5040
x
7
+
cos x = 1
1
2
x
2
+
1
24
x
4
1
720
x
6
+
senx = x
1
6
x
3
+
1
120
x
5
1
5040
x
7
+
5
Johann Carl Friedrich Gauss (30 abril 1777, Brunswick, Alemania; 23 febrero 1855, Gottingen, Alemania). Uno de los
matem aticos mas geniales y precoces de la Historia. Desde los 7 a nos comenzo a mostrar sus condiciones de genialidad. Sus
contribuciones en Astronoma y Matematicas son m ultiples y diversas. M as detalles http://www-groups.dcs.st-and.ac.uk/
\char126\relaxhistory/Mathematicians/Gauss.html
6
Brook Taylor (18 agosto 1685, Edmonton, Inglaterra; 29 diciembre 1731, Londres, Inglaterra) Fsico y Matem atico Ingles
contemporaneo de Newton y Leibniz y con ellos particip o profundamente en el desarrollo del C alculo diferencial e integral.
Ademas de sus aportes magnetismo, capilaridad y termometra, desarrollo el area de diferencias nitas que hasta hoy utilizamos
para c alculos en computacion. Invento la integraci on por partes y descubrio la serie que lleva su nombre. Mas detalles http:
//www-history.mcs.st-andrews.ac.uk/Mathematicians/Taylor.html
Es facil convercerse que
e
i
= 1 +i
1
2
2
+
_
1
6
i
_
3
+
1
24
4
+
1
120
i
5
1
720
6
+
_
1
5040
i
_
7
+
puede rearreglarse como
e
i
=
_
1
1
2
2
+
1
24
1
720
6
+
_
. .
cos
+i
_

1
6
3
+
1
120
1
5040
7
+
_
. .
sen
e
i
= cos +i sen
esta relacion se conoce como la relacion de Euler
7
. Con lo cual ahora tenemos tres formas de representar
un n umero complejo
z = x +iy = z = r (cos +i sen) = z = re
i
La expresion z = x + iy se conoce como forma cartesiana de representacion de un n umero complejo, la
forma z = r (cos +i sen) sera la forma trigonometrica o polar y la expresion z = e
i
sera la forma de Euler.
Es importante notar una sutileza implcita en esta notacion. La forma cartesiana representa unvocamente
a un n umero complejo, mientras que la forma polar (y la de Euler), es ambigua
z = r (cos +i sen) = r (cos( + 2n) +i sen( + 2n)) (1.1)
es decir, existen varios valores del argumento que denen el mismo n umero complejo. Esto se considerara mas
adelante cuando tratemos las funciones de n umero complejos.
Las sumas de n umeros complejos son mas facilmente planteables en su forma cartesiana. Mientras las
multiplicacion y division seran directas en la forma de Euler
z
1
= r
1
e
i1
z
2
= r
2
e
i2
_
_
_
=z
1
z
2
= e
i1
e
i2
= e
i(1+2)
= r
1
r
2
(cos (
1
+
2
) +i sen(
1
+
2
))
Mas a un, si
z = x +iy =e
z
= e
(x+iy)
= e
x
e
iy
= e
x
(cos y +i seny)
y a partir de la relacion o formula de Euler se puede demostrar la De Moivre
8
_
e
i
_
n
= e
in
= (cos +i sen)
n
= cos (n) +i sen(n) con n entero
1.10.4. Algunas Aplicaciones Inmediatas
Presentaremos algunas aplicaciones inmeditas la formula de De Moivre en varios ambitos
7
Leonhard Euler (15 abril 1707, Basilea, Suiza; 18 septiembre 1783, San Petersburgo, Rusia). Uno de los matematicos mas
prolcos de todos los tiempos. Desarroll o inmensamente campos como la geometra analtica y trigonometra, siendo el primero
que considero el coseno y el seno como funciones. Hizo aportes signicativos en el desarrollo del c alculo diferencial e integral
as como tambien, astronoma, elasticidad y mecanica de medios contnuos. Mas detalles http://www-history.mcs.st-andrews.
ac.uk/Mathematicians/Euler.html
8
Abraham de Moivre (26 mayo 1667 in Vitry-le-Francois, Francia; 27 noviembre 1754, Londres Inglaterra) Matematico
frances que tuvo que emigrar a Inglaterra por razones religiosas. Contemporaneo de Newton, Liebniz, Halley, fue pionero con
sus contribuciones en Geometra Analtica y Teora de Probabilides.
Identidades trigonometricas
La primera de las aplicaciones de la formula de De Moivre es para construir identidades trigonometricas
en las cuales se expresa el coseno o el seno de factores de un angulo. Esto las siguientes (nada triviales)
identidades trigonometricas
cos 3 = 4 cos
3
3 cos o sen3 = 3 sen 4
3
sen
para demostrar estas (y otras) identidades utilizamos la formula de De Moivre, es decir
cos 3 +i sen3 = (cos +i sen)
3
= cos
3
3 cos sen
2
+i
_
3 cos
2
sen sen
3
_
igualando ahora parte real e imaginaria tendremos
cos 3 = cos
3
3 cos sen
2
= cos
3
3 cos
_
1 cos
2
_
= 4 cos
3
3 cos
sen3 = 3 cos
2
sen sen
3
= 3
_
1 sen
2
_
sen sen
3
= 3 sen 4
3
sen
El metodo puede extenderse a expresiones de senos y cosenos de n
Igualmente podemos desarrollar un metodo para encontrar expresiones de potencias de funciones tri-
gonometricas en termino de funciones de factores de angulo del tipo (cos )
n
= F (cos n, senn) . Para
empezar, supongamos que tenemos un n umero complejo de modulo 1, de tal forma que
z = e
i
= cos +i sen
_
_
z
n
+
1
z
n
= 2 cos n
z
n
1
z
n
= 2 senn
. Estas identidades surgen de manera inmediata de
z
n
+
1
z
n
= (cos +i sen)
n
+ (cos +i sen)
n
= (cos n +i senn) + (cos (n) +i sen(n))
= cos n +i senn + cos n i senn
z
n
+
1
z
n
= 2 cos n
igualmente puede demostrarse la segunda de las armaciones anteriores. Ahora bien, supongamos ademas
que n = 1, con lo cual se cumple que
z +
1
z
= e
i
+e
i
= 2 cos y z
1
z
= e
i
e
i
= 2 sen
que tambien lo sabamos desde la mas temprana edad de nuestros bachilleratos. Ahora bien, lo que quiza no
sabamos en esos entonces (y quiza ahora tampoco) es que a partir de aqu podemos construir
cos
5
=
1
2
5
_
z +
1
z
_
5
=
1
2
5
__
z
5
+
1
z
5
_
+
_
5z
3
+
5
z
3
_
+
_
10z +
10
z
__
es decir
cos
5
=
1
2
5
[2 cos 5 + 10 cos 3 + 20 cos ]
de la misma manera se puede proceder con otras potencias y con potencias de la funcion seno.
Races de polinomios
La formula de De Moivre nos puede ayudar para la encontrar races de polinomios. Supongamos, para
empezar que queremos encontrar las n races de la ecuacion z
n
= 1. Para ello procedemos con el siguiente
articio
z
n
= 1 = cos (k2) +i sen(k2) = e
i(k2)
con k = 0, 1, 2, ....
con lo cual las n races de la ecuacion z
n
= 1 seran
z
n
= 1 z = e
i(
k2
n
)
z
..
0
= 1; z
1
= e
2i(
1
n
)
; z
2
= e
2i(
2
n
)
; z
3
= e
2i(
3
n
)
; z
n2
= e
2i(
n2
n
)
; z
n1
= e
2i(
n1
n
)
es decir n races corresponderan a los n valores de k = 0, 1, 2, n2, n1. Mayores valore de k no proveen
nuevas races.
Estas propiedades pueden extenderse a races de polinomios. Supongamos la siguiente ecuacion polinomica
con sus races:
z
5
z
4
+ 2z 2 = 0
_
z
4
+ 2
_
(z 1) = 0
_
_
_
z
4
+ 2 = 0 z
4
= 2
z 1 = 0 z = 1
una vez mas
z
4
= 2 z
4
= 2e
i(k2)
z = i
4
2e
i(
k2
4
)
z
0
= i
4
2; z
1
= i
4
2e
i
2
=
4
2; z
2
= i
4
2e
i
= i
4
2; z
3
= i
4
2e
i
3
2
=
4
2
por lo tanto la ecuacion z
5
z
4
+ 2z 2 = 0 tendra tres races reales y dos complejas
z
5
z
4
+ 2z 2 = 0 z
0
= i
4
2; z
1
=
4
2; z
2
= i
4
2; z
3
=
4
2; z
4
= 1
Una armacion que nos han dicho y que quiza no sepamos de donde viene es que si un polinomio
con coecientes reales tiene races complejas, ellas seran complejas conjugadas unas de otras. Vale decir si
z
5
z
4
+ 2z 2 = 0 tiene como raz z
0
= i
4
2 tambien tendra como raz z

2
= i
4
2 y z
0
= z
2
. Esta
armacion se prueba de forma general si suponemos que tenemos una ecuacion
a
i
z
i
= 0 con i = 0, 1, 2, n 1, n a
0
+a
1
z +a
2
z
2
+a
n1
z
n1
+a
n
z
n
= 0
donde los coecientes a
0
, a, a
2
, , a
n1
, a
n
los suponemos reales, esto es a
i
= a
i
para todos los valores del
ndice i. Al tomar complejo conjugado a la ecuacion nos queda
a
0
+a
1
z +a
2
z
2
+a
n1
z
n1
+a
n
z
n
= 0 a
0
+a
1
z
+a
2
(z
)
2
+a
n1
(z
)
n1
+a
n
(z
)
n
= 0
como los coecientes son reales tenemos que
a
0
+a
1
z +a
2
z
2
+a
n1
z
n1
+a
n
z
n
= 0 a
0
+a
1
z
+a
2
(z
)
2
+a
n1
(z
)
n1
+a
n
(z
)
n
= 0
que no dice otra cosa que si z es solucion tambien lo sera z
ya que la ecuacion es la misma por tener los

mismos coecientes (reales).
Ahora consideremos el siguiente polinomio complejo P(z) = z
6
z
5
+ 4z
4
6z
3
+ 2z
2
8z + 8 = 0. Si
por alg un metodo comprobamos que (z
3
2) es uno de sus factores, entonces podremos encontrar las races
del polinomio P(z). Veamos:
Claramente si (z
3
2) es un factor podemos expresar
P(z) = z
6
z
5
+ 4z
4
6z
3
+ 2z
2
8z + 8 = (z
3
2)(z
3
z
2
+ 4z 4) = (z
3
2)(z 1)(z
2
+ 4)
con lo cual, como z es complejo, hay que tener cuidado de las races encubiertas
z
3
= 2 (a +ib)
3
= 2 a
3
3ab
2
+i(3a
2
b b
3
) = 2
_
_
_
a(a
2
3b
2
) = 2
b(b
2
3a
2
) = 0
_
_
_
_
a =
1
3
4
b =
3
3
4
es decir, las 6 races seran
z
3
= 2
_
_
_
z = 2
z =
1
3
4
_
1 i
3
_
z = 1, z = 2i
Logaritmos y potencias de n umeros complejos
Denamos las siguiente funcion
z = e
i
Lnz = i
donde Ln representara el logaritmo natural del n umero complejo z. Notese que hemos utilizado Ln en lugar
de tradicional ln y la razon es la ambig uedad implcita en la notacion de Euler, vale decir
z = re
i
Lnz = lnr +i ( + 2n) = lnr +i
en otras palabras, Lnz no es funcion por ser multivaluada. Se supera esta dicultad cuando se restringe el
argumento < y esta se conoce como el valor principal de la funcion Lnz = lnz.
Por ejemplo, al evaluar el
Ln(3i) = Ln
_
3e
i(
2
+2n)
_
= ln3 +i
_
2
+ 2n
_
con n = 0, 1, 2,
por lo tanto el valor principal del Ln(3i) sera ln(3i) = ln3 i
2
.
Con la misma intuicion se procede con las potencias de n umeros complejos. Si queremos evaluar z = i
5i
tendremos que proceder como sigue
z = i
5i
Ln(z) = Ln
_
i
5i
_
= 5i Ln(i) = 5i Ln
_
e
i(
2
+2n)
_
=
con lo cual z = i
5i
= e
5(
2
+2n)
es un n umero real !
Para nalizar consideremos otro par de casos de potencias y logaritmos i
i
y ln
_
_
3 +i
_
3
_
. Entonces
i
i
=
_
expi
_
2
+ 2n
__
i
= expi
2
_
2
+ 2n
_
= exp
_
2
2n
_
y para
ln
_
_
3 +i
_
3
_
= 3 ln
_
2 expi
_
arctan
1
3
__
= 3
_
ln2 +i
_
arctan
1
3
__
= ln8 +i
_
2
+ 6n
_
1.11. Algunos Ejemplos Resueltos
1. Hemos denido como la posicion,

R, del centro de masa para un sistema de N partculas como
R =

N
i=1
m
i
r
i
N
j=1
m
j
donde r
i
corresponde con la posicion de la iesima partcula
Determine la posicion del centro de masa para un sistema de tres masas, m
i
= 1,2,3, colocadas en los
vertices de un triangulo equilatero de lado l = 2
Solucion: Al colocar el origen de coordenadas en uno de los vertices y uno de los ejes de coordenadas sobre uno
de los lados. Entonces,
R =

3
i=1
m
i
r
i
3
j=1
m
j
=
m
1
r
1
+m
1
r
1
M
T
=
1 2 + 3
_
+
3
_
6
=
5
6
+
3
2

2. Dada una base ortonormal ,,
k y los siguientes vectores

a = 3 + 2 +

k

b = 3 2 +

k c =
k
a) Comprobar si a,
b, c forman base
Solucion: Para que los vectores formen base tienen que ser linealmente independientes. Esto es a+
b+c =
0 = = = 0 con lo cual
_
3 + 2 +

k
_
+
_
3 2 +

k
_
+
_

k
_
= 0
_
_
_
3 + 3 + = 0
2 2 = 0
+ = 0
y al resolver esl sistema se obtiene = = = 0 con lo cual se demuestra que son linealmente
independientes
Otra manera de resolverlo es mostrar que c
_
a
b
_
,= 0 y efectivamente
c
_
a
b
_
=
1 0 1
3 2 1
3 2 1
= 4 ,= 0
b) Si a,
b, c forma base, exprese

d = +2 e = 3 2

f =a
b en termino de esa base a,
b, c.
De lo contrario, construya una base como a,
b, a
b y exprese los vectores
d, e,

f en termino
de esa nueva base
Solucion: Como forman base expresamos los vectores en termino esos terminos. Esto es
+ 2 =
_
3 + 2 +

k
_
+
_
3 2 +

k
_
+
_

k
_
_
_
_
3 + 3 + = 1
2 2 = 2
+ = 0
resolviendo tendremos que

d =
5
8
a
3
8
b +
1
4
c. Seguidamente
3 2 =
_
3 + 2 +

k
_
+
_
3 2 +

k
_
+
_

k
_
_
_
_
3 + 3 + = 3
2 2 = 2
+ = 0
resolviendo tendremos que e =
1
8
a +
7
8
b +
3
4
c
Ahora bien
a
b
_
3 + 2 +

k
_
_
3 2 +

k
_

k
3 2 1
3 2 1
= 4 12
k
con lo cual
4 12
k =
_
3 + 2 +

k
_
+
_
3 2 +

k
_
+
_

k
_
_
_
_
3 + 3 + = 4
2 2 = 0
+ = 12
y nalmente

f =a
b = a
b + 10c
3. Utilizando la notacion de ndices demostrar que para cualquier tro de vectores a,
b, c se cumple que
a (
b c) +
b (c a) +c (a
b) = 0
Solucion: En notacion de ndices
a (
b c) +
b (c a) +c (a
b) =
lmi
a
m
ijk
b
j
c
k
+
lmi
b
m
ijk
c
j
a
k
+
lmi
c
m
ijk
a
j
b
k
con lo cual arreglando
lmi
ijk
a
m
b
j
c
k
+
lmi
ijk
b
m
c
j
a
k
+
lmi
ijk
c
m
a
j
b
k
=
_
l
j
m
k

m
j

l
k
_
a
m
b
j
c
k
+
_
l
j
m
k

m
j

l
k
_
b
m
c
j
a
k
+
_
l
j
m
k

m
j

l
k
_
c
m
a
j
b
k
=
y ahora desarrollando los productos de s, nos queda
_
_
a
k
b
l
c
k
. .
I
a
k
b
k
c
l
. .
II
_
_
+
_
_
b
k
c
l
a
k
. .
II
b
k
c
k
a
l
. .
III
_
_
+
_
_
c
k
a
l
b
k
. .
III
c
k
a
k
b
l
. .
I
_
_
= 0
e indenticando termino a termino, notamos que se anula.
4. Una partcula se mueve a lo largo de una curva descrita por
x(t) = 3t
2
y(t) = 4t
3
t z(t) = t
a) Encuentre las expresiones para los vectores: posicion, velocidad y aceleracion de esa partcula
Solucion:
r(t) = 3t
2
+ (4t
3
t) +t
k v = 6t + (12t
2
1) +

k a = 6 + 24t
b) Encuentre las expresiones, mas generales, de los vectores tangentes y perpendiculares a todo a
punto de la trayectoria de la partcula
Solucion: Vector tangente a todo punto de la trayectoria es el vector velocidad
v = 6t + (12t
2
1) +

k
El perpendicular a todo punto, sera un vector
b = b
x
+b
y
+b
z
k, tal que
(6t + (12t
2
1) +

k) (b
x
+b
y
+b
z
k) = 6tb
x
+ (12t
2
1)b
y
+b
z
= 0
con lo cual
b = b
x
+b
y
(6tb
x
+ (12t
2
1)b
y
)
k
5. El campo de fuerzas del oscilador anarmonico anisotropo bidimensional se escribe como
F = k
1
x
2
+k
2
y (1.2)
Encuentre el trabajo realizado,
_
(x2,y2)
(x1,y1)
dr

F a lo largo de las siguientes trayectorias
a) (1, 1) (4, 1) (4, 4)
Solucion:
_
(4,1)
(1,1)
(dx) (k
1
x
2
+k
2
) +
_
(4,4)
(4,1)
(dy) (k
1
16 +k
2
y) = 21k
1
+
15k
2
2
b) (1, 1) (1, 4) (4, 4)
Solucion:
_
(1,4)
(1,1)
(dy) (k
1
+k
2
y) +
_
(4,4)
(1,4)
(dx) (k
1
x
2
+k
2
4) = 21k
1
+
15k
2
2
c) (1, 1) (4, 4) para x = y
Solucion:
_
(4,4)
(1,1)
(dx +dx) (k
1
x
2
+k
2
x) =
_
(4,4)
(1,1)
(k
1
x
2
+k
2
x)dx = 21k
1
+
15k
2
2
6. Dados los siguientes puntos en el espacio (1, 0, 3); (2, 1, 0); (0, 1, 1); (1, 0, 1).
a) Considere los tres primeros puntos. Estos tres puntos son coplanares ? por que ? De ser
coplanares,
Solucion: Tres puntos en el espacio denen un plano, por lo tanto siempre seran coplanares
1) Encuentre el area del triangulo que tiene por vertices esos tres puntos
Solucion: Para ello seleccionamos uno de los puntos como un vertice privilegiado (digamos (2, 1, 0))
respecto al cual construiremos dos vectores que representan dos de los lados del triangulo.
Esto es
a = (1, 0, 3) (2, 1, 0) a = 1 + + 3
k
y
b = (0, 1, 1) (2, 1, 0)
b = 2 +

k
con lo cual, el area del vertice sera la mitad del area del paralelogramo que tiene por lados
estos dos vectores. Es decir
A =
1
2
|a
b| a
b =

k
1 1 3
2 0 1
= 5 + 2
k A =
1
2
| 5 + 2
k| =
30
2
2) Encuentre la ecuacion del plano que los contiene
Solucion: La ecuacion del plano vendra dada por
(r r
1
) ((r
2
r
1
) (r
3
r
1
)) = 0
donde
r = x +y +z
k, r
1
= + 3
k, r
2
= 2 , r
3
= +

k,
con lo cual la ecuacion del plano queda como
(x 1) y (z 3)
1 1 3
1 1 2
= 0 (x 1) + 5y 2(z 3) = 0 x 5y + 2z = 7
b) Considere los cuatro puntos Estos cuatro puntos son coplanares ? por que ? De NO ser
coplanares, encuentre la distancia del cuarto punto al posible plano que contiene a los otros tres.
Solucion: Para vericar si el cuarto punto esta en el plano, vericamos si cumple la ecuaci on que lo dene
(1) 5(0) + 2(1) ,= 7
los cuatro puntos no son coplanares. Para calcular la distancia del cuarto punto al plano construyo
el vector unitario normal al plano
n
P
=
a
b
|a
b|
=
1
30
_
5 + 2
k
_
d = n
P
c =
1
30
_
5 + 2
k
_
_
3 + +

k
_
con lo cual la distancia al cuarto punto sera
d = n
P
c =
1
30
_
5 + 2
k
_
_
3 + +

k
_
=
6
30
7. Considere los siguientes tres vectores
w
1
= + 3
k w
2
= 2 3 w
3
= +

k
a) Forman una base para R
3
? Explique detalladamente
Solucion: Son linealmente independientes, estos es
w
1
+ w
2
+ w
3
= 0 = = = 0
que se comprueba directamente al resolver
+2 = 0
3 = 0
3 + = 0
b) Si es que forman base, exprese el vector a = 3 + 3
k en la posible base w
1
, w
2
, w
3
Solucion: Como son linealmente independientes, forman base, con lo cual cualquier vector puede ser expre-
sado como combinacion lineal de estos tres. Eso es:
a = w
1
+ w
2
+ w
3

_
_
_
+2 = 1
3 = 3
3 + = 3
_
_
_

_
_
=
1
3
=
1
3
= 2
8. Utilizando la notacion de ndices muestre si se cumple la siguiente identidad
_
a
b
_
=a
_
b
_
b
_
a
_
+
_
_
a
_
a

b
Solucion:
_
a
b
_
=
ijk
j
(
klm
a
l
b
m
) = (
i
l
j
m
i
m
j
l
)
j
(a
l
b
m
) =
m
(a
i
b
m
)
l
(a
l
b
i
)
expandiendo la derivada
(a
b) = b
m
m
(a
i
) +a
i
m
(b
m
) b
i
l
(a
l
) a
l
l
(b
i
) (
b

)a + (
b)a (
a)
b (a

)
b
9. La trayectoria de un punto en el plano vista por un observador 1 es
r
1
(t) = 5 cos 3t
2
+ 5 sen3t
2
a) Exprese las aceleraciones radiales y tangenciales de esta partcula

Solucion: Es claro que la partcula describe un movimiento circular donde (t) = 3t
2
r(t) = 5 u
r
v(t) =
dr(t)
dt
= 5
d(t)
dt
u
= 30t u
a(t) =
da(t)
dt
= 30 u
30t u
r
b) Considere ahora un segundo observador, el cual describe una trayectoria respecto al primero
representada por
r
21
(t) = (t
3
4t) + (t
2
+ 4t)
Encuentre las expresiones para los vectores posicion, velocidad y aceleracion de la partcula me-
didos respecto al segundo observador
Solucion: La trayectoria de la partcula respecto al segundo observador sera
r
2
(t) = r
1
(t) r
21
(t) = 5 cos 3t
2
+ 5 sen3t
2
((t
3
4t) + (t
2
+ 4t) )
con lo cual
r
2
(t) = (5 cos 3t
2
(t
3
4t)) + (5 sen3t
2
(t
2
+ 4t))
entonces
v
2
(t) =
dr
2
(t)
dt
= (30t cos 3t
2
(3t
2
4)) + (30t sen3t
2
(2t + 4))
y
a
2
(t) =
dv
2
(t)
dt
= (30 cos 3t
2
180t
t
sen3t
2
6t) + (30 sen3t
2
180t
2
cos 3t
2
2)
10. El campo de fuerzas del oscilador armonico anisotropo bidimensional se escribe como
F = k
1
x
i +k
2
y
j
Encuentre el trabajo realizado,
_
(x2,y2)
(x1,y1)
dr

F a lo largo de las siguientes trayectorias
Solucion: En general
_
(4,4)
(1,1)
dr

F =
_
(4,4)
(1,1)
(dx + dy )
_
k
1
x
i +k
2
y
j
_
=
_
(4,4)
(1,1)
dx k
1
x +
_
(4,4)
(1,1)
dy k
2
y
a) (1, 1) (4, 1) (4, 4)
_
(4,4)
(1,1)
dr

F =
_
(4,1)
(1,1)
dx k
1
x +
_
(4,4)
(4,1)
dy k
2
y =
1
2
k
1
x
2
4
1
+
1
2
k
2
y
2
4
1
=
15
2
(k
2
k
1
)
b) (1, 1) (1, 4) (4, 4)
_
(4,4)
(1,1)
dr

F =
_
(1,4)
(1,1)
dy k
2
y
_
(4,4)
(1,4)
dx k
1
x =
1
2
k
2
y
2
4
1
1
2
k
1
x
2
4
1
=
15
2
(k
2
k
1
)
c) (1, 1) (4, 4) para x = y
_
(4,4)
(1,1)
dr

F =
_
4
1
dx (k
2
k
1
) x =
1
2
(k
2
k
1
) x
2
4
1
=
15
2
(k
2
k
1
)
Bibliografa
[1] Arfken, G. B.,Weber, H., Weber, H.J. (2000) Mathematical Methods for Physicists 5ta Edicion
(Academic Press, Nueva York)
[2] Borisenko, A.I, y Tarapov I.E. (1968) Vector and Tensor Analisys (Dover Publications Inc, Nueva
York)
[3] Dennery, P. y Krzywicki, A. (1995) Mathematics for Physicists (Dover Publications Inc, Nueva York)
[4] Harper, C. (1971) Introduction to Mathematical Physics (Prentice Hall, Englewood Cli, N.J:)
[5] Hassani, S. (1991) Foundations of Mathematical Physics (Prentice Hall, International Edition,
London:
[6] Hauser, W (1971) Introduction to Principles of Electromagnetism (Addison-Wesley Pub Co
Reading)
[7] Riley, K.F., Hobson, M.P. y Bence, S.J. (2002) Mathematical Methods for Physics and Enginee-
ring (Cambridge University Press)
[8] Santalo, L.A (1969) Vectores y Tensores (Editorial Universitaria, Buenos Aires)
[9] Schutz, B. (1980) Geometrical Methods in Mathematical Physics (Cambridge University Press,
Londres)
[10] Spiegel, M. (1959) Vector Analysis (Schaums Outline Series, McGraw Hill New York)
57
Captulo 2
Espacios Vectoriales Lineales
58
2.1. Grupos, Campos y Espacios Vectoriales
2.1.1. Grupos
Considere el siguiente conjunto G = g
1
, g
2
, g
3
, , g
n
, y la operacion entonces estos elementos
forman un grupo abeliano
1
respecto a la operacion si g
i
G
1. Cerrada respecto a la operacion : g
i
, G, g
j
G g
k
= g
i
g
j
G
2. Asociativa respecto a la operacion : g
k
(g
i
g
j
) = (g
k
g
i
) g
j
3. Existencia de un elemento neutro: 1 G g
i
1 = g
i
= 1 g
i
4. Existencia de un elemento inverso: g
i
, G g
1
i
G g
i
g
1
i
= g
1
i
g
i
= 1
5. Conmutativa respecto a la operacion : g
i
g
j
g
j
g
i
Si solo se cumplen las cuatro primeras, entonces se dice que simplemente forman grupo respecto a la
operacion . Se pueden denir subgrupos
Ejemplos: Seran grupo:
Los enteros Z = 3 2, 1, 0, 1, 2, 3, respecto a la suma pero no respecto a la multiplicacion
(excluyendo el cero) por cuanto no existe inverso.
Los racionales respecto a la suma y a la multiplicacion
Las rotaciones en 2 Dimensiones (2D), sin embargo las rotaciones en 3D forman grupo no-abeliano.
Dado un grupo de tres elementos, G = 1, a, b y la operacion , por construccion si queremos
que la operacion de dos de los elementos provea un tercero distinto, entonces la uNICA tabla de
multiplicacion posible sera:
1 a b
1 1 a b
a a b 1
b b 1 a
Ejercicio
1. Sea S el conjunto de todos los n umeros reales excluyendo 1 y dena la operacion
a b = a +b +ab
donde + es la suma estandar entre n umeros reales.
a) Muestre que [S, ] forman grupo
b) Encuentre la solucion en S para la ecuacion 2 x 3 = 7
1
NIELS HENRIK ABEL, (1802-1829 Noruega) Pionero en el desarrollo de diferentes ramas de la matematica moderna, Abel
mostro desde su infancia un notable talento para el estudio de las ciencias exactas. Tal predisposicion se vera muy pronto
conrmada por sus precoces investigaciones sobre cuestiones de algebra y calculo integral, en particular sobre la teora de las
integrales de funciones algebraicas (a las que se denominara abelianas en honor de su formulador) que no habra de publicarse
hasta 1841, doce a nos despues de su fallecimiento. En 2002 el gobierno noruego lanzo el premio Abel que llenara el vaco que
existe en la premiaci on Nobel del gobierno sueco, en el cual no existe premiacion para la comunidad matem atica.
Mas detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians
2.1.2. Campo
Deniremos como un campo como el conjunto F = f
1
, f
2
, f
3
, , f
n
, sobre el cual estan denidas
dos operaciones suma, +, y multiplicacion, , y que satisfacen las siguientes propiedades
1. Forman un grupo abeliano respecto a la suma, +,con el elemento neutro representado por el cero, 0.
2. Forman un grupo abeliano respecto a la multiplicacion, . Se excluye el cero, 0 y se denota el elemento
neutro de la multiplicacion como 1.
3. Es distributiva respecto a la suma, + : Dados f
i
, f
j
y f
k
se tiene que
f
i
(f
j
+f
k
) = f
i
f
j
+f
i
f
k
Ejemplos tpicos de campos lo constituyen los racionales Q, los n umeros reales R y los n umeros complejos
C. Normalmente se reere estos campos como Campos Escalares
2.1.3. Espacios Vectoriales Lineales
Sea el conjunto de objetos V = [v
1
) , [v
2
) , [v
3
) [v
i
) se denominara V un espacio vectorial
lineal y sus elementos [v
i
) vectores, si existe denida una operacion suma, , respecto a la cual los elementos
[v
i
) V de forman un grupo abeliano y una operacion multiplicacion por un n umero escalar de un campo,
K =, , tal que:
1. La operacion suma es cerrada en V : [v
i
) , [v
j
) V [v
k
) = [v
i
) [v
j
) V
2. La operacion suma es conmutativa y asociativa
a) [v
i
) , [v
j
) V [v
i
) [v
j
) = [v
j
) [v
i
)
b) [v
i
) , [v
j
) , [v
k
) V ([v
i
) [v
j
)) [v
k
) = [v
j
) ([v
i
) [v
k
))
3. Existe un unico elemento neutro: ! [0) [0) [v
j
) = [v
j
) [0) = [v
j
) [v
j
) V
4. Existe un elemento simetrico para cada elemento de V :
[v
j
) V [v
j
) [v
j
) [v
j
) = [0)
5. ( [v
i
)) = () [v
i
)
6. ( +) [v
i
) = [v
i
) + [v
i
)
7. ([v
i
) [v
j
)) = [v
i
) [v
j
)
8. 1[v
i
) = [v
i
)
Es inmediato notar que podemos denir subespacios vectoriales dentro de los espacios vectoriales. Ellos
seran aquellos conjuntos de vectores que cumplan con los requisitos anteriores pero ademas sean cerrado
dentro de los esos mismos conjuntos de vectores.
Ejemplos
Seran ejemplos de espacios vectoriales
1. Los n umeros reales y complejos con el campo de reales o complejos y denidas las operaciones ordinarias
de suma y multiplicacion. V R; +; [v) x; K R.
V C; +; [v
i
) x +iy; K R.
Si el campo K es el conjunto de los n umeros reales se dira que es un espacio vectorial real de n umeros
reales si V R y si V C se dira un espacio vectorial real de n umeros complejos. Por su parte si
K C diremos que es un espacio vectorial complejo de n umeros reales ( si V R) o complejos (
V C ). Siempre se asociara el campo de escalares al espacio vectorial. Se dira que es un espacio
vectorial sobre el campo de los escales. Si el campo es real (complejo) se dira que el espacio vectorial
es real (complejo).
2. El espacio V R
n
= R R R, vale decir el producto cartesiano de R, cuyos elementos son
nuplas de n umeros, con la operacion suma ordinaria de vectores en n-dimensionales y la multiplicacion
por escalares.
[x) = (x
1
, x
2
, x
3
, x
n
) [y) = (y
1
, y
2
, y
3
, , y
n
)
[x) [y) (x
1
+y
1
, x
2
+y
2
, x
3
+y
3
, x
n
+y
n
)
[x) = (x
1
, x
2
, x
3
, x
n
)
Este espacio vectorial es de dimension nita. Igualmente, sera espacio vectorial C
n
= CC C
para el cual los elementos x
i
C. Si para este caso el campo sobre el cual se dene el espacio vectorial
C
n
es real, tendremos un espacio vectorial real de n umeros complejos. Es obvio que el caso V R para
el cual [x)
1
= (x
1
, 0, 0, , 0) y [y)
1
= (y
1
, 0, 0, , 0) o cualquier espacio de vectores formados por
las componentes, i.e. [x)
i
= (0, 0, 0, , x
i
, 0) y [y)
i
= (0, 0, 0, , y
i
, 0) formaran subespacios
vectoriales dentro de R
n
3. El espacio E
constituido por vectores [x) = (x

1
, x
2
, x
3
, x
n
, ) contables pero con innitas com-
ponentes.
[x) = (x
1
, x
2
, x
3
, , x
n
, ) [y) = (y
1
, y
2
, y
3
, , y
n
, )
[x) [y) (x
1
+y
1
, x
2
+y
2
, x
3
+y
3
, , x
n
+y
n
, )
[x) = (x
1
, x
2
, x
3
, , x
n
, )
con la restriccion que
lm
n
n
k=1
x
i
= L con L nito
4. Para el conjunto de la matrices n n reales o complejas con el campo K real o complejo.
[x) = M
ab
[y) = N
ab
[x) [y) M
ab
+N
ab
= (M +N)
ab
[x) = M
ab
= (M)
ab
Es tambien obvio que se podran formar subespacios vectoriales cuyos elementos sean matrices de
dimension menor a n n
5. El conjunto de todos los polinomios con coecientes reales T =
_
a
o
, a
1
x, a
2
x
2
, , a
n
x
n
,
_
con
la suma ordinaria entre polinomios y la multiplicacion ordinaria de polinomios con escalares
6. Espacios Funcionales (de los cuales lo polinomios son un caso particular) En estos espacios los vectores
seran funciones, la suma sera la suma ordinaria entre funciones y la multiplicacion por un escalar
tambien sera la multiplicacion ordinaria de una funcion por un elemento de un campo
[f ) = f (x) [g) = g (x)
[f ) [g) f (x) +g (x) (f +g) (x)
[f ) = (f) (x) f (x)
Con este esquema vemos otros ejemplos
a) El conjunto de todas las funciones continuas e innitamente diferenciables, denidas en el intervalo
[a, b] : (
[a,b]
b) El conjunto de todas las funciones complejas de variable real, (x) , denidas en [a, b] , de cua-
drado integrable (es decir para las cuales
_
[a,b]
dx | (x)|
2
sea nita). Este espacio se denomina
com unmente L
2
y pueden ser denidas en un rango [a, b] nito o innito y para mas de una
variable.
Ejercicios
Muestre que tambien seran espacios vectoriales
1. El conjunto de todas las funciones f = f (x) denidas en x = 1 con f (1) = 0. Si f (1) = c, tendremos
igual un espacio vectorial ? por que ?
2. Los vectores (x, y, z) V
3
tal que sus componentes satisfacen el siguiente sistema de ecuaciones alge-
braico
a
11
x +a
12
y +a
13
z = 0
a
21
x +a
22
y +a
23
z = 0
a
31
x +a
32
y +a
33
z = 0
La importancia de la conceptualizacion y la notacion
En los ejemplos antes mencionados hemos utilizado para representar un vector abstracto la notacion de
[v
1
) y con ellos construimos un espacio vectorial abstracto V = [v
1
) , [v
2
) , [v
3
) , , [v
n
) . Un espacio
vectorial abstracto sera un conjunto de elementos genericos que satisfacen ciertos axiomas. Dependiendo del
conjunto de axiomas tendremos distintos tipos de espacios abstractos. En matematica el concepto de espacios
abstracto es reciente (1928) y, aparentemente, se le debe a Maurice Frechet
2
. La teora resulta de desarrollar
las consecuencias logicas que resultan de esos axiomas. Los elementos de esos espacios se dejan sin especicar
a proposito. Ese vector abstracto puede representar, vectores en R
n
, matrices nn o funciones continuas. La
notacion [v
1
), que se denomina un ket y al cual corresponde un bra v
2
[ proviene del vocablo ingles braket
que signica corchete y sera evidente mas adelante cuando construyamos escalares braket v
2
[ [v
1
) . Esta util
notacion la ideo Paul Dirac
3
, uno de los fsicos mas inuyentes en el desarrollo de la fsica del siglo pasado
2
MAURICE FReCHET (1878 Maligny, Yonne, Bourgogne-1973 Pars, Francia). Versatil Matematico Frances, con importan-
tes contribuciones en Espacios Metricos, Topologa y creador del concepto de espacios abstractos.
Mas detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians/
3
PAUL ADRIEN MAURICE DIRAC (1902 Bristol, Inglaterra 1984-Tallahassee, EE.UU) Ademas de contribuir de manera
determinante en la comprension de la Mecanica Cu antica, es uno de los creadores de la Mecanica Cuantica Relativista la cual
2.2. Metricas y Espacios Metricos
El siguiente paso en la dotacion de propiedades de los espacios lineales lo constituye la idea de metrica o
distancia entre sus elementos. El concepto de metrica surge de la generalizacion de la idea de distancia entre
dos puntos de la recta real.
Un Espacio vectorial sera metrico si podemos denir una funcion
d : VV R [x) , [y) , [z) V se cumple que
1. d ([x) , [y)) 0 si d ([x) , [y)) = 0 [x) [y)
2. d ([x) , [y)) d ([y) , [x))
3. d ([x) , [y)) d ([x) , [z)) +d ([y) , [z)) La desigualdad Triangular
As, diremos que (V, K,; d) es un espacio vectorial, lineal, metrico.
Ejemplos
1. Espacios Euclidianos reales R
n
a) Para R, es decir la recta real, la denicion de metrica es d ([x) , [y)) [x y[
b) Para R
2
, es decir el plano, una denicion de metrica es
d ([x) , [y))
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
. Tambien podemos construir otra denicion de metrica
como d
1
([x) , [y)) [x
1
y
1
[ +[x
2
y
2
[ . Es claro como el mismo espacio vectorial genera varios
espacios metricos, dependiendo de la denicion de metrica
c) En general para Espacios Euclidianos reales R
n
una posible denicion de metrica sera d ([x) , [y))
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
+ (x
3
y
3
)
2
+ + (x
n
y
n
)
2
2. Espacios Unitarios ndimensionales, o Espacios Euclidianos complejos, C
n
, la denicion de distancia
puede construirse como
d ([x) , [y))
_
[x
1
y
1
[
2
+[x
2
y
2
[
2
+[x
3
y
3
[
2
+ +[x
n
y
n
[
2
y es claro que se recobra la idea
de distancia en el plano complejo: d ([x) , [y)) [x y[
3. Para los Espacios Funcionales (
[a,b]
una posible denicion de distancia seria
d ([f ) , [g)) max
t[a,b]
[f (t) g (t)[
Es importante destacar que las deniciones de distancia arriba propuesta son invariante con traslaciones
de vectores. Esto es: [ x) = [x) +[a) [ y) = [y) +[a), entonces
d ([x) , [y)) d ([ x) , [ y)) .
2.3. Normas y Espacios Normados
La idea de distancia, de metrica, es el equipamiento mas elemental que uno le puede exigir a un espacio
vectorial. Mucho mas interesante a un son aquellos espacios vectoriales que estan equipados con la idea de
norma y a partir de all se dene la idea de distancia. La norma tiene que ver con el tama no del vector y
ayudo a comprender el papel que juega el espn en las partculas subat omicas. Por sus importantes trabajos compartio con
Erwin Schr odinger el Premio Nobel de fsica en 1933.
la metrica tiene que ver con la distancia entre vectores. Cuando denimos la metrica a partir de la norma,
vinculamos las propiedades algebraicas del espacio con sus propiedades geometricas.
La norma, |[v
i
)| n([v
i
)) de un espacio vectorial V = [v
1
) , [v
2
) , [v
3
) [v
n
) sera una funcion
n: V R [v
i
) V se cumple que
1. n([v
i
)) |[v
i
)| 0 si |[v
i
)| = 0 [v
i
) [0)
2. n([v
i
)) |[v
i
)| = [[ |[v
i
)|
3. |[x) +[y)| |[x)| +|[y)| Desigualdad Triangular.
La denicion de norma induce una metrica de la forma d ([x) , [y)) |[x) [y)| . Se denota en este caso
un espacio vectorial normado como (V, K,; ||) y tambien se le conoce como un Espacio de Banach. El
concepto de espacio vectorial normado fue formulado en 1922 de manera independiente por S. Banach
4
, H.
Hahn y N Wiener
Ejemplos
1. Espacios Euclidianos reales, R
n
y Espacios Euclidianos Complejos C
n
Para estos espacios de Banach, la norma se dene como
|[x)| =
_
[x
1
[
2
+[x
2
[
2
+[x
3
[
2
+ +[x
n
[
2
=
_
n
i=1
[x
i
[
2
_1
2
es claro que para un espacio Euclidiano R
3
se cumple que |[x)| =
_
x
2
1
+x
2
2
+x
2
3
por lo tanto la idea de
norma generaliza la nocion de tama no del vector [x) . Tambien es claro que la denicion de distancia
se construye a partir de la norma de la forma
d ([x) , [y)) |[x) [y)| =
_
[x
1
y
1
[
2
+[x
2
y
2
[
2
+[x
3
y
3
[
2
+ +[x
n
y
n
[
2
2. Para el Espacio Lineal de matrices n n reales o complejas con el campo K real o complejo, una
denicion de norma es
|M| =
m
a=1
n
b=1
[M
ab
[
y la correspondiente denicion de distancia
d ([x) , [y)) |M N| =
m
a=1
n
b=1
[M
ab
N
ab
[
3. Para los Espacios Funcionales (
[a,b]
una posible denicion de norma sera:
|[f )| = max
t[a,b]
[f (t)[
otra posible denicion sera
|[f )| =
_
_
t[a,b]
dx [f (x)[
2
_1
2
4
Stefan Banach (1892 Kracovia, Polonia-1945 Lvov,Ucrania) Matematico polaco, uno de los fundadores del Analisis Fun-
cional Moderno, con sus mayores contribuciones a la teora de espacios topol ogicos. Hizo tambien importantes aportes a la
teora de la Medida, Integracion y Teora de conjuntos y Series Ortogonales.
2.4. Producto Interno y Espacios de Hilbert
El siguiente paso en la construccion de espacios vectoriales mas ricos es equiparlo con la denicion de
producto interno y a partir de esta denicion construir el concepto de norma y con este el de distancia. La
idea de producto interno generaliza el concepto de producto escalar de vectores en R
3
en incorpora a los
espacios vectoriales abstractos el concepto de ortogonalidad y descomposicion ortogonal. Historicamente, la
teora de espacios vectoriales con producto interno es anterior a la teora de espacios metricos y espacios
de Banach y se le debe a D. Hilbert
5
. En su honor, los espacios vectoriales abstractos dotados de producto
interno se denominan espacios de Hilbert. Adicionalmente, la semejanza entre la geometra euclidiana y la
geometrica de R
n
ha hecho que espacios en los cuales de puedan denir, distancia, angulos, a partir de una
denicion de producto interno, de denominen tambien espacio Euclidianos.
2.4.1. Producto Interno
En un espacio vectorial abstracto V = [v
1
) , [v
2
) , [v
3
) [v
n
) la denicion del producto interno de
dos vectores se denota como v
i
[ v
j
) y es una funcion de
VV C [x) , [y) , [z) V, es decir asocia a ese par de vectores con un elemento del campo
escalar. Las propiedades que denen el producto interno son
1. x[ x) R x[ x) 0 [x) V si x[ x) = 0 [x) [0)
2. x[ y) = y[ x)
[x) , [y) V
3. x[ y +z) = x[ y) +x[ z) x +z[ y) = x[ y) +z[ y) [x) , [y) , [z) V
4. x[ y) = x[ y) x[ y) =
x[ y) [x) , [y) V K
5. x[ 0) = 0[ x) = 0
A partir de la denicion de producto interno se construyen los conceptos de norma y distancia
|[x)| =
_
x[ x) y d ([x) , [y)) |[x) [y)| =
_
x y[ x y)
2.4.2. La desigualdad de Cauchy Schwarz
Todo producto interno x[ y) denido en un espacio vectorial abstracto V = [v
1
) , [v
2
) , [v
3
) [v
n
)
cumple con la desigualdad de Cauchy-Schwarz
[x[ y)[
2
x[ x) y[ y) [x[ y)[ |[x)| |[y)|
Es claro que [x) = [0) [y) = [0) se cumple la igualdad y es trivial la armacion. Para [x) [y)
cualesquiera procedemos construyendo [z) = [x) + [y) con [x) [y) arbitrarios pero y tendran
valores particulares, por lo tanto
z[ z) x +y[ x +y) 0
x +y[ x +y) = x[ x) +x[ y) +y[ x) +y[ y) 0
x +y[ x +y) = [[
2
x[ x) +
x[ y) +
y[ x) +[[
2
y[ y) 0
5
David Hilbert (1862 Kaliningrad, Rusia-1943 Gottingen, Alemania) Matematico aleman defensor de la axiomatica como
enfoque primordial de los problemas cientcos. Hizo importantes contribuciones en distintas areas de la matem atica, como
invariantes, campos de n umeros algebraicos, analisi funcional, ecuaciones integrales, fsica matem aticam y c alculo en variaciones.
si = y[ y) se tiene que
y[ y) x[ x) + x[ y) +
y[ x) +[[
2
0
seguidamente seleccionamos = x[ y) y por lo tanto
= y[ x) y consecuentemente
y[ y) x[ x) x[ y) y[ x) = [x[ y)[
2
De la desigualdad de Cauchy-Schwarz y la denicion de norma se desprende que
[x[ y)[
2
|[x)|
2
|[y)|
2
1 1
[x[ y)[
|[x)| |[y)|
1
por lo tanto podemos denir el angulo entre los vectores abstractos [x) [y) como
cos =
[x[ y)[
|[x)| |[y)|
Mas a un, a partir de la denicion de norma se obtiene
|[x) +[y)|
2
= x +y[ x +y) = x[ x) +x[ y) +x[ y)
+y[ y) = x[ x) + 2 Re (x[ y)) +y[ y)

con lo cual hemos generalizado para un espacio vectorial abstracto el teorema del coseno
|[x) +[y)|
2
= |[x)|
2
+|[y)|
2
+ 2 |[x)| |[y)| cos
y para el caso que los vectores [x) [y) sean ortogonales, esto es x[ y) = 0, tendremos el teorema de
Pitagoras generalizado
|[x) +[y)|
2
= |[x)|
2
+|[y)|
2
Ejemplos
1. Espacios Euclidianos reales, R
n
y Espacios Euclidianos Complejos C
n
. Los vectores de estos espacios
pueden ser representados por [x) = (x
1
, x
2
, x
n
) [y) = (y
1
, y
2
, , y
n
) y el producto interno
queda denido por
x[ y) = x
1
y
1
+x
2
y
2
+x
3
y
3
, x
n
y
n
=
n
i=1
x
i
y
i
es claro que esta denicion de producto interno coincide, para R
2
y R
3
con la idea de producto escalar
convencional, vale decir
a
x
+a
y
+a
z
k
b
x
+b
y
+b
z
k
_
_
_
a
b = a
x
b
x
+a
y
b
y
+a
z
b
z
ahora bien, el lector puede comprobar que para vectores en R
2
tambien se puede proveer una denicion
de producto interno
a
b = 2a
x
b
x
+a
x
b
y
+a
y
b
x
+a
y
b
y
igualmente valida, con lo cual es claro que en un mismo espacio vectorial pueden coexistir. Por su parte
la norma
|[x)| =
_
x[ x) =
_
x
2
1
+x
2
2
+x
2
3
, +x
2
n
=
_
n
i=1
x
2
i
La distancia tambien recupera la idea intuitiva de distancia euclidiana
d ([x) , [y)) |[x) [y)| =
_
x y[ x y)
d ([x) , [y)) =
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
+ (x
3
y
3
)
2
+ + (x
n
y
n
)
2
El teorema del coseno queda como
n
i=1
(x
i
+y
i
)
2
=
n
i=1
x
2
i
+
n
i=1
y
2
i
+ 2
_
_
_
n
i=1
x
2
i
_
_
_
_
_
n
i=1
y
2
i
_
_
cos
mientras que Pitagoras, queda como
n
i=1
(x
i
+y
i
)
2
=
n
i=1
x
2
i
+
n
i=1
y
2
i
obvio que para R
2
tanto el teorema del coseno como el teorema de Pitagoras retoman su forma tradi-
cional. Finalmente la desigualdad de Cauchy-Schwarz se expresa
[x[ y)[ |[x)| |[y)|
i=1
x
i
y
i
_
n
i=1
x
2
i
__
n
i=1
y
2
i
_
2. Para los Espacios de Funciones continuas (
[a,b]
una posible denicion de producto interno sera
f [ g) =
_
t[a,b]
dx f
(x) g (x)
de la cual se deriva la expresion para la norma
|[f )|
2
= f [ f ) =
_
t[a,b]
dx [f (x)[
2
la distancia entre funciones quedara denida como
d ([f ) , [g)) |[f ) [g)|
_
f g[ f g) =
_
f [ f ) f [ g) f [ g)
+g[ g)
d ([f ) , [g)) =
_
t[a,b]
dx [f (x) g (x)[
2
d ([f ) , [g)) =
_
_
t[a,b]
dx [f (x)[
2
2 Re
_
_
t[a,b]
dx f
(x) g (x)
_
+
_
t[a,b]
dx [g (x)[
2
Los teoremas del coseno puede ser escrito como
_
t[a,b]
dx [f (x) +g (x)[
2
=
_
t[a,b]
dx [f (x)[
2
+
_
t[a,b]
dx [g (x)[
2
+ 2
_
_
t[a,b]
dx [f (x)[
2
_1
2
_
_
t[a,b]
dx [g (x)[
2
_1
2
cos
donde
cos =
_
t[a,b]
dx f
(x) g (x)
_
_
t[a,b]
dx [f (x)[
2
_1
2
_
_
t[a,b]
dx [g (x)[
2
_1
2
y como era de esperarse el teorema de Pitagoras queda
_
t[a,b]
dx [f (x) +g (x)[
2
=
_
t[a,b]
dx [f (x)[
2
+
_
t[a,b]
dx [g (x)[
2
para funciones f (x) y g (x) ortogonales, mientras que para este caso, la desigualdad de Cauchy-Schwarz
se expresa
_
t[a,b]
dx f
(x) g (x)
_
_
t[a,b]
dx [f (x)[
2
__
_
t[a,b]
dx [g (x)[
2
_
2.5. Variedades Lineales
2.5.1. Dependencia, independencia lineal
Siguiendo la misma lnea de razonamiento generalizamos el concepto de dependencia e independencia
lineal de R
2
y R
3
. As
[0) = C
1
[v
1
) +C
2
[v
2
) +C
3
[v
3
) +C
n
[v
n
) =
n
i=1
C
i
[v
i
) ,
Podemos armar que
Si esta ecuacion se cumple para alg un conjunto de C
i
no nulos, se dira que el conjunto de vectores
correspondiente [v
i
) son linealmente dependientes.
por el contrario, si esta ecuacion solo puede ser satisfecha para todos los C
i
= 0, entonces se dira que
el conjunto de vectores correspondiente [v
i
) son linealmente independientes.
Por ejemplo, dados tres vectores en R
4
[v
1
) =
_
_
_
_
1
3
1
2
_
_
_
_
; [v
2
) =
_
_
_
_
2
0
1
3
_
_
_
_
; [v
3
) =
_
_
_
_
1
1
0
0
_
_
_
_
.
El criterio de independencia lineal se cumple si [0) = C
1
[v
1
) +C
2
[v
2
) +C
3
[v
3
) y todos los C
i
son nulos.
Esto es
C
1
+2C
2
C
3
= 0
3C
1
+C
3
= 0
C
1
+C
2
= 0
2C
1
+3C
2
= 0
de donde es claro ver que la unica solucion posible implica C
1
= C
2
= C
3
= 0.
Ejemplos Si consideramos el espacio vectorial V = [v
1
) , [v
2
) , [v
3
) , , [v
n
) seran ejemplos de inde-
pendencia lineal:
[v
k
) f (t) = t
k
para k = 1, 2, 3, es claro que un polinomio de grado n+1, no podra ser expresado
en terminos un polinomio de grado n. en otras palabras, t
n+1
,=

n
i=0
C
i
t
i
[v
k
) f (t) = e
a
k
t
con a
1
, a
2
, a
3
, coecientes constantes. Tambien salta a la vista que no podremos
expresar una de esas funciones exponenciales como combinacion lineal
Si consideramos [v
1
) f (t) = cos
2
t, [v
2
) = sen
2
t y [v
3
) = 1 es claro que [v
1
) , [v
2
) , y [v
3
) son
linealmente dependientes por cuanto [v
1
) +[v
2
) = [v
3
) . Notese que si
[v
1
) = cos t, [v
2
) = sen t y [v
3
) = 1,
entonces [v
1
) , [v
2
) , y [v
3
) seran vectores linealmente independientes.
Consideremos ahora otros ejemplos y determinemos cual o cuales de los siguientes conjuntos de vectores
en T
3
son linealmente independientes ?
1. [x1) = 1; [x2) = x 1; [x3) = x
2
; [x4) = x
2
+ 2x + 1;
Linealmente dependiente ya que siempre podremos expresar [x4) = 3[x1) + 2[x2) +[x3)
2. [x1) = 2x; [x2) = x
2
+ 1; [x3) = x + 1; [x4) = x
2
1;
Linealmente dependiente ya que siempre podremos expresar [x4) = [x1) +[x2) 2[x3)
3. [x1) = x(x 1); [x2) = x; [x3) = x
3
; [x4) = 2x
3
x
2
;
Linealmente dependiente ya que siempre podremos expresar [x4) = [x1) +[x2) + 2[x3)
2.5.2. Bases de un Espacio Vectorial
Ahora bien, dado un espacio vectorial V = [v
1
) , [v
2
) , [v
3
) , [v
n
), encontramos que el conjunto de
[v
n
) es linealmente dependiente, entonces siempre es posible despejar uno de los vectores en terminos de
los demas, vale decir
[v
n
) =

C
1
[v
1
) +

C
2
[v
2
) +

C
3
[v
3
) +

C
n1
[v
n1
) =
n1
i=1
C
i
[v
i
) ,
seguidamente se procede a comprobar si [v
1
) , [v
2
) , [v
3
) , [v
n1
) son linealmente independientes, es
decir si

C
1
=

C
2
=

C
3
= =

C
n1
= 0. En caso de no serlo se procede otra vez a despejar uno de los
vectores en terminos de los anteriores y a aplicar el criterio de independencia lineal,
[v
n1
) =

C
1
[v
1
) +

C
2
[v
2
) +

C
3
[v
3
) +

C
n2
[v
n2
) =
n2
i=1
C
i
[v
i
) ,

C
1
=

C
2
=

C
3
= =

C
n1
= 0.?
se repite este procedimiento hasta encontrar un conjunto [v
1
) , [v
2
) , [v
3
) , [v
nj
) de vectores lineal-
mente independientes. Esto es

C
1
=

C
2
=

C
3
= =

C
nj
= 0.! y por lo tanto
[v
nj+1
) =

C
1
[v
1
) +

C
2
[v
2
) +

C
3
[v
3
) +

C
nj
[v
ni
) =
nj
i=1
C
i
[v
i
) ,
C
1
=

C
2
=

C
3
= =

C
nj
= 0.?

C
1
=

C
2
=

C
3
= =

C
nj
= 0.! y por lo tanto
[0) =

C
1
[v
1
) +

C
2
[v
2
) +

C
3
[v
3
) +

C
nj
[v
nj
) =
nj
i=1
C
i
[v
i
) ,
En este caso diremos que [v
1
) , [v
2
) , [v
3
) , [v
nj
) es una base para V. La dimension de V sera el
conjunto de vectores linealmente independientes, que para este caso es n j. As se puede comprobar que,
dado [x) V entonces
[x) =
nj
i=1
C
i
[v
i
) , [x) V
y el conjunto C
1
, C
2
, C
3
, C
nj
es unico. Diremos que el n umero mnimo de vectores,
[v
1
) , [v
2
) , [v
3
) , [v
nj
)
que expanden Vconforman una base de ese espacio vectorial, y que el n umero nito de escalares C
1
, C
2
, C
3
, C
nj
constituyen las componentes de [x) relativas a la base [v

1
) , [v
2
) , , [v
nj
) . Del ejemplo anterior se puede
concretar la siguiente denicion
A un conjunto nito de vectores de un espacio vectorial,
B = [v
1
) , [v
2
) , [v
3
) , [v
n
) V,
se les denominara base de ese espacio V si los [v
1
) , [v
2
) , [v
3
) , [v
n
) son linealmente independientes y
expanden V. El espacio vectorial se denominara de dimension nita s la base es nita y de dimension innita
s, por el contrario su base es innita.
Es facil darse cuenta que si V lo expanden n vectores linealmente independientes, cualquier otro vector
[x) V sera linealmente dependiente. Igualmente facilmente demostrable que todas las bases de un espacio
vectorial V,de dimension nita, tendran el mismo n umero de elementos y ese n umero de elemento sera la
dimension del espacio.
Adicionalmente, puede ser que dentro de un espacio vectorial V se puedan encontrar subespacios y dentro
de esos subespacios un conjunto de vectores base. Vale decir [x) V :
[x) = C
1
[v
1
) +C
nj
[v
nj
)
. .
S1
+C
nj+1
[v
nj+1
) C
nk
[v
nk
)
. .
S2
+C
nk+1
[v
nk+1
) C
n
[v
n
)
. .
S3
Entonces [x) = [x
1
) +[x
2
) +[x
3
) con [x
1
) S
1
; [x
2
) S
2
; [x
3
) S
3
, entonces diremos que V es la suma
directa de S
1
, S
2
y S
3
y lo denotaremos como V = S
1
S
2
S
3
2.5.3. El determinante de Gram
Existe una forma directa de comprobar la independencia lineal de una conjunto de vectores [v
1
) , [v
2
) , [v
3
) , [v
n
)
V,y es como sigue: dado [x) V entonces
[x) =
n
i=1
C
i
[v
i
) ,
_
_
C
1
v
1
[v
1
) +C
2
v
1
[v
2
) +C
3
v
1
[v
3
) + +C
n
v
1
[v
n
) = v
1
[x)
C
1
v
2
[v
1
) +C
2
v
2
[v
2
) +C
3
v
2
[v
3
) + +C
n
v
2
[v
n
) = v
2
[x)
.
.
.
.
.
.
C
1
v
n
[v
1
) +C
2
v
n
[v
2
) +C
3
v
n
[v
3
) + +C
n
v
n
[v
n
) = v
n
[x)
donde las C
1
, C
2
, C
3
, C
n
son las incognitas, por lo cual para que este sistema tenga solucion se impone
que
v
1
[v
1
) v
1
[v
2
) v
1
[v
3
) v
1
[v
n
)
v
2
[v
1
) v
2
[v
2
) v
2
[v
3
) v
2
[v
n
)
.
.
.
.
.
.
.
.
.
v
n
[v
1
) v
n
[v
2
) v
n
[v
3
) v
n
[v
n
)
,= 0
Esto es que el determinante de Gram
6
distinto de cero implica que el conjunto
[v
1
) , [v
2
) , [v
3
) , [v
n
) V es linealmente independiente. La inversa tambien es cierta.
Ejemplos
V
n
tendra dimension n y una de las posibles bases [v
1
) , [v
2
) , [v
3
) , [v
n
) sera
[v
1
) = (1, 0, 0, , 0)
[v
2
) = (0, 1, 0, , 0)
[v
3
) = (0, 0, 1, , 0)
.
.
.
.
.
.
[v
nj
) = (0, 0, 0, , 1)
Esta base se conoce con el nombre de base canonica.
El espacio de polinomios, T
n
, de grado g n tendra como una de las posibles bases al conjunto
_
1, t, t
2
, t
3
, , t
n
_
, por que cualquier polinomio de grado n podra ser expresado como combinacion
lineal de estos n+1 vectores. Mas a un, el espacio de todos los polinomios, T
, tendra como una posible

base al conjunto de funciones
_
1, t, t
2
, t
3
, , t
n

_
. En este caso T
sera innito dimensional.

2.5.4. Ortogonalidad y Bases Ortogonales
En una espacio con vectorial con producto interno, dos vectores [u
1
)[u
2
) seran ortogonales si su producto
interno se anula
[u
1
) [u
2
) u
2
[u
1
) = 0
Se denomina un conjunto ortogonal de vectores [u
1
) , [u
2
) , [u
3
) , [u
n
) si
u
i
[u
j
) =
ij
|[u
j
)|
2
i, j = 1, 2, 3, , n y con
_

ij
= 0 si i ,= j
ij
= 1 si i = j
y se denominara conjunto ortonormal si |[u
j
)|
2
= 1.
Un conjunto ortogonal de vectores [u
1
) , [u
2
) , [u
3
) , [u
n
) V es linealmente independiente, mas
a un, para el caso particular de un espacio euclidiano, [u
1
) , [u
2
) , [u
3
) , [u
n
) conforman una base orto-
gonal para V. La demostracion es sencilla. Para un determinado espacio vectorial una combinacion lineal de
6
Jorgen Pedersen Gram (1850-1916 Dinamarca) Matematico Danes, que alternaba su actividad de gerente de una im-
portante compa na de seguros con las matematicas (Probabilidad, Analisis Numerico y Teora de N umeros). Es conocido
mayormente por el metodo de ortogonalizaci on, pero se presume que no fue el quien primero lo utilizo. Aparentemente fue
ideado por Laplace y utilizado tambien por Cauchy en 1836. Gram murio arrollado por una bicicleta a la edad de 61 a nos.
los [u
1
) , [u
2
) , [u
3
) , [u
n
) se anula.
n
i=1
C
i
[u
i
) = [0)
_
_
u
1
[ [
n
i=1
C
i
[u
i
)] = 0

n
i=1
C
i

1i
= 0 C
1
= 0
u
2
[ [
n
i=1
C
i
[u
i
)] = 0

n
i=1
C
i

2i
= 0 C
2
= 0
u
3
[ [
n
i=1
C
i
[u
i
)] = 0

n
i=1
C
i

3i
= 0 C
3
= 0
.
.
.
.
.
.
.
.
.
.
.
.
u
n
[ [
n
i=1
C
i
[u
i
)] = 0

n
i=1
C
i

ni
= 0 C
n
= 0
con lo cual es claro que [u
1
) , [u
2
) , [u
3
) , [u
n
) son linealmente independientes. Si la dimension de V, es
n, dimV = n y tenemos n vectores linealmente independientes, entonces esos n vectores [u
1
) , [u
2
) , [u
3
) , [u
n
)
forman una base ortogonal para V,y por lo tanto las componentes de un vector en esa base se pueden expresar
de manera simple.
[x) V [x) =
n
i=1
C
i
[u
i
) u
j
[x) = u
j
[
_
n
i=1
C
i
[u
i
)
_
C
j
=
u
j
[x)
u
j
[u
j
)
En el caso de un conjunto ortonormal de vectores [e
1
) , [e
2
) , [e
3
) , [e
n
) V
n
con |[e
j
)|
2
= 1, las
componentes de cualquier vector quedan determinadas de una forma todava mas simple y con consecuencias
mucho mas impactantes
|[e
j
)|
2
= 1 C
j
= e
j
[x) [x) =
n
i=1
C
i
[e
i
) =
n
i=1
e
i
[x) [e
i
)
_
n
i=1
[e
i
) e
i
[
_
. .
1
[x)
por lo tanto es bueno recalcar la relacion de cierre
n
i=1
[e
i
) e
i
[ = 1
con lo cual es trivial demostrar la formula de Parseval.
[x) [y) V y [x) y[
_
n
i=1
[e
i
) e
i
[
_
[x) =
n
i=1
y[ [e
i
) e
i
[ [x) =
n
i=1
y[ [e
i
) x[ [e
i
)
la cual se concreta para el caso de [x) [y) en la generalizacion del Teorema de Pitagoras
x [x) |[x)|
2
=
n
i=1
[x[ [e
i
)[
2
Ejemplos
Funciones Trigonometricas: Uno de los ejemplos mas emblematicos es el caso de las funciones continuas,
reales de variable real y denidas en [0, 2], (
[0,2]
, con lo cual el producto interno viene denido por
f [ g) =
_
2
0
dx f (x) g (x) esto es el conjunto de funciones [u
1
) , [u
2
) , [u
3
) , , [u
n
) represen-
tadas por
[u
0
) = 1, [u
2n1
) = cos nx y [u
2n
) = sennx, con n = 1, 2, 3,
Es claro que [u
1
) , [u
2
) , [u
3
) , [u
n
) , es un conjunto de funciones ortogonales por cuanto
u
n
[u
m
) =
nm
|[u
n
)|
2
_
0 si n ,= m
_
_
_
2
0
dx sennxsenmx = 0
_
2
0
dx cos nxsenmx = 0
_
2
0
dx cos nxcos mx = 0
|[u
n
)|
2
si n = m
_
_
_
2
0
dx = 2 si n = m = 0
_
2
0
dx cos
2
nx = si i = j = 2l 1
_
2
0
dx sen
2
nx = si i = j = 2l
con l = 1, 2, 3, tambien. Por lo tanto, podremos construir una base ortonormal de funciones
[e
1
) , [e
2
) , [e
3
) , , [e
n
) , de la forma
[e
0
) =
1
2
, [e
2n1
) =
1
cos nx y [e
2n
) =
1
sennx.
Por lo tanto cualquier funcion denida en el intervalo [0, 2] puede expresarse en terminos de esta base
como
[f ) =
i=1
C
i
[e
i
) C
i
= e
i
[f ) =
_
_
_
2
0
dx
1
2
f (x) = a
0
si i = 0
_
2
0
dx f (x) cos nx = a
2n1
si i = 2n 1
_
2
0
dx f (x) sennx = a
2n
si i = 2n
donde los C
i
son los coecientes de Fourier
Otro de los ejemplos tpicos lo constituye los llamados polinomios de Legendre. Polinomios P
n
(x)
denidos en el intervalo [1, 1] y generados a partir de la Formula de Rodrigues
7
P
n
(x) =
1
n!2
n
d
n
dx
n
(x
2
1)
n
, n = 0, 1, 2, .....
con P
0
(x) = 1. Los polinomios de Legendre son solucion de la ecuacion diferencial
(1 x
2
) y
tt
2x y
t
+( + 1) y = 0
Ecuacion de Legendre Solucion
0 (1 x
2
) y
tt
2x y
t
= 0 y
0
(x) = 1
1 (1 x
2
) y
tt
2x y
t
+ 2 y = 0 y
1
(x) = x
2 (1 x
2
) y
tt
2x y
t
+ 6 y = 0 y
0
(x) = 1 3x
2
3 (1 x
2
) y
tt
2x y
t
+ 12 y = 0 y
1
(x) = x
5
3
x
3
4 (1 x
2
) y
tt
2x y
t
+ 20 y = 0 y
0
(x) = 1 10x
2
+
35
3
x
4
Es facil comprobar que los polinomios de Legendre [P
) = P
(x) son mutuamente ortogonales con un

7
Benjamin Olinde Rodrigues (1794 Burdeos, Francia - 1851, Pars Francia) Banquero, Matematico y activista poltico
solcialista Frances durante la Revolucion Francesa. De origen judo, y cuyas contribuciones fundamentales como la formula para
la generacion de Polinomios de Legendre, permanecieron olvidadas por mucho tiempo.
producto interno denido como
P
n
[P
m
) =
_
1
1
P
n
(x)P
m
(x)dx =
2
2n + 1
nm
con norma denida por
|P
n
|
2
= P
n
[P
n
) =
_
1
1
P
2
n
(x)dx =
2
2n + 1
Cualquier funcion en el intervalo [1, 1] puede ser expresada en esa base.
f(x) = [F) =
k=0
a
k
[P
k
) =
k=0
P
k
[F)
P
k
[P
k
)
[P
k
)
Varios ejemplos ilustraran esta aplicacion. Si f(x) es un polinomio
f(x) =
m
n=0
b
n
x
n
=
k=0
a
k
[P
k
) =
n=0
a
n
P
n
(x)
no se requiere hacer ninguna integral por cuanto los coecientes a
n
se determinan a traves de un
sistema de ecuaciones algebraicas. Para el caso de f(x) = x
2
tendremos
f(x) = x
2
= a
0
P
0
(x) +a
1
P
1
(x) +a
2
P
2
(x)
f(x) = x
2
= a
0
+a
1
x +
1
2
a
2
(3x
2
1)
f(x) = x
2
=
1
3
P
0
(x) +
2
3
P
2
(x)
Quedara como ejercicio demostrar que para el caso de
f(x) =
_
1 x
2
=
k=0
P
k
[F)
P
k
[P
k
)
[P
k
) =
2
3
P
0
(x) 2
n=1
P
n
(x)
(2n 1) (2n + 3)
con
P
k
[F) =
_
1
1
f(x)P
k
(x)dx =
_
1
1
_
1 x
2
P
k
(x)dx
2.5.5. Ortogonalizaci on
Hemos visto que un conjunto de vectores ortogonales forman base para un espacio vectorial. Ahora
bien, siempre es posible construir un conjunto de vectores ortogonales a partir de un conjunto de vectores
linealmente independientes. Es metodo de ortogonalizacion se conoce como el metodo de Gram-Schmidt
8
,
en honor de estos dos matematicos alemanes que NO inventaron el metodo, el cual al parecer se le debe al
matematico frances P.S. Laplace.
Dado un conjunto de vectores linealmente independientes, [v
1
) , [v
2
) , [v
3
) , , [v
n
) que expanden un
espacio Euclidiano de dimension nita, E
n
. Entonces siempre se puede construir un conjunto ortogonal de
vectores, [u
1
) , [u
2
) , [u
3
) , , [u
n
) que tambien expandan E
n
de la siguiente forma:
8
Erhard Schmidt (1876, Estonia-1959 Alemania). Matem aticoAleman fundador del primer instituto de matematicas apli-
cadas de Berln. Alumno de Hilbert, Schmidt hizo sus mayores contribuciones en Ecuaciones Integrales y Teora de Funciones
en el Espacio de Hilbert.
[u
1
) [v
1
)
[u
2
) [v
2
)
v2 ]u1)
u1 ]u1)
[u
1
) u
2
[u
1
) = 0
[u
3
) [v
3
)
v3 ]u2)
u2 ]u2)
[u
2
)
v3 ]u1)
u1 ]u1)
[u
1
)
_
u
3
[u
1
) = 0
u
3
[u
2
) = 0
[u
4
) [v
4
)
v4 ]u3)
u3 ]u3)
[u
3
)
v4 ]u2)
u2 ]u2)
[u
2
)
v4 ]u1)
u1 ]u1)
[u
1
)
_
_
_
u
4
[u
1
) = 0
u
4
[u
2
) = 0
u
4
[u
3
) = 0
.
.
.
.
.
.
[u
n
) [v
n
)
n1
i=1
vn ]ui)
ui ]ui)
[u
i
)
_
_
u
4
[u
1
) = 0
u
4
[u
2
) = 0
u
4
[u
3
) = 0
.
.
.
u
4
[u
n1
) = 0
As siempre es posible construir una base ortonormal a partir de un conjunto de vectores linealmente
independientes. Esta base ortogonal sera unica en E
n
, si existe otra sus vectores seran proporcionales, Mas
a un, cada espacio vectorial V
n
de dimension nita tendra una base ortogonal asociada.
Ejemplos
El subespacio de V
4
expandido por los siguientes vectores
[v
1
) =
_
_
_
_
1
3
1
2
_
_
_
_
; [v
2
) =
_
_
_
_
2
0
1
3
_
_
_
_
; [v
3
) =
_
_
_
_
1
1
0
0
_
_
_
_
.
Tendra una base ortogonal asociada dada por
[u
1
) [v
3
) =
_
_
_
_
1
1
0
0
_
_
_
_
;
[u
2
) [v
2
)
v
2
[u
1
)
u
1
[u
1
)
[u
1
) =
_
_
_
_
2
0
1
3
_
_
_
_
(1)
_
_
_
_
1
1
0
0
_
_
_
_
=
_
_
_
_
1
1
1
3
_
_
_
_
[u
3
) [v
1
)
v
1
[u
2
)
u
2
[u
2
)
[u
2
)
v
1
[u
1
)
u
1
[u
1
)
[u
1
) =
[u
3
)
_
_
_
_
1
3
1
2
_
_
_
_
_
9
12
_
_
_
_
_
1
1
1
3
_
_
_
_
(1)
_
_
_
_
1
1
0
0
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
5
4
5
4
7
4
1
4
_
_
_
_
_
_
_
_
_
_
;
y la base ortonormal asociada sera
[e
1
) =
[u
1
)
_
u
1
[u
1
)
=
_
2
2
_
_
_
_
_
1
1
0
0
_
_
_
_
.; [e
2
) =
[u
2
)
_
u
2
[u
2
)
=
_
12
12
_
_
_
_
_
1
1
1
3
_
_
_
_
;
[e
3
) =
[u
3
)
u
3
[u
3
)
=
_
2
3
9
_
_
_
_
_
_
_
_
_
_
_
5
4
5
4
7
4
1
4
_
_
_
_
_
_
_
_
_
_
Para el caso de R
2
es muy claro. Si tenemos dos vectores [v
1
) y [v
2
) linealmente independientes,
[v
1
) =
_
1
1
_
; [v
2
) =
_
0
1
_
;
elegimos [u
1
) [v
2
) entonces, [u
2
) vendra dado por
[u
2
) [v
1
)
v
1
[u
1
)
u
1
[u
1
)
[u
1
) [u
2
)
_
1
1
_
_
0
1
_
=
_
1
0
_
tal y como se esperaba, el otro vector ortogonal es el canonico.
Si consideramos el espacio de polinomios, T
n
, de grado g n denidos en el intervalo [1, 1] Este
espacio vectorial tendra como una de las posibles bases al conjunto
_
1, t, t
2
, t
3
, , t
n
_
con el producto
interno viene denido por f [ g) =
_
1
1
dx f (x) g (x) . Por lo tanto, se procede a construir una base
ortogonal de la forma
[u
0
) [v
0
) = 1
[u
1
) [v
1
)
v
1
[u
0
)
u
0
[u
0
)
[u
0
) = t
v
1
[u
0
) =
_
1
1
dx t = 0; u
0
[u
0
) =
_
1
1
dx = 2
[u
2
) [v
2
)
v
2
[u
1
)
u
1
[u
1
)
[u
1
)
v
2
[u
0
)
u
0
[u
0
)
[u
0
) = t
2
1
3
v
2
[u
0
) =
_
1
1
dx t
2
=
2
3
; v
2
[u
1
) =
_
1
1
dx t
3
= 0;
u
1
[u
1
) =
_
1
1
dx t
2
=
2
3
[u
3
) [v
3
)
v
3
[u
2
)
u
2
[u
2
)
[u
2
)
v
3
[u
1
)
u
1
[u
1
)
[u
1
)
v
3
[u
0
)
u
0
[u
0
)
[u
0
) = t
3
3
5
t
v
3
[u
0
) =
_
1
1
dx t
3
= 0; v
3
[u
1
) =
_
1
1
dx t
4
=
2
5
v
3
[u
2
) =
_
1
1
dx t
3
_
t
2
1
3
_
= 0; u
2
[u
2
) =
_
1
1
dx
_
t
2
1
3
_
2
=
8
45
.
.
.
Podemos resumir
[v
1
) [u
1
) [e
1
)
1 1
_
1
2
t t
_
3
2
t
t
2
_
t
2
1
3
_
1
2
_
5
2
_
3t
2
1
_
t
3
_
t
3
3
5
t
_
1
2
_
7
2
_
5t
3
3t
_
t
4
_
t
4
6
7
t
2
+
3
35
_
1
8
_
9
2
_
35t
4
30t
2
+ 3
_
.
.
.
.
.
.
.
.
.
2.5.6. Complementos Ortogonales.
Sea un subespacio S V un elemento [ v
i
) V se dice ortogonal a S si s
k
[ v
i
) = 0 [s
k
) S, [ v
i
)
es decir, es ortogonal a todos los elementos de S . El conjunto [ v
1
) , [ v
2
) , [ v
3
) , , [ v
m
) de todos los
elementos ortogonales a S,se denomina Sperpendicular y se denota como S
. Es facil demostrar que S
es un subespacio, a un si S no lo es.
2.5.7. Descomposicion ortogonal
Dado [v
1
) , [v
2
) , [v
3
) , , [v
n
) , un Espacio Euclidiano V y un subespacio de V con dimension
nita, S V y dimV = m. Entonces [v
k
) V se puede expresar como suma de dos vectores [s
k
)
S [s
k
)
. Esto es
[v
k
) = [s
k
) +[s
k
)
[s
k
) S [s
k
)
Mas a un, la norma de [v

k
) se calcula a traves del teorema de Pitagoras generalizado
|[v
k
)|
2
= |[s
k
)|
2
+
_
_
_[s
k
)
_
_
_
2
La demostracion es sencilla. Primero se prueba que la descomposicion ortogonal [v
k
) = [s
k
) + [s
k
)
es siempre posible. Para ello recordamos que S V es de dimension nita, por lo tanto existe una base
ortonormal [e
1
) , [e
2
) , [e
3
) [e
m
) para S. Esto es, dado un [v
k
) denimos los elementos [s
k
) y [s
k
)
como siguen
[s
k
) =
m
i=1
v
k
[e
i
) [e
i
) [s
k
)
= [v
k
) [s
k
)
Notese que v
k
[e
i
) [e
i
) es la proyeccion de [v
k
) a lo largo de [e
i
) y [s
k
) se expresa combinacion lineal de la
base de S. Por lo tanto esta en S. Por otro lado,
s
k
[e
i
) = v
k
s
k
[e
i
) = v
k
[e
i
) s
k
[e
i
) = v
k
[e
i
)
_
_
m
j=1
v
k
[e
j
) e
j
_
_
[e
i
) = 0 [s
k
)
[e
j
)
lo cual indica que [s
k
)
.
Pero, podemos ir un poco mas alla. La descomposicion [v
k
) = [s
k
) + [s
k
)
es unica en V. Para ello

suponemos que existen dos posibles descomposiciones, vale decir
[v
k
) = [s
k
) +[s
k
)
[v
k
) = [t
k
) +[t
k
)
con [s
k
) [t
k
) S [s
k
)
[t
k
)
Por lo tanto
[v
k
) [v
k
) =
_
[s
k
) +[s
k
)
_
[t
k
) +[t
k
)
_
= 0 [s
k
) [t
k
) = [t
k
)
[s
k
)
Pero [s
k
)[t
k
) S,por lo tanto ortogonal a todos los elementos de S
y [s
k
)[t
k
) = [t
k
)
[s
k
)
con lo cual
[s
k
) [t
k
) [0) que es el unico elemento que es ortogonal a el mismo y en consecuencia la descomposicion
[v
k
) = [s
k
) +[s
k
)
es unica. Finalmente, con la denicion de norma

|[v
k
)|
2
=
_
_
_[s
k
) +[s
k
)
_
_
_
2
=
_
s
k
[ +s
k
[
__
[s
k
) +[s
k
)
_
= s
k
[s
k
) +
s
k
[s
k
)
|[s
k
)|
2
+
_
_
_[s
k
)
_
_
_
2
As, dado S
m
un subespacio de V de dimension nita y dado un [v
k
) V el elemento
[s
k
) S [s
k
) =
m
i=1
v
k
[e
i
) [e
i
)
sera la proyeccion de [v
k
) en S.
Dado un vector [x) V y un subespacio de V con dimension nita, S
m
V y dimV = m, entonces la
distancia de [x) a S
m
es la norma de la componente de [x) , perpendicular a S
m
.
2.6. Temas Avanzados
2.6.1. Aproximaci on de Funciones
Sea [v
1
) , [v
2
) , [v
3
) , , [v
n
) , un Espacio Euclidiano V y un subespacio de V con dimension
nita, S
m
V y dimV = m,y sea un elemento [v
i
) V. La proyeccion de [v
i
) en S
m
, [s
i
) , sera el elemento
de S
m
mas proximo a [v
k
). En otras palabras
|[v
i
) [s
i
)| |[v
i
) [t
i
)| [t
i
) S
La demostracion se sigue as
[v
i
) [t
i
) = ([v
i
) [s
i
)) ([s
i
) [t
i
)) |[v
i
) [t
i
)|
2
= |[v
i
) [s
i
)|
2
+|[s
i
) [t
i
)|
2
ya que [v
i
) [s
i
) = [s
k
)
[s
i
) [t
i
) S.y vale el teorema de Pitagoras generalizado Ahora bien,
como
|[s
i
) [t
i
)|
2
0 |[v
i
) [t
i
)|
2
|[v
i
) [s
i
)|
2
|[v
i
) [t
i
)| |[v
i
) [s
i
)|
Ejemplos
Desarrollemos la aproximacion de funciones continuas, reales de variable real y denidas en [0, 2],
(
[0,2]
, mediante funciones Trigonometricas y con el producto interno denido por f [ g) =
_
2
0
dx f (x) g (x) .
Hemos visto que para este espacio vectorial tenemos una base ortonormal denida por
[e
0
) =
0
(x) =
1
2
, [e
2n1
) =
2n1
(x) =
1
cos nx y
[e
2n
) =
2n
(x) =
1
sennx.
como
[f ) =
i=1
C
i
[e
i
) con
C
i
= e
i
[f ) =
_
2
0
dx f (x)
i
(x) =
_
_
_
2
0
dx f (x) = a
0
si i = 0
_
2
0
dx f (x) cos nx = a
2n1
si i = 2n 1
_
2
0
dx sennx f (x) = a
2n
si i = 2n
donde los C
i
son los coecientes de Fourier. Es decir, cualquier funcion puede ser expresada como una
serie de Fourier de la forma
f (x) =
1
2
a
0
+
n
k=1
(a
k
cos kx +b
k
senkx)
con
a
k
=
1
_
2
0
dx f (x) cos kx b
k
=
_
2
0
dx f (x) senkx f (x)
Es claro que para la aproximacion de funciones por funciones Trigonometricas cuyos coecientes son
los coecientes de Fourier constituyen la mejor aproximacion. Por lo tanto, de todas las funciones
T (x) (
[0,2]
las funciones trigonometricas, T (x) minimizan la desviacion cuadratica media
_
2
0
dx (f (x) T (x))
2
_
2
0
dx (f (x) T (x))
2
2.6.2. El Metodo de Mnimos Cuadrados
Una de las aplicaciones mas importantes en la aproximacion de funciones es el metodo de mnimos
cuadrados. La idea es determinar el valor mas aproximado de una cantidad fsica, c a partir de un conjunto
de medidas experimentales: x
1
, x
2
, x
3
, x
n
. La intencion es encontrar en el mejor valor de c a partir de
ese conjunto de datos experimentales.
Para ello asociamos el conjunto de medidas x
1
, x
2
, x
3
, x
n
con las componentes de un vector [x) en
R
n
. As
[x) = (x
1
, x
2
, x
3
, x
n
) c[y) = (c,c,c, c)
Por lo tanto si la mejor aproximacion de c[y) ,que llamaremos c[y) ,sera la proyeccion perpendicular de [x)
(las medidas) sobre el subespacio generado por [y) . Esto es
c
t
=
x [y)
y [y)
=
x
1
+x
2
+x
3
, +x
n
n
que no es otra cosa que el promedio aritmetico de las medidas. Es claro que la proyeccion perpendicular de
[x) sobre [y) hace mnimo la distancia entre el subespacio perpendicular generado por [y) y el vector [x) .Es
decir hace mnimo el cuadrado de esa distancia
[d ([x) , c
t
[y))]
2
= xc
t
y [xc
t
y) =
n
i=1
(x
i
c
t
)
2
Es claro que este problema se puede generalizar si se desea medir dos (o n) cantidades. Para el caso de dos
cantidades extendemos la dimension del espacio. Por lo tanto, los resultados experimentales se acumularan
en un vector de 2n dimensiones
[x) = (x
11
, x
12
, x
13
, x
1n
, x
21
, x
22
, x
23
, x
2n
)
mientras que los vectores que representan las cantidades mas aproximadas seran
c
t
1
[y
1
) =
_
_
c
t
1
,c
t
1
,c
t
1
, c
t
1
. .
,
n
0, 0, 0, 0
. .
n
_
_
c
t
2
[y
2
) = (0, 0, 0, 0, c
t
2
,c
t
2
,c
t
2
, c
t
2
)
Ahora [y
1
) , [y
2
) expanden un subespacio vectorial sobre el cual [x) tiene como proyeccion ortogonal
c
t
1
[y
1
) +c
t
2
[y
2
) y consecuentemente [xc
t
1
y
1
c
t
2
y
2
) sera perpendicular a [y
1
) , [y
2
) , por lo tanto
c
t
1
=
x [y
1
)
y
1
[y
1
)
=
x
11
+x
12
+x
13
, +x
1n
n
c
t
2
=
x [y
2
)
y
2
[y
2
)
=
x
21
+x
22
+x
23
, +x
2n
n
La consecuencia mas conocida de esta aproximacion de funciones es el ajuste de un conjunto de datos
experimentales (x
1
, y
1
) , (x
2
, y
2
) , (x
3
, y
3
) , , (x
n
, y
n
) a la ecuacion de una recta y =cx. En este caso, el
planteamiento del problema se reduce a encontrar el vector c
t
[x) en el subespacio S([x)) este lo mas cercano
posible al vector [y) = c[x) . Por lo tanto |[c
t
x y)|
2
sera lo menor posible y [c
t
x y) ser[ perpendicular
a S([x)) ,por lo tanto
x [c
t
x y) = 0 c
t
=
x [y)
x [x)
=
x
1
y
1
+x
2
y
2
+x
3
y
3
+x
n
y
n
x
2
1
+x
2
2
+x
2
3
, +x
2
n
Ejemplo Si el conjunto de datos experimentales es (1, 2) , (3, 2) , (4, 5) , (6, 6) cual es la recta que ajusta
mas acertadamente a estos puntos ? La ecuacion queda como
[y) = c[x)
_
_
_
_
2
2
5
6
_
_
_
_
= c
_
_
_
_
1
3
4
6
_
_
_
_
c
t
=
x [y)
x [x)
=
2 + 6 + 20 + 36
1 + 9 + 16 + 36
=
32
31
Ahora bien, se puede generalizar esta procedimiento cuando se tiene que una cantidad y que es una
combinacion lineal desconocida de un conjunto de cantidades
y = c
1
x
1
+ c
2
x
2
+ c
3
x
3
+ + c
m
x
m
En este caso se ejecutaran n experimentos con n > m y el conjunto de medidas experimentales seran
(y
1
, x
11
, x
12
, x
13
, x
1m
; y
2
, x
21
, x
22
, x
23
, x
2m
; y
3
, x
31
, x
32
, x
33
, x
3m
; y
n
, x
n1
, x
n2
, x
n3
, x
nm
)
y a partir de ellas generamos el siguiente sistema de ecuaciones
y
1
= c
t
1
x
11
+ c
t
2
x
12
+ c
t
3
x
13
, + c
t
m
x
1m
y
2
= c
t
1
x
21
+ c
t
2
x
22
+ c
t
3
x
23
, + c
t
m
x
2m
y
3
= c
t
1
x
31
+ c
t
2
x
32
+ c
t
3
x
43
, + c
t
m
x
4m
.
.
.
y
n
= c
t
1
x
n1
+ c
t
2
x
n2
+ c
t
3
x
n3
, + c
t
m
x
nm
en el cual las incognitas c
t
1
,c
t
2
,c
t
3
, c
t
m
hacen que el lado derecho de las ecuaciones antes mencionadas
sean los mas proximas a las y
1
, y
2
, y
3
, y
n
por lo tanto si consideramos los vectores
[x
1
) = (x
11
, x
1n
) ; [x
2
) = (x
21
, x
2n
) ; [x
m
) = (x
m1
, x
mn
) ; [y) = (y
m1
, y
n
)
por lo tanto los [x
1
) , [x
2
) , [x
m
) expanden el subespacio S([x
1
) , [x
2
) , [x
m
)) donde esta la aproxima-
cion de [y) . Por lo tanto la distancia de este subespacio al vector [y), sera mnimo. Esto es
[d (S(c
t
i
[x
i
)) , [y))]
2
= S(c
t
i
[x
i
)) y [S(c
t
i
[x
i
)) y)
y por lo tanto [S(c
t
i
[x)) y) sera ortogonal a
x
j
[S(c
t
i
[x)) y) x
i
i=1
c
t
i
[x) y
_
= 0 i, j = 1, 2, 3, m
por lo tanto podemos construir el sistema de ecuaciones normales para la aproximacion que hemos conside-
rado:
c
t
1
x
1
[x
1
) + c
t
2
x
1
[x
2
) + c
t
3
x
1
[x
3
) + + c
t
m
x
1
[x
m
) = x
1
[y)
c
t
1
x
2
[x
1
) + c
t
2
x
2
[x
2
) + c
t
3
x
2
[x
3
) + + c
t
m
x
2
[x
m
) = x
2
[y)
.
.
.
.
.
.
c
t
1
x
m
[x
1
) + c
t
2
x
m
[x
2
) + c
t
3
x
n
[x
3
) + + c
t
m
x
m
[x
m
) = x
n
[y)
donde, tal y como se ha se nalado, las incognitas son las c
t
1
,c
t
2
,c
t
3
, c
t
m

Ejemplos
Se sospecha que una determinada propiedad de un material cumple con la ecuacion y = ax
1
+bx
2
. Si
al realizar un conjunto de medidas experimentales obtenemos
_
_
y
1
x
11
x
12
_
_
=
_
_
15
1
2
_
_
;
_
_
y
2
x
21
x
22
_
_
=
_
_
12
2
1
_
_
;
_
_
y
3
x
31
x
32
_
_
=
_
_
10
1
1
_
_
;
_
_
y
4
x
41
x
42
_
_
=
_
_
0
1
1
_
_
Es claro que tenemos un subespacio de m = 2 dimensiones y hemos hecho n = 4 veces el experimento.
Por lo tanto los vectores considerados arriba seran
[x
1
) = (1, 2, 1, 1) ; [x
2
) = (2, 1, 1, 1) ; [y) = (15, 12, 10, 0)
por lo tanto
7a +4b = 49
4a +7b = 52
_

_
_
_
a =
45
11
b =
56
11
_
_
_
11y = 45x
1
+ 56x
2
Se puede extender el razonamiento anterior y generar un ajuste linear cuadratico. Esto es, el ajuste
lineal es en los coeciente, pero la funcionalidad de la ley a la cual queremos ajustar los datos puede
ser un polinomio de cualquier orden. Ese es el caso de una parabola que ajusta al siguiente conjunto
de puntos
(0, 1) , (1, 3) , (2, 7) , (3, 15) y = ax
2
+bx +c
Las ecuaciones toman la forma de
1 = 0 +0 +c
3 = a +b +c
7 = 4a +2b +c
15 = 9a +3b +c
y los vectores construidos a partir de los datos experimentales seran
[x
1
) = (0, 1, 4, 9) ; [x
2
) = (0, 1, 2, 3) ; [x
3
) = (1, 1, 1, 1) ; [y) = (1, 3, 7, 15)
las ecuaciones normales para este sistema son
136 = 98a +36b +14c
62 = 36a +14b +6c
26 = 14a +6b +4c
_
_
_
_
a = 6
b =
113
5
c =
32
5
_
_
y = 6x
2
+
113
5
x
32
5
Ejercicios Al medir la temperatura a lo largo de una barra material obtenemos los siguientes valores
x
i
(cm) 1, 0 2, 0 3, 0 4, 0 5, 0 6, 0 7, 0 8, 0 9, 0
T
i
(
C) 14, 6 18, 5 36, 6 30, 8 59, 2 60, 1 62, 2 79, 4 99, 9

Encuentre, mediante el metodo de los mnimos cuadrados los coecientes que mejor ajustan a una recta
T = ax +b
2.7. Algunos Ejemplos Resueltos
1. Consideramos el espacio vectorial de polinomios, , de grado g n denidos en el intervalo [0, 1] o en
el intervalo [1, 1] seg un el caso
a) Consideramos el espacio vectorial de polinomios, , de grado g n denidos en el intervalo [0, 1] o
en el intervalo [1, 1] seg un el caso Cual o cuales de los siguientes conjuntos de vectores en T
3
son linealmente independientes ? Explique por que
Ninguno, todos son linealmente dependientes
1) [x1) = 1; [x2) = x 1; [x3) = x
2
; [x4) = x
2
+ 2x + 1;
Linealmente dependiente ya que siempre podremos expresar [x4) = 3[x1) + 2[x2) +[x3)
2) [x1) = 2x; [x2) = x
2
+ 1; [x3) = x + 1; [x4) = x
2
1;
Linealmente dependiente ya que siempre podremos expresar [x4) = [x1) +[x2) 2[x3)
3) [x1) = x(x 1); [x2) = x; [x3) = x
3
; [x4) = 2x
3
x
2
;
Linealmente dependiente ya que siempre podremos expresar [x4) = [x1) +[x2) + 2[x3)
b) Considerando las siguientes deniciones de producto interior en T
n
:denidos en el intervalo [0, 1]
o en el intervalo [1, 1] seg un el caso
q
n
[p
n
) =
_
1
1
p(x)q(x)dx y q
n
[p
n
) =
_
1
0
p(x)q(x)dx
En T
3
encontrar la distancia y el angulo entre los vectores
[x1) = x(x 1); [x2) = x;
En general la denicion de distancia es
d ([x1), [x2)) =
_
x2 x1 [x2 x1)
por lo tanto para q
n
[p
n
) =
_
1
1
p(x)q(x)dx la distancia sera
_
x2 x1 [x2 x1) =
_
1
1
(x(x 1) x)
2
dx =
1
15
690
y para q
n
[p
n
) =
_
1
0
p(x)q(x)dx sera
_
x2 x1 [x2 x1) =
_
1
0
(x(x 1) x)
2
dx =
2
15
30
los angulos seran
= arc cos
_
x1 [x2)
_
x1 [x1)
_
x2 [x2)
_
para q
n
[p
n
) =
_
1
1
p(x)q(x)dx
= arc cos
_
x1 [x2)
_
x1 [x1)
_
x2 [x2)
_
= arc cos
_
_
_
1
1
(x(x 1)) (x) dx
_
_
1
1
(x(x 1))
2
dx
_
_
1
1
(x)
2
dx
_
_
= arc cos
_
1
12
15
6
_
= 2,4825 rad
para q
n
[p
n
) =
_
1
0
p(x)q(x)dx
= arc cos
_
x1 [x2)
_
x1 [x1)
_
x2 [x2)
_
= arc cos
_
_
_
1
0
(x(x 1)) (x) dx
_
_
1
0
(x(x 1))
2
dx
_
_
1
0
(x)
2
dx
_
_
= arc cos
_
1
12
15
2
_
= 2,4825 rad
el mismo angulo !
c) Una de las posibles bases de T
n
sera el conjunto
_
1, x, x
2
, x
3
, , x
n
_
con el producto interno
viene denido por f [ g) =
_
1
0
dx f (x) g (x) .
1) Encuentre la base ortonormal que expande el subespacio o
3
de los polinomios, T
n
, de grado
g 3.
o
3
tendra como vectores linealmente independientes
_
1, x, x
2
, x
3
_
para encontrar la base or-
tonormal utilizamos el metodo de Gram Smith con lo cual tendremos que
[u
n
) [v
n
)
n1
i=1
v
n
[u
i
)
u
i
[u
i
)
[u
i
)
esto es
[u
1
) =
[v
1
)
_
u
1
[u
1
)
=
1
_
_
1
0
dx
= 1
[u
2
) =
[v
2
)
v2 ]u1)
u1 ]u1)
[u
1
)
_
u
2
[u
2
)
=
x
R
1
0
xdx
R
1
0
dx
_
u
2
[u
2
)
=
x
1
2
_
_
1
0
_
x
1
2
_
2
dx
= 2
_
x
1
2
_
3
[u
3
) =
[v
3
)
v3 ]u1)
u1 ]u1)
[u
1
)
v3 ]u2)
u2 ]u2)
[u
2
)
_
u
3
[u
3
)
=
x
2
R
1
0
x
2
dx
R
1
0
dx

R
1
0
x
2
(2(x
1
2
)
3)dx
R
1
0
(2(x
1
2
)
3)
2
dx
_
2
_
x
1
2
_
3
_
_
u
3
[u
3
)
[u
3
) =
x
2
+
1
6
x
_
_
1
0
_
x
2
+
1
6
x
_
2
dx
= 6
_
x
2
+
1
6
x
_
5
[u
4
) =
[v
4
)
v4 ]u1)
u1 ]u1)
[u
1
)
v4 ]u2)
u2 ]u2)
[u
2
)
v4 ]u3)
u3 ]u3)
[u
2
)
_
u
4
[u
4
)
=
[u
4
) =
x
3
_
1
0
x
3
dx
_
_
1
0
x
3
_
2
_
x
1
2
_
3
_
dx
_
__
2
_
x
1
2
_
3
__
_
u
4
[u
4
)
_
_
1
0
x
3
_
6
_
x
2
+
1
6
x
_
5
_
dx
_
_
6
_
x
2
+
1
6
x
_
5
_
_
u
4
[u
4
)
[u
4
) =
_
x
3
1
20
+
3
5
x
3
2
x
2
_
_
_
1
0
_
x
3
1
20
+
3
5
x
3
2
x
2
_
2
dx
= 20
_
x
3
1
20
+
3
5
x
3
2
x
2
_
7
2) Encuentre las componentes del polinomio g (x) = 5+3x
2
x
3
+x
5
proyectado sobre esa base
ortonormal que expande a o
3
Las componentes de la proyeccion de g (x) en o
3
seran
c
1
= g [u
1
) =
_
1
0
u
1
(x) g (x) dx =
_
1
0
(1)
_
5 + 3x
2
x
3
+x
5
_
dx =
71
12
c
2
= g [u
2
) =
_
1
0
u
2
(x) g (x) dx =
_
1
0
_
2
_
x
1
2
_
3
_
_
5 + 3x
2
x
3
+x
5
_
dx =
197
420
3
c
3
= g [u
3
) =
_
1
0
u
3
(x) g (x) dx =
_
1
0
_
6
_
x
2
+
1
6
x
_
5
_
_
5 + 3x
2
x
3
+x
5
_
dx
=
23
210
5
c
4
= g [u
4
) =
_
1
0
u
4
(x) g (x) dx
=
_
1
0
_
20
_
x
3
1
20
+
3
5
x
3
2
x
2
_
7
_
_
5 + 3x
2
x
3
+x
5
_
dx =
4
315
7
con lo cual
[g)
S
3 =
71
12
[u
1
) +
197
420
3 [u
2
) +
23
210
5 [u
3
) +
4
315
7 [u
4
)
y la norma sera
|[g)
S
3|
2
=
_
71
12
_
2
+
_
197
420
3
_
2
+
_
23
210
5
_
2
+
_
4
315
7
_
2
=
1,418,047
39,690
= 35,728
para que, nalmente la proyeccion del polinomio en o
3
sera
g
S
3 (x) =
71
12
+
197
420
3
_
2
_
x
1
2
_
3
_
+
23
210
5
_
6
_
x
2
+
1
6
x
_
5
_
+
_
20
_
x
3
1
20
+
3
5
x
3
2
x
2
_
7
_
g
S
3 (x) =
71
12
+
197
70
_
x
1
2
_
+
23
42
_
x
2
+
1
6
x
_
+ 20
7
_
x
3
1
20
+
3
5
x
3
2
x
2
_
es decir
g
S
3 (x) =
5797
1260

7 +
_
34
15
+ 12
7
_
x +
_
23
42
30
7
_
x
2
+ 20
7x
3
3) Encuentre la mnima distancia desde el subespacio o
3
al polinomio g (x)
La distancia mnima sera la norma del vector ortogonal a o
3
tal que
[g) = [g)
S
3 +[g)
S
3 donde [g)
S
3 o
3
y [g)
S
3 es un vector de su complemento ortogonal. Por lo tanto el Teorema de Pit agoras nos
dice que
|[g)|
2
= |[g)
S
3|
2
+|[g)
S
3|
2
con lo cual tendremos que la mnima distancia ser a
|[g)
S
3| =
_
|[g)|
2
|[g)
S
3|
2
|[g)|
2
=
_
1
0
_
5 + 3x
2
x
3
+x
5
_
2
dx =
495193
13860
|[g)
S
3|
2
=
1418047
39690
con lo cual
|[g)
S
3| =
_
495193
13860

1418047
39690
1,196 5 10
2
d) Sea f (x) = e
2x
una funcion perteneciente al espacio lineal de funciones continua y continuamente
diferenciables, (
[1,1]
, en el cual el producto interno viene denido por q[p) =
_
1
1
p(x)q(x) dx.
Encuentre el polinomio lineal mas cercano a la funcion f (x) .
En el subespacio S
1
de polinomios lineales, los vectores base son 1, x Es una base ortogonal
pero no es normal, con lo cual la normalizamos
[u
1
) =
[v
1
)
_
u
1
[u
1
)
=
1
_
_
1
1
dx
=
1
2
2
[u
2
) =
[v
2
)
v2 ]u1)
u1 ]u1)
[u
1
)
_
u
2
[u
2
)
=
x
R
1
1
xdx
R
1
1
dx
_
u
2
[u
2
)
=
x
_
_
1
1
x
2
dx
=
6
2
x
y la proyeccion ortogonal de esta funcion sera
c
0
=
_
1
1
e
2x
_
1
2
2
_
dx =
2
4
_
e
2
+e
2
_
y c
1
=
_
1
1
_
6
2
x
_
e
2x
dx =
6
8
_
e
2
+ 3e
2
_
con lo cual la funcion lineal sera
T
n
=
_
6
8
_
e
2
+ 3e
2
_
_
x
2
4
_
e
2
+e
2
_
Bibliografa
[1] Apostol, T. M. (1972) Calculus Vol 2 (Reverte Madrid) QA300 A66C3 1972
[3] Cohen-Tannoudji, C., Diu B. y Laloe (1977) Quantum Mechanics Vol 1 (John Wiley Interscience,
Nueva York)
[4] Gelfand, I.M. (1961) Lectures on Linear .Algebra (John Wiley & Sons Interscience, Nueva York).
[5] Jordan, T.F. (1969) Linear Operator for Quantum Mechanics (John Wiley & Sons Interscience,
Nueva York).
Londres)
87
Captulo 3
Vectores Duales y Tensores
88
3.1. Funcionales Lineales
Deniremos funcionales lineales aquella operacion que asocia un n umero complejo (o real) a un vector [v)
V y cumple con la linealidad. Esto es
[v) V T [[v)] C
T [ [v
1
) + [v
2
)] T [[v
1
)] + T [[v
2
)] [v) , [v
1
) , [v
2
) V
El conjunto de funcionales lineales T
1
, T
2
, T
3
, T
4
, , T
n
, constituyen a su vez un espacio vectorial,
que se denomina espacio vectorial dual de V y se denotara como V
. Este espacio lineal tambien se denomina

espacio de formas lineales y los funcionales son esas 1forma. Esto es, dados T
1
, T
2
V
se tiene
(T
1
+T
2
) [[v)] = T
1
[[v)] +T
2
[[v)]
( T) [[v)] =
T [[v)]
_
_
_
[v) V
En aquellos espacios lineales con producto interno denido (Espacios de Hilbert), el mismo producto interno
constituye la expresion natural del funcional. As para tendremos
(T
a
) [[v)] a [v) [v) V a[ V
Es claro comprobar que el producto interno garantiza que los T

a
, T
b
, forman un espacio vectorial.
(T
a
+T
b
) [[v)] = T
a
[[v)] +T
b
[[v)] = a [v) +b [v)
( T
a
) [[v)] = a [v) =
a [v) =
T
a
[[v)]
_
_
_
[v) V
Esta ultima propiedad se conoce como antilinealidad. Con lo cual se establece una correspondencia 1 1
entre kets y bras, entre vectores y formas diferenciales.
1
[v
1
) +
2
[v
2
)
1
v
1
[ +
2
v
2
[
Con lo cual podemos puntualizar esta correspondencia como
a [v) = v [a)
a [
1
v
1
+
2
v
2
) =
1
a [v
1
) +
2
a [v
2
)
1
a
1
+
2
a
2
[v) =
1
a
1
[v) +
2
a
2
[v)
Mas a un, dada una base ortonormal [e
1
) , [e
2
) , [e
3
) [e
m
) para V siempre es posible asociar una base
para V
de tal manera que

[v) =
i
[e
i
) v[ =
e
i
con
i
=

e
i
[v)
i
= v [e
i
) con i = 1, 2, , n
En un lenguaje arcaico (y muchos textos de Mecanica todava lo reproducen) denominan a la base del espacio
dual
_
e
i
_
la base recproca de [e
i
)
Notese estamos utilizando la notacion de Einstein en la cual ndices repetidos indican suma y que las
bases del espacio dual de formas diferenciales

e
k
llevan los ndices arriba. Los ndices arriba se llamaran

contravariantes y los ndices abajo covariantes. Las componentes de las formas diferenciales en una base dada,
llevan ndices abajo a[ = a
i
e
i
mientras que las componentes de los vectores los llevan abajo [a) = a
j
[e
j
)
3.2. Bases Discretas
Para jar conceptos y extender algunos de los razonamientos que hemos desarrollado hasta aqu. Tal y
como vimos arriba, la representacion de un vector [F) en un espacio vectorial abstracto V puede darse en
termino de una base ortonormal de vectores (discreta y nita B
DF
= [u
1
) , [u
2
) , [u
3
) , [u
n
) o discreta
e innita B
DI
= [u
1
) , [u
2
) , [u
3
) [u
n
) ) de la forma:
[F) =
_
_
_
c
i
[u
i
) =

u
i
F) [u
i
) B
DF
= [u
1
) , [u
2
) , [u
3
) [u
n
)
c
i
[u
i
) =

u
i
F) [u
i
) B
DI
= [u
1
) , [u
2
) , [u
3
) [u
n
)
con i = 1, 2, , n
donde en ambos casos:
c
i
=

u
i
F) = c
j

u
i
[u
j
) = c
j
i
j
Donde la delta de Kronecker
k
i
lleva un ndice arriba y uno abajo y representa
k
i
= 1 si i = k y es nula en
los otros casos. Supondremos, de ahora en adelante un espacio de dimension nita y en este consideraremos
dos bases ortogonales, B
DF
= [e
1
) , [e
2
) , [e
3
) [e
n
) y

B
DF
= [e
1
) , [e
2
) , [e
3
) [e
n
) , de dimension
nita. Como ambas son bases ortogonales todo vector de V puede expresarse en termino de esas bases, en
particular cada vector base se puede expresar en terminos de la otra base como
[e
1
) = c
1
[e
1
) +c
2
[e
2
) +c
n
[e
n
) = c
j
[e
j
)
[e
2
) = c
1
[e
1
) + c
2
[e
2
) + c
n
[e
n
) = c
j
[e
j
)
.
.
.
[e
n
) = c
1
[e
1
) + c
2
[e
2
) + c
n
[e
n
) = c
j
[e
j
)
Este sistema de ecuaciones se puede resumir a un mas como
[e
i
) = C
j
i
[e
j
) = C
j
i
[e
j
)
Los C
j
i
son constantes que han renombrado las distintas formas de las constantes c
j
, c
j
c
j
que expresamos
arriba. Igualmente, podemos expresar los vectores de la segunda base en terminos de la primera como
[e
i
) = A
j
i
[e
j
) =
e
k
[e
i
) =
k
i
= A
j
i
e
k
[e
j
) = A
j
i
C
k
j
ya que
[e
m
) = C
j
m
[e
j
) =
e
k
[e
m
) = C
j
m
e
k
[e
j
) = C
j
m
k
j
= C
k
m
Adicionalmente, hay varias costumbres a aclarar con la notacion de ndices.
Al asociar los C
k
m
con elementos de matriz los ndices contravariantes (arriba) indicaran las y los cova-
riantes (abajo) las columnas. Esas matrices seran no singulares para garantizar la independencia lineal de
los vectores base. De este modo para el caso i, k = 1, 2, 3 tendremos
k
i
= A
j
i
C
k
j
=

k
i
=

A
j
i
C
k
j
=

C
k
j

A
j
i
representa
_
_
1 0 0
0 1 0
0 0 1
_
_
=
_
_
_
C
1
j
A
j
1
C
1
j
A
j
2
C
1
j
A
j
3
C
2
j
A
j
1
C
2
j
A
j
2
C
2
j
A
j
3
C
3
j
A
j
1
C
3
j
A
j
2
C
3
j
A
j
3
_
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
=
_
_
_
C
1
1

A
1
1
+

C
1
2

A
2
1
+

C
1
3

A
3
1

C
1
1

A
1
3
+

C
1
2

A
2
3
+

C
1
3

A
3
3
C
2
1

A
1
1
+

C
2
2

A
2
1
+

C
2
3

A
3
1
.
.
.

C
2
1

A
1
3
+

C
2
2

A
2
3
+

C
2
3

A
3
3
C
3
1

A
1
1
+

C
3
2

A
2
1
+

C
3
3

A
3
1

C
3
1

A
1
3
+

C
3
2

A
2
3
+

C
3
3

A
3
3
_
_
_
Es claro que

C
i
j
y

A
j
i
son inversas una de la otra, por cuanto su multiplicacion nos da la matriz identidad.
Por lo tanto si [e
i
) = C
j
i
[e
j
) se considera la transformacion directa, mientras que [e
i
) = A
j
i
[e
j
) sera la
transformaci on inversa. El caso mas emblematico lo constituyen las transformaciones entre la base ortonormal
cartesiana [) , [) y la base ortonormal de vectores en coordenadas polares [u
r
) , [u
) .
Siguiendo con el esquema propuesto expresamos los vectores cartesianos en la base de vectores polares
[) = cos [u
r
) sen [u
)
[) = sen [u
r
) + cos [u
)
_
_
_
= [e
i
) = C
j
i
[u
j
) = C
j
i
=

u
j
[e
i
)
con
_
[e
1
) = [)
[e
2
) = [)
_
;
_
[u
1
) = [u
r
)
[u
2
) = [u
)
_
y
_
e
i
[e
j
) =
i
j
u
k
[u
l
) =
k
l
_
con lo cual
C
j
i
=
_
u
1
[e
1
)
u
1
[e
2
)
u
2
[e
1
)
u
2
[e
2
)
_
=
_
C
r
i
C
r
j
C
i
C
j
_
=
_
cos sen
sen cos
_
Mas adelante veremos que esta es la matriz de rotaciones.
3.3. Parentesis Tensorial
3.3.1. Tensores una denicion funcional
La extension natural al concepto de funcional lineal es el concepto de tensor. Deniremos como un tensor
a un funcional lineal que asocia un n umero complejo (o real) a un vector [v) V, a una forma u[ V
, o
ambas y cumple con la linealidad. Esto es
[v) V u[ V
T [u[ ; [v)] C
T [ u[ ; [v
1
) + [v
2
)] T [u[ ; [v
1
)] + T [u[ ; [v
2
)] [v
1
) , [v
2
) V u[ V
T [ u
1
[ + u
2
[ ; [v)] T [u
1
[ ; [v)] + T [u
2
[ ; [v)] [v) , V u
1
[ , u
2
[ V
Es decir, un tensor es un funcional generalizado cuyos argumentos son vectores, formas o ambas. Esto es
T [; ] una cantidad con dos puestos y una vez cubiertos se convierte en un escalar (complejo o real). Al
igual que las funciones de varias variables (f (x, y) = 3x + 4y
2
) la posicion es importante
T
_
_
]v)
;
u]
_
_
C
Un tensor con dos argumentos correspondientes a formas y uno a un vector
T [, ; ] T
_
_
]v1)
,
]v2)
;
u]
_
_
C tensor de tipo
_
1
2
_
;
y el caso contrario
T [; , ] T
_
_
]v)
;
u1]
,
u2]
_
_
C tensor de tipo
_
2
1
_
En general
T [; , ] T
_
_
]v1)
,
]v2)
, ,
]vn)
;
u1]
,
u2]
,
um]
_
_
tensor de tipo
_
m
n
_
En esta notacion el punto y coma ;separa las entradas para las formas de las de los vectores. Es importante
recalcar que el orden si importa, no solo para las cantidades separadas por el punto y como sino el orden
de los puestos de los vectores y formas separados por coma. Ese ultimo orden repercutira en las propiedades
de los tensores. Seran tensores simetricos si al permutar dos de los puestos de vectores (o formas) cambia de
signo el orden no importa; antisimetricos si el orden importa y un tensor generico si el orden importa pero
no se comporta como los casos rese nados anteriormente. De todos modos esto sera tratado con detalle mas
adelante.
Obviamente las formas pueden ser representadas por tensores ya que son funcionales lineales de vectores,
es decir,
un vector es tensor de tipo
_
1
0
_
T
_
_
a]
_
_
C.
Por su parte, los vectores constituyen un caso especial de tensores
una forma es tensor de tipo
_
0
1
_
T
_
_
]a)
_
_
C.
porque son funcionales lineales para las formas diferenciales
3.3.2. Producto Tensorial: Denicion y propiedades
Como ser a evidente mas adelante, unos tensores (simples) pueden provenir del producto tensorial (exterior
o directo) de espacios vectoriales. Esto es que, dados c
1
y c
2
dos espacios vectoriales con dimensiones N
1
y N
2
,
respectivamente y vectores genericos, [(1)) y [(2)) pertenecientes a estos espacios vectoriales, [(1)) c
1
y [(2)) c
2
. Deniremos el producto tensorial (exterior o directo) de espacios vectoriales, c = c
1
c
2
, si
a cada par de vectores [(1)) c
1
y [(2)) c
2
le asociamos un tensor tipo
_
2
0
_
si se cumple que
[(1)(2)) = [(1)) [(2)) = T
_
_
(1)]
,
(2)]
_
_
= (1) [(1)) (2) [(2)) C
y cumplen con las siguientes propiedades:
1. La suma entre tensores de c viene denida como
[(1)(2)) +[(1)(2)) = [(1)) [(2)) +[(1)) [(2))
= [(1) +(1)) [(2) +(2))
2. El producto tensorial es lineal respecto a la multiplicacion con n umeros reales y
[[(1))] [(2)) = [[(1))] [(2)) = [[(1)) [(2))] = [(1)(2))
[(1)) [[(2))] = [(1)) [[(2))] = [[(1)) [(2))] = [(1)(2))
3. El producto tensorial es distributivo respecto a la suma:
[(1)) [[
1
(2)) +[
2
(2))] = [(1)) [
1
(2)) +[(1)) [
2
(2))
[[
1
(1)) +[
2
(1))] [(2)) = [
1
(1)) [(2)) +[
2
(1)) [(2))
Notese que los ndices (1) y (2) denotan la pertenencia al espacio respectivo.
Es facil convencerse que los tensores [(1)(2)) c = c
1
c
2
forman un espacio vectorial La demostracion
se basa en comprobar los axiomas o propiedades de los espacios vectoriales. Es decir:
1. La operacion suma es cerrada en V : [v
i
) , [v
j
) V [v
k
) = [v
i
) [v
j
) V
Esto se traduce en demostrar que sumados dos tensores [(1)(2)) , y [(1)(2)) c el tensor suma
tambien pertenece a c,con a y b pertenecientes al campo del espacio vectorial
a [(1)(2)) +b [(1)(2)) = [a(1) +(1)) [(2) +b(2))
y esto se cumple siempre ya que, el producto tensorial es lineal respecto a la multiplicacion con n umeros
reales y por ser c
1
y c
2
espacios vectoriales se cumple
[a(1) +(1)) = a [(1)) +[(1)) c
1
[(2) +b(2)) = [(2)) +b [(2)) c
2
_
_
_
=[(1) +(1)) [(2) +(2)) c
2
2. La operacion suma es conmutativa y asociativa
Conmutativa [v
i
) , [v
j
) V [v
i
) [v
j
) = [v
j
) [v
i
)
Esta primera es clara de la denicion de suma
[(1)(2)) +[(1)(2)) = [(1) +(1)) [(2) +(2))
[(1)(2)) +[(1)(2)) = [(1) +(1)) [(2) +(2))
por ser c
1
y c
2
dos espacios vectoriales
[v
i
) , [v
j
) , [v
k
) V ([v
i
) [v
j
)) [v
k
) = [v
j
) ([v
i
) [v
k
))
una vez mas, esto se traduce en:
([(1)(2)) +[(1)(2))) +[(1)(2)) = [(1)(2)) + ([(1)(2)) +[(1)(2)))
con lo cual, por la denicion de suma la expresion anterior queda como
([(1) +(1)) [(2) +(2))) +[(1)(2)) = [(1)(2)) + ([(1) +(1)) [(2) +(2)))
[((1) +(1)) +(1)) [((2) +(2)) +(2)) = [(1) + ((1) +(1))) [(2) + ((2) +(2)))
3. Existe un unico elemento neutro: ! [0) [0) [v
j
) = [v
j
) [0) = [v
j
) [v
j
) V
Es decir,
[(1)(2)) +[0(1)0(2)) = [(1) + 0(1)) [(2) + 0(2)) = [(1)) [(2)) = [(1)(2))
4. Existe un elemento simetrico para cada elemento de V :
[v
j
) V [v
j
) [v
j
) [v
j
) = [0)
[(1)(2)) [(1)(2)) = [(1) (1)) [(2) (2)) = [0(1)) [0(2)) = [0(1)0(2))
5. ( [v
i
)) = () [v
i
)
( [(1)(2))) = ([(2)) [(1))) = [(2)) [(1))
= () [(2)) [(1)) = () [(1)(2))
6. ( +) [v
i
) = [v
i
) + [v
i
)
( +) [(1)(2)) = [(1)) [( +) (2)) = [(1)) [(2) +(2))
= [(1)) [([(2)) + [(2)))]
= [(1)) [(2)) + [(1)) [(2))
7. ([v
i
) [v
j
)) = [v
i
) [v
j
)
([(1)(2)) +[(1)(2))) = ([(1) +(1)) [(2) +(2)))
= [((1) +(1))) [(2) +(2))
= [(1) +(1)) [(2) +(2))
= ([(1)(2)) +[(1)(2)))
= [(1)(2)) +[(1)(2))
Equivalentemente, podemos construir un producto tensorial entre espacios de formas diferenciales. Si c
1
y
c
2
son dos espacios vectoriales duales a c
1
y c
2
, con dimensiones N
1
y N
2
, respectivamente. A estos espacios
pertenecen las formas diferenciales genericas (1)[ c
1
y (2)[ c
2
. Deniremos el producto tensorial de
espacios vectoriales duales, c
= c
1
c
2
, si a cada par de formas diferenciales (1)[ c
1
y (2)[ c
2
le
asociamos un tensor tipo
_
0
2
_
. Esto es
(1)(2)[ = (1)[ (2)[
3.3.3. La tentaci on del producto interno
Uno puede verse tentado a denir un producto interno de la forma
(1) (2) [(1)(2)) = (1) [(1)) (2) [(2))
A partir de las deniciones de productos internos en c
1
y c
2
mostraremos, sin embargo que NO es una
buena denicion de producto interno. Para ello supondremos que representa la multiplicacion estandar
entre n umeros reales. Para comprobar que
Debemos demostrar los axiomas o propiedades de los productos internos. Las propiedades que denen el
producto interno son:
1. x[ x) ' x[ x) 0 [x) V si x[ x) = 0 [x) [0)
Esto es:
(1)(2) [(1)(2)) = (1) [(1)) (2) [(2))
como (1) [(1)) y (2) [(2)) son buenas deniciones de producto interno tendremos que
(1) [(1)) 0
(2) [(2)) 0
_
_
_
(1)(2) [(1)(2)) 0
Aqu vale la pena mencionar algunos puntos sutiles sobre la segunda parte de la propiedad a demostrar:
si x[ x) = 0 [x) [0) lo cual para este caso se traducen en
(1)(2) [ (1) (2)) = (1) [ (1)) (2) [ (2)) = 0
(1) [ (1)) (2) [ (2)) = 0
_
_
(1) [ (1)) = 0
(2) [ (2)) , = 0
_
_
_
[ (1)) = [0(1))
(1) [ (1)) , = 0
(2) [ (2)) = 0
_
_
_
[ (1)) = [0(1))
(1) [ (1)) = 0
(2) [ (2)) = 0
_
_
_
_
_
_
[ (1)) = [0(1))
[ (1)) = [0(1))
denitivamente, habra que restringir los posibles vectores que intervienen en el producto tensorial, de
modo que no fuera posible vectores del tipo
[(1)0(2)) = [(1)) [0(2)) o [(1)(2)) = [0(1)) [(2))
solo as se cumple la propiedad mencionada.
2. x[ y) = y[ x)
[x) , [y) V
Esto puede ser demostrado facilmente como sigue
(1) (2) [(1)(2)) = (1) [(1)) (2) [(2))
= (1) [ (1))
(2) [ (2))
= ((1) [ (1)) (2) [ (2)))
= (1)(2) [ (1) (2))
3. x[ y +z) = x[ y) +x[ z) x +z[ y) = x[ y) +z[ y) [x) , [y) , [z) V

Partimos del lado derecho de la primera de las igualdades anteriores:
(1) (2)[ [[(1)(2)) +[(1)(2))] = (1) (2)[ [[(1) +(1)) [(2) +(2))]
= (1) [(1) +(1)) (2) [(2) +(2))
y otra vez, como (1) [(1)) y (2) [(2)) son buenas deniciones de producto interno tendremos
que:
(1) [(1) +(1)) = (1) [(1)) + (1) [(1))
(2) [(2) +(2)) = (2) [(2)) + (2) [(2))
y al multiplicar (2) [(2) +(2)) por (1) [(1) +(1)) surgiran cuatro sumandos
(1) [(1)) (2) [(2))+ (1) [(1)) (2) [(2))+ (1) [(1)) (2) [(2))+ (1) [(1)) (2) [(2))
lo cual contrasta con el lado izquierdo al utilizar la denicion dos veces que tienen dos sumandos
(1) (2) [(1)(2)) + (1) (2) [(1)(2)) = (1) [(1)) (2) [(2)) + (1) [(1)) (2) [(2))
por lo cual NO se cumple esta propiedad y no hay forma de enmendarla. Solo por razones de
completitud.
3.3.4. Bases para un producto tensorial
Si [u
i
(1)) y [v
i
(2)) son bases discretas para c
1
y c
2
, respectivamente, entonces podremos construir
el tensor
[u
i
(1)v
j
(2)) = [u
i
(1)) [v
j
(2)) c
el cual funcionara como una base para c . Por lo tanto, un tensor generico de c, construido a partir
[(1)(2)) = [(1)) [(2)) =
i
j
[u
i
(1)v
j
(2))
donde
i
y
j
son las componentes de [(1)) y [(2)) en sus respectivas bases. En otras palabras las
componentes de un tensor en c corresponden a la multiplicacion de las componentes de los vectores en c
1
y c
2
Recuerde que estamos utilizando la convencion de Einstein de suma tacita en ndices covariantes y
contravariantes, en la cual c
k
[v
k
)
n
k=1
c
k
[v
k
) .
Es importante se nalar que si bien un tensor generico [) c siempre se puede expandir en la base
[u
i
(1)v
j
(2)) no es cierto que todo tensor de c provenga del producto tensorial de c
1
y c
2
. Es decir, c tiene
mas tensores que los que provienen el producto tensorial. Esta armacion puede verse del hecho que si
[) c entonces
[) = c
i,j
[u
i
(1)v
j
(2))
por ser [u
i
(1)v
j
(2)) base para c. Es claro que dados dos n umeros n
1
y n
2
habra c
i,j
que no provienen de
la multiplicacion de n
1
n
2
.
3.3.5. Tensores, sus componentes y sus contracciones
Componentes de un tensor
Denominaremos componentes de un tensor, aquellos n umeros que surgen de incorporar bases de formas
diferenciales y vectores. As si [u
i
(1)) , [v
j
(2)) , [t
k
(3)) y x
m
(1)[ , y
n
(2)[ son bases para los vectores y las
formas, respectivamente. Las componentes de un tensor
_
2
3
_
seran
S
mn
ijk
= o
_
_
]ui(1))
,
]vj(2))
,
]t
k
(3))
;
x
m
(1)]
,
y
n
(2)]
_
_
claramente, esta denicion de componente contiene a las componentes c
i,j
de aquellos espacios tensoriales
generados por el producto tensorial. Ya si consideramos un tensor como resultado de un producto tensorial
y consideramos que las base [u
i
(1)) , x
m
(1)[ su componentes se pueden expresar
m
(1)
i
(1), vale decir,
_
1
1
_
[(1)) (1)[ =x
m
(1) [(1)) (1)[ u
i
(1))
m
(1)
i
(1)
Combinaciones lineales de Tensores
Es claro que podremos sumar (componentes) de tensores como lo hemos hecho con la suma de (compo-
nentes) de vectores
a +
b = (a
x
+b
x
) + (a
y
+b
y
) + (a
z
+b
z
)
k =
_
a
1
+b
1
_
+
_
a
2
+b
2
_
+
_
a
3
+b
3
_
k =
_
a
i
+b
i
_
[e
i
)
R
ij
kl
=
_
Q
ij
kl
+P
ij
kl
_
Producto Tensorial de Tensores
Podemos extender a un mas la idea del producto directo y ahora realizarla entre tensores. As dos tensores
tipo
_
2
0
_
y
_
2
1
_
si se cumple que
[(1)(2)) = [(1)) [(2)) = T
_
_
(1)]
,
(2)]
_
_
[(1)(2)(1)) = [(1)) [(2)) (1)[ = T
_
_
]ui(1))
;
(1)]
,
(2)]
_
_
_
_
=
[(1)(2)) [(1)(2)(1)) = [(1)) [(2)) [(1)) [(2)) (1)[
= T
_
_
(1)]
,
(2)]
_
_
T
_
_
]ui(1))
;
(1)]
,
(2)]
_
_
= 1
_
_
]ui(1))
;
(1)]
,
(2)]
,
(3)]
,
(4)]
_
_
Contraccion de un Tensor
Denominaremos una contraccion cuando sumamos las componentes covariantes y contravariantes, esto
es
i
(1)
i
(1) lo cual genera un escalar independiente de la base. Esta situacion sera mas evidente cuando
denamos metricas y contraccion de tensores. Por analoga y considerando un caso mas general, dada una
componente S
mn
ijk
correspondiente a un tensor
_
2
3
_
podremos construir un nuevo tensor
_
1
2
_
a partir
de una contraccion. Las componentes de este nuevo tensor seran S
in
ijk

S
n
jk
. Del mismo modo, dadas las
componentes de dos tensores, P
lm
y Q
ij
zk
generaran componentes de nuevos tensores R
lij
k
= P
lm
Q
ij
mk
. As
_
2
0
_
=P
lm
_
2
2
_
=Q
ij
zk
_
_
=
_
3
1
_
=R
lij
k
= P
lm
Q
ij
mk
Es claro que si dos tensores derivan de productos tensoriales y si [u
i
(1)) , u
m
(1)[ y [v
i
(2)) son bases
ortonormales para c
1
c
1
y c
2
, entonces sus productos podran ser expresados como
[(1)(2)) =
_
i
(1)
j
(2)
_
. .
P
ij
[u
i
(1)) [v
j
(2))
[(1)(1)) =
_
l
(1)
m
(2)
_
. .
Q
l
m
[u
l
(1)) u
m
(1)[
_
_
=
__
l
(1)
m
(2)
_
[u
l
(1)) u
m
(1)[
__
i
(1)
j
(2)
_
[u
i
(1)) [v
j
(2))
l
(1)
m
(2)
_
i
(1)
j
(2)
_
u
m
(1) [u
i
(1))
. .
m
i
[v
j
(2)) [u
l
(1)) =
l
(1)
k
(2)
_
k
(1)
j
(2)
_
[v
j
(2)) [u
l
(1)) = P
ij
Q
l
i
[v
j
(2)u
l
(1)) = R
jl
[v
j
(2)u
l
(1))
Pero mas a un si [u
i
(1)v
j
(2)) = [u
i
(1)) [v
j
(2)) c es base de c entonces se puede demostrar lo anterior
sin circunscribirnos a tensores cuyas componentes provengan de multiplicacion de las componentes en cada
espacio vectorial.
Simetrizacion de Tensores
Un tensor (las componentes) sera simetrico respecto a dos de sus ndices si su permutacion no cambia su
valor:
S
ij
= S
ji
; S
ij
= S
ji
; S
ijklmn
= S
ijlkmn
S
ijklmn
= S
ijlkmn
y sera antisimetrico si
A
ij
= A
ji
; A
ij
= A
ji
A
ijklmn
= A
ijlkmn
A
ijklmn
= A
ijlkmn
Un tensor de rango 2, viene representado por una matriz. La matriz que representa un tensor de rango 2,
tendra como maximo 6 componentes distintas sera
S
i
j
= S
j
i
=
_
_
S
1
1
S
1
2
S
1
3
S
2
1
S
2
2
S
2
3
S
3
1
S
3
2
S
3
3
_
_
=
_
_
S
1
1
S
1
2
S
1
3
S
1
2
S
2
2
S
2
3
S
1
3
S
2
3
S
3
3
_
_
mientras que un tensor antisimetrico de segundo orden tendra, cuando maximo, tres componentes con valor
absoluto distintos de cero
A
i
j
= A
j
i
=
_
_
0 A
1
2
A
1
3
A
2
1
0 A
2
3
A
3
1
A
3
2
0
_
_
Siempre es posible construir tensores simetricos y antisimetricos a partir de un tensor generico. Esto es:
S
ij
=
1
2
(T
ij
+T
ji
) T
(ij)
S
ijklmn
=
1
2
(T
ijklmn
+T
ijlkmn
) = T
ij(kl)mn
A
ij
=
1
2
(T
ij
T
ji
) T
[ij]
A
ijklmn
=
1
2
(T
ijklmn
T
ijlkmn
) = T
ij[kl]mn
Mas a un, es evidente que las componentes de un tensor generico T
ij
, pueden expresarse como una combinacion
de su parte simetrica y antisimetrica
T
ij
= S
ij
+A
ij
Obviamente que algo equivalente se puede realizar para componentes contravariantes de tensores.
3.3.6. Tensor Metrico, Indices y Componentes
Para una base generica, [x
j
) , no necesariamente ortogonal, de un espacio vectorial con producto interno,
podemos denir la expresion de un tensor simetrico
_
0
2
_
que hemos denominado tensor metrico como
g
_
_
]xi)
,
]xj)
,
_
_
= g
ij
g
ji
= g
ij
g
ji
= g [[x
i
) , [x
j
)]
g
_
_
x
i
[
,
x
j
[
_ = g
ij
g
ij
= g
ij
g
ij
= (g
ij
)
1
Notese que las g
ij
g
ji
son las componentes del tensor g
_
_
]xi)
,
]xj)
,
_
_
una vez que la base [x
j
) ha actuado.
La denominacion de tensor metrico, no es gratuita, g
_
_
]xi)
,
]xj)
,
_
_
cumple con todas las propiedades de la
metrica denida para un espacio vectorial euclidiano. Vale decir
1. g
_
_
]xi)
,
]xj)
,
_
_
= g [[x
i
) , [x
j
)] = g
ij
g
ji
0 [x
j
) y si g [[x
i
) , [x
j
)] = 0 i = j
2. g [[x
i
) , [x
j
)] = g [[x
j
) , [x
i
)] g
ij
g
ji
3. g [[x
i
) , [x
j
)] g [[x
i
) , [z
k
)] +g [[z
k
) , [x
j
)] La desigualdad Triangular
Si la base generica, [x
j
) , es ortonormal entonces estas propiedades emergen de manera natural y es
claro que
g
_
_
]ei)
,
]ej)
,
_
_
=g [, ] g
ij
e
i
e
j
g
ji
e
j
e
i
y g [, ] g
ij
[e
i
) [e
j
) g
ji
[e
j
) [e
i
)
con lo cual sus componentes seran matrices simetricas g
ij
= g
ji
y igualmente g
ij
= g
ji
. En general impon-
dremos que
_
g
ij
e
i
e
j
_ _
g
km
[e
k
) [e
m
)
_
= g
ij
g
km
e
i
[e
k
)
e
j
[e
m
) = g
ij
g
km
i
k
j
m
= g
ij
g
ji
=
i
i
= n
ya que i, j = 1, 2, 3, , n. Con lo cual g
ij
es la matriz inversa de g
ij
. Es decir, claramente, hemos denido
las componentes contravariantes del tensor de modo que cumplan con g
ik
g
kj
=
j
i
Adicionalmente, es tambien es claro que
_
g
ij
e
i
e
j
_
[a) = a
k
_
g
ij
e
i
e
j
_
[e
k
) = a
k
g
ij
e
j
[e
k
)
e
i
= a
k
g
ij
j
k
e
i
= a
k
g
ik
e
i
a
i
e
i
con lo cual a
i
= a
k
g
ik
. De esta manera, el tensor metrico nos permite asociar componentes covariantes a
componentes contravariantes. Dicho rapido y mal pero muy frecuente, el tensor metrico nos permite subir y
bajar ndices. De la misma forma
a[
_
g
ij
[e
i
) [e
j
)
_
= a[
_
g
ij
[e
i
) [e
j
)
_
= g
ij
a [e
i
) [e
j
) = a
k
g
ij
e
k
[e
i
) [e
j
) = a
k
g
kj
[e
j
) a
j
[e
j
)
otra vez a
j
= a
k
g
kj
, y subimos el ndice correspondiente. La importancia de esta
Otra forma de verlo es combinando las propiedades del producto directo de tensores y contraccion de
ndices
g
ij
[e
i
) [e
j
) P
lmn
k
[e
l
) [e
m
) [e
n
)
e
k
=
g
ij
P
lmn
k
[e
j
) P
lmn
k
[e
l
) [e
m
) [e
n
)
e
k
e
i
) =
g
ij
P
lmn
k
[e
j
) [e
l
) [e
m
) [e
n
)
e
k
e
i
)
. .
k
i
= P
jlmn
[e
j
) [e
l
) [e
m
) [e
n
)
g
ij
P
lmn
i
P
jlmn
Adicionalmente, el tensor metrico permite la contraccion de ndices. As, dado un producto tensorial de
dos vectores que se pueden expresar en una base ortonormal
[a, b) = [a) [b) = a
k
b
m
[e
k
) [e
m
)
_
g
ij
e
i
e
j
_ _
a
k
[e
k
) b
m
[e
m
)
_
= a
k
b
m
g
ij
i
k
j
m
= a
k
b
m
g
km
= a
k
b
k
= b [a) = a [b)
Con lo cual ,el producto interno de dos vectores involucra, de manera natural, la metrica del espacio. Esto
es
b [a) = a [b) = a
k
b
k
= a
k
b
k
= a
k
b
m
g
km
= a
k
b
m
g
km
Obviamente la norma de un vector, tambien incluira al tensor metrico:
|[a)|
2
= a [a) = a
i
a
j
e
i
[e
j
) = a
i
a
i
= a
i
a
j
g
ij
= a
i
a
j
g
ij
El caso mas emblematico lo constituye la norma de un desplazamiento innitesimal. Para una base generica,
[e
j
) no necesariamente ortogonal de un espacio vectorial con producto interno, el desplazamiento innite-
simal puede expresarse como
(ds)
2
dr [dr) =
_
d x
k
e
k
_
(d x
m
[e
m
)) =

e
k
[e
m
) d x
k
d x
m
= d x
m
d x
m
= g
km
d x
k
d x
m
Si la base [e
j
) es ortogonal (cosa mas o menos com un pero no necesariamente cierta siempre) las matrices
g
ij
y g
ij
son diagonales cumplen con
g
ii
=
1
g
ii
=(ds)
2
=
_
h
1
dx
1
_
2
+
_
h
2
dx
2
_
2
+
_
h
3
dx
3
_
2
donde h
i
=
g
ii
con i, j = 1, 2, 3.
3.4. Un par de tensores
3.4.1. El tensor de esfuerzos (stress)
Figura 3.1: Tensor de Esfuerzos (stress) en 2 dimensiones
El caso 2D
Supongamos un cuerpo que se encuentra en equilibrio y esta sometido a un conjunto de fuerzas externas.
Para facilitar las cosas consideremos el efecto de esas fuerzas sobre un plano que contiene a un determinado
punto P (ver gura 3.1 cuadrante Ia) Es decir, vamos a considerar los efectos de las componentes de todas
las fuerzas sobre ese plano y obviaremos efecto del resto de las componentes. Como observamos en la gura
3.1 Ib y Ic, si cortamos la supercie en dos lneas (AB y A
t
B
t
), observaremos que el efecto del conjunto de
fuerzas externas es distinto sobre P en la direccion perpendicular a cada una de esas lneas. De hecho al
cortar la supercie las fuerzas que aparecen sobre las lneas AB (y A
t
B
t
) antes eran fuerzas internas y
ahora los son externas al nuevo cuerpo cortado. As, estas fuerzas por unidad de longitud
1
sobre el punto
P existen un conjunto de fuerzas que generan esfuerzos (stress). Por lo tanto es claro que los esfuerzos sobre
un punto dependen del punto, de las fuerzas externas y de la direccion del efecto.
Para irnos aclarando consideremos un elemento de area innitesimal ds sobre la cual act uan un conjunto
de fuerzas externas, las cuales las podemos descomponer como normales y tangenciales a la lnea sobre la
cual estan aplicadas (ver gura 3.1 cuadrante II). Es costumbre denotar los esfuerzos normales y tangenciales
dA = dxdy
_
_
Y
2
=
2
dx X
2
=
2
dx
Y
3
=
3
dy
X
3
=
3
dy
dx
dy ds dy
dx
Y
1
=
1
dy
X
1
=
1
dy
Y
4
=
4
dx X
4
=
4
dx
1
En el caso tridimensional, las fuerzas que generan los esfuerzos seran denidas como fuerzas por unidad de area. Ese caso
lo veremos en la proxima seccion.
La segunda ley de Newton nos lleva a

F
ext
i
= dm a = 0
_
_
_
1
dy +
2
dx +
3
dy +
4
dx = 0 = (
2
+
4
) dx + (
1
+
3
) dy
1
dy +
2
dx +
3
dy +
4
dx = 0 = (
2
+
4
) dx + (
1
+
3
) dy
con lo cual
2
=
4
;
1
=
3
2
=
4

1
=
3
pero mas a un, como esta en equilibrio, tambien la sumatoria de torques se tendra que anular. Esto es
(
1
dy)
dx
2
(
2
dx)
dy
2
= 0
(
3
dy)
dx
2
(
4
dx)
dy
2
= 0
_
_
_

1
=
2
=
3
=
4
con lo cual, nos damos cuenta que existen solo tres cantidades independientes: dos esfuerzos normales
1
y
2
; y un esfuerzo tangencial
1
. Adicionalmente notamos que los esfuerzos tienen que ver, con la direccion
de la fuerza y la supercie sobre la cual va aplicada. Con ello podemos dise nar la siguiente notacion para
los esfuerzos:
ij
. El primer ndice indica la direccion de la fuerza y el segundo direccion de la normal de la
supercie donde esta aplicada. As, tal y como muestra la gura (ver gura 3.1 cuadrante II)
1

xx
;
4

yy
;
2

xy

yx
El cambio de signo se debe a lo incomodo de la notacion
4

yy
ya que la normal de lado 4 apunta en la
direccion y. Es importante tambien se nalar que los esfuerzos en cualquier punto contenido en el diferencial
de area dA = dxdy deben ser considerado constantes. O, lo que es lo mismo, que podemos hacer tender a
cero el area del diferencial y con ello asociar los esfuerzos
ij
a un punto P contenido en dA sobre la cual
hemos calculado los esfuerzos.
En esta misma lnea de razonamiento, nos podemos preguntar cual es la expresion de los esfuerzos cuando
se miden respecto a una supercie generica, denida por un vector normal n (ver gura 3.1 cuadrante III).
Es decir, queremos conocer los esfuerzos medidos en el punto P en la direccion n, es decir
nn
. Tendremos
que en
x
xx
dy +
xy
dx =
nn
ds cos +
sn
ds sen; y
yy
dx +
yx
dy =
nn
ds sen
sn
ds cos
Ahora bien, dado que dy = ds cos y dx = ds sen, entonces podemos expresar
nn
=
xx
cos
2
+
xy
sencos +
yx
sencos +
yy
sen
2
sn
=
xx
sencos +
xy
sen
2

yx
cos
2

yy
sencos
y si ahora nos damos cuenta que si construimos una matriz
A
i
j
=
_
A
x
n
= cos A
x
s
= sen
A
y
n
= sen A
y
s
= cos
_
entonces podemos expresar
nn
= A
x
n
A
x
n
xx
+A
x
n
A
y
n
xy
+A
y
n
A
x
n
yx
+A
y
n
A
y
n
yy

nn
= A
i
n
A
j
n
ij
con i, j = n, s
sn
= A
x
s
A
x
n
xx
+A
x
s
A
y
n
xy
+A
y
s
A
x
n
yx
+A
y
s
A
y
n
yy

sn
= A
i
n
A
j
n
ij
con i, j = n, s
Figura 3.2: Tensor de Esfuerzos en 3 dimensiones
es decir
kl
= A
i
k
A
j
l
ij
con i, j, k, l = n, s.
Como veremos mas adelante, cualquier objeto que transforme como
kl
= A
i
k
A
j
l
ij
lo llamaremos tensor
de segundo orden.
El caso 3D
Analicemos ahora el caso tridimensional. En este caso tambien procedemos como en el caso anterior
estableciendo las condiciones de equilibrio

F
ext
i
= 0 y
ext
i
= 0
con ello construimos un volumen (c ubico) diferencial y construimos los esfuerzos normales y tangenciales,
los cuales seran
xx
dydz;
yy
dxdz;
zz
dxdy;
xz
dxdy;
yz
dxdy;
xy
dxdz;
Siguiendo el mismo proceso que involucra imponer el equilibrio es facil demostrar que al igual que el caso
anterior, el tensor de esfuerzos
ij
cumple con:
xz
=
zx
;
yz
=
zy
;
xy
=
yx
y por lo tanto tendremos 6 componentes (tres normales y tres tangenciales) independientes. Es decir, si bien
el tensor de esfuerzos
ij
viene representado por una matriz 33 y por lo tanto tiene 9 elementos, solo 6 son
independientes. Construyamos ahora el caso general para un tensor de esfuerzos en un medio elastico. Para
ello construimos un tetraedro regular tal y como muestra la gura 3.2, y sobre su cara generica asociada a
un vector normal n una fuerza
F =
u
n
= F
i
i
i
= F
x
+F
y
+F
z
k
_
_
F
x
=
xn
dS
n
F
y
=
yn
dS
n
F
z
=
zn
dS
n
_
_
F
i
=
i
j
n
j
dS

F = d
S
se especica como la fuerza que act ua sobre un determinado elemento de supercie. Es claro que la condicion
de equilibrio se traduce en
F
xi
= 0
xn
dS
n
1
2
xx
dy dz
1
2
xy
dx dz
1
2
xz
dx dy = 0
F
yi
= 0
yn
dS
n
1
2
yx
dy dz
1
2
yy
dx dz
1
2
yz
dx dy = 0
F
zi
= 0
zn
dS
n
1
2
zx
dy dz
1
2
zy
dx dz
1
2
zz
dx dy = 0
Si consideramos que la proyeccion de dS
n
sobre cada uno de los planos del sistema cartesiano tendremos que
dS
n
cos (;n) =
1
2
dy dz = dS
n
A
x
n
dS
n
cos (;n) =
1
2
dx dz = dS
n
A
y
n
dS
n
cos ( k;n) =
1
2
dx dy = dS
n
A
z
n
_
xn
=
xx
A
x
n
+
xy
A
y
n
+
xz
A
z
n
y equivalentemente
yn
=
yx
A
x
n
+
yy
A
y
n
+
yz
A
z
n
; y
zn
=
zx
A
x
n
+
zy
A
y
n
+
zz
A
z
n
las cuales se conocen como las relaciones de Cauchy y representan los esfuerzos sobre la supercie con normal
n. Ahora bien, dado que

F = d
S es una relacion vectorial podemos proyectar en la direccion u

m
u
m

F = u
m
d
S F
m
=
m
n
dS
n
=
_
m
i
A
i
n
_
dS
n
=
_
m
i
A
i
n
_
dS
n
mn
dS
n
=
_
mi
A
i
n
_
dS
n
mn
dS
n
=
_
ki
A
k
m
A
i
n
_
dS
n
con i, j = x, y, z
Una vez mas vemos que transforma como un tensor.
3.4.2. El Tensor de Inercia
Consideremos el caso de un sistema de n partculas. La cantidad de movimiento angular para este sistema
vendra dada por
L =
i
m
(i)
_
r
(i)
v
(i)
_
donde hemos indicado que la iesima partcula que esta en la posicion r
(i)
tiene una velocidad v
(i)
. Si
las distancias entre las partculas y entre las partculas y el origen de coordenadas es constante podremos
expresar la velocidad de cada una de ellas como
v
(i)
= r
(i)
( por que ?). Donde es la velocidad angular instantanea del sistema. Entonces tendremos que
L =
i
m
(i)
_
r
(i)
_
r
(i)
__
=
i
m
(i)
_

_
r
(i)
r
(i)
_
r
(i)
_
r
(i)
__
y para cada partcula se cumple que, las componentes de la cantidad de movimiento angular seran
L
k
=
i
m
(i)
_
k
_
r
m
(i)
r
(i)m
_
r
k
(i)
_
m
r
(i)m
_
_
Si vemos que
k
(i)
=
k
l

l
(i)
entonces
L
k
=
_
i
m
(i)
_
k
l

l
_
r
m
(i)
r
(i)m
_
r
k
(i)
_
m
r
(i)m
_
_
_
=
l
(i)
_
i
m
(i)
_
k
l
_
r
m
(i)
r
(i)m
_
r
k
(i)
_
r
(i)l
_
_
_
. .
I
k
l
es decir
L
k
=
l
(i)
I
k
l
donde I
k
l
=
i
m
(i)
_
k
l
_
r
m
(i)
r
(i)m
_
r
k
(i)
_
r
(i)l
_
_
el objeto I
k
l
se conoce como el tensor de inercia y corresponde a 9 cantidades (a pesar que solo 6 son
independientes porque es un tensor simetrico)
I
k
l
=
_
_
_
_
_
_
_
_
_
I
xx
=

i
m
(i)
_
y
2
(i)
+z
2
(i)
_
I
xy
=
i
m
(i)
_
x
(i)
y
(i)
_
I
xz
=
i
m
(i)
_
x
(i)
z
(i)
_
I
yx
=

i
m
(i)
_
x
(i)
y
(i)
_
I
yy
=

i
m
(i)
_
x
2
(i)
+z
2
(i)
_
I
yz
=
i
m
(i)
_
y
(i)
z
(i)
_
I
zx
=

i
m
(i)
_
x
(i)
z
(i)
_
I
zy
=

i
m
(i)
_
y
(i)
z
(i)
_
I
zz
=

i
m
(i)
_
z
2
(i)
+y
2
(i)
_
_
_
_
_
_
_
_
_
_
nos contentaremos por ahora, suponer que esta construccion es un tensor y lo demostraremos mas adelante.
La ilustracion mas sencilla de que la masa en rotacion se comporta como un tensor y no como un escalar
lo vemos en la rotacion de dos masas, m
1
, m
2
iguales (con lo cual m
1
= m
2
= m) unidas por una varilla
sin masa de longitud l. Si el sistema (masas + varillas) se encuentra girando alrededor su centro de masa y
ambas masas se encuentran sobre el plano x, y, vale decir que la barra sin masa forma un angulo de =

2
con el eje z. Entoces tendremos que
r =
l
2
cos +
l
2
sen

j v =
dr
dt
=
l
2
d
dt
sen +
l
2
d
dt
cos

j
con lo cual
L = m
1
(r
1
v
1
) +m
2
(r
2
v
2
) = m(r
1
v
1
) +m((r
1
) (v
1
)) = 2m(r
1
v
1
) =
_
l
2
_
2
d
dt
k
ya que
m
1
= m
2
= m; r
2
= r
1
y v
2
= v
1
3.5. Repensando los vectores, otra vez
3.5.1. Vectores, Covectores y Leyes de Transformacion
Hemos visto que un determinado vector [a) V puede expresarse en una base ortogonal [e
j
) como
a
j
[e
j
) donde las a
j
son las componentes del vector contravariantes en la base que se ha indicado. En general,
como es muy largo decir componentes del vector contravariante uno se reere (y nos referiremos de ahora
en adelante) al conjunto
_
a
j
_
como un vector contravariante obviando la precision de componente, pero
realmente las a
j
son las componentes del vector.
Adicionalmente, en esta etapa pensaremos a las bases como distintos observadores o sistemas de refe-
rencias. Con ello tendremos (algo que ya sabamos) que un vector se puede expresar en distintas bases y
tendra distintas componentes referidas a esa base
[a) = a
j
[e
j
) = a
j
[e
j
)
As una misma cantidad fsica vectorial se vera distinta (tendra distintas componentes) desde diferentes
sistemas de coordenadas. Las distintas visiones estan conectadas mediante un transformacion de sistema
de referencia
que veremos mas adelante.
Igualmente hemos dicho que una forma diferencial b[ V
es susceptible de expresarse en una base

_
e
i
_
del espacio dual V
como b
i
e
i
y, como el espacio esta equipado con un producto interno entonces

a [b) = b [a) =
_
b
i
e
i
_
a
j
[e
j
)
_
= b
i
a
j
i
j
= a
i
b
i
Con lo cual avanzamos otra vez en la interpretacion de cantidades fsicas: una cantidad fsica escalar se
vera igual (sera invariante) desde distintos sistemas de referencia.
Ademas sabemos que unas y otras componentes se relacionan como
e
i
[a) = a
j
e
i
[e
j
) = a
j
i
j
= a
j
e
i
[e
j
)
e
i
[a) = a
j
e
i
[e
j
) = a
j
i
j
= a
j
e
i
[e
j
)
_
_
_
=
_
_
_
a
i
= A
i
j
a
j
a
i
=

A
i
j
a
j
donde claramente
e
i
[e
j
) = A
i
j
;

e
i
[e
j
) =

A
i
j
y A
i
k

A
k
j
=
i
j

A
i
j
=
_
A
i
j
_
1
Diremos entonces que aquellos objetos cuyas componentes transforman como a
i
= A
i
j
a
j
o equivalentemente
a
i
=

A
i
j
a
j
seran vectores o en un lenguaje un poco mas antiguo, vectores contravariantes. Tradicionalmente,
e inspirados en la ley de transformacion, la representacion matricial de las componentes contravariantes de
un vector,

e
i
[a) = a
j
, para una base determinada [e
j
) se estructuran en una columna
[a) =
e
i
[a) con i = 1, 2, 3, , n
_
_
_
_
_
a
1
a
2
.
.
.
a
n
_
_
_
_
_
De la misma manera, en el espacio dual, V
, las formas diferenciales se podran expresar en termino de

una base de ese espacio vectorial como b[ = b
i
e
i
=

b
i
e
i
Las b
i
seran las componentes de las formas
diferenciales o las componentes covariantes de un vector [b) o dicho rapidamente un vector covariante o
covector. Al igual que en el caso de las componentes contravariantes las componentes covariantes transforman
de un sistema de referencia a otro mediante la siguiente ley de transformacion:
b [e
j
) = b
i
e
i
[e
j
) = b
i
i
j
=

b
i
e
i
[e
j
)
b [e
j
) =

b
i
e
i
[e
j
) =

b
i
i
j
= b
i
e
i
[e
j
)
_
_
_
=
_
_
_
b
i
=

b
i
A
i
j
b
i
= b
i

A
i
j
Otra vez, objetos cuyas componentes transformen como b
i
=

b
i
A
i
j
los denominaremos formas diferenciales o
vectores covariantes o covectores y seran representados matricialmente como un arreglo tipo la
b[ = b [e
j
) con i = 1, 2, 3, , n
_
b
1
b
2
b
n
_
3.5.2. Cartesianas y Polares, otra vez
El ejemplo mas simple, y por ello, clasico y emblematico de lo anterior lo constituye las expresiones de
un mismo vector en dos sistemas de coordenadas en el plano: Cartesianas [i) , [j) y [u
r
) , [u
) . Esto es
[a) = a
x
[i) +a
x
[j) = a
1
[e
1
) +a
2
[e
2
) y [a) = a
r
[u
r
) +a
[u
) = a
1
[e
1
) + a
2
[e
2
)
Al expresar una base en terminos de la otra obtenemos
[u
r
) = cos [i) + sen [j) y [u
) = sen [i) + cos [j)

con lo cual
e
i
[e
j
) = A
i
j
A
i
j
=
_
i [u
r
) i [u
)
j [u
r
) j [u
)
_
_
cos sen
sen cos
_
y
e
i
[e
j
) =

A
i
j

A
i
j
=
_
u
r
[i) u
r
[j)
u
[i) u
[j)
_
_
cos sen
sen cos
_
cumpliendo ademas
_
cos sen
sen cos
__
cos sen
sen cos
_
=
_
1 0
0 1
_
A
i
k

A
k
j
=
i
j
De este modo si
[a) = a
r
[u
r
) +a
[u
) = a
1
[e
1
) + a
2
[e
2
) = a
x
[i) +a
x
[j) = a
1
[e
1
) +a
2
[e
2
)
tendremos que
a
i
=

A
i
j
a
j
_
cos sen
sen cos
__
a
x
a
y
_
=
_
a
r
a
_
=
_
a
x
cos +a
y
sen
a
x
sen +a
y
cos
_
con lo cual
a
r
= a
x
cos +a
y
sen y a
= a
x
sen +a
y
cos
del mismo modo
a
i
= A
i
j
a
j
_
cos sen
sen cos
__
a
r
a
_
=
_
a
x
a
y
_
=
_
a
r
cos a
sen
a
r
sen +a
cos
_
y
a
x
= a
r
cos a
sen y a
y
= a
r
sen +a
cos
3.5.3. Repensando las componentes
En general podemos pensar que las componentes de los vectores pueden ser funciones de las otras.
Consideremos el ejemplo anterior con esta vision. Tendremos que un punto en el plano viene representado
en coordenadas cartesianas por dos n umeros (x, y) y en coordenadas polares por otros dos n umeros (r, ) .
Siguiendo el ejemplo anterior un punto P, en el plano lo describimos como
[P) = r
P
[u
r
) = x
P
[i) +y
P
[j)
Veamos como estan relacionadas estas dos descripciones. Para este caso las ecuaciones de transformacion son
x
P
= x
P
(r, ) = x
1
= x
1
_
x
1
, x
2
_
y
P
= y
P
(r, ) = x
2
= x
2
_
x
1
, x
2
_
_

_
r
P
= r
P
(x, y) = x
1
= x
1
_
x
1
, x
2
_
=
P
(x, y) = x
2
= x
2
_
x
1
, x
2
_
y explcitamente
x
P
= r
P
cos
P
= x
1
= x
1
cos x
2
y
P
= r
P
sen
P
= x
2
= x
1
sen x
2
y
r
P
=
_
x
2
P
+y
2
P
= x
1
=
_
(x
1
)
2
+ (x
2
)
2
P
= arctan
_
y
P
x
P
_
= x
2
= arctan
_
x
2
x
1
_
Es claro que ambas coordenadas estan relacionadas y que se puede invertir la relacion
x
1
= x
1
_
x
1
, x
2
_
x
2
= x
2
_
x
1
, x
2
_
_

_
x
1
= x
1
_
x
1
, x
2
_
x
2
= x
2
_
x
1
, x
2
_
si se piden cosas razonables:
que las funciones x
i
= x
i
( x
m
) y x
j
= x
j
(x
m
) sean al menos (
2
(funcion y derivada continua)
que el determinante de la matriz Jacobiana sean nito y distinto de cero det
_
x
i
( x
1
, x
2
)
x
l
_
,= 0.
Mas a un, si
x
i
= x
i
_
x
j
(x
m
)
_
=
x
i
x
l
=
x
i
x
k
x
k
x
l
=
i
l
=d x
i
=
x
i
x
k
d x
k
con lo cual intumos dos cosas:
1. que las componentes de un vector, deben transformar bajo un cambio de coordenadas como x
i
=
x
i
( x
1
, x
2
)
x
l
x
l
.
2. Las matrices Jacobianas
x
i
x
k
y
x
i
x
k
son una la inversa de la otra.
Veamos si es cierto para el caso de vectores en el plano. Para ello calculamos la matriz Jacobiana (matriz
de derivadas) la cual sera
_
x
i
_
x
1
, x
2
_
x
l
_
=
_
_
x
1
( x
1
, x
2
)
x
1
x
1
( x
1
, x
2
)
x
2
x
2
( x
1
, x
2
)
x
1
x
2
( x
1
, x
2
)
x
2
_
_
=
_
cos x
2
x
1
sen x
2
sen x
2
x
1
cos x
2
_
y seguidamente, identicando
x
i
=
x
i
_
x
1
, x
2
_
x
l
x
l
=
_
x
1
x
2
_
=
_
cos x
2
x
1
sen x
2
sen x
2
x
1
cos x
2
__
x
1
0
_
Igualmente, si calculamos la inversa de la matriz Jacobiana
_
x
i
_
x
1
, x
2
_
x
l
_
1
=
_
cos x
2
sen x
2
sen x
2
x
1
cos x
2
x
1
_
=
_
_
x
1
(x
1
)
2
+(x
2
)
2
x
2
(x
1
)
2
+(x
2
)
2
x
2
(x
1
)
2
+(x
2
)
2
x
1
(x
1
)
2
+(x
2
)
2
_
_
tendremos
_
x
1
0
_
=
_
_
x
1
(x
1
)
2
+(x
2
)
2
x
2
(x
1
)
2
+(x
2
)
2
x
2
(x
1
)
2
+(x
2
)
2
x
1
(x
1
)
2
+(x
2
)
2
_
_
_
x
1
x
2
_
= x
i
=
x
i
_
x
1
, x
2
_
x
l
x
l
Es decir
x
1
=
_
(x
1
)
2
+ (x
2
)
2
=r =
_
x
2
+y
2
y 0 = 0
Supongamos ahora que tenemos el caso tridimensional en esos mismos dos sistemas de coordenadas:
uno cartesiano
_
x
1
= x, x
2
= y, x
3
= z
_
y otro esferico
_
x
1
= r, x
2
= , x
3
=
_
, tal y como hemos
supuesto anteriormente el punto P vendra descrito por
[P) = r
P
[u
r
) = x
P
[i) +y
P
[j) +z
P
[k)
otra vez
x = x(r, , ) = x
1
= x
1
_
x
1
, x
2
, x
3
_
y = y (r, , ) = x
2
= x
2
_
x
1
, x
2
, x
3
_
z = z (r, , ) = x
3
= x
3
_
x
1
, x
2
, x
3
_
_
_
_

_
_
_
r = r (x, y, z) = x
1
= x
1
_
x
1
, x
2
, x
3
_
= (x, y, z) = x
2
= x
2
_
x
1
, x
2
, x
3
_
= (x, y, z) = x
3
= x
3
_
x
1
, x
2
, x
3
_
Las ecuaciones de transformacion seran
x
P
= r
P
sen
P
cos
P
= x
1
= x
1
sen x
2
cos x
3
y
P
= r
P
sen
P
sen
P
= x
2
= x
1
sen x
2
sen x
3
z
P
= r
P
cos
P
= x
3
= x
1
cos x
2
y
r
P
=
_
x
2
P
+y
2
P
+z
2
P
= x
1
=
_
(x
1
)
2
+ (x
2
)
2
+ (x
3
)
2
P
= arctan
_
y
P
x
P
_
= x
2
= arctan
_
x
2
x
1
_
P
= arctan
_
x
2
P
+y
2
P
z
P
_
= x
3
= arctan
_
(x
1
)
2
+(x
2
)
2
x
3
_
con lo cual la matriz de las derivadas sera para esta transformacion en particular sera
x
i
_
x
1
, x
2
, x
3
_
x
l
=
_
_
sen() cos () r sen() sen() r cos () cos ()
sen() sen() r sen() cos () r cos () sen()
cos () 0 r sen()
_
_
es decir
x
i
_
x
1
, x
2
, x
3
_
x
l
=
_
_
sen
_
x
2
_
cos
_
x
3
_
x
1
sen
_
x
2
_
sen
_
x
3
_
x
1
cos
_
x
2
_
cos
_
x
3
_
sen
_
x
2
_
sen
_
x
3
_
x
1
sen
_
x
2
_
cos
_
x
3
_
x
1
cos
_
x
2
_
sen
_
x
3
_
cos
_
x
2
_
0 x
1
sen
_
x
2
_
_
_
y su inversa
x
i
_
x
1
, x
2
, x
3
_
x
l
=
_
_
_
sen() cos () sen() sen() cos ()
sen()
r sen()
cos()
r sen()
0
cos() cos()
r
cos() sen()
r

sen()
r
_
_
_
x
i
_
x
1
, x
2
, x
3
_
x
l
=
_
_
_
_
x
x
2
+y
2
+z
2
y
x
2
+y
2
+z
2
z
x
2
+y
2
+z
2
y
x
2
+y
2
x
x
2
+y
2
0
xz
(x
2
+y
2
+z
2
)
x
2
+y
2
yz
(x
2
+y
2
+z
2
)
x
2
+y
2
x
2
+y
2
(x
2
+y
2
+z
2
)
_
_
_
_
dejaremos al lector comprobar que, efectivamente,
x
i
=
x
i
_
x
1
, x
2
, x
3
_
x
l
x
l
x
i
=
x
i
_
x
1
, x
2
, x
3
_
x
l
x
l
3.6. Transformaciones, vectores y tensores
En general las armaciones anteriores se pueden generalizar considerando que las coordenadas que denen
un determinado punto, P, expresado en un sistema de coordenadas particular, son
_
x
1
, x
2
, , x
n
_
y las
coordenadas de ese mismo punto P, expresado en otro sistema de coordenadas es
_
x
1
, x
2
, , x
n
_
ambas
coordenadas estaran relacionadas por
x
1
= x
1
_
x
1
, x
2
, , x
n
_
x
2
= x
2
_
x
1
, x
2
, , x
n
_
.
.
.
x
n
= x
n
_
x
1
, x
2
, , x
n
_
_
_
x
1
= x
1
_
x
1
, x
2
, , x
n
_
x
2
= x
2
_
x
1
, x
2
, , x
n
_
.
.
.
x
n
= x
n
_
x
1
, x
2
, , x
n
_
es decir x
i
= x
i
_
x
j
_
x
i
= x
i
_
x
j
_
con i, j = 1, 2, 3, , n. Otra vez, solo exigiremos (y es bastante)
que:
1. las funciones x
i
= x
i
( x
m
) y x
j
= x
j
(x
m
) sean al menos (
2
(funcion y derivada continua)
2. que el determinante de la matriz Jacobiana sean nito y distinto de cero det
_
x
i
( x
1
, x
2
)
x
l
_
,= 0. Esto
es
x
1
x
1
x
1
x
2
x
1
x
n
x
1
x
2
x
2
x
2
x
n
x
1
x
n
x
2
x
n
x
n
,= 0 = x
i
= x
i
( x
m
) x
j
= x
j
(x
m
)
Ahora bien, una vez mas, derivando y utilizando la regla de la cadena
x
i
= x
i
_
x
j
(x
m
)
_
=
x
i
x
l
=
x
i
x
k
x
k
x
l
=
i
l
=d x
i
=
x
i
x
k
d x
k
y como hemos comprobado para dos casos particulares, de ahora en adelante tendremos que:
ReDenicion Tal y como hemos visto, un conjunto de cantidades
_
a
1
, a
2
, , a
n
_
se denominaran componentes
contravariantes de un vector [a) V en un punto P de coordenadas
_
x
1
, x
2
, , x
n
_
si
1. dada dos base ortonormales de vectores coordenados. [e
1
) , [e
2
) , [e
n
) y [e
1
) , [e
2
) , [e
n
)
se cumple que
[a) = a
j
[e
j
) = a
i
[e
i
) =
_
e
i
a) = a
i
e
i
a) = a
i
_
= a
i
= a
j
e
i
[e
j
)
2. o equivalentemente, bajo una transformacion de coordenadas x
i
= x
i
_
x
j
_
con i, j = 1, 2, 3, , n.,
estas cantidades transforman como
a
i
=
x
i
x
k
a
k
a
i
=
x
i
x
k
a
k
con
x
i
x
k
x
k
x
l
=
i
l
y donde las cantidades
x
i
x
k
y
x
i
x
k
deberan ser evaluadas en el punto P .
ReDenicion Un conjunto de cantidades b
1
, b
2
, , b
n
se denominaran componentes covariantes de un vector
b[ V
en un punto P de coordenadas
_
x
1
, x
2
, , x
n
_
si
1. dada dos base de formas
_
e
1
e
2
, e
n
[
_
y
_
e
1
e
2
, e
n
[
_
se cumple que
b[ = b
j
e
j
=

b
i
e
i
=
_
b[ e
i
_
= b
i
b[ e
i
_
=

b
i
_
=

b
i
= b
j
e
j
e
i
_
2. o equivalentemente, bajo una transformacion de coordenadas x
i
= x
i
_
x
j
_
con i, j = 1, 2, 3, , n.,
estas cantidades transforman como
b
k
=
x
i
x
k
b
i
b
k
=
x
i
x
k
b
i
con
x
i
x
k
x
k
x
l
=
i
l
x
i
x
k
y
x
i
x
k
deberan ser evaluadas en el punto P.
ReDenicion Generalizamos los conceptos anteriores de la siguiente manera. Dado un conjunto bases para de formas
diferenciales x
m
(1)[ , y
n
(2)[ hemos denido las componentes contravariantes de un tensor
T
ij
= T
_
_
x
i
(1)[
,
y
j
(2)[
_ V
_
T
ij
_
_
T
11
, T
12
, , T
1n
, T
21
, T
22
, , T
2n
, , T
nn
_
ahora, en esta vision, las componentes contravariantes en un punto P de coordenadas
_
x
1
, x
2
, , x
n
_
,seran
aquella que bajo una transformacion de coordenadas x
i
= x
i
_
x
j
_
con i, j = 1, 2, 3, , n., estas canti-
dades transforman como
T
ij
=
x
i
x
k
x
j
x
m
T
km
T
ij
=
x
i
x
k
x
j
x
m
T
km
con
x
i
x
k
x
k
x
l
=
i
l
y donde
x
i
x
k
y
x
i
x
k
deberan ser evaluadas en el punto P . Esta generalizacion nos permite construir
el caso mas general.
ReDenicion Si [t
i
(1)) , [u
j
(2)) , , [v
k
(m)) y
_
x
e
(1)[ ,
y
f
(2)
, , z
g
(n)[
_
son bases para los vectores y las
formas, respectivamente. Las componentes de un tensor seran
T
mn
ijk
= T
_
_
]ti(1))
,
]uj(2))
, , ,
]v
k
(m))
;
x
e
(1)]
,
y
f
(2)[
, ,
z
g
(n)]
_
un conjunto de cantidades
_
T
11
11
, T
21
11
, , T
1
11
, T
n1
11
, T
n1
21
, , T
11
m1
, , T
n n
m m
_
se denomi-
naran componentes contravariantes y covariantes, respectivamente, de un tensor mixto en un pun-
to P de coordenadas
_
x
1
, x
2
, , x
n
_
si bajo una transformacion de coordenadas x
i
= x
i
_
x
j
_
con
i, j = 1, 2, 3, , n., estas cantidades transforman como
T
ik
eg
=
x
i
x
p

x
j
x
q
x
a
x
e

x
d
x
g
T
pq
ad
T
ik
eg
=
x
i
x
p

x
j
x
q
x
a
x
e

x
d
x
g
T
pq
ad
con
x
i
x
k
x
k
x
l
=
i
l
x
i
x
k
y
x
i
x
k
deberan ser evaluadas en el punto P.
3.6.1. Un ejemplo
Ilustremos ahora las transformaciones de tensores bajo cambios de la base del espacio vectorial. Una vez
mas consideremos dos bases de vectores coordenados [e
1
) , [e
2
) , [e
3
) y [e
1
) , [e
2
) , [e
3
) para el espacio
vectorial '
3
La expresion de un determinado tensor en la base [e
1
) , [e
2
) , [e
3
) sera
[e
1
) , [e
2
) , [e
3
) [i) , [j) , [k) =T
i
j
=
_
_
2 1 3
2 3 4
1 2 2
_
_
Si consideramos una nueva base
[e
1
) , [e
2
) , [e
3
)
_
_
[e
1
) = [i)
[e
2
) = [i) +[j)
[e
3
) = [i) +[j) +[k)
_
_
_
_
_
_
e
1
[e
1
) = 1

e
1
[e
2
) = 1

e
1
[e
3
) = 1
e
2
[e
1
) = 1

e
2
[e
2
) = 2

e
2
[e
3
) = 2
e
3
[e
1
) = 1

e
3
[e
2
) = 2

e
3
[e
3
) = 3
_
_
_
_
_
_
para ese mismo espacio '
3
encontraremos la expresion que toma T
i
j
en esa base. Igualmente encontraremos las
expresiones para los siguientes tensores:

T
j
i
,

T
ij
,

T
ij
. Notese que esta nueva base no es ortogonal ,
e
k
[e
i
) , =
k
i
, con lo cual no se cumplen muchas cosas entre ellas [e
k
)
e
k
,= 1
Para encontrar la expresion

T
i
j
lo haremos expresando los vectores base [e
1
) , [e
2
) , [e
3
) [i) , [j) , [k)
en termino de la base [e
1
) , [e
2
) , [e
3
)
[e
1
) , [e
2
) , [e
3
) =
_
_
[e
1
) = [i) = [e
1
)
[e
2
) = [j) = [e
2
) [e
1
)
[e
3
) = [k) = [e
3
) [e
2
)
recordamos que un vector generico
[a) = a
j
[e
j
) = a
j
[e
j
) =
[a) = a
j
[e
j
) = a
1
[e
1
) + a
2
[e
2
) + a
3
[e
3
) = a
1
[e
1
) + a
2
([e
1
) +[e
2
)) + a
3
([e
1
) +[e
2
) +[e
3
))
con lo cual
a
1
[e
1
) +a
2
[e
2
) +a
3
[e
3
) =
_
a
1
+ a
2
+ a
3
_
[e
1
) +
_
a
2
+ a
3
_
[e
2
) + a
3
[e
3
)
y como
a
1
= a
1
+ a
2
+ a
3
a
2
= a
2
+ a
3
a
3
= a
3
_
_
_
=a
i
=
x
i
x
k
a
k
=
_
_
x
1
x
1
= 1;
x
1
x
2
= 1;
x
1
x
3
= 1;
x
2
x
1
= 0;
x
2
x
2
= 1;
x
2
x
3
= 1;
x
3
x
1
= 0;
x
3
x
2
= 0;
x
3
x
3
= 1;
Es de hacer notar que dado que la base ortonormal [e
1
) , [e
2
) , [e
3
) [i) , [j) , [k) se tiene que
[a) = a
j
[e
j
) = a
i
[e
i
) =
e
i
a) = a
j
e
i
[e
j
) = a
j
i
j
= a
i
= a
k
e
i
[e
k
) =
x
i
x
k
=

e
i
[e
k
)
El mismo procedimiento se puede aplicar para expresar el vector [a) como combinacion lineal de los vectores
[e
j
)
[a) = a
j
[e
j
) = a
j
[e
j
) = a
1
[e
1
) +a
2
[e
2
) +a
3
[e
3
) = a
1
[e
1
) +a
2
([e
2
) [e
1
)) +a
3
([e
3
) [e
2
))
a
1
= a
1
a
2
a
2
= a
2
a
3
a
3
= a
3
_
_
_
= a
k
= a
i
x
k
x
i
=
_
_
x
1
x
1
= 1;
x
1
x
2
= 1;
x
1
x
3
= 0;
x
2
x
1
= 0;
x
2
x
2
= 1;
x
2
x
3
= 1;
x
3
x
1
= 0;
x
3
x
2
= 0;
x
3
x
3
= 1;
Notese que, como era de esperarse,
x
i
x
k
x
k
x
j
=
i
j
=
_
_
1 1 1
0 1 1
0 0 1
_
_
_
_
1 1 0
0 1 1
0 0 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
Con las expresiones matriciales para las transformaciones ,estamos en capacidad de calcular, componente a
componente, las representacion del tensor en la nueva base con lo cual
T
k
m
=
x
k
x
i
x
j
x
m
T
i
j
=
T
1
1
=
x
1
x
i
x
j
x
1
T
i
j
=
x
1
x
1
_
x
1
x
1
T
1
1
+
x
2
x
1
T
1
2
+
x
3
x
1
T
1
3
_
+
x
1
x
2
_
x
1
x
1
T
2
1
+
x
2
x
1
T
2
2
+
x
3
x
1
T
2
3
_
+
x
1
x
3
_
x
1
x
1
T
3
1
+
x
2
x
1
T
3
2
+
x
3
x
1
T
3
3
_
es decir
T
1
1
=
x
1
x
i
x
j
x
1
T
i
j
= 1
_
1 T
1
1
+ 0 T
1
2
+ 0 T
1
3
_
1
_
1 T
2
1
+ 0 T
2
2
+ 0 T
2
3
_
+0
_
1 T
3
1
+ 0 T
3
2
+ 0 T
3
3
_
T
1
1
=
x
1
x
i
x
j
x
1
T
i
j
= T
1
1
T
2
1
= 2 2 = 0
del mismo modo
T
1
2
=
x
1
x
i
x
j
x
2
T
i
j
=
x
1
x
1
_
x
1
x
2
T
1
1
+
x
2
x
2
T
1
2
+
x
3
x
2
T
1
3
_
+
x
1
x
2
_
x
1
x
2
T
2
1
+
x
2
x
2
T
2
2
+
x
3
x
2
T
2
3
_
+
x
1
x
3
_
x
1
x
2
T
3
1
+
x
2
x
2
T
3
2
+
x
3
x
2
T
3
3
_
es decir
T
1
2
=
x
1
x
i
x
j
x
2
T
i
j
= 1
_
1 T
1
1
+ 1 T
1
2
+ 0 T
1
3
_
1
_
1 T
2
1
+ 1 T
2
2
+ 0 T
2
3
_
+0
_
1 T
3
1
+ 1 T
3
2
+ 0 T
1
3
_
T
1
2
=
x
1
x
i
x
j
x
1
T
i
j
=
_
T
1
1
+T
1
2
_
_
T
2
1
+T
2
2
_
= (2 + 1) (2 + 3) = 2
se puede continuar termino a termino o realizar la multiplicacion de las matrices
x
k
x
i
, T
i
j
y
x
j
x
m
provenientes
de la transformacion de componentes de tensores. Vale decir
T
k
m
=
x
k
x
i
T
i
j
x
j
x
m

_
_
1 1 0
0 1 1
0 0 1
_
_
_
_
2 1 3
2 3 4
1 2 2
_
_
_
_
1 1 1
0 1 1
0 0 1
_
_
=
_
_
0 2 3
1 2 4
1 3 5
_
_
hay que resaltar un especial cuidado que se tuvo en la colocacion de la matrices para su multiplicacion. Si
bien en la expresion

T
k
m
=
x
k
x
i
x
j
x
m
T
i
j
las cantidades
x
k
x
i
son n umeros y no importa el orden con el cual
se multipliquen, cuando se colocan como matrices debe respetarse la concatenacion interna de ndices.
Esto es cuando queramos expresar

T
k
m
como una matriz, donde el ndice contravariante k indica las y el
ndice covariante m las columnas, jamos primero estos ndices y luego respetamos la concatenacionndices
covariantes con los contravariantes. Esta es la convencion para expresar la multiplicacion de matrices en la
notacion de ndices
2
. Esto es
T
k
m
=
x
k
x
i
x
j
x
m
T
i
j
=

T
k
m
=
x
k
x
i
T
i
j
x
j
x
m
Ahora los objetos
x
k
x
i
, T
i
j
y
x
j
x
m
pueden ser sustituidos (en sus puestos correspondientes) por su represen-
tacion matricial.
Con lo cual hemos encontrado la representacion matricial

T
k
m
de las componentes del tensor T en la base
[e
1
) , [e
2
) , [e
3
)
_
_
T
1
1
= 0

T
1
2
= 2

T
1
2
= 3
T
2
1
= 1

T
2
2
= 2

T
2
3
= 4
T
3
1
= 1

T
3
2
= 3

T
3
3
= 5
_
_
Para encontrar la expresion para

T
km
recordamos que

T
km
= g
kn

T
n
m
es decir, requerimos las componentes
covariantes y contravariantes del tensor metrico g
kn
que genera esta base. Para ello recordamos que para una
base generica, [e
j
) , no necesariamente ortogonal, de un espacio vectorial con producto interno, podemos
2
Quiza una forma de comprobar si los ndices esta bien concatenados se observa si se bajan los ndices contravariantes
pero se colcan de antes que los covariantes. Esto es T
i
j
T
ij
As la multiplicacion de matrices queda representada por
C
i
j
= A
i
k
B
k
j
C
ij
= A
ik
B
kj
y aqu es claro que nidices consecutivos estan concatenados e indican multiplicacion
denir la expresion de un tensor
_
0
2
_
que denominaremos tensor metrico como
g
_
_
]ei)
,
]ej)
,
_
_
= g
ij
g
ji
= g
ij
g
ji
= g [[e
i
) , [e
j
)] e
i
[e
j
) e
j
[e
i
)
g
_
_
e
i
[
,
e
j
[
_ = g
ij
g
ij
= g
ij
g
ij
= ( g
ij
)
1
Es de hacer notar que la representacion matricial para la metrica covariante g
ij
de una base ortonormal
[e
1
) , [e
2
) , [e
3
) [i) , [j) , [k) es siempre diagonal. Esto es
g
11
= e
1
[e
1
) = i [i) = 1; g
12
= e
1
[e
2
) = i [j) = 0; g
13
= e
1
[e
2
) = i [j) = 0;
g
21
= e
2
[e
1
) = j [i) = 0; g
22
= e
2
[e
2
) = j [j) = 1 n; g
23
= e
2
[e
3
) = j [k) = 0;
g
31
= e
3
[e
1
) = k [i) = 0; g
32
= e
3
[e
2
) = k [j) = 0; g
33
= e
3
[e
3
) = k [k) = 1;
con lo cual
T
n
m
)
T
km
) g
kn
T
n
m
)
T
nm
)
g
nk
T
m
k
_
_
_
=
_
_
0 2 3
1 2 4
1 3 5
_
_
donde hemos denotado ) como la representacion matricial del objeto
Para el caso de la base generica no ortonormal [e
j
) tenemos dos formas de calcular el tensor (las
componentes covariantes y contravariantes) del tensor metrico. La primera es la forma directa
g
11
= e
1
[e
1
) = i [i) = 1; g
12
= e
1
[e
2
) = i[ ([i) +[j)) = 1;
g
21
= e
2
[e
1
) = (i[ +j[) [i) = 1; g
22
= e
2
[e
2
) = (i[ +j[) ([i) +[j)) = 2
g
31
= e
3
[e
1
) = (i[ +j[ +k[) [i) = 1; g
32
= e
3
[e
2
) = (i[ +j[ +k[) ([i) +[j)) = 2;
y
g
13
= e
1
[e
3
) = i[ ([i) +[j) +[k)) = 1;
g
23
= e
2
[e
3
) = (i[ +j[) ([i) +[j) +[k)) = 2
g
33
= e
3
[e
3
) = (i[ +j[ +k[) ([i) +[j) +[k)) = 3
consecuentemente
g
ij
g
ji

_
_
1 1 1
1 2 2
1 2 3
_
_
= g
ij
g
ij
= ( g
ij
)
1
_
_
2 1 0
1 2 1
0 1 1
_
_
La otra forma de calcular la metrica correspondiente la base ortonormal [e
1
) , [e
2
) , [e
3
) [i) , [j) , [k) y
transformarla a la base no ortonormal [e
1
) , [e
2
) , [e
3
) [i) , [i) +[j) , [i) +[j) +[k) esto es
g
km
=
x
i
x
k
x
j
x
m
g
ij
= g
km
=
x
i
x
k
g
ij
x
j
x
m
La metrica para el la base ortonormal ser a diagonal y ademas g
ii
=
1
g
ii
, con lo cual
g
ij

_
_
1 0 0
0 1 0
0 0 1
_
_
; g
ij
_
_
1 0 0
0 1 0
0 0 1
_
_
; g
i
j

_
_
1 0 0
0 1 0
0 0 1
_
_
;
y
g
km
=
x
i
x
k
g
ij
x
j
x
m
;
_
_
1 0 0
1 1 0
1 1 1
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
1 1 1
0 1 1
0 0 1
_
_
=
_
_
1 1 1
1 2 2
1 2 3
_
_
notese para conservar la convencion de ndices y matrices hemos representado que hemos traspuesto la matriz
correspondiente a
x
i
x
k
. La razon, como dijimos arriba es
g
km
=
x
i
x
k
g
ij
x
j
x
m
g
km
=
ik
g
ij

jm
g
km
=

ki
g
ij

jm
Para poder representar multiplicacion de matrices los ndices deben estar consecutivos, por tanto hay que
trasponer la representacion matricial para poder multiplicarla.
Ya estamos en capacidad de obtener las representaciones matriciales para los tensores:

T
j
i
,

T
ij
,

T
ij
.
_
T
j
i
_
=
_
T
i
j
_
T
_
_
0 2 3
1 2 4
1 3 5
_
_
T
=
_
_
0 1 1
2 2 3
3 4 5
_
_
T
j
i
_
_
T
km
_
=
_
g
kn

T
n
m
_
_
_
1 1 1
1 2 2
1 2 3
_
_
_
_
0 2 3
1 2 4
1 3 5
_
_
=
_
_
2 3 6
4 8 15
5 11 20
_
_
T
km
_
_
T
kn
_
=
_
T
n
m
g
mk
_
_
_
0 2 3
1 2 4
1 3 5
_
_
_
_
1 1 1
1 2 2
1 2 3
_
_
=
_
_
5 10 13
7 13 17
9 17 22
_
_
T
km
_
3.7. Teorema del Cociente
Al igual que existe el producto directo entre tenores, cabe preguntarse si es posible multiplicar una
componente de un tensor por otra de otro tensor y el producto sera un tensor ? Existe importantes
situaciones fsicas en las cuales es aplicable esta pregunta. Si T
ij
son las componentes de un tensor de rango
2 y V
i
el producto T
ij
V
i
= B
j
seran componentes de un vector ? La respuesta no es siempre armativa, y
puede ser utilizado como un criterio de cuando una componente es un tensor. Este criterio que se denomina
el Teorema del Cociente.
La respuesta a esta pregunta surge de una respuesta a una pregunta distinta pero equivalente. Dados n
2
n umeros a
ij
y un (una componente de un) vector generico V
i
, entonces la cantidad si a
ij
V
i
V
j
es un escalar
entonces la parte simetrica a
(ij)
=
1
2
(a
ij
+a
ji
) sera un (una componente de) tensor
_
0
2
_
. La demostracion
involucra algunos de los conceptos antes expuesto y la haremos para jar conceptos.
Dados dos sistemas de coordenadas x
i
= x
i
( x
m
) y x
j
= x
j
(x
m
) con i, j = 1, 2, 3, , n se cumple que
a
ij
x
i
x
j
= =

= a
ij
x
i
x
j
donde =

constituye un escalar
y por lo tanto derivando y utilizando la regla de la cadena
x
i
= x
i
_
x
j
(x
m
)
_
=
x
i
x
l
=
x
i
x
k
x
k
x
l
=
i
l
=
_
a
ij
x
i
x
j
a
ij
x
i
x
j
_
_
a
ij
a
kl
x
k
x
i
x
l
x
j
_
x
i
x
j
= 0
como hay una suma en ij no se puede armar la cantidad del parentesis se anula. Como esta armacion vale
para cualquier sistema de coordenadas Seleccionaremos las componentes coordenadas en la base canonica.
x
1
= (1, 0, 0, , 0) ; x
2
= (0, 1, 0, , 0) ; x
n
= (0, 0, 0, , 1)
con lo cual
a
11
a
kl
x
k
x
1
x
l
x
1
= 0; a
22
a
kl
x
k
x
2
x
l
x
2
= 0; a
nn
a
kl
x
k
x
n
x
l
x
n
= 0
como siempre podemos hacer a
(kl)
=
1
2
( a
kl
+ a
lk
) y a
[kl]
=
1
2
( a
kl
a
lk
) y separar el tensor
a
kl
= a
(kl)
+ a
[kl]
= a
(hh)

_
a
(kl)
+ a
[kl]
_
x
k
x
h
x
l
x
h
= 0 =
a
(hh)
a
(kl)
x
k
x
h
x
l
x
h
= 0
con lo cual se garantiza que la parte simetrica de un tensor transforma como un verdadero tensor una vez
que se contrae con un par de vectores.
3.8. Temas avanzados
3.8.1. Bases Discretas y Continuas
Haremos una disgresion para jar conceptos y extender algunos de los razonamientos que hemos desa-
rrollado hasta aqu. Tal y como vimos arriba, la representacion de un vector [F) en un espacio vecto-
rial abstracto V puede darse en termino de una base ortonormal de vectores (discreta y nita B
DF
=
[u
1
) , [u
2
) , [u
3
) , [u
n
) o discreta e innita B
DI
= [u
1
) , [u
2
) , [u
3
) [u
n
) ) de la forma:
[F) =
_
_
_
c
i
[u
i
) =

u
i
F) [u
i
) B
DF
= [u
1
) , [u
2
) , [u
3
) [u
n
)
c
i
[v
i
) =

u
i
F) [u
i
) B
DI
= [u
1
) , [u
2
) , [u
3
) [u
n
)
c
i
=

u
i
F) = c
j

u
i
[u
j
) = c
j
i
j
Ahora bien, si estamos tratando el espacio vectorial de funciones de cuadrado integrable L
2
,denidas en '
3
tendremos que
[F) = c
i
[u
i
)
u
i
F) [u
i
) =
i=0
__

d
3
r
t
u
i
(r
t
) f (r
t
)
_
[u
i
)
que se reescribe en terminos de funciones como
f (r) =
i=0
__

d
3
r
t
u
i
(r
t
) f (r
t
)
_
u
i
(r)
Es claro que se pueden intercambiar los smbolos de
_
y

, por lo cual
f (r) =
_

d
3
r
t
f (r
t
)
_

i=0
u
i
(r
t
) u
i
(r)
_
. .
(r
,r)
la funcion ((r
t
, r) que depende de los argumentos, r
t
y r, vive dentro de las integrales y convierte
f (r) =
_

d
3
r
t
f (r
t
) ((r
t
, r)
Este tipo de funciones que aparecio en el captulo de transformadas integrales se conoce como la funcion
distribucion delta de Dirac
f (r) =
_

d
3
r
t
f (r
t
) (r
t
r)
Esto sugiere la generalizacion de bases discretas a continua [w
) de tal forma que transformamos el ndice

de la sumatoria en la variable de una integral
[) =
_
d c () [w
)
donde
c () = w
[) =
_
d c () w
[w
) =
_
d c () ( )
con en la cual ( ) es una Delta de Dirac. As, los dos conceptos expresados hasta ahora tienen una
expresion:
PropiedadBase Discreta Continua
Ortogonalidad
v
i
[v
j
) =
i
j
w
[w
) = ( )
Cierre 1 =
j=0
[v
j
)
v
j
1 =
_
d [w
) w
[
Expansion [F) =

i=0
c
i
[u
i
) [) =
_
d c () [w
)
Componentes c
i
=

u
i
F) c () = w
[)
Producto Interno G[ F) =

i=0
g
i
f
i
G[ F) =
_
d g
() f ()
Norma F[ F) =

i=0
[f
i
[
2
F[ F) =
_
d [f ()[
2
3.8.2. Bases de Ondas Planas
Como un ejemplo de lo anterior consideraremos la base de las ondas planas. En el captulo de transfor-
madas integrales consideramos un caso particular de las transformada de Fourier compleja para una funcion,
vale decir
F(s) =
_

dt e
i st
f(t) f(t) =
_

ds e
i st
F(s)
las cuales re-escribiremos en terminos mas familiares a la comunidad de fsicos como
(x) =
1
2
_

dp e
i px/

(p)

(p) =
1
2
_

dx e
i px/
(x)
Hemos tenido cuidado de incluir los factores de normalizacion adecuados para el caso de las descripciones
en mecanica Cuantica. Estas formulas pueden ser re-interpretadas en funcion de los conceptos anteriormente
expuestos y podemos denir una base continua de la forma
(x) =
1
2
_

dp
_
1
2
e
i px/
_
. .
vp(x)
(p)

(p) =
1
2
_

dx
_
1
2
e
i px/
_
. .
v
x
p
(x)
(x)
por lo cual
(x) =
_

dp v
p
(x)

(p)

(p) =
_

dx v
p
(x) (x)
Diremos que la funcion (x) esta expresada en la base de ondas planas v
p
(x) =
1
2
e
i px/
Notese
El ndice p de v
p
(x) vara de forma continua entre e .
Que v
p
(x) =
1
2
e
i px/
/ L
2
es decir no pertenece al espacio vectorial de funciones de cuadrado
integrable ya que su norma diverge
v
p
[ v
p
) =
_

dx [v
p
(x)[
2
=
_

dx
1
2

Que las proyecciones de (x) sobre la base de ondas planas es

(p) = v
p
[ )
La relacion de cierre para esta base se expresa como
1=
_
d [v
) v
[
_

dp v
p
(x
t
) v
p
(x) =
_

dp
1
2
e
i p(x
x)/
= (x
t
x)
mientras que de la denicion de producto interno, uno obtiene
v
p
[ v
p
) =
_

dx v
p
(x) v
p
(x) =
_

dp
1
2
e
i x(p
p)/
= (p
t
p)
En este mismo orden de ideas podemos construir otra base continua
r0
(r) a partir de la utilizacion de
las propiedades de la delta de Dirac. Esto es
(r) =
_

d
3
r
0
(r
0
) (r
0
r)
. .
r
0
(r)
(r
0
) =
_

d
3
r (r) (r r
0
)
por lo cual la re-interpretacion es inmediata
(r) =
_

d
3
r
0
(r
0
)
r0
(r) con (r
0
) =
r0
[ ) =
_

d
3
r
r0
(r) (r)
mas a un la ortogonalidad queda garantizada por la relacion de cierre
r0
[
r0
) =
_

d
3
r
0

r0
(r)
r0
(r
t
) =
_

d
3
r
0
(r r
0
) (r
t
r
0
) = (r
t
r)
al igual que
r0
[
r
0
_
=
_

d
3
r
r0
(r)
r
0
(r) =
_

d
3
r (r r
0
) (r r
t
0
) = (r
t
0
r
0
)
3.8.3. Las Representaciones [r) y [p)
A partir de las bases de ondas planas v
p0
(x) ,y de distribuciones,
r0
(r) , construimos las llamadas
representaciones [r) y [p) de la forma siguiente. Asociamos
r0
(r) [r
0
)
v
p0
(x) [p
0
)
De esta forma dada las bases
r0
(r) y v
p0
(x) para el espacio vectorial V deniremos dos representa-
ciones, la representacion de coordenadas, [r
0
) , y la representacion de momentos [p
0
) de V,respectivamente.
De tal modo que
r
0
[ r
t
0
) =
_

d
3
r
r0
(r)
r
0
(r) = (r
t
0
r
0
)
1 =
_
d
3
r
0
[r
0
) r
0
[
p
0
[ p
t
0
) =
_

d
3
r v
0
(r) v
p0
(r) =
_

d
3
r
1
2
e
i r0p
0
/
= (p
t
0
p
0
)
1 =
_
d
3
p
0
[p
0
) p
0
[
Podemos, entonces expresar el producto interno para la representacion de coordenadas como
[) = [
__
d
3
r
0
[r
0
) r
0
[
_
. .
1
[) =
_
d
3
r
0

(r
0
)(r
0
)
y equivalentemente para la representacion de momentos
[) = [
__
d
3
p
0
[p
0
) p
0
[
_
. .
1
[) =
_
d
3
p
0

( p
0
)( p
0
)
por lo cual hemos encontrado que
[) =
_
d
3
r
0
[r
0
) r
0
[ ) =
_
d
3
p
0
[p
0
) p
0
[ )
(r
0
) = r
0
[) y ( p
0
) = p
0
[)
que es la representacion de [) en coordenadas, (r
0
), y en momentos, (p
0
). Adicionalmente cuando
[) = [p) tendremos que
r
0
[p
0
) = r
0
[
__
d
3
r
t
0
[r
t
0
) r
t
0
[
_
. .
1
[p
0
) = (2)
3/2
_
d
3
r
t
0
(r
t
0
r
0
) e
i
p0r0
r
0
[p
0
) = (2)
3/2
e
i
p0r0
con lo cual (p
0
) puede considerarse la transformada de Fourier de (r
0
), y denotaremos de ahora en ade-
lante las bases [r
0
) [r) y [p
0
) [p) . Estos ndices continuos, r
0
y p
0
,representan tres ndices continuos
r =(x, y, z) y p =(p
x
, p
y
, p
z
) . La proyeccion de un vector abstracto [) en la representacion [r) sera con-
siderada como su expresion en el espacio de coordenadas, igualmente su proyeccion p [) sera su expresion
en el espacio de los momentos. Eso nos permitira hacer corresponder los elementos de espacios vectoria-
les abstractos con, con elementos de un espacio vectorial de funciones. Por lo tanto todas las formulas de
proyeccion quedan como
r [) = (r) y p [) = (p)
mientras que las relaciones de cierre y ortonormalizacion
r[ r
t
) = (r
t
r) y 1 =
_
d
3
r [r) r[
p[ p) = (p
t
p) y 1 =
_
d
3
p [p) p[
por su parte, la relacion de cierre hara corresponder a la expresion del el producto interno de dos vectores,
tanto en la representacion de las coordenadas como en la representacion de momentos de la forma
[
__
d
3
r [r) r[
_
[) =
_
d
3
r
(r) (r)
[)
[
__
d
3
p [p) p[
_
[) =
_
d
3
p

(p)

(p)
donde

(p) y

(p) son las transformadas de Fourier de
(r) y (r), respectivamente. La armacion anterior

queda evidentemente demostrada del cambio entre las bases [r) y [p) . Esto es
r [p) = p [r)
= (2)
3/2
e
i
pr
por lo cual
(r) = r [) = r[
__
d
3
p [p) p[
_
[) =
_
d
3
p r [p) p[ ) = (2)
3/2
_
d
3
p e
i
pr

(p)
e inversamente
(p) = p [) = p[
__
d
3
r [r) r[
_
[) =
_
d
3
r p [r) r[ ) = (2)
3/2
_
d
3
r e
i
pr
(r)
Bibliografa
York)
[6] Lovelock, D, y Rund, H. (1975) Tensors, Dierential Forms & Variational Principles (John Wiley
Interscience, Nueva York).
Londres)
123
Captulo 4
Coordenadas Curvilineas
124
4.1. Disgreci on Derivativa
Los vectores podran ser constantes o variables. Ahora bien esa caracterstica se vericara tanto en las
componentes como en la base. Esto quiere decir que cuando un vector es variable podran variar su modulo, su
direccion, su sentido o todo junto o separado. Obviamente esta variabilidad del vector dependera de la base
en la cual se exprese, por lo cual un vector podra tener una componente constante en una base y constante
en otra.
[a)
(t)
= a
k
(t) [e
k
)
(t)
= a
k
[e
k
)
(t)
= a
k
(t) [e
k
)
De esta manera, cuando uno piensa en un vector variable [a)
(t)
a (t) uno rapidamente piensa en establecer
un cociente incremental
lm
t0
[a)
(t+t)
[a)
(t)
t
= lm
t0
[a)
(t)
t
=
d
_
[a)
(t)
_
dt
lm
t0
a (t + t) a (t)
t
= lm
t0
a (t)
t
=
da (t)
dt
La misma propuesta se cumplira para las formas diferenciales
(t)
a[ . Como siempre, las propiedades de esta
operacion seran
d
_
[a)
(t)
+[b)
(t)
_
dt
=
d
_
[a)
(t)
_
dt
+
d
_
[b)
(t)
_
dt
d
_
(t) [a)
(t)
_
dt
=
d((t))
dt
[a)
(t)
+(t)
d
_
[a)
(t)
_
dt
d
_
(t)
a [b)
(t)
_
dt
=
_
d
_
(t)
a[
_
dt
_
[b)
(t)
+a[
(t)
_
_
d
_
[b)
(t)
_
dt
_
_
Ahora bien, esto implica que
[a)
(t)
= a
k
(t) [e
k
)
(t)
=
d
_
[a)
(t)
_
dt
=
d
_
a
k
(t) [e
k
)
(t)
_
dt
=
d a
k
(t)
dt
[e
k
)
(t)
+a
k
(t)
d
_
[e
k
)
(t)
_
dt
con lo cual hay que tener cuidado al derivar vectores y cerciorarse de la dependencia funcional de base y
componentes. Habra sistemas de coordenadas (bases de vectores) que sean constantes y otros con bases
variables. As, el radio vector posicion de una partcula genera los vectores velocidad y aceleracion.
r = r (t) =v (t) =
d(r (t))
dt
=a (t) =
d(v (t))
dt
=
d
2
(r (t))
dt
2
ahora bien
r [r) = r
P
[u
r
) = x
P
[i) +y
P
[j) +z
P
[k) con [u
r
) = cos [i) + sen [j)
si suponemos que la partcula describe un movimiento entonces
r
P
= r
P
(t)
= (t)
_
_
_

_
_
_
x = x(t)
y = y (t)
z = z (t)
; [u
r
) = [u
r
)
(t)
;
[i) = const
[j) = const
[k) = const
con lo cual
d([u
r
))
dt
=
d(cos (t) [i) + sen (t) [j))
dt
= (sen (t))
d (t)
dt
[i) + cos (t)
d (t)
dt
[j)
d([u
r
))
dt
=
d (t)
dt
[(sen (t)) [i) + cos (t) [j)]
. .
]u
)
=
d (t)
dt
[u
)
ya que
|[u
r
)| =
_
u
r
[u
r
) =
_
[cos (t) i[ + sen (t) j[] [cos (t) [i) + sen (t) [j)] = 1
|[u
)| =
_
u
[u
) =
_
[(sen (t)) i[ + cos (t) j[] [(sen (t)) [i) + cos (t) [j)] = 1
y
u
r
[u
) = u
[u
r
) = [(sen (t)) i[ + cos (t) j[] [cos (t) i[ + sen (t) [j)] = 0
Mas a un
d([u
))
dt
=
d((sen (t)) [i) + cos (t) [j))
dt
= (cos (t) [i) + sen (t) [j)) =
d (t)
dt
[u
r
)
Con lo cual, una partcula que describe un movimiento generico vendra descrita en coordenadas cartesianas
por
r [r) = x
P
(t) [i) +y
P
(t) [j) +z
P
(t) [k)
y su velocidad sera
v (t) =
dr (t)
dt
=
d([r))
dt
=
d(x
P
(t) [i) +y
P
(t) [j) +z
P
(t) [k))
dt
=
d(x
P
(t))
dt
[i) +
d(y
P
(t))
dt
[j) +
d(z
P
(t))
dt
[k) = v
xP
(t) [i) +v
yP
(t) [j) +v
zP
(t) [k)
y la aceleracion
a (t) =
d(v
xP
(t))
dt
[i) +
d(v
yP
(t))
dt
[j) +
d(v
zP
(t))
dt
[k) = a
xP
(t) [i) +a
yP
(t) [j) +a
zP
(t) [k)
Mientras que en coordenadas polares sera
r [r) = r
P
(t) [u
r
)
(t)
=v (t) =
d
_
r (t)
P
[u
r
)
(t)
_
dt
=
d(r (t)
P
)
dt
[u
r
)
(t)
+r (t)
P
d
_
[u
r
)
(t)
_
dt
con lo cual la velocidad
v (t) = v
r
(t)
P
[u
r
)
(t)
+r (t)
P
d (t)
dt
[u
)
y la aceleracion
a (t) =
d(v (t))
dt
=
d
_
dr(t)
P
dt
[u
r
)
(t)
+r (t)
P
d(t)
dt
[u
)
_
dt
=
d
_
v
r
(t)
P
[u
r
)
(t)
_
dt
+
d
_
r (t)
P
d(t)
dt
[u
)
_
dt
a (t) =
d
_
dr(t)
P
dt
_
dt
[u
r
)
(t)
+
dr (t)
P
dt
d
_
[u
r
)
(t)
_
dt
+
dr (t)
P
dt
d (t)
dt
[u
)
(t)
+r (t)
P
d
2
(t)
dt
2
[u
)
(t)
+r (t)
P
d (t)
dt
d
_
[u
)
(t)
_
dt
a (t) =
_
_
_
d
_
dr(t)
P
dt
_
dt
r (t)
P
_
d (t)
dt
_
2
_
_
_
[u
r
)
(t)
+
_
2
dr (t)
P
dt
d (t)
dt
+r (t)
P
d
2
(t)
dt
2
_
[u
)
(t)
Claramente para el caso de un movimiento circular
r = R = const =
dR
dt
= 0 =
_
_
r (t) = R[u
r
)
(t)
v (t) = R
d(t)
dt
[u
)
a (t) = R
_
d(t)
dt
_
2
[u
r
)
(t)
+R
d
2
(t)
dt
2
[u
)
(t)
De aqu podemos ver claramente que velocidad v (t) y posicion r (t) son ortogonales. La velocidad, v (t) ,
siempre es tangente a la trayectoria r (t) y en este caso la trayectoria es una circunsferencia. En general el
vector
r
med
=
i
r (t
i
) =
i
(r (t
i
+ t
i
) r (t
i
)) = lm
t0
i
r (t
i
) =
_
dr (t) = r (t)
es decir dr (t) = lm
t0
i
r (t
i
) es tangente a la trayectoria. Es claro que
dr (t) = d[x
P
(t) [i) +y
P
(t) [j) +z
P
(t) [k)]
_
x
P
(t)
t
[i) +
y
P
(t)
t
[j) +
z
P
(t)
t
[k)
_
dt
4.2. Curvas y parametros
Podemos generalizar esta armacion y considerar un parametro generico , en este caso
r = r (x
P
() , y
P
() , z
P
()) =
dr (x
P
() , y
P
() , z
P
()) =
_
r
x
P
()
x
P
()
+
r
y
P
()
y
P
()
+
r
z
P
()
z
P
()
_
d
=
_
x
P
()
r
x
P
()
+
y
P
()
r
y
P
()
+
z
P
()
r
z
P
()
_
d
con lo cual
d()
d
=
x
P
()
()
x
P
()
+
y
P
()
()
y
P
()
+
z
P
()
()
z
P
()
con lo cual podemos considerar las cantidades
_
x
P
()
,
y
P
()
,
z
P
()
_
como las componentes del vector,
dr () , (y en general del operador
d()
d
) tangente a la trayectoria parametrizada con .
Mas a un las cantidades
_
()
x
P
()
,
()
x
P
()
,
()
z
P
()
_
seran los vectores base en esas coordenadas.
As al considerar coordenadas generalizadas
_
q
1
() , q
2
() , q
3
()
_
[r) =r =r
_
q
1
() , q
2
() , q
3
()
_
dr
_
q
1
() , q
2
() , q
3
()
_
=
q
1
()
d
r
q
1
()
+
q
2
()
d
r
q
2
()
+
q
3
()
d
r
q
3
()
dr
d
=
q
1
()
r
q
1
()
. .
]q
1
)
+
q
2
()
r
q
2
()
. .
]q
2
)
+
q
3
()
r
q
3
()
. .
]q
3
)
donde
_
q
1
_
=
r
q
1
()
,
q
2
_
=
r
q
2
()
,
q
3
_
=
r
q
3
()
,
_
son la base de vectores.
Por otro lado el modulo del vector |dr ()| representara la longitud de arco ds para esa curva. Por
consiguiente
ds
2
= dr() [dr()) =
ddr()[
d
d[dr())
d
(d)
2
=
q
i
dr()[
q
i
q
j
[dr())
q
j
(d)
2
=
dr()[
q
i
[dr())
q
j
q
i
d
. .
dq
i
q
j
d
. .
dq
j
=
dr()[
q
i
[dr())
q
j
dq
i
dq
j
donde
dr()
d
es el vector tangente a la curva. Dado que
(ds)
2
= g
ij
dx
i
dx
j
= g
ij
d x
i
d x
j
= g
ij
dq
i
dq
j
=
dr()[
q
i
[dr())
q
j
. .
gij
dq
i
dq
j
identicamos claramente
dr()[
q
i
[dr())
q
j
g
ij
Figura 4.1: Coordenadas Curvilneas en 2D.
Cuadrante I, coordenadas cilndricas x = cos ; y = sen; z = z
Cuadrante II, coordenadas cilndricas elpticas x = a coshucos v; y = a senhusenv; z = z
Cuadrante III coordenadas cilndricas parabolicas x =
1
2
_
u v
2
_
; y = uv; z = z
Cuadrante IV coordenadas cilndricas bipolares x
2
+ (y a cot u)
2
= a
2
csc
2
u;
_
x a
senh v
cosh v
_
2
+
y
2
=
a
2
senh
2
v
; z = z
4.3. Coordenadas Curvilneas Generalizadas
Como hemos visto siempre se podra denir un sistema de coordenadas generalizadas
_
q
1
, q
2
, q
3
_
tales que
[r) =r =r
_
q
1
, q
2
, q
3
_
=dr =
r
q
1
dq
1
+
r
q
2
dq
2
+
r
q
3
dq
3
=
(ds)
2
= g
ij
dx
i
dx
j
drdr =
r
q
i
r
q
j
dq
i
dq
j
=
_
_
g
ij
=
r
q
i
r
q
j
[e
j
) =
1
|r
q
j
]r)
q
j
genere una trada de vectors base [e
j
) ortonormales de vectores unitarios tales que
[e
1
) =
1
_
_
_
]r)
q
1
_
_
_
[r)
q
1
; [e
2
) =
1
_
_
_
]r)
q
2
_
_
_
[r)
q
2
; [e
3
) =
1
_
_
_
]r)
q
3
_
_
_
[r)
q
3
;
los cuales son vectores tangentes a las curvas que dene el radio vector [r). Claramente si el sistema es
ortogonal los factores de escala son importantes para su categorizacion
h
1
=
_
_
_
_
[r)
q
1
_
_
_
_
; h
2
=
_
_
_
_
[r)
q
2
_
_
_
_
; y h
3
=
_
_
_
_
[r)
q
3
_
_
_
_
;
con lo cual podemos denir el elemento de lnea como
ds
2
=
_
h
1
dq
1
_
2
+
_
h
2
dq
2
_
2
+
_
h
3
dq
3
_
2
=
dr()[
q
i
[dr())
q
j
dq
i
dq
j
= g
ij
dq
i
dq
j
Es decir que identicamos la metrica como
h
1
=
x
q
1
=
x
1
q
1
=
g
11
; h
2
=
y
q
2
=
x
2
q
2
=
g
22
; h
3
=
z
q
3
=
x
3
q
3
=
g
33
.
De tal forma que los casos particulares se recuperan facilmente.
4.3.1. Coordenadas generalizadas, vectores y formas
Recordando como construimos el desplazamiento para una base generica ortogonal, [e
j
) de un espacio
vectorial con producto interno, el desplazamiento innitesimal puede expresarse como
ds
2
dr [dr) =
_
d x
k
e
k
_
(d x
m
[e
m
)) =

e
k
[e
m
) d x
k
d x
m
= d x
m
d x
m
= g
km
d x
k
d x
m
Donde hemos utilizado el hecho que la metrica nos permite asociar componentes contravariantes a covariantes
y viceversa, es decir establece una relacion entre formas y vectores.
Si las bases de formas y vectores son ortogonales la metrica sera diagonal y como en general
_
_
_
]dr())
q
j
_
_
_ ,= 1,
entoces surgen los llamados factores de escala h
i
= g
ii
Entonces, una vez mas, una forma b[ o, un vector [a) cualquiera puede expresarse como una combinacion
lineal de formas o vectores base
[a) = a
j
[e
j
) = a
j
[e
j
) b[ = b
j
e
j
=

b
j
e
j
con
a
j
=

e
j
[a) ; a
j
=

e
j
[a) ; b
j
= b [e
j
) ; y

b
j
= b [e
j
)
De esta manera las componentes covariantes y contravariantes estaran relacionadas como
a
j
= g
jk
a
k
a
i
= h
[i]
a
[i]
donde h
[i]
a
[i]
NO indica suma. En otras palabras, en aquellos sistemas de coordenadas en los cuales la metrica
es diagonal pero no viene representada por la matriz unidad, subir y bajar indices puede incluir los camibos
de escala.
4.3.2. Velocidades y Aceleraciones
Antes de pasar a analizar los casos particulares haremos un alto para expresar las expresiones de las
velocidades y las aceleraciones en coordenadas generalizadas. Para ello recordamos que los vectores velocidad
y aceleracion se representan como
[V ) = V
j
[e
j
) = x
j
[e
j
) =

V
j
[e
j
) =

x
j
[e
j
) y [a) = a
j
[e
j
) = x
j
[e
j
) = a
j
[e
j
) =

x
j
[e
j
)
respectivamente. Para determinar las expresiones de estos vectores en cualquier sistema de coordenadas, es
suciente con encontrar las expresiones de sus componentes contravariantes o contravariantes. Como sabemos,
podremos encontrar una a partir de las otras con la ayuda de la metrica del sistema de coordenadas.
Entonces, el vector velocidad en la base cartesiana se puede expresar como
[V ) = V
x
[)+V
y
[)+V
z
k
_
= x[)+ y [)+ z
k
_
= x
j
[e
j
) = q
j
[e
j
) con [e
1
) = [) ; [e
2
) = [) ; y [e
3
) =
k
_
,
claramente las componentes contravariantes del vector velocidad en un sistema de coordenadas generalizado
son V
j
= q
j
Para encontrar las componentes covariantes recordamos que para cualquier base generalizada de vectores
o formas se expresan en termino de la base cartesiana (de vectores o formas) como
[e
j
) =
x
i
q
j
[e
i
) y

e
i
=
q
i
x
j
e
j
Entoces las componentes covariantes del vector velocidad en una base generalizada sera
V
j
= V [e
j
) = ( x
m
e
m
[)
_
x
i
q
j
[e
i
)
_
= x
m
x
m
q
j
= x
m
x
m
t
q
j
t
= x
m
x
m
q
j
=
_
VmV
m
2
_
q
j
Con lo cual resulta facil expresar las componentes covariantes una vez que conocemos el modulo del vector
expresado en ese sistema de coordenadas. El cual siempre viene expresado a partir del diferencial
d[r)
d[r)
dt
Para encontrar la expresion para la aceleracion se procede de manera analoga.
a
j
= a [e
j
) = ( x
m
e
m
[)
_
x
i
q
j
[e
i
)
_
= x
m
x
m
q
j

d
dt
_
x
m
x
m
q
j
_
x
m
x
m
q
j
y otra vez
x
m
q
j
=
x
m
q
j
a
j
=
d
dt
_
x
m
x
m
q
j
_
x
m
x
m
q
j
=
d
dt
_

q
j
_
x
m
x
m
2
__

q
j
_
x
m
x
m
2
_
y nalmente
a
j
=
d
dt
_

q
j
_
V
m
V
m
2
__

q
j
_
V
m
V
m
2
_
4.3.3. Coordenadas Cartesianas
El primer caso, el mas trivial, lo constituyen las coordenadas cartesianas. Vale decir
_
q
1
, q
2
, q
3
_
(x, y, z)
[r) = x[i) +y [j) +z [k) =r = x +y +z
k
r =r (x, y, z) =dr =
_
r
x
_
dx +
_
r
y
_
dy +
_
r
z
_
dz = dx[i) + dy [j) + dz [k)
cosecuentemente
h
x
=
_
_
_
]r)
x
_
_
_ = 1
h
y
=
_
_
_
]r)
y
_
_
_ = 1
h
z
=
_
_
_
]r)
z
_
_
_ = 1
y
[e
x
) =
1
|
|r
x
|
]r)
x
= [i)
[e
y
) =
1
|
|r
y
|
]r)
x
= [j)
[e
z
) =
1
|
|r
z
|
]r)
z
= [k)
;
El elemento de lnea viene denido como
(ds)
2
=
_
h
1
dx
1
_
2
+
_
h
2
dx
2
_
2
+
_
h
3
dx
3
_
2
ds
2
= dx
2
+ dy
2
+ dz
2
y el tensor metrico sera
g
11
= g
xx
= 1; g
22
= g
yy
= 1; g
22
= g
zz
= 1.
El hecho que para el caso de las coordenadas cartesianas h
x
= h
y
= h
z
= 1 signicara que las tomaremos
como coordenadas base respecto a las cuales expresaremos las demas.
4.3.4. Coordenadas Cilndricas
Las coordenadas cilndricas se expresan como
_
q
1
, q
2
, q
3
_
(, , z)
[r) = x(, ) [i) +y (, ) [j) +z [k) r = x(, ) +y (, ) +z
k
r =r (, , z) = dr =
_
r

_
d +
_
r

_
d +
_
r
z
_
dz
y estas cantidades pueden ser identicadas de las leyes de transformacion respecto a las coordendas carte-
sianas
x = x(, ) = cos
y = y (, ) = sen
z = z
_
_
=
dx = cos d send
dy = send + cos d
dz = dz
con lo cual es facil identicar
_
_
_
_
_
_
_
x(,)

= cos
y(,)

= sen
z

= 0
_
_
_
_
_
_
_
;
_
_
_
_
_
_
_
x(,)

= sen
y(,)

= cos
z

= 0
_
_
_
_
_
_
_
; y
_
_
_
_
_
_
x(,)
z
= 0
y(,)
z
= 0
z
z
= 1
_
_
_
_
_
_
y de all
h
=
_
_
_
_
[r)

_
_
_
_
=
_
_
_
_
_
_
_
x(, ) +y (, ) +z
k
_

_
_
_
_
_
_
=
_
_
_
_
x(, )

+
y (, )

_
_
_
_
h
= |cos +sen | = 1
y del mismo modo
h
=
_
_
_
_
(x(, ) +y (, ) )

_
_
_
_
= r; h
z
=
_
_
_
_
(z)
z
k
_
_
_
_
= 1.
mientras que los vectores unitarios seran
[e
) =
1
|
|r

|
]r)

=
x(,)

+
y(,)

= cos + sen
[e
) =
1
|
|r

|
]r)

=
1
_
x(,)

+
y(,)

_
= sen + cos
[e
z
) =
1
|
|r
z
|
]r)
z
=
(x(,)+y(,)+z
k)
z
=

k
;
(ds)
2
=
_
h
1
dx
1
_
2
+
_
h
2
dx
2
_
2
+
_
h
3
dx
3
_
2
ds
2
= d
2
+
2
d
2
+ dz
2
y el tensor metrico sera
g
11
= g
= 1; g
22
= g
=
2
; g
33
= g
zz
= 1.
4.3.5. Coordenadas Esfericas
Para construir el sistema de coordenadas esfericas
_
q
1
, q
2
, q
3
_
(r, , )
[r) = x(r, , ) [i) +y (r, , ) [j) +z (r, , ) [k) = x(r, , ) +y (r, , ) +z (r, , )
k
r = r (r, , ) = dr=
_
r
r
_
dr +
_
r

_
d +
_
r

_
d
y estas cantidades pueden ser identicadas de las leyes de transformacion respecto a las coordendas carte-
sianas
x = x(r, , ) = r cos sen
y = y (r, , ) = r sensen
z (r, , ) = r cos
_
_
=
dx = cos sendr r sensend +r cos cos d
dy = sensendr +r cos send +r sencos d
dz = cos dr r send
con lo cual es facil identicar
_
_
_
_
_
_
_
x(r,,)
r
= cos sen
y(r,,)
r
= sensen
z(r,,)
r
= cos
_
_
_
_
_
_
_
;
_
_
_
_
_
_
_
x(r,,)

= r sensen
y(r,,)

= r cos sen
z(r,,)

= 0
_
_
_
_
_
_
_
;
_
_
_
_
_
_
_
x(r,,)

= r cos cos
y(r,,)

= r sencos
z(r,,)

= r sen
_
_
_
_
_
_
_
y de all
h
r
=
_
_
_
_
[r)
r
_
_
_
_
=
_
_
_
_
_
_
_
x(r, , ) +y (r, , ) +z (r, , )
k
_
r
_
_
_
_
_
_
h
r
=
_
_
_
_
x(r, , )
r
+
y (r, , )
r
+
z (r, , )
r
k
_
_
_
_
h
r
=
_
_
_cos sen +sensen +cos

k
_
_
_ =
_
cos
2
sen
2
+ sen
2
sen
2
+ cos
2
= 1
y del mismo modo
h
=
_
_
_
_
_
_
_
x(r, , ) +y (r, , ) +z (r, , )
k
_

_
_
_
_
_
_
=
_
_
_
_
x(r, , )

+
y (r, , )

_
_
_
_
h
= |r sensen +r cos sen | =

_
(r sensen)
2
+ (r cos sen)
2
= r sen
Finalmente,
h
=
_
_
_
_
_
_
_
x(r, , ) +y (r, , ) +z (r, , )
k
_

_
_
_
_
_
_
h
=
_
_
_
_
x(r, , )

+
y (r, , )

+
z (r, , )

k
_
_
_
_
h
=
_
_
_r cos cos +r sencos sen

k
_
_
_
h
=
_
(r cos cos )
2
+ (r sencos )
2
+ (r sen)
2
= r
mientras que los vectores unitarios seran
[e
r
) =
1
|
|r
r
|
]r)
r
= cos sen +sensen +cos

k
[e
) =
1
|
|r

|
]r)

=
1
r sen
(r sensen +r cos sen )
[e
) =
1
|
|r

|
]r)

=
1
r
_
r cos cos +r sencos sen

k
_
;
(ds)
2
=
_
h
1
dx
1
_
2
+
_
h
2
dx
2
_
2
+
_
h
3
dx
3
_
2
ds
2
= dr
2
+r
2
sen
2
d
2
+r
2
d
2
El tensor metrico sera
g
11
= g
rr
= 1; g
22
= g
= r
2
sen
2
; g
33
= g
= r
2
.
Por completidud, enumeraremos algunos otros sistemas de coordenadas y dejaremos al lector la labor de
calcular los vectores unitarios y la metrica del espacio expresada en estas coordenadas.
4.3.6. Otros Sistemas Coordenados
Coordenadas Toroidales
_
q
1
, q
2
, q
3
_
(, , ) ; [r) = x(, , ) +y (, , ) +z (, , )
k
con
x = x(, , ) = r cos ; con r =
senh
cosh + cos
y = y (, , ) = r sen
z = z (, , ) = r
sen
cosh + cos
con lo cual los vectores unitarios seran
[e
) =
1
|
|r

|
]r)

=
1
(x(,,)+y(,,) +z(,,)
k)

(x(,,)+y(,,)+z(,,)
k)

[e
) =
1
|
|r

|
]r)

=
[e
) =
1
|
|r

|
]r)

=
;
[r)

=
__
senh
cosh +cos
_
cos
_

+
__
senh
cosh +cos
_
sen
_

+
__
senh
cosh +cos
_
sen
cosh +cos
_

k
[r)

=
_
coshcos + 1
cosh
2
+ 2 coshcos + cos
2
_
(cos +sen)
sen
_
cosh
2
coshcos 2
_
cosh
3
+ 3 cosh
2
cos + 3 coshcos
2
+ cos
3
la metrica queda como

ds
2
= r
2
_
d
2
+ d
2
senh
2
_
Las supercies = const representan toros alrededor del eje z; las supercies = const son esferas con
centro sobre el eje z;y nalmente las supercies = const son planos que contiene al eje z
Coordenadas Elipsoidales
Dados tres n umeros a, b y c; con a > b > c > 0, la ecuacion
x
2
a
2
+
+
y
2
b
2
+
+
z
2
c
2
+
= 1
representa las supercies cuadricas
1
homofocales (es decir, con el mismo foco u origen en (x = 0, y = 0, z = 0)).
Dependiendo del valor del parametro , estas ecuaciones representaran supercies
Elipsoides si > c
2
Hiperboloides de una hoja si c
2
> > b
2
Hiperboloides de dos hojas si b
2
> > c
2
Esto quiere decir que por cada punto (x, y, z) del espacio, pasan tres supercies cuadricas (dependiendo del
valor de ). Conocidos a, b y c y el punto, (x = x
0
, y = y
0
, z = z
0
) , los valores de vienen dados por las
races de la ecuacion c ubica
x
2
a
2
+
+
y
2
b
2
+
+
z
2
c
2
+
= 1 =
3
+
2
+ + = 0
con
= x
2
0
+y
2
0
+z
2
0
a
2
b
2
c
2
=
_
b
2
+c
2
_
x
2
0
+
_
a
2
+c
2
_
y
2
0
+
_
a
2
+b
2
_
z
2
0
a
2
b
2
_
a
2
+b
2
_
c
2
= x
2
0
b
2
c
2
+y
2
0
a
2
c
2
+z
2
0
a
2
b
2
a
2
b
2
c
2
Las races de esta ecuacion (
1
= ;
2
= ;
3
= ) denen las coordenadas elipsoidales del punto (x, y, z) =
(x(, , ) , y (, , ) , z (, , ))
_
q
1
, q
2
, q
3
_
(, , ) ; [r) = x(, , ) +y (, , ) +z (, , )
k
1
Notese que la proyeccion de estas supercies en el plano (x, y) representan curvas conicas homofocales
y la ley de transformacion queda como
x = x(, , ) =
(a
2
+) (a
2
+) (a
2
+)
(a
2
b
2
) (a
2
c
2
)
y = y (, , ) =
(b
2
+) (b
2
+) (b
2
+)
(b
2
a
2
) (b
2
c
2
)
z = z (, , ) =
(c
2
+) (c
2
+) (c
2
+)
(c
2
b
2
) (c
2
a
2
)
por cual la metrica sera
ds
2
=
( ) ( )
4 (a
2
+) (b
2
+) (c
2
+)
d
2
+
( ) ( )
4 (a
2
+) (b
2
+) (c
2
+)
d
2
+
( ) ( )
4 (a
2
+) (b
2
+) (c
2
+)
d
2
4.4. Vectores, Tensores, Metrica y Transformaciones
Nos toca ahora construir expresiones de vectores y tensores a partir de sus leyes de transformacion, hemos
dicho que los vectores y los tensores son independiente del sistema de coordenadas (la base) en la cual se
exprese.
4.4.1. Transformando Vectores
As si dada dos bases de vectores coordenados [e
1
) , [e
2
) , [e
3
) y [e
1
) , [e
2
) , [e
3
) para el espacio vectorial
'
3
Entonces, se cumple que:
[a) = a
j
[e
j
) = a
i
[e
i
) =
_
e
i
a) = a
i
e
i
a) = a
i
_
= a
i
= a
j
e
i
[e
j
) a
i
=
x
i
x
j
. .
e
i
]ej)
a
j
con ello de cartesianas a cilndricas
x = x(r, ) = cos ; y = y (r, ) = sen; z = z
de lo cual se deriva
_
_
_
_
_
_
_
x(,)

= cos
y(,)

= sen
z

= 0
_
_
_
_
_
_
_
;
_
_
_
_
_
_
_
x(,)

= sen
y(,)

= cos
z

= 0
_
_
_
_
_
_
_
; y
_
_
_
_
_
_
x(,)
z
= 0
y(,)
z
= 0
z
z
= 1
_
_
_
_
_
_
Entonces dados
[a) = a
j
[e
j
) = a
1
[e
1
) +a
2
[e
2
) +a
3
[e
3
) = a
x
[i) +a
y
[j) +a
z
[k)
[a) = a
i
[e
i
) = a
1
[e
1
) + a
2
[e
2
) + a
3
[e
3
) = a
r
[e
r
) +a
[e
) +a
z
[e
z
)
con
[e
) =
1
|
|r

|
]r)

=
x(,)

+
y(,)

= cos + sen
[e
) =
1
|
|r

|
]r)

=
1
_
x(,)

+
y(,)

_
= sen + cos
[e
z
) =
1
|
|r
z
|
]r)
z
=
(x(,)+y(,)+z
k)
z
=

k
;
Si tenemos en concreto un vector [a) = 5 [i) + 4 [j) + 3 [k) quisieramos conocer su expresion en coordenadas
cilndricas. Hay que hacer la acotacion que existe una familia de sistemas de coordenados cilndricos para-
metrizados por el angulo y NO un unico sistema coordenado. Obviamente se puede especicar el sistema
coordenado y entonces tendremos un conjunto de componentes denito. As la familia de componentes en
cilndricas del vector [a) seran
a
j
=

e
j
[a) =

e
j
_
a
1
[e
1
) + a
2
[e
2
) + a
3
[e
3
)
_
=

e
j
_
a
1
[e
1
) +a
2
[e
2
) +a
3
[e
3
)
_
con lo cual al expresar los vectores base
a
1
= a
= e
[ (5 [i) + 4 [j) + 3 [k)) = (cos + sen )

_
5 + 4 + 3
k
_
= 5 cos + 4 sen
a
2
= a
= e
[ (5 [i) + 4 [j) + 3 [k)) = (sen + cos )

_
5 + 4 + 3
k
_
= 5 sen + 4 cos
a
3
= a
z
= e
z
[ (5 [i) + 4 [j) + 3 [k)) = k[ (5 [i) + 4 [j) + 3 [k)) = 3
con lo cual
[a) = 5 [i) + 4 [j) + 3 [k) = (5 cos + 4 sen) [e
) + (5 sen + 4 cos ) [e
) + 3 [e
z
)
donde es claro que existen innitos sistemas cilindricos parametrizados por el angulo , digamos
= arctan
_
4
5
_
_
a
= 5 cos
_
arctan
_
4
5
__
+ 4 sen
_
arctan
_
4
5
__
=
25
41
41 +
16
41
41 =
41
a
= 5 sen
_
arctan
_
4
5
__
+ 4 cos
_
arctan
_
4
5
__
=
_
20
41
41
_
+
_
20
41
41
_
= 0
a
z
= 3
con lo cual hemos alineado el eje [e
) a lo largo del vector [a) . Ese es un sistema de coordenadas cilindrico

muy particular.
4.4.2. Transformando Tensores
Ilustremos ahora las transformaciones de tensores bajo cambios de la base del espacio vectorial.
Consideremos el siguiente tensor
[e
1
) , [e
2
) , [e
3
) [i) , [j) , [k) =T
i
j
=
_
_
2 1 3
2 3 4
1 2 2
_
_
Es decir es un tensor que hemos expresado en coordenadas cartesianas y queremos pasarlo a cilindricas. Para
ello recordamos que
T
k
m
=
x
k
x
i
x
j
x
m
T
i
j
donde
_
_
_
_
x
1
= x = x(, ) = cos
x
2
= y = y (, ) = sen
x
3
= z = z
_
_
x
1
= = (x, y) =
_
x
2
+y
2
x
2
= = (x, y) = arctan
_
y
x
_
x
3
= z = z
con lo cual
x
k
x
i
=
_
_
_
_
_
_
_
_
x
1
x
1
=

x
=
x
x
2
+y
2
x
1
x
2
=

y
=
y
x
2
+y
2
x
1
x
3
=

z
= 0
x
2
x
1
=

x
=
y
x
2
+y
2
x
2
x
2
=

y
=
x
x
2
+y
2
x
2
x
3
=

z
= 0
x
3
x
1
=
z
x
= 0
x
3
x
2
=
z
y
= 0
x
3
x
3
=
z
z
= 1
_
_
_
_
_
_
_
_
es decir
x
k
x
i
=
_
_
_
_
_
_
cos sen 0
sen
cos
0
0 0 1
_
_
_
_
_
_
mientras que
x
j
x
m
=
_
_
_
_
_
_
_
x
1
x
1
=
x

= cos
x
1
x
2
=
x

= sen
x
1
x
3
=
x
z
= 0
x
2
x
1
=
y

= sen
x
2
x
2
=
y

= cos
x
2
x
3
=
y
z
= 0
x
3
x
1
=
z

= 0
x
3
x
2
=
z

= 0
x
3
x
3
=
z
z
= 1
_
_
_
_
_
_
_
con lo cual
x
j
x
m
=
_
_
_
_
_
_
cos sen 0
sen cos 0
0 0 1
_
_
_
_
_
_
Por lo tanto
T
k
m
=
x
k
x
i
T
i
j
x
j
x
m

T
k
m
=
_
_
_
_
_
_
cos sen 0
sen
cos
0
0 0 1
_
_
_
_
_
_
T
i
j
_
_
_
_
_
_
cos sen 0
sen cos 0
0 0 1
_
_
_
_
_
_
es decir
T
k
m
=
_
_
cos sen 0
sen
cos
0
0 0 1
_
_
_
_
2 1 3
2 3 4
1 2 2
_
_
_
_
cos sen 0
sen cos 0
0 0 1
_
_
T
k
m
=
_
_
cos
2
+ 3 cos sen + 3 sencos 2 + 3 cos
2
3 cos + 4 sen
cos sen +3 cos
2
1
3 cos sen + cos

2
+ 2 3
sen
+ 4
cos
cos + 2 sen sen + 2 cos 2

_
_
Si suponemos que el origen del sistema de coordenadas cilindrico esta en el vector anterior. Esto es
[a) = 5 [i) + 4 [j) + 3 [k)
_
_
_
=
_
x
2
+y
2
=
5
2
+ 4
2
=
41
= arctan
_
y
x
_
= arctan
_
4
5
_
= 0,67474 rad
y entonces
T
k
m
=
_
_
3,8537 2,030 3 4,841 4
0,20569 1. 146 3 0,195 12
2,030 3 6,0 2
_
_
Si consideramos una nueva base
[e
1
) , [e
2
) , [e
3
)
_
_
[e
1
) = [i)
[e
2
) = [i) +[j)
[e
3
) = [i) +[j) +[k)
_
_
_
_
_
_
e
1
[e
1
) = 1

e
1
[e
2
) = 1

e
1
[e
3
) = 1
e
2
[e
1
) = 1

e
2
[e
2
) = 2

e
2
[e
3
) = 2
e
3
[e
1
) = 1

e
3
[e
2
) = 2

e
3
[e
3
) = 3
_
_
_
_
_
_
para ese mismo espacio '
3
encontraremos una nueva expresion que toma T
i
j
en esa base. Igualmente encontra-
remos las expresiones para los siguientes tensores:

T
j
i
,

T
ij
,

T
ij
. Notese que esta nueva base no es ortogonal
,
e
k
[e
i
) , =
k
i
, con lo cual no se cumplen muchas cosas entre ellas [e
k
)
e
k
,= 1
Para encontrar la expersion

T
i
j
expresamos los vectores base [e
1
) , [e
2
) , [e
3
) [i) , [j) , [k) en termino
de la base [e
1
) , [e
2
) , [e
3
)
[e
1
) , [e
2
) , [e
3
) =
_
_
[e
1
) = [i) = [e
1
)
[e
2
) = [j) = [e
2
) [e
1
)
[e
3
) = [k) = [e
3
) [e
2
)
recordamos que un vector generico
[a) = a
j
[e
j
) = a
j
[e
j
) =
[a) = a
j
[e
j
) = a
1
[e
1
) + a
2
[e
2
) + a
3
[e
3
) = a
1
[e
1
) + a
2
([e
1
) +[e
2
)) + a
3
([e
1
) +[e
2
) +[e
3
))
con lo cual
a
1
[e
1
) +a
2
[e
2
) +a
3
[e
3
) =
_
a
1
+ a
2
+ a
3
_
[e
1
) +
_
a
2
+ a
3
_
[e
2
) + a
3
[e
3
)
y como
a
1
= a
1
+ a
2
+ a
3
a
2
= a
2
+ a
3
a
3
= a
3
_
_
_
=a
i
=
x
i
x
k
a
k
=
_
_
x
1
x
1
= 1;
x
1
x
2
= 1;
x
1
x
3
= 1;
x
2
x
1
= 0;
x
2
x
2
= 1;
x
2
x
3
= 1;
x
3
x
1
= 0;
x
3
x
2
= 0;
x
3
x
3
= 1;
Es de hacer notar que dado que la base ortonormal [e
1
) , [e
2
) , [e
3
) [i) , [j) , [k) se tiene que
[a) = a
j
[e
j
) = a
i
[e
i
) =
e
i
a) = a
j
e
i
[e
j
) = a
j
i
j
= a
i
= a
k
e
i
[e
k
) =
x
i
x
k
=

e
i
[e
k
)
El mismo procedimiento se puede aplicar para expresar el vector [a) como combinacion lineal de los vectores
[e
j
)
[a) = a
j
[e
j
) = a
j
[e
j
) = a
1
[e
1
) +a
2
[e
2
) +a
3
[e
3
) = a
1
[e
1
) +a
2
([e
2
) [e
1
)) +a
3
([e
3
) [e
2
))
a
1
= a
1
a
2
a
2
= a
2
a
3
a
3
= a
3
_
_
_
= a
k
= a
i
x
k
x
i
=
_
_
x
1
x
1
= 1;
x
1
x
2
= 1;
x
1
x
3
= 0;
x
2
x
1
= 0;
x
2
x
2
= 1;
x
2
x
3
= 1;
x
3
x
1
= 0;
x
3
x
2
= 0;
x
3
x
3
= 1;
Notese que, como era de esperarse,
x
i
x
k
x
k
x
j
=
i
j
=
_
_
1 1 1
0 1 1
0 0 1
_
_
_
_
1 1 0
0 1 1
0 0 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
Con las expresiones matriciales para las transformaciones ,estamos en capacidad de calcular, componente a
componente, las representacion del tensor en la nueva base con lo cual
T
k
m
=
x
k
x
i
x
j
x
m
T
i
j
=
T
1
1
=
x
1
x
i
x
j
x
1
T
i
j
=
x
1
x
1
_
x
1
x
1
T
1
1
+
x
2
x
1
T
1
2
+
x
3
x
1
T
1
3
_
+
x
1
x
2
_
x
1
x
1
T
2
1
+
x
2
x
1
T
2
2
+
x
3
x
1
T
2
3
_
+
x
1
x
3
_
x
1
x
1
T
3
1
+
x
2
x
1
T
3
2
+
x
3
x
1
T
3
3
_
es decir
T
1
1
=
x
1
x
i
x
j
x
1
T
i
j
= 1
_
1 T
1
1
+ 0 T
1
2
+ 0 T
1
3
_
1
_
1 T
2
1
+ 0 T
2
2
+ 0 T
2
3
_
+0
_
1 T
3
1
+ 0 T
3
2
+ 0 T
3
3
_
T
1
1
=
x
1
x
i
x
j
x
1
T
i
j
= T
1
1
T
2
1
= 2 2 = 0
del mismo modo
T
1
2
=
x
1
x
i
x
j
x
2
T
i
j
=
x
1
x
1
_
x
1
x
2
T
1
1
+
x
2
x
2
T
1
2
+
x
3
x
2
T
1
3
_
+
x
1
x
2
_
x
1
x
2
T
2
1
+
x
2
x
2
T
2
2
+
x
3
x
2
T
2
3
_
+
x
1
x
3
_
x
1
x
2
T
3
1
+
x
2
x
2
T
3
2
+
x
3
x
2
T
3
3
_
es decir
T
1
2
=
x
1
x
i
x
j
x
2
T
i
j
= 1
_
1 T
1
1
+ 1 T
1
2
+ 0 T
1
3
_
1
_
1 T
2
1
+ 1 T
2
2
+ 0 T
2
3
_
+0
_
1 T
3
1
+ 1 T
3
2
+ 0 T
1
3
_
T
1
2
=
x
1
x
i
x
j
x
1
T
i
j
=
_
T
1
1
+T
1
2
_
_
T
2
1
+T
2
2
_
= (2 + 1) (2 + 3) = 2
se puede continuar termino a termino o realizar la multiplicacion de las matrices
x
k
x
i
, T
i
j
y
x
j
x
m
provenientes
de la transformacion de componentes de tensores. Vale decir
T
k
m
=
x
k
x
i
T
i
j
x
j
x
m

_
_
1 1 0
0 1 1
0 0 1
_
_
_
_
2 1 3
2 3 4
1 2 2
_
_
_
_
1 1 1
0 1 1
0 0 1
_
_
=
_
_
0 2 3
1 2 4
1 3 5
_
_
hay que resaltar un especial cuidado que se tuvo en la colocacon de la matrices para su multiplicacion. Si
bien en la expresion

T
k
m
=
x
k
x
i
x
j
x
m
T
i
j
las cantidades
x
k
x
i
son n umeros y no importa el orden con el cual
se multipliquen, cuando se colocan como matrices debe respetarse la concatenacion interna de ndices.
Esto es cuando querramos expresar

T
k
m
como una matriz, donde el ndice contravariante k indica las y el
ndice covariante m las columnas, jamos primero estos ndices y luego respetamos la concatenacionndices
covariantes con los contravariantes. Esta es la convencion para expresar la multiplicacion de matrices en la
notacion de ndices
2
. Esto es
T
k
m
=
x
k
x
i
x
j
x
m
T
i
j
=

T
k
m
=
x
k
x
i
T
i
j
x
j
x
m
Ahora los objetos
x
k
x
i
, T
i
j
y
x
j
x
m
pueden ser sustitidos (en sus puestos correspondientes) por su represen-
tacion matricial.
Con lo cual hemos encontrado la respresentacion matricial

T
k
m
de las componentes del tensor T en la
base [e
1
) , [e
2
) , [e
3
)
_
_
T
1
1
= 0

T
1
2
= 2

T
1
2
= 3
T
2
1
= 1

T
2
2
= 2

T
2
3
= 4
T
3
1
= 1

T
3
2
= 3

T
3
3
= 5
_
_
Para encontrar la expresion para

T
km
recordamos que

T
km
= g
kn

T
n
m
es decir, requerimos las componentes
covariantes y contravariantes del tensor metrico g
kn
que genera esta base. Para ello recordamos que para
para una base generica, [e
j
) , no necesariamente ortogonal, de un espacio vectorial con producto interno,
2
Quiza una forma de comprobar si los ndices esta bien concatenados se observa si se bajan los ndices contravariantes
pero se colcan de antes que los covariantes. Esto es T
i
j
T
ij
As la multiplicacion de matrices queda representada por
C
i
j
= A
i
k
B
k
j
C
ij
= A
ik
B
kj
y aqu es claro que nidices consecutivos estan concatenados e indican multiplicacion
podemos denir la expresion de un tensor
_
0
2
_
que denominaremos tensor metrico como
g
_
_
]ei)
,
]ej)
,
_
_
= g
ij
g
ji
= g
ij
g
ji
= g [[e
i
) , [e
j
)] e
i
[e
j
) e
j
[e
i
)
g
_
_
e
i
[
,
e
j
[
_ = g
ij
g
ij
= g
ij
g
ij
= ( g
ij
)
1
Es de hacer notar que la representacion matricial para la metrica covariante g
ij
de una base ortonormal
[e
1
) , [e
2
) , [e
3
) [i) , [j) , [k) es siempre diagonalEsto es
g
11
= e
1
[e
1
) = i [i) = 1; g
12
= e
1
[e
2
) = i [j) = 0; g
13
= e
1
[e
2
) = i [j) = 0;
g
21
= e
2
[e
1
) = j [i) = 0; g
22
= e
2
[e
2
) = j [j) = 1 n; g
23
= e
2
[e
3
) = j [k) = 0;
g
31
= e
3
[e
1
) = k [i) = 0; g
32
= e
3
[e
2
) = k [j) = 0; g
33
= e
3
[e
3
) = k [k) = 1;
con lo cual
T
n
m
)
T
km
) g
kn
T
n
m
)
T
nm
)
g
nk
T
m
k
_
_
_
=
_
_
0 2 3
1 2 4
1 3 5
_
_
donde hemos denotado ) como la representacion matricial del objeto
Para el caso de la base generica no ortonormal [e
j
) tenemos dos formas de calcular el tensor (las
componentes covariantes y contravariantes) del tensor metrico. La primera es la forma directa
g
11
= e
1
[e
1
) = i [i) = 1; g
12
= e
1
[e
2
) = i[ ([i) +[j)) = 1;
g
21
= e
2
[e
1
) = (i[ +j[) [i) = 1; g
22
= e
2
[e
2
) = (i[ +j[) ([i) +[j)) = 2
g
31
= e
3
[e
1
) = (i[ +j[ +k[) [i) = 1; g
32
= e
3
[e
2
) = (i[ +j[ +k[) ([i) +[j)) = 2;
y
g
13
= e
1
[e
3
) = i[ ([i) +[j) +[k)) = 1;
g
23
= e
2
[e
3
) = (i[ +j[) ([i) +[j) +[k)) = 2
g
33
= e
3
[e
3
) = (i[ +j[ +k[) ([i) +[j) +[k)) = 3
consecuentemente
g
ij
g
ji

_
_
1 1 1
1 2 2
1 2 3
_
_
= g
ij
g
ij
= ( g
ij
)
1
_
_
2 1 0
1 2 1
0 1 1
_
_
La otra forma de calcular la metrica correspondiente la base ortonormal [e
1
) , [e
2
) , [e
3
) [i) , [j) , [k) y
transformarla a la base no ortonormal [e
1
) , [e
2
) , [e
3
) [i) , [i) +[j) , [i) +[j) +[k) esto es
g
km
=
x
i
x
k
x
j
x
m
g
ij
= g
km
=
x
i
x
k
g
ij
x
j
x
m
La metrica para el la base ortonormal ser a diagonal y ademas g
ii
=
1
g
ii
, con lo cual
g
ij

_
_
1 0 0
0 1 0
0 0 1
_
_
; g
ij
_
_
1 0 0
0 1 0
0 0 1
_
_
; g
i
j

_
_
1 0 0
0 1 0
0 0 1
_
_
;
y
g
km
=
x
i
x
k
g
ij
x
j
x
m
;
_
_
1 0 0
1 1 0
1 1 1
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
1 1 1
0 1 1
0 0 1
_
_
=
_
_
1 1 1
1 2 2
1 2 3
_
_
notese para conservar la convencion de ndices y matrices hemos representado que hemos traspuesto la matriz
correspondiente a
x
i
x
k
. La razon, como dijimos arriba es
g
km
=
x
i
x
k
g
ij
x
j
x
m
g
km
=
ik
g
ij

jm
g
km
=

ki
g
ij

jm
Para poder representar multipicacion de matrices los ndices deben estar consecutivos, por tanto hay que
trasponer la represetacion matricial para poder multiplicarlar.
Ya estamos en capacidad de obtener las representacines matriciales para los tensores:

T
j
i
,

T
ij
,

T
ij
.
_
T
j
i
_
=
_
T
i
j
_
T
_
_
0 2 3
1 2 4
1 3 5
_
_
T
=
_
_
0 1 1
2 2 3
3 4 5
_
_
T
j
i
_
_
T
km
_
=
_
g
kn

T
n
m
_
_
_
1 1 1
1 2 2
1 2 3
_
_
_
_
0 2 3
1 2 4
1 3 5
_
_
=
_
_
2 3 6
4 8 15
5 11 20
_
_
T
km
_
_
T
kn
_
=
_
T
n
m
g
mk
_
_
_
0 2 3
1 2 4
1 3 5
_
_
_
_
1 1 1
1 2 2
1 2 3
_
_
=
_
_
5 10 13
7 13 17
9 17 22
_
_
T
km
_
Bibliografa
York)
Londres)
145
Captulo 5
Campos y Operadores Diferenciales
146
Figura 5.1: Radio vector posicion r (t) en '
2
que describe parametricamente una curva.
5.1. Campos Tensoriales y el Concepto de Campo
Cuando avanzamos en la derivacion de vectores vimos vectores que dependan del tiempo. Luego cuando
construimos sistemas de coordenadas ortogonales vimos tambien vectores que variaban en modulo direccion
y sentido.
[a)
(t)
= a
k
(t) [e
k
)
(t)
= a
k
[e
k
)
(t)
= a
k
(t) [e
k
)
Ahora podemos generalizar este concepto a tensores que dependen de una variable escalar
T [, , , ; , , , ]
(t)
T
_
_
]ti(1))
,
]uj(2))
, , ,
]v
k
(m))
;
x
m
(1)]
,
y
n
(2)]
, ,
z
l
(n)[
_
(t)
= T
mnl
ijk
(t)
T
mnl
ijk
(t)

t
i
(1)
u
j
(2)
v
k
(m)
[x
m
(1)) [y
n
(2)) [z
l
(n))
T
mnl
ijk
t
i
(1)
(t)
u
j
(2)
(t)

v
k
(m)
(t)
[ x
m
(1))
(t)
[ y
n
(2))
(t)
[ z
l
(n))
(t)
T
mnl
ijk
(t)

t
i
(1)
(t)
u
j
(2)
(t)

v
k
(m)
(t)
[ x
m
(1))
(t)
[ y
n
(2))
(t)
[ z
l
(n))
(t)
al igual que los vectores, la dependencia funcional de los tensores variara con la base en la cual se exprese.
As tendremos tensores cuyas componentes, en una determinada base, seran variables y en otra no. Mientras
que una de las bases sera variable y otra no.
Figura 5.2: Campo Vectorial en '
3
Igualmente saltamos al cociente incremental para conocer la velocidad de variacion
lm
t0
T [, , , ; , , , ]
(t+t)
T [, , , ; , , , ]
(t)
t
lm
t0
T [, , , ; , , , ]
(t)
t
d
_
T [, , , ; , , , ]
(t)
_
dt
si la base es constante, entonces podemos, como en el caso de los vectores, la dependencia funcional y su
variacion (su derivada) recae sobre sus componentes. As podemos construir la derivada de las componentes
como
lm
t0
T
mnl
ijk
(t + t) T
mnl
ijk
(t)
t
= lm
t0
T
mnl
ijk
(t)
t
=
d
_
T
mnl
ijk
(t)
_
dt
Siguiendo con el proceso de generalizacion podemos pensar en una dependencia funcional multilineal.
Esto es que el argumento de la funcion tensorial otro tensor,
T [, , , ; , , , ] = T [, , , ; , , , ]
[,, ,;,, ,]
A ese objeto se le llama Campo Tensorial, pero vamos con calma. Analicemos lo casos mas simples los cuales
son los verdaderamente utiles. Como era de esperarse, tendremos varios casos que se pueden construir a
partir de esta idea hemos visto funciones que ahora llamaremos campos homogeneos
= (t) funcion
[r)
(t)
r = r (t) ~r
k
(t) vector
T = T [, , , ; , , , ]
(t)
~T
mnl
ijk
(t) tensor
y veremos campos constantes o estacionarios r ,= r (t)
= (r) Campo Escalar
[a)
(]r))
a =a (r) ~a
k
(r) Campo Vectorial
T = T [, , , ; , , , ]
(]r))
~T
mnl
ijk
(r) Campo Tensorial
.
.
.
.
.
.
campos variables o no estacionarios
= (r (t) , t) Campo Escalar Variable
[a)
(]r))
a =a (r (t) , t) ~a
k
(r (t) , t) Campo Vectorial
T = T [, , , ; , , , ]
(]r))
~T
mnl
ijk
(r (t) , t) Campo Tensorial
.
.
.
.
.
.
en ambos casos hemos supuesto que la base en la cual se expresan vectores y tensores es constante.
La idea de los campos escalares, vectoriales, tensoriales, con argumento vectorial, es asociar un valor de la
componente (escalar, vectorial o tensorial) a cada punto del espacio (si el vector esta en '
3
). Obviamente los
campos escalares asocian un n umero a cada posicion y los campos vectoriales, ademas del n umero (modulo)
asocian una direccion y un sentido.
Los campos escalares seran las distribuciones de densidad (r (t)) , presion P (r (t)) y temperatura
T (r (t)) de la atmosfera terrestre o la distribucion de intensidades del campo electrico en una supercie.
As al considerar el potencial electrico
(r) = (x, y) = ln
_
_
(x + 1)
2
+y
2
_
ln
_
_
(x 1)
2
+y
2
_
La representacion del campo escalar sera
Campo Escalar (r) = (x, y) = ln
_
_
(x + 1)
2
+y
2
_
ln
_
_
(x 1)
2
+y
2
_
y la representacion de un campo vectorial sera
Campo vectorial
5.2. Campos escalares y supercies
Campo escalar sera aquella funcion escalar de argumento vectorial. Con ello a cada punto del espacio se
le asocia un n umero. Esto es
: '
n
' = (r) =
_
x
i
_
=
_
x
i
_
= (x, y, z) = ( x, y, z)
Estamos enfatizando el hecho que un campo escalar no variara bajo cambios de las coordenadas en su
argumento. Adicionalmente recalcamos que es indistinto hablar de vectores o sus coordenadas = (r)
=
_
x
i
_
. La Figura 5.3 ilustra un campo de temperaturas
T = T (x, y) = 70 + 180e
(x3)2/10(y2)2/10
Si unimos los puntos con iguales temperaturas tendremos curvas isotermas tal y como se observan en la
Figura 5.2
Figura 5.3: Ejemplo de Campo Escalar. Campo de Temperaturas T = T (x, y)
Curvas Isotermas. T = T (x, y) = cte
Un campo escalar =
_
x
1
, x
2
_
denira supercies si la representamos en '
3
como x
3
=
_
x
1
, x
2
_
curvas de nivel o isocurvas las cuales corresponden a soluciones =
_
x
i
_
= cte. Tal y como se ilustra en la
gura (5.4) los planos z = k = cte cortan la supercie y denen la curva g (x, y) = z = k.
En la proxima seccion describiremos una fauna de operadores vectoriales, su utilidad y signicado fsico.
5.3. Campos vectoriales y lneas de ujo
Consideremos ahora un campo vectorial a (r) y estudiemos su representacion y lo que es mas importante,
su variacion. Tal y como hemos dicho y volvemos a representar en la gura (5.5) los campos vectoriales
asocian un vector (con su modulo direccion y sentido) a cada punto del espacio. Com unmente, nos referimos
a campos vectoriales seg un el caso. As consideraremos campos de fuerza (es decir el vector del campo es una
fuerza), campo de velocidades ( el vector del campo es una velocidad). Del mismo modo a aquellas lneas a las
cuales los vectores son tangentes se les dominan lneas de campo, curvas integrales o simplemente lneas de
ujo o de corriente. A las trayectorias ortogonales a estas lneas, vale decir a aquellas lneas cuyos vectores
tangentes sean ortogonales al campo, se les denominaran lneas equipotenciales. El ejemplo mas emblematico
lo constituye el gradiente de un campo escalar

(x, y). Las lneas equipotenciales las dene el campo escalar
Figura 5.4: Curvas de Nivel para una funcion z = g (x, y) = cte
mismo, (x, y) = z = cte (curva de nivel) y construimos un campo vectorial con su gradiente,

(x, y) .
Como el gradiente es perpendicular a la curva de nivel tendremos que las curvas integrales, ( lneas de ujo o
lneas de corriente) del campo vectorial

(x, y) seran trayectorias ortogonales a las curvas equipotenciales.
5.3.1. Lneas de ujo o curvas integrales
Supongamos el caso bidimensional
1
en coordenadas cartesianas, y consideremos un desplazamiento dife-
rencial dr en la direccion del campo vectorial, es facil convencerse que
dr a (x, y) = a
x
(x, y) +a
y
(x, y)
dx
a
x
(x, y)
=
dy
a
y
(x, y)
con lo cual encontramos las lneas de ujo o curvas integrales y (x) del campo a (x, y)
dy
dx
=
a
y
(x, y)
a
x
(x, y)
y (x) =
_
a
y
(x, y)
a
x
(x, y)
dx
as dado un campo vectorial
a = x +y
dy
dx
=
y
x

_
dy
y
=
_
dx
x
+C y (x) =
1
x
C
1
o lo que son lo mismo hiperbolas yx = C.
Otra forma, equivalente de verlo es que
dr a (x(t) , y (t) , z (t) , t) dr a (x(t) , y (t) , z (t) , t) = 0
0 =
_
_
_
_
_
_

k
dx dy dz
a
x
(x(t) , y (t) , z (t) , t) a
y
(x(t) , y (t) , z (t) , t) a
z
(x(t) , y (t) , z (t) , t)
_
_
_
_
_
_
1
El caso tridimensional s olo a nade complicaciones tecnicas y no riqueza conceptual
Figura 5.5: Capt5AnalisiVectorial/Campos vectoriales
por lo cual
(a
z
(x(t) , y (t) , z (t) , t) dy a
y
(x(t) , y (t) , z (t) , t) dz)+
+(a
x
(x(t) , y (t) , z (t) , t) dz a
z
(x(t) , y (t) , z (t) , t) dx) +
+(a
y
(x(t) , y (t) , z (t) , t) dx a
x
(x(t) , y (t) , z (t) , t) dy)
k = 0
y nalmente
dx
a
x
(x(t) , y (t) , z (t) , t)
=
dy
a
y
(x(t) , y (t) , z (t) , t)
=
dz
a
z
(x(t) , y (t) , z (t) , t)
la integral de estas ecuaciones construira las lneas de ujo o curvas integrales.
5.3.2. Trayectorias ortogonales a las lneas de ujo
Para encontrar las trayectorias ortogonales al campo vectorial o las lneas equipotenciales construimos
un campo vectorial a
(x, y) que sea ortogonal en todo punto a a (x, y)

a
(x, y) a (x, y) = 0 a
x
(x, y) a
x
(x, y) +a
y
(x, y) a
y
(x, y) = 0
a
x
(x, y)
a
y
(x, y)
=
a
y
(x, y)
a
x
(x, y)
a
(x, y) = a
x
(x, y) a
y
(x, y)
y ahora procedemos del mismo modo pero con el campo vectorial a
(x, y, z)
dy
dx
=
a
y
(x, )
a
x
(x, y)
y (x) =
_
a
y
(x, y)
a
x
(x, y)
dx
con lo cual las trayectorias ortogonales al campo
a = x +y a
= y +x
dy
dx
=
x
y
y (x) =
_
C
2
+x
2
seran curvas.
5.4. Flujo de Campos Vectoriales
Podemos tambien imaginar ujo de campos vectoriales. Para ello, consideramos una supercie innitesi-
mal d
S =
_
_
_d
S
_
_
_ n
s
, con n
s
el vector unitario normal esa supercie S. Entonces, la cantidad
df =a d
S =a n
s
dS f =
__
s
a d
S =
__
s
a n
s
dS =
__
s
a
n
dS
representara el ujo del campo vectorial a traves de la supercie d
S. Hemos denotado a
n
como la componente
de a a lo largo de n
s
. Hay que hacer notar que f =
__
s
a d
S es independiente del sistema de coordenadas

y en cartesianas puede expresar como
df =a n
s
dS = a
1
cos
_
n
s
a
1
_
+a
2
cos
_
n
s
a
2
_
+a
3
cos
_
n
s
a
3
_
donde
_
a
1
, a
2
, a
3
_
son las componentes cartesianas del vector a. La idea que esta cantidad representa ujo
puede tenerse si pensamos en un uido incompresible que uye con un campo de velocidades v = v (r) . El
volumen que atraviesa una determinada supercie en un intervalo de tiempo dt. As, dS denira la base de un
tubo de uido y tendra como altura la |v| cos
_
n
s
v
_
dt ya que la altura no tiene por que ser perpendicular
a la base
2
. Por lo tanto la cantidad de uido que atraviesa la supercie por unidad de tiempo viene dada por
df =
_
|v| cos
_
n
s
v
__
dS = (v n
s
dS) =
_
v d
S
_
f =
__
s
v d
S =
__
s
v n
s
dS =
__
s
v
n
dS
5.5. La fauna de los operadores vectoriales
A partir del concepto de campo escalar, presentaremos la fauna de objetos diferenciales en el espacio
tridimensional. Salvo que se diga lo contrario, utilizaremos el sistema de coordenadas cartesianas, vale decir
_
q
1
, q
2
, q
3
_
(x, y, z)
[r) = x[i) +y [j) +z [k) =r = x +y +z
k
h
x
=
_
_
_
_
[r)
x
_
_
_
_
= 1; h
y
=
_
_
_
_
[r)
y
_
_
_
_
= 1; h
z
=
_
_
_
_
[r)
z
_
_
_
_
= 1
r =r (x, y, z) =dr =
_
r
x
_
dx +
_
r
y
_
dy +
_
r
z
_
dz = dx[i) + dy [j) + dz [k)
ds
2
= dx
2
+ dy
2
+ dz
2
g
11
= g
xx
= 1; g
22
= g
yy
= 1; g
22
= g
zz
= 1
2
Si lo es cos
d
n v
= 1 porque la velocidad es paralela a la normal

5.5.1. Derivada direccional, diferencial total y gradiente
Derivada direccional de Campos escalares
Para analizar los cambios en los campos escalares requerimos comparar dos instantes de tiempo para
ello, parametrizamos las componentes del vector tendremos que
z = (r (t)) = g (x(t) , y (t))
d (x(t) , y (t))
d t
=
(x(t) , y (t))
x
d x(t)
d t
+
(x(t) , y (t))
y
d y (t)
d t
=

(x(t) , y (t))
d r (t)
d t
(x(t) , y (t)) =
(x, y)
x
+
(x, y)
y
=
x
(x, y) +
y
(x, y) =
i
(x, y) [e
i
) =
,i
(x, y) [e
i
)
y lo llamaremos el gradiente de la funcion. El gradiente de un campo escalar es uno de los objetos mas
utiles, el cual lo hemos utilizado de manera operacional y no nos hemos detenido a reexionar sobre sus
propiedades.
Es claro que para una curva de nivel
g (x, y) = z = (r (t)) = k = cte
d (x(t) , y (t))
d t
=
d k
d t
= 0
d (x(t) , y (t))
d t
= 0 =

(x(t) , y (t))
d r (t)
d t
con lo cual dado que
d r(t)
d t
es la tangente a la curva, el gradiente es perpendicular a la curva tal y como
muestra la gura (5.5.1).
La derivada direccional indicara la tasa de cambio del campo escalar en la direccion que apuntemos.
Derivada Direccional
En una generalizacion de la idea que surge de parametizacion de la curva o de la derivada total respecto
al tiempo
d
d t
=

(x(t) , y (t))
d r (t)
d t
As es claro que, dados dos puntos M y M
t
en el campo se puedes relacionar sera. Deniremos, entonces la
derivada en la direccion de un vector unitario [u)
M
t
M como
D
]u)
=

(x, y) u =
d
d
= lm
M
M
(M
t
) (M)
_
M
t
M
_
Tal y como se puede apreciar en la gura (??) la derivada direccional representa la pendiente de la recta
tangente a la curva que surge como interseccion entre la supercie (x, y) = z = k = cte y el plano vertical
formado por el eje z y el vector unitario u.Si se da el caso que la funcion de penda de manera explcita del
parametro tendremos que
= (x(t) , y (t) , t)
d
d t
=
(x(t) , y (t) , t)
t
+

(x(t) , y (t) , t)
d r (t)
d t
Direccion de maxima variacion en una funcion
En este punto, varias conclusiones se pueden derivar del concepto de derivada total. La primera es que
dado que, la norma de la derivada direccional a lo largo de [u) es
_
_
D
]u)
_
_
=
_
_
_
(x, y) u
_
_
_ =
(x, y)
cos

_
(x, y) , u
_
(donde hemos denotado por

(x, y) u como el angulo que forman los vectores

(x, y) y u), el valor
maximo del la norma de la derivada direccional sera
_
_
D
]u)
_
_
max
=
(x, y)
=
_
i

_

x
i
x
i

_

x
1
_
2
+
_

x
2
_
2
+
_

x
3
_
2
es decir, cuando u apunta en la direccion del gradiente, o lo que es lo mismo, direccion de la mayor tasa
de cambio la indica la direccion del gradiente. O dicho de otro modo, en un determinado punto M de las
supercie (x, y) = z el vector

apunta en la direccion de la maxima tasa de cambio, tal y como podemos
apreciar en la gura (5.5.1).
Gradiente y Tangente de una funcion
La segunda conclusion es dado que el gradiente es ortogonal a la supercie, los vectores perpendiculares
a el conformaran el planto tangente a la supercie en un determinado punto.
Gradiente y ujo de un campo vectorial
Podemos utilizar la idea de ujo de un campo vectorial y generalizar la denicion de gradiente para que
sea independiente de coordenadas.
= grad = lm
V 0
1
V
__
s
(x, y, z) d
S = lm
V 0
1
V
__
s
(x, y, z) n
s
dS
Esto es, supongamos que construimos un campo vectorial de la forma siguiente
a (x, y, z) =c (x, y, z) con c = cte
con lo cual
f =
__
s
c (x, y, z) d
S =
__
s
c (x, y, z) n
s
dS
Es claro que esta expresion vale para todos los sistemas de coordenadas. En particular, para un sistema de
coordenadas cartesianas construimos un cubo diferencial con aristas que coincidan con los ejes coordenados.
Entonces se tiene que las caras del cubo seran con
d
S
x+
= (dy dz)
dx
; d
S
x
= (dy dz)
d
S
y+
= (dx dz)
dy
; d
S
y
= (dx dz)
dy
S
z+
= (dx dy)
dy
k; d
S
z
= (dx dy)
dy
k
con lo cual el ujo por las seis caras sera
df =c (x, y, z) d
S
x+
+c (x, y, z) d
S
x
+c (x, y, z) d
S
y+
+c (x, y, z) d
S
y
+c (x, y, z) d
S
z+
+c (x, y, z) d
S
z
=c ((x + dx, y, z) dy dz (x, y, z) dy dz +(x, y + dy, z) dx dz (x, y, z) dx dz
+(x, y, z + dz) dx dy (x, y, z) dx dy)
=c (((x + dx, y, z) (x, y, z)) dy dz + ((x, y + dy, z) (x, y, z)) dx dz+
+((x, y, z + dz) (x, y, z)) dx dy)
Desarrollando por Taylor hasta primer orden porque estamos considerando un cubo diferencial tendremos
que
(x + dx, y, z) (x, y, z) +
(x, y, z)
x
dx
(x, y + dy, z) (x, y, z) +
(x, y, z)
y
dy
(x, y, z + dz) (x, y, z) +
(x, y, z)
z
dz
con lo cual
df =
(x, y, z)
x
dx dy dz +
(x, y, z)
y
dy dx dz +
(x, y, z)
z
dz dx dy
df =
_
(x, y, z)
x
+
(x, y, z)
y
+
(x, y, z)
z
_
dV df =
_
_
dV
=
df
dV
= lm
V 0
f
2
f
1
V
2
V
1
= lm
V 0
1
V
__
s
(x, y, z) d
S = lm
V 0
1
V
__
s
(x, y, z) n dS
notese que hemos supuesto que V V
2
V y que f
2
=
__
s
(x, y, z) d
S Que quiere decir que tanto V

1
0
y con lo cual el ujo a traves de un punto se anula, f
1
0.
Gradiente y coordenadas curvilneas
La generalizacion de la expresion del gradiente en coordenadas curvilneas es inmediata a partir de
diferencial total de una funcion
_
q
1
, q
2
, q
3
_
. Esto es
_
q
1
, q
2
, q
3
_
=
_
q
j
_
d =
(x, y, z)
q
j
d q
j
=

_
q
1
, q
2
, q
3
_
d r
con
_
q
1
, q
2
, q
3
_
=
_
_
1
_
_
_
]r)
q
1
_
_
_

q
1
e
1
[ +
1
_
_
_
]r)
q
2
_
_
_

q
2
e
2
[ +
1
_
_
_
]r)
q
3
_
_
_

q
3
e
3
[
_
_
y
d r =
_
r
q
1
dq
1
+
r
q
2
dq
2
+
r
q
3
dq
3
_

d r =
__
_
_
_
[r)
q
1
_
_
_
_
[e
1
) dq
1
+
_
_
_
_
[r)
q
2
_
_
_
_
[e
2
) dq
2
+
_
_
_
_
[r)
q
3
_
_
_
_
[e
3
) dq
3
_
ya que
[e
1
) =
1
_
_
_
]r)
q
1
_
_
_
[r)
q
1
; [e
2
) =
1
_
_
_
]r)
q
2
_
_
_
[r)
q
2
; [e
3
) =
1
_
_
_
]r)
q
3
_
_
_
[r)
q
3
;
Es decir la forma general del gradiente para un sistema de coordenadas curvilneas es
= grad =
1
h
1

x
1
[e
1
) +
1
h
2

x
2
[e
2
) +
1
h
3

x
3
[e
3
)
Donde denotamos h
i
=
_
_
_
]r)
q
i
_
_
_ =
g
ii
el factor de escala que acompa na a la base [e
i
)
5.5.2. Divergencia y ujo en campos vectoriales
Viendo con un poco mas de cuidado la expresion para el gradiente tenemos
() = grad() =
_
[e
1
)
h
1
x
1
+
[e
2
)
h
2
x
2
[e
2
) +
[e
3
)
h
3
x
3
_
=
[e
i
)
(h)
i
x
i

Donde hemos indicado por (h)
i
al factor de escala y no implica suma. La suma esta indicada entre las
componentes

x
i

i
y los elementos de la base [e
i
) . Con esta inspiracion podemos construir un operador
vectorial

_
e
1
[
H(h
1
, h
2
, h
3
)
x
1
+
e
2
[
T (h
1
, h
2
, h
3
)
x
2
+
e
3
[
( (h
1
, h
2
, h
3
)
x
3
_
con lo cual, si cuidamos el orden de operacion, podremos realizar un producto escalar entre dos vectores
a
_
e
1
[
H(h
1
, h
2
, h
3
)
x
1
+
e
2
[
T (h
1
, h
2
, h
3
)
x
2
+
e
3
[
( (h
1
, h
2
, h
3
)
x
3
_
_
a
1
[e
1
) +a
2
[e
2
) +a
2
[e
3
)
_
a
e
1
[
H(h
1
, h
2
, h
3
)
_
a
1
[e
1
) +a
2
[e
2
) +a
2
[e
3
)
_
x
1
+
+
e
2
[
T (h
1
, h
2
, h
3
)
_
a
1
[e
1
) +a
2
[e
2
) +a
2
[e
3
)
_
x
2
+
e
3
[
( (h
1
, h
2
, h
3
)
_
a
1
[e
1
) +a
2
[e
2
) +a
2
[e
3
)
_
x
3
y hay que tener cuidado con la posible variacion de los vectores base. Consideremos en caso de coordenadas
cartesianas,
_
x
1
, x
2
, x
3
_
(x, y, z) , donde la base [e
i
) [i) , [j) , [k) es constante. Entonces tendremos
de forma inmediata
a =
a
i
_
x
j
_
x
i

i
a
i
_
x
j
_
a
x
(x, y, z)
x
+
a
y
(x, y, z)
y
+
a
z
(x, y, z)
z
Divergencia como medida de ujo
El signicado fsico de la divergencia puede comprenderse si consideramos la denicion, independiente
del sistema de coordenada
div [a]

a =
df
dV
= lm
V 0
1
V
__
s
a d
S lm
V 0
1
V
__
s
a n
s
dS = lm
V 0
1
V
__
s
a
n
dS
Es decir el ujo por unidad de volumen. Otra vez, para un sistema de coordenadas cartesianas construimos
un cubo diferencial con aristas que coincidan con los ejes coordenados. Entonces se tiene que las caras del
cubo seran con
d
S
x+
= (dy dz)
dx
; d
S
x
= (dy dz)
d
S
y+
= (dx dz)
dy
; d
S
y
= (dx dz)
d
S
z+
= (dx dy)
dy
k; d
S
z
= (dx dy)
k
el ujo por las seis caras sera
df =a d
S
x+
+a d
S
x
+a d
S
y+
+a d
S
y
+a d
S
z+
+a d
S
z
con lo cual
df = a
x
(x + dx, y, z) dy dz a
x
(x, y, z) dy dz+
+a
y
(x, y + dy, z) dx dz a
y
(x, y, z) dx dz+
+a
z
(x, y, z + dz) dx dy a
z
(x, y, z) dx dy
df = (a
x
(x + dx, y, z) a
x
(x, y, z)) dy dz + (a
y
(x, y + dy, z) a
y
(x, y, z)) dx dz+
+ (a
z
(x, y, z + dz) a
z
(x, y, z)) dx dy
desarrollando por Taylor otra vez, tendremos
a
x
(x + dx, y, z) a
x
(x, y, z) +
a
x
(x, y, z)
x
dx
a
y
(x, y + dy, z) a
y
(x, y, z) +
a
y
(x, y, z)
y
dy
a
z
(x, y, z + dz) a
z
(x, y, z) +
a
z
(x, y, z)
z
dz
obtendremos
df =
a
x
(x, y, z)
x
dx dy dz +
a
y
(x, y, z)
y
dy dx dz +
a
z
(x, y, z)
z
dz dx dy
df =a d
S =
_
a
x
(x, y, z)
x
+
a
y
(x, y, z)
y
+
a
z
(x, y, z)
z
_
dV
Consecuentemente
f =
__
S
a d
S =
___
V
_
a
x
(x, y, z)
x
+
a
y
(x, y, z)
y
+
a
z
(x, y, z)
z
_
dV
___
V
_
a
_
dV
La primera conclusion es que podemos convertir una integral de supercie cerrada de un campo vectorial,
en una integral de volumen encerrada por esa misma supercie. Lo hemos demostrado para el caso de
coordenadas cartesianas, pero como el ujo f =
__
S
a d
S es un escalar, esta armacion vale para cualquier

sistema de coordenadas. Esto se conoce como el Teorema de la Divergencia el cual veremos mas adelante
(ver seccion 5.7.1 en la pagina 176). A partir de este teorema tenemos que si la divergencia de un campo
vectorial en positiva lo interpretaremos como ujo hacia afuera (saliente) del volumen V encerrado por la
supercie, S, y si la divergencia del campo es negativa esa tendremos ujo entrante. Como ilustracion puede
ver el ejemplo de la pagina 163.
Divergencia y coordenadas curvilneas
Para encontrar la expresion para la divergencia en coordenadas curvilneas generalizadas partimos de la
denicion invariante de sistema de coordenadas
div [a]

a = lm
V 0
1
V
__
s
a d
S lm
V 0
1
V
__
s
a n
s
dS = lm
V 0
1
V
__
s
a
n
dS
y al igual que procedimos en coordenadas cartesianas, ahora consideraremos un paraleleppedo curvilneo
con tres de sus aristas alineadas con el sistema ortogonal curvilneo. Las caras de este paraleleppedo
curvilneo podran ser representadas como Entonces se tiene que las caras del cubo seran con
d
S
q
1
+
=
_
ds
q
2 ds
q
3
_
dq
1
[e
1
) ; d
S
q
1
=
_
ds
q
2 ds
q
3
_
[e
1
)
d
S
q
2
+
=
_
ds
q
3 ds
q
1
_
dq
2
[e
2
) ; d
S
q
2
=
_
ds
q
3 ds
q
1
_
[e
2
)
d
S
q
3
+
=
_
ds
q
1 ds
q
2
_
dq
3
[e
3
) ; d
S
q
3
=
_
ds
q
1 ds
q
2
_
[e
3
) ;
donde denotamos ds
i
el arco de curva a lo largo de la coordenadas curvilneas generalizada q
i
. Los parentesis
()
dq
i indican que esta supercie es evaluada en q
i
+ dq
i
Adicionalmente, es de hacer notar que
(ds
i
) =
_
g
ii
dq
i
= h
i
dq
i
donde los ndices repetidos NO indican suma
Ahora bien, dado que [a) a = a
j
[e
j
) el ujo por las seis caras sera
df =a d
S
q
1
+
+a d
S
q
1
+a d
S
q
2
+
+a d
S
q
2
+a d
S
q
3
+
+a d
S
q
3

continuando el paralelo, pero con mucho mas cuidado. Para comenzar vemos que ES el ujo del campo
vectorial lo que esta siendo evaluado en dos puntos distintos. A lo largo de q
1
vemos que
a d
S
q
1
=
_
a
1
_
q
1
, q
2
, q
3
_
h
2
h
3
_
dq
2
dq
3
a d
S
q
2
=
_
a
2
_
q
1
, q
2
, q
3
_
h
3
h
1
_
dq
3
dq
1
a d
S
q
3
=
_
a
3
_
q
1
, q
2
, q
3
_
h
1
h
2
_
dq
1
dq
2
con lo cual es el ujo lo que debemos desarrollar por Taylor.
a
1
_
q
1
+ dq
1
, q
2
, q
3
_
h
2
h
3
=
_
a
1
_
q
1
, q
2
, q
3
_
h
2
h
3
+

_
a
1
_
q
1
, q
2
, q
3
_
h
2
h
3
_
q
1
dq
1
_
a
2
_
q
1
, q
2
+ dq
2
, q
3
_
h
3
h
1
=
_
a
2
_
q
1
, q
2
, q
3
_
h
3
h
1
+

_
a
2
_
q
1
, q
2
, q
3
_
h
3
h
1
_
q
2
dq
2
_
a
3
_
q
1
+ dq
1
, q
2
, q
3
_
h
1
h
2
=
_
a
3
_
q
1
, q
2
, q
3
_
h
1
h
2
+

_
a
3
_
q
1
, q
2
, q
3
_
h
1
h
2
_
q
3
dq
3
_
Notese que el caso cartesiano no se hizo explcito este echo por cuanto h
3
= h
2
= h
1
= cte = 1. Entonces el
ujo por las el caso de coordenadas curvilneas sera
df =

_
a
1
_
q
1
, q
2
, q
3
_
h
2
h
3
_
q
1
dq
1
dq
2
dq
3
+

_
a
2
_
q
1
, q
2
, q
3
_
h
3
h
1
_
q
2
dq
2
dq
3
dq
1
+
+

_
a
3
_
q
1
, q
2
, q
3
_
h
1
h
2
_
q
3
dq
3
dq
1
dq
2
si recordamos que
dV = (ds
1
) (ds
2
) (ds
3
) =
_
g
11
dq
1
_
g
22
dq
2
_
g
33
dq
3
= h
1
h
2
h
3
dq
1
dq
2
dq
3
donde denotamos ds
i
el arco de curva a lo largo de la coordenadas curvilneas generalizada q
i
. Tendremos
que
df
dV
=
1
h
1
h
2
h
3
_
_
a
1
_
q
1
, q
2
, q
3
_
h
2
h
3
_
q
1
+

_
a
2
_
q
1
, q
2
, q
3
_
h
3
h
1
_
q
2
+

_
a
3
_
q
1
, q
2
, q
3
_
h
1
h
2
_
q
3
_
con lo cual identicamos la forma generica de la divergencia en coordenadas curvilneas
div [a]

a =
1
h
1
h
2
h
3
_
_
a
1
_
q
1
, q
2
, q
3
_
h
2
h
3
_
q
1
+

_
a
2
_
q
1
, q
2
, q
3
_
h
3
h
1
_
q
2
+

_
a
3
_
q
1
, q
2
, q
3
_
h
1
h
2
_
q
3
_
Un par de ejemplos
La ecuacion de continuidad El primero de los ejemplos que consideraremos es la ecuacion de continuidad.
Consideremos una supercie cerrada S que encierra un volumen V. Esta supercie esta inmersa en un uido,
de densidad (r, t) que uye con un campo de velocidades v (r, t) . Supondremos ademas que el volumen V
que encierra la supercie S no cambia de posicion, con lo cual, la variacion de masa del uido contenido en
este volumen es
t
____
V
(r, t) dV
_
=
___
V
(r, t)
t
dV
Entonces la variacion de la cantidad de uido encerrada por la supercie S sera igual a la cantidad de uido
que escapa (o ingresa) a traves de esa supercie. Esto es
___
V
(r, t)
t
dV =
__
s
(r, t) v (r, t) n
s
dS =
___
V
(v (r, t) (r, t)) dV

con lo cual
___
V
_
(r, t)
t
+

(v (r, t) (r, t))
_
dV = 0
(r, t)
t
+

(v (r, t) (r, t)) = 0
y esta ultima representa la ecuacion de continuidad en dinamica de uidos.
Fuentes y sumideros El segundo ejemplo es un calculo explcito el cual ilustra la interpretacion de la
divergencia como medida de ujo de un campo vectorial. Consideremos un campo vectorial de la forma
a (r) = q
r
r
3

q
r
2
u
r

a =
1
h
r
h
_
( a
r
(r, , ) h
)
r
+
( a
(r, , ) h
h
r
)
+
( a
(r, , ) h
r
h
a =
1
r
2
sen
_
_
q
r
2
r
2
sen
_
r
_
= 0
ya que en coordenadas esfericas, h
r
= 1, h
= r, h
= r sen.
Notese que el origen del sistema coordenado (el punto r = 0) no esta denido porque no lo estaba en
el campo vectorial original a (r) =
q
r
2
u
r
. Con lo cual, se tiene que si la supercie S no encierra a r = 0,
entonces el ujo a traves de esa supercie sera nulo
f =
__
S
a d
S =
___
V
_
a
_
dV = 0
Es decir, todo lo que entra sale. Sin embargo, si el volumen contiene al origen de coordenadas no podemos
decir nada por cuanto hay una indeterminacion en la expresion de la divergencia.
Consideremos con mas cuidado este caso de la aplicacion del Teorema de la Divergencia, en el cual la
supercie S contenga el origen de coordenadas. Es claro que el volumen contenido entre dos esferas de
distintos radio r < r, centradas en el origen y con supercies

S y S respectivamente no contiene al origen y
por lo tanto el ujo sera nulo
f =
___
V
_
a
_
dV = 0 =
__
s
a n
s
dS +
__
s
a n
s
d
S
Pero el campo vectorial sobre la supercie

S de la esfera de radio r es
a =
q
r
2
u
r
, y n
s
u
r
, con lo cual
__
s
a n
s
d
S =
__
s
q
r
2
u
r
( u
r
) d
S =
__
s
q
r
2
ds
ds
es decir,
__
s
a n
s
dS =
__
s
q
r
2
ds
ds
=
__
s
q
r
2
r
2
sen d d = q
_

0
sen d
_
2
0
d = 4q
ya que d
S = h
d h
d rd r send. Con lo cual, tenemos que el ujo de un campo singular en un

punto (el origen de coordenadas), a (r) =
q
r
2
u
r
, a traves de una supercie de que encierra ese punto singular,
no es nulo y es igual a 4q. El campo vectorial a (r) , se denominara campo de una partcula fuente si q > 0
y campo de un sumidero si q < 0
5.5.3. Rotores, lneas de torbellino y Circulaci on
Del mismo modo como hemos venido procediendo, haremos otra operacion vectorial con el operador
nabla

Tendremos entonces el rotor o rotacional actuando u operando sobre un campo vectorial

a. En
coordenadas cartesianas podremos expresar esta operacion como
a =
ijk
j
a
k
[e
i
)
ijk
a
k
x
j
[e
i
) = (
2
a
3
3
a
2
) [e
1
) + (
3
a
1
1
a
3
) [e
2
) + (
1
a
2
2
a
1
) [e
3
)
a = (
y
a
z

z
a
y
) + (
z
a
x
x
a
z
) + (
x
a
y

y
a
x
)
x

y

z
a
x
a
y
a
z
El rotor de un campo vectorial genera otro campo (pseudo)vectorial llamado campo rotor del campo vectorial.
Por razones que seran evidentes enseguida, las curvas integrales de este campo rotor se denominan lneas de
torbellino.
Lneas de torbellino
Consideremos el siguiente campo vectorial en coordenadas cilndricas para z 0
a = z u
= z (sen + cos ) =
z y
_
x
2
+y
2
+
z x
_
x
2
+y
2
con lo cual el campo rotor del campo vectorial a sera
b =

a (x, y, z) =

_
z y
_
x
2
+y
2
+
z x
_
x
2
+y
2
_
=
x

y

z
z y
x
2
+y
2
z x
x
2
+y
2
0
b =

a (x, y, z) =
x
_
x
2
+y
2

y
_
x
2
+y
2
+
z
_
x
2
+y
2
k
Figura 5.6: Rotores de un campo vectorial, lneas de torbellino
es claro que el campo vectorial y su campo rotor son ortogonales
_
z y
_
x
2
+y
2
+
z x
_
x
2
+y
2
_
x
_
x
2
+y
2

y
_
x
2
+y
2
+
z
_
x
2
+y
2
k
_
= 0
Tal y como se detallo en la Seccion 5.3 de la pagina 151 las lneas de ujo se construyen a partir de un
vector diferencial paralelo a campo vectorial en cada punto. Esto es si
b =

a (x, y, z) =
x

y

z
a
x
a
y
a
z
= (
y
a
z

z
a
y
) + (
z
a
x
x
a
z
) + (
x
a
y

y
a
x
)
k
tendremos que
dr
b =

a (x, y, z)
dx
b
x
(x, y, z)
=
dy
b
y
(x, y.z)
=
dz
b
z
(x, y.z)
= d
dx
(
y
a
z

z
a
y
)
=
dy
(
z
a
x
x
a
z
)
=
dz
(
x
a
y

y
a
x
)
= d
donde hemos parametrizado la curva con .
por lo tanto
dx
(
y
a
z

z
a
y
)
=
dy
(
z
a
x
x
a
z
)
=
dz
(
x
a
y

y
a
x
)
= d
_
x
2
+y
2
dx
x
=
_
x
2
+y
2
dy
y
=
_
x
2
+y
2
dz
z
= d
las dos primeras ecuaciones proveen
dy
dx
=
y
x
y (x) = xC
1

_
_
dx
d
=
x
x
2
+y
2
=

C
1
x() =
C
1
dy
d
=
y
x
2
+y
2
=

C
2
y () =
C
2
con
C
1
= cte;

C
1
=
1
_
1 + (C
1
)
2
= cte;

C
2
=
C
1
_
1 + (C
1
)
2
= C
1

C
1
= cte
nalmente
_
x
2
+y
2
dz
z
= d
dz
d
=
z
_
x
2
+y
2
=
z
x
_
1 + (C
1
)
2
=
z
C
1
_
1 + (C
1
)
2
=
z
con lo cual
dz
d
=
z
z () =
1
C
3
Lneas de campo ortogonales a supercies
Hemos visto como la condicion dr
b =

a (x, y, z) encuentra lneas (de torbellino) perpendiculares
al campo a (x, y, z) . Uno tambien puede plantearse encontrar el conjunto de supercies para las cuales las
lneas de ujo del campo vectorial, a (x, y, z) , sean perpendiculares. Para ello suponemos que existen estas
supercies y que se representan, matematicamente, como un funcion = (x, y, z) . Por lo tanto
a (x, y, z)

( (x, y, z)a (x, y, z)) =

(x, y, z) a (x, y, z) + (x, y, z)

a (x, y, z) = 0
es decir

es proporcional al campo a (x, y, z) y al aplicar el rotor a ambos miembros se anula. Mas a un,
al proyectar sobre el mismo vector a la ecuacion de la derecha nos queda
a (x, y, z)
_
(x, y, z) a (x, y, z)
_
+a (x, y, z)
_
(x, y, z)

a (x, y, z)
_
= 0
ambos sumandos se anula por denicion de producto vectorial, pero el segundo sumando
a (x, y, z)
_
a (x, y, z)
_
= 0
impone una condicion sobre el campo independiente de la funcion de proporcionalidad.
Por lo tanto, la condicion necesaria y suciente para que las lneas de ujo de un campo vectorial a (x, y, z)
sean perpendiculares a un conjunto de supercies = (x, y, z) es
a (x, y, z)
_
a (x, y, z)
_
= 0
Circulacion de un campo vectorial
La idea (y el nombre de rotor) surge de la idea de rotacion ( circulacion ? ) que este operador descubre
al ser aplicado a un campo vectorial. Como se muestra en la Figura 5.7, la idea intuitiva es colocar un
detector de rotacion inmerso en el campo. En este caso es un par de aspas e imaginamos que el campo
vectorial representa un campo de velocidades de un uido. Si el uido hace girar las aspas en sentido horario
Figura 5.7: Idea sobre el signicado fsico del rotor
(tirabuzon o sacacorchos derecho hacia arriba) diremos que el campo tiene una circulacion positiva y el rotor
del campo siempre sera positivo en esa region. Si es inversa, diremos que el campo tiene una circulacion
negativa y el rotor tambien lo sera en esa region. Finalmente, si el par de aspas no rota, el campo tendra una
circulacion nula o no tendra circulacion y su rotor sera tambien nulo en esa region.
Para concretar esta intuicion de forma matematica, procedemos de la siguiente forma. Suponga una
circunferencia con radio r = 2, la cual viene descrita parametricamente por el radio vector
r (t) = 2 cos t + 2 sint d r = 2 (sen + cos ) d
y nos planteamos hacer circular el campo a lo largo de la esa trayectoria. Esto es realizar la siguiente
integral
=
_
a d r =
_
2
0
z (sen + cos ) 2 (sen + cos ) d = 4z
El campo vectorial a = z (sen + cos ) esta representado en la Figura 5.6. Hemos utilizado el smbolo
_
para denotar la integral de lnea en un circuito cerrado. Es la primera idea de integrales de campos
vectoriales que veremos con mas detalles en las seccion 5.6.1. Uno hace el producto escalar a d r y luego
integra.
Es interesante comparar este resultado con el ujo del campo de rotores a traves de la supercie que
delimita la circunferencia de radio r = 2. Vale decir
__
_
a
_
n
s
d
S =
__
_
x
_
x
2
+y
2

y
_
x
2
+y
2
+
z
_
x
2
+y
2
k
_
k dx dy
__
_
a
_
n
s
d
S = z
__
dx dy
_
x
2
+y
2
= z
__
dr rd
r
= z
_
2
0
dr
_
2
0
d = 4z
Esta coincidencia no es tal, corresponde a otro Teorema Integral para campos vectoriales, el Teorema de
Stokes (ver seccion 5.7.2 en la pagina 182) mediante el cual se convierte una integral cerrada de lnea de un
campo vectorial en el ujo del campo de rotores. Este teorema lo estudiaremos con detalle en la seccion 5.7.2
La idea de circulacion se puede generalizar a un campo vectorial generico,
a = a
x
(x, y, z)+a
y
(x, y, z) +a
x
(x, y, z)
k
con lo cual la integral de lnea cerrada, a lo largo de una circunferencia de radio, r, en el plano x, y sera
=
_
a d r =
_
2
0
_
a
x
(x, y, z)+a
y
(x, y, z) +a
x
(x, y, z)
k
_
(r sen +r cos ) d
y suponiendo r 1 podemos desarrollar por Taylor las componentes del campo vectorial en al plano x, y
alrededor del origen de coordenadas r
x,y
0. Esto es
a
x
(x, y, 0) = a
x
[
r=0
+x
ax
x
r=0
+y
ax
y
r=0
+ = a
x
[
r=0
+r cos
ax
x
r=0
+r sen
ax
y
r=0
+
a
y
(x, y, 0) = a
y
[
r=0
+x
ay
x
r=0
+y
ay
y
r=0
+ = a
y
[
r=0
+r cos
ay
x
r=0
+r sen
ay
y
r=0
+
Por lo tanto, la integral de lnea nos queda como
=
_
a d r =
_
2
0
_
a
x
[
r=0
+r cos
a
x
x
r=0
+r sin
a
x
y
r=0
_
r sin d+
+
_
2
0
_
a
y
[
r=0
+r cos
a
y
x
r=0
+r sin
a
y
y
r=0
_
r cos d
con los cual
=
_
a d r = r
2
_
a
y
x
r=0
a
x
y
r=0
_
+O
_
r
3
_
Finalmente vemos que la componente del rotor en el origen del plano x, y es igual al lmite de la circulacion
a lo largo de una curva cerrada, dividida entre el area de la supercie que encierra la curva cerrada.
a
y
x
r=0
a
x
y
r=0
= lm
r0
r
2
Rotores y velocidades angulares
Considere un cuerpo rgido que gira alrededor de un eje con velocidad angular . Entonces la velocidad
tangencial de un punto P, con una posicion r medida a un origen O situado en ese eje, siempre es
v = r = (
y
z
z
y) + (
z
x
x
z) +
k(
x
y
y
x)
y su rotor sera
v = (
y
v
z

z
v
y
) + (
z
v
x
x
v
z
) + (
x
v
y

y
v
x
)
x

y

z
v
x
v
y
v
z
es decir, por ser un cuerpo rgido la velocidad angular es independiente de r; o lo que es lo mismo, todo
el cuerpo rgido tiene la misma velocidad angular. Con ello tendremos que
v =
ijk
j
v
k
[e
i
) =
ijk
klm
l
r
m
[e
i
) =
_
i
l
j
m
i
m
j
l
_
j
_
l
r
m
_
[e
i
)
v =
_
i
l
j
m
i
m
j
l
_
m
j
[e
i
) =
_
3
i
i
_
[e
i
) = 2
i
[e
i
) = 2
sin ndices hubiera sido
_
v
_
x
= (
y
v
z

z
v
y
) =
y
(
x
y
y
x)
z
(
z
x
x
z) = 2
x
_
v
_
y
= (
z
v
x
x
v
z
) =
z
(
y
z
z
y)
x
(
x
y
y
x) = 2
y
_
v
_
z
= (
x
v
y

y
v
x
) =
x
(
z
x
x
z)
y
(
y
z
z
y) = 2
z
Otra vez, el rotor de una campo de velocidades de un cuerpo (que rota) detecta su velocidad angular.
Rotores y coordenadas curvilneas
Una vez mas recurrimos a una denicion para el rotor independiente del sistemas de coordenada
a = rot [a] = lm
V 0
1
V
__
d
S a = lm
V 0
1
V
__
n
s
a d
S
y del mismo modo que calculamos el ujo a traves de las distintas capas de un volumen podremos (no lo
haremos y se lo dejaremos al lector) demostrar que
a = rot [a] =
1
h
j
h
k
_
ijk
_
h
k
a
k
_
q
j
[e
i
)
_
=
1
h
1
h
2
h
3
h
1
[e
1
) h
2
[e
2
) h
3
[e
3
)
q
1
q
2
q
3
h
1
a
1
h
2
a
2
h
3
a
3
donde los ndices repetidos i, j, k indican suma;

j y

k no indican suma sino que replican los valores de los
ndices j, k.
Explcitamente
a = rot [a] =
[e
1
)
h
2
h
3
_
(h
3
a
3
)
q
2

(h
2
a
2
)
q
3
_
+
[e
2
)
h
1
h
3
_
(h
1
a
1
)
q
3

(h
3
a
3
)
q
1
_
+
+
[e
3
)
h
1
h
2
_
(h
2
a
2
)
q
1

(h
1
a
1
)
q
2
_
5.5.4. Formulario del Operador nabla,

El operador nabla,

, en las formulas anteriores act ua como un operador lineal. Esto es, dadas (r) , (r) , (r)
funciones escalares de variable vectorial y a y

b dos campos vectoriales cuales quiera, se puede generar el
siguiente formulario, el cual debera ser demostrado por el lector
( +) =

+

() =

+
_
a +
b
_
=

a +
b +

_
a +
b
_
=

a +

b
_
=

a +

b +
b
y tambien si consideramos las cantidades a
b y a
b tendremos
_
a
b
_
=
_
i
_
a
j
b
j
_
[e
i
) =
_
a
_
b +
_
b
_
a
_
a
b
_
=
i
_
ijk
a
j
b
k
_
=
_
ijk
i
a
j
_
b
k
+
_
ijk
i
b
k
_
a
j
=
_
a
_
b a
_
b
_
_
a
b
_
=
_
_
a
b
_
a
_
+a
_
b
_
_
a

b
es claro que
a
_
b
_
,=
_
_
a a
j
_
i
b
i
_
,= b
i
i
a
j
por cuanto en las partes izquierda las derivadas act uan sobre las componentes de

b, mientras que en las
partes derechas es sobre las componentes de a.
Otros casos importantes se presentan cuando los campos escalares y/o vectoriales son a su vez funciones
de un campo escalar. Es decir, funciones compuestas. Esto es
= ((r)) y a =a ((r)) .
En este caso, tendremos
((r)) =
d
d
;

a ((r)) =

d a
d
;

a ((r)) =
_
d a
d
Para demostrar, por ejemplo,

a ((r)) =

d a
d
, utilizamos la estrategia de Taylor y expandimos el
campo vectorial alrededor de un determinado punto, digamos r = r
0
arbitrario. Esto es
a =a (r
0
) +
d a
d
r0
((r) (r
0
)) +
1
2
d
2
a
d
2
M
((r) (r
0
))
2
+
aplicando la divergencia a ambos miembros queda como
a =

[a (r
0
)] +

_
d a
d
r0
((r) (r
0
))
_
+
1
2
_
d
2
a
d
2
M
((r) (r
0
))
2
_
+
con lo cual
a =
d a
d
r0

(r) + ((r) (r
0
))
d
2
a
d
2
r0

(r) +
1
2
((r) (r
0
))
2
d
3
a
d
3
r0

(r) +
esta relacion vale para todo r, en particular para r = r
0
. Con lo cual
r0
=
d a
d
r0

(r
0
) =

a =
d a
d

(r)
ya que r
0
es arbitrario, con lo cual queda demostrado.
5.5.5. Nabla dos veces y el Laplaciano
Formulario de Nabla dos veces
Considerando a Nabla,

, como un operador surge la pregunta de su aplicacion repetida sobre distintos
objetos. Consideremos primero las siguientes expresiones en coordenadas cartesianas. Esto es
2
= =
i

=
ijk
k
[e
i
) = 0
a
_
=
i
_
j
a
j
_
[e
i
) =
j
i
a
j
[e
i
)
a
_
=

a
_
= 0
a
_
=
ijk
klm
l
a
m
[e
i
) =
_
i
l
j
m
i
m
j
l
_
l
a
m
[e
i
) =
i
j
a
j
[e
i
)
j
j
a
i
[e
i
)
a
_
=

a
_
a
Laplaciano y campos escalares
Mas alla de la gimnasia de ndices para determinar la expresion de la relacion vectorial, quiza la mas
importante de las aplicaciones es el Laplaciano, el cual en '
3
y en coordenadas cartesianas puede expresarse
como:
2
= =
i
i
=
xx
+
yy
+
zz
La importancia el Laplaciano reside en que la mayor parte (casi todas) las ecuaciones de la fsica matematica
son ecuaciones diferenciales (ordinarias y parciales) de segundo orden y el Laplaciano las genera en el espacio.
Adicionalmente la solucion a la ecuacion armonica
=
i
i
=
xx
+
yy
+
zz
= 0
es de importancias en varias areas de la fsica.
Se puede demostrar facilmente que el Laplaciano cumple con
( +C) = +C; () = + + 2
considerando las expresiones para el gradiente y la divergencia en coordenadas curvilneas
=
1
h
1

q
1
[e
1
) +
1
h
2

q
2
[e
2
) +
1
h
3

q
3
[e
3
)
y
a =
1
h
1
h
2
h
3
_
_
a
1
_
q
1
, q
2
, q
3
_
h
2
h
3
_
q
1
+

_
a
2
_
q
1
, q
2
, q
3
_
h
3
h
1
_
q
2
+

_
a
3
_
q
1
, q
2
, q
3
_
h
1
h
2
_
q
3
_
respectivamente, es facil llegar a la expresion para el Laplaciano en coordenadas curvilneas
2
=
1
h
1
h
2
h
3
_

q
1
_
h
2
h
3
h
1

q
1
_
+

q
2
_
h
1
h
3
h
2

q
2
_
+

q
3
_
h
2
h
1
h
3

q
3
__
Laplaciano y campos vectoriales
Inspirado en la forma que toma un campo vectorial en coordenadas cartesianas, deniremos el Laplaciano
de un campo vectorial como la relacion
a =

a
_
a
_
Desarrollando esta expresion en coordenadas cartesianas tendremos que
a =
_
i
_
j
a
j
_
j
a
j
j
a
i
_
[e
i
) = a =
_
j
a
i
_
[e
i
)
_
a
i
_
[e
i
)
Es decir, que el Laplaciano de un campo vectorial, expresado en coordenadas cartesianas, es igual al
vector cuyas componentes son los Laplacianos de las componentes del campo original. Es importante resaltar
que la expresion a =
_
a
i
_
[e
i
) se cumple unicamente en coordenadas cartesianas pero la denicion que
hemos propuesto, a =

a
_
a
_
, es una ecuacion vectorial y es, por lo tanto, valida en
cualquier sistema de coordenadas.
El Laplaciano de campos vectoriales no lleva construir un formulario de relaciones facilmente demostrables
_
=

() ;

( a) =
_
a
_
;

( a) =
_
a
_
5.5.6. Derivadas Direccionales de Campos Vectoriales
El concepto
Formalmente y como siempre la misma idea de derivada como cociente incremental. Dados dos puntos
P
1
y P
2
y un vector u que los une (va de P
1
P
2
), entonces por denicion
D
]u)
[a)
d a
du
= lm
P2P1
a (P
2
) a (P
1
)
P
2
P
1
=
_
d a
du
_
i
=
_
d a
i
du
_
= lm
P2P1
a
i
(P
2
) a
i
(P
1
)
P
2
P
1
por consiguiente, si a,tiene por componentes cartesianas (en general cualquier sistema de coordenadas orto-
gonales) (a
x
, a
y
, a
z
) las componentes del vector derivado seran
_
d ax
du
,
d ay
du
,
d az
du
_
. De modo que inspirados
en la derivada direccional de un campo escalar que presentamos en la seccion 5.5.1, podemos construir la
expresion para la derivada direccional de cada una de las componentes del vector
d a
du
. Esto es
d
du
= D
]u)
=

u = u
i
i
=
d a
i
du
= u

a
i
= u
j
j
a
i
=D
]u)
[a)
d a
du
=
_
u

_
a
Otra vez, en coordenadas cartesianas se tiene que
D
]u)
a =
_
u

_
a =
_
u
i
i
a
j
_
[e
j
) =D
]u)
()
d ()
du
=
_
u

_
() u
i
i
()
Un ejemplo: el campo de aceleraciones de un uido
El ejemplo mas estandar es la descripcion del campo de aceleraciones de un uido en movimiento. El
campo de aceleraciones de un uido, como de costumbre, es la variacion del campo de velocidades respecto
al tiempo. Esto es a =
d v
dt
. Para escribir la expresion de este campo de aceleraciones, supongamos que un
uido se mueve y registra un campo de velocidades v = v (r, t) el cual, en general, sera inhomogeneo y no
estacionario. Identicamos una porcion del uido (partcula) cualquiera y observamos que en un intervalo
Figura 5.8: Contribuciones a la variacion de la velocidad en un uido
de tiempo dt esa porcion identicada se mueve de P
1
P
2
y registra un incremento en su velocidad de v
en P
1
a v + dv en P
2
:
v (P
1
) v (r, t) y v (P
2
) v (r + dr, t + dt)
Tal y como ejemplicamos en la Figura 5.8, este incremento proviene de dos contribuciones. Una, llamada
local, debido a el cambio en la variable temporal y otra, por la comparacion del vector velocidad, v, en dos
posiciones (traslacion espacial o contribucion convectiva).
d v
t
=
v
t
dt y d v
u
=
d v
du
du
Visto de otro modo un poco mas informal, dado que el campo es funcion de dos variables y una de ellas
vectorial
v = v (r, t) a =
d v
dt
=
d v
dr
+
v
t
De la discusion anterior es claro que
d v
du
es la derivada direccional del campo de velocidades a lo largo
del vector unitario u que apunta P
1
P
2
Ahora bien, para este caso tenemos que:
du = |d r| , du = |v| dt y u =
v
|v|
con lo cual la derivada direccional nos queda como
d v
du
=
1
|v|
_
v

_
v
nalmente la aceleracion nos queda expresada como
a =
d v
dt
=
1
|v|
_
v

_
v +
v
t
a
i
=
1
|v|
_
v

_
v
i
+
v
i
t
donde hemos representado las componentes cartesianas de los vectores velocidad y aceleracion como v
i
y a
i
,
respectivamente.
Es importante hacer una reexion un poco mas fsica de las contribuciones. La contribucion local proviene
de la variaci on del vector (por la dependencia temporal) alrededor del punto, sin importar la direccion que
sigue al partcula y la contribucion convectiva proviene de la inhomogeneidad del campo de velocidades. Esto
es de la variacion del campo de velocidades seg un la direccion que siga la partcula.
5.6. Integrales y Campos Vectoriales
5.6.1. Resumiendo lo visto
Integrales de Campos
Despues de haber diferenciado campos escalares y vectoriales, el siguiente paso es integrarlos. El primer
caso de este tipo integrales es el trivial que siempre hemos utilizado:
_

V (u) d u =
_
V
x
(u) d u +
_
V
y
(u) d u +
k
_
V
z
(u) d u =
__
V
i
(u) d u
_
[e
i
)
As integramos la aceleracion de un movimiento parabolico
d v
dt
=a = g
k =v =
_
a dt =

k
_
g dt =
kgt +v
0
=
kgt +v
0x
+v
0y
+
kv
0z
Ahora bien, existen sutilezas en este caso que debemos tener en cuenta. Por ejemplo considere la integral
_
dt
_
a
d
2
a
dt
2
_
=
_
dt
_
d
dt
_
a
d a
dt
_
d a
dt

d a
dt
_
=
_
dt
d
dt
_
a
d a
dt
_
=a
d a
dt
+c
Pero en general los casos quedan resueltos integrando componente a componente con la ayuda de la notacion
de ndices
_
dt
_
a
b
_
=
__
dt
_
ijk
a
j
b
k
_
_
[e
i
)
Quiza uno de los problemas que ilustra mejor esta situacion es el movimiento bajo fuerzas centrales. La Ley
de Gravitaci on de Newton nos dice que
F = m a = m
d v
dt
= m G
M
r
2
mM
u
r
=
d v
dt
= G
M
r
2
mM
u
r
Es costumbre denir la velocidad aerolar, v
A
, como el area barrida por el radio vector posicion, r (t) que
describe la trayectoria de la partcula
2v
A
= r
d r
dt
= r u
r

d (r u
r
)
dt
= r u
r

_
d r
dt
u
r
+r
d u
r
dt
_
= r u
r
r
d u
r
dt
= r
2
u
r

d u
r
dt
Notese que si c es un vector constante
d
dt
_
u
r

d u
r
dt
_
= 0 = u
r

d u
r
dt
=c =2v
A
= r
2
u
r

d u
r
dt
= const
con lo cual
d
dt
(v v
A
) =
d v
dt
v
A
= G
M
r
2
mM
u
r
v
A
=
MG
2
_
u
r

_
u
r

d u
r
dt
__
d
dt
(v v
A
) =
MG
2
__
u
r

d u
r
dt
_
u
r
( u
r
u
r
)
d u
r
dt
_
=
MG
2
d u
r
dt
integrando
v v
A
=
MG
2
u
r
+ p
Figura 5.9: Trayectorias de integracion y campos vectoriales
donde p es un vector arbitrario de constante de integracion. Finalmente nos damos cuenta que
r (v v
A
) = r u
r

_
MG
2
u
r
+ p
_
=
MG
2
r +rp cos
r (v v
A
) =
ijk
r
i
v
j
v
Ak
v
A
(r v) = v
A
v
A
= v
2
A
y entonces
v
2
A
=
MG
2
r +rp cos =r =
v
2
A
MG
2
+p cos
2v
2
A
MG
1 +
2p
MG
cos
que constituye la ecuacion de una conica.
Integrales de lnea
Ahora nos detendremos con mas cuidado en integrales que tambien ya hemos utilizado, pero muy rapi-
damente. As tendremos por delante algunos objetos del siguiente tenor:
_
C
d r,
_
C
V d r y
_
C
V d r
Este tipo de objetos se conoce como integrales de lnea y requieren la especicacion de la curva, C, (la
trayectoria) a lo largo de la cual se lleva la integracion. Es clara la importancia de esa trayectoria para la
integracion de los campos por cuanto encontraran expresiones del campo vectorial que puebla la region a
traves de la cual se integra. Esas trayectorias seran abiertas o cerradas dependiendo de la curva que se siga
en el proceso de integracion.
As para integrar un campo escalar = (r) en coordenadas cartesianas, tendremos que
_
C
(x, y, z) d r =
_
C
(x, y, z)
_
d x +d y +d z

k
_
=
_
C
(x, y (x) , z (x)) d x +
_
C
(x(y) , y, z (y)) d y +
k
_
C
(x(z) , y (z) , z) d z
tal y como indicamos arriba, las tres integrales se podran realizar si conocemos, en cada caso, la expresion
del integrando en termino de la variable de integracion. Esa es la razon por la cual hay que especicar la
curva C que dene la trayectoria de integracion. Esta dene esa funcionalidad.
Integrales de Supercie
Otros objetos que ya nos hemos encontrado son las integrales de supercie y las hemos encontrado cuando
evaluamos el ujo de un campo vectorial y lo relacionamos con la divergencia. As interpretamos que objetos
__
s
a d
S
__
s
a n
s
dS =
__
s
a
n
dS
representaban el ujo de las lneas de campo a traves del diferencial de supercie d
S. Es costumbre que
se separen el modulo, dS, de la direccion y el sentido, n
s
el cual es el vector normal (sentido positivo) a
la supercie. Otra vez, las supercies podran ser abiertas (cuando disponen de una curva que limita sus
fronteras) y cerradas cuando no. Un crculo sera una supercie abierta y una esfera cerrada. Por convencion
supondremos que el vector normal a una supercie cerrada tendra sentido positivo saliendo.
La utilizacion de integrales de supercie nos ha permitido denir, de manera invariante (independiente
del sistema de coordenadas) las expresiones para los operadores diferenciales. As hemos podido denir:
grad = lm
V 0
1
V
__
s
(x, y, z) d
S = lm
V 0
1
V
__
s
(x, y, z) n
s
dS
a div [a] = lm
V 0
1
V
__
s
a d
S lm
V 0
1
V
__
s
a n
s
dS = lm
V 0
1
V
__
s
a
n
dS
a rot [a] = lm
V 0
1
V
__
d
S a = lm
V 0
1
V
__
n
s
a d
S
5.7. Campos Vectoriales y Teoremas integrales
En esta seccion presentaremos un conjunto de teoremas que relacionan las variaciones de un campo
vectorial con las fuentes que lo producen. En terminos tecnicos (matematicos) resultan fundamentales cuando
queremos convertir un tipo de integral (lnea, supercie o volumen) en otra.
El primer teorema, el Teorema de Gauss permite expresar el valor de una integral de volumen, V, en-
cerrado por una determinada supercie, S, (cerrada) en terminos de una integral sobre esa supercie, S.
El otro teorema importante es el Teorema de Stokes, el cual permite relacionar el valor de una integral de
supercie con la integral de lnea sobre la curva que delimita esa supercie.
5.7.1. Teorema de Gauss
Presentacion y demostracion
La primera relacion que presentaremos entre una integral de supercie de un campo vectorial, a,y una
de supercie de su derivada es el Teorema de Gauss el cual se expresa de forma vectorial como
__
s
a d

S
__
s
a n
s
dS =
_
V
a d V
Figura 5.10: Teoremas de Gauss
donde a = a (x, y, z) es el campo vectorial d

S n
s
dS es el diferencial de area y d V el diferencial de
volumen.
Tal y como vimos en su oportunidad el termino

a es interpretado como el ujo del campo a por unidad
de volumen, por lo tanto el lado derecho de la ecuacion es la tasa de ujo neto que sale del volumen sobre
el cual estamos integrando.
La demostracion del Teorema de Gauss es como sigue. supongamos un volumen encerrado por una
supercie convexa, S, como se muestra en la Figura 5.10 en los cuadrantes I, II y III. Supongamos ademas
que orientamos el sistema de coordenada de tal forma que una lnea paralela a uno de los ejes toca la supercie
en dos puntos (Figura 5.10, cuadrante I). De este modo podemos trazar una supercie (perpendicular a esa
lnea) tal que divida la supercie, S, en dos supercies, S
1,
y S
2,
cada una de las cuales esta bordeada por la
curva, C, (Figura 5.10, cuadrante II).
Al evaluar la integral
_
S
a
x
d

S =
_
S1
a
x
d

S +
_
S2
a
x
d

S =
__
s
[a
x
(x
2
, y, z) a
x
(x
1
, y, z)] d S
t
ya que las componentes x de los vectores normales a las dos supercies que contribuyen (Figura 5.10,
cuadrante III) tienen signos opuestos
d S
2x
= d

S
2
= d

S
1
= d S
1x
= d y d z = d S
t
Ahora bien, dado que
a
x
x
= lm
x2x1
a
x
(x
2
, y, z) a
x
(x
1
, y, z)
x
2
x
1
a
x
(x
2
, y, z) a
x
(x
1
, y, z) =
_
x2
x1
a
x
x
dx
con lo cual
_
S
a
x
d

S =
__
s
__
x2
x1
a
x
x
dx
_
d y d z =
_
V
a
x
x
dV
y equivalentemente al hacerlo en las direcciones y

k, obtendremos
_
S
a
y
d

S =
_
V
a
y
y
dV y
_
S
a
z
k d

S =
_
V
a
z
z
dV
y nalmente hemos demostrado el Teorema de la divergencia o Teorema de Gauss
__
s
a d

S
__
s
a n
s
dS =
_
V
_
a
x
x
+
a
y
y
+
a
z
z
_
d V =
_
V
_
i
a
i
_
d V =
_
V
a d V
Expresiones equivalentes para el Teorema de Gauss
Si bien la expresion estandar es la que hemos presentado, existen algunas variantes que se derivan de ella.
Por ejemplo si consideramos un campo escalar, (x, y, z) , el teorema de Gauss nos conduce a
__
s
(x, y, z) d

S =
___
V
(x, y, z) d V y
__
s
d

S

B(x, y, z) =
___
V

B(x, y, z) d V
donde

B(x, y, z) es un campo vectorial.
Para comprobar la primera de estas dos relaciones consideramos un vector c constante y construimos un
campo vectorial
a (x, y, z) =c(x, y, z)
__
s
a d

S =
___
V
a d V c
__
s
(x, y, z) d

S =c
___
V
(x, y, z) d V
0 =c
___
s
(x, y, z) d

S
___
V
(x, y, z) d V
_
es decir, para todo vector c siempre se cumple que
__
s
(x, y, z) d

S =
___
V
(x, y, z) d V
Esa misma metodologa se puede aplicar para demostrar la segunda relacion si consideramos un campo
vectorial a (x, y, z) =c

B(x, y, z), con c vector constante y se procede de una manera similar.
Ley de Gauss y Campo Electrico
La aplicacion mas emblematica del Teorema de Gauss lo constituyen el calculo de la divergencia del
campo electrico

E y su relacion con las distribuciones de cargas existentes. Desde siempre sabemos que el
campo electrico producido por una carga Q
i
viene dado por
E
i
(r) =
1
4
0
Q
i
r
2
i
u
ri
;
__
Si
E
i
d

S
i
=
Q
i

E =
(r)
0
En denitiva la deduccion de una de las ecuaciones de Maxwell. Si calculamos el ujo del campo electrico
en una region sin cargas todas las lneas del campo

E (r) atraviesan el volumen: todas entran y todas salen.
Sin embargo si tenemos un conjunto de cargas discretas distribuidas dentro de la region encerrada por la
supercie, S, (ver Figura 5.10, cuadrante IVa) podemos encerrar cada una de las cargas con supercies
esfericas S
i
. Por lo tanto
__
S
E d

S +
i
__
Si
E d

S
i
=
_
V

E d V = 0
__
S
E d

S =
i
__
Si
E d

S
i
Con lo cual hemos denido una supercie con huecos alrededor de cada una de las cargas y llegamos a la
conclusion que lo que entra sale. Por su parte, el campo electrico medido cada supercie esferica interior, S
i
sera
Si
=
1
4
0
Q
i
r
2
i
u
ri
+

E
t
donde

E
t
es el campo de todas las otras cargas presentes en e volumen encerrado por S. Es claro que este
campo

E
t
tiene ujo cero neto sobre cada esfera de supercie S
i
. Por lo tanto
__
S
E d

S =
i
__
Si
_
1
4
0
Q
i
r
2
i
u
ri
+

E
t
_
n
Si
dS
i
=
i
1
4
0
Q
i
r
2
i
__
Si
dS
i
=
i
Q
i
0
=
Q
0
donde hemos utilizado que
_
Vi

E
t
d V
i
= 0 =
i
__
Si
E
t
n
Si
dS
i
; u
ri
n
Si
= 1; y
__
Si
dS
i
= S
i
= 4r
2
i
Finalmente encontramos una de las Leyes de Maxwell si reescribimos la integral de supercie utilizando la
Ley de Gauss
__
S
E d

S =
Q
0
=
1
0
_
V
(r) d V
__
S
E d

S =
_
V

E d V =
1
0
_
V
(r) d V
con lo cual
_
V
_

E
(r)
0
_
d V

E =
(r)
0
Discontinuidades y densidades superciales de carga
Normalmente, siempre consideramos que los campos vectoriales a = a (x, y, z) son campos continuos (y,
mas a un, con todas sus derivadas continuas). Sin embargo, encontramos en la naturaleza situaciones en
la cuales el campo vara mucho en una distancia muy corta (innitesimal). En estas situaciones podemos
simular esta rapida variacion como una discontinuidad en el campo. Existe formas de aplicar el Teorema de
Gauss para algunas situaciones en las cuales tratamos con campos discontinuos. La manera apropiada de
tratar (derivadas e integrales de) funciones discontinuas es considerandolas no funciones sino distribuciones.
Este tipo de tratamiento esta fuera del alcance de este formulario y sera considerado en otros cursos.
Supongamos el caso que ilustra la Figura 5.10, cuadrante IVb. Una region 1delimitada por una supercie
S, dentro de la cual, una supercie de discontinuidad,

S, separa dos subregiones 1
1
y 1
2
a traves de la
cual un campo vectorial, a = a (x, y, z) , es discontinuo. Ahora bien, el campo vectorial es continuo en las
subregiones, por lo cual el ujo del campo atraviesa las supercies S
1
y

S que delimitan el volumen V
1
de la
region 1
1
. Entonces el Teorema de Gauss para cada region queda expresado como
_
V1
a d V =
__
S1
a d

S +
__
S
a
+
n
S
d
S y
_
V2
a d V =
__
S2
a d

S
__
S
a
n
S
d
S
Figura 5.11: Discontinuidad del Vector Desplazamiento
donde n
S
es el vector normal a al supercie,

S,de separacion de las dos regiones. Adicionalmente hemos
denotado, a
+
y a
el campo a evaluado del lado de 1

1
y 1
2
, respectivamente. Si ahora consideramos el
teorema de Gauss en toda la region
_
V1+V2
a d V
_
V1
a d V +
_
V2
a d V
Claramente si el campo es continuo dentro de la region 1 entonces nos queda la formulacion estandar del
Teorema de Gauss,
_
V1+V2
a d V =
__
S
a d

S
por el contrario si el campo es discontinuo, entonces debe tomarse en cuenta la discontinuidad del campo y
la relacion que surge de sumar el ujo a traves de las dos regiones es
_
V1+V2
a d V =
__
S
a d

S
__
S
(a
2
a
1
) n
S
d
S
con n
S
el vector unitario, normal a la supercie

S y que apunta de 1
1
1
2
. Es claro que la discontinuidad
que cuenta es la de la componente del campo perpendicular a la supercie (ver Figura 5.11).
Este tipo de discontinuidad en campos irrotacionales es generada por la presencia de fuentes las cuales,
en este caso son densidades superciales de carga. Quiza el ejemplo tpico para la aplicacion de las anteriores
consideraciones es la aplicacion de las ecuaciones de Maxwell en el caso del vector desplazamiento electrico
D,a traves de una supercie,

S, que separa dos medios. Este caso se ilustra en la Figura 5.10, cuadrante
IVc y en la Figura 5.11, solo que en este ultimo caso el vector normal esta denido a la inversa: la region 2
corresponde a la region 1 de la Figura 5.10, cuadrante IVc. La ecuacion de Maxwell correspondiente sera

E =
(r)

D = (r)
_
D
2

D
1
_
n
S
= con

D =
0
E
donde n
S
es el vector normal a la supercie (ver Figura 5.10, cuadrante IVc) y es la densidad supercial de
carga en la supercie, S. Para comprobar esta relacion construimos un volumen cilndrico innitesimal que
encierra la supercie de discontinuidad, de tal forma que S
2
corresponde con la tapa del cilindro y S
1
con su base (Figura 5.10 cuadrante IVc). Adicionalmente, como l 0 no solo podremos trabajar sin las
integrales, el ujo a traves de las paredes del cilindro sera despreciable y S
2
S
1
, sino que ademas, al
encerrar la discontinuidad no tomamos en cuenta la contribucion de la supercie S
3
(o

S, en el cuadrante
IVb de la Figura 5.10). As

D d V =

D
2

S
2

D
1

S
1
(r) (S
2
l) =
_
D
2

D
1
_
n
S2
S
2
con lo cual
(r) l =
_
D
2

D
1
_
n
S2
Teoremas de Green
Cuando consideramos campos vectoriales muy particulares el Teorema de Gauss nos lleva a un par de
identidades vectoriales conocidas como las Identidades o Teoremas de Green
Supongamos que tenemos dos campos escalares: (x, y, z) y (x, y, z) entonces y con ellos construimos
un campo vectorial
a (x, y, z) = (x, y, z)

(x, y, z)
__
s
a d

S =
___
V
a d V
__
s
_
(x, y, z)

(x, y, z)
_
d

S =
___
V
_
(x, y, z)

(x, y, z)
_
d V
con lo cual arribamos a primera identidad de Green, Primer Teorema de Green o, Teorema escalar de Green:
__
s
_
(x, y, z)

(x, y, z)
_
d

S =
___
V
_
(x, y, z)
_

(x, y, z)
_
+

(x, y, z)

(x, y, z)
_
d V
Si ahora, consideramos los siguientes campos vectoriales
_
(x, y, z)

(x, y, z)
_
=

(x, y, z)

(x, y, z) + (x, y, z)

(x, y, z)
y
_
(x, y, z)

(x, y, z)
_
=

(x, y, z)

(x, y, z) + (x, y, z)

(x, y, z)
restando ambas expresiones tendremos que
_
(x, y, z)

(x, y, z) (x, y, z)

(x, y, z)
_
=
(x, y, z)

(x, y, z) (x, y, z)

(x, y, z)
y al integrar sobre un volumen V tendremos la formulacion del Teorema de simetrico de Green, la segunda
identidad (o teorema) de Green o el Teorema
___
V
_
(x, y, z)

(x, y, z) (x, y, z)

(x, y, z)
_
d V =
__
s
_
(x, y, z)

(x, y, z) (x, y, z)

(x, y, z)
_
d

S
La utilidad de estas relaciones las veremos en el desarrollo de la Teora de Potencial en la seccion 5.8.1
en la pagina 185
Figura 5.12: Teorema de Stokes
5.7.2. Teorema de Stokes
Presentacion y demostracion
El teorema de Stokes relaciona una integral de lnea escalar de un campo vectorial, a = a (x, y, z) , a
lo largo de una curva cerrada, C, con una integral del rotor del campo sobre la supercie encerrada por la
curva, C. Es decir
_
a d r =
__
S
_
a
_
d

S
__
S
_
a
_
n
S
dS
Tal y como hemos mencionado antes la supercie la dene su vector normal, y este lo dene el sentido de
circulacion de la curva que bordea la supercie (ver Figura 5.12 cuadrantes I y III).
No haremos una demostracion formal del Teorema de Stokes como lo hicimos para el Gauss. Nos con-
venceremos de que es correcta la relacion a partir de algunas situaciones sencillas. Cualquier supercie la
podremos dividir en peque nas cuadrculas diferenciales, las cuales sumadas constituyen la supercie (ver
Figura 5.12 cuadrante II). Es facil convencerse que la circulacion
3
por le borde de una cuadrcula diferencial
(por ejemplo en el plano x, y) nos lleva a
1234
=
_
1234
a d r =
_
1
a
x
(x, y) d x +
_
2
a
y
(x, y) d y +
_
3
a
x
(x, y) (d x) +
_
4
a
y
(x, y) (d y)
donde hemos denotado la trayectoria a lo largo del permetro de la cuadrcula por 1234 De la Figura 5.13
podemos intuir
1234
=
_
a
x
(x
0
, y
0
) d x +
_
a
y
(x
0
+ d x, y
0
) d y +
_
a
x
(x
0
, y
0
+ d y) (d x) +
_
a
y
(x
0
, y
0
) (d y)
3
Pueden consultar otro ejemplo de circulacion en la seccion 5.5.3
Figura 5.13: Circulacion en una cuadrcula del plano x, y
y de all el desarrollo por Taylor que nos conduce a
1234
=
_
a
x
(x
0
, y
0
) d x +
_
_
a
y
(x
0
, y
0
) +
a
y
x
x=x0
d x
_
d y
_
_
a
x
(x
0
, y
0
) +
a
x
y
y=y0
d y
_
d x
+
_
a
y
(x
0
, y
0
) d y
1234
=
_
_
a
y
x
x=x0
a
x
y
y=y0
_
d xd y =
__
S
z
d S
z

__
S
_
a
_
d

S
pero esto vale para todos los puntos (x
0
, y
0
) y se puede aplicar para las otras supercies con lo cual es facil
convercerse que esta tecnica se puede utilizar para cada cuadrcula en las cuales hemos dividido la supercie
(ver Figura 5.12 cuadrante II). Mas a un las circulaciones a lo largo de los permetros de las cuadrculas
interiores se anulan (ver Figura 5.12 cuadrante III) y solo sobrevive la circulacion a lo largo del permetro
exterior de la supercie. Con ello
cuadricula
a d r
a
_
d

S
_
a d r =
__
S
_
a
_
d

S
Expresiones equivalentes para el Teorema de Stokes
Del mismo modo que hicimos en la seccion 5.7.1 con el Teorema de Gauss, podemos hacerlo para el
Teorema de Stokes y tendremos
_
(x, y, z) d r =
__
S
d

S

(x, y, z) y
_
d r

B(x, y, z) =
__
S
_
d

S

B(x, y, z)
donde (x, y, z) es un campo escalar y

B(x, y, z) un campo vectorial. Otra vez, la metodologa para proceder a
la demostracion se fundamenta en considerar un par de campos vectoriales de la forma a (x, y, z) = (x, y, z)c
y
b (x, y, z) =c

B(x, y, z) y desarrollar un algebra vectorial mnima.
Teorema de Stokes y Fuerzas Conservativas
El teorema de Stokes nos permite identicas que campos vectoriales irrotacionales generan integrales de
lnea las cuales son independientes de la trayectoria. Esto es

F (x, y, z) = 0
__
S
_
a
_
d

S =
_
a d r = 0
con lo cual, lo que se esta implicando es que toda trayectoria cerrada de puede fraccionar en dos trayectorias
abiertas que se unen en los extremos, entonces
_
a d r = 0 =
_
C1
a d r +
_
C2
a d r
_
P2
P1
curva C1
a d r
_
P2
P1
curva C2
a d r
y lo que nos dice es que vamos de un punto (de corte de la curva cerrada) P
1
a otro punto P
2
por dos
trayectorias distintas y la integral de lnea es la misma. Mas adelante veremos que a los campos vectoriales
irrotacionales les esta asociado un potencial tal que

F (x, y, z) = 0

F (x, y, z)

(x, y, z)
Teorema de Stokes y discontinuidades del campo vectorial
Al igual que el Teorema de Gauss puede ser considerado para manejar funciones discontinuas, el Teorema
de Stokes tambien tiene una expresion cuando se consideran campos discontinuos (continuo a trozos o
continuos por segmentos)
Al igual que en el caso de Teorema de Gauss, consideremos el caso mas simple el de un campo vectorial
a (x, y, z) que es discontinuo sobre una supercie,

S ,que divide 1 en dos subregiones 1
1
y 1
2
(ver otra vez
5.10, cuadrante IVb). En este caso la supercie S, sera abierta y estara delimitada por una curva C
2
. La
interseccion de las supercies S y

S sera una curva

C,la cual dividira a S en dos supercies S
1
y S
2
(ver
Figura 5.12 cuadrante IV). Entonces, aplicando el Teorema de Stokes a la curva cerrada. Entonces
_
C1+

C
a d r =
_
P2
P1
curva C1
a d r +
_
P1
P2
curva

C
a d r =
__
S1
_
a
_
d

S
y
_
C2+

C
a d r =
_
P1
P2
curva C2
a d r +
_
P2
P1
curva

C
a d r =
__
S2
_
a
_
d

S
Ahora bien si las sumamos obtendremos
__
S1
_
a
_
d

S +
__
S2
_
a
_
d

S =
_
C
a d r +
_
P1
P2
curva

C en S1
a d r +
_
P2
P1
curva

C en S2
a d r
la cual puede ser reescrita como
_
C
a d r =
__
S
_
a
_
d

S
_
P2
P1
curva

C
_
a[
S2
a[
S1
_
d r
donde hemos denotado a[
S2
como el campo vectorial evaluado sobre la curva

C del lado de las supercie
S
2
. Es importante se nalar que el termino que incorpora la contribucion de la discontinuidad del campo
solo encierra componentes tangenciales a la supercie. Esto es claro del producto escalar con el vector, d r,
tangente a la curva

C (y tambien a la supercie S).
5.8. Teora de Potencial
5.8.1. Potenciales escalares
Si un campo vectorial

F (x, y, z) en una determinada region 1 puede asociarse con un gradiente de un
potencial tendremos que
F (x, y, z) =
(x, y, z)

F (x, y, z) = 0
_

F (x, y, z) d r = 0
La ventaja que un campo derive de un potencial es, por un la lado la simplicidad y la cantidad de informacion
que sobre el campo teneos: describimos la interaccion por una funcion y no con tres (las componentes del
campo) y sabremos que el campo es irrotacional y conservativo. Pero ademas la funcion que describe el
campo es escalar, con lo cual es independiente del sistema de coordenadas.
Cualquiera de las armaciones implica las otras dos, con o cual podremos elegir cualquier de ellas para
demostrar las otras dos. Veamos:
un campo que derive de un potencial es conservativo e irrotacional
F =
(x, y, z)
_
(x, y, z)
_
= 0
_

(x, y, z) d r =
_
d = (x
0
, y
0
, z
0
) (x
0
, y
0
, z
0
) = 0
donde hemos utilizado la denicion de diferencial total
d =
(x, y, z)
x
dx +
(x, y, z)
y
dy +
(x, y, z)
z
dz =

(x, y, z) d r
un campo conservativo es irrotacional y deriva de un potencial.
Un campo conservativo implica que el trabajo (
_
P2
P1
F (x, y, z) d r) es independiente de la trayectoria

entre P
1
y P
2
. Por eso llamamos a la fuerza conservativa por cuanto se conserva la energa y por lo
tanto, esta depende unicamente de la posicion
_

F (x, y, z) d r = 0
_
P2
P1
F (x, y, z) d r = (x
2
, y
2
, z
2
) (x
1
, y
1
, z
1
)
F (x, y, z) d r = d =
(x, y, z) d r

F (x, y, z) =
(x, y, z)
con lo cual hemos demostrado que el campo vectorial deriva de un potencial. El signo menos () es una
convencion tradicional del ocio de Fsico y proviene de nuestra intuicion de ujo de los acontecimientos:
El agua siempre uye hacia abajo.
Ahora bien, utilizando el Teorema de Stokes tendremos:
F (x, y, z) =
(x, y, z)
_

F d r =
__
S2
_

F
_
d

S = 0

F (x, y, z) = 0
es facil demostrar que el campo tambien es irrotacional.
un campo de fuerzas irrotacional implica que el campo deriva de un potencial y que el campo es
conservativo.
Otra vez, por el Teorema de Stokes si es irrotacional es conservativo,

F (x, y, z) = 0
__
S2
_

F
_
d

S =
_

F d r = 0
y si es conservativo deriva de un potencial
F (x, y, z) d r = d =
(x, y, z) d r

F (x, y, z) =
(x, y, z)
En denitiva, si cualquiera de las condiciones se cumple: conservativo, irrotacional o potencial, las otras
tambien se cumpliran.
5.8.2. Potenciales vectoriales y calibres
Al igual que derivamos un campo vectorial

F a partir de un potencial escalar (x, y, z) y asociamos
su existencia a su condicion de irrotacionalidad,

F (x, y, z) = 0, podemos pensar que un campo sin
divergencia (solenoidal o transverso) conlleva a la existencia de un potencial vectorial. Esto es

F (x, y, z) = 0

F (x, y, z) =

A(x, y, z)
Claramente

F (x, y, z) =
i
F
i
=
i
_
ijk
j
A
k
_
= 0
El campo vectorial

A =

A(x, y, z) se conoce con el nombre de potencial vectorial del campo

F. Ahora bien,
el campo solenoidal,

F, no queda unvocamente determinado a partir de su potencial vectorial. Existe una
arbitrariedad de un campo escalar, llamado de calibre, = (x, y, z) (gauge en ingles) de forma tal que
A
t
=

A+

(x, y, z)

F =

A
t
=

A+

_
=

A+

_
=

A
de forma que varios potenciales vectoriales

A
t
y

A generan el mismo campo vectorial

F. Esta arbitrariedad
nos permite particularizar el calibre seg un nos convenga. Existen varios calibres en el mercado, los cuales
son utilizados seg un el problema fsico al cual tratemos. Entre ellos podemos mencionar un par de ellos:
El calibre de Lorentz:
Esta seleccion proviene de requerir que el campo de calibre satisfaga la ecuacion una ecuacion de onda
2
(x, y, z, t) a
2
(x, y, z, t)
t
2
= 0
donde a es una constante. Notese que hemos supuesto que el campo de calibre puede depender del
tiempo. El calibre del Lorentz se escoje porque (entre otras cosas) permite que la solucion a la ecuacion
de onda para el potencial vectorial
2

A(x, y, z, t) a
2

A(x, y, z, t)
t
2
= 0
quede unvocamente determinada
El calibre de Coulomb, de radiacion o transverso:
La seleccion de este calibre impone que el potencial vectorial

A(x, y, z, t) satisfaga la ecuacion

A = 0

A
t
(x, y, z, t) =

A(x, y, z, t) +

(x, y, z, t)
_
= 0

2
(x, y, z, t) = 0
El nombre de calibre de Coulomb, de radiacion o transverso proviene de las consecuencias de su
utilizacion en las ecuaciones de Maxwell.
Notese que si el campo (y el calibre) es independiente del tiempo

A =

A(x, y, z) ambos calibres coinciden.
5.8.3. Teorema de Green y Potenciales
Si el rotor y la divergencia de un campo vectorial,

F, decente (continuo y continuamente diferenciable)
estan especicados en una region del espacio delimitada por una supercie cerrada, S, y las componentes del
campo normales a esa supercie, n
S

F, tambien se conocen, entonces el Teorema de Green nos garantiza
que ese campo,

F, que cumple con esas condiciones es unico.
Esa demostracion procede as. Supongamos que existe otro campo vectorial que cumple con las mismas
condiciones que el campo

F. Esto es

F =

F =

G
n
S

F = n
S

G
_

H =

F

G
_

H = 0

H = 0
n
S

H = 0
como

H es irrotacional entonces

H = 0

H =

(x, y, z)

H =

(x, y, z) = 0
, y el Teorema de Green nos garantiza que
_

d

S =
__
n
S
_
d
S =
___
V
_
_
+

_
d V
con lo cual __
n
S
_
d
S =
__
H n
S
_
d
S =
___
V
_
H

H
_
d V

H = 0
de donde se deduce que

F =

G es decir, que el campo,

F, es unico.
5.8.4. Teorema de Helmholtz
El teorema de Helmholtz arma que todo campo vectorial,

F, continuo, y continuamente diferenciable
(al menos a trozos) y, regular en innito se puede expresar como una suma de dos componentes, una
longitudinal o irrotacional,

F
l
, y otra transversa o solenoidal,

F
t
. Esto es
F =

F
l
+

F
t
con
_
_
_

F
l
= 0

F
t
= 0
En general dado que el campo,

F, puede ser discontinuo, tendremos que suponer que

F = (r)

F =

J (r)
_
_
_
y como

F =

F
l
+

F
t

_

F =

F
l
+

F
t
_
=

F
l
= (r)

F =

F
l
+

F
t
_
=

F
t
=

J (r)
dado que

() y

() son lineales. Esta separacion del campo vectorial

F =

F
l
+

F
t
es completamente
general y siempre puede hacerse para cualquier campo vectorial.
Supondremos ademas, que la solucion a la ecuacion de Poisson

2
(x, y, z) = (x, y, z) existe y es
unica
4
.
Tendremos que

F
l
= 0

F
l
=
(x, y, z)

F =

F
l
=
2
(x, y, z) = (r)
y la solucion existe y es unica. Es decir, podemos expresar de manera unvoca al campo vectorial,

F, (a traves
de su componente longitudinal

F
l
) en terminos de un campo escalar (a funcion potencial) (x, y, z) . Por
otra parte

F
t
= 0

F
t
=

F =

F
t
=

A
_
=

A
_
2

A =

J (r)
La cual al seleccionar el calibre de Coulomb

A = 0 se convierte en Es importante se nalar que el campo,
A =

A(x, y, z) , solucion a la ecuacion

A
_
=

2

A =
i
i

A =
J (r)
i
i
A
k
= J
k
(r)
_
2
A
x
= J
x
(r)
2
A
y
= J
y
(r)
2
A
z
= J
z
(r)
Una vez mas nos topamos con la solucion a la ecuacion de Poisson, esta vez para cada componente. Esto se
cumple siempre, porque hemos supuesto que la solucion para la ecuacion de Poisson existe y es unica.
Un corolario del Teorema de Helmholtz que un campo vectorial queda unvocamente determinado si
conocemos su rotor y su divergencia.
4
Esta suposicion es indispensable pero es muy fuerte. Las condiciones sobre el potencial (x, y, z) que la implican seran
consideradas en otros cursos de Metodos Matematicos. En este curso, supondremos que existe y es unica
Bibliografa
York)
[6] Knisley, J. (2001) http://math.etsu.edu/MultiCalc/
Londres)
189
Captulo 6
Matrices, Determinantes y
Autovectores
190
6.1. Operadores Lineales
Deniremos como operador lineal (o transformaciones lineales) a una operacion que asocia un vector
[v) V
1
un vector [v
t
) V
2
y que respeta la linealidad, es decir esta funcion de V
1
V
2
cumple con
[v
t
) = A[v) A[ [v
1
) + [v
2
)] = A[v
1
) + A[v
2
) [v) , [v
1
) y [v
2
) V
1
Sencillamente algo que act ue sobre una suma de vectores y que sea equivalente a la suma de sus actuaciones
sobre los vectores suma.
Ejemplos
Las siguientes transformaciones
[x
t
) = T[x) (x
t
, y
t
, z
t
) = T(x, y, z)
claramente son lineales
T(x, y, z) = (x, 2y, 3z)
Ta (x, y, z) +b (m, n, l) = aT(x, y, z) +bT(m, n, l)
T(ax +bm, ay +bn, az +bl) = a (x, 2y, 3z) +b (m, 2n, 3l)
(ax +bm, 2 [ay +bn] , 3 [az +bl]) = (ax +bm, 2 [ay +bn] , 3 [az +bl])
T(x, y, z) = (z, y, x)
Ta (x, y, z) +b (m, n, l) = aT(x, y, z) +bT(m, n, l)
T(ax +bm, ay +bn, az +bl) = a (z, y, x) +b (l, n, m)
(az +bl, ay +bn, ax +bm) = (az +bl, ay +bn, ax +bm)
Cosas tan sencillas como multiplicacion por un escalar es una transformacion (u operador) lineal
T : V V tal que
T[v) = [v
t
) = [v)
Claramente,
T[a [v) +b [w)] = aT[v) +bT[w) = a[v) +b[w)
Obviamente, si = 1 tenemos la transformacion identidad que transforma todo vector en s mismo; si
= 0 tendremos la transformacion cero, vale decir que lleva a todo [v) V a al elemento cero [0)
La denicion de producto interno tambien puede ser vista como una transformacion (operador) lineal
T : V R
T[v) = =a [v)
Otra vez:
T[a [v) +b [w)] = a[ [a [v) +b [w)] = a a [v) +b a [w)
por lo tanto es lineal. Esto implica que tambien la proyeccion de un determinado [v) V sobre un
subespacio S es un operador lineal, y lo denotaremos como
[[s) s[] [v) = s [v) [s) = [v
s
) con [s) y [v
s
) S
esta idea se extiende facil si para un proyector T : V
m
S
n
con m > n de tal modo que para un vector
[v) V
m
P
m
[v)
_
[u
i
)
u
i
m
_
[v) =

u
i
[v)
m
[u
i
) = [v
m
)
con u
i
[ base de S
n
.Es claro que estamos utilizando la convencion de Einstein para la suma de
nidices
Las ecuaciones lineales tambien pueden verse como transformaciones lineales. Esto es, considere una
transformacion lineal T : V
n
V
m
Por lo tanto asociaremos
[y) = T[x)
_
y
1
, y
2
, y
3
, , y
m
_
= T
__
x
1
, x
2
, x
3
, , x
n
__
a traves de n m n umeros, a
i
j
, organizados de la siguiente forma
y
i
= a
i
j
x
j
con
_
i = 1, 2, , m
j = 1, 2, , n
una vez mas,
T[[v) + [w)] = T
_
_
v
1
, v
2
, v
3
, , v
n
_
+
_
w
1
, w
2
, w
3
, , w
n
__
= a
i
j
v
j
+a
i
j
w
j
= T
__
v
1
+w
1
, v
2
+w
2
, v
3
+w
3
, , v
n
+w
n
__
= a
i
j
(v +w)
j
= a
i
j
v
j
+a
i
j
w
j
= a
i
j
_
v
j
+w
j
_
Como siempre estamos utilzando la convencion de suma de Einstein
La derivada es un operador lineal. As podemos representar el operador lineal diferenciacion como
[v
t
) = T[v) [y
t
) = D[y) D[y (x)]
d
dx
[y (x)]
dy (x)
dx
y
t
(x)
es claro que
D[f (x) +g (x)] = Df (x) +Dg (x) f
t
(x) +g
t
(x)
igualmente podemos asociar un operador diferencial de cualquier orden a una derivada del mismo
orden, esto es
[y
tt
) = D
2
[y) D
2
[y (x)]
d
2
dx
2
[y (x)]
d
2
y (x)
dx
2
y
tt
(x)
[y
ttt
) = D
3
[y) D
3
[y (x)]
d
3
dx
3
[y (x)]
d
3
y (x)
dx
3
y
ttt
(x)
.
.
.
y
(n)
_
= D
n
[y) D
n
[y (x)]
d
n
dx
n
[y (x)]
d
n
y (x)
dx
n
y
(n)
(x)
Igualmente, cualquier ecuacion diferencial lineal es un ejemplo de operador lineal, recordamos el ejemplo
del tema de transformadas integrales. Esto es
y
tt
3 y
t
+ 2 y =
_
D
2
3D + 2
_
y (x)
es claro que si y (x) = f (x) +g (x) la linealidad es evidente
(f (x) +g (x))
tt
3 (f (x) +g (x))
t
+ 2 (f (x) +g (x)) = (f
tt
3 f
t
+ 2 f) +g
tt
3 g
t
+ 2 g
_
D
2
3D + 2
_
(f (x) +g (x)) =
_
D
2
3D + 2
_
f (x) +
_
D
2
3D + 2
_
g (x)
La integral tambien es un operador lineal
g (x) =
_
x
a
f(t)dt Tf(t)
Otro ejemplo tpico son los operadores de transformaciones integrales
F(s) =
_
b
a
/(s, t) f(t)dt Tf(t)
donde /(s, t) es una funcion conocida de s y t, denominada el n ucleo de la transformacion. Si a y b
son nitos la transformacion se dira nita, de lo contrario innita.
As si f(t) = f
1
(t) +f
2
(t) con f
1
(t) y f
2
(t) (
[a,b]
es obvio que
F(s) =
_
b
a
/(s, t) [f
1
(t) +f
2
(t)] dt T[f
1
(t) +f
2
(t)]
F(s) =
_
b
a
/(s, t) f
1
(t)dt +
_
b
a
/(s, t) f
2
(t)dt
F(s) = F(s
1
) +F(s
2
) T[f
1
(t) +f
2
(t)] = Tf
1
(t) +Tf
2
(t)
Dependiendo de la seleccion del n ucleo y los limites tendremos distintas transformaciones integrales.
En Fsica las mas comunes son:
Nombre F(s) = Tf(t) f(t) = T
1
F(s)
Laplace F(s) =
_
0
e
st
f(t)dt f(t) =
1
2i
_
+i
i
e
st
F(s)ds
Fourier de senos y cosenos F(s) =
_

0
sen(st)
cos(st)
f(t)dt f(t) =
2
_

0
sen(ts)
cos(ts)
F(s)ds
Fourier compleja F(s) =
_

e
i st
f(t)dt f(t) =
2
e
i st
F(s)ds
Hankel F(s) =
_

0
tJ
n
(st)f(t)dt f(t) =
_

0
sJ
n
(ts)F(s)ds
Mellin F(s) =
_

0
t
s1
f(t)dt f(t) =
1
2i
_
+i
i
s
t
F(s)ds
6.1.1. Espacio Vectorial de Operadores Lineales
Un conjunto de operadores lineales A, B, C : V
1
V
2
puede constituir un espacio vectorial lineal
si se dispone entre ellos de la operacion suma y la multiplicacion por un escalar. As, claramente, dado
A, B, C ,y denida
(A+B) [v) A[v) +B[v)
_
_
_
A[ [v
1
) + [v
2
)] = A[v
1
) + A[v
2
)
B[ [v
1
) + [v
2
)] = B[v
1
) + B[v
2
)
es directo comprobar que
(A+B) [ [v
1
) + [v
2
)] = A[ [v
1
) + [v
2
)] +B[ [v
1
) + [v
2
)]
= ( A[v
1
) + A[v
2
)) + B[v
1
) + B[v
2
)
= ( A[v
1
) + B[v
1
)) + A[v
2
) + B[v
2
)
(A+B) [ [v
1
) + [v
2
)] = A[ [v
1
) + [v
2
)] +B[ [v
1
) + [v
2
)]
Igualmente, se cumple que
[(A+B) +C] = [A+(B+C)]
con A+B+C lineales en V
[(A+B) +C] [v) = (A+B) [v) +C[v) [v) V
1
= A[v) +B[v) +C[v)
= A[v) +(B+C) [v)
= [A+(B+C)] [v)
del mismo modo se puede comprobar facilmente
A+B = B+A
Ahora bien, si denimos la transformacion cero de V
1
V
2
tal que
[0) = 0 [v) [v) V
1
se le asigna a el vector [0) V
2
[v) V
1
, entonces el operador lineal 0 sera el elemento neutro respecto
a la suma de operadores. Finalmente, el elemento simetrico queda denido por
(A) [v) = A[v) =(AA) [v) = 0 [v) = [0)
Con ello queda demostrado que los operadores lineales forman un espacio vectorial el cual de ahora en
adelante denominaremos L(V
1
, V
2
) .
6.1.2. Composicion de Operadores Lineales
El producto o composicion de dos operadores lineales, A y B se denotara AB y signicara que primero
se aplica B y al resultado se aplica A. Esto es
AB[v) = A(B[v)) = A[ v) = [ v
t
)
La composicion de funciones cumple con las siguientes propiedades
(AB) C = A(BC) ; (AB) =(A) B = A(B) ;
(A
1
+A
2
) B = A
1
B+A
2
B; A(B
1
+B
2
) = AB
1
+AB
2
Es decir, que la composicion de operadores es asociativa y distributiva a la suma y que conmuta respecto a
la multiplicacion por escalares.
Por otro lado si 1 es el operador Identidad
1[v) = [v) = A1 = 1A = A;
En general AB ,= BA,por lo tanto podemos construir el conmutador de estos operadores como
[A, B] = ABBA [ABBA] [v) = AB[v) BA[v)
Es inmediato comprobar algunas de las propiedades mas utiles de los conmutadores:
[A, B] = [B, A]
[A, (B+C)] = [A, B] + [A, C]
[A, BC] = [A, B] C+B[A, C]
0 = [A, [B, C]] + [B, [C, A]] + [C, [A, B]]
Dados dos vectores [v
1
) y [v
2
) deniremos como el elemento de matriz del operador A al producto interno
de dos vectores
v
2
[ (A[v
1
)) A
(]v1),]v2))
es claro que A
(]v1),]v2))
sera en general un n umero complejo, pero esto lo veremos detalladamente en la
seccion 6.2, mas adelante.
Ejemplos
Potencias de Operadores: Uno de los ejemplos mas utiles en la composicion de operadores lo
constituyen las potencias de los operadores, las cuales provienen de la aplicacion consecutiva de un
mismo operador,
A
0
= 1; A
1
= A; A
2
= AA; A
3
= A
2
A = AAA;
Es claro que las potencias de operadores cumplen las propiedades estandares de las potencias de
n umeros
A
n+m
= A
n
A
m
; (A
n
)
m
= A
nm
Llamaremos operadores nilpotentes de grado n a los operadores A
n
,= 0, del tipo
A
n
[v) = [0) [v) V
1
al vector nulo, [0) V
2
. Es decir un operador que lleva cualquier vector [v)
al elemento neutro de V
2
. El ejemplo mas emblematico es el operador diferencial
D
n
P
n1
_
= [0)
d
n
dx
n
P
n1
(x) =
d
n
dx
n
_
a
i
x
i
= 0
con

P
n1
_
perteneciente al espacio de polinomios de grado n 1
Operador Ecuaciones Diferenciales. Si consideramos el espacio de funciones
f(x) (
[a,b]
podemos construir un operador diferencial
_
a
0
1 +a
1
D+a
2
D
2
+ +a
n
D
n
[f )
_
a
0
+a
1
d
dx
+a
2
d
2
dx
2
+ +a
n
d
n
dx
n
_
f(x)
con a
0
, a
1
, a
2
, a
n
coecientes constantes. De este modo
_
D
2
3D+ 2
_
y = (D1) (D2) y =
_
d
2
dx
2
3
d
dx
+ 2
_
y (x) = y
tt
3 y
t
+ 2 y
con r = 1 y r = 2 las races del polinomio caracterstico
Funciones de Operadores: Basandonos en el primero de los ejemplos se puede construir un poli-
nomio en potencias de los operadores:
P
n
(x) = a
0
+a
1
x +a
2
x
2
+ +a
n
x
n
= a
i
x
i
=
P
n
(A) [v) =
_
a
0
1 +a
1
A+a
2
2
A+ +a
n
n
A
n
[v) =
_
a
i
A
i
[v) [v) V
1
Mas a un, lo anterior nos permite extender la idea operadores a funciones de operadores, es decir si nos
saltamos todos los detalles de convergencia de la serie anterior, los cuales dependeran de los autovalores
de A y de su radio de convergencia, de esta manera, al igual que podemos expresar cualquier funcion
F (z) como una serie de potencias de z en un cierto dominio, podremos expresar la funcion de un
operador, F (A) , como una serie de potencias del operador A esto es
F (z) = a
i
x
i
F (A) [v) =
_
a
i
A
i
[v)
As, por ejemplo, podemos expresar
e
A
[v) =
_

n=0
A
n
n!
_
[v) =
_
1 +A+
A
2!
+ +
A
n
n!

_
[v)
En este caso hay que hacer una acotacion, dado que, en general, [A, B] ,= 0 =e
A
e
B
,= e
B
e
A
,= e
A+B
esta armacion se corrobora de manera inmediata al desarrollar las exponenciales
e
A
e
B
[v) =
_

n=0
A
n
n!
__

m=0
B
m
m!
_
[v) =
_

n=0
m=0
A
n
n!
B
m
m!
_
[v)
e
B
e
A
[v) =
_

n=0
B
n
n!
__

m=0
A
m
m!
_
[v) =
_

n=0
m=0
B
n
n!
A
m
m!
_
[v)
e
A+B
[v) =
_

n=0
(A+B)
n
n!
_
[v)
solo en el caso que [A, B] = 0 = e
A
e
B
= e
B
e
A
= e
A+B
, la demostracion es inmediata pero requiere
expandir y rearreglar las sumatorias arriba expuestas. En general mas adelante demostraremos la
relacion de Glauber
e
A
e
B
= e
A+B
e
1
2
[A,B]
6.1.3. Proyectores
La notacion de Dirac se hace particularmente conveniente para representar proyectores. Hasta ahora,
hemos relacionado un funcional lineal, un bra w[ del espacio dual V
, con un vector ket [v) del espacio

vectorial V a traves de su producto interno w[ v) C el cual es, en general, un n umero complejo. Si ahora
escribimos esta relacion entre vectores y formas diferenciales de una manera diferente. As, la relacion entre
w[, y [v) un ket [) o un bra [ arbitrarios seran
[v) w[ =
_
_
_
[v) w[ )
[v) w[
La primera sera la multiplicacion del vector [v) por el n umero complejo w[ ) ,mientras que la segunda
relacion sera la multiplicacion de la forma w[ por el complejo [v) . Es imperioso se nalar que el orden en
la escritura de los vectores y formas es crtico, solo los n umeros complejos se pueden mover con impunidad
a traves de estas relaciones
[v) = [v) = [v) , w[ = w[ = w[
w[ [v) = w[ v) = w[ v) y A[v) = A[v) = A[v)
Por lo tanto, dado un vector [v) , podemos construir un proyector P
]v)
a lo largo del vector [v)
P
]v)
[v) v[ con v[ v) = 1
siempre y cuando este operador lineal cumpla
P
]v)
[ [z
1
) + [z
2
)] = P
]v)
[z
1
) + P
]v)
[z
2
) =
[v) v[ [ [z
1
) + [z
2
)] = [v) v[ [z
1
) +[v) v[ [z
2
) = [v) v [z
1
) + [v) v [z
2
)
P
2
]v)
= P
]v)
([v) v[) ([v) v[) = [v) v[ =
P
]v)
P
]v)
[z) = ([v) v[) ([v) v[) [z) = [v) v [v)
. .
1
v [z) = [v) v [z) = P
]v)
[z)
As el operador P
]v)
actuando sobre el vector [) representara la proyeccion de [) a lo largo de [v)
P
]v)
[) = [v) v[ ) v[ ) [v)
Es inmediato construir un proyector de un vector sobre un subespacio S
q
.
Sea [e
1
) , [e
2
) , [e
3
) , , [e
q
) un conjunto ortonormal de vectores que expande S
q
. Por lo tanto deniremos
el proyector P
q
al proyector sobre el subespacio S
q
de la forma
P
q
= [e
i
)
e
i
q
es claro que P
2
q
= P
q
P
2
q
[v) = P
q
P
q
[v) =P
2
q
[v) =
_
[e
i
)
e
i
q
__
[e
j
)
e
j
q
_
[v) = [e
i
)
e
i
[e
j
)
. .
i
j
e
j
[v)
P
2
q
[v) = [e
j
)
e
j
[v) P
q
[v) [v) V
6.1.4. Espacio Nulo e Imagen
El conjunto de todos los [v) V
1
A[v) = [0) , se denomina espacio nulo, n ucleo o kernel (n ucleo en
aleman) de la transformacion A y lo denotaremos como (A), en smbolos diremos que
(A) = [v) [ [v) V
1
A[v) = [0)
Adicionalmente, (A) V
1
sera un subespacio de V
1
. La prueba de esta armacion es inmediata. Dados
[v
1
) , [v
2
) (A) ,con A un operador lineal, es claro que
A[v
1
) = [0)
A[v
2
) = [0)
_
_
_
=
1
A[v
1
) +
2
A[v
2
) = [0) = A(
1
[v
1
) +
2
[v
2
))
por la misma razon se tiene que el elemento neutro contenido en (A) ,esto es
A[ v) = [0) [v) V
1
A[0) = [0) si = 0
por lo tanto, queda demostrado que (A) es un subespacio de V
1
.
Deniremos imagen (rango o recorrido) de A,y la denotaremos como
(A) = [v
t
) [ [v
t
) V
2
A[v) = [v
t
)
igualmente (A) V
2
tambien sera un subespacio de V
2
ya que si [v) =
1
[v
1
) +
2
[v
2
) y dado que A
es un operador lineal, se cumple que
A
_
_
_
1
[v
1
) +
2
[v
2
)
. .
]v)
_
_
_ =
1
A[v
1
)
. .
[v
1
)
+
2
A[v
2
)
. .
[v
2
)
=
1
[v
t
1
) +
2
[v
t
2
)
. .
]v
)
Es claro que si V de dimension nita, AV = n tambien sera de dimension nita n y tendremos que
dim[(A)] + dim[(A)] = dim[V]
vale decir que la dimension del n ucleo mas la dimension del recorrido o imagen de una transformacion lineal
es igual a la dimension del dominio.
Para demostrar esta armacion supongamos que dim[V] = n y que
[e
1
) , [e
2
) , [e
3
) [e
k
) V es una base de (A) , donde k = dim[(A)] n.
Como [e
1
) , [e
2
) , [e
3
) [e
k
) V estos elementos forman base y por lo tanto son linealmente indepen-
dientes, necesariamente ellos formaran parte de una base mayor de V.
Esto es [e
1
) , [e
2
) , [e
3
) , , [e
k
) , [e
k+1
) , , [e
k+r1
) , [e
k+r
) V sera una base de V donde k +r = n
Es esquema de la demostracion sera:
primero probaremos que A[e
k+1
) , A[e
k+2
) , , A[e
k+r1
) , A[e
k+r
) forman una base pa-
ra AV
luego demostraremos que dim[AV] = r y como hemos supuesto que k+r = n habremos demostrado
la armacion anterior.
Si los r elementos A[e
k+1
) , A[e
k+2
) , , A[e
k+r1
) , A[e
k+r
) expanden AV entonces
cualquier elemento
[w) AV [w) = A[v) = C
i
[Ae
i
) con [Ae
i
) = A[e
i
)
Ahora bien, analicemos con cuidado los lmites de la suma implcita del ndice i = 1, 2, , k +r
[w) = C
i
[Ae
i
) = C
1
[Ae
1
) +C
2
[Ae
2
) + +C
k
[Ae
k
)
. .
=]0) ya que A]e1)=A]e2)=A]e3)=A]e
k
)=]0)
+C
k+1
[Ae
k+1
) + +C
k+r
[Ae
k+r
)
Por lo tanto A[e
k+1
) , A[e
k+2
) , , A[e
k+r1
) , A[e
k+r
) expanden AV . Ahora bien, para
demostrar que son base, demostraremos que son linealmente independientes, para ello supondremos que
_
C
k+1
, C
k+2
, , C
k+r
_
C
i
[Ae
i
) = 0 con i = k + 1, k + 2, , k +r
y ttenemos que demostrar que C
k+1
= C
k+2
= = C
k+r
= 0. Entonces
C
i
[Ae
i
) = C
i
A[e
i
) = A
_
C
i
[e
i
)
_
= 0 con i = k + 1, k + 2, , k +r
por lo tanto el elemento [v) = C
i
[e
i
) (A) con i = k + 1, k + 2, , k + r. Con lo cual dado que
[v) (A) , [v) = C
i
[e
i
) con i = 1, 2, , r, entonces se puede hacer la siguiente resta
[v) [v) =
k
i=1
C
i
[e
i
)
k+r
i=k+1
C
i
[e
i
)
y como los [e
1
) , [e
2
) , [e
3
) , , [e
k
) , [e
k+1
) , , [e
k+r1
) , [e
k+r
) son una base de V entonces las C
k+1
=
C
k+2
= = C
k+r
= 0
Ejemplos
Transformaciones Identidad: Sea 1 : V
1
V
2
, la transformacion identidad,
[v) V
1
1[v) = [v) . (1) = [0) V
1
(1) V
1
Sistemas de lineales de Ecuaciones. En V
n
los sistemas de ecuaciones lineales representan el
espacio nulo,(A) , para vectores de V
n
A[x) = [0)
_
_
_
_
_
A
11
A
12
A
1n
A
21
A
22

.
.
.
.
.
.
A
n1
A
n2
A
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_
A
i
j
x
i
= 0
son j ecuaciones con j = 1, 2, , n. Recordemos que estamos utilizando la convencion de Einstein
para suma de ndices. Esto es

n
i=1
A
i
j
x
i
= 0
Ecuaciones diferenciales ordinarias. Sea (
2
[,]
el espacio vectorial de todas las funciones con-
tinuas doblemente diferenciables. Denimos A :(
2
[,]
(
[,]
como la transformacion lineal
_
D
2
1
_
tal que para todas las y(x) (
2
[,]
se cumple
A[x) = [0)
_
D
2
1
_
y(x) = 0
_
d
2
dx
2
1
_
y (x) = y
tt
y = 0
por lo tanto el n ucleo o espacio nulo de A,(A) lo constituyen el conjunto de soluciones para la
mencionada ecuacion diferencial. Por lo tanto el problema de encontrar las soluciones de la ecuacion
diferencial es equivalente a encontrar los elementos del n ucleo de A.
6.1.5. Operadores Biyectivos e Inversos
Se dice que A : V
1
V
2
es biyectivo (uno a uno o biunvoco) si dados [v
1
) , [v
2
) V
1
, [v
t
) V
2
,
se tiene que
A[v
1
) = [v
t
) A[v
2
) = [v
t
) =[v
1
) = [v
2
)
es decir sera biyectiva si A transforma vectores distintos de V
1
en vectores distintos de V
2
. Mas a un, se
puede armar que una transformacion lineal A, sera biyectiva si y solo si (A) = [0) . Vale decir, si el
subespacio nulo esta constituido, unicamente por el elemento neutro del espacio vectorial. La demostracion
es sencilla. Supongamos que A es biyectiva y que A[v) = [0) ,entonces [v) = [0) ,es decir, A[0) = [0) , por
consiguiente (A) = [0) . Recprocamente, si
(A) = [0)
A[v
1
) = A[v
2
)
_
_
_
=A[v
1
) A[v
2
) = [0) = A
_
_
_[v
1
) [v
2
)
. .
]v1)]v2)=0
_
_
_ =[v
1
) = [v
2
)
La importancia de las transformaciones lineales uno a uno o biyectiva reside en la posibilidad de denir
inversa, debido a que siempre existe en V
2
un vector [v
t
) asociado a traves de A con un vector [v) V
1
.
Diremos que A
1
: V
2
V
1
es el inverso de A, si A
1
A = 1 = AA
1
.
Podemos armar que un operador lineal A tendra inverso A
1
si a cada vector [v
t
) V
2
Habra que hacer un par de comentarios al respecto. El primero es que, tal y como hemos enfatizado
arriba, en general, los operadores no conmutan entre si, y los inversos no son una excepcion. Es decir, debieran
existir (y de hecho existen) inversas por la izquierda A
1
A e inversas por la derecha AA
1
. Por simplicidad
e importancia en Fsica obviaremos esta dicotoma y supondremos que A
1
A = 1 = AA
1
. El segundo
comentario tiene que ver con la existencia y unicidad del inverso de un operador lineal. Algunos operadores
tienen inverso, otros no, pero aquellos quienes tienen inverso, ese inverso es unico. Veamos, supongamos que
A
1
1
A[v) = [v)
A
1
2
A[v) = [v)
_
_
_
=A
1
1
A[v) A
1
2
A[v) = [0) =
_
A
1
1
A
1
2
_
. .
A
1
1
=A
1
2
A[v) =A
1
1
= A
1
2
Ahora bien, un operador lineal A tendra inverso s y solo s para cada vector [v
t
) V
2
! [v)
V
1
A[v) = [v
t
) . Es decir cada vector [v
t
) esta asociado con uno y solo un vector [v) a traves de la
transformaci on lineal A. Dejaremos sin demostracion esta armacion pero lo importante es recalcar que
para que exista inverso la transformacion lineal A,tiene que ser biyectiva y esto implica que se asocia uno y
solo un vector de V
1
con otro de V
2
.
Todava podemos a nadir algunas demostraciones consecuencias de las armaciones anteriores. Sea la
transformacion lineal T : V
1
V
2
supongamos ademas que T L(V
1
, V
2
) Entonces las siguientes arma-
ciones son v alidas y equivalentes
1. T es Biyectiva en V
1
2. T es invertible y su inversa T
1
: TV
1
V
1
es lineal
3. [v) V
1
, T[v) = [0) = [v) = [0) esto es, el espacio nulo (T) unicamente contiene al elemento
neutro de V
1
.
Si ahora suponemos que V
1
tiene dimension nita, digamos dim[V
1
] = n, las siguientes armaciones
seran validas y equivalentes
1. T es Biyectiva en V
1
2. Si [u
1
) , [u
2
) , [u
3
) , [u
n
) V
1
son linealmente independientes entonces, T[u
1
) , T[u
2
) , T[u
3
) , T[u
n
)
TV
1
tambien seran linealmente independientes.
3. dim[TV
1
] = n
4. Si [e
1
) , [e
2
) , [e
3
) [e
n
) V
1
es una base de V
1
, entonces T[e
1
) , T[e
2
) , T[e
3
) T[e
n
)
TV
1
es una base de TV
1

6.1.6. Operadores Hermticos Conjugados
Deniremos la accion de un operador A sobre un bra de la forma siguiente
(w[ A)
. .
w
]
[v) = w[ (A[v))
. .
]v
)
por lo cual lo que estamos diciendo es que el elemento de matriz para el operador, A, es el mismo, y no
importa donde opere A.De esta manera, dado cada vector en V, tiene asociado un vector en V
podemos
demostrar que A operando sobre los bra es lineal. Esto es dado
w[ =
1
z
1
[ +
2
z
2
[ =
(w[ A) [v) (
1
z
1
[ +
2
z
2
[ A) [v) = (
1
z
1
[ +
2
z
2
[) (A[v)) =
1
z
1
[ (A[v)) +
2
z
2
[ (A[v))
=
1
(z
1
[ A) [v) +
2
(z
2
[ A) [v)
Siguiendo con esta logica podemos construir la accion del operador hermtico conjugado, A
. Para ello
recordamos que igual que a cada vector (ket) [v) le esta asociado una forma lineal (bra) v[ ,a cada ket
transformado A[v) = [v
t
) le correspondera un bra transformado v
t
[ = v[ A
. Por lo tanto
[v) v[
[v
t
) = A[v) v
t
[ = v[ A
ahora bien,si A es lineal, A
tambien lo sera. Dado que a un vector [w) =

1
[z
1
) +
2
[z
2
) le corresponde
un bra w[ =
1
z
1
[ +
2
z
2
[ (la correspondencia es antilineal). Por lo tanto, [w
t
) = A[w) =
1
A[z
1
) +
2
A[z
2
) , por ser A lineal, entonces
[w
t
) w
t
[ w[ A
= (
1
z
1
[ +
2
z
2
[) A
1
z
t
1
[ +
2
z
t
2
[ =
1
z
1
[ A
2
z
2
[ A
Es claro que de la denicion de producto interno en la notacion de Dirac, se desprende

x
t
[ y) = y[ x
t
)
[x
t
) = A[x) , [y) V =x[ A
[y) = y[ A[x)
[x) , [y) V
Igualmente se pueden deducir las propiedades de los operadores hermticos conjugados
_
A
= A; (A)
; (A+B)
= A
+B
; (AB)
= B
Esta ultima propiedad es facilmente demostrable y es educativa su demostracion. Dado [v

t
) = AB[v),
ademas se tiene que
[ v) = B[v)
[v
t
) = A[ v)
_
_
_
=v
t
[ = v[ A
= v[ B
= v[ (AB)
A partir de propiedades anteriores se deriva una mas util relacionada con el conmutador de dos operadores
hermticos
[A, B]
=
_
A
, B
_
=
_
B
, A
La conclusiones a las que llegamos son

Para obtener el hermtico conjugado de una expresion proceda de la siguiente manera:
Cambie constantes por sus complejas conjugadas

Cambie los kets por sus bras asociados y viceversa (bras por kets): [v) v[
Cambie operadores lineales por sus hermticos conjugados A
A;
Invierta el orden de los factores
De este modo
([v) w[)
= [w) v[
que se deduce facilmente de la consecuencia de la denicion de producto interno
x[
_
[v) w[
_
[y) = y[ ([v) w[) [x)
= y[ [v)
w[ [x)
= x[ [w) v[ [y)
Existe un conjunto de operadores que se denominan Hermticos a secas o autoadjunto. Un operador
Hermtico (o autoadjunto) sera aquel para el cual A
= A. Con esto
x[ A
[y) = x[ A[y) = y[ A[x)
Claramente los proyectores son autoadjuntos por construccion

P
]v)
([v) v[)
= [v) v[
6.1.7. Operadores Unitarios
Por denicion un operador sera unitario si su inversa es igual a su adjunto. Esto es
U
1
= U
=U
U = UU
= 1
De estos operadores podemos decir varias cosas
Las transformaciones unitarias dejan invariantes al producto interno y consecuentemente la norma de
vectores. Esto se demuestra facilmente. Dados dos vectores [x) , [y) sobre los cuales actua un operadore
unitario
[ x) = U[x)
[ y) = U[y)
_
_
_
= y [ x) = y[ U
U[x) = y [x)
Es claro que si Aes hermtico, A
= A, el operador T = e
iA
es unitario.
T = e
iA
=T
= e
iA
= e
iA
=TT
= e
iA
e
iA
= 1 = T
T = e
iA
e
iA
El producto de dos operadores unitarios tambien es unitario. Esto es si U y V son unitarios entonces
(UV)
(UV) = V
U
. .
1
V = V
V = 1
(UV) (UV)
= UVV
. .
1
U
= UU
= 1
6.2. Representaci on Matricial de Operadores
Supongamos un operador lineal A en el espacio vectorial de transformaciones lineales L(V, W) donde
dim(V ) = n y dim(W) = m y sean [e
1
) , [e
2
) , [e
3
) , [e
n
) y [e
1
) , [e
2
) , [e
3
) , [e
m
) las bases para
V y W respectivamente. Entonces A[e
j
) W
A[e
i
) = A
i
[e
) con i = 1, 2, .., n y = 1, 2, .., m

las A
i
son las componentes de la expansion de A[e
i
) en la base [e
1
) , [e
2
) , [e
3
) , [e
m
) . Para un vector
generico [x) tendremos que
[ x) = A[x) = x
[e
) pero, a su vez [x) = x

i
[e
i
)
con lo cual
[ x) = A[x) = x
[e
) = A
_
x
i
[e
i
)
_
= x
i
A[e
i
) = x
i
A
i
[e
) =
_
x
x
i
A
i
_
[e
i
) = 0
para nalmente concluir que
x
= A
i
x
i
Varias cosas se pueden concluir hasta este punto
1. Si acordamos que los ndices de arriba indican las podemos representar los vectores como un arreglo
vertical de sus componentes
[x)
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
y las cantidades
A
i

_
_
_
_
_
_
_
_
_
_
A
1
1
A
1
2
A
1
j
A
1
n
A
2
1
A
2
2
A
2
j
A
2
n
.
.
.
.
.
.
.
.
.
A
1
A
2
A
j
A
n
.
.
.
.
.
.
.
.
.
A
m
1
A
m
2
A
m
j
A
m
n
_
_
_
_
_
_
_
_
_
_
de tal modo que se cumpla
[ x)
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
x
m
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
A
1
1
A
1
2
A
1
j
A
1
n
A
2
1
A
2
2
A
2
j
A
2
n
.
.
.
.
.
.
.
.
.
A
1
A
2
A
j
A
n
.
.
.
.
.
.
.
.
.
A
m
1
A
m
2
A
m
j
A
m
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
j
x
n
_
_
_
_
_
_
_
_
_
Notese que los ndices arriba indican la y los de abajo columnas. Las cantidades A
j
es la represen-
tacion del operador A en las bases [e
1
) , [e
2
) , [e
3
) , [e
n
) y [e
1
) , [e
2
) , [e
3
) , [e
m
) de V y W
respectivamente. Es decir una matriz A
i
j
es un arreglo de n umeros
A
i
j
=
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
donde el superndice, i, indica la
_
_
_
_
_
A
1
1
A
2
1
.
.
.
A
n
1
_
_
_
_
_
y el subndice j columna
_
A
1
1
A
1
2
A
1
n
_
2. Diremos que las componentes de los vectores transforman como
x
= A
i
x
i
3. Si suponemos [e
1
) , [e
2
) , [e
3
) , [e
n
) y [e
1
) , [e
2
) , [e
3
) , [e
m
) bases ortonormales
x
= e
[ x) = e
[ A[x) = e
[ A
_
x
i
[e
i
)
_
=x
i
e
[ A[e
i
)
queda claro que A
i
e
[ A[e
i
) ser a la representacion matricial
4. Los vectores [e
k
) transforman de la siguiente manera
A[e
i
) = [ w
i
) = A
j
i
[e
j
) =
donde [e
1
) , [e
2
) , [e
3
) , [e
n
) y [e
1
) , [e
2
) , [e
3
) , [e
n
) son las bases para V y W respectiva-
mente.
Denitivamente, las matrices son uno de los objetos mas utiles de las Matematicas. Ellas permiten aterri-
zar conceptos y calcular cantidades. La palabra matriz fue introducida en 1850 por James Joseph Sylvester
1
y su teora desarrollada por Hamilton
2
y Cayley
3
. Si bien los fsicos las consideramos indispensables, no
fueron utilizadas de manera intensiva hasta el aparicion de la Mecanica Cuantica alrededor de 1925.
1
James Joseph Sylvester (1814-1897 Londres, Inglaterra). Ademas de sus aportes con Cayley a la Teora de las Matrices
descubrio la solucion a la ecuacion c ubica y fue el primero en utilizar el termino discriminante para categorizar cada una de
las races de la ecuacion. Para vivir tuvo que ejercer de abogado durante una decada. Por fortuna otro matematico de la epoca
(Arthur Cayley) frecuentaba los mismos juzgados y tribunales y pudieron interactuar. Por ser judo tuvo cantidad de dicultades
para conseguir trabajo en la Academia.
2
Sir William Rowan Hamilton (1805 - 1865, Dublin, Irlanda) Sus contribuciones en el campo de la Optica, Din amica del
cuerpo Rgido, Teora de ecuaciones algebraicas y Teora de Operadores Lineales.
3
Arthur Cayley (1821, Richmond, 1895, Cambridge, Inglaterra) En sus cerca de 900 trabajos cubri o cas la totalidad de
las areas de las Matem aticas de aquel entonces. Sus mayores cotribuciones se centran el la Teora de Matrices y la Gemetra no
euclideana. No consiguio empleo como Matemetico y tuvo que graduarse de abogado y ejercer durante mas de 15 a nos, durante
los cuales publico mas de 250 trabajos en Matem aticas
6.2.1. Bases y Representaci on Matricial de Operadores
Es importante recalcar que la representacion matricial de un operador depende de las bases [e
1
) , [e
2
) , [e
3
) , [e
n
)
y [e
1
) , [e
2
) , [e
3
) , [e
m
) de de V y W respectivamente. Si tenemos otras bases ortonormal para V y W
vale decir, [e
1
) , [e
2
) , [e
3
) , [e
n
) y [e
1
) , [e
2
) , [e
3
) , [e
m
) su representacion sera distinta. Esto es
e
[ A[e
j
) =

A
j
=
_
_
_
_
_
_
_
_
_
_
_
A
1
1

A
1
2

A
1
j

A
1
n
A
2
1

A
2
2

A
2
j
A
2
n
.
.
.
.
.
.
.
.
.
1

A
2

A
n
.
.
.
.
.
.
.
.
.
A
m
1

A
m
2

A
m
j
A
m
n
_
_
_
_
_
_
_
_
_
_
_
Mas a un cambiando el orden en el cual se presenta una base, cambia la representacion matricial del operador.
Los siguientes ejemplos trataran de ilustrar estas situaciones
Si tenemos un matriz 2 3, B de la forma
B =
_
3 1 2
1 0 4
_
y supongamos las bases canonicas para V
3
y V
2
: [e
1
) , [e
2
) , [e
3
) y [e
1
) , [e
2
) . Entonces la matriz B
representan la transformacion B :V
3
V
2
que lleva un vector generico [x) = (x
1
, x
2
, x
3
) en un vector
generico [y) = (y
1
, y
2
) tal que
B =
_
3 1 2
1 0 4
_
=B[x) = [y) =
_
3 1 2
1 0 4
_
_
_
x
1
x
2
x
3
_
_
=
_
y
1
y
2
_
y esto es
y
1
= 3x
1
+x
2
2x
3
y
2
= x
1
+ 0x
2
+ 4x
3
La representacion matricial, dependera de la base en la cual se exprese. Si suponemos el operador dife-
rencial D() =
d()
dx
y consideramos el dominio un espacio vectorial de los polinomios de grado 3, por lo
tanto D() : P
3
P
2
, si consieramos las bases
_
1, x, x
2
, x
3
_
y
_
1, x, x
2
_
de P
3
y P
2
respectivamente. Si el
producto interno esta denido como
P
i
[P
j
)
_
1
1
dx T
i
(x) T
j
(x) dx
La representacion matricial el operador diferencial sera
_
P
i
D[P
j
) =
_
P
i
P
j
_
=
_
_
0 1 0 0
0 0 2 0
0 0 0 3
_
_
como siempre i indica las las y j las columnas.
Otra manera de verlo es operar (diferenciar) sobre el [P
j
) P
3
y expresar ese resultado en la base de P
2
D[P
j
) =
_
_
d(1)
dx
= 0 = 0 1 + 0 x + 0 x
2
d(x)
dx
= 1 = 1 1 + 0 x + 0 x
2
d(x
2
)
dx
= 2x = 0 1 + 2 x + 0 x
2
d(x
3
)
dx
= 3x
2
= 0 1 + 0 x + 3 x
2
y los coecientes de esa expansion seran las columnas de la matriz que los representa.
Para enfatizar que los elementos de matrz, no solo dependen de la base sino del orden en el cual la base
se presente. Consideremos que la base de P
2
viene representadas por
_
x
2
, x, 1
_
. La representacion matricial
del operador D() =
d()
dx
sera
P
i
D[P
j
) =

P
i
P
j
_
=
_
_
0 0 0 3
0 0 2 0
0 1 0 0
_
_
aunque
_
_
0 1 0 0
0 0 2 0
0 0 0 3
_
_
_
_
_
_
1
1
1
1
_
_
_
_
=
_
_
1
2
3
_
_
=1 + 2x + 3x
2
equivalentemente
_
_
0 0 0 3
0 0 2 0
0 1 0 0
_
_
_
_
_
_
1
1
1
1
_
_
_
_
=
_
_
3
2
1
_
_
=1 + 2x + 3x
2
Es el mismo polinomio!
Recuerde que las componentes del vector multiplican a los vectores bases en el mismo orden.
Si ahora construimos la respresentacion para el mismo operador D() =
d()
dx
en la siguiente base
_
1, 1 +x, 1 +x +x
2
, 1 +x +x
2
+x
3
_
y
_
1, x, x
2
_
de P
3
y P
2
, respectivamente.
D[P
j
) =
P
j
_
=
_
_
d(1)
dx
= 0 = 0 1 + 0 x + 0 x
2
d(1+x)
dx
= 1 = 1 1 + 0 x + 0 x
2
d(1+x+x
2
)
dx
= 1 + 2x = 1 1 + 2 x + 0 x
2
d(1+x+x
2
+x
3
)
dx
= 1 + 2x + 3x
2
= 1 1 + 2 x + 3 x
2
con lo cual
P
i
D[P
j
) =

P
i
P
j
_
=
_
_
0 1 1 1
0 0 2 2
0 0 0 3
_
_
6.2.2. Algebra de Matrices
Por comodidad supongamos que dim(V ) = dim(W) = n y consideremos la base ortogonal [e
1
) , [e
2
) , [e
3
) , [e
n
) .De
este modo es claro, que se reobtienen las conocidas relaciones para matrices cuadradas
e
i
A+B[e
j
) =

e
i
A+B[e
j
) =

e
i
A[e
j
) +
e
i
B[e
j
) = A
i
j
+B
i
j
con lo cual tenemos la suma de matrices. Esto es
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
+
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
A
n
n
_
_
_
_
_
_
_
_
_
_
A
1
1
+B
1
1
A
1
2
+B
1
2
A
1
n
+B
1
n
A
2
1
+B
2
1
A
2
2
+B
2
2
A
2
n
+B
2
n
.
.
.
.
.
.
.
.
.
A
n
1
+B
n
1
A
n
n
+B
n
n
_
_
_
_
_
en forma compacta puede demostrarse A
i
j
+ B
i
j
= (A+B)
i
j
con lo cual es directo la demostrar la igualdad
de matrices
_
_
_
_
_
A
1
1
+B
1
1
A
1
2
+B
1
2
A
1
n
+B
1
n
A
2
1
+B
2
1
A
2
2
+B
2
2
A
2
n
+B
2
n
.
.
.
.
.
.
.
.
.
A
n
1
+B
n
1
A
n
n
+B
n
n
_
_
_
_
_
= 0
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
=
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
A
n
n
_
_
_
_
_
de donde A
i
j
= B
i
j
De igual modo para la representacion de composicion de operadores
e
i
AB[e
j
) =

e
i
A1B[e
j
) =

e
i
A
_
[e
k
)
e
k
_
B[e
j
) =

e
i
A[e
k
)
e
k
B[e
j
) = A
i
k
B
k
j
para multiplicacion de matrices. Esto es
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
A
n
n
_
_
_
_
_
_
_
_
_
_
A
1
k
B
k
1
A
1
k
B
k
2
A
1
k
B
k
n
A
2
k
B
k
1
A
2
k
B
k
2
A
2
k
B
k
n
.
.
.
.
.
.
.
.
.
A
n
k
B
k
1
A
n
k
B
k
n
_
_
_
_
_
como ya sabamos AB ,= BA A
i
k
B
k
j
,=B
i
k
A
k
j
De la misma manera la multiplicacion de un n umero por una matriz es la multiplicacion de todos sus
elementos por ese n umero
e
i
A[e
j
) =
e
i
A[e
j
) = A
i
j
6.2.3. Representaci on Diagonal
Finalmente mostraremos que dado un operador lineal A L(V, W) donde dim(V ) = dim(W) = n y sea
[u
1
) , [u
2
) , [u
3
) , [u
n
) una base ortonormal para V y W. Si adicionalmente se da el caso que
A[u
i
) = [u
i
)
la representacion matricial es diagonal
u
j
A[u
i
) = A
j
i
=

u
j
[u
i
) =
j
i
Esta armacion tambien es valida para dim(V ) ,= dim(W) pero por simplicidad seguimos trabajando con
matrices cuadradas.
En leguaje de ndices estaremos diciendo que
D
i
j
= D
k

k
l

l
j
i
k
=
_
_
_
_
D
1
0 0 0
0 D
2
0 0
0 0 D
3
0
0 0 0 D
4
_
_
_
_
6.2.4. Sistemas de Ecuaciones lineales
Una de las aplicaciones mas utiles del algebra de matrices es la resolucion de los sitemas de ecuaciones
lineales. El cual puede ser expresado de la siguiente forma
A
i
x
i
= c
con i = 1, 2, .., n y = 1, 2, .., m

por lo tanto tendremos m ecuaciones lineales para n incognitas
_
x
1
, x
2
, x
n
_
. Las A
i
es la matriz de
los coecientes. Por lo tanto este problema puede ser pensado como un problema de un operador A en el
espacio vectorial de transformaciones lineales L(V, W) donde dim(V ) = n y dim(W) = m, con las c
las
componentes del vector transformado
[c) = A[x) c
= A
i
x
i
Concretemos en un ejemplo
2x + 3y z = 5
4x + 4y 3z = 3
2x + 3y z = 10
=
_
_
2 3 1
4 4 3
2 3 1
_
_
_
_
x
y
z
_
_
=
_
_
5
3
1
_
_
el metodo m as utilizado es la eliminacion de Gauss Jordan el cual se basa en el intercambio de ecuaciones
y la multiplicacion apropiada e inteligente por constantes y resta de ecuaciones. La idea es construir una
matriz triangular superior para poder luego despejar desde abajo. Veamos:
a
b
c
_
_
2 3 1
4 4 3
2 3 1
5
3
1
_
_
entonces para eliminar x de lala la c (o la ecuacion c) sumamos la la a con la c, a+c y esta nueva ecuacion
sera la nueva c
a
b
c
t
_
_
2 3 1
4 4 3
0 6 2
5
3
6
_
_
ahora 2a +b sera la nueva b
a
b
t
c
t
_
_
2 3 1
0 2 1
0 6 2
5
7
6
_
_
nalmente 3b
t
+c
t
a
b
t
c
tt
_
_
2 3 1
0 2 1
0 0 5
5
7
15
_
_
Este sistema es equivalente al primer sistema de ecuaciones. La solucion emerge rapidamente:
5z = 15 z = 3 2y z = 7 2y 3 = 7 y = 2 2x + 3 (2) 3 = 5 x = 1
Es bueno recalcar que los sistemas de ecuaciones lineales no necesariamente tienen solucion y a veces tienen
mas de una solucion.
6.2.5. Operadores Hermticos
La representacion matricial de un operador hermtico,
_
A
_
i
j
=

e
i
[e
j
) =

e
j
A[e
i
)
=
_
A
j
i
_
vale decir: el hermtico conjugado de una matriz, es su traspuesta conjugada. Si la matriz es Hermtica, i.e.
A
= A =
_
A
_
i
j
= A
i
j
por lo tanto, las matrices hermticas son simetricas respecto a la diagonal y los elementos de la diagonal son
n umeros reales. Un operador hermtico estara representado por una matriz hermtica.
Aqu vale la pena probar algunas de las propiedades que arriba expresamos para operadores hermticos
conjugados, vale decir
_
A
= A; (A)
; (A+B)
= A
+B
; (AB)
= B
Es claro que
_
A
_
e
i
[e
j
)
_
=
_
_
A
_
i
j
_
=
__
A
j
i
_
= A
i
j
y
(A)
e
i
[e
j
) =

e
j
A[e
i
)
e
j
A[e
i
)
e
i
[e
j
) =
pero mas interesante es

(AB)
e
i
(AB)
[e
j
) =
_
A
i
k
B
k
j
_
= A
j
k
B
k
i
= A
k
j
B
i
k
= B
i
k
A
k
j
B
6.2.6. Inversa de una matriz

Hemos visto que dada una transformacion lineal biyectiva, podemos denir una inversa para esa trans-
formacion lineal. Esa transformacion lineal tendra como representacion un matriz. Por lo tanto dado un
operador lineal A diremos que otro operador lineal B sera su inverso (por la derecha) si
AB = 1
e
i
AB[e
j
) =
i
j
A
i
k
B
k
j
=
i
j
ahora bien, como conocemso la matriz A
i
k
y las suponemos no singular (esto es: det
_
A
i
k
_
,= 0) y si tomamos
un j jo tendremos un sistema de n ecuaciones lineales inhomogeneo con n incognitas B
1
j
, B
2
j
, B
3
j
, B
n
j
.
Al resolver el sistema tendremos la solucion. El procedimiento para encontrar la inversa es equivalente al
metodo de eliminacion de Gauss Jordan, veamos como funciona. Supongamos una matriz 3 3
_
_
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
1 0 0
0 1 0
0 0 1
_
_
Gauss Jordan
_
_
1 0 0
0 1 0
0 0 1
B
1
1
B
1
2
B
1
3
B
2
1
B
2
2
B
2
3
B
3
1
B
3
2
B
3
3
_
_
Como un ejemplo
_
_
2 3 4
2 1 1
1 1 2
1 0 0
0 1 0
0 0 1
_
_
_
_
2 3 4
0 2 3
1 1 2
1 0 0
1 1 0
0 0 1
_
_
_
_
2 3 4
0 2 3
0 5 8
1 0 0
1 1 0
1 0 2
_
_
6.2.7. Cambio de Bases para vectores

Dada una representacion (una base) particular un bra, un ket o un operador queda representado por una
matriz. Si cambiamos la representacion, ese mismo bra, ket u operador tendra otra matriz como representa-
cion. Mostraremos como estan relacionadas esas matrices.
Dadas dos base discretas ortonormales [u
i
) y [t
i
), entonces un vector cualquiera
[) =
_
u
k
_
u
k
[
_
[) =

u
k
)
. .
c
k
[u
k
)
[) = ([t
m
) t
m
[) [) = t
m
[ )
. .
c
m
[t
m
)
_
_
=
_
_
t
m
[) =

u
k
) t
m
[u
k
)
. .
S
m
k
u
k
[) = t
m
[ )
u
k
[t
m
)
. .
S
k
m
con lo cual, una vez mas, tendremos que la expresion de transformacion de componentes de un vector
c
m
= S
m
k
c
k
c
k
=

S
k
m
c
m
y S
m
k
(o

S
k
m
) sera la matriz de transformacion, cambio de base o cambio de representacion. Ahora bien, por
denicion de producto interno
t
m
[u
k
) =

u
k
[t
m
)
= S
m
k
= S
k
m
S
m
k
por lo tanto, la matriz de transformacion entre bases es hermtica o autoadjunta y la relacion anterior queda
escrita como
c
m
= S
m
k
c
k
= t
m
[ ) = S
m
k
u
k
)
c
k
= S
k
m
c
m
=
u
k
[) = S
k
m
t
m
[ )
Igualmente la regla de transformacion de las representaciones matriciales de operadores quedan expresadas
como
t
i
A[t
j
) =

t
i
_
[u
k
)
u
k
_
A([u
m
) u
m
[) [t
j
) =

t
i
[u
k
)
. .
S
i
k
u
k
A[u
m
) u
m
[t
j
)
. .
S
m
j
por lo tanto,
A
i
j
= S
i
k
A
k
m
S
m
j
donde

A
i
j
es la representacion del operador A respecto a la base [t
j
) y A
k
m
su representacion en la base
[u
m
)
6.3. Traza de Operadores
La traza, Tr (A) , de un operador A es la suma de los elementos diagonales de su representacion matricial.
Esto es dado un operador A y una base ortogonal [u
i
) para V
n
Tr (A) =

u
k
A[u
k
) = A
i
i
As
A
i
j
=
_
_
1 2 3
4 5 6
7 8 9
_
_
=Tr (A) = A
i
i
= 15
6.3.1. Invariancia de la Traza
La traza de una matriz no depende de la base que seleccionemos. Es un invariante que caracteriza
al operador independientemente de la base en la cual se represente. Entonces Dadas dos base discretas
ortonormales [u
i
) y [t
i
),
A
k
k
=

u
k
A[u
k
) =

u
k
[t
m
) t
m
[ A[u
k
) = t
m
[ A[u
k
)
u
k
. .
1
[t
m
) = t
m
[ A[t
m
) = A
m
m
Donde una vez mas hemos utilizado las dos relaciones de cierre [t
m
) t
m
[ = 1 y

u
k
_
u
k
[ = 1. Es claro que
el n umero que representa esta suma sera el mismo independientemente de su representacion matricial.
6.3.2. Propiedades de la Traza
Claramente la traza es lineal
Tr (A+B) = Tr (A) +Tr (B)
ya que
Tr (A+B) =

u
k
A+B[u
k
) =

u
k
A[u
k
) +
u
k
B[u
k
) = Tr (A) +Tr (B)
La traza de un producto conmuta esto es
Tr (AB) = Tr (BA)
y es facilmente demostrable
Tr (AB) =

u
k
AB[u
k
) =

u
k
A[u
m
) u
m
[
. .
1
B[u
k
) =

u
k
B[u
m
) u
m
[
. .
1
A[u
k
) = Tr (BA)
Recuerde que

u
k
B[u
m
) y

u
k
A[u
k
) son n umeros que pueden ser reordenados.
Del mismo modo es facil demostrar que la traza de un triple producto de matrices respeta la ciclicidad
del orden de la matrices en el producto
Tr (ABC) = Tr (BCA) = Tr (CAB)
6.3.3. Diferenciaci on de Operadores
Dado un operador A(t) el cual supondremos dependiente de una variable arbitraria t podremos denir
la derivada como
dA(t)
dt
= lm
t0
A(t + t) A(t)
t
por lo tanto si

u
k
A[u
i
) = A
k
i
entonces
u
k
dA(t)
dt
[u
i
) =
_
dA(t)
dt
_
k
i
=
d
dt
u
k
A(t) [u
i
) =
dA
k
i
dt
=
_
_
_
_
_
_
dA
1
1
dt
dA
1
2
dt

dA
1
n
dt
dA
2
1
dt
dA
2
2
dt
dA
2
n
dt
.
.
.
.
.
.
dA
n
1
dt
dA
n
2
dt
dA
n
n
dt
_
_
_
_
_
_
con lo cual la regla es simple, la representacion matricial de la derivada de un operador sera la derivada de
cada uno de sus elementos. Con ello
d
dx
_
_
x x
2
2
1 e
x
5x
3x
3
3 cos x
_
_
=
_
_
1 2x 0
0 e
x
5
9x
2
0 senx
_
_
6.3.4. Reglas de Diferenciacion de Operadores Lineales
Las reglas usuales de la diferenciacion se cumpliran con la diferenciacion de operadores. Esto se demuestra
con la representacion matricial
d(A(t) +B(t))
dt
=
d(A(t))
dt
+
d(B(t))
dt
u
k
d(A(t) +B(t))
dt
[u
i
) =
d
dt
u
k
(A(t) +B(t)) [u
i
)
=
d
dt
_
u
k
A(t) [u
i
) +
u
k
B(t) [u
i
)
_
=
d
dt
u
k
A(t) [u
i
) +
d
dt
u
k
B(t) [u
i
)
=

u
k
dA(t)
dt
[u
i
) +
u
k
dB(t)
dt
[u
i
) =
d(A(t))
dt
+
d(B(t))
dt
Del mismo modo se cumplira que
d(A(t) B(t))
dt
=
dA(t)
dt
B(t) +A(t)
dB(t)
dt
con la precaucion que no se puede modicar el orden de aparicion de los operadores. Es facil ver que
u
k
d(A(t) B(t))
dt
[u
i
) =
d
dt
u
k
A(t) B(t) [u
i
) =
d
dt
u
k
A(t) 1B(t) [u
i
)
=
_
u
k
A(t) [u
m
) u
m
[ B(t) [u
i
)
_
=
d
u
k
A(t) [u
m
)
dt
u
m
[ B(t) [u
i
) +
u
k
A(t) [u
m
)
du
m
[ B(t) [u
i
)
dt
=

u
k
dA(t)
dt
[u
m
) u
m
[ B(t) [u
i
) +
u
k
A(t) [u
m
) u
m
[
dB(t)
dt
[u
i
)
Otras propiedades de la derivacion de operadores se demuestran a partir de la expansion en series de los
operadores. Por ejemplo si queremos conocer la expresion para
de
At
dt
, con A ,= A(t)si recordamos que
e
At
[v) =
_

n=0
(At)
n
n!
_
[v) =
_
1 +At +
(At)
2
2!
+ +
(At)
n
n!

_
[v)
tendremos que
de
At
dt
[v) =
d
dt
_

n=0
(At)
n
n!
_
[v) =
_

n=0
d
dt
_
(At)
n
n!
_
_
[v)
=
_

n=0
nt
n1
A
n
n!
_
[v) =
_

n=0
t
n1
A
n1
(n 1)!
_
. .
e
At
A[v)
Notese que la suma es hasta innito, por lo tanto al cambiar de ndice p = n 1, p sigue variando hasta
innito y la serie es la misma que la anterior. Entonces
de
At
dt
[v) = e
At
A[v) Ae
At
[v)
tambien fjese que si un solo operador esta siendo derivado el orden de presentacion de los operadores es
indiferente. Ahora bien, cuando se presenta la siguiente situacion
d
_
e
At
e
Bt
_
dt
[v) =
de
At
dt
e
Bt
[v) +e
At
de
Bt
dt
[v) = Ae
At
e
Bt
[v) +e
At
Be
Bt
[v)
= e
At
Ae
Bt
[v) +e
At
e
Bt
B[v)
con A ,= A(t) y B ,= B(t) y siempre
_
e
Bt
, B
= 0. Con lo cual, solo para el caso en el cual [A, B] = 0

podremos factorizar e
At
e
Bt
y
d
_
e
At
e
Bt
_
dt
[v) = (A+B) e
At
e
Bt
[v)
Si [A, B] ,= 0 el orden de aparicion de los operadores es MUY importante.
Para el caso en el cual A = A(t) no necesariamente
_
A(t) , e
dA(t)
dt
_
= 0. Veamos:
de
A(t)
dt
[v) =
d
dt
_

n=0
(A(t))
n
n!
_
[v) =
_

n=0
_
1
n!
d(A(t))
n
dt
_
_
[v)
=
_

n=0
_
1
n!
_
d(A(t))
dt
A(t)
n1
+A(t)
d(A(t))
dt
A(t)
n2
A(t)
n1
d(A(t))
dt
__
_
[v)
Adicionalmente
si [A, [A, B]] = [B, [A, B]] = 0 =[A, F(B)] = [A, B]
dF(B)
dt
Esta relacion es facilmente demostrable para el caso en el cual [A, B] = 1 el operador indentidad, en ese
caso tenamos que AB
n
B
n
A = nB
n1
AB
n
B
n
A = ABB B
. .
n
BB B
. .
n
A
= (1 +BA) BB B
. .
n1
BB B
. .
n
A
= 1B
n1
+B(1 +BA)BB B
. .
n2
BB B
. .
n
A
= 2B
n1
+B
2
(1 +BA)BB B
. .
n3
BB B
. .
n
A
.
.
.
= nB
n1
Obviamente, para este caso, se cumple que
[A, B] = 1 =[A, [A, B]] = [B, [A, B]] = 0
para demostrar esta relacion desarrollemos en Serie de Taylor la funcion F(B) . Esto es
[A, F(B)] =
_
A,
n=0
f
n
B
n
n!
_
=
n=0
f
n
[A, B
n
]
n!
= [A, B]
n=0
f
n
nB
n1
n!
= [A, B]
n=0
f
n
B
n1
(n 1)!
= [A, B]
dF(B)
dt
Para el caso mas general se procede del mismo modo
si [A, C] = [B, C] = 0 con C =[A, B] =[A, F(B)]
?
= [A, B]
dF(B)
dt
Probaremos primero que
si [A, C] = [B, C] = 0 con C =[A, B] =[A, B
n
] = AB
n
B
n
A = n[A, B] B
n1
Tendremos que
AB
n
B
n
A = ABB B
. .
n
BB B
. .
n
A
= (C+BA) BB B
. .
n1
BB B
. .
n
A
= CB
n1
+B(C+BA)BB B
. .
n2
BB B
. .
n
A
= 2CB
n1
+B
2
(C+BA)BB B
. .
n3
BB B
. .
n
A
.
.
.
= nCB
n1
= n[A, B] B
n1
con lo cual es inmediato demostrar que
[A, F(B)] =
_
A,
n=0
f
n
B
n
n!
_
=
n=0
f
n
[A, B
n
]
n!
= [A, B]
n=0
f
n
nB
n1
n!
= [A, B]
n=0
f
n
B
n1
(n 1)!
= [A, B]
dF(B)
dt
6.3.5. La F ormula de Glauber
Ahora estamos en capacidad de demostrar limpiamente la formula de Glauber. Esta es
e
A
e
B
= e
A+B
e
1
2
[A,B]
Para demostrarla, procedemos a considerar un operador F(t) = e
At
e
Bt
, por lo tanto
dF(t)
dt
[v) =
de
At
e
Bt
dt
[v) = Ae
At
e
Bt
[v) +e
At
Be
Bt
[v) =
_
A+e
At
Be
At
_
e
At
e
Bt
[v)
=
_
A+e
At
Be
At
_
F(t) [v)
Ahora bien, dado que
si [A, [A, B]] = [B, [A, B]] = 0 =[A, F(B)] = [A, B]
dF(B)
dt
entonces
_
e
At
, B
= t [A, B] e
At
=e
At
B = Be
At
+t [A, B] e
At
por lo cual
dF(t)
dt
[v) =
_
A+e
At
Be
At
_
F(t) [v) =
_
A+B+t [A, B] e
At
_
F(t) [v)
por tanteo uno puede darse cuenta que
F(t) = e
n
(A+B)t+
t
2
2
[A,B]
o
cumple con la ecuacion anterior, por lo tanto absorbiendo t en los operadores correspondientes llegamos a la
formula de Glauber
e
A
e
B
= e
A+B
e
1
2
[A,B]
6.4. Un Zoologico de Matrices Cuadradas
A continuacion presentaremos un conjunto de matrices que seran de utilidad mas adelante
6.4.1. La matriz nula
es
A
i
j
= 0 i, j =A
i
j
=
_
_
_
_
_
0 0 0
0 0 0
.
.
.
.
.
.
0 0 0
_
_
_
_
_
6.4.2. Diagonal a Bloques
Podremos tener matrices diagonales a bloques, vale decir
D
i
j
=
_
_
_
_
D
1
1
D
1
2
0 0
D
2
1
D
2
2
0 0
0 0 D
3
3
D
3
4
0 0 D
4
3
D
4
4
_
_
_
_
6.4.3. Triangular superior e inferior
D
i
j
=
_
_
_
_
D
1
1

D
1
2

D
1
3

D
1
4
0

D
2
2
D
2
3

D
2
4
0 0

D
3
3

D
3
4
0 0 0

D
4
4
_
_
_
_
y

D
i
j
=
_
_
_
_
D
1
1
0 0 0
D
2
1

D
2
2
0 0
D
3
1
D
3
2

D
3
3
0
D
4
1

D
4
2

D
4
3

D
4
4
_
_
_
_
6.4.4. Matriz singular
A es singular = det A = 0
6.4.5. Matriz de cofactores
A
i
j
=
_
_
a
1
1
a
1
2
a
1
3
a
2
1
a
2
2
a
2
3
a
3
1
a
3
2
a
3
3
_
_
y (A
c
)
i
j
=
_
_
(A
c
)
1
1
(A
c
)
1
2
(A
c
)
1
3
(A
c
)
2
1
(A
c
)
2
2
(A
c
)
2
3
(A
c
)
3
1
(A
c
)
3
2
(A
c
)
3
3
_
_
donde los (A
c
)
i
j
es la matriz de cofactores, y los cofactores son
(A
c
)
1
1
= (1)
1+1
a
2
2
a
2
3
a
3
2
a
3
3
(A
c
)
1
2
= (1)
1+2
a
2
1
a
2
3
a
3
1
a
3
3
(A
c
)
1
3
= (1)
1+3
a
2
1
a
2
2
a
3
1
a
3
2
(A
c
)
2
1
= (1)
2+1
a
1
2
a
1
3
a
3
2
a
3
3
(A
c
)
2
2
= (1)
2+2
a
1
1
a
1
3
a
3
1
a
3
3
(A
c
)
2
3
= (1)
2+3
a
1
1
a
1
2
a
3
1
a
3
2
(A
c
)
3
1
= (1)
3+1
a
1
2
a
1
3
a
2
2
a
2
3
(A
c
)
3
2
= (1)
3+2
a
1
1
a
1
3
a
2
1
a
2
3
(A
c
)
3
3
= (1)
3+3
a
1
1
a
1
2
a
2
1
a
2
2
6.4.6. Matriz Adjunta

Llamaremos matriz adjunta, adj [A], a la traspuesta de la matriz de cofactores de una determinada matriz.
Esto es
adj [A] = (A
c
)
T
=adj
_
A
i
j
=
_
(A
c
)
i
j
_
T
= (A
c
)
j
i
Esto es
A
i
j
=
_
_
1 2 3
4 5 6
7 8 9
_
_
=adj
_
A
i
j
=
_
_
3 6 3
6 12 6
3 6 3
_
_
Una matriz sera autoadjunta si adj [A] = A
6.5. Un Parentesis Determinante
6.5.1. Denici on
Antes de continuar es imperioso que refresquemos algunas propiedades del determinante de una matriz.
Ya hemos visto que el det A : M
nn
'. Es decir, asocia un n umero real con cada matriz del espacio
vectorial M
nn
de matrices n n
As, dada una matriz
A
i
j
=
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
=det A =
ijk
A
1
i
A
2
j
A
3
k
=
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
Hemos generalizado el ndice de Levi Civita de tal forma que
ijk
=
ijk
=
_
_
_
0, si cualesquiera dos ndices son iguales
1, si los ndices i, j, k constituyen una permutacion cclica de 1, 2, 3 n
1 si los ndices i, j, k constituyen una permutacion anticclica de 1, 2, 3 n
Esta situaci on es clara para el caso de matrices 3 3, veamos.
Dada una matriz 3 3
A
i
j
=
_
_
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
_
_
=det A =
ijk
A
1
i
A
2
j
A
3
k
=
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
con lo cual
det A =
123
A
1
1
A
2
2
A
3
3
+
312
A
1
3
A
2
1
A
3
2
+
231
A
1
2
A
2
3
A
3
1
+
132
A
1
1
A
2
3
A
3
2
+
321
A
1
3
A
2
2
A
3
1
+
213
A
1
2
A
2
1
A
3
3
= A
1
1
A
2
2
A
3
3
+A
1
3
A
2
1
A
3
2
+A
1
2
A
2
3
A
3
1
A
1
1
A
2
3
A
3
2
A
1
3
A
2
2
A
3
1
A
1
2
A
2
1
A
3
3
6.5.2. Propiedades Determinantes
1. det A = det A
T
donde A
T
es la traspuesta de A
Esta propiedad proviene de la denicion del ndice de Levi Civita
det A =
ijk
A
1
i
A
2
j
A
3
k
=
ijk
A
i
1
A
j
2
A
k
3
= det A
T
que se traduce que se intercambian las por columnas el determinante no se altera
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
A
1
1
A
2
1
A
3
1
A
1
2
A
2
2
A
3
2
A
1
3
A
2
3
A
3
3
2. Si dos las o dos columnas son identicas el determinante se anula
iik
A
1
i
A
2
i
A
3
k
=
iik
A
i
1
A
i
2
A
k
3
= 0
por denicion del ndice de Levi Civita
A
1
1
A
1
1
A
1
3
A
2
1
A
2
1
A
2
3
A
3
1
A
3
1
A
3
3
A
1
1
A
1
2
A
1
3
A
1
1
A
1
2
A
1
3
A
3
1
A
3
2
A
3
3
= 0
3. Si multiplicamos una la o una columna por un n umero, el determinante queda multiplicado por el
n umero
ijk
A
1
i
_
A
2
j
_
A
3
k
=
ijk
A
1
i
A
2
j
A
3
k
= det A
ijk
A
i
1
A
j
2
_
A
k
3
_
=
ijk
A
i
1
A
j
2
A
k
3
= det A
de aqu claramente se desprende que si una la o una columna es cero ( = 0) el determinante se
anula. Mas a un, si dos las o dos columnas son proporcionales A
1
i
= A
2
j
el determinante se anula, por
cuanto se cumple la propiedad anterior
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
Obvio que

A
1
1
0 A
1
3
A
2
1
0 A
2
3
A
3
1
0 A
3
3
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
0 0 0
= 0
al igual que
A
1
1
A
1
1
A
1
3
A
2
1
A
2
1
A
2
3
A
3
1
A
3
1
A
3
3
A
1
1
A
1
2
A
1
3
A
1
1
A
1
2
A
1
3
A
3
1
A
3
2
A
3
3
A
1
1
A
1
1
A
1
3
A
2
1
A
2
1
A
2
3
A
3
1
A
3
1
A
3
3
A
1
1
A
1
2
A
1
3
A
1
1
A
1
2
A
1
3
A
3
1
A
3
2
A
3
3
= 0
4. Si se intercambian dos las o dos columnas cambia de signo el determinante.
det A =
ijk
A
1
i
A
2
j
A
3
k
=
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
=
ijk
A
1
j
A
2
i
A
3
k
= det

A
donde en la matriz

A se han intercambiando un par de columnas. Claramente las propiedades del
ndice de Levi Civita, obliga al cambio de signo
det

A = det A
Notese que una sntesis de las propiedades anteriores nos lleva a reescribir el determinante de una
matriz de la forma
det A =
det A =
ijk
A
i
A
j
A
k
det A =
det A =
ijk
A
i
A
j
A
k

claramente, si 123 reobtenemos la denicion anterior. Si se intercambian dos las o dos
columnas, el determinante cambia de signo debido al intercambio de dos ndices griegos. Si dos las
o dos columnas son iguales el determinante se anula debido a la propiedad de smbolo de Levi Civita
con ndices griegos.
5. El determinante de un producto es el producto de los determinantes
det (AB) = det (A) det (B)
Antes de proceder a la demostracion de este importante propiedad jugaremos un poco mas con las
propiedades de las matrices. Queremos se nalar que si A es una matriz mn y B es una matriz n p,
entonces tendremos que
(AB)
= A
B
esto es que la esima la es igual a la multiplicacion de la esima la, A
,por toda la matriz

B. Veamos
C
i
j
= (AB)
i
j
= A
i
l
B
l
j
por lo tanto la esima la
C
j
= A
l
B
l
j
=C
j
= (A
1
, A
2
, A
3
, A
n
, )
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
B
n
n
_
_
_
_
_
det (A) det (B) = det (A)
_
ijk
B
i
1
B
j
2
B
k
3

_
=
_
ijk
A
i
A
j
A
k

_
_
abc
B
a
1
B
b
2
B
c
3

_
que siempre puede ser rearreglado a
_
ijk
A
i
A
j
A
k

__
ijk
B
i
1
B
j
2
B
k
3

_
= A
i
B
i
1
A
j
B
j
2
A
k
B
k
3
= det (AB)
veamos este desarrollo en el caso de 3 3
_
123
A
1
1
A
2
2
A
3
3
+
312
A
1
3
A
2
1
A
3
2
+
231
A
1
2
A
2
3
A
3
1
+
132
A
1
1
A
2
3
A
3
2
+
321
A
1
3
A
2
2
A
3
1
+
213
A
1
2
A
2
1
A
3
3
_
123
B
1
1
B
2
2
B
3
3
+
312
B
1
3
B
2
1
B
3
2
+
231
B
1
2
B
2
3
B
3
1
+
132
B
1
1
B
2
3
B
3
2
+
321
B
1
3
B
2
2
B
3
1
+
213
B
1
2
B
2
1
B
3
3
_
con lo cual
= A
1
1
A
2
2
A
3
3
_
B
1
1
B
2
2
B
3
3
+B
1
3
B
2
1
B
3
2
+B
1
2
B
2
3
B
3
1
B
1
1
B
2
3
B
3
2
B
1
3
B
2
2
B
3
1
B
1
2
B
2
1
B
3
3
_
+A
1
3
A
2
1
A
3
2
_
B
1
1
B
2
2
B
3
3
+B
1
3
B
2
1
B
3
2
+B
1
2
B
2
3
B
3
1
+B
1
1
B
2
3
B
3
2
+B
1
3
B
2
2
B
3
1
+B
1
2
B
2
1
B
3
3
_
+A
1
2
A
2
3
A
3
1
_
B
1
1
B
2
2
B
3
3
+B
1
3
B
2
1
B
3
2
+B
1
2
B
2
3
B
3
1
+B
1
1
B
2
3
B
3
2
+B
1
3
B
2
2
B
3
1
+B
1
2
B
2
1
B
3
3
_
A
1
1
A
2
3
A
3
2
_
B
1
1
B
2
2
B
3
3
+B
1
3
B
2
1
B
3
2
+B
1
2
B
2
3
B
3
1
+B
1
1
B
2
3
B
3
2
+B
1
3
B
2
2
B
3
1
+B
1
2
B
2
1
B
3
3
_
A
1
3
A
2
2
A
3
1
_
B
1
1
B
2
2
B
3
3
+B
1
3
B
2
1
B
3
2
+B
1
2
B
2
3
B
3
1
+B
1
1
B
2
3
B
3
2
+B
1
3
B
2
2
B
3
1
+B
1
2
B
2
1
B
3
3
_
A
1
2
A
2
1
A
3
3
_
B
1
1
B
2
2
B
3
3
+B
1
3
B
2
1
B
3
2
+B
1
2
B
2
3
B
3
1
+B
1
1
B
2
3
B
3
2
+B
1
3
B
2
2
B
3
1
+B
1
2
B
2
1
B
3
3
_
como son n umeros los rearreglo
= A
1
1
A
2
2
A
3
3
_
B
1
1
B
2
2
B
3
3
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
+A
1
3
A
2
1
A
3
2
_
B
1
1
B
2
2
B
3
3
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
+A
1
2
A
2
3
A
3
1
_
B
1
1
B
2
2
B
3
3
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
1
A
2
3
A
3
2
_
B
1
1
B
2
2
B
3
3
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
3
A
2
2
A
3
1
_
B
1
1
B
2
2
B
3
3
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
2
A
2
1
A
3
3
_
B
1
1
B
2
2
B
3
3
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
= A
1
1
A
2
2
A
3
3
_
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
+A
1
3
A
2
1
A
3
2
_
B
1
1
B
2
2
B
3
3
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
+A
1
2
A
2
3
A
3
1
_
B
1
1
B
2
2
B
3
3
+ +B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
1
A
2
3
A
3
2
_
B
1
1
B
2
2
B
3
3
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
3
A
2
2
A
3
1
_
B
1
1
B
2
2
B
3
3
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
2
A
2
1
A
3
3
_
B
1
1
B
2
2
B
3
3
+B
2
1
B
3
2
B
1
3
+B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
1
B
1
1
A
2
2
A
3
3
B
2
2
B
3
3
+A
1
2
B
2
1
A
2
3
A
3
1
B
3
2
B
1
3
ijk
A
i
1
A
j
2
A
k
2

6.6. Autovectores y Autovalores
6.6.1. Deniciones y Teoremas Preliminares
Llamaremos a [) un autovector del operador A si se cumple que
A[) = [)
en este caso (que, en general sera un n umero complejo) se denomina el autovalor correspondiente al
autovector [) . La ecuacion A[) = [) en conocida en la literatura como la ecuacion de autovalores y se
cumple para algunos valores particulares de los autovalores . El conjunto de los autovalores se denomina el
espectro del operador A.
Supongamos que A : V V y que dimV = n, supongamos ademas que una base ortogonal para V es
[e
1
) , [e
2
) , [e
3
) , [e
n
) . Por lo tanto la repercusion de esta ecuacion sobre la representacion matricial es
la siguiente
e
i
A[e
j
)
e
j
[) =

e
i
[) =
e
i
[) =A
i
j
c
j
= c
i
claramente, si [e
1
) , [e
2
) , [e
3
) , [e
n
) genera una representacion diagonal de A entonces
A
i
j

i
j
=A
i
j
c
j

i
j
c
j
= c
i
=A
i
j

i
j
Esto lo podemos resumir en el siguiente teorema que presentaremos sin demostracion.
Teorema Dado un operador lineal A :V
n
V
n
si la representacion matricial de A es diagonal,

e
i
A[e
j
) =
A
i
j

i
j
entonces existe una base ortonormal [e
1
) , [e
2
) , [e
3
) , [e
n
)
4
y un conjunto de cantidades
1
,
n
, ,
n
tales que se cumple
A[e
i
) =
i
[e
i
) con i = 1, 2, n
igualmente se cumple que si existe una base ortonormal [e
1
) , [e
2
) , [e
3
) , [e
n
)y un conjunto de
cantidades
1
,
n
, ,
n
tales satisfagan
A[e
i
) =
i
[e
i
) con i = 1, 2, n
Entonces se cumple la representacion matricial de A es diagonal,
e
i
A[e
j
) = A
i
j
= diag (
1
,
n
, ,
n
)
4
Realmente un conjunto de vectores linealmente independientes, pero como siempre puedo ortoganalizarlos mediante el
metodo de Gram Smith, consideraremos que es una base ortogonal de entrada
6.6.2. Algunos comentarios
1. Notese que si [) es autovector de A para un determinado autovalor entonces
_
= [) (un vector
proporcional a [) ,con un n umero complejo) tambien es un autovector para el mismo autovalor.
Esto representa una incomoda ambig uedad: dos autovectores que corresponden al mismo autovalor.
Un intento de eliminarla es siempre considerar vectores [) normalizados, i.e. [) = 1. Sin embargo
no deja de ser un intento que no elimina la ambig uedad del todo porque siempre queda angulo de fase
arbitrario. Esto es el vector e
i
[) ,con un n umero real arbitrario, tiene la misma norma del vector
[) . Sin embargo esta arbitrariedad es inofensiva. En Mecanica Cuantica las predicciones obtenidas
con [) son las mismas que con e
i
[)
2. Un autovalor sera no degenerado o simple si esta asociado a un unico autovector [)
5
de lo contrario
si denominara degenerado si existen dos o mas autovectores de A, linealmente independientes asociados
al mismo autovalor . El grado (o el orden) de la degeneracion es el n umero de vectores linealmente
independientes que esten asociados al mencionado autovalor .
3. El orden de degeneracion de un autovalor expande un espacio vectorial S () V
n
(denominado
autoespacio) cuya dimension es el orden de la degeneracion. Esto es si es gdegenerado, entonces
existen
[
1
) , [
2
) , [
3
) , [
g
) =A[
i
) = [
i
)
adicionalmente un autovector correspondiente al autovalor puede ser expresado como
[) = c
i
[
i
) con i = 1, 2, , g
con lo cual
A[) = c
i
A[
i
) = c
i
[
i
) = [)
6.6.3. Algunos Ejemplos
1. Reexion respecto al plano xy : Si R :V
3
V
3
es tal que R[) =
_
donde se ha realizado una
reexi on en el plano xy. Esto es
R[i) = [i) ; R[j) = [j) ; R[k) = [k)
con [i) , [j) , [k) vectores unitarios cartesianos. Es claro que cualquier vector en el plano xy sera auto-
vector de R con un autovalor = 1 mientras que cualquier otro vector [) V
3
y que no este en
el mencionado plano cumple con [) = c [k) y tambien sera autovector de R pero esta vez con un
autovalor = 1.
2. Dos visiones de Rotaciones de angulo jo : La rotaciones de un vector en el plano pueden verse
de dos maneras.
a) Se considera el plano como un espacio vectorial real V
2
con una base cartesiana canonica: [i) =
(1, 0) , y [j) = (0, 1) , esto es si
R[a) = [a) = el angulo de rotacion = n con n entero
5
Con la arbitrariedad del calibre antes mencionado
b) Igualmente si consideramos el plano complejo unidimensional, expresemos cualquier vector en el
plano en su forma polar [z) = re
i
por lo cual
R[z) = re
i(+)
= e
i
[z)
si queremos = e
i
reales necesariamente = n con n entero
3. Autovalores y Autovectores de Proyectores. Es interesante plantearse la ecuacion de autovalores
con la denicion del proyector para un determinado autoespacio. Esto es dado P
= [) [ si este
proyector cumple con una ecuacion de autovalores para un [) supuestamente arbitrario
P
[) = [) =P
[) = ([) [) [) =[) [)
es decir necesariamente [) es colineal con [) . Mas a un si ahora el [) no es tan arbitrario sino que
es ortogonal a [) , [) = 0 = = 0. Esto nos lleva a concluir que el espectro del operador
P
= [) [ es 0 y 1,el primer de los cuales es innitamente degenerado y el segundo es simple. Esto

nos lleva a reexionar que si existe un autovector de un determinado operador, entonces su autovalor
es distinto de cero, pero pueden existir autovalores nulos que generan un autoespacio innitamente
degenerado.
4. El operador diferenciacion D[f ) D(f) = f
t
: Los autovectores del operador diferenciacion
necesariamente deben satisfacer la ecuacion
D[f ) = [f ) D(f) (x) = f
t
(x) = f (x)
la solucion a esta ecuacion sera una exponencial. Esto es
[f ) f (x) = ce
x
con c ,= 0
las f (x) se denominaran autofunciones del operador
6.6.4. Autovalores, autovectores e independencia lineal
Uno de los teoremas mas utiles e importantes tiene que ver con la independencia lineal de los autovectores
correspondientes a distintos autovalores de un determinado operador lineal. Este importante teorema se puede
concretar en.
Teorema Sean [
1
) , [
2
) , [
3
) , [
k
) autovectores del operador A :V
m
V
n
y suponemos que existen k
autovalores,
1
,
2
, ,
k
, distintos correspondientes a cada uno de los autovectores [
j
) . Entonces
los [
1
) , [
2
) , [
3
) , , [
k
Demostracion La demostracion de este teorema es por induccion y resulta elegante y sencilla.
Primeramente demostramos que vale j = 1.
Obvio que el resultado se cumple y es trivial para el caso k = 1(un autovector [
1
) que corresponde a
un autovalor
1
es obvia y trivialmente linealmente independiente).
Seguidamente supondremos que se cumple para j = k 1.
Esto es que si existen [
1
) , [
2
) , [
3
) , [
k1
) autovectores de Acorrespondientes a
1
,
2
, ,
k1
entonces los [
1
) , [
2
) , [
3
) , [
k1
Ahora lo probaremos para j = k.
Por lo cual si tenemos k autovectores [
1
) , [
2
) , [
3
) , [
k
), podremos construir una combinacion
lineal con ellos y si esa combinacion lineal se anula seran linealmente independientes
c
j
[
j
) = 0 con j = 1, 2, , k
al aplicar el operador A a esa combinacion lineal, obtenemos
c
j
A[
j
) = 0 =c
j
j
[
j
) = 0
multiplicando por
k
y restando miembro a miembro obtenemos
c
j
(
j

k
) [
j
) = 0 con j = 1, 2, , k 1
(notese que el ultimondice es k1) pero, dado que los k1 vectores [
j
) son linealmente independiente,
entonces tendremos k 1 ecuaciones c
j
(
j

k
) = 0 una para cada j = 1, 2, , k 1. Dado que
j
,=
k
necesariamente llegamos a que c
j
= 0 para j = 1, 2, , k 1 y dado que
c
j
[
j
) = 0 con j = 1, 2, , k =c
j
,= 0
con lo cual si
c
j
[
j
) = 0 =c
j
= 0 con j = 1, 2, , k
y los [
1
) , [
2
) , [
3
) , [
k
) son linealmente independientes. Con lo cual queda demostrado el
teorema
Es importante acotar que el inverso de este teorema NO se cumple.
Esto es, si A :V
m
V
n
tiene [
1
) , [
2
) , [
3
) , , [
n
) autovectores linealmente independientes. NO
se puede concluir que existan n autovalores,
1
,
2
, ,
n
, distintos correspondientes a cada uno de los
autovectores [
j
) .
El teorema anterior lo complementa el siguiente que lo presentaremos sin demostracion. Este teorema
sera de gran utilidad en lo que sigue.
Teorema Si la dim(V
n
) = n cualquier operador lineal A :V
n
V
n
tendra un maximo de n autovalores distintos.
Adicionalmente, si A tiene precisamente n autovalores,
1
,
2
, ,
n
, entonces los correspondientes
n autovectores, [
1
) , [
2
) , [
3
) , , [
n
) , forman una base para V
n
y la representacion matricial,
en esa base, del operador sera diagonal
A[
j
) = A
i
j
= diag (
1
,
2
, ,
n
)
6.7. Autovalores y Autovectores de un operador
Una vez mas supongamos que A : V V y que dimV = n, supongamos ademas que [e
1
) , [e
2
) , [e
3
) , [e
n
)
es una base ortogonal para V. Por lo tanto la representacion matricial de la ecuacion de autovalores es la
siguiente
e
i
A[e
j
)
e
j
[) =
e
i
[) =A
i
j
c
j
= c
i
=
_
A
i
j

i
j
_
c
j
= 0
para con j = 1, 2, , n El conjunto de ecuaciones
_
A
i
j

i
j
_
c
j
= 0 puede ser considerado un sistema (lineal
y homogeneo) de ecuaciones con n incognitas c
j
.
6.7.1. El polinomio caracterstico.
Dado que un sistema lineal y homogeneo de ecuaciones con n incognitas tiene solucion si el determinante
de los coecientes se anula tendremos que
_
A
i
j

i
j
_
c
j
= 0 =det [A1] = 0 P () = det
_
A
i
j

i
j
= 0
Esta ecuacion se denomina ecuacion caracterstica (o secular) y a partir de ella emergen todos los autovalores
(el espectro) del operador A. Claramente esta ecuacion implica que
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
= 0 det
_
A
i
j

i
j
= 0
y tendra como resultado un polinomio de grado n (el polinomio caracterstico). Las races de este polinomio
seran los autovalores que estamos buscando. Es claro que estas races podran ser reales y distintas, algunas
reales e iguales y otras imaginarias.
Es importante se nalar que el polinomio caracterstico sera independiente de la base a la cual este referida
la representacion matricial

w
i
A[w
j
) del operador A.
6.7.2. Primero los autovalores, luego los autovectores
El procedimiento es el siguiente. Una vez obtenidos (los autovalores) las races del polinomio carac-
terstico, se procede a determinar el autovector, [
j
) , correspondiente a ese autovalor. Distinguiremos en
esta determinacion casos particulares dependiendo del tipo de raz del polinomio caracterstico. Ilustraremos
estos casos con ejemplos especcos para el caso especco de matrices 3 3 a saber:
1. Una matriz 3 3 con 3 autovalores reales distintos
e
i
A[e
j
) =
_
_
2 1 3
1 2 3
3 3 20
_
_
=det
_
A
i
j

i
j
2 1 3
1 2 3
3 3 20
= 0
con lo cual el polinomio caracterstico queda expresado como
3
24
2
+ 65 42 = ( 1) ( 2) ( 21) = 0
y es claro que tiene 3 races distintas. Para proceder a calcular los autovectores correspondientes a cada
autovalor resolvemos la ecuacion de autovalores para cada autovalor. Esto es
a)
1
= 1
_
_
2 1 3
1 2 3
3 3 20
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
x
2
x
3
_
_
2x
1
+x
2
+ 3x
3
= x
1
x
1
+ 2x
2
+ 3x
3
= x
2
3x
1
+ 3x
2
+ 20x
3
= x
3
que constituye un sistema de ecuaciones algebraicas de 3 ecuaciones con 3 incognitas. Resolviendo
el sistema tendremos que
1
= 1
_
_
x
1
x
2
x
3
_
_
1=1
=
_
_
1
1
0
_
_
con un escalar distinto de cero
b)
2
= 2
_
_
2 1 3
1 2 3
3 3 20
_
_
_
_
x
1
x
2
x
3
_
_
= 2
_
_
x
1
x
2
x
3
_
_
2x
1
+x
2
+ 3x
3
= 2x
1
x
1
+ 2x
2
+ 3x
3
= 2x
2
3x
1
+ 3x
2
+ 20x
3
= 2x
3
Resolviendo el sistema tendremos que
2
= 2
_
_
x
1
x
2
x
3
_
_
2=2
=
_
_
3
3
1
_
_
c)
3
= 21
_
_
2 1 3
1 2 3
3 3 20
_
_
_
_
x
1
x
2
x
3
_
_
= 21
_
_
x
1
x
2
x
3
_
_
2x
1
+x
2
+ 3x
3
= 21x
1
x
1
+ 2x
2
+ 3x
3
= 21x
2
3x
1
+ 3x
2
+ 20x
3
= 21x
3
3
= 21
_
_
x
1
x
2
x
3
_
_
3=21
=
_
_
1
1
6
_
_
2. Una matriz 3 3 con 2 autovalores reales distintos, es decir una matriz con autovalores repetidos
e
i
A[e
j
) =
_
_
4 3 1
4 1 0
1 7 4
_
_
=det
_
A
i
j

i
j
4 3 1
4 1 0
1 7 4
= 0
3
+
2
5 3 = ( + 3) ( 1)
2
= 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 1 es un autovalor degenerado
de orden 2. Para proceder a calcular los autovectores correspondientes a cada autovalor resolvemos la
ecuacion de autovalores para cada autovalor. Esto es:
a)
1
= 3
_
_
4 3 1
4 1 0
1 7 4
_
_
_
_
x
1
x
2
x
3
_
_
= 3
_
_
x
1
x
2
x
3
_
_
4x
1
3x
2
+x
3
= 3x
1
4x
1
x
2
= 3x
2
x
1
+ 7x
2
4x
3
= 3x
3
1
= 3
_
_
x
1
x
2
x
3
_
_
1=3
=
_
_
1
2
13
_
_
b)
2
= 1 (autovalor degenerado de orden 2)
_
_
4 3 1
4 1 0
1 7 4
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
x
2
x
3
_
_
4x
1
3x
2
+x
3
= x
1
4x
1
x
2
= x
2
x
1
+ 7x
2
4x
3
= x
3
2
= 1
_
_
x
1
x
2
x
3
_
_
2=1
=
_
_
1
2
3
_
_
3. Otra matriz 3 3 con 2 autovalores reales distintos, es decir otra matriz con autovalores repetidos
e
i
A[e
j
) =
_
_
2 1 1
2 3 2
3 3 4
_
_
=det
_
A
i
j

i
j
2 1 1
2 3 2
3 3 4
= 0
con lo cual el polinomio caracterstico ahora queda expresado como
3
+
2
5 3 = ( 7) ( 1)
2
= 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 1 vuelve a ser un autovalor
degenerado de orden 2. Para proceder a calcular los autovectores correspondientes a cada autovalor
resolvemos la ecuacion de autovalores para cada autovalor. Esto es:
a)
1
= 7
_
_
2 1 1
2 3 2
3 3 4
_
_
_
_
x
1
x
2
x
3
_
_
= 7
_
_
x
1
x
2
x
3
_
_
2x
1
+x
2
+x
3
= 7x
1
2x
1
+ 3x
2
+ 3x
3
= 7x
2
3x
1
+ 3x
2
+ 4x
3
= 7x
3
1
= 7
_
_
x
1
x
2
x
3
_
_
1=7
=
_
_
1
2
3
_
_
b)
2
= 1, el autovalor degenerado de orden 2 presenta una peque na patologa. Veamos
_
_
2 1 1
2 3 2
3 3 4
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
x
2
x
3
_
_
2x
1
+x
2
+x
3
= x
1
2x
1
+ 3x
2
+ 3x
3
= x
2
3x
1
+ 3x
2
+ 4x
3
= x
3
2
= 1
_
_
_
_
x
1
x
2
x
3
_
_
2=1
=
_
_
1
0
1
_
_
_
_
x
1
x
2
x
3
_
_
2=1
=
_
_
0
1
1
_
_
con lo cual el autovector [
2
) correspondiente al autovalor
2
= 1 se podra escribir como
[
2
) = [
21
) + [
22
)
_
_
x
1
x
2
x
3
_
_
2=1
=
_
_
1
0
1
_
_
+
_
_
0
1
1
_
_
4. Una matriz 3 3 con 1 autovalor real y dos autovalores complejos
e
i
A[e
j
) =
_
_
1 2 3
3 1 2
2 3 1
_
_
=det
_
A
i
j

i
j
1 2 3
3 1 2
2 3 1
= 0
3
3
2
15 18 = ( 6)
_
2
+ 3 + 3
_
= 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 6 es un autovalor real. Adicio-
nalmente existen dos autovalores complejos, uno el complejo conjugado del otro:
=
1
2
_
3 +i
3
_
y

=
1
2
_
3 i
3
_
. Para proceder a calcular los autovectores correspondientes a cada autovalor re-
solvemos la ecuacion de autovalores para cada autovalor real. En este caso existe un unico autovalor
real = 6.
_
_
1 2 3
3 1 2
2 3 1
_
_
_
_
x
1
x
2
x
3
_
_
= 6
_
_
x
1
x
2
x
3
_
_
4x
1
3x
2
+x
3
= 6x
1
4x
1
x
2
= 6x
2
x
1
+ 7x
2
4x
3
= 6x
3
= 6
_
_
x
1
x
2
x
3
_
_
=6
=
_
_
1
1
1
_
_
6.8. Autovalores y Autovectores de Matrices Importantes
En esta seccion presentaremos autovalores y autovectores de matrices importantes en Fsica
6.8.1. Autovalores y Autovectores de Matrices Similares
Supongamos la representacion matricial de un determinado operador lineal A : V V y que dimV = n,
supongamos ademas que [e
1
) , [e
2
) , [e
3
) , [e
n
) y [w
1
) , [w
2
) , [w
3
) , [w
n
) son dos bases ortogonales
para V. Entonces
A[e
j
) = A
l
j
[e
l
) con A
i
j
=

e
i
A[e
j
)
y
A[w
j
) =

A
l
j
[w
l
) con

A
i
j
=

w
i
A[w
j
)
ahora bien, cada uno de los vectores base [e
j
) y [w
j
) puede ser expresado en las otras bases [w
1
) , [w
2
) , [w
3
) , [w
n
)
y [e
1
) , [e
2
) , [e
3
) , [e
n
) , respectivamente como
[w
j
) = c
l
j
[e
l
)
[e
l
) = c
m
l
[w
m
)
_
_
_
=[w
j
) = c
l
j
c
m
l
[w
m
) =c
l
j
c
m
l
= c
m
l
c
l
j
=
m
j
= c
m
l
= (c
m
l
)
1
Las cantidades c
l
j
son escalares que pueden ser arreglados como una matriz. Esa matriz, adicionalmente es
no singular
6
por ser una la representacion de una transformacion lineal que aplica una base en otra. Entonces
ademas
[w
j
) = c
l
j
[e
l
) =A[w
j
) = c
l
j
A[e
l
) =

A
l
j
[w
l
) = c
m
j
A
k
m
[e
k
) = c
m
j
A
k
m
c
h
k
. .
h
j
[w
h
)
con lo cual
A
l
j
= c
m
j
A
k
m
c
l
k
=

A
l
j
= c
l
k
A
k
m
c
m
j
=

A
l
j
=
_
c
l
k
_
1
A
k
m
c
m
j
que puede ser expresada en el lenguaje de operadores, nalmente como
A = C
1
AC
w
i
A[w
j
) =
_
c
i
k
_
1
e
k
A[e
m
) c
m
j
De esta manera hemos demostrado el siguiente teorema.
Teorema Dadas dos matrices, nn, A
l
j
y

A
i
j
las cuales corresponden a la representacion matricial de un operador
A en las bases ortogonales [e
1
) , [e
2
) , [e
3
) , [e
n
) y
[w
1
) , [w
2
) , [w
3
) , [w
n
) , respectivamente. Entonces existe una matriz c
l
j
, no singular, tal que
A = C
1
AC
w
i
A[w
j
) =
_
c
i
k
_
1
e
k
A[e
m
) c
m
j
El inverso de este teorema tambien se cumple. Vale decir
Teorema Si dos matrices n n, A
l
j
y

A
i
j
, estan relacionadas por la ecuacion
A = C
1
AC
w
i

A[w
j
) =
_
c
i
k
_
1
w
k
A[w
m
) c
m
j
donde C es una matriz no singular, entonces

A y A representan el mismo operador lineal.
Demostracion Para proceder a demostrarlo supondremos A : V V y que dimV = n, supongamos ademas que
[e
1
) , [e
2
) , [e
3
) , [e
n
) y [w
1
) , [w
2
) , [w
3
) , [w
n
) son bases de V de tal forma
[w
j
) = c
l
j
[e
l
)
[e
l
) = c
m
l
[w
m
)
_
_
_
=[w
j
) = c
l
j
c
m
l
[w
m
) =c
l
j
c
m
l
= c
m
l
c
l
j
=
m
j
= c
m
l
= (c
m
l
)
1
donde
c
l
j
=

e
l
[w
j
) y c
m
l
= (c
m
l
)
1
= w
m
[e
l
)
Supongamos que
A[e
j
) = A
l
j
[e
l
) con A
i
j
=

e
i
A[e
j
)
y
A[w
j
) =

A
l
j
[w
l
) con

A
i
j
=

w
i

A[w
j
)
al actuar A sobre [w
j
) tendremos
A[w
j
) = c
l
j
A[e
l
) = c
l
j
A
k
l
[e
k
) = c
l
j
A
k
l
c
m
k
[w
m
) = c
m
k
A
k
l
c
l
j
[w
m
) = (c
m
k
)
1
A
k
l
c
l
j
. .
w
i
]
A]wj)
[w
m
)
que es exactamente la representaci on matricial de

A. Con lo cual A

A y queda demostrado el
teorema.
6
det
c
i
j
= 0
Denicion Dos matrices, A
k
l
y

A
i
j
, n n, se denominara similares si existe una matriz no singular c
i
k
tal que
A = C
1
AC
w
i

A[w
j
) =
_
c
i
k
_
1
w
k
A[w
m
) c
m
j
Podemos juntar los dos teoremas anteriores y armar que
Teorema Dos matrices, A
k
l
y

A
i
j
, n n, similares representan la misma transformacion lineal.
k
l
y

A
i
j
, n n, similares tienen el mismo determinante.
Demostracion La demostracion es inmediata y proviene de las propiedades del determinante de un producto:
det
_
A
_
= det
_
C
1
AC
_
= det
_
C
1
_
det (A) det (C) = det (A)
Con lo cual es inmediato el siguiente Teorema
k
l
y

A
i
j
, n n, similares tienen el mismo polinomio caracterstico y con ello el mismo
conjunto de autovalores
Demostracion Es inmediato vericar que
A1 = C
1
AC1 = C
1
(A1) C
y dado que
det
_
A1
_
= det
_
C
1
(A1) C
_
= det
_
C
1
_
det (A1) det (C) = det (A1)
ambas matrices,

A y A, tendran el mismo polinomio caracterstico y con ello el mismo conjunto de
autovalores.
Todos los teoremas de esta seccion pueden ser resumidos en el siguiente teorema
Teorema Sea un operador lineal A : V V y que dimV = n, supongamos ademas que el polinomio caracterstico
tiene n races distintas,
1
,
2
, . . . ,
n
. Entonces tendremos que
Los autovectores [u
1
) , [u
2
) , , [u
n
) correspondientes a los a
1
,
2
, . . . ,
n
, forman una base
para V.
La representacion matricial del operador

u
k
A[u
m
) en la base de autovectores
[u
1
) , [u
2
) , , [u
n
), sera diagonal
A
k
m
=
k
m
=

u
k
A[u
m
) = diag (
1
,
2
, . . . ,
n
)
Cualquier otra representacion matricial,

e
k
A[e
m
) , del operador A en otra base de V, estara relacio-
nada con la representacion diagonal mediante una transformacion de similaridad
= C
1
AC diag (
1
,
2
, . . . ,
n
) =
_
c
i
k
_
1
e
k
A[e
m
) c
m
j
donde c
m
j
es la matriz, no singular y por lo tanto invertible, de cantidades que relacionan ambas bases
[u
j
) = c
l
j
[e
l
)
[e
l
) = c
m
l
[u
m
)
_
_
_
c
m
l
= (c
m
l
)
1
= c
m
l
c
l
j
=
m
j
Demostracion La demostracion, en terminos de los teoremas anteriores es inmediata y se la dejamos como ejercicio
al lector.
6.8.2. Autovalores y Autovectores de Matrices Hermticas
Tal y como mencionamos con anterioridad un operador Hermtico cumple con
A
= A =
_
A
_
i
j
=

e
i
[e
j
) =

e
j
A[e
i
)
=
_
A
j
i
_
Esto es: el hermtico conjugado de una matriz, es su traspuesta conjugada. Por lo tanto las matrices Hermti-
cas son simetricas respecto a la diagonal y los elementos de la diagonal son n umeros reales.
Por su parte, llamaremos antihermtico a un operador que cumpla con
A
= A =
_
A
_
i
j
=

e
i
[e
j
) =
e
j
A[e
i
)
=
_
A
j
i
_
Teorema Suponga un operador Hermtico A = A
tiene por autovalores

1
,
2
, . . . ,
n
. Entonces:
Los autovalores
1
,
2
, . . . ,
n
son reales.
Los autovectores [u
1
) , [u
2
) , , [u
n
) , correspondientes a cada uno de los autovalores, seran orto-
gonales.
Demostracion:
Para demostrar que los autovalores
1
,
2
, . . . ,
n
son reales, proyectamos la ecuacion de autovalores
en cada uno de los autovectores:
A[) = [) = [ A[) = [)
Ahora bien, dado que [) es real, si demostramos que [ A[) estara demostrado que lo sera tam-
bien. Pero como A es Hermtico
[ A[)
= [ A
[) = [ A[) =[ A[) '

y por consiguiente los autovalores
1
,
2
, . . . ,
n
son reales. Mas a un, si A es Hermtico, y como sus
autovalores son reales entonces
[ A
[ = [ = [ A[) = [)
Para demostrar que los autovectores [u
1
) , [u
2
) , , [u
n
) son ortogonales, consideremos dos auto-
vectores con sus correspondientes autovalores de tal forma que se cumplen las siguientes ecuaciones
A[) = [) y A[) = [)
pero como A es Hermtico entonces se cumple que [ A = [ entonces multiplicando a la izquierda
por [) y a [ A = [ por [ la derecha.
([ A = [) [)
[ (A[) = [))
_
_
_
=
_
_
_
[ A[) = [)
[ A[) = [)
_
_
_
=( ) [) = 0
y como hemos supuesto que ,= con lo cual [) = 0 los autovectores correspondientes a dos
autovalores son ortogonales.
Existen situaciones en las cuales un determinado autovalor =
0
es degenerado. Consideremos una
matriz n n, A
i
j
, por lo cual el polinomio caracterstico P () = det
_
A
i
j

i
j
= 0 tendra una raz

degenerada de orden k n. Entonces el siguiente teorema garantiza la existencia de, al menos un subespacio
S (
0
) V
n
Teorema Sea un operador lineal A : V
n
V
n
con una representacion matricial n n tal que su polinomio
T () = det
_
A
i
j

i
j
= 0 tiene al menos una raz degenerada =

0
, de orden k n. Entonces
existen k autovectores, no triviales, que cumplen con
A[
j
) =
0
[
j
) con j = 1, 2, , k
Demostracion La demostracion tambien emerge de una variante del Metodo de Induccion Completa.
Para ello, probamos que se cumple para j = 1. Esta armacion es obvia. Si existe un =
0
existe
un
0
existe un [
j
), tal que cumple con la ecuacion anterior el es linealmente independiente con el
mismo.
Suponemos que se cumple para 1 j = m k. Es decir existen m autovectores [
j
) de A para el
autovalor
0
. Denamos un subespacio S
0
= S (
0
) V
n
donde
[
j
) S
0
A[
j
) =
0
[
j
) =A[
j
) S
0
con j = 1, 2, , m, k
por lo tanto podremos separar V
n
como una suma directa entre el subespacio S
0
y, ^ su complemento
ortogonal
V
n
= S
0
^ A[
j
) =
0
[
j
) [) ^ = [
j
) = 0
claramente S
0
es un subespacio invariante de A por cuanto su accion se circunscribe dentro del mismo
subespacio S
0
. Mostraremos que, para este caso por cuanto no es verdad, en general para operadores
no Hermticos. Entonces
[
j
) = 0
A[
j
) =
0
[
j
)
_
_
_
=
j
[) = 0 =
j
[ A
[) =
j
[ A[)
de donde se concluye que el vector es ortogonal a S
0
y por lo tanto esta en el complemento ortogonal,
A[) ^ como, por hipotesis [) ^. Esto implica que ^ tambien es un espacio invariante del
operador Hermtico A. Entonces el espacio V
n
puede expresarse como una suma directa de los dos
subespacios invariantes respecto al operador lineal A V
n
= S
0
^ y su representacion matricial en
la base de autovectores tendra la forma de una matriz diagonal a bloques:con lo cual
u
j
A[u
i
) = A
j
i

_
_
_
_
_
_
_
_
_
_
Q
1
1
Q
1
m
0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Q
m
1
Q
m
m
0 0
0 0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 1 0 0
0 0 R
m+1
m+1
R
m+1
n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 R
n
m+1
R
n
n
_
_
_
_
_
_
_
_
_
_
donde Q
y R
son matrices m m y (n m) (n m) , respectivamente. La matriz Q
opera en
S
0
mientras que R
act ua sobre el complemento ortogonal ^. El polinomio caracterstico de A puede

expresarse como
T () = det
_
A
i
j

i
j
= 0 =T () = det
_
Q
i
j

i
j
det
_
R
i
j

i
j
= 0
y como =
0
es la raz m ultiple del polinomio caracterstico y que anula el det
_
Q
i
j

i
j
tendremos
que
det
_
Q
i
j

0
i
j
= 0 =T () = (
0
)
m
T () con T (
0
) ,= 0
donde
0
no es raz del polinomio T () . Ahora bien, para que se cumpla para j = k el polinomio
caracterstico es
j = k =T () = (
0
)
k
1() =(
0
)
m
T () = (
0
)
k
1()
otra vez
0
no es raz del polinomio 1() . La ecuacion anterior se cumple para todo en particular
para =
0
. Por lo tanto
1 = (
0
)
km
1()
T ()
Es claro que =
0
obliga a k = m
6.8.3. Autovalores y Autovectores de Matrices Unitarias
Tal y como mencionamos anteriormente, un operador sera unitario si su inversa es igual a su adjunto.
Esto es
U
1
= U
=U
U = UU
= 1
dado que los operadores unitarios conservan la norma de los vectores sobre los cuales ellos act uan, i.e.
[ x) = U[x)
[ y) = U[y)
_
_
_
= y [ x) = y[ U
U[x) = y [x)
son naturales para representar cambios de base dentro de un espacio vectorial. De lo anterior se deduce que
si [e
1
) , [e
2
) , [e
3
) , [e
n
)es una base ortonormal, el conjunto de vectores transformados, [w
j
) = U[e
j
) ,
tambien son ortonormales:
[w
j
) = U[e
j
) =
w
i
[w
j
) =

w
i
U[e
j
) =

e
i
U[e
j
) =
i
j
Bases y operadores unitarios
Los operadores unitarios aplican vectores base de un espacio vectorial en otra. El siguiente Teorema lo
ilustra
Teorema La condicion necesaria y suciente para que un operador U : V
n
V
n
sea unitario es que aplique
vectores de una base ortonormal [e
1
) , [e
2
) , [e
3
) , [e
n
) en otra de [w
1
) , [w
2
) , [w
3
) , [w
n
)
tambien ortonormal.
Demostracion Demostremos primero la condicion necesaria: Si es unitario aplica una base en otra. Esto es, supongamos
que los vectores [e
j
) forman una base ortonormal para V
n
. Sean [) , y U
[) V
n
. Estos vectores
pueden ser expresados en terminos de la base [e
j
) de V
n
. Por lo tanto, si seleccionamos U
[) se
cumple que
U
[) = c
j
[e
j
) =UU
[) = c
j
U[e
j
) = c
j
[w
j
) =[) = c
j
[w
j
)
donde hemos aplicado el operador U a la ecuacion U
[) = c
j
[e
j
) y el resultado es que el otro vector,
[), tambien se pudo expresar como combinacion lineal de los vectores transformados [w
j
) de la
base [e
j
) . Y por lo tanto los [w
j
) tambien constituyen una base. Es decir, los operadores unitarios
aplican una base ortonormal en otra
La condicion de suciencia (Si aplica una base en otra es unitario) se puede demostrar como sigue. Si
[e
j
) y [w
j
) son bases ortonormales de V
n
y una es la transformada de la otra implica que
[w
j
) = U[e
j
) ; y w
j
[ = e
j
[ U
con
e
i
[e
j
) =
i
j
; [e
j
)
e
j
= 1

w
i
[w
j
) =
i
j
; [w
j
)
w
j
= 1
Por lo tanto,
U
U[e
j
) = U
[w
j
) = [e
k
)
e
k
[w
j
) = [e
k
)
w
k
[w
j
) = [e
k
)
k
j
= [e
j
)
Esto signica que U
U = 1. De un modo equivalente, se puede demostrar que UU
= 1. Veamos:
U
[e
j
) = [e
k
)
e
k
[e
j
) = [e
k
)
w
k
[e
j
)
y ahora, aplicando el operador U a esta ecuacion, tenemos
UU
[e
j
) = U[e
k
)
w
k
[e
j
) = [w
k
)
w
k
[e
j
) = [e
j
)
Esto signica que esta demostrado que U es unitario: U
U = UU
= 1.
Matrices unitarias
La representacion de una matriz unitaria en una base [e
j
) implica
U
k
j
=

e
k
U[e
j
) ; e
m
[ U
[e
j
) =

e
j
U[e
m
)
=
_
U
j
m
_
k
j
=

e
k
[e
j
) =

e
k
1[e
j
) =

e
k
UU
[e
j
) =

e
k
U[e
m
) e
m
[ U
[e
j
) =
m
U
k
m
_
U
j
m
_
k
j
=

e
k
[e
j
) =

e
k
1[e
j
) =

e
k
U[e
j
) =

e
k
[e
m
) e
m
[ U[e
j
) =
m
(U
m
k
)
U
m
j
Una vez mas, dado un operador lineal A, la representacion matricial del Hermtico conjugado de ese operador
A
es la traspuesta conjugada de la matriz que representa al operador A. En el caso de operadores unitarios.

Con lo cual es facilmente vericable que una matriz sea unitaria. Basta comprobar que la suma de los
productos de los elementos de una columna (la) de la matriz con los complejos conjugados de otra columna
(la). Esa suma de productos sera
1. cero si las columnas (las) son distintas
2. uno si las columnas (las) son iguales
Ejemplos de matrices unitarias son las llamadas matrices de rotacion. Alrededor del eje z tendremos que
R() =
_
_
cos sen 0
sen cos 0
0 0 1
_
_
y tambien la matriz de rotacion de una partcula de espn
1
2
en el espacio de estados
R
(1/2)
(, , ) =
_
e
i
2
(+)
cos e
i
2
()
sen
e
i
2
()
sen e
i
2
(+)
cos
_
claramente se cumple la regla expuesta arriba.
Autovalores y Autovectores de Matrices Unitarias
Si [
u
) es un autovector, normalizado del operador U correspondiente a un autovalor u tendremos que
norma al cuadrado sera igual a
U[
u
) = u[
u
) =
u
[ U
U[
u
) = 1 = u
u
u
[
u
) = u
u =u = e
iu
con
u
una funcion real. Por lo cual podemos concluir que, necesariamente, los autovalores de los operadores
unitarios ser an n umeros complejos de m odulo 1. Cuando los autovalores son diferentes, digamos u
t
,= u,
entonces
_
[
u
) = 0. Con lo cual los autovectores de un operador unitarios son ortogonales.
Transformacion unitaria de Operadores Hemos visto como las transformaciones unitarias permiten
construir bases ortogonales [e
m
) para el espacio vectorial V
n
partiendo de otra base [e
m
) tambien
ortogonal. En esta subseccion mostraremos como transforman los operadores lineales bajo transformaciones
unitarias.
Denicion Dadas dos bases ortonormales [e
j
) y [w
k
) en V
n
con [w
j
) = U[e
j
), un operador lineal unitario
U : V
n
V
n
.y un operador lineal A : V
n
V
n
. Deniremos al operador transformado

A : V
n
V
n
como aquel cuya representacion matricial en la base [w
k
) es la misma que en la base [e
j
):
w
j

A[w
i
) =

e
j
A[e
i
)
A partir de esta denicion es facil concluir que
w
j

A[w
i
) =

e
j
AU[e
i
) =

e
j
A[e
i
) =U
AU = A

A = UAU
Por lo tanto la ecuacion

A = UAU
corresponde a la denicion de la transformacion de un operador A

mediante un operador unitario U
. Es facil identicar las propiedades de estos operadores transformados.

Veamos
Hermtico conjugado y Funciones de un Operador transformado:
_
A
_
=
_
UAU
= U
U =
(A
)
en particular se sigue de esta propiedad que si A = A
, es Hermtico tambien lo sera

A
A = A

A =
_
A
_
Del mismo modo

_
A
_
2
=
_
UAU
__
UAU
_
= UA
2
U
(A
2
)
con lo cual
_
A
_
n
=
_
UAU
_
n2

_
UAU
_
= UA
n
U
(A
n
) =

T (A) = T
_
A
_
donde T (A) es una funcion del operador A.
Autovalores y autovectores de un operador transformado Sera un autovector [
) de A corres-
pondiente a un autovalor , y sea
_
el transformado de [
) mediante el operador unitario U. Entonces

A[
) = [
) =

A
_
=
_
UAU
_
U[
) = UA[
) = U[
) =
_
con lo cual es claro que
_
es un autovector de

A con el mismo autovalor :
_
=
_
. Equi-
valentemente podemos armar que los autovectores transformados de A, seran autovectores del operador
transformado,

A.
6.9. Conjunto Completo de Observables que conmutan
Denicion Diremos que un operador A : V
n
V
n
es un observable si el conjunto de autovectores
_
u
i]
__
de
un operador Hermtico A, forman una base de V
n
.
A
u
i ()
_
= a
i
u
i ()
_
=
u
i ()
_
_
u
i ()
= 1
_
u
i ()
u
j ()
_
=
i
j
donde el ndice indica el grado de degeneracion del autovalor a

i
.
Un ejemplo trivial de un observable lo constituyen los proyectores, P
])
= [) [ con [ ) = 1.
Claramente, la ecuacion de autovalores para un proyector obliga a que tenga dos autovalores 0 y 1. El
autovalor nulo es innitamente degenerado y esta asociado a todos los vectores ortogonales a [), mientras
que el autovalor 1 corresponde a un autovalor simple y esta asociado a todos los vectores colineales al mismo
vector [). Esto es
P
])
[) = [) y P
])
[) = 0 si [ ) = 0
Mas a un, sea un vector arbitrario [) V
n
. Siempre se podra expresar como
[) = P
])
[) +
_
1 P
])
_
[) =P
])
_
[) = P
])
[) +
_
1 P
])
_
[)
_
=
P
])
[) = P
])
_
P
])
[)
_
+
_
P
])
P
2
])
_
[) = P
])
[) =P
])
_
P
])
[)
_
= P
])
[)
ya que P
2
])
= P
])
, por denicion de proyector. Entonces, se deduce que P
])
[) es un autovector de P
])
con autovalor 1. Igualmente
_
1 P
])
_
[) es un autovector de P
])
con autovalor 0, y la demostracion es
inmediata
P
])
_
1 P
])
_
[) =
_
P
])
P
2
])
_
[) = 0
Para el caso de autoespacios correspondientes a autovalores degenerados se puede denir un observable A
de la forma
A =
i
a
i
P
i
con P
i
=
_
()
_
_
()
_
i
y = 1, 2, , k
Observables que Conmutan
Teorema Si dos operadores lineales A y B, operadores Hermticos, conmutan, [A, B] = 0,y [) es autovector de
A con autovalor a, entonces B[) tambien sera autovector de A con el mismo autovalor a.
Demostracion La demostracion es sencilla
A[) = a [) =B(A[) = a [)) =BA[) = A(B[)) = a (B[))
Ahora bien, de esta situacion se pueden distinguir un par de casos:
si el autovalor a es no degenerado los autovectores asociados con este autovalor son, por denicion,
colineales con [) . Por lo tanto B[) , sera necesariamente colineal con [) . La conclusion a esta
armacion es que NECESARIAMENTE [) es autovector de B
si el autovalor a se degenerado, B[) S
a
, es decir B[) esta en el autoespacio S
a
con lo cual S
a
es
globalmente invariante bajo la accion de B.
Teorema Si dos observables A y B conmutan, [A, B] = 0, y si [
1
) y [
2
) son autovectores de A para autovalores
distintos, entonces el elemento de matriz

B[
2
) = 0
Demostracion Si A[
1
) = a
1
[
1
) y A[
2
) = a
2
[
2
) entonces
0 =

[A, B] [
2
) =

ABBA[
2
) =
_
A
_
B[
2
)
B(A[
2
))
= a
1
B[
2
) a
2
B[
2
) = (a
1
a
2
)
B[
2
) =
B[
2
) = 0
Teorema Si dos observables A y B, operadores Hermticos, conmutan, [A, B] = 0, los autovectores [
i
)
comunes a A y B constituyen una base ortonormal para V
n
.
Demostracion Denotemos los autovectores de A como

i ()
_
, de tal modo
A
i ()
_
= a
i
i ()
_
donde i = 1, 2, .., n k
n
+ 1 y = 1, 2, .., k
n
k
n
indica el orden de la degeneracion de un determinado autovalor a
n
. Dado que A es un observable
los

i ()
_
forman base los Claramente,
_
i ()

j ()
_
=
i
j
y dado que los elementos de matriz

i ()
j ()
_
=
i
j
esto quiere decir que los elementos
i ()
j ()
_
= B
i ()
j ()
seran nulos para i ,= j pero no podemos decir nada a priori para el
caso ,= y i = j. Entonces, al ordenar la base, en general
1 (1)
_
,
1 (2)
_
,
1 (k1)
_
,
2 (1)
_
,
2 (2)
_
, ,
2 (k2)
_
, ,
3 (1)
_
,
nkn (1)
_
para el caso que consideraremos sera
1 (1)
_
,
1 (2)
_
,
1 (3)
_
,
2 (1)
_
,
2 (2)
_
,
3 (1)
_
,
4 (1)
_
,
4 (2)
_
,
5 (1)
_
y la representacion matricial de B en esa base,

i ()
j ()
_
, tendra la forma de una matriz
diagonal a bloques
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
B
1 (1)
1 (1)
B
1 (1)
1 (2)
B
1 (1)
1 (3)
0 0 0 0 0 0
B
1 (2)
1 (1)
B
1 (2)
1 (2)
B
1 (2)
1 (3)
0 0 0 0 0 0
B
1 (3)
1 (1)
B
1 (3)
1 (2)
B
1 (3)
1 (3)
0 0 0 0 0 0
0 0 0 B
2 (1)
2 (1)
B
2 (1)
2 (2)
0 0 0 0
0 0 0 B
2 (2)
2 (1)
B
2 (2)
2 (2)
0 0 0 0
0 0 0 0 0 B
3 (1)
3 (1)
0 0 0
0 0 0 0 0 0 B
4 (1)
4 (1)
B
4 (1)
4 (2)
0
0 0 0 0 0 0 B
4 (2)
4 (1)
B
4 (2)
4 (2)
0
0 0 0 0 0 0 0 0 B
5 (1)
5 (1)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Tal y como hemos mencionado los subespacios: c
1
, c
2
, y c
4
corresponden a los autovalores degenerados
a
1
, a
2
, y a
4
(de orden 3, 2 y 2 respectivamente).
Una vez mas surgen dos casos a analizar
Si a
n
es un autovalor no degenerado, entonces existe un unico autovector asociado a este autovalor (la
dimension del autoespacio es 1 esto es k
j
= 1 y no hace falta). Esto corresponde al ejemplo hipotetico
de arriba para los autovalores simples a
3
, y a
5
Si a
n
es un autovalor degenerado, entonces existe un conjunto de autovectores asociados a este autovalor
a
n
(en este caso la dimension del autoespacio es k
n
). Como los

j ()
_
son autovectores de A su
representacion matricial sere diagonal a bloques. Ahora bien, como el autoespacio S
a
es globalmente
invariante bajo la accion de B y B
i ()
j ()
=

i ()
j ()
_
es Hermtico, por ser B Hermtico entonces
B es diagonalizable dentro del bloque que la dene. Es decir, se podra conseguir una base

j ()
_
tal
que la representacion matricial de B en esa base es diagonal
B
i ()
j
=
_
i ()
j ()
_
=
_
i ()
j ()
_
=

B
i ()
j ()
= b
j ()
i
j
que no es otra cosa que los vectores

j ()
_
seran autovectores de B
B
j ()
_
= b
j ()
j ()
_
Es importante recalcar que los autovectores

j ()
_
de A asociados con un autovalor degenerado NO
son necesariamente autovectores de B. Solo que como B es Hermtico puede ser diagonalizado dentro
del autoespacio.
De ahora en adelante denotaremos los autovectores comunes a dos operadores A y B con distintos
autovalores como

u
i]j ()
_
tal que
A
u
n]m ()
_
= a
n
u
n]m ()
_
y B
u
n]m ()
_
= b
m
u
n]m ()
_
donde hemos dejado espacio para permitir la degeneracion la cual sera indicada por el ndice
La prueba del inverso del teorema anterior es bien simple
Teorema Si existe una base de autovectores
_
u
j ()
__
comunes a A y B, entonces A y B conmutan, [A, B] = 0
Demostracion Es claro que
AB
u
n]m ()
_
= b
m
A
u
n]m ()
_
= b
m
a
n
u
n]m ()
_
BA
u
n]m ()
_
= a
n
B
u
n]m ()
_
= a
n
b
m
u
n]m ()
_
restando miembro a miembro obtenemos de manera inmedita
(ABBA)
u
n]m ()
_
= [A, B]
u
n]m ()
_
= (b
m
a
n
a
n
b
m
)
u
n]m ()
_
= 0
Denicion Diremos que A, B, C, D constituye un conjunto completo de observables que conmuntan si
1. Obviamente los operadores del conjunto conmuntan entre ellos:
[A, B] = [A, C] = [A, D] = [B, C] = [B, D] = [C, D] = = 0
2. Al especicar el conjunto de autovalores para los operadores
a
n
, b
m
, c
k
, d
l
, se especica de manera unvoca un unico autovetor com un a todos estos
operadores
a
n
, b
m
, c
k
, d
l
, =
u
n]m]k]l ()
_
Analicemos los siguientes ejemplos. Considere, que el espacio de estados para un determinado sistema
fsico viene expandido por una base ortonormal [u
1
) , [u
2
) , [u
3
). Denimos dos operadores L
z
y S de la
siguiente manera
L
z
[u
1
) = [u
1
) ; L
z
[u
2
) = 0; L
z
[u
3
) = [u
3
)
S[u
1
) = [u
3
) ; S[u
2
) = [u
2
) ; S[u
3
) = [u
1
)
En la base ortonormal [u
1
) , [u
2
) , [u
3
) las representaciones matriciales para L
z
, L
2
z
, S y S
2
seran las siguien-
tes
u
i
L
z
[u
j
) =
_
_
1 0 0
0 0 0
0 0 1
_
_
,
u
i
L
2
z
[u
j
) =
_
_
1 0 0
0 0 0
0 0 1
_
_
u
i
S[u
j
) =
_
_
0 0 1
0 1 0
1 0 0
_
_
,
u
i
S
2
[u
j
) =
_
_
1 0 0
0 1 0
0 0 1
_
_
Es claro que estas matrices son reales y simetricas y, por lo tanto, son Hermticas y, al ser el espacio de
dimension nita, deben ser diagonalizables y sus autovectores formaran base para ese espacio. Por lo tanto,
L
z
, L
2
z
, S y S
2
son observables.
Cual sera la forma mas general de una representacion matricial de un operador que conmunte con L
z
?
Notamos que los vectores de la base ortonormal [u
1
) , [u
2
) , [u
3
) son autovectores para L
z
con autovalores
1, 0, 1 con lo cual su representacion matricial tiene que ser diagonal. Recuerde que si dos observables A
y B conmutan, [A, B] = 0, y si [
1
) y [
2
) son autovectores de A para autovalores distintos, entonces el
elemento de matriz

B[
2
) = 0, con lo cual
[M, L
z
] = 0
u
i
M[u
j
) =
_
_
M
1
1
0 0
0 M
2
2
0
0 0 M
3
3
_
_
,
Esto se desprende de manera directa de
0 =

u
i
[M, L
z
] [u
j
) =

u
i
ML
z
L
z
M[u
j
) = (
j

i
)
u
i
M[u
j
) con (
j

i
) ,= 0 para i ,= j
Si nos planteamos la misma pregunta para L
2
z
, vemos que sus autovalores son 1, 0. Esto es
L
2
z
[u
1
) = [u
1
) ; L
2
z
[u
2
) = 0; L
2
z
[u
3
) = [u
3
) ;
con lo cual tendremos que la representacion matricial para ese operador que conmute con L
2
z
, no es diagonal.
Esto es
[N, L
2
z
] = 0
u
i
N[u
j
) =
_
_
N
1
1
0 N
1
3
0 N
2
2
0
N
3
1
0 N
3
3
_
_
,
ya que
0 =

u
1
[N, L
2
z
] [u
3
)
u
1
N[u
3
) =

u
1
N[u
3
)
y vale para cualquier elemento N
1
3
(y equivalentemente para N
3
1
). Adicionalmente, si ordenamos la base de
autovectores de L
z
, como [u
1
) , [u
3
) , [u
2
) tendremos como representacion matricial diagonal a bloques,
correspondiente a un autorvalor degenerado 1,
u
i

N[u
j
) =
_
_
N
1
1
N
1
3
0
N
3
1
N
2
2
0
0 0 N
3
3
_
_
,
Finalmente, la representacion matricial, mas general, de un operador que conmute con S
2
es
[P, S
2
] = 0
u
i
P[u
j
) =
_
_
P
1
1
P
1
2
P
1
3
P
2
1
P
2
2
P
2
3
N
3
1
P
3
2
P
3
3
_
_
,
Ahora intentaremos construir una base comun de autovectores para L
2
z
y S. Para ello notamos que [u
2
)
es un autovector comun a L
2
z
y S, por lo tanto existira un subespacio expandido por [u
1
) , [u
3
). En ese
subespacio las respresentaciones matriciales para L
2
z
y S, seran
u
i
L
2
z
[u
j
)
S13
=
_
1 0
0 1
_

u
i
S[u
j
)
S13
=
_
0 1
1 0
_
Acto seguido planteamos el problema de autovalores para S, esto es
S[q
j
) =
j
[u
j
)
_
0 1
1 0
__
q
1
q
2
_
=
_
q
1
q
2
_

_
_
_
[q
2
) =
1
2
([u
1
) +[u
3
))
[q
3
) =
1
2
([u
1
) [u
3
))
con lo cual tendremos
Autovectores Autovalor L
2
z
Autovalor S
[q
1
) = [u
2
) 0 1
[q
2
) =
1
2
([u
1
) +[u
3
)) 1 1
[q
3
) =
1
2
([u
1
) [u
3
)) 1 -1
Cuadro 6.1: Dado que no hay lineas repetidas L
2
z
y S forman un CCOC
Figura 6.1: Osciladores armonicos acoplados
Consideremos otro ejemplo proveniente de la Mecanica Clasica. Se trata de dos osciladores armonicos,
de igual masa, acoplados con resortes con la misma constante elastica k
7
. La ecuaciones de movimiento para
7
Pueden consultar una animacion bien interesante y simular en http://qbx6.ltu.edu/s_schneider/physlets/main/
coupledosc.shtml
este sistema son
m x
1
+kx
1
k(x
2
x
1
) = 0 y m x
2
+kx
2
+k(x
2
x
1
) = 0
con lo cual podremos expresar esta ecuacion en forma de operadores
D[x) = 0
_
m
d
2
dt
2
+ 2k k
k m
d
2
dt
2
+ 2k
_
_
x
1
x
2
_
= 0
Si pensamos esta ecuacion como una ecuacion de autovalores, el autovalor es claramente = 0 y como las
masas y las constantes elasticas son iguales podemos intercambiar las partculas y la fsica (las ecuaciones
de movimiento) no cambian. Esto se puede expresar matematicamente como el operador permutacion de las
partculas
P =
_
0 1
1 0
_

_
0 1
1 0
__
x
1
x
2
_
=
_
x
2
x
1
_
Es inmediato comprobar que [D, P] = 0 con lo cual existira una combinacion lineal de autovectores de D
(asociados con el autovalor = 0 ) los cuales tambien seran autovectores de P. Para ello procedamos a
calcular los autovalores y autovectores de P
P[x) = [x)
1
1
= 0 1 [u
1
) =
1
2
_
1
1
_
; [u
2
) =
1
2
_
1
1
_
.
facilmente podemos expresar el vector posicion como una combinacion lineal de estos dos autovectores de P.
Esto es
_
x
1
x
2
_
=

1
2
_
1
1
_
+

2
2
_
1
1
_

_
_
_
1
=
1
2
(x
1
+x
2
)
2
=
1
2
(x
1
x
2
)
Es claro que
[u
1
) =
1
2
(x
1
+x
2
)
_
1
1
_
; y [u
2
) =
1
2
(x
1
x
2
)
_
1
1
_
.
son autovectores de P y D
Bibliografa
[2] Arfken, G. B. y Weber, H. (2000) Mathematical Methods for Physicists 5ta Edicion (Academic
Press, Nueva York)
[3] Cohen-Tannoudji, C., Diu B. y Laloe (1977) Quantum Mechanics Vol 1 (John Wiley Interscience,
Nueva York)
[5] Jordan, T.F. (1969) Linear Operator for Quantum Mechanics (John Wiley & Sons Interscience,
Nueva York).
Londres)
241
Captulo 7
Serie de Series
242
7.1. Series por todos lados
Las series o sucesiones se nos presentan casi por todos lados en Fsica. Cuando no sabemos resolver un
problema analticamente, lo mas cercano seran las soluciones por series, por cuanto las series nos ayudaran
a denir funciones y a estudiar su continuidad o derivabilidad.
Representaremos unas serie como
S
i
=
i
n=1
a
n
_
i = N = la serie es nita con N elementos
i = la serie es innita
Nos van a interesar las series innitas, ellas contienen a las series nitas a las cuales llamaremos sumas
parciales. Una serie innita S
la podremos separar en sumas parciales nitas S

i
, y si la suma parcial
converge a un n umero nito S cuando i diremos que la serie converge. Si no, diremos que diverge. Se
dira que la serie diverge si el valor de la sumatoria aumenta indeteniblemente, pero tambien puede oscilar,
con lo cual tampoco converge.
S
i
=
i
n=1
(1)
n
= 1 1 + 1 1 + + (1)
i
+
Esto se puede formalizar un poco diciendo que la condicion para la existencia de un lmite S es que para
cada > 0 existe un n umero N = N() tal que
|S S
i
| < para i > N |S
j
S
i
| < para, todo i, j > N
Esta armacion se denomina criterio de Cauchy
1
sobre la convergencia de las series parciales. Esto es, la
condicion necesaria y suciente para que una suma parcial S
i
converja y quiere decir que las sumas parciales
convergen a medida que avanzamos en los terminos de la serie.
7.1.1. La Suma de la Serie
De las series nos interesera conocer cuanto suman. Es decir, cual es el valor de S
i
para una serie nita
cuando i = N Pero tambien estaremos interesados en conocer cuanto suma una serie innita. Empecemos
con las nitas.
Las Series de Siempre
De siempre hemos conocido algunas series emblematicas
Serie aritmetrica Desde siempe hemos odo hablar de progresiones aritmeticas. Ellas son, sencillamente
S
N
=
N1
n=0
(a +nd) = a + (a +d) + (a + 2d) + (a + 3d) + (a + 4d) + + [a + (N 1)d] .
Es facil comprobar que al desarrollar la serie en orden inverso y sumar ambas
S
N
= a +(a +d) +(a + 2d) +(a + 3d) + +[a + (N 1)d]
S
N
= [a + (N 1)d] +[a + (N 2)d] +[a + (N 3)d] +[a + (N 4)d] + +a
1
Augustin Louis Cauchy Paris, 1789 - 1857, matem atico frances pionero en los estudios de analisis (real y complejo) y de la
Teora de los Grupos de Permutacion. Cauchy hizo aportes importantes en los criterios de convergencia y divergencia de series
innitas, as como tambien, en ecuaciones diferenciales, determinantes, probabilidades y Fsica Matem atica
Con lo cual
S
N
=
N
2
[a +a + (N 1d)] S
N
=
N
a
[Primer Termino + Ultimo Termino]
obviamente, si N la serie diverge.
Serie Geometrica De esta tambien sabemos desde siempre....
S
N
= a +ar +ar
2
+ar
3
+ +ar
N1
=
N
i=0
ar
i
y si restamos
S
N
= a +ar +ar
2
+ar
3
+ +ar
N1
rS
N
= ar +ar
2
+ar
3
+ar
4
+ +ar
N
tambien es inmediato comprobar que si |r| < 1
S
N
=
a(1 r
N
)
1 r
con lo cual tendremos que la suma de la serie seraS = lm
N
S
N
=
a
1 r
y, divergera (u oscilara) si |r| 1
Series Aritmetico-geometricas Estas series, un poco mas exoticas y como su nombre lo sugiere son
una combinacion de las anteriores. Estos es
S
N
= a + (a +d)r + (a + 2d)r
2
+ (a + 3d)r
3
+ (a + 4d)r
4
+ + [a + (N 1)d] r
N
=
N1
n=0
(a +nd)r
n
y con la misma estrategia de las geometricas se llega a encontrar el valor de su, nada intuitiva, suma
S
N
=
a [a + (N 1)d] r
N
1 r
+
rd(1 r
N1
)
(1 r)
2
Otra vez, si si |r| < 1 entonces cuando N
S =
a
1 r
+
rd
(1 r)
2
Ejercicios Algunos ejercicios (respectivos) de las situaciones anteriores lo constituyen
1. Encuentre la suma de los 100 primeros enteros
2. Encuentre la distancia total que recorre una pelota que rebota verticalmente y que en cada rebote
pierde 2/3 de su energa cinetica
3. Encuentre la suma de la serie S = 2 +
5
2
+
8
4
+
11
8
+
Serie Armonica Quiza no la conocamos con este nombre (y menos por sus propiedades) pero seguro nos
la hemos tropezado
1 +
1
2
+
1
3
+
1
4
+
1
5
+
1
n
+ =
n=1
1
n
Esta serie es enga nosa, en apariencia parece converger, pero no es as. Si analizamos con mas cuidado,
veremos que hay sutilezas
n=1
1
n
= 1 +
1
2
..
s0
+
_
1
3
+
1
4
_
. .
s1
+
_
1
5
+
1
6
+
1
7
+
1
8
_
. .
s2
+
_
1
9
+
1
10
+ +
1
16
_
. .
s3
+
y puede ser reescrita como
1+
1
1 + 1
. .
s0
+
1
2 + 1
+
1
2 + 2
. .
s1
+
1
4 + 1
+
1
4 + 2
+
1
4 + 3
+
1
4 + 4
. .
s2
+
1
8 + 1
+
1
8 + 2
+ +
1
8 + 8
. .
s3
+ +
2
n
j=1
1
2
n
+j
+
con lo cual
s
0
=
1
2
; s
1
=
7
12
>
1
2
; s
2
=
533
840
>
1
2
; s
3
=
95549
144144
>
1
2
;
y claramente diverge ya que
1 +s
0
+s
1
+s
2
+s
3
+ > 1 +
1
2
+
1
2
+
1
2
+
1
2
+
Esta prueba aparentemente se le debe a Nicole DOresme
2
. Una de las generalizaciones de la serie harmonica
es la funcion Zeta de Riemann
3
(p) =

n=1
n
p
, la cual analizaremos mas adelante en la seccion 7.1.3.
El metodo de la diferencia
A veces para una serie S
N
=

N
n=1
a
n
uno encuentra que para el termino n-esimo a
n
= f(n) f(n 1)
para alguna funcion. En ese caso es inmediato demostrar
S
N
=
N
n=1
a
n
= f(N) f(0) S
N
=
N
n=1
a
n
=
m
i=1
f(N k + 1)
m
i=1
f(1 k) (7.1)
mas a un, se puede ir mas alla. Si identicamos que el termino n-esimo tiene la forma de a
n
= f(n)f(nm)
es facilmente demostrable que la suma de la serie se puede escribir como la segunda ecuacion de (7.1). Hay
que hacer notar que el argumento nm puede ser positivo o negativo. Con lo cual el metodo de la diferencia
resulta versatil y muy util cuando se requiere encontrar la suma de series de variada dicultad
2
Nicole DOresme (1323-1382) Matematico frances que invent o la geometra coordenada antes de Descartes. Mas deta-
lles en http://www-history.mcs.st-and.ac.uk y m as detalles sobre la serie harmonica en http://mathworld.wolfram.com/
HarmonicSeries.html
3
Georg Friedrich Bernhard Riemann 1826 Hanover, Alemania - 1866 Selasca, Italia, Matematico aleman cuyas ideas
sobre las geometra del espacio han tenido un profundo impacto en el desarrollo de la Fsica Teorica. Igualmente claric o la
noci on de integral al introducir el concepto de lo que hoy se conoce como integral de Riemann.
Mas detalles en http://www-history.mcs.st-and.ac.uk
As, la suma de la serie
S
N
=
N
n=1
1
n(n + 1)
a
n
=
1
n(n + 1)
=
_
1
n + 1

1
n
_
f(n) =
1
n + 1
se podra expresar como
S
N
= f(N) f(0) =
1
N + 1
+ 1 =
N
N + 1
Tambien siguiendo la estrategia de la expansion en fracciones simples se puede encontrar que
S
N
=
N
n=1
1
n(n + 2)
a
n
=
1
n(n + 2)
=
_
1
2(n + 2)

1
2n
_
f(n) =
1
2(n + 2)
de forma y manera que
S
N
= f(N) +f(N 1) f(0) f(1) =
3
4

1
2
_
1
N + 2
+
1
N + 1
_
Con alguna frecuencia surgen las series de n umeros naturales. La mas simple es
S
N
= 1 + 2 + 3 + +N =
N
n=1
n =
N(N + 1)
2
una serie aritmetrica de razon d = 1
o tambien mas interesante puede ser la serie de cuadrados de n umeros enteros
S
N
= 1 + 2
2
+ 3
2
+ +N
2
=
N
n=1
n
2
=
N(N + 1)(2N + 1)
6
Este resultado, nada intuitivo, surge de la aplicacion ingeniosa del metodo de la diferencia. Tal y como hemos
dicho, se trata de encontrar que el elemento generico de la serie a
n
= f(n) f(n 1) = n
2
para alguna
funcion. Suponga una funcion del tipo
f(n) = n(n + 1)(2n + 1) f(n 1) = (n 1)n(2n 1) f(n) f(n 1) = 6n
2
con lo cual
a
n
= n
2
=
N(N + 1)(2N + 1)
6
S
N
=
f(N) f(0)
6
=
N(N + 1)(2N + 1)
6
Ejercicio Muestre que S
N
= 1 + 2
3
+ 3
3
+ +N
3
=

N
n=1
n
3
=
_
N
n=1
n
_
2
=
N
2
(N+1)
2
4
Sumando por analoga
Como siempre, intentaremos proceder por analoga. La intencion es expresar una serie complicada como
sumas de series conocidas. Considere el siguiente ejemplo
S
N
=
N
n=1
(n + 1)(n + 3) =
N
n=1
_
n
2
+ 4n + 3
_
=
_
N
n=1
n
2
_
+
_
N
n=1
4n
_
+
_
N
n=1
3
_
con lo cual
S
N
=
_
N(N + 1)(2N + 1)
6
_
+
_
N(N + 1)
2
_
+ (3N) =
N(2N
2
+ 15N + 31)
6
7.1.2. Algebra Elemental de Series
Las series se suman, se igualan y se multipilican. Para ello es importante que tengamos cuidado con los
ndices y sus valores. Consideremos un par de series innitas S
n=0
a
n
y

S
n=0
b
n
con lo cual la
suma de esas series sera
S
+

S
n=0
a
n
+
n=0
b
n
=
n=0
(a
n
+b
n
)
Los ndices son mudos y se acomodan para ser sumados. Para sumar series es imperioso que los ndices de
cada serie comiencen con el mismo valor esto es
S
n=0
a
n
n=1
b
n
_
_
_
n=0
a
n
+
j=1
b
j
=
n=1
(a
n1
+b
n
) = a
0
+
n=1
(a
n
+b
n
)
notese que hemos hecho j = n y n = n 1.
Algo parecido ocurre cuando las series se igualan
n=0
b
n
=
n=1
na
n

n=0
b
n
=
k=0
(k + 1)a
k+1

n=0
((n + 1)a
n+1
+b
n
) = 0
Para nalizar se puede comprobar que las series y tambien se pueden multiplicar
[S
]
_
_
=
_

n=0
a
n
__

n=0
b
n
_
=
n=0
c
n
donde c
n
= a
0
b
n
+a
1
b
n1
+ +a
j
b
nj
+ +a
n2
b
2
+a
n1
b
1
+a
n
b
0
7.1.3. Criterios de Convergencia
Solo podremos calcular la suma de algunas series, en la mayora nos sera imposible y nos tendremos que
conformar con saber si convergen o no, o peor a un, si una suma parcial converge sin poder calcular el valor
de esa suma. Los terminos de una serie pueden ser positivos, negativos o n umeros complejos y las series
pueden converger (decrecer o crecer hacia un valor nito) diverger (incrementar o decrecer indenidamente)
u oscilar, Existen una serie de criterios y teoremas de aplicacion general que expondremos a continuacion.
Convergencia Absoluta o Condicional
Para estudiar la convergencia de una serie dada i.e.

i
n=1
a
i
siempre podremos asociarle otra de la forma
i
n=1
|a
i
|, es decir la serie de valores absolutos, con lo cual garantizamos la positividad (y que sean n umeros
reales) de los terminos de la serie. Si la serie de los valores absolutos

i
n=1
|a
i
| converge, entonces tambien
covergera la serie original

i
n=1
a
i
y diremos que esa serie es absolutamente convergente. Sin embargo si la
serie de valores absolutos diverge, no podremos decir que

i
n=1
a
i
siempre converja. De hecho si converge
diremos que es condicionalmente convergente y, con un rearreglo de sus terminos podra converger, diverger
u oscilar.
Para una serie de terminos positivos el criterio de convergencia mas intuitivo (necesario pero no suciente)
es que en lmite cuando n el termino nesimo tienda a cero, i.e. lm
n
a
n
= 0. Con lo cual tenemos
que si esta condicion no se satisface, la serie diverge.
Criteterio de Comparacion
En segundo lugar de simplicidad esta el criterio de comparacion entre un par de series de terminos
positivos. Si conocemos el comportamiento de una de ellas comparamos el de la otra. Esto es, suponga que
consideremos dos serie, una de prueba S
n=0
a
n
y una serie conocida y convergente (o divergente)
n=0
a
n
, entonces
Si

S
n=0
a
n
converge y n se tiene que a
n
a
n

n=0
a
n

n=0
a
n
S
converge
Por otro lado
Si

S
n=0
a
n
diverge y n se tiene que 0 a
n
a
n

n=0
a
n

n=0
a
n
S
diverge
Para ilustrar esta estrategia consideremos las siguientes series
S
=
1
2
+
1
3
+
1
7
+
1
25
+ =
n=1
1
n! + 1
En ese caso compararmos con con una serie conocida
n=0
1
n!
=
1
0!
+
1
1!
+
1
2!
+
1
3!
+ = 1 + 1 +
1
2!
+
1
3!
+
. .
e
= 1 +e
y es claro que la serie indicada no es otra cosa que e, con lo cual la serie claramente converge y su suma es
1 +e.
Criterio de la Raz
Dada una serie de terminos positivos S
n=0
a
n
, el criterio de la raz (o tambien de la raz de
Cauchy) puede resumirse en el siguiente par de armaciones. Si
(a
n
)
1
n
< 1 para un valor de n sucientemente grande y independiente de n = converge
(a
n
)
1
n
> 1 para un valor de n sucientemente grande y independiente de n = diverge
(a
n
)
1
n
= 1 para un valor de n sucientemente grande y independiente de n = diverge o converge
Otra forma, mas compacta de expresarlo sera
Si = lm
n
(a
n
)
1
n
entonces, si
_
_
< 1 = converge
> 1 = diverge
= 1 = converge o diverge
Es facil ver que si utilizamos el criterio de comparacion, entonces
(a
n
)
1
n
a
n

n
_
_
_
cuando < 1 la serie converge
cuando 1 la serie diverge
Criterio de DAlembert
Dada una serie de terminos positivos S
n=0
a
n
, el criterio de DAlembert
4
o tambien llamado
criterio del cociente, compara el valor relativo de un termino de la serie con el que le precede. Este criterio
se resume tambien facilmente
Si = lm
n
_
a
n+1
a
n
_
entonces, si
_
_
< 1 = converge
> 1 = diverge
= 1 = indeterminado
Notese que si
< 1 < r < 1
a
n+1
a
n
< r a
n+1
= a
n
r
Entonces para un N < n pero tambien sucientemente grande, tendremos que los terminos de la serie a
partir de ese N seran
a
N
+a
N+1
+a
N+2
+a
N+3
= a
N
+ra
N
+r
2
a
N
+r
3
a
N
= a
N
_
1 +r +r
2
+r
3
+r
4

_
y que no es otra cosa que una serie geometrica con razon r < 1 y por consiguiente converge. Es claro que un
argumento similar se puede utilizar para probar la divergencia.
Un ejemplo inmediato lo constituye la serie
1
2
+
1
2
+
3
8
+
1
4
+
5
32
+ =
n=1
n
2
n

_
n+1
2
n+1
_
_
n
2
n
_ =
1
2

n + 1
n
= lm
n
_
n+1
2
n+1
_
_
n
2
n
_ =
1
2
< 1
con lo cual tiene converger.
Criterio de la Integral de Maclaurin
El criterio de la Integral de Maclaurin
5
es otro criterio de comparacion, pero esta vez se compara la serie
con una integral. As supondremos que existe una funcion f(x) contnua y monotonamente decreciente para
un valor de x x
0
y que, adicionalmente, se cumple que para alg un valor entero x = n el valor de la funcion
es igual a un termino de la serie. Esto es f(n) = a
n
. Entonces se tendra que si el lmite de lm
N
_
N
dx f(x)
existe y es nito, entonces

n=1
a
n
converge. Por el contrario si el lmite no existe o es innito, entonces
diverge.
La idea de este criterio es comparar la integral de f(x) (es decir, el area bajo la curva) con la suma de
rectangulos que representa la serie. Entoces, la suma parcial
s
i
=
i
n=1
a
n

i
n=1
f(n) Pero,
_
_
_
s
i
>
_
i+1
1
dx f(x)
s
i
a
1
<
_
i
1
dx f(x)
_
_
_

_
i+1
1
dx f(x) s
i

_
i
1
dx f(x) +a
1
4
Jean Le Rond DAlembert Pars, Francia 1717 - 1783 Matem atico frances pionero en el estudio de las ecuaciones
diferenciales y su utilizaci on en la Fsica, en particular en el estudio de los udos
Mas detalles en http://www-history.mcs.st-and.ac.uk
5
Colin Maclaurin 1698, Argyllshire, Escocia - 1746 Edinburgo, Escocia. Matematico escoces quien escribio el Tratado de
los Fluxiones el primer tratado que expuso de una manera sistematica y rigurosa el calculo diferencial ideado por Newton. Este
tratado fue como respuesta a la crtica de Berkeley sobre la falta de rigurosidad de los metodos Newton
con lo cual, al hacer i tendremos que si el lmite de la integral existe, entonces la serie

n=1
a
n
converge.
_

1
dx f(x)
n=1
a
n

_

1
dx f(x) +a
1
Un ejemplo inmediato podra ser determinar si la siguiente serie converge
n=1
1
_
n
3
2
_
2
f(x) =
1
_
x
3
2
_
2
lm
N
_
N
dx
1
_
x
3
2
_
2
= lm
N
_
1
N
3
2
_
= 0
con lo cual claramente converge
Este criterio es muy util para acotar (entre un nmo y un supremo) el residuo de una determinada serie.
Vale decir
n=1
a
n
=
N
n=1
a
n
+
n=N+1
a
n
. .
Residuo
_

N+1
dx f(x)
n=N+1
a
n

_

N+1
dx f(x) +a
N+1
El otro ejemplo, mas elaborado es comprobar que la funcion Zeta de Riemann, (p) =

n=1
n
p
, efecti-
vamente converge. En este caso f(x) = x
p
, entonces
(p) =
n=1
n
p
_

1
dx x
p
=
_
_
x
p+1
p+1
1
Para p ,= 1
lnx[
1
Para p = 1
y es claro que para p > 1 el lmite existe y es nito, por lo tanto, la funcion Zeta de Riemann, (p) =
n=1
n
p
, converge para p > 1
Series alternantes y convergencia condicional
Hasta ahora todos los criterios que analizamos eran para una serie de terminos positivos S
n=0
a
n
por lo cual todos esos criterios nos llevaban al concepto de series absolutamente convergente. Esto es, si
n=0
|a
n
| converge, entonces

n=0
a
n
tambien converge. Sin embargo, muchas veces nos tendremos que
conformar con que una serie sea simplemente convergente y no requerir que sea absolutamente convergente.
Este es el caso de las series alternantes. Series en las cuales se alternas terminos positivos y negativos. Son
series del tipo
a
1
a
2
+a
3
a
4
+a
5
a
6
+ +a
2n1
a
2n
+ =
n=1
(1)
n+1
(a
n
) con a
n
0
Entonces
n=1
(1)
n+1
(a
n
) converge, si
_
_
a
n
0 cuando n
a
n
> a
n1
n > N
De otro modo la serie oscilara
Estas condiciones son faciles de ver si reorganizamos la serie de los primeros 2m terminos, a partir de un
determinado N par y N > n, entonces
s
2m
= (a
N
a
N1
) + (a
N2
a
N3
) + + (a
N+2m2
a
N+2m1
)
donde todos los parentesis son positivos, con lo cual s
2m
> 0 y se incrementa al incrementar m. Ahora bien,
si rearreglamos la serie tendremos que
s
2m
= a
N
(a
N1
a
N2
) (a
N3
a
N3
) + (a
N+2m1
a
N+2m2
) a
N+2m1
y, otra vez los parentesis son positivos y es inmediato comprobar que entonces s
2m
< a
n
para todo m. Como
a
n
0 cuando n , la serie alternante necesariamente converge.
7.2. Series de potencias
El siguiente paso en este estudio, ser a el ampliar la idea de serie al permitir que sus terminos sean
funcion de alguna variable (una o varias), esto es a
n
= a
n
(x). Esta extension del concepto se serie, trae como
consecuencia que ahora las sumas parciales dependen de x
s
n
= s
n
(x) =
n
k=1
a
k
(x) = a
0
(x) +a
1
(x) +a
2
(x) + con lo cual, si lm
n
s
n
(x) = S(x) =
k=1
a
k
(x)
Entonces, el comportamiento de las serie tambien dependera de la variable. Ahora la convergencia de la serie
podra ser posible para algunos valores de x y no para otros. El punto central con las en las series de funciones
f(x)(complicadas) es la tratar de construir funciones como una serie de funciones, a
k
(x), mas simples. As,
esas sumas parciales f
n
(x) constituiran la funcion deseada
f
n
(x) =
n
k=1
a
k
(x) f(x) =
k=1
a
k
(x) = lm
n
n
k=1
a
k
(x)
Es decir estaremos interesados en aquellas funciones a las cuales converjan las sumas parciales de una serie.
Si bien m as adelante abordaremos este concepto haciendolo extensivo a cualquier funcion, para jar con-
ceptos, comenzaremos por las series de funciones mas comunes: Las series de potencias. Esto es, asimilaremos
una serie de potencias a
n
= c
n
x
n
a un polinomio de grado innito.
P(x) = c
0
+c
1
x +c
2
x
2
+c
3
x
3
+c
4
x
4
+ =
n=0
c
n
x
n
o tambien P(x x
0
) =
n=0
c
n
(x x
0
)
n
Esta asociacion tiene la ventaja de permitirnos intuir algunos comportamientos de la serie para algunos
valores de x. Los coecientes c
n
son n umeros independientes de x. Pero, mas a un, estas series pueden ser
series de potencias de n umero complejos. Vale decir,

n=0
c
n
z
n
con z = x +iy
7.2.1. Convergencia de una serie de potencias
Claramente, podremos utilizar todos los criterios que hemos desarrollado anteriormente. As una serie de
potencias

n=0
a
n
(x x
0
)
n
converge en un punto x
0
si el lm
m
n=0
a
n
(x x
0
)
n
existe, para x = x
0
;
para todo x o para algunos x
Una serie de potencias

n=0
c
n
(x x
0
)
n
convergera absolutamente s el
lm
n
n
j=0
_
_
_c
j
(x x
0
)
j
_
_
_ = l
existe. Tambien se cumplira el criterio de convergencia absoluta. Esto era, si

n=0
|c
n
(x x
0
)
n
| converge
n=0
c
n
(x x
0
)
n
converge, pero el inverso no es siempre verdad.
Los criterios mas populares para evaluar la convergencia, se seguiran cumpliendo. As el criterio de
Dalembert y el de la raz de Cauchy se podran reescribir como:
lm
n
_
_
_
_
_
c
n+1
(x x
0
)
n+1
c
n
(x x
0
)
n
_
_
_
_
_
= l
lm
n
n
_
c
n
(x x
0
)
n
= l(x)
_
_
_
_
l(x) < 1 converge
l(x) > 1 diverge
Solo que ahora es bueno enfatizar que l = l(x), es decir que el lmite dependera de la variable. Llamaremos,
de ahora en adelante a este lmite el radio o entorno de convergencia y lo denotaremos por l = (x).
El cual delimitara los valores de x para que la serie de potencias converja. Vemos el siguiente ejemplo en el
cual considermos la siguiente serie
s
n
(x) = 1 +x +
x
2
2
+
x
3
6
+ +
x
n
n!
+ =
n=1
x
n
n!
lm
n
a
n+1
a
n
lm
n
_
_
_
_
_
_
_
_
x
n+1
(n + 1)!
x
n
n!
_
_
_
_
_
_
_
_
= lm
n
_
_
_
_
x
n + 1
_
_
_
_
= 0
es decir, = (x) = lm
n
an+1
an
= 0 con lo cual la serie converge para todo valor de x. Otro caso ocurre
cuando consideramos la siguiente serie de potencias:
n=1
(1)
n+1
n (x 2)
n
= lm
n
_
_
_
_
_
(1)
n+2
(n + 1) (x 2)
n+1
(1)
n+1
n (x 2)
n
_
_
_
_
_
= |x 2| lm
n
_
_
_
_
n + 1
n
_
_
_
_
= |x 2| lm
n
_
_
_
_
n + 1
n
_
_
_
_
= |x 2|
_
_
_
converge si |x 2| < 1 1 < x < 3
diverge si |x 2| > 1
Es decir, la serie

n=1
(1)
n+1
n (x 2)
n
convergera unicamente para 1 < x < 3. Para otros valores de x,
diverge.
Para puntualizar
Si una serie converge en x = x
1
, convergera absolutamente para |x x
0
| < |x
1
x
0
| y divergera para
|x x
0
| > |x
1
x
0
|
Se llama radio de convergencia, = (x) a aquella cantidad tal que la serie
n=0
a
n
(x x
0
)
n
converge
para |x x
0
| < y diverge para |x x
0
| > . Una serie

n=0
a
n
(x x
0
)
n
que converge unicamente
para x = x
0
tendra un radio de convergencia = 0, mientras que una que converja para todo x
tendra un radio de convergencia =
7.2.2. Covergencia uniforme
En denitiva se puede refrasear el criterio de convergencia de Cauchy que vimos al comenzar este ca-
pitulo 7.1. Para cualquier valor de > 0, tan peque no como uno quiera, siempre existira un n umero N
independiente de x, con a x b tal que
Si S(x) = lm
n
s
n
(x) =
n=1
a
n
(x) |S(x) s
n
(x)| < x [a, b] n N.
Con ello es inmediato indenticar el error que se comete cuando se corta la serie en un N sucientemente
grande
S(x) =
N
n=1
a
n
(x)
. .
sn(x)
+
n=N+1
a
n
(x)
. .
Para el caso de series de funciones, consideraremos existen un par de criterios que identican la conver-
gencia uniforme y tienen, tambien cierta popularidad. El criterio Mayorante de Weierstrass
6
y el criterio de
Abel. A continuacion los resumiremos.
Hay que resaltar el punto que las suma de funciones contnuas a
n
(x) no necesariamente habra de ser
contnua, el concepto de convergencia uniforme busca garantizar que esa suma de funciones contnuas tambien
sera contnua. As, recordamos la idea de continuidad de una funcion. Una funcion sera contnua si sus lmites
por la derecha y por izquierda coinciden
lm
tx
f(t) = f(x) lm
tx
lm
n
f
n
(x)
?
= lm
n
lm
tx
f
n
(x)
Es decir, al suponer que la suma de terminos contnuos tiende a una funcion contnua estamos suponiendo
que podemos intercambiar los mites. pero eso no es simpre cierto. Considere el caso (extremo)
f
n
= n
2
x
_
1 x
2
_
n
con 0 x 1 n = 1, 2, 3, . . .
_
_
lm
n
f
n
= 0
_
1
0
dx (lm
n
f
n
(x)) = 0
_
1
0
dx f
n
(x) =
n
2
2(n+1)
lm
n
_
1
0
dx f
n

Claramente no se pueden intercambiar los lmites.
Criterio Mayorante de Weierstrass
Si encontramos una serie convergente de n umeros positivos
/=
j=1
M
j
con M
i
|a
i
(x)| x [a, b] entonces la serie
n=1
a
n
(x) es uniformemente convergente
La demostracion se obtiene a partir de la denicion misma de convergencia. Si

j=1
M
j
converge, entonces
para n + 1 N se tiene
j=n+1
M
j
< y como |a
i
(x)| M
i

j=n+1
|a
i
(x)| < |S(x) s
n
(x)|
j=n+1
|a
i
(x)| <
6
Karl Theodor Wilhelm Weierstrass Westphalia 1815 - Berlin 1897 Matematico Aleman con importantes contribuciones
al analisis complejo mediante la utilizacion de series
con la cual la serie

n=1
a
n
(x) sera uniformemente convergente para todo x [a, b]. Ahora bien, como
consieramos los M
i
0. La serie en cuesti on tambien sera absolutamente convergente. Otra vez, los criterios
de convergencia absoluta y, en este caso, de convergencia uniforme, no son consecuencia uno del otro, ni
estan relacionados. Las series
n=1
(1)
n
n +x
2
para < x <
n=1
(1)
n1
x
n
n
para 0 x 1
convergen uniformemente pero NO absolutamente. Sin embargo, en el intervalo 0 x 1 la serie
j=0
(1 x)x
j
converge absolutamente pero no uniformemente, por cuanto tiene una discontinuidad. Se puede demostrar
que
j=0
(1 x)x
j
=
_
= 1 0 x < 1
= 0 x = 1
con lo cual se puede concluir que una serie arbitraria f(x) =

j=1
a
i
(x) no podra converger uniformemente
en intervalos en los cuales la funcion f(x) sea discontnua.
Criterio de Abel
El criterio de Abel se puede resumir de la siguiente forma: dada una serie de la forma
i=1
a
i
(x) a
i
(x) = c
n
f
i
(x) lm
n
n
j=1
a
j
(x) = S
y por lo tanto la serie converge uniformemente en [a, b]. Para que se cumpla el criterio de Abel, f
n
(x) tiene
que estar acotada, 0 f
n
M n), tiene que ser monotonamente decreciente en el intervalo en el cual
este denida, f
n+1
(x) f
n
(x) con x [a, b]
7.2.3. Algebra y convergencia de series de potencias
El algebra elemental de series que mencionamos en la seccion 7.1.2 se puede reconsiderar a la luz de las
series de potencias. De esta forma recordamos que los ndices en las series son mudos
n=1
a
n
n (x x
0
)
n1
=
j=1
a
j
j (x x
0
)
j1
=
k=0
a
k+1
(k + 1) (x x
0
)
k
en la ultima sumatoria hemos hecho k = j 1, por lo cual j = k + 1.
Las series se igualan
n=0
b
n
(x x
0
)
n
=
n=1
a
n
n (x x
0
)
n1
n=0
b
n
(x x
0
)
n
=
k=0
a
k+1
(k + 1) (x x
0
)
k
=
n=0
a
n+1
(n + 1) (x x
0
)
n
por lo cual
b
n
= a
n+1
(n + 1)
si la igualdad hubiera sido
n=0
a
n
(x x
0
)
n
=
n=1
a
n
n (x x
0
)
n1
=
n=0
a
n+1
(n + 1) (x x
0
)
n
= a
n+1
=
a
n
(n + 1)
Las series se suman
n=0
a
n
(x x
0
)
n
+
k=2
b
k
(x x
0
)
k
= a
0
+a
1
(x x
0
) +
n=2
(a
n
+b
n
) (x x
0
)
n
o tambien
n=0
a
n
(x x
0
)
n
+
k=0
b
k+2
(x x
0
)
k+2
= a
0
+a
1
(x x
0
)+
n=2
(a
n
+b
n
) (x x
0
)
n
=
n=0
(a
n
+c
n2
) (x x
0
)
n
y en este ultimo caso c
2
= c
1
= 0 y c
i
= b
i+2
. Notese como en los dos ejemplos anteriores hemos hecho
coincidir los el comienzo de los dos ndices de la sumatoria.
La series tambien se multiplican, esto es
_

n=0
a
n
(x x
0
)
n
__

n=0
b
n
(x x
0
)
n
_
=
n=0
c
n
(x x
0
)
n
con
c
n
= a
0
b
n
+a
1
b
n1
+a
2
b
n2
+ +a
j
b
nj
+ +a
n2
b
2
+a
n1
b
1
+a
n
b
0
Si alguna de las series de potencias es absolutamente convergente, entonces su multiplicacion con otra,
sera absolutamente convergente.
Pero tambien las series de potencias se invierten ! y para ello utilizamos todo lo visto anteriormente
veamos. Supongamos que se tiene una serie del tipo
y y
0
= a
0
+a
1
(x x
0
) +a
2
(x x
0
)
2
+ +a
n
(x x
0
)
n
+ =
n=0
a
n
(x x
0
)
n
Es decir tenemos yy
0
expresado en terminos de una serie de potencias de (x x
0
)
n
entonces, igual podremos
plantearnos invertir el proceso, vale decir, expresar (x x
0
) en terminos de potencias (y y
0
)
n
Esto es
(x x
0
) =
n=0
b
n
(y y
0
)
n
(x x
0
) =
k=0
b
k
_
_
j=0
a
j
(x x
0
)
j
_
_
k
y a lo bestia al igualar terminos con la misma potencia, despejamos los coecientes b
n
en terminos de los
a
n
, de forma que
b
1
=
1
a
1
b
2
=
a
2
(a
1
)
3
b
3
=
2(a
2
)
2
a
1
a
3
(a
1
)
5
b
4
=
5a
1
a
2
a
3
a
2
1
a
4
5a
3
2
(a
1
)
7
.
.
. =
.
.
.
Igualmente, si una serie f(x) =

n=0
a
n
(x x
0
) =

n=0
c
n
(x x
0
)
n
converge para un entorno R
x R entonces por el criterio de Mayorante de Weierstrass, entonces convergera absoluta y uniformemente
para S x S con 0 S R. Mas a un, el criterio de Abel nos garantiza las siguientes propiedades
podemos extender la idea de continuidad de una serie, dado que todos los terminos a
n
(x) = c
n
(x x
0
)
n
son funciones contnuas de x y f(x) =

n=0
c
n
(x x
0
)
n
converge uniformemente para un entorno
S x S, entonces la funcion f(x) es contnua en el intervalo de convergencia.
Si los terminos a
n
(x) = c
n
(x x
0
)
n
son funciones contnuas de x, entonces la serie puede ser derivada
termino a termino
d[
n=0
c
n
(x x
0
)
n
]
dx
=
n=1
c
n
n (x x
0
)
n1
(notese como cambia el comienzo de la serie) y convergera a
n=1
c
n
n (x x
0
)
n1
df(x)
dx
a
n
(x)
da
n
(x)
dx
contnuas
n=0
a
n
(x) converge uniformemente en [a, b]
De igual manera las series pueden ser integradas termino a termino
_
b
a
dx f(x) =
_
b
a
dx
n=0
c
n
(x x
0
)
n
=
n=0
_
b
a
dx c
n
(x x
0
)
n
=
n=0
c
n
n + 1
(x x
0
)
n+1
7.2.4. Series de Taylor
Para los fsicos el uso apropiado (y frecuente) de la serie Taylor facilita la vida y muchos calculos. La
idea detras de este tipo de series es la de la aproximacion de una determinada funcion por una serie de
potencias en donde existe una forma sistematica de construir los coecientes y, dependiendo de el n umero de
terminos que utilicemos en la serie, tendremos idea de cuan aproximada es la serie y cuanto es el error que
cometemos al desarrollar la serie hasta un determinado termino. As supodremos que f = f(x) es una funcion
contnua y contnuamente diferenciable. Con lo cual, si denotamos
df(x)
dx
= f
t
(x), entonces supondremos que
f
t
(x), f
tt
(x), f
ttt
(x), , f
(n)
(x) estan denidas en el intervalo [a, b]. Entonces, conocemos desde siempre que
_
a+h
a
dx f
t
(x) = f(a +h) f(a) f(a +h) = f(a) +
_
a+h
a
dx f
t
(x) f(a +h) f(a) +hf
t
(a)
donde hemos supuesto que en intervalo [a, a +h] la funcion f
t
(x) es constante y tiene como valor f
t
(a).
Ahora bien, esto vale todo x y para cualquier funcion, por lo tanto se cumple que
f(x) f(a) + (x a)f
t
(a)
f
t
(x) f
t
(a) + (x a)f
tt
(a)
f
tt
(x) f
tt
(a) + (x a)f
ttt
(a)
.
.
.
.
.
.
f
(n1)
(x) f
(n1)
(a) + (x a)f
(n)
(a)
Con lo cual podemos construir
f(a +h) = f(a) +
_
a+h
a
dx f
t
(x) f(a) +
_
a+h
a
dx[f
t
(a) + (x a)f
tt
(a)] f(a) +hf
t
(a) +
h
2
2
f
tt
(a)
que no es otra cosa que una aproximacion de segundo orden a f(a +h). En general podemos construir
f(a +h) = f(a) +
_
a+h
a
dx f
t
(x) = f(a) +
_
a+h
a
dx
_
f
t
(a) +
_
a+h
a
dx f
tt
(x)
_
= f(a) +hf
t
(a) +
_
a+h
a
dv
_
_
a+h
a
dx f
tt
(x)
_
= f(a) +hf
t
(a) +
_
a+h
a
du
_
_
a+h
a
dv
_
f
tt
(a) +
_
a+h
a
dx f
ttt
(x)
__
= f(a) +hf
t
(a) +
h
2
2
f
tt
(a) +
_
a+h
a
du
_
_
a+h
a
dv
_
_
a+h
a
dx f
ttt
(x)
__
y si repetimos ese procedimiento n veces, suponiendo que las derivadas de f(x) existan, tendremos la apro-
ximacion n 1 a la funcion. Esto es
f(a +h) = f(a) +hf
t
(a) +
h
2
2!
f
tt
(a) +
h
3
3!
f
ttt
(a) + +
h
n1
(n 1)!
f
n1
(a) +1
n
y tambien es facil convencerse por inspeccion que el residuo o el error que cometemos en la aproximacion
n 1 viene dado por la integracion enesima de la derivada enesima, vale decir
1
n
=
_
a+h
a
du
_
a+h
a
dv
. .
n veces
_
a+h
a
dx f
ttt
(x)
y por el Teorema del Valor medio
_
a+h
a
dg() = hg() 1
n
=
h
n
n!
f
(n)
() con a a +h
Ahora bien, una eleccion astuta del parametro h = x a nos lleva a la conocida expresion de la serie de
Taylor para una funcion de una variable
f(x) = f(a) + (x a)f
t
(a) +
(x a)
2
2!
f
tt
(a) +
(x a)
3
3!
f
ttt
(a) + +
(x a)
n1
(n 1)!
f
n1
(a) +1
n
y el error vendra dado por
1
n
=
(x a)
n
n!
f
(n)
() con a a +h
as la expansion de Taylor especica el valor de una funcion en un punto x en terminos de el valor de la
funcion y sus derivadas en un punto de referencia a. La expansion se hace en terminos de potencias de la
diferencia, (x a), entre el punto que se eval ua y el punto de referencia.
Algunas otras formas de expresar la serie de Taylor, seran
f(x +h) =
n=0
h
n
n!
f
n
(x) =
n=0
h
n d
n
dx
n
n!
f(x) =
n=0
h
n
D
n
n!
f(x) = e
hD
f(x) donde, D
d
dx
Si el punto de referencia es a = 0 tendremos la serie de Maclaurin
f(x) = f(0) +xf
t
(a) +
x
2
2!
f
tt
(a) +
x
3
3!
f
ttt
(a) + +
x
n1
(n 1)!
f
n1
(a) +1
n
Algunas Series de Taylor
Un listado incompleto de las series de Taylor mas utilizadas es
e
x
= 1 +x +
x
2
2
+
x
3
3!
+
x
4
4!
+ +
x
n
n!
+ para < x <
sen x = x
x
3
3!
+
x
5
5!

x
7
7!
+ + (1)
n+1
x
2n1
(2n 1)!
+ para < x <
cos x = 1
x
2
2
+
x
4
4!

x
6
6!
+ + (1)
n+1
x
2n2
(2n 2)!
+ para < x <
arctanx = x
x
3
3
+
x
5
5

x
7
7
+ + (1)
n+1
x
2n1
(2n 1)
+ para 1 < x < 1
ln(1 +x) = x
x
2
2
+
x
3
3

x
4
4
+ + (1)
n+1
x
n
n
+ para 1 < x < 1
(1 +x)
m
= 1 +mx +m(m1)
x
2
2
+m(m1)(m2)
x
3
3!
+ +
m!
n!(mn)!
x
n
+ para < x <
La expansion binomial
Por lo frecuente y su uso, consideremos el caso de la expansion binomial
(1 +x)
m
= 1 +mx +m(m1)
x
2
2
+m(m1)(m2)
x
3
3!
+ =
n=0
m!
n!(mn)!
x
n
=
n=0
_
m
n
_
x
n
donde el termino
_
m
n
_
se denomina el coeciente binomial y la serie termina cuando m = n. Ahora bien,
escrito de la formas compactas de la derecha se sugiere que el exponente m tendra que ser entero y positivo.
Pero no es as. La serie explcita de la izquierda no se restringe a valores enteros y positivos de m. Por ello
la forma compacta pero exacta de la expansion binomial.
_
1 +
x
a
_
m
= 1+m
_
x
a
_
+
m(m1)
2
_
x
a
_
2
+
m(m1)(m2)
3!
_
x
a
_
3
+ =
n=0
(1 +m)
(1 +n)(1 +mn)
_
x
a
_
n
Donde hemos utilizado la funcion (x) como la generalizacion del factorial para valores que no se restringen
a enteros positivos. Cuando m es un entero positivo tendremos (1 + m) = m!. Notese tambien que si el
exponente es negativo,
_
1 +
x
a
_
m
tiene una singularidad o un polo en x = a
Taylor en varias variables
Solo por razones de completitud, y para reforzar los conceptos de que es un desarrollo en series para una
funcion alrededor de un determinado punto, escribiremos el desarrollo en series de Taylor para una funcionon
de dos variables f = f(x, y). Esta es
f(x, y) = f(a, b) + (x a) f
x
[
ab
+ (y b) f
y
[
ab
+
1
2!
_
(x a)
2
f
xx
ab
+ 2(x a)(y a) f
xy
[
ab
+ (y a)
2
f
yy
[
ab
+
1
3!
_
(x a)
3
f
xxx
[
ab
+ 3(x a)
2
(y a) f
xxy
[
ab
+ 3(x a)(y a)
2
f
xyy
[
ab
+ (y a)
3
f
yyy
[
ab
+
O mas compacto
f
_
x
j
+x
j
0
_
=
n=0
1
n!
_
x
k
k
_
n
f (x
m
)
x
m
=x
m
0
f (r +a) =
n=0
1
n!
_
r

_
n
f (x
m
)
r=a
Donde hemos utilizado la siguiente convencion
f
x
=

x
=
x
; f
y
=

y
=
y
; f
xx
=

2
x
2
=
xx
; f
xy
=

2
xy
=
xy
; f
yy
=

2
y
2
=
yy
;
7.3. Series y Espacios de Hilbert
Hemos dejado sueltos algunos conceptos para los espacios de Hilbert into-dimensional. El primero de
estos conceptos es que un vector [a) E
surge la combinacion lineal de elementos de una base innita

[e
i
), ( de una serie) que converge al vector [a) para un espacio donde tambien la norma del vector converge
a un valor nito |a|
2
= a [a). El segundo concepto fue la posibilidad de expresar un determinado vector
(una funcion ) como combinacion lineal de una base (de dimension innita) de un espacio vectorial E
.
Efectivamente, esa combinacion lineal (de dimension innita) habra de converger a el valor de la funcion en ese
punto. En su momento expresamos estos conceptos intuitivos y facilmente demostrables para E
n
(un espacio
vectorial Euclideano de dimension nita, ndimensional) y sin mayores justicaciones hicimos el salto
a E
(un espacio Euclideano innito-dimensional). Ahora, equipados con los conceptos de convergencia
uniforme estamos en capacidad de explorar esas razones que antes eludimos. Ambos conceptos tienen que
ver con la palabra completitud, la cual, como veremos, no tiene el mismo signicado en cada una de las
situaciones antes mencionadas, pero sera complementario. En el primer caso la completitud de E
se logra
al poder expresar un vector como una combinacion lineal de una base innita que converja al valor del vector.
En el segundo caso diremos que la base [e
i
) para E
sera completa si expande la totalidad de los vectores

de E
.
7.3.1. Completitud de E
La primera idea de completitud de un Espacio de Hilbert E
tiene que ver con el hecho que, en en ese

espacio, donde la norma de un vector es nita |a|
2
= a [a) < , la combinacion lineal de los elementos de
una base innita, [e
i
), converja al vector [a). Esto es a
i
[e
i
)
n
[a).
Para el caso de E
n
es inmediato que, dada una base (ortonormal, por ejemplo)
[a) = a
i
[e
i
) |a|
2
= a [a) = a
i
a
i
< con i = 1, 2, 3, n
La norma es nita, por cuanto es la suma de terminos nitos (las componentes del vector (a
1
, a
2
, a
3
, a
n
)).
Sin embargo, para el caso de E
las componentes del vector seran funcion de las sumas parciales, esto es
hasta donde desarrollemos la serie y debemos demostrar que si
[a
n
) (a
1
n
, a
2
n
, a
3
n
, a
4
n
, a
n
n
)
n
[a
) (a
1
, a
2
, a
3
, a
j
, ) | [a
) [a
n
) | <
Es decir que, efectivamente, componente a componente el vector [a
n
) converja al vector [a). El criterio de
convergencia de Cauchy, en este caso signica que: dadas dos sumas parciales (desarrollos parciales en una
determinada base innita [e
i
)) [a
n
) = a
i
[e
i
) con i = 1, 2, n y [a
m
) = a
j
[e
j
) con j = 1, 2, m entonces
| [a
m
) [a
n
) | = | [a
m
) [a) [a
n
) +[a) | | [a) [a
n
) | +| [a) [a
m
) | <
t
+
tt

con lo cual las diferencias en las sumas parciales seran siempre menor que un 0 < < 1. Notese que hemos
utilizado la desigualdad triangular |x + y| |x| + |y|, y esa misma desigualdad triangular nos garantiza
que
[a
j
n
a
j
m
[
2
j=1
[a
j
n
a
j
m
[
2
| [a
m
) [a
n
) |
2
<
vale decir, hemos demostrado que el termino jesimo (y con ello todas las componentes del vector) de una
suma parcial, converge al termino correspondiente de la serie lmite. Esto es a
j
n
n
a
j
m
n
a
j
por lo tanto
que las combinacion lineal converge al vector y nos queda por demostrar si su norma es nita, o lo que es lo
mismo, a [a) = a
i
a
i
< con i = 1, 2, 3, . Es claro que
M
j=1
[a
j
n
a
j
m
[
2
j=1
[a
j
n
a
j
m
[
2
| [a
m
) [a
n
) |
2
<
con lo cual si m tendremos que

M
j=1
[a
j
n
a
j
[
2
< y si ahora hacemos
M
j=1
[a
j
n
a
j
[
2
< a [a) =
j=1
[a
j
[
2
j=1
[a
j
+a
j
n
a
j
n
[
2
Ahora bien, para y complejos, se cumple que
([[ [[)
2
[[
2
+[[
2
2[[[[ 0 2[[[[ [
2
+[[
2
[+[
2
[[[ +[[[
2
= [[
2
+[[
2
+2[[[[
para que nalmente, tengamos que
([[ [[)
2
2
_
[[
2
+[[
2
_
Finalmente, podemos aplicarlo al caso que nos compete
a [a)
j=1
[a
j
+a
j
n
a
j
n
[
2
2
_
_
j=1
[a
j
a
j
n
[
2
+
j=1
[a
j
n
[
2
_
_
<
7.3.2. Conjunto completo de funciones
El segundo sentido de completitud con que el conjunto (funciones) de vectores base expandan la totalidad
del espacio vectorial (de funciones). Esto es, si [u
i
) u
i
(x) es una base ortonormal para E
[a) = a
i
[u
i
) | [a) |
2
= a [a) = a
i
a
i
=
k=1
[a
k
[
2
con i = 1, 2, 3,
Es, otra vez, la misma armacion que consideramos en el caso de un espacio nito dimensional, E
n
en el
cual demostramos que una base [u
i
) con i = 1, 2, 3, , n expanda todo el espacio.
Si adicionalmente existe una funcion cuadrado integrable, L
2
[a,b]
denidas en el intervalo [a, b], la cual
pueda ser aproximada por la base
| [f ) |
2
f [f ) < [f ) =
i=0
c
i
[u
i
)
N
i=0
c
i
[u
i
) |f(x)|
2
_
b
a
dx[f(x)[
2
f(x)
N
j=0
c
j
u
j
(x)
Notese que hemos supuesto la existencia de un producto interno y si las bases son ortonormales tendremos
que
g [f )
_
b
a
dx g
(x)f(x)
u
k
[u
l
)
_
b
a
dx u
k
(x)u
l
(x) =
k
l
|f(x)|
2
_
b
a
dx[f(x)[
2
=
j=0
[c
j
[
2
donde
c
k
=
_
b
a
dx u
k
(x)f(x)
Para demostrar que E
es completo, comenzamos por demostrar la llamada Desigualdad de Bessel.

Esta es: dada una base ortonormal innita, [u
i
) u
i
(x) para un espacio vectorial de Hilbert, E
, de
funciones cuadrado integrable f(x) L
2
[a,b]
, con un producto interno denido por g [f )
_
b
a
dx g
(x)f(x),
entonces se cumple que
|f(x)|
2
k=1
[c
k
[
2
con c
k
=

u
k
[f ) =
_
b
a
dx u
k
(x)f(x) g [f )
_
b
a
dx g
(x)f(x)
Para demostrar la desigualdad de Bessel, partimos de una armacion obvia en espacios nito dimensionales
0 | [f ) c
i
[u
i
) |
2
_
f [ c
u
k
_
[f ) c
i
[u
i
)
= | [f ) |
2
c
u
k
[f )
. .
c
k
c
i
f [u
i
)
. .
c
i
+c
k
c
i
u
k
[u
i
)
. .
k
i
donde k, i = 1, 2, 3, n Entonces, queda demostrada la desigualdad de Bessel al tomar el lmite n
0 | [f ) |
2
k=1
[c
k
[
2
n
= | [f ) |
2
k=1
[c
k
[
2
Si denimos el error, M
n
, que se comete al aproximar una funcion con su expansion hasta un termino
nsimo como M
n
(b a) | [f )
i
[u
i
) |
2
demostraremos que M
n
es mnima si
i
= c
i
=

u
i
[f ) Para ello
procedemos como es costumbre, partiendo de la denicion que acabamos de hacer y nos concentramos en el
caso nito dimiensional
0 M
n
(b a) | [f )
i
[u
i
) |
2
= | [f ) (
i
c
i
) [u
i
) c
k
[u
k
) |
2
Desarrollando
M
n
(b a) =
_
f [ (
k
c
k
)
u
k
u
k
_
[f ) (
i
c
i
) [u
i
) c
i
[u
i
)
=| [f ) |
2
c
i
(
i
c
i
) 2c
i
c
i
(
k
c
k
)c
k
+
n
j=1
|
j
c
j
|
2
+ (
k
c
k
)c
k
+c
i
(
i
c
i
) +c
i
c
i
=
_
| [f ) |
2
i=1
|c
i
|
2
_
+
n
j=1
|
j
c
j
|
2
Pero la desigualdad de Bessel garantiza que la cantidad entre corchetes es positiva, por lo tanto M
n
es
mnima (y la denotaremos

M
n
) cuando seleccionamos
j
= c
j
. Mas a un

M
n
decrece cuando n , vale
decir
M
n
(b a) = | [f ) |
2
i=1
|c
i
|
2
n
=

M
(b a) = | [f ) |
2
i=1
|c
i
|
2
y si, adicionalemente tenemos que

M
n
0 cuando n entonces es claro que
| [f ) |
2
=
i=1
|c
i
|
2
= [u
i
) u
i
(x) es completa
Este nocion de convergencia se denomina como convergencia al promedio
Si adicionalmente exigimos que la serie c
i
[u
i
) converja uniformemente para x [a, b] entonces es claro
que
_
b
a
dx |f(x) c
i
[u
i
) |
2
= 0 =[f ) = c
i
[u
i
) (con i = 1, 2, 3 , ) f(x) =
i=1
c
i
u
i
(x)
Con lo cual enumeraremos las condiciones para la cual exigiremos que una funcion pueda ser expresada en
terminos de una base completa de funciones.
Que f(x) sea cuadrado integrable f(x) L
2
[a,b]
Que la base sea completa, [u
i
) u
i
(x) i.e. | [f ) |
2
=

i=1
|c
i
|
2
Que la serie c
i
[u
i
)
i=1
c
i
u
i
(x) converja uniformemente, para x [a, b]
7.4. Series de Polinomios Ortogonales
Enunciaremos un teorema debido a Weierstrass el cual garantiza que una funcion contnua en un intervalo
[a, b] puede ser aproximada uniformemente por una serie de polinomios. Por lo tanto, cualquier funcion
contnua podra ser aproximada por combinaciones lineales de potencias.
El Teorema de aproximacion polinomica de Weiernstrass queda enunciado como sigue. Cualquier funcion
contnua f(x) en un intervalo cerrado x [a, b] podra ser aproximada uniformente por polinomios en ese
mismo intervalo si, para un n sucientemente grande y un sucientemente peque no siempre se tiene que
|T
n
(x) f(x)| < x [a, b]
Para la demostracion de este teorema puede consultar [Byron y Fuller 1970, Cushing 1975]. Sin embargo la
aceptacion de este teorema nos permitira desarrollar las secciones que siguientes...
7.4.1. Polinomios de Legendre
El primero de los ejemplos de una base ortonormal de polinomios en la cual podremos expresar cualquier
funcion contnua en el intervalo cerrado x [1, 1] seran los Polinomios de Legendre. Estos vienen construidos
a partir de la Formula de Rodrgues
P
n
(x) =
1
n!2
n
d
n
dx
n
(x
2
1)
n
, n = 0, 1, 2, .....
con P
0
(x) = 1.
Es decir
P
0
(x) = 1 P
1
(x) = x
P
2
(x) = 1 3x
2
P
3
(x) = x
5
3
x
3
P
4
(x) =
3
8
+
35
8
x
4
15
4
x
2
P
5
(x) =
63
8
x
5
35
4
x
3
+
15
8
x
.
.
.
.
.
.
Generalidades de los Polinomios de Legendre
Es facil comprobar que los polinomios de Legendre [P
) P
(x) son mutuamente ortogonales para un

producto interno denido como
P
n
[P
m
) =
_
1
1
P
n
(x)P
m
(x)dx =
2
2n + 1
nm
con norma denida por
|P
n
|
2
= P
n
[P
n
) =
_
1
1
P
2
n
(x)dx =
2
2n + 1
notese que los polinomios de Legendre, calculados a partir de la Formula de Rodrigues no estan normalizados.
Al ser los Polinomios de Legendre un conjunto completo de funciones, ellos expanden el espacio de
funciones contnuas en el intervalo cerrado x [1, 1]. Por ello cualquier funcion en el intervalo [1, 1] puede
ser expresada en esa base.
f(x) = [F) =
k=0
a
k
[P
k
) =
k=0
P
k
[F)
P
k
[P
k
)
[P
k
)
Varios ejemplos ilustraran esta aplicacion
Si f(x) es un polinomio
f(x) =
m
n=0
b
n
x
n
=
k=0
a
k
[P
k
) =
n=0
a
n
P
n
(x)
no se requiere hacer ninguna integral por cuanto los coecientes a
n
se determinan a traves de un sistema de
ecuaciones algebraicas. Para el caso de f(x) = x
2
tendremos
f(x) = x
2
= a
0
P
0
(x) +a
1
P
1
(x) +a
2
P
2
(x)
f(x) = x
2
= a
0
+a
1
x +
1
2
a
2
(3x
2
1)
f(x) = x
2
=
1
3
P
0
(x) +
2
3
P
2
(x)
En el caso de una funcion mas complicada
f(x) =
_
1 x
2
=
k=0
P
k
[F)
P
k
[P
k
)
[P
k
)
P
k
[F) =
_
1
1
f(x)P
k
(x)dx =
_
1
1
_
1 x
2
P
k
(x)dx
la expansion en series de Legendre quedara como
_
1 x
2
=
2
3
P
0
(x) 2
n=1
P
n
(x)
(2n 1) (2n + 3)
Antes de entrar en el detalle de las propiedades de estos polinomios, hay que enfatizar que los Polinomios
de Legendre constituyen la unica base ortogonal para un espacio de Hilbert con un producto interno denido
como el producto simple de funciones en el intervalo cerrado. Al ortonormalizar mediante Gram Schmidt
la base
_
1, x, x
2
, x
3
, , x
n
,
_
del espacio de polinomios, T
n
, de grado n en el intervalo [1, 1], con el
producto interno denido por f [ g) =
_
1
1
dx f (x) g (x) . se obtienen los polinomios de Legendre.
Los polinomios de Legendre surgen, originalmente, como soluciones a la ecuacion diferencial ordinaria del
tipo
(1 x
2
)
d
2
P
n
(x)
dx
2
2x
dP
n
(x)
dx
+n(n + 1) P
n
(x) = 0
Vale decir
n Ecuacion de Legendre Solucion
0 (1 x
2
)
d
2
P0(x)
dx
2
2x
dP0(x)
dx
= 0 P
0
(x) = 1
1 (1 x
2
)
d
2
P1(x)
dx
2
2x
dP1(x)
dx
+ 2 P
1
(x) = 0 P
1
(x) = x
2 (1 x
2
)
d
2
P2(x)
dx
2
2x
dP2(x)
dx
+ 6 P
2
(x) = 0 P
2
(x) = 1 3x
2
3 (1 x
2
)
d
2
P3(x)
dx
2
2x
dP3(x)
dx
+ 12 P
3
(x) = 0 P
3
(x) = x
5
3
x
3
4 (1 x
2
)
d
2
P4(x)
dx
2
2x
dP4(x)
dx
+ 20 P
4
(x) = 0 P
4
(x) = 1 10x
2
+
35
3
x
4
Ortogonalidad de los Polinomios de Legendre
Como los polinomios de Legendre son soluciones de su ecuaciones
(1 x
2
) P
(x)
tt
2x P
(x)
t
+( + 1) P
(x) = 0
(1 x
2
) P
(x)
tt
2x P
(x)
t
+( + 1) P
(x) = 0
Notese que hemos cambiado de notacion del operador diferencial
P
(x)
tt

d
2
P
(x)
dx
2
P
(x)
t

dP
(x)
dx
Acomodando y restando ambas ecuaciones
(1x
2
) P
(x)P
(x)
tt
P
(x)P
(x)
tt
2x P
(x)P
(x)
t
P
(x)P
(x)
t
+( + 1) ( + 1) P
(x)P
(x) = 0
el primer termino de la ecuacion puede interpretarse una la derivada
_
(1 x
2
) P
(x)P
(x)
t
P
(x)P
(x)
t
t
por lo tanto al integrar
(1 x
2
) P
(x)P
(x)
t
P
(x)P
(x)
t
1
1
+( + 1) ( + 1)
_
1
1
P
(x)P
(x)dx = 0
El primer termino de la ecuacion se anula en los extremos y es facil comprobar que los polinomios de Legendre
[P
) = P
(x) son mutuamente ortogonales con un producto interno denido como

P
[P
) =
_
1
1
P
(x)P
(x)dx
Relacion de Recurrencia
Conocido esto se puede generar una relacion de recurrencia. Supongamos que conocemos todos los poli-
nomios de Legendre hasta P
n
(x) y queremos generar el proximo. Obviamente el ese polinomio sera de grado
n + 1 y nos plantemos generarlo a partir de xP
n
(x) as como los estos polinomios son base del espacio de
funciones, entonces
xP
n
(x) = [xP
n
) =
n+1
k=0
P
k
[xP
n
)
P
k
[P
k
)
[P
k
)
en donde
P
k
[xP
n
) = xP
k
[P
n
) =
_
1
1
P
n
(x)xP
k
(x)dx = 0
para k < n 1. Sobreviven entonces tres terminos
[xP
n
) = xP
n
(x) =
P
n1
[xP
n
)
P
n1
[P
n1
)
[P
n1
) +
P
n
[xP
n
)
P
n
[P
n
)
[P
n
) +
P
n+1
[xP
n
)
P
n+1
[P
n+1
)
[P
n+1
)
y dado que
P
n
[xP
n
) =
_
1
1
P
n
(x)xP
n
(x)dx =
_
1
1
xP
2
n
(x)dx ,
es una funcion impar, entonces P
n
[xP
n
) = 0. Entonces
[xP
n
) = xP
n
(x) =
P
n1
[xP
n
)
P
n1
[P
n1
)
[P
n1
) +
P
n+1
[xP
n
)
P
n+1
[P
n+1
)
[P
n+1
)
Es decir
xP
n
(x) = AP
n+1
(x) +BP
n1
(x)
desarrollando con la formula de Rodrguez el coeciente de orden k del lado izquierdo es
1
2
k
k!
2k(2k 1) [2k (k 1)] =
(2k)!
2
k
(k!)
2
mientras que el primer termino del lado izquierdo, hasta orden k 2 queda como
(2k 2)!
2
k
(k 2)!(k 1)
por lo cual
A =
n + 1
2n + 1
De igual forma se determina B igualando coecientes a orden n 1 y queda la relacion de recurrencia:
(n + 1) P
n+1
(x) = (2n + 1) xP
n
(x) nP
n1
(x)
Norma de los Polinomios de Legendre
Conociendo que la ortogonalidad de los polinomios de Legendre y la relacion de recurrencia, procedemos
encontrar el valor de su norma
|P
n
|
2
= P
n
[P
n
) =
_
1
1
P
2
n
(x)dx =
2
2n + 1
De la relacion de recurrencia
(2n + 1) P
n
(x)nP
n
(x) = (2n + 1) P
n
(x) [(2n 1) xP
n1
(x) (n 1) P
n2
(x)]
(2n 1) P
n1
(x) (n + 1) P
n+1
(x) = (2n 1) P
n1
(x) [(2n + 1) xP
n
(x) nP
n1
(x)]
restando miembro a miembro obtenemos:
(2n + 1) P
n
(x)nP
n
(x) + (2n + 1) (n 1) P
n
(x)P
n2
(x)
(n + 1) (2n 1) P
n1
(x)P
n+1
(x) (2n 1) nP
2
n1
(x) = 0
integrando y considerando la ortogonalidad
_
1
1
P
2
n
(x)dx =
2n 1
2n + 1
_
1
1
P
2
n1
(x)dx
_
1
1
P
2
n
(x)dx =
_
2n 1
2n + 1
__
2n 3
2n 1
__
1
1
P
2
n2
(x)dx
_
1
1
P
2
n
(x)dx =
_
2n 1
2n + 1
__
2n 3
2n 1
__
2n 5
2n 3
__
1
1
P
2
n3
(x)dx
.
.
. =
.
.
.
_
1
1
P
2
n
(x)dx =
3
2n + 1
_
1
1
P
2
1
(x)dx
_
1
1
P
2
n
(x)dx =
2
2n + 1
Funcion Generatriz de los Polinomios de Legendre
Se puede encontrar una funcion generatriz T(t, x) de los polinomios de Legendre:
T(t, x) =
1
1 2xt +t
2
= P
0
(x) +P
1
(x) t +P
2
(x) t
2
+ =
n=0
P
n
(x) t
n
para la cual los P
n
(x) son los coecientes de su desarrollo en series de potencias. Esta serie converge para
_
_
2xt +t
2
_
_
< 1. Para demostrar que el desarrollo en serie de la funcion ((t, x) tiene como coecientes a los
P
n
(x) partimos de que:
T(t, x) =
1
1 2xt +t
2
T(t, x)
t
=
t x
(1 2xt +t
2
)
3/2
por lo cual
(t x) T(t, x) +
_
1 2xt +t
2
_
T(t, x)
t
= 0
y, consecuentemente
(t x)
n=0
P
n
(x) t
n
+
_
1 2xt +t
2
_

n=1
nP
n
(x) t
n1
= 0 .
Multiplicando y acomodando queda
x P
0
(x) + P
0
(x) t +
n=0
(n + 1) P
n+1
(x)t
n
n=1
(2n + 1) x P
n
(x) t
n
n=2
nP
n1
(x) t
n
= 0
por lo tanto
_
_
P
1
(x) x P
0
(x)
. .
=0
_
_
+
_
_
2P
2
(x) 3xP
1
(x) +P
0
(x)
. .
=0
_
_
t+
n=1
_
_
(n + 1) P
n+1
(x) (2n + 1) xP
n
(x) +nP
n1
(x)
. .
=0
_
_
t
n
= 0
El primero de los terminos se cumple siempre por cuanto P
0
(x) = 1 y P
1
(x) = x. El tercer termino conforma
la relacion de recurrencia para los polinomios de Legendre. Con esto queda demostrado que el desarrollo en
series de potencias de la funcion generatriz, tiene como coecientes a los polinomios de Legendre.
La funcion generatriz muestra su utilidad en la expansion
f(x) =
_
1 x
2
=
k=0
P
k
[F)
P
k
[P
k
)
[P
k
)
As, al considerar la denicion del producto interno
P
k
[F) =
_
1
1
f(x)P
k
(x)dx =
_
1
1
_
1 x
2
P
k
(x)dx
e integrando
_
1
1
_
1 x
2
_
1
1 2xt +t
2
_
dx =
n=0
t
n
_
1
1
_
1 x
2
P
n
(x)dx
1
2t
_
1 +t
(1 t)
2
2
t
ln
_
1 +
t
1
t
_
_
=
n=0
t
n
_
1
1
_
1 x
2
P
n
(x)dx
Expandiendo el lado izquierdo en series de potencias de t
4
3
4
n=1
t
n
(4n
2
1) (2n + 3)
=
n=0
t
n
_
1
1
_
1 x
2
P
n
(x)dx
lo cual nos conduce, al igualar coecientes a
4
3
=
_
1
1
_
1 x
2
P
0
(x)dx
4
(4n
2
1) (2n + 3)
=
_
1
1
_
1 x
2
P
n
(x)dx
y nalmente a la forma de la expansion en series
_
1 x
2
=
2
3
P
0
(x) 2
n=1
P
n
(x)
(2n 1) (2n + 3)
Figura 7.1: Polinomios de Lengendre
Otras propiedades de los polinomios de Legendre
P
n
(1) = 1 y P
n
(1) = (1)
n
para todo n.
P
n
(x) tiene n races en el intervalo (1, 1) Esta propiedad puede apreciarse para los primeros 5 poli-
nomios en la gura 7.1
Tienen una representacion integral de la forma
P
n
(x) =
1
2
_

0
_
x +
_
x
2
1 cos
_
n
d
Cambios de variables inmediatos conllevan a ecuaciones diferenciales equivalentes
Forma autoadjunta
_
(1 x
2
) y
t
t
+( + 1) y = 0
En coordenadas esfericas con u = P
n
(cos )
1
sen
d
d
_
sen
du
d
_
+( + 1)u = 0
En coordenadas esfericas con u =
senP
n
(cos )
d
2
u
d
2
+
_
_
+
1
2
_
2
+
1
4 sen
2
_
u = 0
Resumen de Propiedades Polinomios Legendre
Polinomios de Legendre
Denicion P
n
(x) =
1
n!2
n
d
n
dx
n
(x
2
1)
n
, n = 0, 1, 2, .....
Ejemplos
P
1
0; P
0
1; P
1
= x
P
2
=
1
2
(3x
2
1); P
3
=
1
2
(5x
3
3x)
Relacion de Recurrencia (n + 1) P
n+1
(x) = (2n + 1) xP
n
(x) nP
n1
(x)
Ecuaciones Diferenciales
(1 x
2
) y
tt
2x y
t
+( + 1) y = 0
1
sen
d
d
_
sen
du
d
_
+n(n + 1)u = 0; u = P
n
(cos )
Funcion Generatriz T(t, x) =
1
1 2xt +t
2
=
n=0
P
n
(x) t
n
Representacion Integral P
n
(x) =
1
2
_

0
_
x +
x
2
1 cos
n
d
Ortogonalidad P
[P
) =
_
1
1
P
(x)P
(x)dx =
2
2 + 1
Potencial Electrostatico de un Dipolo Elactrico
En Fsica el ejemplo claro es el calculo del potencial electrostatico producido por dos cargas q
1
= +q y
q
2
= q separadas por una distancia 2d en un punto P cualquiera de un plano (x, y). El potencial en ese
punto generico viene dado por
V = q
_
1
R
t

1
R
_
Tal y como puede apreciarse de la gura 7.4.1
(R
t
)
2
= r
2
+d
2
2r d cos
R
2
= r
2
+d
2
2r d cos ( )
por lo cual
1
R
t
=
1
r
_
1
_
2
d
r
cos
_
d
r
_
2
__
1/2
1
R
=
1
r
_
1
_
2
d
r
cos ( )
_
d
r
_
2
__
1/2
y consecuentemente
1
R
t
=
1
r
n=0
P
n
(cos )
_
d
r
_
n
1
R
=
1
r
n=0
P
n
(cos ( ))
_
d
r
_
n
=
1
r
n=0
P
n
(cos )
_
d
r
_
n
El potencial sera
V =
q
r
_

n=0
[P
n
(cos ) P
n
(cos ) ]
_
d
r
_
n
_
Figura 7.2: Potencial Electrostatico de un Dipolo Elactrico
donde todos los terminos pares de P
n
(cos ) se anula y nalmente tendremos la expresion del potencial para
cualquier punto del plano
V =
2q
r
_

n=0
P
2n+1
(cos )
_
d
r
_
2n+1
_
Entonces nos quedamos con el primer termino de la serie, si
d
r
1 V
q
r
2
2d cos
7.4.2. Polinomios de Hermite
Los polinomios de Hermite a diferencia de los de Legendre (y Tchevychev), vienen denidos en toda la
recta real, vale decir, x (, ), por lo cual la funcion peso w(x) en el producto interno debera decrecer
mas rapido que [x[
n
, para garantizar que la norma de los vectores en este espacio vectorial sea nita. La
funcion mas simple que cumple estos requisitos es w(x) = e
x
2
(tambian algunos autores utilizan w(x) =
e
x
2
/2
) Esto es, el producto interno entre los polinomios de Hermite vendra denido como
f [g) =
_

dx w(x)f(x)g(x) =
_

dx e
x
2
f(x)g(x)
Otra vez, para este producto interno, si ortogonalizamos con Gram-Schmidt se obtienen los polinomios de
Hermite. Al igual que el resto de los polinomios ortogonales, existe una formula de Rodrigues para los
polinomios de Hermite
H
n
(x) = (1)
n
e
x
2 d
n
dx
n
e
x
2
con lo cual se obtienen
H
0
(x) = 1, H
1
(x) = 2x
H
2
(x) = 4x
2
2, H
3
(x) = 8x
3
12x,
H
4
(x) = 16x
4
48x
2
+ 12 H
5
(x) = 32x
5
160x
3
+ 120x.
.
.
.
.
.
.
Generalidades de los Polinomios de Hemite
Los polinomios de Hermite seran ortogonales, pero no normales
H
[H
) = 2
=
_

e
x
2
H
(x)H
(x)dx H
[H
) = |H
|
2
=
_

e
x
2
H
2
(x)dx = 2
Donde la funcion delta de Kronecker es
= 0 si ,= ; y
= 1.
Antes de desarrollar funciones en terminos de los polinomios de Hermite, expondremos un par de teoremas
sin demostracion.
Teorema 1
Sean [ f ) y [ g ) dos funciones arbitrarias, cuando menos continuas a trozos en (, ) y que cumplen con
_

e
x
2
f
2
(x)dx <
_

e
x
2
g
2
(x)dx <
Entonces el conjunto de estas funciones forman un espacio vectorial Euclideano 1
w
2
con un producto interno
denido por
g [ f ) =
_

e
x
2
f(x)g(x)dx
Las funciones f(x) y g(x) se denominan cuadrado-integrables respecto al peso w. Es por ello que denotamos
el espacio de funciones como 1
w
2
Teorema 2
Si f(x) es una funcion continua arbitraria en 1
w
2
entonces puede ser aproximada por un polinomio en ese
mismo espacio. Es decir
lm
n
|f(x) p
n
(x)| = lm
n
__

e
x
2
[f(x) p
n
(x)]
2
dx
_
1/2
= 0
As, la expresion de una funcion arbitraria en la base de los polinomio de Hermite se reduce a
f(x) = [ f ) =
k=0
a
k
[H
k
) =
k=0
H
k
[f )
H
k
[H
k
)
[H
k
)
donde
a
k
=
H
k
[ f )
H
k
[H
k
)
=
_
e
x
2
f(x)H
k
(x)dx
_
e
x
2
H
2
k
(x)dx
=
1
2
k
k!
e
x
2
f(x)H
k
(x)dx
Si f(x) = x
2p
con p = 1, 2, 3,
f(x) = x
2p
=
p
k=0
a
2k
H
2k
(x)
entonces
a
2k
=
1
2
2k
(2k)!
e
x
2
x
2p
H
2k
(x)dx (7.2)
=
1
2
2k
(2k)!
x
2p
d
2k
dx
2k
e
x
2
dx
Una integracion por partes estratagica muestra que:
a
2k
=
1
2
2k
(2k)!
_
x
2p
d
2k1
dx
2k1
e
x
2
2px
2p1
d
2k1
dx
2k1
e
x
2
dx
_
El primer termino de la resta se anula siempre debido a la decion de los polinomios de Hermite
x
2p
d
2k1
dx
2k1
e
x
2
= x
2p
(1)
2k1
e
x
2
H
2k1
(x)
Repitiendo el proceso 2k veces, tendremos

a
2k
=
1
2
2k
(2k)!
(2p)!
(2p 2k)!
_

x
2p2k
e
x
2
dx
ahora si en la integral hacemos x =
t obtenemos
a
2k
=
1
2
2k
(2k)!
(2p)!
(2p 2k)!
_

t
pk
e
t
dt
2
t
=
1
2
2k+1
(2k)!
(2p)!
(2p 2k)!
_

t
pk
1
2
e
t
dt
y utilizando la denicion (z)
_
0
e
t
t
z1
dt (z 1)! , queda como
a
2k
=
1
2
2k+1
(2k)!
(2p)!
(2p 2k)!
_
p k +
1
2
_
Ahora, recurrimos a la propiedad de duplicacion de la Funcion Gamma, i.e.
2
2z1
(z)
_
z +
1
2
_
=
(2z)
tenemos que
2
2p2k
_
p k +
1
2
_
(p k)! =
(2p 2k)!
quedan entonces los coecientes determinados como
a
2k
=
(2p)!
2
2p+1
(2k)! (p k)!
y, por lo tanto el desarrollo en la base de los polinomios de Hermite
f(x) = x
2p
=
(2p)!
2
2p+1
p
k=0
H
2k
(x)
(2k)! (p k)!
< x <
Muestre que del mismo modo se puede encontrar
f(x) = x
2p+1
=
(2p 1)!
2
2p1
p
k=0
H
2k+1
(x)
(2k + 1)! (p k)!
< x <
Si f(x) = e
a
2
x
2
con Re a
2
> 1. Otra vez
f(x) = e
a
2
x
2
=
k=0
a
2k
H
2k
(x)
entonces
a
2k
=
1
2
2k
(2k)!
e
(a
2
+1)x
2
H
2k
(x)dx
Sustituyendo H
2k
(x) por su expresion integral tendremos
a
2k
=
1
2
2k
(2k)!
e
(a
2
+1)x
2
_
2
2k+1
(1)
k
e
x
2
_

0
e
t
2
t
2k
cos 2xt dt
_
dx
=
2(1)
k
(2k)!
_

e
a
2
x
2
__

0
e
t
2
t
2k
cos 2xt dt
_
dx
2(1)
k
(2k)!
_

0
e
t
2
t
2k
__

e
a
2
x
2
cos 2xt dx
_
dt
=
2(1)
k
(2k)!
_

0
e
t
2
t
2k
__

a
2
e
t
2
/a
2
_
dt =
=
2(1)
k
(2k)!a
_

0
e
t
2
(1+a
2
)
t
2k
dt
=
(1)
k
(2k)!
a
2k
(1 +a
2
)
k+1/2
_

0
e
s
s
k
1
2
ds t
2
(1 +a
2
) = s
=
(1)
k
(2k)!
a
2k
(1 +a
2
)
k+1/2
_
k +
1
2
_
y ahora usando, otra vez la propiedad de duplicacion de la funcion gamma,
2
2k
_
k +
1
2
_
k! =
(2k)!
obtenemos
a
2k
=
(1)
k
a
2k
2
2k
k! (1 +a
2
)
k+1/2
por lo tanto
f(x) = e
a
2
x
2
=
k=0
(1)
k
a
2k
2
2k
k! (1 +a
2
)
k+1/2
H
2k
(x)
Al igual que los polinomios de Legendre, los de Hermite, surgen tambian en sus orgenes como soluciones a
la ecuacion diferencial ordinaria del tipo
d
2
H
n
(x)
dx
2
2x
dH
n
(x)
dx
+nH
n
(x) = 0
Vale decir
n Ecuacion de Hermite Solucion
0
d
2
H0(x)
dx
2
2x
dH0(x)
dx
= 0 H
0
(x) = 1
1
d
2
H1(x)
dx
2
2x
dH1(x)
dx
+ 2H
1
(x) = 0 H
1
(x) = 2x
2
d
2
H2(x)
dx
2
2x
dH2(x)
dx
+ 4H
2
(x) = 0 H
2
(x) = 4x
2
2
3
d
2
H3(x)
dx
2
2x
dH3(x)
dx
+ 6H
3
(x) = 0 H
3
(x) = 8x
3
12x
4
d
2
H4(x)
dx
2
2x
dH4(x)
dx
+ 8H
4
(x) = 0 H
4
(x) = 16x
4
48x
2
+ 12
Funcion Generatriz de los Polinomios de Hermite
Se puede encontrar una funcion generatriz H(t, x) de los polinomios de Hermite:
H(t, x) = e
2xtt
2
= H
0
(x) +H
1
(x) t +
H
2
(x)
2
t
2
+
H
3
(x)
3!
t
2
+ =
n=0
H
n
(x)
n!
t
n
para la cual los H
n
(x) son los coecientes de su desarrollo en series de potencias. Es facil darse cuenta que
esta expresion proviene del desarrollo en Serie de Taylor
H(t, x) = e
2xtt
2
=
n=0
1
n!
_
n
H(t, x)
t
n
_
t=0
t
n
|t| <
para lo cual
_
n
H(t, x)
t
n
_
t=0
= e
x
2
_

n
t
n
e
(xt)
2
_
t=0
= (1)
n
e
x
2
_
d
n
du
n
e
(u)
2
_
u=x
= H
n
(x)
Relacion de Recurrencia
A partir de la funcion generatriz se puede construir la siguiente identidad
H(t, x)
t
= (2x 2t) H
y utilizando el desarrollo en series de potencias en t tendremos,
n=1
H
n
(x)
n!
nt
n1
2x
n=0
H
n
(x)
n!
t
n
+
n=0
H
n
(x)
n!
t
n+1
= 0
n=0
1
n!
_
_
H
n+1
(x) 2xH
n
(x) + 2nH
n1
(x)
. .
=0
_
_
t
n
= 0
As la relaci on de recurrencia sera
H
n+1
(x) 2xH
n
(x) + 2nH
n1
(x) = 0
De igual modo, podemos partir de otra identidad
H(t, x)
x
= 2t H
n=0
H
t
n
(x)
n!
t
n
2
n=0
H
n
(x)
n!
t
n+1
y encontrar una relacion para generar las derivadas de los polinomios de Hermite en termino de ellos mismos:
H
t
n
(x) = 2n H
n1
(x), n = 1, 2, 3,
Finalmente, utilizando la ecuacion anterior en la relacion de recurrencia y derivando esa expresion una vez
mas, queda como:
H
n+1
(x) 2xH
n
(x) +H
t
n
(x) = 0
H
tt
n
(x) 2xH
t
n
(x) + 2n H
n
(x) = 0
con lo cual queda demostrado que los polinomios de Hermite son una solucion particular de esa ecuacion
diferencial.
y
tt
2xy
t
+ 2ny = 0,
Donde hemos hecho y = H
n
(x) Adicionalmente, haciendo un cambio cosmatico podremos demostrar que
y = e
x
2
/2
H
n
(x) es solucion de la ecuacion diferencial autoadjunta
y
tt
+
_
2n + 1 x
2
_
y = 0
Ortogonalidad y Norma de los Polinomios de Hermite
En general estos polinomios cumplen con
H
[H
) = 2
=
_

e
x
2
H
(x)H
(x)dx
Donde la funcion delta de Kronecker es
= 0 si ,= ; y
= 1.
Para demostrar el caso ,= partimos de
u
_
u
tt
+
_
2 + 1 x
2
_
u
= 0
u
_
u
tt
+
_
2 + 1 x
2
_
u
= 0
restando miembro a miembro e integrando se tiene que:
_
u
t
u
t
t
+ 2 ( ) u
= 0
( )
_

e
x
2
H
(x)H
(x)dx = 0
_

e
x
2
H
(x)H
(x)dx = 0 ,= ;
ya que
e
x
2
/2
(2 H
1
(x)H
(x) 2 H
1
(x)H
(x))
= 0
Para encontrar el valor de la norma, procedemos a partir de la relacion de recurrencia
H
n
(x) (H
n
(x) 2xH
n1
(x) + 2(n 1)H
n2
(x)) = 0
H
n1
(x) (H
n+1
(x) 2xH
n
(x) + 2nH
n1
(x)) = 0
restando miembro a miembro, multiplicando por e
x
2
e integrando entre (, ) se obtiene
_

e
x
2
H
2
(x)dx = 2
_

e
x
2
H
2
1
(x)dx
repitiendo la operacion y recordando que al nal queda
_

e
x
2
x
2
dx = 2
Obtenemos
H
[H
) = |H
|
2
=
_

e
x
2
H
2
(x)dx = 2
n
n!
Representacion Integral de los Polinomios de Hermite

Los polinomios de Hermite pueden ser representados como
H
n
(x) =
2
n
(i)
n
e
x
2
e
t
2
+2itx
t
n
dt
que puede ser separada como
H
2n
(x) =
2
2n+1
(1)
n
e
x
2
_

0
e
t
2
t
2n
cos 2xt dt n = 1, 2, 3,
y paralos terminos impares
H
2n+1
(x) =
2
2n+2
(1)
n
e
x
2
_

0
e
t
2
t
2n+1
sen2xt dt n = 1, 2, 3,
La forma de llegar a cualquiera de estas ultimas formulas se parte de las conocidas integrales desarrolladas
en el plano complejo
e
x
2
=
2
e
t
2
cos 2xt dt
se deriva 2n veces a ambos miembros se utiliza la denicion de los polinomios de Hermite.
Resumen de Propiedades Polinomios Hermite
Polinomios de Hermite
Denicion
H
n
(x) = (1)
n
e
x
2 d
n
dx
n
e
x
2
, n = 0, 1, 2, ....
H
n
(x) =
n/2
k=0
(1)
k
n!
k! (n 2k)!
(2x)
n2k
Ejemplos
H
0
(x) = 1; H
1
(x) = 2x; H
2
(x) = 4x
2
2;
H
3
(x) = 8x
3
12x H
4
(x) = 16x
5
48x
2
+ 12
Relaciones de Recurrencia
H
n+1
(x) 2xH
n
(x) + 2nH
n1
(x) = 0
H
t
n
(x) = 2n H
n1
(x), n = 1, 2, 3,
Ecuaciones Diferenciales
y
tt
2xy
t
+ 2ny = 0
u
tt
+
_
2n + 1 x
2
_
u = 0; u(x) = e
x
2
/2
H
n
(x)
Funcion Generatriz H(t, x) = e
2xtt
2
=
n=0
H
n
(x)
n!
t
n
Representacion Integral
H
2n
(x) =
2
2n+1
(1)
n
e
x
2
_

0
e
t
2
t
2n
cos 2xt dt
H
2n+1
(x) =
2
2n+2
(1)
n
e
x
2
_

0
e
t
2
t
2n+1
sen2xt dt
Ortogonalidad H
[H
) = 2
=
_

e
x
2
H
(x)H
(x)dx
El Oscilador armonico, independiente del Tiempo, en Mecanica Cuantica.
La Ecuacion de Schrodinger independiente del tiempo y en una dimension es
d
2
dx
2
(x) +
2
2
[E |(x)] (x) = 0
con la masa de la partcula; E los niveles de energa y |(x) el potencial al cual estasometida la partcula.
En el caso que estudiemos un potencial |(x) =
1
2
2
x
2
en el cual la frecuencia angular del oscilador viene
representada por . La ecuacion de Schrodinger se convierte en
d
2
dx
2
(x) +
2
2
_
E
1
2
2
x
2
_
(x) = 0
haciendo un cambio de variable = x
_
/ para adimensionalizar la ecuacion, se obtiene
tt
() +
_
2E

2
_
() = 0
la cual corresponde a la forma autoadjunta de la Ecuacion de Hermite y por lo tanto identicamos
2E
= 2n + 1 E =
_
n +
1
2
_
con lo cual comprobamos la forma como viene cuantizada la energa en este sistema y la energa del estado
fundamental. Por su parte, la funcion de onda se podraexpresar en la base de soluciones de esa ecuacion
() =
n=0
c
n

n
() =
n=0
c
n
e
2
/2
H
n
()
y se mantenemos la normalizacion
_

2
n
()d = 1 con c
n
=
_
_
1/4
1
2
n
n!
7.4.3. MAPLE y los polinomios ortogonales
MapleV (9.5 y superiores) tiene predenidos, como funciones., la mayor parte de los polinomios ortogo-
nales, Vale decir.
Legendre y sus asociados tanto de primera : LegendreP(n, x), LegendreQ(n, x), como de segunda
especie LegendreP(n, u, x), LegendreQ(n, u, x);
Hermite HermiteH(n, x)
Thebyshev de primera y segunda especie ChebyshevT(n, x) y ChebyshevT(n, x), respectivamente.
Laguerre: LaguerreL(n, a, x)
Jacobi: JacobiP(n, a, b, x)
donde n indica el orden del polinomio y x la variable con la cual se expresa. Tambien existen varias bibliotecas
o paquetes que presentan facilidades para manipular polinomios ortogonales. Entre ellas podemos mencionar
OrthogonalSeries Paquete que permite manipular series de polinomios ortogonales. Permite expresar
una funcion polinomica como serie de polinomios ortogonales, multiplicar, sumar, derivar, cambiar de
base de polinomios, entre otras
> restart;with(OrthogonalSeries) :
> poli := 1+2*x+3*x^3 +4*x^5;
> S1 := ChangeBasis(poli,ChebyshevT(n,x)) ;
> S2 := ChangeBasis(poli,HermiteH(n,x)) ;
> S3 := ChangeBasis(S1,HermiteH(n,x));
Incorpora la biblioteca OrthogonalSeries; dene un polinomo poli = 4x
5
+ 3x
3
+ 2x + 1 lo expresa
en serie de potencias en base de los polinomios de Tchebyshev (S1); o lo expresa como serie en la base
de polinomios de Hermite (S2); Toma la serie S1, expresada en la base de polinomios de Tchebishev
y las transforma a la base de polinomios de Hermite.
numapprox Paquete de subrutinas para aproximar funciones en termino de series de algunos polinomios
ortogonales.
with(numapprox):
chebyshev(cos(x), x);
Expandira la funcion cos x en series de polinomios de Tchebychev.
orthopoly. Un paquete casi obsoleto que habra de ser eliminado tras la incorporacion de los polinomios
ortogonales como funciones nativas de Maple
7.4.4. Planteamiento General para Polinomios Ortogonales
Hemos considerado un par de ejemplos de Polinomios Ortogonales. En ambos podemos idencar algunas
caractersticas comunes. En base a estas caractersticas comunes deniremos otras familias de polinomios
ortogonales.
Nomenclatura Nombre a b w(x) N
n
N
0
P
n
(x) Legendre 1 1 1
2
2n + 1
T
n
(x) Tchebychev 1E 1 1
1
1 x
2
2

U
n
(x) Tchebychev 2E 1 1

1 x
2

2
H
n
(x) Hermite e
x
2
2
n
n!
L
n
(x) Laguerre 0 e
x
1
L
n
(x) Laguerre G 0 x
e
x
con > 1
(n++1)
n!
P
n
(x) Jacobi 1 1 (1 x)
(1 +x)
ver leyenda
Cuadro 7.1: Propiedades genericas de los Polinomios Ortogonales, N
n
indica la norma del polinomio de grado
n. En el caso de los polinomios de Jacobi, la norma es N
n
=
2
++1
2n + + + 1
(n + + 1)(n + + 1)
n!(n + + + 1)
con
> 1 y > 1
Producto interno generico, Norma y ortogonalidad
Los polinomios ortogonales se denen como un conjunto de polinomios p
n
(x) de orden n denidos en
un determinado intervalo a x b, los cuales son ortogonales respecto a una denicion de producto interno
p
m
[p
n
) =
_
b
a
w(x)p
m
(x)p
n
(x)dx = h
n
nm
con w(x) > 0 una funcion peso en a x b
que garantiza que la norma sea nita en ese intervalo. Dado que el Teorema de Weierstrass garantiza que el
conjunto de polinomios 1, x, x
2
, , x
n
, es una base completa para un espacio vectorial E
, se procede
a ortogonalizar esa base con la denicion de producto interno y el intervalo que corresponda. Para cada caso
tendremos una base ortogonal de polinomios.
Polinomio
n
w(x) q(x)
P
n
(1)
n
2
n
n! 1 1 x
2
T
n
(1)
n
2
n+1
_
n +
1
2
_
1
1 x
2
1 x
2
U
n
(1)
n
(n + 1)
2
n+1
_
n +
3
2
_
1 x
2
1 x
2
H
n
(1)
n
e
x
2
1
L
n
n! e
x
x
L
n
n! x
e
x
x
Cuadro 7.2: Funciones para determinar la Formula de Rodrigues generalizada
Haremos ahora un catalogo de las propiedades mas resaltantes de estos polinomios. En el cuadro 7.1
resumimos las propiedades mas resaltantes, com lo son: la funcion peso en el producto interno, el intervalo
en el cual estan denidas estas fuciones y su norma.
Formula de Rodrigues genelarizada
En general todos los polinomios ortogonales p
n
(x) vienen denidos por la formula de Rodrigues gene-
ralizada
p
n
(x) =
1
w(x)
n
d
n
dx
n
(w(x)q(x)
n
)
donde w(x), q(x) y
n
vienen especcados en el cuadro 7.2 para cada conjunto de polinomios ortogonales
Ejemplos de Polinomios Ortogonales
Utilizando la formula de Rodrigues generalizada, podemos construir algunos polinomios generalizados.
El cuadro 7.3 muestra algunos de ejemplos de estos polinomios ortogonales
Relaciones de Recurrencia
Tambien se pueden formular, de manera generica las realciones de recurrencia. Obviamente, las relaciones
de recurrencia tambien constituyen una forma alternativa de ir construyendo los polinomios ortogonales. As,
un polinomio ortogonal generico, p
n
(x), cumplira
p
n+1
(x) = (a
n
+xb
n
)p
n
(x) c
n
p
n1
(x)
El cuadro 7.4 contiene las expresiones de los coecientes para construir las relaciones de recurrencia genera-
lizadas para cada uno de los polinomios
Polinomio n = 0 n = 1 n = 2 n = 3 n = 4
P
n
1 x
1
2
(3x
2
1)
1
2
(5x
3
3x)
1
8
(35x
4
30x
2
+ 3)
T
n
1 x 2x
2
1 4x
3
3x 8x
4
8x
2
+ 1
U
n
1 2x 4x
2
1 8x
3
4x 16x
4
12x
2
+ 1
H
n
1 2x 4x
2
2 8x
3
12x 16x
4
48x
2
+ 12
L
n
1 1 x
1
2
x
2
2x + 1
1
6
(x
3
9x
2
+ 18x 6)
1
24
(x
4
16x
3
+ 72x
2
96x + 24)
Cuadro 7.3: Ejemplos de Polinomios Ortogonales
Polinomio a
n
b
n
c
n
P
n
0
2n + 1
n + 1
n
n + 1
T
n
0 2 1
U
n
0 2 1
H
n
0 2 2n
L
n
2n + 1
n + 1

1
n + 1
n
n + 1
L
n
2n + 1 +
n + 1

1
n + 1
n +
n + 1
Cuadro 7.4: Funciones para determinar la Relacion de Recurrencia Generalizada
Funcion generatriz generalizada
Para todos los polinomimos ortogonales podemos denir una funcion generatriz ((x, t), de tal manera
que cada uno de los polinomios ortogonales p
n
(x) sera proporcional al coeciente de t
n
del desarrollo en
series de Taylor, en potencias de t alrededor del punto x = 0. Esta funcion generatriz que constituye una
forma alternativa de denir los polinomios ortogonales viene expresada por la serie
((x, t) =
n=0
C
n
p
n
(x) t
n
con a
n
constante
Las funciones generatrices no son exclusivas de los polinomios ortogonales. Como veremos mas adelante,
existen funciones generatrices para las funciones de Bessel.
Ecuacion diferencial para los Polinomios Ortogonales
Cada uno de los polinomios ortogonales habra de ser solucion de una ecuacion diferencial ordinaria de la
forma
g
2
(x)
d
2
p
n
(x)
dx
2
+g
1
(x)
dp
n
(x)
dx
+
n
p
n
(x) = 0
En el cuadro 7.6 mostramos las expresiones para los coecientes de las ecuaciones correspondientes a las
ecuaciones diferenciales para las cuales cada uno de los polinomio ortogonales es solucion
Polinomio C
n
((x, t)
P
n
1
1
1 2xt +t
2
T
n
2
1 t
2
1 2xt +t
2
+ 1
U
n
1
1
1 2xt +t
2
H
n
1
n!
e
2xtx
2
H
2n
1
n
(2n)!
cos(2xt)e
t
2
H
2n+1
1
n
(2n + 1)!
sen(2xt)e
t
2
L
n
1
1
1 t
e
xt
1t
L
n
1
1
(1 t)
xt
1t
Cuadro 7.5: Funciones para determinar la funcion generatriz generalizada
Polinomio g
2
(x) g
1
(x)
n
P
n
1 x
2
2x n(n + 1)
T
n
1 x
2
x n
2
U
n
1 x
2
2x n(n + 1)
H
n
1 2x 2n
L
n
x 1 x n
L
n
x 1 x + n
P
n
1 x
2
x(2 + +) n(n + + + 1)
Cuadro 7.6: Funciones para determinar la ecuacion diferencial para la cual son solucion los polinomios
ortogonales
7.4.5. Un par de aplicaciones de ejemplos
Interpolacion polinomial de puntos experimentales
Muchas veces nos encontramos con la situacion en la cual tenemos un conjunto de (digamos n) medidas
o puntos experimentales (x
1
, y
1
= f(x
1
)), (x
2
, y
2
= f(x
2
)), , (x
n
, y
n
= f(x
n
)) y para modelar ese
experimento quisieramos una funcion que ajuste estos puntos. El tener una funcion nos provee la gran ventaja
de poder intuir o aproximar los puntos que no hemos medido. La funcion candidata mas inmediata es un
polinomio y debemos denir el grado del polinomio y la estrategia que aproxime esos puntos. Si queremos
aproximar esos puntos por una recta el Metodo de Mnimos Cuadrados es el mas utilizado
7
. Puede ser que
no sea lineal el polinomio y queramos ajustar esos puntos a un polinomio tal que este pase por los puntos
experimentales. Queda entonces por decidir la estrategia. Esto es si ajustamos la funcion como trozos
de polinomios que ajusten a subconjuntos (x
1
, y
1
= f(x
1
)), (x
2
, y
2
= f(x
2
)), , (x
m
, y
m
= f(x
m
)) con
m < n. de los puntos experimentales En este caso tendremos una funcion de ajuste, para cada conjunto de
7
Para detalles pueden consultar Luis A. N u nez Formulario de Metodos Matematicos 1. Grupos, SubEspacios,
Independencia Lineal y Bases para un Espacio Vectorial Lineal http://webdelprofesor.ula.ve/ciencias/nunez/
cursos/MetodosMatematicos1/B2005/Met1ClsEspVect105A.pdf
Figura 7.3: En el lado izquierdo se muestran los puntos experimentales son
(2, 8), (4, 10), (6, 11), (8, 18), (10, 20), (12, 34) y a la derecha la funcion polinomica que los interpola
puntos. Tambien podemos a ajustar la funcion a todo el conjunto de puntos experimentales y, en ese caso el
maximo grado del polinomio que los ajuste sera de grado n1. Para encontrar este polinomio lo expresamos
como una combinacion lineal de Polinomios de Legendre. Esto es
T(x) = f(x) =
n1
k=0
C
k
P
k
(x)
_
_
y
1
= f(x
1
) = C
0
P
0
(x
1
) +C
1
P
1
(x
1
) + +C
n1
P
n1
(x
1
)
y
2
= f(x
2
) = C
0
P
0
(x
2
) +C
1
P
1
(x
2
) + +C
n1
P
n1
(x
2
)
.
.
.
y
n
= f(x
n
) = C
0
P
0
(x
n
) +C
1
P
1
(x
n
) + +C
n1
P
n1
(x
n
)
que no es otra cosa que un sistema de n equaciones con n incognitas: los coecientes C
0
, C
1
, C
n1
Al
resolver el sistema de ecuaciones y obtener los coecientes, podremos obtener la funcion polinomica que
intermpola esos puntos. Una expansion equivalente se pudo haber logrado con cualquier otro conjunto de
polinomios ortogonales, que ellos son base del espacio de funciones. Es importante hacer notar que debido
a que los polinomios de Legendre esta denido en el intervalo [1, 1] los puntos experimentales deberan
re-escalarse al ese intervalo para poder encontrar el polinomio de interpolacion como combinacion lineal de
los Polinomios de Legendre.
Consideremos los puntos experimentales representado en la gura 7.3. Al construir el sistema de ecua-
ciones obtendremos
8 +C
0
C
1
+C
2
C
3
+C
4
C
5
= 0
10 +C
0
3
5
C
1
+
1
25
C
2
+
9
25
C
3
51
125
C
4
+
477
3125
C
5
= 0
11 +C
0
1
5
C
1
11
25
C
2
+
7
25
C
3
+
29
125
C
4
961
3125
C
5
= 0
18 +C
0
+
1
5
C
1
11
25
C
2
7
25
C
3
+
29
125
C
4
+
961
3125
C
5
= 0
20 +C
0
+
3
5
C
1
+
1
25
C
2
9
25
C
3
51
125
C
4
477
3125
C
5
= 0
34 +C
0
+C
1
+C
2
+C
3
+C
4
+C
5
= 0
y al resolver el sistema obtendremos que
C
0
=
2249
144
, C
1
=
3043
336
, C
2
=
1775
504
, C
3
=
175
216
, C
4
=
625
336
, C
5
=
14375
3024
con lo cual
T(x) = f(x) =
2249
144
+
3043
336
x +
1775
504
P (2, x)
175
216
P (3, x) +
625
336
P (4, x) +
14375
3024
P (5, x)
la interpolacion queda representada en al gura 7.3.
Es importante se nalar que mientras mas puntos experimentales se incluyan para la interpolacion, el
polinomio resultante sera de mayor grado y, por lo tanto incluira oscilaciones que distorcionaran una apro-
ximacion mas razonable. Por ello, la estrategia de hacer la interpolacion a trozos, digamos de tres puntos en
tres puntos, generara un mejor ajuste, pero sera una funcion (un polinomio) contnuo a trozos.
Cuadratura de Gauss-Legendre
Una de los usos mas comunes de los polinomios ortogonales es para aproximar funciones, en particular
integrales que requieren ser resueltas numericamente. La idea es aproximar una integral, para una funcion
f(x), denida en el intervalo [a, b] y sucientemente bien comportada, por una suma nita de terminos
c
k
f(x
k
) y estimar el error que cometemos en esta aproximacion. Esto es
_
b
a
f(x)dx =
N
k=1
c
k
f(x
k
) +E
N
Notese que la intencion es utilizar la funci on a integrar evaluada en un conjunto de puntos estrategicos para
los cuales estan denidos unos coecientes, tambien inteligentemente seleccionados. Es decir se requieren 2N
n umeros (c
k
y los x
k
con k = 1, 2, N). Mas a un, esas 2N cantidades pueden ser seleccionadas de forma
tal que la aproximacion es exacta E
N
= 0 cuando f(x) es un polinomio de grado 2N 1
Supongamos, para empezar que la funci on f(x) esta denida para x [1, 1]
8
y por lo tanto los polinomios
ortogonales que seleccionaremos para aproximar la integral (y la funcion) seran los del Legendre (igual
pudimos haber utilizado los polinomios de Tchebychev), con lo cual
f(x) =
k=0
a
k
P
k
(x) donde, como siempre a
k
=
_
n +
1
2
__
1
1
dx f(x)P
k
(x) y a
0
=
1
2
_
1
1
dx f(x)
8
esta no es una limitaci on muy severa porque siempre podemos hacer un cambio de variable del tipo x =
ba
2
t +
b+a
2
y convertir cualquier intervalo cerrado [a, b] en un intervalo cerrado [1, 1]

Con lo cual
_
1
1
f(x)dx
N
k=1
c
k
f(x
k
) =
N
k=1
c
k
_

n=0
a
n
P
n
(x
k
)
_
=
n=0
a
n
_
N
k=1
c
k
P
n
(x
k
)
_
quedan todava por determinar los pesos c
k
y los puntos x
k
. Para ello procedemos de la siguiente forma.
Notamos que P
N
(x) tiene N races, x = x
j
, en el intervalo 1 x 1. Entonces, si seleccionamos esos
puntos x = x
j
para evaluar la funcion f(x
k
) se anulan el coeciente para el termino a
N
y, ademas podremos
encontrar los pesos c
k
resolviendo el sistema de N ecuaciones de la forma
N
j=1
c
j
P
0
(x
j
) =
N
j=1
c
j
= 2
N
j=1
c
j
P
k
(x
j
) = 0 para k = 1, 2, N 1
donde los P
k
(x
j
son los distintos polinomios evaluados en las races del polinomio de grado N, i.e. P
N
(x
j
) = 0
Se puede demostrar que la solucion de este sistema provee los pesos escritos de la forma
c
j
=
2
(1 x
2
j
)
_
dP
N
(x)
dx
x=xj
_
2
Mas a un, podremos, de esta forma, escribir
_
1
1
f(x)dx
N
k=1
c
k
f(x
k
) = 2a
0
+E
N
con E
N
=
n=N+1
a
n
_
N
k=1
c
k
P
n
(x
k
)
_
pero como
a
0
=
1
2
_
1
1
dx f(x)
_
1
1
dx f(x) =
N
k=1
c
k
f(x
k
) E
N
Es decir, demostramos que es posible aproximar la integral del la funcion con un promedio pesado de la
funcion evaluada en unos puntos estrategicos. Los puntos estrategicos son los ceros del polinomio de Legendre
de grado igual al n umero de puntos con los cuales se quiere aproximar la funcion y los pesos vienen de resolver
las ecuaciones para los coecientes de la expansion.
En el cuadro 7.7 se ilustran los valores de los puntos de interpolacion y sus pesos correspondientes.
Es inmediato comprobar que si f(x) es un polinomio de grado N 1 la aproximacion es exacta y el
error es nulo. Pero lo que realmente hace util a este tipo de aproximaciones es que tambien sera exacta para
polinomios de grado 2N 1. Esto se puede ver si expresamos un polinomio de grado 2N 1 como la suma
de dos polinomios
f(x) = P
N
(x)Y
1
(x) +Y
2
(x)
donde Y
1
y Y
2
son polinomios de grado N 1. Entonces, al integrar miembro a miembro
_
1
1
dx f(x) =
_
1
1
dx P
N
(x)Y
1
(x)
. .
=0
+
_
1
1
dx Y
2
(x)
el primer termino se anula por ser P
N(x)
ortogonal a cualquier polinomio de grado inferior, y el segundo
termino no es mas que el caso que analizamos anteriormente de un polinomio de grado N 1
N x
j
= fsolve(P(N,x),x,complex) c
j
=
2
(1 x
2
j
)
_
dP
N
(x)
dx
x=xj
_
2
2N 1
2 0,5773502692 1,0 3
3 0,0 0,88888889 5
0,7745966692 0,55555555
4 0,3399810436 0,65214515 7
0,8611363116 0,34785485
5 0,0 0,56888889 9
0,5384693101 0,47862867
0,9061798459 0,23692689
6 0,2386191861 0,46791393 11
0,6612093865 0,36076157
0,9324695142 0,17132449
.
.
.
.
.
.
.
.
.
.
.
.
Cuadro 7.7: Puntos y pesos para una cuadratura de Gauss-Legendre
Estrategia General para cuadraturas de Gauss
Para el caso general. Vale decir la aproximacion de una integral
_
b
a
dx w(x)f(x)
N
k=1
c
k
f(x
k
)
donde las x
1
, x
k
, x
N
son los ceros del polinomio ortogonal, de grado N, p
N
(x), elegido para hacer
esta aproximacion. Los N pesos c
1
, c
k
, c
N
surgen de resolver el sistema de ecuaciones
N
j=1
c
j
=
h
0
p
2
0
con h
0
=
_
b
a
w(x)p
2
0
(x)dx
N
j=1
c
j
P
k
(x
j
) = 0 para k = 1, 2, N 1
As para aproximar integrales con funciones pesos, w(x), utilizaremos cuadraturas adaptadas a los polinomios
ortogonales. Esto es
_

0
dx e
x
f(x) Laguerre
_

dx e
x
2
f(x) Hermite
_
1
1
dx
f(x)
1 x
2
Tchebychev
7.5. Series y transformadas de Fourier
7.5.1. Generalidades
Otro de los casos de expansion en una base completa de funciones lo constituyen la base de Fourier. En este
caso la serie de Fourier la constituyen funciones continuas, reales de variable real y denidas en [0, 2], (
[0,2]
,
en termino de funciones trigonometricas. Esto es el conjunto de funciones [u
1
) , [u
2
) , [u
3
) , , [u
n
)
representadas por
[u
0
) = 1, [u
2n
) = cos nx y [u
2n1
) = sennx, con n = 1, 2, 3,
Figura 7.4: Expansiones de Varias funciones en sumas parciales de Series de Fourier. Tomado de Eric
W. Weisstein. Fourier Series. MathWorldA Wolfram Web Resource. http://mathworld.wolfram.com/
FourierSeries.html
Es claro que [u
1
) , [u
2
) , [u
3
) , [u
n
) , es un conjunto de funciones ortogonales por cuanto
u
n
[u
m
) =
nm
|[u
n
)|
2
_
0 si n ,= m
_
_
_
2
0
dx sennxsenmx = 0
_
2
0
dx cos nxsenmx = 0
_
2
0
dx cos nxcos mx = 0
|[u
n
)|
2
si n = m
_
_
_
2
0
dx = 2
_
2
0
dx cos
2
nx =
_
2
0
dx sen
2
nx =
con l = 1, 2, 3, tambien. Por lo tanto, podremos construir una base ortonormal de funciones
[e
1
) , [e
2
) , [e
3
) , , [e
n
) , de la forma
[e
0
) =
1
2
, [e
2n
) =
1
cos nx y [e
2n1
) =
1
sennx.
Tal y como se muestra en la gura 7.4 disntintas funciones pueden ser expandidas con sumas parciales de
Fourier. A diferencia de las series de potencias, que imponen que las funciones a ser expandidas deben ser
contnuas y contnuamente diferenciables en el intervalo, la series de Fourier pueden representar funciones
contnuas a trozos, siempre y cuando cumplan con algunas condiciones.
como
[f ) =
i=0
c
i
[e
i
) c
i
= e
i
[f ) =
_
_
1
2
_
2
0
dx f(x) = c
0
a
0
si i = 0
1
_
2
0
dx f(x) cos(nx) = c
2n
a
m
si i = 2n
1
_
2
0
dx f(x) sen(nx) = c
2n1
b
m
si i = 2n 1
donde los c
i
son los coecientes de Fourier, con lo cual
F(x) =
a
0
2
+
n=1
(a
n
cos(nx) +b
n
sen(nx))
y equivalentemente si el perodo es T y para un un x
0
generico
F(x) =
a
0
2
+
n=1
_
a
n
cos
_
2nx
T
_
+b
n
sen
_
2nx
T
__
con
_
_
a
0
=
2
T
_
x0+T
x0
dx f(x)
a
n
=
2
T
_
x0+T
x0
dx f(x) cos
_
2nx
T
_
b
n
=
2
T
_
x0+T
x0
dx f(x) sen
_
2nx
T
_
La gura 7.4 muestra la aproximacion de las distintas sumas parciales para distintas funciones. A medida
que aumentamos el n umero de terminos la aproximacion mejora. Notese que hemos utilizado F(x) F
(x)
para indicar el lmite de la suma parcial F
N
(x) para n = N de la expresion de una funcion f(x) expresada
en series de Fourier.
Pero mas a un, podemos expresar la expansion de una serie de Fourier de manera mas compacta atenden-
diendo a las expresiones anteriores. Esta expresion se conoce en algunos ambitos como la expresion integral
para la series de Fourier
F(x) =
1
2
_
2
0
dt f(t)
= +
n=1
___
2
0
dt f(t) cos(nt)
_
cos(nx) +
__
2
0
dt f(t) sen(nt)
_
sen(nx)
_
F(x) =
1
2
_
2
0
dt f(t) +
n=1
_
2
0
dt f(t) cos(n(t x))
Tambien es muy com un expresar una serie de Fourier en termino de una base compleja. Vale decir
_
[
k
)
_
e
ikx
con k = 0, 1, 2, . Con lo cual
[f ) =
k=
C
k
[
k
)
k=
C
k
e
ikx
con

C
k
=

k
[f )
k
[
k
)
=
1
2
_

dx e
ikx
f(x)
Utilizando esta otra expresion podremos reescribir (una vez mas) la expresion de una suma parcial de la
Serie de Fourier. Dado que
a
n
cos(nx) +b
n
sen(nx) =
1
dt f(t) cos(n(t x))

tendremos que
F
n
(x) =
a
0
2
+
n
k=1
(a
k
cos(kx) +b
k
sen(kx)) =
a
0
2
+
n
k=1
_
1
dt f(t) cos(n(t x))

_
= '
_
_

dt f(t)
_
1
2
+
n
k=1
_
e
i(tx)k
__
_
y al sumar la progresion geometrica que representa una serie de exponenciales llegamos a
F
n
(x) =
1
2
_

dt f(t)
_
sen
__
n +
1
2
_
(t x)
_
sen
_
1
2
(t x)
_
_
1
2
_

dt f(t) /(x, n, t)
la cual siempre es convergente y el termino
/(x, n, t) =
_
sen
__
n +
1
2
_
(t x)
_
sen
_
1
2
(t x)
_
_
se conoce como el n ucleo de la transformacion de F, el (Kernel ) de Dirichlet
La pregunta basica que sigue es, en todos estos casos,: como se relaciona la expansion de Fourier
[f ) F(x) con la funcion f(t) que genera los coecientes de la expansion ? Notese que es una forma de
mirar una relacion entre F(x) f(t). Pasamos de f(t) a F(x) mediante una transformacion
F
n
(x) =
1
2
_

dt f(t) /(x, n, t)
Este tipo de relaciones se denomina transformacion integral y en particular esta es una de las expresiones
de las llamadas Transformaciones de Fourier las cuales trataremos mas adelante en la seccion 7.5.6.
7.5.2. Las Condiciones de Dirichlet y el Teorema de Fourier
Condiciones de Dirichlet
Las condiciones que una determinada funcion f(x) debe cumplir para poder ser representada como una
serie de Fourier, se conocen con el nombre de condiciones de Dirichlet
9
las cuales pueden ser esquematizadas
en los siguientes puntos. Para que una funcion f(x) sea susceptible de ser expandida en series de Fourier
debe ser
periodica
univaluada y contnua a trozos (contnua menos, en un n umero nito de puntos) con un n umero nito
de maximos y mnimos
la integral
_
T/2
T/2
dx[f(x)[ debe ser convergente. Donde [T/2, T/2] quiere indicar el intervalo de de-
nicion de una funcion con perodo T.
Podemos formalizar un poco mas las condiciones de Dirichlet en el llamado Teorema de Fourier.
9
Johann Peter Gustav Lejeune Dirichlet 1805 - 1859 Matem atico Alem an con importantes contribuciones en Teoras
de n umeros Algebraica, Series y aproximaciones de funciones y ecuaciones diferenciales parciales
Teorema de Fourier
Sea f(x) una funcion en el intervalo x y denida para el resto de la recta real tal que cumpla
con f(x + 2) = f(x). Es decir f(x) es 2periodica. Supongamos ademas que existe
_

dx f(x) con lo cual

C
k
=
1
2
_

dx e
ikx
f(x) con k = 0, 1, 2, .
y si [f(x)[ esta acotada para un intervalo [a, b] con < a x b < , entonces
F(x) =
k=
C
k
e
ikx
es convergente al valor F(x) =
1
2
_
lm
0+
f(x +) + lm
0
f(x )
_
y si f(x) es contnua en x = x
0
entonces F(x
0
) f(x
0
).
En este punto se pueden puntualizar varias cosas
El valor F(x) =
1
2
_
lm
0+
f(x +) + lm
0+
f(x )
_
al cual converge la expansion de Fourier,
cobra particular importancia cuando el punto x = x
0
es una discontinuidad. Tal y como veremos mas
adelante (seccion 7.5.5) y expresa este teorema, las series de Fourier son particularmente apropiadas
para expandir funciones discontnuas (en un n umero nito de puntos en el intervalo), sin embargo,
por ser una base de funciones contnuas no puede reproducir la discontinuidad como tal. La expansion
de Fourier alrededor de un punto de discontinuidad x x
0
tendera al valor F(x) F(x
0
) F
m
donde F
m
=
F(x+0)+F(x0)
2
. Es decir, tendera al valor medio de los valores de la discontinuidad por la
izquierda F(x
0
) y por la derecha F(x
+0
).
Si los coecientes de Fourier tienen variaciones acotadas en el intervalo y [
C
k
[ 0 con k .
Entonces
k=
[
C
k
[
2
=
1
2
_

dx [f(x)[
2
1
2
a
2
0
+
n=1
[a
2
n
+b
2
n
[ =
1
dx [f(x)[
2
que no es otra cosa que la expresion de la completitud de esta base de funciones.
7.5.3. Algunos ejemplos de expansiones en series de Fourier
Para ilustrar esta relacion entre la funcion f(x) y su expansion en serie de Fourier F(x) analicemos
algunos ejemplos tpicos
Ondas Cuadradas
Para empezar, el caso de una funcion muy conocida en el ambito de los circuitos electrico. Una onda
cuadrada
f(t) =
_
_
_
1 si
1
2
T t < 0
+1 si 0 t
1
2
T
b
n
=
2
T
_ T
2
T
2
dt f(t) sen
_
2nt
T
_
=
4
T
_ T
2
0
dt f(t) sen
_
2nt
T
_
porque los coecientes pares (a
n
) se anulan. Entonces
b
n
=
2
n
(1 (1)
n
) f(t) =
4
_
sent +
sen3t
3
+
sen5t
5
+
sen7t
7
+
_
Figura 7.5: Un par de funciones, denidas con un perdo T, a ser expresadas en como expansiones en Series
de Fourier. En los cuadrantes I y II, encontramos una onda cuadrada. La primera (cuadrante I) denida en
un intervalo
_
T
2
,
T
2
_
y en el cuadrante II la misma funcion denida en un intervalo (0, T). El cuadrante III
ilustra las aproximaciones de la serie de Fourier para n = 3, 7, 20, mientras que el espectro de potencia se
presenta en el cuadrante IV. La onda diente de sierra, denida en un intervalo (0, T), se presenta en el
cuadrante V. Sus aproximaciones en series de Fourier para n = 3, 7, 10 se pueden observar en el cuadrante
VI, mientras que el espectro de potencia en el cuadrante VII.
los coecientes pares b
2n
se anulan y ademas hemos denotado = 2/T. Al denir la funcion podemos
interpretar los coecientes de Fourier a
n
, b
n
como las contribuciones de cada uno de los armonicos a
n
, b
n

n
=
2n/
T
. A partir de estas contribuciones se construye el espectro de potencia, el cual esta relacionado
con la energa que aporta cada uno de estos armonicos. Por ello construimos un ndice E
n
=
_
a
2
n
+b
2
n
y
gracamos E
n
vs n tal y como se puede comprobar en la gura 7.5, cuadrantes IV y VII. Se encuentra que
se puede asociar un espectro de potencia a cada se nal y con lo cual realizar una especie de identicacion.
En este punto podemos hacernos un par de preguntas
quehubiera pasado si en vez de considerar el intervalo
_
T
2
,
T
2
_
hubieramos considerado (0, T) ?
tendramos el mismo desarrollo en serie de Fourier ?
el mismo espectro ?
Justique sus respuestas.
Variedades de dientes de sierra
Otra funcion muy com un es la denominada dientes de sierra
f(t) = at si 0 t T con a constante
_
_
a
0
=
2
T
_
T
0
dt f(t) = aT
a
n
=
2
T
_
T
0
dt f(t) cos
_
2nt
T
_
= 0
b
n
=
2
T
_
T
0
dt f(t) sen
_
2nt
T
_
=
aT
n
si adicionalmente suponemos a = 3, tendremos que la expansion en serie tomara la forma
f(t) = 3t = 3
6sen( t)

3sen(2 t)

2sen(3 t)

3sen(4 t)
2

6sen(5 t)
5
+ para 0 t T
La gura 7.5 (cuadrantes V y VI) muestra la construccion de esta funcion y su representacion en Series de
Fourier.
A partir de esta funcion podemos hacer unas variaciones. Por ejemplo considerese la funcion
f(t) = at si
T
2
t
T
2
con a constante
_
_
a
0
=
2
T
_
T/2
T/2
dt f(t) = 0
a
n
=
2
T
_
T/2
T/2
dt f(t) cos
_
2nt
T
_
= 0
b
n
=
2
T
_
T/2
T/2
dt f(t) sen
_
2nt
T
_
=
aT(1)
n
n
Claramente es una funcion impar f(x) = f(x) y as lo reeja su expansion en series de Fourier. Si hacemos
a = 3 y T = 2
n
= n tendremos que la expresion para de la serie es
f(t) = 3t =
6sen( t)

3sen(2 t)
+
2sen(3 t)

3sen(4 t)
2
+
6sen(5 t)
5
+ con
T
2
t
T
2
la cual, si bien es parecida no es igual a la anterior, debido que estamos expandiendo otra funcion.
Otra variacion posible de la funcion diente de sierra puede ser la version completamente par del diente,
f(x) = f(x). Esta es
f(t) =
_
_
_
at si
T
2
t 0
at si 0 t
T
2
_
a
0
=
2
T
_
T/2
T/2
dt f(t) =
Ta
2
a
n
=
2
T
_
T/2
T/2
dt f(t) cos
_
2nt
T
_
=
Ta((1)
n
1)
n
2
2
b
n
=
2
T
_
T/2
T/2
dt f(t) sen
_
2nt
T
_
= 0
En este caso son los terminos impares los que se anulan. Adicionalmente, notese que para n par, los coecientes
pares tambien se anulan, Otra vez, si hacemos a = 3 y T = 2
n
= n tendremos la serie
f(x) =
3
2

12 cos ( t)
2

4 cos (3 t)
3
2

12
25
cos (5 t)
2
+ con
T
2
t
T
2
Funcion cuadratica
Otro caso, complementario al anterior por sus propiedades de simetra, es la expansion en series de Fourier
de la funcion f(x) = x
2
para < x < . Entonces los coecientes se la expansion seran
f(x) = x
2
_
a
0
=
1
dx x
2
=
2
2
3
a
n
=
2
0
dx x
2
cos(nx) =
4(1)
n
2
n
2
ya que los coecientes correspondientes a los terminos impares b
n
se anulan. Con lo cual
x
2
=

2
3
+ 4
n=1
(1)
n
cos(nx)
n
2
Notese que como un resultado particular, al evaluar en x = , se tiene la funcion zeta de Riemann (2)
2
=

2
3
+ 4
n=1
1
n
2
(2)
n=1
1
n
2
=

2
6
Pero este caso se presta tambien para considerar funciones no periodicas. Supongamos que queremos
desarrollar la expansion de Fourier para f(x) = x
2
pero en este caso con 0 < x < 2. Si este fuera el caso,
empezamos por suponer que la funcion tienen un perodo, digamos T = 4. Esto es 2 x 2. Con lo cual
a
0
=
2
4
_
2
2
dx x
2
=
4
4
_
2
0
dx x
2
=
8
3
a
n
=
2
4
_
2
2
dx x
2
cos
_
2nx
4
_
=
4
4
_
2
0
dx x
2
cos
_
nx
2
_
=
16
2
n
2
cos n =
16
2
n
2
(1)
n
Con lo cual tendremos que
x
2
=
4
3
+ 16
n=1
(1)
n
2
n
2
cos
_
nx
2
_
para 0 < x 2
7.5.4. Consideraciones de Simetra en series de Fourier
Es de hacer notar que esta propiedades de simetra respecto al perodo de la funcion (f(x) = f(x)
simetra y f(x) = f(x) antisimetra) para un perodo
T
2
x
T
2
pueden y deben ser explotadas para
simplicar los calculos. Esto se puede resumir en
f(x) = f(x)
_
a
n
,= 0
b
n
= 0
y alternativamente f(x) = f(x)
_
a
n
= 0
b
n
,= 0
Pero mas interesante a un es cuando estas propiedades de simetria se presentan en un cuarto del perodo.
Vale decir, que f(x) sera par o impar respecto a T/4 i.e. f
_
T
4
+x
_
= f
_
T
4
x
_
f(s) = f(s) donde
s =
T
4
x. Entonces
b
n
=
2
T
_
x0+T
x0
ds f(s) sen
_
2ns
T
+
n
2
_
Donde los lmites de integracion no se han visto alterados porque la funcion es periodica. Es inmediato
comprobar que
sen
_
2ns
T
+
n
2
_
= sen
_
2ns
T
_
cos
_
n
2
_
+ cos
_
2ns
T
_
sen
_
n
2
_
es decir
b
n
=
2
T
_
cos
_
n
2
_
_
x0+T
x0
ds f(s)sen
_
2ns
T
_
+ sen
_
n
2
_
_
x0+T
x0
ds f(s) cos
_
2ns
T
_
_
por lo que si n = 2k sen
_
n
2
_
= sen(k) = 0 y si n = 2k 1 cos
_
2k1
2

_
= 0. Ta misma consideracion
se puede hacer para los coecientes a
n
(queda como ejercicio para el lector) y se puede concluir que
Si f(x) par en T/4 entonces a
2n1
= b
2n
= 0
Si f(x) impar en T/4 entonces a
2n
= b
2n1
= 0
Figura 7.6: Aproximacion por series de Fourier para la funcion escalon f(x) = 0 para < x < 1 y f(x) =
1 para x 0 Las curvas corresponden a sumas parciales de Fourier: F
40
(x), F
100
(x), F
200
(x),
7.5.5. Tratamiento de discontinuidades
Tal y como hemos mencionado, a diferencia de las series de potencias, las series de Fourier manejan razo-
nablemente bien las discontinuidades, pero por ser una base de funciones contnuas, no puede reproducirlas.
Tal y como comentamos en el Teorema de Fourier (seccion 7.5.2) y muestra la gura 7.6 el valor de las sumas
parciales de Fourier en un punto de discontinuidad x = x
0
sera el promedio de los valores F(x
0
) (por la
izquierda) y F(x
+0
) (por la derecha) en la discontinuidad. Esto es la expansion de Fourier alrededor de un
punto de discontinuidad x x
0
tendera al valor F(x) F(x
0
) F
m
donde F
m
=
F(x+0)+F(x0)
2
.
El Fenomeno de Gibbs
Pero tambien se muestra en esa gura 7.6 que, tanto por la izquierda como por la derecha la discontinuidad
de la funcion escalon, las sumas parciales de Fourier oscilan y no convergen a los valores x
0
. El comporta-
miento oscilante de las sumas parciales de Fourier alrdedor de las discontinuidades, que no desaparecen ni
en el lmite se denominan fenomeno de Gibbs en honor a su descubridor Josiah Willard Gibbs
10
Para entender que pasa en la discontinuidad consideremos una variacion de la onda cuadrada considerada
anteriormente (7.5.3). Entonces sus sumas parciales seran
f(t) =
_
_
_
1 si 0 t <
0 si t < 2
F
c
2n
(x) =
1
2
+
2
k=1
1
2k 1
sen((2k 1)x)
porque los coecientes pares (a
n
) se anulan. Para estudiar el fenomeno de Gibbs reescribimos la suma parcial
anterior de una manera ingeniosa
F
c
2n
(t) =
1
2
+
2
k=1
__
t
0
ds cos(2k 1)s
_
=
1
2
+
2
_
t
0
ds
_
n
k=1
cos(2k 1)s
_
=
1
2
+
1
_
t
0
ds
_
sen(2ns)
sen(s)
_
donde, utilizando la formula de Moivre y convirtiendo esa serie de cosenos en una de exponenciales la cual,
10
Josiah Willard Gibbs 1839 - 1903 Algunos lo consideran el primer Fsico Norteamericano, de hecho fue el primero en
recibir un ttulo de doctorado por una universidad norteameicana (Yale University). Hizo importantes aportes en electromagne-
tismo y sobre todo en termodinamica y fsica estadstica, sentando las bases matematicas para estas disciplinas. En matematicas
es conocido su estudio de las oscilaciones de las expansiones de las series de Fourier en los puntos de discontinuidad. Mas detalles
http://www-history.mcs.st-and.ac.uk
a su vez es una progresion geometrica (y le queda la comprobacion al lector), hemos sustituido
n
k=1
cos(2k 1)s =
sen(2ns)
sen(s)
Es inmediato convencerse que las sumas parciales F
c
2n
(x) siempre tendran maximos y mnimos
dF
c
2n
(x)
dx
=
sen(2nx)
sen(x)
= 0 para x =
m
2n
con m = 1, 2, 3,
Las Series de Fourier tienden a sobre-estimar el valor de los puntos de discontinuidad en 18 % esto es
un valor de 1,1789797. La inclusion de mas terminos en las sumas parciales no mejoran la situacion. El
fenomeno de Gibbs no se restringe a Series de Fourier sino que tambien se presenta en las demas series de
funciones (ver detalles en la referencia [3]) .
El fenomeno de Gibbs fue observado experimentalmente ! por primera vez por Albert Michelson
11
Para
nales de 1800 Michelson haba creado un dispositivo mecanico para medir las componentes de Fourier de
se nales electricas. Al incorporarle una onda cuadrada observo que una oscilacion inesperada en los puntos
de discontinuidad. Creyo que esa oscilaci on se deba a defectos del dispositivo. Luego de probar m ultiples
tipos de se nales periodicas y observar un comportamiento similar, decidio comentarselo a su amigo Willard
Gibbs, de la Universidad Yale. Al poco tiempo Gibbs volvio una explicacion que dejo intacta la fama de
Michelson como instrumentista. El fenomeno es una consecuencia de la teorria de series de Fourier y no del
equipo dise nado por Michelson
12
.
Correccion al fenomeno de Gibbs: Factor de Lanczos
Una de las estrategia para corregir las oscilaciones del fenomeno de Gibbs se le debe a Lanczos
13
Consi-
derando el mismo caso de la funcion onda cuadrada, se puede intentar sustituir la funcion oscilante F
c
n
(x)
por su promedio

F
c
n
(x) alrededor del punto x. Vale decir
F
c
2n
(x)

F
c
2n
(x) =
n
_
x+

2n
x

2n
ds F
c
2n
(s) =
n
_
x+

2n
x

2n
ds
_
1
2
+
2
k=1
1
2k 1
sen((2k 1)s)
_
desarmando tendremos que
F
c
2n
(x) =
n
_
x+

2n
x

2n
ds
_
1
2
+
2
k=1
1
2k 1
sen((2k 1)s)
_
=
n
_

2n
+
2
k=1
1
(2k 1)
2
cos((2k 1)s)
x+

2n
x

2n
_
F
c
2n
(x) =
1
2
+
2
k=1
1
2k 1
_
sen
_

2n
(2k 1)
_
2n
(2k 1)
_
. .
sen((2k 1)x)
11
Albert Abraham Michelson Strelno, Prussia, 1852 - Pasadena EEUU. 1931. Premio Nobel en Fsica (1907) uno de los
fsicos experimentales m as habilidosos de todos los tiempos. La precisi on y lo ingenioso de los instrumentos creados por el son
famosos. Con importantes contribuciones en medidas de fenomenos en optica. Una de sus contribuciones mas conocidas son los
experimentos para mostrar la inexistencia del Ether como medio de trasmisi on para el fen omeno electromagnetico. Mas detalles
http://nobelprize.org/physics/laureates/1907/michelson-bio.html
12
Mas detalles http://en.wikipedia.org/wiki/Gibbs_phenomenon
13
Cornelius Lanczos 1893 - 1974 Hungra. Matematico h ungaro con contribuciones importante en Relatividad y Fsica
Teorica. En matem aticas es conocido inventar la transformada r apida de Fourier. Mas detalles en http://www-history.mcs.
st-and.ac.uk/Biographies/Lanczos.html
Con lo cual hemos identicado el factor de Lanczos. Siguiendo este mismo proceso se puede generalizar
para cualquier funcion de tal modo que una serie de Fourier generica podra ser corregida con un factor
para lograr
F
n
(x) =
a
0
2
+
n1
k=1
_
sen
_
k
n
_
_
k
n
_
_
(a
k
cos(kx) +b
k
sen(kx))
a
0
2
+
n1
k=1
k
(a
k
cos(kx) +b
k
sen(kx))
7.5.6. Tranformadas de Fourier
La transformada de Fourier representa (como combinacion lineal de funciones sinusoidadesl) a funciones
denidas en toda la recta real y/o sin una periodicidad denida. Puede ser considerada como la generalizacion
de la representacion en serie de Fourier, y es mayormente utilizada para expresar funciones que varan en el
tiempo con el unico requisito que tengan norma acotada, i.e.
_
dt [f(t)[ nita
Hemos visto en 7.5.1, que podemos expresar una funcion en termino se series de Fourier complejas
[f ) =
k=
C
k
[
k
)
k=
C
k
e
ikx
f(t) =
n=
C
n
e
i
2n
T
t
=
n=
C
n
e
int
donde hemos denido =
2n
T
. Ahora bien, podemos hacer T con lo cual [T/2, T/2] [, ]
pero ademas
T
2
T
=

n
= d y ademas
_
T/2
T/2
dt f(t)
T
0 ya que
_

dt f(t) existe y es acotada.

Si recordamos la expresion que toman los coecientes de la expansion
C
n
=

n
[f )
k
[
n
)
=
1
T
_
T/2
T/2
dx e
i2nx
T
f(x) f(t) =
n=
_
2
_
T/2
T/2
dx e
inx
f(x)
_
e
int
con lo cual hacer T
f(t) =
1
2
_

d e
it
_

dx e
ix
f(x)
. .
F()
De este modo, la transformada de Fourier de una funcion y su inversa, pueden escribirse como
F() T[f(t)] =
1
2
_

dt e
it
f(t) f(t) T
1
[F()] =
1
2
_

d e
it
F()
Propiedades
Las transformada de Fourier cumplen con las siguiente propiedades, las cuales de derivan de la denicion
arriba expuesta
1. Las transformada de la derivada T[f
t
(t)] = iF() y en general T[f
n
(t)] = i
n
n
F(). Esta propiedad
es mas o menos inmediata a partir de la denicion integrando por partes
T[f
t
(t)] =
1
2
_

dt e
it
f
t
(t) =
1
2
e
it
f(t)
+
i
2
_

dt e
it
f
t
(t)iF()
2. La transformada de la integral
T
__
t
ds f(s)
_
=
1
i
F() + 2c()
donde la funcion (distribucion) () se denomina delta de Dirac y el termino 2c() representa la
transformada de la constante de integracion
3. Escalamiento T[f(at)] =
1
a
f(
a
)
4. Traslacion T[f(t +a)] = e
ia
F()
5. Multiplicacion por un exponencial T [e
t
f(t)] = f( +i)
Funciones pares e impares
Al igual que en las espansiones de Fourier la paridad de las funcion f(t) es importante. Esto se nota
rapidamente a partir de la denicion. Supongamos f(t) = f(t), entonces
F() =
1
2
_

dt e
it
f(t) =
1
2
_

dt (cos t isent) f(t) =

2i
2
_

0
dt sen t f(t)
con lo cual podremos denir las transformadas de Fourier seno y coseno para funciones impares y pares
respectivamente. Esto es para funciones impares f(t) = f(t)
F() =
_
2
_

0
dt cos t f(t) f(t) =
_
2
_

0
d cos t F()
y para funciones pares f(t) = f(t)
F() =
_
2
_

0
dt sen t f(t) f(t) =
_
2
_

0
d sen t F()
Bases discreta y contnuas: La base de Ondas Planas
Haremos una disgresion para jar conceptos y extender algunos de los razonamientos que hemos desa-
rrollado hasta aqu. Tal y como hemos visto repetidas veces, la representacion de un vector [F) en un
espacio vectorial abstracto V puede darse en termino de una base ortonormal de vectores (discreta y
nitaB
DF
= [u
1
) , [u
2
) , [u
3
) , [u
n
) o discreta e innita B
DI
= [u
1
) , [u
2
) , [u
3
) [u
n
) ) de la
forma:
[F) =
_
_
_
n
i=0
c
i
[u
i
) =

n
i=0
u
i
[ F) [u
i
) B
DF
= [u
1
) , [u
2
) , [u
3
) [u
n
)
i=0
c
i
[v
i
) =

i=0
u
i
[ F) [u
i
) B
DI
= [u
1
) , [u
2
) , [u
3
) [u
n
)
c
i
= u
i
[ F) =
j=0
c
j
u
i
[u
j
) =
j=0
c
j

ij
la intencion ahora sera utilizar la transformada de Fourier para construir la generalizacion de bases discretas
a continua [w
) de tal forma que transformamos el ndice de la sumatoria en la variable de una integral

[) =
_
d c () [w
)
donde
c () = w
[) =
_
d c () w
[w
) =
_
d c () ( )
con en la cual ( ) es una Delta de Dirac. As, los dos conceptos expresados hasta ahora tienen una
expresion:
PropiedadBase Discreta Continua
Ortogonalidad v
i
[v
j
) =
ij
w
[w
) = ( )
Cierre 1 =
j=0
[v
j
) v
j
[ 1 =
_
d [w
) w
[
Expansion [F) =

i=0
c
i
[u
i
) [) =
_
d c () [w
)
Componentes c
i
= u
i
[ F) c () = w
[)
Producto Interno G[ F) =

i=0
g
i
f
i
G[ F) =
_
d g
() f ()
Norma F[ F) =

i=0
[f
i
[
2
F[ F) =
_
d [f ()[
2
Ilustraremos esta generalizacion con la construccion de la base de ondas planas. Hemos visto que la
transformada compleja de Fourier compleja para una funcion, se puede escribir como
F(s) =
_

dt e
i st
f(t) f(t) =
_

ds e
i st
F(s)
las cuales reescribiremos en terminos mas familiares a la comunidad de fsicos como
(x) =
1
2
_

dp e
ipx/

(p)

(p) =
1
2
_

dx e
ipx/
(x)
Hemos tenido cuidado de incluir los factores de normalizacion adecuados para el caso de las descripciones
en mecanica cuantica. Estas formulas pueden ser reinterpretadas en funcion de los conceptos anteriormente
expuestos y podemos denir una base continua de la forma
(x) =
1
2
_

dp
_
1
2
e
i px/
_
. .
vp(x)
(p)

(p) =
1
2
_

dx
_
1
2
e
i px/
_
. .
v
x
p
(x)
(x)
por lo cual
(x) =
_

dp v
p
(x)

(p)

(p) =
_

dx v
p
(x) (x)
Diremos que la funcion (x) esta expresada en la base de ondas planas v
p
(x) =
1
2
e
i px/
Notese
El ndice p de v
p
(x) vara de forma continua entre e .
Que v
p
(x) =
1
2
e
i px/
/ L
2
es decir no pertenece al espacio vectorial de funciones de cuadrado
integrable ya que su norma diverge
v
p
[ v
p
) =
_

dx [v
p
(x)[
2
=
_

dx
1
2

Que las proyecciones de (x) sobre la base de ondas planas es

(p) = v
p
[ )
La relacion de cierre para esta base se expresa como
1=
_
d [v
) v
[
_

dp v
p
(x
t
) v
p
(x) =
_

dp
1
2
e
i p(x
x)/
= (x
t
x)
mientras que de la denicion de producto interno, uno obtiene
v
p
[ v
p
) =
_

dx v
p
(x) v
p
(x) =
_

dp
1
2
e
i x(p
p)/
= (p
t
p)
Un para de ejemplos
Un ejemplo inmediato lo tenemos al considerar la funcion
f(t) =
_
1 si [t[ < 1
0 el resto
F() =
1
2
_
1
1
dt 1 e
it
=
1
2
e
i
e
i
i
1
1
=
2sen
2
el otro ejemplo de uso lo podremos construir a si consideramos la ecuacion diferencial inhomogenea y bus-
camos su solucion
d(x)
dx
2
K
2
(x) = f(x)
1
2
_
1
1
dt
_
d(x)
dx
2
K
2
(x)
_
e
it
= F()
donde F() es la transformada de Fourier de la funcion f(x). Utilizando las propiedades de la transformada
de Fourier obtenemos que
1
2
_
1
1
dt
_
d(x)
dx
2
_
e
it
K
2
() = F() k
2
() K
2
() = F()

() =
F()
k
2
+K
2

() como la transformada de Fourier de la solucion (x). Con lo cual
(x) =
1
2
_
1
1
dt

() e
it
=
1
2
_
1
1
dt
F()
k
2
+K
2
e
it
Como soluci on formal de la ecuacion diferencial resulta sencilla y el metodo tambien es inmediato. El punto
crucial es la solucion del la integral que resulta de la transformacion inversa. Normalmente este tipo de
integrales no son tratables de manera analtica. Pero siempre queda el recurso numerico.
7.5.7. Tranformadas Discretas de Fourier
Aqu haremos algo mas contemporaneo que sera estudiar la version discreta de esta transformacion. En
general las integrales, en su mayora, no se pueden resolver analticamente por lo que tenemos que proceder
a resolverlas de forma numerica. La mayor parte de los metodos numericos involucra convertir integrales en
sumatorias. Es decir en series de funciones.
En 7.5.1 hemos visto como las funciones trigonometricas (y las exponenciales de argumento imaginario)
son ortogonales bajo integrales evaluadas en un determinado intervalo. En otras palabras con la denicion
de producto interno en un espacio de funciones. Ahora bien, esas mismas funciones (FourierGeneralidades,
cosenos y funciones exponenciales de argumento imaginario) seran tambien ortogonales al ser evaluadas en
puntos muy particulares.
Consideremos los siguientes 2N puntos t
k
=
kT
2N
y probaremos que las funciones e
2ipt
k
/T
y e
2iqt
k
/T
seran ortogonales
qp
en un conjunto esos puntos t
k
. Esto es
2N1
k=0
_
e
2ipt
k
T
_
e
2iqt
k
T
=
2N1
k=0
e
2ist
k
T
=
2N1
k=0
e
2isk
2N
=
_
_
1 r
2N
1 r
= 0 r ,= 1
2N r = 1
donde hemos sustituido s = q p, y evaluado en los puntos t
k
=
kT
2N
con k = 1, 2, 3, , 2N 1. Notese
que la ultima de las series es una serie nita y geometrica con razon r = e
(is)/N
, que comienza con 1 y por
lo tanto suma (dependiendo del valor de r) lo que aparece en la llave. Es inmediato convencerse que, para
todo N se cumple que r
2N
= e
2is
= 1 (con s entero) con lo cual se cumple la relacion de ortogonaliadad
que buscamos
2N1
k=0
_
e
2ipt
k
T
_
e
2iqt
k
T
= 2N
qp
con k = 1, 2, 3, , 2N 1 (7.3)
Si hacemos un ligero cambio de notacion y llamamos
m
=
2m
T
tendremos algunos cambios, en apariencia,
cosmeticos
e
2imt
k
T
e
m t
k
F(
m
) =
1
2N
2N1
k=0
f(t
k
)e
m t
k
f(t
k
) =
1
2N
2N1
m=0
F(
m
)e
m t
k
(7.4)
La funcion F(
m
) representa la tranformada discreta de Fourier de la f(t
k
). Para despejar la funcion f(t
k
)
hemos utilizado la relacion de ortogonalidad 7.3
Consideremos el siguiente f(t
k
) = cos t
k
evaluado en un perodo T = 2 y dividido, digamos en N = 2
intervalos. Los puntos en los cuales evaluaremos nuestra serie seran 2N = 4, vale decir
t
k
=
kT
2N

k
2
con k = 0, 1, 2, 3
m
=
2m
T
m
e
imt
k
2N

e
imk/2
2N
notese que la funcion f(t
k
) puede ser escrita como un vector f(t
k
) = (1, 0, 1, 0), con lo cual para encotrar
la expresion de su tranformada discreta de Fourier, F(
m
), podemos expresar la suma como una matriz de
transformaci on con ndices m, k. Esto es
e
imk/2
2N

1
4
_
_
_
_
1 1 1 1
1 i 1 i
1 1 1 1
1 i 1 0
_
_
_
_
con lo cual
F(
m
) =
1
2N
2N1
k=0
f(t
k
)e
m t
k
_
_
_
_
F(
0
)
F(
1
)
F(
2
)
F(
3
)
_
_
_
_
=
1
4
_
_
_
_
1 1 1 1
1 i 1 i
1 1 1 1
1 i 1 0
_
_
_
_
_
_
_
_
1
0
1
0
_
_
_
_
=
1
2
_
_
_
_
0
1
0
1
_
_
_
_
Respecto a la ecuacion 7.4 se deben puntualizar varios elementos
la frecuencia angular
m
=
2m
T
corresponde a lo que en Fsica se denomina el espacio recproco (al
temporal), espacio de frecuencias u -espacio. Por ello la funcion F(
m
) esta expresada en este espacio
de frecuencias, mientras que la funcion f(t
k
) en el de tiempos.
La eleccion de uno de los signos + y en la expresion e
m t
k
es arbitraria.
Con lo cual si reconstruimos la funcion original a partir de la transformada discreta nos sorprende el
resultado, por cuanto no coincide
f(t
k
) =
1
2
e
it
k
+
1
2
e
3it
k
'[f(t
k
)] =
1
2
cos t
k
+
1
2
cos 3t
k
Ahora bien, para los puntos t
k
= 0,

2
, , y

2
si se cumple que los valores cos t
k
=
1
2
cos t
k
+
1
2
cos 3t
k
. En los
pocos puntos seleccionados cos t
k
y cos 3t
k
se asemejan. En la medida que seleccionemos mas puntos en esa
medida se dejan de parecer y la recontruccion de la funcion sera mas dedigna.
Bibliografa
[Aleksandrov Kolmogorov y Lavrentiev 1999] A. D. Aleksandrov, A. N. Kolmogorov y M. A. Lavrentiev
(1999) Mathematics: Its Content, Methods and Meaning. (Dover Publications, New York) Existe
traduccion por Editorial Alianza Universidad.
[Arfken, Weber y Weber 2000] Arfken, G. B., Weber, H., y Weber, H.J. (2000) Mathematical Methods
for Physicists 5ta Edicion (Academic Press, Nueva York)
[1] Byron, F.W. y Fuller W.F. (1970) Mathematics of Classical and Quantum Physics (Dover Pu-
blications, New York)
[Cushing 1975] Cushing, J. (1975) Applied Analytical Mathematics for Physical Sciences (John
Wiley & Sons, New York)
[Hamming 1973] Hamming R.W. (1973) Numerical Methods For Scientist and Engineers, 2nd ed.
(Dover, New York.)
[Hassani 1991] Hassani, S. (1991) Foundations of Mathematical Physics (Prentice Hall, International
Edition, London:)
[Lebedev 1972] Lebedev, N.N. (1972) Special Functions & Their Applications (Dover Publications,
New York)
[math-atlas.org URL] The Mathematical Atlas http://www.math-atlas.org/welcome.html
[Richards 2002] Richards, D. (2002) Advanced Mathematical Methods with MAPLE (Cambridge
University Press Cambridge)
[Riley Hobson y Bence 2002] Riley, K.F., Hobson, M.P. y Bence, S.J. (2002) Mathematical Methods for
Physics and Engineering (Cambridge University Press Cambridge)
[Weisstein URL] Weisstein, E. W., MathWorld http://mathworld.wolfram.com/
302
Captulo 8
La Variable Compleja
303
8.1. Vectores y n umeros complejos
En otro de estos formularios de Metodos Matematicos de la Fisica [N u nez 2005] introdujimos la nocion
de n umeros complejos y la asociamos a su representacion de un vector en el plano complejo. Para hacer
autocontenido este formulario incluiremos aqu tambien esa discusion.
Desde la mas tierna infancia matematica nos hemos tropezado con las llamadas races imaginarias o
complejas de polinomios. De este modo la solucion a un polinomio c ubico
x
3
3x
2
+ 4x 12 = 0 =
_
_
_
x = 2i
x = 2i
x = 3
_
_
_
=(x + 2i) (x 2i) (x 3) = 0
o cuadratico
x
2
+ 4 = 0 =
_
x = 2i
x = 2i
_
=(x + 2i) (x 2i)
nos lleva a denir un n umero i
2
= 1 i =
1 como vimos arriba al multiplicar el n umero imaginario

i por cualquier n umero real obtendremos el n umero imaginario puro bi, con b '. La nomenclatura n umeros
imaginarios surgio de la idea de que estas cantidades no representan mediciones fsicas. Esa idea ha sido
abandonada pero el nombre quedo.
8.1.1. Los n umeros complejos y su algebra
Un n umero complejo, z, es la generalizacion de los n umeros imaginarios (puros), ib. Esto es
z = a +ib con a, b ' =
_
_
_
a parte real
b parte imaginaria
Obviamente los n umeros reales seran a + i0 n umeros complejos con su parte imaginaria nula. Los n umeros
imaginarios puros seran n umeros complejos con su parte real nula, esto es 0 +ib. Por ello en general diremos
que
z = a +ib =a = Re (z) b = Im(z)
es decir, a corresponde a la parte real de z y b a su parte imaginaria.
Cada n umero complejo, z, tendra un n umero complejo conjugado, z
tal que
z = a +ib = z
= a ib
(z
= z z z
= a
2
+b
2
claramente
z z
0 =[z[
2
= [z
[
2
= z z
Es importante se nalar que, en general, no existe relacion de orden entre los n umeros complejos. Vale
decir, que no sabremos si un n umero complejo es mayor que otro. No esta denida esta operacion.
z
1
z
2
z
1
z
2
las relaciones de orden solo se podran establecer entre modulos de n umeros complejos y no n umeros complejos
en general.
Rapidamente recordamos el algebra de los n umeros complejos:
dos n umeros complejos seran iguales si sus partes reales e imaginarios lo son
z
1
= z
2
=(a
1
+ib
1
) = (a
2
+ib
2
) =a
1
= a
2
b
1
= b
2
se suman dos n umeros complejos sumando sus partes reales y sus partes imaginarias.
z
3
= z
1
+z
2
=(a
1
+ib
1
) + (a
2
+ib
2
) = (a
1
+a
2
)
. .
a3
+i(b
1
+b
2
)
. .
b3
= a
3
+ib
3
claramente z +z
= 2 Re z tambien z z
= 2 Imz. Igualmente es inmediato comprobar que

(z
1
+z
2
)
= z
1
+z
2
se multiplican n umeros complejos por escalares multiplicando el escalar por sus partes reales e imagi-
narias
z
3
= z
1
=(a
1
+ib
1
) = (a
1
) +i (b
1
)
se multiplican n umeros complejos entre si, multiplicando los dos binomios y teniendo cuidado que
i
2
= 1.
z
3
= z
1
z
2
=(a
1
+ib
1
) (a
2
+ib
2
) = (a
1
a
2
b
1
b
2
) +i (a
1
b
2
+b
1
a
2
)
tambien es inmediato comprobar que (z
1
z
2
)
= z
1
z
2
se dividen n umeros complejos siguiendo la estrategia de racionalizacion de fracciones irracionales. Esto
es
z
3
=
z
1
z
2
=
(a
1
+ib
1
)
(a
2
+ib
2
)
=
(a
1
+ib
1
)
(a
2
+ib
2
)
(a
2
ib
2
)
(a
2
ib
2
)
=
a
1
a
2
+b
1
b
2
(a
2
2
+b
2
2
)
+i
b
1
a
2
a
1
b
2
(a
2
2
+b
2
2
)
es claro que el divisor sera cualquier n umero complejo excepto el cero complejo, 0 +i0
8.1.2. Vectores y el plano complejo
Mirando con cuidado el algebra de n umeros complejos nos damos cuenta que un n umero complejo puede
ser representado por una dupla de n umeros complejos es decir,
z = (a +ib) = z = (a, b)
las propiedades entre n umeros complejos de igualdad, suma y multiplicacion por un escalar arriba expuestas se
cumplen de forma inmediata con esta nueva representacion. Hay que denir las operaciones de multiplicacion
y division entre n umeros complejos de forma que
(a
1
, b
1
) (a
2
, b
2
) = (a
1
a
2
b
1
b
2
, a
1
b
2
+b
1
a
2
)
(a
1
, b
1
)
(a
2
, b
2
)
=
_
a
1
a
2
+b
1
b
2
(a
2
2
+b
2
2
)
,
b
1
a
2
a
1
b
2
(a
2
2
+b
2
2
)
_
Esta asociacion de un n umero complejo con una pareja de n umeros inmediatamente nos lleva a imaginar
un punto en un plano (complejo) en el cual la primera componente (horizontal) representa la parte real
y la segunda componente (vertical) representa la parte imaginaria. De esta forma asociamos a un n umero
complejo un vector que une a ese punto (a, b) con el origen del plano complejo. Esta representacion de
n umeros complejos como vectores un el plano (complejo), se conoce con el nombre de Diagrama de Argand
1
1
En honor a Jean Robert Argand, (Ginebra, Suiza, 18 Julio 1768; Paris, Francia 13 agosto 1822) Contador pero matem atico
acionado. Propuso esta interpretacion de n umeros complejos como vectors en un plano complejo en un libro autoeditado con
sus reexiones que se perdio y fue rescatado 7 a nos despues, fecha a partir de la cual Argand comenzo a publicar en Matematicas.
Mas detalles en http://www-groups.dcs.st-and.ac.uk/\char126\relaxhistory/Mathematicians/Argand.html
a pesar que no fue Jean Argand, sino Caspar Wessel
2
el primero en proponerlo. Por cierto esta interpretacion
fue tres veces redescubierta primero por Caspar Wessel en 1799, luego por Jean Argand en 1806 y nalmente
por Gauss
3
en 1831.
De esta manera como un recordatorio al plano real
z = x +iy = z = r (cos +i sin) con
_
_
r =
zz
= [z[ =
_
x
2
+y
2
tan =
y
x
donde
La interpretacion vectorial de n umeros complejos permite que la suma de n umeros complejos sea representada
por la regla del paralelogramo. Mientras que los productos escalar y vectorial nos llevan a
z
1
z
2
= Re z
1
z
2
= Re z
1
z
2
z
1
z
2
= Im z
1
z
2
= Im z
1
z
2
Con esta interpretacion tendremos
x = Re z = componente real del vector z o parte real de z
y = Im z = componente imaginaria del vector z o parte real de z
r =
zz
= [z[ = modulo, magnitud o valor absoluto de z

= angulo polar o de fase del n umero complejo z
8.1.3. F ormulas de Euler y De Moivre
Nos hemos tropezado con la expansion en Taylor
4
esta serie permite expresar cualquier funcion inni-
tamente diferenciable alrededor de un punto x
0
como una serie innita de potencias del argumento de la
funcion. Esto es
f (x) = f(x
0
) +
d f (x)
d x
x=x0
(x x
0
) +
1
2
d
2
f (x)
d x
2
x=x0
(x x
0
)
2
+
1
3!
d
3
f (x)
d x
3
x=x0
(x x
0
)
3
+
f (x) = C
n
(x x
0
)
n
con C
n
=
1
n!
d
n
f (x)
d x
n
x=x0
donde n = 0, 1, 2, 3, 4
2
Caspar Wessel (Vestby, Noruega 8 junio 1745; 25 marzo 1818, Copenhagen, Dinamarca) Matematico noruego que se
dedico principalemente al levantamiento topograco de Noruega. Su trabajo sobre la interpretaci on de n umeros comple-
jos permanecio desconocido por casi 100 a nos. M as detalles http://www-groups.dcs.st-and.ac.uk/\char126\relaxhistory/
Mathematicians/Wessel.html
3
Johann Carl Friedrich Gauss (30 abril 1777, Brunswick, Alemania; 23 febrero 1855, Gottingen, Alemania). Uno de los
matem aticos mas geniales y precoces de la Historia. Desde los 7 a nos comenzo a mostrar sus condiciones de genialidad. Sus
contribuciones en Astronoma y Matematicas son m ultiples y diversas. M as detalles http://www-groups.dcs.st-and.ac.uk/
\char126\relaxhistory/Mathematicians/Gauss.html
4
Brook Taylor (18 agosto 1685, Edmonton, Inglaterra; 29 diciembre 1731, Londres, Inglaterra) Fsico y Matem atico Ingles
contemporaneo de Newton y Leibniz y con ellos particip o profundamente en el desarrollo del c alculo diferencial e integral.
Ademas de sus aportes al magnetismo, capilaridad y termometra. Desarroll o el area de diferencias nitas que hasta hoy
utilizamos para calculos en computacion. Invento la integracion por partes y descubrio la serie que lleva su nombre. Mas
detalles http://www-history.mcs.st-andrews.ac.uk/Mathematicians/Taylor.html
con lo cual si consideramos x
0
= 0 entonces
e
x
= 1 +x +
1
2
x
2
+
1
6
x
3
+
1
24
x
4
+
1
120
x
5
+
1
720
x
6
+
1
5040
x
7
+
cos x = 1
1
2
x
2
+
1
24
x
4
1
720
x
6
+
sinx = x
1
6
x
3
+
1
120
x
5
1
5040
x
7
+
Es facil convercerse que
e
i
= 1 +i
1
2
2
+
_
1
6
i
_
3
+
1
24
4
+
1
120
i
5
1
720
6
+
_
1
5040
i
_
7
+
puede rearreglarse como
e
i
=
_
1
1
2
2
+
1
24
1
720
6
+
_
. .
cos
+i
_

1
6
3
+
1
120
1
5040
7
+
_
. .
sin
e
i
= cos +i sin
esta relacion se conoce como la relacion de Euler
5
. Con lo cual ahora tenemos tres formas de representar
un n umero complejo
z = x +iy = z = r (cos +i sin) = z = re
i
La expresion z = x + iy se conoce como forma cartesiana de representacion de un n umero complejo,
la forma z = r (cos +i sin) sera la forma trigonometrica y la expresion z = e
i
sera la forma de Eu-
ler. Las sumas de n umeros complejos son mas facilmente planteables en su forma cartesiana. Mientras las
multiplicacion y division seran directas en la forma de Euler
z
1
= r
1
e
i1
z
2
= r
2
e
i2
_
_
_
=z
1
z
2
= r
1
e
i1
r
2
e
i2
= r
1
r
2
e
i(1+2)
= r
1
r
2
(cos (
1
+
2
) +i sin(
1
+
2
))
Mas a un, si
z = x +iy =e
z
= e
(x+iy)
= e
x
e
iy
= e
x
(cos y +i siny)
y a partir de la relacion o formula de Euler se puede demostrar la formula de De Moivre
6
_
e
i
_
n
= e
in
= (cos +i sin)
n
= cos (n) +i sin(n) con n entero
5
Leonhard Euler (15 abril 1707, Basilea, Suiza; 18 septiembre 1783, San Petersburgo, Rusia). Uno de los matematicos mas
prolcos de todos los tiempos. Desarroll o inmensamente campos como la geometra analtica y trigonometra, siendo el primero
que considero el coseno y el seno como funciones. Hizo aportes signicativos en el desarrollo del c alculo diferencial e integral
as como tambien, astronoma, elasticidad y mecanica de medios contnuos. Mas detalles http://www-history.mcs.st-andrews.
ac.uk/Mathematicians/Euler.html
6
Abraham de Moivre (26 mayo 1667 in Vitry-le-Francois, Francia; 27 noviembre 1754, Londres Inglaterra) Matematico
frances que tuvo que emigrar a Inglaterra por razones religiosas. Contemporaneo de Newton, Liebniz, Halley, fue pionero con
sus contribuciones en Geometra Analtica y Teora de Probabilides.
8.2. Funciones de Variable Compleja
A continuacion, generalizaremos algunos conceptos de funciones complejas de variable compleja.
8.2.1. De la recta real al plano complejo
La idea de funcion de variable (o variables) reales puede ser extendida (continuada, le dicen tambien) al
plano complejo. La idea es la de siempre: si en una determinada region del plano complejo 1 a un n umero
complejo z le corresponde un n umero (o varios n umeros) complejos w = f(z), diremos que f(z) es una
funcion de variable compleja z. Obvio que f(z) puede ser biyectiva, en cuyo caso tendremos que a z le
estara asociado uno y solo un n umero complejo w = f(z). Es claro tambien que siempre se podra expresar
f(z) = u(x, y) +iv(x, y) con u(x, y) la parte real y v(x, y) la parte imaginaria (8.1)
Esta representacion tiene una interpretacion adicional. Como representamos un n umero complejo en el plano
0xy como z = x + iy, pero w = f(z) tambien podra ser representada como un punto en el plano 0uv.
Entonces, desde el punto de vista geometrico una funcion de variable compleja podra ser entendida como
una ley de transformacion entre pares de puntos (x, y) del plano 0xy del argumento z y los puntos (u, v) del
plano 0uv de valor w.
8.2.2. Continuidad en el plano complejo
Podemos tambien extender el concepto de continuidad de una funcion de variable real a una funcion
de variable compleja. Esto es: diremos que una funcion compleja
7
w = f(z) sera contnua en z
0
si para un
> 0 siempre existe un > 0 tal que [z z
0
[ < tan peque no como uno quiera y siempre puede encontrar
[f(z) f(z
0
)[ < . La otra manera de verlo es la estandar: si existe el lmite cuando z z
0
. Es decir
lm
zz0
f(z) = f(z
0
) En este punto se pueden resaltar que los lmites (y con ello la idea de continuidad) en
el plano complejo hereda las sutilezas y dicultades de los lmites y continuidades de las funciones en varias
variables. En segundo lugar cabe se nalar que la diferencia con las funciones de variable real radica en que
los y son radios de un crculo centrado en f(z
0
) y z
0
, respectivamente. Adicionalmente, para el caso de
las funciones complejas no tiene sentido los lmites por la derecha y por la izquierda que planteabamos para
funciones de variable real. Tambien es obvio que si
f(z) = u(x, y) +iv(x, y) con u(x, y) y v(x, y) contnuas en (x
0
, y
0
) f(z) contnua en z
0
= x
0
+iy
0
8.2.3. Diferenciabilidad de funciones complejas
Una vez mas la idea es la misma y la dicultad que subyace es equivalente a las dicultades que enfren-
tamos en las deniciones de derivadas para funciones de varias variables. Diremos entonces que, una funcion
f(z) univaluada en una region 1 entonces f(z) sera diferencialble en esa region si la derivada
lm
z0
f(z + z) f(z)
z
= lm
x,y0
(u(x + x, y + y) u(x, y)) +i (v(x + x, y + y) v(x, y))
x +iy
=
df
dz
= f
t
(z)
existe y es unica. Una vez mas, al igual que en el caso de funciones de varias variables, el concepto de lmite
(y con este el de derivada), debe existir sin importar la ruta o forma de aproximacion al punto sobre el cual
7
A partir de ahora y por razones de simplicidad llamaremos a f(z) funci on compleja en vez de funci on de variable compleja
estamos calculando la derivada. Esto es
z 0 x+iy 0
_
_
f
t
(z)
y=0
= lm
x0
(u(x + x, y) u(x, y)) +i (v(x + x, y) v(x, y))
x
f
t
(z)
x=0
= i lm
y0
(u(x, y + y) u(x, y)) +i (v(x, y + y) v(x, y))
y
Un par de ejemplos que ilustran este caso pueden ser f(z) = x
2
y
2
+ 2ixy
f
t
(z) = lm
z0
f(z + z) f(z)
z
= lm
x,y0
(x + x)
2
(y + y)
2
+ 2i(x + x)(y + y) x
2
+y
2
2ixy
x +iy
con lo cual desarrolle y pruebe que, independientemente de la ruta en el plano complejo (y = 0; x 0 o
viceversa)
f
t
(z) = lm
x,y0
_
2x +i2y +
(x)
2
(y)
2
+ 2ixy
x +iy
_
= 2x +i2y
que es mas o menos obvio si hubieramos notado que f(z) = x
2
y
2
+ 2ixy = (x +iy)
2
z
2
con lo cual
f
t
(z) = lm
z0
(z + z)
2
z
2
z
= lm
z0
2zz + (z)
2
z
= lm
z0
(2z + z) = 2z
Ahora bien, las cosas no siempre son as. Si consideramos f(z) = 2x + iy es rapido comprobar que no es
diferenciable en el plano complejo, ya que
f
t
(z) = lm
x,y0
2x + 2x +i(y + y) 2x iy
x +iy
= lm
x,y0
2x +iy
x +iy
el cual, claramente no coincide si las direcciones de aproximacion a z
0
= x
0
+ iy
0
son distintas, vale decir,
por ejemplo y = 0; x 0 o x = 0; y 0.
Como heredamos todas las ideas y metodos del campo real se cumplen todas las reglas de la derivacion
para funciones reales. Vale decir
d
dz
(f(z) +g(z)) =
df(z)
dz
+
dg(z)
dz
;
d
dz
(f(z)g(z)) =
df(z)
dz
g(z) +f(z)
dg(z)
dz
;
d
dz
(f(g(z)) =
df(g)
dg
dg(z)
dz
8.2.4. Funciones Analticas y Condiciones de Cauchy-Riemann
Diremos que una funcion es analtica (holomorfa o regular) en una region 1, si es uni-valuada y derivable
en todos los puntos dentro de esa misma region 1. Puede darse el caso de que sea analtica en la region
excepto en un n umero nito de puntos (donde es singular). Entonces diremos que es es analtica (holomorfa
o regular) en 1, excepto en esos puntos.
A partir de dos estrategias (muy particulares) de aproximacion a z 0 tales como y = 0; x 0
o x = 0; y 0, podremos encontrar un criterio para identicar donde, una funcion compleja, f(x), es
analtica. Esto es
f
t
(x)
y=0
= lm
x0
(u(x + x, y) u(x, y)) +i (v(x + x, y) v(x, y))
x
= lm
x0
_
u(x, y)
x
+i
v(x, y)
x
_
f
t
(x)
x=0
= i lm
y0
(u(x, y + y) u(x, y)) +i (v(x, y + y) v(x, y))
y
= lm
y0
_
i
u(x, y)
y
+
v(x, y)
y
_
y ambas tienen que coincidir. Con lo cual
f
t
(x)
y=0
= f
t
(x)
x=0
lm
x0
_
u(x, y)
x
+i
v(x, y)
x
_
= lm
y0
_
i
u(x, y)
y
+
v(x, y)
y
_
y equivalentemente
f
t
(x)
y=0
= f
t
(x)
x=0

u(x, y)
x
+i
v(x, y)
x
= i
u(x, y)
y
+
v(x, y)
y
Con ello hemos encontrado las condiciones necesarias para que una funcion compleja sea analtica, vale decir:
Las condiciones de Cauchy Riemann
u(x, y)
x
=
v(x, y)
y

v(x, y)
x
=
u(x, y)
y
(8.2)
Ahora tendremos un criterio mas expedito para determinar que la funcion f(z) = 2x+iy no es analtica.
u(x, y) = 2x
v(x, y) = y
_

u(x, y)
x
= 2 ,= 1 =
v(x, y)
y

v(x, y)
x
= 0 = 0 =
u(x, y)
y
Para el caso f(z) = x
2
y
2
+ 2ixy se cumplen las condiciones de Cauchy-Riemann
u(x, y) = x
2
y
2
v(x, y) = 2xy
_

u(x, y)
x
= 2x =
v(x, y)
y

v(x, y)
x
= 2y =
u(x, y)
y
pero como esas condiciones son necesarias porque para encontrarlas hemos seleccionado un par de rutas
muy especcas: y = 0; x 0 y x = 0; y 0, se requiere exigir algunas condiciones adicionales. Sin
demostracion (puede consultar para detalles y demostraciones detalladas las referencias [Byron y Fuller 1970,
Churchill y Brown1989, Knopp 1996]) exigiremos como condicion necesaria y suciente para que una funcion
sea analtica que las cuatro derivadas parciales para u(x, y) y v(x, y), existan, sean contnuas en la region 1
y que se cumplan las condiciones de Cauchy-Riemann. El punto crucial (adicional) es que las derivadas sean
contnuas.
Ejercicio Como ejercicio al lector le sugerimos investigar los dominios del plano complejo para los cuales
las funciones f(z) = [x[ i[y[ y f(z) = [z[
2
= zz
son analticas
8.2.5. Curiosidades de Cauchy-Riemann
Las funciones analticas satisfacen algunas propiedades adicionales consecuencias de las condiciones de
Cauchy-Riemann.
La primera es que dada una funcion compleja generica f(z) = u(x, y) + iv(x, y), si f(z) es analitica,
u(x, y) y v(x, y) seran funciones armonicas conjugadas,
2
u(x, y) =
2
v(x, y) = 0, i.e. satisfacen la ecuacion
de Laplace. Si derivamos apropiadamente las ecuaciones (8.2) respecto a una y otra variable encontramos
que
x
_
u(x, y)
x
_
=

x
_
v(x, y)
y
_
=

y
_
v(x, y)
x
_
=

y
_
u(x, y)
y
_

2
u(x, y)
x
2
+

2
u(x, y)
y
2
= 0
y equivalentemente
x
_
v(x, y)
x
_
=

x
_
u(x, y)
y
_
=

y
_
u(x, y)
x
_
=

y
_
v(x, y)
y
_

2
v(x, y)
x
2
+

2
v(x, y)
y
2
= 0
es decir, hemos demostrado que las partes reales e imaginarias de una funcion analtica son necesariamente
armonicas. La importancia de este resultado radica, en primer lugar, que no son arbitrarias las funciones
u(x, y) y v(x, y) con las cuales construimos f(z). Ambas deben satisfacer la ecuacion de Laplace. En segundo
lugar que ambas estan ligadas por las condiciones de Cauchy-Riemann, y esto implica que al conocer una
de las funciones armonicas conjugadas, siempre es posible encontrar (salvo una constante de integracion) la
otra. Para ilustrar lo anterior, supongamos la siguiente funcion armonica conjugada u(x, y) = 2xx
3
+3xy
2
correspondiente a la parte real de f(z). Es facil comprobar que es una funcion armonica, ahora construyamos
la parte imaginaria v(x, y). Esto es
u(x, y) = 2x x
3
+ 3xy
2
u(x, y)
x
=
v(x, y)
y
= 2 3x
2
+ 3y
2
v(x, y) = 2y 3x
2
y +y
3
+(x)
entonces
v(x, y)
x
= 6xy+
(x)
x
= 6xy =
u(x, y)
y

(x)
x
= 0 (x) = C v(x, y) = 2y3x
2
y+y
3
+C
La segunda curiosidad consecuencia de las ecuaciones (8.2) es que para una funcion compleja generica
f(z) = u(x, y) + iv(x, y) en la cual ademas se cumpla que u(x, y) = const y v(x, y) = const entonces se
cumplira que u(x, y) v(x, y) = 0.
u(x, y)v(x, y) =
_
u(x, y)
x
i +
u(x, y)
y
j
_
_
v(x, y)
x
i +
v(x, y)
y
j
_
=
u(x, y)
x
v(x, y)
x
+
u(x, y)
y
v(x, y)
y
y por obra de las condiciones de Cauchy-Riemann es inmediato comprobar que se anulan
u(x, y) v(x, y) =
u(x, y)
x
u(x, y)
y
+
u(x, y)
y
u(x, y)
x
= 0
Es decir, u(x, y) = const y v(x, y) = const, corresponden a trayectorias mutuamente ortogonales. Esta
curiosidad nos permite construir sistemas de coordenadas alternativos en el plano complejo y, sobre todo
saber como establecer su transformacion a otros planos complejos. Esto se representa en la gura 8.2 y
sera considerado en la seccion 8.6 de la pagina 318.
La tercera curiosidad es un resultado el cual, siendo una formalidad, nos indica que las funciones analticas
f(z) dependen de z y no de su conjugado z
. O dicho de otra manera que z y z
son variables independientes.

Para demostrar esto procedemos primero a convencernos que si f(z) = u(x, y) + iv(x, y) y f(z) analtica,
entonces
f(z)
z
= 0. Sin detenernos a pensar en el signicado de la derivada respecto a la variable conjugada,

recordamos que operacionalmente
x =
z +z
2
y =
z z
2i
_
f(z)
z
=
f(z)
x
x
z
+
f(z)
y
y
z
=
1
2
_
u(x, y)
x
+i
v(x, y)
x
_
1
2i
_
u(x, y)
y
+i
v(x, y)
y
_
arreglando tendremos que es inmediato comprobar que se anula si se cumplen las condiciones (8.2)
f(z)
z
=
1
2
_
u(x, y)
x

v(x, y)
y
_
+
i
2
_
u(x, y)
y
+
v(x, y)
x
_
= 0 f(z) ,f(x, y) = f
_
z +z
2
,
z z
2i
_
en otras palabras, la funciones analticas son verdaderas funciones de variable complejas y no, como pudiera
parecer, de dos variables reales interpuestas.
Ejercicios
1. Determine la funcion f(z) analtica cuya parte imaginaria es (y cos y +xsenz)e
x
2. Muestre que si f(z) es analtica entonces f
(z
) tambien lo es.
8.3. Series de Potencias en Variable Compleja
En otros de los Formularios de Metodos Matematicos incursionamos en el terreno de las series de potencias
en variables reales [N u nez 2006]. En esta seccion generalizaremos la idea a series de potencias en variable
compleja z. Esta generalizacion se conoce como prolongacion o continuacion (analtica) de una funcion
real al plano complejo. Entonces
8
f(z) =
n=0
a
n
z
n
n=0
a
n
r
n
e
in
n=0
a
n
z
n
es absolutamente convergente si
n=0
[a
n
[r
n
converge (8.3)
Donde hemos utilizado la forma polar para un n umero complejo z = re
i
. La conclusion mas importante de
(8.3) es que siempre es posible asociarle a una serie de potencias complejas,

n=0
a
n
z
n
, una de potencias
reales

n=0
[a
n
[r
n
. La convergencia (absoluta) de esta ultima condiciona la convergencia de la primera. Por
ello los criterios de convergencia de series reales seran aplicables tambien en este contexto.
8.3.1. La convergencia y sus criterios
De este modo y como siempre, si suponemos que existe el lmite
=
1
R
= lm
n
a
n+1
a
n
Donde R se denomina el radio de convergencia y dene una region crcular en torno a un punto z
0
.
Si seleccionamos el criterio del cociente de Dalembert, entonces
lm
n
a
n+1
z
n+1
a
n
z
n+1
= [z[ lm
n
a
n+1
a
n
entonces, en las regiones

_
_
[z[ < R = converge
[z[ > R = diverge
[z[ = R = indeterminado
Por lo tanto, cuando R = la serie converge en todo punto y en contraste si R = 0, solo converge en el
origen. Por su parte si R = R
0
la serie converge en una region (un crculo) del plano complejo de radio R
0
centrada en z
0
= 0.
Entonces se puede analizar el comportamiento de series complejas utilizando el criterio del cociente de
Dalembert,
n=0
z
n
n!
lm
n
n!
(n + 1)!
= lm
n
1
n + 1
= 0 =
1
R
R converge z C
8
Por simplicidad y economa consideraremos desarrollos en serie alrededor de z = 0, ya que la generalizacion a otros puntos
z = z
0
es sencilla y no involucra ninguna sutileza conceptual adicional.
igualmente
n=0
(1 +i)
n
n
lm
n
n(1 +i)
n+1
(n + 1)(1 +i)
n
= [1+i[ lm
n
n
n + 1
2 lm
n
n
n + 1
R = 1 [z[ =
2 > 1 = R
y por lo tanto esta serie diverge. Es claro que esta serie unicamente convergera para [z[ < 1
8.3.2. Consecuencias y conclusiones para series de potencias complejas
Dentro del crculo de convergencia la funcion f(z) =

n=0
a
n
z
n
estara bien denida y disfrutara de las
propiedades ideales para una funcion bien comportada. Es decir
1. La expansion f(z) =

n=0
a
n
z
n
es unica. Vale decir que si existen dos series

n=0
a
n
z
n
y

n=0
b
n
z
n
,
convergentes para [z[ < R y tienen la misma suma para un entorno de z. Entonces, necesariamente
a
n
b
n
.
2. La funcion f(z) tambien podra ser expandida alrededor de cualquier otro punto z
p
contenido en el
entorno de convergecia de radio R, su expansion f(z) =

n=0
b
n
(z z
p
)
n
tambien sera unica. El radio
de convergencia para esta segunda serie sera R
p
= R [z
p
[
3. Por ser una expansion en potencias de z, la funcion f(z) =

n=0
a
n
z
n
es diferenciable en todo punto
z
p
en el crculo de convergencia de radio R y la derivada puede ser hecha a partir de la misma expansion
en series de potencias, termino a termino, de tal forma que
f(z) =
n=0
a
n
z
n
df
dz
= f
t
(z) =
n=1
na
n
z
n1
f
t
(z
p
) =
n=1
na
n
z
n1
p
(8.4)
Por lo tanto las funciones f(z) =

n=0
a
n
z
n
as descritas son analticas en el entorno de convergencia
de radio R.
4. Como f(z) =

n=0
a
n
z
n
y f
t
(z) =

n=1
na
n
z
n1
tienen el mismo radio de convergencia, podemos
aplicar k veces la armacion anterior y obtendremos
f
t
(z) =
n=1
na
n
z
n1
f
k
(z
p
) =
n=k
n(n1)(n2) (nk+1) a
n
z
nk
p
para z
p
= 0 a
k
=
f
k
(0)
k!
con lo cual la expansion de una funcion analtica es en realidad una expansion en series de Taylor
f(z) =
n=0
f
n
(0)
n!
z
n
Con esta ultima armacion se cierra la idea que nos hacemos de una funcion bien comportada o analti-
ca. Es una funcion innitamente contnua y contnuamente diferenciable, la cual puede ser expandida
en series de Taylor. Si bien los fenomenos fsicos no requieren, necesariamente, ser descritos por este
tipo de funciones, debido a sus notables propiedades han resultado ser una de las mas estudiadas en
Matematicas [Aleksandrov Kolmogorov y Lavrentiev 1999]. Mas adelante, en la seccion 8.9 revisaremos
estos conceptos a luz de la Formula Integral de Cauchy.
Los detalles de estas armaciones que son teoremas se pueden consultar en [Knopp 1996].
8.4. Algunas Funciones Complejas Elementales
Con todos los ingredientes anteriores, la primera funcion candidata para una continuacion analtica es la
funcion exponencial. Es decir
e
z
= 1 +z +
z
2
2
+
z
3
3!
+
z
4
4!
+ +
z
n
n!
+ claramente R con lo cual converge z C (8.5)
Como ejercicio puede ser interensante demostrar que e
z1
e
z2
= e
(z1+z2)
. Vale decir
e
z1
e
z2
=
_
1 +z
1
+
z
2
1
2
+ +
z
n
1
n!
+
__
1 +z
2
+
z
2
2
2
+ +
z
n
2
n!
+
_
con un poco de algebra y orden podremos rearreglar la expresion de la forma
e
z1
e
z2
= 1 +
_
z
1
1!
+
z
2
1!
_
+
_
z
2
1
2!
+
z
1
1!
z
2
1!
+
z
2
2
2!
_
+ +
z
n
1
n!
+
z
n1
1
(n 1)!
z
2
1!
+
z
n2
1
(n 2)!
z
2
2
2!
+ +
z
1
1!
z
n1
2
(n 1)!
+
z
n
2
n!
y mejor a un
e
z1
e
z2
= 1+
_
z
1
1!
+
z
2
1!
_
+
_
z
2
1
2!
+
z
1
1!
z
2
1!
+
z
2
2
2!
_
+ +
1
n!
_
z
n
1
+
n!
(n 1)!1!
z
n1
1
z
2
+ +
n!
1!(n 1)!
z
1
z
n1
2
+z
n
2
_
que no es otra cosa que la expansion binomial con lo cual hemos demostrado que e
z1
e
z2
= e
(z1+z2)
. Adi-
cionalmente, con la expansion en serie (8.5) podemos hacer un par de extensiones inmeditas: a
z
= e
z ln a
y
para z = iy e
iy
= cos y +iseny e
z
= e
x+iy
= e
x
(cos y +iseny) (8.6)
Notese que, como era de esperarse en general z = [z[e
i
, entonces la funcion f(z) = e
z
,= 0 z y tiene un
perodo 2i, vale decir: f(z) f(z + 2i). Con lo cual es inmediado e
2i
= cos 2 + isen2 A partir de la
construccion (8.5), se denen las funciones hiperbolicas y trigonometricas
coshz =
1
2
_
e
z
+e
z
_
; senhz =
1
2
_
e
z
e
z
_
cos z =
1
2
_
e
iz
+e
iz
_
; senz =
1
2i
_
e
iz
e
iz
_
(8.7)
Al igual que para el caso real y = e
x
x = lny entonces w = f(z) = e
z
z = Lnw es decir
z = lnw es la funcion inversa para w = e
z
.
Si e
w
= z, y w = u +iv con z = x +iy [z[e
i
entonces
e
w
= e
u+iv
= e
u
e
iv
= [z[e
i
= z
_
_
_
e
u
= [z[ u = ln[z[
v =
_
_
_
w = Lnz = ln[z[ +i( + 2n)
Es decir para un determinado valor de n es univaluada, en particular para n = 0 la funcion f(z) = Lnz
tiene como el valor principal lnz = ln[z[ +i con < . Es inmediato comprobar que los logaritmos
de n umeros complejos negativos si estan denidos. Esto es
Ln 7 Ln
_
[ 7[e
i(+2n)
_
= ln7 +i( + 2n) ln(7) = ln7 +i un n umero complejo !
Ejercicios
1. Muestre que si denimos f(z)e
z
como aquella funcion que derivada es ella misma, que se reduce a la
funcion de variable real e
z
e
x
si Imz = 0 y la cual, por ser analtica, cumple con la condiciones de
Cauchy-Riemann, entonces e
z
= e
x+iy
= e
x
(cos y +iseny)
2. Muestre que a partir de las deniciones (8.7) se obtienen las sempiternas propiedades de esas funciones,
vale decir
cos z = cos(z); senz = sen(z); cos(z
1
z
2
) = cos z
1
cos z
2
senz
1
senz
2
dcos z
dz
= senz
dsenz
dz
= cos z sen(z
1
z
2
) = cos z
1
senz
2
senz
1
cos z
2
3. Muestre que arctanz =
1
2i
ln
_
1 +zi
1 zi
_
y luego uselo para evaluar arctan
_
2
3 3i
7
_
8.5. Puntos de corte, lneas de cortes y ceros de funciones com-
plejas
Tambien mencionamos en el otro formulario [N u nez 2006], que los n umeros complejos se representan por
su forma polar en dos ejes coordenados. Ese diagrama bidimiensional se lo llamamos Diagrama de Argand.
Como en el caso del Analisis de Funciones Reales, existen funciones multivaluadas, a las cuales les debemos
imponer ciertas condiciones para convertirlas en univaluadas. El la idea que si una funcion es multivaluada,
automaticamente deja de ser analtica. El objetivo de esta seccion es identicar ese conjunto de condiciones
para detectar en cual region del plano complejo una determinada funcion es univaluada.
8.5.1. Puntos y lneas de corte
Consideremos entonces la funcion f(z) = z
1/2
y hagamos distintos circuitos cerrados 0 < 2 con el
vector z.
f(z) = z
1/2
r
1/2
e
i/2
f(z) = r
1/2
e
i/2
r
1/2
e
i(+2)/2
= r
1/2
e
i/2
Visto as nos tendremos que preguntar ahora cual fue el circuito que recorrimos con z, y dependiendo de ese
circuito identicaremos algunos puntos con caractersticas distintas. Si el circuito cerrado descrito por z no
contiene el punto z = 0, la funcion f(z) = z
1/2
retoma su valor original (ver Figura 8.1 cuadrante superior
izquierdo contorno (
1
). Pero si, como se aprecia en la misma Figura 8.1, el circuito cerrado (
2
si contiene
el punto z = 0 entonces la funcion no retoma su valor original, f(z) f(z). Tambien es claro que si el
circuito cerrado lo recorremos dos veces 4 entonces f(z) = z
1/2
retoma su valor inicial. Los puntos
alrededor de los cuales se construye un circuito cerrado en el diagrama de Argand y la funcion no retoma su
valor inicial se denominan puntos de corte y las lneas de corte (o simplemente cortes seran aquellas lneas
que separan regiones en las cuales una determinada funcion es univaluada. Es claro que los puntos de corte
son puntos singulares, en los cuales la funcion deja de ser analtica y existiran si toma, valores 0 2n.
Es decir, puede dar n vueltas.
En este caso, para nuestra funcion f(z) = z
1/2
, la lnea de corte sera cualquiera que comience en z = 0 y
contin ue para [z[ . Por simplicidad es costumbre tomar las lneas de corte a lo largo de los ejes reales o
complejos. De este modo aparece ilustrado en la Figura 8.1 cuadrante superior derecho la lnea de corte que
sigue el eje positivo de las x.
Figura 8.1: Los distintos contornos que identican los puntos de corte
La situacion se torna mas interesante cuando estas deniciones se analizan a la luz de funciones con mas
de un punto de corte. Consideremos la funcion
f(z) =
_
z
2
+ 1 f(z) =
_
(z i)(z +i)
_
(r
1
e
i1
) (r
2
e
i2
) =
r
1
r
2
e
i1/2
e
i2/2
=
r
1
r
2
e
i(1+2)/2
analicemos entonces, varios contornos en el plano de Argand. Otra vez la Figura 8.1 ilustra en el cuadrante
inferior los distintos contornos (
1
, (
2
, (
3
y (
4
Tal y como se aprecia en esa gura, se dan cuatro caso
1. Contorno (
1
no incluye ning un punto de corte, entonces
1min

1

1max
y
2min

2

2max
,
con lo cual f(z) retoma su valor inicial luego de recorrer el (
1
2. Contorno (
2
incluye z = i como punto de corte, entonces 0
1
2n y
2min

2

2max
, por lo
cual f(z) f(z)
3. Contorno (
3
incluye z = i como punto de corte, entonces
1min

1

1max
y 0
2
2n, por lo
cual f(z) f(z)
4. Contorno (
4
incluye ambos como punto de corte,z = i y z = i, entonces 0
1
2n y 0
2
2n,
por lo cual f(z) f(z) retoma su valor.
De este modo para construir los cortes que impidan que nuestra funcion se multivaluada podremos selecionar
z
corte
> i y z
corte
< i
i < z
corte
< i
8.5.2. Singularidades, polos y ceros de funciones complejas.
Los puntos de corte son sigularidades, esto puntos en los cuales la funcion f(z) deja de ser analtica.
Pero tambien singulariades aisladas aquellos puntos en los cuales la funcion no es analtica pero en todos los
puntos en su entorno lo es (los puntos de corte no son singularidades aisladas). Una singularidad aisladas de
orden n en el punto z = z
0
tendra la forma
f(z) =
g(z)
(z z
0
)
n
lm
zz0
[(z z
0
)
n
f(z)] = l con l nito distinto de cero
y donde g(z) es una funcion analtica. Es costumbre denominar a estas singularidades polos. Si l es cero,
sera un polo de orden menor a n o la funcion es analtica en ese punto. Si el lmite es innito, entonces el
polo sera de orden mayor a n.
Sin demostracion armaremos algo que parece intuitivo. Si una funcion f(z) tiene un polo en z = z
0
entonces, [f(z)[ cuando z z
0
Si no se puede determinar un valor nito de n diremos que estamos frente a una singularidad esencial
Veamos algunos ejemplos
Para
f(z) =
1
1 z

1
1 +z
=
2z
(1 z)(1 +z)
y es inmediato darse cuenta que tendremos polos de orden 1 en z = 1 y z = 1
Para
f(z) = tanhz =
senh z
coshz
=
expz exp(z)
expz + exp(z)
expz = exp(i(2n + 1)) exp(z) es un polo
es decir donde expz = exp(z), con lo cual z
0
=
_
n +
1
2
_
i y al utilizar la denicion
lm
z(n+
1
2
)i
_
_
z
_
n +
1
2
_
i
senh z
coshz
_
= lm
z(n+
1
2
)i
_
_
z
_
n +
1
2
_
i
coshz + senh z
senh z
_
= 1
donde hemos utilizado el Teorema de LHopital y consecuentemente z
0
=
_
n +
1
2
_
i es un polo simple
Existe otro tipo de singularidades conocidas como removibles. Estas singularidades se caracterizan porque
el valor de f(z) 0/0 cuando z z
0
. El caso mas emblematico es la funcion
f(z) =
sen z
z
f(z) =
1
z
_
z
z
3
3!
+
z
5
5!

_
=
_
1
z
2
3!
+
z
4
5!

_
lm
z0
f(z) = 1
con lo cual, luego de desarrollar por Taylor la funcion sen z, se ha removido la singularidad aparente.
El comportamiento de una funcion compleja en innito (o cuando tiende a innito), vale decir cuando
z no esta tan bien denido como en los casos de funciones de variable real. Es claro como una cantidad
real, digamos [f(z)[ o [z[ tiende a innito, pero z es una cantidad bidimensional y, en principio, existiran
varias formas de tender a innito. Para precisar el comportamiento de una funcion compleja de variable
compleja en innito, hacemos un cambio de variable z = 1/ y estudiamos f(1/) con 1/ . De esta
manera
lm
z
z(1 +z
2
) lm
0
1
+
1
3
con lo cual tendra un polo de orden 3
lm
z
expz lm
0
n=0
1
n!
n
y presenta una singularidad esencial para z
Los ceros de una funcion compleja (f(z
0
) = 0, entonces llamaremos z
0
un cero de f(z)) se clasican al
igual que los polos. Esto es
f(z) = (z z
0
)
n
g(z) con n entero positivo y g(z) ,= 0 z
Figura 8.2: Tranformaciones conformes. Tomado de Eric W. Weisstein. Conformal Mapping. MathWorld
A Wolfram Web Resource. http://mathworld.wolfram.com/ConformalMapping.html
8.6. Transformaciones conformes
Nos interesara ahora considerar transformaciones entre planos complejos. Esto es
z = x +iy w = r +is w = g(z) = r(x, y) +is(x, y) z = h(w) = x(r, s) +iy(r, s)
8.6.1. Deniciones y propiedades
Es decir, son transformaciones entre puntos (x, y) (r, s) correspondientes a dos diagramas de Argand, de
tal modo que existe funcion inversa funcion z = h(g(z)) y con w = g(z) y z = h(w) funciones analticas, salvo
en un n umero nito de polos aislados. Entonces denominaremos a este tipo de transformaciones conformes
si ademas, en todo punto z y w (excepto en aquellos en los cuales g
t
(z) y por lo tanto h
t
(w) son cero o
innita) cumple con
Curvas contnuas en el plano z transforman en curvas contnuas en el w
Los angulos entre dos curvas cualesquiera que se intersecten en el plano z seran los mismos que los que
formen las curvas transformadas en el plano w. Esto es los angulos entre las curvas seran invariantes
bajo la transformacion
9
El cambio de escala en la vecindad de puntos transformados es independiente de la direccion en la cual
se mida.
Cualquier funcion analtica en z = x +iy transforma en otra funcion w = r +is tambien analtica
9
De esta propiedad es donde la transformaci on hereda su nombre de conforme. Son transformaciones isogonales es decir, que
preservan los angulos entre curvas que se intersectan que son transformadas
Figura 8.3: Tranformaciones conformes. Cuadrante superior representa las conservacion de angulos y escala
bajo transformaciones y el inferior un ejemplo de transformaciones conforme
La segunda de las armaciones es inmediata a partir de la primera. Es decir, si una transformacion conforme
de coordenadas tienen inversa y ambas son analticas, es obvio que curvas contunas ((z) seran transformadas
a curvas contnuas

((w).
El hecho que la transformacion conforme preserva el angulo y las escalas se muestra en la gura 8.3
y puede comprobarse de la siguiente manera. Considere dos curvas, (
1
(z) y (
2
(z), en el plano complejo
z = x + iy. Supongamos ademas que estas curvas se intersectan en un punto z = z
0
. Entonces, sobre las
tangentes a cada curva, en z
0
, denimos otros dos puntos z
1
y z
2
de tal forma que
z
1
z
0
= e
i1
z
2
z
0
= e
i2
_
_
_

_
_
_
w
1
w
0
=
1
e
i1
w
2
w
0
=
2
e
i2
Notese que hemos construido los puntos z
1
y z
2
sobre las tangentes a z
0
a la misma distancia de z
0
y, en principio, hemos supuesto que las distancias a los puntos transformados w
1
y w
2
(las cuales hemos
identicado como
1
y
2
, respectivamente), no son iguales. Ahora bien, dado que w = g(z) es analtica
entonces
dg(z)
dz
z=z0
=
dw
dz
z=z0
= lm
z1z0
w
1
w
0
z
1
z
0
= lm
z2z0
w
2
w
0
z
2
z
0
g
t
(z
0
) = lm
0
expi(
1
1
) = lm
0
expi(
2
2
)
Es claro que al comparar las magnitudes y las fase demostramos que las transformaciones conformes preservan
las distancias,
1
=
2
, y los angulos (
2
1
) = (
2
1
). Adicionalmente, es muy facil convecerse que si la
transformaci on conforme conserva los angulos entre curvas y las escalas en todas direcciones las guras son
transformadas en guras equivalentes quiza ampliadas y rotadas, pero no deformadas.
8.6.2. Algunas consecuencias y ejemplos
Las consecuencias de la ultima armacion revisten alguna importancia. Si f = f(z) es analtica en el
plano (x, y) y la transformacion z = h(w) tambien lo es, entonces la funcion F(w) = f(h(w)) necesariamente
es analtica en el plano (r, s).
F
w
=
f
h
h
w

f
z
h
w
Por hipotesis supusimos que f y h eran analticas, por lo cual es inmediato concluir que debido a que los dos
factores de la derecha son analticos, la funcion F(w) tambien lo sera.
Esto implica que, tal y como mostramos en la seccion 8.2.5 si f(z) = u(x, y) + iv(x, y), es analitica,
entonces u(x, y) y v(x, y) seran funciones armonicas conjugadas, vale decir que satisfacen la ecuacion de
Laplace, con lo cual
2
u(x, y) =
2
v(x, y) = 0. Eso signica que si F = (w) +i(w). En otras palabras,
f = +i
_
x
2
+

2
y
2
= 0
x
2
+

2
y
2
= 0
_
_
F = +i
_
x
2
+

2
y
2
= 0
x
2
+

2
y
2
= 0
_
_
Esto impone que si 'f(z) = es constante en el plano (x, y), tambien lo sera 'F(w) en (r, s) ( Demuestrelo
!). Esta propiedad derivo una serie de aplicaciones en la solucion de la ecuacion de Laplace en dos dimensiones.
Si bien es una tecnica elegante y util cuando es posible, no deja de ser limitada porque se restringe a 2D.
Hoy los metodos numericos para resolver ecuaciones diferenciales en derivadas parciales han superado con
creces este tipo de tecnicas.
Los ejemplos son variados.
las siguientes transformaciones representan
traslaciones: w = z +b; rotaciones de angulo : w = ze
i
; expansiones de escala a : w = az
y pueden ser combinadas como: w = az+b con a y b n umeros complejos. Para la traslacion es inmediado.
Para la rotacion tambien si recordamos que z = [z[e
i
con lo cual w = [z[e
i
e
i
= [z[e
i(+)
tambien la transformacion de inversion w = 1/z que transforma los puntos del interior de un crculo
unidad a su exterior y viceversa. Una vez mas, w =
1
z
=
1
[z[e
i
=
1
z
e
i
. Entonces es claro que
0 [z[ 1 < [w[ 1 1 [z[ 0 < [w[ 1
Un caso mas interesante lo constituye la transformacion w = e
i
_
z z
0
z z
0
_
, la cual transforma los
puntos z
0
del semiplano superior complejo y > 0 al interior de un crculo unidad en el wplano (ver
gura 8.3 en la pagina 319). Para convencernos de ello notamos que
[w[ =
e
i
_
z z
0
z z
0
_
z z
0
z z
En general si z
0
y z los consideramos en el semiplano complejo superior y 0, entonces siempre se
cumple que [zz
0
[ [zz
0
[ con lo cual [w[ 1 y como se cumple para todo z en ese semiplano, entonces
cada uno de esos puntos es transformado dentro de un crculo de radio [w[. Es inmediato convencerse
que, la igualdad se cumple para puntos z sobre el eje real y que el punto z = z
0
es llevado al punto
w = 0 Finalmente, notamos que si conocemos como transforman dos puntos z
1
w
1
y z
2
w
2
entonces podremos determinar la transformacion. Esto es, conocer los valores de los parametros z
0
y
Este caso lo podemos apreciar si consideramos un par de puntos en el semiplano complejo y conocemos
Figura 8.4: Integrales complejas y circuitos
como tranforman. Digamos z = i sobre el eje imaginario e imponemos que sea transformado a w = 0
entonces es inmediato determinar que z
0
= i Por otro lado si imponemos que z = w = 1 entonces
1 = w = e
i
= 0 con lo cual w =
z i
z +i
8.7. Integrales complejas
Como siempre, luego de denir la derivada, construimos el concepto de integral a partir de la suma de
Riemann. Esto es
S
n
=
n
j=1
f(
j
)(z
j
z
j1
) si n [z
j
z
j1
[ 0 lm
n
n
j=1
f(
j
)(z
j
z
j1
) =
_
z2
z1
dz f(z)
Es decir que si el lm
n
S
n
existe corresponde con la denicion de la integral.
8.7.1. Algunas propiedades
Es claro que esta integral es, necesariamente, una integral de lnea, ya que z tiene dos dimensiones
_
z2
z1
dz f(z) =
_
z2
z1
(dx +idy) (u(x, y) +iv(x, y)) =
_
x2,y2
x1,y1
(u(x, y)dx v(x, y)dy)+i
_
x2,y2
x1,y1
(v(x, y)dx +u(x, y)dy)
(8.8)
con lo cual transformamos una integral compleja en una suma de integrales reales, pero necesitamos denir
el contorno a traves del cual vamos de z
1
= x
1
+iy
1
z
2
= x
2
+iy
2
La integracion compleja tendra las propiedades acostumbradas
_
c
dz (f(z) +g(z)) =
_
c
dz f(z) +
_
c
dzg(z)
_
c
dz Kf(z) = K
_
c
dz f(z) con K una constante real o compleja
_
b
a
dz f(z) =
_
a
b
dz f(z)
_
b
a
dz f(z) =
_
m
a
dz f(z) +
_
b
m
dz f(z)
_
c
dz [f(z)[ ML donde M = max [f(z)[ y L la longitud de (
Esta ultima propiedad es importante porque permite establecer cotas a las integrales complejas sin tener que
evaluarlas. De la denicion de integral es casi inmediata la demotracion
lm
n
n
j=1
f(
j
)z
j
=
_
z2
z1
dz f(z)
j=1
f(
j
)z
j
j=1
[f(
j
)[ [z
j
[ M
n
j=1
[z
j
[ ML
Donde hemos utilizado que [f(
j
)[ M y que la suma de los intervalos z
j
= z
j
z
j1
es la longitud L del
recorrido (. Es claro que tomando lmites a ambos miembros obtendremos

_
c
dz f(z)
_
c
dz [f(z)[ ML
8.7.2. Un par de ejemplos
Por ejemplo, evaluemos la integral compleja f(z) = z
1
a lo largo de diferentes contornos, tal y como se
ilustran en la gura 8.4
un circuito cerrado a lo largo de una circunferencia de radio R
_
dz z
1
_
d(Re
i
) R
1
e
i
= i
_
2
0
d = 2i
siguiendo una semicircunferencia desde (R, 0) (R, 0). Esto es
_
z2=(R,0)
z1=(R,0)
dz z
1
=
_
(R,)
(R,0)
d(Re
i
) R
1
e
i
= i
_

0
d = i
siguiendo dos lneas rectas entre los puntos (R, 0) (0, R) (R, 0). En este caso, procedemos
utilizando la expresion cartesiana para los n umeros complejos. Para ello, vamos a parametrizar z = z(t)
para (R, 0) (0, R) y z = z(s) cuando (0, R) (R, 0). Veamos
_
z3=(R,0)
z1=(R,0)
dz z
1
=
_
z2=(0,R)
z1=(R,0)
dz z
1
+
_
z3=(0,R)
z2=(0,R)
dz z
1
para cada una de las integrales se cumple, respectivamente, que
z = (1 t)R +itR con 0 t 1 z = sR +i(1 s)R con 0 s 1
con lo cual
_
z2=(R,0)
z1=(R,0)
dz
z
=
_
1
0
dt
1 +i
1 +t(1 +i)
+
_
1
0
ds
1 i
i +s(1 i)
procedemos entonces con la primera de las integrales
_
1
0
(1 +i)dt
(1 t) +it
=
_
1
0
(1 +i)((1 t) it)dt
(1 t)
2
t
2
=
_
1
0
(2t 1)dt
1 2t + 2t
2
+i
_
1
0
dt
1 2t + 2t
2
es decir
_
1
0
(1 +i)dt
(1 t) +it
=
1
2
ln(1 2t + 2t
2
)
1
0
+i arctan
_
t
1
2
1
2
_
1
0
= 0 +
i
2
_
2

_
2
__
=

2
y, la segunda integral tambien tendr a el mismo resultado, con lo cual
_
z2=(R,0)
z1=(R,0)
dz
z
= i el mismo resultado que a traves del arco de circunferencia !
Es interesante notar que si regresamos al punto (R, 0) a traves del contorno (R, 0) (0, R)
(R, 0) la integral cerrada se anula, no as cuando nos regresamos a traves el arco complementario de
circunferencia. En pocas palabras, como se esperaba, el valor de las integrales de camino, para algunas
funciones, dependeran del camino seleccionado. En la proxima seccion veremos a cuales funciones
correspondera un mismo valor de la integral cerrada, independientemente del circuito que uno elija.
Queda como ejercicio al lector repetir los mismos pasos anteriores para el caso de f(z) = (z
)
1
Otro ejemplo ilustrativo lo constituye
_
dz
(z z
0
)
n+1

_
2
0
Rie
i
d
R
n+1
e
i(n+1)
=
i
R
n
_
2
0
d e
in
_
_
_
n = 0 :
_
2
0
d = 2i
n ,= 0 :
i
R
n
_
2
0
d (cos n isen n) = 0
donde hemos utilizado la forma polar z z
0
Re
i
e integrado a lo largo de una circunsferencia de
radio R centrada en z = z
0
8.8. Teorema Integral de Cauchy
8.8.1. El Teorema y las Regiones
El teorema integral de Cauchy es uno de los dos teoremas basicos en la teora de funciones de variable
compleja. Este teorema considera que si f(z) es analtica en una region simplemente conexa, 1, en su
contorno ( y su derivada f
t
(z) existe y es contnua en esta region
10
, entonces la circulacion a lo largo de
cualquier contorno cerrado ( se anula. Esto es
_
c
dz f(z) = 0
Antes que nada, y como parte de ese adiestramiento en lenguaje, precisaremos que queremos decir (que quie-
ren decir los matematicos) con regiones simplemente conexa y m ultiplemente conexa
Una regi on simplemente conexa es aquella que no tiene huecos, o dicho de una manera mas precisa
y elegante, en la cual una curva puede ser reducida (encogida) a un punto sin salir de la region 1. En
la gura 8.5 cuadrante Ia se muestra una region simplemente conexa y en los cuadrantes Ib y Ic regiones
multiplemente conexas. Estas dos ultimas guras clarican este concepto. Es decir, una region m ultiplemente
conexa es aquella que no es simplemente conexa y con eso queremos decir que tiene huecos, o lo que es lo
mismo existen curvas que no se pueden reducir a puntos en la region.
10
Esta ultima condicion no es necesaria, pero la demostracion del Teorema se torna mucho mas sosticada, y referimos al
lector a los libros especializados, vale decir a las referencias [Churchill y Brown1989, Knopp 1996]
Figura 8.5: Regiones en el plano complejo
Tal y como hemos comentado la demostracion rigurosa del Teorema de Cauchy esta fuera de los alcances
de estas notas, pero algo se puede hacer si invocamos el Teorema de Stokes (o uno de los Teoremas de Green
en el plano) que vimos cuando estudiamos analisis vectorial. Con ello recordamos la ecuacion (8.8), entonces
_
z2
z1
dz f(z) =
_
x2,y2
x1,y1
(u(x, y)dx v(x, y)dy) +i
_
x2,y2
x1,y1
(v(x, y)dx +u(x, y)dy)
El Teorema de Stokes nos dice que
_
7
dxdy
_
p
x
+
q
y
_
=
_
c
(pdy qdx)
con lo cual, si una vez mas suponemos f(z) = u(x, y) +iv(x, y) y dz = dx +idy, entonces tendremos que
_
c
(udx vdy) +i
_
c
(vdx +udy) =
_
7
dxdy
_
(v)
x
+
(u)
y
_
+i
_
7
dxdy
_
(u)
x
+
(v)
y
_
= 0
y acto seguido, como f(z) es analtica, invocamos las condiciones de Cauchy Riemann (ecuacion (8.2)) y es
inmediato ver que se anula la integral de circulacion.
8.8.2. Algunas observaciones y el Teorema de Morera
De la anterior demostracion del Teorema de Cauchy Riemann emergen algunas observaciones
La primera es la insistencia de que la condicion que la derivada f
t
(z) existe y es contnua en esta region
no es necesaria.
La segunda es que el Teorema de Cauchy Riemann, es valido tambien para regiones m ultiplementes
conexas. Consieremos una region como la descrita en la gura 8.5 cuadrante II, es claro que podemos
circular la integral en los siguientes contornos
_
c
dz f(z) =
_
ABDEAFGHFA
dz f(z)
_
ABDEA
dz f(z)+
_
AF
dz f(z)+
_
FGHF
dz f(z)+
_
FA
dz f(z) = 0
y como
_
AF
dz f(z) =
_
FA
dz f(z) entonces
_
ABDEA
dz f(z) +
_
FGHF
dz f(z) = 0
_
c1
dz f(z) +
_
c2
dz f(z) = 0
con lo cual se nota que para regiones m ultiplemente conexas, a pesar que las circulaciones son opuestas,
el observador que circula por (
1
y (
2
siempre tiene la region 1 a su izquierda.
Siguiendo con la reexion anterior, podemos invertir el sentido de la circulacion en el contorno (
2
con
lo cual _
c1
dz f(z)
_
c2
dz f(z) = 0
_
c1
dz f(z) =
_
c2
dz f(z)
Es decir, que si f(z) es analtica en una region 1, da igual cualquier recorrido por las fronteras de una
region y el valor de la integral permanecera inalterado.
Mas a un este resultado puede extenderse a regiones con n huecos de tal forma que, tal y como ilustra
en en la gura 8.5 cuadrante III
_
c1
dz f(z) =
n
j=1
_
cj
dz f(z)
Con lo cual estamos armando que, dada una region que contiene un n umero nito ( numerable ?) n
de singularidades, la integral a lo largo del contorno que encierra la region 1 es equivalente a la suma
de las integrales que encierran cada una de las n singularidades.
Enunciaremos sin demostracion el Teorema de Morera
11
, tambien conocido como el teorema inverso de
Cauchy.
Teorema de Morera: Si una funcion f(z) es continua en una region 1 encerrada por un contorno ( y
_
c
dz f(z) = 0 entonces f(z) es analtica en 1
Ejemplo: Considere la funcion denida en una region 1
f(z) =
1
z z
0
con
_
z
0
fuera de la region 1
z
0
dentro de la region 1
Si z
0
esta fuera de la region, entonces f(z) esa analtica en 1, con lo cual el Teorema de Cauchy
implica que
_
c
dz f(z) = 0
Si z
0
esta dentro de la region, entonces f(z) no es analtica en 1 por cuanto existe una singularidad
z = z
0
. Si consideramos ( el contorno que bordea a 1, como una circunsferencia centrada en z = z
0
y
otra circunsferencia que aisla a z
0
con un radio [z z
0
[ = (esta situacion se ilustra en la gura 8.6
cuadrante I). Entonces, si hacemos z z
0
= z = e
i
el Teorema de Cauchy implica
_
c
dz
z z
0
=
_
dz
z z
0
=
_
2
0
ie
i
d
e
i
= i
_
2
0
d = 2i
11
Pueden consultar la demostracion en la referencia [3]
Figura 8.6: Circulaciones y Polos
8.8.3. F ormula integral de Cauchy
El ejemplo de la seccion anterior nos lleva a una de las expresiones mas utiles e importantes del analisis
complejo: La Formula Integral de Cauchy la cual dice que si f(z) es analtica en una region 1 encerrada por
un contorno ( y consideramos un punto z = z
0
contenido en esa region, entonces
1
2i
_
c
f(z) dz
z z
0
= f(z
0
)
Para probar esta armacion supongamos, una vez mas un circuito en encierra al polo z = z
0
(ver gura 8.6,
cuadrante II). Con lo cual, como f(z) es analtica en una region, el Teorema de Cauchy nos garantiza
1
2i
_
c
f(z) dz
z z
0
=
1
2i
_
f(z) dz
z z
0
si zz
0
= re
i
1
2i
_
2
0
f(z
0
+re
i
)rie
i
d
re
i
=
1
2
_
2
0
f(z
0
+re
i
)d
si hacemos r 0 tendremos que
1
2i
_
c
f(z) dz
z z
0
=
1
2i
_
f(z) dz
z z
0
= lm
r0
1
2
_
2
0
f(z
0
+re
i
)d =
1
2
_
2
0
lm
r0
f(z
0
+re
i
)d = f(z
0
)
Observaciones Surgen tambien observaciones al respecto
Obvio que es valido para regiones m ultiplemente conexas y es facil demostrarlo. Se lo dejamos al lector
como ejercicio.
Si reacomodamos la expresion para la forma integral podemos hacer en esa formula es valida para todo
z
f(z) =
1
2i
_
c
f() d
z
Mas a un veremos que es facil generalizar esta formula para derivdas de funciones, vale decir
f
(n)
(z
0
) =
n!
2i
_
c
f(z) dz
(z z
0
)
n+1
Veamos con el caso mas sencillo y demostremos que para n = 1
f
t
(z
0
) =
1
2i
_
c
f(z) dz
(z z
0
)
2
f
t
(z
0
) = lm
h0
f(z
0
+h) f(z
0
)
h
= lm
h0
_
1
2i
_
c
f(z)
h
_
1
z z
0
h

1
z z
0
_
dz
_
tal y como se muestra en la gura 8.6, cuadrante III tenemos que
f
t
(z
0
) = lm
h0
_
1
2i
_
c
f(z) dz
(z z
0
h)(z z
0
)
_
=
1
2i
_
c
f(z) dz
(z z
0
)
2
Pero mucho mas interesante hubiera sido derivar respecto a una constante. Este truco implica que
f(z) =
1
2i
_
c
f() d
z
f
(n)
(z) =
1
2i
_
c
n
z
n
_
f()
z
_
d =
n!
2i
_
c
f() d
( z)
n+1
(8.9)
Esta formula es muy util para calcular integrales. Considere, por ejemplo la siguiente integral
I =
_
c
e
2
d
( + 1)
4

2i
3!
f
(3)
(1) con f(z) = e
2z
I =
8i
3
e
2
donde hemos supuesto que el contorno ( encerraba el punto z = 1, porque de otro modo la funcion
e
2z
(z + 1)
4
sera analtica y la integral se anulara por el Teorema de Cauchy.
8.9. Otra vez Taylor y ahora Laurent
En la seccion 8.3.2 consideramos series complejas de potencias. En esta seccion revisaremos, desde la pers-
pectiva de haber expresado la derivada nesima de una funcion analtica en la ecuacion (8.9), el equivalente
a las series de Taylor para funciones complejas de variable complejas.
8.9.1. Series de Taylor para funciones analticas
Si f(z) es analtica en un crculo de radio R, encerrado por un contorno ( y centrado en un punto z = z
0
.
Entonces f(z) puede ser expandida en series de potencias (enteras positivas) para todo [z z
0
[ < R de la
forma
f(z) =
n=0
f
(n)
(z
0
)
n!
(z z
0
)
n
f(z
0
) +f
t
(z
0
)(z z
0
) +
f
tt
(z
0
)
2
(z z
0
)
2
+ +
f
(n)
(z
0
)
n!
(z z
0
)
n
+R
n
con el resto R
n
(z) denido como
R
n
(z) =
(z z
0
)
n
2i
_
c
f() d
( z
0
)
n
( z)
Para probar esta armacion partimos de la formula integral de Cauchy escrita convenientemente
f(z) =
1
2i
_
c
f() d
z
=
1
2i
_
c
d
f()
z
0
_
_
1
1
z z
0
z
0
_
_ (8.10)
de donde
f(z) =
1
2i
_
c
f() d
z

1
2i
_
c
d
f()
z
0
_
_
1 +
_
z z
0
z
0
_
+
_
z z
0
z
0
_
2
+ +
_
z z
0
z
0
_
n
+
_
z z
0
z
0
_
n+1
_
z
z
0
_
_
_
este ultimo corchete proviene de una forma ingeniosa de utilizar una serie geometrica de razon r =
z z
0
z
0
.
Para entenderlo, recordemos que para una serie geometrica, se cumple que
1+r +r
2
+r
3
+ +r
n
=
1 r
n+1
1 r
=
1
1 r
r
n+1
1 r

1
1 r
= 1+r +r
2
+r
3
+ +r
n
+
r
n+1
1 r
(8.11)
Entonces
f(z) =
1
2i
_
c
f() d
z

1
2i
_
c
d
f()
z
0
_
_
n
j=0
_
z z
0
z
0
_
j
+
_
z z
0
z
0
_
n+1
_
z
z
0
_
_
_
(8.12)
con lo cual
f(z) =
n
j=0
(z z
0
)
j
_
1
2i
_
c
d
f()
( z
0
)
j+1
_
+R
n
(z) =
n
j=0
f
(j)
(z
0
)
j!
(z z
0
)
j
+R
n
(z) (8.13)
donde
R
n
(z) =
(z z
0
)
n
2i
_
c
d
f()
( z
0
)
n
( z)
(8.14)
Obvio que la serie (8.13) converge si R
n
(z) 0 cuando n y de eso es facil convencerse al acotar la
ecuacion (8.14). Esto es, considerando sobre el contorno ( y z en el interior de 1, entonces
[R
n
(z)[ =
(z z
0
)
n
2i
_
c
d
f()
( z
0
)
n
( z)
<
[z z
0
[
n
2
_
c
f()
( z
0
)
n
( z)
d
<
[z z
0
[
n
2
M
1
R
n
2R
(8.15)
donde, una vez mas, hemos utilizado la forma polar

= z
0
= Re
i
y hemos acotado
f()
z
< M, con
lo cual es inmediato constatar que lm
n
z z
0
R
n
= 0 R
n
(z) 0, con lo cual la serie converge.
Ejemplos Expanda
f(z) =
1
1 z
alrededor de z = z
0
f(z) =
1
1 z
0
+
1
(1 z
0
)
2
(zz
0
)+
1
(1 z
0
)
3
(zz
0
)
2
+
1
(1 z
0
)
4
(zz
0
)
3
+ +
(z z
0
)
n
(1 z
0
)
n+1
+ =
n=0
(z z
0
)
n
(1 z
0
)
n+1
Figura 8.7: Expansion de Laurent
f(z) = ln(1 +z)ST alrededor de z = 0 (Serie de Maclaurin)
f(z) = ln(1+z) = ln(1 +z)[
z=0
+
n=1
(1)
n+1
n!
(1 z)
n+1
z=0
z
n
f(0)+f
t
(0)z+
f
tt
(0)
2
z
2
+
f
ttt
(0)
3!
z
3
+ = z
z
2
2
+
z
3
3
+
f(z) = ln
_
1 +z
1 z
_
alrededor de z = 0 (Serie de Maclaurin)
ln
_
1 +z
1 z
_
ln(1+z)ln(1z) =
_
z
z
2
2
+
z
3
3

_
_
z
z
2
2

z
3
3

_
= 2
_
z +
z
3
3
+
z
5
5

_
=
n=0
2z
2n+1
2n + 1
8.9.2. Series de Laurent
Hemos dicho que si una funcion f(z) es analtica en una region (digamos que circular) 1, entonces puede
ser expandida por series de Taylor. Sin embargo, si f(z) tiene un polo de orden p, digamos, en z = z
0
, dentro
de la region 1, no sera analtica en ese punto, mientras que g(z) = (z z
0
)
p
f(z) si lo sera en todos los
puntos de esa region. Entonces f(z) podr a ser expandida como series de potencias (de Laurent) de la forma
f(z) =
n=
a
k
(zz
0
)
k
=
n=0
a
n
(zz
0
)
n
+
n=0
a
n
(z z
0
)
n
con a
n
=
1
2i
_
c
f() d
( z)
n+1
n = 0, 1, 2,
(8.16)
o equivalentemente
f(z) =
g(z)
(z z
0
)
p
=
a
p
(z z
0
)
p
+
a
p+1
(z z
0
)
p1
+ +
a
1
(z z
0
)
+a
0
+a
1
(z z
0
) +a
2
(z z
0
)
2
+ (8.17)
La suma de todos los terminos que tengan potencias negativas, vale decir

n=0
an
(zz0)
n
, se denomina parte
principal de f(z).
Para demostrar (8.16) o (8.17), recordamos que, tal y como muestra la gura 8.7 cuadrante I, si f(z) es
analtica en la region anular, entonces el Teorema de Cauchy, nos garantiza que
f(z) =
1
2i
_
c1
f() d
z
+
1
2i
_
c2
f() d
z

1
2i
_
c1
f() d
z

1
2i
_
c2
f() d
z
donde en el segundo caso hemos supuesto que ambas circulaciones tienen el mismo sentido.
Del mismo modo como procedimos en la ecuacion (8.10) re escribimos el segundo par de integrales como
f(z) =
1
2i
_
c1
d
f()
z
0
_
_
1
1
z z
0
z
0
_
_ +
1
2i
_
c2
d
f()
z z
0
_
_
1
1
z
0
z z
0
_
_
y ahora invocando, una vez mas la progresion geometrica (8.11) podemos construir expresiones de integrales
equivalentes a la ecuacio (8.12). Vale decir
f(z) =
1
2i
_
c1
d
f()
z
0
_
_
n1
j=0
_
z z
0
z
0
_
j
+
_
z z
0
z
0
_
n
_
z
z
0
_
_
_
+
1
2i
_
c2
d
f()
z z
0
_
_
n1
j=0
_
z
0
z z
0
_
j
+
_
z
0
z z
0
_
n
_
z
z z
0
_
_
_
y equivalentemente
f(z) =
1
2i
n1
j=0
(z z
0
)
j
_
c1
d
f()
( z
0
)
j+1
. .
aj
+R
n1
(z) +
1
2i
n1
j=0
1
(z z
0
)
j+1
_
c2
d f()( z
0
)
j
. .
aj
+R
n2
(z)
(8.18)
Con lo cual queda demostrado la forma funcional de los coecientes de la expansion de Laurent. La demos-
tracion de la convergencia, esto es n R
n1
(z) R
n2
(z) 0 sigue el mismo esquema que utilizamos
para demostrar la convergencia de la ecuacion (8.15) y se lo dejamos como ejercicio al lector.
8.9.3. Algunos Ejemplos
En muchos casos las expansiones en series de Laurent no se generan a partir de la formula de la ecuacion
(8.16) sino a partir de manipulaciones algebraicas y expansiones en Taylor moduladas por otros factores.
El primer y ultimo ejemplo lo haremos directamente. Vale decir que como lo vamos a hacer no lo haremos
otra vez. Consideremos el siguiente ejemplo y hagamoslo directo. Supongamos de entrada que z
0
= 0 con lo
cual la region anular en la cual no existen polos sera r < [z z
0
[ < R 0 < [z z
0
[ < 1. Utilizando las
formulas de 8.18 construimos la relacion
f(z) =
1
z(z 1)
a
j
=
_
c1
f()d
( z
0
)
j+1
=
_
c1
d
j+2
( 1)
=
_
c1
d
j+2
n=0
n
=
n=0
_
c1
d
j+2n
conviertiendo a la forma polar tendremos que
n=0
_
c1
rie
i
d
r
j+2n
e
i(j+2n)
= 2i
n=0
j+2n,1

_
_
_
a
n
= 2i para n 1
a
n
= 0 para n < 1
es decir
f(z) =
1
z(z 1)
=
1
z
1 z z
2

Consideremos los siguientes ejemplos de desarrollo en Series de Laurent
1.
f(z) =
1
z(z 2)
3
Alrededor de las singularidades z = 0 y z = 2
2.
f(z) =
1
(z + 1)(z + 3)
Esta funcion tienes polos de orden 1 en z = 1 y z = 3. Ademas expresando f(z) como una suma
de fracciones parciales, tendremos
f(z) =
1
(z + 1)(z + 3)
=
1
2
_
1
z + 1
_
1
2
_
1
z + 3
_
a) para 1 < [z[ < 3
Expresando f(z) como una suma de fracciones parciales, tendremos
f(z) =
1
(z + 1)(z + 3)
=
1
2
_
1
z + 1
_
1
2
_
1
z + 3
_
b) para [z[ > 3
c) para 0 < [z + 1[ < 2
d) para [z[ < 1
3.
f(z) =
e
2z
(z 1)
3
4.
f(z) =
z sen z
z
3
8.10. Integraci on por el metodo de los residuos
Desde siempre hemos sabido que las expansiones de funciones en series de potencias dejan residuos al
detener la expansion a para una determinada potencial. Esto se puede apreciar claramente en la expresion de
Taylor para funciones analticas (8.13) y, en particular en (8.14). Ahora, las expansiones de Laurent (8.18)
nos muestran otro residuo. Explotaremos las series de Laurent para funciones con polos y construiremos
un metodo para evaluar integrales de funciones en esos puntos. Primero estudiaremos los residuos en general
y luego los utilizaremos para evaluar integrales.
8.10.1. Los residuos de Laurent
Hemos dicho que si f(z) tiene un polo de orden p en z = z
0
1, entonces
_
c
dz f(z) ,= 0 f(z) =
n=
a
k
(zz
0
)
k
=
a
p
(z z
0
)
p
+
a
p+1
(z z
0
)
p1
+ +
a
1
(z z
0
)
+a
0
+a
1
(zz
0
)+a
2
(zz
0
)
2
+
mas a un, siguiendo (8.16) tendremos que los coecientes de la expansion pueden ser calculados a partir de
a
n
=
1
2i
_
c
f() d
( z)
n+1
n = 0, 1, 2, si n = 1
_
c
f() d = 2ia
1
2iRes f(z) (8.19)
Es decir, la integracion a lo largo de un contorno ( que aisle al polo z = z
0
es proporcional al residuo
correspondiente a la expansion de Laurent alrededor de ese polo. Nos queda entonces calcular el residuo para
as no calcular la integral.
Esta situacion se ilustra con el siguiente ejemplo. Supongamos
f(z) =
sen z
z
4
=
1
z
4
_
z
z
3
3!
+
z
5
5!
+
_
=
1
z
3
1
3!z
+
z
5!
+ a
1
=
1
3!

_
c
f() d = 2ia
1
=
i
3
En general, si f(z) tiene un polo de orden p en z = z
0
1, entonces
(zz
0
)
p
f(z) = a
p
+a
p+1
(zz
0
)+ +a
0
(zz
0
)
p
+
d
p1
dz
p1
[(zz
0
)
p
f(z)] = (p1)!a
1
+
n=1
b
n
(zz
0
)
n
con lo cual concluimos que
a
1
Res f(z) = lm
zz0
_
1
(p 1)!
d
p1
dz
p1
[(z z
0
)
p
f(z)]
_
(8.20)
Si, por ejemplo consideramos
f(z) =
e
iz
(z
2
+ 1)
2

e
iz
(z +i)
2
(z i)
2

_
_
z
0
= i
d
dz
[(z i)
2
f(z)] =
d
dz
_
e
iz
(z +i)
2
_
z
0
= i
d
dz
[(z +i)
2
f(z)] =
d
dz
_
e
iz
(z i)
2
_
con lo cual
Res
e
iz
(z
2
+ 1)
2
z=i
= lm
zi
_
1
1!
d
dz
_
e
iz
(z +i)
2
__
= lm
zi
_
(z +i)
2
ie
iz
e
iz
2(z +i)
(z +i)
2
_
=
4ie
1
4ie
1
16
=
i
2e
del mismo modo se procede para el caso z = i
Un caso particular y muy util lo constituyen las funciones racionales del tipo f(z) =
p(z)
q(z)
y f(z) tiene
un polo simple en z = z
0
. Esto es q(z
0
) = 0 entonces
Res f(z)[
z=z0
= lm
zz0
_
(z z
0
)p(z)
q(z)
_
= p(z
0
) lm
zz0
(z z
0
)
q(z)
=
p(z
0
)
q
t
(z
0
)
(8.21)
porque hemos utilizado el Teorema de LHopital. Este caso lo podemos ejemplicar si consideramos una
funcion
f(z) =
4 3z
z
2
z

4 3z
z(z 1)
con polos en
_
_
z = 0 Res f(z)[
z=0
=
4 3z
2z 1
z=0
= 4
z = 1 Res f(z)[
z=1
=
4 3z
2z 1
z=1
= 1
(8.22)
8.10.2. Teorema del Residuo
Hemos visto como calcular las integrales de funciones, en regiones m ultiplemente conexas, con polos
simples a partir de residuos. Ahora generalizaremos ese esquema para una region, tambien m ultiplemente
conexa, pero con un n umero nito de polos. Tal y como se muestra en la gura 8.7 en el cuadrante II,
realizamos una circulacion ingeniosa, de tal modo que aislamos los distintos polos. Ahora bien, como la
funcion es analtica en la region bordeada por todos esos contornos, entonces
__
c
dz f(z) +
_
c1
dz f(z) +
_
c2
dz f(z) +
_
cm
dz f(z)
_
= 0
y al cambiar el sentido de circulacion comprobamos lo que ya sabamos
_
c
dz f(z) =
_
c1
dz f(z) +
_
c2
dz f(z) +
_
cm
dz f(z)
_
c
dz f(z) = 2i
m
j=1
Res f(z)
z=z0j
donde hemos utilizado lo que hicimos para la ecuacion (8.19)
Con ello podemos enunciar el Teorema del Residuo que ya hemos demostrado
Si f(z) es analtica en una region 1 excepto en un n umero, m, nito de polos z
01
, z
02
, z
03
, z
0m
entonces
_
c
dz f(z) = 2i
m
j=1
Res f(z)
z=z0j
Una vez mas ejemplicamos. Se al funcion f(z) =
4 3z
z
2
z
una funcion con polos simples en z = 0 y z = 1
correspondientes a residuos 4 y 1, respectivamente, tal y como se vio en la seccion (8.10.1). Entonces,
utilizamos los resultado expuestos en el ejemplo (8.22)
_
C
dz
4 3z
z
2
z
= 2i(4 + 1) = 6i
siempre y cuando el circuito C encierre los dos polos, z = 0 y z = 1, para los cuales hemos calculado los
residuos
Ejercicios
1. Determinar los polos y los residuos correspondientes para cada una de las funciones propuestas
f(z) =
2z + 1
z
2
z 2
; f(z) =
_
z + 1
z 1
_
2
; f(z) =
sen z
z
2
; f(z) = cot z
2. Evaluar
a)
_
C
dz e
z
coshz
a lo largo de una circunsferencia con [z[ = 5
b)
_
C
(2z
2
+ 5)dz
(z + 2)
3
(z
2
+ 4)z
2
a lo largo de una circunsferencia con [z 2i[ = 6 y
un cuadrado de vertices z = 1 +i; z = 2 +i; z = 2 + 2i y z = 1 + 2i;
8.10.3. Evaluaci on de integrales, reales, impropias
El teorema del residuo (8.10.2) es una herramienta poderosa para evaluar algunos tipos de integrales
denidas en variable real. La intencion es extender el dominio de las funciones de la recta real al Plano
Complejo. Una de las restricciones es que los contornos deben ser cerrados antes de que sea evaluados los
residuos. El punto es que muchas integrales reales tienen contornos abiertos y la posibilidad de evaluar estas
integrales a traves del Teorema del Residuo descansa en la forma como se cierran los contornos. En estos casos
se debe estimar las contribuciones de esos contornos adicionales que pemiten cerrar los contornos abiertos.
A continuacion expondremos algunas tecnicas para cerrar algunos tipos de contornos abiertos.
Figura 8.8: Circuitos y evaluacion de integrales reales, impropias
Integrales impropias del tipo
_
dx f(x)
Este tipo de integrales implica, si ambos lmites existen
_

dx f(x) = lm
r
_
0
r
dx f(x) + lm
r
_
r
0
dx f(x) lm
r
_
r
r
dx f(x)
Necesitaremos que el integrando sea una funcion racional f(x) = p(x)/q(x), donde q(x) ,= 0 x. Adicional-
mente requeriremos que cuando menos q(x) x
2
p(x). Supuesto todo esto, convertimos nuestra funcion ra-
cional en una funcion de variable compleja f(x) f(z) y consideramos la integral de circulacion,
_
C
dz f(z),
sobre un contorno C descrito por el eje real y una semicircunsfrencia en el plano complejo con y 0, tal y
como se muestra en el cuadrante I la gura 8.8. La intencion es hacer r y con ello evaluar la integral
_
0
dx f(x). Es facil convencerse que
_
C
dz f(z) =
_
dz f(z) +
_
r
r
dx f(x) = 2i
m
j=1
Res f(z)
z=z0j
es decir,
_
r
r
dx f(x) = 2i
m
j=1
Res f(z)
z=z0j

_
dz f(z)
Esta esta estrategia es valida porque hemos supuesto que f(x) es racional y que q(x) ,= 0 x, entonces si
existen polos para f(z) estaran en el plano complejo (no sobre el eje real). Todos esos polos seran encenrados
por el contorno C que hemos seleccionado. Mas a un, y comprobaremos que
_
dz f(z) 0 cuandoz .
Esto es sencillo si notamos que
q(x) x
2
p(x) [f(z)[ <
k
[z[
2

dz f(z)
<
k
r
2
r =
k
r
para [z[ = r 0
con lo cual llegamos a que para este tipo de integrales
_

dx f(x) = 2i
m
j=1
Res f(z)
z=z0j
para f(x) =
p(x)
q(x)
, con q(x) ,= 0 x p(x) x
2
q(x) (8.23)
Ejemplo Considere evaluar la siguiente integral
_

dx
x
4
+ 1
4

_

dx
x
4
+ 1
4
= 2i
m
j=1
Res f(z)
z=z0j
donde hemos utilizado la expresion (8.23). La extension analtica
f(x) f(z) =
1
z
4
+ 1
tendra cuatro polos simples: z = e
i
4
; z = e
3i
4
;
correspondientes a las cuatro races de z
4
= 1. Acto seguido calculamos los residuos invocando la relacion
(8.21) que hemos construido para funciones racionales. Esto es
Res
p(z)
q(z)
z=z0
=
p(z
0
)
q
t
(z
0
)

_
_
z = e
i
4
Res f(z)[
z=e
i
4
=
1
4z
3
z=e
i
4
=
e
3i
4
4
=
e
i
4
4
z = e
3i
4
Res f(z)[
z=e
3i
4
=
1
4z
3
z=e
3i
4
=
e
9i
4
4
=
e
i
4
4
Hemos considerado unicamente los polos para el semiplano complejo y > 0 ya que seguimos considerando
el circuito descrito en el cuadrante I de la gura 8.8. Quedan dos polos ubicados en el semiplano complejo
y < 0, tal y como se muestra en el cuadrante II de la misma gura 8.8. Consecuentemente, tendremos que
_

dx
x
4
+ 1
=
2i
4
_
e
i
4
+e
i
4
_
= sen

4
=
2
2

_

0
dx
x
4
+ 1
4
=
1
2
_

dx
x
4
+ 1
4
=
2
4

Ejemplo Para evaluar la siguiente integral
_

x
2
dx
(x
2
+ 1)
2
(x
2
+ 2x + 2)
f(z) =
z
2
(z
2
+ 1)
2
(z
2
+ 2z + 2)
donde hemos realizado la extension analtica f(x) f(z) y ubicado sus polos de z = i y z = i 1 en
el semiplano complejo y > 0 y los encerrados por el circuito descrito en el cuadrante I de la gura 8.8.
El primero de estos polos es de segundo orden, mientras que el segundo corresponde a un polo simple.
Consecuentemente, los residuos se calculan invocando la relacion general (8.20) arriba expuesta. Con lo cual
para
z = i lm
zi
_
d
dz
_
(z i)
2
z
2
(z i)
2
(z +i)
2
(z
2
+ 2z + 2)
__
=
12 + 9i
100
y para
z = i 1 lm
zi1
(z i + 1)
z
2
(z
2
+ 1)
2
(z i 1)(z +i 1)
=
3 4i
25
Finalmente, podemos evaluar la integral
_

x
2
dx
(x
2
+ 1)
2
(x
2
+ 2x + 2)
= 2i
2
j=1
Res f(z)
z=z0j
= 2i
_
12 + 9i
100
+
3 4i
25
_
=
7
50
Ejercicios Evaluar las siguientes integrales
_

0
dx
(x
2
+ 1)(x
2
+ 4)
2
;
_

0
dx
x
4
+x
2
+ 1
;
_

dx
(x
2
+ 4x + 5)
2
Integrales de funciones racionales de cos y sen
Ahora mostraremos la estrategia para integrales de funciones racionales de funciones trigonometricas,
((cos , sen ). La idea es transformar estas integrales en otras de funciones de varible compleja a traves
de los cambios de variables que conectan las funciones trigonometricas y los n umeros complejos. Esto es
transformar integrales de la forma
_
2
0
d ((cos , sen )
_
C
dz
zi
f(z)
mediante cambios de variables estandares
z = re
i
d =
dz
zi
; cos =
1
2
_
z +
1
z
_
; y sen =
1
2i
_
z
1
z
_
(8.24)
Ejemplo En las tablas de integrales encontrabamos
12
que
_
2
0
d
a +bsen
=
2
a
2
b
2
con [a[ > [b[
veamos como se llega a ese resultado.
12
Encontr abamos porque hoy en da estas integrales las calculamos con manipuladores simbolicos del tipo Maple, Reduce,
Matemathica o Mupad
Haciendo z = re
i
y asumiendo las consecuencias, tal y como se presenta en (8.24) arriba, tendremos que
_
2
0
d
a +bsen
=
_
C
dz
zi
a +
b
2i
_
z
1
z
_ =
_
C
2dz
bz
2
+ 2aiz b
con C una circunferencia [z[ = 1
los polos de
f(z) =
2
bz
2
+ 2aiz b
z
0
=
a
a
2
b
2
b
i
son los valores de z que anulan el denominador de f(z). Seguidamente vericamos la ubicacion de los polos
simples y comprobamos que como [a[ > [b[ entonces
[z
+0
[ =
a +
a
2
b
2
b
i
< 1 y [z
0
[ =
a
2
b
2
b
i
> 1
y por lo tanto, solo el primero de los polos esta encerado por el circuito C con [z[ = 1 tal y como muestra
en el cuadrante III de la gura 8.8.
Una vez mas calculamos el residuo para z
+0
a partir de (8.20). Entonces tendremos que
Res f(z)[
z=z+0
= lm
zz+0
(z z
+0
)
2
bz
2
+ 2aiz b
= lm
zz+0
2
2bz + 2ai
=
1
bz
+0
+ai

i
a
2
+b
2
nalmente
_
2
0
d
a +bsen
=
_
C
2dz
bz
2
+ 2aiz b
= 2iRes f(z)
z=z+0
=
2
a
2
b
2
Ejercicios Compruebe las siguientes evaluaciones
_
2
0
d
a +b cos +csen
=
2
a
2
b
2
c
2
con a
2
> b
2
+c
2
;
_
2
0
cos
2
3 d
5 4 cos 2
=
3
8
Integrales de Fourier
Otro grupo de integrales que pueden ser evaluadas mediante el Teorema de Residuos son las integrales de
Fourier. Integrales que involucran funciones racionales, f(x), que satisfacen las condiciones expuestas arriba
en la Seccion 8.10.3 y funciones senos y consenos. Integrales del tipo
_

dx f(x)
_
cos mx
sen mx
_
dx f(x)e
imx
_
C
dz f(z)e
imz
= 2i
m
j=1
Res
f(z)e
imz
z=z0j
(8.25)
Con m > 0 y los polos correspodientes a los residuos que se muestran en el lado derecho, estan ubicados en
el semiplano complejo con y > 0. Es claro que el circuito seleccionado es que muestra el cuadrante II de
la gura 8.8.
Equivalentemente, igualando partes reales e imaginarias
_

dx f(x) cos mx = 2
m
j=1
Im Res
f(z)e
imz
z=z0j
y
_

dx f(x)sen mx = 2
m
j=1
Re Res
f(z)e
imz
z=z0j
Otra vez, el circuito C se separa en una semicircunferencia y el eje real. para demostrar que para
evaluar las integrales de Fourier (8.25) se requiere la suma de los residuos nos convencemos que la integral a
lo largo de la semicircunferencia se anula. Esto es facil si comprobamos que recordamos que y > 0 y m > 0,
entonces si z = x +iy tendremos que
[e
imz
[ = [e
imx
[[e
my
[ = e
my
< 1 [f(z)e
imz
[ = [f(z)[ [f(z)[ [e
imz
[
con lo cual redujimos al de una funcion racional tratado en la Seccion 8.10.3.
Ejemplo: Comprobemos que
_

dx cos mx
x
2
+k
2
=

k
e
km
y
_

dx sen mx
x
2
+k
2
= 0
es facil ver que el polo simple de la continuacion analtica de f(x) es z
0
= ik y su residuo sera
f(z) =
e
imz
z
2
+k
2
z
0
= ik Res
e
imz
z
2
+k
2
z=ik
=
e
imz
2z
z=ik
=
e
mk
2ik
y por lo tanto
_

dx
e
imx
x
2
+k
2
= 2i
e
mk
2ik
=

k
e
mk
Ejemplo: Evalue
_

dx
xsen x
x
2
+ 2x + 5
Partimos de la continuacion analtica de
f(x) f(z) =
ze
iz
z
2
+ 2z + 5
z
0
= 1 2i
_
C
dz
ze
iz
z
2
+ 2z + 5
= Res
ze
iz
z
2
+ 2z + 5
z=1+2i
ya que ese es el unico polo encerrado por la circulacion . Calculando el residuo tendremos
Res
ze
iz
z
2
+ 2z + 5
z=1+2i
= lm
z1+2i
_
(z + 1 2i)
ze
iz
z
2
+ 2z + 5
_
= (1 + 2i)
e
(2+i)
4i
con lo cual
_
C
dz
ze
iz
z
2
+ 2z + 5
=
_

dx
xcos x
x
2
+ 2x + 5
+i
_

dx
xsen x
x
2
+ 2x + 5
= 2i(1 + 2i)
e
(2+i)
4i
=

2
(1 2i)e
2
igualando parte real e imaginaria tendremos que
_

dx
xcos x
x
2
+ 2x + 5
=

2
e
2
y
_

dx
xsen x
x
2
+ 2x + 5
= e
2
Ejercicios: Compruebe que
Para m > 0
_

0
dx
cos mx
(x
2
+ 1)
2
=
e
m
(1 +m)
4
y
_

0
dx
cos 2x
x
4
+x
2
+ 1
=

2
3
e
/
3
Otras Integrales Impropias
Existen integrales denidas para las cuales el integrando se hace innito para un determinado punto en
el rango de integracion. Esto es, en general
lm
xx0
[f(x)[
_
b
a
dx f(x) = lm
0
_
x0
a
dx f(x) + lm
0
_
b
x0+
dx f(x)
donde y tienden a cero de forma independiene, es decir, ambos lmites se efectuan independientemente.
Ahora bien, puede darse el caso que uno o ambos lmites no existan pero si exista
lm
0
_
_
x0
a
dx f(x) + lm
0
_
b
x0+
dx f(x)
_
V.P.
_
b
a
dx f(x)
Diremos entonces que existe el Valor Principal de Cauchy para esa integral. La estrategia en estos casos
sera dise nar un circuito tal que evite los polos de la extension analtica de la funcion. Normalmente se
establece este recorrido rodeando los polos con arcos de circunferencia cuyos radios luego tenderan a cero.
Veamos con un ejemplo esta estrategia de circunsnavegacion.
Ejemplo: Consideremos que queremos evaluar la siguiente integral
_

0
dx
sen x
x
lm
x0
sen x
x
= 1
Si bien el lmite esta denido, cuando hacemos la extension analtica
13
f(x) = sen x/x f(z) = e
iz
/z la
funcion compleja presenta un polo simple en z = 0, con lo cual la integral compleja presenta un polo en la
region de integracion. Esto es
_

0
dx
sen x
x

_
C
dz
e
iz
z
=
_

R
dx
e
ix
x
+
_
C2
dz
e
iz
z
+
_
R
dx
e
ix
x
+
_
C1
dz
e
iz
z
= 0
donde hemos construido un circuito que rodea el polo z = 0 (cuadrante IV de la gura 8.8.). Es claro que
_
C
dz
e
iz
z
= 0 porque la region no contiene ning un polo.
Ahora mostraremos que
_
C1
dz
e
iz
z
0, cuando R . Para ello, convertimos z = Re
i
dz/z = id,
entonces
_
C1
dz
e
iz
z
_

0
d ie
iz
_

0
d [e
iz
[ =
_

0
d [e
iRcos
[
. .
1
[e
Rsen
[ =
_

0
d e
Rsen
con lo cual
1
1
=
_

0
d [e
iz
[ =
_

0
d e
Rsen
= 2
_
/2
0
d e
Rsen
= 2
_
_
_

0
d e
Rsen
. .
I1
+
_
/2
d e
Rsen
. .
I2
_
_
para 0 /2. Es claro que e
Rsen
es una funcion decreciente en y como estamos tratando de
demostrar que la integral a lo largo del circuito se anula 1
1
0, podremos considerar los maximos valores
13
Notese que la extension analtica ha sido f(x) = sen x/x f(z) = e
iz
/z y no f(x) = sen x/x f(z) = sen z/z La razon
de esta selecci on se fundamenta en el comportamiento patol ogico (oscilante) de la funcion seno en innito
para I
1
y I
2
en el entorno de integracion y jarlos como constantes, al hacer esto tendremos lo maximos
valores que podra tomar las integrales respectivas. Los maximos valores para I
1
y I
2
, son, 1 y e
R
. Entonces,
1
1
=
_

0
d [e
iz
[ 2
_
_

0
d +e
Rsen
_
/2
d
_
= 2
_
+e
Rsen
_
2

__
< 2 +e
Rsen
Al considerar que 0 y R comprobamos que 1
1
0.
Seguidamente nos toca demostrar que 1
2
=
_
C2
dz
e
iz
z
0 cuando 0. Para este caso z = e
i
y como
siempre, dz/z = id, entonces la integral
1
2
=
_
C2
dz
e
iz
z
=
_

0
d ie
i exp(i)
lm
0
1
2
= lm
0
_

0
d ie
i exp(i)
= i
Esto implica que
_
C
dz
e
iz
z
=
_

R
dx
e
ix
x
+i +
_
R
dx
e
ix
x
= 0
. .
xx
_
R
dx
e
ix
e
ix
x
+i = 0
con lo cual es claro que
_
R
dx
e
ix
e
ix
x
= i 2i
_
R
dx
sen x
x
= i
_

0
dx
sen x
x
=

2
donde hemos hecho los lmites R y 0
Ejercicios: Comprobar las evaluaciones para las siguientes integrales
1.
_

0
dx sen x
2
=
_

0
dx cos x
2
=
2
4
2.
_

0
dx
lnx
x
4
+ 1
=
2
16
;
_

0
dx
(lnx)
2
x
4
+ 1
=
3
3
2
16
3.
_

0
dx
x
p
x
2
+ 2xcos + 1
=
_

sen p
_
_
sen p
sen
_
Agradecimientos
Quisiera agradecer a tantos estudiantes entusiastas quienes, nos han se nalado montones de gazapos y
errores de transcripcion. Ellos han tenido la paciencia de soportarlos. Gracias por esa paciencia.
Bibliografa
[Aleksandrov Kolmogorov y Lavrentiev 1999] A. D. Aleksandrov, A. N. Kolmogorov y M. A. Lavrentiev
(1999) Mathematics: Its Content, Methods and Meaning. (Dover Publications, New York) Existe
traduccion por Editorial Alianza Universidad.
[Arfken, Weber y Weber 2000] Arfken, G. B.,Weber, y H., Weber, H.J. (2000) Mathematical Methods
for Physicists 5ta Edicion (Academic Press, Nueva York)
[Byron y Fuller 1970] Byron, F.W. y Fuller W.F. (1970) Mathematics of Classical and Quantum Phy-
sics (Dover Publications, New York)
[Chow 2000] T. L. Chow (2000) Mathematical Methods for Physicists: A Concise Introduction
(Cambridge University Press, Cambridge)
[Churchill y Brown1989] R. V. Churchill y J. W. Brown (1989) Complex Variables and Applications
(McGraw-Hill, New York).
[Dennery y Krzywicki1995] P. Dennery y A. Krzywicki (1995) Mathematics for Physicists (Dover Pu-
blications, New York)
[Gonzalez 2003] A. Gonzalez-Lopez Variable Compleja Universidad Complutense de Madrid, Madrid
Espa na. Disponible en http://www.ucm.es/info/metodos/pdf/Apuntes/vc-ag/vc-ag.pdf
[Harper 1971] Harper, C. (1971) Introduction to Mathematical Physics (Prentice Hall, Englewood Cli,
N.J.)
[Knopp 1996] K. Knopp (1996) Theory of Functions, Parts I and II (Dover Publications, New York)
[math-atlas.orgURL] The Mathematical Atlas http://www.math-atlas.org/welcome.html
[N u nez 2005] L.A. N u nez (2005) Los Vectores de Siempre Formulario de Metodos Matematicos de la
Fsica 1. Universidad de Los Andes, Merida Venezuela, Disponible en http://webdelprofesor.ula.
ve/ciencias/nunez/cursos.html
[N u nez 2006] L.A. N u nez (2006) Serie de Series Formulario de Metodos Matematicos de la Fsica 2. Uni-
versidad de Los Andes, Merida Venezuela, Disponible en http://webdelprofesor.ula.ve/ciencias/
nunez/cursos.html
[Riley, Hobson y Bence 2002] Riley, K.F., Hobson, M.P. y Bence, S.J. (2002) Mathematical Methods for
Physics and Engineering (Cambridge University Press, London)
[Spiegel 1959] Spiegel, M. (1967) Variable Compleja (Schaums Outline Series, McGraw Hill New York)
341
[WeissteinURL] Weisstein, E. W., MathWorld http://mathworld.wolfram.com/
[Wyld 1999] H. W. Wyld (1999) Mathematical Methods for Physics (Westview Press, Boulder Co.)
Captulo 9
Ecuaciones Diferenciales Ordinarias
de Primer Orden
343
9.1. Motivaci on y Origen
En Ciencias, una de las formas de modelar fenomenos fsicos es mediante su caracterizacion a traves de
una funcion matematica, digamos ( = ( (x, y, z; t). Desde los albores de la actividad cientca contemporanea
es imperioso describir los fenomenos fsicos en el lenguaje de las matematicas. Una las formas (la ideal) para
modelar los cambios de esta funcion, ( (x, y, z; t) , que depende de la posicion y del tiempo, es a traves
de una ecuacion en la cual estan involucradas la funcion, ( (x, y, z; t) y sus derivadas. A esa ecuacion la
llamaremos Ecuacion Diferencial. Existe toda una fauna de ecuaciones diferenciales y hoy disponemos de
un importante arsenal de tecnicas, metodos y herramientas para encontrar la funcion ( (x, y, z; t) , la cual
sera nuestra funcion incognita. Este curso trata, parcialmente, de mostrar parte de esta fauna y de indicarles
metodos para resolver un tipo particular de ecuaciones diferenciales: las Ecuaciones Diferenciales Ordinarias.
Empecemos por recordar que desde siempre hemos tratado, la mayor de las veces sin saberlo o sin
explicitarlo, con este tipo de ecuaciones en donde la incognita no es un n umero sino un conjunto de n umeros:
una funcion.
El caso mas emblematico lo constituye el conjunto de formulas que aprendimos en nuestra mas tierna
infancia intelectual cuando estudiabamos bachillerato o, mas recientemente, en los primeros cursos de Fsica
General de la Universidad. En aquellos entonces describamos el movimiento de partculas en una dimension,
a traves de dos ecuaciones:
V
f
= V
0
+at y d = V
0
t +a
t
2
2
(9.1)
de memoria repetamos que V
f
representaba la velocidad nal, V
0
la velocidad inicial, a la aceleracion, t
el tiempo transcurrido y d la distancia recorrida en ese tiempo. El problema consista en encontrar, para
un sinfn de situaciones fsicas, primeramente el valor de la aceleracion del movil y a partir de las Leyes de
Newton, luego conociendo la velocidad y la posicion inicial, encontrabamos la posicion, d, y la velocidad, V
f
en todo instante de tiempo. As, mediante diagramas de cuerpo libre y la utilizacion de las leyes de Newton,
encontrabamos el valor de la aceleracion y las formulitas (9.1) resolvamos el problema.
F
ext
= m a a =
F
ext
m

_
_
V
f
= V
0
+at
d = V
0
t +a
t
2
2
(9.2)
Lo mas probable es que nuestros profesores nos repitieran hasta el cansancio que la sumatoria de fuerzas
externas

F
ext
era constante, y lo mas seguro que nosotros en aquellos momentos no comprendieramos
la trascendencia de esa suposicion. El caso mas representativo era el del movimiento de un cuerpo bajo la
accion de un campo gravitatorio, mas a un: cada libre.
mg = m a a = g
_
_
V
f
= V
0
gt
d = V
0
t g
t
2
2
(9.3)
Lo que esta detras de este cuento que nos inicio en el estudio de la Fsica y a muchos de nosotros nos sedujo
para seguir estudiando y aprendiendo a tratar de describir la naturaleza, es, efectivamente, la utilizacion de
las Leyes de Newton para modelar el fenomeno del movimiento. De este modo
F
ext
= m a = m
d
2
x(t)
dt
2
= m
dV (t)
dt

_
_
V (t) =
dx(t)
dt
= V
0
+at
x(t) = V
0
t +a
t
2
2
(9.4)
S la sumatoria de fuerzas externas es una contante tendremos que
dV (t)
dt
= a =
F
ext
m
= constante
_
_
V (t) =
_
dt a = t a +C
2
x(t) =
_
dt (t a +C
2
) =
t
2
2
a +C
2
t +C
1
(9.5)
Claramente al identicar
C
2
= V (t = 0) = V
0
y C
1
= x(t = 0) = x
0
= 0 (9.6)
reobtenemos nuestras formulitas ancestrales. Es importante se nalar que
dV (t)
dt
= a y
dx(t)
dt
= t a +C
2
(9.7)
constituyen ecuaciones diferenciales donde las funciones incognitas son la velocidad, V (t), y la posicion, x(t),
respectivamente. Ambas funciones se encontraban dentro de un signo de derivada y fueron despejadas
mediante un proceso de integracion.
La descripcion del movimiento de partculas es mas rica y compleja. El movimiento de una gran cantidad
de partculas puede ser simulado a traves de una ecuacion diferencial del tipo

F
ext
_
r (t) ,

V (t) =
dr(t)
dt
; t
_
= m a = m
d
2
r(t)
dt
2
= m
d
V (t)
dt
(9.8)
El caracter vectorial implica tres ecuaciones diferenciales, una por cada dimension del movimiento, vale decir:

F
ext
_
r (t) ,
dr(t)
dt
; t
_
= m a
_
F
x
ext
_
r (t) ,
dr(t)
dt
; t
_
= m a
x
= m
d
2
x(t)
dt
2
= m
dV
x
(t)
dt
F
y
ext
_
r (t) ,
dr(t)
dt
; t
_
= m a
y
= m
d
2
y(t)
dt
2
= m
dV
y
(t)
dt
F
z
ext
_
r (t) ,
dr(t)
dt
; t
_
= m a
z
= m
d
2
z(t)
dt
2
= m
dV
z
(t)
dt
Ademas del caracter vectorial de la ecuacion, las componentes de la fuerza pueden dejar de ser constantes y
depender de no solo del tiempo, sino del vector posicion, del vector velocidad o, de ambas simultaneamente. En
este caso nuestras formulitas dejan de ser validas en general y debemos integrar las ecuaciones diferenciales
para obtener la trayectoria de la partcula r (t), conocidas: la masa, m, la expresion de la sumatoria de
fuerzas externas

F
ext
, la posicion y la velocidad inicial (r (t
0
) = r
0
y

V (t
0
) =

V
0
). Este problema se conoce
como el problema de condiciones iniciales y es, como hemos dicho antes, la razon de este curso. Antes,
intentare mostrar como ese conocimiento del movimiento bajo accion de una resultante de fuerzas constante,
es decir el movimiento de una partcula con aceleracion constante puede resultar muy util para resolver, de
forma aproximada, el caso mas general que hemos mencionado:

F
total
=

F
ext
_
r (t) ,
dr(t)
dt
; t
_
. Veamos
con detenimiento que signican estas armaciones.
Es claro el tiempo de evolucion esta comprendido entre el tiempo inicial y el tiempo nal, t
0
t t
final
.
Supongamos que dividimos ese intervalo de tiempo en N subintervalos
[t
0
, t
final
] = [t
0
, t
1
] [t
1
, t
2
] [t
2
, t
3
] [t
i
, t
i+1
] [t
N2
, t
N1
] [t
N1
, t
N
= t
final
] (9.9)
Figura 9.1: Diagrama de Cuerpo Libre de una esfera de corcho que emerge desde el fondo de un tanque de
agua.
de tal modo que en cada uno de esos N subintervalos la aceleracion es constante. En estas situacion, nuestras
formulitas son validas. Esto es
[t
0
, t
1
]
V (t
0
) = V
0
d (t
0
) = d
0
_
_
V (t
1
) = V
1
= V
0
+
F
ext
(d
0
, V
0
; t
0
)
m
[t
1
t
0
]
d (t
1
) = d
1
= V
0
[t
1
t
0
] +
F
ext
(d
0
, V
0
; t
0
)
m
[t
1
t
0
]
2
2
(9.10)
[t
1
, t
2
]
V (t
1
) = V
1
d (t
1
) = d
1
_
_
V
2
= V
1
+
F
ext
(d
1
, V
1
; t
1
)
m
[t
2
t
1
]
d
2
= d
1
+V
1
[t
2
t
1
] +
F
ext
(d
1
, V
1
; t
1
)
m
[t
2
t
1
]
2
2
(9.11)
.
.
.
[t
i
, t
i+1
]
V (t
i
) = V
i
d (t
i
) = d
i
_
_
V
i+1
= V
i
+
F
ext
(d
i
, V
i
; t
i
)
m
[t
i+1
t
i
]
d
i+1
= d
i
+V
i
[t
i+1
t
i
] +
F
ext
(d
i
, V
i
; t
i
)
m
[t
i+1
t
i
]
2
2
(9.12)
.
.
.
[t
N1
, t
N
]
V (t
N1
) = V
N1
d (t
N1
) = d
N1
_
_
V
N
= V
N1
+
F
ext
(d
N1
, V
N1
; t
N1
)
m
[t
N
t
N1
]
d
N
= d
N1
+V
N1
[t
N
t
N1
] +
F
ext
(d
N1
, V
N1
; t
N1
)
m
[t
N
t
N1
]
2
2
(9.13)
Notese que las posiciones y velocidades nales para cada intervalo, son las posiciones y velocidades iniciales
para el intervalo siguiente y que el valor de la aceleracion, que es variable, se toma como constante e igual
al valor que tiene en el comienzo del intervalo.
Para analizar este caso consideremos el caso de una esfera de corcho, con Radio R y masa M que se
suelta desde el fondo de un tanque de agua de profundidad h. Queremos conocer con que velocidad llega la
esfera a la supercie.
El diagrama de cuerpo libre se puede observar en la gura 9.1 y la ecuacion de Newton para este caso se
expresa como

F
ext
_
r (t) ,
dr(t)
dt
; t
_
= ma mg KV (t) +m
f
g = m
dV (t)
dt
(9.14)
En la cual hemos identicado
peso mg
Friccion KV (t)
Empuje m
f
g
(9.15)
Como aprendimos tambien hace alg un tiempo el empuje o fuerza de Arqumides es igual al peso del uido
desalojado por el cuerpo. Por ello aparece m
f
que representa la masa del uido. Para el caso en el cual el
uido no es viscoso, es decir, no hay fricci on con el uido, la ecuacion se reduce a

F
ext
_
r (t) ,
dr(t)
dt
; t
_
= ma mg +m
f
g = ma (9.16)
en la cual claramente la aceleracion es constante e igual a
a = g
_
m
f
m
1
_
g
_
c
1
_
= cte (9.17)
donde hemos indenticado
f
la densidad del uido y
c
la densidad del cuerpo.
Para encontrar la velocidad con la cual llega a la supercie, encontramos primero el tiempo que tarda en
subir y luego evaluamos la velocidad en ese tiempo. Esto es
h = g
_
c
1
_
t
2
2
t = 2
h
c
2g (
f

c
)
(9.18)
(9.19)
V
final
= g
_
c
1
_
2
h
c
2g (
f

c
)
(9.20)
En el caso general, descrito por la ecuacion (9.14), procedemos del mismo modo: encontramos el tiempo
en el cual llega la supercie y luego evaluamos la expresion para la velocidad para ese tiempo. Fjense
que la estrategia para resolver el problema fsico es la misma, solo que tendremos que disponer de un
arsenal adicional de herramientas y tecnicas para despejar la funcion velocidad. Aprenderemos a resolver
ecuaciones diferenciales de la misma manera que antes resolvamos ecuaciones algebraicas. En este caso la
solucion exacta para la expresion de la velocidad es
mg KV (t) +m
f
g = m
dV (t)
dt
V (t) =
g (mm
f
)
K
_
_
e
tK
m
1
_
_
(9.21)
Con lo cual
dy(t)
dt
= V (t) =
g (mm
f
)
K
_
_
e
tK
m
1
_
_
(9.22)
y la funcion posicion surge de integrar la ecuacion diferencial
Y (t) =
g(mm
f
)
K
2
2
_
_
me
tK
m
+tK m
_
_
(9.23)
desafortunadamente la no se puede despejar el tiempo de manera exacta por cuanto la ecuacion
gm(mm
f
)
K
2
2
_
_
e
K t
m
1 +
K t
m
_
_
= h (9.24)
es una ecuacion trascendente y debe ser resuelta numericamente. Haciendo algunas sustituciones simplica-
doras
m
f
=
4
3
R
3
; m =
4
3
R
3
f
=
c
= y K = 6 R (9.25)
Donde y representan las densidades relativas del uido y del cuerpo respecto al agua (de densidad ),
respectivamente. Seguidamente sustituimos los valores numericos
g = 9,8; R = 0,02; = 10
3
; = 1; = 0,8; V
0
= 0; = 1,002 10
3
(9.26)
la ecuacion (9.24) nos queda para h = 10, mts
10 = 12339,72755 (1 exp(0,01409062500t)) 173,8744736t (9.27)
y se obtiene t
final
= 2,876443096 sg. con el cual se eval ua la ecuacion para la velocidad
V (t) = 173,8744730 (1 exp(0,01409062500t)) V
final
= 6,9063798 m/s (9.28)
En la siguiente tabla se implementan las ecuaciones (9.10) a (9.13) habida cuenta de las simplicaciones
(9.25) y los valores numericos (9.26) para h = 1/10 [t
i+1
t
i
]
t
i
(s) V
i
(m/s) d
i
(m) V (t) (m/s) d (t) (m)
0.100 0.2449999997 0.01224999998 0.2448275 0.01225
0.200 0.4896547791 0.04898273892 0.4893102 0.04895
0.300 0.7339648246 0.11016371910 0.7334487 0.11009
0.400 0.9779306220 0.19575849150 0.9772434 0.19563
0.500 1.221552656 0.30573265540 1.2206949 0.30553
0.600 1.464831412 0.44005185880 1.4638035 0.43976
0.700 1.707767373 0.59868179800 1.7065698 0.59828
0.800 1.950361022 0.7815882177 1.9489943 0.78106
0.900 2.192612841 0.9887369109 2.1910775 0.98807
1.000 2.434523312 1.220093719 2.4328198 1.21926
1.100 2.676092916 1.475624530 2.6742217 1.47462
1.200 2.917322134 1.755295283 2.9152836 1.75410
1.300 3.158211444 2.059071962 3.1560062 2.05767
1.400 3.398761326 2.386920600 3.3963898 2.38529
V
i
y d
i
representan la velocidad y la posicion aproximada, tal y como se expresan en las ecuaciones (9.10)
a (9.13). Mientras que V (t) y d (t) ilustran los valores de la velocidad y la posicion exactas, calculadas a
partir de las ecuaciones (9.22) y (9.23). Es clara que la aproximacion es buena hasta la primera cifra decimal.
9.2. Empezando por el principio
9.2.1. Ejemplos de Algunas ecuaciones diferenciales
Thomas Robert Malthus
1
fue uno de los primeros en darse cuenta que
N la poblacion crece como una razon

geometrica mientras que los medios de subsistencias crecen de manera aritmetica. Esta armacion plasmada
en su Ensayo sobre el Principio de Poblaciones, el cual inspiro a Darwin en la formulacion de principio
de seleccion natural. Malthus, muy religioso y creyente pensaba que esa diferencia en el crecimiento de la
1
En honor al economista poltico ingles Thomas Robert Malthus (1766-1834).
poblacion y las necesidades que ellas generaban, eran de procedencia divina y que forzara a la humanidad a
ser mas laboriosa e ingeniosa para lograr los medios de subsistencia. Darwin, no tan religioso, lo formulo como
una situacion natural presente en todas las especies.
Ley de Malthus/Decaimiento Radioactivo
d
dx
y(x) = k y(x) y(t) = y
0
e
k t
con y(0) = y
0
(9.29)
Para k > 0 la poblacion crece y para k < 0 tenemos una situacion de decaimiento: la poblacion decrece con
el tiempo. Este concepto se utiliza los procesos de decaimiento radiactivo.
La ecuacion logstica o Ley de Verhulst
2
se utiliza para describir el crecimiento de la poblacion de una
manera mas precisa que la Ley de Malthus. Esta ecuacion toma en cuenta le decrecimiento de la poblacion
con el termino y
2
y
t
= (k ay) y = ky ay
2
y(t) =
k y
0
a y
0
+ (k a y
0
) e
k t
La Ley de Enfriamiento de Newton que expresa que la tasa de cambio de la temperatura respecto al
tiempo es proporcional a la diferencia de temperatura entre el cuerpo y el medio ambiente.
dT
dt
= k(T T
m
) T = (T
0
T
m
) e
k t
+T
m
con T(0) = T
0
La Ley de Torricelli la cual establece que (para un tanque cilndrico) la tasa de cambio respecto al tiempo
del la profundidad del agua en un tanque es proporcional a su raz cuadrada
dy
dt
=
k
A
y y(t) =
_
1
2
t +y(0)
2
_
9.2.2. De Ecuaciones y Ecuaciones Diferenciales
Al igual que desde nuestra mas tierna infancia consideramos una ecuacion algebraica como aquella que
se cumpla para ciertos valores de x = x
0
, llamaremos ahora una ecuacion diferencial aquella que se cumple
para ciertas funciones i.e.
x
2
4x + 4 = 0 x
0
= 2
df(x)
dx
f(x) = 0 f(x) = e
x
Es decir si f(x) es una funcion contnua en un intervalo a x b, llamaremos una ecuacion diferencial
ordinaria a una expresion que involucre x, f(x) y derivadas de f(x). Utilizaremos para tal efectos varias
notaciones, equivalentes que se justican por la larga tradicion en esto
d
2
f(x)
dx
2
+g(x)
df(x)
dx
af
2
(x) = k(x) f
tt
(x)+g(x)f
t
(x)af
2
(x) = k(x) f
xx
(x)+g(x)f
x
(x)af
2
(x) = k(x)
Se llaman ordinarias porque involucran funciones de una sola variable y derivadas respecto a ella. Otras
ecuaciones diferenciales del tipo
2
(x, y)
xy
+g(x)
(x, y)
x
a
2
(x.y) = p(y)
xy
(x) +g(x)
xy
(x) a
2
(xy) = p(y)
Las llamaremos ecuaciones diferenciales en derivadas parciales o, simplemente ecuaciones diferenciales par-
ciales, porque contienen funciones (y derivadas) de varias variables.
2
Pierre Francois Verhulst 1804 - 1849 Matematico Belga con sus mas importantes comtribuciones en estadstica de-
mograca
9.2.3. Fauna y Nomenclatura de Ecuaciones Diferenciales Ordinarias
Orden y linealidad
Una ecuacion diferencial T[x, y(x), y
t
(x), y
tt
(x), y
tt
(x), , y
(n)
(x)] = 0 sera lineal si solo parecen funcio-
nes lineales de y(x) y sus derivadas.
df(x)
dx
d
2
f(x)
dx
2
+f(x)
df(x)
dx
af
2
(x) = k(x) no lineal o alineal
f
tt
(x) +g(x)f
t
(x) af(x) = k(x) lineal
El orden de la derivada mayor dene el orden de la ecuacion diferencial del tipo
T[x, y(x), y
t
(x), y
tt
(x), y
tt
(x), , y
(n)
(x)] = 0
a
n
(x)
d
n
f(x)
dx
n
+a
2
(x)
d
2
f(x)
dx
2
+a
1
(x)
df(x)
dx
+a
0
(x)f(x) = g(x)
n
k=0
a
k
(x)
d
k
f(x)
dx
k
= g(x)
sera de orden n
Una ecuacion diferencial F(x, y(x), y
t
(x), y
tt
(x), y
tt
(x), , y
(n)
(x), ) = 0 sera homogenea (inhomogenea)
si NO contiene terminos independientes en f(x)
d
2
f(x)
dx
2
+g(x)
df(x)
dx
af(x) = k(x) lineal inhomogenea
f
tt
(x) +g(x)f
t
(x) af(x) = 0 lineal homogenea
Soluciones Explcitas e Implcitas
Hay de todo en la vi na de las soluciones. Las soluciones heredan su nombre del tipo de funcion que las
representa, as tendremos soluciones explcitas cuando las funciones sean soluciones y sean explcitas. Esto
es
d
2
y(t)
dt
2
= y(t) + 4 e
t
y(t) = e
t
C
2
+e
t
C
1
+ 2 te
t
y tambien
y
t
= (x +y)
2
y(t) = tan(t C
1
) t con t C
1
,=

2
Las soluciones seran implcitas si son representadas por funciones de esa estirpe
y y
t
+x = 0 f(x, y) = x
2
+y(x)
2
25 = 0
_
y =

25 x
2
y =
25 x
2
con 5 < x < 5
Se tiene que seleccionar una rama de la funcion raz. Igualmente sera solucion implcita
(y
2
(x) x) y
t
(x) y(x) +x
2
= 0 f(x, y) = x
3
+y
3
(x) 3xy(x) = 0
y esta segunda no es tan facil de descubrir como solucion. Para comprobarla derivamos la solucion
d(f(x, y))
dx
=
d
_
x
3
+y
3
(x) 3xy(x)
_
dx
= 0 3x
2
+ 3y
2
(x)
dy(x)
dx
3y(x) 3x
dy(x)
dx
= 0
Figura 9.2: Graca de la funcion implcita f(x, y) = x
3
+y
3
(x) 3xy(x) = 0
simplicando y agrupando tendremos la solucion. Otra vez, la funcion la funcion no es univaluada. Al
gracarla (ver Figura 9.2) nos damos cuenta que tenemos tres varias soluciones de funciones univaluadas
unas contnuas y otras no. La funcion es univaluada fuera del lobulo. Esto es para x 0 x > 2
2
3
. Con lo
cual tendremos que seleccionar, dentro del lobulo, cual de las partes univaluada corresponde la solucion.
Soluciones Generales y Particulares
Veamos las siguientes ecuaciones y soluciones
y
t
= e
x
y(x) = e
x
+C
1
y
tt
= e
x
y(x) = e
x
+C
2
x +C
1
y
ttt
= e
x
y(x) = e
x
+C
3
x
2
+C
2
x +C
1
Cada una de las soluciones representan familias de soluciones, una para cada constante. Este tipo de soluciones
las denominaremos soluciones generales. Es decir, llamaremos solucion general de una ecuacion diferencial
aquella que queda indeterminada por un conjunto de constantes C
1
+ C
2
+ C
3
+ C
n
. En contraste,
cuando particularizamos los valores de las constantes C
3
, C
2
, C
1
tendremos una solucion particular par cada
una de las ecuaciones. Adicionalmente, cuando nos referimos las ecuaciones no lineales el concepto de solucion
particular vara. Soluciones particulares en este tipo de ecuaciones seran aquellas que se cumplen para rangos
(o puntos) muy particulares. Vale decir
(y
t
)
2
+y
2
= 0
(y
tt
)
2
+y
2
= 0
_
y = 0 unica solucion
Tamibien en este caso llamaremos a este tipo de soluciones, particulares. De igual modo puede darse casos
para los cuales no exista solucion en un determinado intervalo.
[y
t
[
2
+ 1 = 0
[y
tt
[
2
+ 1 = 0
_
no tienen solucion
Ecuaciones de la forma
xy
t
= 1 para 1 < x < 0 0 < x < 1 y(x) = ln[x[ +C
_
_
_
y(x) = ln(x) +C
1
para x > 0
y(x) = ln(x) +C
1
para x < 0
Tienen soluciones particulares para intervalos de la variables x. Del mismo modo
(y
t
y)(y
t
2y) = 0 (y(x) C
1
e
x
)
_
y(x) C
2
e
2x
_
= 0
tendra dos soluciones particulares.
Familia de soluciones nparametricas
Si y(x) = f(x, C
1
, C
2
, C
n
) es soluci on de una ecuacion diferencial
T[x, y(x), y
t
(x), y
tt
(x), , y
(n)
(x)] = 0 y(x) = f(x, C
1
, C
2
, C
n
)
para n constantes C
1
, C
2
, C
3
, C
n
arbitrarias. Entonces diremos que
y(x) = f(x, C
1
, C
2
, C
n
) es una familia n parametrica de soluciones
Existe una diferencia entre una solucion general de una ecuacion y una solucion nparametrica. La solu-
cion general tiene que contener todas las soluciones una ecuacion diferencial determinada. Una solucion
nparametrica no necesariamente. Veamos
y = xy
t
+ (y
t
)
2
_
y(x) = Cx +C
2
y(x) =
x
2
4
Uno llega a estar tentado de llamar solucion general a la solucion 1parametrica y(x) = Cx + C
2
. Sin
embargo, deja por fuera otra solucion que no tiene que ver con un valor particular de las constantes C.
Otro ejemplo, lo constituye
y
t
= 2y
3
2
y(x) =
C
2
(Cx + 1)
2
x. Pero tambien y(x) =
1
_
x +

C
_
2
es solucion, pero y(x) ,= 0
Una solucion nparametrica se denominara solucion general si contiene todas las soluciones de una de-
terminada ecuacion diferencial.En el caso de ecuaciones diferenciales lineales, las soluciones nparametricas
contituyen las soliciones generales a las ecuaciones diferenciales.
Solucion particular, valores iniciales vs valores de contorno
Dependiendo de la situacion fsica que estemos modelando quiza podamos determinar las constantes
arbitrarias de una familia nparametrica con informacion para un unico punto x = x
0
. Esto es
T[x, y(x), y
t
(x), y
tt
(x), , y
(n)
(x)] = 0 y(x) = f(x, C
1
, C
2
, C
n
)
..
y(x
0
) C
1
= c
1
y
t
(x
0
) C
2
= c
2
y
n1
(x
0
) C
n
= c
n
. .
y(x) = f(x, c
1
, c
2
, c
n
)
En este caso diremos que tendremos problema de valores iniciales, ya que determinamos las constantes
arbitrarias a partir de la informacion de la funcion y sus derivadas en un solo punto. Si consideramos
y
tt
+
2
y = 0 con
_
y(0) = 0
y
t
(0) = 1
_
y(x) =
1
senx
Si por el contrario, para determinar el valor de las constantes arbitrarias disponemos de informacion de
la funcion y sus derivadas en dos o mas puntos, diremos que tendremos un problema de contorno. Esto es
y
tt
+
2
y = 0 con y(0) = y(1) = 0 y(x) = sennx
Notese que tambien pudimos haber tenido informacion del tipo y(0) = y
0
, y
t
(1) = y
t
1
; y
t
(0) = y
t
0
, y
t
(1) = y
t
1
o y
t
(0) = y
0
, y(1) = y
t
1
y para cada uno de estos caso tendremos una solucion distinta.
Demostraremos que los problemas de valores iniciales para ecuaciones diferenciales lineales siempre tienen
solucion particular (siempre se pueden determinar las constantes a partir de la informacion de la funcion y
las derivadas en UN punto). No as los problemas de valores de contorno.
9.2.4. Metodos elementales de integracion
Para comenzar expondremos unos metodos de integracion, los cuales si bien son elementales y casi triviales
para este caso, seran utilizados en lo que sigue, con bastante frecuencia.
Integracion directa
La integracion directa tiene varias variantes las cuales nos hemos tropezado en varias situaciones de
modelaje y que nos han permitido integrar (intuitivamente) ecuaciones diferenciales. La mas directa de
todas ha sido
dy(x)
dx
= f(x)
_
dy(x) =
_
dx f(x) y(x) =
_
dx f(x) +C
por lo cual, al integrar (analtica o numericamente) tendremos la expresion para la funcion y(x).
La integracion directa fue la estrategia que utilizamos arriba para encontrar las formulitas que nos
aprendimos en bachillerato. Esto es
F
ext
m
=
dV (t)
dt
= a = constante
_
_
V (t) =
_
dt a = t a +C
2
x(t) =
_
dt (t a +C
2
) =
t
2
2
a +C
2
t +C
1
en la cual al recordar las condiciones iniciales
V (0) = V
0
C
2
V (t) = V
0
+at
x(0) = x
0
C
1
x(t) = x
0
+V
0
t +a
t
2
2
La primera variante en la estrategia de integracion directa es
dy(x)
dx
= f(y)
_
dy
f(y)
=
_
dx T[y(x)] = x +C
Figura 9.3: Familia de soluciones 1parametrica para a =
1
3
. En particular han sido tomados los valores
C = 3, 2, 1, 0, 1, 2, 3
donde T[y(x)] sera un funcional, desde el cual quiza se pueda despejar y(x). Esta estrategia se ilustra mas
o menos as
dy(x)
dx
= ay (x) con y(0) = 2 entonces
_
dy
y
= a
_
dx y
g
(x) = Ce
ax
y
p
(x) = 2e
ax
la Figura 9.3 muestra varias soluciones particulares pertenecientes a esta familia, para a =
1
3
.
Otro ejemplo de integracion directa surge de
yy
t
= (y + 1)
2
yy
t
(y + 1)
2
= 1
_
ydy
(y + 1)
2
=
_
dx para y ,= 1
1
y + 1
+ ln[y + 1[ = x +C
que no es otra cosa que una familia de soluciones implcitas, uniparametrica. Para una condicion inicial
y(2) = 0 entonces
y(2) = 0 C = 1
1
y + 1
+ ln[y + 1[ = x 1 para y ,= 1
una vez mas esta familia de solucines 1parametrica no constituye la solucion general de es ecuacion diferen-
cial ya que no contiene todas las solucines. En este caso y(x) = 1 tambien es solucion y no esta contenida.
Mi primera ecuacion separable
Los casos anteriores de integracion directa son generalizados por una ecuacion que llamaremos separable.
Esto es la funcion (funcional) de dos variables del lado derecho se supone que es el resultado del producto
de dos funciones de una variable, con lo cual las variables dependientes e independientes se agrupan a lados
distintos de la igualdad.
dy(x)
dx
= H[y(x), x]
dy(x)
dx
= Y (y(x))X(x)
dy
Y (y)
= X(x) dx
_
dy
Y (y)
=
_
X(x) dx
Figura 9.4: Mapa de las Ecuaciones diferenciales explcitas
Este es el caso con
dy(x)
dx
= x +xy
_
dy
1 +y
=
_
x dx ln(1 +y) =
x
2
2
+C y(x) = Ae
x
2
2
con C y A constantes arbitrarias a ser determinadas por las condiciones iniciales.
Mi primera ecuacion diferencial exacta y el factor integrador
La mayor de las veces tendremos que idearnos un factor, (x), con el cual multipliquemos la ecuacion di-
ferencial y la convirtamos en una ecuacion diferencial exacta. Lo mostraremos con un ejemplo. Consideremos
la ecuacion diferencial
dy(x)
dx
= e
x
ay(x) con y(0) = 2 entonces
dy(x)
dx
+ay(x) = e
x
(x)
_
dy(x)
dx
+ay(x)
_
?
d[(x)y(x)]
dx
y, efectivamente, para este caso
(x) = e
ax
e
ax
dy(x)
dx
+ay(x)e
ax
= e
x
e
ax
d(e
ax
y(x))
dx
= e
ax
e
x
_
d(e
ax
y(x)) =
_
dx e
(a1)x
de forma y manera que
e
ax
y(x) =
1
a 1
e
(a1)x
+C y(0) = 2 C = 2
1
a 1
=
2a 3
a 1
y
p
(x) =
1
a 1
_
e
x
+ (2a 3)e
ax
_
Un par comentarios son pertinentes:
Llamaremos al termino (x) factor integrador de la ecuacion diferencial. Esta relacionado con propie-
dades de simetra de la ecuacion, pero en este nivel lo buscaremos tanteando.
La solucion general de esa ecuacion diferencial toma la forma de y
g
(x) = (e
x
+Ce
ax
) donde el
segundo de los terminos y
g h
(x) = Ce
ax
corresponde a la solucion general para la ecuacion homogenea
asociada a esa ecuacion diferencial:
dy(x)
dx
+ ay(x) = 0. El otro termino y
inh
(x) = e
x
corresponde
a la solucion particular de la inhomogenea:
dy(x)
dx
+ ay(x) = e
x
. Esta sera una propiedad general
para ecuaciones diferenciales lineales de cualquier orden. Resolveremos la ecuacion homogenea y luego
encontraremos la solucion de la inhomogenea. La solucion general sera una suma de ambas soluciones
Figura 9.5: Isoclinas para cuatro ecuaciones diferenciales. Cuadrante I muestra la ecuacion
dy(x)
dx
= e
x
1
3
y(x) y se muestran las soluciones particulares para las condiciones iniciales y(0) = 0,75, y(0) = 0,50, y(0) =
0, y(0) = 0,50, y(0) = 0,75. El Cuadrante II corresponde a las tangentes generadas a partir de la ecuacion
dy(x)
dx
=
y(x)
x
. Notese son curvas integrales radiales que para el punto x = 0 no esta denida la curva integral.
En el Cuadrante III represente las tangentes de la ecuacion
dy(x)
dx
=
x
y(x)
. Finalmente el Cuadrante IV
contiene las tangentes a la ecuacion
dy(x)
dx
= 1 + x y(x) en ella se han indicado las curvas integrales para
las soluciones particulares correspondientes a las condiciones iniciales y(0) = 0,75, y(0) = 0,50, y(0) =
0, y(0) = 0,50, y(0) = 0,75.
En general
y
t
+ay = g(x) (x) = e
ax
y
g
(x) = e
ax
_
x
x0
dt g(t)e
at
. .
soluci on de la inhomogenea
+ Ce
ax
. .
solucion de la homogenea
la demostracion la dejamos como ejercicio para el lector.
Para nalizar la gura 9.4 muestra el mapa de ruta para la resolucion de las ecuaciones diferenciales
ordinarias, lineales.
Metodo de las Isoclinas
Este metodo se basa en la idea de campo y curvas integrales que vimos cuando estudiamos campos
vectoriales. La idea es bien simple. En general una ecuacion diferencial de primer orden (explcita respecto a
la derivada) se podra representar como y
t
= f(y, x). Ahora bien, el lado derecho de esa igualdad lo representa
una funcion de dos variables, la cual tendra un valor en cada punto (x, y). Ese valor (por la igualdad que
representa la ecuacion diferencial) sera el valor de la derivada en ese punto y el valor de la derivada en un
punto, no es otra cosa que la pendiente de la recta tangente a ese punto. Con eso, al construir una graca
recordamos las curvas integrales de los campos vectoriales y reconstruimos las curvas solucion a partir de sus
tangentes. La Figura 9.5 contiene cuatro ejemplos de estas construcciones. As tendremos la representacion
graca para las tangentes de las siguientes ecuaciones diferenciales.
dy(x)
dx
= e
x
1
3
y(x) Cuadrante I
dy(x)
dx
=
y(x)
x
Cuadrante II
y tambien
dy(x)
dx
=
x
y(x)
Cuadrante III
dy(x)
dx
= 1 +x y(x) Cuadrante IV
Es importante se nalar que este metodo permite obtener las posibles soluciones de una ecuacion diferencial
no importa lo complicada que sea.
Puntos Ordinarios y Singulares
Llamaremos un punto ordinario de orden n a un punto x
o
en el cual la funcion y sus nderivadas estan
denidas, esto es y(x
o
), y
t
(x
o
), y
tt
(x
o
), , y
(n)
(x
o
). En contraste a un punto ordinario llamaremos punto
extraordinario o singular a un punto x
s
tal que la funcion o sus derivadas no se encuentran denidas en este.
Para ecuaciones diferenciales ordinarias de primer orden, los puntos ordinarios y singulares tienen que ver
con la funci on y su primera derivada. Notese que en el cuadrante I y IV de la Figura 9.5 todos los puntos
son ordinarios de orden innito. En el cuadrante II la funcion no esta denida para x
s
= 0 con lo cual es un
punto singular, y en el cuadrante III, la funcion esta denida para x
s
= 0 pero no as su derivada.
9.3. Ecuaci on Diferenciales de Primer Orden
Ahora de manera un poco mas sistematica diremos que una ecuacion diferencial de primer orden sera un
funcional tal que si es explcita respecto a la derivada se podra despejarla
T[x, y(x), y
t
(x)] = 0
_
_
dy(x)
dx
= H[y(x), x] y
t

dy(x)
dx
= H(x, y)
Q(x, y)dy +P(x, y)dx = 0
9.3.1. Ecuaciones Diferenciales separables
La primera estrategia sera la que consideramos arriba en el sentido que la ecuacion diferencial sea separa-
ble. Es decir que las variables dependientes e independientes puedan ser agrupadas y, a partir de all intentar
una integracion de cada grupo por separado. Esto lo esbozamos arriba, mas o menos as
dy(x)
dx
= Y (y(x))X(x)
dy
Y (y)
= X(x) dx
_
dy
Y (y)
=
_
X(x) dx
o equivalentemente
P(x, y)dy +Q(x, y)dx = 0 P
1
(x)P
2
(y)dy +Q
1
(x)Q
2
(y)dx = 0
P
2
(y)
Q
2
(y)
dy +
Q
1
(x)
P
1
(x)
dx = 0
Otro ejemplo sera
y
t
=
1 x
2
5 y

_
1 x
2
dx +
_
5 y dy
_
dx
_
1 x
2
+
_
dy
_
5 y
con lo cual
y
t
=
1 x
2
5 y

1
2
x
_
1 x
2
+
1
2
arcsenx +
2
3
(5 +y)
3/2
= C para 1 x 1 y > 5
Notese que el el arcsenx es multivaluada por lo tanto debemos restringir el intervalo a su valor principal
2
< x <

2
Ejercicio Pruebe que
y
t
= x
1 y
1 x
2
_
1 x
2
2
_
1 y = C para 1 < x < 1 y < 1
Variaciones sobre separabilidad y coecientes inhomogeneos
Abra otras situaciones en las cuales encontremos ecuaciones diferenciales que podremos convertir en
separables:
dy(x)
dx
= f(ax +by +c
. .
z
) dz = adx +bdy
dy
dx
=
1
b
dz
dx

a
b

1
b
dz
dx

a
b
= f(z)
dz
dx
= bf(z) +a
Veamos
y
t
= sen
2
(x +y) dz = dx + dy y
t
= 1 +
dz
dx
z
t
= 1 + sen
2
(z)
_
dz
1 sen
2
(z)
=
_
dx
es decir
_
dz
cos
2
(z)
= x +C tanz = x +C tan(x +y) = x +C y = x + arctan(x +C)
Se puede tratar de generalizar el caso anterior puede y considerar ecuaciones diferenciales del tipo
dy(x)
dx
= f
_
a
1
x +b
1
y +c
1
a
2
x +b
2
y +c
2
_
Entonces, se distinguen dos casos dependiendo si las rectas a
1
x + b
1
y + c
1
= 0 y a
2
x + b
2
y + c
2
= 0 son
paralelas o no.
Si son paralelas
a
2
a
1
=
b
2
b
1
=
dy(x)
dx
= f
_
a
1
x +b
1
y +c
1
(a
1
x +b
1
y) +c
2
_

f(a
1
x +b
1
y)
la cual analizamos al comienzo de esta seccion y lo ilustraremos con el siguiente ejemplo
y
t
=
2x + 3y 1
4x + 6y + 2
= 2 z = 2x + 3y 1 dz = 2dx + 3dy y
t
=
1
3
(z
t
2)
con lo cual
1
3
(z
t
2) =
z
2z + 2
z
t
=
7z + 4
2z + 2

_
dz
2z + 2
7z + 4
=
_
dx
2
7
z +
6
49
ln(7z + 4) = x +C
Si no son paralelas, se intuye el siguiente cambio de variables
u = a
2
x +b
2
y +c
2
du = a
2
dx +b
2
dy dy =
1
b
2
b
1
_
du
a
2
dv
a
1
_
v = a
1
x +b
1
y +c
1
dv = a
1
dx +b
1
dy dx =
1
a
2
a
1
_
du
b
2
dv
b
1
_
con lo cual
dy(x)
dx
= f
_
a
1
x +b
1
y +c
1
a
2
x +b
2
y +c
2
_

_
1
a
2
(b
2
b
1
)
+
f
_
v
u
_
b
2
(a
2
a
1
)
_
du
_
1
a
1
(b
2
b
1
)
+
f
_
v
u
_
b
1
(a
2
a
1
)
_
dv = 0
donde la funcion f
_
v
u
_
se conoce como una funcion homogenea y al igual que la ecuacion diferencial que
hereda de esta su nombre. Este tipo de ecuaciones diferenciales seran consideradas en la proxima seccion.
Otro enfoque (equivalente) de este mismo problema puede ser consultado en el problemario de Kiseliov,
Kransnov, Makarenko [8]. En este enfoque el cambio de variables se relaciona con el punto de corte (x
0
, y
0
)
Para ejemplicar este caso analizaremos un ejemplo sencillo de una funcion con argumento inhomogeneo
del tipo.
dy(x)
dx
=
a
1
x +b
1
y +c
1
a
2
x +b
2
y +c
2
_
_
_
Q(x, y) a
2
x +b
2
y +c
2
P(x, y) a
1
x +b
1
y +c
1
Decimos, entonces que los coecientes Q(x, y) y P(x, y) son inhomogeneos (c
i
,= 0). Su pondremos que las
rectas no son paralelas, por lo cual utilizamos el cambio de variable propuesto anteriormente. Entonces
u = a
2
x +b
2
y +c
2
du = a
2
dx +b
2
dy dy =
1
b
2
b
1
_
du
a
2
dv
a
1
_
v = a
1
x +b
1
y +c
1
dv = a
1
dx +b
1
dy dx =
1
a
2
a
1
_
du
b
2
dv
b
1
_
con lo cual convertimos los los coecientes Q(x, y) y P(x, y) en homogeneos. Esto es
(a
2
x +b
2
y +c
2
)dy + (a
1
x +b
1
y +c
1
)dx = 0
. .
..
_
u
a
2
(b
2
b
1
)
+
v
b
2
(a
2
a
1
)
_
du
_
u
a
1
(b
2
b
1
)
+
v
b
1
(a
2
a
1
)
_
dv = 0
es decir
P(u, v) = u
_
1
a
2
(b
2
b
1
)
+
v
u
b
2
(a
2
a
1
)
_
= ug
1
_
v
u
_
; Q(u, v) = u
_
1
a
1
(b
2
b
1
)
+
v
u
b
1
(a
2
a
1
)
_
= ug
2
_
v
u
_
.
Este tipo de funciones homogeneas seran consideradas en la siguiente seccion.
Funciones Homogeneas de grado n y Ecuaciones Diferenciales Homogeneas
Diremos que una funcion
f(x, y) es homogenea de grado n si f(tu, tv) = t
n
f(u, v)
_
_
si w =
x
y
f(x, y) = y
n
g(w)
si w =
y
x
f(x, y) = x
n
h(w)
Las funciones homogeneas indican un comportamiento particular cuando cambiamos la escala de sus va-
riables. Se utilizan con bastante frecuencia en hidrodinamica y termodinamica. Un ejemplo de una funcion
homogenea de grado 2 tendremos:
f(x, y) = x
2
+y
2
ln
_
y
x
_
f(tx, ty) = t
2
_
u
2
+v
2
ln
_
v
u
__
homogenea de grado 2
Ejercicio: Muestre que
f(x, y) =
ysen
_
x
y
_
Homogenea de grado
1
2
; f(x, y) = e
y/x
+ tan
_
x
y
_
Homogenea de grado 0
Una ecuacion diferencial ordinaria de primer orden sera homogenea si
Q(x, y) y P(x, y) son homogeneas de grado n Q(x, y)dy +P(x, y)dx = 0 homogenea
y en ese caso la estrategia para resolverla pasa por una sustitucion del tipo
Q(x, y) y P(x, y) son homogeneas de grado n y = ux x
n
p(u)(udx +xdu) +x
n
q(u)dx = 0
con lo cual la convertimos en separable
Q(x, y)dy +P(x, y)dx = 0 x
n+1
du +x
n
(q(u) +up(u))dx = 0
du
q(u) +up(u)
+
dx
x
= 0
Notese que exigir que Q(x, y) y P(x, y) sean funciones homogeneas de grado n, equivale a imponer que
dy(x)
dx
=
P(x, y)
Q(x, y)
F
_
y
x
_
donde F
_
y
x
_
es Homogena de grado 0
con lo cual estamos diciendo que si los coecientes Q(x, y) y P(x, y) so funciones homogeneas de grado n, la
ecuacion diferencial es invariante de escala.
Como un primer ejemplo consideremos la siguiente ecuacion diferencial
y
t
=
_
x
2
y
2
+y
x
Esto es
_
_
x
2
y
2
+y
_
dx xdy = 0
_
_
Q(tx, ty)
_
(tx)
2
(ty)
2
+ty t
_
_
(x)
2
(y)
2
+y
_
P(tx, ty) tx tx
homgenea de grado 1 y por lo tanto al hacer y = ux tendremos
x
_
_
1 u
2
+u
_
dx x(udx +xdu) = 0
_
1 u
2
dx xdu = 0
_
dx
x
=
_
du
1 u
2
integramos y, nalmente, llegamos a
ln(x) = arcsenu +C ln(x) = arcsen
_
y
x
_
+C para
_
_
_
y
x
_
_
_ < 1 con x > 0
ln(x) = arcsenu +C ln(x) = arcsen
_
y
x
_
+C para
_
_
_
y
x
_
_
_ < 1 con x < 0
y como u =
_
_
_
y
x
_
_
_ = 1 y = x tambien es solucion.
Para un segundo ejemplo, consideremos la siguiente ecuacion diferencial
y
t
=
2x y + 1
x +y
la cual corresponde al caso en los cuales los coecientes de la ecuacion Q(x, y) y P(x, y) funciones inho-
mogeneas. Tal y como hemos visto un cambio de variable lo convierte en homogeneo, entonces
(2x y + 1) dx + (x +y) dy = 0
_
_
_
u = 2x y + 1 du = 2dx dy dx =
1
3
(du + dv)
v = x +y dv = dx + dy dy =
1
3
(du 2dv)
as nuestra ecuacion diferencial tendra la forma de una ecuacion homogenea
u
_
1
3
(du + dv)
_
+v
_
1
3
(du 2dv)
_
= 0 (u v)du + (u + 2v)dv = 0
y ahora haciendo el cambio de variables u = tv con lo cual du = tdv +vdt
(tv v)(tdv +vdt) + (tv + 2v)dv = 0 (t
2
+ 2)dv + (tv v)dt = 0
_
dv
v
=
_
dt
t 1
t
2
+ 2
e integrando tendremos que
ln[v[ +
1
2
ln[t
2
+ 2[
1
2
arctan
t
2
= C ln[v
2
(t
2
+ 2)[ =
2
2
arctan
t
2
+

C para v ,= 0
y ahora
t
2x y + 1
x +y
ln
(2x y + 1)
2
+ 2(x +y)
2
=
2
2
arctan
2x y + 1
2(x +y)
+C para x +y ,= 0
La Figura 9.6 ilustra esta familia de soluciones.
Ecuaciones Isobaras
Las ecuaciones isobaras generalizan a las ecuaciones homogeneas por cuanto los coecientes de la ecuacion
Q(x, y) y P(x, y) no son funciones homogeneas del mismo grado y se busca una transformacion que convierta
la ecuacion en homogenea. Dicho de otra manera, si la dimensionalidad en potencias de y es la misma que
la dimensionalidad en potencias de x Diremos que una ecuacion diferencial es isobara si cumple con
_
_
_
Q(tx, t
m
y) t
n
P(x, y)
P(tx, t
m
y) t
nm+1
Q(x, y)
Figura 9.6: Solucion graca para la ecuacion y
t
=
2x y + 1
x +y
. Las curvas azules indican soluciones parti-
culares y(0) = 7; y(0) = 5; y(0) = 2; y(0) = 7; y(0) = 5; y(0) = 2.
y el cambio de variable que se impone es y = vx
m
. El exponente m surge de balancear (si es posible) Con lo
cual habra que estudiar si es posible balancear el orden de las dimensionalidades de variables y funciones.
Tratemos con un ejemplo de ilustrar las ecuaciones isobaras. Consideremos la ecuacion
y
t
=
1
2xy
_
y
2
+
2
x
_

_
y
2
+
2
x
_
dx + 2xydy = 0
_
x x dx = dx
y z
m
dy = mz
m1
dz
En la contabilidad de los exponentes x aporta un peso de 1 mientras que y aporta un peso de m. La intencion
es balancear los terminos para que la ecuacion sea homogenea de grado n. Esto es
_
y
2
+
2
x
_
dx + 2xydy = 0
_
z
2m
+
2
x
_
dx + 2xz
m
mz
m1
dz = 0 m =
1
2
y = vx
m
y =
v
x
El exponente del primier termino es 2m, del segundo 1 del tercero 2m. Al balancear todos los exponentes
tendremos 2m = 1 con lo cual m =
1
2
_
y
2
+
2
x
_
dx + 2xy dy = 0
_
v
2
x
+
2
x
_
dx + 2x
v
x
_
dv
x

1
2
v
x
x
dx
_
= 0 vdv +
dx
x
= 0
entonces al integrar y devolver el cambio v = y
x tendremos
_
dv v +
_
dx
x
= 0
v
2
2
+ lnx = c
1
2
y
2
x + lnx = c
9.3.2. Ecuaciones Diferenciales Exactas
Ecuaciones Exactas lineales
El segundo grupo de estrategias apunta a escribir una ecuacion diferencial como una derivada total de un
conjunto de funciones. Uno se ayuda en una posible funcion que pueda acomodar los terminos de la ecuacion.
Esa funcion se denomina factor integrador y tiene la forma, para una ecuacion diferencial, lineal
d[(x)y(x)]
dx

d(x)
dx
y(x) +(x)
dy(x)
dx
= (x)g(x) (x)
dy(x)
dx
+(x)f(x)y(x) = (x)g(x)
Para que esas dos ecuaciones sean equivalentes los coecientes de y(x) tienen que ser iguales. Es decir
d(x)
dx
= (x)f(x)
_
d(x)
(x)
=
_
dx f(x) (x) = e
R
dx f(x)
Con lo cual hemos demostrada que para una ecuacion lineal de primer orden, siempre es posible encontrar
un factor integrador (x) tal que la ecuacion diferencial pueda ser expresada como una derivada total del
factor integrador y la funcion incognita.
dy(x)
dx
+f(x)y(x) = g(x)
d[(x)y(x)]
dx
= (x)g(x) y(x) =
1
(x)
__
dx(x)g(x) +C
_
donde (x) = e
R
dx f(x)
Ecuaciones exactas no lineales
Este criterio lo podemos extender a ecuaciones que no sean, necesariamente lineales. As para una ecuacion
diferencial que pueda ser escrita como
d[(x, y)] = 0
?
Q(x, y)dy +P(x, y)dx = 0 d[(x, y)] =
(x, y)
x
dx +
(x, y)
y
dy = 0
donde (x, y) sera la funcion a determinar. Entonces tendremos que la condicion necesaria y suciente para
que una ecuacion diferencial sea exacta es
Q(x, y)
(x, y)
y
P(x, y)
(x, y)
x
_

2
(x, y)
yx

2
(x, y)
xy

Q(x, y)
x

P(x, y)
y
d[(x, y)] = 0
Si esto se cumple entonces, podremos encontrar la funcion (x, y) integrando respecto a cualquiera de
las variables (ahora consideradas independientes ambas).
P(x, y)
(x, y)
x
(x, y) =
_
x0
x
duP(u, y)+S(y) Q(x, y) =
(x, y)
y
=

y
__
x0
x
duP(u, y)
_
+
S(y)
y
entonces
Q(x, y) =
(x, y)
y
=
_
x0
x
du
P(u, y)
y
+
S(y)
y

_
x0
x
dv
Q(v, y)
v
+
S(y)
y
= Q(v, y)[
v=x
v=x0
+
S(y)
y
con lo cual nos queda nalmente otra ecuacion diferencial para encontrar S(y) y con ella (x, y). Esto es
S(y)
y
= Q(x
0
, y) S(y) =
_
y0
y
dwQ(x
0
, w) (x, y) =
_
x0
x
duP(u, y) +
_
y0
y
dwQ(x
0
, w) = C
Hay que hacer notar que los segmentos de lnea que unen el punto (x
0
, y
0
) con los puntos genericos (x, y
0
)
(x
0
, y) pertenecen al entorno de (x
0
, y
0
). Este tipo de entornos tambien se denomina multiplemente conexo.
Consideremos los siguientes ejemplos:
Primeramente
y
t
_
xseny y
2
_
= cos y cos y dx
_
xseny y
2
_
dy = 0
_
_
_
P(x, y) cos y
Q(x, y)
_
xseny y
2
_
y vericamos que esta ecuacion diferencial es exacta, ya que
Q(x, y)
x
=
P(x, y)
y
= seny (x, y) =
_
x0
x
duP(u, y) +
_
y0
y
dwQ(x, w) = C
con lo cual, si particularizamos el punto (x
0
, y
0
) (0, 0) tendremos que
(x, y) =
_
x0
x
du cos y +
_
y0
y
dww
2
= C xcos y +
y
3
3
= C
Otro ejemplo sera
_
x
3
+y
2
x
_
dx +
_
x
2
y +y
3
_
dy
_
_
_
P(x, y)
_
x
3
+y
2
x
_
Q(x, y)
_
x
2
y +y
3
_
_
_
_

Q(x, y)
x
=
P(x, y)
y
= 2yx
y otra vez
(x, y) =
_
x0
x
du
_
u
3
+y
2
u
_
+
_
y0
y
dw
_
x
2
w +w
3
_
= C (x, y) = x
4
+2x
2
y
2
+y
4
= C
_
x
2
+y
2
_
2
= C
Ecaciones exactas no lineales y factor integrador
Del mismo modo, y con la misma idea, podemos incorporar el factor integrador (x, y) para extender
la idea a ecuaciones que no sean, necesariamente lineales. As para una ecuacion diferencial que pueda ser
escrita como
d[(x, y)] = 0
?
(x, y)Q(x, y)dy +(x, y)P(x, y)dx = 0
es decir
d[(x, y)] =
(x, y)
x
dx +
(x, y)
y
dy = (x, y)Q(x, y)dy +(x, y)P(x, y)dx = 0
Entonces tendremos que la condicion necesaria y suciente para que una ecuacion diferencial sea exacta,
forzandola con el factor integrador se complica un poco
(x, y)Q(x, y)
(x, y)
y
(x, y)P(x, y)
(x, y)
x
_

2
(x, y)
y x

2
(x, y)
xy

(x, y)Q(x, y)
x

(x, y)P(x, y)
y
y, obviamente, esta condicion de integrabilidad dependera del (x, y) que propongamos.
As si (x, y) = (x) entonces la condicion se lee
(x)
x
Q(x, y) +(x)
Q(x, y)
x
(x)
P(x, y)
y

1
(x)
(x)
x
=
1
Q(x, y)
_
P(x, y)
y

Q(x, y)
x
_
= f(x)
con lo cual si se cumple que
1
Q(x, y)
_
P(x, y)
y

Q(x, y)
x
_
= f(x) =
1
(x)
(x)
x
(x) = e
R
dx f(x)
podremos deteriminar el factor integrador. Una vez identicado procedemos a integrar, formalmente (x, y)
(x, y) = (x)
_
y
y0
duQ(x, u) +S(x)
(x, y)
x
= (x)P(x, y)

x
_
(x)
_
y
y0
duQ(x, u) +S(x)
_
y nalmente, una vez mas
(x)P(x, y) =
_
y
y0
du
(x)Q(x, u)
x
+
S(x)
x
(x)P(x, y) =
_
y
y0
du
(x, u)P(x, u)
u
+
S(x)
x
con lo cual
S(x) =
_
x
x0
du(u, y
0
)P(u, y
0
) (x, y) = (x)
_
y
y0
duQ(x, u) +
_
x
x0
du(u, y
0
)P(u, y
0
) +C
Bernoulli y Ricatti
9.3.3. Soluci on Parametrica de Ecuaciones Diferenciales
Ecuaciones del Tipo T(y
t
) = 0, T(x, y
t
) = 0 y T(y, y
t
) = 0
Ecuaciones del Tipo T(x, y, y
t
) = 0, Lagrange y Clairaut
9.4. Soluciones Numericas a las Ecuaciones Diferenciales
9.4.1. Las Ideas Generales
Dada una ecuacion diferencial de segundo orden de la forma
d
2
x(t)
dt
2
= F
_
d x(t)
dt
, x(t), t
_
siempre se puede convertir en un sistema de dos ecuaciones lineales de primer orden, al extender el espacio
de variables de la forma
d x(t)
dt
def
= p(t)
x(t)
def
= q(t)
_
d
2
x(t)
dt
2
= F
_
d x(t)
dt
, x(t), t
_
_
d q(t)
dt
= p(t)
d p(t)
dt
= F (p(t), q(t), t)
este sistema puede ser re-arreglado en forma vectorial
d
_
q(t)
p(t)
_
dt
=
_
p(t)
F (p(t), q(t), t)
_

d Q(t)
dt
= F(Q(t),t)
As dado un conjunto de potenciales elasticos y las fuerzas que de ellos derivan,
V (x) =
_
_
kx p = 1
1
2
kx
2
p = 2
1
3
kx
3
p = 3
.
.
.
1
p
k |x|
p
F
k
(x) =
d V (x)
dx
F
k
(x) =
_
_
k
x
|x|
kx
kx
2
.
.
.
k |x|
p1
x
|x|
el sistema dinamico correspondiente a la ecuacion de Newton sera
d Q(t)
dt
= F(Q(t),t)
d
_
_
x(t)
p(t)
_
_
dt
=
_
_
p(t)
1
m
[F
ext
(x(t), t)] k |x(t)|
p1 x(t)
|x(t)|
_
_
Los Metodos y su Clasicacion
Dada una ecuacion diferencial de primer orden,
dy(x)
dx
= y
t
(x) = f(y(x), x), con y
k
el valor de la funcion
obtenida con el metodo, con y
k
= y(x
k
), donde x
k
= x
0
+ kh y h el paso. Diremos que un metodo es
de paso unico si la determinacion de y
k+1
solo involucra un unico valor de y
k
y m ultiple paso si para
calcularlo se utilizan varios valores y
k
, y
k1
, , y
kp
. Por otra parte se denomina un metodo explcito si
para determinar y
k+1
se utilizan valores anteriores y
k
, y
k1
, , y
kp
y implcito si se utilizan una funcion
del mismo valor y
k+1
. As
y
k+1
= y
k1
+ 2h f (x
k
, y
k
)
representa un metodo explcito de paso unico mientras que
y
k+1
= y
k
+
h
2
[f (x
k
, y
k
) +f (x
k+1
, y
k+1
)]
sera implcito de m ultiples pasos.
El Rebusque de Taylor
Tal y como hemos dicho arriba, dada una ecuacion diferencial, su solucion a traves de un metodo de paso
unico puede ser escrita como
y
t
(x) = f(y(x), x) y
k+1
= y
k
+ (x
k
, y
k
, h) con h = x
i+1
x
i
;
Lo primero que se puede hacer es expandir por Taylor alrededor del punto x = x
k
y(x) = y(x
k
) + (x x
k
) y
t
(x
k
) +
1
2!
(x x
k
)
2
y
tt
(x
k
) + +
1
n!
(x x
k
)
n
y
(n)
(x
k
) +
e identicamos
y(x
k
) y
k
y
t
(x) = f(y(x), x)
y
t
(x
k
) f(y
k
, x
k
)
y
tt
(x
k
) f
t
(y
k
, x
k
) =
f
x
x=xx
y=y
k
+
f
y
x=xx
y=y
k
y
t
k
y
ttt
(x
k
) f
tt
(y
k
, x
k
) =
x
f
t
+
y
f
t
y
t
k
=
xx
f + (
xy
f) y
t
k
+ [
yx
f + (
yy
f) y
t
k
] y
t
k
+
y
f y
tt
k
.
.
.
por lo que reconstruimos la serie de Taylor hasta el orden que podamos o requiramos
y
n+1
= y
n
+h f(y
k
, x
k
) +
1
2!
h
2
f
t
(y
k
, x
k
) +
1
3!
h
3
f
tt
(y
k
, x
k
) + +
1
n!
h
n
f
(n1)
(y
k
, x
k
) +
quedando acotado el error por
red
=
1
(n + 1)!
h
n+1
f
(n)
(y(), x())
9.4.2. La idea de la Integraci on y los Metodos
La idea de integrar una ecuacion diferencial ordinaria puede ilustrarse, formalmente de la siguiente forma
y
t
(x) = f(y(x), x) y
k+1
= y
k
+
_
x
k+1
x
k
d f (, y())
entonces el metodo se centra en como se aproxima la funcion dentro de la integral
Euler Se aproxima la funcion con en el punto anterior
f (x
k
, y
k
) y
k+1
= y
k
+h f (x
k
, y
k
)
Euler Mejorado o Heuns Se aproxima la funcion mediante un promedio en los extremos
1
2
[f (x
k
, y
k
) +f (x
k+1
, y
k+1
)] y
k+1
= y
k
+
h
2
[f (x
k
, y
k
) +f (x
k+1
, y
k+1
)]
y
k+1
= y
k
+
h
2
[f (x
k
, y
k
) +f (x
k+1
, y
k
+h f (x
k
, y
k
))]
con h = x
i+1
x
i
el paso de integracion. Notese ademas que hemos utilizado Euler otra vez para expresar
y
k+1
= y
k+1
(y
k
, x
k
)
El Metodo de Euler constituye una expansion por Taylor hasta primer orden por lo que el error es
claramente de segundo orden por cuanto si comparamos con la expansion en series de Taylor correspondiente
tendremos
y
k+1
= y
k
+h
d y
dx
x=x
k
+
h
2
2!
d
2
y
dx
2
x=x
k
+
|
tot
|
h
2
2!
d
2
y
dx
2
x=x
k
El Metodo de Euler y el problema de Valores Iniciales
Este metodo si bien no se utiliza en la practica en su forma estandar para ecuaciones diferenciales
ordinarias, si ilustra el proceso de discretizacion de una ecuacion diferencial y su solucion mediante metodos
numericos.
Para resolver la ecuacion de un oscilador armonico libre que parte del reposo, i.e.
d
2
(t)
dt
2
+
2
0
(t) = 0 con:
2
0
=
k
m
; (t
0
) = 1; y
d(t)
dt
t=t0
= 0
en la cual (t) representa la posicion de un cuerpo de masa m unido a un resorte de constante elastica k.
Discretizando mediante diferencia centrada
h = t
i+1
t
i
;
d
2
(t)
dt
2

1
h
2
[(t
i+1
) 2(t
i
) +(t
i1
)]
1
h
2
[
i+1
2
i
+
i1
]
con lo cual la ecuacion del oscilador libre queda como
d
2
(t)
dt
2
+
2
0
(t) = 0
i+1
_
2 h
2
2
0
_
i
+
i1
= 0
esta ultima ecuacion es la version en diferencias nitas de la ecuacion diferencial y es claro que se convierte
en una ecuacion algebraica. Finalmente, los dos valores iniciales para la iteracion
0
y
1
surgen de las
condiciones iniciales
0
(t = t
0
) = 1
d(t)
dt
t=t0
= 0
1

0
Los Metodos de Runge-Kutta
Es el conjunto de metodos mas populares y de mayor uso. La idea del metodo de Runge-Kutta es producir
resultados equivalentes a desarrollos en Taylor de orden superior a Euler en metodos de un unico paso por
lo tanto
y
t
(x) = f(y(x), x) y
k+1
= y
k
+
_
x
k+1
x
k
d f (, y())
y se aproxima la funcion con un promedio ponderado.
f (, y()) [ f (y
k
, x
k
) + f (y
k
+ f (y
k
, x
k
) h
k
, x
k
+ h
k
)] con h
k
= x
k+1
x
k
donde , , y son los pesos estadsticos a ser determinados. Por lo tanto
y
k+1
= y
k
+ [ f (y
k
, x
k
) + f (y
k
+ f (y
k
, x
k
) h
k
, x
k
+ h
k
)] h
k
Expandiendo por Taylor de dos variables
g (x +, y +) = g (x, y) + [
x
g +
y
g] +
1
2!
_
2
x
g + 2
xy
g +
2
2
y
g
+
tendremos
y
k+1
= y
k
+ [ +] f
k
h
k
+ [
x
f
k
+ f
k

y
f
k
] h
2
k
+
+
_
2
2

2
x
f
k
+ 2 f
k

xy
f
k
+

2
2
f
2
k

2
y
f
k
_
h
3
k
+
con f
k
= f (y
k
, x
k
) y como se ve claramente, queda libertad para escoger
Euler Mejorado o Heuns = =
1
2
; = = 1
y
k+1
= y
k
+f
k
h
k
+
1
2
[
x
f
k
+ f
k

y
f
k
] h
2
k
Euler Modicado = 0; = 1; = =
1
2
y
k+1
= y
k
+f
k
h
k
+
_
1
2
x
f
k
+
1
2
f
k

y
f
k
h
2
k
Runge-Kutta de cuarto orden aproxima la funcion f (, y()) en cuatro puntos intermedios en el intervalo
x
k
< x < x
k+1
por lo cual
y
k+1
= y
k
+ [
1
+
2
+
3
+
4
] h
k
podemos plantearnos varias formas de hacerlo
y
k+1
= y
k
+
h
k
6
[
1
+ 2
2
+ 2
3
+
4
]
donde
1
= f (x
k
, y
k
)
2
= f
_
x
k
+
1
2
h
k
, y
k
+
1
2
1
_
3
= f
_
x
k
+
1
2
h
k
, y
k
+
1
2
2
_
4
= f (x
k
+h
k
, y
k
+
3
)
o tambien
y
k+1
= y
k
+
h
k
8
[
1
+ 3
2
+ 3
3
+
4
]
donde
1
= f (x
k
, y
k
)
2
= f
_
x
k
+
1
3
h
k
, y
k
+
1
3
1
_
3
= f
_
x
k
+
1
3
h
k
, y
k
+
1
3
2
_
4
= f (x
k
+h
k
, y
k
+
3
)
Mas a un el metodo de Fehlberg de 4/5 orden se puede escribir como
y
k+1
= y
k
+h
k
[C
1
1
+C
2
2
+C
3
3
+C
4
4
+C
5
5
+C
6
6
] +O(h
6
)
1
= f (x
k
, y
k
)
2
= f (x
k
+a
2
h
k
, y
k
+b
21
1
)
3
= f (x
k
+a
3
h
k
, y
k
+b
31
1
+b
32
2
)
4
= f (x
k
+a
4
h
k
, y
k
+b
41
1
+b
42
2
+b
43
3
)
.
.
.
6
= f (x
k
+a
6
h
k
, y
k
+b
61
1
+b
62
2
+b
63
3
+b
64
4
+b
65
5
)
la cual puede ser redenida y truncada para obtener
y
k+1
= y
k
+h
k
_
C
1
1
+

C
2
2
+

C
3
3
+

C
4
4
+

C
5
5
_
+O(h
5
)
Metodos Multipaso
Los metodos multipaso se basan encontrar el valor y
n+k
como una funcion de k valores precedentes:
y
n+k1,
y
n+k2,
y
n+k3,
y
n
. Para k = 1, retomamos los metodos de paso unico del tipo Euler o Runge-
Kutta. Sera explcito (abierto) si el valor y
n+k
puede ser calculado directamente o implcito (abierto) si la
formula contiene el valor y
n+k
deseado.
Otra vez la idea esta en aproximar el argumento de la integracion formal
y
t
(x) = f(y(x), x) y
i+1
= y
i
+
_
xi+1
x
ik
d f (, y())
notese en este caso que el punto i +1 recibe la contribucion de k puntos anteriores. El integrando f (, y())
lo aproximaremos con un polinomio de interpolacion de Newton de orden n. Tal que
f (, y()) f () = p
n
() +R
n
()
con p
n
() el polinomio de interpolacion y R
n
() el residuo. Donde
i
p
n
(x) = f [x
n
] + (x x
n
) f [x
n
, x
n1
] + (x x
n
) (x x
n1
) f [x
n
, x
n1
, x
n2
] +
+ (x x
n
) (x x
n1
) (x x
n2
) (x x
1
) f [x
n
, x
n1
, x
n2
, x
n3
, x
0
]
R
n
(x) = (x x
n
) (x x
n1
) (x x
n2
) (x x
0
)
f
(n+1)
()
(n + 1)!
con x
0
< < x
n
haciendo p
n
(x) f (x
n
+h) con cero o negativo de tal modo que en terminos del operador diferencias
atrasada f(x) = f(x) f(x h) siendo h el incremento
f (x
n
+h) = f
n
+f
n
+
( + 1)
2!

2
f
n
+
( + 1) ( + 2)
3!

3
f
n
+
+
( + 1) ( + 2) ( +r 1)
r!

r
f
n
donde hemos denotado f
n
f (x
n
, y(x
n
)),
m
f
n

m
f[
x=xn
, y = (x x
i
) /h Por lo tanto
y
i+1
= y
i
+
_
xi+1
x
ik
d f (, y())
= y
i
+h
_
1
k
d f (x
n
+h)
y
i+1
= y
i
+h
_
f
i
+

2
2
f
i
+
2
_
3
+
1
2
_

2
f
i
2!
+
2
_
2
4
+ + 1
_

3
f
i
3!
+
+
2
_
3
5
+
3
2
2
+
11
3
+ 3
_

4
f
i
4!
+
_
1
k
por razones de conveniencia que son evidentes al hacer el desarrollo, se toman las formulas para k = r y k
impar y obtendremos
k = 0
r = 3
_

_
_
_
y
i+1
= y
i
+h
_
f
i
+
1
2
f
i
+
5
12
2
f
i
+
3
8
3
f
i
R =
251
720
h
5
f
(4)
()
k = 1
r = 1
_

_
_
_
y
i+1
= y
i
+h[2f
i
+ 0f
i
]
R =
1
3
h
3
f
(2)
()
k = 3
r = 3
_

_
_
_
y
i+1
= y
i
+h
_
4f
i
4f
i
+
3
8
2
f
i
+ 0
3
f
i
R =
14
45
h
5
f
(4)
()
k = 5
r = 5
_

_
_
_
y
i+1
= y
i
+h
_
6f
i
12f
i
+ 15
2
f
i
9
3
f
i
+
33
10
4
f
i
R =
41
140
h
7
f
(6)
()
y al expresar las diferencias atrasadas las formulas explcitas (abierta) quedan expresadas como
k = 0
r = 3
_
y
i+1
= y
i
+
h
24
[55f
i
59f
i1
+ 37f
i2
9f
i3
] R O
_
h
5
_
k = 1
r = 1
_
y
i+1
= y
i
+ 2hf
i
R O
_
h
3
_
k = 3
r = 3
_
y
i+1
= y
i
+
4h
3
[2f
i
f
i1
+ 2f
i2
] R O
_
h
5
_
k = 5
r = 5
_
y
i+1
= y
i
+
3h
10
[11f
i
14f
i1
+ 26f
i2
14f
i3
+ 11f
i4
] R O
_
h
7
_
Siguiendo el mis procedimiento se pueden escribir las formulas implcitas (cerradas) para las mismas
curiosas situaciones. Para este caso la conveniencia se obtienes para k impar y r = k + 2
k = 0
r = 3
_

_
_
_
y
i+1
= y
i
+h
_
f
i+1
1
2
f
i+1
1
12
2
f
i+1
1
24
3
f
i+1
R =
19
720
h
5
f
(4)
()
k = 1
r = 3
_

_
_
_
y
i+1
= y
i1
+h
_
2f
i+1
2f
i
1
3
2
f
i+1
0
3
f
i+1
R =
1
90
h
5
f
(4)
()
k = 3
r = 5
_

_
_
_
y
i+1
= y
i3
+h
_
4f
i+1
8f
i
20
3

2
f
i+1
8
3
3
f
i+1
+
14
45
4
f
i+1
R =
8
945
h
5
f
(4)
()
desarrollando las diferencias atrasadas, tendremos
k = 0
r = 3
_
y
i+1
= y
i
+
h
24
[9f
i+1
+ 19f
i1
5f
i1
+ 9f
i2
] R O
_
h
5
_
k = 1
r = 3
_
y
i+1
= y
i1
+
h
3
[f
i+1
+f
i
+f
i1
] R O
_
h
5
_
k = 3
r = 5
_
y
i+1
= y
i3
+
2h
45
[7f
i+1
+ 32f
i
+ 12f
i1
+ 32f
i2
+ 7f
i3
] R O
_
h
7
_
Se debe puntualizar lo siguiente respecto a las formulas explcitas e implcitas de los metodos multipaso
antes mencionados
Los metodos multipasos, normalmente, requieren menos evaluaciones de las funciones que los metodos
monopaso para un mismo nivel de precision.
Los metodos multipaso requieren de un metodo monopaso que le permita determinar los y
n+k1,
y
n+k2,
y
n+k3,
, y
n
puntos iniciales.
Las formulas explcitas son, normalmente, menos precisas que las implcitas. La razon se fundamenta
en que, mientras las explcitas extrapolan la solucion al punto y
i+1
, las implcitas la interpolan, por
cuanto la toman en cuenta en el momento de calcularla.
Las formulas explcitas e implcitas deben ser consideradas como complementarias, por cuanto las
explcitas pueden predecir el valor de y
i+1
necesario para la f
i+1
= f(x
i+1
, y
i+1
) del calculo de y
i+1
en
la formula implcita.
Existen varias combinaciones predictor-corrector, entre ellas mencionamos:
Milne de cuarto orden
Predictor
y
i+1
= y
i3
+
4h
3
[2f
i
f
i1
+ 2f
i2
]
Corrector
y
i+1
= y
i1
+
h
3
[f
i+1
4f
i
+f
i1
]
Milne de sexto orden
Predictor
y
i+1
= y
i5
+
3h
10
[11f
i
14f
i1
+ 26f
i2
14f
i3
+ 11f
i4
]
Corrector
y
i+1
= y
i3
+
2h
45
[7f
i+1
+ 32f
i
+ 12f
i1
+ 32f
i2
+ 7f
i3
]
Adams Modicado o Adams Moulton
Predictor
y
i+1
= y
i
+
h
24
[55f
i
59f
i1
+ 37f
i2
9f
i3
]
Corrector
y
i+1
= y
i
+
h
24
[9f
i+1
+ 19f
i
5f
i1
+f
i2
]
El metodo de extrapolacion multipaso mas exitoso (conjuntamente con los metodos de paso unico del
tipo Runge-Kutta) es el de extrapolacion racional de Bulirsch-Stoer en el cual se dene un paso superior
de H y una serie de subpaso h
= H/ con el aumento del n umero de subpasos, en alg un momento siguiendo

alg un criterio de convergencia se hace una extrapolacion (racional) que representa el lmite .
El metodo de Bulirsch-Stoer tiene una estrategia diferente al los anteriores y posee, como motor de
aproximacion el metodo del punto medio modicado o salto de rana (leap frog). Este esquema se utiliza con
frecuencia en discretizaciones de ecuaciones diferenciales en derivadas parciales y se basa en aproximar la
derivada por el valor el promedio en los dos extremos:
y
t
(x) = f(y(x), x) y
t
(x
n
) = f(y(x
n
), x
n
) =
y(x
n
) y(
n1
)
2h
por lo tanto
z
0
y(x)
z
1
= z
0
+hf(x, z
0
)
.
.
.
z
n+1
= z
n1
2hf(x +nh, z
n
)
para nalmente calcular
y(x +H) y
n

1
2
[z
n
+z
n1
+hf (x +H, z
n
)]
Notese que si reacomodamos
y(x +H)
4y
n
y
n/2
3
obtendremos un metodo de cuarto orden que requiere menos evaluaciones de f(y(x
n
), x
n
) por paso h
9.4.3. Control del Paso
En General para metodos de 4
to
orden. Tal y como se menciono en el caso de la integracion
numerica, el primer criterio que surge es dividir el paso h en la midad, calcular todo de nuevo y comparar
los resultados a ver si esta dentro del los lmites de tolerancia que nos hemos impuesto
_
_
_
_
y
h
y
h/2
y
h
_
_
_
_

_
y
h
, y
h/2
_
<
m ax

m ax
_
y
h
, y
h/2
_
_
h
0
h
t
_
5
h
0
= h
t
_

max
_
y
h
, y
h/2
_
_
1/5
donde hemos denotado h
0
como el paso ideal. Esta relacion es general para cualquier metodo de 4 orden de
paso unico, multipaso, implcito o explcito.
Mas a un, la practica ha indicado que
h
0
=
_
_
/h
t
_

m ax
(y
h
,y
h
)
_
0,20
/h
t
_

0
h
_
0,20
0

1
/h
t
_

m ax
(y
h
,y
h
)
_
0,25
/h
t
_

0
h
_
0,25
0
<
1
donde 0 < /< 1 un factor de seguridad
Para metodos Runge-Kutta. es importante mencionar que se utilizan mayoritariamente metodos
hasta cuarto orden porque de mayor orden (M, por ejemplo) involucran mas de M evaluaciones (y menos
M2) de la derivada. Por ello para este tipo de metodos se descubrio que considerando el mismo n umero de
puntos para la evaluacion intermedia se pueden generar metodos de distinto orden, y para colomo de suerte
el menor orden de esta situacion se expresa para metodos de 4 y 5 orden. En particular Runge-Kutta de 5
orden se puede escribir como:
y
k+1
= y
k
+h
k
[C
1
1
+C
2
2
+C
3
3
+C
4
4
+C
5
5
+C
6
6
] +O(h
6
)
1
= f (x
k
, y
k
)
2
= f (x
k
+a
2
h
k
, y
k
+b
21
1
)
3
= f (x
k
+a
3
h
k
, y
k
+b
31
1
+b
32
2
)
4
= f (x
k
+a
4
h
k
, y
k
+b
41
1
+b
42
2
+b
43
3
)
.
.
.
6
= f (x
k
+a
6
h
k
, y
k
+b
61
1
+b
62
2
+b
63
3
+b
64
4
+b
65
5
)
y con los mismos puntos ( las mismas evaluaciones !) se puede reescribir para 4 orden como:
y
k+1
= y
k
+h
k
_
C
1
1
+

C
2
2
+

C
3
3
+

C
4
4
+

C
5
5
_
+O(h
5
)
por lo tanto el error se puede estimar
(y
k+1
, y
k+1
) =
6
i=1
_
C
i

C
i
_
k
i
y el control del paso se utiliza exactamente igual
h
0
= h
t
_

max
(y
h
, y
h
)
_
0,20
Para metodos multipasos y predictor corrector la situacion puede tener un renamiento adicional
antes de proceder a modicar el paso h. El esquema sera para un metodo predictor corrector del tipo
Adams Modicado o Adams Moulton, donde el
Predictor
y
i+1
= y
i
+
h
24
[55f
i
59f
i1
+ 37f
i2
9f
i3
]
Corrector
y
i+1
= y
i
+
h
24
[9f
i+1
+ 19f
i
5f
i1
+f
i2
]
se realiza una serie de iteraciones dentro de la formula de corrector, i.e.
y
i+1
1
= y
i
+
h
24
_
9f
_
x
i+1
, y
i+1
0
_
+ 19f (x
i
, y
i
) 5f (x
i1
, y
i1
) +f (x
i2
, y
i2
)
_
9.5. Algunas Aplicaciones de Ecuaciones Diferenciales de Primer
Orden
Modelar o describir matematicamente un fenomeno es el n ultimo de la ciencias. Las matematicas
son el lenguaje de la fisica. Como describir el chisporroteo de una llama ? la textura de un pintura al
oleo ? el tr aco en carreteras durante horas picos ? el titilar de las estrellas ? Describir matematicamente
estas situaciones no solo no es facil, pero tampoco es unica. Son fenomenos complejos y su descripcion puede
tener muchos grados de profundidad.
9.5.1. Ley de Malthus/Decaimiento Radioactivo.
Malthus
3
d
dx
y(x) = k y(x)
k > 0
k < 0
y(0) = y
0
. (9.30)
y(t) = y
0
e
k t
Para k < 0 tenemos una situacion de decaimiento: la poblacion decrece con el tiempo. Este concepto se
utiliza los procesos de decaimiento radiactivo. El tiempo de vida media se dene como el tiempo necesario
para que la mitad de los n ucleos decaigan, lo cual es independiente de la cantidad de la muestra y permite
medir la edad de todo aquello que contenga isotopos radioactivos. En particular el C
14
del cual se sabe que:
tiene una vida media de 5730 a nos y que todos los organismos estan (o estuvieron) formados por carbono.
Por lo tanto, si sabemos el porcentaje de C
14
en una muestra, digamos el 63 % podremos inferir su edad
y(0) = 1
y(5730) = e
k 5730
=
1
2
Por lo tanto, despejando k
k =
ln2
5730
tendremos nalmente
y(t) = 2
t/5730
de aqu obtendremos la edad en a nos de la muestra
y(t) = 0,63 t =
ln0,63
ln2
5730 3819,48
Para k > 0 la ecuacion 9.30 describe el incremento poblacional. El valor de k se calcula experimentalmente
(promediando sus valores para cada uno de los parametros). Para la poblacion venezolana k = 0,018
3
En honor al economista poltico ingles Thomas Robert Malthus (1766-1834). Quien fue uno de los primeros en darse cuenta
que
N la poblacion crece como una raz on geometrica mientras que los medios de subsistencias crecen de manera aritmetica. Esta
armacion plasmada en su Ensayo sobre el Principio de Poblaciones, el cual inspiro a Darwin en la formulacion de principio
de seleccion natural. Malthus, muy religioso y creyente pensaba que esa diferencia en el crecimiento de la poblacion y las
necesidades que ellas generaban, eran de procedencia divina y que forzara a la humanidad a ser mas laboriosa e ingeniosa para
lograr los medios de subsistencia. Darwin, no tan religioso, lo formulo como una situacion natural presente en todas las especies.
Figura 9.7: Decaimiento Radioactivo
Poblacion Venezolana (Millones Hab.)
A no Poblacion y(t) = 0,350 e
0,018t
1800 (0) 0.350 0.350
1847 (47) 0.750 0.816
1873 (73) 1.000 1.302
1881 (81) 1.750 1.504
1891 (91) 2.100 1.801
1926 (126) 2.850 3.381
1936 (136) 3.200 4.048
1941 (141) 3.850 4.429
1950 (150) 4.350 5.208
1961 (161) 6.800 6.348
1971 (171) 10.800 7.600
1981 (181) 14.100 9.099
9.5.2. La Ecuaci on logstica o Ley de Verhulst
Esta ecuacioon se utiliza para describir el crecimiento de la poblacion de una manera mas precisa que la
Ley de Malthus. Esta ecuacion toma en cuenta le decrecimiento de la poblacion con el termino y
2
y
t
= (k ay) y = ky ay
2
donde k y a son constantes arbitrarias. Esta ecuacion es separable y la solucion tiene la forma de
ln
y
k ay
= k t +C
Figura 9.8: Poblacion de Venezuela desde 1800
y por lo tanto
y(t) =
k y
0
a y
0
+ (k a y
0
) e
k t
el crecimiento de la poblacion venezolana desde 1800 puede modelarse con k = 0,018, a = 0,001
9.5.3. La Ley de Enfriamiento de Newton
dT
dt
= k(T T
m
) T(0) = T
0
la solucion sera
T = (T
0
T
m
) e
k t
+T
m
y para el caso de una torta recien sacada del horno a una temperatura de T
0
= 176
, y una temperatura
ambiente de T
m
= 23
, con T(80) = 63
,la graca sera

tambien se puede modelar el enfriamiento con una temperatura del ambiente variable esto es
dT
dt
= k(T T
m
(t)) T(0) = T
0
tomese, por ejemplo,
T
m
(t) = 23 10 cos
_
t
12
_
con 0 t 24 horas
si T(0) = 15
dT
dt
=
1
4
_
T 23 7 cos
_
t
12
__
Figura 9.9: Poblacion de Venezuela desde 1800
Figura 9.10: Enfriamiento de una torta recien horneada
Figura 9.11: Variacion de la Temperatura Construcciones
con la soluci on
T(t) =
23
2
+ 11 e
t
4
2
+ 21 sen(
t
12
) + 63 cos(
t
12
) 207 + 36 e
t
4
9 +
2
y la siguiente evolucion
9.5.4. Interes Compuesto.
Otra de las aplicaciones de las ecuaciones diferenciales es en el calculo del crecimiento del capital inicial,
depositado en un banco C
0
durante un cierto lapso de tiempo y sujeto a un determinada tasa de interes.
Luego del lapso de tiempo, el nuevo capital sera
C
1
= C
0
_
1 +
int
100
_
Pasados dos lapsos (a nos) de tiempo el capital sera
C
2
= C
1
_
1 +
int
100
_
= C
0
_
1 +
int
100
__
1 +
int
100
_
en t lapsos de tiempo,
C(t) = C
0
_
1 +
int
100
_
t
Ahora bien, si el pago de los intereses se hace varias veces durante ese lapso, entonces tendremos
C
2
= C
1
_
1 +
int
100 2
_
= C
0
_
1 +
int
100 2
__
1 +
int
100 2
_
.
Finalmente, si el interes se paga k veces en cada lapso, entonces
C(t) = C
0
_
1 +
int
100 k
_
kt
. (9.31)
Si k = 12 entonces se tienen intereses pagaderos sobre saldos mensuales. En el caso de que k = 365, los
intereses son pagaderos sobre saldos diarios. Notese que si
k
_
1 +
int
100 k
_
kt
e
int
100
t
;
entonces, podemos aproximar este modelo discreto de pagos sobre saldos por uno continuo, i.e.
C(t) = C
0
e
int
100
t
C
t
(t) =
int
100
C(t).
Existen situaciones en las cuales los bancos, movidos por la competencia, ofrecen cancelar los intereses sobre
un a no hipotetico de 360 das. En este caso, el capital crece como:
C(t) = C
0
_
1 +
int
100 360
_
365t
. (9.32)
La siguiente tabla muestra una comparacion del crecimiento del capital inicial C
0
= 1, en un lapso de 10
a nos, sujeto a intereses del 40 % sobre saldos diarios y siguiendo los tres modelos antes mencionados.
A nos C(t) = C
0
e
int
100
t
C(t) = C
0
_
1 +
int
100k
_
kt
. C(t) = C
0
_
1 +
int
100360
_
365t
0 1.0 1.0 1.0
1 1.491497997 1.491824698 1.499797972
2 2.224566275 2.225540928 2.249393957
3 3.317936142 3.320116923 3.373636494
4 4.948695110 4.953032424 5.059773172
5 7.380968843 7.389056099 7.588637542
6 11.00870024 11.02317638 11.38142320
7 16.41945436 16.44464677 17.06983543
8 24.48958329 24.53253020 25.60130455
9 36.52616442 36.59823444 38.39678465
10 54.47870107 54.59815003 57.58741975
9.5.5. Mecanica Elemental.
El estudio del movimiento de los cuerpos sometidos a la accion de un conjunto de fuerzas externas, fue
una de las principales motivaciones para el planteamiento y solucion de las ecuaciones diferenciales.
externas
F(
r(t),
v(t), t) =
d
mv(t)
dt
= m
a(t) , (9.33)
para sistemas con m = cte (partculas) y con

v(t) la velocidad y

r(t) la posicion.
v(t) =
d
r(t)
dt
.
Figura 9.12: Velocidad del paracaidista en funcion del tiempo
Movimientos con Acelaracion Constante
As en carreras de velocidad, en las cuales los autos tienen que generar el maximo posible de velocidad
para una distancia dada tendremos, que la ecuacion Newton 10.7 se expresa
cte = F = m
dv(t)
dt

_
v(t) = v
0
+
F
m
t
x(t) = x
0
+v
0
t +
1
2
F
m
t
2
_
Los valores tpicos para este caso son v
0
= r
0
= 0 , a =
F
m
= 9,8 m/s
2
, y por lo tanto la velocidad nal a
los 400 m. es
v
f
=
2ax 89 m/s = 320, 4 Km/h

Friccion en Fluidos
Por su parte, la descripcion del movimiento de un paracaidista la ecuacion 10.7 se convierte en
externas
F(v(t)) = mg +cv
2
=
d p(t)
dt
= m
d v(t)
dt
= m a(t) , (9.34)
con c una constante arbitraria que depende de la forma del cuerpo. Integrando esta ecuacion separable se
obtiene
v(t) = v
t
1 exp
_
2gt
vt
_
1 + exp
_
2gt
vt
_ (9.35)
Donde hemos denido la velocidad terminal
v
t
=
_
mg
c
Figura 9.13: Posicion del paracaidista respecto al tiempo
como la velocidad que anula la sumatoria de fuerzas y a partir de la cual el cuerpo cae sin aceleracion.
El tiempo que tarda en alcanzar esa velocidad es estrictamente para t , sin embargo, una buena
aproximacion que surge de la ecuacion 9.35, la constituye: t v
t
/2g . La velocidad terminal tpica en un da
soleado para un paracaidista de 70 Kg., en posicion de aguila extendida, es 54 m/s. (194,4 Km/h.) y por
lo tanto alcanza la velocidad terminal luego de aproximadamente 15 s. esta situacion se aprecia claramente
en la gura 9.12.
Por su parte, la posicion surge al integrar la ecuacion 9.35
v(t) =
dy(t)
dt
= v
t
1 exp
_
2gt
vt
_
1 + exp
_
2gt
vt
_
integrando esta ecuacion obtendremos
y
0
y(t) = v
t
_
_
t +
v
t
g
ln
_
_
2
exp
_
2gt
vt
_
+ 1
_
_
_
_
(9.36)
Con el comportamiento graco que muestra la gura 9.13.
Fuerzas Elasticas
Otra situacion muy conocida se presenta bajo la accion de fuerzas elasticas. As, la ecuacion 10.7, ahora
se expresa como
externas
F(x(t)) = kx(t) = m
dv(t)
dt
= m a(t) ,
Figura 9.14: Trayectoria de la Flecha al abandonar el arco.
Utilizando la regla de la cadena
dv(t)
dt
=
dv(t)
dx(t)
dx(t)
dt
= v(t)
dv(t)
dx(t)
Se convierte en separable y se integra para obtener la velocidad
m v(t)
2
= k x(t)
2
+C
1
v(t) =
dx(t)
dt
=
_
k x(t)
2
+C
0
m
(9.37)
La posicion sera
x(t) = C
1
sen
_
_
k
m
t +C
2
_
Para analizar el caso del lanzamiento de una echa (23 g.) por una arco de 30 lb (134 N) el cual un arquero
puede separarlo 0,72 m. se obtiene la velocidad de salida de la echa como
v
f
= d
_
k
m
= 0, 72
134
0,72
23 10
3
= 65 m/s
Es interesante mencionar que en 100 m la echa baja una distancia de 11 m. !
Sistemas de Masa Variable
Otro de los ejemplos interesantes es la evolucion de sistemas de masa variable. El primero de los caso
tiene que ver con una barca de masa m
0
que tiene una velocidad inicial v
0
en su navegar, comienza a llover y
se va llenando de agua. El agua se acumula con una tasa (masa por unidad de tiempo). Se pide encontrar
la velocidad de la barca como funcion del tiempo.
P = mv = const = m
0
v
0
si
dm
dt
= = cont m(t) = m
0
+t y consecuentemente
v (t) = v
0
m
0
m
0
+t
Un segundo caso tiene que ver con una masa M atada a una cadena de densidad lineal de masa . Esta
masa se impulsa hacia arriba con una velocidad inicial v
0
. Se pide encontrar el tiempo en que alcanza la
altura maxima. La ecuacion de Newton para este caso se puede expresar como
Peso
Masa
Peso
cadena
=
d (mv)
dt
Mg xg =
dm
dt
v +
dv
dt
m
o equivalentemente
g =
dp
dt
donde
_
_
_
=
M
+x
y
p = mv =
d
dt
con lo cual
gp = p
dp
dt
gmd = pdp gd = pdp
_

M
g
2
2
d =
_
p
m0v0
pdp g
2
_
_
_
3
3

_
M
_
3
3
_
_
_ =
p
2
2

(m
0
v
0
)
2
2
t t
0
=
_
d
2g
2
_
3
3

(
M
)
3
3
+
(m0v0)
2
2
_
Un Cohete en Movimiento
Finalmente el caso mas emblematico es el movimiemto de un cohete que consume una fraccion importante
de su combustible. Llamemos v la velocidad de cohete para un instante de tiempo t y v
t
la velocidad de salida
de los gases respecto a tierra. Para ese instante t la cantidad de movimiento del cohete es mv un instante dt
mas tarde la cantidad de movimiento sera
p
t
= (m+dm)(v +dv)
. .
cohete
+(dm)v
t
. .
gases
= mv +m dv dm(v
t
v)
. .
vel. rel.
Entonces el cambio en la cantidad de movimiento sera
dp = p
t
p = mdv v
gases
dm
y por lo tanto la ecuacion de Newton
m(t)
dv(t)
dt
v
gases
dm
dt
=
externas
F
Despreciando la resistencia del aire y suponiendo la gravedad constante, tendremos
dv(t)
dt

v
gases
m
dm
dt
= g
Figura 9.15: Velocidad del Cohete
integrando
v = v
0
+v
gases
ln
_
m
i
m(t)
_
gt
si suponemos que el combustible se quema de la forma
m(t) = m
i
(1 +t)
dm
dt
= = cte
La cantidad
E = v
gases
dm
dt
se denomina el empuje del cohete.

9.5.6. Modelado de Concentraci on/Desliemiento de Soluciones
Otro de los problemas tpicos donde se aplican exitosamente las ecuaciones diferenciales son los problemas
de manejo de concentraci[on de sustancias en soluciones l[iquidas. El principal objetivo, consiste en plantear
el problema en t[ermino del problema de valores iniciales que gobierna el fen[omeno (ecuaci[on diferencial +
condiciones iniciales). Para ello, en este tipo de problemas, siempre utilizaremos la regla intuitiva de
Tasa de Cambio de la Concentraci[on = Tasa de Ingreso Tasa de Egreso
As[i, tendremos que para un problema t[ipico en el cual inicialmente se encuentran diluidos en un recipiente
(un tanque) y
0
gr de una sustancia en V
0
litros de un l[iquido. A este tanque le cae otro l[iquido con una
concentraci[on distinta de la misma sustancia a v
entrada
lit/min, mientras que v
salida
lit/min salen del tanque.
Si suponemos que dentro del tanque sucede alg[un proceso de homogenizaci[on de la soluci[on, la pregunta
t[ipica esque queremos saber la cantidad de sustancia que se encuentra en el tanque en un tiempo t. A la
Figura 9.16: Posicion del Cohete
concentraci[on de la sustancia en el l[iquido de entrada (gr/lit), en un tiempo t, la denotaremos como C (t)
gr/lit. La gura (9.17) ilustra este proceso.
Para empezar notemos que, en esta situaci[on el volumen no es constante. Por lo tanto, con el mismo
esp[iritu de la ley de balanceo que hemos propuesto, si las velocidades de ingreso y egreso son constantes,
nos queda que la variaci[on del volumen inicial viene dada por la diferencia de estas velocidades, esto es
V
t
(t) = v
entrada
v
salida
V (t) = V
0
+ (v
entrada
v
salida
) t
con lo cual tambi[en hemos integrado una ecuaci[on diferencial para encontrar como variar[a el volumen con
el tiempo.
Para la construcci[on de la ecuaci[on diferencial, procedemos de manera similar y si describimos la can-
tidad de sustancia en el tanque como y (t) , nos queda que la tasa de cambio de la cantidad de sustancia en
el tanque ser[a
y
t
(t) = v
entrada
_
lit
mn
_
C (t)
_
gr
lit
_
. .
Tasa de Ingreso
v
salida
_
lit
mn
__
y (t)
V
0
+ (v
entrada
v
salida
) t
gr
lit
_
. .
Tasa de Egreso
Por lo tanto la ecuaci[on diferencial tomar[a la forma t[ipica de una ecuaci[on diferencial lineal de primer
orden inhomog[enea
y
t
(t) +y (t)
v
sal
V
0
+ (v
ent
v
sal
) t
= v
ent
C (t)
Figura 9.17: Soluciones y tanques
que tendr[a por soluci[on
y (t) =
y
0
(V
0
)
v
sal
v
ent
v
sal
! ((v
ent
+ v
sal
) t V
0
)
v
sal
v
ent
v
sal
!
. .
Respuesta a las Condiciones iniciales
((v
ent
+ v
sal
) t V
0
)
v
sal
v
ent
+ v
sal
_
t
0
v
ent
C (u) (u(v
ent
v
sal
) +V 0)
v
sal
v
ent
v
sal
!
du
. .
Respuesta a la Exitaci[on externa
N[otese lo gen[erico de esta soluci[on. Por un lado, la concentraci[on de la sustancia, C (t) , en la soluci[on
que entra al sistema es distinta a la concentraci[on de la sustancia presente en el tanque, m[as a[un, puede
ser variable con el tiempo. Por otro lado esta soluci[on presenta una singularidad (un innito) cuando la
velocidad de ingreso es igual a la velocidad de egreso. Para este caso en el cual el volumen del tanque
permanece constante tendremos que resolver la ecuaci[on diferencial
y
t
(t) +y (t)
v
sal
V
0
= v
ent
C (t) y (t) =
_
_
t
0
C (u) v
entrada
e
v
salida
u
V
du +y0
_
e
v
salida
t
V
Tal y como hemos mencionado varias veces (y seguiremos mencionando) la soluci[on general para una ecua-
ci[on diferencial inhomog[enea se compone de dos soluciones, la soluci[on de la ecuaci[on diferencial homg[enea
m[as la soluci[on de la inhomog[ena.
y
general
(x) = y
homog[enea
(x) +y
inhomog[enea
(x)
Este ejemplo nos permite constatar el sentido cada una de estas soluciones, vale decir
y (t) = y0e
v
salida
t
V
. .
Respuesta a las Condiciones Iniciales
+e
v
salida
t
V
_
t
0
C (u) v
entrada
e
v
salida
u
V
du
. .
Respuesta a la Exitaci[on externa
En esta es una visi[on que debemos conservar, en general para todas las ecuaciones lineales inhomog[eneas
independientes del orden de la ecuaci[on diferencial, as[i recordando, dada una ecuaci[on diferencial y su
soluci[on tal que se cumple la condici[on inicial y (0) = y
0
entonces siempre es posible
d
dx
y (x) +p (x) y (x) = g (x) y (x) = y
0
e
R
x
0
p(u)du
. .
soluci[on homg[enea
+e
R
x
0
p(u)du
_
x
0
g (u) e
R
p(u)du
du
. .
Soluci[on inhomog[enea
donde ahora vemos claramente que la soluci[on de la homog[enea da cuenta a las condiciones iniciales del
proceso y la soluci[on de la inhomog[enea provee la respuesta a la exitaci[on externa al sistema.
Este comportamiento de las soluciones es [util si nos planteamos que al tratar de limpiar una piscina,
a la cual le hemos a nadido el doble de la cantidad de sulfatos permitida, y queremos saber cuanto tiempo
tenemos que mantener abierta una entrada de 120 lits/min de agua sin sulfatos y la salida de la piscina que
responde a 60 lits/min. La piscina en cuesti[on tiene 20 m de longitud, 10 m de ancho y 2 m de profundidad.
Siguiendo los pasos anteriormente planteados, tendremos que
y
t
(t) +y (t)
_
v
sal
V
0
+ (v
ent
v
sal
) t
_
= 0 y
t
(t) +y (t)
_
_
_
_
60
_
lit
mn
_
4 10
5
lit + (120 60) t
_
lit
mn
_
_
_
_
_
= 0
y
t
(t) +y (t)
_
_
_
_
60
_
lit
mn
_
4 10
5
lit + 60
_
lit
mn
_
t
_
_
_
_
= 0 y (t) = 20000
y
0
3t + 20000
donde el volumen es V = 400m
3
= 400 (100cm)
3
= 4 10
8
cm
3
= 4 10
8
_
10
3
lit
_
= 4 10
5
lit.
Con lo cual el tiempo para que la cantidad nal decaiga a la mitad de la inicial surge de
y
0
= 20000
2y
0
3t + 20000
t 6,666, 66 minutos !!!!!
Bibliografa
[1] M. L. Abell y J. P Braselton (1994) Dierential Equations with MAPLE V (Academic Press, New
York).
[2] F. Ayres (1952) Dierential Equations. (Shaums Series McGraw-Hill, New York) (Existe Traduc-
cion).
[4] W. E. Boyce y R.C. DiPrima. Elementary Dierential Equations and Boundary Problems. (8th
Edition) John Wiley, New York, 2004. (Existe Traduccion)
[5] C. H. Edwards, D. E. Penney (2003) Elementary Diential Equations with Boundary Value
Problems (Prentice Hall, Englewood Cli, N.J:)
[6] L. Elsgoltz (1969) Ecuaciones Diferenciales y Calculo Variacional. (Mir, Mosc u).
[8] A. Kiseliov, M. Krasnov y G. Makarenko (1969) Problemas de Ecuaciones Diferenciales Ordina-
rias. (Mir, Mosc u)
[9] The Mathematical Atlas http://www.math-atlas.org/welcome.html
[10] M. Tenenbaun y H. Pollard (1963) Ordinary Dierential Equations (Harper and Row, New York)
[12] Weisstein, E. W., MathWorld http://mathworld.wolfram.com/
390
Captulo 10
Ecuaciones Diferenciales Ordinarias
de Orden Superior
391
10.1. Deniciones para comenzar
Denicion
La ecuacion diferencial
a
0
(x) y(x) +a
1
(x) y
t
(x) + +a
n1
(x) y
(n1)
(x) +a
n
(x) y
(n)
(x) = T(x)
n
i=0
a
i
(x) y
(i)
(x) = T(x)
es lineal de orden n . Obviamente,
T(x) = 0 =Homogenea
T(x) ,= 0 =InHomogenea
a
i
(x) = a
i
= ctes
Denicion
Si los coecientes a
i
= ctes entonces la ecuacion diferencial lineal y homogenea, de orden n , tiene asociada
un polinomio caracterstico de la forma
a
n
r
n
+a
n1
r
n1
+ +a
2
r
2
+a
1
r +a
0
= 0
Las races de este polinomio indicaran la forma de la solucion.
Denicion
Si el polinomio caracterstico puede factorizarse
(r m
1
)
k1
(r m
2
)
k2
(r m
3
)
k3
(r m
l
)
k
l
= 0
entonces diremos que las races m
k1,
m
k2
, m
k3
, , m
k
l
tienen multiplicidades k
1
, k
2
, k
3
, , k
l
, respectiva-
mente.
10.2. Homogeneas, Lineales, de Segundo Orden
La ecuacion
a y
tt
+b y
t
+c y = 0 a r
2
+b r +c = 0
tiene asociada ese polinomio caracterstico y sus races m
1
y m
2
condicionan la solucion de la manera siguiente
1. Si m
1
,= m
2
y m
1
y m
2
son reales, entonces la solucion es
y = C
1
e
m1x
+C
2
e
m2x
2. Si m
1
= m
2
y m
1
y m
2
son reales, entonces la solucion es
y = C
1
e
m1x
+C
2
xe
m1x
3. Si m
1
= +i con ,= 0 y m
2
= m
1
= i, entonces la solucion es
y = e
x
(C
1
cos x +C
2
sen betax)
Figura 10.1: y(x) =
2
5
e
4x
+
3
5
e
x
Figura 10.2: y(x) = C
1
e
4x
+C
2
e
x
para C
1
= 1, 0, 1 y C
2
= 1, 0, 1
Ejemplos
La ecuacion
y
tt
+ 3y
t
4y = 0; y(0) = 1 y
t
(0) = 1 r
2
+ 3r 4 = (r + 4)(r 1) = 0
tiene asociado ese polinomio caracterstico y por lo tanto tiene como solucion general
y(x) = C
1
e
4x
+C
2
e
x
y como solucion particular y(x) =
2
5
e
4x
+
3
5
e
x
En la gura 10.1 se encuentra gracada esa solucion particular. De igual modo, para distintos valores de
C
1
= 1, 0, 1 y C
2
= 1, 0, 1 tendremos las gracas representadas en la gura 10.2 Cuales son las
condiciones iniciales a las cuales corresponden esos valores de las constantes?
Otra ecuacion podria ser
y
tt
+ 2y
t
+y = 0; y(0) = 1 y
t
(0) = 1 r
2
+ 2r + 1 = (r + 1)
2
= 0
y por lo tanto tiene como solucion general
y(x) = C
1
e
x
+C
2
xe
x
y como solucion particular y(x) = e
x
Figura 10.3: y(x) = e
x
Figura 10.4: y(x) = C
1
e
x
+C
2
xe
x
para C
1
= 1, 0, 1 y C
2
= 1, 0, 1
La graca para esta solucion esta representada en la gura 10.3
Para distintos valores de C
1
= 1, 0, 1 y C
2
= 1, 0, 1 tendremos las gracas representadas en la
gura 10.4. Cabe seguir preguntando Cuales son las condiciones iniciales a las cuales corresponden esos
valores de las constantes?
Finalmente, la ecuacion
y
tt
+ 4y
t
+ 20y = 0; y(0) = 3 y
t
(0) = 1 r
2
+ 4r + 20 = (r + 2)
2
+ 16 = 0
con las siguientes soluciones r = 2 4i y por lo tanto tiene como solucion general
y(x) = e
2x
(C
1
cos 4x +C
2
sen4x) y como solucion particular y(x) = e
2x
_
3 cos 4x +
5
4
sen4x
_
y su representacion graca se encuentra en la gura 10.5 y para distintos valores de las constantes
Al igual que en los casos anteriores, para distintos valores de las constantes de integracion, tendremos
las gracas de la gura 10.6
2x
_
3 cos 4x +
5
4
sen4x
_
2x
(C
1
cos 4x +C
2
sen4x) para C
1
= 1, 0, 1 y C
2
= 1, 0, 1
10.3. Ecuaciones Diferenciales de Orden n
La ecuacion
a
0
y(x) +a
1
y
t
(x) + +a
n1
y
(n1)
(x) +a
n
y
(n)
(x) = 0
con a
i
= ctes tiene asociada un polinomio caracterstico de la forma
a
n
r
n
+a
n1
r
n1
+ +a
2
r
2
+a
1
r +a
0
= 0
el cual condicionara la solucion de la siguiente forma
1. Si m es una raz real con multiplicidad k _ 2 entonces las k soluciones asociadas con m seran de la
forma
e
mx
, xe
mx
, x
2
e
mx
, x
3
e
mx
, x
k1
e
mx
2. Si m y m son parejas de soluciones complejas, i , del polinomio caracterstico y tienen multiplicidad
k , entonces las soluciones correspondientes seran
e
x
cos x; e
x
senx; x
k1
e
x
cos x; x
k1
e
x
senx
Ejemplos
La ecuacion
24y
ttt
+ 2y
tt
5y
t
y = 0 24r
3
+ 2r
2
5r 1 = (3r + 1)(2r 1)(4r + 1) = 0
consecuentemente con las races
m
1
=
1
3
, m
2
=
1
2
, m
3
=
1
4
,
y con la solucion de la forma
y(x) = C
1
e
x/3
+C
2
e
x/2
+C
3
e
x/4
La ecuacion
y
ttt
+ 3y
tt
+ 3y
t
+y = 0 r
3
+ 3r
2
+ 3r + 1 = (r + 1)
3
= 0
con las races m = 1 con multiplicidad k = 3 y con una solucion de la forma
y(x) = C
1
e
x
+C
2
xe
x
+C
3
x
2
e
x
La ecuacion
4y
(4)
+12y
ttt
+49y
tt
+42y
t
+10y = 0 4r
4
+12r
3
+49r
2
+42r +10 = (r
2
+2r +10)(2r +1)
2
= 0
consecuentemente con las races
m
1
= 1 + 3i, m
2
= 1 3i, m
3
=
1
2
, con multiplicidad 2
Entonces la solucion es de la forma
y(x) = e
x
(C
1
cos 3x +C
2
sen3x) +C
3
e
x/2
+C
4
xe
x/2
La ecuacion
y
(4)
+ 4y
ttt
+ 24y
tt
+ 40y
t
+ 100y = 0 r
4
+ 4r
3
+ 24r
2
+ 40r + 100 = (r
2
+ 2r + 10)
2
= 0
con las races
m
1
= 1 + 3i, m
2
= 1 3i, con multiplicidad 2.
Entonces la solucion es de la forma
y(x) = e
x
(C
1
cos 3x +C
2
sen3x +C
3
xcos 3x +C
4
xsen3x)
La ecuacion
4y
ttt
+ 33y
t
37y = 0;
con
y(0) = 0; y
t
(0) = 1; y
tt
(0) = 3 4r
3
+ 33r 37 = (r 1)(4r
2
+ 4r + 37) = 0
consecuentemente con una solucion general de la forma
y(x) = C
1
e
x
+e
x/2
(C
2
cos 3x +C
3
sen3x)
y con la solucion particular
y(x) =
8
45
e
x
e
x/2
(
8
45
cos 3x +
19
45
sen3x)
Figura 10.7: y(x) =
8
45
e
x
e
x/2
(
8
45
cos 3x +
19
45
sen3x)
10.4. Algunos Metodos de Soluci on para Ecuaciones Inhomogeneas
10.4.1. El Wronskiano
Denicion: Independencia y Dependencia Lineal.
Sean n funciones f
1
(x), f
2
(x), f
3
(x), f
4
(x), f
n
(x), cuando menos n 1 veces diferenciables. Entonces,
el conjunto S = f
1
(x), f
2
(x), f
3
(x), f
4
(x), f
n
(x), se dice linealmente dependiente en el intervalo I, si
existen algunas constantes, c
1
, c
2
, c
3
, c
4
, c
n
distintas de cero tal que
n
i=1
c
i
f
i
(x) = c
1
f
1
(x) +c
2
f
2
(x) + +c
n
f
n
(x) = 0
Por el contrario, si no existe ninguna constante c
i
,= 0, se dira que S es linealmente independiente.
Denicion:Wronskiano
El conjunto S = f
1
(x), f
2
(x), f
3
(x), f
4
(x), f
n
(x) de funciones, cuando menos n1 veces diferenciables,
conforman el Wronskiano,
W(S) = W(f
1
(x), f
2
(x), f
3
(x), f
4
(x), f
n
(x))
a traves del siguiente determinante
W(S) =
f
1
(x) f
2
(x) f
n
(x)
f
t
1
(x) f
t
2
(x) f
t
n
(x)
.
.
.
.
.
.
.
.
.
.
.
.
f
(n1)
1
(x) f
(n1)
2
(x) f
(n1)
n
(x)
Si W(S) ,= 0 al menos en un punto dentro del intervalo I, entonces S es linealmente independiente

Denicion: Conjunto Fundamental de Soluciones.
El conjunto S = f
1
(x), f
2
(x), f
3
(x), f
4
(x), f
n
(x) de n soluciones no triviales a la ecuacion diferencial:
a
0
(x) y(x) +a
1
(x) y
t
(x) + +a
n
(x) y
(n)
(x) = 0, (10.1)
Se le denomina conjunto fundamental de soluciones. La combinacion lineal
f(x) =
n
i=1
c
i
f
i
(x) = c
1
f
1
(x) +c
2
f
2
(x) + +c
n
f
n
(x)
tambien es solucion de la ecuacion diferencial (10.1) y se denomina como solucion general de (10.1). Adicio-
nalmente, si los coecientes a
i
(x) son continuos en el intervalo abierto I para todo i = 1, 2, , n , entonces
la ecuacion diferencial (10.1) tiene un conjunto fundamental de n soluciones linealmente independientes.
Denicion: Soluciones Particulares y Generales.
Dada una ecuacion diferencial lineal Inhomogenea
a
0
(x) y(x) +a
1
(x) y
t
(x) + +a
n
(x) y
(n)
(x) = T(x) (10.2)
Si y
p
(x) es solucion de (10.2) sin constantes arbitrarias, entonces y
p
(x) se denomina solucion particular de
(10.2). De igual modo, se denominara solucion general de (10.2) a la suma de la solucion, y
h
(x), de la ecuacion
homogenea (10.1) mas la solucion particular:
y(x) = y
h
(x) +y
p
(x)
10.4.2. Metodos de los Coecientes Indeterminados
Dada la ecuacion diferencial
a
0
y(x) +a
1
y
t
(x) + +a
n
y
(n)
(x) = T(x) (10.3)
con a
0
, a
1
, a
2
, a
n
coecientes constantes, el metodo de los coecientes indeterminados se puede esque-
matizar de la siguiente manera
1. Resuelva la ecuacion diferencial homogenea
a
0
y(x) +a
1
y
t
(x) + +a
n
y
(n)
(x) = 0 (10.4)
y obtenga y
h
(x).
2. Proponga la forma de la solucion particular para la ecuacion inhomogenea (10.3) siguiendo el siguiente
procedimiento. Dada F(x) = b
0
g
0
(x) + b
1
g
1
(x) + + b
n
g
n
(x), con los b
i
coecientes constantes,
entonces
a) Si F(x) = P(x), un polinomio, es decir g
i
(x) = x
m
entonces proponga como solucion particular a
y
p
(x) = A
0
+A
1
x +A
2
x
2
+A
3
x
3
+ +A
m
x
m
b) Si g
i
(x) = x
m
e
kx
entonces proponga como conjunto fundamental de soluciones particulares a
y
p
(x) = e
kx
(A
0
+A
1
x +A
2
x
2
+A
3
x
3
+ +A
m
x
m
)
c) Si g
i
(x) = x
m
e
kx
cos x o g
i
(x) = x
m
e
kx
senx, entonces proponga como conjunto fundamental
de soluciones particulares a
y
p
(x) =
e
kx
(A
0
+A
1
x +A
2
x
2
+A
3
x
3
+ +A
m
x
m
) cos x+
e
kx
(

A
0
+

A
1
x +

A
2
x
2
+

A
3
x
3
+ +

A
m
x
m
)senx
3. Determine el valor de los coecientes A
i
al sustituir la solucion propuesta y
p
(x) en (10.3)
4. Construya las solucion general y(x) = y
h
(x) +y
p
(x)
Ejemplos
y
tt
+ 4y
t
+ 4y = 4x
2
+ 6e
x
Tiene como solucion de la homogenea
y
h
= (C
1
+C
2
x) e
2x
y proponemos como solucion particular de la ecuacion a
y
p
= (Ax
2
+Bx +C) +De
x
sustituimos su expresion en la ecuacion y obtenemos
2A+De
x
+
4 (2Ax +B +De
x
) +
4
_
(Ax
2
+Bx +C) +De
x
_
+
= 4x
2
+ 6e
x
de donde surge el siguiente sistema de ecuaciones
4A = 4
8A+ 4B = 0
2A+ 4B + 4C = 0
9D = 6
y de all el valor de los coecientes
A = 1; B = 2; C =
3
2
; D =
2
3
y con ellos la solucion general
y = (C
1
+C
2
x) e
2x
+x
2
2x +
3
2
+
2
3
e
x
Ejercicios
1. La ecuacion
y
tt
3y
t
+ 2y = 2x e
3x
+ 3senx
tiene como solucion
y = C
1
e
x
+C
2
e
2x
+x e
3x
3
2
e
3x
+
3
10
senx +
9
10
cos x
2. La ecuacion
y
tt
3y
t
+ 2y = 2x
2
+ 3 e
2x
tiene como solucion
y = C
1
e
x
+C
2
e
2x
+
7
2
+ 3x +x
2
+ 3x e
2x
10.4.3. Metodos de Variacion de los Parametros
Dada la ecuacion diferencial
a
0
y(x) +a
1
y
t
(x) + +a
n
y
(n)
(x) = T(x) (10.5)
El metodo de variacion de los parametros se puede esquematizar de la siguiente manera
1. Resuelva la ecuacion diferencial homogenea
a
0
y(x) +a
1
y
t
(x) + +a
n
y
(n)
(x) = 0 (10.6)
y obtenga y
h
(x).
2. Proponga como solucion particular
y
p
= u
1
(x) y
h1
+u
2
(x) y
h2
donde las funciones u
1
(x) y u
2
(x) son funciones a determinar en el metodo y las y
1
y y
2
son las
soluciones a la ecuacion homogenea (10.6).
3. Sustituya esta solucion propuesta en la ecuacion (10.5) para obtener, luego de alg un nivel de algebra
elemental
u
1
(x)
=0
..
(a
0
y
1
+a
1
y
t
1
+a
2
y
tt
1
) +
u
2
(x)
=0
..
(a
0
y
2
+a
1
y
t
2
+a
2
y
tt
2
) +
a
2
(u
t
1
y
1
+u
t
2
y
2
)
t
+a
1
(u
t
1
y
1
+u
t
2
y
2
)
a
2
(u
t
1
y
t
1
+u
t
2
y
t
2
) = T(x)
de donde surge el siguiente sistema de ecuaciones algebraico
u
t
1
y
1
+u
t
2
y
2
= 0
a
2
(u
t
1
y
t
1
+u
t
2
y
t
2
) = T(x)
con sus soluciones de la forma
u
t
1
=
0 y
2
J(x)
a2
y
t
2
y
1
y
2
y
t
1
y
t
2
0 y
2
J(x)
a2
y
t
2
W(y
1
, y
2
)
= (
1
(x)
u
t
2
=
y
1
0
y
t
1
J(x)
a2
y
1
y
2
y
t
1
y
t
2
y
1
0
y
t
1
J(x)
a2(x)
W(y
1
, y
2
)
= (
2
(x)
e integrando se obtienen los coecientes respectivos,
u
1
(x) =
_
(
1
(x) dx; u
2
(x) =
_
(
2
(x) dx
para nalmente obtener la solucion general
y = C
1
y
1
+C
2
y
2
+u
1
(x) y
1
+u
2
(x) y
2
notese que no incorporamos las constantes de integracion en la funciones u
1
(x) y u
2
(x).
Ejemplo:
La ecuacion inhomogenea de Cauchy
1
-Euler
2
a
0
y(x) +a
1
x y
t
(x) + +a
n
x
n
y
(n)
(x) = T(x)
con los a
i
= ctes, puede ser resuelta por este metodo. Consideremos una ecuacion de orden 2
c y(x) +b x y
t
(x) +a x
2
y
tt
(x) = T(x)
La solucion de la homogenea se propone como y
h
= x
m
por lo tanto
c y(x) +b x y
t
(x) +a x
2
y
tt
(x) = 0
c x
m
+b x mx
m1
+a x
2
m(m1)x
m2
= 0
x
m
(c +bm+am(m1)) = 0
por lo tanto
am
2
+ (b a)m+c = 0
con
m =
(b a)
_
(b a)
2
4ac
2a
por lo tanto
1. Si m
1
,= m
2
y ambas reales, entonces la solucion de la homogenea sera
y
h
= C
1
x
m1
+C
2
x
m2
2. Si m
1
= m
2
y ambas reales, entonces la solucion de la homogenea sera
y
h
= x
m1
(C
1
+C
2
lnx)
3. Si m
1
= m
2
= +i , entonces la solucion de la homogenea sera
y
h
= x
(C
1
cos( lnx) +C
2
sen( lnx))
Ahora para lograr la solucion de la inhomogenea suponemos el caso m
1
,= m
2
por lo tanto
y
1h
= x
m1
y
2h
= x
m2
u
t
1
=
0 x
m2
J(x)
a x
2
m
2
x
m21
x
m1
x
m2
m
1
x
m11
m
2
x
m21
0 x
m2
J(x)
a x
2
m
2
x
m21
W(y
1
, y
2
)
= (
1
(x)
u
t
2
=
x
m1
0
m
1
x
m11
J(x)
a x
2
x
m1
x
m2
m
1
x
m11
m
2
x
m21
x
m1
0
m
1
x
m11
J(x)
a x
2
W(y
1
, y
2
)
= (
2
(x)
1
Louis Augustin Baron de Cauchy (1789-1857). Matematico frances, uno de los creadores del analisis matem atico
moderno. Estudi o, entre otras cuestiones, los criterios de convergencia de series, las funciones de variable compleja y los sistemas
de ecuaciones diferenciales
2
Leonhard Euler (1707-1783). Matematico suizo. Destaco en el estudio de diversas cuestiones del c alculo logartmico y
diferencial, as como de las series algebraicas y la trigonometra.
La siguiente ecuacion diferencial
x
2
y
tt
xy
t
+ 5y =
1
x
tiene como solucion de la homogenea
y
h
= x (C
1
cos(2 lnx) +C
2
sen(2 lnx))
la solucion particular por el metodo de variacion de los parametros queda como
y
p
= u
1
(x) y
h1
+u
2
(x) y
h2
calculando los coecientes respectivos en donde el Wronskiano
W (x cos(2 lnx); x sen(2 lnx)) = 2x
por lo cual los coecientes quedan
u
1
=
_
(
1
(x) dx =
_
xsen(2 lnx)
1
x
2x
dx =
1
4
cos(2 lnx)
u
2
=
_
(
2
(x) dx =
_
xcos(2 lnx)
1
x
2x
dx =
1
4
sen(2 lnx)
nalmente las solucion particular sera
y
p
= x
_
1
4
cos
2
(2 lnx) +
1
4
sen
2
(2 lnx)
_
=
1
4
x
y la general
y = x (C
1
cos(2 lnx) +C
2
sen(2 lnx)) +
1
4
x
10.4.4. Metodos de Reducci on de Orden
Este metodo supone, por lo tanto
a
0
(x) y(x) +a
1
(x) y
t
(x) +a
2
(x) y
tt
(x) = T(x)
tendra como primer solucion no trivial para la ecuacion homogenea, y
h1
(x), entonces la segunda solucion
vendra dada por
y
h2
(x) = y
h1
(x)
_
u(x) dx
donde u(x) es la funcion incognita a determinar. Sustituyendo esta expresion en la ecuacion homogenea se
obtiene
=0
..
(a
0
(x) y
1
(x) +a
1
(x) y
t
1
(x) +a
2
(x) y
tt
1
(x))
_
u(x) dx+
+a
2
(x) y
1
(x) u
t
(x) + (2a
2
(x) y
t
1
(x) +a
1
(x) y
1
(x)) u(x) = 0
resolviendo la ecuacion diferencial para u(x) tendremos que:
u(x) =
e
_
a
1
a
2
dx
y
2
1
La ecuacion
(x 1)y
ttt
+ 2y
tt
=
x + 1
2x
2
tiene como solucion y
1
= C
1
x +C
2
y como solucion general
y = C
1
x +C
2
+C
3
ln[x 1[ +
1
2
x ln[x[
10.5. Algunas Aplicaciones de las Ecuaciones de Orden Superior
10.5.1. Mecanica y Electricidad
Una de las mas famosas ecuaciones diferenciales, lineales, ordinaria con coecientes constantes es
u + u + u
d
2
u
dt
2
+
du
dt
+ u = (t)
La cual utiliza para describir sistemas mecanicos y toma la forma
m
d
2
x
dt
2
+
dx
dt
+k x = F (t) donde
_
_
x Desplazamiento
dx
dt
Velocidad
m masa
Constante de Amortiguamiento
k Constante Elastica
F (t) Fuerza Aplicada
y circuitos electricos
L
d
2
Q
dt
2
+R
dQ
dt
+
1
C
Q = E (t) donde
_
_
Q Carga Electrica
dQ
dt
= I Intensidad de Corriente
L Inductancia
R Resistencia
C Capacitancia
E (t) Fuerza Electromotriz
Analicemos la ecuacion que describe sistemas mecanicos y dejamos la cual describe sistemas electricos para
un analisis posterior. El primero de los casos a analizar sera el de las oscilaciones libres, vale decir F (t) = 0,
lo cual en el lenguaje de las ecuaciones diferenciales se traduce a ecuaciones diferenciales homogeneas. En
contraste, si F (t) ,= 0, es decir, el caso inhomogeneo, estaremos describiendo oscilaciones forzadas.
10.5.2. Oscilaciones libres
Analicemos pues del caso del oscilador armonico libre, i.e.
m
d
2
x
dt
2
+k x = 0 x(t) = C
1
cos (
0
t) +C
2
sen(
0
t) con
0
=
_
k
m
0
se denomina la frecuencia natural de oscilacion y C
1
y C
2
las constantes de integracion que se determinan
de las condiciones iniciales. Es claro que
si
_
C
1
= Acos
C
2
= Asen
x(t) = C
1
cos (
0
t) +C
2
sen(
0
t) x(t) = Acos (
0
t +)
Figura 10.8: Oscilador armonico libre. Cambios en la posicion inicial no afectan la frecuencia natural.
con R la amplitud y en angulo de fase. Obviamente, el perodo del movimiento sera
T =
2
0
= 2
_
m
k
Ejemplo Como un ejemplo analicemos el caso de un sistema en el cual m = 0,1 Kg. y k = 0,4 N/m En
este caso la frecuencia angular
0
=
_
k
m
= 2 rad/sg. La ecuacion diferencial que describe este movimiento
sera
d
2
x
dt
2
+ 4 x = 0
_
_
x(0) = 1;
dx
dt
t=0
= 0; x(t) = cos(2t)
x(0) = 4;
dx
dt
t=0
= 0 x(t) = 4 cos (2t)
x(0) = 2;
dx
dt
t=0
= 0 x(t) = 2 cos (2t)
d
2
x
dt
2
+ 4 x = 0
_
_
x(0) = 0;
dx
dt
t=0
= 1; x(t) =
1
2
sen(2t)
x(0) = 0;
dx
dt
t=0
= 4; x(t) = 2 sen(2t)
x(0) = 0;
dx
dt
t=0
= 2 x(t) = sen(2t)
10.5.3. Oscilaciones Libres Amortiguadas
Consideremos que en el movimiento act ua una fuerza de amortiguacion proporcional a la velocidad, por
lo cual el movimiento viene descrito por
m
d
2
x
dt
2
+
dx
dt
+k x =
d
2
x
dt
2
+ 2
dx
dt
+
2
0
x = 0
Figura 10.9: Oscilador Armonico Libre. Cambios de velocidad incial no afectan la frecuencia natural
la cual constituye una ecuacion diferencial lineal homogenea de segundo orden. Las races del polinomio
caracterstico asociado seran
r =

_
2
4km
2m
=

2m

_
_

2m
_
2
k
m
=
_
2
0
por lo tanto la solucion sera
x(t) = C
1
e
2
0
+C
2
e
2
0
de donde se deducen los siguientes casos

x(t) = C
1
e
r1t
+C
2
e
r2t

2
2
0
> 0 Sobreamortiguado
x(t) = (C
1
+C
2
t) e
t

2
2
0
= 0 Crtico
x(t) = e
t
_
C
1
cos
__
_
2
0

2
_
t
_
+C
2
sen
__
_
2
0

2
_
t
__

2
2
0
< 0 Subamortiguado
Ejemplo Como un ejemplo analicemos el mismo caso del sistema anterior en el cual m = 0,1 Kg. y
k = 0,4 N/m, solo que ahora la constante de amortiguamiento sera = 0,60, 0,40 y 0,15 En todos los caso la
frecuencia angular
0
=
_
k
m
= 2 rad/sg. y la cantidad subradical
_
2
0
_
correspondera a los tres casos
Figura 10.10: Oscilaciones libres amortiguadas y no amortiguadas. Notese que el perodo es mayor para el
caso subamortiguado
anteriormente mencionados. Las ecuaciones diferenciales que describen este movimiento seran
d
2
x
dt
2
+ 6
dx
dt
+ 4 x = 0
_
_
_
x(0) = 0
dx
dt
t=0
= 4
_
_
_
x(t) =
_
1
2
+
7
2
5
_
e
(
53)t
+
_
1
2

7
2
5
_
e
(3+
5)t
d
2
x
dt
2
+ 4
dx
dt
+ 4 x = 0
_
_
_
x(0) = 0
dx
dt
t=0
= 4
_
_
_
x(t) = (1 + 6t) e
2t
d
2
x
dt
2
+
dx
dt
+ 4 x = 0
_
_
_
x(0) = 0
dx
dt
t=0
= 4
_
_
_
x(t) = e
1
2
t
_
9
15
sen
_
15
2
t
_
+ cos
_
15
2
t
__
Si en los casos anteriores cambiamos el signo de la velocidad inicial, i.e.
dx
dt
t=0
= 4 m/s, tendremos la
siguiente representacion graca.
x(0) = 1;
dx
dt
t=0
= 4; x(t) =
_
1
2

1
2
5
_
e
(
53)t
+
_
1
2
+
1
2
5
_
e
(3+
5)t
x(0) = 1;
dx
dt
t=0
= 4; x(t) = (1 + 2t) e
2t
x(0) = 1;
dx
dt
t=0
= 4 x(t) = e
1
2
t
_
7
15
sen
_
15
2
t
_
+ cos
_
15
2
t
__
En todos los casos dado que r
1
, r
2
< 0 se tiene que x(t 0) 0. El movimiento subamortiguado es
Figura 10.11: Oscilaciones Libres amortiguadas con cambio de signo en la velocidad inicial
periodico y el perodo viene descrito por
T
am
=
2
0
_
1
_

0
_
2
=
T
_
1
_

0
_
2
si
_

0
_
2
<< 1 T
am
T
_
1 +
1
2
_

0
_
2
_
el cual siempre sera mayor que el periodo de oscilacion natural del sistema.
10.5.4. Oscilaciones Forzadas
Supongamos ahora que existe una fuerza aplicada al sistema tal que
d
2
x
dt
2
+ 2
dx
dt
+
2
0
x =
F
0
m
cos (t)
Oscilaciones Forzadas no amortiguadas
En este caso = 0 y por lo tanto
d
2
x
dt
2
+
2
0
x =
F
0
m
cos (t)
Amplitud modulada ,=
0
y tendra como solucion
x(t) = C
1
cos (
0
t) +C
2
sen(
0
t)
. .
homogenea
+
F
0
m(
2
0

2
)
cos (t)
. .
inhomogenea
= Acos (
0
t +) +
F
0
m(
2
0

2
)
cos (t)
Figura 10.12: Oscilador armonico forzado con =
2
0
Notese el fenomeno de resonancia
con lo cual es la suma de dos movimientos armonicos con distintas frecuencias y amplitudes. Si el cuerpo
parte del reposo, esto es: x(0) = x(0) = 0 entonces
C
1
=
F0
m(
2
0
2
)
C
2
= 0
_
_
x(t) =
F
0
m(
2
0

2
)
[cos (t) cos (
0
t)]
dado que
cos (
0
t) = cos
___
2
_
+
_
0
+
2
__
t
_
cos (
0
t) = cos
_
2
_
cos
_
0
+
2
_
sen
_
2
_
sen
_
0
+
2
_
cos (t) = cos
___
2
_
0
+
2
__
t
_
cos (t) = cos
_
2
_
cos
_
0
+
2
_
+ sen
_
2
_
sen
_
0
+
2
_
x(t) =
2F
0
m(
2
0

2
)
_
sen
_
2
t
__
. .
Envolvente
_
sen
_
0
+
2
t
__
Ejemplo El mismo sistema anterior en el cual m = 0,1 Kg. y k = 0,4 N/m, cuando parte del reposo
desde el origen de coordenadas y existe una fuerza de excitacion F = 0,5 cos (3t) . Por lo tanto la ecuacion
Figura 10.13: Oscilador armonico forzado. Notese la envolvente de la funcion
diferencial que describe el movimiento sera
d
2
x
dt
2
+ 4 x = 5 cos (3t)
_
_
_
x(0) = 0
dx
dt
t=0
= 0
_
_
_
=x(t) = cos(2t)
. .
homogenea
cos(3t)
. .
inhomogenea
2 sen
_
1
2
t
_
. .
envolvente
sen
_
5
2
t
_
Resonancia =
0
En el caso que la frecuencia de la fuerza de excitacion coincida con la frecuencia natural del sistema, se
tiene
d
2
x
dt
2
+
2
0
x = F
0
cos (
0
t) = x(t) = C
1
cos (
0
t) +C
2
sen(
0
t) +
F
0
2m
0
t
. .
envolvente
sen(
0
t)
Ejemplo El sistema anterior (m = 0,1 Kg. y k = 0,4 N/m), cuando parte del reposo desde el origen
de coordenadas y existe una fuerza de excitacion F = 0,5 cos (2t) . Por lo tanto la ecuacion diferencial que
describe el movimiento sera
d
2
x
dt
2
+ 4 x = 5 cos (2t)
_
_
_
x(0) = 0
dx
dt
t=0
= 0
_
_
_
= x(t) =
5t
4
sen(2t)
10.5.5. Oscilaciones Forzadas amortiguadas
En este caso ,= 0 y por lo tanto
d
2
x
dt
2
+ 2
dx
dt
+
2
0
x =
F
0
m
cos (t)
Figura 10.14: Carga en funcion del tiempo en un circuito RLC sometido a un voltaje constante. Notese que
el sistema alcanza el regimen estacionario cercano a los 0,3 sg
la cual tendr a como solucion
x(t) = C
1
e
2
0
+C
2
e
2
0
+
F
0
m
_
_
2
0

2
_
cos (t) + 2sen(t)
(
2
0

2
)
2
+ (2)
2
_
una vez mas se puede convertir en
x(t) = C
1
e
2
0
+C
2
e
2
0
. .
soluci on homogene regimen transitorio
+
F
0
m
cos (t )
_
(
2
0

2
)
2
+ (2)
2
. .
soluci on inhomogenea regimen estacionario
donde
cos () =
_
2
0

2
_
_
(
2
0

2
)
2
+ (2)
2
y sen() =
2
_
(
2
0

2
)
2
+ (2)
2
Es claro que el termino homogeneo en todos sus casos (sobreamortiguado, crtico y subamortiguado) tiende a
cero, por ello se considera un termino transitorio, no as el termino inhomogeneo que permanece oscilando. En
terminos Fsico se pude decir que el termino transitorio representa la disipacion de la energa inicial que se le
provee al sistema a traves de la posicion y la velocidad inicial de lanzamiento. Esta energa inicial se expresa
a traves de las condiciones iniciales se disipa. Si no existiera disipacion esta energa inicial permanecera por
siempre en el sistema. Finalmente el termino inhomogeneo, a traves de la fuerza de excitacion, impone el
movimiento al sistema. Notese ademas que el termino inhomogeneo nunca se hace innito, ni siquiera para el
caso para el cual tiene un maximo y es aquel en el cual la frecuencia de excitacion coincide con la frecuencia
natural del sistema.
Ejemplo En un circuito RLC, cuyos componentes son L = 1 henry, R = 40 ohmios y C =
1
40000
faradios, se
le aplica un tension de V = 24 voltios. Determine el comportamiento de la carga y la intensidad de corriente
en el circuito.
Figura 10.15: Intensidad en un circuito RLC sometido a un voltaje constante.
La ecuacion diferencial que describe el comportamiento del sistema
L
d
2
Q(t)
dt
2
+R
dQ(t)
dt
+
1
C
Q = E (t)
d
2
Q(t)
dt
2
+ 40
dQ(t)
dt
+ 40000 Q(t) =
1
2
L
d
2
I (t)
dt
2
+R
dI (t)
dt
+
1
C
I (t) =
dE (t)
dt

d
2
I (t)
dt
2
+ 40
dI (t)
dt
+ 40000 I (t) = 0
tomando en cuenta las condiciones iniciales tendremos como solucion
Q(0) = 10
4
I (0) =
dQ
dt
t=0
= 10
2
_
_
Q(t) =
1
8000
+e
20t
_
47
11
2640000
sen
_
1160t
_
+
7
8000
cos
_
1160t
_
_
I (t) =
dQ
dt
= e
20t
_
1
100
cos
_
1160t
_
37
11
6600
sen
_
1160t
_
_
Si en vez de un tension constante de 0,5 V. la fuente de tension es sinusoidal de la forma E (t) =
1
2
cos (180t) voltios las ecuaciones se transforman en
d
2
Q
dt
2
+ 40
dQ
dt
+ 40000 Q =
1
2
cos (180t) con Q(0) = 10
4
I (0) =
dQ
dt
t=0
= 10
2
d
2
I
dt
2
+ 40
dI
dt
+ 40000 I = 90sen (180t)
con sus correspondientes soluciones a las condiciones iniciales del sistema
Q(t) =
1
1000
_
e
20t
_
293
11
30140
sen
_
60
11t
_
+
91
685
cos
_
60
11t
_
_
9
274
cos (180t) +
19
548
sen (180t)
_
I(t) =
1
100
_
e
20t
_
103
274
cos
_
60
11t
_
2461
11
3014
sen
_
60
11t
_
_
+
81
137
sen (180t) +
171
274
cos (180t)
_
Figura 10.16: Carga en funcion del tiempo en un circuito RLC sometido a un voltaje sinusoidal V (t) =
1
2
cos (180t) . Notese el regimen transitorio (0 t _ 0,17) y estacionario (t _ 0,17) .
Por analoga con el caso mecanico procedemos a identicar cantidades
2 =
R
L
2
0
=
1
LC
_
_
_
A =
V
0
L
_
_
1
LC

2
_
2
+
_
R
L
_
2
=
1
2
4
78400
2
+ 1600000000
con ello se puede ver la funcionalidad de la amplitud con la frecuencia excitatriz
10.5.6. Movimiento alrededor de un punto de equilibrio
La fuerza elastica F = k x mas alla de ser el caso mas simple, representa la primera aproximacion al
movimiento alrededor de un punto de equilibrio estable. Si recordamos que para una fuerza que derive de un
potencial
F =
dV
dx
F = k x =
d
_
1
2
k x
2
_
dx
mas aun, un punto de equilibrio estable se dene aquel en el cual no existen fuerzas externas, vale decir
F[
x=x0
= 0
dV
dx
x=x0
= 0
por lo cual, dado un potencial de una fuerza arbitraria siempre podemos expandirlo en series de Taylor
alrededor de un punto de equilibrio x = x
0
V (x) = v (x
0
) + (x x
0
)
dV
dx
x=x0
. .
=0
+
1
2!
(x x
0
)
2
d
2
V
dx
2
x=x0
+
1
3!
(x x
0
)
3
d
3
V
dx
3
x=x0

Figura 10.17: Intensidad de corriente en un circuito RLC sometido a un voltaje sinusoidal V (t) =
1
2
cos (180t)
As, en general, alrededor de un punto de equilibrio x = x
0
la primera aproximacion de una funcion potencial
seraV (x)
1
2!
(x x
0
)
2
d
2
V
dx
2
x=x0
1
2
k (x x
0
)
2
. As, un potencial de la forma
V (x) =
1
6
x
6
2x
5
+
35
4
x
4
50
3
x
3
+ 12x
2
Solucion: x
5
10x
4
+ 35x
3
50x
2
+ 24x Solucion: que genera una fuerza
F =
dV (x)
dx
=
_
x
5
10x
4
+ 35x
3
50x
2
+ 24x
_
tendra dos puntos de equilibrio x = 0 y x = 4. En torno a x = 0 se podra aproximar con un potencial
parabolico
V (x) =
1
2!
(x x
0
)
2
d
2
V (x)
dx
2
x=x0
= 12x
2
tal y como se observa gracamente
10.5.7. Pendulo Simple con desplazamiento nito.
El caso tpico de esta aproximacion lo constituye el pendulo simple: una masa m, empotrada a una
varilla, de masa despreciable y de longitud L. La varilla se desplaza un angulo de la vertical y se suelta.
La Figura (10.20) muestra el diagrama de cuerpo libre del Pendulo Fsico. Desde la ancestral fsica general,
a un en secundaria, era proverbial resolver este problema suponiendo angulos peque nos. En esas tempranas
epocas de nuestro conocimiento de Fsica era limitado y mas limitado a un era nuestra capacidad para resolver
ecuaciones diferenciales. A este problema se le conoce con el pendulo fsico. Como siempre, aproximar es un
arte y exploremos este arte. Como norma general tendremos que se debe aproximar al nal. Pero no siempre.
Si suponemos un cuerpo de masa constante, m, las ecuaciones diferenciales que describen el movimiento no
Figura 10.18: Amplitud como funcion de la frecuencia excitatriz. Notese el maximo de la amplitud cuando
el sistema entra en resonancia, i.e. =
0
pueden ser otras que aquellas que provengan de las ecuaciones de Newton
externas
F(
r(t),
v(t), t) =
d
mv(t)
dt
= m
a(t) = m(a
r
u
r
+a
) , (10.7)
Es bueno recordar que hay que expresar la aceleracion en un sistema de coordenadas moviles ( u
r
, u
).
Esto es
u
r
= cos ()+sen() =
d u
r
dt
= (sen()+cos () )
d (t)
dt
=
d (t)
dt
u
=

(t) u
= sen()+cos () =
d u
dt
= (cos ()+sen() )
d (t)
dt
=
d (t)
dt
u
r
=
(t) u
r
con lo cual
r (t) = r (t) u
r
= v (t) =
d(r (t) u
r
)
dt
= r (t) u
r
+r (t)

(t) u
y
a (t) =
d
_
r (t) u
r
+r (t)

(t) u
_
dt
=
_
r (t) r (t)

2
(t)
_
u
r
+
_
2 r (t)

(t) +r (t)

(t)
_
u
es claro que si r (t) = L = cte = r (t) = v (t) = r (t) =a (t) = 0

r (t) = L u
r
= v (t) =
d(L u
r
)
dt
= L
(t) u
y
a (t) =
d
_
L
(t) u
_
dt
=
_
L
_
(t)
_
2
_
u
r
+
_
L
(t)
_
u

Figura 10.19: Aproximacion por una parabola en torno a x = 0
As, y para este caso particular, las ecuaciones de Newton quedan como
m a =

T +m g =
_
_
_
m a
r
mL
2
(t) = T +mg cos ()
m a
= mL
(t) = mg sen() .
(10.8)
El caso que todos nos aprendimos de memoria, proviene de la suposicion sen() 1 que implica:
m a =

T +m g =
_
_
_
mL
2
(t) = T +mg
mL
(t) = mg.
(10.9)
con lo cual, ahora, en este curso, sabemos que lo podemos integrar inmediatamente. Si suponemos que parte
del reposo:

(0) = 0 y (0) =
0
L
(t) = g (t) = (t) = C1 sen

__
g
L
t
_
+C2 cos
__
g
L
t
_
= (t) =
0
cos
__
g
L
t
_
y el perodo puede ser integrado
(t)

(t) =
g
L
(t)

(t) =E
total
cte =

(t)
2
+ 2
g
L
(t)
2
=
(t) =
_
g
L
(
2
0

2
) (10.10)
que no es otra cosa que la energa total del sistema. Por lo tanto sabemos que en el instante inicial, si soltamos
la masa desde un angulo
0
, la energa total es puramente potencial. Es decir
E
total
= E
potencial
= mgL(1 cos (
0
)) = 2mgLsen
2
_
1
2
0
_
(10.11)
por otro lado, de la ecuacion (10.10) podemos obtener el perodo de oscilacion para el Pendulo Fsico
linealizado:
=

(t) =
_
g
L
(
2
0

2
) =T =
1
_
g
L
arctan
_

_
2
0

2
_
Figura 10.20: Diagrama de Cuerpo Libre, del Pendulo Fsico
Este caso tambien se conoce con el nombre de oscilador armonico simple o pendulo fsico linealizado.
Igualmente podemos analizar el caso de general del pendulo amortiguado forzado linealizado. Vale decir,
una masa, m,atada a una varilla sin masa de longitud L,y que oscila, inmersa en un uido que la frena el
movimiento de la masa con una fuerza, v (t) y que adicionalmente esta excitada por una fuerza exterior
F(t) = F
0
cos (t) . Recordamos que en este caso la ecuacion en la direccion tangente ( u
), es
mL
d
2
(t)
dt
2
+
d (t)
dt
+mg (t) = F
0
cos (t) =
d
2
(t)
dt
2
+ 2
d (t)
dt
+
2
0
(t) =
F
0
mL
cos (t)
donde, por costumbre, hemos rebautizado las constantes tales que =

2mL
y
0
=
_
g
L
.
Por lo tanto, su solucion tendra la forma
(t) = C
1
e
2
0
+C
2
e
2
0
. .
soluci on homogene regimen transitorio
+
F
0
mL
cos (t )
_
(
2
0

2
)
2
+ (2)
2
. .
soluci on inhomogenea regimen estacionario
donde
cos () =
_
2
0

2
_
_
(
2
0

2
)
2
+ (2)
2
y sen() =
2
_
(
2
0

2
)
2
+ (2)
2
Hemos aprendido que dependiendo del valor de los coecientes de la ecuacion caracterstica del Pendulo
Fsico amortiguado libre (F
0
= 0) se derivan tres casos posibles:
Subamortiguado:
2
2
0
< 0
Sobreamortiguado:
2
2
0
> 0
Figura 10.21: Evolucion (t) vs t del Pendulo Fsico libre, para distintos valores de la velocidad inicial
V
0
= 3, 5,
40, 7, 8.
Crtico
2
2
0
= 0
En el caso del Pendulo Fsico amortiguado forzado (F
0
,= 0) la fsica se hace mucho mas rica y pueden
ocurrir fenomenos de resonancia cuando
_
2
0

2
_
2
+ (2)
2
0.
Es interesante considerar los gracos tanto de la evolucion del sistema en el espacio directo: (t) vs t;
como la evolucion del sistema en el espacio de fases =

(t) vs (t) . Las guras (10.23) y (10.25) muestran
la primera de estas evoluciones, es decir, la evolucion del angulo en el espacio directo. Las guras (10.24) y
(10.26) muestran la evolucion del sistema en el espacio de fases. Es claro de la ecuacion (10.10), en la cual
aparece =

(t) =

( (t)) ,que las curvas en el diagrama de fase tanto para el caso libre (gura (10.22))
como para los de los casos amortiguados (guras (10.24) y (10.26)) corresponden a curvas de misma energa.
En el caso del Pendulo Fsico linealizado libre, corresponden a curvas de energa constante. en los otros casos
el sistema va disipando energa debido al coeciente de amortiguacion.
Notese que la disipacion obliga al sistema a evolucionar al punto de equilibrio siguiendo trayectorias es-
pirales en el espacio de fases. Claramente mas rapidamente en el caso sobreamortiguado que en el subamor-
tiguado. Tambien sabemos que para el caso crtico (
2

2
0
= 0) el tiempo de evolucion del sistema hasta
llegar al punto de equilibrio sera menor que en cualquiera de los casos sobreamortiguados. Dejamos al lector
la comprobacion de esta ultima armacion.
Hemos aprendido que dependiendo del valor de los coecientes de la ecuacion caracterstica del Pendulo
Fsico amortiguado libre (F
0
= 0) se derivan tres casos posibles:
Ahora bien, la situacion que nos interesa simular es la del pendulo fsico para los casos en los cuales los
angulos de oscilacion no necesariamente sean peque nos.
Denominaremos pendulo libre al caso en el cual no recurriremos a ninguna aproximacion respecto al
angulo de oscilacion. Recordemos que para este caso partimos de la ecuacion (10.8) en la direccion tangente.
Es decir
L
(t) = g sen() =

(t)

(t) =
g
L
sen (t)

(t) =E
total
cte =
_

(t)
2
2

g
L
cos (t)
_
Figura 10.22: Digrama de Fase para el Oscilador Armonico Simple. Notese que el punto de equilibrio es el
origen de coordenadas.
Al igual que en la ecuacion en la direccion tangente linealizada (10.10), nos encontramos con la Energa total
del sistema. Con lo cual Es facil despejar

(t) =

( (t)) y construir los diagramas de fases del sistema. Otra
vez, las lneas del diagrama de fase seran lneas de la misma energa. As podemos gracar
(t) =
_
C +
2g
L
cos ( (t)) (10.12)
para distintos valores de la constante C = 4, 01; 4, 1; 6; 8; 10; 20 y para el caso
g
L
= 4. La Figura (10.27)
representa el diagrama de fase para estos casos. Las curvas cerradas (aquellas que tienen los valores de angulos
y velocidades acotadas) representan oscilaciones del sistema, mientras que las curvas abiertas (aquellas en
las cuales las velocidades estan acotadas pero no as el valor del angulo) representan que el sistema rota.
Notese que el sistema presenta puntos de equilibrio inestable para (t) n con n = 0, 1, 2. Lo cual era de
esperarse por cuanto corresponde al angulo en el cual el sistema varilla-masa se encuentran verticalmente
dispuestos y el peso y la tension son colineales y se anulan momentaneamente.
Otro enfoque, quiza mas intuitivo para resolver este problema, pudo haber sido el analisis energetico.
Para ello sabemos que, por ser un sistema conservativo, la energa total viene denida por
E
total
=
1
2
mL
2

(t)
2
. .
Energa Cinetica
+mgL(1 cos ( (t)))
. .
Energa Potencial
1
2
mL
2

(t)
2
+ 2mgLsen
2
_
(t)
2
_
por consiguiente
(t) =
2E
total
mL
2

4g
L
sen
2
_
(t)
2
_
2
g
L
_
sen
2
_
m ax
2
_
sen
2
_
(t)
2
__
(10.13)
donde hemos sustituido E
total
= 2mLsen
2
_
m ax
2
_
con
max
el angulo maximo que alcanza el Pendulo Fsico,
por cuanto en ese punto la energa total es puramente potencial. Notese que ese angulo no necesariamente
es el angulo inicial, debido a que la velocidad incial puede ser distinta de cero.
Figura 10.23: Evolucion (t) vs t del Pendulo Simple, Subamortiguado (
g
L
= 4; = 0, 5) libre,para distintos
valores de la velocidad inicial V
0
= 3, 5,
40, 7, 8.
La ecuacion (10.13) es claramente integrable por separacion de variables y conduce a encontrar la expre-
sion para el perodo:
t =
1
2
L
g
_
(t)
0
d
_
g
L
_
sen
2
_
m ax
2
_
sen
2
_
2
_
con (t) y
0
= (0)
La integral anterior, puede ser transformada en otra que aparece en las tablas integrales, si hacemos sen =
sen(
2
)
sen
m ax
2
, con lo cual
t =
L
g
_
(t)
(0)
d
_
1 sen
2
_
m ax
2
_
sen
2
donde
_
_
sen =
sen
_
2
_
sen
_
m ax
2
_
(t) = arcsin
_
_
sen
_
(t)
2
_
sen
_
m ax
2
_
_
_
(10.14)
Es claro que el recorrido entre (0) = 0 = = 0 a =
max
= (t) =

2
representa un cuarto del
perdo, por consiguiente el perodo total del Pendulo Fsico sera:
T = 4
L
g
_

2
0
d
_
1 sen
2
_
m ax
2
_
sen
2

Figura 10.24: Evolucion

(t) vs (t) del Pendulo Fsico Subamortiguado libre (
g
L
= 4; = 0, 5) en el
Espacio de Fases para distintos valores de la velocidad inicial V
0
= 3, 5,
40, 7, 8. Notese que la disipacion

lleva irremediablemente al sistema al punto de equilibrio, vale decir al origen de coordenadas del espacio de
fases.
10.5.8. Disgresion Elptica
En este punto haremos una disgresion respecto a las integrales elpticas, su clasicacion y algunas de sus
propiedades. En general encontraran en la bibliografa que las integrales elpticas se dividen en
Integrales Elpticas de Primera Especie
F () =
_

0
d
_
1 sen
2
sen
2
F (x[m) =
_
x
0
dt
_
(1 t
2
) (1 mt
2
)
con 0 m 1
las cuales, para el caso particular =

2
o x = 1, se puede reacomodar como una Integral Elptica de
Primera Especie Completa
K (m) =
_

2
0
d
_
1 msen
2
_
1
0
dt
_
(1 t
2
) (1 mt
2
)
con 0 m 1 (10.15)
Integrales Elpticas de Segunda Especie
E () =
_

0
_
1 sen
2
sen
2
d E (x[m) =
_
x
0
_
1 mt
2
_
(1 t
2
)
dt con 0 m 1
y si =

2
o x = 1, entonces se obtiene una Integral Elptica de Segunda Especie Completa
E (m) =
_

2
0
_
1 msen
2
d
_
1
0
_
1 mt
2
_
(1 t
2
)
dt con 0 m 1
Figura 10.25: Evolucion (t) vs t del Pendulo Fsico Sobreamortiguado (
g
L
= 4; = 3, 5) libre,para distintos
valores de la velocidad inicial V
0
= 3, 5,
40, 7, 8.
Adicionalmente, y tambien sin perder generalidad, dado que 0 m 1, el denominador de la integral
elptica K (m) de la ecuacion (10.15) y equivalentemente de la ecuacion (10.14) puede ser expandido en series
de potencias. Con lo cual
1
_
1 msen
2
= 1 +
1
2
sen
2
m+
_
3
8
sen
4
2
_
m
2
+
_
5
16
sen
6
3
_
m
3
+
_
35
128
sen
8
4
_
m
4
+
1
_
1 msen
2
=
1
2
_
1 +
__
1
2
_
sen
2
_
m+
__
1 3
2 4
_
sen
4
_
m
2
+
+
__
1 3 5
2 4 6
_
sen
6
_
m
3
+O
_
m
4
_
_
1
_
1 msen
2
n=0
(2n 1)!!
(2n)!!
m
n
sen
2n
y siendo una serie uniformemente convergente puede ser integrada termino a termino como
K (m) =
_

2
0
d
_
1 msen
2
=
_

2
0
d
n=0
(2n 1)!!
(2n)!!
m
n
sen
2n
=
n=0
(2n 1)!!
(2n)!!
m
n
_

2
0
sen
2n
d
K (m) =
n=0
(2n 1)!!
(2n)!!
m
n
_
(2n 1)!!
(2n)!!

2
_
=

2
n=0
_
(2n 1)!!
(2n)!!
_
2
m
n
Figura 10.26: Fsico Sobreamortiguado libre (
g
L
= 4; = 3, 5) en el Espacio de Fases para distintos valores
de la velocidad inicial V
0
= 3, 5,
40, 7, 8. Notese que la disipacion lleva irremediablemente al sistema al

punto de equilibrio, vale decir al origen de coordenadas del espacio de fases.
Del mismo modo se obtiene para las integrales elpticas completas de segunda especie que
E (m) =
_

2
0
_
1 msen
2
d =

2
_
1
n=1
_
(2n 1)!!
(2n)!!
_
2
m
n
2n 1
_
Finalmente podemos mencionar la relacion de recurrencia de Legendre para las Integrales Elpticas com-
pletas. Ella es
E (m) K (1 m) +E (1 m) K (m) K (m) K (1 m) =

2
Las integrales elpticas de primera y segunda especie, incompletas y completa deben resolverse numericamente
y tradicionalmente estan tabuladas en algunas tablas integrales
3
. En nuestros das tambien pueden ser
resueltas numericamente utilizando comandos de manipuladores simbolicos
4
.
3
Abramowitz, M. y Stegun I.A (1964) Handbook of Mathematical Functions Dover, New York
4
En el caso de MAPLEV se puede proceder directamente evaluando numericamente la integral (10.14) a traves del comando
evalf(int(...)) o mediante la funcion de biblioteca EllipticF(z,k) donde z= es al argumento del seno y k= sen
0
2
el
parametro (consulte la ayuda de MAPLE para mas detalles).
Figura 10.27: Diagrama de Fase para el Pendulo Fsico.
10.5.9. Cuan buena es la aproximacion lineal ?
Utilizando la expansion en serie de la Integral Elptica completa de primera especie (10.14) del pendulo
fsico, tendremos que se cumple
T = 4
L
g
_

2
0
d
_
1 sen
2
_
m ax
2
_
sen
2
= 4
L
g
F
_
2
sen
2
_
m ax
2
__
=
T = 2
L
g
n=0
_
(2n 1)!!
(2n)!!
_
2
_
sen
_
max
2
__
2n
mas a un, dado que sen
_
m ax
2
_
=
1
2
max
1
48
3
max
+
1
3840
5
m ax
+O
_
7
max
_
y que T
0
=
2
0
= 2
_
L
g
tendremos
T = 2
L
g
n=0
_
(2n 1)!!
(2n)!!
_
2
_
1
2
m ax
1
48
3
max
+
1
3840
5
m ax
+O
_
7
m ax
_
_
2n
=
T T
0
_
1 +
1
16
2
m ax
+
11
3072
4
m ax
_
y si realizamos un estimado de las correcciones al problema lineal que conlleva esta expansion veremos que
a un para angulos
max
=

4
las correcciones son del orden de un prrico 4 %, con lo cual la aproximacion
lineal resulta bien razonable. Para angulos
max
_ 1 las correcciones comienzan a ser signicativas y todo
este esfuerzo de integracion empieza a tener sentido. La siguiente tabla da una idea mas clara de este cambio
en el perodo del penulo y los errores relativos porcentuales respecto al perodo del pendulo fsico linealizado
T
0
=
2
0
,cuando se consideran distintos valores del angulo maximo,
m ax
Figura 10.28: Integracion numerica (
_
t
_
vs

t, con 0

t 10) del Pendulo Fsico, para distintos valores de
la velocidad angular inicial:
d(t)
dt
= (t) = 3,5, 3,9, 4, 4,1, 4,5.
T
0
=
2
0
= 2,83845
m ax
=

12

m ax
=

6

m ax
=

4

m ax
=

3

m ax
=

2

m ax
=
2
3
T 2,85066 2,88786 2,95191 3,04617 3,35034 3,89685
= 100
[T T
0
[
T
0,42821 1,71109 3,84368 6,81916 15,2786 37,1283
10.5.10. El Pendulo Fsico: Integraci on Numerica
Tal y como indicamos en la primera seccion de este proyecto, procedemos a convertir una ecuacion de
segundo orden en un sistema de ecuaciones diferenciales de dos ecuaciones diferenciales de primer orden. As,
del mismo modo que en la ecuacion (??) podremos escribir:
(t) =
0
sen() =
_
_
d(t)
dt
= (t)
d(t)
dt
=
0
sen((t))
con lo cual podemos adimensionalizar de dos varias formas, dependiendo de las condiciones iniciales del
movimiento. Si adicionalmente hemos adimensionalizado con

t =
t
t
final
por lo que 0

t 1 y
1
t
final
d()
d
t
=
d()
dt
y, adcionalmente: =

0
, con
0
=
d(t)
dt
t=0
,= 0. De este modo el sistema queda escrito
d(t)
dt
= (t) =
d (
t)
d
t
=
0
t
final
(
t) =
d (
t)
d
t
= (
t)
d(t)
dt
=
0
sen((t)) =
d (
t)
d
t
=
2
0
t
final
0
sen
_
(
t)
_
=
d (
t)
d
t
= sen
_
(
t)
_
Figura 10.29: Digrama de Fase para el Pendulo Fsico
Notese que las cantidades (
t), (
t),
t, y son adminensionales. Acto seguido procedemos a integrar

numericamente el sistema de ecuaciones
5
.
La gura (10.28) ilustra la evolucion del angulo (t) vs t, con 0 t 10 del Pendulo Fsico, para
distintos valores de la velocidad angular inicial:
d(t)
dt
=

(t) = (t) = 3,5, 3,9, 4, 4,1, 4,5. Mientras que la
gura (10.29) (y tambien la gura (10.27)) representan la evolucion del sistema en el espacio de fases. (t)
vs
d(t)
dt
= (t). Las curvas cerradas en esta graca corresponden a las curvas oscilantes de la gura (10.28).
Dado que el sistema parte de
0
= (t = 0) y seleccionamos el nivel de energa potencial igual a cero all,
cada una de estas curvas representan un valor de la energa cinetica inicial. El caso E
c
=
1
2
mL
2
2
0
= mg2L
corresponde a la separatrz, vale decir, la orbita que separa las curvas cerradas de las abierta. Es claro que
en este caso le movil subira y alcanzara un equilibrio inestable en la posicion vertical. En la gura (10.28)
este caso viene ilustrado por la curva que se convierte en horizontal 0, 25

t 0, 5, luego a partir de

t 0, 5,
la inexactitud del calculo numerico genera pertubaciones que en teora no debieran existir.
E
c
=
1
2
mL
2

2
0
= mg2L
10.6. Transformaciones Integrales
10.6.1. Calculo Operacional
Toda ecuacion diferencial puede ser descrita de la siguiente forma
d
dx
F(x) = f(x) =DF(x) = f(x) (10.16)
5
En MAPLEV podemos integra el sistema de dos maneras distintas. La primera haciendo uso del coman-
do dsolve({sysED,CI}, numeric, vars, options) donde sysED es el sistema de ecuaciones diferenciales, CI sus
condiciones iniciales. Si necesit aramos un analisis grafico es mucho mas util el paquete DEtools.
donde D() es un operador diferencial lineal
D(Ax
n
+Bx
m
) = AD(x
n
) +BD(x
m
) = nAx
n1
+mBx
m1
(10.17)
y en muchos aspectos ese operador diferencial D() puede ser tratado como un n umero mas. A saber, para
una ecuacion diferencial generica con coecientes constantes se tiene
y
tt
3 y
t
+ 2 y = x
2
=
_
D
2
3D + 2
_
y = x
2
=(D1) (D2) y = x
2
(10.18)
mas a un
y =
x
2
(D1) (D2)
=y =
x
2
(D2)

x
2
(D1)
(10.19)
por lo cual expandiendo
1
D1
=
1
1 D
= 1 DD
2
D
3
D
4
(10.20)
1
D2
=
1
2
1
1
D
2
=
1
2

D
4

D
2
8

D
3
16
(10.21)
de donde
y =
_
1
2

D
4

D
2
8

D
3
16

_
x
2
_
1 DD
2
D
3
D
4

_
x
2
(10.22)
por lo tanto tendremos la solucion particular de la ecuacion y
tt
3 y
t
+ 2 y = x
2
y =
_
x
2
2

x
2

1
4
_
_
x
2
2x 2
_
=
x
2
2
+
3
2
x +
7
4
(10.23)
Las operaciones que se usaron arriba estan relacionadas muy estrechamente con las propiedades de la integral
_

0
e
st
f(t)dt (10.24)
10.6.2. Deniciones para Comenzar
En general vamos a denir una transformacion integral, F(s) , de una funcion, f(t) como
F(s) =
_
b
a
/(s, t) f(t)dt = Tf(t) (10.25)
donde /(s, t) es una funcion conocida de s y t, denominada el n ucleo de la transformacion. Si a y b son
nitos la transformacion se dira nita, de lo contrario innita. Dependiendo de la seleccion del n ucleo y los
limites tendremos distintas transformaciones integrales. En Fsica las mas comunes son:
Nombre F(s) = Tf(t) f(t) = T
1
F(s)
Laplace F(s) =
_
0
e
st
f(t)dt f(t) =
1
2i
_
+i
i
e
st
F(s)ds
Fourier de senos y cosenos F(s) =
_

0
sen(st)
cos(st)
f(t)dt f(t) =
2
_

0
sen(ts)
cos(ts)
F(s)ds
Fourier compleja F(s) =
_

e
i st
f(t)dt f(t) =
2
e
i st
F(s)ds
Hankel F(s) =
_

0
tJ
n
(st)f(t)dt f(t) =
_

0
sJ
n
(ts)F(s)ds
Mellin F(s) =
_

0
t
s1
f(t)dt f(t) =
1
2i
_
+i
i
s
t
F(s)ds
La idea detras de la utilidad de las transformaciones integrales puede resumirse en el siguiente esquema
EDO para f(t)
transformacion directa
F(s) = Tf(t)
relacion para F(s)
eventualmente mas facil

solucion directa
difcil
solucion para F(s)
mas facil

se encuentra f(t)
transformacion inversa
f(t) = T
1
F(s)
se encuentra F(s)
10.6.3. Tranformada de Laplace
En nuestro caso ilustraremos el uso de transformaciones integrales con la transformada de Lapla-
ce, que denotaremos de manera simbolica como F(s) = Lf(t) .La siguiente tabla resume las
transformaciones de algunas funciones.
f(t) = L
1
F(s) F(s) = Lf(t)
1
1
s
, s > 0
e
a t
1
s a
, s > a
sen (at)
a
s
2
+a
2
, s > 0
cos (at)
s
s
2
+a
2
, s > 0
t
n
n > 0
n!
s
n+1
, s > 0
t
p
p > 1
(p + 1)
s
p+1
, s > 0
sen hat
a
s
2
a
2
, s > |a|
coshat
s
s
2
a
2
, s > |a|
e
a t
_
_
_
sen (bt)
cos (bt)
_
_
_

_
_
a
(s a)
2
+b
2
s a
(s a)
2
+b
2
_
_
s > |a|
t
n
e
a t
n
n!
(s a)
n+1
, s > a
f(t) = L
1
F(s) F(s) = Lf(t)
u
c
(t)
_
_
_
0 t < c
1 t c
c > 0
e
c t
s
s > 0
u
c
(t) f (t c) e
c t
F (s)
e
c t
f (t) F (s c)
f (c t)
1
c
F
_
s
c
_
, c > 0
_
t
0
f (t ) g () d F (s) G(s)
(t c) e
c s
f
(n)
(t) s
n
F (s) s
n1
f (0) f
(n1)
(0)
(t)
n
f (t) F
(n)
(s)
10.6.4. Ejemplos Sencillos
Como un ejemplo de lo anterior, encontraremos la solucion a las siguientes ecuaciones diferenciales
1. Ecuaci on diferencial inhomogenea, continua, con valores iniciales
y
tt
+y = sen 2t con
_
_
_
y(0) = 0
y
t
(0) = 1
(10.26)
Ly
tt
+y = Lsen 2t s
2
Y (s) sy (0) y
t
(0) +Y (s) =
2
s
2
+ 4
(10.27)
Y (s) =
s
2
+ 6
(s
2
+ 1) (s
2
+ 4)
=
as +b
s
2
+ 1
+
cs +d
s
2
+ 4
=
5
3
s
2
+ 1

2
3
s
2
+ 4
(10.28)
mediante la transformada inversa en cada termino
L
1
_
5
3
s
2
+1
_
=
5
3
sen t
L
1
_
2
3
s
2
+4
_
=
1
3
sen 2t
_
_
y (t) =
5
3
sen t
1
3
sen 2t (10.29)
2. Ecuacion diferencial, con valores iniciales, inhomogenea a una funcion escalon:
y
tt
+ 4y = h(t) =
_
_
_
1 t 2
0 0 t t 2
con
_
_
_
y(0) = 1
y
t
(0) = 0
(10.30)
y
tt
+y = h(t) = u
(t) u
2
(t) Ly
tt
+ 4y = Lu
(t) u
2
(t) (10.31)
_
s
2
+ 4
_
Y (s) sy (0) y
t
(0) =
e
s
s

e
2s
s
(10.32)
Y (s) =
s
s
2
+ 4
+
e
s
s (s
2
+ 4)

e
2s
s (s
2
+ 4)
(10.33)
mediante la transformada inversa
L
1
_
s
s
2
+ 4
_
= cos 2t (10.34)
L
1
_
e
s
s (s
2
+ 4)
_
= u
(t) g (t ) con g () = L
1
_
1
s (s
2
+ 4)
_
(10.35)
por lo tanto
L
1
_
e
s
s (s
2
+ 4)
_
= u
(t) L
1
_
1
4
_
1
s

s
s
2
+ 4
__
= u
(t)
_
1
4
(1 cos 2 (t ))
_
(10.36)
del mismo modo
L
1
_
e
2s
s (s
2
+ 4)
_
= u
2
(t)
_
1
4
(1 cos 2 (t 2))
_
(10.37)
recordemos que hemos denido la funcion escalon como
u
c
(t)
_
_
_
0 t < c
1 t c
c > 0 (10.38)
y nalmente la solucion sera
y (t) = cos 2t +u
(t)
_
1
4
(1 cos 2 (t ))
_
u
2
(t)
_
1
4
(1 cos 2 (t 2))
_
(10.39)
3. Ecuacion diferencial, con valores iniciales, inhomogenea a una funcion impulso (delta de Dirac)
y
tt
+ 2y
t
+ 2y = (t ) con
_
_
_
y(0) = 0
y
t
(0) = 0
(10.40)
donde la funcion (distribucion) delta de Dirac viene denida por
(t t
0
) = 0 con t ,= t
0
y
_

d (
0
) = 1 (10.41)
con la util propiedad de
_

d (
0
) f () = f (
0
) (10.42)
En una de las tablas anteriores hemos mostrado la transformada de Laplace de la funcion (distribucion)
Delta de Dirac: L (t c) = e
c s
por lo tanto
y
tt
+ 2y
t
+ 2y = (t ) Ly
tt
+ 2y
t
+ 2y = L (t ) (10.43)
_
s
2
+ 2s + 2
_
Y (s) = e
s
Y (s) =
e
s
(s
2
+ 2s + 2)
= e
s
1
(s + 1)
2
+ 1
(10.44)
por lo tanto
y (t) = L
1
_
e
s
1
(s + 1)
2
+ 1
_
= u
(t)
_
e
(t)
sen (t )
_
(10.45)
o tambien
y (t) =
_
_
_
0 t <
e
(t)
sen (t ) t
(10.46)
10.6.5. Integral de Convolucion
Algunas veces es posible identicar la transformada de Laplace H(s) como el producto de dos transfor-
madas de Laplace, F(s) y G(s) las cuales son las transformadas de funciones conocides f(t) y g(t). Pero
eso es algunas veces: en general la transformada del producto de funciones no es el producto
de transformadas. Esas veces estan contenidas en el llamado Teorema de Convolucion, seg un el cual se
establece una especie de producto generalizado de funciones f y g.
Teorema de Convolucion
Sean
F(s) = Lf(t) y G(s) = Lg(t) que existen en el intervalo s > a > 0
Entonces
H(s) = F(s)G(s) = Lh(t) para s > a
donde
h(t) = L
1
(F(s)G(s)) =
_
t
0
f(t ) g() d =
_
t
0
f() g(t ) d = (f g) (t)
y h(t) se indentica como la convolucion de f y g. Las integrales arriba expuestas se conocen con integrales
de convoluci on y hemos denotado h(t) = (f g) (t) para insistir que se trata de un producto generalizado
de funciones f y g. que comparte, con el producto ordinario de funciones, las siguientes propiedades
f g = g f (conmutatividad)
f [g +k] = f g +f k (distributividad)
f [g k] = [f g] k (asociatividad)
f 0 = 0 f = 0
sin embargo f 1 ,= f tal y como se puede apreciar de
(f 1) (t) =
_
t
0
f(t ) 1 d =
_
t
0
f(t ) d ,= f (t)
en el caso particular de que f (t) = cos (t) tendremos
(cos 1) (t) =
_
t
0
cos(t ) 1 d = sen (t )[
=t
=0
= sen (0) sen (t) = sen (t)
y por la misma razon, no hay garanta que (f f) (t) > 0 f ,= 0
El ejemplo mas emblematico de la aplicacion del Teorema de Convolucion es el estudio del oscilador
amortiguado y forzado, el cual viene descrito por la ecuacion diferencial
x + 2 x +
2
0
x = f(t) con x =
dx
dt
_
_
_
x
0
= x(0)
x
0
=
dx
dt
t=0
(10.47)
la transformada de Laplace nos lleva a
s
2
X(s) sx
0
x
0
+ 2 sX(s) 2 x
0
+
2
0
X(s) = F(s) (10.48)
resolviendo
X(s) =
2 x
0
+ x
0
+sx
0
s
2
+ 2s +
2
0
+
F(s)
s
2
+ 2s +
2
0
(10.49)
el primer sumando queda como
X
1
(s) =
2 x
0
+ x
0
+sx
0
s
2
+ 2s +
2
0
=
x
0
(s +)
(s +)
2
+ (
2
0

2
)
+
x
0
+x
0

(s +)
2
+ (
2
0

2
)
(10.50)
y por lo tanto devolviendo el cambio
x
1
(t) = x
0
e
t
cos t +
x
0
+x
0
sen t con =
_
2
0

2
(10.51)
X
2
(s) =
F(s)
s
2
+ 2s +
2
0
(10.52)
y por el teorema de convolucion
x
2
(t) =
_
t
0
1
e
(t)
sen (t ) f (t) d (10.53)
y por lo tanto la solucion general sera
x(t) = x
0
e
t
cos t +
x
0
+x
0
sen t +
_
t
0
1
e
(t)
sen (t ) f (t) d (10.54)
10.7. Sistemas de Ecuaciones Diferenciales
10.7.1. Motivaci on
Cuando consideramos la evolucion de sistemas con varios grados de libertad o con varias partculas, na-
turalmente arribamos al tratamiento de sistemas de ecuaciones diferenciales. En estos sistemas encontramos
varias variables dependientes de una sola variable independiente. El mas natural de los ejemplos es el caso
de un sistema de partculas que se mueve en el espacio bajo la accion de fuerzas externas:
T
1
_
r
1
(t) , r
2
(t) , r
3
(t) , r
n
(t) ,
dr
1
(t)
dt
,
dr
2
(t)
dt
,
dr
3
(t)
dt

dr
n
(t)
dt
, t
_
=
d
2
r
1
(t)
dt
2
T
2
_
r
1
(t) , r
2
(t) , r
3
(t) , r
n
(t) ,
dr
1
(t)
dt
,
dr
2
(t)
dt
,
dr
3
(t)
dt

dr
n
(t)
dt
, t
_
=
d
2
r
2
(t)
dt
2
T
3
_
r
1
(t) , r
2
(t) , r
3
(t) , r
n
(t) ,
dr
1
(t)
dt
,
dr
2
(t)
dt
,
dr
3
(t)
dt

dr
n
(t)
dt
, t
_
=
d
2
r
3
(t)
dt
2
.
.
.
T
n
_
r
1
(t) , r
2
(t) , r
3
(t) , r
n
(t) ,
dr
1
(t)
dt
,
dr
2
(t)
dt
,
dr
3
(t)
dt

dr
n
(t)
dt
, t
_
=
d
2
r
n
(t)
dt
2
donde, la funcion

T
i
=

j
F
i j
expresa la sumatoria de fuerzas externas sobre cada partcula, vale decir
F
1 j
_
r
1
, r
2
, r
3
, , r
n
,
dr
1
dt
,
dr
2
dt
,
dr
n
dt
, t
_
=

T
1
_
r
1
, r
2
, r
3
, , r
n
,
dr
1
dt
,
dr
2
dt
,
dr
n
dt
, t
_
F
2 j
_
r
1
, r
2
, r
3
, , r
n
,
dr
1
dt
,
dr
2
dt
,
dr
n
dt
, t
_
=

T
2
_
r
1
, r
2
, r
3
, , r
n
,
dr
1
dt
,
dr
2
dt
,
dr
n
dt
, t
_
.
.
.
F
n j
_
r
1
, r
2
, r
3
, , r
n
,
dr
1
dt
,
dr
2
dt
,
dr
n
dt
, t
_
=

T
n
_
r
1
, r
2
, r
3
, , r
n
,
dr
1
dt
,
dr
2
dt
,
dr
n
dt
, t
_
Pero igual de importante es la posibilidad de convertir una ecuacion diferencial ordinaria de orden superior
x
(n)
(t) = F
_
x
(n1)
(t) , x
(n2)
(t) , ,
...
x (t) , x(t) , x(t) , x(t) , t
_
haciendo el siguiente cambio variable
u
n
= x
(n1)
(t) ; u
n1
= x
(n2)
(t) ; u
4
=
...
x (t) ; u
3
= x(t) ; u
2
= x(t) ; u
1
= x(t)
en un sistema de ecuaciones diferenciales
u
n
= F
n
(u
n
, u
n1
, , u
4
, u
3
, u
2
, u
1
, t)
u
n1
= x
(n1)
(t)
.
.
.
u
3
=
...
x (t)
u
2
= x(t)
u
1
= x(t)
que puede ser generalizado a:
u
n
= F
n
(u
n
, u
n1
, , u
4
, u
3
, u
2
, u
1
, t)
u
n1
= F
n1
(u
n
, u
n1
, , u
4
, u
3
, u
2
, u
1
, t)
.
.
.
u
3
= F
3
(u
n
, u
n1
, , u
4
, u
3
, u
2
, u
1
, t)
u
2
= F
2
(u
n
, u
n1
, , u
4
, u
3
, u
2
, u
1
, t)
u
1
= F
1
(u
n
, u
n1
, , u
4
, u
3
, u
2
, u
1
, t)
Para garantizar que existe solucion al problema de valores iniciales se debe imponer algunas restricciones
sobre las funciones F
i
(u
n
, , u
3
, u
2
, u
1
, t) para ello existen un par de teoremas que garantice esa solucion
Teorema 1: Sean las funciones F
1
, F
2
, F
n
y sus derivadas
1
F
1
,
1
F
2
,
1
F
n
,
i
F
1
,
i
F
2
,
j
F
n

n
F
1
,
n
F
2
,
n
F
n
continua en una region R del espacio (t, u
1
, u
2
, u
n
) que contiene al punto
_
t
0
, u
0
1
, u
0
2
, u
0
n
_
que
caracteriza las condiciones iniciales. Entonces existe un intervalo |t t
0
| < h en el cual existe una
unica solucion u
1
=
1
(t) , u
2
=
2
(t) , , u
n
=
n
(t) ,
Hemos denotado
j
F
i
=
F
i
u
j
como la derivada parcial y u
0
m
= u
m
(t
0
) como las condiciones iniciales.
Teorema 2 Sea el siguiente sistema lineal de ecuaciones diferenciales
u
1
= p
11
(t) u
1
+p
12
(t) u
2
+ p
1n
(t) u
n
+g
1
(t)
u
2
= p
21
(t) u
1
+p
22
(t) u
2
+ p
2n
(t) u
n
+g
2
(t)
.
.
.
u
n
= p
n1
(t) u
1
+p
n2
(t) u
2
+ p
nn
(t) u
n
+g
n
(t)
Si p
11
(t) , p
12
(t) , p
1n
(t) p
ij
(t) p
nn
(t) y g
1
(t) g
n
(t) son funciones continua en el intervalo
< t < que contiene al punto t = t
0
entonces existe una unica solucion que satisface las condiciones
iniciales u
0
m
= u
m
(t
0
)
10.7.2. Notaci on Vectorial
El sistema lineal antes mencionado
u
1
= p
11
(t) u
1
+p
12
(t) u
2
+ p
1n
(t) u
n
+g
1
(t)
u
2
= p
21
(t) u
1
+p
22
(t) u
2
+ p
2n
(t) u
n
+g
2
(t)
.
.
.
u
n
= p
n1
(t) u
1
+p
n2
(t) u
2
+ p
nn
(t) u
n
+g
n
(t)
puede condensarse en la siguiente ecuacion matricial
u = P(t) u +g (t)
en la cual estamos representando
u =
_
_
_
_
_
u
1
u
2
.
.
.
u
n
_
_
_
_
_
; P(t) =
_
_
_
_
_
p
11
(t) p
12
(t) p
1n
(t)
p
21
(t) p
22
(t) p
2n
(t)
.
.
.
.
.
.
.
.
.
.
.
.
p
n1
(t) p
n2
(t) p
nn
(t)
_
_
_
_
_
; u =
_
_
_
_
_
u
1
u
2
.
.
.
u
n
_
_
_
_
_
y g (t) =
_
_
_
_
_
g
1
(t)
g
2
(t)
.
.
.
g
n
(t)
_
_
_
_
_
con el vector solucion de la forma
u = (t) =
_
_
_
_
_
1
(t)
2
(t)
.
.
.
n
(t)
_
_
_
_
_
10.7.3. Sistemas Lineales Homogeneos
Dado un sistema de ecuaciones diferenciales con coecientes constantes de la forma x = A x procedemos
de manera analoga al caso de una sola ecuacion con coecientes constantes
y
t
= ay -
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
x
1
(t)
x
2
(t)
.
.
.
x
n
(t)
_
_
_
_
_
= e
r t
_
_
_
_
_
2
.
.
.
n
_
_
_
_
_
con a, a
ij
,
m
constantes. Al sustituir las solucion x = e
r t
en la ecuacion x = A x obtenemos r e
r t
=
e
r t
por lo cual, el problema se reduce a la b usqueda de los autovalores y autovectores del sistema A x = r
(Ar 1) = 0 =
_
_
_
_
_
a
11
r a
12
a
1n
a
21
a
22
r a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
r
_
_
_
_
_
_
_
_
_
_
2
.
.
.
n
_
_
_
_
_
=
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_
Es decir, para resolver el sistema de ecuaciones diferenciales lineales con coecientes constantes, es necesario
resolver el sistema de ecuaciones algebraico. Como un ejemplo, para el caso
x =
_
1 1
4 1
_
x si x = e
r t
=
_
1 r 1
4 1 r
__

1
2
_
=
_
0
0
_
por lo cual
1 r 1
4 1 r
= (1 r)
2
4 = r
2
2r 3 = 0 =
_
_
_
r
1
= 3
r
2
= 1
de donde
r
1
= 3 = 2
(1)
1
+
(1)
2
= 0 =
(1)
=
_

(1)
1
2
(1)
1
_
similarmente
r
2
= 1 =
(2)
=
_

(2)
1
2
(2)
1
_
por lo tanto la solucion general del sistema sera
x =c
1
x
(1)
(t) +c
2
x
(2)
(t)
_
x
1
x
2
_
=c
1
_
1
2
_
e
3 t
+c
2
_
1
2
_
e
t
Obviamente el Wronskiano de esta solucion
W
_
x
(1)
(t) , x
(2)
(t)
_
(t) =
e
3 t
e
t
2e
3 t
2e
t
= 4e
2 t
,= 0
garantiza que las dos soluciones son linealmente independientes.
Para el caso de matrices hermticas, A = A
vale decir, que la matriz A coincide con su conjugada y

traspuesta, A =(A
T
), todos los autovalores son reales y la solucion general para un sistema de n ecuaciones
diferenciales lineales con coecientes constantes es
x(t) =c
1

(1)
e
r1 t
+c
2

(2)
e
r2 t
+ +c
n

(n)
e
rn t
Para el caso particular de matrices simetricas (hermticas reales) los autovalores r
1
, r
2
r
n
y los autovectores
(1)
,
(2)

(n)
ambos son reales.
Para el caso de matrices A no hermticas, consideremos primero que A sea real. Entonces
x = A x = x = e
r t
= (Ar 1) = 0 =
_
_
_
r
1
= + i
r
2
= i
=
_
_
_
r
1
= r
2
(1)
=

(2)
por lo cual
(1)
= a+ib con a y b vectores reales, entonces
x
(1)
(t) = (a+ib) e
(+i) t
= (a+ib) e
t
(cos t +isen t)
x
(1)
(t) = e
t
(acos t bsen t)
u(t)
+ ie
t
(asen t +bcos t)
v(t)
x
(1)
(t) = u(t) + iv (t)
As, para el caso que los autovalores de la matriz real, A,sean complejos, r
1
= +i; r
2
= i complejos
y r
3
, r
4
r
n
reales, y los autovectores
(1)
= a+ib;
(2)
= aib;
(3)
,
(4)

(n)
la solucion general sera
x(t) = c
1
u(t) + ic
2
v (t) +c
3

(3)
e
r3 t
+c
4

(4)
e
r4 t
+ +c
n

(n)
e
rn t
como ejemplo
x =
_
1 1
5 3
_
x si x = e
r t
=
_
1 r 1
5 3 r
__

1
2
_
=
_
0
0
_
por lo cual
1 r 1
5 3 r
= r
2
+ 2r + 2 = 0 =
_
_
_
r
1
= 1 + i
r
2
= 1 i
=
_
(1)
=
_
1
2 i
_
(2)
=
_
1
2 + i
_
nalmente la solucion general sera
x(t) = c
1
e
t
_
cos t
2 cos t + sen t
_
+ ic
2
e
t
_
sen t
cos t + 2sen t
_
Para el caso que los autovalores de la matriz real, A,esten repetidos r
1
= r
2
= r
3
= = r
m
= y
r
m+1
, r
n
distintos, la solucion general sera
x(t) =
_
t
m1
(m1)
+t
k2
(m2)
+
(0)
_
e
t
+c
m+1

(m+1)
e
rm+1 t
+ +c
n

(n)
e
rn t
10.7.4. Sistemas Lineales Inhomogeneos
Todo operador lineal hermtico A : V V,con n autovectores distintos, denidos por A[u
j
) =
j
[u
j
),
tiene una representacion matricial diagonal

A
ij
=
i
ij
mediante una transformacion de similaridad TAT
1
=

A
con T una matriz unitaria T
1
= T
que trasforma la base de A a la base donde

A es diagonal
[v
1
) , [v
2
) , [v
i
) [v
n
)
T
= [u
1
) , [u
2
) , [u
i
) [u
n
) Este teorema es claro: a partir de que s A tiene
n autovalores distintos, tiene n autovectores linealmente independientes los cuales forman base de V y en la
cual la representacion matricial del A es diagonal. Pero como siempre es posible pasar de A no diagonal a
A a diagonal con los mismos autovalores mediante una transformacion de similidaridad TAT
1
=

A queda
demostrado. Esto puede formalizarse de la siguiente manera
v
i
[ T
T
. .
1
AT
T
. .
1
[v
j
) = v
i
[ T
. .
ui]
TAT
. .
A
T[v
j
)
. .
]uj)
== u
i
[

A[u
j
) =
j
u
i
[u
j
) =
j
ij
Nos queda determinar la forma de la matriz unitaria de transformacion T. Para ello seleccionamos la
base canonica [e
1
) , [e
2
) , [e
i
) [e
n
) como base de partida de A con
[e
1
) =
_
_
_
_
_
_
_
_
_
_
1
0
.
.
.
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
, [e
2
) =
_
_
_
_
_
_
_
_
_
_
0
1
.
.
.
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
, [e
i
) =
_
_
_
_
_
_
_
_
_
_
0
0
.
.
.
1
.
.
.
0
_
_
_
_
_
_
_
_
_
_
, [e
n
) =
_
_
_
_
_
_
_
_
_
_
0
0
.
.
.
0
.
.
.
1
_
_
_
_
_
_
_
_
_
_
y [u
1
) , [u
2
) , [u
i
) [u
n
) la base de autovectores en la cual

A es diagonal. Por lo tanto T es la matriz de
transformaci on de una base a la otra, identicando columna a columna nos damos cuenta que las columnas
de la matriz T son los autovectores de A
[u
i
) =
n
j=1
T
ij
[e
j
) e
j
[u
i
) = e
j
_
_
n
j=1
T
ij
[e
j
)
_
_

e
j
[u
i
) = T
ij
=
_
_
_
_
_
_
u
(1)
1
u
(1)
2
u
(1)
n
u
(2)
1
u
(2)
2
u
(2)
n
.
.
.
.
.
.
u
(n)
1
u
(n)
2
u
(n)
n
_
_
_
_
_
_
T
=
_
_
_
_
_
_
u
(1)
1
u
(2)
1
u
(n)
1
u
(1)
2
u
(2)
2
u
(n)
2
.
.
.
.
.
.
u
(1)
n
u
(1)
n
u
(n)
n
_
_
_
_
_
_
= T
1
donde hemos denotado u
(m)
i
la componente m del vector j esimo en la base [e
i
) (con i = 1, n ). Por lo
tanto, si los n autovalores y autovectores de A son distintos y conocidos, A se dice diagonalizable. Si A es
hermitica, T
1
= T
y es muy facil construir la inversa de la matriz de transformacion T. Si los autovalores

de A con degenerados, vale decir si el n umero de autovectores linealmente independientes es menor que n,
entonces A no es diagonalizable y no existe una matriz de transformacion T (T no tiene inversa) tal que
TAT
1
=

A.
Lo que nos ocupa ahora es la solucion del sistema de ecuaciones diferenciales inhomogeneo de la forma
x
t
(t) = Ax(t) +g (t) con
_
_
A =
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
y a
ij
= const
x(t) =
_
_
_
_
_
x
(1)
(t)
x
(2)
(t)
.
.
.
x
(n)
(t)
_
_
_
_
_
g (t) =
_
_
_
_
_
g
(1)
(t)
g
(2)
(t)
.
.
.
g
(n)
(t)
_
_
_
_
_
donde A una matriz constante y diagonalizable, g (t) contnua en el intervalo t . La solucion de este
problema pasa por encontrar los autovalores y autovectores de A
1
,
2
,
j

n
; [u
1
) , [u
2
) , [u
i
) [u
n
)
construir a partir de ellos la matriz T y su hermitica conjugada T
1
= T
y a partir de ella hacer un cambio

de variable
x(t) = T y (t) T y
t
(t) = AT y (t) +g (t) y
t
(t) = T
1
AT
. .
A
y (t) +T
1
g (t)
por lo tanto
y
t
(t) =

A y (t) +h(t) con
_
A =
_
_
_
_
_
1
0 0
0
2
0
.
.
.
.
.
.
0 0
n
_
_
_
_
_
h(t) = T
1
g (t)
Entonces, por componente quedan
y
t
i
(t) =
i
y
i
(t) +h
i
(t) =
i
y
i
(t) +T
ji
g
j
(t) = y
i
(t) = e
it
_
t
t0
d e
i
u
(i)
j
g
j
() +c
i
e
it
Veamos algunos ejemplos. Encontremos la solucion general de
x =
_
2 1
1 2
_
x +
_
2e
t
3t
_
x = Ax +g(t)
Donde los autovalores y autovectores de A son
1
= 3
1
=
_
1
1
_
y
2
= 1
2
=
_
1
1
_
x(t)
gh
= C
1
_
1
1
_
e
3t
+C
2
_
1
1
_
e
t
donde x(t)
gh
es la solucion general de la homogenea. Como A es real y simetrica,, constuimos la matriz
de los autovectores, nomalizando los autovectores. Esto es
T =
1
2
_
1 1
1 1
_
T
1
=
1
2
_
1 1
1 1
_
Ahora cambiando variables y sustituyendola en la ecuacion x = Ty tendremos el siguiente sistema de
ecuaciones
y = Dx
_
3 0
0 1
_
y +
1
2
_
2e
t
3t
2e
t
+ 3t
_
con lo cual, como se esperaba
y
1
+ 3y
1
=
2e
t
2
t y y
2
+ 3y
2
=
2e
t
+
3
2
t
y la solucion es inmediata
y
1
(t) =
2
2
e
t
2
_
t
3

1
9
_
+C
1
e
3t
y y
2
(t) =
2e
t
+
3
2
(t 1)C
2
e
t
y devolviendo el cambio de variables tenemos que
x = Ty x =
_
y
1
+y
2
y
1
+y
2
_
_
_
c1
2
e
3t
+
_
c2
2
+
1
2
_
e
t
+t
4
3
+te
t
c1
2
e
3t
+
_
c2
2

1
2
_
e
t
+ 2t
5
3
+te
t
_
_
es decir
x =
C
1
2
_
1
1
_
e
3t
+
C
2
2
_
1
1
_
e
t
+
1
2
_
1
1
_
e
t
+
_
1
1
_
te
t
+
t
2

4
15
Bibliografa
York).
cion).
[4] W. E. Boyce y R.C. DiPrima (2004) Elementary Dierential Equations and Boundary Pro-
blems. (8th Edition) (John Wiley, New York) . (Existe Traduccion)
[8] A. Kiseliov, M. Krasnov y G. Makarenko (1969) Problemas de Ecuaciones Diferenciales Ordina-
rias. (Mir, Mosc u).
[10] M. Tenenbaun y H. Pollard. Ordinary Dierential Equations Harper and Row, New York 1963.
440
Captulo 11
Series y Ecuaciones Diferenciales
Ordinarias
441
11.1. Otra vez Algebra de Series
Las series se suman
n=0
a
n
(x x
0
)
n
+
n=0
b
n
(x x
0
)
n
=
n=0
(a
n
+b
n
) (x x
0
)
n
Las series se multiplican
_

n=0
a
n
(x x
0
)
n
__

n=0
b
n
(x x
0
)
n
_
=
n=0
c
n
(x x
0
)
n
con
c
n
= a
0
b
n
+a
1
b
n1
+a
2
b
n2
+ +a
j
b
nj
+ +a
n2
b
2
+a
n1
b
1
+a
n
b
0
Las series se derivan
d[
n=0
a
n
(x x
0
)
n
]
dx
=
n=1
a
n
n (x x
0
)
n1
Notese como cambia el comienzo de la serie.
Los ndices en las series son mudos
n=1
a
n
n (x x
0
)
n1
=
j=1
a
j
j (x x
0
)
j1
=
k=0
a
k+1
(k + 1) (x x
0
)
k
en la ultima sumatoria hemos hecho k = j 1, por lo cual j = k + 1.
Las series se igualan
n=0
b
n
(x x
0
)
n
=
n=1
a
n
n (x x
0
)
n1
n=0
b
n
(x x
0
)
n
=
k=0
a
k+1
(k + 1) (x x
0
)
k
=
n=0
a
n+1
(n + 1) (x x
0
)
n
por lo cual
b
n
= a
n+1
(n + 1)
si la igualdad hubiera sido
n=0
n
a
n
(x x
0
)
n
=
n=1
a
n
n (x x
0
)
n1
=
n=0
a
n+1
(n + 1) (x x
0
)
n
= a
n+1
=
a
n
(n + 1)
11.2. Un Ejemplo conocido.
Consideremos la conocidad ecuacion diferencial
y
tt
+y = 0
se propone encontrar una solucion entorno a x = 0 por lo tanto
y =
n=0
a
n
x
n
=
_
_
_
y
t
=

n=1
na
n
x
n
y
tt
=

n=2
n(n 1) a
n
x
n2
y
tt
+y = 0 =
n=2
n(n 1) a
n
x
n2
+
n=0
a
n
x
n
= 0
y
tt
+y = 0 =
k=0
(k + 2) (k + 1) a
k+2
x
k
+
n=0
a
n
x
n
= 0
y
tt
+y = 0 =
k=0
[(k + 2) (k + 1) a
k+2
+a
k
] x
k
= 0
entonces
(k + 2) (k + 1) a
k+2
+a
k
= 0 = a
k+2
=
a
k
(k + 2) (k + 1)
con k = 0, 1, 2,
por lo que
a
2
=
a
0
2 1
; a
4
=
a
2
4 3
=
1
4 3

(a
0
)
2
=
a
0
4 3 2 1
=
a
0
4!
;
a
6
=
a
4
6 5
=
a
0
6 5 4 3 2 1
=
a
0
6!
en general
a
2k
=
(1)
k
(2k)!
a
0
Similarmente, para los impares se obtiene
a
3
=
a
1
3 2
; a
5
=
a
3
5 4
=
1
5 4

(a
1
)
3 2
=
a
1
5 4 3 2 1
=
a
1
5!
;
a
7
=
a
5
7 6
=
a
1
7 6 5 4 3 2 1
=
a
1
7!
de donde
a
2k+1
=
(1)
k
(2k + 1)!
a
1
De este modo, la solucion deseada queda como
y =
n=0
a
n
x
n
= a
0
+a
1
x +
(a
0
)
2!
x
2
+
(a
1
)
3!
x
3
+
a
0
4!
x
4
+
a
1
5!
x
4
+
(a
0
)
6!
x
6
+
(a
1
)
7!
x
7
+
y =
n=0
a
n
x
n
= a
0
_
_
1
x
2
2!
+
x
4
4!

x
6
6!
+
. .
P
k=0
(1)
k
(2k)!
x
2k
_
_
+a
1
_
_
x
x
3
3!
+
x
5
5!

x
7
7!
+
. .
P
k=0
(1)
k
(2k+1)!
x
2k+1
_
_
y =
n=0
a
n
x
n
= a
0
k=0
(1)
k
(2k)!
x
2k
+a
1
k=0
(1)
k
(2k + 1)!
x
2k+1
= a
0
cos x +a
1
senx
11.3. Otro Ejemplo menos conocido pero importante
Considere ecuacion de Hermite
1
la cual aparece en la solucion del oscilador armonico cuantico
y
tt
2xy
t
+y = 0
Para resolver esta ecuacion alrededor del punto x
0
= 0, proponemos la siguiente expansion en series de
potencias como solucion:
y(x) =
j=0
a
j
x
j
_
_
_
y
t
(x) =

j=1
ja
j
x
j1
y
tt
(x) =

j=2
j(j 1)a
j
x
j2
entonces la ecuacion de Hermite queda como
_
_
j=2
j(j 1)a
j
x
j2
_
_
2
_
_
j=1
ja
j
x
j
_
_
+
_
_
j=0
a
j
x
j
_
_
= 0
reacomodando ndices queda como
_

k=0
(k + 2) (k + 1)a
k+2
x
k
_
2
_
_
j=1
ja
j
x
j
_
_
+
_
_
j=0
a
j
x
j
_
_
= 0
o equivalentemente
(2a
2
+a
0
) +
j=1
[(j + 2) (j + 1)a
j+2
2ja
j
+a
j
] x
j
= 0
a
0
=
2a
2
y a
j+2
=
( 2j)
(j + 2) (j + 1)
a
j
n 1
1
Charles Hermite, (1822-1901). Matem atico frances, especializado en el estudio de teora de funciones. Profesor en la
Universidad de Pars, ofrecio importantes aportaciones al algebra, las funciones abelianas y la teora de las formas cuadraticas.
y tendra como solucion
y (x) = a
0
_
_
1

2!
x
2
(4 )
4!
x
4
(8 ) (4 )
6!
x
6

. .
y0
_
_
+a
1
_
_
x +
(2 )
3!
x
3
+
(6 ) (2 )
5!
x
5
+
(10 ) (6 ) (2 )
7!
x
7
+
. .
y1
_
_
notese que para valores pares de una u otra serie se corta y genera polinomios de la forma
Ecuacion de Hermite Polinomio asociado
0 y
tt
2xy
t
= 0 y
0
(x) = 1
2 y
tt
2xy
t
+ 2y = 0 y
1
(x) = x
4 y
tt
2xy
t
+ 4y = 0 y
0
(x) = 1 2x
2
6 y
tt
2xy
t
+ 6y = 0 y
1
(x) = x
2
3
x
3
8 y
tt
2xy
t
+ 8y = 0 y
0
(x) = 1 10x
2
+
35
3
x
4
Tambien, puede ser denido a partir de una ecuacion:
H
(x) = (1)
e
x
2 d
dx
e
x
2
, = 0, 1, 2, .... (11.1)
o a traves de una relacion de recurrencia
H
n+1
(x) 2xH
n
(x) + 2nH
n1
(x) = 0
Las ecuaciones antes mencionadas son ecuaciones homogeneas. En el caso que la ecuacion diferencial a
resolver por series sea una ecuacion inhomogena, se procedera del mismo modo como se propuso en el caso de
que los coecientes de la ecuacion diferencial fueran constantes. Esto es se resuelve, por series la homogenea
y luego se propone una solucion particular, en forma de serie de potencias, la cual se iguala con la expansion,
tambien en series de potencias, del termino inhomogeneo. Como ejemplo, antes de proceder a casos mas
generales resolvamos la ecuacion de Airy
2
, pero inhomogena planteada arriba. A pesar de su simplicidad,
esta ecuacion admite solo soluciones en forma de serie. ahora el caso de la ecuacion homogenea de Airy
y
tt
xy = 0
Luego, compruebe, siguiendo el procedimiento arriba expuesto que una posible ecuacion inhomogenea de
Airy
y
tt
xy = exp(x)
tiene como solucion la siguiente serie de potencias
y (x) = y (0)
_
1 +
1
6
x
3
+
_
. .
y1
+y
t
(0)
_
x +
1
12
x
4
+
_
. .
y2
. .
y
h
+
1
2
x
2
+
1
6
x
3
+
1
24
x
4
+
. .
y
ih
2
George Biddell Airy (1801-1892) Matematico y Astronomo Ingles con contribuciones importantes en la solucion de
ecuaciones diferenciales y su utilizacion en Astronoma. Mejoro signicativamente las estimaciones teoricas de la orbita de
Venus y la Luna. Igualmente realizo estudios matematicos de la formaci on del arcoiris y la densidad de la tierra.
Notese que los dos primeros terminos corresponden a la solucion de la ecuacion homogenea y el ultimo
representa la serie que anula el termino inhomogeneo. Hemos hecho patente la dependencia de las constantes
de integracon de las condiciones iniciales.
11.4. Metodo de Diferenciaciones Sucesiva
En general, dada la Ecuacion diferencial
a
0
(x) y(x) +a
1
(x) y
t
(x) + +a
n1
(x) y
n1
(x) +a
n
(x) y
n
(x) =
n
i=o
a
i
(x) y
(i)
(x) = T(x) (11.2)
Si los coecientes a
0
(x) a
n
(x) son funciones analticas en x = x
0
(se pueden expresar como una serie
de Taylor de (x x
0
) que converge al valor de la funcion con un radio de convergencia de [x x
0
[ < ),
entonces, la ecuacion diferencial 11.2 tendra como solucion unica, y = y(x) de la ecuacion homogena una
serie de potencias la cual satisface las n condiciones iniciales
y(x
0
) = c
1
; y
t
(x
0
) = c
2
; y
tt
(x
0
) = c
3
; y
tt
(x
0
) = c
n
Adicionalmente, se expandira en Taylor la funcion inhomogenea, esto es T(x) =
n
i=o
T
(i)
(x
0
)
(x x
0
)
i
i!
y se
propondra una solucion particular de la inhomogenea, tambien en terminos de una serie y
ih
(x) =

j=0
a
j
x
j
.
Otra forma de hacerlo es proceder directamente y conservar el termino inhomogeneo y a partir de la
ecuacion completa encontrar los coecientes de la expansion por Taylor alrededor del punto en el cual se
disponga de las condiciones iniciales. La solucion en series de Taylor sera
y
h
(x) = y(0) +y
t
(0)x +y
tt
(0)
x
2
2!
+y
ttt
(0)
x
3
3!
+
As para la siguiente ecuacion diferencial
y
tt
(x + 1) y
t
+x
2
y = x; con y(0) = 1; y y
t
(0) = 1.
los coecientes de la expansion se obtienen de los valores de las derivadas en x
0
= 0, los cuales salen de las
condiciones iniciales, de la ecuacion diferencial esto es
y(0) = 1; y
t
(0) = 1; y
tt
(0) = (0) + (0 + 1) y
t
(0) 0
2
y(0) = 1
y de las derivadas de la ecuacion diferencial
y
ttt
(x) = y
t
(x) + (x + 1) y
tt
(x) 2x y(x) x
2
y
t
(x) + 1
y
ttt
(0) = y
t
(0) + (0 + 1) y
tt
(0) 2(0) y(0) 0
2
y
t
(0) + 1
y
ttt
(0) = 1 + 1 + 1 = 3
nalmente, la solucion
y
h
(x) = 1 +x +
x
2
2
+
x
3
2
+
Esta solucion contiene las dos soluciones (la homogenea y la particular de la inhomogenea) sumadas
Dado [x[ < 1 y la ecuacion diferencial
y
tt
+
x
1 x
2
y
t
1
1 x
2
y = exp(2x) ; con y(0) = 1; y y
t
(0) = 1.
compruebe que tiene como solucion general por series
y (x) = y (0)
_
1 +
1
2
x
2
+
1
24
x
4
+
1
80
x
6
+
_
+y
t
(0) x +
_
1
2
x
2
+
1
3
x
3
+
1
8
x
4
+
_
y al incorporar los valores de las condiciones iniciales se obtiene
y (x) = 1 +x +x
2
+
1
3
x
3
+
1
6
x
4
+
1
30
x
5
+
1
180
x
6
4
315
x
7
79
10 080
x
8
+
11.5. Metodos de los Coecientes Indeterminados
En general, para encontrar la solucion a la ecuacion antes mencionada
n
i=o
a
i
(x) y
(i)
(x) = T(x)
Se expanden por series de potencias cada uno de los coecientes a
0
(x) a
n
(x), la funcion T(x) y se expande
tambien la serie
y(x) =
j=0
c
j
(x x
0
)
j
j!
luego de bastante transpiracion se despejan los coeciente c
0
c
n
veamos el ejemplo con la misma
ecuacion del ejemplo anterior.
y
tt
(x + 1) y
t
+x
2
y = x; con y(0) = 1; y y
t
(0) = 1.
Como x
0
= 0, proponemos la siguiente expansion en series de potencias como solucion:
y(x) =
j=0
c
j
x
j
=
_
_
_
y
t
(x) =

j=1
jc
j
x
j1
y
tt
(x) =

j=2
j(j 1)c
j
x
j2
y al sustituir
j=2
j(j 1)c
j
x
j2
(x + 1)
j=1
jc
j
x
j1
+x
2
j=0
c
j
x
j
= x
expandiendo
j=2
j(j 1)c
j
x
j2
j=1
jc
j
x
j
j=1
jc
j
x
j1
+
j=0
c
j
x
j+2
= x
si hacemos j 2 = l en el primer termino, j 1 = k en el tercero y j + 2 = m en el cuarto, tenemos
l=0
(l + 2) (l + 1) c
l+2
x
l
j=1
jc
j
x
j
k=0
(k + 1) c
k+1
x
k
+
m=2
c
m2
x
m
= x
acomodando
n=0
((n + 2) (n + 1) c
n+2
nc
n
(n + 1) c
n+1
) x
n
+
m=2
c
m2
x
m
= x
por lo tanto
c
2
c
1
= 0
3 2 c
3
c
1
2 c
2
= 1
y la relacion de recurrencia para n 2
(n + 2) (n + 1) c
n+2
nc
n
(n + 1) c
n+1
c
n2
= 0
con la cual se obtienen todos los demas coecientes.
Si la ecuacion es
y
tt
+ (sinx) y
t
+ (expx) y = 0
se expanden los coecientes
y
tt
+
_
x
1
6
x
3
+
1
120
x
5
+
_
y
t
+
_
1 +x +
1
2
x
2
+
1
6
x
3
+
1
24
x
4
+
1
120
x
5
+
_
y = 0
se propone la solucion en terminos de series de potencias
y(x) =
j=0
c
j
x
j
_
_
_
y
t
(x) =

j=1
jc
j
x
j1
y
tt
(x) =

j=2
j(j 1)c
j
x
j2
por lo cual
_
_
j=2
j(j 1)c
j
x
j2
_
_
+
_
x
1
6
x
3
+
_
_
_
j=1
jc
j
x
j1
_
_
+
_
1 +x +
1
2
x
2
+
_
_
_
j=0
c
j
x
j
_
_
= 0
acomodando
(2c
2
+c
0
) + (6c
3
+ 2c
1
+c
0
) x + (12c
4
+ 3c
2
+c
1
+c
0
) x
2
+ (20c
5
+ 4c
3
+c
2
+c
1
+c
0
) x
3
+ = 0
2c
2
+c
0
= 0
6c
3
+ 2c
1
+c
0
= 0
12c
4
+ 3c
2
+c
1
+c
0
= 0
20c
5
+ 4c
3
+c
2
+c
1
+c
0
= 0
.
.
.
Ejercicio. Utilice el mismo metodo para la ecuacion ejercicio anterior
y
tt
+
x
1 x
2
y
t
1
1 x
2
y = e
2x
; con y(0) = 1; y y
t
(0) = 1.
11.6. Los Puntos y las Estrategias
Dada una ecuacion diferencial del tipo
P (x) y
tt
+Q(x) y
t
+R(x) y = 0 y
tt
+
Q(x)
P (x)
y
t
+
R(x)
P (x)
y = 0
Puntos ordinarios Un punto ordinario x = x
0
sera aquel alrededor del cual p(x) =
Q(x)
P(x)
y q (x) =
R(x)
P(x)
sean analticas en ese punto o
lm
xx0
p(x) lm
xx0
Q(x)
P (x)
= l
1
con l
1
nito
lm
xx0
q (x) lm
xx0
R(x)
P (x)
= l
2
con l
2
nito
O tambien, lo que es lo mismo, que p(x) =
Q(x)
P(x)
y q (x) =
R(x)
P(x)
tengan una expansion en Taylor alrededor
de ese punto x = x
0
.
Puntos singulares regulares Un punto x = x
0
se llamara punto singular regular si
lm
xx0
(x x
0
) p(x) lm
xx0
(x x
0
)
Q(x)
P (x)
= l
3
con l
3
nito
lm
xx0
(x x
0
)
2
q (x) lm
xx0
(x x
0
)
2
R(x)
P (x)
= l
4
con l
4
nito
O tambien, lo que es lo mismo, que p(x) (x x
0
) = (x x
0
)
Q(x)
P(x)
y q (x) (x x
0
)
2
= (x x
0
)
2 R(x)
P(x)
tengan
una expansion en Taylor alrededor de ese punto.
Puntos singulares irregulares Ninguna de las anteriores
11.7. Ecuaci ones e intervalos en puntos regulares
La ecuacion de Legendre
3
(1 x
2
) y
tt
2x y
t
+( + 1) y = 0
tiene puntos regulares en x ,= 1 y puntos singulares regulares en x = 1. Pero es analtica en x (1, 1)
lo tanto, todos los x son ordinarios si x (1, 1). En ese intervalo se propone una solucion
y(x) =
n=0
a
n
x
n
3
Adrien Marie Legendre (1752-1833). Matematico frances, encuadrado en la escuela de Pars, que surgio tras la revolucion
de 1789. Realizo una teora general de las funciones elipticas y divulgo numerosos trabajos de investigadores jovenes en el campo
del analisis matematico.
por lo tanto
(1 x
2
)
n=2
n(n 1)a
n
x
n2
2x
n=1
n a
n
x
n1
+( + 1)
n=0
a
n
x
n
= 0
multiplicando y acomodando
j=0
(j + 2)(j + 1)a
j+2
x
j
n=2
n(n 1)a
n
x
n
2
n=1
n a
n
x
n
+( + 1)
n=0
a
n
x
n
= 0
expandiendo
0 =2a
2
+( + 1)a
0
( + 2)( 1)a
1
+ (3 2)a
3
x+
+
n=2
(n + 2)(n + 1)a
n+2
+ ( +n + 1)( n)a
n
x
n
donde hemos utilizado
n(n 1) 2n +( + 1) = ( +n + 1)( n)
por lo tanto
a
2
=
( + 1)
2
a
0
a
4
=
( + 3)( + 1)( 2)
4!
a
0
a
2n
= (1)
n
( + 2n 1)( + 2n 3) ( + 1)( 2) ( 2n + 2)
(2n)!
a
0
y las potencias impares seran
a
3
=
( + 2)( 1)
3!
a
1
a
5
=
( + 4)( + 2)( 1)( 3)
5!
a
1
a
2n+1
= (1)
n
( + 2n)( + 2n 2) ( + 2)( 1) ( 2n + 1)
(2n + 1)!
a
1
y su solucion general de la forma
y(x) = a
0
y
0
(x) +a
1
y
1
(x)
con
y
0
(x) = 1
( + 1)
2
x
2
+
( + 3)( + 1)( 2)
4!
x
4
+
y
1
(x) = x
( + 2)( 1)
3!
x
3
+
( + 4)( + 2)( 1)( 3)
5!
x
5
+
si = 2n una de las series se corta solucion es un polinomio de potencias pares y si = 2n + 1 la otra se
corta en uno de potencias impares
Ecuacion de Legendre Polinomio Asociado
0 (1 x
2
) y
tt
2x y
t
= 0 y
0
(x) = 1
1 (1 x
2
) y
tt
2x y
t
+ 2 y = 0 y
1
(x) = x
2 (1 x
2
) y
tt
2x y
t
+ 6 y = 0 y
0
(x) = 1 3x
2
3 (1 x
2
) y
tt
2x y
t
+ 12 y = 0 y
1
(x) = x
5
3
x
3
4 (1 x
2
) y
tt
2x y
t
+ 20 y = 0 y
0
(x) = 1 10x
2
+
35
3
x
4
Los polinomios de Legendre son funciones que surgen en problemas de electrostatica como solucion de la
ecuacion de Legendre y son efectivamente polinomios para entero. Los Polinomios de Legendre tambien
pueden ser generados a partir de la Formula de Rodrgues
P
n
(x) =
1
n!2
n
d
n
dx
n
(x
2
1)
n
, n = 0, 1, 2, .....
con P
0
(x) = 1. Tambien se dispone de una relacion de recurrencia
(n + 1) P
n+1
(x) = (2n + 1) xP
n
(x) nP
n1
(x)
11.8. El Metodo de Frobenius
Para la solucion de ecuaciones diferenciales lineales ordinarias alrededor de puntos singulares regulares
se utiliza el metodo de Frobenius
4
. Dada una ecuacion diferencial
y
tt
+F
1
(x) y
t
+F
2
(x) y = 0 y
tt
+
f
1
(x)
(x x
0
)
y
t
+
f
2
(x)
(x x
0
)
2
y = 0 (11.3)
donde F
1
(x) y F
2
(x) tienen singularidades regulares enx = x
0
y por lo tanto f
1
(x) y f
2
(x) son analticas
alrededor de ese punto entonces, la propuesta de solucion sera una serie de Frobenius
y(x) = (x x
0
)
m
n=0
a
n
(x x
0
)
n
(11.4)
donde n es entero positivo, pero m puede ser entero positivo (entonces la serie de Frobenius es una serie de
Taylor) o entero negativo (entonces la serie de Frobenius es una serie de Laurent), o un racional. Por lo cual
una serie de Frobenius incluye a las serie de Taylor y Laurent. Para hacer las cosas mas simples supongamos,
sin perder generalidad, x
0
= 0. Ademas, como f
1
(x) y f
2
(x) son analticas entonces
f
1
(x) =
n=0
b
n
x
n
y f
2
(x) =
n=0
c
n
x
n
(11.5)
por lo tanto
x
2
y
tt
+x f
1
(x) y
t
+f
2
(x) y = 0 x
2
y
tt
+x
_

n=0
b
n
x
n
_
y
t
+
_

n=0
c
n
x
n
_
y = 0
4
Ferdinand Georg Frobenius (1849-1917) Matematico Aleman famoso por sus contribuciones en Teora de Grupos y
metodos para resolver ecuaciones diferneciales.
y con la propuesta de serie de Frobenius
y(x) = x
m
n=0
a
n
x
n
=y
t
(x) = mx
m1
_

n=0
a
n
x
n
_
+x
m
_

n=1
na
n
x
n1
_
y
tt
(x) = m(m1) x
m2
_

n=0
a
n
x
n
_
+ 2mx
m1
_

n=1
na
n
x
n1
_
+x
m
_

n=2
n(n 1) a
n
x
n2
_
sustituyendo
0 = x
2
_
m(m1) x
m2
_

n=0
a
n
x
n
_
+ 2mx
m1
_

n=1
na
n
x
n1
_
+x
m
_

n=2
n(n 1) a
n
x
n2
__
+
+x
_

n=0
b
n
x
n
__
mx
m1
_

n=0
a
n
x
n
_
+x
m
_

n=1
na
n
x
n1
__
+
_

n=0
c
n
x
n
__
x
m
n=0
a
n
x
n
_
acomodando
0 =
_
m(m1) x
m
_

n=0
a
n
x
n
_
+ 2mx
m
_

n=1
na
n
x
n
_
+x
m
_

n=2
n(n 1) a
n
x
n
__
+
+
_

n=0
b
n
x
n
__
mx
m
_

n=0
a
n
x
n
_
+x
m
_

n=1
na
n
x
n
__
+
_

n=0
c
n
x
n
__
x
m
n=0
a
n
x
n
_
o
0 = x
m
__
m(m1)
_

n=0
a
n
x
n
_
+ 2m
_

n=1
na
n
x
n
_
+
_

n=2
n(n 1) a
n
x
n
__
+
+
_

n=0
b
n
x
n
__
m
_

n=0
a
n
x
n
_
+
_

n=1
na
n
x
n
__
+
_

n=0
c
n
x
n
__

n=0
a
n
x
n
__
Expandiendo las series tendremos
0 = x
m
_
_
a
0
[m(m1) +b
0
m+c
0
]
. .
EI(m)
_
_
+ (11.6)
+x
m+1
_
_
a
1
[m(m+ 1) +b
0
(m+ 1) +c
0
]
. .
EI(m+1)
+a
0
[b
1
m+c
1
]
_
_
+ (11.7)
+x
m+2
_
_
a
2
[(m+ 2) (m+ 1) +b
0
(m+ 2) +c
0
]
. .
EI(m+2)
+a
1
[b
1
(m+ 1) +c
1
] +a
0
[b
2
m+c
2
]
_
_
(11.8)
+x
m+3
_
_
a
3
[(m+ 3) (m+ 2) +b
0
(m+ 3) +c
0
]
. .
EI(m+3)
+a
2
[b
1
(m+ 2) +c
1
] + (11.9)
+a
1
[b
2
(m+ 1) +c
2
] +a
0
[b
3
m+c
3
] +
.
.
.
+x
m+n
_
_
a
n
[(m+n) (m+n 1) +b
0
(m+n) +c
0
]
. .
EI(m+n)
+a
n1
[b
1
(m+n 1) +c
1
] + (11.10)
+a
n2
[b
2
(m+n 2) +c
2
] +a
n3
[b
3
(m+n 3) +c
3
] + (11.11)
+a
1
[b
n1
(m+ 1) +c
n1
] +a
0
[b
n
m+c
n
] (11.12)
+
la cual puede ser reacomodada a un mas, y toma la forma elegante y compacta de
0 = x
m
a
0
EI (m) +
i=1
_
a
i
EI (m+i) +
i1
k=0
a
k
[(m+k) b
ik
+c
ik
]
_
x
m+i
(11.13)
donde hemos identicadoEI (m) = m(m1) + b
0
m + c
0
. Como es de esperarse, este polinomio se anula si
los coecientes de x
m
x
m+i
se anulan. La primera de las ecuaciones que surge es la ecuacion indicadora o
ndice
a
0
,= 0 = EI (m) = m(m1) +b
0
m+c
0
= 0 (11.14)
que no es otra cosa que un polinomio de segundo grado en m. Al anular el coeciente de x
m+i
_
a
i
EI (m+i) +
i1
k=0
a
k
[(m+k) b
ik
+c
ik
]
_
= 0 (11.15)
obtendremos la relacion de recurrencia para la serie de Frobenius, correspondientes a cada raz de la ecuacion
indicadora (11.14). Dato que la ecuacion indicadora es un polinomio de segundo grado para m, entonces de
all se derivan dos races m
1
y m
2
. Dependiendo de como sean estas races distinguiremos tres casos:
1. m
1
,= m
2
m
1
m
2
,= N con N entero.
En este caso, la solucion en terminos de la serie de Frobenius para la ecuacion diferencial sera
y(x) = C
1
|x|
m1
_
1 +
n=1
a
n
(m
1
) x
n
_
. .
y1(x)
+C
2
|x|
m2
_
1 +
n=1
a
n
(m
2
) x
n
_
. .
y2(x)
(11.16)
2. m
1
= m
2
y(x) = C
1
|x|
m
_
1 +
n=1
a
n
(m) x
n
_
. .
y1(x)
(11.17)
+C
2
_
_
|x|
m
_
1 +
n=1
a
n
(m) x
n
_
. .
y1(x)
lnx +|x|
m
_

n=0
B
n
(m) x
n
_
_
_
. .
y2(x)
3. m
1
,= m
2
m
1
m
2
= N con N entero positivo.
y(x) = C
1
|x|
m1
_
1 +
n=1
a
n
(m
1
) x
n
_
. .
y1(x)
(11.18)
+C
2
_
_
f |x|
m1
_
1 +
n=1
a
n
(m
1
) x
n
_
. .
y1(x)
lnx +|x|
m2
_

n=0
a
n
(m
2
) x
n
_
_
_
. .
y2(x)
Donde las constantes a
n
(m
1
) , a
n
(m
2
) , B
n
(m
1
) y f, surgen de sustituir estas soluciones en la ecuacion
diferencial y resolver por el metodo de los coecientes indeterminados. Notese que hemos indicado explcita-
mente que los coecientes a
n
= a
n
(m
1
) ; a
n
= a
n
(m
2
) ; B
n
= B
n
(m
2
) corresponden a las series de cada una
de las races de la ecuacion indicadora.
En resumen, si una ecuacion diferencial y
tt
+F
1
(x) y
t
+F
2
(x) y = 0 presenta puntos sigulares regulares
para F
1
(x) y F
2
(x) en x = x
0
. Lo que se traduce en que
y
tt
+
f
1
(x)
(x x
0
)
y
t
+
f
2
(x)
(x x
0
)
2
y = 0 con
_
_
_
f
1
(x) =

n=0
b
n
(x x
0
)
n
f
2
(x) =

n=0
c
n
(x x
0
)
n
es decir, que f
1
(x) y f
2
(x) sean analticas en torno a x = x
0
. Entonces se aplica el metodo de Frobenius.
Para ello,
1. se propone una solucion en series de potencias de Frobenius:
y(x) = x
m
n=0
a
n
x
n
con m ' n N,
2. se sustituye en la ecuacion diferencial y se aisla el termino independiente (de orden cero en n). El
coeciente de este termino se anula e implica la ecuacion la indicadora o ndice
a
0
,= 0 = EI (m) = m(m1) +b
0
m+c
0
= 0
que no es otra cosa que un polinomio de segundo grado en m. De esta ecuacion emergen dos races m
2
m
1
,en funcion de estas races, procedemos de distinto modo
a) si m
1
,= m
2
m
1
m
2
,= N con N entero entonces tendremos dos series de Frobenius
y(x) = C
1
x
m1
_

n=0
a
n
(m
1
) x
n
_
+C
2
x
m2
_

n=0
a
n
(m
2
) x
n
_
b) si m
1
= m
2
tenemos que insertar un logaritmo
y(x) = x
m1
_
(C
1
+C
2
lnx)
_

n=0
a
n
(m) x
n
_
+C
2
_

n=0
B
n
(m) x
n
__
c) m
1
,= m
2
m
1
m
2
= N con N entero positivo, entoces, como por arte de magia
y(x) = x
m1
_
(C
1
+f lnx)
_

n=0
a
n
(m
1
) x
n
__
+C
2
x
m2
_

n=0
a
n
(m
2
) x
n
_
3. Seguidamente se determina, seg un el caso, se determinan las relaciones de recurrecias para los distintos
coecientes a
n
= a
n
(m
1
) ; a
n
= a
n
(m
2
) ; B
n
= B
n
(m
2
) ; G
n
= G
n
(m
2
) a partir de la ecuacion (11.15)
_
a
n
EI (m+n) +
n1
k=0
a
k
[(m+k) b
nk
+c
nk
]
_
= 0
tomando en cuenta los coecientes de los desarrollos en series de potencias de las funciones
f
1
(x) =
n=0
b
n
x
n
y f
2
(x) =
n=0
c
n
x
n
si anulamos los coecientes de x
m+n
a
n
EI (m+n) +
n1
k=0
a
k
[(m+k) b
nk
+c
nk
] = 0 a
n
=
n1
k=0
a
k
[(m+k) b
nk
+c
nk
]
EI (m+n)
entonces se obtiene la relacion de recurrencia, al menos para los casos (11.16) y (11.17) en los cuales
EI (m+n) ,= 0. El caso EI (m+n) = 0, vale decir m
1
,= m
2
m
1
m
2
= N con N sera analizado
en detalle mas adelante.
11.8.1. m
1
,= m
2
m
1
m
2
,= N con N entero.
En ese caso es claro que la resolver la ecuacion indicadora y sustituir m
1
en el resto de los coecientes,
se va despejando todos los coecientes a
0
a
n
en terminos de a
0
. Igualmente al sustituir m
2
encontramos
la otra solucion y ambas son linealmente independientes y la solucion sera
y(x) = C
1
x
m1
_

n=0
a
n
x
n
_
+C
2
x
m2
_

n=0
a
n
x
n
_
Ejemplo, encuentre la solucion en terminos de series de Frobenius de la siguiente ecuacion
x
2
y
tt
+x
_
x +
1
2
_
y
t
_
x
2
+
1
2
_
y = 0
al dividir por x
2
identicamos que a x = 0 es un punto singular regular. Proponemos por lo tanto una serie
de Frobenius y(x) = x
m
n=0
a
n
x
n
como posible solucion. La ecuacion indicadora EI (m) = m(m1) +
b
0
m+c
0
= 0 queda ahora, como
m = 1
m =
1
2
_
_
_
= m(m1) +
1
2
m
1
2
= 0 =
_
_
_
_
_
b
0
=
1
2
b
1
= 1
_
_
_
= f
1
(x) =
1
2
+x
_
_
c
0
=
1
2
c
1
= 0
c
2
= 1
_
_
= f
2
(x) =
1
2
x
2
los demas coecientes b
2
= b
3
= = b
n
= = 0 y c
3
= c
4
= = c
n
= = 0.
El primer termino del coeciente de x
m+n
, puede ser escrito en terminos de genericos, como
EI (m+n) = (m+n) (m+n 1) +
1
2
..
b0
(m+n) +
_
1
2
_
. .
c0
= m
2
+2mn
1
2
m+n
2
1
2
n
1
2
(11.19)
El segundo termino de ese mismo coeciente, es una sumatoria en la cual inervienen los coecientes de
las expansiones de f
1
(x) y f
2
(x) (ecuacion (11.5)). Como de esta expansion sobrevive b
1
= 1 signica
que solo aparecen el coeciente para el cual nk = 1 k = n1 y como tambien sobrevive c
2
= 1,
tendremos que n k = 2 k = n 2,tambien estara presente. Esto es
a
n1
_
_
(m+n 1) 1
..
b1
_
_
+a
n2
_
_
(1)
..
c2
_
_
(11.20)
En denitiva el coeciente completo se escribe como
a
n
_
m
2
+ 2mn
1
2
m+n
2
1
2
n
1
2
_
+a
n1
[m+n 1] a
n2
= 0 (11.21)
con lo cual la relacion de recurrencia general sera
a
n
=
a
n2
a
n1
[m+n 1]
m
2
+ 2mn
1
2
m+n
2
1
2
n
1
2
para n 2 (11.22)
Dependiendo del valor de m tendremos una relacion de recurrencia para la primera de las series m = 1
o para la segunda, m =
1
2
. Analicemos cado por caso. Para el caso particular m = 1, se obtiene la
relacion de recurrencia:
a
n
= (a
n2
na
n1
)
2
2n
2
+ 3n
para n 2
y se encuentra a
1
al utilizar el coeciente de x
m+1
(ecuacion (11.7))
a
1
_
1 (1 + 1) +
1
2
(1 + 1)
1
2
_
+a
0
[1 + 0] = 0 = a
1
=
2
5
a
0
con lo cual
n = 2 = a
2
=
1
7
(2a
1
+a
0
) =
1
7
_
4
5
a
0
+a
0
_
=
9
35
a
0
= a
2
=
9
35
a
0
n = 3 = a
3
=
2
27
(3a
2
+a
1
) =
2
27
_
27
35
a
0
2
5
a
0
_
=
82
945
a
0
= a
3
=
82
945
a
0
n = 4 = a
4
=
1
22
(4a
3
+a
2
) =
1
22
_
328
945
a
0
9
35
a
0
_
=
571
20790
a
0
= a
4
=
571
20790
a
0
.
.
.
.
.
.
As la primera solucion sera
y
1
(x) = a
0
x
_
1
2
5
x +
9
35
x
2
82
945
x
3
+
571
20790
x
4
+
_
Del mismo modo se construye la segunda solucion linealmente independiente a partir de m =
1
2
. As, la
relacion de recurrencia para los cocientes de la serie de Frobenius m =
1
2
sera:
a
n
=
_
a
n2
_
n
3
2
_
a
n1
_
2
2n
2
3n
para n 2
y
a
1
_
1
2
_
1
2
_
+
_
1
2
__
1
2
_
1
2
_
+a
0
_
1
2
_
= 0 = a
1
= a
0
por lo cual
n = 2 = a
2
=
1
2
a
1
+a
0
=
1
2
a
0
+a
0
=
3
2
a
0
= a
2
=
3
2
a
0
n = 3 = a
3
=
2
9
_
3
2
a
2
+a
1
_
=
2
9
_
9
4
a
0
a
0
_
=
13
18
a
0
= a
3
=
13
18
a
0
n = 4 = a
4
=
1
10
_
5
2
a
3
+a
2
_
=
1
10
_
65
36
a
0
+
3
2
a
0
_
=
119
360
a
0
= a
4
=
119
360
a
0
.
.
.
.
.
.
Por lo cual, la solucion general sera
y(x) = C
1
x
_
1
2
5
x +
9
35
x
2
82
945
x
3
+
571
20790
x
4
+
_
+C
2
x
1
2
_
1 x +
3
2
x
2
13
18
x
3
+
119
360
x
4
+
_
Notese que esta solucion vale para 0 < |x| < por cuanto para x < 0, la segunda solucion se hace
imaginaria pero se puede resolver haciendo C
2
= i C
3
Como ejercicio resuelva
2x
2
y
tt
x y
t
(x + 1) y = 0
11.8.2. m
1
= m
2
.
Del mismo modo, si tenemos una ecuacion diferencial
x
2
y
tt
+x [x F
1
(x)]
. .
f1(x)
y
t
+
_
x
2
F
2
(x)
. .
f2(x)
y = 0 Ly = x
2
y
tt
+x f
1
(x) y
t
+f
2
(x) y = 0 (11.23)
donde en la cual F
1
(x) y F
2
(x) tienen singularidades regulares en x = 0 pero f
1
(x) y f
2
(x) son analticas
para ese punto, vale decir
f
1
(x) =
n=0
b
n
x
n
y f
2
(x) =
n=0
c
n
x
n
se aplica el Metodo de Frobenius. Pero antes de proceder a ilustrar este caso en al cual ambas races coinciden,
veamos, un poco de donde surge la forma general de la solucion (11.17). Para ello reacomodemos la ecuacion
diferencial (11.23) de la forma
x
2
y
tt
+x f
1
(x) y
t
+f
2
(x) y =
_
x
2
d
2
dx
2
+x f
1
(x)
d
dx
+f
2
(x)
_
y Ly = 0
donde L esta concebido como un operador lineal. Es ilustrador mostrar de donde sale la forma curiosa
de la solucion de la ecuacion diferencial (11.17). Para ello, recordamos que
Ly = x
m
a
0
EI (m) +
n=1
_
a
n
EI (m+n) +
n1
k=0
a
k
[(m+k) b
nk
+c
nk
]
_
x
m+n
si anulamos los coecientes de x
m+n
entonces
a
n
EI (m+n) +
n1
k=0
a
k
[(m+k) b
nk
+c
nk
] = 0 a
n
=
n1
k=0
a
k
[(m+k) b
nk
+c
nk
]
EI (m+n)
considerando EI (m+n) ,= 0 por lo tanto, para los a
n
seleccionados (que anulen el coeciente x
m+n
) y
considerando el caso m
1
= m
2
Ly (m, x) = a
0
EI (m) x
m
= a
0
(mm
1
)
2
x
m
Notese que estamos considerando Ly (m, x) como una funcion de m, y x. Por lo cual evaluando en m = m
1
Ly (m, x)[
m=m1
= a
0
(mm
1
)
2
x
m
m=m1
= 0
pero ademas podemos intentar derivar respecto a la constante m
Ly (m, x)
m
=

m
_
x
2
d
2
dx
2
+x f
1
(x)
d
dx
+f
2
(x)
_
y =
_
x
2
d
2
dx
2
+x f
1
(x)
d
dx
+f
2
(x)
_
y
m
L
_
y
m
_
(m, x) =

m
_
a
0
(mm
1
)
2
x
m
_
= a
0
_
(mm
1
)
2
x
m
lnx + 2 (mm
1
) x
m
_
y comprobamos que tambien se anula al evaluarla en m = m
1
L
_
y
m
_
(m, x)
m=m1
= a
0
_
(mm
1
)
2
x
m
lnx + 2 (mm
1
) x
m
_
m=m1
= 0
por lo tanto
_
y
m
_
(m, x)
m=m1
tambien es solucion, con lo cual la segunda toma la forma
L
_
y
m
_
(m, x)
m=m1
=

m
_
|x|
m
_
a
0
+
n=1
a
n
(m) x
n
__
m=m1
= (x
m1
lnx)
_
a
0
+
n=1
a
n
(m
1
) x
n
_
+x
m1
_

n=1
a
n
(m)
m
m=m1
x
n
_
y la solucion general tendra la forma
y(x) = C
1
|x|
m1
_
1 +
n=1
a
n
(m
1
) x
n
_
. .
y1(x)
+C
2
_
_
|x|
m1
_
1 +
n=1
a
n
(m
1
) x
n
_
. .
y1(x)
lnx +|x|
m1
_

n=0
b
n
(m
1
) x
n
_
_
_
. .
y2(x)
Analicemos, como ejemplo un caso particular de la ecuacion de Bessel
5
x
2
y
tt
+x y
t
+
_
x
2
+
2
_
y = 0
5
Fredrich Wilhel Bessel (1784-1846). Astronomo y matem atico alem an. Aporto notables contribuciones a la astronoma
posicional, la geodesia y la mecanica celeste. Particularmente, se dedic o a aumentar la exactitud de las mediciones de la
posici on y el movimiento de los astros. La precision de sus mediciones hizo posible que determinara peque nas irregularidades
en los movimientos de Urano lo condujo a predecir la existencia de Neptuno. An alogos razonamientos lo llevaron a especular
sobre la presencia de estrellas compa neras en Sirio y Procyon. A partir de datos registrados en el siglo XVII, calculo la orbita
del cometa Halley
Una vez mas, la ecuacion viene parametrizada por y dependiendo de su valor tendremos una familia de
soluciones. Consideremos el caso = 0
x
2
y
tt
+x y
t
+x
2
y = 0
la ecuacion indicadora EI (m) = m(m1) +b
0
m+c
0
= 0 nos queda como
m = 0 = m(m1) +m = 0 =
_
_
b
0
= 1 = f
1
(x) = 1
_
_
c
0
= 0
c
1
= 0
c
2
= 1
_
_
= f
2
(x) = x
2
1
= b
2
= b
3
= = b
n
= 0 y c
3
= c
4
= = c
n
= 0. Con lo cual EI (n) =
n(n 1) +n = n
2
, Por lo tanto, la relaci on de recurrencia se obtiene del coeciente de x
m+n
a
n
=
n1
k=0
a
k
[(m+k) b
nk
+c
nk
]
EI (m+n)
dado que
_
_
_
b
1
,= 0 n k = 1 k = n 1
c
2
,= 0 n k = 2 k = n 2
a
n
(m) =
n1
k=0
a
k
(m) [(m+k) b
nk
+c
nk
]
(m+n) (m+n 1) + (m+n)
=
a
n1
(m) (m+n 1) +a
n2
(m)
(m+n)
2
tomando m = 0, se tiene
a
n
(0) =
n1
k=0
a
k
(0) [kb
nk
+c
nk
]
n
2
con
_
_
_
b
1
,= 0 n k = 1 k = n 1
c
2
,= 0 n k = 2 k = n 2
con lo cual
a
n
(0) =
a
n2
(0) [c
2
] +a
n1
(0) [(n 1) b
1
]
n
2
=
a
n2
(0) +a
n1
(0) (n 1)
n
2
para n 2
Otra vez, al anular el coeciente para x
m+1
(ecuacion (11.7)) se obtiene a
1
[0 (0 + 1) + 1 (0 + 1) + 0] +
a
0
[0 0 + 0] = 0 a
1
= 0. Con lo cual es claro que se anulan todos los coecientes impares, y as
a
2n
(0) =
a
2n2
(0)
(2n)
2
para n = 1, 2, 3,
con lo cual
n = 1 = a
2
(0) =
1
4
a
0
(0) = a
2
(0) =
1
4
a
0
(0)
n = 2 = a
4
(0) =
1
(2 2)
2
a
2
(0) =
1
(2 2)
2
2
2
a
0
(0) = a
4
(0) =
1
(2 2)
2
2
2
a
0
(0)
n = 3 = a
6
(0) =
1
(2 3)
2
a
4
(0) =
1
(2 3)
2
_
1
(2 2)
2
2
2
a
0
(0)
_
= a
6
(0) =
1
(2 3)
2
2
3
a
0
(0)
.
.
.
.
.
.
n = l = a
2l
(0) =
a
2l2
(0)
(2l)
2
=
(1)
l
2
2l
(l!)
2
a
0
(0) = a
2l
(0) =
(1)
l
2
2l
(l!)
2
a
0
(0)
por lo tanto la primera de las soluciones sera
y
1
(x) = a
0
_
1 +
n=1
(1)
n
2
2n
(n!)
2
x
2n
_
. .
J0(x)
Donde J
0
(x) se conoce como la funcion de Bessel de primera especie de orden cero.
Para calcular la segunda solucion de la ecuacion de Bessel se sustituye
y
2
(x) = J
0
(x) lnx +
n=0
B
n
x
n
en la ecuacion x
2
y
tt
+x y
t
+x
2
y = 0
para ello se requieren sus derivadas
y
2
(x) = J
0
(x) lnx +
n=0
B
n
x
n
y
t
2
(x) = J
t
0
(x) lnx +
J
0
(x)
x
+
n=1
B
n
(0) nx
n1
y
y
tt
2
(x) = J
tt
0
(x) lnx + 2
J
t
0
(x)
x

J
0
(x)
x
2
+
n=1
B
n
n(n 1) x
n2
entonces
0 = x
2
_
J
tt
0
(x) lnx + 2
J
t
0
(x)
x

J
0
(x)
x
2
+
n=2
B
n
n(n 1) x
n2
_
+
+x
_
J
t
0
(x) lnx +
J
0
(x)
x
+
n=1
B
n
nx
n1
_
+x
2
_
J
0
(x) lnx +
n=0
B
n
x
n
_
con lo cual
0 =
_
_
x
2
J
tt
0
(x) +x J
t
0
(x) +Jx
2
0
(x)
. .
=0
_
_
lnx + 2 J
t
0
(x) x +
n=2
B
n
n(n 1) x
n
+
n=1
B
n
nx
n
+
n=0
B
n
x
n+2
y nalmente
B
1
x + 2
2
B
2
x
2
+
n=3
_
B
n
n
2
+B
n2
_
x
n
= 2
n=1
(1)
n
2n
2
2n
(n!)
2
x
2n
es claro que para los coecientes impares se obtiene b
1
= b
3
= b
5
= = b
2n+1
= 0 ya que
B
1
x + 2
2
B
2
x
2
+
_
3
2
B
3
+B
1
_
x
3
+
_
4
2
B
4
+B
2
_
x
4
+
_
5
2
B
5
+B
3
_
x
5
+ = 2
n=1
(1)
n
2n
2
2n
(n!)
2
x
2n
mientras que para las potencias pares tendremos la relacion de recurrencia
B
2n
=
1
(2n)
2
_
(1)
n+1
n
2
2(n1)
(n!)
2
b
2n2
_
entonces
B
2
= 2
1
2
2
(1!)
2
B
4
=
1
(2 2)
2
_
4
2
2
(2!)
2
2
1
2
2
(1!)
2
_
=
1
4
2
2
2
_
1 +
1
2
_
B
6
=
1
(6)
2
_
3
2
4
(3!)
2
b
4
_
=
1
6
2
_
3
2
4
(3!)
2
+
1
4
2
2
2
_
1 +
1
2
_
_
=
1
6
2
4
2
2
2
_
1 +
1
2
+
1
3
_
.
.
.
B
2k
=
(1)
k+1
2
2k
(k!)
2
_
_
_
_
1
k
+
1
k 1
+
1
k 2
+ +
1
3
+
1
2
+ 1
. .
H
k
_
_
_
_
=
(1)
k+1
2
2k
(k!)
2
H
k
As la segunda solucion puede tomar la forma de
y
2
(x) = J
0
(x) lnx +
n=1
(1)
n+1
2
2n
(n!)
2
H
n
x
2n
y por lo tanto la solucion general tendra la forma
y (x) = A
1
J
0
(x) +A
2
_
J
0
(x) lnx +
n=1
(1)
n+1
2
2n
(n!)
2
H
n
x
2n
_
es costumbre en Fsica reacomodar la segunda solucion de la forma
y
2
(x) Y
0
(x) =
2
_
_
+ ln
_
x
2
__
J
0
(x) +
n=1
(1)
n+1
2
2n
(n!)
2
H
n
x
2n
_
donde se conoce como la constante de Euler-Mascheroni
6
y tiene un valor
= lm
n
_
1
n
+
1
n 1
+
1
n 2
+ +
1
3
+
1
2
+ 1 ln(n)
_
= 0,5772
6
Lorenzo Mascheroni (1750-1800) Monje Italiano, nacido en Bergamo, Lombardo-Veneto. Profesor de Algebra y Geometra
en la Universidad de Pavia y luego Rector de la misma. Ademas de poeta, se destaco por sus contribuciones al C alculo y a la
Mecanica.
y as, nalmente
y (x) = C
1
J
0
(x) +C
2
Y
0
(x)
Comportamiento de las funciones de Bessel de orden cero. De primera especie J
0
(x) y de segunda
especieY
0
(x)
Notese que tanto la funcion de Bessel de orden cero, de primera especie, J
0
(x) , como la funcion de Bessel de
orden cero, de segunda especie, Y
0
(x) ,tienen un comportamiento oscilatorio cuando x , que J
0
(0) = 1,
mientras que Y
0
(x) se comporta como
2
lnx cuando x 0.
11.8.3. m
1
,= m
2
m
1
m
2
= N con N entero.
En general, la ecuacion indicadora para este caso, m
1
m
2
= N m
1
= N + m
2
, con m
1
> m
2
. Este
caso nos lleva a la ecuacion (11.13)
0 = x
m
a
0
EI (m) +
N1
n=1
_
a
n
EI (m+n) +
n1
k=0
a
k
[(m+k) b
nk
+c
nk
]
_
x
m+n
(11.24)
+
_
a
N
EI (m+N) +
N1
k=0
a
k
[(m+k) b
Nk
+c
Nk
]
_
x
m+N
+ (11.25)
+
n=N+1
_
a
n
EI (m+n) +
n1
k=0
a
k
[(m+k) b
nk
+c
nk
]
_
x
m+n
(11.26)
donde esta m es la menor de las races y m + N la mayor. Anulando el termino a
0
EI (m) coeciente de
x
m
nos lleva a la ecuacion indicadora:
EI (m+N) = (m+N) (m+N 1) +b
0
(m+N) +c
0
= EI (m) = (m) (m1) +b
0
(m) +c
0
= 0.
por lo tanto EI (m+N) = 0 anula al coeciente del termino a
n
para n = N, esto es la ecuacion (11.12),
consecuentemente eso signica que se derivan dos casos
EI (m+N) = 0
N1
k=0
a
k
[(m+N +k) b
nk
+c
nk
] = 0
En este caso la solucion en serie de Frobenius, partiendo de la raz mayor de la ecuacion indicadora,
m + N, quedara en terminos de a
0
y no sera linealmente independiente a la solucion provista por la
raz menor, por consiguiente la solucion proveniente de esta raz menor, m, sera la solucion general.
Esto quiere decir que en (11.18) la constante f = 0 y por consiguiente la solucion sera
y(x) = a
0
|x|
m
_
1 +
n=1
a
n
(m) x
n
_
. .
y1(x)
+a
N
|x|
m
_

n=0
a
n
(m+N) x
n
_
. .
y2(x)
(11.27)
EI (m+N) = 0
N1
k=0
a
k
[(m+N +k) b
nk
+c
nk
] ,= 0
En este caso la raz mayor de la ecuacion indicadora m + N determinara una de las soluciones, la
constante f ,= 0 y la solucion general tendra la forma de
y(x) = C
1
|x|
m1
_
1 +
n=1
a
n
(m
1
) x
n
_
. .
y1(x)
+C
2
_
_
f |x|
m1
_
1 +
n=1
a
n
(m
1
) x
n
_
. .
y1(x)
lnx +|x|
m2
_

n=0
a
n
(m
2
) x
n
_
_
_
. .
y2(x)
La ecuacion de Bessel de orden fraccionario puede ilustrar el primero de estos casos, resolvamosla
x
2
y
tt
+x y
t
+
_
x
2
1
4
_
y = 0
una vez mas, le expansion en serie de Frobenius de y (x) nos lleva a una ecuacion indicadora del tipo
m =
1
2
m =
1
2
_
_
= m(m1) +m
1
4
= 0 =
_
_
b
0
= 1 = f
1
(x) = 1
_
_
c
0
=
1
4
c
1
= 0
c
2
= 1
_
_
= f
2
(x) = x
2
1
4
1
= b
2
= b
3
= = b
n
= 0 y c
3
= c
4
= = c
n
= 0. Dado que N = 1 se tiene que la
ecuacion (11.12)
_
_
a
1
[(m+ 1) (m+ 1 1) +b
0
(m+ 1) +c
0
]
. .
EI(m+N)
+a
0
[b
1
(m+ 1 1) +c
1
] +
_
_
= 0 (11.28)
_
_
a
1
___
1
2
_
+ 1
___
1
2
__
+
__
1
2
_
+ 1
_
1
4
_
. .
EI
1
2
!
+1
!
+a
0
[0]
_
_
= 0 a
1
[0] +a
0
[0] = 0 (11.29)
con lo cual cualquier valor de a
1
y a
0
estaran permitidos. La relacion de recurrencia proviene de anular el
coeciente de x
m+n
, para m =
1
2
. Vale decir
a
n
EI (m+n) +
k=0
a
k
[(m+k) b
nk
+c
nk
] = 0 (11.30)
a
n
___
1
2
_
+n
___
1
2
_
+n 1
_
+
__
1
2
_
+n
_
1
4
_
+a
n1
[0] +a
n2
[1] = 0 (11.31)
a
n
_
n
2
n
_
= a
n2
(11.32)
los coecientes seran
n = 2 = a
2
=
1
2
a
0
n = 3 = a
3
=
1
6
a
1
n = 4 = a
4
=
1
12
a
2
=
1
24
a
0
n = 5 = a
5
=
1
20
a
3
=
1
120
a
1
n = 6 = a
4
=
1
30
a
4
=
1
720
a
0
n = 7 = a
7
==
1
42
a
5
=
1
5040
a
1
.
.
.
.
.
.
y(x) = a
0
x
1
2
_
1
1
2
x
2
+
1
24
x
4
1
720
x
6
+
_
+a
1
x
1
2
_
1
6
x +
1
120
x
5
1
5040
x
7
+
_
Para considerar el segundo caso, EI (m+N) = 0
N1
k=0
a
k
[(m+N +k) b
nk
+c
nk
] ,= 0 analicemos
la ecuacion diferencial
x
2
y
tt
+x(2 x) y
t
+
_
2 x
2
_
y = 0
una vez mas, la expansion en serie de Frobenius de y (x) nos lleva a una ecuacion indicadora del tipo
m = 2
m = 1
_
_
_
= m(m1) 2m+ 2 = 0 =
_
_
_
_
_
b
0
= 2
b
1
= 1
_
_
_
= f
1
(x) = 2 +x
_
_
c
0
= 2
c
1
= 0
c
2
= 1
_
_
= f
2
(x) = x
2
+ 2
2
= b
3
= = b
n
= 0 y c
3
= c
4
= = c
n
= 0. Dado que N = 1 se tiene que la
ecuacion (11.12) para m = 1
a
1
[(m+ 1) m2 (m+ 1) + 2] +a
0
[m] = a
1
[2 4 + 2] +a
0
[2] = a
1
[0] +a
0
[1] = 0 (11.33)
y no conduce a nada por cuanto a
0
= 0, mientras que, para m = 2 se obtiene
a
1
[(m+ 1) m2 (m+ 1) + 2] +a
0
[m] = a
1
[3 2 2 3 + 2] +a
0
[1] = a
1
[1] +a
0
[1] = 0 (11.34)
por lo cual la relacion de recurrencia para m = 2 nos queda
a
n
EI (m+n) +
k=0
a
k
[(m+k) b
nk
+c
nk
] = 0 (11.35)
a
n
[(2 +n) (2 +n 1) 2 (2 +n) + 2] +a
n1
[1 +n] +a
n2
[1] = 0 (11.36)
a
n
_
n
2
+n
_
+a
n1
(n + 1) = a
n2
(11.37)
los coecientes seran
n = 2 = 6a
2
= 3a
1
a
0
= 3a
0
a
0
= a
2
=
1
3
a
0
n = 3 = 12a
3
= 4a
2
a
1
=
4
3
a
0
+a
0
= a
3
=
1
36
a
0
.
.
.
.
.
.
y
1
(x) = a
0
x
2
_
1 x +
1
3
x
2
1
36
x
3
+
_
y la segunda solucion linealmente independiente sera
y
2
(x) = u(x) B
1
y
1
(x) lnx (11.38)
y queda como ejercicio demostrar la relaci on de recurrencia para los coecientes B
n
de la serie que describe
u(x) = x
_

i=0
B
i
x
i
_
(11.39)
11.9. Revisitando a Bessel
La Ecuacion de Bessel es
x
2
y
tt
+xy
t
+
_
x
2
k
2
_
y = 0; k '
obviamente x = 0 es una singularidad regular, por lo tanto el metodo de Frobenius nos permite armar que
si x = x
0
corresponde a un polo regular de la ecuacion
x
2
y
tt
+x
P (x) y
t
+

Q(x) y = 0;
la solucion vendra expresada de la forma
y(x) = (x x
0
)
r
n=0
a
n
(x x
0
)
n
con r real y determinado a traves de las races de la ecuacion indicadora
r
2
+
_
P(x
0
) 1
_
r +

Q(x
0
) = 0
y donde

P (x) y

Q(x) son funciones analticas en el entorno de x = x
0
y por lo tanto
P(x
0
) =
n=0
b
n
(x x
0
)
n

Q(x
0
) =
n=0
c
n
(x x
0
)
n
Para la Ecuacion de Bessel
P (x) = 1 b
0
= 1

Q(x) =
_
x
2
k
2
_
c
0
= k
2
; c
2
= 1
los demas coecientes bs y cs se anulan. La ecuacion indicadora y sus races quedan como
m(m1) +mk
2
= 0 m
2
= k
2
r
1,2
= k
Donde, para r = k proponemos
y
1
(x) = x
k
n=0
a
n
x
n
Al hacer las cuentas
_
x
2
k
2
_
y
1
(x) = x
k
n=2
a
n2
x
n
x
k
n=0
k
2
a
n
x
n
xy
t
1
(x) = x
k
n=0
(k +p) a
n
x
n
x
2
y
tt
1
(x) = x
k
n=0
(k +p) (k +p 1) a
n
x
n
la ecuacion de Bessel queda como
n=0
_
(k +n) (k +n 1) + (k +n) k
2
a
n
x
n
+
n=2
a
n2
x
n
= 0
(2n + 1) a
1
x +
n=2
[k (2n +k) a
k
+a
n2
] x
n
= 0
y por consiguiente obtenemos la relacion de recurrencia
a
n
=
a
n2
n(2k +n)
donde es claro que a
1
= 0. Adicionalmente, si suponemos
a
0
=
1
2
k
(k + 1)
tendremos
a
1
= a
3
= a
5
= = 0
a
2
=
a
0
2 (2k + 2)
a
4
=
a
0
2 4 (2k + 2) (2k + 4)
.
.
.
a
2n
= (1)
n
a
0
2
2n
n! (k + 1) (k + 2) (k +n)
Por lo tanto, la primera de las soluciones sera
J
k
(x) =
n=0
(1)
n
(n + 1) (n +k + 1)
_
x
2
_
2n+k
la Funcion de Bessel, de orden k de primera especie.
Si k = 0 entonces
J
0
(x) =
n=0
(1)
n
(n!)
2
_
x
2
_
2n
Para el caso particular de k = m entero positivo la funcion de Bessel de primera especie toma la forma de
J
m
(x) =
n=0
(1)
n
n! (n +m)!
_
x
2
_
2n+m
Para encontrar la segunda solucion linealmente independiente de la ecuacion de Bessel el metodo de
Frobenius propone tres casos dependiendo el valor de k
_
_
_
r
1
r
2
,= entero k ,= entero
r
1
= r
2
= r k = 0
r
1
r
2
= entero k = entero
Caso 1: r
1
r
2
,= entero k ,= entero.
La solucion general sera de la forma
y(x) = C
1
J
k
(x) +C
2
J
k
(x)
donde
J
k
(x) =
n=0
(1)
n
(n + 1) (n k + 1)
_
x
2
_
2nk
x > 0
Para x < 0 se debe reemplazar x
k
por |x|
k
. Notese que esta ultima expresion tambien es valida para k
semientero, i.e. k = n +
1
2
.
Caso 2: r
1
= r
2
= r k = 0.
K
0
(x) =
n=0
a
n
x
n
+J
0
(x) lnx
y los coecientes a
n
se encuentran mediante el tradicional metodo de sustituirlos en la ecuacion de Bessel
para k = 0
xy
tt
+y
t
+xy = 0;
De donde se obtiene
xK
0
(x) =
n=0
a
n
x
n+1
+xJ
0
(x) lnx =
n=3
a
n2
x
n1
+xJ
0
(x) lnx
K
t
0
(x) =
n=0
n a
n
x
n1
+ (J
0
(x) lnx)
t
=
n=1
n a
n
x
n1
+J
t
0
(x) lnx +
J
0
(x)
x
xK
tt
0
(x) =
n=2
n(n 1) a
n
x
n1
+xJ
tt
0
(x) lnx + 2J
t
0
(x)
J
0
(x)
x
y por lo tanto
a
1
+ 4 a
2
x +
n=3
_
n
2
a
n
+ a
n2
x
n1
+
_
_
xJ
tt
0
+J
t
0
+xJ
0
. .
= 0
_
_
lnx + 2J
t
0
(x) = 0
Acomodando y derivando la expresion para J
0
tendremos
a
1
+ 4 a
2
x +
n=3
_
n
2
a
n
+ a
n2
x
n1
= 2J
t
0
(x) = 2
n=1
2n
2
2n1
(1)
n+1
(n!)
2
x
2n1
Ahora multiplicando la expresion por x y separando las sumatorias en sus terminos pares e impares, tendre-
mos
a
1
x +
n=1
_
(2n + 1)
2
a
2n+1
+ a
2n1
_
x
2n+1
= 0
n=2
_
(2n)
2
a
2n
+ a
2n2
_
x
2n
+ 4 a
2
x
2
= x
2
+
n=1
(1)
n+1
2n
2
2n
(n!)
2
x
2n
Por lo cual a
1
= a
3
= a
5
= = 0 mientras que
4 a
2
= 1; (2n)
2
a
2n
+ a
2n2
= (1)
n+1
2n
2
2n
(n!)
2
n > 1
De esta forma los coecientes quedan como:
a
2
=
1
2
2
a
4
=
1
2
2
4
2
_
1 +
1
2
_
=
1
2
4
(2!)
2
_
1 +
1
2
_
.
.
.
a
2n
=
(1)
n+1
2
2n
(n!)
2
_
1 +
1
2
+
1
3
+
1
4
+ +
1
k
_
La expresion para la solucion general de la ecuacion de Bessel para k = 0 sera
K
0
(x) =
n=0
(1)
n+1
(n!)
2
_
1 +
1
2
+
1
3
+
1
4
+ +
1
k
_
_
x
2
_
2n
+J
0
(x) lnx
En Fsica, es costumbre expresar esta solucion de una forma equivalente pero ligeramente diferente:
Y
0
(x) =
2
n=0
(1)
n
(n!)
2
_
1 +
1
2
+
1
3
+ +
1
k
_
_
x
2
_
2n
+
2
J
0
(x)
_
ln
x
2
+
_
donde, una vez mas, = 0,577215664901 es la constante de Euler-Mascheroni.
Caso 3: r
1
r
2
= entero k = entero.
K
k
(x) =
n=0
a
n
x
k+n
+CJ
n
(x) lnx
Procediendo de forma equivalente a la situacion anterior tenemos que la solucion general podra expresarse
(luego de una laboriosa faena) como
K
k
(x) =
1
2
k1
n=0
(k n 1)!
n!
_
x
2
_
2nk
H
k
2k!
_
x
2
_
k
1
2
n=1
(1)
n
[H
n
+H
n+k
]
n! (k +n)!
_
x
2
_
2n+k
+J
k
(x) lnx
Y nalmente la Funcion de Bessel de orden k de segunda especie o Funcion de Neumann
Y
k
(x) =
1
k1
n=0
(k n 1)!
(n!)
2
_
x
2
_
2nk
H
k
k!
_
x
2
_
k
n=1
(1)
n
[H
n
+H
n+k
]
n! (k +n)!
_
x
2
_
2n+k
+
2
J
k
(x)
_
ln
x
2
+
_
En ambos casos
H
n
= 1 +
1
2
+
1
3
+ +
1
n
Mas a un
Y
k
(x) =
2
J
k
(x) ln
x
2

1
k1
n=0
(k n 1)!
(n!)
2
_
x
2
_
2nk
n=1
(1)
n
n! (k +n)!
_
x
2
_
2n+k
[(n + 1) +(n +k + 1)]
donde (n) =

t
(n)
(n)
es la funcion Digamma con
(n + 1) = + 1 +
1
2
+
1
3
+ +
1
n
(1) =
Tambien es costumbre denir la funcion de Bessel de segunda especie en terminos de las de primera especie
N
k
(x) = Y
k
(x) =
J
k
(x) cos k J
k
(x)
senk
Notese que para k = m entero, aparentemente no esta denida. Pero, aplicando la regla de LHospital
N
m
(x) =
d
dk
[J
k
(x) cos k J
k
(x)]
d
dk
[senk]
k=m
=
J
n
(x) senn +
_
cos n
d
dk
J
k
(x)
d
dk
J
k
(x)
_
cos n
k=m
=
1
_
d
dk
J
k
(x) (1)
n
d
dk
J
k
(x)
_
k=m
De este modo, la soluciones generales para la ecuacion de Bessel, se expresan seg un el caso en
Z
k
(x) = C
1
J
k
(x) +C
2
J
k
(x); k ,= entero
Z
k
(x) = C
1
J
k
(x) +C
2
Y
k
(x); k = 0 entero
La funciones Z
k
(x) y

Z
k
(x) se denominan Funciones Cilndricas de orden k
Propiedades de las Funciones de Bessel
11.9.1. Otras Formas de la Ecuacion de Bessel
Haciendo los cambios de variables correspondientes llegamos a
u
tt
(x) +
1 2
x
u
t
(x) +
_
_
x
1
_
2
+

2
k
2
2
x
2
_
u(x) = 0
donde
u(x) = x
Z
k
(x
)
o tambien
u
tt
(x) +x
u(x) = 0
con
u(x) =
xZ 1
+2
_
2
+ 2
x
1+
2
_
11.9.2. Relaciones de Recurrencia:
Las funciones de Bessel tienen las siguientes relaciones de recurrencia
xJ
k+1
(x) 2k J
k
(x) +xJ
k1
(x) = 0
J
k+1
(x) + 2J
t
k
(x) J
k1
(x) = 0
Para demostrar estas relaciones partimos por demostrar la siguiente identidad
_
x
k
J
k
(x)
t
= x
k
J
k1
(x)
_
x
k
J
k
(x)
t
= x
k
J
k+1
(x)
De la expresion para J
k
(x) se obtiene
_

n=0
(1)
n
(n + 1) (n +k + 1)
_
x
2
_
2n+2k
_
t
=
n=0
(1)
n
2 (n +k) x
2n+2k1
2
2n+k
(n + 1) (n +k + 1)
= x
k
n=0
(1)
n
x
2n+(k1)
2
2n+(k1)
(n + 1) (n +k)
= x
k
J
k1
(x)
Unos cambios apropiados nos llevan a demostrar las segunda de las relaciones y al desarrollar las derivadas
_
x
k
J
k
(x)
t
= kx
k1
J
k
(x) +x
k
J
t
k
(x) = x
k
J
k1
(x)
_
x
k
J
k
(x)
t
= kx
k1
J
k
(x) +x
k
J
t
k
(x) = x
k
J
k+1
(x)
Por lo cual
kJ
k
(x) +xJ
t
k
(x) = xJ
k1
(x)
kJ
k
(x) +xJ
t
k
(x) = xJ
k+1
(x)
Al sumar y restar miembro a miembro obtenemos las relaciones de recurrencia. Es obvia la importancia que
adquieren J
1
(x) y J
0
(x) para generar el resto de las funciones de Bessel.
11.9.3. Funciones de Bessel y Funciones Elementales
Las funciones de Bessel de orden semientero, k =
1
2
se expresa como
J
1/2
(x) =
_
x
2
n=0
(1)
n
(n + 1)
_
n +
3
2
_
_
x
2
_
2n
pero como
_
n +
3
2
_
=
_
3
2

5
2

2n + 1
2
_
=
_
3
2
_
1 3 5 (2n + 1)
2
n
se encuentra que
J
1/2
(x) =
_
x
2
n=0
(1)
n
2
n
n!
_
3
2
_
1 3 5 (2n + 1)
x
2n
=
x
2x
_
3
2
_
_
1
x
2
2 3
+
x
4
2 4 3 5

x
6
2 4 6 3 5 7
+
_
=
1
2x
_
3
2
_
_
1
x
3
3!
+
x
5
5!

x
7
7!
+
_
=
1
2x
_
3
2
_ senx
Finalmente, y otra vez invocando a las propiedades de la funcion Gamma:
_
3
2
_
=
2
J
1/2
(x) =
_
2
x
senx
Equivalentemente se puede demostrar que
J
1/2
(x) =
_
2
x
cos x
y ahora utilizando las relaciones de recurrencia tendremos que
J
3/2
(x) = J
1/2
(x) +
1
x
J
1/2
(x)
=
_
2
x
_
senx
x
cos x
_
As mismo
J
5/2
(x) = J
1/2
(x) +
3
x
J
3/2
(x)
=
_
2
x
_
3 senx
x
2

3 cos x
x
senx
_
En general
J
n+
1
2
(x) = (1)
n
_
2
x
n+
1
2
d
n
(xdx)
n
_
senx
x
_
n = 1, 2, 3,
J
n+
1
2
(x) =
_
2
x
n+
1
2
d
n
(xdx)
n
_
cos x
x
_
n = 1, 2, 3,
Las funciones de Bessel de orden semientero son las unicas funciones de Bessel que pueden ser expresadas
en terminos de funciones elementales.
11.9.4. Reexion:
Las funciones de Bessel cumplen con
J
m
(x) = (1)
m
J
m
(x)
Para el caso k = m entero positivo la Funcion de Bessel de primera especie toma la forma de
J
m
(x) =
n=0
(1)
n
n! (n +m)!
_
x
2
_
2n+m
Si k = m es un entero negativo los primeros m terminos de la serie anterior se anulan ya que (n)
para n = 1, 2, 3, y la serie se arma como
J
m
(x) =
n=m
(1)
n
n! (n m)!
_
x
2
_
2n+m
=
l=0
(1)
l+m
(l +m)! l!
_
x
2
_
2l+m
J
m
(x) = (1)
m
J
m
(x)
11.9.5. Funcion Generatriz
La funcion generatriz para las Funciones de Bessel es
B(x, t) = e
x
2
(t
1
t
)
desarrollando las dos series para las exponenciales
e
xt
2
= 1 +
x
2
t +
x
2
2
2!
t
2
+ +
x
n
2
n
n!
t
n
+
e
x
2t
= 1
x
2
t
1
+
x
2
2
2!
t
2
+ +
(1)
n
x
n
2
n
n!
t
n
+
Por lo tanto multiplicando ambas series
B(x, t) = e
x
2
(t
1
t
)
=
_

n=0
x
n
2
n
n!
t
n
__

n=0
(1)
n
x
n
2
n
n!
t
n
_
=
n=
J
n
(x) t
n
11.9.6. Representaci on Integral para las Funciones de Bessel
En la expresion anterior para la funcion generatriz se realiza el siguiente cambio de varible t = e
i
de este
modo
e
x
2
(t
1
t
)
= e
ix sen
= cos (xsen) +i sen(xsen)
y por lo tanto
cos (xsen) +i sen(xsen) =
n=
J
n
(x) [cos (n) +i sen(n)]
igualando partes reales e imaginarias y recordando que J
m
(x) = (1)
m
J
m
(x), para anular los terminos
impares en la serie de la parte real y los pares en la de la parte imaginaria, podemos escribir
cos (xsen) = J
0
(x) + 2
n=1
J
2n
(x) cos (2n)
sen(xsen) = 2
n=0
J
2n+1
(x) sen([2n + 1] )
Multiplicando miembro a miembro en la primera de ellas por cos (2k) (y por cos ([2k + 1] ) ) y la segunda
por sen([2k + 1] ) (y por sen(2k)). Integrando (en 0 ), tambien miembro a miembro y termino por
termino en las series, se obtienen
J
2n
(x) =
1
_

0
cos (xsen) cos (2n) d
0 =
1
_

0
cos (xsen) cos ([2n + 1] ) d
J
2n+1
(x) =
1
_

0
sen(xsen) sen([2n + 1] ) d
0 =
1
_

0
sen(xsen) sen(2n) d
Sumando miembro a miembro primera con cuarta y segunda con tercera tendremos la expresion integral
para las funciones de Bessel
J
n
(x) =
1
_

0
cos (cos (n) xsen) d
ya que todos sabemos que
cos (n xsen) = cos (2n) cos (xsen) + sen(2n) sen(xsen)
11.9.7. Ortogonalidad de las Funciones de Bessel
Ortogonalidad:
Haciendo el caso particular de = 0 y = 1 en la primera de las expresiones equivalentes para la
ecuacion de Bessel, tendremos
u
tt
(x) +
1
x
u
t
(x) +
_
k
2
x
2
_
u(x) = 0
donde
u(x) = J
k
(x)
multiplicando por x la ecuacion diferencial puede ser reescrita como
[xJ
t
k
(x)]
t
+
_
2
x
k
2
x
_
J
k
(x) = 0
suponiendo k real y positivo, planteamos la ecuacion para dos ndices diferentes
1
y
2
por lo tanto quedan
como
[xJ
t
k
(
1
x)]
t
+
_
2
1
x
k
2
x
_
J
k
(
1
x) = 0
[xJ
t
k
(
2
x)]
t
+
_
2
2
x
k
2
x
_
J
k
(
2
x) = 0
Multiplicando apropiadamente por J
k
(
1
x) y J
k
(
2
x), Integrando y restando miembro a miembro tendremos
que
_
2
2

2
1
_
_
1
0
xJ
k
(
1
x)J
k
(
2
x)dx =
_
1
0
_
J
k
(
2
x) [xJ
t
k
(
1
x)]
t
J
k
(
1
x) [xJ
t
k
(
2
x)]
t
_
dx
=
_
1
0
[J
k
(
2
x)xJ
t
k
(
1
x) J
k
(
1
x)xJ
t
k
(
2
x)]
t
dx
= J
k
(
2
x)xJ
t
k
(
1
x) J
k
(
1
x)xJ
t
k
(
2
x)[
x=1
x=0
para
i
las races de los polinomios de Bessel, i.e. J
k
(
i
) = 0 podemos deducir que las funciones de Bessel
son ortogonales
_
2
i

2
j
_
_
1
0
xJ
k
(
i
x)J
k
(
j
x)dx
ij
Mas a un partiendo de la ecuacion de Bessel original se puede llegar a
|J
k
(x)|
2
=
1
2
[J
t
k
()]
2
+

2
k
2
2
2
[J
k
()]
2
11.10. Algunas funciones Especiales
11.10.1. Funcion Gamma e Integrales de Probabilidad
Es la generalizacion del factorial n! el cual solo esta denido para enteros, mientras que (z) esta denida
para toda variable compleja z con parte real positiva.
(z) se dene indistintamente como:
(z) =
_

0
e
t
t
z1
dt (z 1)!
(z 1) Re z > 0
(z) = lm
n
1 2 3 n
z (z + 1) (z + 2) (z +n)
n
z
1
(z)
= ze
z
n=1
_
1 +
z
n
_
e
z
n
donde n es un entero positivo y
= 0,577215664901
se conoce como la constante de Euler-Mascheroni:
Tambien es frecuente encontrar (z) con algunas variantes cosmeticas:
(z) = 2
_

0
e
t
2
t
2z1
dt =
_
1
0
_
ln
_
1
t
__
z1
dt = k
z
_

0
e
kt
t
z1
dt
Para probar la equivalencia de las dos primeras deniciones inventamos las siguiente funcion de dos variables
F(z, n) =
_
n
0
_
1
t
n
_
n
t
z1
dt Re z > 0
y como es conocido que
lm
n
_
1
t
n
_
n
e
t
Entonces
lm
n
F(z, n) = F(z, ) =
_

0
e
t
t
z1
dt (z)
Con lo cual queda demostrada la primera de propuestas de Euler.
Para construir la segunda partimos de la misma funcion F(z, n) y un cambio estrategico de variable
u =
t
n
.
F(z, n) = n
z
_
n
0
(1 u)
n
u
z1
du Re z > 0
Un par de integraciones por partes nos llevan a comprobar
F(z, n) = n
z
_
(1 u)
n
u
z
z
1
0
+
n
z
_
1
0
(1 u)
n1
u
z
du
_
= n
z
_
(1 u)
n2
u
z+1
n(n 1)
z(z + 1)
1
0
+
n(n 1)
z(z + 1)
_
1
0
(1 u)
n2
u
z+1
du
_
que el primer termino se anula siempre. Repitiendo el proceso n veces
F(z, n) = n
z
_
n(n 1)(n 2)(n 3) 3 2 1
z(z + 1)(z + 2)(z + 3) (z +n 1)
__
1
0
u
z+n1
du
= n
z
_
n(n 1)(n 2)(n 3) 3 2 1
z(z + 1)(z + 2)(z + 3) (z +n)
_
Una vez mas, haciendo
lm
n
F(z, n) = F(z, ) = lm
n
n
z
_
n(n 1)(n 2)(n 3) 3 2 1
z(z + 1)(z + 2)(z + 3) (z +n)
_
(z)
Se completa la equivalencia para la primera y segunda deniciones de Euler.
En particular, de la primera de las deniciones se tiene por integracion directa
(1) =
_

0
e
t
dt = 1
_
1
2
_
=
_

0
e
t
t
1/2
dt =
_

0
e
u
2
du =
mientras que de la segunda, si z = n = 1, 2, 3, , se obtiene

(n + 1) = n!
_
n +
1
2
_
=
1 3 5 (2n 1)
2
n
Finalmente la tercera de las deniciones de la funcion (z) viene expresada en termino de un producto
innito (Weierstrass). Este puede demostrarse partiendo de la segunda denicion de Euler
(z) = lm
n
1 2 3 n
z (z + 1) (z + 2) (z +n)
n
z
= lm
n
1
z
n
m=1
_
m
m+z
_
n
z
= lm
n
1
z
n
m=1
_
1 +
z
m
_
1
n
z
Por lo tanto
1
(z)
= z lm
n
n
m=1
_
1 +
z
m
_
e
z ln n
Ahora bien, multiplicando y dividiendo por
n
m=1
e
z/m
= e
z(
P
n
m=1
1
m
)
nos queda
1
(z)
= z
_
lm
n
e
z((
P
n
m=1
1
m
)ln n)
_
_
lm
n
n
m=1
_
1 +
z
m
_
e
z/m
_
Donde, la serie exponente del primero de los terminos converge a un valor constante y cual ha quedado
bautizado como la constante de Euler-Mascheroni
= lm
n
_
1 +
1
2
+
1
3
+
1
4
+
1
n
lnn
_
= lm
n
__
n
m=1
1
m
_
lnn
_
= 0,5772156649015328606065112
Con lo cual queda demostrada la tercera de las propuestas para expresar la Funcion Gamma
1
(z)
= ze
z
n=1
_
1 +
z
n
_
e
z
n
Es facil comprobar las siguientes propiedades
(z + 1) = z (z)
(z) (1 z) =
_

0
x
z1
dx
(1 +x)
=

senz
2
2z1
(z)
_
z +
1
2
_
=
(2z)
La primera de ellas (la relacion de recurrencia) es trivial y se obtiene integrando por partes la denicion
integral de Euler.
(z + 1) =
_

0
e
t
t
z
dt = z e
t
t
z1
0
+z
_

0
e
t
t
z1
dt = z(z)
El primer sumando de la integracion por partes se anula siempre. Esta propiedad es valida z con z ,=
0, 1, 2, .
La segunda de las propiedades (formula de reexion) se comprueba tambien partiendo de denicion
integral de Euler con el siguiente cambio de variable t = u
2
.
(z) (1 z) = 2
_

0
e
u
2
u
2z1
du 2
_

0
e
v
2
v
12z
dv
= 4
__

0
e
(u
2
+v
2
)
_
u
v
_
2z1
dudv
si ahora hacemos u = cos y v = sen, la integral anterior queda como
(z) (1 z) = 4
_

0
e
2
d
_
/2
0
cot
2z1
d
= 4
1
2
_
/2
0
cot
2z1
d
Finalmente, si
= arccot
x; d =
dx
2
x(1 +x)
nos queda
(z) (1 z) =
_

0
x
z1
dx
(1 +x)
=

senz
Es inmediato volver a comprobar
_
1
2
_
=
Del mismo modo, si utilizamos ademas la relacion de recurrencia encontramos

(z) (z) =

z senz
La formula de duplicacion y puede comprobarse partiendo de la denicion del lmite de Euler, as
2
2z1
(z)
_
z +
1
2
_
(2z)
=
Hay que hacer notar que en el numerador sustituimos directamente las expresiones para del lmite de Euler
y en la del denominador, adicionalmente sustituimos n por 2n
(2z) = lm
n
1 2 3 n
2z (2z + 1) (2z +n)
n
2z
= lm
n
1 2 3 2n
2z (2z + 1) (2z + 2n)
(2n)
2z
por lo cual se tiene la siguiente expresion dentro del argumento del lmite
2
2z1
_
1 2 3 n
z (z + 1) (z + 2) (z +n)
n
z
_
_
1 2 3 n
_
z +
1
2
_ _
z +
3
2
_

_
z +
1
2
+n
_n
z+
1
2
_
_
1 2 3 2n
2z (2z + 1) (2z + 2) (2z + 2n)
(2n)
2z
_
la cual se reacomoda como
lm
n
2
2z1
(n!)
2
2z (2z + 1) (2z + 2) (2z + 2n)
(2n)! z
_
z +
1
2
_
(z + 1)
_
z +
3
2
_
(z + 2)
_
z +
1
2
+n
_
(z +n)

n
2z+
1
2
(2n)
2z
y
lm
n
z
_
z +
1
2
_
(z + 1)
_
z +
3
2
_
(z + 2)
_
z +
n
2
_ _
2
n1
_
z
_
z +
1
2
_
(z + 1)
_
z +
3
2
_
(z + 2)
_
z +
1
2
+n
_
(z +n)

2
2z1
(n!)
2
(2n)!

n
z+
1
2
2
2z
n
2z
Entonces
2
2z1
(z)
_
z +
1
2
_
(2z)
= lm
n
_
2
n2
_
(n!)
2
n
(2n)!
por lo cual se deduce que el valor de lado izquierdo de la ecuacion es independiente del valor de z por lo
tanto es el mismo valor para cualquier z y lo evaluamos para z =
1
2
2
2z1
(z)
_
z +
1
2
_
(2z)
=
_
1
2
_
=
con lo cual queda comprobada la formula de duplicacion.

Otras propiedades que van quedar como curiosidad y sin demostracion son:
(nz) = (2)
(1n)/2
n
nz
1
2
n1
k=0
_
z +
k
n
_
_
z
w
_
=
z!
w!(z w)!
=
(z + 1)
(w + 1) (z w + 1)
A partir de (z) se denen otras funciones especiales, las cuales se expresan conjuntamente con sus propie-
dades como
11.10.2. La Funciones Digamma y Poligamma
,
Para evitar tratar con derivadas de los factoriales es costumbre trabajar con sus derivadas logartmicas.
A partir de la segunda denicion
(z + 1) = z! = lm
n
1 2 3 n
(z + 1) (z + 2) (z +n)
n
z
ln(z!) = ln
_
lm
n
1 2 3 n
(z + 1) (z + 2) (z +n)
n
z
_
= lm
n
(ln(n!) +z lnn ln(z + 1) ln(z + 2) ln(z +n))
ahora derivando,
d
dz
ln(z!) F(z) = lm
n
_
lnn
1
(z + 1)

1
(z + 2)

1
(z +n)
_
y nalmente acomodando, para llegar a la denicion mas conocida
F(z) =
n=1
_
1
(z +n)

1
n
_
Tambien se le conoce como funcion Psi
(z) =

t
(z)
(z)
=
d
dz
ln((z)) F(z 1) =
d
dz
ln((z 1)!)
con las siguientes propiedades
(z + 1) =
1
z
+(z)
(z 1) (z) = cot z
(z) +
_
z +
1
2
_
+ 2 ln2 = 2(2z)
De donde se pueden deducir
(1) =
t
(1) =
La funcion (z) puede ser expresada en terminos de integrales denidas, para ello notamos que
t
(z) =
_

0
e
t
t
z1
lnt dt
y sustituyendo la identidad de Frullani
lnt =
_

0
e
x
e
xt
x
dx
tendremos
t
(z) =
_

0
e
t
t
z1
_

0
e
x
e
xt
x
dx dt
=
_

0
dx
x
_

0
_
e
x
e
xt
_
e
t
t
z1
dt
=
_

0
dx
x
e
x
_

0
e
t
t
z1
dt
_

0
dx
x
_

0
e
t(x+1)
t
z1
dt
= (z)
_

0
dx
x
_
e
x
(x + 1)
z
_
ya que (z) = k
z
_
0
e
kt
t
z1
dt y por lo tanto
(z) =
_

0
dx
x
_
e
x
(x + 1)
z
_
Tambien daremos (sin demostracion) otras expresiones
(z) =
_

0
_
e
t
t

e
tz
1 e
t
_
dt
(z) = +
_
1
0
1 x
z1
1 x
dx
La Funci on Poligamma se obtiene derivando en forma repetida la Funcion Digamma
(m)
(z + 1) = F
(m)
(z) =
d
m
dz
m
F(z) = (1)
m+1
m!
n=1
1
(z +n)
m+1
m = 1, 2, 3
y cuya serie puede ser expresada en terminos de la funcion Zeta de Riemman
(m)
n=1
1
n
m
como
F
(m)
(0) = 1)
m+1
m!(m+ 1)
de esta forma es posible desarrollar en serie de Maclaurin
ln(n!) = +
z
2
2
(2)
z
3
3
(3) + + (1)
n
z
n
n
(n) +
11.10.3. La Aproximaci on de Stirling
El comportamiento asintotico de las funciones especiales sera tratado en una clase aparte. Pero la impor-
tancia de la Aproximacion de Stirling obliga a que se trate en este punto. Supongamos que consideramos el
caso z x '. Por lo cual estamos interesados en el caso x 1. Partimos de
(x) =
1
x
(x + 1) =
1
x
_

0
e
t
t
x
dt =
1
x
_

0
e
t+x ln t
dt
haciendo t = xu tenemos que
(x) = x
x
_

0
e
x(uln u)
du
Ahora bien, el integrando tendra su maximo en u = 1 donde la exponencial tiene su mnimo y es entorno a
ese punto que desarrollara en series de Taylor
u lnu = 1 +
1
2
(u 1)
2
1
3
(u 1)
3
+
1
4
(u 1)
4
+
por lo cual
(x) = x
x
_

0
e
x(uln u)
du x
x
_

0
du e
x(1+
1
2
(u1)
2
1
3
(u1)
3
+ )
du
Otro cambio de variable v =

x(u 1) nos lleva
(x)
x
x
e
x
x
_

x
dve
1
2
v
2
exp
_
1
3
x
v
3
1
4x
v
4
+
1
5x
3
2
v
5

_
Para valores x 1 se expande, en series de Taylor los exponenciales que contengan terminos
1
x
(x)
x
x
e
x
x
_

dve
1
2
v
2
_
1 +
_
1
3
x
v
3
1
4x
v
4
+
1
5x
3
2
v
5

_
+
+
1
2!
_
1
3
x
v
3
1
4x
v
4
+
1
5x
3
2
v
5

_
2
+
+
1
3!
_
1
3
x
v
3
1
4x
v
4
+
1
5x
3
2
v
5

_
3
+
_
Finalmente, utilizando que
_

dve
1
2
v
2
v
n
=
_
_
_
2 1 3 5 (n 1)
0
n = 0
n = 2k
n = 2k 1
e integrando termino a termino, tendremos que
(x)
_
2
x
x
x
e
x
_
1 +
1
12x
+
1
288 x
2
+
_
11.10.4. La funcion Beta
B(x, y) =
_
1
0
t
x1
(1 t)
y1
dt Re x > 0 Re y > 0
B(x, y) =
(x) (y)
(x +y)
La Funcion Integral de Probabilidad
La funcion Integral de Probabilidad para una variable compleja arbitraria z como
(z) =
2
_
z
0
e
t
2
dt
Obviamente (0) = 0 y () = 1. A partir de esta funcion se dene la Funcion Error y su complemento
erf(z) =
_
z
0
e
t
2
dt =
2
(z)
erf c(z) =
_
z
z
e
t
2
dt =
2
[1 (z)]
Funcion Gamma Incompleta (z, ) y
Funcion Gamma Complementaria (z, )
(z, ) =
_

0
e
t
t
z1
dt
(z, ) =
_

e
t
t
z1
dt
las cuales claramente cumplen con
(z, ) + (z, ) = (z)
y resumen
(z + 1, ) = z (z, )
z
e
(z + 1, ) = z(z, ) +
z
e

Bibliografa
York).
cion).
[4] W. E. Boyce y R.C. DiPrima. Elementary Dierential Equations and Boundary Problems. (8th
Edition) John Wiley, New York, 2004. (Existe Traduccion)
[8] A. Kiseliov, M. Krasnov y G. Makarenko. Problemas de Ecuaciones Diferenciales Ordinarias.
Mir, Mosc u, 1969.
[9] N. N. Lebevedev (1972) (Special Functions and Their Applications. Dover, New York)
[11] M. Tenenbaun y H. Pollard (1963) Ordinary Dierential Equations (Harper and Row, New York).
485
.

Elli Bro de Me Todos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Elli Bro de Me Todos

Cargado por

Copyright:

Formatos disponibles

Formulario de Metodos de Fsica

b respecto a la multiplicacion por escalares

b, c son linealmente independientes si se cumple que

b, c se anule esto obliga que los escalares son

b eso signica que ambos a y a y

b linealmente independientes, entonces cualquier vector c,complanar con a y

b son linealmente independiente

b y c son linealmente dependientes. Esto es

b son linealmente independiente. La demostracion para el caso tridimensional es equivalente.

b y c expanden, de manera unvoca, todos los vectores

b y c conformaran una base para los vectores del

b, .respectivamente. Equivalentemente , , seran las componentes de cualquier vector para el caso 3D a lo

b y c, respectivamente. Esta nomenclatura sera mas evidente luego de la proxima seccion.

b a un escalar cuyo valor sera igual al producto de

b +a c. La demostracion (graca) puede

b tiene como resultado

b (cuadrante V de la Figura 1.3)

b corresponda al sentido horario.

b a y se sigue de la denicion que expresa

b con lo cual, si pudieramos despejar, digamos

b de una manera unvoca ? La respuesta es NO. ya que =a

b y c. Este producto tambien

representa el area de la base

b y c son coplanares (linealmente dependientes) entonces

y la multiplicacion por un escalar

k seran linealmente independientes si se cumple

Luis A. N u nez Universidad Industrial de Santander 22

1.7.3. Un par de calculos ilustrativos

mediante la constante de proporcionalidad . Si se requiere describir una recta

= [(sen (t)) + cos (t) ] [cos (t) + sen (t) ] = 0

Luis A. N u nez Universidad Industrial de Santander 39

De igual manera se procede con i = 2 e i = 3

V (x, y, z) d r integracion de un vector a lo largo de otro vector

V (x, y, z) d r integracion de un vector por otro vector

F (r) dr por cuanto nos la hemos tropezado

1 como vimos arriba al multiplicar el n umero imaginario i

= 2 Imz. Igualmente es inmediato comprobar que

= [z[ = modulo, magnitud o valor absoluto de z

2 tambien tendra como raz z

ya que la ecuacion es la misma por tener los

k y los siguientes vectores

b, c forma base, exprese

b en termino de esa base a,

b y exprese los vectores

a) Exprese las aceleraciones radiales y tangenciales de esta partcula

constituido por vectores [x) = (x

+y[ y) = x[ x) + 2 Re (x[ y)) +y[ y)

constituyen las componentes de [x) relativas a la base [v

, tendra como una posible

sera innito dimensional.

(x) son mutuamente ortogonales con un

. Es facil demostrar que S

Mas a un, la norma de [v

es unica en V. Para ello

es unica. Finalmente, con la denicion de norma

Luis A. N u nez Universidad Industrial de Santander 81

C) 14, 6 18, 5 36, 6 30, 8 59, 2 60, 1 62, 2 79, 4 99, 9

. Este espacio lineal tambien se denomina

Es claro comprobar que el producto interno garantiza que los T

de tal manera que

llevan los ndices arriba. Los ndices arriba se llamaran

= ((1) [ (1)) (2) [ (2)))

= (1)(2) [ (1) (2))

3. x[ y +z) = x[ y) +x[ z) x +z[ y) = x[ y) +z[ y) [x) , [y) , [z) V