Me Todos Mate Mati Cos

Mtodos matemticos avanzados para cientficos e ingenieros
Coleccin manuales uex - 48
Santos Bravo Yuste
48
MTODOS MATEMTICOS AVANZADOS PARA CIENTFICOS E INGENIEROS
MANUALES UEX
48
SANTOS BRAVO YUSTE
MTODOS MATEMTICOS AVANZADOS PARA CIENTFICOS E INGENIEROS
2006
Edita Universidad de Extremadura. Servicio de Publicaciones C./ Caldereros, 2 - Planta 2 - 10071 Cceres (Espaa) Telf. 927 257 041 - Fax 927 257 046 publicac@unex.es www.unex.es/publicaciones ISSN 1135-870-X ISBN 84-689-9786-2 (de mritos) Depsito Legal M-30.783-2006 Diseo de portada para la coleccin Manuales UEX: GrafiPrim - Badajoz Edicin electrnica: Pedro Cid, S.A. Telf.: 914 786 125
A Macarena, Irene, Miguel y Diego.
What a fool can do, another can.

Silvanus Thompson, Calculus Made Easy
Prefacio
El prop osito de este libro es proporcionar una descripci on sencilla y pr actica de cierta clase de m etodos matem aticos que son extraordinariamente u tiles para cient cos e ingenieros y que, generalmente, son considerados no elementales. Mi idea rectora es que estas matem aticas no son dif ciles si se explican con cuidado y se tienen en cuenta las dicultades conceptuales que involucran. Para que las deducciones sean lo m as claras posibles no he dudado en ser parsimonioso en los desarrollos matem aticos. S e que as el texto pierde esa tersura de lo matem aticamente elegante . . . que en tantas ocasiones desconcierta a los estudiantes. Por ello he preferido guiarme por el principio de que, dado que las matem aticas y sus conceptos son inicialmente complicados, hay que ahorrarle en lo posible al alumno la tarea, a menudo mec anica y sin inter es, de averiguar c omo se llevan a cabo las deducciones. Un modo muy efectivo de ense nar y aprender m etodos matem aticos es mediante ejemplos en los que estos m etodos se muestran en acci on. Este procedimiento es usado con profusi on en este texto (hay mas de 110 ejemplos resueltos). Tambi en he incluido cuestiones y ejercicios sin resolver (m as de 80) como modo de reforzar la comprensi on de lo expuesto y, en ocasiones, provocar la reexi on del lector sobre las materias tratadas. En la p agina web http://www.unex.es/eweb/fisteor/santos/mma puede encontrarse material que complementa a este libro (esta direcci on se abrevia en ocasiones mediante el s mbolo opicos contemwww ). He incluido cuadernos de Mathematica que tratan sobre algunos de los t plados en este libro. Tambi en he incluido los c odigos fuente y los ejecutables de los programas QBASIC con los se ilustran algunos procedimientos num ericos que se estudian en el cap tulo 4. Por u ltimo, he a nadido enlaces con otras p aginas web que contienen material u til relacionado con lo que discute en este libro. Las notas que los profesores del Area de F sica Te orica de la UEx hemos ido confeccionando durante a nos para impartir la asignatura de M etodos Matem aticos de tercer curso de F sica fueron la base sobre la que se ha escrito este libro. Si estas notas se han convertido nalmente A en libro se debe en buena parte a H ector S anchez-Pajares quien pas oaL TEXuna muy primera versi on de las mismas. Tambi en es es gran medida fruto del animo y apoyo incansable de Andr es Santos. Por u ltimo, es de justicia recordar la paciencia y compresi on con la que mi familia ha soportado mis largas horas de ausencia durante su elaboraci on.
Santos Bravo Yuste santos@unex.es http://www.unex.es/eweb/fisteor/santos Badajoz, primavera 2005
Indice general
Prefacio 1. Problema de Sturm-Liouville

1.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Ecuaci on de Sturm-Liouville . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.1. Denici on de la ecuaci on de Sturm-Liouville . . . . . . . . . . . . . . . . . . 1.2.2. Denici on del problema de Sturm-Liouville . . . . . . . . . . . . . . . . . . . 1.2.3. Generalidad de la ecuaci on de Sturm-Liouville . . . . . . . . . . . . . . . . . 1.3. Espacios vectoriales y operadores lineales . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1. Denici on de espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.2. Denici on de producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.3. Operadores lineales. Operadores herm ticos . . . . . . . . . . . . . . . . . . 1.3.4. M etodo de ortogonalizaci on de Gram-Schmidt . . . . . . . . . . . . . . . . . 1.3.5. Desarrollo en autovectores . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4. Espacio vectorial y producto escalar en el problema de Sturm-Liouville . . . . . . . . 1.5. El operador de Sturm-Liouville es herm tico . . . . . . . . . . . . . . . . . . . . . . 1.5.1. Autovalores y autofunciones del operador de Sturm-Liouville . . . . . . . . . 1.6. Desarrollo en serie de autofunciones . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6.1. Error cuadr atico m nimo de una suma de autofunciones, identidad de Parseval y relaci on de cierre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.7. Problema de Sturm-Liouville inhomog eneo . . . . . . . . . . . . . . . . . . . . . . . 1.7.1. Teorema de la alternativa de Fredholm . . . . . . . . . . . . . . . . . . . . . 1.8. Funci on de Green . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.8.1. Denici on y propiedades de la funci on de Green . . . . . . . . . . . . . . . . 1.8.2. Soluci on del problema de Sturm-Liouville en t erminos de la funci on de Green 1.8.3. Construcci on de la funci on de Green . . . . . . . . . . . . . . . . . . . . . . 1.8.4. Representaci on de la funci on de Green en serie de autofunciones . . . . . . . 1.9. Condiciones de contorno no homog eneas . . . . . . . . . . . . . . . . . . . . . . . . 1.10. Cociente de Rayleigh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.10.1. Principio de minimizaci on de Rayleigh-Ritz . . . . . . . . . . . . . . . . . . . 1.11. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
i 1
1 2 2 3 8 10 11 13 14 15 16 17 19 20 25 31 37 38 42 42 46 48 51 55 57 58 65
iv
INDICE GENERAL
2. Funciones especiales
2.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Propiedades generales de los polinomios ortogonales . . . . . . . . . . . . . . . . . . 2.2.1. Relaci on de recurrencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.2. Funci on generatriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.3. M etodo de ortogonalizaci on de Gram-Schmidt . . . . . . . . . . . . . . . . . 2.3. Polinomios de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.1. Resoluci on de la ecuaci on de Legendre mediante serie de potencias . . . . . . 2.3.2. Paridad y valores especiales . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.3. Primeros polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.4. F ormula de Rodrigues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.5. Representaciones integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.6. Funci on generatriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.7. Funci on generatriz y campo el ectrico dipolar . . . . . . . . . . . . . . . . . . 2.3.8. Desarrollo en serie de polinomios de Legendre . . . . . . . . . . . . . . . . . 2.3.9. Relaciones de recurrencia de los polinomios de Legendre . . . . . . . . . . . 2.4. Funciones asociadas de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4.1. Demostraci on de la f ormula de Rodrigues . . . . . . . . . . . . . . . . . . . 2.4.2. Relaci on de proporcionalidad de las funciones asociadas de Legendre . . . . . 2.4.3. Primeras funciones asociadas de Legendre . . . . . . . . . . . . . . . . . . . 2.4.4. Ortogonalidad, norma y simetr a . . . . . . . . . . . . . . . . . . . . . . . . 2.4.5. Desarrollo en serie de funciones asociadas de Legendre . . . . . . . . . . . . 2.4.6. Relaciones de recurrencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5. Arm onicos esf ericos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.1. Ortonormalidad y propiedad de conjugaci on de los arm onicos esf ericos . . . . 2.5.2. Simetr a de los arm onicos esf ericos . . . . . . . . . . . . . . . . . . . . . . . 2.5.3. Primeros arm onicos esf ericos . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.4. Desarrollo en serie de los arm onicos esf ericos . . . . . . . . . . . . . . . . . 2.5.5. Teorema de la adici on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6. Polinomios de Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6.1. Oscilador arm onico en Mec anica Cu antica. Ecuaci on de Hermite . . . . . . . 2.6.2. Resoluci on de la ecuaci on de Hermite mediante serie de potencias . . . . . . 2.6.3. Denici on de los polinomios de Hermite como soluciones de un problema de Sturm-Liouville . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6.4. Funci on generatriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6.5. Norma de los polinomios de Hermite . . . . . . . . . . . . . . . . . . . . . . 2.6.6. Desarrollo en serie de los polinomios de Hermite . . . . . . . . . . . . . . . . 2.6.7. F ormula de Rodrigues y paridad . . . . . . . . . . . . . . . . . . . . . . . . 2.6.8. Primeros polinomios de Hermite . . . . . . . . . . . . . . . . . . . . . . . . 2.6.9. Relaciones de recurrencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.7. Polinomios asociados de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.7.1. Funci on generatriz y norma . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.7.2. Desarrollo en serie de L n. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.7.3. F ormula de Rodrigues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.7.4. Relaciones de recurrencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.8. Funciones de Bessel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.8.1. Ecuaciones reducibles a ecuaciones de Bessel . . . . . . . . . . . . . . . . . 2.8.2. Funciones de Bessel como oscilaciones amortiguadas . . . . . . . . . . . . . 2.8.3. Relaciones de recurrencia . . . . . . . . . . . . . . . . . . . . . . . . . . . .
71
71 72 73 76 77 79 79 81 82 82 83 85 86 88 94 99 100 101 103 103 106 106 107 108 108 109 109 110 111 111 113 115 116 117 118 119 120 120 121 123 126 126 126 128 131 132 134
INDICE GENERAL 2.8.4. C alculo de las funciones de Bessel mediante relaciones de recurrencia . 2.8.5. Funci on generatriz de Jn (x) . . . . . . . . . . . . . . . . . . . . . . . 2.8.6. Relaciones integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.8.7. Funciones de Bessel de orden semientero y funciones esf ericas de Bessel 2.8.8. Funciones de Bessel y problema de Sturm-Liouville . . . . . . . . . . . 2.9. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
v 136 139 141 142 145 149
3. Ecuaciones en derivadas parciales

3.1. Introducci on y deniciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Ecuaciones en derivadas parciales de segundo orden . . . . . . . . . . . . . . . . . . 3.2.1. Clasicaci on de las ecuaciones en derivadas parciales de segundo orden . . . 3.2.2. Condiciones de contorno . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3. Separaci on de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4. M etodo de las transformadas integrales . . . . . . . . . . . . . . . . . . . . . . . . 3.5. Problemas difusivos no homog eneos . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5.1. Homogeneizaci on del problema . . . . . . . . . . . . . . . . . . . . . . . . . 3.5.2. Ecuaciones en derivadas parciales con t erminos no homog eneos estacionarios 3.5.3. Ecuaci on en derivadas parciales con inhomogeneidad no estacionaria y condiciones de contorno dependientes del tiempo . . . . . . . . . . . . . . . . . . 3.5.4. M etodo del desarrollo en autofunciones para ecuaciones en derivadas parciales no homog eneas con condiciones de contorno homog eneas . . . . . . . . . . . 3.6. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
153
153 154 155 156 158 174 187 187 188 190 191 193
4. M etodos num ericos

4.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Aritm etica con precisi on nita . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.1. Los n umeros son palabras . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.2. P erdida de d gitos signicativos en la sustracci on de cantidades casi iguales 4.2.3. Errores en la suma de cantidades con magnitudes muy distintas . . . . . . 4.2.4. Inestabilidad num erica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.5. Problemas mal condicionados . . . . . . . . . . . . . . . . . . . . . . . . . 4.3. Operaciones num ericas b asicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.1. Diferenciaci on num erica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.2. Integraci on num erica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4. C alculo de ra ces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1. M etodo de la b usqueda . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.2. M etodo de la bisecci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.3. M etodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.4. M etodo de la secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5. Ecuaciones diferenciales ordinarias con condiciones iniciales . . . . . . . . . . . . . 4.5.1. M etodo de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.2. M etodo del desarrollo de Taylor . . . . . . . . . . . . . . . . . . . . . . . 4.5.3. M etodo de Euler Modicado . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.4. M etodos Predictor-Corrector . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.5. M etodos de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.6. Sistemas de ecuaciones de primer orden . . . . . . . . . . . . . . . . . . . 4.6. M etodos num ericos para problemas de contorno . . . . . . . . . . . . . . . . . . . 4.6.1. M etodos en diferencias nitas . . . . . . . . . . . . . . . . . . . . . . . . . 4.6.2. M etodos de tiro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
199
199 200 200 203 204 207 209 211 211 214 223 223 224 225 226 227 228 232 232 234 235 240 241 241 245
vi 4.6.3. M etodos iterativos en diferencias . . . . . . . . . . . 4.7. Resoluci on num erica de la ecuaci on de difusi on . . . . . . . 4.7.1. Un m etodo expl cito para ecuaciones difusivas . . . . 4.7.2. El m etodo impl cito de Crank-Nicholson . . . . . . . 4.7.3. Condiciones de contorno que involucran a la derivada 4.7.4. Ecuaciones difusivas bidimensionales . . . . . . . . . 4.8. Resoluci on num erica de la ecuaci on de ondas . . . . . . . . 4.9. Resoluci on num erica de la ecuaci on de Laplace . . . . . . . 4.9.1. M etodos iterativos . . . . . . . . . . . . . . . . . . . 4.10. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
INDICE GENERAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246 249 250 257 262 263 264 265 266 269
5. Ecuaciones diferenciales y sistemas no lineales. Estabilidad

5.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1. Deniciones previas . . . . . . . . . . . . . . . . . . . 5.2.2. Denici on de estabilidad seg un el criterio de Liapunov 5.2.3. Denici on de estabilidad asint otica . . . . . . . . . . . 5.2.4. Sistema perturbativo . . . . . . . . . . . . . . . . . . 5.2.5. Denici on de punto cr tico . . . . . . . . . . . . . . . 5.3. Estabilidad de sistemas lineales . . . . . . . . . . . . . . . . . 5.3.1. Estabilidad de sistemas lineales de dos ecuaciones . . . 5.3.2. Sistemas con m as de dos ecuaciones . . . . . . . . . . 5.4. Estabilidad de sistemas no lineales . . . . . . . . . . . . . . . 5.4.1. Campo vectorial de direcciones y trayectorias soluci on . 5.4.2. Estabilidad en torno a los puntos cr ticos simples . . . 5.4.3. Estabilidad por el m etodo directo de Liapunov . . . . . 5.5. Ciclos l mite . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.6. C alculo de Soluciones Peri odicas . . . . . . . . . . . . . . . . 5.6.1. M etodo de Balance Arm onico . . . . . . . . . . . . . 5.6.2. M etodo de Krylov-Bogoliubov . . . . . . . . . . . . . 5.7. Caos y atractores extra nos. Ecuaciones de Lorenz . . . . . . . 5.8. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
275
275 276 276 278 278 280 281 285 285 297 298 298 301 311 317 322 323 330 336 345
6. Ecuaciones integrales lineales

6.1. 6.2. 6.3. 6.4. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Deniciones y clasicaci on de las ecuaciones integrales . . . . . . . . . . . . . . . . Equivalencia entre ecuaciones integrales y ecuaciones diferenciales . . . . . . . . . . Ecuaci on de segunda especie con n ucleo separable . . . . . . . . . . . . . . . . . . . 6.4.1. Ecuaci on de segunda especie inhomog enea con n ucleo degenerado . . . . . . 6.4.2. Ecuaci on de segunda especie homog enea con n ucleo degenerado: autovalores y autofunciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Teoremas de Fredholm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Series de Neumann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Series de Fredholm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Teor a de Schmidt-Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8.1. Algunas propiedades de los n ucleos reales sim etricos . . . . . . . . . . . . . . 6.8.2. Resoluci on de la ecuaci on no homog enea . . . . . . . . . . . . . . . . . . . . 6.8.3. Teoremas de Fredholm para n ucleos reales y sim etricos . . . . . . . . . . . . T ecnicas varias de resoluci on de ecuaciones integrales . . . . . . . . . . . . . . . . .
351
351 352 354 357 358 359 361 364 371 374 375 377 378 382
6.5. 6.6. 6.7. 6.8.
6.9.
INDICE GENERAL 6.9.1. Reducci on de la ecuaci on integral a una ecuaci on diferencial 6.9.2. Ecuaciones integrales de convoluci on . . . . . . . . . . . . . 6.9.3. Desarrollo en serie de funciones ortogonales . . . . . . . . . 6.10. Ecuaci on de Abel generalizada . . . . . . . . . . . . . . . . . . . . 6.11. Resoluci on num erica . . . . . . . . . . . . . . . . . . . . . . . . . . 6.12. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
vii 382 385 388 390 395 399
7. Desarrollo asint otico de integrales

7.1. 7.2. 7.3. 7.4. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados u tiles sobre series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Comparaci on de funciones. S mbolos O, o, . . . . . . . . . . . . . . . . . . . . . . Series asint oticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.4.1. Denici on de serie asint otica . . . . . . . . . . . . . . . . . . . . . . . . . . 7.4.2. Ejemplo de serie asint otica . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.4.3. Aproximaciones num ericas mediante series asint oticas. Regla del truncamiento optimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.5. Desarrollo del integrando . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.6. Integraci on por partes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.6.1. Fallo de la integraci on por partes . . . . . . . . . . . . . . . . . . . . . . . . 7.7. M etodo de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.8. Lema de Watson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.9. Desarrollo asint otico de integrales generalizadas de Laplace . . . . . . . . . . . . . . 7.9.1. Primer modo. Cambio de variable . . . . . . . . . . . . . . . . . . . . . . . 7.9.2. Segundo modo. Modo directo . . . . . . . . . . . . . . . . . . . . . . . . . . 7.9.3. M aximo no jo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.10. Integrales de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.10.1. Integraci on por partes de integrales de Fourier sin puntos estacionarios . . . . 7.10.2. Integrales de Fourier con puntos estacionarios. M etodo de la fase estacionaria 7.10.3. M etodo de la fase estacionaria. Caso simple. . . . . . . . . . . . . . . . . . . 7.10.4. Metodo de la fase estacionaria. Caso m as general . . . . . . . . . . . . . . . 7.10.5. M etodo de la fase estacionaria cuando f (t) f0 (t a) en el punto estacionario a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.11. M etodo de la m axima pendiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.11.1. Puntos de silla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.12. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
403
403 405 407 408 408 410 412 413 416 423 424 429 431 431 432 437 439 439 442 443 447 449 450 459 469
A. Soluciones de problemas seleccionados

A.1. A.2. A.3. A.4. A.5. A.6. A.7. Soluciones Soluciones Soluciones Soluciones Soluciones Soluciones Soluciones del del del del del del del cap tulo cap tulo cap tulo cap tulo cap tulo cap tulo cap tulo 1: 2: 3: 4: 5: 6: 7: Problema de Sturm-Liouville . . . Funciones Especiales . . . . . . . Ecuaciones en derivadas parciales . M etodos num ericos . . . . . . . . Ecuaciones diferenciales y sistemas Ecuaciones integrales lineales . . . Desarrollo asint otico de integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no lineales. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . .
473
473 475 476 478 480 481 482
Bibliograf a
485
Cap tulo 1
Problema de Sturm-Liouville
La teor a general de autovalores, autofunciones y desarrollos en autofunciones es una de las parcelas m as ricas y profundas de la matem atica moderna.
F. Simmons [Sim93]
1.1. Introducci on
La tarea principal en el estudio de las ecuaciones diferenciales ordinarias con condiciones iniciales consiste en encontrar la soluci on de una ecuaci on diferencial dada que satisface ciertas condiciones iniciales, es decir, encontrar la soluci on que satisface ciertas restricciones (condiciones) sobre el valor que esta soluci on y sus primeras n 1 derivadas (si la ecuaci on diferencial es de orden n) han de tomar para un mismo valor de la variable independiente (es decir, en un mismo punto).
Ejemplo 1.1
Se puede comprobar que la ecuaci on diferencial y (x) + y (x) = 0, con las condiciones iniciales (en el punto x = 0) y (0) = y0 , y (0) = 0, tiene la soluci on y (x) = y0 cos x.
En este tema, sin embargo, nos dedicaremos al estudio de problemas de condiciones de contorno (CC), es decir, buscaremos y estudiaremos aquellas soluciones de ecuaciones diferenciales ordinarias que satisfagan ciertas condiciones en los contornos del intervalo de denici on de la ecuaci on. Para ecuaciones diferenciales ordinarias, el contorno lo constituyen los dos puntos extremos del intervalo en el que la ecuaci on ha de resolverse.
Ejemplo 1.2
Queremos encontrar la funci on y (x) soluci on de la ecuaci on diferencial y (x) + y (x) = 0, denida en el intervalo [0, ] que satisface las siguientes condiciones de contorno: CC : y (0) = 0, y ( ) = 0.
Es f acil ver que para = 1 este problema de contorno tiene la soluci on y (x) = A sen x, siendo A una constante arbitraria. Sin embargo si, por ejemplo, tomamos el valor = 2, podemos comprobar que el sistema no tiene soluci on distinta de la trivial1 y (x) = 0. Vemos as que el valor de es determinante para que el problema de condiciones de contorno tenga soluci on (distinta de la soluci on nula trivial, por supuesto).
En lo que sigue, nos centraremos sobre una clase particular de ecuaciones diferenciales de segundo orden conocidas como las ecuaciones diferenciales de Sturm-Liouville cuyas soluciones habr an de satisfacer ciertas condiciones de contorno. Veremos que muchas de las funciones importantes en Ciencia e Ingenier a habitualmente llamadas funciones especiales son soluciones de este tipo de problemas (ecuaciones de Sturm-Liouville m as ciertas condiciones de contorno). Adem as, como veremos en un tema posterior, los problemas de Sturm-Liouville aparecen de forma natural al resolver las ecuaciones en derivadas parciales mediante el m etodo de separaci on de variables.
1.2. Ecuaci on de Sturm-Liouville

1.2.1. Denici on de la ecuaci on de Sturm-Liouville
Sea la ecuaci on diferencial ordinaria de segundo orden lineal y homog enea d d p(x) y (x) + q (x) y (x) + r(x) y (x) = 0 dx dx denida en el intervalo cerrado [a, b], donde: p(x), p (x)
d p(x) dx , q (x), r (x)
(1.1)
son funciones reales y continuas en [a, b].2
p(x) y r(x) no cambian de signo en el intervalo a < x < b. Tomaremos por convenio (y sin p erdida de generalidad) r(x) > 0, excepto, quiz as, en puntos aislados en los que r(x) = 0. A la funci on r(x) se la conoce como funci on peso. es un par ametro arbitrario. Bajo estas condiciones, la ecuaci on (1.1) es una ecuaci on de Sturm-Liouville.
Trivialmente, toda ecuaci on diferencial lineal denida sobre el intervalo [a, b] con condiciones de contorno y (a) = 0, y (b) = 0, tiene a la funci on nula y (x) = 0 como soluci on. Esto es trivial, de modo que a esta soluci on se la llama (c omo no!) soluci on trivial. 2 La condici on de continuidad en el contorno, es decir en x = a o en x = b, puede no satisfacerse en ciertos problemas de Sturm-Liouville singulares (que se tratan en el apartado 3 de la p agina 4). Por ejemplo, q (x) 1/x en el problema de Bessel denido en el intervalo [0, b > 0] (v ease la secci on 2.8.8, p agina 145).
1
1.2 Ecuaci on de Sturm-Liouville
1.2.2. Denici on del problema de Sturm-Liouville

Se llama problema de Sturm-Liouville al problema de condiciones de contorno constituido por una ecuaci on de Sturm-Liouville m as ciertas condiciones de contorno homog eneas3 conocidas como condiciones de contorno de Sturm-Liouville. Condiciones de contorno de Sturm-Liouville Sean ciertas condiciones de contorno homog eneas en x = a y x = b. Si para dos funciones cualesquiera, f (x) y g (x), que satisfacen estas condiciones de contorno se verica que4 p(x) f (x) df dg g (x) dx dx
b
p(b) [f (b) g (b) g (b) f (b)] p(a) [f (a) g (a) g (a) f (a)] = 0, (1.2) entonces a esas condiciones de contorno se les llama condiciones de contorno de Sturm-Liouville . Estas condiciones de contorno se clasican en tres clases, dando lugar a tres clases de problemas de Sturm-Liouville: 1. Problema de Sturm-Liouville peri odico/Condiciones de contorno peri odicas Las condiciones de contorno para este caso son y (a) = y (b), y (a) = y (b), y, adem as, ha de vericarse que p(a) = p(b). (1.4) Es f acil de ver que esta u ltima condici on, que por supuesto no es condici on de contorno sobre y (x), es necesaria para que (1.2) se verique. En efecto, sean f (x) y g (x) dos funciones que satisfacen las condiciones de contorno anteriores. En este caso f (a) = f (b) , f (a) = f (b) , y por tanto p(a) [f (a) g (a) g (a) f (a)] = p(b) [f (b) g (b) g (b) f (b)]. En este caso la relaci on (1.2) se verica trivialmente, tal como quer amos demostrar. 2. Problema de Sturm-Liouville regular/Condiciones de contorno regulares Estas condiciones de contorno (llamadas condiciones de contorno regulares) son de la forma 1 y (a) + 2 y (a) = 0, 1 , 2 R, 1 y (b) + 2 y (b) = 0, 1 , 2 R, donde ni 1 y 2 son ambas cero, ni tampoco 1 y 2 son las dos cero. Hay dos subtipos especiales de condiciones de contorno regulares:
Sea {fi } un conjunto de funciones que satisfacen una cierta condici on de contorno. Decimos que esta condici on de contorno es homog enea si cualquier combinaci on lineal de las funciones fi satisface tambi en esta condici on de contorno. 4 El asterisco al lado de un s mbolo representa su complejo conjugado: f = c id siendo f = c + id. Por supuesto, i es la unidad imaginaria.
3
(1.3)
g (a) = g (b) , g (a) = g (b) ,
(1.5)
(1.6)
Problema de Sturm-Liouville Condiciones de contorno de Dirichlet. En este caso 2 = 2 = 0, con lo que (1.6) toma la forma y (a) = y (b) = 0. Condiciones de contorno de Neumann. Aqu 1 = 1 = 0, y por tanto (1.6) se reduce a y (a) = y (b) = 0. Vamos ahora a demostrar que si dos funciones f (x) y g (x) satisfacen las condiciones de contorno (1.6), entonces se verica la relaci on (1.2). Si f y g satisfacen (1.6) se tiene que 1 f (a) + 2 f (a) = 0, 1 g (a) + 2 g (a) = 0. Tomamos el complejo conjugado de la primera ecuaci on para obtener el siguiente sistema de ecuaciones 1 f (a) + 2 f (a) = 0, 1 g (a) + 2 g (a) = 0. Dado que 1 , 2 no son cero simult aneamente, debe ocurrir que f (a) f (a) = f (a) g (a) f (a) g (a) = 0 g (a) g (a) (1.7)
para que la soluci on del sistema sea distinta de la soluci on trivial 1 = 2 = 0. Procediendo de igual modo en el punto x = b se obtiene f (b) g (b) f (b) g (b) = 0. (1.8) Obviamente, los resultados (1.7) y (1.8) hacen que, tal como quer amos demostrar, se satisfaga la relaci on (1.2) 3. Problema de Sturm-Liouville singular/Condiciones de contorno singulares Quiz as el modo m as correcto de denir las condiciones de contorno singulares es diciendo que son las condiciones de contorno de Sturm-Liouville, es decir, aquellas que hacen que (1.2) se verique, y que no son ni regulares ni peri odicas. Estas condiciones suelen involucrar intervalos innitos o semiinnitos, o funciones p(x) que se anulan en los contornos, o coecientes de la ecuaci on de Sturm-Liouville que se hacen innitos en un contorno5 (en x = a, por ejemplo) o en los dos contornos, o bien condiciones que exigen que en los contornos la soluci on buscada sea continua, o acotada, o que diverja (vaya a innito) de un modo m as lento que determinada funci on.6 Por ejemplo, supongamos que a y b son nitos y que p(a) = p(b) = 0 . (1.9) Entonces x = a y x = b son puntos singulares7 de la ecuaci on de Sturm-Liouville (1.1), como es evidente sin m as que reescribir (1.1) as : y (x) +
5 6
p (x) q (x) r(x) y (x) + y (x) + y (x) = 0. p(x) p(x) p(x)
Un ejemplo es la ecuaci on de Bessel en x = 0. Un ejemplo de esta u ltima posibilidad se da en la ecuaci on de Hermite: v ease la ecuaci on (2.139), p agina 115. 7 Se dice que x0 es un punto ordinario de la ecuaci on y (x) + P (x)y (x) + Q(x) = 0 si P (x) y Q(x) son anal ticas en x0 (es decir, si tienen un desarrollo en serie de potencias v alido en alg un entorno de x0 ). En este caso, la soluci on y (x) es tambi en regular (anal tica) en este punto. Al punto que no es regular se le llama punto singular. Puede encontrarse una discusi on accesible sobre las soluciones de ecuaciones diferenciales en torno a puntos regulares y singulares en las secciones 28, 30 y 31 de [Sim93].
Esto signica que, en general, las soluciones ser an tambi en singulares en estos puntos. Pues bien, en el problema Sturm-Liouville singular que estamos considerando estamos interesados s olo en aquellas soluciones que sean regulares en todo el intervalo nito [a, b] (incluyendo los extremos x = a, x = b). Esto signica que f (x), f (x), g (x) y g (x) existen y son nitas en x = a y x = b. Es f acil ver que en este caso, la ecuaci on (1.2) se verica trivialmente. En efecto, es evidente que p(a) [f (a) g (a) g (a) f (a)] = 0, p(b) [f (b) g (b) g (b) f (b)] = 0, puesto que p(a) = p(b) = 0 y f (x), f (x), g (x) y g (x) son nitas en x = a y x = b al ser funciones regulares en estos puntos. Por consiguiente, tambi en en este caso, se verica la ecuaci on (1.2). En denitiva, encontramos que las condiciones de contorno singulares p(a) = 0, p(b) = 0, y (x) regular en x = a, b, son condiciones de contorno de Sturm-Liouville. Ejercicio 1.1
Otro ejemplo de condiciones de contorno singulares es p(a) = 0, y (x) regular en x = a, p(b) = 0, 1 y (b) + 2 y (b) = 0. Justica que si dos funciones f y g satisfacen estas condiciones de contorno entonces la relaci on (1.2) se satisface.
(1.10)
Ejemplo 1.3
La ecuaci on de Legendre (1 x2 )y (x) 2xy (x) + y (x) = 0, con 1 x 1 es una ecuaci on de Sturm-Liouville singular en x = 1 cuyas soluciones son tambi en, en general, singulares en x = 1. Por tanto, si imponemos la condici on de contorno de que la soluci on sea regular en los extremos x 1, entonces, en general, el problema no tendr a soluci on. Decimos en general porque para determinados valores de , en concreto, para = l(l + 1) con l = 0, 1, 2 , la ecuaci on de Legendre s tiene soluci on regular en x 1 (pueden encontrarse m as detalles en la secci on 2.3.1, p agina 79). Estas soluciones son polinomios, conocidos como polinomios de Legendre, que se estudiar an en la secci on 2.3. Ejercicio 1.2 2 on regular de la ecuaci on Comprueba que el polinomio de Legendre P2 (x) = 1 2 (3x 1) es una soluci de Legendre cuando = 6.
En los tres tipos de problemas de Sturm-Liouville que acabamos de discutir s olo existe soluci on (distinta de la trivial) si el par ametro toma valores restringidos a un cierto conjunto. A estos valores se los conoce como autovalores y a las soluciones correspondientes se las llama autofunciones.
Ejemplo 1.4
Queremos resolver el problema de Sturm-Liouville y (x) + y (x) = 0, con las condiciones de contorno CC : y (0) = 0, y ( ) = 0. (1.11b) (1.11a)
Es decir, queremos encontrar todos los valores posibles (autovalores) de que hagan que la ecuaci on (1.11a) tenga soluciones (autofunciones) que satisfagan las condiciones de contorno (1.11b). Por supuesto, tambi en queremos hallar cu ales son estas autofunciones. Las condiciones de contorno (1.11b) son regulares con 2 = 1 = 0 y 1 = 2 = 1. Por tanto, este es un problema de Sturm-Liouville regular en el que p(x) = 1, q (x) = 0, r(x) = 1. Vamos a discutir por separado los casos en los que = 0, < 0 y > 0. Si = 0, la soluci on general de la ecuaci on (1.11a) es y (x) = Ax + B . Pero y (0) = 0 exige B = 0, es decir, la condici on de contorno de la izquierda exige que la soluci on para = 0, si existe, tenga la forma y (x) = Ax. Pero, la condici on de contorno a la derecha 0 = y ( ) = A , exige A = 0. Es decir, el u nico modo de que esta soluci on satisfaga las condiciones de contorno (1.11b) es si A = B = 0. Es decir, la u nica soluci on posible es la trivial y (x) = 0 si = 0. Si < 0, la soluci on general de la ecuaci on de Sturm-Liouville (1.11a) es y (x) = A cosh x + B senh x. Si en esta soluci on tomamos x = 0 obtenemos que y (0) = A. Por ello, la condici on de contorno y (0) = 0 implica A = 0. Por tanto, encontramos que la forma general de la soluci on de la ecuaci on (1.11a) es y (x) = B senh x, y por tanto y (x) = B cosh x.
Imponiendo la segunda condici on de contorno, encontramos y ( ) = 0 B cosh = 0. Esta relaci on se vericar a si se cumple al menos una de estas tres posibilidades: cosh = 0, = 0 , B = 0. La u ltima opci on, B = 0, conduce a la soluci on trivial. La segunda, = 0 la desechamos pues no satisface la suposici on inicial de que < 0 (adem as la posibilidad = 0 ya fue analizada antes y encontramos que conduc a a la soluci on trivial). La primera opci on cosh = 0 es imposible si < 0. En denitiva,
para < 0 no existe ninguna soluci on posible [aparte de la soluci on nula trivial y (x) = 0] del problema de Sturm-Liouville (1.11). Si > 0, la soluci on general de la ecuaci on de Sturm-Liouville (1.11a) es y (x) = A cos x + B sen x. Si en esta soluci on tomamos x = 0 obtenemos que y (0) = A. Por ello, la condici on de contorno y (0) = 0 implica A = 0. Por tanto, encontramos que la forma general de la soluci on de la ecuaci on (1.11a) es y (x) = B sen x, y por tanto y (x) = B cos x.
Imponiendo la segunda condici on de contorno, encontramos y ( ) = 0 B cos = 0. Esta relaci on se vericar a si se cumple al menos una de estas tres posibilidades: cos = 0, = 0, B = 0. La u ltima opci on, B = 0, conduce a la soluci on trivial. La segunda, = 0, la desechamos pues no satisface la suposici on inicial de que > 0. Nos queda por analizar la primera opci on: cos = 0. En este caso, se tiene que cos = 0 = (n + 1/2), n = 0, 1, 2, (1.12) Concluimos que s olo cuando = n (n + 1/2)2 , n = 0, 1, 2, el problema de Sturm-Liouville tiene soluci on. Esta soluci on es la funci on n (x) = B sen n x = B sen n+
1 2
(1.13)
donde B es una constante cualquiera. El n umero n es un autovalor y n (x) la autofunci on correspondiente a este autovalor, del problema de Sturm-Liouville (problema de autovalores y autofunciones) dado por las ecuaciones (1.11a) y (1.11b).
En el ejemplo 1.4 anterior hemos visto que el problema de Sturm-Liouville (1.11) s olo pod a resolverse para ciertos valores concretos de que hemos llamado autovalores y denotado por n . La soluci on que encontramos era B sen [(n + 1/2) x]. Como B es cualquier constante, vemos que, estrictamente hablando, hay un n umero innito de soluciones no nulas del problema de Sturm-Liouville cuando = n (tantas soluciones como valores posibles de B ). Sin embargo, en el contexto de la teor a de los problemas de autovalores y autovectores (en la que se incluye la teor a de Sturm-Liouville), todas las funciones anteriores son la misma autofunci on. Por ejemplo, sen [(n + 1/2) x], 2 sen [(n + 1/2) x] y sen [(n + 1/2) x] son tres modos distintos de escribir la misma autofunci on. Es decir, dos autofunciones que dieran s olo en un factor constante son en realidad la misma autofunci on. Ahora podemos entender por qu e nos queda mos s olo con uno de los dos signos de en (1.12), digamos el positivo, y no consideramos el signo opuesto a la hora de hallar las autofunciones n (x). La raz on es que sen [(n + 1/2) x] y sen [ (n + 1/2) x] = sen [(n + 1/2) x] son la misma autofunci on al diferir s olo en la constante 1. Esto tambi en justica que habitualmente, por razones de sencillez o econom a de escritura, digamos que la autofunci on correspondiente a n es simplemente n (x) = sen [(n + 1/2) x] sin incluir una constante multiplicativa arbitraria.
8 Otra denici on de problema de Sturm-Liouville singular
Al comienzo de la secci on 1.2.2 hemos denido el problema de Sturm-Liouville como el problema de condiciones de contorno compuesto por una ecuaci on de Sturm-Liouville y condiciones de contorno de Sturm-Liouville denidas como aquellas para las cuales la relaci on (1.2) se satisface. Esta denici on es, por ejemplo, la que se usa en [Hab83, Gre98]. Sin embargo, en lo que se reere al problema de Sturm-Liouville singular esta denici on no es, ni mucho menos, general. Muy habitualmente los problemas de Sturm-Liouville singulares se denen simplemente como aquellos problemas de contorno en los que alguno de los coecientes p(x), q (x), r(x) de la ecuaci on de Sturm-Liouville se anula o se hace innito en un extremo del intervalo, o en los que el propio intervalo es innito [Sim93, CH62, Myi78]. Con esta interpretaci on, no es necesario que las funciones soluci on del problema de Sturm-Liouville singular satisfagan (1.2). Para entendernos, en este libro nos referiremos a estos problemas como problemas de Sturm-Liouville latos. No obstante, los problemas singulares en los que las condiciones de contorno son tales que la relaci on (1.2) se verica siguen siendo muy importantes porque esta condici on implica que el operador de Sturm-Liouville es herm tico (v ease la secci on 1.5).
Ejemplo 1.5
Sea el problema de condiciones de contorno formado por la ecuaci on de Sturm-Liouville d2 y + y = 0 dx2 denida en el intervalo innito 0 x y las condiciones de contorno y (0) = 0, e y (x) acotada para x . Seg un la denici on que damos en este libro, este no es estrictamente un problema de Sturm-Liouville singular pues las condiciones de contorno no garantizan que la relaci on (1.2) se satisfaga. Sin embargo, seg un la denici on alternativa que hemos dado hace un momento, este s es un problema de Sturm-Liouville singular (lato). La soluci on de este problema es, como es f acil de ver, (x) = sen( )x) para cualquier > 0. Otro ejemplo de este tipo de problema de Sturm-Liouville se estudia en el problema 1.4.
1.2.3. Generalidad de la ecuaci on de Sturm-Liouville

Existe una amplia clase de ecuaciones diferenciales lineales de segundo orden que pueden escribirse en forma de ecuaci on de Sturm-Liouville. Ve amoslo. Una ecuaci on diferencial lineal cualquiera de segundo orden a0 (x)y + a1 (x) y + a 2 (x) y = 0, se puede escribir como y + + a2 (x) a1 (x) y + y = 0, a0 (x) a0 (x) (1.14)
donde a 2 (x) = + a2 (x). Por otro lado, la ecuaci on de Sturm-Liouville es de la forma y + p (x) q (x) + r(x) y + y = 0. p(x) p(x) (1.15)
Comparando (1.14) con (1.15) se ve que la primera ecuaci on es de tipo de Sturm-Liouville, si 8 p(x), q (x) y r(x) son tales que p (x) a1 (x) = p(x) = exp a0 (x) p(x) y + a2 (x) + q (x)/r(x) = . a0 (x) p(x)/r(x) Es decir, r(x) = p(x) , a0 (x) a2 (x) . a0 (x)
x
dx
a1 (x ) a0 (x )
(1.16)
q (x) = r(x) a2 (x) = p(x)
En denitiva, la ecuaci on a0 (x) y + a1 (x) y + [ + a2 (x)] y = 0 es equivalente a una ecuaci on de Sturm-Liouville (o simplemente diremos que es una ecuaci on de Sturm-Liouville) pues podemos reescribirla as : d d p(x) y (x) + q (x) y (x) + r(x) y (x) = 0 (1.17) dx dx si p(x), q (x) y r(x) est an dados por
x
p(x) = exp q (x) = p(x)
dx
a1 (x ) , a0 (x )
(1.18a) (1.18b) (1.18c)
a2 (x) , a0 (x) p(x) r(x) = . a0 (x)
Las u nicas restricciones sobre ai (x) son las que se derivan de las exigencias (expuestas en la secci on 1.2.1) de que p(x), p (x), q (x) y r(x) han de ser continuas y de que p(x) y r(x) no han de cambiar de signo en el intervalo (a, b). Ejercicio 1.3
Sustituye (1.18) en (1.17) y comprueba que esta ecuaci on se reduce a la ecuaci on (1.14).
Ejemplo 1.6
Comprobemos que y 2y + y = 0 es equivalente a una ecuaci on de Sturm-Liouville.
La ausencia de l mite inferior en la integral dx a1 (x )/a0 (x ) signica que el valor concreto de este x l mite inferior no tiene importancia. Es decir, en vez de escribir dx a1 (x )/a0 (x ) podr amos haber escrito x dx a ( x ) /a ( x ) indicando que c puede tomar cualquier valor (siempre no sea tal que haga que la integral no 1 0 c exista).
8 x
10
La ecuaci on anterior es igual a la ecuaci on de Sturm-Liouville (1.15) si p (x) = 2 p(x) = e2x , p(x) q (x) + r(x) = p(x) La ecuaci on de Sturm-Liouville es por tanto d 2x e y (x) + e2x y (x) = 0. dx q = 0, r(x) = p(x) = e2x .
(1.19)
(1.20)
La forma de esta ecuaci on nos sugiere otro modo menos formal de hallar esta ecuaci on de Sturm-Liouville: multiplicamos la ecuaci on original por (x), (x)y 2 (x)y + (x) y = 0, y nos preguntamos cu al debe ser (x) para que esta ecuaci on diferencial sea una ecuaci on de SturmLiouville. La respuesta se encuentra exigiendo que el coeciente de y sea igual a la derivada del coeciente de y , es decir d (x) 2 (x) = (x) = e2x . dx En (1.19) se ha escrito que la soluci on de p (x)/p(x) = 2 es p(x) = exp(2x) cuando la soluci on general es realmente p(x) = A exp(2x) siendo A una constante cualquiera. Sin embargo, se ve inmediatamente que esta soluci on conduce a la misma ecuaci on de Sturm-Liouville, ecuaci on (1.20), que p(x) = exp(2x) (compru ebese!). Es por razones de sencillez (o econom a) en la escritura por lo que no escribimos la constante A. Esta raz on es la misma que nos llev o a no escribir un valor para el l mite inferior de integraci on de la integral de la ecuaci on (1.16) dado que un l mite de integraci on constante s olo contribuye con un factor constante delante de la funci on exponencial.
1.3. Espacios vectoriales y operadores lineales

El operador de Sturm-Liouville se dene como el operador diferencial lineal L d q (x) 1 d p(x) + r(x) dx dx r(x) (1.21)
de modo que la ecuaci on de Sturm-Liouville puede escribirse como L y (x) = y (x). (1.22)
Discutiremos m as adelante propiedades del problema de Sturm-Liouville en t erminos de espacios vectoriales y operadores lineales. Por eso damos en la siguiente secci on, a modo de recordatorio, algunos resultados acerca de estos temas.9
Se asume que estos temas son conocidos por el lector: puede verse una discusi on m as detallada en el cap tulo 10 de [But68] y el cap tulo 3 de A. Doneddu, Algebra y geometr a, Aguilar, Madrid, 1978.
9
1.3 Espacios vectoriales y operadores lineales
11
1.3.1. Denici on de espacio vectorial

Un conjunto V de elementos tiene estructura de grupo con respecto a la ley de composici on interna + (suma) si cumplen las siguientes propiedades: 1. Propiedad asociativa: 1 + (2 + 3 ) = (1 + 2 ) + 3 . on 2. Existencia de elemento neutro 0 denido por la relaci + 0 = 0 + = . Al elemento 0 tambi en se le llama elemento nulo. 3. Todo elemento posee su sim etrico : + ( ) = 0. En este caso se dice que (V, +) tiene estructura de grupo. El grupo es abeliano o conmutativo si adem as cumple la propiedad conmutativa: 1 + 2 = 2 + 1 . Un conjunto E de elementos c (escalares) posee estructura de cuerpo con respecto a las leyes de composici on + (suma) y (producto) si cumple que: 1. El conjunto tiene estructura de grupo conmutativo con respecto a +. 2. El conjunto tiene estructura de grupo con respecto a . 3. La ley es distributiva con respecto a +: c1 (c2 + c3 ) = c1 c2 + c1 c3 , (c1 + c2 ) c3 = c1 c3 + c2 c3 . En este caso se dice que (E, +, ) tiene estructura de cuerpo. El grupo conmutativo V con ley de composici on + de elementos (elementos que llamamos vectores) es un espacio vectorial sobre el cuerpo E de elementos c (con leyes de composici on + y ) si la ley de composici on externa * de V sobre E (es decir, : E V V ) posee las siguientes propiedades: 1. Propiedad distributiva: c (1 + 2 ) = c 1 + c 2 , (c1 + c2 ) = c1 + c2 . 2. Propiedad asociativa: (c1 c2 ) = c1 (c2 ). on por la unidad: 3. Invariancia bajo la multiplicaci 1 = siendo 1 el elemento unidad de E . (1.23c) (1.23b) (1.23a)
12
En lo que sigue llamaremos producto tanto a la ley de composici on como a * y las denotaremos a las dos mediante la ausencia de s mbolo, es decir, c1 c2 c1 c2 , c c . Aunque se usa el mismo s mbolo, las operaciones y * son distintas. La situaci on es la misma para el s mbolo +, pues hemos usado este s mbolo para indicar dos operaciones diferentes: 1 + 2 , que es suma de vectores, y c1 + c2 , que es suma de escalares. Tambi en, por comodidad, denotaremos al vector nulo por 0 en vez de escribir 0.
Ejemplo 1.7
Sea V L2 el conjunto de funciones f (x) (en general complejas) tales que la integral a r(x)|f (x)|2 dx existe, siendo r(x) una funci on real siempre positiva. A estas funciones se las llama funciones de cuadrado sumable en el intervalo [a, b] con respecto a la funci on peso r(x). Ahora queremos demostrar que la suma de dos funciones es una ley de composici on interna dentro del conjunto de funciones de cuadrado sumable, es decir, que sucede que f + g L2 si f L2 y g L2 . Sea h(x) = f (x) + g (x), entonces |h(x)|2 = [f (x) + g (x)] [f (x) + g (x)] =|f (x)|2 + |g (x)|2 + 2Re [f (x)g (x)] . Pero Re [f (x)g (x)] |f (x)||g (x)| como es f acil demostrar sin m as que escribir las funci ones anteriores en polares: f = |f |ei , g = |g |ei de modo que Re [f (x)g (x)] = |f ||g | cos( ) |f ||g |. Por tanto, de (1.24) se deduce que |h(x)|2 |f (x)|2 + |g (x)|2 + 2|f (x)||g (x)| Pero de la relaci on 0 [|f (x)| |g (x)|] = |f (x)|2 + |g (x)|2 2|f (x)||g (x)| se deduce inmediatamente que 2|f (x)||g (x)| |f (x)|2 + |g (x)|2 y por tanto (1.25) implica que |h(x)|2 2 |f (x)|2 + |g (x)|2 . Esta relaci on nos permite asegurar que si las integrales
b a b a 2 b
(1.24)
(1.25)
(1.26)
b a
r(x)|f (x)|2 dx y
r(x)|g (x)|2 dx son nitas
entonces la integral r(x)|h(x)|2 dx tambi en es nita, es decir, hemos demostrado que si f L2 y g L2 , 2 entonces h = f + g L . Ahora ya es trivial ver que (L2 , +) es un grupo conmutativo pues conocemos de sobra que la suma de funciones satisfacen las cuatro propiedades (dadas al comienzo de la secci on 1.3.1) que caracterizan a un grupo conmutativo. Por supuesto, es tambi en bien sabido que el conjunto de los n umeros complejos C tiene estructura de cuerpo con respecto a la suma y la multiplicaci on. Adem as el producto de los n umeros complejos por funciones satisface obviamente las propiedades (1.23). Concluimos por tanto que L2 es un espacio vectorial sobre el cuerpo de los n umeros complejos.
1.3 Espacios vectoriales y operadores lineales
13
1.3.2. Denici on de producto escalar

Un producto escalar o interno en el espacio vectorial V sobre el cuerpo (escalar) E es una ley de composici on externa de V 2 sobre E , es decir, el producto escalar asigna un elemento del cuerpo de E a cada par de vectores , del espacio vectorial V : Producto escalar : V V E. La notaci on que usaremos para denotarlo es (, ), es decir: Producto escalar de y = (, ). Esta operaci on para ser realmente un producto escalar ha de satisfacer las siguientes propiedades: 1. Propiedad distributiva: (, c1 1 + c2 2 ) = c1 (, 1 ) + c2 (, 2 ). 2. Propiedad de simetr a (llamada tambi en propiedad de simetr a herm tica): (, ) = (, ) donde el asterisco indica complejo conjugado. 3. (, ) =
c.s. 2 c.s.
(1.27)
0 siendo 0 si y s olo si = 0.
(1.28)
La expresi on = 0 signica que es nulo casi siempre10 , es decir, que es nulo siempre excepto, como mucho, en un conjunto de puntos que no modican el valor nulo del producto escalar (, ). A la cantidad se la llama norma de . Utilizaremos muy a menudo la notaci on de Dirac del producto escalar en la cual se escribe | en vez de (, ), es decir, (, ) | (1.29) Dos vectores y decimos que son ortogonales entre s (o, simplemente, ortogonales) cuando su producto escalar es cero: y ortogonales | = 0 . (1.30)
Ejercicio 1.4
1. 2. Demuestra que la ley de composici on externa (, ) = a r(x) (x)(x)dx, donde r(x) > 0, es un producto escalar sobre el espacio vectorial L2 descrito en el ejemplo 1.7 de la p agina 12. En la propiedad 3, ecuaci on (1.28), se da por supuesto que la norma es un n umero real. Justica que esto es cierto.
b
10
En ingl es, almost everywhere.
14
1.3.3. Operadores lineales. Operadores herm ticos

Los operadores son funciones que act uan dentro del espacio vectorial, es decir, transforman un vector en otro vector: A A = . Un operador A es lineal si A (c1 1 + c2 2 ) = c1 A 1 + c2 A 2 , Ejercicio 1.5
Comprueba que el operador Dn denido por la relaci on Dn [y (x)] el operador Pn denido por Pn [y (x)] y n (x) no es lineal si n = 1. dn y (x) es lineal para todo n y que dxn
c1 , c2 , 1 , 2 .
Todo operador lineal A tiene asociado su operador adjunto A en el espacio vectorial V . El operador adjunto A se dene como aquel que verica que (, A ) = (, A ) , o, en notaci on de Dirac, |A| = |A | , , V. (1.32) Si un operador es igual a su adjunto, A = A , se llama autoadjunto o herm tico.11 Al vector n que satisface la relaci on A n = n n (1.33) , V (1.31)
se le llama autovector de A, siendo n su autovalor correspondiente. Al conjunto de autovalores {n } se le conoce como espectro del operador A. Autovalores y autovectores de operadores herm ticos Sean n y m dos autovectores (no nulos) de A cuyos autovalores son, respectivamente, n y m : An = n n , Am = m m . (1.34) (1.35)
En la notaci on de Dirac los vectores , ,. . . , se representan por | , | , . . . Con esta notaci on las ecuaciones anteriores se reescriben as : A|n = n |n , A|m = m |m ,
11
(1.36) (1.37)
Siguiendo una acreditada tradici on en F sica [v ease, por ejemplo, Quantum mechanics, por C. Cohen-Tannoudji, B. Diu y F. Lalo e (John Wiley & Sons, New York, 1993)] usamos los t erminos herm tico y autoadjunto como sin onimos. No obstante, ambos t erminos no son estrictamente equivalentes. La distinci on es algo sutil: v eanse, por ejemplo, los art culos Self-adjoint extensions of operators and the teaching of quantum mechanics por G. Bonneau, J. Faraut y G. Valent, Am. J. Phys., vol. 69, 322 (2001), y Operators domains and self-adjoint operators por V. S. Araujo, F. A. B. Coutinho y J. F. Perez, Am. J. Phys., vol. 72, 203 (2004). Si nos acogi eramos a estas sutilezas, a lo largo de este texto deber amos cambiar el t ermino herm tico por autoadjunto puesto que asumimos siempre que el dominio de acci on del operador directo y su operador adjunto (es decir, el espacio vectorial sobre el que act uan) es el mismo.
1.3 Espacios vectoriales y operadores lineales de modo que m |A|n = m |n |n = n m |n . Calculemos ahora partir de (1.37), obtenemos m |A |n . Haciendo uso de (1.32) vemos que
15
(1.38) = n |A|m
m |A |n
y, a
m |A |n = m n |m
= m m |n .
(1.39)
donde en la u ltima igualdad hemos empleado la propiedad de simetr a (1.27) del producto escalar. Restando las expresiones (1.38) y (1.39) se tiene m |A|n m |A |n = (n m ) m |n . Si A es un operador herm tico, A = A , la expresi on anterior es nula 0 = (n m ) m |n . Por consiguiente:
2 y, por tanto, = (es decir, es real) ya 1. Si n = m entonces 0 = (n n n n ) n n que n = 0. Esto signica que los autovalores de operadores herm ticos son reales, n R.
(1.40)
2. Si n = m entonces debe ocurrir que m |n = 0. Se concluye por tanto que los autovectores asociados a autovalores distintos son ortogonales. Cuando a un autovalor dado le corresponden M autovectores (linealmente independientes entre s ) se dice que este autovalor est a M veces degenerado. Los autovectores asociados a un mismo autovalor (que en ocasiones se llaman autovectores degenerados) siempre se pueden escoger ortogonales entre s . Un procedimiento sistem atico para ello es el m etodo de Gram-Schmidt.
1.3.4. M etodo de ortogonalizaci on de Gram-Schmidt

Hemos visto que autovectores correspondientes a autovalores distintos son ortogonales. Veamos que los autovectores degenerados correspondientes a un mismo autovalor pueden elegirse ortogonales entre s . es un autovalor N + 1 veces degenerado y que los N + 1 autovectores Supongamos que son linealmente independientes entre s {0 , 1 , , N } con autovalor (es decir, ninguno de ellos puede expresarse como combinaci on lineal del resto). Estos autovectores podr an, en principio, no ser ortogonales entre s , ya que tienen el mismo autovalor (son degenerados). Sin embargo, es posible construir un conjunto {0 , 1 , . . . , N } de N +1 autovectores ortogonales entre s , todos , a partir de los N + 1 autovectores {0 , 1 , . . . , N }. El procedimiento con el mismo autovalor (m etodo de ortogonalizaci on de Gram-Schmidt) es el siguiente: 0 = 0 , 1 = 1 + a10 0 , . . . n = n + an0 0 + an1 1 + + an n1 n1 , . . . N = N + aN 0 0 + aN 1 1 + + aN N 1 N 1 , donde anm = m |n . m 2
(1.41)
16
No es dif cil comprobar que {0 , 1 , . . . , N } es un conjunto de N + 1 autovectores ortogonales : entre s cuyo autovalor es n |m = 0, n = m, (1.42) n. An = Ejercicio 1.6
Se pide: 1. 2. 3. es autovalor de n . Demostrar que Comprobar que los autovectores 0 , 1 y 2 son ortogonales. Demostrar por inducci on que 0 , 1 , N son ortogonales para cualquier N .
1.3.5. Desarrollo en autovectores

De lo que hemos visto en las secciones 1.3.3 y 1.3.4 anteriores concluimos que si A es herm tico, entonces siempre se puede conseguir que sus autovectores sean ortogonales entre s , es decir n |m = n 2 mn donde mn es la delta de Kronecker. Adem as, vamos a tomar como cierta esta armaci on12 : los autovectores {n } del operador herm tico son una base del espacio vectorial V , es decir, V, {c1 , c2 , . . .} C tal que | =
n
cn |n
(1.43)
donde con el s mbolo

n
queremos expresar que la suma se extiende sobre todos los autovectores
de la base. Cuando la relaci on (1.43) se verica se dice que los autovectores {n } constituyen un conjunto completo de vectores del espacio vectorial. Coecientes del desarrollo en autovectores de un vector | V Sea {n } una base del espacio vectorial V de modo que cualquier vector perteneciente a este espacio se puede expresar como combinaci on lineal de esta familia, | =
n
cn |n ,
| V.
(1.44)
Para hallar los coecientes cn multiplicamos escalarmente la expresi on (1.44) por |m , de modo que haciendo uso de la ortogonalidad de los autovectores se obtiene que m | =
n
cn m |n = cm m 2 ,
y por tanto
m | . (1.45) m 2 A estos coecientes los llamaremos coecientes generalizados de Fourier o, simplemente, coecientes de Fourier. cm =
12 Esta armaci on no es siempre verdadera. Sin embargo, s es cierta para el operador herm tico de Sturm-Liouville L operando sobre el espacio vectorial de las funciones de cuadrado sumable que es lo que nos interesa en este libro (v ease la secc on 1.4). Puede verse la demostraci on de esta armaci on en la referencia [CH62]. V ease tambi en la secci on 9.4 de [Arf85]. Se dar an m as detalles sobre esto en la secci on 1.4.
1.4 Espacio vectorial y producto escalar en el problema de Sturm-Liouville Descomposici on espectral de un operador herm tico
17
La acci on de un operador herm tico A sobre un vector cualquiera | puede expresarse f acilmente como combinaci on lineal de autovectores de A. Como hemos visto en el apartado anterior, si {n } es la familia de autovectores de A entonces es una base de V y cualquier vector | puede expresarse como combinaci on lineal de estas autofunciones: | =
n
n | |n . n 2
(1.46)
Si se aplica el operador A al vector | se tiene que A| =

n
n | n |n n 2 n 1 n
2
=
n
|n n | .
(1.47)
Por tanto el operador A puede expresarse as : A=

n
1 n
|n n |.
(1.48)
N otese que podemos armar que el operador A es igual al operador del miembro derecho de (1.48) porque ambos operadores aplicados sobre cualquier vector | conducen al mismo resultado si la relaci on (1.47) es cierta. La relaci on (1.48) se conoce como descomposici on espectral del operador 13 2 herm tico A. Si los autovectores est an normalizados, n = 1, la relaci on (1.48) se convierte en n |n n |. (1.49) A=
n
El operador identidad I se dene por la relaci on I| = | . Es evidente que el operador identidad es herm tico y que los autovectores {n } del operador herm tico A que son una base de V son tambi en autovectores del operador identidad con autovalores iguales a 1: I|n = 1|n . (1.50) Por tanto I=
n
1 n
|n n |.
(1.51)
A esta ecuaci on se la llama relaci on de cierre de la base {n }.
1.4. Espacio vectorial y producto escalar en el problema de Sturm-Liouville

En las secciones siguientes aprovecharemos los resultados de la secci on anterior sobre operadores y espacios vectoriales para resolver el problema de Sturm-Liouville, es decir, para resolver la ecuaci on de Sturm-Liouville con condiciones de contorno homog eneas de tipo Sturm-Liouville (v ease la secci on 1.2.2).
Debiera notarse lo u til, m as bien lo imprescindible, que nos ha sido la notaci on de Dirac para expresar la descomposici on espectral de un operador [c.f. ecuaci on (1.48)] de un modo limpio y transparente.
13
18
Operador de Sturm-Liouville. Recu erdese que, en t erminos de operadores, la ecuaci on de SturmLiouville se escribe L y (x) = y (x). (1.52) donde el operador de Sturm-Liouville L viene dado por L 1 d d q (x) p(x) + r(x) dx dx r(x) (1.53)
y las funciones p(x), q (x) y r(x) han de satisfacer las condiciones discutidas en la secci on 1.2.1 en el intervalo a x b de denici on del problema. Espacio vectorial de las funciones de cuadrado sumable. Sea L2 [a, b, r(x)] el conjunto constituido por todas las funciones complejas f (x) que son de cuadrado sumable con respecto a la funci on peso b r(x) en el intervalo a x b, es decir, aquellas funciones para las que la integral a r(x)|f (x)|2 dx existe (su valor es nito). Si adem as f (x) satisface las condiciones de contorno homog eneas del 2 [a, b, r (x)] es el conjunto problema de Sturm-Liouville, diremos que f L2 [ a, b, r ( x )], donde L SL SL de funciones de cuadrado sumable con respecto a r(x) que satisfacen las condiciones de contorno de Sturm-Liouville. Este conjunto incluye tanto a soluciones del problema de Sturm-Liouville como a no soluciones. Debe notarse que L2 SL [a, b, r (x)] es un espacio vectorial sobre el cuerpo C de los n umeros complejos dado que: 1. (L2 SL , +) es grupo conmutativo. 2. (C, +, ) es cuerpo. 3. La ley de composici on externa de L2 SL [a, b, r (x)] con C tiene las propiedades adecuadas (distributiva, asociativa y elemento neutro). En lo que sigue, por brevedad y siempre que no d e lugar a confusi on, escribiremos L2 en vez 2 2 2 de L [a, b, r(x)], LSL en vez de LSL [a, b, r(x)], y hablaremos de funciones de cuadrado sumable sin mencionar expl citamente la funci on peso r(x) ni el intervalo de denici on a x b. Ejercicio 1.7
Demu estrese que L2 SL es un espacio vectorial comprobando que satisface todas las condiciones requeridas para ello. Este ejercicio nos exige poco m as que repetir los argumentos del ejemplo 1.7 de la p agina 12.
Producto escalar. En el espacio vectorial L2 denimos un producto escalar de la siguiente forma:14

b
(f, g ) f |g =
a
dx r(x) f (x) g (x).
(1.54)
A la funci on r(x) se la llama funci on peso. Es f acil ver (h agase como ejercicio) que la operaci on (f, g ) as denida satisface las tres propiedades que se exigen a un producto escalar:15 |c1 1 + c2 2 = c1 | + c2 |2 , | = | , | =
14 15
donde = 0 si y s olo si = 0.
c.s.
El espacio vectorial L2 con un producto escalar denido en el es un espacio de Hilbert. c.s. El signicado de = 0 se dio en la p agina 3.
1.5 El operador de Sturm-Liouville es herm tico
19
Nuestra denici on de producto escalar satisface esta u ltima propiedad ya que, tal como vimos en la secci on 1.2.1, la funci on peso es siempre positiva, r(x) > 0, excepto, como mucho, en puntos aislados del intervalo (a, b) . Debe notarse que el hecho de que f y g sean funciones de cuadrado sumable garantiza la existencia del producto escalar f |g . La demostraci on de este resultado lo dejamos como ejercicio. Ejercicio 1.8
Demuestra que si f, g L2 [a, b; r(x)] entonces la operaci on f |g denida por la ecuaci on (1.54) existe (da un resultado nito). Pista: t engase en cuenta el resultado siguiente (que se debiera demostrar) f (x)g (x) |f (x)g (x)| = |f (x)| |g (x)| 1 2 1 2 |f | + |g | . 2 2
Ya vimos que el problema de Sturm-Liouville s olo ten a soluci on distinta de la trivial cuando toma ciertos valores concretos. A estos valores los llam abamos autovalores y, a las soluciones, autovectores o autofunciones. Es claro, que esto podemos reexpresarlo as : resolver el problema de Sturm-Liouville equivale a hallar las autofunciones16 n L2 y los autovalores n del operador SL de Sturm-Liouville L dado por (1.21); estos autovalores y autofunciones satisfacen la ecuaci on Ln (x) = n n . (1.55)
1.5. El operador de Sturm-Liouville es herm tico

Vamos a ver que L es un operador herm tico dentro del espacio vectorial L2 SL , es decir, vamos a demostrar que f |L|g = g |L|f (1.56) para cualquier f, g L2 on de producto escalar dada en SL . Para ello hacemos uso de la denici (1.54),
b
f |L|g =
a b
dx r(x) f (x) L g (x) dx r(x) f (x) dx f (x) d dx d 1 r(x) dx p(x) p(x) d dx

b a
=
a b
+ q (x) g (x) dx f (x) q (x) g (x).
=
a
d g (x) + dx
Integrando por partes la primera integral se tiene f |L|g = f (x) p(x) De igual modo hallamos g |L|f = g (x) p(x) y por tanto g |L|f
16
dg (x) dx
a a
dx p(x)
dg df + dx dx
b a
dx f (x) q (x) g (x).
(1.57)
df (x) dx
a a
dx p(x)
df dg + dx dx
b a
dx g (x) q (x) f (x),
= g (x) p(x)
df (x) dx
a a
dx p(x)
df dg + dx dx
b a
dx g (x) q (x) f (x).
Como es habitual, llamaremos autofunciones a los autovectores del operador de Sturm-Liouville.
20
Restando esta u ltima expresi on de (1.57) se obtiene la identidad o f ormula de Green: f |L|g g |L|f es decir f |L|g g |L|f

p(x) f (x)
dg df g (x) dx dx
(1.58)
a
= p(b) [f (b) g (b) g (b) f (b)] p(a) [f (a) g (a) g (a) f (a)]. (1.59)
2 Pero por denici on de L2 SL , si f, g LSL , entonces f y g satisfacen condiciones de contorno de Sturm-Liouville, lo que signica (recu erdese la denici on de condici on de contorno de SturmLiouville que dimos en la secci on 1.2.2) que la f ormula de Green se anula y por tanto el operador L es herm tico dentro del espacio vectorial L2 SL . En resumen, concluimos que las condiciones de contorno de Sturm-Liouville son simplemente aquellas que hacen que L sea herm tico.
1.5.1. Autovalores y autofunciones del operador de Sturm-Liouville

Por ser L un operador herm tico, sus autovalores n son reales y sus autofunciones n (x) son ortogonales bien autom aticamente porque sus autovalores son distintos, o bien por construcci on (m etodo de Gram-Schmidt) cuando las autofunciones son degeneradas. Vamos a demostrar ahora un resultado del que deduciremos inmediatamente que todas las autofunciones de un problema de Sturm-Liouville regular son no degeneradas. Teorema 1.1 Sean f (x) y g (x) dos funciones que satisfacen la ecuaci on de Sturm-Liouville (L + )y = 0 y que adem as verican la condici on de contorno regular en la izquierda 1 y (a)+2 y (a) = 0. Entonces las funciones f (x) y g (x) dieren en una constante multiplicativa, es decir, f (x) = Kg (x), siendo K una constante. Este resultado tambi en es cierto si f (x) y g (x) verican la condici on de contorno en la derecha 1 y (b) + 2 y (b) = 0 Vamos a demostrarlo. En el teorema se asume que f (x) y g (x) satisfacen las relaciones (L + )f = 0, (L + )g = 0. Si multiplicamos la primera ecuaci on por g y la segunda por f y restamos se tiene que f Lg g Lf = 0 o, en forma expl cita (usando la expresi on del operador L), 1 r(x) f (x) d dx p(x) dg dx g (x) d dx p(x) df dx = 0. (1.61) (1.60)
Como r(x) > 0, la expresi on entre llaves ha de ser nula. Integr andola sobre el intervalo [a, x] se tiene que x x d dg d df f (x) p(x) dx g (x) p(x) dx = 0. dx dx dx dx a a Integrando por partes: p(x) f (x) g (x)
x a x x a x
f (x) p(x) g (x) dx p(x) f (x) g (x)
+
a
g (x) p(x) f (x) dx = 0 .
1.5 El operador de Sturm-Liouville es herm tico Las integrales se cancelan entre s , de modo que s olo sobreviven los t erminos de contorno: p(x) f (x) g (x) p(a) f (a) g (a) p(x) f (x) g (x) + p(a) f (a) g (a) = 0. Esta f ormula se conoce como f ormula de Abel. Podemos reescribirla as : p(x) W (x; f, g ) = p(a) W (a; f, g ) donde W (x; f, g ) f (x) f (x) = f (x) g (x) g (x) f (x) g (x) g (x)
21
(1.62)
es el wronskiano de f y g en x. Por ser el problema se Sturm-Liouville regular, se tiene que 1 f (a) + 2 f (a) = 0, 1 g (a) + 2 g (a) = 0. Como 1 , 2 no son simult aneamente nulas, debe ocurrir que f (a) f (a) = W (a; f, g ) = 0, g (a) g (a) luego el wronskiano de f y g es nulo en a, y por tanto, seg un (1.62), tambi en nulo en x, W (x; f, g ) = 0, por lo que f (x) y g (x) son linealmente dependientes: f (x) = K g (x), siendo K una constante cualquiera.17 Por supuesto, este resultado tambi en es v alido si las funciones f (x) y g (x) satisfacen la condici on de contorno regular en la derecha en vez de la condici on de contorno a la izquierda. Ejercicio 1.9
Demuestra la armaci on anterior. Pista: prueba a integrar (1.61) sobre el intervalo [x, b].
(1.63) (1.64)
El resultado que acabamos de demostrar implica que si dos autofunciones distintas f, g L2 SL de un problema de Sturm-Liouville regular tienen el mismo autovalor (que llamaremos ), Lf = f, Lg = g, entonces estas funciones s olo dieren en un factor multiplicativo constante: f /g = K , siendo K una constante, es decir, f y g son la misma autofunci on (recu erdense las consideraciones que se hicieron en la p agina 7 sobre este asunto). Concluimos por tanto que en un problema de Sturm-Liouville regular a cada autovalor le corresponde una u nica autofunci on f (x) (salvo un factor constante arbitrario trivial). En resumen: Teorema 1.2 Todas las autofunciones de un problema de Sturm-Liouville regular son no degeneradas. Terminamos dando un resultado que no demostraremos:18
Dos soluciones y1 (x) y y2 (x) de la ecuaci on homog enea y (x)+ P (x)y (x)+ Q(x)y (x) = 0 en el intervalo [a, b] son linealmente dependientes si y s olo si su wronskiano W (x; y1 , y2 ) es id enticamente cero. Puede verse la demostraci on de este resultado en la secci on 15 de [Sim93]. 18 Puede verse la demostraci on de este teorema en el ap endice A del cap tulo 7 de [Sim93] o en la secci on 7.2, teorema 7.2.6, de [Myi78].
17
22
Teorema 1.3 Los problemas regulares de Sturm-Liouville tienen una secuencia innita de autovalores 0 < 1 < 2 < donde l mn n = , es decir, hay un n umero innito de autovalores existiendo uno m nimo y sin existir uno m aximo. Adem as, las autofunciones n , con n = 0, 1, 2, , son reales y tienen n ceros en el intervalo abierto (a, b). Ilustraremos estos resultados mediante el ejemplo siguiente.
Ejemplo 1.8
Queremos hallar la soluci on del problema de Sturm-Liouville y + y = 0 con las condiciones de contorno, CC : y (0) = 0, y (1) + h y (1) = 0, (1.66) 0 x 1, (1.65)
h 0.
Es claro que esto es un problema de Sturm-Liouville regular con p(x) = 1, q (x) = 0 y r(x) = 1, es decir, L= d2 . dx2
En la resoluci on de la ecuaci on de Sturm-Liouville distinguiremos tres casos: = 0. Para este caso, la soluci on general de la ecuaci on de Sturm-Liouville es y (x) = Ax + B donde, A y B son constantes a determinar. Puede comprobarse sin dicultad que no existe soluci on posible (aparte de la trivial y (x) = 0) que satisfaga las condiciones de contorno (1.66). < 0. Ahora, la soluci on general de la ecuaci on de Sturm-Liouville es y (x) = A cosh( x) + B senh( x) donde A y B son constantes a determinar. Puede comprobarse que, tambi en en este caso, no existe soluci on posible [aparte de la trivial y (x) = 0] que satisfaga las condiciones de contorno (1.66). Ve amoslo. De la primera condici on de contorno se deduce que y (0) = 0 A = 0. Es decir, y (x) = B senh x (1.67)
es la u nica forma posible de la soluci on de la ecuaci on de Sturm-Liouville con < 0 que puede satisfacer la condici on de contorno en x = 0. Podr a esta soluci on satisfacer tambi en la condici on de contorno en el otro extremo, en x = 1? Si imponemos esta condici on de contorno, se tiene que y (1) + h y (1) = 0 B senh + h B cosh = 0. Dado que B = 0 conduce a la soluci on trivial y (x) = 0, la u nica alternativa posible es que senh + h cosh = 0, o bien tanh = h . (1.68)
Esta ecuaci on no tiene soluci on para < 0 si h > 0 (v ease la gura 1.1). > 0. En este caso, la soluci on general de la ecuaci on de Sturm-Liouville es y (x) = A cos x + B sen x.
1.5 El operador de Sturm-Liouville es herm tico
23
1.0
tanh(z)
0.5
0.0 -1 0 1 2 3 4 5
-0.5
-h z
-1.0
Figura 1.1: Soluci on gr aca de la ecuaci on trascendente tanh z = hz con z soluci on posible es = 0 si h > 0.
. La u nica
Veamos si existe alg un modo de que una soluci on con esta forma pueda satisfacer las condiciones de contorno (1.66). De la primera condici on de contorno se deduce que y (0) = 0 A = 0. Es decir, y (x) = B sen x (1.69)
es la u nica forma posible de la soluci on de la ecuaci on de Sturm-Liouville con > 0 que puede satisfacer la condici on de contorno en x = 0. Podr a esta soluci on satisfacer tambi en la condici on de contorno en el otro extremo, en x = 1? Si imponemos esta condici on de contorno, se tiene que y (1) + h y (1) = 0 B sen + h B cos = 0. Dado que B = 0 conduce a la soluci on trivial y (x) = 0, la u nica alternativa posible es que sen + h cos = 0, o bien tan = h . (1.70)
Encontramos por tanto que el u nico modo de que el problema de Sturm-Liouville formado por la ecuaci on de Sturm-Liouville (1.65) m as las condiciones de contorno regulares (1.66) tenga soluci on distinta de la trivial y (x) = 0 es si toma justamente los valores19 soluci on de la ecuaci on (1.70). Cualquier otro valor conduce a un problema sin soluci on posible. La ecuaci on transcendente (1.70) no tiene soluci on expl cita, pero pueden estimarse sus ra ces gr acamente, como se muestra en la gura 1.2. Las soluciones zn de la ecuaci on transcendente tan z = hz nos proporcionan los autovalores de nuestro problema de SturmLiouville. Es claro que existe una secuencia de autovalores 0 < 1 < 2 < con l mn n = . Por ejemplo, para h = 2, se obtiene num ericamente que z1 1 8366, z2 4 82032, z3 7 91705, . . . , y por tanto 0 3 37309, 1 23 2355, 2 62 6797, . . . Las autofunciones correspondientes son n1 (x) = sen zn x con n = 1, 2, . N otese que zn con n = 1, 2, no conduce a autofunciones diferentes pues sen zn x = sen zn x. En denitiva, el conjunto de autofunciones distintas de nuestro problema viene dado por (1.71) n (x) = sen n x.
Por supuesto, estos valores no son nada m as que los autovalores del operador de Sturm-Liouville L = d2 /dx2 2 que opera dentro del espacio vectorial LSL de las funciones de cuadrado sumable que satisfacen las condiciones de contorno regulares (1.66).
19
24
20
tan(z)
10
0 0 2 4 6 8 10
-10
-20
Figura 1.2: Soluci on gr aca de la ecuaci on trascendente tan z = hz con z = . Los autovalores se extraen del valor de las abscisas zn de los puntos de corte de tan z (l nea continua) y hz (l nea 2 . En esta gura hemos tomado h = 2. discontinua) pues n1 = zn
+1 +1 Puede verse sin demasiada dicultad que n tiene n ceros en (0, 1): sabemos que 2n2 < n < 2n2 + 2n+1 = ( n +1) por lo que = B sen x tiene n ceros en (0 , 1) pues sen x y sen[( n +1) x ] tienen n n 2 2 n ceros en el intervalo 0 x 1. En las guras 1.3 y 1.4 se muestra esto para las primeras autofunciones 0 y 1 . Ejercicio 1.10 1. Demuestra que las autofunciones (1.71) son ortogonales entre s . Ayuda:
1 0
sen(x) sen(x)dx = [ cos sen cos sen ]/( 2 2 ) .
2.
Resuelve ahora este ejemplo suponiendo que h < 0. Ten en cuenta que tanto d tan(x) 1 = dx cos2 (x) 1 d tanh(x) = dx cosh2 (x) son iguales a 1 en x = 0, de modo que las soluciones ser an distintas dependiendo de si h 1 o h < 1. como
En los problemas de Sturm-Liouville peri odicos algunos autovalores pueden estar doblemente degenerados. El siguiente problema nos da m as detalles. Teorema 1.4 Los autovalores de un problema de Sturm-Liouville peri odico forman una secuencia innita < 0 < 1 2 < 3 4 < . El primer autovalor 0 no est a nunca degenerado. Si 2m+1 < 2m+2 para m 0, entonces a cada uno de estos autovalores le corresponde una u nica autofunci on. Pero si 2m+1 = 2m+2 a este ( unico) autovalor le corresponden dos autofunciones distintas.20
Este u ltimo caso es justamente el que se da en el problema de Sturm-Liouville peri odico que se discutir a en el ejemplo 1.11.
20
1.6 Desarrollo en serie de autofunciones
25
1.0
1.0
0.8
0.5
0.6
x
0.0 0.0 -0.5 0.5 1.0
0.4
0.2
0.0 0.0 0.2 0.4 0.6 0.8 1.0
-1.0
Figura 1.3: La autofunci on 0 (l nea continua) tiene el mismo n umero de ceros (ninguno) que sen(x) (l nea de rayas) y sen(x/2) (l nea de puntos).
Figura 1.4: La autofunci on 1 (l nea continua) tiene el mismo n umero de ceros (uno) que sen(2x) (l nea de rayas) y sen(3x/2) (l nea puntos).
La situaci on para problemas de Sturm-Liouville singulares es m as compleja pudi endose encontrar espectros continuos y discretos de autovalores.
1.6. Desarrollo en serie de autofunciones

Tal como discutimos en la secci on 1.3.5, dado que L es un operador herm tico en L2 SL , sus 21 2 autofunciones {n } constituyen un conjunto completo de LSL , por lo que cualquier funci on (x) perteneciente a L2 puede expresarse como combinaci o n lineal de las autofunciones n SL (v ease la secci on 1.3.5 en la p agina 16). Vamos ahora a ser un poco m as precisos y discutir qu e hay que entender exactamente por el t ermino expresarse. Para ello vamos a empezar dando unas cuantas deniciones. La primera de ellas ya se ha dado en la p agina 18, pero la recogemos aqu de nuevo. on (x) es de cuadrado sumable en el intervalo cerraFunci on de cuadrado sumable. Una funci b do [a, b] con respecto a la funci on peso r(x) si la integral a dx r(x) |(x)|2 existe, es decir, si b 2 2 a dx r (x) |(x)| < . Al conjunto de todas estas funciones lo denotaremos por L [a, b; r ] o, 2 m as abreviadamente, por L . En el contexto de un problema de Sturm-Liouville con funci on 2 [a, b; r ]) al conjunto de funciones peso r(x) e intervalo de denici on [a, b], llamaremos L2 (o L SL SL pertenecientes a L2 [a, b; r] que adem as satisfacen las condiciones de contorno de este problema de Sturm-Liouville. Funci on continua a trozos. Una funci on (x) es continua a trozos en un intervalo a x b si este intervalo puede dividirse en un n umero nito de subintervalos a = x0 < x1 < x2 < xn = b de modo tal que: 1. La funci on es continua dentro de cada intervalo abierto xi < x < xi+1 y, adem as,
V ease la secci on 9.4 de [Arf85]. Una exposici on m as avanzada de las cuestiones tratadas en esta secci on puede encontrarse en el capitulo VI de [CH62].
21
26
(x)
Figura 1.5: Ejemplo de una funci on no suave en x = c pues su derivada es discontinua en x = c. Sin embargo s es suave a trozos.
2. La funci on se aproxima a un l mite nito cuando x se aproxima a los extremos de cada intervalo bien por la izquierda o por la derecha, es decir, existen los l mites l mxxi (x) y l mxxi + (x) aunque los dos sean distintos. on (x) es suave a trozos en un intervalo [a, b] Funci on suave a trozos. Decimos que una funci cuando ella y su derivada son continuas a trozos en este intervalo.
Ejemplo 1.9
La funci on (x) = cos(x) + H (x) donde H (x) es la funci on salto de Heaviside22 , es suave a trozos en el intervalo [, ], pues es suave para x < 0 y x > 0. En cambio, la funci on continua (x) = |x| no es suave pues su primera derivada es discontinua en x = 0, aunque si es suave a trozos, pues su derivada es continua para x < 0 y para x > 0.
Convergencia en media cuadr atica. La serie cn n (x)

n
converge a (x) en media cuadr atica con respecto a la funci on peso r(x) en el intervalo [a, b] si el error cuadr atico medio con respecto a la funci on peso r(x) en el intervalo [a, b]
b n 2 n
En =
dx r(x) (x)
a m=0
cm m (x)
= (x)
m=0
m (x)
va a cero cuando n tiende a innito, es decir, si

b n a
22
l m
dx r(x) (x)
m=0
cm m (x)
= 0.
H (x) = 0 para x < 0, H (x) = 1 para x > 0.
27
Ya estamos en condiciones de enunciar los teoremas referentes al tipo de convergencia que puede esperarse de una serie de autofunciones de un problema de Sturm-Liouville. En lo que sigue asumimos que {n (x)} son las autofunciones correspondientes a un problema de Sturm-Liouville en el intervalo [a, b] con funci on peso r(x). on de cuadrado sumable con respecto a la funci on peso r(x) en Teorema 1.5 Si (x) es una funci el intervalo a x b, ((x) L2 [a, b; r]), entonces la serie de Fourier generalizada cn n (x)
n
(1.72a)
con cn =
1 n
b 2 a
dx r(x) n (x) (x)
(1.72b)
converge en media cuadr atica a (x) en el intervalo [a, b]. Cuando esto sucede se dice que el conjunto {n (x)} constituye un conjunto completo con respecto a la convergencia en media cuadr atica para el conjunto de funciones de L2 [a, b; r]. Teorema 1.6 (Convergencia punto a punto) Si el problema de Sturm-Liouville es regular y (x) es una funci on suave a trozos en el intervalo a x b, entonces la serie de Fourier generalizada cn n (x)
n
(1.73a)
con cn =
1 n
b 2 a
dx r(x) n (x) (x)
(1.73b)
converge a [(x+) + (x)]/2 en cada punto del intervalo abierto (a, b). Si (x) satisface las condiciones de contorno de este problema, entonces la serie (1.73a) es absoluta y uniformemente convergente a la funci on (x) en todo el intervalo cerrado [a, b]. Como es habitual, escribiremos (x) = n cn n (x) tanto si n cn n (x) converge a (x) en media cuadr atica como punto a punto, es decir, usaremos el mismo s mbolo = para indicar distintos tipos de convergencia de la serie. Las expresiones (1.72) [o (1.73)] se conocen como series de Fourier generalizadas (o desarrollos generalizados de Fourier).
Ejemplo 1.10
Queremos hallar todas las soluciones posibles (autofunciones) del problema de Sturm-Liouville y (x) 2y (x) + y (x) = 0, con las condiciones de contorno y (0) = y ( ) = 0
x
0 x ,
(1.74) (1.75)
y expresar la funci on f (x) = x e como serie de estas autofunciones. La ecuaci on (1.74), aunque no tiene la forma de una ecuaci on de Sturm-Liouville, ser a equivalente a la ecuaci on de Sturm-Liouville p(x)y (x) + p (x)y (x) + [q (x) + r(x)]y (x) = 0 si p (x) = 2, p(x) q (x) + r(x) = . p(x)
28
Es f acil ver que esto se satisface si p(x) = e2x , En denitiva, vemos que e2x y (x) 2 e2x y (x) + e2x y (x) = 0 r(x) = e2x , q (x) = 0.
es equivalente a la ecuaci on (1.74) (es decir, tiene las mismas soluciones) y adem as ahora s tiene la forma de una ecuaci on de Sturm-Liouville. La ecuaci on (1.74) es una ecuaci on lineal de coecientes constantes de modo que su soluci on es sencilla. Insertamos y (x) = erx para obtener el polinomio caracter stico r2 2r + = 0 cuya soluci on es r = 1 Si = 1, la ra z es doble y la soluci on de (1.74) es y (x) = ex (Ax + B ). En los dem as casos con = 1 la soluci on es y (x) = ex A e
1 x
1 .
+B e
1 x
(1.76)
Pasemos a buscar las soluciones que satisfacen las condiciones de contorno (1.75) distinguiendo los casos = 1, < 1 y > 1: = 1. Para que y (x) = ex (Ax + B ) satisfaga la condici on de contorno y (0) = 0 debe ocurrir que B = 0, de modo que la soluci on ser a y (x) = A ex x. En este caso, la otra condici on de contorno y ( ) = 0 = A e s olo puede ser satisfecha si A = 0, lo que nos lleva a que, cuando = 1, la u nica soluci on posible de (1.74) con las condiciones de contorno (1.75) es la soluci on nula (soluci on trivial) y (x) = 0. Concluimos que = 1 no es autovalor. < 1. En este caso la soluci on (1.76) puede escribirse de esta forma m as conveniente:23 y (x) = ex A cosh 1 x + B senh 1 x . (1.77)
Es f acil ver que la condici on de contorno y (x) = 0 exige A = 0, es decir exige que y (x) = B ex senh 1 x. Pero la segunda condici on de contorno y ( ) = 0 = B e senh 1 s olo puede vericarse si B = 0, lo que nos lleva a que, si < 1, la u nica soluci on posible de (1.74) con las condiciones de contorno (1.75) es la soluci on trivial y (x) = 0. Concluimos que no existe ning un autovalor menor que la unidad. > 1. En este caso la soluci on (1.76) puede escribirse de esta forma m as conveniente: y (x) = ex A cos 1 x + B sen 1x .
Es f acil ver que la condici on de contorno y (x) = 0 exige A = 0, es decir exige que y (x) = B ex sen 1 x. La segunda condici on de contorno y ( ) = 0 = B e sen 1 puede satisfacerse, bien si B = 0, pero esto nos llevar a a la soluci on trivial, o bien si sen 1 = 0,
Por supuesto las constantes A y B de (1.76) no son iguales a las constantes A y B de (1.77). Habitualmente usamos las letras A, B , C ,. . . para denotar constantes gen ericas sin atribuirlas en principio ning un valor concreto.
23

70 60 50 40 30 20 10 0.5 1 1.5 2 2.5 3 0.5 1 1.5 2 2.5 3 20 60 40 80
29
(a)
80 60 40
(b)
90 80 70 60 50
20
40 30 0.5 1 1.5 2 2.5 3 2.8 2.85 2.9 2.95 3.05 3.1
(c)
(d)
Figura 1.6: Comparaci on entre la funci on x ex (l nea de puntos) y la serie (1.81) (l nea continua) en la que se retienen los primeros (a) 20 t erminos, (b) 50 t erminos, (c) 100 t erminos, y (d) 100 t erminos (detalle).
es decir, si
1 = n con n = 1, 2, , es decir, si = n 1 + n 2 , n = 1, 2, (1.78)
No hemos incluido el caso n = 0 porque este valor no conduce a > 1. Las autofunciones correspondiente a los autovalores n son por consiguiente n (x) = ex sen n 1x = ex sen nx, n = 1 , 2,
N otese que los valores n = 1, 2, no conducen ni a autovalores ni a autofunciones distintas. El desarrollo de f (x) = x ex (en el intervalo [0, ]) en serie de las autofunciones n (x) viene dado por
xe =
n=1
cn n (x)
con
cn =
n |x ex n 2
(1.79)
donde n | x e x =
0
dx r(x) n (x) x ex , dx r(x) [n (x)]2 .
=
0
30
Pero hemos visto al comienzo de este ejemplo que la funci on peso r(x) de este problema de Sturm-Liouville es r(x) = e2x de modo que n | x e x =
0
dx e2x ex sen(nx) x ex =
0
dx x sen(nx) = (1)n+1 , n
=
0
dx e2x e2x
sen2 (nx) = , 2
y por tanto los coecientes de Fourier son cn = (1)n+1 2 . n (1.80)
El desarrollo de Fourier generalizado dado por la ecuaci on (1.79) toma entonces la forma
x ex =
n=1
(1)n+1
2 x e sen nx, n
0 x .
(1.81)
En la gura 1.6 se compara esta serie cuando se retienen sus primeros N t erminos, es decir
N
SN (x) =
x
(1)n+1
n=1
2 x e sen nx n
frente a la funci on x e . En las gr acas de la gura 1.6 se observa un comportamiento irregular de la serie truncada en las vecindades del extremo superior x = . Puede apreciarse una u ltima oscilaci on que sobrepasa notablemente a la funci on x ex y cuya distancia a esta funci on no disminuye de forma apreciable cuando aumenta el n umero de t erminos que se retienen en la serie. El u nico efecto apreciable es el desplazamiento de la posici on de estas oscilaciones hacia el extremo superior x = . Lo que estamos viendo es un ejemplo de lo que se conoce como fen omeno de Gibbs.24 Podr a parecer que el fenomeno de Gibbs contradice el teorema 1.6 de la convergencia punto a punto. Esto no es as porque las oscilaciones tienden a irse hacia el extremo de modo que, para un x dado arbitrariamente cercano al extremo x = , siempre podemos escoger un n umero de t erminos suciente grande que haga que las oscilaciones est en a un m as cerca del extremo que el punto escogido y as conseguir la convergencia punto a punto. Ejercicio 1.11 En el intervalo 0 x se dene la siguiente funci on: f (x) = 1. 2. x ex , x = 2 , 40, x = 2.
Es f (x) una funci on de cuadrado sumable en el intervalo [0, ] con respecto a la funci on peso r(x) = e2x ? Es una funci on suave a trozos? Demuestra que el desarrollo de esta funci on f (x) en serie de las autofunciones n (x) = ex sen nx viene dado por 2 (1)n+1 ex sen nx , (1.82) n n=1 es decir, por el mismo desarrollo que encontramos para la funci on x ex donde x [0, ] [v ease la ecuaci on (1.81)]. A qu e se debe que los desarrollos sean los mismos para las dos funciones? La serie (1.82) converge en media cuadr atica a las funciones f (x) y x ex . Por qu e? x La serie (1.82) converge a la funci on x e en el punto x = 2. Por qu e? La serie (1.82) no converge a la funci on f (x) en el punto x = 2. Por qu e?
3. 4. 5.
24
Pueden verse m as detalles en, por ejemplo, la secci on 14.5 de [Arf85].
31
1.6.1. Error cuadr atico m nimo de una suma de autofunciones, identidad de Parseval y relaci on de cierre
Ahora nos preguntamos cu ales deben ser los coecientes am para que la suma n m=0 am m (x) de las n primeras autofunciones de un problema de Sturm-Liouville (con funci on peso r(x) en el intervalo [a, b]) sea una representaci on optima en media cuadr atica de la funci on (x). Una aproximaci on n a ( x ) a una funci o n ( x ) es o ptima en media cuadr a tica cuando el error m=0 m m cuadr atico medio
n
En = (x)
m=0 n
am m (x)
(1.83)
n
(x)
m=0
am m (x) (x)
m=0
am m (x)
(1.84)
con respecto a la funci on peso r(x) en el intervalo [a, b] es m nimo. Es f acil ver que
n n n n
En = Pero m | = cm m En = Es decir,
m=0
am |m
m=0
a m m | +
m=0 l=0
a m al m |l .
y |m = m |
n
2 = c m m , y por tanto n n
m=0
am c m m
m=0
a m cm m
+
m=0
|am |2 m 2 .
En = Pero
+
m=0
|am |2 am c m am cm
m 2 .
2 |am cm |2 = (am cm ) (am cm ) = |am |2 a m cm am cm + |cm | ,
por lo que podemos escribir

n
En =
+
m=0
|am cm |2 |cm |2
m 2 .
(1.85)
Como |am cm |2 es siempre positiva, el error En es m nimo cuando am = cm . En este caso, En se reduce a
n
En = En resumen:
m=0
|cm |2 m 2 .
(1.86)
Teorema 1.7 Para un valor de n dado, la suma parcial de (x) cuyo error cuadr atico medio
n
n m=0 cm m (x)
da lugar a una estimaci on
En = (x)
m=0
cm m (x)
es menor o igual que el de cualquier otra suma parcial

n
n m=0 am m (x): n
(x)
m=0
cm m (x)
(x)
m=0
am m (x)
32
La igualdad se produce cuando am = cm , donde cm = m | / m 2 . El valor m nimo del error cuadr atico medio es por tanto
n
m n En =
m=0
|cm |2 m
(1.87)
Ejercicio 1.12
Utiliza el programa Mathematica (u otro parecido) para comparar el error cuadr atico medio que se comete en el intervalo [0, 1] con respecto a la funci on peso r(x) = ex cuando se aproxima la funci on x ex con una 20 combinaci on lineal de las 20 primeras autofunciones que se hallaron en el ejemplo 1.10: n=1 an ex sen nx. Comprueba que cualquier elecci on que hagas de los coecientes an conduce a un error cuadr atico medio mayor que el que se comete cuando se usan los coecientes de Fourier cn hallados en (1.80).
Por el teorema 1.5, sabemos que si (x) es una funci on de cuadrado sumable con respecto a la 2 funci on peso r(x) en el intervalo [a, b] ((x) L [a, b; r]), entonces la serie n cn n (x) converge en media cuadr atica a (x), es decir En 0 para n . En este caso, de la ecuaci on (1.87) se deduce el siguiente resultado: on de cuadrado sumable se tiene que Teorema 1.8 (Identidad de Parseval) Para una funci Relaci on de Cierre. La expresi on general de la relaci on de cierre era (v ease la p agina 17) I=
n 2
=
n
|cn |2 n 2 .
(1.88)
1 n
|n n |.
Podemos expresar esta relaci on de un modo m as expl cito: (x) =

n
cn n (x) 1 n
b b 2 a dx r(x ) n (x ) (x ) n (x) (x ) (x) n n n 2
=
n
=
a
dx r(x )
n
(x ),
de donde se deduce25
1 (x x ) = r(x )
1 n
n (x) n (x ).
(1.89)
Recu erdese que la funci on delta de Dirac se dene por las propiedades (x) = 0 si x = 0 y f (x) = x )f (x ).
25
dx (x
33
Ejemplo 1.11
Mediante este ejemplo vamos a mostrar que la teor a del desarrollo de Fourier no es mas que un caso particular de la teor a de Sturm-Liouville. Sea la ecuaci on de Sturm-Liouville con p(x) = r(x) = 1, q (x) = 0, k 2 , es decir, sea d2 y + k 2 y = 0, dx2 junto con las condiciones de contorno y (a) = y (a + L), y (a) = y (a + L). (1.90b) a x a + L, (1.90a)
Estas condiciones de contorno son peri odicas pues p(a) = p(a + L). Este es por tanto un problema de Sturm-Liouville peri odico. Distinguiremos dos casos con soluciones distintas. Para k 2 = 0, la soluci on general es y (x) = Ax + B. Es f acil ver que la soluci on y (x) = B , con B cualquiera, es una soluci on aceptable del problema (1.90). Nuestra primera autofunci on es 0 (x) = 1 para = k 2 = 0, donde hemos escogido B = 1 por simplicidad. Para k 2 = 0, la soluci on general de la ecuaci on de Sturm-Liouville es y (x) = A eikx +B eikx . Debemos ahora ver qu e valores han de tomar A, B y k para que se satisfagan las condiciones de contorno. De la primera condici on de contorno obtenemos A eika +B eika = A eik(a+L) +B eik(a+L) es decir La segunda condici on implica ikA eika ikB eika = ikA eik(a+L) ikB eik(a+L) es decir, A eika 1 eikL B eika 1 eikL = 0. (1.92) A eika 1 eikL + B eika 1 eikL = 0. (1.91)
Para que el sistema formado por las ecuaciones (1.91) y (1.92) tenga soluci on distinta de la trivial (A = B = 0) debe ocurrir que el determinante de sus coecientes sea igual a cero: eika 1 eikL eika 1 eikL Desarrollando el determinante se obtiene 2 1 eikL 1 eikL = 0. eika 1 eikL eika 1 eikL = 0.
Es decir, s olo los valores de k que hagan que se verique, bien la relaci on 1 eikL = 0, o bien la relaci on ikL 1e = 0, conducen a soluciones distintas de la trivial. Estos valores de k son eikL = 1 k = de modo que los autovalores son
2 n = k n =
2n kn , L
n = 1, 2,
(1.93)
4 2 2 n , L2
n = 1 , 2,
(1.94)
34
Por tanto, las soluciones del problema de Sturm-Liouville denido por las ecuaciones (1.90) tienen la forma n (x) = An eikn x +Bn eikn x n = 1, 2,
con A y B cualesquiera (incluso cero, aunque no simult aneamente). N otese que n (x) y n (x) tienen igual autovalor pero son, en general, dos autofunciones distintas. Adem as, en general (es decir, para una elecci on arbitraria de los coecientes An , Bn , An , Bn ) estas dos autofunciones no ser an ortogonales entre s . Sin embargo, si escogemos An = 1 y Bn = 0 con n = 1, 2, , las autofunciones correspondientes son ortogonales y adoptan una forma especialmente simple que llamaremos n (x). Como 0 (x) = 1, podemos expresar todo el conjunto de autofunciones as : n (x) = ei2nx/L , n = 0, 1, 2,
Otra elecci on posible, tambi en muy habitual por la sencillez del resultado, es An = Bn = 1/2 y An = (1) (2) Bn = i/2 con n = 1, 2, , obteni endose n (x) = cos(2nx/L), n (x) = sen(2nx/L). Como 0 (x) = 1, podemos escribir todas las autofunciones de este modo:
(1) (x) = cos(kn x), n (2) n (x) (1) (2)
n = 0, 1, 2 n = 1, 2
= sen(kn x),
as que las funciones (arm onicos) de las series de Fourier. Por supuesto {n (x)} y {n (x), n (x)} no son m Veamos a continuaci on con detalle algunas de las propiedades de las autofunciones n (x). Degeneraci on. Las autofunciones con n = 0 son doblemente degeneradas pues n y n tienen el mismo 2 . Este resultado est a de acuerdo con lo que armaba el teorema 1.4 en la p agina 24. autovalor, = kn Ortogonalidad. Las autofunciones {n } son ortogonales entre s . Esto es f acil de demostrar pues
a+L
n |m =
a
dx n (x) m (x) =
a+ L a
dx ei2(mn)x/L .
Por tanto: Si m = n, entonces n | m = Si m = n, entonces n En resumen, n |m = L nm siendo nm la delta de Kronecker. Desarrollo en serie. Si (x) es una funci on denida en el intervalo a x a + L, entonces podemos expresarla como un desarrollo en serie de Fourier,
2 a+L
L ei 2(mn)x/L i 2 (m n)
a+ L
= 0.
a
=
a
dx = L.
(x) =
n=
cn n (x) =
n=
cn ei 2nx/L
(1.95)
donde los coecientes de Fourier cn son cn = n | 1 = 2 n L

a+ L a
ei 2nx/L (x) dx.
(1.96)
35
Si la funci on (x) es suave en el intervalo [a, a + L], la serie de (1.95) converge punto a punto a (x) (v ease el teorema 1.6); si (x) es de cuadrado sumable, la serie converge en media cuadr atica (v ease el teorema 1.5). Identidad de Parseval. En este problema de Sturm-Liouville, la identidad de Parseval dada por (1.88) signica que 1 a+L dx |(x)|2 = |cn |2 . (1.97) L a n= Relaci on de cierre. La relaci on de cierre dada por (1.89) toma en este caso la forma (x x ) =
2n 1 ei L (xx ) . L n=
(1.98)
Esta es una representaci on habitual y u til de la funci on delta de Dirac. Ejercicio 1.13 1. 2. Comprueba que los resultados que hemos obtenido en este ejemplo est an de acuerdo con el teorema 1.4. Calcula num ericamente y dibuja la funci on 1 L
N
ei
n=N
2n L (xx
3.
con x = L/2 y L = 1, para diversos valores de N . Comprueba que la funci on se parece cada vez m as a una funci on delta de Dirac centrada en x = 1/2 a medida que N aumenta. Qu e sucede si vas aumentando el valor de L? Hemos dicho anteriormente que las dos autofunciones n (x) = An ei2nx/L +Bn ei2nx/L , n (x) = An ei2nx/L +Bn ei2nx/L , tienen el mismo autovalor n = 4 2 n2 /L y que, en general, no son ortogonales entre s para cualquier elecci on de los coecientes An , An , Bn y Bn . Dijimos adem as que si elegimos An = An = 1 y Bn = Bn = 0, entonces las dos autofunciones resultantes n (x) = ei2nx/L y n (x) = ei2nx/L , s son ortogonales. Tambi en dijimos que la elecci on An = Bn = 1/2 y An = Bn = i/2 hace que (2) (1) las autofunciones resultantes n (x) = cos(2nx/L) y n (x) = sen(2nx/L) sean ortogonales entre s . En este ejercicio se pide: a) Demostrar que n (x) y n (x) son ortogonales si se satisface la relaci on An Bn + An Bn = 0. b) c) (1.99)
Comprueba que las elecciones anteriores (An = An = 1 y Bn = Bn = 0 por un lado, y An = Bn = 1/2 y An = Bn = i/2 por otro) satisfacen esta relaci on. Para cada autovalor n , encuentra otra pareja de autofunciones ortogonales entre s mediante una elecci on de coecientes An , An , Bn y Bn (distinta a las anteriores) que satisfaga la relaci on (1.99).
Transformada de Fourier Es bien conocido que cuando el intervalo de denici on de la funci on (x) tiende a innito, la serie de Fourier que describe a (x) se transforma en una transformada de Fourier. Ve amoslo. Por comodidad tomamos
36
a = L/2 y escribimos k = 2n/L sin incluir el sub ndice n en k (la dependencia en n queda as s olo impl cita). De este modo escribiremos c(k ) en vez de cn y las ecuaciones (1.95) y (1.96) se transforman en (x) =
k
c(k ) eikx , 1 L
L/2 L/2
k = 0,
2 4 , , L L
(1.100) (1.101)
c(k ) = Como k =
2 L
dx eikx (x).
entonces
L 2 k
= 1. Multiplicando la ecuaci on (1.100) por esta u ltima cantidad, se tiene k

k
(x) = donde (k ) =
L c(k ) eikx = 2
L/2 L/2
k (k ) eikx ,
k
L 1 c(k ) = 2 2
dx eikx (x).
Si tomamos el l mite L , lo que implica k 0, estas sumas se transforman en integrales:
(x) =
dk eikx (k ),

(k ) =
1 2
dx eikx (x).
(1.102)
A la funci on (k ) se la conoce como transformada de Fourier de (x). El resultado anterior puede entenderse como que cualquier funci on sucientemente bien comportada26 en la recta real puede desarrollarse en t erminos de autofunciones asociadas a autovalores que forman un espectro continuo. Ejercicio 1.14 1. Emplea los argumentos anteriores que permitieron deducir la ecuaci on (1.102) a partir de la ecuaci on (1.95), para deducir la relaci on (x, x ) = 1 2

dk eik(xx )
(1.103)
2.
a partir de la ecuaci on (1.98). Emplea la relaci on (1.103) para demostrar que f (k )|g (k ) = 1 f (x)|g (x) . 2
Ejemplo 1.12
La identidad de Parseval permite obtener sumas notables. Veamos un ejemplo (puede verse otro ejemplo interesante en el problema 24 del cap tulo 2). Sea la funci on (x) = x con 0 x . Su desarrollo en serie de Fourier

(x) =
n=
26
cn n (x) =
n=
cn ei2nx
(1.104)
Con mayor precisi on: si (x) es suave (ella y su derivada son continuas a trozos) y absolutamente integrable (es decir, existe |(x)| dx) entonces (x) puede expresarse mediante una transformada de Fourier.
1.7 Problema de Sturm-Liouville inhomog eneo

tiene los coecientes cn = 1
0
37
2,
n = 0, (1.105)
ei2nx x dx =
i , n = 0. 2n
La igualdad de Parseval (1.97) se reduce en nuestro caso a 1

0
dx x2 =
2 1 +2 . 4 4n2 n=1
Pero la integral es igual a 2 /3 y por tanto 1 =2 2 n n=1

2 2 3 4
2 . 6
Hemos as encontrado que n=1 1/n2 = 2 /6. Esta relaci on fue descubierta por Euler en 1735 y es uno de los hallazgos m as impresionantes de los comienzos de la teor a de series innitas[Sim93, secci on 34]. Calcular la suma de esta serie se conoci o como problema de Basilea y fue por primera vez formulado por Pietro Mengoli en 1644. Este problema se hab a resistido desde entonces a los esfuerzos de los matem aticos m as brillantes de la epoca, por lo que su resoluci on le proporcion o a Euler, a los 28 a nos, una fama inmediata.27
1.7. Problema de Sturm-Liouville inhomog eneo

La ecuaci on de Sturm-Liouville inhomog enea es d d p(x) y (x) + q (x) y (x) + r(x) y (x) = f (x), dx dx x [a, b], (1.106)
donde ahora desempe na un papel generalmente muy distinto al de en las secciones anteriores.28 El t ermino f (x) se conoce como t ermino fuente. [Tambi en se llama t ermino fuente a f (x)/r(x). ] Por supuesto, cuando f (x) = 0, recuperamos el problema de Sturm-Liouville homog eneo que hemos estudiado en las secciones anteriores. En t erminos de operadores, la ecuaci on de SturmLiouville no homog enea toma la forma (L + ) y (x) = f (x) . r(x) (1.107)
En lo que sigue nos restringiremos al estudio del problema de Sturm-Liouville inhomog eneo consistente en la ecuaci on de Sturm-Liouville inhomog enea con condiciones de contorno regulares 1 y (a) + 2 y (a) = 0, 1 y (b) + 2 y (b) = 0.
En www puedes encontrar m as informaci on sobre este problema. Es muy recomendable e instructivo conocer el ingenioso m etodo que us o Euler para resolverlo. 28 Cambiando de s mbolo queremos evitar confusiones procedentes de la notaci on y, adem as, hacer hincapi e en que no juega el papel de par ametro indeterminado al que hay que encontrar los valores (autovalores) que conducen a soluciones aceptables. Por lo general, en los problemas de Sturm-Liouville inhomog eneos es un par ametro cuyo valor est a dado.
27
38
N otese que estas condiciones de contorno son homog eneas. Tambi en se llama problema de SturmLiouville inhomog eneo a la ecuaci on de Sturm-Liouville homog enea o inhomog enea con condiciones de contorno inhomog eneas (este caso se estudiar a en la secci on 1.9). Sin embargo, en lo que sigue, salvo que se diga expl citamente lo contrario, cuando hablemos de problema de Sturm-Liouville inhomog eneo nos referiremos a la ecuaci on de Sturm-Liouville inhomog enea m as condiciones de contorno homog eneas. A continuaci on vamos a ver un resultado importante que nos proporciona las condiciones para las cuales el problema no homog eneo (1.106) tiene soluci on.
1.7.1. Teorema de la alternativa de Fredholm

on, o bien el problema de Teorema 1.9 (Teorema de la alternativa de Fredholm) Salvo una excepci Sturm-Liouville inhomog eneo tiene soluci on, o bien lo tiene el problema de Sturm-Liouville homog eneo. La excepci on es que el problema de Sturm-Liouville inhomog eneo tiene soluci on incluso cuando el homog eneo la tiene si y s olo si la soluci on del problema homog eneo es ortogonal a f (x)/r(x). Podemos formular este teorema de otro modo. Teorema 1.10 (Teorema de la alternativa de Fredholm) Sea n el autovalor n- esimo del operador L, y n (x) su autofunci on correspondiente: L n = n n . 1. Si = n , entonces: a) b) 2. El problema homog eneo (L + ) y = 0 no tiene soluci on. El problema no homog eneo (L + ) y = f (x)/r(x) s tiene soluci on u nica.
Si = n , entonces: a) b) El problema homog eneo (L + n ) y = 0 tiene la soluci on n = 0. El problema no homog eneo (L + n ) y = f (x)/r(x) no tiene soluci on salvo si y s olo si n es ortogonal al t ermino fuente, n |f /r = 0. En este caso la soluci on no es u nica pues contiene un m ultiplo arbitrario de n .
Ilustraremos este teorema con unos ejemplos.
Ejemplo 1.13
Sea el problema de Sturm-Liouville homog eneo y + y = f (x) , y (0) = 0 , y (/2) = 0 , con f (x) = 0. La soluci on de la ecuaci on es y (x) = A cos x + B sen x. (1.108a) (1.108b)
1.7 Problema de Sturm-Liouville inhomog eneo

Imponiendo las condiciones de contorno se encuentra que y (0) = 0 A = 0 y (/2) = 0 B = 0 A = B = 0.
39
Es decir, el problema homog eneo no tiene soluci on [aparte de la soluci on nula trivial, y (x) = 0]. Seg un el teorema de la alternativa de Fredholm, esto signica que el problema de Sturm-Liouville inhomog eneo dado por las ecuaciones (1.108) con f (x) = 0 ha de tener siempre soluci on. Ve amoslo con un caso particular sencillo. Sea el problema de Sturm-Liouville inhomog eneo [aqu f (x) = 1] y + y = 1, CC : y (0) = 0, y (/2) = 0. (1.109a) (1.109b)
La soluci on general de la ecuaci on diferencial puede expresarse as : y (x) = soluci on particular + soluci on general homog enea = yp + yh . Es f acil comprobar que yp = 1 , yh = A cos x + B sen x, por lo que la soluci on de la ecuaci on de Sturm-Liouville es y (x) = 1 + A cos x + B sen x. Imponiendo las condiciones de contorno a esta soluci on encontramos y (0) = 0 1 + A = 0 y (/2) = 0 1 + B = 0 A = B = 1,
y, por tanto, la soluci on del problema de Sturm-Liouville inhomog eneo (1.109) es y (x) = 1 cos x sen x. Esta soluci on es u nica.
Ejemplo 1.14
Sea el problema de Sturm-Liouville homog eneo y + y = f (x) , CC : con f (x) = 0. La soluci on general de la ecuaci on diferencial es y (x) = A cos x + B sen x. (1.110c) y (0) = 0 , y ( ) = 0 , (1.110a) (1.110b)
40
De la condici on de contorno y (0) = 0 se deduce que A = 0. De la condici on de contorno y ( ) = 0 deducimos tambi en que A = 0. Esto signica que la soluci on de este problema de condiciones de contorno es y (x) = B sen x, siendo B una constante arbitraria. En denitiva, hemos encontrado que el problema homog eneo tiene soluci on. O dicho en otros t erminos: hemos encontrado que sen x es la autofunci on del problema de Sturm-Liouville homog eneo (1.110), donde = 1 es el autovalor correspondiente. Sea ahora el problema de Sturm-Liouville inhomog eneo y + y = f (x) , CC : con f (x) = 1. (1.111c) Tendr a soluci on este problema? Seg un el teorema de la alternativa de Fredholm, este problema de SturmLiouville inhomog eneo no deber a tener soluci on ya que el problema homog eneo correspondiente (1.110), como hemos comprobado hace un momento, s tiene soluci on. No obstante, sabemos que hay una excepci on a esta armaci on si sucede que la soluci on del problema homog eneo y (x) = B sen x es ortogonal al t ermino fuente f (x) = 1. Sin embargo esto no sucede pues [n otese que la funci on peso en este problema es r(x) = 1]
(1.111a) (1.111b)
y (0) = 0 , y ( ) = 0 ,
y (x)|f (x) =
0
dxB sen(x) = 2B = 0
por lo que problema de Sturm-Liouville inhomog eneo (1.111) no puede tener soluci on. Comprob emoslo. Como ya vimos en el ejemplo 1.13, la soluci on general de la ecuaci on diferencial (1.111a) con f (x) = 1 es y (x) = 1 + A cos x + B sen x. Si imponemos las condiciones de contorno obtenemos y (0) = 0 A + 1 = 0 y ( ) = 0 A + 1 = 0 Imposible!
Comprobamos pues que problema de Sturm-Liouville inhomog eneo (1.111) carece de soluci on, tal como nos aseguraba el teorema de la alternativa de Fredholm.
Demostraci on del teorema de la alternativa de Fredholm Nos demoraremos en esta demostraci on porque en su transcurso aprenderemos c omo obtener la soluci on del problema no homog eneo en t erminos de las autofunciones del operador de SturmLiouville L. Sean {n } las autofunciones del operador herm tico L con las condiciones de contorno 1 y (a) + 2 y (a) = 0, 1 y (b) + 2 y (b) = 0. Llamaremos n a sus autovalores, es decir, L n = n n . (1.113) (1.112)
1.7 Problema de Sturm-Liouville inhomog eneo A continuaci on expresamos tanto la soluci on y (x) del problema no homog eneo (L + ) y (x) = f (x) , r(x)
41
(1.114)
como el t ermino no homog eneo f (x)/r(x), en serie de las autofunciones {n }: y (x) =

n
cn n (x), bn n (x),
n
(1.115) (1.116)
f (x) = r(x) con29 bn =
1 n |f /r = 2 n n
b 2 a
dx n (x) f (x).
(1.117)
Sustituyendo estas relaciones en (1.114) se tiene que (L + )

n
cn n =
n
bn n
o, teniendo en cuenta la ecuaci on (1.113), cn ( n ) n =

n n
bn n ,
es decir, [cn ( n ) bn ] n = 0.
n
Para que esto se verique debe ocurrir que cada uno de los coecientes de n sea nulo30 y por tanto ( n ) cn = bn . (1.118) En la resoluci on de esta ecuaci on distinguimos dos posibilidades: 1. = n para todo n, con lo cual de (1.118) se deduce que cn = bn , n n. (1.119)
Esto signica que la soluci on del problema no homog eneo puede escribirse como y (x) =
n
bn n (x) n
(1.120)
donde los coecientes bn vienen dados por la relaci on (1.117), es decir y (x) =
n
29
1 n
b a dy n (y ) f (y ) 2
n (x) .
(1.121)
Ser a tambi en correcto escribir n (x) en vez de n (x) dentro de la integral dado que n (x) es real por ser soluci on de un problema de Sturm-Liouville regular. 30 Por qu e?
42
Problema de Sturm-Liouville Si el problema es homog eneo [f (x) = 0], entonces bn = 0 y de la relaci on (1.119) se deduce que cn = 0. Esto signica que la soluci on del problema homog eneo es la soluci on trivial nula. En otras palabras, descubrimos que el problema homog eneo (L + ) y = 0 con = n no tiene soluci on (aparte de la soluci on trivial nula).
2. = m para un m dado, de modo que (1.118) se transforma en (m n ) cn = bn . (1.122)
Obviamente, en este caso el problema homog eneo (L + ) y = (L + m ) y = 0 s tiene soluci on y esta es justamente la autofunci on m : y (x) = m (x). En lo que se reere al problema no homog eneo distinguimos dos posibilidades: on (1.122) para n = m es imposible ya que ning un cm puede a ) Si bm = 0, la ecuaci satisfacer la ecuaci on 0 cm = bm = 0. Hemos de concluir que, en este caso, no existe soluci on del problema inhomog eneo. on (1.122) se reduce a 0 cm = 0, la b ) Si bm = 0, esto es, si m |f /r = 0, la ecuaci on del cual tiene soluci on para cualquier constante cm arbitraria. Por tanto, la soluci problema no homog eneo existe, y (x) =
n= m
bn n + cm m , m n
(1.123)
pero no es u nica pues la constante cm puede tomar cualquier valor. Ejercicio 1.15
Como hemos considerado que el problema es de Sturm-Liouville regular, hemos asumido que los autovalores no estaban degenerados. Sin embargo, es claro que en la demostraci on no juega un papel relevante el hecho de que las condiciones de contorno sea regulares. Dicho en otros t erminos: la demostraci on anterior es esencialmente v alida para condiciones de contorno peri odicas y singulares. Rehaz la discusi on del apartado anterior considerando la posibilidad de que los autovalores n est en degenerados.
1.8. Funci on de Green

1.8.1. Denici on y propiedades de la funci on de Green
Un procedimiento muy importante para hallar la soluci on de un problema de Sturm-Liouville inhomog eneo consiste en utilizar la funci on de Green. Decimos que G(x, x ) es la funci on de Green de un problema de Sturm-Liouville inhomog eneo (L + ) y (x) = con las condiciones de contorno 1 y (a) + 2 y (a) = 0, 1 y (a) + 2 y (b) = 0, si: (1.124b) (1.124c) f (x) , r(x) (1.124a)
1.8 Funci on de Green
43
1. G(x, x ) es soluci on de la ecuaci on de Sturm-Liouville pero con una fuente puntual situada en x (a, b), es decir, (L + ) G(x, x ) = 1 (x x ), r(x) a < x < b. (1.125a)
2. G(x, x ) satisface las condiciones de contorno en x = a y x = b, es decir, 1 G(a, x ) + 2 G(x, x ) = 0, x x=a 1 G(b, x ) + 2 G(x, x ) = 0. x x=b (1.125b) (1.125c)
Una vez hallada la funci on G(x, x ), la soluci on y (x) del problema (1.124) original es
b
y (x) =
a
dx G(x, x ) f (x )
(1.126)
dado que esta funci on satisface la ecuaci on diferencial (1.124a) y satisface las condiciones de contorno (1.124b) y (1.124c). Esto lo justicaremos en la secci on 1.8.2, p agina 46. La ecuaci on (1.126) explica por qu e hallar la funci on de Green de un problema es tan importante y u til: la ecuaci on (1.126) nos dice (por cierto, de un modo especialmente transparente) que es suciente resolver un s olo problema de Sturm-Liouville inhomog eneo, a saber, el problema (1.125), para hallar la soluci on (en forma de integral expl cita) de todos los problemas (1.124) que s olo dieren entre s en el t ermino fuente f (x); no es necesario ir resolviendo, m as o menos penosamente, cada uno de estos problemas. Propiedades de la funci on de Green Antes de enunciarlas recordemos el siguiente resultado: sea g (x) un funci on discontinua en x0 con una discontinuidad (o salto) de tama no g , es decir, g (x) = g (x) + g H (x x0 ), siendo g (x) una funci on continua, g una constante y H (x x0 ) la funci on salto de Heaviside en x0 ; entonces dg dg d dg dg = + g H (x x0 ) = + g (x x0 ). dx dx dx dx dx Este resultado se ilustra en la gura 1.7. Ejercicio 1.16
Justica la relaci on d H (x x0 ) = (x x0 ) dx integrando esta expresi on entre a y x con a < x0 .
Vamos a demostrar dos importantes propiedades de la funci on de Green y de su primera derivada que se utilizaremos m as adelante: Propiedad 1.
44
g(x)
H(x)
g(x)
g'(x)
x
0
Figura 1.7: Representaciones gr acas de las funciones g (x), g (x), la funci on de Heaviside H (x x0 ), y la derivada g (x) de la funci on g (x). La echa vertical en la gura inferior derecha pretende simbolizar una funci on delta de Dirac situada en x0 .
G(x, x ) es continua para todo x [a, b] (incluso para x = x ). Nuestra demostraci on empieza recordando que, por denici on, la funci on de Green G(x, x ) satisface la ecuaci on de Sturm-Liouville d [p(x) G (x, x )] + [q (x) + r(x)] G(x, x ) = (x x ). dx Si integramos, por ejemplo, sobre el intervalo [a, x] se tiene que
x x
(1.127)
p(x) G (x, x ) = p(a) G (a, x )

a
[q (z ) + r(z )]G(z, x ) dz +
a
(z, x ) dz.
(1.128)
Si G(x, x ) tuviera una discontinuidad de tama no G en x0 [a, b], su derivada G (x, x ) tendr a una discontinuidad innita de tama no G en x0 [a, b], es decir, d d G(x, x ) = G(x, x ) + G (x x0 ), dx dx donde G(x, x ) = G(x, x ) G H (x x0 ) es una funci on continua en x0 . Por consiguiente, la igualdad reejada por la ecuaci on (1.128) ser a imposible pues en x = x0 el miembro derecho
45
es nito mientras que el izquierdo es innito debido a la funci on delta situada en x0 . Por tanto no es posible que G(x, x ) sea discontinua en x = x0 [a, b]. Como x0 es un punto arbitrario, concluimos que G(x, x ) ha de ser continua en todo el intervalo [a, b]. Propiedad 2.
La derivada de G(x, x ), x G(x, x ), es continua para todo x excepto en el punto x = x donde tiene una discontinuidad de tama no 1/p(x ):
G(x, x ) x
x=x+
G(x, x ) x
=
x=x
1 . p(x )
(1.129)
Vamos a demostrarlo. Integramos entre x0 satisface la funci on de Green,

x0 +
y x0 +
la ecuaci on de Sturm-Liouville que

x0 +
dx
x0
d d p(x) G(x, x ) + q (x)G(x, x ) + r(x)G(x, x ) dx dx
=
x0
(x, x ) dx (1.130)
para obtener p(x) d G(x, x ) dx

x0 + x0 + x0 +
+
x0 x0
[q (x) + r(x)] G(x, x ) dx =

x0
(x, x ) dx.
(1.131)
Distinguimos dos casos: x0 = x . Si tomamos el l mite de 0 se tiene que

x0 + x0
d l m p(x) G(x, x ) 0 dx
= p(x0 ) G(x, x ) x
x=x+ 0 x=x 0
y, dado que q (x), r(x) y G(x, x ) son funciones continuas,

x0 +
l m Adem as
0 x 0
(q + r) G(x, x ) dx = 0.
x0 +
l m
0 x 0
(x x ) dx = 0
si x0 = x . Entonces la ecuaci on (1.131) para x0 = x se reduce a p(x0 ) G(x, x ) x

x=x+ 0
G(x, x ) x
= 0.
x=x 0
Esto signica que la derivada por la derecha es igual a la derivada por la izquierda en el punto x0 , es decir, la derivada de G(x, x ) es continua en x = x0 = x . x0 = x . En este caso, en las relaciones anteriores s olo cambia que
x0 +
l m
0 x 0
(x x ) dx = 1,
46 por lo que (1.131) se reduce ahora a p(x ) es decir, G(x, x ) x

x=x+
G(x, x ) x
x=x+
G(x, x ) x
= 1,
x=x
G(x, x ) x
=
x=x
1 . p(x )
1.8.2. Soluci on del problema de Sturm-Liouville en t erminos de la funci on de Green

En esta secci on vamos a demostrar que la funci on
b
y (x) =
a
dx G(x, x ) f (x )
(1.132)
on de la ecuaci on diferencial 1. Es soluci (L + ) y (x) = 2. Satisface las condiciones de contorno 1 y (a) + 2 y (a) = 0, 1 y (a) + 2 y (b) = 0. (1.133b) (1.133c) f (x) . r(x) (1.133a)
Empecemos demostrando la primera propiedad, es decir, que (1.132) satisface la ecuaci on (1.133). Para ello es u til denir las siguientes funciones: G1 (x, x ) = G(x, x ) G2 (x, x ) = G(x, x ) para x x , para x x , (1.134) (1.135)
es decir, G1 (x, x ) es la funci on de Green a la izquierda de x y G2 (x, x ) es la funci on de Green a la derecha de x . Como G(x, x ) es continua se tiene que G1 (x , x ) = G2 (x , x ). En t erminos de estas funciones la expresi on (1.132) podemos escribirla as :
x b
y (x) =
a x
dx G(x, x ) f (x ) +
x
dx G(x, x ) f (x )
b
=
a
dx G2 (x, x ) f (x ) +
dx G1 (x, x ) f (x ),
(1.136)
donde hemos usado que: En la primera integral la variable de integraci on x va de a hasta x de modo que en esta integral siempre se verica que x x y por tanto podemos sustituir el integrando G(x, x ) por G2 (x, x ). En la segunda integral la variable de integraci on x va de x hasta b de modo que en esta integral siempre se verica que x x y podemos entonces sustituir el integrando G(x, x ) por G1 (x, x ).
47
Ahora queremos comprobar que la funci on y (x) denida por la relaci on (1.136) satisface la ecuaci on (1.132); ecuaci on que escribimos de esta forma: p(x) d2 y dy + p (x) + q (x) y (x) + r(x) y (x) = f (x) . 2 dx dx (1.137)
Para ello pasamos a calcular el valor de las primeras dos derivadas de y (x) usando la regla de Leibniz: d dx
b(x) b(x)
F (x, y ) dy =
a(x) a(x)
F db da dy + F [x, b(x)] F [x, a(x)] . x dx dx
(1.138)
La primera derivada viene dada por dy = dx

x
dx
a
G2 (x, x ) f (x ) + G2 (x, x)f (x) + x
dx
x
G1 (x, x ) f (x ) G1 (x, x)f (x). x (1.139)
Pero como G(x, x ) es continua se tiene que G1 (x, x) = G2 (x, x), de modo que la relaci on anterior se reduce a x b dy = dx G2 (x, x ) f (x ) + dx G1 (x, x ) f (x ). (1.140) dx a x Derivamos una vez m as usando la f ormula de Leibniz: d2 y = dx2 2 G2 (x, x ) f (x ) + f (x) G2 (x, x) 2 x x a b 2 + dx G (x, x ) f (x ) f (x) G1 (x, x). 2 1 x x x dx
x
(1.141)
Como G2 (x, x) G1 (x, x) = 1/p(x), se deduce que d2 y = dx2

x a b
dx G2 (x, x ) f (x ) +
dx G1 (x, x ) f (x ) +
f (x) . p(x)
(1.142)
Sustituyendo las expresiones de y (x), y (x) as obtenidas en la ecuaci on (1.137) y teniendo en cuenta que G1 y G2 satisfacen la ecuaci on31 p(x)Gn (x, x ) + p (x)Gn (x, x ) + [q (x) + r(x)] Gn (x, x ) = 0 es f acil ver que la ecuaci on (1.137) se verica, tal como quer amos demostrar. Ahora demostraremos que (1.132) satisface las condiciones de contorno (1.133b) y (1.133c). Por denici on, la funci on de Green satisface la condici on de contorno en x = a, es decir, 1 G(a, x ) + 2 G(x, x ) x = 0.
x=a
(1.143)
Multiplicando por f (x ) e integrando sobre todo el intervalo a x b se tiene que

b a
31
dx f (x ) 1 G(a, x ) + 2
G(x, x ) x
= 0,
x=a
T engase en cuenta que G1 (x, x ) y G2 (x, x ) son funciones continuas en sus intervalos de denici on, a saber, en a x x y x x b, respectivamente.
48
y c2y2(x)
G2(x,x') c1y1(x) G1(x,x')
x'
b x
Figura 1.8: La funci on de Green G(x, x ) se construye a partir de dos soluciones y1 e y2 que cumplen las condiciones de contorno para la izquierda y para la derecha, respectivamente. Si c1 y c2 no se eligen bien, tendr amos situaciones inadmisibles, tal como la que se muestra en la gura, en la que G(x, x ) no es continua. y por tanto
b
dx f (x ) G(x, x ) + 2
dx f (x ) G(x, x )
a x=a
= 0.
De esta relaci on, y teniendo en cuenta la ecuaci on (1.132), se deduce que 1 y (a) + 2 y (a) = 0 , que es lo que quer amos demostrar. Se proceder a de modo an alogo para demostrar que (1.132) tambi en satisface la condici on de contorno en x = b dada por la ecuaci on (1.133b).
1.8.3. Construcci on de la funci on de Green

En esta secci on vamos a mostrar c omo hallar (construir) la funci on de Green de un problema de Sturm-Liouville aprovechando que conocemos que la funci on de Green ha de vericar las dos propiedades que hemos deducido en la secci on 1.8.1 anterior, a saber, continuidad de G(x, x ) y discontinuidad de tama no 1/p(x ) de G (x, x ) en x = x . Sea y1 (x) una soluci on de la ecuaci on homog enea (L + ) y1 (x) = 0 que satisface la condici on de contorno en x = a. An alogamente, sea y2 (x) una soluci on de la ecuaci on homog enea (L + ) y2 (x) = 0 que satisface la condici on de contorno en x = b. En lo que sigue asumiremos que las condiciones de contorno son regulares. Entonces, 1 y1 (a) + 2 y1 (a) = 0, 1 y2 (b) + 2 y2 (b) = 0. Empezamos justicando que G1 (x, x ) y la funci on y1 (x) deben ser proporcionales. Sabemos
1.8 Funci on de Green que ambas funciones satisfacen la ecuaci on Ly = y , es decir: (L + )y1 (x) = 0, (L + )G1 (x, x ) = 0,
49
y que adem as verican la condici on de contorno 1 y1 (a) + 2 y1 (a) = 0. Por el teorema 1.1 de la p agina 20 esto signica que y1 (x) y G1 (x, x ) dieren en una constante multiplicativa, es decir, G1 (x, x ) = c1 y1 (x). De igual modo se puede demostrar que G2 (x, x ) = c2 y2 (x). En denitiva, para x = x , la funci on de Green G(x, x ) viene dada por G(x, x ) G1 (x, x ) = c1 y1 (x) G(x, x ) G2 (x, x ) = c2 y2 (x) para x x , para x x.
Tal como se ilustra en la gura 1.8, si tomamos valores cualesquiera para las constantes c1 y c2 , entonces no podemos garantizar que la funci on G(x, x ) sea la aut entica funci on de Green del problema puesto que sabemos que esta ha de vericar las propiedades de ser continua en x y que su derivada tenga una discontinuidad de tama no 1/p(x ) en x . En denitiva, para cada x , debemos escoger el valor de c1 y c2 [valores que depender an del valor x escogido y por eso escribiremos c1 (x ) y c2 (x )] de modo que G(x, x ) sea continua en x y que su derivada tenga una discontinuidad de tama no 1/p(x ) en x , es decir, de modo que c1 (x ) y1 (x ) c2 (x ) y2 (x ) = 0, c1 (x ) y1 (x ) c2 (x ) y2 (x ) = 1 . p(x ) (1.144) (1.145)
Existir an soluciones c1 (x ), c2 (x ) de este sistema si y s olo si el determinante de sus coecientes es distinto de cero: y1 (x ) y2 (x ) = 0 = W [x ; y1 , y2 ] = W [x ; y1 , y2 ] = 0, y1 (x ) y2 (x ) (1.146)
es decir, si y s olo si el wronskiano W de y1 (x) e y2 (x) es nulo, o lo que es lo mismo, si y s olo si y1 (x) e y2 (x) son linealmente independientes. Veamos que esto es realmente lo que ocurre. Lo demostraremos por reducci on al absurdo: si y1 e y2 fueran linealmente dependientes se tendr a que y1 (x) = c y2 (x), por lo que y1 (e y2 tambi en) ser a soluci on de la ecuaci on homog enea (L + ) y1 (x) = 0, satisfaciendo adem as las condiciones de contorno homog eneas en x = a y en x = b (pues y1 = c y2 e y2 satisface la condici on de contorno en x = b). Esto supondr a que es un autovalor y la funci on y1 (x) una autofunci on de L, lo que ir a en contra, seg un el teorema de la alternativa de Fredholm, de la hip otesis de partida de que el problema de Sturm-Liouville inhomog eneo tiene soluci on. Ejercicio 1.17
Podr a ocurrir que el problema de Sturm-Liouville homog eneo tuviera soluci on, y1 (x) y que el problema de Sturm-Liouville inhomog eneo tambi en tuviera soluci on? Una pista: es nulo el producto escalar y1 (x)| (x x )/r(x) para todo x ?
50
En denitiva, hemos demostrado que y1 e y2 son linealmente independientes, por lo que su wronskiano es distinto de cero y entonces podemos hallar c1 y c2 mediante, por ejemplo, la regla de Cramer: 0 y2 (x ) 1 y2 (x ) p(x ) y2 (x ) y2 (x ) c1 (x ) = = = W [x ; y1 , y2 ] p(x ) W [x ; y1 , y2 ] p(x ) W [x ; y1 , y2 ] 0 1 y1 (x ) p(x ) y1 (x ) c2 (x ) = = , W [x ; y1 , y2 ] p(x ) W [x ; y1 , y2 ] es decir 1 G1 (x, x ) = p(x ) W [x ; y , y ] y1 (x) y2 (x ), a x x b, 1 2 G(x, x ) = 1 G2 (x, x ) = y1 (x ) y2 (x), a x x b. p(x ) W [x ; y1 , y2 ] y1 (x )
(1.147)
(1.148)
(1.149)
Es f acil demostrar que p(x ) W [x , y1 , y2 ] es constante pues d d {p(x) W [x; y1 , y2 ]} = p(x) [y1 (x)y2 (x) y1 (x) y2 (x)] dx dx d = y1 (x) [p(x) y2 (x)] + y1 (x)p(x)y2 (x) dx d y2 (x) [p(x)y1 (x)] y1 (x)p(x)y2 (x) dx = y1 (x) [q (x) y2 (x) r(x) y2 (x)] y2 (x) [q (x) y1 (x) r(x) y1 (x)] = 0. En denitiva, escribiendo C = 1/[p(x ) W (x )], obtenemos mediante el procedimiento de construcci on la funci on de Green G(x, x ) = G1 (x, x ) = C y1 (x) y2 (x ), a x x , G2 (x, x ) = C y1 (x ) y2 (x), x x b, (1.150)
correspondiente al problema de Sturm-Liouville dado por las ecuaciones (1.124). La soluci on y (x) del problema no homog eneo (1.124) sabemos que viene dada por la ecuaci on (1.126). Esta relaci on toma entonces la forma:
b
y (x) =
a x
dx G(x, x ) f (x )
b
=
a
dx G2 (x, x ) f (x ) +
x
dx G1 (x, x ) f (x )
b
(1.151) (1.152)
= Cy2 (x)
dx y1 (x ) f (x ) + Cy1 (x)
dx y2 (x ) f (x ).
De la relaci on (1.150) se deduce que G(x, x ) = G(x , x). Esta propiedad se conoce como simetr a de reciprocidad o reciprocidad de Maxwell. (1.153)
51
1.8.4. Representaci on de la funci on de Green en serie de autofunciones

La funci on de Green G(x, x ) puede obtenerse de una forma alternativa a la de la secci on 1.8.3 anterior mediante un desarrollo en serie de autofunciones del operador de Sturm-Liouville L. Si asumimos que G(x, x ) es una funci on de cuadrado sumable32 en el intervalo [a, b] con respecto a la funci on peso r(x), entonces podemos expresar G(x, x ) como una serie de autofunciones del operador herm tico L (serie que converge en media cuadr atica): G(x, x ) =
n
an (x )n (x),
(1.154)
donde n y n son los autovalores y las autofunciones (respectivamente) del operador L: L n = n n . Sabemos que la funci on de Green satisface la ecuaci on (L + ) G(x, x ) = 1 (x x ) r(x) (1.156) (1.155)
y que la relaci on de cierre (v ease (1.89) en la p agina 32) es 1 n

2 n (x) n (x ) =
1 (x x ), r(x)
(1.157)
por lo que, usando (1.154), la ecuaci on (1.156) puede escribirse as : (L + )

n
an (x )n (x) =
n
1 n
n (x) n (x ),
es decir, an (x ) ( n ) n (x) =
n n
(x ) n n (x). n 2
Entonces an (x ) = y por tanto G(x, x ) =

n
(x ) 1 n n n 2 (x ) n (x)n . 2 n
(1.158)
1 n
(1.159)
La soluci on del problema no homog eneo (L + ) y (x) = f (x)/r(x) viene dada por
b
y (x) =
a
dx f (x ) G(x, x )
1 a dx n (x ) f (x ) n (x) n 2 n cn n (x) n b
=
n
(1.160)
=
n
32
Por ejemplo, si el intervalo [a, b] es nito, la funci on ser a siempre de cuadrado sumable dado que la funci on de Green es continua.
52 con cn =
n |f /r 1 = 2 n n
b 2 a
dx n (x ) f (x ).
Esta es la misma expresi on que obtuvimos en (1.121), p agina 41. De hecho, el m etodo usado tanto aqu como all para obtener y (x) es esencialmente el mismo. De la expresi on (1.159) se observa que la relaci on de reciprocidad toma ahora la forma m as general G(x, x ) = G (x , x). (1.161) Cuando las condiciones de contorno son regulares las autofunciones son reales (v ease el teorema 1.3 de la p agina 22) y, en este caso, la relaci on anterior se reduce a la ecuaci on (1.153), G(x, x ) = G(x , x), la cual se obtuvo asumiendo condiciones de contorno regulares.
Ejemplo 1.15
En este ejemplo vamos a obtener la soluci on de un problema de Sturm-Liouville a partir de la funci on de Green en forma cerrada (por construcci on) y en serie de autofunciones. Sea la ecuaci on diferencial de Sturm-Liouville no homog enea d2 y = f (x) dx2 (1.162)
en la que p(x) = 1, q (x) = 0, r(x) = 1 y = 0, con condiciones de contorno regulares de Dirichlet: y (0) = 0, y (L) = 0. (1.163)
Soluci on por construcci on. Empezaremos calculando la funci on de Green de este problema de SturmLiouville mediante el procedimiento de construcci on. La soluci on general de la ecuaci on homog enea d2 y =0 dx2 es y (x) = A + Bx. La soluci on y1 (x) = A1 + B1 x de (1.162) que satisface la condici on de contorno en x = 0 es y1 (0) = 0 = A1 + B1 0 = A1 y1 (x) = B1 x. La soluci on y2 (x) = A2 + B2 x de (1.162) que verica la condici on de contorno en x = L es y2 (L) = 0 = A2 + B2 L A2 = B2 L y2 (x) = B2 (L + x). (Por supuesto, tambi en podr amos haber dejado las expresiones en t erminos de A2 en vez de B2 .) La funci on de Green ser a por tanto G(x, x ) = G1 (x, x ) = c 1 (x ) y1 (x) = c1 (x ) x, 0xx, G2 (x, x ) = c 2 (x ) y2 (x) = c2 (x ) (x L), x x L.
Las condiciones de continuidad de G en x , (1.144), y de discontinuidad de G en x , (1.145), nos permitir an calcular las funciones c1 y c2 : c1 (x ) x c2 (x ) (x L) = 0, 1 c2 (x ) c1 (x ) = = 1, p(x ) ya que p(x) = 1. La soluci on de este sistema de ecuaciones algebraicas es c1 = x L , L c2 = x , L

por lo que la funci on de Green es 1 G1 (x, x ) = L x (x L), G(x, x ) = G (x, x ) = 1 x (x L), 2 L La soluci on del problema de Sturm-Liouville es
L
53
0xx, x x L.
y (x) =
0
dx f (x ) G(x, x ).
Por concretar, supongamos que f (x) = x y L = 1. En este caso tenemos que

x 1
y (x) =
0 x
dx f (x ) G2 (x, x ) +
x
dx f (x ) G1 (x, x )
1
=
0
dx (x )x (x 1) + x (1 x2 ) . 6
x
dx (x )x (x 1) (1.164)
Ejercicio 1.18 Comprueba por sustituci on directa que (1.164) satisface la ecuaci on diferencial (1.162) y las condiciones de contorno (1.163). Soluci on en serie de autofunciones. Ahora vamos a calcular la soluci on del problema de Sturmd2 Liouville en t erminos de una serie de autofunciones del operador de Sturm-Liouville L = dx on 2 . La ecuaci de autovalores de L es d2 L = = = . (1.165) dx2 Es f acil demostrar que para 0 no existe soluci on de (1.165) que satisfaga las condiciones de contorno (1.163) (h agase como ejercicio). Veamos qu e pasa para > 0. En este caso la soluci on general es (x) = c1 sen x + c2 cos x.
Utilizando las condiciones de contorno (1.163) obtenemos (0) = 0 c1 0 + c2 = 0 c2 = 0, (L) = 0 c1 sen L = 0 L = , 2, 3 Los autovalores son por tanto n = y las autofunciones correspondientes son n = sen Su norma es n
2 L
n L
n = 1, 2,
n x . L
= n |n =
0
dx r(x)n (x) n (x) =
L 0
dx sen2
n L x = . L 2
54
x
0.0
0.2
0.4
0.6
0.8
1.0
-0.05
G(x,x')
-0.10
N=1
-0.15
N=3
-0.20
-0.25
N=15
N=5
Figura 1.9: La funci on de Green del ejemplo 1.15 expresada mediante serie de autofunciones truncada N L n 1 n en el t ermino N , G(x, x ) 2 n=1 n2 sen L x sen L x para L = 1 y x = 1/2. 2
N otese que = 0 = n lo que garantiza que el problema inhomog eneo tiene soluci on (por qu e?). Utilizando la f ormula (1.160) se tiene que G(x, x ) = 2 L n=1

1
n 2 L
sen
n n x sen x L L .
2L 1 n n = 2 sen x sen x n=1 n2 L L
Esta expresi on no es m as que el desarrollo en serie de Fourier de G(x, x ). En la gura 1.9 mostramos esta funci on cuando se retienen los N = 1, 3, 5, 15 primeros t erminos de la serie para L = 1 y x = 1/2. Es notable lo r apido que converge la serie hacia la soluci on exacta G(x, x ) = x/2 para x 1/2 y G(x, x ) = (x 1)/2 para x 1/2. Hallemos ahora la soluci on y (x) del problema de Sturm-Liouville original en t erminos de las autofunciones para f (x) = x y L = 1:
1
y (x) =
0 1
dx (x ) G(x, x ) dx (x )
0
(1.166) 1 sen (nx) sen (nx ) 2 n n=1

1
= = =
2 2
2 2 2 3
1 sen (nx) 2 n n=1
dx x sen (nx )
0
(1)n+1 sen(nx) . n3 n=1
(1.167)
2 Esta expresi on es simplemente el desarrollo en serie de Fourier de la soluci on y (x) = x 6 (1 x ) que obtuvimos en (1.164). En la gura 1.10 se compara esta soluci on con la soluci on aproximada que se obtiene cuando se retienen los tres primeros t erminos de la soluci on en serie de autofunciones (1.167).
1.9 Condiciones de contorno no homog eneas

0.07
55
0.06
0.05
0.04
y(x)
0.03 0.02 0.01 0.00 0.0 0.2 0.4 0.6 0.8 1.0
x
2 nea continua) y la aproximada (1.167) con los Figura 1.10: La soluci on y (x) = x 6 (1 x ) exacta (l tres primeros t erminos (l nea discontinua).
1.9. Condiciones de contorno no homog eneas

Sea la ecuaci on de Sturm-Liouville inhomog enea 1 r(x) o, en forma de operadores, (L + ) y (x) = sujeta a las condiciones de contorno inhomog eneas, 1 y (a) + 2 y (a) = , 1 y (b) + 2 y (b) = , y sean y (x), F1 (x) y F2 (x) las soluciones de f (x) , r(x) 1 y (a) + 2 y (a) = 0, (L + ) y (x) = 1 y (b) + 2 y (b) = 0, (L + ) F1 (x) = 0, 1 F1 (a) + 2 F1 (a) = , 1 F1 (b) + 2 F1 (b) = 0, (L + ) F2 (x) = 0, 1 F2 (a) + 2 F2 (a) = 0, 1 F2 (b) + 2 F2 (b) = . (1.172) (1.171) (1.169) f (x) , r(x) (1.168) d d p(x) + q (x) dx dx y (x) + y (x) = f (x) , r(x)
(1.170)
56
Entonces, la soluci on del problema de Sturm-Liouville doblemente inhomog eneo [ecuaci on de Sturm-Liouville inhomog enea (1.168) m as condiciones de contorno inhomog eneas (1.169)] es y (x) = y (x) + F1 (x) + F2 (x), como es f acil de comprobar. Ejercicio 1.19
Comprueba mediante sustituci on directa en las ecuaciones (1.168) y (1.169) que y (x) = y (x)+F1 (x)+F2 (x) es soluci on del problema (doblemente) no homog eneo, siendo y (x), F1 (x) y F2 (x) las funciones denidas por las ecuaciones (1.170), (1.171) y (1.172), respectivamente.
(1.173)
Ejemplo 1.16
Sea el siguiente problema de Sturm-Liouville doblemente inhomog eneo y (x) = f (x) , CC : y (0) = , y (1) + y (1) = . (1.174) (1.175)
Empezamos calculando la soluci on y (x) del problema de Sturm-Liouville inhomog eneo con condiciones de contorno homog eneas: y (x) = f (x), CC : y (0) = 0, y (1) + y (1) = 0.
Para ello calculamos la funci on de Green, tal y como vimos en la secci on 1.8.3 anterior: Para 0 x x < 1: y1 (x) = 0 y1 (x) = A1 x + B1 . Imponiendo la condici on de contorno por la izquierda tenemos que y1 (0) = 0 = B1 y1 (x) = A1 x. Para 0 < x x 1: y2 (x) = 0 y2 (x) = A2 x + B2 . Imponiendo la condici on de contorno por la derecha obtenemos y2 (1) + y2 (1) = 0 = 2A2 + B2 B2 = 2A2 y2 (x) = A2 (x 2). Luego la funci on de Green es G(x, x ) = G1 (x, x ) = c 1 (x ) y1 (x) = c1 (x ) x, 0xx,
G2 (x, x ) = c 2 (x ) y2 (x) = c2 (x ) (x 2), x x 1.
Imponiendo las condiciones de continuidad de la funci on de Green y de discontinuidad de su derivada hallamos las funciones c1 y c2 : c1 (x ) x c2 (x ) (x 2) = 0, c1 (x ) c2 (x ) = 1,
1.10 Cociente de Rayleigh

cuya soluci on es c1 (x ) = Luego la funci on de Green es x G1 (x, x ) = (x 2) 2 G2 (x, x ) = (x 2) x 2 0xx, x x 1.
57
x 1, 2
c2 (x ) =
x . 2
G(x, x ) =
Por tanto la soluci on y (x) para una f (x) dada ser a

1
y (x) =
0
dx G(x, x ) f (x ) = x2 2
x
dx x f (x ) +
0
x 2
dx (x 2) f (x ) .
x
Ahora debemos calcular las funciones F1 (x) y F2 (x). El problema de Sturm-Liouville para F1 (x) es F1 (x) = 0 , CC : F1 (0) = , F1 (1) + F1 (1) = 0.
La soluci on de la ecuaci on diferencial es F1 (x) = Ax + B . Imponiendo la condici on de contorno en x = 0, se obtiene B = de modo que F1 (x) = Ax + . De la condici on de contorno en el otro extremo se deduce que F1 (1) + F1 (1) = 0 2A + = 0 A = F1 (x) = (2 x). 2 2 El problema de Sturm-Liouville para F2 (x) es F2 (x) = 0, CC : F2 (0) = 0, F2 (1) + F2 (1) = .
La soluci on de la ecuaci on diferencial es F2 (x) = Ax + B . De la condici on de contorno en x = 0 se deduce que F2 (x) = Ax. Imponiendo la otra condici on de contorno se obtiene: F2 (1) + F2 (1) = 2A = A = F2 (x) = x. 2 2
En denitiva, la soluci on del problema de Sturm-Liouville doblemente inhomog eneo dado por las ecuaciones (1.174) y (1.175) es y (x) = y (x) + F1 (x) + F2 (x) = x2 2
x
dx x f (x ) +
0
x 2
dx (x 2) f (x ) +
x
(2 x) + x . 2 2
1.10. Cociente de Rayleigh

Existe una interesante relaci on entre el problema de Sturm-Liouville y los problemas variacionales.33 De hecho, esta conexi on se utiliza para deducir muchos resultados sobre el problema
33
V ease, por ejemplo, el cap tulo 13 de [But68] o el cap tulo 20 de [RHB98].
58
de Sturm-Liouville.34 En esta secci on s olo trataremos sobre el cociente de Rayleigh, que es una de las facetas de tipo variacional del problema de Sturm-Liouville. Sea la ecuaci on de Sturm-Liouville homog enea (L + ) y (x) = 0 donde L es el operador de Sturm-Liouville, L 1 r(x) d d p(x) + q (x) . dx dx (1.176)
Si multiplicamos la ecuaci on de Sturm-Liouville escalarmente por y (x) y |(L + ) y = y |L y + y |y = 0, y despejamos el autovalor, se obtiene = y |L y R[y ]. y |y (1.177)
Esta expresi on es conocida como el cociente de Rayleigh. De forma m as expl cita:

b
R[y (x)] =
a
dx r(x) y (x)
1 r(x)
b a
d d p(x) y (x) + q (x) y (x) dx dx
dx r(x) y (x)y (x)
o, integrando por partes, p(x) y (x) R[y (x)] = dy dx

b b
+
a b a a
dx p(x)
dy dx
2
q (x) |y (x)|2 . (1.178)
dx r(x) |y (x)|
1.10.1. Principio de minimizaci on de Rayleigh-Ritz

El cociente de Rayleigh permite por tanto hallar el autovalor correspondiente a una autofunci on dada y (x) pues = R[y (x)]. Esto es poco pr actico porque el c alculo del autovalor requiere el conocimiento previo de su autofunci on, lo que no es siempre f acil o factible (adem as, normalmente, primero hay que conocer el autovalor para poder hallar la autofunci on correspondiente). Sin embargo, el cociente de Rayleigh exhibe una propiedad muy u til que permite la estimaci on de los autovalores de un problema de Sturm-Liouville. La propiedad es la siguiente: Teorema 1.11 Sea {0 , 1 , . . . } el espectro de autovalores de un problema de Sturm-Liouville cuyas autofunciones correspondientes son {0 (x), 1 (x), . . . }, siendo 0 el autovalor m as peque no. Entonces 0 es igual al valor m nimo del cociente de Rayleigh para todas las funciones continuas que satisfacen las condiciones de contorno del problema de Sturm-Liouville (aunque no sean soluciones de la ecuaci on diferencial de Sturm-Liouville).
34
V ease, por ejemplo, el cap tulo VI de [CH62].
1.10 Cociente de Rayleigh Es decir: 0 = m n R[u(x)] = m n u|L u u 2 du dx

b b
59
p u = m n
+
a a
dx p(x)
b a
du dx
2
q (x) |u|2 ,
(1.179)
dx r(x) |u|
donde u(x) son funciones continuas que satisfacen las condiciones de contorno y que llamaremos funciones prueba. Es claro que 0 = R[0 ]. La relaci on (1.179) es f acil de demostrar. Si u(x) es una funci on bien comportada, sabemos que (v ease la secci on 1.6)
u(x) =
n=0
cn n (x),
con
cn =
n |u . n
(1.180)
Si u(x) es una funci on continua y satisface las mismas condiciones de contorno homog eneas que n , entonces la serie anterior es uniformemente convergente (v ease el teorema 1.6 en la p agina 27) y puede derivarse t ermino a t ermino (v ease el teorema 7.5 en la p agina 406), de modo que

Lu(x) =
n=0
cn Ln (x) =
n=0
cn (n )n (x).
Sustituyendo esta relaci on en la expresi on del cociente de Rayleigh, R[u] = se obtiene R[u] = = =
n=0 cn n | m=0 cm (m )m c | n=0 n n m=0 cm m n=0 m=0 m cn cm n |m n=0 m=0 cn cm n |m 2 2 n=0 n |cn | n . 2 2 n=0 |cn | n
u|L u , u|u
(1.181)
(1.182)
Dado que 0 < n para n > 0, se tiene que R[u]

2 2 n=0 0 |cn | n 2 2 n=0 |cn | n
= 0 .
(1.183)
En la ecuaci on (1.182), la igualdad R[u] = 0 se da cuando cn = 0 para n 1, es decir cuando u = c0 0 , es decir, cuando la funci on prueba es justamente la autofunci on correspondiente al autovalor m nimo. Este resultado se puede generalizar f acilmente para la estimaci on de otros autovalores. Por ejemplo, supongamos que escogemos una funci on prueba u ortogonal a 0 , tal que 0 |u = 0 c0 = 0.
60 Entonces la ecuaci on (1.182) se reduce a R[u] = Como 1 < n se tiene que R[u]
2 2 n=1 1 |cn | n 2 2 n=1 |cn | n 2 2 n=1 n |cn | n 2 2 n=1 |cn | n
(1.184)
= 1 .
(1.185)
La igualdad R[u] = 1 se da cuando cn = 0 para n > 1, es decir, cuando n |u = 0 para n > 1 y por lo tanto, u = 1 . La generalizaci on es obvia y se traduce en el siguiente teorema:35 Teorema 1.12 El valor m nimo del cociente de Rayleigh para todas las funciones prueba continuas u(x) que son ortogonales a las n primeras autofunciones, 0 , . . . , n1 , es el autovalor n-simo, n . En la pr actica se obtiene de modo aproximado el espectro de autovalores estimando n+1 mediante el cociente de Rayleigh de una funci on prueba n+1 ortogonal a las n funciones prueba 0 , . . . , n obtenidas anteriormente. Lo ideal ser a escoger como funci on prueba u(x) una funci on lo m as parecida posible (idealmente igual) a la autofunci on (desconocida) m . Dado que m es desconocida, la elecci on de esta funci on prueba deber a hacerse de modo juicioso incorporando todos los conocimientos (aunque sean cualitativos) sobre el comportamiento o forma que se espera tenga m . Veamos un ejemplo que nos permita entender mejor estas consideraciones.
Ejemplo 1.17
Sea el problema de Sturm-Liouville d2 y + y = 0 dx2 con las condiciones de contorno y (0) = 0, y (1) = 0. Este es un problema de Sturm-Liouville regular con p(x) = 1, q (x) = 0, y r(x) = 1. Por el teorema 1.3 sabemos que para este problema hay una secuencia innita de autovalores 0 < 1 < 2 < , y que las autofunciones n , con n = 0, 1, 2, , son reales y tienen n ceros en el intervalo abierto (0, 1). Esta u ltima informaci on nos ser a especialmente u til a la hora de escoger las funciones prueba. Este problema se corresponde con el de la ecuaci on de Schr odinger para una part cula en un pozo cuadrado innito siendo n proporcional a las energ as posibles. Tambi en se corresponde con la ecuaci on de los modos de vibraci on de una cuerda sujeta por los extremos, siendo n las frecuencias al cuadrado de los modos on exacta de este problema es normales de vibraci on cuya longitud de onda viene dada por 2/ . La soluci bien sencilla (y bien conocida): las autofunciones son n = sen n x con n = (n +1)2 2 , n = 0, 1, 2, . . . En particular 0 = 2 9 8696. Dado que p(x) = 1, q (x) = 0, y r(x) = 1, el cociente de Rayleigh es u R[u] = du dx
1 1
+
0 1 0 0
dx
2
du dx
dx |u|
35
Un teorema similar pero m as general puede encontrarse en la secci on 13.9 de [But68].

0.5 0.4 0.3 0.2 0.1 1 0.8 0.6 0.4 0.2
61
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
(a)
0.25 0.2 0.15 0.1 0.05 1 0.8 0.6 0.4 0.2
(b)
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
(c)
(d)
Figura 1.11: Funciones prueba u0 (x): (a) ecuaci on (1.186); (b) ecuaci on (1.187) con = 1/ 2; (c) ecuaci on (1.188); (d) ecuaci on (1.189) (autofunci on exacta).
Pero las condiciones de contorno hacen que u
du dx
1
= 0. Luego
0
dx R[u] =
0 1
du dx
2
dx |u|
0
Vamos a continuaci on a proponer funciones prueba que sean continuas, que satisfagan las condiciones de contorno y que razonablemente puedan parecerse a 0 de modo que sus cocientes de Rayleigh sean pr oximos al autovalor 0 . Este u ltimo criterio nos dice, por ejemplo, que dado que 0 no tiene ceros en (0, 1), debemos proponer funciones prueba u0 que tampoco tengan ceros en este intervalo. Vamos a probar las siguientes funciones: 1. u0 (x) = Para esta funci on tenemos que
1 /2 1
x si 1 x si
0 x 1/2, 1/2 x 1.
(1.186)
dx + 0 R[u0 ] =
0 0 1 /2 1 /2 1 1 /2
dx =
2
x dx +
(1 x) dx
1 24
1 +
1 24
= 12.
62
2. 4x si 2 1 + 4(1 )x si u0 (x; ) = 2 1 + 4(1 )(1 x ) si 4(1 x) si
0 x 1/4, 1/4 x 1/2, 1/2 x 3/4, 3/4 x 1.
(1.187)
N otese que u0 (x; 1/2) es justamente la funci on prueba de la ecuaci on (1.186). Para la funci on u0 (x; ) tenemos que 0 R[u0 (x; )]
1 /4
2 2
0 0 1 /4
(4)2 dx + 2
1 /2 1 /4
1 /2 1 /4
[4(1 )]2 dx
(4x)2 dx + 2
[2 1 + 4(1 )x]2 dx
8(1 2 + 22 ) . 1 2 6 (1 + + 2 )
Qu e valor hemos de escoger para el par ametro indeterminado ? Evidentemente el que haga m nimo al cociente de Rayleigh: 144(1 + 22 ) 1 dR[u0 (x; )] = = 0 = . d (1 + + 22 )2 2
2) 96(2 2) Para = 1/ 2 se tiene R[u0 ] = 96(2+ 126 76, mientras que R [ u ] = 10 39 para 0 4 2 4+ 2 = 1/ 2. Este u ltimo es pues el valor buscado. Esta funci on prueba conduce a una estimaci on de 0 que es levemente mejor que la estimaci on 0 12 obtenida con la funci on prueba (1.186).
3. u0 = x (1 x). Para esta funci on 0 R[u0 (x)] =

1 0 1 0
(1.188)
(1 2x)2 dx =
x2 (1 x)2 dx
1 3
12+ 4 3 1 = 10. 1 + 2 5
4. u0 = sen(x). Para esta funci on 0 R[u0 (x)] =

0 1
(1.189)
2 cos2 (x) dx
1
= 2 sen (x) dx
2
9 87,
que es justamente el valor del primer autovalor (0 = 2 ) debido a que u0 = 0 . Vamos ahora a proponer funciones prueba que sean continuas, que satisfagan las condiciones de contorno y que razonablemente puedan parecerse a 1 de modo que sus cocientes de Rayleigh sean pr oximos al autovalor 1 = 4 2 39 478. Este u ltimo criterio nos dice, por ejemplo, que dado que 1 tiene un cero en (0, 1), debemos proponer funciones prueba u1 con un cero en este intervalo. Por razones de simetr a, este debe estar situado en x = 1/2. Adem as debemos escoger u1 de modo que sea ortogonal a u0 : u1 |u0 = 0. Vamos a probar las siguientes funciones: 1. si 4x u1 (x) = 2 4x si 4x 4 si 0 x 1/4, 1/4 x 3/4, 3/4 x 1.
(1.190)

1 0.04 0.5 0.02
63
0.2 - 0.5 -1
0.4
0.6
0.8
1 - 0.02 - 0.04
0.2
0.4
0.6
0.8
(a)
1 0.15 0.1 0.05 0.2 - 0.05 - 0.1 - 0.15 -1 - 0.5 0.4 0.6 0.8 1 0.2 0.5
(b)
0.4
0.6
0.8
(c)
(d)
Figura 1.12: Funciones prueba u1 (x): (a) ecuaci on (1.190); (b) ecuaci on (1.191) con = 1/ 2; (c) ecuaci on (1.192); (d) ecuaci on (1.195) (autofunci on exacta).
Esta funci on es ortogonal a cualquiera de las funciones u0 que hemos usado antes por razones de simetr a pues es impar con respecto un origen situado en x = 1/2, mientras que las funciones u0 eran pares con respecto a este punto. Para esta funci on prueba tenemos que
1
42 dx
1 /2 1 /4
1 R[u1 ] = 2
0
0 1/ 4
= 48. (2 4x)2 dx
(4x) dx + 2
2.
1 x . (1.191) 2 Esta funci on es ortogonal a cualquiera de las funciones u0 que hemos usado antes dado que es impar con respecto al punto x = 1/2. Para esta funci on u1 = x (1 x)
1
[1/2 + 3x(1 x)]2 dx =
1 R[u1 ] =
0 1 0
x2 (1 x)2 (1/2 x)2 dx
1/20 = 42. 1/840
Esta funci on prueba conduce a una estimaci on de 1 que es apreciablemente mejor que la estimaci on 1 48 obtenida con la funci on prueba (1.190). 3. u1 = 1 x sen(x). 2 (1.192)
64
Para esta funci on
1
1 R[u1 ] =
0
1 x cos(x) sen(x) 2
1 2
dx (1.193)
1 x sen2 (x) dx 2 0 1/4 + 2 /24 2 + 6 2 = = 2 = 4 1011 2 2 1/24 1/4 6 u1 = sen(2x).
40 48.
(1.194)
4. (1.195) Para esta funci on 1 R[u1 ] =

0
4 2 cos2 (x) dx
1
= 4 2 sen2 (2x) dx
39 478,
que es justamente el valor exacto porque u1 es igual a la autofunci on 1 .
El c alculo aproximado de los autovalores de un problema de Sturm-Liouville es especialmente importante en F sica Cu antica. Por ejemplo, la ecuaci on de Schr odinger independiente del tiempo tiene la forma H = E donde H es el operador hamiltoniano. En una dimensi on, el hamiltoniano para una part cula de masa m sometida a un potencial V (x) viene dado por H= d2 + V (x) 2m dx2
2
donde es la constante de Planck divida por 2 . La ecuaci on de Schr odinger toma para este caso la forma d2 2m 2m 2 V (x) + 2 E = 0 2 dx que es claramente una ecuaci on de Sturm-Liouville con p(x) = r(x) = 1, q (x) = 2m 2 V (x) y = 2m alculo aproximado de es pues equivalente al c alculo aproximado de las energ as 2 E . El c permitidas para la part cula que se encuentra sometida al potencial V (x).36
En las secciones 10.910.12 de A. Galindo y P. Pascual, M ecanica cu antica, Eudema, Madrid, 1989, puede encontrarse una introducci on a los m etodos variacionales con aplicaciones a problemas de Mec anica Cu antica.
36
1.11 Problemas
65
1.11. Problemas
1.1. Sea {fn (x)}, con n = 0, 1, 2, una familia de funciones mutuamente ortogonales en el recorrido de 0 a , con funci on peso ex . Halla la ecuaci on diferencial de la forma xfn (x) + g (x)fn (x) + fn (x) = 0 que satisface la funci on fn (x). on de Sturm-Liouville p(x)y + p (x)y q (x)y + r(x)y = 0 en el intervalo [a, b] 1.2. Sea la ecuaci sujeta a las condiciones de contorno y (a) = y (b), y (a) = y (b) con p(a) = p(b). Demuestra que si las funciones p(x), q (x) y r(x) son denidas positivas, los autovalores del operador de Sturm-Liouville son positivos. 1.3. Sea la ecuaci on diferencial (que podr a no ser una ecuaci on de Sturm-Liouville) c2 (x)y (x) + c1 (x)y (x) + c0 (x)y (x) = (x x ), a x b,
donde a < x < b y ci (x) es una funci on bien comportada. Demuestra que la soluci on y (x) es una funci on continua y que y (x) es continua excepto en x = x . En este u ltimo caso halla el valor de la discontinuidad. 1.4. Halla todas las soluciones posibles del problema de Sturm-Liouville singular (lato) x2 y + xy (x) + y (x) = 0, y (1) = 0, y (x) acotada para x . 1.5. Encuentra la funci on de Green del problema de Sturm-Liouville singular (lato) xy + y y (1) = 0,
x
x 1,
4 y = f (x), x
x 1,
l m y (x) = nito.
Halla y (x) si f (x) = 1/x. 1.6. Los modos normales de vibraci on de una cuerda tensa de longitud 2L, densidad , y que tiene una part cula puntual de masa m situada en su punto medio, son las soluciones del siguiente problema de Sturm-Liouville: y = k 2 1 + m (x) y, L x L, y (L) = y (L) = 0 .
donde k 2 es proporcional a las frecuencias de estos modos normales (k 2 = 2 /T siendo T la tensi on de la cuerda). Se pide hallar los autovalores y autofunciones de este problema. Calcula expl citamente los diez primeros autovalores y sus correspondiente autofunciones cuando L = 1 y (i) m/ = 0 1, (ii) , y m/ = 1. Representa gr acamente las autofunciones obtenidas. 1.7. a ) Halla la ecuaci on transcendente que determina los autovalores n y obt en las autofunciones n (x) del problema de Sturm-Liouville denido por la ecuaci on diferencial y (x) = y (x) en el intervalo 0 x a con las condiciones de contorno y (0) + ay (0) = 0, y (a) ay (a) = 0.
66 b ) Existe, en general, soluci on del problema inhomog eneo
y + (/a)2 y = f (x), y (0) + ay (0) = y (a) ay (a) = 0 ? En caso armativo, halla la funci on de Green correspondiente. 1.8. Halla los autovalores y autofunciones del problema de Sturm-Liouville y (x) 2y (x) + y (x) = 0, 0 < x < , y (0) = y ( ) = 0.
Expresa la funci on f (x) = x ex como combinaci on lineal de las autofunciones. 1.9. Demuestra que (xy ) + y = 0, x 1 x e2 , y (1) = 0, y (e2 ) = 0,
es un problema de Sturm-Liouville y halla sus autovalores y autofunciones. 1.10. a ) Demuestra que y (x) + y (x) + (1 + )y (x) = 0 es una ecuaci on de Sturm-Liouville b ) Encuentra los autovalores n y autofunciones n (x) del problema de Sturm-Liouville y (x) + y (x) + (1 + )y (x) = 0, y (0) = 0, y (1) = 0.
c ) Encuentra la soluci on del problema de Sturm-Liouville inhomog eneo 1 y (x) + y (x) + y (x) = f (x), 4 y (0) = 0, y (1) = 0.
en la forma de desarrollo en serie de las autofunciones n (x). 1.11. Sea el problema de Sturm-Liouville (xy ) + xy = 0 , con y (0) = nito e y (1) = 0. a ) Halla los autovalores y las autofunciones correspondientes. on, si existe, del problema b ) Usa los resultados del apartado anterior para obtener la soluci no homog eneo (xy ) + xy = 2x , 0x1, con y (0) = nito e y (1) = 0. Por qu e puedes asegurar que este problema no homog eneo tiene soluci on? 1.12. Encuentra la funci on de Green del problema x2 y + xy 9y = f (x), Halla la soluci on si f (x) = x2 . 1.13. Encuentra la funci on de Green del problema d kx e y (x) = f (x), dx Halla y (x) si f (x) = ex . 0 < k < 1, 0 x, y (0) = 0, y () = nito. x 0, y (0) = nito,
x
0 x 1,
l m y (x) = 0.
1.11 Problemas
67
1.14. Encuentra la funci on de Green asociada al problema y k 2 y = f (x), k 2 > 0, con las condiciones de contorno y () < . 1.15. Obt en en forma cerrada la funci on de Green para el problema inhomog eneo y k 2 y = f (x), 0 x < , con las condiciones de contorno y (0) = 0, y () < , si (a) k = 0, (b) k = 0. En ambos casos halla y (x) si f (x) = ex . 1.16. Halla la funci on de Green en forma cerrada del problema de Sturm-Liouville no homog eneo xy + y = x, 0 x 1, y (1) = y (1), y (0) = nito.
Halla la soluci on y (x) del problema a partir de esta funci on de Green. 1.17. Halla la soluci on de la ecuaci on diferencial no homog enea y + k2 1 + m (x) y = F0 , L x L, y (L) = y (L) = 0,
donde m > 0, > 0 y F0 son constantes, expres andola como combinaci on lineal de funciones de un conjunto completo. (Resu elvase primero el problema 1.6.) 1.18. Sea el problema no homog eneo y = f (x), 0 x L, y (0) = y (L) = 0. a ) Encuentra las autofunciones normalizadas del operador d2 /dx2 para las condiciones de contorno dadas. b ) Escribe la funci on de Green G(x, x ) mediante desarrollo en serie. c ) Obt en G(x, x ) en forma cerrada. d ) Encontrar la soluci on del problema para el caso particular f (x) = x2 con L = 1. 1.19. Sea el problema inhomog eneo y = sen(3x) , 0x,
con las condiciones de contorno y (0) = 0, y ( ) = 0. a ) Halla la funci on Green del problema en forma cerrada. b ) Halla la funci on de Green como desarrollo de la autofunciones asociadas al problema. c ) Usa la funci on de Green para hallar la soluci on del problema inhomog eneo. d ) Sup on que la ecuaci on hubiera sido y +4y = sen(3x). Tendr a soluci on este problema inhomog eneo? Halla, si fuera posible, esta soluci on a partir de la funci on de Green expresada en forma de autofunciones. e ) Contesta a las mismas preguntas que en el apartado anterior pero para la ecuaci on y + 9y = sen(3x). 1.20. Sea el problema no homog eneo y + y = sen x con las condiciones de contorno y (0) = y (2 ) = 0. (a) Halla la funci on de Green mediante un desarrollo en serie de las autofunciones normalizadas correspondientes. (b) Obt en la funci on de Green en forma cerrada. (c) A partir de ella, resuelve el problema no homog eneo. (d) Halla la soluci on para las condiciones de contorno no homog eneas y (0) = 2, y (2 ) = 0.
68 1.21. Sea el problema no homog eneo y k 2 y = f (x), 0 x L,
y (0) = y (L) = 0.
Halla la funci on de Green (a) como un desarrollo en serie y (b) en forma cerrada. Comprueba la equivalencia de ambas expresiones. 1.22. a ) Resuelve el problema de autovalores y = y con las condiciones de contorno y (0) = y ( ) + y ( ) = 0. b ) Encuentra la funci on de Green de y = f (x) que satisface las condiciones de contorno anteriores mediante desarrollo en serie y tambi en en forma cerrada. 1.23. (a) Halla en forma cerrada la funci on de Green correspondiente a la ecuaci on y + 2 y = f (x), 0 x 2, 2 > 0,
con las condiciones de contorno y (0) = y (2 ) , y (0) = y (2 ). Para qu e valores de 2 > 0 2 no existe soluci on del problema? (b) Demuestra que estos valores de son justamente los autovalores del problema homog eneo y halla las correspondientes autofunciones. Cu al es su grado de degeneraci on? on de Sturm-Liouville no homog enea 1.24. Sea la ecuaci y m2 y = f (x), 0 x 1, y (0) + y (0) = 0, y (1) = 0
donde m2 > 0. Se pide hallar la funci on de Green correspondiente en forma de desarrollo en serie de autofunciones. on de Sturm-Liouville no homog enea 1.25. Sea la ecuaci y m2 y = f (x), 0 x 1, y (0) + y (0) = 0, y (1) = 0
donde m2 > 0. Se pide hallar la funci on de Green correspondiente en forma de desarrollo en serie de autofunciones. 1.26. Sea la ecuaci on de Sturm-Liouville no homog enea y m2 y = f (x), 0 x, y (1) = 0, y () <
donde m2 > 0. Se pide hallar la funci on de Green correspondiente en forma cerrada. 1.27. El m etodo de la funci on de Green puede aplicarse a ecuaciones diferenciales ordinarias con 37 condiciones iniciales. Consid erese un oscilador arm onico amortiguado gobernado por la ecuaci on f (t) 2 x + 2x + 0 x= , m
2 y sup donde 2 < 0 ongase que la fuerza externa es cero para t < 0. (a) Desarrolla la funci on de Green y escribe la soluci on x(t) que satisface las condiciones iniciales x(0) = x (0) = 0. 2 )? (b) Cu al es la soluci on en el caso sobreamortiguado (2 > 0
37
V ease, por ejemplo, la secci on 4.6 de [Mar75].
1.11 Problemas 1.28. Sea el problema de Sturm-Liouville (ecuaci on de Schr odinger del oscilador arm onico): y x2 y + y = 0, y () = 0, y () = 0 .
69
a ) Justica que u0 (x; ) = (1 + x2 ) ex es una funci on prueba razonable para calcular el autovalor m as peque no mediante el cociente de Rayleigh. Halla el valor de que conduce a un cociente de Rayleigh m nimo. Compara el resultado as obtenido con el autovalor exacto 0 = 1 (energ a del punto cero del oscilador lineal cu antico). b ) Justica que la soluci on tiende a cero como ex este trabajo si consultas la secci on 2.6.1).
2 x2 ) ex /2 2 /2
para |x|
1. (Puedes ahorrarte
2 /2
on prueba u0 (x; ) = (1 + x2 ) ex c ) Repite el apartado (a) con la funci
d ) Justica que u1 (x; ) = x(1 + es una funci on prueba que permite estimar 1 . Halla el valor m nimo del cociente de Rayleigh correspondiente y comp aralo con el autovalor exacto 1 = 3. Ayuda: para a > 0
0
x2n eax dx =
(2n 1)! 2n+1
, a2n+1
n = 0, 1, 2, . . .
1.29. Sea el problema de Sturm-Liouville y V (x)y + y = 0, y () = 0, y () = 0 . a ) Para V (x) = x4 (ecuaci on de Schr odinger de un oscilador cu artico) calcula los dos primeros autovalores mediante el cociente de Rayleigh usando las funciones prueba 2 2 u0 (x; ) = (1 + x2 ) ex , u1 (x; ) = x(1 + x2 ) ex . Compara con los resultados exactos 0 = 1 0604, 1 = 2 7997. b ) Repite el apartado anterior para el potencial V (x) = |x|. Los resultados exactos son 0 = 1 0188, 1 = 2 3381. 1.30. Sea el problema de Sturm-Liouville 1.6 anterior. a ) Usa el m etodo del cociente de Rayleigh para hacer una estimaci on del primer autovalor y de la primera autofunci on mediante aproximaci on lineal de la autofunci on 0 : u0 (x) = x + L, L x 0, x + L, 0 x L.
etodo del cociente de Rayleigh para hacer una estimaci on del primer autovalor b ) Usa el m y de la primera autofunci on mediante una aproximaci on cuadr atica de 0 : u0 (x) = x + L + (x + L)2 , L x 0, 2 x + L + (x L) , 0 x L.
En este u ltimo caso hay que hallar el valor optimo de . c ) Prop on una funci on prueba que, mediante el cociente de Rayleigh, te permita estimar el segundo autovalor y la segunda autofunci on. d ) Compara los resultados aproximados obtenidos en los apartados (a), (b) y (c) con los resultados exactos (que se deben haber obtenido en el problema 1.6) cuando L = 1 y (i) m/ = 0 1, (ii) m/ = 1.
70
1.31. Las energ as permitidas y las funciones de ondas correspondientes de un sistema cu antico formado por una part cula sometida a un potencial pozo cuadrado de ancho 2L y una barrera/pozo de tipo delta de Dirac situada en el medio pueden hallarse resolviendo el siguiente problema de Sturm-Liouville: y a (x)y + y = 0, a = const, L x L, y (L) = y (L) = 0 .
a ) Escribe la ecuaci on de Schr odinger de este sistema y muestra que es proporcional a la energ a. b ) Compara los autovalores y autofunciones que se obtienen cuando a > 0, a = 0, 0 > a > 2/L, a = 2/L y a < 2/L. c ) Calcula expl citamente los diez primeros autovalores y sus correspondiente autofunciones si L = 1 y (i) a = 0 1, (ii) a = 0, (iii) a = 0 1, (iv) a = 2, (v) a = 4. d ) Representa gr acamente las autofunciones obtenidas. e ) Usa el m etodo del cociente de Rayleigh para hallar estimaciones de los dos primeros autovalores y y las dos primeras autofunciones de este problema. Compara con los resultados exactos para L = 1 y (i) a = 1, (ii) a = 0, (iii) a = 0 1, (iv) a = 2, (v) a = 4.
Cap tulo 2
Funciones especiales
Special functions are sometimes called higher transcendental functions (higher than what?) or functions of mathematical physics (but they occur in other elds also) or functions that satisfy certain frequently occurring second-order dierential equations (but not all special functions do). One might simply call them useful functions and let it go at that . . .
W. H. Press et al. [PFT93]
To paraphrase an aphorism attributed to the biochemist Albert Szent-Gy orgyi, perhaps special functions provide an economical and shared culture analogous to books: places to keep our knowledge in, so that we can use our heads for better things.
M. Berry, Physics Today, vol. 54, n. 5, p. 11 (2001)
2.1. Introducci on
Las funciones (quiz as mal llamadas) especiales de la F sica Matem atica no tienen nada de especial. En principio son tan especiales como las funciones trigonom etricas o los logaritmos, aunque por supuesto son menos habituales. Un nombre m as adecuado ser a, sin duda, el de funciones u tiles. En todo caso, es l cito preguntarse por el motivo de estudiar estas funciones y sus propiedades.1 Es cierto que para la comprensi on y buen uso de las matem aticas no se requiere una memoria prodigiosa, pero, sin embargo, s es cierto que apenas podemos avanzar en matem aticas si no conocemos algunos resultados b asicos. Entre estos resultados est an el conocimiento de las propiedades de ciertas funciones elementales como las potencias, las exponenciales, las funciones trigonom etricas. . . Sin embargo, en muchas otras ocasiones, para ciertos problemas que aparecen en Ciencia y en Ingenier a, hay otras funciones, habitualmente llamadas funciones especiales, que pueden resultar tanto o m as u tiles que las llamadas funciones elementales. En estos casos, conocer las propiedades de estas funciones es clave para entender la propiedades del problema que queremos analizar. Para ilustrar esta idea, supongamos que el comportamiento de cierto sistema
En este punto, es muy adecuado (y divertido) leer las opiniones al respecto de Michael Berry en el art culo Why are special functions special?, Physics Today, vol. 54, n. 5, p. 11, Abril 2001.
1
72
(por ejemplo, el desplazamiento de cierto engranaje) viene regido por la siguiente expresi on : a2 x4 a3 x6 a4 x8 a5 x10 a6 x12 a7 x14 a8 x16 + + + 2 6 24 120 720 5040 40320 a9 x18 a10 x20 a11 x22 a12 x24 a13 x26 + + + (2.1) 362880 3628800 39916800 479001600 6227020800 Seguramente, esta expresi on nos informa de bien poco acerca del comportamiento de nuestro sistema. Hay muchas preguntas que son dif ciles de responder a la vista de la anterior expresi on: es oscilante la soluci on? es creciente o decreciente? de qu e forma inuye en la soluci on el valor del par ametro a? Sin embargo, si supi eramos que esa expresi on no es m as que el desarrollo en serie de potencias de y (x) = exp(ax2 ), nuestro conocimiento del sistema se torna, en un instante, casi total. Sabemos que la soluci on no es oscilante, sabemos que la soluci on es muy r apidamente decreciente si a > 0 y muy r apidamente creciente si a < 0. Es evidente que la soluci on expresada en t erminos de la funci on exponencial, y (x) = exp(ax2 ), es mucho m as u til, es mucho m as informativa, que la dada por la ecuaci on (2.1) debido a que conocemos muchas propiedades de la funci on exponencial. De igual modo, si el comportamiento de un sistema viene descrito por la funci on 1 x 2k y (x) = (1)k , (k !)2 2 y (x) =1 a x2 +
k=0
probablemente muchos cient cos tendr an dicultades para saber qu e pasa con ese sistema. Pero si a esos cient cos les decimos que el comportamiento del sistema viene dado por la funci on de Bessel de orden cero, y (x) = J0 (x), entonces, todo se vuelve claro. Que ingresemos en este afortunado club de personas que pueden entender las expresiones matem aticas en las que aparecen funciones especiales como las funciones de Bessel, los polinomios de Legendre o los de Hermite, es uno de los objetivos principales de este cap tulo. Un gran n umero de estas funciones especiales son autofunciones de ciertos problemas de Sturm-Liouville. Este ser a el modo habitual en el que presentaremos estas funciones: como soluciones de un problema de Sturm-Liouville. Antes de comenzar con el estudio de las distintas funciones especiales, vamos a discutir propiedades generales de cierta clase importante de funciones especiales: los polinomios ortogonales.
2.2. Propiedades generales de los polinomios ortogonales

Sea {Pn (x)} una familia de polinomios ortogonales reales (donde n = 0, 1, 2, . . . indica el grado del polinomio) los cuales son soluci on de un problema de Sturm-Liouville denido sobre el intervalo [a, b] y funci on peso r(x). Como sabemos por la secci on 1.6, una funci on Q(x) de cuadrado sumable en el intervalo [a, b] con respecto a la funci on peso r(x), puede expresarse como serie de las autofunciones Pn (x):
Q(x) =
n=0
cn Pn (x)
con2 cn = y
Pn |Q 1 = 2 Pn Pn
2
b 2 a
dx r(x) Pn (x)Q(x)
b 2 dx r(x) Pn (x).
Pn
2
= Pn |Pn =
Recu erdese que estamos asumiendo que los polinomios Pn (x) son reales.
2.2 Propiedades generales de los polinomios ortogonales
73
En particular, si Q(x) es un polinomio de grado n, se tiene que (n otese el l mite superior del sumatorio) n Pm |Q . (2.2) Q(x) = cm Pm (x) con cm = Pm 2
m=1
Ejercicio 2.1
La armaci on anterior parece natural y razonable: para construir una funci on polin omica cualquiera Q(x) de grado n s olo necesitamos combinar un conjunto de n + 1 polinomios Pm (x) de grado m = 0, 1, , n; parece absurdo utilizar polinomios Pm (x) de grado m mayor que el grado de Q(x). Puede verse una demostraci on rigurosa en la secci on III-10 de P. D. Dennery y A. Krzywicki, Mathematics for Physicists, (Dover, Nueva York, 1996). Este ejercicio tiene por objetivo mostrar un procedimiento para deducir este resultado, es decir, para deducir la relaci on (2.2). 1. Sea Q(x) = m=0 qm xm y Pm (x) = qm de modo que
n m l=0
al
(m) l n
x . Calcula los coecientes bm en funci on de al bm Pm (x).
(m)
Q(x) =
m=0
Sugerencias: calcula de modo recursivo los coecientes bm empezando por el de ndice mayor y (n) (n) terminando con el de ndice menor (por ejemplo, deduce que qn = bn an , es decir, que bn = an /qn ) (n) (n1) y halla a continuaci on que qn1 = bn1 an1 + bn an1 , es decir, que bn1 = qn1 bn an1 an1
(n1) (n)
Conv encete de que el procedimiento puede implementarse para el c alculo sucesivo de qn2 , qn3 , , q1 , q 2. Usa la propiedad de ortogonalidad de los polinomios Pn (x) para demostrar que bm = cm Pm |Q . Pm 2
2.2.1. Relaci on de recurrencia

on de recurrencia3 Teorema 2.1 Los polinomios ortogonales verican la siguiente relaci x Pn (x) = An Pn+1 (x) + Bn Pn (x) + Cn Pn1 (x) donde los coecientes An y Cn no son nulos y n 1. Este resultado simplemente nos dice que en el desarrollo del polinomio x Pn (x) en serie de polinomios ortogonales Pm (x) s olo aparecen los polinomios de grado m = n + 1, n, n 1. La demostraci on no es dif cil. Sabemos que {Pn (x)} son, por denici on, autofunciones de un problema de Sturm-Liouville por lo que cualquier funci on (bien comportada) puede expresarse como una combinaci on lineal de los polinomios Pn (x). En particular, la funci on xPn (x) es una funci on polin omica y, por tanto, suave por lo que es v alido escribir
(2.3)
x Pn (x) =
m=0
3
cm Pm (x)
con
cm =
Pm |xPn . Pm 2
Se llama relaci on de recurrencia porque permite obtener recurrentemente todos los polinomios a partir de unos cuantos conocidos inicialmente.
74
Pero, adem as la funci on xPn (x) es un polinomio de grado n + 1 por lo que [v ease la ecuaci on (2.2)] el desarrollo se trunca a partir del t ermino n + 1, es decir,
n+1
x Pn (x) =
m=0
cm Pm (x).
Esto signica que cm = Es decir, concluimos que
Pm |xPn =0 Pm 2 Pi |xPj = 0
para m > n + 1. si i > j + 1.
(2.4) (2.5)
Pero, como es f acil de ver a partir de la denici on del producto escalar,

b
Pi |xPj =
dx r(x) Pi (x) x Pj (x) = Pj |xPi
(esto equivale a decir que x es un operador herm tico) por lo que (2.5) equivale a Pj |xPi = 0 es decir, Pj |xPi = 0 En resumen, hemos as probado que Pj |xPi = 0 Esta relaci on implica que cm = Pm |xPn =0 Pm 2 si m<n1 m>n+1 . (2.7) si j <i1 j >i+1 si j < i 1 . si i > j + 1, (2.6)
Por tanto, s olo son en principio distintos de cero los coecientes cm con m tal que m n + 1 y m n 1. En denitiva, s olo son en principio distintos de cero los coecientes cn+1 , cn y cn1 , es decir, x Pn (x) = cn+1 Pn+1 (x) + cn Pn (x) + cn1 Pn1 (x), tal como quer amos demostrar. Hallaremos ahora An , Bn , Cn lo que nos servir a de paso para demostrar que An , Cn = 0. Empezamos escribiendo los polinomios en forma expl cita como suma de monomios:
n
Pn (x) =
m=0
n) m a( m x .
(2.8)
Mediante esta expresi on, la relaci on de recurrencia (2.3) se convierte en

n n) m+1 a( m x m=0 n+1 n n+1) m a( x m m=0 n 1 n) m a( m x m=0
= An
+ Bn
+ Cn
m=0
n1) m a( x m
de la cual:
75
Igualando los coecientes de los t erminos (monomios) de mayor grado, xn+1 , se deduce que
n) a( n = An an+1 An = (n+1)
an
(n)
an+1
(n+1)
= 0.
(n+1)
(2.9) = 0 si Pn y Pn+1 son
Esta u ltima expresi on no puede ser nula porque an polinomios de grado n y n + 1, respectivamente.
(n)
= 0 y an+1
Igualando los coecientes de los t erminos de xn tenemos

(n+1) (n) an1 = An an + Bn an Bn = (n)
an1 an
(n)
(n)
An
an
(n+1) (n)
an
y por tanto Bn = an1 an

(n) (n)
an
(n+1) (n+1)
an+1
(2.10)
expresi on que podr a ser igual a cero, pero no necesariamente. El coeciente Cn lo calculamos de un modo diferente: si multiplicamos escalarmente la expresi on (2.3) por Pn1 (x) obtenemos que Cn = Pn1 |xPn Pn |xPn1 = . Pn1 2 Pn1 2 (2.11)
Pero, por (2.3), sabemos que x Pn1 (x) = An1 Pn (x) + Bn1 Pn1 (x) + Cn1 Pn2 (x), luego la ecuaci on (2.11) se reduce a An1 Pn 2 Cn = = 0. (2.12) Pn1 2 Esta u ltima expresi on no puede ser nula porque An1 = 0 (como acabamos de demostrar) y las normas de los polinomios son distintas de cero. Aunque no lo haremos aqu , puede demostrarse (v ease, por ejemplo, la secci on 8.3 de [AB74]) que: Teorema 2.2 Los n ceros de los polinomios ortogonales Pn (x) son reales, simples, y contenidos en el intervalo abierto (a, b).
Ejemplo 2.1
Vamos a utilizar las f ormulas anteriores para deducir la llamada f ormula de Christoel-Darboux de los polinomios ortogonales. Supongamos que una cierta una cierta clase de polinomios ortogonales {Pn (x)} satisface la siguiente relaci on de recurrencia: x Pn (x) = An Pn+1 (x) + Bn Pn (x) + Cn Pn1 (x) , relaci on que por conveniencia volvemos a escribir as : y Pn (y ) = An Pn+1 (y ) + Bn Pn (y ) + Cn Pn1 (y ). Multiplicamos la primera relaci on por Pn (y ), la segunda por Pn (x) y restamos miembro a miembro: (x y ) Pn (x) Pn (y ) = An [Pn+1 (x)Pn (y ) Pn (x) Pn+1 (y )] Cn [Pn (x) Pn1 (y ) Pn1 (x) Pn (y )].
76
Expresando Cn mediante la relaci on (2.12) y dividiendo por la norma de Pn (x) se obtiene (x y ) Pn (x) Pn (y ) An = [Pn+1 (x)Pn (y ) Pn (x) Pn+1 (y )] 2 Pn Pn 2 An1 [Pn (x) Pn1 (y ) Pn1 (x) Pn (y )]. Pn1 2
m
Ahora sumamos sobre n desde 1 hasta m: (x y ) Pn (x) Pn (y ) Am = [Pm+1 (x)Pm (y ) Pm (x) Pm+1 (y )] 2 Pn Pm 2 n=1 A0 [P1 (x) P0 (y ) P0 (x) P1 (y )]. P0 2
(2.13)
Vamos a evaluar el t ermino que hay dentro del segundo corchete teniendo en cuenta las relaciones (2.8) y (2.9): A0 P1 (x)P0 (y ) = a0
(0) (1) a1
(a1 x + a0 ) a0 (a0 )2 a0 a1
(1) (0)
(1)
(1)
(0)
= (a0 )2 x +
(0)
(1)
= x P0 (x)P0 (y ) +
(a0 )2 a0 a1
(0) (1)
(0)
(1)
De modo an alogo se calcula A0 P0 (x)P1 (y ) sin m as que intercambiar el papel de x e y : A0 P1 (y )P0 (x) = y P0 (y )P0 (x) + Por consiguiente A0 [P1 (x) P0 (y ) P0 (x) P1 (y )] = (x y ) P0 (x) P0 (y ). Pasando este t ermino al miembro izquierdo de (2.13) se obtiene (x y ) Pn (x) Pn (y ) Am = [Pm+1 (x)Pm (y ) Pm (x) Pm+1 (y )], 2 Pn Pm 2 n=0
(m) m
(a0 )2 a0 a1
(1)
(1)
(2.14)
o equivalentemente, usando la ecuaci on (2.9), obtenemos la relaci on Pn (x) Pn (y ) Pm+1 (x)Pm (y ) Pm (x) Pm+1 (y ) am = (m+1) , 2 Pn Pm 2 (x y ) am+1 n=0 conocida como la f ormula de Christoel-Darboux.
m
(2.15)
2.2.2. Funci on generatriz

Dada una familia de polinomios ortogonales {Pn (x)}, se llama funci on generatriz de esta familia a una funci on G(x, t) tal que cuando se desarrolla en potencias de t los coecientes del desarrollo son los polinomios Pn (x):4
G(x, t) =
n=0
Pn (x) tn ,
x [a, b].
(2.16)
4 En ocasiones es m as conveniente denir la funci on generatriz de un modo ligeramente diferente. Veremos un ejemplo de esto con los polinomios de Hermite en la secci on 2.6.4. La idea de la funci on generatriz de un conjunto de funciones no se limita a funciones polin omicas. Por ejemplo, en la secci on 2.8.5 se estudiar a la funci on generatriz de las funciones de Bessel de primera especie.
77
Tambi en puede interpretarse como una funci on de x cuyos coecientes son tn cuando se desarrolla en serie de polinomios Pn (x). Una propiedad u til de la funci on generatriz que permite deducir resultados acerca de los polinomios ortogonales (en particular, el c alculo de sus normas; v eanse las secciones 2.6.5 y 2.7.1) viene dada por el siguiente teorema. Teorema 2.3 La condici on necesaria y suciente para que {Pn (x)} sea una familia de polinomios ortogonales en el intervalo [a, b], relativo al peso r(x), es que la integral
b
I (t, t ) =
a
dx r(x) G(x, t) G(x, t ) G(x, t)|G(x, t )
(2.17)
s olo dependa de las variables t y t a trav es del producto tt . Para demostrar este teorema desarrollaremos un poco la integral anterior. Dado que

G(x, t) =
n=0
Pn (x)t ,
G(x, t ) =
m=0
Pm (x)t m ,
la ecuaci on (2.17) se transforma en

I (t, t ) =
n=0 m=0
tn t m Pn |Pm .
(2.18)
Pero: 1. Condici on necesaria: Si {Pn (x)} son ortogonales se tiene que Pn |Pm = Pn 2 nm , luego I (t, t ) queda
I (t, t ) G(x, t)|G(x, t ) =

n=0
Pn (x) 2 (tt )n ,
(2.19)
que es un funci on s olo de tt . Esta propiedad se usar a en las secciones 2.6.5 y 2.7.1 para hallar la norma de los polinomios de Hermite y polinomios asociados de Laguerre, respectivamente. 2. Condici on suciente: Si I (t, t ) s olo depende de tt , su desarrollo en serie de Taylor sobre esta variable tt toma la forma
I (t, t ) = Comparando con (2.18) encontramos que
(tt )n In .
n=0
Pn |Pm = In nm . Esto signica que {Pn (x)} es una familia ortogonal, tal como quer amos demostrar.
2.2.3. M etodo de ortogonalizaci on de Gram-Schmidt

Vimos en el cap tulo anterior que este m etodo serv a para construir un conjunto de funciones ortogonales a partir de un conjunto de funciones degeneradas correspondientes a un mismo autovalor. La idea ahora es la misma: a partir de un conjunto de funciones linealmente independientes
78
{n (x)} construimos una familia de funciones ortogonales {n (x)} con respecto al peso r(x) en el intervalo [a, b]. Las f ormulas del m etodo de ortogonalizaci on de Gram-Schmidt son: 0 (x) = 0 (x),
n1
n (x) = n (x)
m=0
am m (x)
con am =
m |n , m 2
siendo, por supuesto, m |n =

a
dx r(x)m (x)n (x).
En particular, si la familia de funciones linealmente independiente {n (x)} son los monomios {xn }, es decir, {n (x) = xn }, el procedimiento de Gram-Schmidt nos permite hallar un conjunto de polinomios ortogonales {Pn (x)} con respecto al peso r(x) en el intervalo [a, b].
Ejemplo 2.2
Usando el procedimiento de Gram-Schmidt, los tres primeros polinomios ortogonales en el intervalo [a, b] = [1, 1] con respecto a la funci on peso r(x) = 1 son: P0 (x) = 1, P0 (x)|x P0 (x), P0 2 P0 (x)|x2 P1 (x)|x2 P2 (x) = x2 P0 (x) P1 (x). 2 P0 P1 2 P1 (x) = x Pero
1
P0 |x = P0 |x2 = P1 |x2 = P0 luego,

2 1 1 1 1 1 1
dx 1 x = 0, dx 1 x2 = 2 , 3
dx x x2 = 0, dx 12 = 2,
=
1
P1 (x) = x, 1 P2 (x) = x2 . 3 n Es claro que Pm |x = 0 si n y m son de paridad distinta, por lo que Pn (x) son polinomios alternativamente pares e impares: P0 (x) par, P1 (x) impar, P2 (x) par, P3 (x) impar, etc. Los polinomios que se generan de este modo son, salvo por el valor de la constante de normalizaci on, los polinomios de Legendre, P n (x). Es decir, n (x) = cn Pn (x), P n (x) sea igual a 2/(2n +1): donde los coecientes cn se escogen, por convenci on, de modo que la norma de P 2 . 2n + 1 En la tabla 2.1 se pueden ver los intervalos, funciones peso y normas que conducen a otros polinomios ortogonales. n (x) P
2
= c2 n Pn
2.3 Polinomios de Legendre Polinomios Legendre Chebychev (Tipo I) Laguerre Asociados Laguerre Hermite Intervalo 1 x 1 1 x 1 0x< 0x< < x < r(x) 1 (1 x2 )1/2 ex xk ex ex
2
79 Normalizaci on est andar 2 Pn 2 = 2n + 1 n = 0, Pn 2 = 2 n = 0, 2 Pn = 1 (n + k )! Pn 2 = n! Pn 2 = 2n 1/2 n!
Tabla 2.1: Intervalos, funciones peso y normas de algunos polinomios ortogonales.
2.3. Polinomios de Legendre

Los polinomios de Legendre son las soluciones de la ecuaci on de Sturm-Liouville (1 x2 ) y 2x y + l(l + 1) y = 0 , 1 x 1, (2.20)
que verican la condici on de ser regulares en x = 1. En otros t erminos, son las soluciones de problema de Sturm-Liouville singular, LPl (x) = l Pl (x), donde p(x) = 1 x2 , q (x) = 0, r(x) = 1 y l l(l + 1), con las condiciones de contorno Pl (1) = nito. (2.22) (2.21)
Cuando se resuelve la ecuaci on de Legendre mediante serie de potencias (v ease la secci on 2.3.1 siguiente) se encuentra que las condiciones de nitud de la soluci on en x = 1 s olo pueden satisfacerse si l = 0, 1, 2, . . . Es decir, los autovalores del problema de Sturm-Liouville singular dado por (2.20) y (2.22) son l l(l + 1), l = 0, 1, 2, . . . (2.23) Para estos valores de l, las soluciones (autofunciones) de la ecuaci on de Legendre que satisfacen las condiciones de contorno (2.22) existen y son los polinomios de Legendre, cuya representaci on en serie de potencias es
[l/2]
Pl (x) =
(1)m
m=0
2l m! (l
(2l 2m)! xl2m , m)! (l 2m)!
(2.24)
donde por [l/2] denotamos la parte entera de l/2. La constante de normalizaci on se ha elegido de modo que Pl (1) = 1.
2.3.1. Resoluci on de la ecuaci on de Legendre mediante serie de potencias

En esta secci on comprobaremos que, efectivamente, los polinomios de Legendre son la soluci on del problema de Sturm-Lioville singular dado por las ecuaciones (2.20) y (2.22). Una discusi on m as detallada puede encontrarse en casi cualquier libro que trate sobre la resoluci on de ecuaciones diferenciales ordinarias mediante serie de potencias pues la ecuaci on de Legendre es un ejemplo cl asico.5
5
V ease, por ejemplo, la secci on 4.2 de [Myi78], la secci on 28 de [Sim93] o la secci on 12.10 de [Arf85].
80
Funciones especiales Empezamos buscando una soluci on de la ecuaci on de Legendre en forma de serie de potencias
y (x) =
n=0
an xn .
Sustituimos en la ecuaci on de Legendre y obtenemos

(1 x2 )
n=2
n(n 1)an xn2 2x

n=1
nan xn1 + l(l + 1)

n=0
an x n = 0 ,
es decir,

n(n 1)an xn2

n=2 n=2
n(n 1)an xn 2
n=1
nan xn + l(l + 1)
n=0
an x n = 0 .
(2.25)
Podemos reescribir el primer t ermino de esta ecuaci on de otra manera haciendo el cambio n n + 2 en el sumatorio, es decir:

n(n 1)an x
n=2
n2
(n + 2)(n + 1)an+2 xn
n=0
(compru ebese escribiendo expl citamente los primeros t erminos de la serie!) de modo que la ecuaci on (2.25) se transforma en

0=
n=0
[(n + 2)(n + 1)an+2 + l(l + 1)an ] xn

n=2
n(n 1)an xn 2
n=1
nan xn .
(2.26)
Ahora agrupamos los t erminos que contienen potencias de x0 (t ermino independiente), x1 y xn con n 2: 0 = [2a2 + l(l + 1)a0 ] + {[l(l + 1) 2] a1 + 6a3 } x
+
n=2
{[n(n 1) 2n + l(l + 1)] an + (n + 2)(n + 1)an+2 } xn .
Para que esta relaci on se verique, los coecientes que acompa nan a las potencias xm con m = 0, 1, deben ser nulos y por tanto: l(l + 1) a0 , 2 l(l + 1) 2 (l 1)(l + 2) a3 = a1 = a1 6 3! l(l + 1) n(n + 1) (l n)(l + n + 1) an+2 = an = an , (n + 2)(n + 1) (n + 1)(n + 2) a2 = (2.27a) (2.27b) n 2. (2.27c)
La soluci on general de la ecuaci on de Legendre, como la de toda ecuaci on diferencial de segundo orden, se escribe como la combinaci on lineal de dos soluciones y1 (x) e y2 (x) linealmente independientes. Si escogemos a1 = 0, obtenemos la soluci on y1 (x) =a0 1 l(l + 1) x2 x4 + (l 2)l(l + 1)(l + 3) 2! 4! x6 (l 4)(l 2)l(l + 1)(l + 3)(l + 5) + . 6!
(2.28)
2.3 Polinomios de Legendre Si escogemos a0 = 0, la soluci on linealmente independiente es y2 (x) =a1 x (l 1)(l + 2) x3 x5 + (l 3)(l 1)(l + 2)(l + 4) 3! 5! 7 x (l 5)(l 3)(l 1)(l + 2)(l + 4)(l + 6) + . 7!
81
(2.29)
Ejercicio 2.2
Comprueba que de las ecuaciones (2.27) se deducen las expresiones (2.28) y (2.29).
Las series innitas anteriores nos denen dos funciones y1 (x) e y2 (x) que son linealmente independientes pues en y1 (x) s olo hay potencias pares y en y2 (x) s olo potencias impares de x. La soluci on general de la ecuaci on de Legendre es pues y (x) = c1 y1 (x) + c2 y2 (x), con c1 y c2 constantes arbitrarias. Estas funciones y1 (x) e y2 (x) se conocen como funciones de Legendre y, en general, divergen para x = 1 por lo que no satisfacen la condici on de contorno singular (2.22). Hemos dicho que las funciones de Legendre divergen en general para x = 1 porque para valores enteros de l estas funciones se hacen regulares en x = 1. Esto no es dif cil de ver: si l es un n umero entero (l = 0, 1, ), la relaci on de recurrencia (2.27c) nos dice que al+2 = 0, y por consiguiente, 0 = al+4 = al+6 = . Por tanto, si l = par, la serie que dene a y1 (x) se trunca y la funci on y1 (x) no es m as que un polinomio de grado l; si l = impar, es la serie que dene a y2 (x) la que se trunca y la funci on y2 (x) es un polinomio de grado l. En denitiva, si l = 0, 1, , hay soluciones en forma de polinomio de la ecuaci on de Legendre. Dado que los polinomios son funciones regulares para todo argumento, concluimos que estos polinomios son la soluci on del problema de Sturm-Liouville descrito por las ecuaciones (2.20) y (2.22) dado que son soluciones de la ecuaci on de Legendre y, adem as, son regulares en x = 1. Estos polinomios son justamente los polinomios de Legendre si se escogen las constantes a0 y a1 de modo que el valor de los polinomios sea 1 en x = 1.
2.3.2. Paridad y valores especiales

Por inspecci on de la f ormula expl cita (2.24) de Pl (x) puede verse que Pl (x) tiene la misma paridad que l:6 Pl (x) = Pl (x) si l es impar, (2.30) Pl (x) = Pl (x) si l es par. Esto implica que Pl (0) = 0 si l = impar pues, en este caso, Pl (0) = Pl (0) lo cual exige Pl (0) = 0. Si l es par, entonces s olo el t ermino (sumando) constante (es decir, el coeciente de x0 ) no es nulo cuando x = 0, con lo cual Pl (0) ser a igual al coeciente de x0 . Como el t ermino 0 correspondiente a x se da cuando l 2m = 0, es decir, para m = l/2, se deduce que Pl (0) = (1)l/2 = (1)l/2
6
2l 2l
l 2
l! !
l 2
l 2 2.
! 0!
l! !
Si l es par [impar] entonces l 2m es par [impar] para todo m = entero, luego xl2m es funci on par [impar] y por tanto Pl (x) es funci on par [impar].
82
P0 P1 P2
0.5 1
P3
-1 -0.5
0.5
P4
-0.5 -1
P5
Figura 2.1: Primeros polinomios de Legendre Pl (x) con l = 0, 1, 2, 3, 4, 5. La l nea que corta l veces a la abscisa es la representaci on del polinomio Pl (x).
2.3.3. Primeros polinomios

Los primeros polinomios de Legendre normalizados mediante la condici on Pl (1) = 1 son: P0 (x) = 1, P1 (x) = x, 1 P2 (x) = (3x2 1), 2 1 P3 (x) = (5x3 3x), 2 1 P4 (x) = (35x4 30x2 + 3), 8 1 P5 (x) = (63x5 70x3 + 15x), 8 . . . En la gura 2.1 se representan estos seis primeros polinomios. N otese que el n umero de ceros de Pl (x) es igual a l.
2.3.4. F ormula de Rodrigues

La f ormula de Rodrigues proporciona una representaci on diferencial de los polinomios de Legendre. Partimos de las siguientes propiedades de la derivada de un monomio: d dx d dx En particular se tiene que d dx
l n
xm =
m! xmn (m n)!
para n m, (2.31)
xm = 0 para n > m.
x2l2m =
(2l 2m)! l2m (l 2m)! x xl2m = (l 2m)! (2l 2m)!
d dx
x2l2m .
2.3 Polinomios de Legendre Usamos esta u ltima relaci on en la expresi on (2.24) de Pl (x):
[l/2]
83
Pl (x) = 1 = l 2
(1)m
m=0
1 l 2 m!(l m)!
d dx
x2l2m
d dx
l [l/2] m=0
1 (1)m x2(lm) . m!(l m)!
(2.32)
Esta u ltima expresi on es muy similar a la f ormula del binomio de Newton. Ser a igual si el sumatorio se extendiera hasta l y estuviera multiplicado por l! Pero, es l cito extender el sumatorio hasta l? La respuesta es s ya que
l m=0
(1)m x2(lm) = m!(l m)!
[l/2] m=0
(1)m x2(lm) + m!(l m)!
l m=[l/2]+1
(1)m x2(lm) m!(l m)!
(2.33)
y resulta que el segundo sumatorio, tras ser derivado l veces, es nulo. Justicaremos esta armaci on escribiendo
l m=[l/2]+1
(1)m x2(lm) = x2l2[l/2]2 + monomios de grado menor m!(l m)!
Como 2[l/2] = se tiene que 2l 2[l/2] 2 = l 2 si l es par, l 1 si l es impar, l si l es par, l 1 si l es impar,
y por tanto el monomio de mayor grado que a nadimos en (2.33) es xl2 si l es par, o xl1 si l es impar. Pero, seg un (2.31), su derivada l- esima es nula en cualquiera de estos dos casos. Esto signica que, efectivamente, los t erminos que a nadimos, tras ser derivados l veces, dan una contribuci on nula. Por tanto podemos escribir (2.32) en forma del binomio de Newton: 1 Pl (x) = l 2 l! = 1 2l l! d dx d dx
l l m=0 l
l! (1)m x2(lm) m!(l m)! (2.34)
(x2 1)l .
Esta u ltima expresi on se conoce como f ormula de Rodrigues.
2.3.5. Representaciones integrales

F ormula de Schl ai Partimos de la f ormula integral de Cauchy, d dz
n
f (z ) =
n! 2i
ds
C
f (s) , (s z )n+1
(2.35)
84
-1
x s
Figura 2.2: Un contorno de integraci on v alido para la f ormula de Schl ai en donde z = x R. siendo C un contorno cerrado dentro del cual f es regular (anal tica) y que incluye al punto s = z (v ease la gura 2.2). Escogemos ahora la funci on f (s) = (s2 1)l , que es regular en todo el plano complejo, y elegimos como valor de z a un n umero real x dentro del intervalo [1, 1]. Por tanto d dx
l
(x2 1)l =
l! 2i
ds
C
(s2 1)l . (s x)l+1
Usando la f ormula de Rodrigues (2.34) se tiene que Pl (x) = que es la f ormula de Schl ai. F ormula de Laplace Partimos de la representaci on de Schl ai, escogiendo como contorno C a la circunferencia con centro en x (1, 1) y de radio |x2 1|, es decir, excluimos los puntos x = 1 como centros. De este modo tenemos que s = x + (x2 1)1/2 ei , . (2.37) 1 2l 2i ds
C
(s2 1)l , (s x)l+1
(2.36)
El numerador de la integral de la f ormula de Schl ai (2.36) toma la forma s2 1 = (s + 1) (s 1) = [x + 1 + (x2 1)1/2 ei ] [x 1 + (x2 1)1/2 ei ] = (x2 1) + 2x (x2 1)1/2 ei +(x2 1) ei2 = 2x(x2 1)1/2 ei +(x2 1) (1 + ei2 ) = 2(x2 1)1/2 ei x + (x2 1)1/2 ei + ei 2
= 2(x2 1)1/2 ei [x + (x2 1)1/2 cos ]. Por tanto (s2 1)l = 2l (x2 1)l/2 eil [x + (x2 1)1/2 cos ]l . De la ecuaci on (2.37) se deduce que ds = i (x2 1)1/2 ei d. (2.39) (2.38)
2.3 Polinomios de Legendre Sustituyendo (2.38) y (2.39) en la f ormula de Schl ai (2.36), obtenemos Pl (x) = = 1 2l 2i 1 2

85
2l (x2 1)l/2 eil [x + (x2 1)1/2 cos ]l (x2 1)

l+1 2
ei(l+1)
i (x2 1)1/2 ei d
[x + (x2 1)1/2 cos ]l d.
Como la funci on cos es par, podemos escribir Pl (x) = 1

0
[x + (x2 1)1/2 cos ]l d,
(2.40)
que es la f ormula de Laplace. Esta f ormula es tambi en v alida para x = 1 ya que para estos l valores conduce a Pl (1) = 1 y Pl (1) = (1) , tal como debe ser. N otese tambi en que Pl (x) es siempre real a pesar de que (x2 1)1/2 es imaginario para 1 < x < 1. Esto puede justicarse de la siguiente manera: si desarrollamos [x + (x2 1)1/2 cos ]l mediante la f ormula del binomio de Newton, obtendremos sumandos proporcionales a: [(x2 1)1/2 cos ]m siendo m par (m l), y estos t erminos son reales, como puede verse f acilmente: [(x2 1)1/2 ]m = [i (1 x2 )1/2 ]m = im (1 x2 )m/2 = (1 x2 )m/2 R para 1 x 1. [(x2 1)1/2 cos ]m siendo m impar. Ahora es cierto que (x2 1)1/2 es un n umero imaginario puro, pero si m es impar entonces en (2.40) estamos integrando una potencia impar de cos en el intervalo [0, ]. Esta integral es nula, por lo que estos sumandos con m impar dan una contribuci on nula. En resumen, si m es impar, los t erminos imaginarios se anulan al integrarse:
0
(x2 1)m/2 cosm d = (x2 1)m/2

0
cosm d = 0
si m impar.

Vamos a hallar la funci on generatriz a partir de la f ormula de Laplace (2.40):
G(x, t) =
l=0
Pl (x)tl 1 1

= =
d
0 0 l=0
tl [x + (x2 1)1/2 cos ]l
d , 1 t (x + x2 1 cos )
donde se ha hecho uso de la relaci on 1/(1 x) = 1 + x + x2 + . . . La integral anterior tiene primitiva: 1 G(x, t) =
0
d 1 2 arctan = 2 a + b cos a b2
ab tan a+b 2
86
r2
r r1
-q
+q
Figura 2.3: C alculo del campo el ectrico dipolar. con a = 1 tx y b = t x2 1. Pero tan 0 = 0 arctan 0 = 0 tan 2 = arctan = 2 y por tanto la funci on generatriz ser a 1 G(x, t) = . 1 2xt + t2 (2.41) 1 G(x, t) = a2 b2
A partir de la funci on generatriz pueden obtenerse diversas propiedades de los polinomios de Legendre. Por ejemplo, 1 = G(x = 1, t) = 1t G(x = 1, t) = 1 = 1+t
tl
Pl (1) = 1,
l=0
(1)l tl Pl (1) = (1)l .

l=0
2.3.7. Funci on generatriz y campo el ectrico dipolar

Puede usarse la funci on generatriz de los polinomios de Legendre para hallar una expresi on aproximada del campo el ectrico generado por un dipolo el ectrico. Sea un dipolo formado por dos cargas q y q equidistantes del origen de coordenadas y que est an separadas por la distancia 2a, tal como se muestra en la gura 2.3. Usando coordenadas polares (pues el campo tiene simetr a de rotaci on con respecto al eje que pasa por las dos cargas +q y q ), el campo el ectrico en un punto de coordenadas (r, ) viene dado por V (r, ) = con r1 = r2 + a2 2ar cos r2 = r2 + a2 + 2ar cos
1/2 1/2
q q r1 r2
, .
2.3 Polinomios de Legendre Pero 1 1 = r1 r 1 1 = r2 r Por tanto 1 1 2 cos()(a/r) + (a/r)2 1 1 + 2 cos()(a/r) + (a/r)2 = G(cos , a/r), = G(cos , a/r).
87
q [G(cos , a/r) G(cos , a/r)] r De la denici on de la funci on generatriz se deduce que V (r, ) = V (r, ) = q r
[Pn (cos ) (1)n Pn (cos )]

n=0
a r
Por tanto, usando las propiedades de simetr a (2.30) de los polinomios de Legendre obtenemos V (r, ) = 2q r
P2n+1 (cos )
n=0
a r
2n+1
que es la expresi on del potencial de un dipolo el ectrico expresado en la forma de un desarrollo en serie de polinomios de Legendre. En particular, si r es mucho m as grande que a, la serie anterior converge muy r apidamente y se puede aproximar el potencial V (r, ) del dipolo por su primer t ermino, (2qa/r2 )P1 (cos ), es decir, V (r, ) 2qa cos r2 para r a.
Esta es la expresi on aproximada habitual utilizada en las aplicaciones f sicas. La cantidad 2qa es conocida como momento del dipolo. Si la disposici on de las cargas hubiera sido +q en x = a, 2q en x = 0 y +q en x = a, tendr amos un cuadripolo el ectrico lineal cuyo campo el ectrico, como es f acil de comprobar, vendr a dado por V (r, ) = q [2 + G(cos , a/r) + G(cos , a/r)] r q a = 2 + [Pn (cos ) + (1)n Pn (cos )] r r
n=0
= Si r
2q r
P2n (cos )
n=1
a r
2n
a, el potencial del cuadripolo el ectrico linear se puede aproximar por V (r, ) = 2qa2 P2 (cos ) + r3 qa2 = 3 3 cos2 1 + r
Siempre es posible disponer las cargas el ectricas de modo que el primer t ermino del desarrollo de V (r, ) en polinomios de Legendre sea Pm , es decir, V (r, ) Pm (cos ) + . A esta disposici on de cargas se la llama monopolo si m = 0, dipolo si m = 1, cuadripolo si m = 2, octupolo si m = 3, etc.
88 Ejercicio 2.3
Se pide hallar la disposici on de cargas de un octupolo lineal, es decir, la disposici on de cargas que conduce a un campo el ectrico con la propiedad de que V (r, ) P3 (cos ) + . Una pista muy sugerente: la disposici on de cargas del dipolo y del cuadripolo est an curiosamente relacionadas con las f ormulas m as sencillas de la derivada primera y segunda central, respectivamente, mediante diferencias nitas de una funci on (v ease la secci on 4.3.1); podr a ser que la disposici on del octupolo estuviera relacionada con la expresi on (m as sencilla) de la derivada tercera central? La respuesta es s . Es esto s olo casualidad?
2.3.8. Desarrollo en serie de polinomios de Legendre

Sea (x) una funci on de cuadrado sumable en el intervalo I = [1, 1]. Entonces podemos escribir dicha funci on como
(x) =
l=0
cl Pl (x)
con cl =
Pl | . Pl 2
(2.42)
Dentro de un momento vamos a demostrar que la norma de los polinomios de Legendre viene dada por 2 Pl 2 = . (2.43) 2l + 1 Usando este resultado podemos escribir el desarrollo en polinomios de Legendre de una funci on (x) de un modo m as expl cito:
(x) =
l=0
cl Pl (x) con cl =
2l + 1 2
1 1
dx (x)Pl (x).
(2.44)
Por supuesto, tal como se dec a en los teoremas 1.6 y 1.5, p agina 27, el tipo de convergencia de la serie Fourier generalizada (2.42) a la funci on (x) depende de la continuidad y suavidad de esta funci on. A continuaci on vamos a demostrar la f ormula (2.43) para la norma de Pl . Lo haremos de dos modos: mediante la f ormula de Rodrigues y mediante la funci on generatriz. Primer modo: mediante la f ormula de Rodrigues. El cuadrado de la norma de Pl (x) es Pl
2 1
=
1
dx Pl (x) Pl (x)
1 1 m
1 2 l 2 (l!)2
[Dl (x2 1)l ] [Dl (x2 1)l ] dx
(2.45)
d dm d donde hemos utilizado la notaci on D y Dm = = m dx dx dx partes con u = [Dl (x2 1)l ] y dv = [Dl (x2 1)l ] dx, de modo que Pl
2
. Integramos (2.45) por
1 2 l 2 (l!)2
[Dl1 (x2 1)l ] [Dl (x2 1)l ]
1 1
dx [Dl1 (x2 1)l ] [Dl+1 (x2 1)l ] . (2.46)
2.3 Polinomios de Legendre El primer t ermino (el t ermino de contorno) es nulo ya que Dn (x2 1)l
x=1
89
= Dn (x 1)l (x + 1)l
x=1
=0
si n < l
pues en esta derivada n- esima, los t erminos resultantes contienen t erminos proporcionales a x 1 y a x + 1 que son nulos en x = 1 y x = 1, respectivamente. Integrando por partes l veces la integral remanente en (2.46) se tiene que Pl Pero d dx
2l 2
1 (1)l 2 l 2 (l!)2
1 1
(x2 1)l
d dx
2l
(x2 1)l dx.
(2.47)
(x2 1)l = =
d dx d dx
2l
l n=0
l 2n x (1)nl n
2l
[x2l lx2l2 + ]
= D2l x2l l D2l x2l2 + = (2l)! + 0 + 0 + Por tanto Pl

2
se reduce a Pl
2
(2l)! (1)l 2 2 l (l!)2
1 1
dx (x2 1)l .
Para evaluar esta integral usaremos el cambio de variable u = (x + 1)/2, es decir, x = 2u 1. Entonces x = 1 u = 0, x = 1 u = 1, x 1 = (x + 1)(x 1) = 4u(u 1), y la integral se convierte en
1 1 2
dx (x2 1)l = 2
0
du [22 (u 1) u]l
1 0
= (1)l 22l+1 = (1) 2 donde B (r, s) es la funci on beta:

1 l 2l+1
du ul (1 u)l
B (l + 1, l + 1),
B (r, s) =
0
du ur1 (1 u)s1 =
(r)(s) . (r + s)
Recordando que (l + 1) = l!, se tiene que Pl

2 2 (2l)! l l 2l+1 (l!) ( 1) ( 1) 2 22l (l!)2 (2l + 1)! 2 = , 2l + 1
(2.48)
que es el resultado que quer amos probar.
90 Ejercicio 2.4
Sabemos que Pl |Pm = 0 si l = m porque los polinomios de Legendre son soluciones de un problema de Sturm-Liouville y Pl (x) y Pm (x) son autofunciones con autovalores distintos. No obstante, podemos demostrar esta propiedad de forma directa mediante un procedimiento muy similar al que acabamos de seguir para hallar la norma de Pl (x). Supongamos por concretar que m < l. Entonces: 1. Usa la f ormula de Rodrigues de los polinomios de Legendre para demostrar que
1
Pl |Pm
1
[Dl (x2 1)l ] [Dm (x2 1)m ] dx.
on por partes [mira la deducci on que va de la ecuaci on (2.45) a la ecuaci on (2.47)] 2. Mediante integraci demuestra que
1
Pl |Pm
1
(x2 1)l
d dx
l +m
(x2 1)m dx.
3. Usa la relaci on anterior para demostrar que Pl |Pm = 0 si m < l. Por supuesto, si hubiera ocurrido que m > l, s olo habr a que intercambiar los papeles de l y m en la demostraci on anterior, por lo que se deduce entonces que Pl |Pm = 0 si l = m, que es lo que se quiere demostrar.
Segundo modo: mediante la funci on generatriz. Este m etodo es m as sencillo que el anterior. Partimos de la funci on generatriz 1 G(x, t) = = 1 2tx + t2
Pl (x) tl .
l=0
Elevamos al cuadrado esta expresi on e integramos en el intervalo [1, 1],

1 1
dx = 1 2xt + t2 =
1 1 1
G2 (x, t) dx

(2.49) tl tm Pl (x) Pm (x)
dx
1
= =
l=0 m=0 2l
l=0 m=0 1 l m
tt
dx Pl (x) Pm (x) (2.50)
Pl 2 .
l=0
Hacemos ahora el cambio y = 1 2tx + t2 en la integral (2.49). De este modo dy = 2t dx, los l mites de integraci on son x = 1 y = 1 2t + t2 = (1 t)2 , x = 1 y = 1 + 2t + t2 = (1 + t)2 ,
2.3 Polinomios de Legendre y la integral se transforma en

1 1
91
dx = 1 2xt + t2 1 = 2t =
(1t)2 (1+t)2 (1+t)2 (1t)2
1 dy 2t y dy y
1 (1 + t)2 ln 2t (1 t)2 1 1+t = ln . t 1t
Pero ln(1 t) = t ln
t2 t2 , por lo que 2 3 1+t 1t = ln(1 + t) ln(1 t) = 2 t + t3 t5 + + , 3 5
y la integral puede escribirse as :

1 1
dx t2 t4 + + = 2 1 + 1 2xt + t2 3 5
=2
l=0
t2l . 2l + 1
(2.51)
Comparando el desarrollo (2.51) con el (2.50) se ve que Pl

2
2 . 2l + 1
(2.52)
Ejemplo 2.3
En este ejemplo queremos desarrollar en serie de polinomios de Legendre la funci on |x| denida en el intervalo [1, 1]. El desarrollo de |x| viene dado por la expresi on
|x| =
n=0
c2n P2n (x),
donde s olo aparecen ndices pares debido a que |x| es una funci on par.7 Usando la expresi on (2.44) tenemos que c2n = = P2n | |x| P2n 2 4n + 1 2
1
dx |x|P2n (x)
1 1
= (4n + 1)
0
7 1
dx xP2n (x)
(2.53)
Los t erminos impares son nulos porque c2n+1 1 |x|P2n+1 = 0, ya que las integrales sobre un intervalo sim etrico en torno a x = 0 (aqu el intervalo es [1, 1]) cuyo integrando sea impar son nulas. En nuestro caso el integrando es impar por ser el producto de una funci on par, |x|, por una funci on impar, P2n+1 (x). Este u ltimo resultado lo vimos en la ecuaci on (2.30) de la p agina 81.
92
pues |x| y P2n (x) son funciones pares. Usamos ahora la f ormula de Rodrigues (2.34):
1
c2n = (4n + 1)
0
dx
1 0
1 x D2n (x2 1)2n 22n (2n)! d x D2n1 (x2 1)2n dx dx

1 0
4n + 1 = 2n 2 (2n)!
D2n1 (x2 1)2n dx .
(2.54)
La u ltima relaci on requiere n 1. La primera integral que hay dentro de las llaves de (2.54) es nula, x D2n1 (x2 1)2n puesto que: En x = 0 se tiene que 0 D2n1 (x2 1)2n
x=0 x=1 x=0
= 0,
= 0.
D2n1 (x2 1)2n es una suma de t erminos en los que siempre hay, al menos, un factor (x2 1) (demu estrese) por lo que todos estos t erminos son nulos en x = 1. Analicemos ahora el valor de la segunda integral que hay dentro de las llaves de la ecuaci on (2.54):
1 0
D2n1 (x2 1)2n dx = D2n2 (x2 1)2n
x=1 x=0
Esta expresi on es nula en x = 1 por los mismos motivos que hemos dado anteriormente para justicar que D2n1 (x2 1)2n es cero en x = 1. Por consiguiente c2n = 4n + 1 22n (2n)! d dx
2n2
(x2 1)2n d dx
x=0 2n2
2n 4n + 1 (1)m = 2n 2 (2n)! m=0 m
(x2 )2nm
x=0
donde hemos desarrollado (x2 1)2n mediante la f ormula del binomio de Newton. Es claro que todos lo t erminos son nulos para x = 0 excepto el t ermino independiente (el t ermino que no depende de x). Este t ermino es 2n2 d x2n2 = (2n 2)! dx Pero el monomio x2n2 es igual a (x2 )2nm si m es tal que 2n 2 = 4n 2m 2m = 4n 2n + 2 = 2n + 2 m = n + 1. Por tanto tenemos que c2n = 4n + 1 2n (1)n+1 (2n 2)! 22n (2n)! n + 1 4n + 1 (2n 2)! = (1)n+1 2n , 2 (n 1)! (n + 1)!
n1.
El coeciente para n = 0 viene dado por c0 = 1 1 P0 | |x| = 2 2

1
1 |x| dx =
1
1 . 2
Los primeros coecientes del desarrollo en serie de |x| en polinomios de Legendre son c0 = 1 , 2 c2 = 5 , 8 c4 = 3 , 16 c6 = 13 , 128
2.3 Polinomios de Legendre N =1 0.5 0.5 0.5 N =2 0.1875 0.4219 1.125 N =3 0.1172 0.4761 0.9375 N =4 0.0854 0.5089 1.0391
93
x =0 x = 0.5 x=1
Tabla 2.2: Aproximaci on SN (x) a la funci on |x| para varios valores de x y N .

1 0.8 0.6 0.4 0.2 x 1 0.75 0.5 0.25 0.25 0.5 0.75 1
Figura 2.4: Aproximaci on S4 (x) (l nea quebrada) y S8 (x) (l nea continua) de la funci on |x|.
y por tanto |x| = 1 5 3 P0 (x) + P2 (x) P4 (x) + O 2 8 16 15 1 7 13 = + 7x2 x4 + O 64 2 2 128 13 P6 (x) 128 13 128 13 P6 (x) 128 (2.55)
Hemos escrito O
=O
porque Pn (x) es del orden de la unidad (|Pn (x)| 1). Sea SN el desarrollo en serie de polinomios de Legendre de |x| con N t erminos:
N 1
SN (x) =
l=0
c2l P2l (x).
Esta serie converge muy r apidamente tal y como se muestra en la tabla 2.2 y en la gura 2.4.
Aproximaci on de m nimos cuadrados

m Queremos hallar el polinomio pn (x) = n m=0 am x de grado n denido en el intervalo [1, 1] que proporciona la mejor estimaci on (en el sentido de m nimos cuadrados) a una funci on dada (x). Es decir, queremos hallar los coecientes am que hacen que el error cuadr atico medio 1 1 n 2
En =
dx [(x) pn (x)] =
dx (x)
1 m=0
am x
94
sea m nimo. La respuesta a esta cuesti on ha sido esencialmente dada en la secci on 1.6.1, p agina 31 y siguientes, si nos damos cuenta de que los polinomios de Legendre est an denidos en el intervalo [1, 1] y su funci on peso es la unidad, r(x) = 1. Esto signica que el polinomio pn (x) optimo (en media cuadr atica), es decir, el polinomio de grado n que conduce a error cuadr atico m nimo viene dado por
n
pn (x) =
l=0
cl Pl (x),
con cl =
2l + 1 2
1 1
dx (x)Pl (x).
Ejercicio 2.5
Obt en las f ormulas del polinomio optimo en media cuadr atica de una funci on denida en el intervalo [a, a]. Hazlo tambi en si el intervalo es [a, b].
Ejemplo 2.4
En este ejemplo vamos a obtener el polinomio optimo (en media cuadr atica) de grado cuatro que aproxima la funci on cos(x) en el intervalo [1, 1] y vamos a compararlo con el desarrollo en serie de Taylor hasta orden cuatro de esta funci on. Llevando a cabo las integrales de la ecuaci on (2.44) para (x) = cos(x), se obtiene que c0 = sen(1), c2 = 15 cos(1) 10 sen(1), c4 = 855 cos(1) 549 sen(1). Por supuesto, por ser cos(x) una funci on par, ocurre que cn = 0 cuando n es impar. Entonces
4
popt 4 (x) =
l=0
cm Pl (x)
1695 sin(1) 2625 cos(1) 8295 sin(1) + 12915 cos(1) 2 19215 sin(1) 29925 cos(1) 4 + x + x 8 4 8 = 0 999971 0 499385x2 + 0 0398087x4 . = La aproximaci on que se obtiene mediante el desarrollo en serie de Taylor es ptay 4 (x) = 1 x2 x4 + . 2 24
En la gura 2.5 se representa la diferencia de las dos aproximaciones anteriores con la funci on cos(x). Es tay evidente la superioridad de popt ( x ) sobre el simple truncamiento de la serie de Taylor, p ( x ). 4 4
2.3.9. Relaciones de recurrencia de los polinomios de Legendre

Hallaremos la relaci on de recurrencia de los polinomios de Legendre de dos maneras: la primera a trav es de la relaci on de recurrencia general (2.3) de la p agina 73, y la segunda mediante la funci on generatriz. Terminaremos esta secci on obteniendo algunas relaciones de recurrencia para la derivada Pl (x) de los polinomios de Legendre.
2.3 Polinomios de Legendre

0.0015
95
p4(x)-cos(x)
0.0010
0.0005
0.0000 -1.0 -0.5 0.0 0.5 1.0
Figura 2.5: Comparaci on del error p4 (x) cos(x) donde p4 (x) = popt nea continua) y p4 (x) = 4 (x) (l tay p4 (x) (l nea quebrada). Relaci on de recurrencia a partir de la relaci on de recurrencia general La relaci on de recurrencia general (2.3) es xPl (x) = Al Pl+1 (x) + Bl Pl (x) + Cl Pl1 (x) veric andose [v eanse las ecuaciones (2.9), (2.10) y (2.12)] que Al =
(l ) (l) (l) (l+1)
(2.56)
al
al+1
, (l+1)
Bl =
al1 al
(l )
al
, (l+1) al+1
l
Cl = Al1
Pl 2 , Pl1 2
(2.57)
donde am se dene por la relaci on Pl (x) =

m=0 l) m a( mx .
Pero sabemos por la ecuaci on (2.24) que los polinomios de Legendre vienen dados por
[l/2]
Pl (x) = donde, en particular,
m=0
(2l 2m)! (1) l xl2m = 2 m!(l m)!(l 2m)!

m
[l/2]
al2m xl2m
m=0
(l)
(2.58)
al = (1)0 al1 = 0. Usando estas expresiones en (2.57) se tiene

(l )
(l)
(2l)! (2l 2 0)! = l 2, l 2 0! l! l! 2 (l!)
(2l)! 2l+1 [(l + 1)!]2 2(l + 1)2 l+1 = = , l 2 (2l + 2)! (2l + 1)(2l + 2) 2l + 1 2 (l!) Bl = 0, l 2 2l 1 l Cl = = . 2l 1 2l + 1 2 2l + 1 Al =
(2.59) (2.60) (2.61)
96 Sustituyendo en (2.56) se encuentra xPl (x) = es decir (2l + 1) x Pl (x) = (l + 1) Pl+1 (x) + l Pl1 (x). Relaci on de recurrencia a partir de la funci on generatriz l+1 l Pl+1 (x) + Pl1 (x), 2l + 1 2l + 1
(2.62)
Ahora vamos a hallar la relaci on de recurrencia (2.62) partiendo de la funci on generatriz dada en (2.41), G(x, t) = (1 2xt + t2 )1/2 . Derivamos G(x, t) respecto a la variable t, G 1 xt = (1 2xt + t2 )3/2 (2x + 2t) = , t 2 (1 2xt + t2 )3/2 para, reordenando t erminos, obtener (1 2xt + t2 ) Pero la funci on generatriz se dene como
G = (x t) G(x, t). t
(2.63)
G(x, t) =
l=0
Pl (x)tl
lo que implica G = t
Pl (x) l tl1 .
l=1
Sustituyendo este resultado en (2.63) obtenemos

l Pl (x)tl1 2x
l=1 l=1
l Pl (x)tl +
l=1
l Pl (x)tl+1 = x
l=0
Pl (x)tl
l=0
Pl (x)tl+1 .
(2.64)
Aprovechando que los ndices de los sumatorios son mudos vamos cambiar los ndices en los sumatorios teniendo cuidado de no invalidar la igualdad. Lo que haremos es cambiar los ndices de modo que nos queden todos los sumatorios expresados en potencias de tl . En general, si l+m y queremos expresarla en potencias de tl debemos nos encontramos con la suma l=n F (l)t realizar el cambio lold lnew m, o, como escribiremos a menudo sin tanto detalle, l l m. Por ejemplo, esto signica que lold + m lnew lold = n lnew m = n lnew = m + n,
l+m en t l y por tanto la suma erminos del nuevo ndice se escribir a l=n F (l)t l=n+m F (l m)t , l 8 expresi on que ya est a escrita en potencias de t . Volviendo a la ecuaci on (2.64), lo que hacemos
Est a claro que ir arrastrando los sub ndices old y new es pesado y, adem as, innecesario siempre que se preste la atenci on debida. Otra posibilidad menos elegante pero que provoca menos confusi on es utilizar s mbolos distintos para el ndice nuevo y viejo; digamos escribir l en vez de lold y j en vez de lnew .
2.3 Polinomios de Legendre
97
es efectuar el cambio l l + 1 en el primer sumatorio, dejamos el segundo y el cuarto tal como est an (pues ya est an expresados en potencias de tl ), y en el tercer y quinto sumatorio llevamos a cabo el cambio l l 1. El resultado es

(l + 1) Pl+1 tl 2x
l=0 l=1
l P l tl +
l=2
(l 1) Pl1 tl = x
l=0
Pl tl
l=1
Pl1 tl .
Como todas las sumas est an expresadas con t erminos tl , es f acil darse cuenta que el u nico modo de que la relaci on anterior se satisfaga para todo t es si los coecientes de tl (l = 0, 1, 2 ) satisfacen las relaciones: t0 : P1 = xP0 , t1 : 2P2 2x P1 = xP1 P0 , tl con l 2 : (l + 1) Pl+1 2xl Pl + (l 1) Pl1 = xPl Pl1 .
N otese que la segunda relaci on es un caso particular de la tercera. Tambi en la primera relaci on ser a un caso particular de la tercera si aceptamos la convenci on de considerar que Pl (x) 0 si l < 0. En este caso, las tres relaciones anteriores se pueden sintetizar en la tercera de ellas: (l + 1) Pl+1 2xl Pl + (l 1) Pl1 = xPl Pl1 , o, equivalentemente, (2l + 1) x Pl (x) = (l + 1) Pl+1 (x) + l Pl1 (x), que es la relaci on de recurrencia buscada. Relaciones de recurrencia sobre
d dx Pl (x)
l = 0, 1, 2,
l = 0 , 1, 2,
(2.65)
Del mismo modo que en la secci on anterior, partimos de la funci on generatriz (2.41) pero derivando ahora con respecto a x: 1 G = (1 2xt + t2 )3/2 (2t) x 2 t = G(x, t), 1 2xt + t2 es decir, (1 2xt + t2 ) G = t G(x, t). x (2.66)
De la denici on de funci on generatriz se deduce que
G(x, t) =
l=0
Pl (x)tl
G = x
Pl (x)tl .
l=0
Sustituyendo este resultado en (2.66) se encuentra

Pl t 2x
l=0 l=0
Pl t
l+1
+
l=0
Pl t
l+2
=
l=0
Pl tl+1 .
98
Tal como procedimos anteriormente, hacemos cambios en los ndices para que las sumas queden l expresadas en potencias de t y de este modo poder igualar los coecientes:

Pl t 2x
l=0 l=1
Pl1 t +
l=2
Pl2 t =
l=1
Pl1 tl .
Esta ecuaci on implica Pl (x) 2x Pl1 (x) + Pl2 (x) = Pl1 (x) (2.67) para l 2. Si consideramos que Pl (x) 0 si l < 0, entonces es f acil ver que es tambi en v alida para todo l. Esta es una de las relaciones de recurrencia (que involucran a la derivada) que satisfacen los polinomios de Legendre. Es posible deducir otras muchas relaciones que involucran a Pl (x) a partir de (2.65) y (2.67). A continuaci on deducimos unas cuantas relaciones m as usando una notaci on que debiera ser di afana: d 2 (2.65) + (2l + 1)(2.67) Pl+1 (x) Pl1 (x) = (2l + 1) Pl (x), (2.68) dx 1 [(2.67)+(2.68)] Pl+1 (x) = (l + 1) Pl (x) + x Pl (x), (2.69) 2 1 [(2.67)(2.68)] Pl1 (x) = l Pl (x) + x Pl (x), (2.70) 2 (2.69)ll1 + x(2.70) (1 x2 ) Pl (x) = l Pl1 (x) lx Pl (x), (2.71) d (2.71) + l(2.70) (1 x2 ) Pl (x) = (l + 1)x Pl (x) (l + 1) Pl+1 (x) (2.72) dx Derivado una vez (2.71) y usando (2.70) para eliminar Pl1 (x) redescubrimos que Pl (x) satisface la ecuaci on de Legendre, d [(1 x2 ) Pl (x)] = l Pl1 (x) l Pl (x) lx Pl (x) dx = l [l Pl (x) + x Pl (x)] l Pl (x) lx Pl (x) = l(l + 1) Pl (x) es decir, (1 x2 ) Pl (x) 2x Pl (x) + l (l + 1) Pl (x) = 0, que es justamente la ecuaci on de Legendre tal como la escribimos en (2.20). Ejercicio 2.6
Obtendremos ahora la f ormula de Christoel-Darboux para los polinomios de Legendre. Partimos de la f ormula general (2.15): (x y ) Pn (x) Pn (y ) Am = [Pm+1 (x)Pm (y ) Pm (x) Pm+1 (y )]. 2 2 P P n m n=0
m
Pero para los polinomios de Legendre se tiene [v eanse las ecuaciones (2.43) y (2.59)] que 2 l+1 , Al = , 2l + 1 2l + 1 con lo que sustituyendo estas relaciones en la f ormula general encontramos Pl
2
(x y )
m=0
(2m + 1) Pm (x) Pm (y ) = (l + 1) [Pl+1 (x)Pl (y ) Pl (x)Pl+1 (y )]
(2.73)
que es la f ormula de Christoel-Darboux para los polinomios de Legendre.
2.4 Funciones asociadas de Legendre
99
2.4. Funciones asociadas de Legendre

Las funciones asociadas de Legendre Plm (x) pueden denirse como las soluciones de la ecuaci on de Sturm-Liouville (1 x2 ) y 2x y + l(l + 1) m2 1 x2 y = 0, 1 x 1, m Z, (2.74)
que son regulares en x = 1. En otras palabras, son las soluciones del problema Sturm-Liouville singular L Plm (x) = l Plm (x), l l(l + 1) (2.75a) con p(x) = 1 x2 , q (x) = m2 /(1 x2 ), r(x) = 1 y condiciones de contorno Plm (1) = nito, Los autovalores l vienen dados por l = l(l + 1), donde l = entero y |m| l. (2.76) Plm (+1) = nito. (2.75b)
Las autofunciones, Plm (x), son las funciones asociadas de Legendre de grado l y orden m. Estas funciones Plm pueden expresarse mediante la f ormula de Rodrigues: Plm (x) = (1 x2 )m/2 = (1 x2 )m/2 2l l! d dx d dx
m
Pl (x)
l+m
(2.77) (2.78)
(x2 1)l .
Esta relaci on se demostrar a en la secci on 2.4.1. Observaciones: La relaci on (2.78) es v alida para m negativos siempre que l + m 0, es decir siempre que l m, lo cual, por (2.76), siempre se verica. Si m = 0 entonces las funciones asociadas de Legendre son simplemente los polinomios de Legendre, Pl0 (x) = Pl (x). La funci on asociada de Legendre Plm (x) es un polinomio de grado l si m es par, pues grado[(x2 1)l ] = 2l por lo que grado y por tanto grado [Plm (x)] = grado (1 x2 )m/2 d dx
l +m
d dx
l +m
(x2 1)l = 2l (l + m) = l m
(x2 1)l = m + (l m) = l.
100
2.4.1. Demostraci on de la f ormula de Rodrigues

Vamos a comprobar ahora que la funci on dada por la f ormula de Rodrigues (2.77) es soluci on de la ecuaci on asociada de Legendre (2.74). Por simplicidad en la notaci on escribiremos la f ormula de Rodrigues as : Plm (x) = (1 x2 )m/2 Dm Pl (x) (1 x2 )m/2 u(x) (2.79) donde Dn y u(x) Dm Pl (x). Si sustituimos (2.79) en la ecuaci on asociada de Legendre (2.74) y tenemos en cuenta que DPlm (x) = (1 x2 )m/2 D2 Plm (x) = (1 x2 )m/2 mx u+u , 1 x2 2mx m(m 1)x2 m u u + u , 1 x2 (1 x2 )2 dn dxn
encontramos que u(x) ha de satisfacer la ecuaci on (1 x2 )u 2(m + 1)xu + [l(l + 1) m(m + 1)] = 0. (2.80)
Por tanto, la f ormula de Rodrigues (2.79) ser a verdadera si la funci on u(x) = Dm Pl (x) satisface la ecuaci on (2.80). Vamos a comprobar que esto es lo que efectivamente ocurre derivando m veces la ecuaci on de Legendre (2.20): Dm (1 x2 ) Pl (x) 2Dm x Pl (x) + l(l + 1) Dm Pl = 0. (2.81)
Usando la regla (o f ormula) de Leibniz que nos proporciona la derivada de orden arbitrario de un producto de funciones,
n
Dn [f (x) g (x)] =
j =0
n j
Dnj f (x) Dj g (x) ,
(2.82)
se deduce que Dm (1 x2 )Pl (x) =
m j =0
m j
Dmj (1 x2 ) Dj Pl .
Teniendo en cuenta que Dmj (1 x2 ) = 0 si m j 3, es decir, si j m 3, se obtiene que

m
Dm (1 x2 )Pl (x) =
j =m2
m j
Dmj (1 x2 ) Dj Pl .
Por tanto Dm (1 x2 )Pl (x) = m(m 1) 2 D (1 x2 ) Dm2 Pl 2 + mD (1 x2 ) Dm1 Pl + (1 x2 )Dm Pl
= m(m 1)Dm Pl 2mx
d m d2 D Pl + (1 x2 ) 2 Dm Pl dx dx 2 = m(m 1)u 2mxu + (1 x )u .
(2.83)
2.4 Funciones asociadas de Legendre Procediendo de igual modo se obtiene que

m
101
xPl (x) =
j =0 m
m j
Dmj x Dj Pl m j Dmj x Dj Pl
= = mD
j=m1 m1
Pl + xDm Pl d = mDm Pl + x Dm Pl dx = mu + xu .
(2.84)
Insertando (2.83) y (2.84) en (2.81) es f acil comprobar que u(x) verica la ecuaci on (2.80). Esto es justamente lo que quer amos demostrar. Por ultimo, debe notarse que las funciones Plm (x) denidas por la ecuaci on (2.79) satisfacen las condiciones de contorno (2.75b) dado que los polinomios de Legendre Pl (x) son funciones continuas. Esto signica que las funciones Plm (x) denidas por la f ormula de Rodrigues son autofunciones del problema de Sturm-Liouville (2.75) dado que satisfacen la ecuaci on de SturmLiouville (2.75a) y las condiciones de contorno (2.75b).
2.4.2. Relaci on de proporcionalidad de las funciones asociadas de Legendre

Las funciones asociadas de Legendre cumplen la siguiente relaci on de proporcionalidad Plm (x) = (1)m (l m)! m P (x). (l + m)! l (2.85)
Para demostrarlo emplearemos la representaci on diferencial (2.78) de las funciones asociadas de Legendre y haremos uso de la regla de Leibniz para evaluar las derivadas de orden l + m y l m que aparecen en la relaci on (2.78). Para concretar, vamos a suponer que m no es negativo: m 0. Evaluaremos primero Dl+m (x2 l 1) y despu es Dlm (x2 1)l para hallar la relaci on que liga a los dos resultados y as inferir la relaci on que liga Plm (x) y Plm (x). Empezaremos evaluando Dl+m (x2 1)l aplicando la f ormula de Leibniz:
l +m
Dl+m (x2 1)l =

j =0
l+m j
Dl+mj (x + 1)l
Dj (x 1)l .
(2.86)
Es claro que Dl+mj (x + 1)l = 0 D (x 1) = 0

j l
si si
l + m j > l j < m, j > l,
y por tanto (n otese que los l mites del sumatorio han cambiado)
l
Dl+m (x2 1)l =

j =m l
l+m j
Dl+mj (x + 1)l
Dj (x 1)l
=
j =m
(l + m)! l!(x + 1)j m l!(x 1)lj . j ! (l + m j )! (j m)! (l j )!
(2.87)
102
Funciones especiales Evaluemos ahora Dlm (x2 1)l para despu es relacionar el resultado con la expresi on que l + m 2 l acabamos de obtener en (2.87) para D (x 1) . Procediendo como en el caso anterior no es dif cil ver que
l m
Dlm (x2 1)l =

j =0 l m
lm j
Dlmj (x + 1)l
Dj (x 1)l
=
j =0
l!(x + 1)m+j l!(x 1)lj (l m)! . j ! (l m j )! (m + j )! (l j )!
Vamos a intentar escribir esta expresi on de modo que se parezca lo m as posible a (2.87) para poder as ver claramente de qu e modo se relacionan. Empezamos haciendo que el sumatorio anterior tenga los mismos l mites que el de (2.87) mediante el cambio j j + m. Entonces j = 0 j = m y j = l m j = l y se tiene que
l
Dlm (x2 1)l =

j =m
l!(x + 1)m+j m l!(x 1)lj +m (l m)! (j m)! (l j )! j! (l k + m)!
Sacando el factor (x + 1)m (x 1)m = (x2 1)m fuera del sumatorio, encontramos
l
Dlm (x2 1) = (x2 1)m

j =m
(l m)! l!(x + 1)j m l!(x 1)lj . (j m)!(l j )! j! (l j + m)!
(2.88)
Si comparamos (2.88) con (2.87) podemos ver que son muy parecidas pues ambas expresiones contienen el t ermino 1 l! l! (x + 1)j m (x 1)lj j ! (l + m j )! (j m)! (l j )! dentro del sumatorio. Sin embargo, en (2.87) este t ermino va multiplicado por (l + m)! mientras que en (2.88) va multiplicado por (l m)! Es por tanto evidente que Dlm (x2 1) = (x2 1)m (l m)! l+m 2 D (x 1)l (l + m)! (l m)! l+m 2 = (1)m (1 x2 )m D (x 1)l . (l + m)!
Usando este resultado en la denici on (2.78) de Plm (x), Plm (x) = se encuentra que Plm (x) = (1 x2 )m/2 (l m)! l+m 2 (1)m (1 x2 )m D (x 1)l 2l l ! (l + m)! (1 x2 )m/2 lm 2 D (x 1)l , 2l l!
= (1)m
(l m)! (1 x2 )m/2 l+m 2 D (x 1)l (l + m)! 2l l! (l m)! m = (1)m P (x), (l + m)! l
que es justamente la relaci on (2.85) que quer amos demostrar.
2.4 Funciones asociadas de Legendre

1 3
103
n 0
0.5 2
n 2
0.5 1
-1
-0.5 -0.5
x
-1 -0.5
n 0
0.5 -1 1
n 1
-1
n 1
n 1
-1 -0.5 0.5 -5 -10 -15
n 0
1
n 2
n 3
n con n = 0, 1; Figura 2.6: Primeras funciones asociadas de Legendre. Figura superior izquierda: P1 n con n = 0, 1, 2; gura inferior: P n con n = 0, 1, 2, 3. gura superior derecha: P2 3
2.4.3. Primeras funciones asociadas de Legendre

Es muy habitual utilizar funciones asociadas de Legendre en las que su variable independiente recorre el intervalo 0 tras realizarse el cambio de variable x cos . A continuaci on damos las primeras funciones de Legendre usando las dos variables:
1 P1 = (1 x2 )1/2 = sen , 1 P2 = 3x(1 x2 )1/2 = 3 cos sen , 2 P2 = 3(1 x2 ) = 3 sen2 , 3 3 1 P3 = (5x2 1)(1 x2 )1/2 = (5 cos2 1) sen , 2 2 2 2 P3 = 15x(1 x ) = 15 cos sen2 , 3 P3 = 15(1 x2 )3/2 = 15 sen3 .
2.4.4. Ortogonalidad, norma y simetr a

Relaci on de ortogonalidad Las funciones asociadas de Legendre tienen la siguiente propiedad de ortogonalidad:
1 1
dx Plm (x)Plm (x) = Plm 2 l,l ,
(2.89)
104
donde el orden de m ha de ser el mismo en las dos funciones asociadas de Legendre para que sean autofunciones del mismo operador de Sturm-Liouville. Norma de las funciones asociadas de Legendre La norma de Plm (x) viene dada por Plm
2
2 (l + m)! . 2l + 1 (l m)!
2
(2.90)
Vamos a demostrarlo. Empezaremos calculando Plm Plm

2 1
para m 0:
=
1 1
dx Plm (x)Plm (x) dx (1 x2 )m Dm Pl (x) Dm Pl (x)
=
1
donde en la u ltima igualdad se ha hecho uso de la relaci on (2.77). A continuaci on integramos por partes9 : Plm
2
= (1 x2 ) Dm Pl (x) Dm1 Pl (x)
1 1
dx Dm1 Pl (x)
d dx
(1 x2 )m Dm Pl (x) .
El t ermino de contorno es nulo pues el factor (1 x2 ) es nulo en x 1. Repitiendo este proceso otras m 1 veces (es decir, integrando por partes de igual modo m 1 veces m as) se obtiene Plm
2
= (1)m (1)m
1 1 1 1
dx Pl (x) Dm (1 x2 )m Dm Pl (x) dx Pl (x) Ql (x). (2.91)
Es f acil darse cuenta que el t ermino Ql (x) = Dm (1 x2 )m Dm Pl (x) es un polinomio de grado l ya que: Pl (x) Dm Pl (x) (1 x2 )Dm Pl (x) Dm (1 x2 )m Dm Pl (x) es es es es polinomio polinomio polinomio polinomio de de de de grado grado grado grado l, l m, (l m) + 2m, (l m) + 2m m = l. (2.92)
Dado que Ql (x) es un polinomio de grado l podemos escribirlo como un desarrollo en t erminos de los primeros l + 1 polinomios de Legendre:
l
Ql (x) =
j =0
qj Pj (x),
qj =
Pj |Ql , Pl 2
y por tanto podemos reescribir (2.91) como

l
Plm 2
9
= (1)
m j =0
qj
dx Pl (x)Pj (x).
(2.93)
Usamos el cambio u = (1 x2 )m Dm Pl (x) y dv = Dm Pl (x) dx
2.4 Funciones asociadas de Legendre Dado que Pj |Pi = Pj

2 ij ,
105
se tiene que
2
Plm
= (1)m Pl 2 ql = (1)m
2 ql . 2l + 1
(2.94)
Vamos a calcular ql . Sabemos que Pl (x) = al xl + = al xl + En lo que sigue, los puntos representan monomios de grado inferior al t ermino que se da expl citamente y cuyos valores no tienen importancia en la demostraci on. De este modo, escribiremos (l) Ql (x) = ql al xl + (2.95) Evaluamos ahora el t ermino (monomio) de mayor grado de Ql (x) a partir de su denici on (2.92): Dm Pl (x) = Dm al xl + = al Dm xl + l! (l) xlm + = al (l m)! luego (1 x2 )m Dm Pl (x) = (1)m (x2 + )m Dm Pl (x) l! (l) = (1)m al xl+m + (l m)! y Ql (x) = Dm (1 x2 )m Dm Pl (x) = (1)m al (l + m)! l l! x + (l m)! l! (l + m)! (l) l = (1)m a x + (l m)! l
(l) (l) (l) (l) (l)
monomios con grado inferior a l
Comparando con (2.95) vemos que ql = (1)m Insertando este resultado en (2.94) se tiene Plm es decir, Plm
2 2
(l + m)! . (l m)!
(2.96)
= (1)m
(l + m)! 2 (1)m , 2l + 1 (l m)! 2 (l + m)! . 2l + 1 (l m)! (2.97)
La norma de Plm (x) podemos calcularla haciendo uso de (2.85): Plm

2
= (1)m
(l m)! (l + m)! 2 (l m)! = . 2l + 1 (l + m)!
Plm (x)
(2.98)
106 Simetr a
Las funciones asociadas de Legendre tienen una paridad determinada por la suma de los ndices l y m. Vamos a verlo haciendo uso de (2.78) con la variable x: Plm (x) = Pero d d(x)
l+m
(1 x2 )m/2 2l l ! dx d d(x) dx
d d(x)
l +m
l +m
(x2 1)l . d dx
l+m
(2.99)
= (1)l+m
Luego insertando esta relaci on en (2.99) y teniendo en cuenta (2.78), se deduce que Plm (x) = (1)l+m Plm (x). (2.100)
2.4.5. Desarrollo en serie de funciones asociadas de Legendre

Sea (x) una funci on de cuadrado sumable en el intervalo I = [1, 1], es decir, L2 I. Entonces, en el sentido de la convergencia en media cuadr atica, se verica que
(x) =
l=|m|
cl Plm ,
cl =
Plm | , Plm 2
(2.101)
para m entero arbitrario. Usando (2.98), se tiene que cl = 2l + 1 (l + m)! 2 (l m)!

1 1
dx Plm (x)(x).
2.4.6. Relaciones de recurrencia

Debido a que las funciones asociadas de Legendre poseen dos ndices, el orden m y el grado l, existe una gran variedad de relaciones de recurrencia. Damos a continuaci on unas cuantas.10 Relaciones de recurrencia sobre las funciones asociadas de Legendre: De mismo orden y distinto grado:
m (2l + 1) x Plm (x) = (l + m) Plm 1 (x) + (l m + 1) Pl+1 (x).
(2.102)
De mismo grado y distinto orden: Plm+1 (x) 2m x P m (x) + [l (l + 1) m (m 1)] Plm1 (x) = 0. (1 x2 )1/2 l (2.103)
Relaciones de recurrencia sobre las derivadas de las funciones asociadas de Legendre: De mismo orden y distinto grado: (1 x2 )1/2 d m P (x) = l x Plm (x) (l + m) Plm 1 (x). dx l (2.104)
De mismo grado y distinto orden: (1 x2 )1/2

10
d m 1 1 Pl (x) = Plm+1 (x) (l + m) (l m + 1) Plm1 (x). dx 2 2
(2.105)
Pueden verse estas y otras relaciones m as, y, en algunos casos, sus demostraciones en [Arf85, AB74].
2.5 Arm onicos esf ericos
107
2.5. Arm onicos esf ericos

Las funciones conocidas como arm onicos esf ericos aparecen, por ejemplo, en la resoluci on de la ecuaci on de Schr odinger para potenciales centrales, V (r) = V (r), constituyendo la parte angular de las autofunciones (orbitales). Aqu las deniremos de un modo diferente. Sea el problema de Sturm-Liouville d2 y + m2 y = 0, d con las condiciones de contorno peri odicas 0 2, (2.106)
y (0) = y (2 ), y (0) = y (2 ). Este problema es de f acil resoluci on. Las autofunciones son m () = eim , m = 0, 1, 2, . . .
(2.107) (2.108) (2.109)
con autovalor asociado m2 . Existe degeneraci on pues m y m tienen el mismo autovalor. La norma de estas autofunciones es m
2 2
=
0
d eim eim =
0
d = 2.
Los arm onicos esf ericos Ylm (, ) se denen por la relaci on Ylm (, ) = Nlm eim Plm (cos ),
2 1
(2.110)
donde 0 , 0 y Nlm es una constante que se escoge de modo que la norma de Ylm , Ylm
2
=
0
d
1
d(cos ) Ylm (, ) Ylm (, ),
(2.111)
sea igual a 1. Veamos qu e valor ha de tomar Nlm . Insertando la denici on (2.110) en (2.111) encontramos Ylm
2 2 1
=
0
d
1 2
d(cos ) |Nlm |2 Plm (cos )
= |Nlm | 2 Plm 2 2 (l + m)! . = |Nlm |2 2 2l + 1 (l m)! Por tanto, la exigencia de que la norma de los arm onicos esf ericos sea igual a la unidad, Ylm = 1, requiere que 2l + 1 (l m)! Nlm = . 4 (l + m)! Cu al de los dos signos escogemos? La elecci on es arbitraria. Muy habitualmente se escoge el signo negativo cuando m es impar y el positivo cuando m es par, es decir Nlm = (1)m 2l + 1 (l m)! . 4 (l + m)! (2.112)
A esta elecci on se la conoce elecci on de fase de Condon-Shortley. En denitva, los arm onicos esf ericos se denen as : Ylm (, ) = (1)m 2l + 1 (l m)! im m e Pl (cos ). 4 (l + m)! (2.113)
108
2.5.1. Ortonormalidad y propiedad de conjugaci on de los arm onicos esf ericos

Ortonormalidad Los arm onicos esf ericos forman una familia ortonormal de funciones, como es f acil de comprobar usando las propiedades de ortogonalidad de las autofunciones m (x) = eim y Plm (): Ylm |Ylm =
2 1
d
0 1
d(cos ) Nlm Nl m eim Plm eim Plm (cos )

2
= Nlm Nl m = m m l l .
d ei(m m)
1 1
d(cos ) Plm Plm (cos )
Por consiguiente, el producto escalar Ylm |Ylm es 1 si m = m y l = l ; en cualquier otro caso es nulo. Propiedad de conjugaci on Los arm onicos esf ericos exhiben la siguiente propiedad bajo conjugaci on compleja: Ylm = (1)m Ylm . Esta relaci on es f acil de demostrar: Ylm (, ) = (1)m 2l + 1 (l + m)! im (l m)! m e (1)m P (cos ) 4 (l m)! (l + m)! l 2l + 1 (l m)! im m e Pl (cos ) 4 (l + m)! (2.114)
= (1)m (1)m
= (1)m Ylm (, ).
2.5.2. Simetr a de los arm onicos esf ericos

Si identicamos con el angulo azimutal y con el angulo polar de las coordenadas esf ericas [v ease la gura 2.7(a)], entonces Ylm (, ), y en general cualquier funci on F (, ), con 0 y 0 , podemos interpretarla como una funci on de la direcci on en el espacio. Los arm onicos esf ericos tienen la importante propiedad de que el valor de Ylm para una direcci on dada es igual a (1)l del arm onico esf erico Ylm evaluado en la direcci on opuesta, es decir, Ylm ( , + ) = (1)l Ylm (, ). (2.115) Esta propiedad es clave para la justicaci on de la reglas de selecci on sobre el n umero cu antico 11 orbital de las transiciones electr onicas permitidas en los atomos. La demostraci on es simple. Por la denici on (2.110) se tiene que Ylm ( , + ) = Nlm eim(+) Plm cos( ) = (1)m Nlm eim Plm cos() puesto que eim = (1)m por ser m entero. Haciendo uso de la relaci on (2.100) se encuentra Ylm ( , + ) = (1)m (1)l+m Nlm eim Plm (cos ) = (1)l Ylm (, ), tal y como quer amos demostrar.
11
(2.116)
V ease, por ejemplo, la secci on 8.7 de F sica Cu antica, R. Eisberg y R. Resnick (Limusa, M exico, 1979).
2.5 Arm onicos esf ericos
109
1 2
(a)
1
(b)
Figura 2.7: (a) El angulo polar y azimutal describen una direcci on (con sentido) en el espacio. (b) Ilustraci on del teorema de la adici on: es el angulo subtendido por las dos direcciones descritas por los angulos (1 , 1 ) y (2 , 2 ).
2.5.3. Primeros arm onicos esf ericos

Estos son los primeros nueve arm onicos esf ericos con la fase de Condon-Shortley: 1 Y00 = , 4 3 Y10 = cos , 4 3 Y11 = sen ei , 8 5 3 1 Y20 = cos2 4 2 2 Y21 = Y22 = (2.117) (2.118) (2.119) , (2.120) (2.121) (2.122)
5 3 sen cos ei , 24 5 3 sen2 ei2 . 96
2.5.4. Desarrollo en serie de los arm onicos esf ericos

Teorema 2.4 Los arm onicos esf ericos Ylm (, ) constituyen una base ortonormal del espacio de funciones de cuadrado sumable denidas sobre la supercie de una esfera, o en otros t erminos, funciones de cuadrado sumable cuyas variables son los angulos azimutal y polar de las coordenadas esf ericas. Esto signica que podemos escribir
F (, ) =
l,m=0
clm Ylm (, )
con clm = Ylm |F .
(2.123)
110
Como |m| l [recu erdese la relaci on (2.76), p agina 99, de los polinomios de Legendre], se tiene que
l
F (, ) =
l=0 m=l
clm Ylm (, ),
1
(2.124)
con clm = Ylm |F =

0
d
1
d(cos ) Ylm (, ) F (, ).
(2.125)
No hemos presentado a Ylm como autofunciones de un operador de Sturm-Liouville (entre otras cosas porque s olo hemos estudiado problemas de Sturm-Liouville sobre una variable independiente) por lo que para demostrar este teorema no acudiremos a la teor a de Sturm-Liouville tal como hemos ido haciendo hasta ahora. Sin embargo podemos justicar este teorema interpretando o viendo F (, ) como una funci on que depende de la variable y del par ametro . Entonces podemos desarrollar F (, ) primero en serie de Fourier sobre la variable :
F (, ) =
m=
am (cos ) eim ,
(2.126)
donde los coecientes de Fourier am dependen del par ametro . Pero ahora vemos am (cos ) como funciones de de modo que podemos expresarlas como serie de funciones asociadas de Legendre
am (cos ) =
l=|m|
Alm Plm (cos ).
Insertando esta relaci on en la ecuaci on (2.126) encontramos que

F (, ) =
m= l=|m| l
Alm eim Plm (cos ) Alm Nlm eim Plm (cos ) Nlm Alm m Y (, ), Nlm l
=
l=0 m=l l
=
l=0 m=l
de acuerdo con la ecuaci on (2.124).
2.5.5. Teorema de la adici on

Este es un teorema muy u til que no demostraremos aqu .12 Teorema 2.5 Sean dos direcciones en el espacio denidas por (1 , 1 ) y (2 , 2 ) y sea el angulo subtendido entre estas dos direcciones (v ease la gura 2.7(b)). Entonces 4 Pl (cos ) = 2l + 1
l
[Ylm (1 , 1 )] Ylm (2 , 2 ).
m=l
(2.127)
12
Puede encontrarse la demostraci on en la secci on 12.8 de [Arf85] o en la secci on 9.8 de [AB74].
2.6 Polinomios de Hermite
111
Ejemplo 2.5
En Mec anica Cu antica y en Electromagnetismo es a menudo conveniente expresar el potencial el ectrico V (r12 ) entre dos cargas puntuales situadas en r2 y r1 con r12 |r12 | = |r2 r1 | en la forma de un desarrollo de arm onicos esf ericos (por ejemplo, para calcular la energ a media de una conguraci on electr onica de un atomo multielectr onico mediante perturbaciones13 ). Vamos a hallar esta expresi on en este ejemplo. Como V (r12 ) 1/r12 , basta con desarrollar 1/r12 en arm onicos esf ericos. Por concretar, vamos a suponer en lo que sigue que r2 |r2 | es mayor que r1 |r1 |. En este caso:
1 1 r2 1 1 = = = . 1 /2 1 /2 2 + r 2 2r r cos( )]1/2 r12 [r12 r12 ] [1 + (r1 /r2 )2 2(r1 /r2 ) cos( )] [r 2 1 2 1
Por tanto, empleando la denici on (2.41) de la funci on generatriz de los polinomios de Legendre se encuentra que l 1 r1 Pl (cos ). = l +1 r12 r2
l=0
Usando ahora la expresi on (2.127) del teorema de adici on podemos expresar el potencial el ectrico V (r12 ) entre dos cargas puntuales como serie de arm onicos esf ericos: V (r12 ) 1 = r12
l=0 l r1 4 Ylm (1 , 1 ) Ylm (2 , 2 ). l+1 2l + 1 r2 m=l l
2.6. Polinomios de Hermite

2.6.1. Oscilador arm onico en Mec anica Cu antica. Ecuaci on de Hermite
Los polinomios de Hermite surgen en la resoluci on del problema del oscilador arm onico unidimensional en Mec anica Cu antica. La ecuaci on de Schr odinger para una part cula de masa m sujeta al potencial arm onico unidimensional 1 V (y ) = m 2 y 2 2 es d2 + V (y ) = E 2m dy 2
2
siendo E la energ a total del oscilador. Haciendo el cambio x= m y
la ecuaci on de Schr odinger del oscilador arm onico unidimensional se reduce a d2 + (E x2 ) = 0 dx2 donde E=
13
(2.128)
2E .
(2.129)
V ease, por ejemplo, el cap tulo 3 de Introducci on a la teor a del atomo, de C. S anchez del R o, Ed. Alhambra, Madrid, 1977.
112
Las soluciones f sicamente aceptables de (2.128) deben satisfacer la condici on l m (x) = 0

2 |(x)| dx
|x|
(2.130) ha de ser
dado que (x) ha de estar normalizada, es decir, dado que la integral nita. Para |x| 1 la ecuaci on (2.128) es aproximadamente d2 dx2 lo que implica que (x) ex
2 /2
x2
|x|
1.
2
(2.131)
Esto se puede justicar f acilmente derivando dos veces (x) ex /2 y comprobando que la 2 2 2 ecuaci on d /dx x se satisface cuando |x| . La soluci on que es f sicamente aceptable 2 seg un (2.130) es la de exponente negativo: (x) ex /2 . El resultado (2.131) sugiere expresar la soluci on (x) de este modo: (x) = y (x) ex donde y (x) debe ser subdominante con respecto a ex que
2 2 /2
(2.132)
2 /2
cuando x2 , es decir, debe ocurrir
ex /2 = 0. l m |x| y (x) El procedimiento que acabamos de exponer para llegar a la expresi on (2.132) se conoce como factorizaci on en el innito.14 Vamos a buscar la ecuaci on que debe satisfacer y (x). Para ello calculamos la primera y segunda derivada de (x): (x) = ex (x) = e = ex
2 /2
(xy + y ) (x2 y xy y xy + y ) (x2 y 2xy y + y ).
x2 /2
2 /2
Por tanto la ecuaci on (2.128) se reduce a ex luego y 2x y + x2 y y + Ey x2 y = 0, es decir y 2x y + 2n y = 0, donde 2n E 1. Esta ecuaci on es la ecuaci on de Hermite.
14 2 /2
(x2 y 2x y y + y ) + (E x2 ) ex
2 /2
y = 0,
(2.133)
El nombre est a bien escogido, verdad?
113
2.6.2. Resoluci on de la ecuaci on de Hermite mediante serie de potencias

El punto x = 0 es regular y el radio de convergencia es innito pues no hay puntos singulares, por tanto la soluci on en serie de potencias de la ecuaci on de Hermite puede escribirse as :15
y (x) =
m=0
cm xm .
Sustituyendo esta expresi on en (2.133) llegamos a

m(m 1) cm x
m=2
m2
m=0
2m cm x +
m=0
2n cm xm = 0.
Expresamos todos los sumatorios en potencias de xm mediante cambio de ndices.16 S olo hemos m 2 de cambiar el primer sumatorio, que ahora est a en potencias de x . Llevando a cabo el cambio m m + 2 en el primer sumatorio obtenemos

(m + 2)(m + 1) cm+2 x
m=0 m=0
2m cm x +
m=0
2n cm xm = 0.
Ahora podemos igualar coeciente a coeciente para obtener (m + 2)(m + 1) cm+2 2(m n) cm = 0. De esta expresi on extraemos la relaci on de recurrencia cm+2 2(n m) = , cm (m + 2)(m + 1) m = 0, 1, 2, 3, . . . (2.134)
relaci on que permite hallar los coecientes cm a partir de c0 y c1 (que son arbitrarios). Por tanto, la soluci on general es n(n 2) 4 n(n 2)(n 4) 6 n x 23 x + y (x) = c0 1 2 x2 + 22 2! 4! 6! (n 1)(n 3) 5 (n 1)(n 3)(n 5) 7 n1 3 x + 22 x 23 x + + c1 x 2 3! 5! 7! = c0 y1 (x) + c1 y2 (x).
2
(2.135)
Veamos si y (x) es subdominante con respecto a ex /2 para x2 . Para ello hemos de saber c omo se comporta y (x) en esta regi on. Este comportamiento viene determinado por el comportamiento de cm para m grandes, comportamiento que, por (2.134), es cm+2 cm 2 m para m 1. (2.136)
Conocemos alguna funci on cuyo desarrollo para m grandes satisfaga (2.136)? La respuesta es 2 x e , como es f acil de comprobar: ex = 1 +
2
x2 x4 x6 + + + = 1! 2! 3!
m=0 m=par
xm
m 2
15 Puede encontrarse una discusi on detallada de la t ecnica de resoluci on de ecuaciones diferenciales ordinarias mediante series de potencias en, por ejemplo, [Arf85, BP92, Sim93]. 16 Este es el mismo procedimiento que empleamos, por ejemplo, para hallar las relaciones de recurrencia de las funciones de Legendre en la p agina 96.
114 Por tanto cm = y para m 1 se verica que cm+2 cm 1

m 2
cm+2 = cm
m 2
m 2
! = +1 !
m 2
1 , +1
esto en (2.132) tenemos que
2 2 . Por consiguiente y (x) ex para x2 . Si sustituimos m

2 /2
(x) ex
|x2 | .
Pero esto no es f sicamente aceptable puesto que no se satisface la condici on (2.130)! Concluimos 2 que, para que (x) sea aceptable, y (x) no se puede comportar como ex para x2 . Esto s olo puede darse si n es entero, pues en este caso una de las soluciones particulares de (2.135), y1 (x) o y2 (x), se trunca cuando m = n puesto que, por (2.134), si m = n entonces cn+2 = cn+4 = = 0. En este caso se tiene que: Si n es par entonces la soluci on y1 (x) es polinomio de grado n y 1 (x) = y1 (x) ex es una soluci on matem atica f sicamente aceptable. Si n es impar, y2 (x) es polinomio de grado n y 2 (x) = y2 (x) ex es soluci on f sicamente aceptable. N otese que la condici on m = n = entero implica la cuantizaci on de la energ a: En = 1 + 2n con n entero (n = 0, 1, 2, 3, . . . ) que, por la ecuaci on (2.129), es lo mismo que decir que la energ a total E del oscilador arm onico s olo puede tomar los valores En = n+ 1 2 .
2 /2 2 /2
Los polinomios y1 (x) e y2 (x), normalizados de modo que cn = 2n (donde cn es el coeciente de xn del polinomio de grado n) son justamente los polinomios de Hermite Hn (x):
[n/2]
Hn (x) =
(1)m
m=0
n! (2x)n2m . (n 2m)! m!
(2.137)
Ejercicio 2.7
Comprueba que la expresi on (2.137) y la que se deduce de la ecuaci on (2.135) coinciden si se exige que cn = 2n .
115
2.6.3. Denici on de los polinomios de Hermite como soluciones de un problema de SturmLiouville

En la secci on anterior hemos presentado la ecuaci on de Hermite y los polinomios de Hermite partiendo del problema del oscilador arm onico en Mec anica Cu antica. En esta secci on vamos a retornar a nuestro procedimiento m as habitual en el que denimos las funciones especiales como soluciones (autofunciones) de problemas de Sturm-Liouville. Los polinomios de Hermite son las autofunciones del problema de Sturm-Liouville singular constituido por la ecuaci on de Hermite y (x) 2x y (x) + 2n y (x) = 0 , junto con las condiciones de contorno (singulares) y (x) 0 |x| xN l m para todo N nito, (2.139) < x < , (2.138)
es decir, se exige que la soluci on y (x) buscada no vaya hacia innito cuando |x| m as r apidamente que cualquier potencia nita de x. Esta ecuaci on no est a escrita en la forma est andar de una ecuaci on de Sturm-Liouville que, como sabemos, es p(x) y (x) + p (x) y (x) + q (x) y (x) + r(x) y (x) = 0 o bien y (x) + q (x) r(x) p (x) y (x) + y (x) + y (x) = 0. p(x) p(x) p(x)
Comparando esta u ltima ecuaci on con (2.138) tenemos que p (x) 2 = 2x ln p(x) = x2 p(x) = ex , p(x) q (x) = 0, r(x) = 2n p(x)
2
= 2n, 2 r(x) = p(x) = ex ,

2
de forma que la ecuaci on de Hermite en la forma de ecuaci on de Sturm-Liouville es ex y (x) 2x ex x y (x) + ex y (x) = 0 ,
2
= 2n.
(2.140)
Como hemos visto en la secci on anterior, el u nico modo de que las soluciones de la ecuaci on (2.138) o (2.140) satisfagan las condiciones de contorno (2.139) es si = 2n con n = 0, 1, 2, . . . . Cuando esta condici on se verica, las soluciones son justamente los polinomios de Hermite Hn (x). Dicho de otro modo, = 2n son los autovalores del problema de Sturm-Liouville y los polinomios de Hermite Hn (x) son las autofunciones correspondientes. La constante multiplicativa arbitraria de la soluci on de la ecuaci on de Hermite (que es lineal y homog enea, como toda ecuaci on de Sturm-Liouville) se ja exigiendo la condici on de estandarizaci on: (n) cn = 2n donde cn es el coeciente del t ermino de mayor grado del polinomio de Hermite de grado n: (n1) n1 Hn (x) = 2n xn + cn x + El polinomio de Hermite de grado n es
[n/2] (n)
Hn (x) =
k=0
(1)k
n! (2x)n2k . (n 2k )! k !
(2.141)
116

La funci on generatriz de los polinomios de Hermite se dene del siguiente modo:
G(x, t) =
n=0
Hn (x) n t n! (1)k 1 tn (2x)n2k . k ! (n 2k )!
(2.142a)
[n/2]
=
n=0 k=0
(2.142b)
Nuestro objetivo en lo que sigue es sumar (2.142b) para expresar G(x, t) de un modo m as compacto. Para aligerar la escritura en las manipulaciones que llevaremos a cabo dentro de un momento vamos a usar la notaci on (n, n 2k ) (1)k 1 tn (2x)n2k , k ! (n 2k )!
de modo que el s mbolo (i, j ) es el modo abreviado de escribir (i, j ) (1)

ij 2
1
ij 2
! j!
ti (2x)j ,
lo cual se puede comprobar f acilmente sin m as que hacer i = n y j = n 2k = i 2k . Usando este s mbolo, la expresi on (2.142b) se convierte en
[n/2]
G(x, t) =
n=0 k=0
(n, n 2k ).
(2.143)
Vamos a reordenar la suma (2.143) j andonos en la tabla 2.3. Podemos ver que la suma de (2.143) se lleva a cabo sumando primero los elementos de la tabla 2.3 siguiendo las las (hori[n/2] zontales). Los resultados de la suma sobre cada la [ k=0 (n, n 2k ) es el resultado de la suma de los t erminos de la la n-sima] se suman a continuaci on para obtener la funci on generatriz: [n/2] G(x, t) = n=0 k=0 (n, n 2k ) . Por supuesto, esta suma puede realizarse en cualquier otro orden (siempre que no se nos olvide ning un sumando!). Por ejemplo, en vez de agrupar primero sobre las [que es lo que se hace en (2.142b)], podemos sumar agrupando los t erminos que est an dispuestos sobre las diagonales de la tabla 2.3. Si hacemos esto, vemos que, por cada la que bajamos por la diagonal, el primer ndice aumenta en una unidad y disminuye el segundo ndice tambi en en una unidad. Por tanto la suma sobre la diagonal que empieza en (m, m) viene dada por
m
(m + j, m j ).
j =0
(2.144)
Por ejemplo, la suma sobre la diagonal que empieza en (2, 2) es (2, 2) + (3, 1) + (4, 0). Por consiguiente, agrupando sobre las diagonales, tenemos que (2.143) es igual a
m
G(x, t) =
m=0 j =0
(m + j, m j ).
(2.145)

[n/2]
117
n
k=0 0
(n, n 2k) (0, 0 2k ) = (0, 0)

k=0 0
0 1
k=0 1
(1, 1 2k ) = (1, 1) (2, 2 2k ) = (2, 2) + (2, 0)

k=0 1
2 3
k=0 2
(3, 3 2k ) = (3, 3) + (3, 1) (4, 4 2k ) = (4, 4) + (4, 2) + (4, 0)

k=0 2
4 5
k=0
(5, 5 2k ) = (5, 5) + (5, 3) + (5, 1)
Tabla 2.3: Primeros sumandos de (2.142b) Es decir, retornando a la notaci on est andar,
m
G(x, t) = =
m=0
(1)j
m=0 j =0 m m
1 tm+j (2x)mj j ! (m j )!
t m!
j =0
m! (t)j (2x)mj . j ! (m j )!
Haciendo uso de la f ormula del binomio de Newton encontramos
G(x, t) =
m=0
tm (2x t)m m! t (2x t) m!

m
=
m=0
Pero esto no es m as que el desarrollo en serie de potencias de z de la funci on ez con z = t(2x t). Por tanto G(x, t) = et(2xt) . (2.146) Esta es pues la forma compacta de la funci on generatriz de los polinomios de Hermite.
2.6.5. Norma de los polinomios de Hermite

Por supuesto, los polinomios de Hermite son ortogonales con respecto a la funci on peso r(x) = 2 ex en el intervalo (, ): Hm |Hn = Hn 2 mn . (2.147) Evaluaremos la norma Hn a partir de la funci on generatriz. Para ello denimos la funci on I (t, t ): I (t, t ) = G(x, t)|G(x, t ) . (2.148)
118 Usando (2.142a) y la propiedad (2.147) se deduce f acilmente que
I (t, t ) =
n=0
Hn 2 (tt )n . (n!)2
(2.149)
Por otro lado, empleando la expresi on (2.146) para la funci on generatriz, se tiene que
I (t, t ) =

dx ex et(2xt) et (2xt ) dx e(x

2 2x(t+t
)+t2 +t 2 )
=e
2tt
dx e(xtt ) dz ez
2
= e2tt
= e2tt =
n=0
2n (tt )n . n!
Comparando esta u ltima expresi on con (2.149) se deduce que Hn 2 = 2n n! .
(2.150)
2.6.6. Desarrollo en serie de los polinomios de Hermite

Si la funci on (x) es de cuadrado sumable con respecto la funci on peso r(x) = ex , es decir, x2 si e |(x)|2 dx existe, entonces, en el sentido de convergencia en media cuadr atica, se tiene que 1 2 (x) = cn Hn (x), cn = n ex (x)Hn (x) dx. (2.151) 2 n ! n=0 Por supuesto, si (x) es suave a trozos, entonces la convergencia es punto a punto.
2
Ejemplo 2.6
Vamos a hallar el desarrollo en serie de Hn (x) de la funci on (x) = e2x . Es claro que ex | e2x |2 dx existe, es decir, (x) = e2x es de cuadrado sumable con respecto a ex sobre toda la recta real. Por consiguiente, podemos escribir

2 2
e Pero
2x
=
m=0
cn Hn (x).
G(x, t = 1) = e2x1 =
Hn (x) n t n! n=0
t=1
por lo que si multiplicamos esta expresi on por e obtenemos e 2x = e Hn (x) . n! n=0

Los coecientes cn del desarrollo (2.151) de e2x en polinomios de Hermite son entonces e cn = . n!
119
2.6.7. F ormula de Rodrigues y paridad

Para hallar la f ormula de Rodrigues de los polinomios de Hermite partiremos de la funci on generatriz. Desarrollando esta funci on en serie de Taylor vemos que
G(x, t) =
n=0
1 n G(x, t) n! tn
tn .
t=0
Comparando esta expresi on con la de la denici on de la funci on generatriz,
G(x, t) =
n=0
Hn n t , n!
se deduce que Hn (x) =

2 2 2
n G(x, t) tn
n
.
t=0
(2.152)
Sabemos que G(x, t) = e2xtt = ex e(xt) , luego t

n
G(x, t) = ex
e(xt)
o, si hacemos el cambio x t = z , t
n
G(x, t) = ex
n z 2 e t z n z 2 x2 =e e t z n z 2 2 = ex 1 e z x n z 2 2 = ex (1)n e z x n (xt)2 2 e . = ex (1)n x

2
Haciendo t = 0 en esta expresi on y usando la ecuaci on (2.152) se obtiene Hn (x) = (1)n ex que es la f ormula de Rodrigues. Paridad A partir de la formula de Rodrigues es f acil ver que Hn (x) = (1)n Hn (x). Es decir, la paridad de Hn es igual a la de n. (2.154)
2
d dx
ex
(2.153)
120
n 2 n 0
-1.5
10
n 3
-1 -0.5
n 4 x
5 0.5 -5 -10 -15 -20 -25 1 1.5
n 1
Figura 2.8: Representaci on gr aca de los cinco primeros polinomios de Hermite Hn (x), n = 0, 1, 2, 3, 4.
2.6.8. Primeros polinomios de Hermite

Los primeros seis polinomios de Hermite son: H0 (x) = 1, H1 (x) = 2x, H2 (x) = 4x2 2, H3 (x) = 8x3 12x, H4 (x) = 16x4 48x2 + 12, H5 (x) = 32x5 160x3 + 120x, H6 (x) = 64x6 480x4 + 720x2 120. N otese que el coeciente de mayor grado del polinomio toma el valor de estandarizaci on 2n .

Vamos a hallar varias relaciones de recurrencia mediante la funci on generatriz. Para ello procedemos como lo hicimos con los polinomios de Legendre (v ease la secci on 2.3.9, p agina 96). Derivamos la funci on generatriz respecto a t, 2xtt2 G(x, t) = e = (2x 2t) G(x, t). t t Pero G(x, t) =
Hn (x) n n=0 n! t n=1
y por tanto la ecuaci on anterior se puede escribir como

n=0
n Hn (x) n1 t = 2x n!
Hn (x) n t 2 n!
n=0
Hn (x) n+1 t . n!
Ahora cambiamos los ndices para que aparezcan s olo potencias de tn dentro de los sumatorios:
n=0
Hn+1 (x) n t = 2x n!
n=0
Hn (x) n t 2 n!
n=1
Hn1 (x) n t . (n 1)!
2.7 Polinomios asociados de Laguerre Igualamos los coecientes de los sumatorios para obtener t0 : tn : es decir 2xHn (x) = Hn+1 (x) + 2nHn1 (x), n 0. H1 (x) = 2xH0 (x) Hn+1 Hn Hn1 = 2x 2 , n! n! (n 1)!
121
n1
(2.155)
La funci on H1 (x) que aparece en esta relaci on para n = 0 no est a denida, pero su valor no importa porque est a multiplicada por cero. En todo caso, quiz as lo m as sencillo es considerar que la relaci on de recurrencia anterior es v alida para todo n 0 asumiendo que, por denici on, H1 (x) = 0. Podemos hallar una relaci on de recurrencia que involucra a la derivada Hn (x) de los polinomios de Hermite derivando la funci on generatriz respecto a x: G(x, t) = 2t G(x, t). x Si sustituimos ahora G(x, t) por la expresi on general tenemos
n=0 n=0
Hn (x) n t = 2t n! =2
Hn (x) n t n!
n=0
Hn (x) n+1 t . n!
Cambiando los ndices (n n 1 en el sumatorio de la derecha),

n=0
Hn (x) n t =2 n!
n=1
Hn1 (x) n t . (n 1)!
e igualando coecientes con igual potencia de t encontramos H (x) = 0, Hn (x) Hn1 (x) =2 , n! (n 1)! es decir Hn (x) = 2n Hn1 (x), n 0. (2.156)
2.7. Polinomios asociados de Laguerre

La ecuaci on de los polinomios asociados de Laguerre es x y + ( + 1 x) y + n y = 0 , 0 x < , (2.157)
donde > 1 es un n umero dado y n juega el papel de autovalor. Cuando = 0 la ecuaci on se conoce simplemente como ecuaci on de Laguerre. Para poner esta ecuaci on en forma de ecuaci on de Sturm-Liouville identicamos y + +1x n y + y=0 x x
122 con y + Entonces q (x) + r(x) p (x) y + y = 0. p(x) p(x)
p (x) +1x = ln p = ( + 1) ln x x p(x) = x+1 ex , p(x) x q (x) = 0, = n, r(x) n = r(x) 1 p(x) x = r(x) = x ex . p(x) x Por tanto, la ecuaci on de los polinomios de Laguerre en la forma de ecuaci on de Sturm-Liouville es x+1 ex y + x ex ( + 1 x) y + x ex n y = 0. (2.158) La ecuaci on es singular en x = 0 porque p(0) = 0. El problema de Sturm-Liouville que da lugar a los polinomios asociados de Laguerre est a constituido por la ecuaci on de Sturm-Liouville (2.157) o (2.158) y por las condiciones de contorno (singulares) y (0) = nito, (2.159) y (x) l m N = 0, con N nito. x x Mediante un procedimiento similar al que se utiliz o para los polinomios de Hermite en la secci on (2.6.2), se puede demostrar [CH62, Sec. 10.4] que los autovalores son n = 0, 1, 2, 3, . . . y las autofunciones son los polinomios asociados de Laguerre de grado n y orden dados por la relaci on17 n n+ 1 k () x . (2.160) (1)k Ln (x) = n k k!
k=0
Si no es entero el t ermino binomial se expresa mediante funciones gamma: n+ nk = (n + )! (n + + 1) = . (n k )! ( + k )! (n k + 1) ( + k + 1)

(0)
Si = 0 entonces tenemos que Ln (x) se reduce a los polinomios de Laguerre. En este caso, los (0) polinomios se denotan simplemente por Ln (x), es decir, Ln (x) Ln (x). Los cinco primeros polinomios de Laguerre son L0 (x) = 1, L1 (x) = 1 x, 1 L2 (x) = [2 4x + x2 ], 2! 1 L3 (x) = [6 18x + 9x2 x3 ], 3! 1 L4 (x) = [24 96x + 72x2 16x3 + x4 ]. 4!
17 n k n+ n! k x . k=0 (1) nk k!
(2.161) (2.162) (2.163) (2.164) (2.165)

()
En ocasiones [AB74] se denen los polinomios asociados de Laguerre con un factor n! extra, es decir, Ln (x) =
2.7 Polinomios asociados de Laguerre Ejercicio 2.8
123
Comprueba que L on de la ecuaci on asociada de Laguerre. Es decir, sustituye (2.160) en (2.157) n es soluci y comprueba que la ecuaci on se satisface t ermino a t ermino.
Relaci on entre L n y Ln Si es entero se verica que

L n (x) = (1)
d Ln+ (x). dx
(2.166)
La demostraci on es la siguiente. Partimos de la f ormula de los polinomios de Laguerre:

m
Lm (x) =
k=0
(1)k
1 k m! x . (m k )! k ! k !
Ahora calculamos d Ln+ (x) = dx Pero d xk dx Por tanto d Ln+ (x) = dx

n+
n+
(1)k
k=0
(n + )! 1 d xk . (n + k )! (k !)2 dx
k! xk = (k )! 0
si k , si k < .
(1)k
k=
(n + )! 1 k! xk . (n + k )! (k !)2 (k )!
Haciendo el cambio de ndices k k + , se obtiene d Ln+ (x) = dx

n
(1)k+
k=0 n
(n + )! 1 (k + )! k x 2 (n k )! [(k + )!] k! (n + )! 1 k x (n k )! (k + )! k !
= (1) = (1) tal y como quer amos demostrar.
(1)k
k=0 L n (x),
2.7.1. Funci on generatriz y norma

Funci on generatriz de los polinomios asociados de Laguerre La funci on generatriz de los polinomios asociados de Laguerre es
G (x, t) =
n=0
n L n (x) t .
(2.167)
124 k=0 n=0 n=1 n=2 n=3 . . . (0,0) (1,0) (2,0) (3,0) (n, 0)
n=0
Funciones especiales k=1 k=2 k=3

k=0 1
(0, k ) (1, k )
k=0 2
(1,1) (2,1) (3,1) (n, 1)

n=1
(2,2) (3,2) (n, 2)

n=2
k=0 3
(2, k ) (3, k )
k=0
(3,3) (n, 3)
n=3
n Tabla 2.4: Equivalencia de G (x, t) = n=0 k=0 (n, k ) con k=0 n=k (n, k ) donde (n, k ) = n+ 1 n k k (1) nk k! t x . Los t erminos que se suman en ambas expresiones son los mismos, pero en n n erminos n=0 k=0 (n, k ) primero sumamos las las [ k=0 (n, k ) es el resultado de sumar los t de la la n-sima] para despu es sumar los resultados de estas sumas parciales, mientras que en erminos que est an sobre la misma columna [ n=k (n, k ) k=0 n=k (n, k ) primero sumamos los t es el resultado de sumar los t erminos sobre la columna k - esima], para despu es sumar todos estos resultados parciales.
Vamos a buscar una expresi on compacta para G (x, t). Para ello expresamos L n mediante (2.160) y cambiamos el orden de la suma [v ease la tabla (2.4)]:
n
G (x, t) =
n=0 k=0
(1)k (1)k
k=0 n=k
n+ 1 n k t x n k k! n+ 1 n k t x . n k k!
[ suma primero sobre las]
[ suma primero sobre columnas]
Mediante el cambio de ndices n n + k se obtiene

G (x, t) = =
k=0
(1)k
k=0 n=0
n + k + 1 n+k k t x n k!
n=0
(1)k
(xt)k k!
(n + k + )! n t . n! (k + )!
Pero sabemos que el desarrollo en serie de potencias de 1/(1 t)a , siendo a un n umero real cualquiera, viene dado por la f ormula del binomio generalizada
a
(1 t)
=
n=0
n+a1 n t = n
n=0
(n + a 1)! n t . (a 1)! n!
(2.168)
2.7 Polinomios asociados de Laguerre Identicando a 1 con k + vemos que
125
G (x, t) =
k=0
(1)k
(xt)k (1 t)(k++1) k!
= (1 t)(+1)
k=0
(1)k k!
xt 1t
ext/(1t) (1 t)+1
(2.169)
que es la funci on generatriz de los polinomios asociados de Laguerre de orden . Norma de los polinomios asociados de Laguerre Vamos a hallar la norma de los polinomios asociados de Laguerre del mismo modo que lo hicimos con los polinomios de Hermite. Para ello denimos la funci on I (t, t ) como el producto escalar de dos funciones generatrices: I (t, t ) G (x, t)|G (x, t )
=
0
dx x ex G (x, t) G (x, t )
0
= Pero
1 1 +1 (1 t) (1 t )+1 1+
dx x ex exp x 1 +
t t + 1t 1t
t t 1 tt + , = 1t 1t (1 t)(1 t ) y=x 1 tt , (1 t)(1 t )

0
por lo que hacemos el cambio
para obtener I (t, t ) = (1 tt )(+1)
dy y ey .
La integral no es m as que la funci on gamma (en la forma conocida como integral de Euler): ! (1 + ) =
0
dy y ey ,
(2.170)
y por tanto I (t, t ) = ! (1 tt )(+1)
= !
n=0
( + n)! (tt )n . ! n!
(2.171)
Pero por las propiedades de ortogonalidad de los polinomios asociados de Laguerre se tiene que I (t, t ) G (x, t)|G (x, t )
=
n=0
2 n L n (tt ) .
(2.172)
Comparando (2.171) y (2.172) se deduce que L n

2
( + n)! . n!
(2.173)
126
2.7.2. Desarrollo en serie de L n.

Dado que los polinomios asociados de Laguerre son autofunciones de un problema de SturmLiouville en el intervalo 0 x < con funci on peso r(x) = x ex , sabemos que podemos expresar cualquier funci on (x) sucientemente bien comportada (v ease la secci on 1.6, p agina 25) en la forma de un desarrollo generalizado de Fourier en t erminos de Ln (x):
(x) =
n=0
cn L n (x)
con cn =
n! ( + n)!
dx x ex L n (x)(x).
(2.174)
2.7.3. F ormula de Rodrigues

Usando la f ormula de Leibniz (2.82) encontramos que d dx
n n
xn+ ex =
k=0 n
n k
d dx
nk
xn+
d dx
ex
=
k=0
n (n + )! +k x (1)k ex k ( + k )!
n
=x e =x e y por tanto L n (x) =
x k=0 x
(1)k n!L n (x) d dx

n
(n + )! k n! x (n k )! k ! ( + k )!
1 x x e n!
xn+ ex ,
(2.175)
que es la f ormula de Rodrigues para las funciones asociadas de Laguerre.

Partimos de la funci on generatriz (2.169). Procedemos tal como hicimos con los polinomios de Legendre (secci on 2.3.9, p agina 96) y con los polinomios de Hermite (secci on 2.6.9, p agina 120), y derivamos la funci on generatriz con respecto a t: +1 x G = G (x, t) G (x, t) , t 1t (1 t)2 es decir, G = [( + 1) (1 t) x] G (x, t). t n on anterior se convierte en n=0 Ln t , la expresi (1 t)2
n1 nL 2 nt n=1 n=1 n nL nt + n=1 n+1 nL = ( + 1 x) nt n=0 n L n t ( + 1) n=0 n+1 L . nt
Como G (x, t) =
Ahora cambiamos los ndices de modo que dentro de los sumatorios s olo aparezcan potencias de tn :
n (n +1)L n+1 t 2 n=0 n=1 n nL nt + n (n 1)L n1 t = ( +1 x) n=2 n=0 n L n t ( +1) n=1 n L n1 t .
2.7 Polinomios asociados de Laguerre Esto requiere que, para n 2,

x L n (x) = (n + 1) Ln+1 (x) + (2n + + 1) Ln (x) (n + ) Ln1 (x)
127
(2.176)
donde hemos agrupado los t erminos con igual polinomio de Laguerre, dejando aparte el t ermino xL ( x ). n Ejercicio 2.9
Escribe las relaciones de recurrencia para n = 0 y n = 1.
Tambi en podemos hallar otra relaci on de recurrencia que involucra a la derivada de los polinomios asociados de Laguerre si, en vez de derivar respecto a t, derivamos con respecto a x: G t = G , x 1t es decir G = t G . x n on encontramos que n=0 Ln t en esta expresi (1 t)
n=0
Insertando G (x, t) =
dL n n t dx
n=0
dL n n+1 t = dx
n+1 L . nt n=0
Hacemos el consabido cambio de ndices para expresar los sumatorios en potencias de tn y as poder igualar t ermino a t ermino:
n=0
dL n n t dx
n=1
dL n 1 n t = dx
n L n1 t . n=1
De aqu se deduce la siguiente relaci on de recurrencia para n 1: dL dL n1 n = L n 1 . dx dx (2.177)
Combinando (2.176) y (2.177) se encuentra f acilmente esta otra relaci on de recurrencia: x d L (x) = nL n (x) (n + ) Ln1 (x). dx n (2.178)
Tambi en existen relaciones de recurrencia entre polinomios de ordenes distintos. Dos ejemplos:
1 L n1 (x) + Ln (x) = Ln (x), d +1 L (x) = L n1 (x). dx n
(2.179) (2.180)
Ejercicio 2.10
Demuestra la validez de las relaciones (2.179) y (2.180).
128
2.8. Funciones de Bessel

Las funciones de Bessel son soluciones de la ecuaci on de Bessel: x2 y + xy + (x2 2 ) y = 0 . (2.181)
Si no es un n umero entero, las dos soluciones linealmente independientes son las funciones de Bessel de primera especie de orden , J (x) y J (x): J (x) = x 2
k=0
x (1)k k ! (k )! 2
2k
(2.182)
Por tanto, si = entero, la soluci on general de la ecuaci on de Bessel es y (x) = AJ (x) + BJ (x). Ejercicio 2.11
Comprueba por sustituci on directa que (2.182) es soluci on de la ecuaci on de Bessel.
(2.183)
Si = n es un n umero entero, las funciones Jn (x) y Jn (x) no son linealmente independientes a ya soluci on general de la ecuaci on de Bessel. y, por tanto, y (x) = AJn (x) + BJn (x) no ser Veamos que, efectivamente, Jn (x) y Jn (x) son linealmente dependientes. Por concretar, supongamos que n es un entero positivo. Entonces x Jn (x) = 2
n n 1 k=0
(1)k x k ! (k )! 2
2k
x + 2
k =n
(1)k x k ! (k n)! 2
2k
Pero los t erminos del primer sumatorio son nulos porque 1/(k n)! = 0 dado que k < n y el inverso del factorial de un entero negativo es nulo. Por tanto x Jn (x) = 2
n k =n
(1)k x k ! (k n)! 2
2k
Haciendo el cambio k k + n, se deduce que Jn (x) = x 2

n k=0
(1)k+n x (k + n)! k ! 2
n k=0
2k+2n
= (1)n
x 2
(1)k x (k + n)! k ! 2
2k
= (1)n Jn (x).
(2.184)
Hemos as demostrado que si = n Z, entonces Jn y Jn no son linealmente independientes. En la gura 2.9 se representa Jn (x) para n = 0, 1, 2, 3. Una soluci on de la ecuaci on de Bessel que es linealmente independiente de J (x) para todo es la funci on de Bessel de segunda especie o funci on de Neumann (en ocasiones tambi en llamada funci on de Weber): J (x) cos( ) J (x) Y (x) N (x) = l m . (2.185) sen( )
2.8 Funciones de Bessel
129
1.00 n=0 n=1 0.50 n=2 n=3
0.75
Jn
0.25
0.00 2 -0.25 4 6 8 10 12 14
-0.50
Figura 2.9: Representaci on gr aca de las cuatro primeras funciones de Bessel de primera especie Jn (x) con n = 0 (l nea continua), n = 1 (rayas), n = 2 (rayas y puntos) y n = 3 (puntos).
Por consiguiente, tanto para entero como para no entero, la soluci on general de la ecuaci on de Bessel con ndice puede escribirse como y (x) = A J (x) + B N (x). (2.186)
Por supuesto, si no es un n umero entero, el denominador sen( ) no es nulo y el l mite anterior es, trivialmente, N (x) = J (x) cos( ) J (x) . sen( )
En este caso, la soluci on general de la ecuaci on de Bessel puede reescribirse como combinaci on de dos funciones de Bessel de primera especie: B cos( ) Jn (x) J (x) sen( ) sen( ) cos( ) B = A+B J (x) J (x) sen( ) sen( ) = A J (x) + B J (x). Si = n es un n umero entero, entonces cos(n ) = (1)n , por lo que el numerador de (2.185) es nulo ya que, como hemos visto hace un momento, Jn (x) = (1)n Jn (x). Por supuesto, para n = entero, el denominador sen(n ) de (2.185) es tambi en nulo, por lo que, en principio, se da una indeterminaci on de tipo 0/0. Esta indeterminaci on se resuelve efectuando el proceso del
y (x) = A J (x) + B
130 l mite con cuidado, por ejemplo, aplicando la regla de LH opital: Nn (x) = =
d d (J cos( ) d d sen( )
J )
= n J J =n
cos( ) sen( )J + cos( )
1 J (x) J (x) = (1)n
.
= n
Utilizando en esta ecuaci on el desarrollo en serie de potencias de Jn (x) dado en (2.182) es posible 18 deducir que N0 (x) = y, para n 1, Nn (x) = 2 x 1 ln Jn (x) 2
n 1 r=0
x 2 2 ln J0 (x) 2
(1)r
r=0
(r) x (r!)2 2
2r
(2.187a)
(n r 1)! x r! 2
2rn
(1)r
r=0
(r) + (n + r) x r!(n + r)! 2
2 r +n
(2.187b) donde (z ) = (z )/(z ) es la funci on psi (o funci on digamma) que para valores enteros viem 1 n 1 mm ne dada por (1) = y (n) = + r=1 1/r, siendo = l r=1 r ln m = 0 57721 56649 la constante de Euler (tambi en llamada constante de Euler-Mascheroni) [AS72]. Una propiedad importante de las funciones de Bessel de segunda especie N (x) es que, como puede verse por la expresi on anterior, estas funciones divergen en x = 0 si es entero. Esta propiedad se verica tambi en si no es entero, como es f acil de comprobar. En la gura 2.10 se muestran las funciones de Bessel de segunda especie Nn (x) para n = 0, 1, 2, 3. Ejercicio 2.12
Teniendo en cuenta que ! ( !) = comprueba que, para > 0, N (x) = cuando x 0. ( 1)! 2 x sen
En resumen, para x
se tiene que 1 x , ! 2 2 N0 (x) ln x, ( 1)! N (x) J (x) para 0, (2.188) 2 x
para 0.
Puede verse la demostraci on en la secci on 6.1 de [AB74]. La demostraci on requiere conocer la derivada de la funci on gamma (funci on factorial), la cual se puede expresar en t erminos de la funci on digamma (v ease, por ejemplo, el cap tulo 10 de [Arf85]).
18
131
n=0
0.50
n=1
n=2 n=3
0.25
0.00 2 -0.25 4 6 8 10 12 14
-0.50
-0.75
-1.00
Figura 2.10: Representaci on gr aca de las cuatro primeras funciones de Bessel de segunda especie Nn con n = 0 (l nea continua), n = 1 (rayas), n = 2 (rayas y puntos) y n = 3 (puntos).
2.8.1. Ecuaciones reducibles a ecuaciones de Bessel

Muchas ecuaciones que se encuentran en la pr actica son resolubles en t erminos de la funciones de Bessel aunque no tienen, en primera instancia, la forma de la ecuaci on de Bessel (2.181). Para identicar muchas de estas ecuaciones, el resultado siguiente es especialmente u til: d dx se reduce a la ecuaci on de Bessel (2.181) t2 mediante el cambio t = 1/ bx , (2.190) (2.191) d2 u du + (t2 2 ) u = 0 +t 2 dt dt xa dy dx + bxc y = 0 (2.189)
u =x/ y, donde = 2 , ca+2 1a = . ca+2
(2.192) (2.193)
Es decir, la soluci on de (2.189) vendr a dada por y (x) = x/ u b x1/ = x/ A J b x1/ + B N b x1/ (2.194) . (2.195)
132
Si b < 0, el argumento de u en (2.195) es imaginario. En este caso, la soluci on u(t) vendr a dada como combinaci on de las funciones de Bessel modicadas [v ease la relaci on (2.233)] de modo que la soluci on ser a: y (x) = x/ A I |b| x1/ + B K |b| x1/ , b < 0.
Todas las expresiones anteriores carecen de sentido si c a + 2 = 0, pero en este caso la ecuaci on (2.189) no es m as que una ecuaci on de Euler. Ejercicio 2.13
Comprueba por sustituci on directa que, tras los cambios de variable (2.190) y (2.191), la ecuaci on (2.189) se reduce a una ecuaci on de Bessel.
Ejemplo 2.7
Queremos resolver la ecuaci on y + x y = 0. (2.196)
Esta ecuaci on es de la forma (2.189) con a = 0, b = 1 y c = 1/2, por lo que = 4/5, = 2/5. Por tanto, los cambios (2.190) y (2.191) son 4 5 /4 x , 5 u = x1/2 y, t= y la ecuaci on (2.196) se reduce a t2 cuya soluci on es u(t) = A J2/5 (t) + B N2/5 (t). Por tanto, seg un (2.194), la soluci on de (2.196) es y (x) = x1/2 A J2/5 4 5 /4 x 5 + B N 2 /5 4 5 /4 x 5 . d2 u du +t + t2 2 dt dt 2 5
2
u=0
2.8.2. Funciones de Bessel como oscilaciones amortiguadas

Las guras (2.9) y (2.10) muestran que las funciones de Bessel de primera y segunda especie tienen el aspecto de oscilaciones amortiguadas. Esto es f acil de entender si observamos que la ecuaci on de Bessel (2.181) y (x) + 1 2 y (x) + 1 2 x x y (x) = 0
puede reescribirse en la forma de un oscilador linear amortiguado, y (t) + y (t) + ky (t) = 0,

2.0
133
1.5
1.0
0.5
0.0 1 -0.5 2 3 4 5 6
-1.0
Figura 2.11: Funciones de Bessel de primera especie J0 (x) y J1 (x). L nea continua: valor exacto; l nea discontinua y punteada: aproximaci on asint otica de J0 y J1 , respectivamente, hallada mediante la ecuaci on (2.197). donde el coeciente de amortiguamiento = 1/t y el coeciente de restituci on (constante 2 2 2 el astica) k = = 1 /t dependen del tiempo t. Es claro que, a medida que el tiempo crece, el amortiguamiento es cada vez menor y las oscilaciones se asemejan cada vez m as a 2 oscilaciones arm onicas de frecuencia unidad pues, para t , = k 1. Este comportamiento se aprecia claramente en las guras (2.9) y (2.10). De hecho [AS72] (v ease tambi en el problema 15, p agina 470) J (x) N (x) o, con mayor precisi on, J (x) = N (x) = 2 x 2 x
1/2
2 x 2 x
1/2
cos x
1/2
, 4 2 , 4 2
si x si x
, ,
(2.197) (2.198)
sen x
cos x
1/2
r1 (x) + 3/2 , 4 2 x r2 (x) + 3/2 , 4 2 x
sen x
donde r1 (x) y r2 (x) son funciones acotadas cuando x . En las guras 2.11 y 2.12 se comparan los valores exactos de de J0 (x) y J1 (x) con sus aproximaciones asint oticas19 dadas por la relaci on (2.197), y los valores exactos de N0 (x) y N1 (x), con los proporcionados por la ecuaci on (2.198). El acuerdo es muy bueno incluso para valores relativamente peque nos del argumento x. De estas expresiones se deduce inmediatamente una estimaci on de los ceros de las funciones de Bessel. Sea m el m-simo cero (cuando ordenamos los ceros de menor a mayor valor) de la funci on de Bessel de primera especie J (x), es decir, J (m ) = 0, y sea m el m-simo cero de la funci on de Bessel de segunda especie N (x), es decir, N (m ) = 0. Entonces, es claro que para
19
El concepto de aproximaci on asint otica y el signicado preciso del s mbolo se discute en la secci on 7.3.
134
0.5
N0
2 4 6 8 10
0.0
-0.5
-1.0
N1
-1.5
-2.0
Figura 2.12: Funciones de Bessel de primera especie N0 (x) y N1 (x). L nea continua: valor exacto; l nea discontinua y punteada: aproximaci on asint otica de N0 y N1 , respectivamente, hallada mediante la ecuaci on (2.198) x : m m 1 2 4 3 m+ 2 4 m+ , . (2.199a) (2.199b)
Ejercicio 2.14
1. Compara las estimaciones de los primeros ceros de la funciones de Bessel J0 (x), J1 (x) y N0 (x) que se obtienen mediante relaci on (2.199) con los valores exactos (estos valores puedes encontrarlos en casi cualquier libro de tablas matem aticas, por ejemplo, en [AS72, SA96]). 2. Las ecuaciones (2.199) predicen que los ceros tienden a estar separados por la distacia . Comprueba hasta qu e punto esto es cierto. 3. Por qu e es de esperar que estas estimaciones mejoren a medida que el valor de la ra z crece y empeoren cuando el orden de la funci on de Bessel crece?

Vamos a hallar relaciones de recurrencia para las funciones de Bessel a partir de su desarrollo en serie de potencias dado por la expresi on (2.182). Usando esta relaci on, escribimos:
J 1 J +1 =
k=0
(1)k x k ! ( + k 1)! 2
1+2k
k=0
(1)k x k ! ( + k + 1)! 2
+1+2k
135
Hacemos el cambio k k 1 en el ndice del segundo sumatorio de modo que los dos sumatorios tengan potencias con igual exponente:
J 1 J +1 =
k=0
(1)k x k ! ( + k 1)! 2
1
1+2k
k=1
(1)k1 x (k 1)! ( + k )! 2
1+2k
1+2k
= = Si sumamos,
1 x ( 1)! 2 x 1 ( 1)! 2
+
k=1
x k ! ( + k )! 2 x (1)k k ! ( + k )! 2
(1)k
+ k (1)1 k [ + k k ] .
+
k=1
1+2k
J 1 (x) + J +1 (x) =
x 1 ( 1)! 2 x 2
1
+
k=1
x (1)k k ! ( + k )! 2 (1)k x k ! ( + k )! 2
1+2k
= obtenemos nalmente
1 x ! 2
+
k=1
+2k
J 1 (x) + J +1 (x) =
2 J (x) , x
(2.200)
que es la (primera) relaci on de recurrencia buscada. Si ahora restamos J 1 (x) J +1 (x) = obtenemos J 1 (x) J +1 (x) = 2 d J (x) 2J (x) , dx (2.201) x ! 2
1
+
k=1
(1)k x ( + 2k ) k ! ( + k )! 2
+2k1
como es f acil de comprobar. Combinando las dos relaciones de recurrencia anteriores podemos construir muchas m as. Por ejemplo, si sumamos miembro a miembro (2.200) y (2.201) encontramos J 1 (x) = J (x) + J (x). x J (x) J (x). x (2.202)
Si ahora las restamos miembro a miembro obtenemos J +1 (x) = (2.203)
Estas dos u ltimas relaciones nos dicen que a partir de una funci on de Bessel dada, J (x), podemos hallar todas las dem as funciones de Bessel cuyo orden diera del de J (x) en un n umero entero.
Veamos ahora unas f ormulas que permiten calcular directamente las funciones J +m (x) o J m (x) a partir de J (x). Empezamos evaluando d x J (x) = x 1 J (x) + x J (x) dx = x J (x) J (x) x
136 que por las ecuaciones (2.202) y (2.203) se reduce a d x J (x) = x J 1 (x). dx Por tanto d 1 d [x J (x)] = x J 1 (x) (x J ) = x 1 J 1 (x). dx x dx
(2.204)
(2.205)
1 d Vemos entonces que la aplicaci on del operador diferencial D x on f (, x) dx sobre la funci x J (x) tiene por efecto el disminuir en una unidad el ndice . Es obvio que si repetimos el proceso (aplicamos el operador) m veces, se obtendr a f ( m, , x), es decir,
Dm [x J (x)]
m
1 d x dx
[x J (x)] = x m J m (x)
(2.206)
1 d x dx
1 d es un modo (est andar) de indicar que el operador D donde la notaci on Dm x dx aplica m veces. La ecuaci on (2.204) nos dice que
se
d x J (x) = x J +1 (x). dx Dividiendo esta expresi on por x se deduce que 1 d J (x) J +1 (x) = +1 , x dx x x y por tanto 1 d x dx
m
(2.207)
J (x) J +m (x) = (1)m +m . x x
(2.208)
No es dif cil demostrar partiendo de la relaci on (2.185) que la funci on de Bessel de segunda especie N (x) satisface las mismas relaciones de recurrencia que las funciones de Bessel de primera especie J (x). Ejercicio 2.15
Utiliza la relaci on (2.185) para demostrar que si cambiamos J por N en las relaciones de recurrencia (2.200), (2.201), (2.202), (2.205) y (2.207), las expresiones resultantes son tambi en v alidas. Dicho de otro modo, demuestra que las funciones de Bessel de segunda especie N (x) satisfacen las mismas relaciones de recurrencia que las funciones de Bessel de primera especie J (x).
2.8.4. C alculo de las funciones de Bessel mediante relaciones de recurrencia

El c omputo de las funciones de Bessel (al igual que muchas otras funciones especiales) puede llevarse a cabo aprovechando sus relaciones de recurrencia. Por ejemplo, uno podr a usar la relaci on (2.200), 2 J +1 (x) = J (x) J 1 (x), (2.209) x para calcular Jn+1 (x) con n 2 a partir de, por ejemplo, J0 (x) y J1 (x). Sin embargo, hay que tener cuidado con el uso de las relaciones de recurrencia porque estas pueden ser inestables de modo que, debido a errores de redondeo (precisi on nita de nuestros c omputos), conduzcan a
137
-5
J (1) Log
n 10
-10
-15
-20
-25 0 5 10
n
15
20
Figura 2.13: Funci on de Bessel de primera especie en x = 1, Jn (1), para valores crecientes de n calculados de forma rigurosa mediante Mathematica (c rculos). Los cuadrados representan los valores que se obtienen aplicando la relaci on de recurrencia (2.209) a partir de J0 (1) 0 7651976865579666 y J1 (1) 0 44005058574493355. resultados incorrectos. Un buen ejemplo de este fen omeno lo constituye la relaci on de recurrencia (2.209) cuando se pretende usar para estimar valores de funciones de Bessel de un orden dado a partir de funciones de Bessel de orden menor. En la gura 2.13 se muestran los valores Jn (1) para n = 0, 1, 2 calculados mediante la relaci on de recurrencia (2.209) a partir de los valores correctos (hasta 16 cifras signicativas) de J0 (1) y J1 (1). Es evidente que el procedimiento conduce a resultados muy malos incluso para valores no muy grandes de n. Es entonces la relaci on de recurrencia (2.209) in util? La respuesta es no porque: Primero, su uso es adecuado siempre que n x. Lo que sucede es que la relaci on de recurrencia es inestable a partir de n x de modo que para n x los resultados dejan de ser ables.20 Segundo, incluso para n x, la relaci on de recurrencia (2.209) puede usarse con provecho para el c omputo de funciones de Bessel si se usa en el sentido de n decrecientes sin necesidad de conocer previamente el valor exacto de ninguna (!) funci on de Bessel! Explicaremos este procedimiento (conocido como algoritmo de Miller) mediante el siguiente ejemplo.
Ejemplo 2.8
Vamos a calcular J0 (1) usando la relaci on de recurrencia (2.200) en el sentido de n decrecientes: J 1 (x) = 2 J (x) J +1 (x). x (2.210)
Sabemos por (2.188) que a medida que n crece el valor de Jn (1) es cada vez m as peque no. Supongamos que para n = N + 1, el valor de JN +1 (1) es tan peque no que, dentro de la precisi on con la que trabajemos,
20
Puede verse una justicaci on de estas armaciones en la secci on 5.5 de [PFT93].
138
podemos considerar que es igual a cero: JN +1 (1) 0. Para simplicar la notaci on escribiremos el valor (desconocido) de JN (1) como a, es decir a = JN (1). Entonces, de la relaci on (2.210) se deduce que JN 1 (1) = 2N JN (1) JN +1 = 2N a, JN 2 (1) = [4N (N 1) 1] a, Por concretar, supongamos que N = 8. Entonces J9 (1) 0, J8 (1) a, J7 (1) = 16 a, J6 (1) = 223 a, J5 (1) = 2660 a, J4 (1) = 26377 a, J3 (1) = 208356 a, J2 (1) = 1223759 a, J1 (1) = 4686680 a, J0 (1) = 8149601 a.
(2.211)
La clave del procedimiento que estamos usando reside en que el valor de a puede estimarse mediante la relaci on de normalizaci on (2.218),
1 = J0 (x) + 2
n=1
J2n (x),
que se demuestra en la p agina 140. Tomando x = 1 en esta relaci on y teniendo en cuenta los resultados de (2.211), se obtiene
1 = J0 (1) + 2
n=1
J2n (1)
J0 (1) + 2 [J2 (1) + J4 (1) + J6 (1) + J8 (1)] 10650321 a. Por tanto a 1/10650321, y sustituyendo este valor en (2.211) encontramos que J8 (1) J7 (1) J6 (1) J5 (1) J4 (1) J3 (1) J2 (1) J1 (1) J0 (1) 1/10650321 16/10650321 223/10650321 2660/10650321 26377/10650321 208356/10650321 1223759/10650321 4686680/10650321 8149601/10650321 0 938939 107 [0 942234 107 ], 0 150230 105 [0 150233 105 ], 0 209383 104 [0 209383 104 ], 0 249758 103 [0 249758 103 ], 0 247664 102 [0 247664 102 ], 0 195634 101 [0 195634 101 ], 0 114903 [0 114903], 0 440051 [0 440051], 0 765198 [0 765198].
A la derecha de la echa, entre corchetes, se han proporcionado los valores exactos. En el camino de calcular J0 (1) hemos estimado tambi en el valor de J1 (1), J2 (1) . . . . Los resultados son excelentes: la estimaci on y los valores exactos de Jn (1) coinciden en seis cifras signicativas para n = 0, 1, , 6. Por u ltimo, es natural preguntarse qu e valor de N habr a que escoger para estimar Jn (x) con una precisi on m nima dada. La respuesta, para n > 2, es N n + n1/2 donde es una constante que, muy grosso modo, podemos tomar como igual al n umero de cifras signicativas con las que se quiera estimar Jn (x) [PFT93, sec. 6.5].
139
2.8.5. Funci on generatriz de Jn (x)

La funci on x G(x, t) = exp 2 1 t t
=
n=
Jn (x) tn
(2.212)
es la funci on generatriz de Jn (x), con n entero, en el sentido de que el desarrollo de Laurent de x n exp 2 t 1 viene dado por n= Jn (x) t . Vamos a demostrarlo: t G(x, t) = e 2 t e 2 t
x x 1
= = =
k=0
1 x k! 2
k m=0
(1)m m! tk m
x 2
tm
(1)m
k=0 m=0 k k=0 m=0
x 1 k ! m! 2 x 2
m+k
m+k
(1)m k ! m!
km
+
k=0 m=k+1
(1)m k ! m!
x 2
m+k
t(mk) .
(2.213)
De este modo hemos separado la funci on en dos sumas, la primera con potencias positivas (en el primer sumatorio doble sucede que m k ), y la segunda con potencias negativas (en el segundo sumatorio doble se tiene que m k + 1). Intentaremos ahora poner estas sumas en funci on de Jn (x). Lo primero que vamos a hacer es cambiar el orden de los sumatorios en la primera suma: en vez de sumar primero sobre las l neas lo hacemos primero sobre las columnas (v ease la tabla 2.5) de modo que
k
k=0 m=0
(1)m k ! m!
x 2
m+k
km
=
m=0 k=m
(1)m k ! m!
x 2
m+k
tkm .
(2.214)
Haciendo el cambio k = n + m en el segundo sumatorio de esta u ltima expresi on se obtiene que la primera suma (doble) de (2.213) es

m=0 k=m
(1)m k ! m!
x 2
m+k
km
= = =
n=0
m=0 n=0 n
(1)m x (n + m)! m! 2
2m+n
tn
n=0
m=0
x (1)m (n + m)! m! 2
2m+n
Jn (x)tn .
(2.215)
Para evaluar la segunda suma (doble) de (2.213) hacemos el cambio k = m n:
140 m=0 k=0 k=1 k=2 k=3 . . . (0,0) (1,0) (2,0) (3,0) (k, 0)
k=0 k=1
Funciones especiales m=1 m=2 m=3 (1,1) (2,1) (3,1) (k, 1)

k=2
(0, m)
m=0 1
(2,2) (3,2) (k, 2)

k=3
(1, m)
m=0 2
(3,3) (k, 3)
(2, m)
m=0 3
(3, m)
m=0
Tabla 2.5: Justicaci on del cambio en el orden de la suma en (2.214), siendo (k, m) (1)m x m+k (mk) t . k! m! 2

k=0 m=k+1
(1)m k ! m!
x 2
m+k
t(mk) = = =
n=1 k=0 n=1 n
(1)n+k x k ! (k + n)! 2
2k+n
t n
2k+n
(1)
n k=0
n=1
(1)k x k ! (k + n)! 2
tn (1)n Jn (x) Jn (x)tn

n=1
= =
Jn (x)tn
n=1
(2.216)
Como (2.213) es simplemente la suma de (2.215) y (2.216), deducimos que
G(x, t) =
n=
Jn (x)tn ,
(2.217)
que es la expresi on que quer amos demostrar. Como G(x, t = 1) = 1 y Jn (x) = (1)n Jn (x) [ecuaci on (2.184)], de la expresi on (2.217) anterior se deduce inmediatamente la relaci on
1 = J0 (x) + 2
n=1
J2n (x),
(2.218)
la cual es utilizada en el algoritmo de Miller (empleado en el ejemplo 2.8) para el c omputo de las funciones de Bessel [PFT93, cap. 6].
2.8 Funciones de Bessel Funci on de Bessel de la suma La funci on generatriz (2.212) de las funciones de Bessel verica trivialmente que G(x + y, t) = G(x, t) G(y, t) y por tanto
141
(2.219)
(2.220)

Jn (x + y ) tn =
n= m= l=
Jm (x)Jl (y )tm+l .
(2.221)
En todos los sumandos del miembro derecho en los que, cuando m toma un valor dado, l es igual a n m, se verica que tm+l = tn . Por consiguiente
Jn (x + y ) =
m=
Jm (x)Jnm (y ).
(2.222)
2.8.6. Relaciones integrales

Si hacemos t = ei en la funci on generatriz (2.212) se obtiene G(x, t = ei ) = ex(e =e
i
ei )/2
ix sen
=
n=
Jn (x) ein Jn (x) ein +Jn (x) ein .
= J0 (x) +
n=1
Por consiguiente, la funci on de Bessel Jn (x) es simplemente el coeciente n- esimo del desarrollo en serie de Fourier de eix sen . Pero como Jn (x) = (1)n Jn (x), la expresi on anterior se convierte en
ix sen
= J0 (x) + = J0 (x) + 2
Jn (x) ein +(1)n ein

n=1
J2n (x) cos(2n) + i 2

n=1 n=1
J2n1 (x) sen[(2n 1)].
Es decir
cos(x sen ) = J0 (x) + 2

n=1
J2n (x) cos(2n),
sen(x sen ) = 2
n=1
J2n1 (x) sen[(2n 1)].
Multiplicando la primera expresi on por cos(m), la segunda por sen(m) (siendo m un entero), integrando las expresiones resultantes entre 0 y , y usando las propiedades de ortogonalidad de las funciones seno y coseno sobre el intervalo [0, ], 1 1 1 d cos n cos m = nm , 2 0 1 d sen n sen m = nm , 2 0
n, m = 0, n, m = 0,
142 se deduce que 1 1 1

0 0
d cos(x sen ) = J0 (x), Jn 0 0 Jn si n es par, si n es impar, si n es par, si n es impar, n = 0, n=0
(2.223) (2.224) (2.225)
d cos(x sen ) cos n = d sen(x sen ) sen n =

0
Sumando estas dos u ltimas relaciones se obtiene Jn (x) = 1
cos[n x sen ] d,
0
n = 0, 1, 2, . . .
(2.226)
que es una representaci on muy u til de la funci on de Bessel de primera especie. Por ejemplo, a partir de esta expresi on no es dif cil deducir (v ease el problema 15, p agina 470) la expresi on asint otica (2.197) de Jn (x) para n .
2.8.7. Funciones de Bessel de orden semientero y funciones esf ericas de Bessel

Las funciones de Bessel de orden semientero pueden expresarse en t erminos de funciones trigonom etricas.21 Para ello usamos la f ormula de duplicaci on de Legendre, k !(k + 1/2)! = 2(2k+1) (2k + 1)! , en la expresi on en serie de potencias de J1/2 (x),
J1/2 (x) =
k=0
(1)k
1 x k ! (k + 1/2)! 2
2k+1/2
de modo que 1 J1/2 (x) = = =
(1)k
k=0 k=0
22k+1 x2k+1/2 (2k + 1)! 22k+1/2 x2k+1 (2k + 1)! (2.227)
2 x
(1)k
2 sen x. x
El resto de las funciones de orden semientero se pueden obtener a partir de las relaciones de recurrencia (2.202) y (2.203): n Jn1 (x) = Jn (x) Jn (x). x Esta relaci on evidencia que todas las funciones de Bessel de orden semientero pueden expresarse como combinaci on de funciones elementales.
Las funciones de Bessel semientero son las u nicas que pueden expresarse en t erminos de funciones elementales. Esto fue demostrado por primera vez por Liouville.
21
2.8 Funciones de Bessel Ejercicio 2.16

Demuestra mediante las relaciones de recurrencia (2.202) y (2.203) que 2 cos x, x 2 sen x J3/2 (x) = cos x , x x 2 cos x J3/2 (x) = + sen x . x x J1/2 (x) =
143
(2.228)
Las funciones esf ericas de Bessel jl (x) y de Neumann nl (x) se denen por las relaciones : jl (x) = nl (x) = J (x), 2x l+1/2 N (x), 2x l+1/2 (2.229a) (2.229b)
con l entero. Teniendo en cuenta la relaci on (2.185) y que cos(l +1/2) = 0 y sen(l +1/2) = (1)l , la funci on esf erica de Neumann puede escribirse de este otro modo: nl (x) = (1)l+1 J (x), 2x l1/2 (2.229c)
De estas relaciones, y teniendo en cuenta que Jl+1/2 (x) y Nl+1/2 (x) satisfacen la ecuaci on de Bessel (2.181), es f acil deducir que las funciones esf ericas de Bessel satisfacen la ecuaci on diferencial x2 y (x) + 2xy (x) + x2 l(l + 1) y (x) = 0 (2.230)
con l entero. De las deniciones (2.229) y de los resultados (2.227) y (2.228) se deduce inmediatamente que sen x , x cos x , n0 (x) = x 1 sen x j1 (x) = cos x , x x 1 cos x n1 (x) = + sen x . x x j0 (x) = En las guras 2.14 y 2.15 se representan las cuatro primeras funciones esf ericas de Bessel y de Neumann. Existen otras funciones de Bessel que son u tiles en ciertos problemas:22 Funciones de Bessel de tercera especie o funciones de Hankel :
(1) H (x) = J (x) + i N (x), (2) H (x) = J (x) i N (x).
22
(2.231)
V ease, por ejemplo, el cap tulo 11 de [Arf85].
144
1.0
j
0.8
0.6
0.4
0.2
0.0 2 -0.2 4 6 8 10 12
Figura 2.14: Funciones esf ericas de Bessel de primera especie.
n
0.2
0.0 2 4 6 8 10 12
-0.2
-0.4
Figura 2.15: Funciones esf ericas de Neumann. Funciones esf ericas de Bessel de tercera especie o funciones esf ericas de Hankel : h(1) n (x) = h(2) n (x) siendo n un entero. Las funciones modicadas de Bessel I (x) y K (x) : I (x) = i J (ix), (1) K (x) = i +1 H (ix). 2 = (1) H (x) = jn (x) + i nn (x), 2x n (2) H (x) = jn (x) i nn (x), 2x n
(2.232)
(2.233)
145
2.8.8. Funciones de Bessel y problema de Sturm-Liouville

Sea la ecuaci on x2 y (x) + x y (x) + (k 2 x2 2 ) y (x) = 0, a x b. (2.234)
Si hacemos el cambio de variable independiente u = kx, donde k es una constante (no nula, por supuesto), se tiene que dy dy d2 y y = =k , y = k2 2 , dx du du y la ecuaci on (2.234) se transforma en u2 dy d2 y +u + (u2 2 ) y (u) = 0, du2 du (2.235)
que es la ecuaci on de Bessel, tal como la denimos en (2.181) de la p agina 128. Por este motivo, a la ecuaci on (2.234) tambi en se la llama ecuaci on de Bessel. Esto signica que la soluci on general de la ecuaci on (2.234) es y (x) = AJ (kx) + BN (kx). Si dividimos la ecuaci on (2.234) por x vemos que la ecuaci on resultante es una ecuaci on de Sturm-Liouville con p(x) = x , q (x) = r(x) = x, = k2 . Las condiciones de contorno que aparecen usualmente en los problemas que involucran funciones de Bessel son condiciones de contorno regulares: 1 y (a) + 2 y (a) = 0, 1 y (b) + 2 y (b) = 0. N otese que esto es un problema de Sturm-Liouville singular porque q (x) diverge en x = 0. La satisfacci on de las condiciones de contorno restringe los valores posibles de k a ciertos valores concretos km que ser an los autovalores. Las autofunciones correspondientes a km ser an de la forma m (x) = AJ (km x) + BN (km x), donde el valor de A/B queda por determinar. Por la teor a del problema de Sturm-Liouville sabemos que las autofunciones {m } forman una base del espacio vectorial de funciones (x) de cuadrado sumable con respecto a la funci on peso r(x) = x en el intervalo a x b. Es decir, se verica que m | (x) = cm m (x), cm = , m 2 m donde
b
2 , x
m | = m
2
a b
dx x m (x) (x) , dx x [m (x)]2 .
=
a
146 C alculo de la norma Por supuesto, las autofunciones m (x) son ortogonales entre s ,
b
m |n = La norma de las autofunciones m es m

2
dx x m (x) n (x) = m 2 mn .
=
a b
dx x [m (x)]2 dx d 1 2 2 x m (x) dx 2
b b
=
a
1 2 2 x m (x) 2
a a
dxx2 m m (x).
(2.236)
Como m (x) es soluci on de ecuaci on de Bessel (2.234), k 2 x2 y = 2 y xy x2 y = 2 y x se tiene que

2 2 km x m (x) = 2 m (x) x
d (xy ), dx
d x m (x) . dx
Si multiplicamos esta expresi on por m (x),

2 2 km x m m = 2 m m xm
= 2
d dx
d [xm ] dx 1 2 1 d m (x) xm 2 2 dx
e insertamos el resultado en (2.236), se tiene m

2
1 2 2 2 2 = km (km x 2 ) m (x) + x2 [m (x)]2 2
b a
(2.237)
El valor concreto que tome la norma depender a de las condiciones de contorno de cada problema particular.
Ejemplo 2.9
Vamos a analizar el problema de Sturm-Liouville constituido por la ecuaci on de Bessel (2.234) con > 0 en el intervalo [0, b] y las condiciones de contorno regulares de Dirichlet y (0) = 0, y (b) = 0. La soluci on general de la ecuaci on de Bessel es y (x) = AJ (kx) + BN (kx). Imponiendo la condici on de contorno en x = 0, y (0) = 0, se deduce que B = 0 dado que N (0) diverge si > 0 (v eanse las ecuaciones (2.187) y los comentarios subsiguientes). Por tanto la soluci on ha de tener la forma y (x) = AJ (kx). De la condici on de contorno en x = b, y (b) = 0, se deduce J (kb) = 0, lo que exige que el argumento kb sea justamente igual a uno de los ceros de la funci on de Bessel de orden n.
147
La funci on J (x) tiene un n umero innito de ceros que denotaremos por m con m = 1, 2, 3, . . . : J (m ) = 0 . En resumen, encontramos que los autovalores y autofunciones (que no est an degeneradas) son: km = m , b
m (x) = J m
x . b
Para las condiciones de contorno contempladas en este ejemplo, la ecuaci on (2.237) nos dice que la norma viene dada por 1 2 2 m 2 = k m b [m (b)]2 . 2 Pero, por (2.203), J (km x) J +1 (km x) , m (x) = km J (km x) = km km x luego m (b) = km J +1 (km b). 1 2 2 b [J +1 (m )] . 2 El desarrollo en serie (serie de Bessel-Fourier) de una funci on (x) arbitraria bien comportada en el intervalo [0, b] es por tanto m
2
Por tanto
(x) =
m=1
cm J (km x)
(2.238)
donde cm =
a
dx xJ (km x)(x) 1 2 2 b [J +1 (m )] 2 .
2.9 Problemas
149
2.9. Problemas
2.1. Sea el conjunto de polinomios Un (x) (polinomios de Chebichev de segunda especie o de tipo II) denidos por la funci on generatriz
G(x, t) = (1 2xt + t2 )1 =
n=0
Un (x)tn .
a ) Halla la relaci on de recurrencia de los polinomios Un+1 , Un y Un1 . b ) Demuestra que U0 (x) = 1 y, mediante la f ormula de recurrencia, escribe los seis primeros polinomios (n 5). c ) Calcula Un (1), Un (1) y Un (0). d ) Demuestra que Un (x) = (1)n Un (x). etodo de ortogonalizaci on de Gram2.2. Halla los primeros polinomios de Laguerre mediante el m Schmidt. 2.3. Demuestra que las derivadas Pl (x) de los polinomios de Legendre forman un conjunto completo en el intervalo [1, 1]. Escribe la relaci on de ortogonalidad. 2.4. Utilizando la funci on generatriz de los polinomios de Legendre, demuestra
l=0
xl+1 1 1+x Pl (x) = ln . l+1 2 1x
2.5. Halla el valor de la integral

1 0
dxPl (x)
mediante: a ) La funci on generatriz. b ) La relaci on de recurrencia (que previamente se deducir a) lPl (x) + Pl1 (x) xPl (x) = 0. on de recurrencia (que previamente se deducir a) c ) La relaci Pl+1 (x) Pl1 (x) = (2l + 1)Pl (x). 2.6. a ) Halla la integral
1 0 dx x Pl (x)
partiendo de la f ormula de recurrencia pura.
b ) Halla el desarrollo en serie de polinomios de Legendre de f (x) = |x|. 2.7. Demuestra que ln(1 x) =
n=0
2n + 1 Pn (x). n(n + 1)
Sugerencia: usa la f ormula de Rodrigues de los polinomios de Legendre.
150 2.8. Demuestra que Pl (1) = l(l + 1)/2 a partir de: a ) La f ormula de Rodrigues demostrando previamente que d dx
l+1
(x 1)l (x + 1)l
x=1
= (l + 1)! l (x + 1)l1
x=1
b ) La funci on generatriz de los polinomios de Legendre. 2.9. A partir de la transformada de Fourier de los polinomios de Hermite obt en una representaci on integral de los mismos. 2.10. a ) Demuestra que dx ex x2 Hn (x)Hm (x) = n1 2 (2n + 1)n! n,m + 2n (n + 2)! n,m2 + 2n2 n! n,m+2 . b ) A partir del resultado anterior, demuestra que

2
m=0
2 dx ex x2 H1 (x)Hm (x) = 15 .
2 /2
2.11. Demuestra que la transformada de Fourier de la funci on ex 2 n exp(k /2)(i) Hn (k ).
Hn (x) puede escribirse como
a molecular suelen aparecer con frecuencia integrales de la forma 2.12. En espectroscop

dx ex xr Hn (x)Hn+p (x)
con n, p, r enteros no negativos y p r. Eval ua esta integral. 2.13. a ) Demuestra que

dx ex xHn (x)Hm (x) =
n+1 2 n(n + 1)! n,m1 + 2n (n 1)n! n,m+1 ,
donde Hn (x) = dHn (x)/dx. b ) A partir del resultado anterior, demuestra que
p=0
dx ex xHn (x)Hn+p (x) =
n+1 2 n(n + 1)! .
2.14. Desarrolla la funci on ex en serie de polinomios de Hermite y de polinomios de Laguerre.
2.9 Problemas 2.15. Eval ua la integral

0
151
dx x+1 ex L n (x)Lm (x) .
2.16. Halla la transformada de Laplace de los polinomios de Laguerre. on de onda del atomo de hidr ogeno viene dada por 2.17. La parte radial normalizada de la funci Rnl (r) = 3 (n l 1)! 2n(n + l)!
1/2 l+1 er/2 (r)l L2 nl1 (r ) ,
donde es una constante. Calcula la distancia media del electr on respecto del n ucleo: r = 0 dr r3 [Rnl (r)]2 . 2.18. Desarrolla en serie de polinomios de Laguerre la funci on salto f (x) = H (x a), siendo H (x) la funci on de Heaviside. 2.19. Los polinomios de Chebychev de primera especie (o tipo I), Tn (x), satisfacen la relaci on de recurrencia Tn+2 (x) = 2xTn+1 (x) Tn (x), con T0 (x) = 1 y T1 (x) = x. a ) Obt en la funci on generatriz
G(x, t) = T0 (x) + 2
n=1
Tn (x)tn ,
|x| 1,
|t| < 1.
b ) Utiliza el resultado anterior para calcular Tn (0), Tn (1), Tn (1). 2.20. La funci on generatriz
G (x, t) =
n=0
Cn (x)tn ,
|x| 1,
|t| < 1,
de los polinomios de Gegenbauer de grado n y orden viene dada por 1/(1 2xt + t2 ) con > 0. a ) Demuestra que
Cn (1) =
(n + 2 1)! . n!(2 1)!
b ) Halla la relaci on de recurrencia

(n + 1)Cn +1 (x) 2x(n + )Cn (x) + (n 1 + 2 )Cn1 (x) = 0.
ericas de Bessel de primera y segunda especie, jn (x) y 2.21. a ) Demuestra que las funciones esf nn (x), satisfacen las relaciones de recurrencia 2n + 1 fn (x), x nfn1 (x) (n + 1)fn+1 (x) = (2n + 1)fn (x). fn1 (x) + fn+1 (x) =
152 b ) Usa estas relaciones de recurrencia para demostrar que n+1 fn (x), fn (x) = fn1 (x) x n fn (x) = fn (x) fn+1 (x). x c ) Usa las relaciones de recurrencia anteriores para demostrar que d n+1 [x fn (x)] = xn+1 fn1 (x), dx d n [x fn (x)] = xn fn+1 (x). dx 2.22. Sean fn (x) las funciones denidas mediante las relaciones
f0 (x) =
r=0
xr , (n + 1)fn+1 = xfn fn+2 , fn = fn1 . (r!)2

n n= fn (x)t
Demuestra que la funci on generatriz G(x, t) =
viene dada por exp(xt +1/t).
2.23. Halla los coecientes del desarrollo en serie de J0 (km x) de la funci on f (x) = 1 denida en el intervalo 0 x a. 2.24. Sea f (x) =
m=1
cm Jn (nm x) ,
la representaci on en serie de funciones de Bessel de la funci on f (x) denida en el intervalo [0, 1], donde nm es la ra z m-sima de Jn (x). on de Parseval a ) Demuestra la relaci
1 0
1 dx x[f (x)] = 2
2
2 c2 m [Jn+1 (nm )] . m=1
b ) Escogiendo f (x) = xn , prueba que las ra ces nm verican la relaci on
2 m=1 nm
1 . 4(n + 1)
Cap tulo 3
Ecuaciones en derivadas parciales
3.1. Introducci on y deniciones

Una ecuaci on en derivadas parciales (EDP) es una ecuaci on sobre una funci on inc ognita u que depende de varias variables x, y, . . . y en la que aparecen derivadas parciales de la funci on u: F x, y, , 2u 2u 2u nu u u , ,... 2, 2, ,... n ...,u x y x y xy x = 0. (3.1)
Este tipo de ecuaciones son importantsimas en la Ciencia pues un n umero enorme de sistemas e interacciones se describen mediante ecuaciones en derivadas parciales. Por ejemplo, la ecuaci on de ondas, la ecuaci on de Laplace y de Poisson del electromagnetismo, las ecuaciones de difusi on, las ecuaciones de Maxwell, la ecuaci on de Schr odinger y muchas otras son ecuaciones de este tipo. En ocasiones usaremos una notaci on m as abreviada para denotar las derivadas parciales: ux u , x uy u , y uxx 2u , x2 uxy 2u . xy
Por ejemplo, la ecuaci on de difusi on en una dimensi on (en una l nea) puede escribirse as : ut = uxx ; la ecuaci on de difusi on en dos dimensiones (en una supercie) as : ut = uxx + uyy ; y la ecuaci on de ondas en tres dimensiones (en un volumen) de esta forma: utt = uxx + uyy + uzz . El orden de la ecuaci on en derivadas parciales es el orden de la derivada m as alta que aparece en la ecuaci on. Por ejemplo, las ecuaciones de difusi on y de ondas que acabamos de ver son de segundo orden. Una ecuaci on de tercer orden es, por ejemplo, ut = uxyz . Las ecuaciones en derivadas parciales se llaman inhomog eneas cuando tienen un t ermino (un sumando) en el que no aparece la funci on inc ognita u. Esto implica que la funci on nula u = 0 no
154
es soluci on de estas ecuaciones. Por ejemplo, la ecuaci on ut = uxx es homog enea pero, en cambio, ut = uxx + f (x, y ) no es homog enea. Las ecuaciones en derivadas parciales lineales son aquellas en las que la funci on inc ognita y sus derivadas aparecen de forma lineal, es decir, son ecuaciones de la forma L[u] = f donde L es un operador (diferencial) lineal, siendo f una funci on cualquiera. Esto signica que si u1 y u2 son soluciones de una EDP lineal (en la que suprimimos el t ermino inhomog eneo, si este existiera) entonces una combinaci on lineal cualquiera de estas soluciones c1 u1 + c2 u2 es tambi en soluci on de esta EDP. Algunos ejemplos: ut ut (utt )2 utt = = = = uxx uy uxx ux x2 uxx es es es es lineal, no lineal, no lineal, lineal.
En denitiva, si las funciones u1 y u2 satisfacen una ecuaci on en derivadas parciales que es lineal y homog enea, entonces una combinaci on lineal arbitraria de ellas, c1 u1 + c2 u2 , tambi en satisface esa misma ecuaci on. Es bien sabido que la soluci on general de una ecuaci on diferencial ordinaria de orden n contiene n constantes arbitrarias. De modo similar, la soluci on general de una ecuaci on en derivadas parciales de orden n contiene n funciones arbitrarias de las variables independientes. He aqu un par de ejemplos a modo de ilustraci on: u 1 sol. general =x+y u(x, y ) = x2 + xy + (y ), x 2 2u sol. general =0 u(x, y ) = 1 (x) + 2 (y ). xy Las funciones (x), 1 (x) y 2 (x) son arbitrarias. Usualmente no estamos interesados en simplemente conocer una expresi on que satisfaga la EDP en la regi on R en la que esta EDP est e denida; usualmente queremos conocer la expresi on u(x, y, ) que adem as satisfaga ciertas relaciones o condiciones sobre la frontera o contorno de la regi on R. Los conceptos de linealidad y homogeneidad tambi en se aplican a las condiciones de contorno: Las condiciones de contorno lineales son de la forma (L[u]) = f donde L es un operador lineal y donde con la notaci on (L[u]) queremos indicar que la expresi on (L[u]) se eval ua sobre el contorno . Las condiciones de contorno homog eneas son satisfechas por u = 0.
3.2. Ecuaciones en derivadas parciales de segundo orden

Las ecuaciones en derivadas parciales que con m as frecuencia se presentan en la Ciencia son EDP lineales de segundo orden que involucran derivadas espaciales y, en su caso, temporales de la funci on incognita. Estos son unos cuantos ejemplos: La ecuaci on de ondas 1 2u , c2 t2 donde c es la velocidad de propagaci on de la onda. 2 u =
(3.2)
3.2 Ecuaciones en derivadas parciales de segundo orden La ecuaci on de Laplace 2 u = 0. La ecuaci on de difusi on 2 u = donde k es la difusividad del medio. La ecuaci on de Schr odinger dependiente del tiempo
2
155
(3.3)
1 u , k t
(3.4)
2m
2 + V (r) = i
. t
(3.5)
La ecuaci on de Schr odinger independiente del tiempo

2
La ecuaci on de Poisson
2m
2 + V (r) = E.
(3.6)
2 u = f (x, y, z ). La ecuaci on de Helmholtz 2 u + u = 0. La ecuaci on de Klein-Gordon u + 2 u = 0 donde 2 1 . c2 t2
(3.7)
(3.8)
(3.9)
En este cap tulo s olo estudiaremos EDP lineales. Las ecuaciones no lineales son mucho m as complicadas y pueden dar lugar a comportamientos muy interesantes. Un ejemplo bien conocido es la ecuaci on de seno-Gordon uxx utt = sen u en la que aparecen soluciones llamadas solitones y breathers con propiedades muy especiales.1
3.2.1. Clasicaci on de las ecuaciones en derivadas parciales de segundo orden

La forma general de una EDP lineal de segundo orden (y dos variables) es: A(x, y ) 2u 2u 2u u u + B ( x, y ) + C ( x, y ) + D(x, y ) + E (x, y ) + F (x, y )u = G(x, y ). 2 2 x xy y x y (3.10)
Estas ecuaciones se clasican en tres tipos b asicos que exhiben caracter sticas comunes: 1. Ecuaciones parab olicas: B 2 4AC = 0. Son ecuaciones que describen ujos y procesos de difusi on. Un ejemplo claro de ello es la ecuaci on de difusi on (3.4), en la que A = 1, E = 1/k, B = C = D = F = G = 0.
V ease, por ejemplo, Solitons: An Introduction de P. G. Drazin y R. S. Johnson (Cambridge University Press, Cambridge, England, 1988).
1
156
2. Ecuaciones hiperb olicas: B 2 4AC > 0. Describen sistemas vibrantes y movimiento ondulatorio. Un ejemplo es la ecuaci on de ondas (3.2) en la que A = 1, E = 1/c2 , B = C = D = F = G = 0. 3. Ecuaciones el pticas: B 2 4AC < 0. Describen fen omenos est aticos o estacionarios. Un ejemplo de este tipo de ecuaciones es la ecuaci on de Laplace (3.3), en la que A = C = 1, B = D = E = F = G = 0. El discriminante B 2 4AC depende de x, y por lo que la ecuaci on puede cambiar de un tipo a otro a lo largo del dominio de integraci on, aunque esto es poco corriente. Los calicativos parab olico, hiperb olico y el ptico proceden de la analog a con la clasicaci on de las ecuaciones cuadr aticas o secciones c onicas pues la ecuaci on algebraica Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0 es hiperb olica, parab olica o el ptica si B 2 4AC es, respectivamente, positivo, cero o negativo.
3.2.2. Condiciones de contorno

En este tema estudiaremos algunas t ecnicas de resoluci on de ecuaciones en derivadas parciales sometidas a ciertas condiciones de contorno. Es decir, la soluci on buscada u(x, y ) ha de satisfacer una cierta relaci on (condici on) sobre una curva abierta o cerrada (el contorno) del plano (x, y ) que act ua como frontera [separa la regi on de integraci on dentro de la cual queremos conocer la soluci on u(x, y ) del resto del plano (x, y )]. Existen tres tipos corriente de condiciones de contorno: 1. Condiciones de contorno de Dirichlet. Son aquellas en las que u(x, y ) se especica en cada punto del contorno o frontera. 2. Condiciones de contorno de Neumann. Se especica en cada punto del contorno la componente normal a la frontera del gradiente de u: n u (u)n 3. Condiciones de contorno de Cauchy. Se especica en cada punto del contorno tanto u con n u. Por analog a con las ecuaciones diferenciales ordinarias de segundo orden, podr a pensarse que las condiciones de contorno adecuadas son las de Cauchy, pero esto no es siempre cierto, pudiendo ser sobreabundantes. De hecho, las condiciones de contorno apropiadas, es decir, aquellas que garantizan la existencia y unicidad de las soluciones, son diferentes seg un la EDP sea hiperb olica, parab olica o el ptica. Vamos a ver cu ales son estas condiciones de contorno. 1. Ecuaci on parab olica. Ecuaci on f sica: ecuaci on de difusi on. Las condiciones de contorno habituales para esta clase de ecuaciones son las de Dirichlet o Neumann. El tipo de contorno (frontera) es abierto. Mediante un ejemplo f sico consistente en una barra conductora del calor se puede ver que estas condiciones de contorno son las adecuadas para esta clase de ecuaciones. Consideremos una barra inicialmente2 (t = t0 ) a temperatura u(x, t0 ) = f (x), cuyos extremos situados en x = a y x = b se mantienen a la temperatura u(x = a, t) = ua (t) y u(x = b, t) = ub (t).
Exigir que u(x, t) tome unos determinados valores para t = 0 es exigir que se satisfaga una condici on de contorno en sentido amplio. M as adelante, llamaremos condiciones iniciales a las condiciones de contorno que jan u(x, t) para un tiempo dado.
2
3.2 Ecuaciones en derivadas parciales de segundo orden

t
157
y
u (x)
d
u (t)
a
u =u
t
xx
u (t)
b
u (y)
a
xx
+u
yy
= 0
u (y)
b
u (t)
a
u =u
tt
u (t)
b
xx
u(x,t )=f(x)
0
c
u (x)
c
u(x,t )=f(x)
0
u (x,t )=g(x)
t 0
(a)
(b)
(c)
Figura 3.1: Ejemplos de regiones de integraci on, condiciones de contorno y tipos de fronteras de las ecuaciones (a) parab olicas, (b) el pticas, y (c) hiperb olicas.
Estas condiciones de contorno sabemos que son sucientes para determinar el valor de la soluci on u(x, t) en un instante posterior t > t0 para a x b. En la gura 3.1(a) se representa la regi on de integraci on de este problema (zona rayada), es decir, la regi on en la cual queremos hallar la soluci on. Es evidente que la regi on de integraci on es abierta porque no especicamos el valor de u(x, t) para un instante t > t0 posterior al instante inicial t0 . A esto es a lo que nos referimos cuando decimos que los contornos de los problemas parab olicos son abiertos. Ejercicio 3.1
Cual ser a el signicado f sico de condiciones de contorno de Neumann en este ejemplo de la barra? Pista: la soluci on tiene que ver con la ley de Fourier de la difusi on del calor.
2. Ecuaci on el ptica. Ecuaci on f sica: ecuaci on de Laplace. El tipo de condiciones de contorno habitual para este tipo de ecuaci on tambi en son las de Dirichlet o Neumann. Pero el tipo de contorno (frontera) es cerrado. Esto se ve claro con el siguiente sistema f sico: para determinar el potencial el ectrico u(x, y ) en el interior de una regi on sin cargas (potencial que est a descrito por la ecuaci on de Laplace) es suciente, bien conocer el potencial el ectrico en la frontera (condici on de Dirichlet), o bien conocer el campo el ectrico normal a la frontera (condici on de Neumann) de esta regi on. No es necesario conocer ambos. Por ejemplo, en la gura 3.1(b) se ha representado una regi on rectangular a x b, c y d con condiciones de contorno de Dirichlet sobre su frontera. Estas condiciones de contorno son sucientes para hallar la soluci on en el interior de la regi on de integraci on (zona rayada). Es evidente que la regi on de integraci on es una regi on cerrada. Por eso decimos que en los problemas el pticos los contornos son cerrados. 3. Ecuaci on hiperb olica. Ecuaci on f sica: ecuaci on de ondas. En este tipo de ecuaciones, las condiciones de contorno m as habituales son las de Cauchy. El tipo de frontera (contorno) es abierta. Un ejemplo f sico de esta ecuaci on y de las condiciones de contorno adecuadas nos lo proporciona la cuerda vibrante. Supongamos que la cuerda est a sometida a los desplazamientos u(x = a, t) = ua (t) y u(x = b, t) = ub (t) en los extremos x = a y x = b, respectivamente.
158
Ecuaciones en derivadas parciales Sabemos por nuestros conocimientos de F sica (o simplemente por nuestra intuici on formada por nuestra experiencia con cuerdas, hilos, cadenas, . . . ) que para que el problema tenga soluci on u nica es necesario conocer no s olo la posici on inicial de la cuerda, u(x, t0 ) = f (x), sino tambi en su velocidad inicial, ut (x, t0 ) = g (x), pues la soluci on en un instante posterior, u(x, t), depende de si, por ejemplo, se encontraba inicialmente en reposo [g (x) = 0], o movi endose [g (x) = 0]. En la gura 3.1(c) se representa la regi on de integraci on de este problema (zona rayada), es decir, la regi on en la cual queremos hallar la soluci on. Es evidente que la regi on de integraci on es una regi on abierta. A esto es a lo que nos referimos cuando decimos que los contornos de los problemas hiperb olicos son abiertos.
Debe notarse que s olo hemos dado las condiciones de contorno m as corrientes o habituales para cada tipo de ecuaci on en derivadas parciales. Por supuesto, las condiciones de contorno que pueden aparecer en la pr actica (para cada tipo de ecuaci on) son muy variadas y no se dejan encasillar en el esquema tan simple que acabamos de exponer. En lo que sigue nos centraremos en exponer diferentes m etodos de resoluci on de ecuaciones en derivadas parciales lineales de segundo orden.
3.3. Separaci on de variables

El mejor modo de estudiar y entender este m etodo es vi endolo en acci on, es decir, mediante ejemplos resueltos.
Ejemplo 3.1
Ecuaci on de difusi on en una barra nita. Sea una barra de longitud L en la que la temperatura de sus extremos se mantiene a cero grados. En un instante inicial t = 0 la barra tiene una distribuci on de temperaturas u(x, t = 0) = f (x). Nuestro objetivo es determinar la temperatura u(x, t) de la barra en cualquier punto x en cualquier instante posterior t para 0 x L y t 0. La EDP que describe la evoluci on de este sistema f sico es3 u 2u = k 2, 0 x L, t x u(0, t) = 0, CC : u(L, t) = 0, CI : u(x, 0) = f (x). En el m etodo de separaci on de variables se comienza buscando soluciones de la EDP de la forma u(x, t) = X (x) T (t), (3.12) (3.11a) (3.11b) (3.11c)
es decir, como producto de funciones que dependen s olo de una variable independiente.4 A las soluciones de una EDP lineal que tienen esta la forma (producto de funciones que dependen de una u nica variable) y que adem as satisfacen las condiciones de contorno homog eneas, las llamaremos soluciones fundamentales. Una combinaci on lineal (superposici on) cualquiera de soluciones fundamentales
u(x, t) =
n=1
3
An Xn (x) Tn (t)
(3.13)
Por supuesto, la etiqueta CC se reere a condiciones de contorno y la etiqueta CI a condici on inicial (condici on de contorno sobre la variable temporal) 4 Hace falta explicar por qu e se llama m etodo de separaci on de variables?
3.3 Separaci on de variables
159
sigue siendo soluci on de la ecuaci on en derivadas parciales (por ser esta lineal) y sigue satisfaciendo las condiciones de contorno (por ser homog eneas). A esta soluci on la llamaremos soluci on general. Nuestro objetivo es determinar las funciones Xn (x), Tn (t) y el valor de los coecientes An que hacen que (3.13) sea la soluci on de la EDP que satisface las condiciones de contorno y la condici on inicial. Cu al es la justicaci on de buscar soluciones de la forma (3.13)? La raz on m as inmediata es que este procedimiento, inventado por Daniel Bernoulli (circa 1700), funciona. Por supuesto, no ha de funcionar siempre. Hay razones m as fundamentales relacionadas con la expresi on de funciones arbitrarias en forma de serie de funciones ortogonales (funciones ortogonales que son soluciones de problemas de Sturm-Liouville conectados con la ecuaci on en derivadas parciales a resolver; v ease la secci on 3.5.4), pero no profundizaremos en esta direcci on. Pasemos a calcular las soluciones fundamentales de nuestro problema (3.11). Sustituimos para ello u(x, t) = X (x)T (t) en la ecuaci on en derivadas parciales (3.11a), X (x) d d2 X (x) T (t) = kT (t) dt dx2
y agrupamos en cada lado de la igualdad las funciones que dependan de una variable dada5 1 d 1 d2 X T (t) = . kT (t) dt X (x) dx2 (3.14)
N otese que hemos obtenido una ecuaci on donde en cada miembro (a cada lado de la igualdad) hay una funci on que depende de una u nica variable: hemos separado las variables. El u nico modo de que (3.14) se satisfaga para cualquier valor de x y t (que son variables independientes!) es si cada miembro es igual a una constante que, siguiendo la tradici on, llamaremos : 1 d 1 d2 X T (t) = = . kT (t) dt X (x) dx2 En resumen, las funciones X (x) y T (t) que forman las soluciones fundamentales han de vericar estas dos ecuaciones diferenciales ordinarias: dT = kT, dt d2 X = X. dx2 La soluci on de la primera ecuaci on es sencilla: T (t) = T0 ekt . (3.17) (3.15) (3.16)
Si < 0 entonces T (t) cuando t , es decir, si < 0, la temperatura crecer a sin l mite a medida que pasa el tiempo. Esto no es f sicamente razonable; de hecho, esperamos que T (t) 0 pues la temperatura de los extremos de la barra est a jada a cero. Estas consideraciones nos hacen ver que al formular nuestro problema en t erminos f sicos, existen condiciones (que en un sentido gen erico pod emos llamar de contorno) impl citas que no aparecen recogidas expl citamente en el enunciado del problema. Lo que estamos diciendo es que la traducci on matem atica dada en (3.11) del problema de conducci on del calor en la barra no es completa: habr a que a nadir la condici on de contorno6 u(x, t ) = nita. En denitiva, concluimos que esta condici on de contorno (impl cita) requiere que 0. En cualquier caso, como veremos un poco m as abajo, la resoluci on de la parte espacial de este problema (es decir, el c alculo de las soluciones X (t) admisibles) nos llevar a a esta misma conclusi on: ha de ser positiva.
Esto se consigue sin m as que dividir la ecuaci on por la soluci on fundamental X (x)T (t). De hecho, podr amos ser m as precisos y exigir u(x, t ) 0 pues sabemos que la barra est a en contacto t ermico con dos focos (ba nos) t ermicos que mantienen los extremos a temperatura cero. Esto signica que la temperatura de toda la barra tender a a cero a medida que pase el tiempo. Por tanto = 0 no es tampoco admisible, salvo si la temperatura inicial de la barra es igual a cero en todas partes, lo cual convertir a en trivial al problema siendo su soluci on la trivial: u(x, t) = 0.
6 5
160
Ahora pasamos a buscar la forma que ha de tomar la parte espacial X (x) de las soluciones fundamentales. Hemos visto que X (x) ha de satisfacer la ecuaci on (3.16). Tambi en queremos que X (x) sea tal que la soluci on fundamental X (x)T (t) satifaga las condiciones de contorno (3.11b). En resumen, X (x) ha de satisfacer las relaciones d2 X = X, dx2 X (0) = 0, CC : X (L) = 0. (3.18a) (3.18b)
Esto no es m as que un problema de Sturm-Liouville, el cual ya hemos resuelto en el ejemplo 1.15, p agina 53. Su soluci on es Xn (x) = Cn sen = n L
2
nx , L
n = 1 , 2, 3, . . .
siendo Cn una constante arbitraria. (N otese que el problema de Sturm-Liuville (3.18) no tiene soluci on distinta de la trivial para 0.) En denitiva, las soluciones fundamentales son un (x, t) = An sen
2 nx k( n L ) t, e L
n = 1, 2, 3, . . .
donde la An = Cn T0 .7 Ahora bien, como cada una de las soluciones fundamentales un (x, t) satisface la EDP lineal (3.11a) y las condiciones de contorno homog enea (3.11b), entonces una combinaci on lineal de soluciones fundamentales tambi en satisface la EDP y las condiciones de contorno. Esto nos lleva a escribir la soluci on general de la siguiente forma:
u(x, t) =
n=1
An sen
2 nx k( n L ) t . e L
(3.19)
Sin embargo, esta funci on no es a un la soluci on de (3.11) porque, para cualquier elecci on de los coecientes An , no se satisface la condici on inicial u(x, 0) = f (x) de la ecuaci on (3.11c). Estos coecientes han de elegirse cuidadosamente de modo que
u(x, t = 0) =
n=1
An sen
nx = f (x). L
(3.20)
Cu ales son estos coecientes? La respuesta es f acil si nos damos cuenta que los coecientes An no son otra cosa que los coecientes del desarrollo en serie de Fourier de la funci on f (x). Dicho en otros t erminos, como las funciones Xn (x) = sen (nx/L) son autofunciones de un problema de Sturm-Liouville [el problema denido por (3.18)], entonces cualquier funci on f (x) bien comportada puede expresarse en t erminos de las autofunciones Xn (x), siendo An los correspondientes coecientes.8 Por tanto, An = 2 sen nx/L|f (x) = sen nx/L 2 L
L
f (x) sen
0
nx L
dx.
(3.21)
En resumen, la soluci on del problema (3.11) viene dada por la relaci on (3.19) donde los coecientes An se obtienen de la ecuaci on (3.21). Por ejemplo si 1 3x x + sen , f (x) = sen L 2 L
En el futuro nos ahorraremos el ir arrastrando las constantes arbitrarias procedentes de las soluciones de las ecuaciones diferenciales ordinarias pues sabemos que al nal las englobaremos en una u nica constante multiplicativa. 8 Si esto te suena a chino, har as bien en repasar el tema dedicado al problema de Sturm-Liouville.
7

la soluci on (3.19) ser a u(x, t) = sen x k(/L)2 t 1 e + sen L 2 3x L ek(3/L)
2
161
Un resultado interesante que podemos deducir de (3.11) es que los modos difusivos An sen
2 nx k( n L ) t e L
de longitud de onda L/(n ) menor (es decir, aquellos con n m as grande) son los que m as r apidamente decaen. En particular, si existe el primer modo difusivo (esto es, si A1 = 0), se tiene que u(x, t) A1 sen
2 x k( L ) t, e L
t .
(3.22)
El procedimiento de resoluci on que hemos empleado en el ejemplo anterior es bastante est andar. Resumimos a continuaci on sus pasos principales: 1. Hemos de asegurarnos de que la EDP a resolver es lineal con condiciones de contorno homog eneas. En caso contrario no es posible aplicar, sin m as, el m etodo de separaci on de variables. Veremos en el ejemplo 3.2, y con m as detalle en la secci on 3.5, c omo proceder cuando las condiciones de contorno no son homog eneas. 2. Hay que hallar las ecuaciones diferenciales ordinarias resultantes al asumir una soluci on expresada como producto de funciones de una sola variable (separaci on de variables) e introducir constantes de separaci on. on que permiten 3. Hay que determinar los valores (autovalores) de las constantes de separaci la existencia de soluciones (soluciones fundamentales) en la forma de producto de funciones de una u nica variable que satisfacen las condiciones de contorno. 4. Tras hallar todas las posibles soluciones fundamentales, se expresa la soluci on general como combinaci on lineal arbitraria de todas ellas y se calculan sus coecientes de modo que esta soluci on general satisfaga la condici on inicial. La condici on inicial se impone sobre la soluci on al nal, cuando ya hemos construido la soluci on general (en forma de superposici on de soluciones fundamentales) y, generalmente, despu es de imponer las condiciones de contorno.
Ejemplo 3.2
Cubo dentro de un ba no t ermico. Sea un cubo de arista L inicialmente (t = 0) en equilibrio t ermico a temperatura u = 0.9 El cubo se sumerge en un ba no a temperatura u0 = 0. Se pide hallar u(r, t). Las ecuaciones que describen este problema f sico son 1 u , k t u(x, y, z, t) = u0 para x, y, z = 0, L, CI : u(x, y, z, 0) = 0. 2 u = (3.23a) (3.23b) (3.23c)
CC :
Este valor nulo de la temperatura inicial no supone ninguna restricci on puesto que origen de temperaturas es arbitrario.
162
Este es un problema con condiciones de contorno no homog eneas.10 El procedimiento m as sencillo para superar esta dicultad y poder aplicar sin problemas el m etodo de separaci on de variables es llevando a cabo el cambio de variables V (r, t) = u(r, t) u0 . Este cambio tiene una interpretaci on f sica bien natural: lo que hacemos es trabajar en una escala nueva de temperaturas V cuyo cero es la temperatura del ba no. Sobre la nueva variable V la ecuaci on (3.23) se reduce a 1 V , k t V (x, y, z, t) = 0 para x, y, z = 0, L. 2 u =
(3.24a) (3.24b)
CC :
La EDP es lineal y las condiciones de contorno son homog eneas, por lo que podemos aplicar el m etodo de separaci on de variables tal como se hizo en el ejemplo anterior. Empezamos buscando soluciones de la EDP cuya forma sea el producto de funciones que dependen de una sola variable V (r, t) = R(r)T (t), donde R(r) = X (x)Y (y )Z (z ). Sustituyendo esta expresi on de V (r, t) en la EDP (3.24), se obtiene 1 2 1 dT R= . R kT dt Como cada miembro de esta igualdad depende de variables (independientes!) que no aparecen en el otro miembro, se concluye que esto s olo puede vericarse si ambos miembros son iguales a una constante (que, por conveniencia en la notaci on, llamaremos ): 1 2 1 dT R= = . R kT dt La soluci on de la ecuaci on temporal
dT dt
= kT es sencilla: T (t) = ekt .
Se deduce as que 0 ya que la soluci on no ser a f sicamente aceptable (condici on de contorno impl cita) si < 0. Resolvemos la ecuaci on diferencial espacial 1 2 R = R tambi en mediante separaci on de variables escribiendo11 R(r) = X (x)Y (y )Z (z ) de modo que 1 d2 X d2 Y d2 Z Y Z 2 + XZ 2 + XY 2 = , XY Z dx dy dz es decir, 1 d2 X 1 d2 Y 1 d2 Z + + = . X dx2 Y dy 2 Z dz 2
1 d2 X X dx2
Esto s olo puede vericarse si es decir, si
no depende de x,
1 d2 Y Y dy 2
no depende de y , y
1 d2 Z Z dz 2
no depende de z ,
1 d2 X = 2 , X dx2 1 d2 Y = 2 , Y dy 2 1 d2 Z = 2 , Z dz 2
10 11
Daremos en la secci on 3.5 una discusi on m as detallada de c omo resolver este tipo de problemas. Por supuesto, podr amos haber sustituido directamente u(x, t) = X (x)Y (y )Z (z )T (t) desde el principio.

donde , y son constantes tales que 2 + 2 + 2 = . Las condiciones de contorno homog eneas (3.24b) implican que X (0) = X (L) = 0, es decir V (x = 0, y, z, t) = 0 V (x = L, y, z, t) = 0 X (0) = 0, X (L) = 0.
163
(3.25) (3.26)
Vemos pues que la funci on X (x) de nuestra soluci on fundamental X (x)Y (y )Z (z )T (t) ha de ser la soluci on del problema de Sturm-Liouville d2 X = 2 X, dx2 X (0) = 0, CC : X (L) = 0. Las soluciones posibles (autofunciones) son Xnx (x) = sen nx x donde los autovalores 2 vienen dados por nx = nx L
con nx = 1, 2, . . . . Las soluciones para Y (y ) y Z (z ) se obtienen de igual modo: Yny (y ) = sen ny y, Znz (z ) = sen nz z, ny = ny , L nz = nz , L
con ny = 1, 2, . . . y nz = 1, 2, . . . En denitiva, las soluciones fundamentales son

2 2 2 2 Vnx ny nz (r, t) = ek(nx +ny +nz ) L2 t sen nx x sen ny y sen nz z . L L L
La soluci on general del problema homog eneo (3.24) es por tanto

V (r, t) =
nx =1 ny =1 nz =1
Anx ny nz Vnx ny nz (r, t)
y, por consiguiente, la soluci on general que satisface (3.23a) y (3.23b) es

u(r, t) = up (r, t) + V (r, t) = u0 +

nx =1 ny =1 nz =1
Anx ny nz Vnx ny nz (r, t).
Nos resta determinar los valores de los coecientes Anx ny nz que hacen que u(r, t) satisfaga la condici on inicial (3.23c), u(r, t = 0) = 0. Es decir, los coecientes Anx ny nz han de ser tales que

u0 =
nx =1 ny =1 nz
Anx ny nz sen nx x sen ny y sen nz z . L L L =1
(3.27)
Sabemos que
L 0
L dw sen n w sen m w = nm L L 2
164
si n, m = 1, 2, . . . De este resultado y de la ecuaci on (3.27) se deduce que Anx ny nz = Pero

L 0
u0 (L/2)3
L 0 0
L 0
dx dy dz sen nx
y z x sen ny sen nz . L L L
0 L sen nw w dw = [1 cos(nw )] = 2L L nw nw 64 u0 3 nx ny nz = 0
si nw es par, si nw es impar.
Por tanto Anx ny nz
si nx , ny , nz son impares, en caso contrario.
En denitiva, el campo de temperaturas u(r, t) del cubo viene dado por la expresi on
u(r, t) = u0 u0
nx ,ny ,nz =1 nx ,ny ,nz impar
3 n
2 2 2 2 64 sen nx x sen ny y sen nz z ek(nx +ny +nz ) L2 t . L L L x ny nz
(3.28)
Los modos difusivos con un valor de nx , ny , nz grande decaen muy r apidamente (exponencialmente) de L2 modo que para t el campo de temperaturas se puede aproximar por k u(r, t) u0 1 x y z 64 3 2 e L2 kt sen sen sen , 3 L L L t L2 . k
Ejemplo 3.3
Membrana vibrante circular. En este ejemplo vamos a calcular los modos normales de vibraci on de una membrana circular de radio sujeta por su per metro (membrana de un tambor). En otros t erminos, queremos en este ejemplo encontrar las soluciones que vibran (oscilan en el tiempo) con una u nica frecuencia , es decir, buscamos soluciones de la forma V (r, t) = u(r) eit donde V (r, t) nos da el valor del desplazamiento V del punto de la membrana situado en r en el instante t. Nuestro objetivo es, pues, determinar la dependencia espacial u(r) de esta soluci on. Sustituyendo esta expresi on en la ecuaci on de ondas (3.2) bidimensional 2 V (r, t) = se tiene que eit 2 u(r) = 1 d2 it u ( r ) e c2 dt2 2 (i ) = u(r) eit . c2 1 2V , c2 t2
Es decir, la dependencia espacial de los modos normales de vibraci on u(r) viene regida por la ecuaci on de Helmholtz: 2 u(r) + k 2 u(r) = 0, donde k = /c es el n umero de ondas.

En resumen, debemos resolver el siguiente problema 2 u(r) + k 2 u(r) = 0, CC : u(r = ) = 0,
165
(3.29a) (3.29b)
donde la condici on de contorno se debe a que la membrana circular de radio esta sujeta (no se puede desplazar) en su borde. La simetr a del problema aconseja utilizar coordenadas polares. En estas coordenadas el operador laplaciano es 1 1 2 2 = r + 2 2, r r r r y la ecuaci on de Helmholtz se reduce a 1 r r r 1 2 u + 2 2 u + k 2 u = 0. r r
Utilizaremos el m etodo de separaci on de variables y buscamos soluciones de la forma u(r) = u(r, ) = R(r)(). Sustituyendo en (3.29a) se tiene d r dr es decir, 1 d R r dr o, si multiplicamos la ecuaci on por r2 , r d R dr r d 1 d2 R + k2 r2 = . dr d2 r r d R d2 R + 2 2 + k 2 R = 0, dr r d d 1 d2 R + 2 + k 2 = 0, dr r d2
Esta igualdad exige que cada uno de sus miembros sean iguales a una constante (que llamaremos n2 ): r d R dr r d 1 d2 R + k2 r2 = = n2 . dr d2
Por tanto R(r) y () han de satisfacer las siguientes ecuaciones diferenciales ordinarias: d2 + n2 = 0 , d2 d2 R dR r2 2 + r + k 2 r 2 n2 R = 0 . dr dr (3.30) (3.31)
Como la funci on u(r, ) ha de ser monovaluada, u(r, + 2 ) = u(r, ) (condici on de contorno impl cita), debe ocurrir que ( + 2 ) = (). Esto signica que la soluci on () que buscamos debe ser soluci on del problema de Sturm-Liouville peri odico: d2 + n2 = 0 , d2 ( + 2 ) = () . Veamos cu al es su soluci on: Si n = 0, la soluci on de (3.32a) es simplemente una combinaci on lineal de senos y cosenos: () = sen n cos n (3.33) (3.32a) (3.32b)
166
donde el s mbolo
f (x) g (x)
Af (x) + Bg (x)
es s olo un modo, en ocasiones conveniente, de denotar una combinaci on lineal cualquiera de las funciones f y g . Debe notarse que (3.33) es v alida incluso para n2 < 0. En este caso (3.33) puede escribirse de este modo equivalente: senh(n2 ) () = . (3.34) cosh( n2 ) Si n = 0, la soluci on es () = A + B , siendo A y B constantes arbitrarias. Pero la condici on (3.32b), ( + 2 ) = (), exige que: Si n = 0, entonces, por (3.33), debe ocurrir que n ha de ser entero, o, m as concretamente, debe ocurrir que n = 1, 2, . . . Debe notarse tambi en que los otros valores n = 1, 2, 3, . . . posibles no conducen a soluciones fundamentales, R(r) sen(n) o R(r) cos(n), distintas de las que se encuentran con n = 1, 2, . . . pues sen(n) = sen(n) y cos(n) = cos(n). Debe notarse tambi en que la constante de separaci on n2 ha de ser positiva, pues si fuera negativa la soluci on dada por (3.34) no podr a satisfacer la propiedad ( + 2 ) = (). Si n = 0, entonces debe ocurrir que () = B = const. En este caso, la soluci on fundamental viene dada simplemente por R(r). En resumen, todas las soluciones admisibles del problema de Sturm-Liouville (3.32) son () = sen n cos n para n = 0, 1, 2, . . .
(3.35)
Por otro lado, la ecuaci on radial (3.31) no es m as que la ecuaci on de Bessel, cuya soluci on es una combinaci on de funciones de Bessel de primera y segunda especie R(r) = Jn (kr) Nn (kr) .
Pero sabemos que la funci on Nn (kr) diverge cuando r 0, por lo que no puede aparecer en la soluci on fundamental ya que, obviamente, la amplitud de vibraci on de la membrana no puede ser innita (condici on de contorno impl cita). Esto signica que las soluciones fundamentales son: u(r, ) = Jn (kr) o de forma m as expl cita: sen n cos n para n = 0, 1, 2, . . .
J0 (kr), u(r, ) = Jn (kr) sen n, Jn (kr) cos n,
n = 1, 2, . . . n = 1, 2, . . .
Si la membrana est a sujeta en su borde exterior, r = , entonces u(r = , ) = 0, y por tanto debe ocurrir que Jn (k) = 0, n = 0, 1, 2, . . . lo que implica que el n umero de ondas de los modos normales de vibraci on no toma cualquier valor, sino que son justamente iguales a nm , knm = siendo nm es el m- esimo cero de la funci on de Bessel de orden n: Jn (nm ) = 0. Algunos de los valores de estos ceros se dan en la tabla 3.1. Los modos normales de vibraci on de la membrana circular son por tanto: u0m J0 (0m r/) , m = 1, 2, . . . , us n = 1, 2, . . . , m = 1, 2, . . . , nm Jn (nm r/) sen n, c unm Jn (nm r/) cos n, n = 1, 2, . . . , m = 1, 2, . . .
3.3 Separaci on de variables Jn (x) J0 (x) J1 (x) J2 (x) J3 (x) J4 (x) n1 2.40 3.83 5.14 6.38 7.59 n2 5.52 7.02 8.42 9.76 11.06 n3 8.65 10.17 11.62 13.02 14.37 n4 11.79 13.32 14.80 16.22 17.62 n5 14.93 16.47 17.96 19.41 20.83
167
Tabla 3.1: Valores de los primeros ceros de las primeras funciones de Bessel de primera especie [AS72, SA96].
Los cuatro primeros modos de vibraci on (es decir, los cuatro con frecuencia de vibraci on nm = cknm menor) de la membrana son Modo 1: k= 2 40 , c = 2 40 , u0,1 (r, ) = J0 2 40 r sen cos sen 2 cos 2
Modo 2:
3 83 k= ,
Modo 3:
k=
5 14 , 5 52 ,
r us 1,1 (r, ) = J1 3 83 c = 3 83 , r uc 1,1 (r, ) = J1 3 83 r us 2,1 (r, ) = J2 5 14 c = 5 14 , r uc 2,1 (r, ) = J2 5 14 c = 5 52 , u0,2 (r, ) = J0 5 52 r
Modo 4:
k=
En la gura 3.2 hemos representado estos seis primeros modos de vibraci on de la membrana circular. En la gura 3.3 representamos la evoluci on temporal de la membrana de un tambor cuya vibraci on viene dada ( r, ) = J ( r ) cos sin mezcla de otros modos. s olo por el segundo modo de vibraci on cosenoidal uc 1 1, 1 1,1 i1,1 t c . Es decir, hemos representado (la parte real de) u1,1 (r, ) e Si quieres disfrutar de una representaci on din amica (una animaci on) de estos modos de vibraci on consulta la p agina web http://www.unex.es/eweb/fisteor/santos/mma Ejercicio 3.2 1. Usa la tabla 3.1 para hallar los modos de vibraci on 5, 6 y 7. 2. En este ejercicio se pide hallar el desplazamiento en un instante t cualquiera de una membrana vibrante circular sujeta por su borde. Para ello resuelve la ecuaci on de ondas bidimensional 2 V (r, t) = 1 2V c2 t2
mediante separaci on de variables proponiendo soluciones fundamentales de la forma V (r, , t) = R(r)()T (t) = u(r, )T (t). Demuestra que T (t) = eit y que la soluci on general del problema vendr a dada por la relaci on
V (r, , t) =
m=1
u0m (r, )
ei0m t ei0m t
+
m=1 n=1
us nm (r, ) uc nm (r, )
einm t einm t
o, equivalentemente, por
V (r, , t) =
m=1
u0m (r, )
sen 0m t cos 0m t
+
m=1 n=1
sen nm t cos nm t
168
1 0.75
0.5 0.25 1 0.5 0 -0.5 0 -0.5 0.5 1 -1
0.5 0.25 0 -1
0 -0.25 -0.5 -1 -0.5 0 -0.5 0.5 1 -1 0
1 0.5
0.5 0.25
0.5 0.25
0 -0.25 -0.5 -1 -0.5 0 -0.5 0.5 1 -1 0
U
1 0.5
0 -0.25 -0.5 -1 0 -0.5 0 -0.5 0.5 1 -1
1 0.5
y
0 -0.5 -1 1 0.5 0.25
0.5
0 -0.25 -0.5 -1 -0.5 0 -0.5 0.5 1 -1 0
1 0.5
0.5
y
-1 -0.5 0
0.5 1
Figura 3.2: Representaciones de los seis primeros modos de vibraci on (de izquierda a derecha y de s , uc , us , u arriba hacia abajo) u0 , uc , u de una membrana circular de radio = 1. 0,2 1,1 1,1 2,1 2,1
169
Figura 3.3: Evoluci on temporal a lo largo de un semiperiodo del primer modo de vibraci on i1 t para (de izquierda a derecha y de arriba hacia abajo) t = 0, T /8, T /4, 3T /8, T /2, uc ( r, ) e 1,1 donde T = 2/1 es su periodo de oscilaci on.
donde nm = cnm /. Demuestra tambi en que si la velocidad inicial es nula, Vt (r, , 0) = 0, entonces la soluci on general toma la forma (v ease el ejemplo 3.5)
(0) dm u0m (r, ) cos m t+ m=1 m=1 n=1
V (r, , t) =
cos nm t
donde dm es una constante arbitraria a determinar por las condiciones iniciales. Finalmente escribe la soluci on V (r, , t) para este caso si la posici on inicial de la membrana viene dada por (i) V (r, , 0) = ( r, ). u0,1 (r, ), (ii) V (r, , 0) = u0,1 (r, ) + 2us 1,2
Ejemplo 3.4
Potencial en el interior de un cilindro innito. Sea un cilindro de radio y cuya supercie esta jada a un potencial V (, ) = f () que es independiente de la posici on z a lo largo del cilindro. Queremos calcular el potencial en el interior del cilindro asumiendo que este es muy largo de modo que es posible despreciar los efectos de los extremos. Por este motivo trabajaremos con coordenadas polares (r, ) en vez de usar coordenadas cil ndricas (r, , z ) dado que la coordenada z no juega ning un papel en este problema. El problema matem atico a resolver es CC : El laplaciano es polares es 2 = de modo que la ecuaci on (3.36a) se reduce a 2 u 1 u 1 2u + + = 0. r2 r r r2 2 (3.37) 2 u(r, ) =0, 0 r , u(r = , ) =f (). 2 1 1 2 + + r2 r r r2 2 (3.36a) (3.36b)
170
Usamos el m etodo de separaci on de variables y buscamos soluciones fundamentales de la forma u(r, ) = R(r)(). Sustituyendo esta expresi on en (3.37) se obtiene es decir, R d2 d2 R dR + + 2 2 =0 2 dr r dr r d (3.38)
1 d2 R r dR 1 d2 + = . (3.39) R dr2 R dr d2 Esta relaci on s olo puede vericarse si el t ermino de la derecha, que depende s olo de , y el t ermino de la izquierda, que depende s olo de r, son iguales a una constante que llamaremos 2 : r2 r2 d2 R r dR , + R dr2 R dr 2 1d 2 = . d2 2 = (3.40) (3.41)
Para que la soluci on sea monovaluada, la funci on () debe ser peri odica con periodo 2 : () = ( 2 ). Este problema es justamente el problema de Sturm-Liouville peri odico (3.32), p agina 165. Podemos concluir como entonces que las u nicas soluciones admisibles son 0 () = const si = 0, y n () = sen n cos n (3.42)
si = n. La ecuaci on (3.41) sobre la variable radial es una ecuaci on (equidimensional) de Euler: r2 En su soluci on distinguimos dos casos: on se reduce a R /R = 1/r, por lo que ln R = ln r + const y R = const/r, y 1. n = 0. La ecuaci por tanto R(r) = a0 + b0 ln r R0 (r) . (3.44) La soluci on fundamental para n = 0 es por consiguiente u0 (r, ) = R0 (r)0 () = 1 ln r . (3.45) d2 R dR +r n2 R = 0 . 2 dr dr (3.43)
2. n = 1, 2, Ahora buscamos soluciones de la forma R(r) = r siendo una cantidad a determinar. Sustituyendo esta expresi on en la ecuaci on anterior se obtiene f acilmente que = n, de modo que la soluci on es rn Rn (r) = . (3.46) rn La soluci on un (r, ) para este caso es por tanto un (r, ) = Rn (r)n () = En resumen la soluci on general de la ecuaci on (3.37) es

sen n cos n
rn r n
(3.47)
u(r, ) = a0 + b0 ln r +
n=1
an rn + bn rn cos n +
n=1
cn rn + dn rn sen n.
(3.48)
Pero sabemos que el potencial en el interior del cilindro es nito, en particular u(r = 0, ) = nito (condici on de contorno impl cita) de modo que en (3.48) los coecientes de ln r y rn deben ser nulos
171
para que la soluci on nal se comporte bien en r = 0. Por tanto, la soluci on general de la EDP de Laplace (3.36a) que satisface las condiciones de contorno impl citas (soluci on nita y monovaluada) es:

u(r, ) =a0 +
n=1
an rn cos n +
n=1
cn rn sen n.
(3.49)
Por supuesto, los coecientes an y cn de la soluci on nal se determinan exigiendo que la soluci on satisfaga la condici on de contorno (3.36b):

u(, ) = f () =a0 +
n=1
an n cos n +
n=1
cn n sen n.
(3.50)
N otese que a0 , an n y cn n son simplemente los coecientes del desarrollo en serie de Fourier de la funci on f (): a0 = a n n = cn n = 1 1
2
1 2
f () d ,
0
f () cos(n) d ,
0 2
f () sen(n) d ,
0
En la gura 3.4 se han representado las l neas equipotenciales en el interior del cilindro para varias condiciones de contorno u(, ) = f (). La gura 3.4.(a) corresponde al caso en que f () = 1 si 0 < 1 si 2 (3.51)
No es dif cil comprobar que para este caso an = 0 y cn n = (1 (1) ) En la gura 3.4.(b) se han representado las l neas 1 1 f () = 1 1 En este caso an = 0 y
n
2 . n
equipotenciales para el caso en el que si 0 < /2 si /2 < si < 3/2 si 3/2 2

2
(3.52)
n 4 cos( n2 ) + cos( 3 n 2 ) sin( 4 ) . n Finalmente, en la gura 3.4.(b) se han representado las l neas equipotenciales cuando 1 si 0 < /2 2/3 si /2 < f () = 1/3 si < 3/2 0 si 3/2 2
cn n =
(3.53)
Ahora a0 = 1/2, an = 0, para n = 1, 2, . . . y cn n = 3 (1)

n
1 + 2 cos( n2 ) . 3n
172
0.5
0.5
0.5
-0.5
-0.5
-0.5
-1 -1 -0.5 0 0.5 1
-1 -1 -0.5 0 0.5 1
-1 -1 -0.5 0 0.5 1
(a)
(b)
(c)
Figura 3.4: L neas equipotenciales en el interior del cilindro cuando el potencial sobre su supercie u( = 1, ) = f () viene dada por (a) la ecuaci on (3.51), (b) la ecuaci on (3.52), y (c) la ecuaci on (3.53). El potencial en una regi on zona es tanto menor cuanto m as oscura es esa zona.
Ejercicio 3.3 Calcula el potencial el ectrico en el exterior del cilindro, es decir, resuelve el problema 2 u(r, ) = 0, u(r = , ) = f () r , (3.54a) (3.54b)
CC :
teniendo en cuenta que u(r , ) = nito.
Ejemplo 3.5
En este ejemplo vamos a calcular mediante separaci on de variables la soluci on de la ecuaci on de ondas 2u 2u = u x2 t2 que satisface las condiciones iniciales u(x, 0) =u0 (x), u t y las condiciones de contorno u(0, t) = u(1, t) = 0. (3.58) Proponemos la soluci on fundamental como producto de una funci on de x y otra de t: u(x, t) = X (x)T (t). Insertando esta expresi on en la EDP se obtiene T X = XT + XT, donde hemos usado la notaci on X = d2 X/dx2 y T = d2 T /dt2 . Tras dividir por XT se obtiene: T X 1= . T X =0,
t=0
(3.55)
(3.56) (3.57)
173
El t ermino de la izquierda depende s olo de la variable temporal y el de la derecha de la variable (independiente) espacial. Esto signica que la relaci on anterior s olo puede ser cierta si ambos t erminos son iguales a una constante que llamaremos 2 , es decir, X T 1= = 2 . T X Para que la soluci on fundamental u = XT satisfaga las condiciones de contorno para todo tiempo t debe ocurrir que X (0) = X (1) = 0. Por tanto X (x) ha de ser soluci on del siguiente problema de Sturm-Liouville: X = 2 X, X (0) =X (1) = 0. (3.59) (3.60)
Este problema ya se ha resuelto en el ejemplo 1.15, p agina 53, sin m as que hacer L = 1 all . Los u nicos valores posibles de (autovalores) que conducen a soluciones no triviales (no nulas) de la ecuaci on (3.59) que satisfacen las condiciones de contorno (3.60) son = n = n, Las correspondientes soluciones (autofunciones) son Xn (x) = sen(n x) = sen(nx). (3.61) n = 1, 2, 3
La ecuaci on para T correspondiente a cada uno de los valores (autovalores) posibles de la constante de separaci on, = n = n , es 2 T = (2 n 1)T n T y por tanto Tn (t) = A cos(n t) + B sen(n t). (3.62) Escribimos ahora la soluci on general de nuestro problema (EDP, m as condiciones de contorno y m as condiciones iniciales) como superposici on de las soluciones fundamentales:
u(x, t) =
n=1
sen(nx) [An cos(n t) + Bn sen(n t)] .
(3.63)
La condici on inicial (3.57) nos dice que la velocidad inicial es nula: 0= u t
=
t=0 n=1
n sen(nx) [An sen(n t) + Bn cos(n t)]t=0 Bn n sen(nx),

n=1
lo que implica Bn = 0, por lo que (3.63) se reduce a
u(x, t) =
n=1
An sen(nx) cos(n t) An sen(nx) cos

n=1
(3.64)
n2 2 1 t .
Por supuesto, los valores de An se determinan exigiendo que la soluci on (3.64) satisfaga la condici on inicial (3.56) que nos ja la posici on inicial:
u0 (x) = u(x, 0) =
n=1
An sen(nx).
Esto signica que los coecientes An son simplemente los coecientes del desarrollo de Fourier de la funci on u0 (x): 1 sen(nx)|u0 =2 dx u0 (x) sen(nx). An = 2 sen(nx) 0
174
3.4. M etodo de las transformadas integrales

Los m etodos de resoluci on de EDP que involucran transformadas integrales son especialmente adecuados cuando los intervalos en los que el problema est a denido tienen un tama no innito. Consisten esencialmente en aplicar una transformada integral (t picamente de Fourier o de Laplace) sobre la EDP de n variables para, en el espacio propio de la transformada integral, reducirla bien a otra EDP con n 1 variables, o bien directamente a una ecuaci on diferencial ordinaria si n = 2 . En estos procedimiento las condiciones de contorno (en sentido amplio, incluyendo las condiciones iniciales) se insertan de un modo autom atico.12 En general, para ecuaciones parab olicas (difusivas), conviene tomar transformada de Laplace con respecto al tiempo. Si las variables espaciales recorren la recta real, es conveniente tomar transformada de Fourier. Si el espacio es semiinnito, puede convenir tomar transformada de Fourier seno o coseno o transformada de Laplace. Vamos a estudiar esta t ecnica mediante unos ejemplos.
Ejemplo 3.6
Transformada de Laplace. Sea un medio semiinnito cuya supercie x = 0 se mantiene a temperatura u0 . Si la temperatura inicial del medio es u = 0, se pide calcular u(x, t). Traducimos el problema f sico a lenguaje matem atico: u 2u = k 2, x > 0, t > 0, t x u(0, t) = u0 , CC : u(x , t) nito, CI : u(x, 0) = 0. (3.65a) (3.65b) (3.65c)
Usaremos u(x, s) para denotar la transformada de Laplace sobre la variable t (que como operador denotaremos mediante el s mbolo13 L) de u(x, t):
u(x, s) = L[u(x, t)] =

0
est u(x, t) dt.
Tomamos ahora transformada de Laplace con respecto a t en la EDP: L Pero L u 2u = kL 2 . t x
2u d d2 = 2 Lu = 2 u(x, s), 2 x dx dx
porque podemos intercambiar el orden de la integraci on y la derivada dado que estas operaciones se llevan a cabo sobre variables independientes. Por otro lado, la integral de L
12
u = t
est
u dt t
No espero que las consideraciones anteriores se entiendan completamente en una primera lectura, aunque s deber an ir adquiriendo sentido a medida que se estudien los ejemplos en los que se usan m etodos de transformadas integrales. 13 Podr amos haber usado el s mbolo Lt para recordar que la transformada de Laplace se lleva a cabo sobre la variable t, pero habitualmente se suprime este sub ndice porque se da por supuesto que se conoce sobre qu e variable se est a tomando la transformada integral.
3.4 M etodo de las transformadas integrales

podemos evaluarla mediante integraci on por partes ( wdv = wv dv = u dt, t w = est , vdw) con el cambio
175
de modo que v = u(x, t), dw = s est dt, y por tanto L u = u(x, t) est t
t= t=0
+
0
su(x, t) est dt,
= u(x, 0) + s
0
u(x, t) est dt
= u(x, 0) + s u(x, s) . Con estos resultados vemos que la EDP se reduce a una ecuaci on diferencial ordinaria en el espacio de Laplace, es decir, a una ecuaci on diferencial ordinaria sobre u(x, s): d2 u s 1 = u u(x, 0). 2 dx k k En este problema la condici on inicial es u(x, 0) = 0 de modo que la ecuaci on anterior se reduce a d2 u s = u, dx2 k cuya soluci on es u(x, s) = A e Pero la condici on de contorno
x
kx
+B e
kx
l m u(x, t) = nito
implica (por qu e?)

x
l m u(x, s) = nito,
lo que exige B = 0. Por tanto la soluci on es s u(x, s) = A e k x . La otra condici on de contorno nos dice que u(0, t) = u0 , por lo que
u(0, s) =
0
est u(0, t) dt = u0
0
est dt =
u0 . s
Esto nos permite jar el valor de la constante A, s u0 u0 = u(0, s) = A e k 0 = A A = , s s de modo que u(x, s) =
s u0 k x . e s
Esta es la soluci on de nuestro problema :-) pero no en el espacio directo sino en el de Laplace :-( Por tanto ya s olo nos queda calcular la transformada inversa de u(x, s), L1 u(x, s), para obtener la soluci on
176
erfc(x)
2.0
1.5
erf(x)
1.0
0.5
-2
-1 -0.5
-1.0
Figura 3.5: Funcion error erf(x) y funci on error complementaria erfc(x).

buscada u(x, t). Este es en muchos casos el paso m as dif cil y el que hace que esta t ecnica tenga una utilidad m as limitada. Consultando tablas de transformada de Laplace [AS72, SA96] vemos que f (t) = erfc por lo que x 2 kt La funci on error complementaria erfc se dene por la relaci on u(x, t) = u0 erfc 2 erfc(x) = o, equivalentemente, por erfc(x) = 1 erf(x), siendo erf la funci on error :
14 x 0 x
2 t
L f (s) = 1 es s L1
(3.66)
(3.67)
dy ey
2 erf(x) =
dy ey .
La funci on de error complementaria se puede aproximar por

2 1 erfc(x) ex x
1 + 2x2
para argumentos grandes y por 2 erfc(x) 1 x + , x0
cuando el argumento es peque no. Por tanto, para distancias grandes y/o tiempos cortos, es decir para x/ 4kt 1, se tiene que 4kt x2 /4kt x 1, u(x, t) u0 e , x2 4kt y para distancias peque nas y/o tiempos largos u(x, t) u0 1
14
x kt
x 4kt
1.
En algunos textos en espa nol la funci on erfc se denota por ferc, y erf por fer.
177
Puede ser interesante calcular algunos valores f sicos. Supongamos que tenemos un material con coeciente de difusividad t ermico k a una temperatura dada (digamos, cero) y queremos saber cuanto tiempo t transcurre hasta que la temperatura en un punto situado a x = 1 cm de su interior alcanza la mitad de la temperatura del medio externo. Es claro que u0 ) = u0 erf = u( x, t 2 es decir erf Pero erf(0 477) 1/2, luego x 2 kt
x 1 = . 2 2 kt 0 477
x 2 kt t
y por tanto
x 2 . 0 799k para algunos materiales. A 20 o C se tiene que: Veamos lo que vale t 0 7 s; k = 174 106 m2 /s para la plata (uno de los mejores conductores) por lo que t 4200 s 70 minutos; k = 0 03 106 m2 /s para el ladrillo corriente, de modo que t 10500 s 3 horas. k = 0 012 106 m2 /s para la madera de pino, abeto, roble. . . por lo que t Moraleja: es mejor vivir en caba na de madera que en palacio de plata.15 Ejercicio 3.4 Demuestra que si en este ejemplo la frontera en x = 0 se ja a temperatura 0 y la condici on inicial es u(x, 0) = u0 para x > 0, entonces la soluci on ser a: u(x, t) = u0 erf x 2 kt . (3.68)
Sugerencia: escribe para este problema las ecuaciones correspondientes tal como se hac a en (3.65) y demuestra que las ecuaciones que hallas se pueden obtener a partir de las del ejemplo anterior, ecuaciones (3.65), sin m as que hacer en estas el cambio u(x, t) u(x, t) + u0 .
Ejemplo 3.7
Transformada de Fourier y de Laplace. Funci on de Green Queremos hallar la distribuci on de temperaturas u(x, t) de una barra innita con una distribuci on inicial de temperaturas u(x, 0) = f (x). En lo que sigue vamos a suponer que se satisfacen las condiciones de contorno u(x, t) 0 y para x . El problema f sico viene descrito entonces por las ecuaciones u 2u = k 2, < x < , t x u(x, t) 0 para x , CC : u(x, t) 0 para x , x CI : u(x, 0) = f (x).
15
u(x, t) 0 x (3.69a) (3.69b) (3.69c)
En lo que se reere al confort debido al aislamiento t ermico, se entiende :-)
178
Transformada de Fourier Que el intervalo espacial vaya de a , sugiere aplicar la transformada de Fourier sobre la variable espacial x. Usaremos la siguiente notaci on u(, t) = F [u(x, t)] para denotar la transformada de Fourier de u(x, t) sobre la variable x:
u(, t) = F [u(x, t)] =
dx eix u(x, t).
Empezamos calculando la transformada de Fourier del segundo miembro de (3.69a), F mediante integraci on por partes: F u ix 2u = e x2 x u ix = e x

2u = x2
dx
2 u ix e , x2
+ i

dx
u ix e x

+ i u eix
+ (i )2
dx u(x, t) eix .
Teniendo en cuenta las condiciones de contorno (3.69b) esta expresi on se reduce a F Por otro lado F 2u = 2 u(, t) . x2
u = F [u(x, t)] = u(, t) . t t t
Teniendo en cuenta estas expresiones, la transformada de Fourier de la EDP de la difusi on del calor (3.69a), F u 2u = kF t x2
viene dada por esta ecuaci on diferencial ordinaria : u(, t) = k 2 u(, t) . t Su soluci on es sencilla u(, t) = A( ) ek t . La funci on A( ) no es m as que la transformada de Fourier de u(x, t) en el instante inicial, u(, 0) = A( ). Pero, de la condici on inicial u(x, 0) = f (x) dada por la ecuaci on (3.69c), se deduce que
(3.70)
u(, 0) = F [u(x, 0)] =
dx eix f (x),
y por tanto A( ) =
dx eix f (x).
La soluci on (3.70) de nuestro problema en el espacio de Fourier es entonces
u(, t) =
dx eix f (x) ek t .

Para hallar u(x, t) hemos de calcular la transformada inversa de Fourier de u(, t): u(x, t) = F 1 [u(, t)] 1 d eix u(, t) = 2 2 1 = d eix dx eix ek t f (x ) 2 2 1 = dx f (x ) d ei(xx ) ek t 2 Pero la transformada de Fourier de una funci on gaussiana es bien conocida [AS72, SA96]:

179
(3.71)
d eiz e =
z2 /4 e ,
luego la ecuaci on (3.71) se transforma en
u(x, t) =

dx f (x )
2 1 e(xx ) /4kt 4kt
dx f (x )G(x, x ; t),
2 1 e(xx ) /4kt 4kt
donde G(x, x ; t) =
(3.72)
es la funci on de Green del problema. Esta funci on es la de una distribuci on gaussiana centrada en x con una varianza (ancho) 2 = 2kt que aumenta linealmente en el tiempo. Decimos que (3.72) es la funci on de Green del problema 3.69 porque es la soluci on correspondiente a una condici on inicial con fuente puntual f (x) = (x, x ) en x = x . Dicho en otros t erminos: (3.72) es la funci on de Green del problema (3.69) porque: Es soluci on de la EDP de la difusi on (3.69a), como es f acil comprobar. Satisface las condiciones de contorno (3.69b). Satisface la condici on inicial u(x, 0) = (x, x ) pues
t0
2 1 e(xx ) /4kt = (x, x ) . 4kt
l m
Ejercicio 3.5 1. Demuestra por sustituci on directa que (3.72) es soluci on de la EDP (3.69a). 2. Comprueba que (3.72) satisface las condiciones de contorno (3.69b). on 3. Comprueba que la funci 2 1 g (x, x ) l m e(xx ) /4kt t0 4kt es la funci on delta de Dirac porque (i) g (x , x ) = , (ii) g (x, x = x) = 0, y (iii) La interpretaci on f sica de la ecuaci on

dx g (x, x ) = 1.
u(x, t) =
dx f (x )G(x, x ; t)
es la siguiente: la distribuci on inicial de temperaturas f (x) se descompone en un continuo de impulsos tipo delta de Dirac de amplitud f (x ): f (x) = dx f (x ) (x, x ), siendo f (x )G(x, t) la distribuci on posterior de temperaturas debida a cada impulso inicial f (x ) (x, x ) de amplitud f (x ). Como la EDP
180
es lineal, estas distribuciones de temperaturas se suman (se integran) para obtener u(x, t). Transformada de Laplace. Vamos a resolver ahora el mismo problema aplicando la transformada de Laplace sobre la variable temporal t que va de cero a innito. Pero ahora vamos a considerar directamente que la distribuci on inicial de temperatura es puntual, es decir, u(x, 0) = (x x ). La soluci on correspondiente es (o se conoce como) la funci on de Green G(x, x ; t) del problema (3.69). La ecuaci on a resolver es: k 2 G(x, x ; t) = G(x, x , t), 2 x t G(x, x ; 0) = (x x ), l m G(x, x ; t) = 0.
x
(3.73a) (3.73b) (3.73c)
No hemos asumido ninguna condici on (de contorno) sobre el valor de la derivada G(x, x ; t)/x para x puesto que, como se ver a, no es necesario. Teniendo en cuenta que L 2 2 G = L[G] 2 x x2 2 G(x, x ; s) = x2
y que L G = t
0
dt est
G(x, x ; t) t
t= t=0
= G(x, x ; t) est
+s
0
dt est G(x, x ; t)
= G(x, x ; 0) + s G(x, x ; s) = (x x ) + s G [donde se ha integrado por partes y se ha usado la ecuaci on (3.73b)] la EDP (3.73a) se reduce, tras la aplicaci on de la transformada de Laplace, a una ecuaci on diferencial ordinaria en el espacio de Laplace: k 2G + s G = (x x ). x2
Ya sabemos c omo enfrentarnos a este tipo de ecuaciones (ecuaciones no homog eneas con una delta de Dirac como t ermino fuente) pues son iguales a las que resolvimos para hallar las funciones de Green mediante el m etodo de construcci on (v ease la secci on 1.8.3) de los problemas de Sturm-Liouville. Procedamos como entonces. Para x < x tenemos que s s s 2G = G G = A1 e k x +B1 e k x , 2 x k y de las condici on de contorno para x se deduce que
x
l m G(x, x ; t) = 0 l m G(x, x ; s) = 0 B1 = 0.
x
De igual modo, para x > x , s s 2G s k x +B e k x, = G G = A e 2 2 x2 k

y por la condici on de contorno para x se deduce que
x
181
l m G(x, x ; t) = 0 l m G(x, x ; s) = 0 A2 = 0.
x
En denitiva, G(x, x ; s) = A1 e
B2 e
kx
, ,
x<x, x < x.
kx
Para calcular A1 (x ) y B2 (x ) imponemos sobre G(x, x ; s) la exigencia de continuidad en x y de discontinuidad de tama no 1/k de la derivada en x s s A1 e k x B2 e k x = 0, s s s 1 B2 e k x A1 e k x = . k k La soluci on de este sistema es: s 1 A1 = e k x , 2 ks y por tanto G(x, x ; s) = es decir
1 2 ks 1 2 ks
s 1 B2 = e k x , 2 ks e e
s s
k (x
x)
, xx, , x x,
k (xx )
s 1 G(x, x ; s) = e k |xx | . 2 ks
Nos queda obtener la transformada inversa de Laplace de G para hallar G. Un procedimiento r apido consiste en consultar una buena tabla de transformada de Laplace. Sin embargo, aqu lo haremos de un modo menos directo, pero m as instructivo. Sabemos que [v ease (3.66)] erfc 2 t
L e s L1 s
por lo que si derivamos con respecto a en ambos lados de esta expresi on encontramos erfc
s L e . s L1
2 t
El t ermino de la derecha tiene justamente la forma de la transformada de Laplace cuya inversa buscamos. Como 2 2 2 2 1 = erfc dx ex = e /4t , 2 t 2 t
2 t
se deduce inmediatamente que G(x, x ; t) =
(xx )2 1 e 4kt . 4kt
Este resultado es el mismo que el dado por la ecuaci on (3.72), obtenido entonces mediante el procedimiento de la transformada de Fourier.
182
Ejemplo 3.8
M etodo de las im agenes Hemos visto en el ejemplo 3.7 que la soluci on de un problema difusivo libre, es decir sin condiciones de contorno (o, siendo m as precisos, con todas las condiciones de contorno situadas en el innito), viene dado por la relaci on
u(x, t) =
dx u(x , 0)G(x, x ; t)
(3.74)
2 1 e(xx ) /4kt (3.75) 4kt es la funci on de Green. En este ejemplo vamos a mostrar c omo es posible aprovechar este resultado para, con un poco de ingenio, resolver problemas difusivos no libres, es decir, con condiciones de contorno no situadas en el innito. Sea el problema difusivo de una barra semiinnita (x 0) con temperatura inicial dada por u(x, 0) = f (x) y cuyo extremo situado en x = 0 permanece temperatura cero: u(0, t) = 0. En principio, no es posible aplicar directamente la relaci on (3.74) para resolver este problema por no estar denido sobre toda la recta real. Sin embargo, supongamos que quisi eramos resolver el siguiente problema denido sobre toda la recta real: Calc ulese el campo de temperaturas de una barra innita con temperatura inicial dada por u(x, 0) = f (x) para x > 0 y u(x, 0) = f (x) para x < 0 (v ease la gura 3.6). Es evidente por razones de simetr a que para cualquier instante posterior la temperatura en x = 0 ser a cero. Esto signica que
donde
G(x, x ; t) =
u(x, t) =
0
dx [f (x )] G(x, x ; t) +
0
dx f (x ) G(x, x ; t)
d(x ) [f (x )] G(x, x ; t) +
0
dx f (x ) G(x, x ; t) dx f (x ) G(x, x ; t)
= =
dx f (x ) G(x, x ; t) +
0 0
1 4kt
dx f (x ) e(xx )
/4kt
e(x+x )
/4kt
(3.76)
es una soluci on de la EDP de difusi on para todo x (y en particular para x > 0) que satisface la condici on de contorno u(0, t) = 0. Esto implica que la expresi on (3.76) para x > 0 es justamente la soluci on de nuestro problema difusivo de la barra semiinnita con uno de sus extremos a temperatura cero. El procedimiento que hemos usado se conoce como m etodo de las im agenes. La raz on es obvia si nos jamos que hemos resuelto el problema construyendo una condici on inicial a la izquierda de x = 0 que es la imagen reejada de la condici on inicial del problema original (v ease la gura 3.6). Para terminar, vamos a obtener la soluci on expl cita para el caso sencillo en el que la temperatura inicial es constante: u(x, 0) = f (x) = u0 . En este caso (3.76) se reduce a
2 2 u0 dx e(xx ) /4kt dx e(x+x ) /4kt . (3.77) 4kt 0 0 Mediante el cambio x = x + 4kt en la primera integral y x = x + 4kt en la segunda se obtiene
u(x, t) =
u(x, t) = = =
u 0 u 0 u0 erf
x/ 4kt x/ 4kt x/ 4kt
d e
2
d e = .
d e x/ 4kt 2u0 x/ 4kt

0
d e
x 4kt
Esta soluci on coincide con la obtenida en el ejemplo 3.6 (v ease el ejercicio 3.4).
183
U(x,0)=f(x)
x -f(-x)
Figura 3.6: Campo de temperaturas inicial u(x, 0) = f (x), x > 0, de una barra semiinnita y su imagen especular f (x).
Ejemplo 3.9
Ahora vamos a resolver mediante el m etodo de las im agenes el problema u 2u = k 2, L/2 x L/2, t x u(L/2, t) = 0, CC : u(L/2, t) = 0, CI : u(x, 0) = (x). (3.78a) (3.78b) (3.78c)
Si el problema fuera libre (no hubiera condiciones de contorno en x = L/2) sabemos que la soluci on u(x, t) ser a simplemente la funci on de Green centrada en en el origen: G(x, x = 0, t). Esta funci on se muestra en la gura 3.7(a). Por supuesto, esta funci on no es soluci on de nuestro problema (3.78) porque, por ejemplo, no satisface la condici on de contorno en x = L/2: u(L/2, t) = 0. Sin embargo, podemos corregir este fallo mediante el m etodo de las im agenes si situamos adem as una delta de Dirac en x = L, es decir, si consideramos la condici on inicial u(x, 0) = (x) (x + L). La soluci on correspondiente u(x, t) = G(x, x = 0, t) G(x, x = L, t) satisface evidentemente la condici on de contorno en x = L/2 para todo instante posterior t > 0 [v ease la gura 3.7(b)]. Sin embargo, es tambi en evidente por razones de simetr a que esta funci on G(x, 0, t) G(x, L, t) no es cero en x = L/2, es decir, no satisface la condici on de contorno u(L/2, t) = 0. Podemos de nuevo corregir este problema a nadiendo dos im agenes m as a la derecha de x = L/2 tal como se muestra en la gura 3.7(c). Es decir, consideramos la condici on inicial u(x, 0) = (x) (x + L) (x L) (x 2L) cuya soluci on correspondiente es u(x, t) = G(x, 0, t) G(x, L, t) G(x, L, t) + G(x, 2L, t). Pero de nuevo, al corregir este problema, creamos otro en x = L/2: ahora esta soluci on ya no satisface la condici on de contorno u(x = L/2, t) = 0. Nuevamente podemos corregir esto a nadiendo en las condiciones iniciales dos im agenes delta de Dirac en x = 2L y x = 3L, u(x, 0) = (x) (x+L) (xL)+ (x+2L)+ (x+2L) (x+3L), de modo que la soluci on correspondiente es ahora u(x, t) = G(x, 0, t) G(x, L, t) G(x, L, t) + G(x, 2L, t) + G(x, 2L, t) G(x, 3L, t) [v ease la gura 3.7(d)]. Pero de nuevo logramos satisfacer la condici on de contorno en x = L/2 a costa de hacer que de nuevo no se satisfaga la condici on de contorno en x = L/2. Por supuesto esto lo podemos corregir de nuevo a nadiendo dos delta de Dirac en x = 3L y x = 4L (con qu e signo?), lo cual a su vez provocar a que. . . En este punto debiera ser evidente que este procedimiento podr a continuarse indenidamente y
184
(a) 0
-3L
-2L
-L -L/2
L/2
2L
3L
(b) -L -3L -2L -L/2 0 L/2 L 2L 3L
(c) -L -3L -2L -L/2 0 L/2 L 2L 3L
(d) -3L -2L -L -L/2 0 L/2 L 2L 3L
Figura 3.7: Resoluci on del problema (3.78) mediante el m etodo de las im agenes. Las funciones representadas son las funciones de Green correspondientes a las condiciones iniciales (a) u(x, 0) = (x), (b) u(x, 0) = (x) (x + L), (c) u(x, 0) = (x) (x + L) (x L) + (x 2L), (d) u(x, 0) = (x) (x + L) (x L) + (x 2L) + (x + 2L) (x + 3L).
que entonces se obtendr a la soluci on de nuestro problema (3.78) en t erminos de la siguiente serie innita:
u(x, t) =
(1)n G(x nL, t).

n=
(3.79)
Ejercicio 3.6 nadiendo m as im agenes, es decir, a medida que se 1. Reexiona y justica que a medida que se van a consideran m as y m as t erminos en la serie (3.79), la funci on correspondiente u(x, t) = G(x, 0, t) G(x, L, t) G(x, L, t) + G(x, 2L, t) + G(x, 2L, t) G(x, 3L, t) + . . . satisface las condiciones de contorno con un error cada vez menor. 2. Resuelve el problema (3.78) mediante el m etodo de las im agenes pero asumiendo que la condici on inicial (3.78c) es ahora u(x, 0) = (x, x ) con L/2 < x < L/2. on de variables16 y compara la soluci on obtenida con la 3. Resuelve el problema (3.78) mediante separaci (3.79). Qu e serie converge m as r apidamente para tiempo cortos? Cu al converge m as r apidamente para tiempos grandes?
16 Aunque este problema se ha resuelto ya esencialmente en el ejemplo 3.1, es bueno que lo resuelvas de nuevo. Por supuesto, la soluci on que obtengas debe ser igual a la (3.19) si desplazas el origen de coordenadas en la cantidad L/2, es decir, la soluci on de (3.78) viene dada por la ecuaci on (3.19) si hacemos en esta ecuaci on el cambio x x + L/2.
185
Ejemplo 3.10
Queremos calcular la posici on u(x, t) de una cuerda semiinnita (x 0) inicialmente en reposo y en la que su extremo en x = 0 se desplaza seg un la funci on f (t). Para ello hemos de encontrar las soluci on de la ecuaci on de ondas 2 2u 2 u = c (3.80) t2 x2 que satisface la condici on inicial u(x, 0) = 0, u t y las condiciones de contorno u(0, t) = f (t), u(x , t) = 0. (3.83) (3.84) = 0,
t=0
(3.81) (3.82)
Esta u ltima condici on nos dice simplemente que, en un tiempo t nito, podemos asumir que el desplazamiento de la cuerda para distancias x muy, muy grandes, es cero. Con mayor precisi on, podemos asegurar que el desplazamiento de la cuerda es cero en las distancias x que sean mayores que ct pues el desplazamiento de la cuerda en x = 0 en el instante inicial t = 0 no puede inuir en el desplazamiento de la cuerda en la posici on x > ct dado que la onda se propaga con velocidad c . Otro modo posible de entender la pertinencia de la condici on u(x , t) = 0 es considerando que, para tiempos nitos, lo que supongamos que vale el desplazamiento u a distancias innitas no puede tener ninguna inuencia en lo que vale u en una posici on x nita porque, simplemente, esta inuencia se propaga a la velocidad nita c y no tiene tiempo de llegar a x desde el innito. Por eso, el valor que atribuyamos a u en el innito no puede afectar a nuestra soluci on para x y t nitos. Asumiremos que su valor es nulo, u(x , t) = 0, porque esto simplicar a nuestros c alculos, tal como se comprobar a m as adelante. Vamos a resolver el problema trabajando en el espacio de Laplace. Como hemos hecho hasta ahora, escribiremos u(x, s) = L [u(x, t)] =
0
dt u(x, t) est
para denotar la transformada de Laplace de u(x, t). La transformada de Laplace del miembro de la izquierda de la EDP (3.80), 2 2 L u(x, t) = u(x, t) est dt, 2 2 t t 0 puede evaluarse integrando por partes ( wdv = wv dv = vdw) mediante el cambio 2u dt, t2 w = est ,
de modo que u , t dw = s est dt, v= y L u 2 u(x, t) = est t2 t

t=
+s
t=0 0
u(x, t) est . t
El primer t ermino de la derecha es cero [recu erdese la condici on inicial (3.84)] por lo que L 2 u(x, t) =s t2
0
u(x, t) est dt. t
186
La nueva integral volvemos a evaluarla mediante separaci on de variables mediante el cambio dv = u dt, t w = est ,
de modo que v = u, dw = s est dt, y L 2 u(x, t) =s t2 est u(x, t)

t= t=0
+s
0
u(x, t) est dt
= su(x, 0) + s2 u(x, s). Teniendo en cuenta la condici on inicial (3.83) obtenemos nalmente L Por otro lado L 2 u(x, t) = x2
0
2 u(x, t) = s2 u(x, s). t2

0
(3.85)
2 2 u(x, t) est dt = 2 x x2
u(x, t) est dt =
2 u(x, s) x2
(3.86)
pues la integral y la derivaci on se llevan a cabo sobre variables diferentes independientes. Teniendo en cuenta los resultados (3.85) y (3.86), la EDP (3.80) en el espacio de Laplace L se reduce a s2 u(x, s) = c2 cuya soluci on es 2 2 2 u ( x, t ) = c L u(x, t) t2 x2 2 u(x, s), x2 (3.87) (3.88)
u(x, s) = A(s) esx/c +B (s) esx/c .
Determinaremos A(s) y B (s) mediante las condiciones de contorno. La condici on de contorno u(x , t) = 0 implica necesariamente u(x , s) = 0, por tanto A(s) = 0 y la soluci on ha de tener la forma u(x, s) = B (s) esx/c . (3.89)
Por otro lado, la condici on de contorno (3.83), u(0, t) = f (t), se transforma en el espacio de Laplace en u(0, s) = L[f (t)] F (s) por lo que, de la ecuaci on (3.89), se encuentra que B (s) = F (s). La soluci on nal de nuestro problema en el espacio de Laplace es por tanto u(x, s) = F (s) esx/c . (3.90) La soluci on del problema en el espacio directo requiere hallar la transformada inversa de Laplace: u(x, t) = L1 F (s) esx/c = H (t x/c)f (t x/c) = 0, t < x/c, f (t x/c), t > x/c, (3.91)
donde H es la funci on de Heaviside. Lo que esta soluci on nos dice es que el desplazamiento u(0, t) = f (t) en el origen se propaga a lo largo de la cuerda con velocidad nita c de modo que para x > ct no hay desplazamiento, y para x < ct el desplazamiento inicial se ha transmitido sin amortiguar hasta la posici on x con un desfase (retraso) temporal igual a x/c.
3.5 Problemas difusivos no homog eneos
187
3.5. Problemas difusivos no homog eneos

En las secciones siguientes estudiaremos varios procedimientos para resolver problemas difusivos no homog eneos, es decir: Ecuaciones en derivadas parciales homog eneas con condiciones de contorno no homog eneas. Ecuaciones en derivadas parciales no homog eneas con condiciones de contorno homog eneas. Ecuaciones en derivadas parciales no homog eneas con condiciones de contorno no homog eneas.
3.5.1. Homogeneizaci on del problema

Un procedimiento sencillo para resolver problemas difusivos no homog eneos consiste en transformarlos en problemas homog eneos mediante un cambio adecuado de la variable dependiente (funci on inc ognita). Veamos un ejemplo de homogeneizaci on de una ecuaci on en derivadas parciales homog enea con condiciones de contorno no homog eneas.
Ejemplo 3.11
Temperatura de una barra nita con temperaturas jas en sus extremos Queremos hallar el campo de temperaturas u(x, t) de una barra nita de longitud L con temperatura inicial dada por u(x, 0) = f (x) y cuya temperatura en los extremos est a jada a A y B : u(x = 0, t) = A y u(x = L, t) = B . Las ecuaciones que describen este problema son: u 2u = k 2, t x u(0, t) = A, CC : u(L, t) = B, CI : u(x, 0) = f (x). Ya vimos un caso parecido en el ejemplo 3.2. Por ser condiciones de contorno no homog eneas, no podemos aplicar el m etodo de separaci on de variables sin m as. Lo que haremos es: 1. Obtener la distribuci on de temperaturas cuando se alcance el equilibrio t ermico: uE (x) = u(x, t ). Dado que uE /t = 0, las ecuaciones que satisface el campo de temperaturas estacionario uE (x) son d2 u E = 0, dx2 junto con las condiciones de contorno uE (0) = A, uE (L) = B. La soluci on de este problema es trivial: uE (x) = C1 + C2 x. Exigiendo que se satisfagan la condiciones de contorno se deduce que BA uE (x) = A + x. L 2. Hallamos la ecuaci on en derivadas parciales y las condiciones de contorno que satisface el campo de temperaturas v (x, t) dado por las diferencia entre la temperatura actual y la de equilibrio: v (x, t) = u(x, t) uE (x).
188
La EDP que debe satisfacer esta funci on es: u 2u v =k 2 =k t x t 2v d2 uE + x2 dx2
Como d2 uE /dx2 = 0, entonces la EDP que satisface v (x, t) es v 2v = k 2. t x Adem as es f acil ver que v (x, t) satisface condiciones de contorno homog eneas: v (0, t) = u(0, t) uE (0) = A A = 0, v (L, t) = u(L, t) uE (L) = B B = 0.
Por tanto, encontramos que sobre la funci on v (x, t) nuestro problema se reduce a una EDP homog enea con condiciones de contorno homog eneas. Esta ecuaci on la podemos resolver ya mediante la aplicaci on directa del m etodo de separaci on de variables (v ease el ejemplo 3.1):
v (x, t) =
n=1
an sen
2 nx k( n L ) t . e L
Hallamos an a partir de la condici on inicial:
v (x, 0) = u(x, 0) uE (x) =

n=1
an sen
nx , L
por tanto an = 2 L
L
[f (x) uE (x)] sen

0
nx dx, L
y la soluci on del problema original con condiciones de contorno no homog eneas es
u(x, t) = uE (x) +
n=1
an sen
2 nx k( n L ) t . e L
Sean cuales sean las condiciones iniciales dadas por f (x), sucede que u(x, t) uE (x) para t .
3.5.2. Ecuaciones en derivadas parciales con t erminos no homog eneos estacionarios

El m etodo antes expuesto tambi en funciona si hay fuentes estacionarias (no dependientes del tiempo) de calor en el interior del medio. Su inuencia viene descrita por un t ermino no homog eneo Q(x) en la EDP: u 2u = k 2 + Q(x), t x u(0, t) = A, CC : u(L, t) = B, CI : u(x, 0) = f (x).
3.5 Problemas difusivos no homog eneos En este caso uE (x) es la soluci on estacionaria del problema d2 uE + Q(x) = 0, dx2 uE (0) = A, CC : uE (L) = B. k El campo de temperaturas auxiliar v (x, t) = u(x, t) uE (x) es entonces la soluci on de un problema completamente homog eneo pues v d2 uE u 2u 2v + Q(x) = k 2 + Q(x) =k 2 +k t x t x dx2 se convierte, tras usar (3.92), en la ecuaci on 2v v = k 2. t x Las condiciones de contorno tambi en son homog eneas, u(0, t) = A v (0, t) + uE (0) = A v (0, t) = 0, u(L, t) = B v (L, t) + uE (L) = B v (L, t) = 0, y la condici on inicial se transforma en u(x, 0) = f (x) v (x, 0) = u(x, 0) uE (x) v (x, 0) = f (x) uE (x).
189
(3.92)
Ejemplo 3.12
Queremos hallar la distribuci on de temperatura u(x, t) de una barra que inicialmente se encuentra a temperatura cero [u(x, 0) = 0], mantiene los extremos a esa temperatura [u(1, t) = 0] y posee en su interior una fuente de calor de modo que: u 2u =4 2 +8. t x Entonces uE (x) es la soluci on de d2 uE + 8 = 0, dx2 que satisface las condiciones de contorno uE (1) = uE (1) = 0. Esta soluci on es simplemente 4 uE (x) = 1 x2 como es f acil de comprobar. Si hacemos el cambio v (x) = u(x) uE (x) en la ecuaci on (3.93) se tiene que v 2v = 4 2, t x (3.94) (3.93)
con las condiciones de contorno v (1, t) = v (1, t) = 0. Este problema completamente homog eneo se resuelve f acilmente mediante separaci on de variables de modo similar a como se resolvi o el ejemplo 3.1 en la p agina 158.
190
3.5.3. Ecuaci on en derivadas parciales con inhomogeneidad no estacionaria y condiciones de contorno dependientes del tiempo
Ahora vamos a considerar un problema m as general en el que los t erminos no homog eneos de la EDP y de las condiciones de contorno dependen del tiempo: u 2u = k 2 + Q(x, t), t x u(0, t) = A(t), CC : u(L, t) = B (t), CI : u(x, 0) = f (x). Este problema no es reducible, en general, a una EDP homog enea con condiciones de contorno homog eneas, tal como hemos hecho en los casos anteriores. Sin embargo siempre es posible reducirlo a una EDP no homog enea con condiciones de contorno homog eneas. Para ello tomamos un campo de temperaturas de referencia, r(x, t) al que s olo le exigimos que satisfaga las condiciones de contorno r(0, t) = A(t), r(L, t) = B (t). Generalmente, lo m as recomendable es escoger la funci on r(x, t) m as simple posible que sea compatible con estas condiciones de contorno. Una elecci on sencilla es, por ejemplo, r(x, t) = A(t) + [B (t) A(t)] En t erminos de la funci on v (x, t) = u(x, t) r(x, t) el problema (3.95) se reduce a una ecuaci on en derivadas parciales no homog enea con condiciones de contorno homog eneas: u(0, t) = A v (0, t) + r(0, t) = A v (0, t) = 0, u(L, t) = B v (L, t) + r(L, t) = B v (L, t) = 0. Veamos qu e ecuaci on en derivadas parciales satisface v (x, t): u 2u v r 2v 2r = k 2 + Q(x, t) + = k 2 + k 2 + Q(x, t). t x t t x x Por tanto, encontramos que v (x, t) ha de vericar la EDP no homog enea v 2v = k 2 + Q(x, t), t x con Q(x, t) = Q(x, t) r 2r + k 2. t x x . L
3.5 Problemas difusivos no homog eneos
191
3.5.4. M etodo del desarrollo en autofunciones para ecuaciones en derivadas parciales no homog eneas con condiciones de contorno homog eneas
En la secci on 3.5.3 anterior hemos visto que el problema general (3.95) (EDP con t ermino no homog eneo dependiente del tiempo con condiciones de contorno inhomog eneas no estacionarias) puede simplicarse en uno con condiciones de contorno homog eneas y EDP con termino inhomog eneo no estacionario, es decir, en un problema descrito por las ecuaciones v 2v = k 2 + Q(x, t), t x v (0, t) = 0, CC : v (L, t) = 0, CI : v (x, 0) = g (x).
(3.96)
Sabemos que el problema homog eneo asociado (problema que se obtiene del anterior haciendo Q(x, t) = 0) 2u u =k 2 t x u(0, t) = 0, CC : u(L, t) = 0, puede resolverse mediante separaci on de variables, siendo la soluci on (v ease el ejemplo 3.1)
u(x, t) =
n=1
an (t)n (x)
(3.97)
donde n (x) son las autofunciones del problema de Sturm-Liouville 2 + = 0 x2 (0) = 0, CC : (L) = 0. Sabemos que los autovalores y las autofunciones son n 2 , L nx n (x) = sen L n = y que los coecientes an son an (t) = an (0) ekn t = an (0) ek( L ) t .
n 2
n = 1, 2, . . .
(3.98)
Para resolver (3.96) expresamos la soluci on buscada v (x, t) en forma de desarrollo en las autofunciones n (x):
v (x, t) =
n=1
an (t)n (x).
(3.99)
Para cada t, v (x, t) es funci on de x sobre el intervalo [0, L], de modo que si, para cada instante, v (x, t) es de buen comportamiento sobre la variable x en el intervalo [0, L], entonces puede
192
desarrollarse en serie de n (x). Por supuesto esta funci on es distinta para cada t por lo que los coecientes del desarrollo dependen de t: an an (t). N otese que aqu an (t) surge como un coeciente de un desarrollo en autofunciones; an (t) no tiene nada que ver con las soluciones de una ecuaci on que se encuentra al llevar a cabo el m etodo de separaci on de variables. Por ello, an (t) no tiene por qu e ser igual al valor de (3.98). De la condici on inicial se obtiene
L 0
g (x)n (x) dx
L 0
g (x) =
n=1
an (0)n (x) an (0) =
. 2 n (x) dx
S olo nos resta averiguar cu ales deben ser las funciones an (t) que hacen que (3.99) sea soluci on del problema (3.96). Para ello sustituimos (3.99) en la EDP: v 2v = k 2 + Q(x, t) t x t
an (t)n (x) = k
n=1
2 x2
an (t)n (x) + Q(x, t).

n=1
(3.100)
N otese que v (x, t) y n (x) satisfacen las mismas condiciones de contorno. Si adem as v (x, t) y v/x son continuas, se puede demostrar que es v alido derivar t ermino a t ermino las series de (3.100), es decir se tiene que
n=1
d an (t)n (x) = k dt
an (t)
n=1
d2 n + Q(x, t). dx2
Pero d2 /dx2 = n n , por lo que
[an (t) + n kan ]n (x) = Q(x, t).

n=1
Dado que n (x) son ortogonales, se tiene que dan n |Q + n kan = = dt n |n

L 0 n (x)Q(x, t) dx L 2 0 n (x) dx
qn (t) ,
siendo qn (t) una funci on conocida. Hallaremos an (t) resolviendo esta ecuaci on lineal no homog enea de primer orden. Podemos resolverla, por ejemplo, introduciendo el factor integrante en kt : dan d n kt en kt + n kan = e an = en kt qn (t) . dt dt Integrando esta ecuaci on entre 0 y t se tiene que en kt an (t) an (0) = y por tanto an (t) = an (0) en kt + en kt
0 t 0
en k qn ( ) d,
t
en k qn ( ) d.
Si Q(x, t) = 0, se reobtiene la soluci on ya hallada mediante separaci on de variables:
v (x, t) =
n=1
an (t)n (x)
con an (t) = an
(0) en kt .
3.6 Problemas
193
3.6. Problemas
on unm (x, y ), y sus frecuencias de vibraci on nm corres3.1. Halla los modos normales de vibraci pondientes, de una membrana rectangular de lados a y b.
En la la p agina web http://www.unex.es/eweb/fisteor/santos/mma se proporcionan enlaces en donde puede verse una animaci on de los modos normales de vibraci on de una membrana cuadrada.
3.2. Una membrana cuadrada de lado sujeta por sus bordes es inicialmente desplazada de modo que u(x, y, 0) = f (x, y ) siendo su velocidad inicial nula, ut (x, y, 0) = 0. a ) Se pide calcular su desplazamiento en cualquier otro instante. b ) Halla u(x, t) de forma expl cita si el desplazamiento inicial es uniforme, f (x, y ) = u0 . 3.3. Una esfera s olida de radio b tiene una distribuci on inicial de temperatura u(r, 0) = u0 (r) y su supercie se enfr a siguiendo la ley de Newton del enfriamiento (por convecci on) u(r, t) r = h(u u1 )|r=b
r=b
donde u1 es la temperatura (constante) del medio circundante y h es una constante. Halla u(r, t). 3.4. Halla la soluci on de la ecuaci on de Laplace 2 u(r, ) = 0 en el interior de: a ) El anillo circular R1 r R2 con las condiciones de contorno u(R1 , ) = 0, u(R2 , ) = cos 2. Sup on que R1 = 1 y R2 = 2. b ) El c rculo r R1 con la condici on de contorno u(R1 , ) = cos 2. Sup on que R1 = 1. 3.5. Una barra cil ndrica muy larga (de longitud innita para nuestros prop ositos) de radio inicialmente (t = 0) a la temperatura constante u0 se introduce en un ba no t ermico cuya temperatura (constante) es u1 . Calcula de forma expl cita el campo de temperaturas de la barra para cualquier instante posterior. on estacionaria de temperaturas u(x, y ) en el interior de una placa cuadra3.6. Halla la distribuci da de ancho unidad cuyos lados se jan a temperatura cero a excepci on del lado izquierdo (x = 0) cuya temperatura es igual a u0 [u(x = 0, y ) = u0 ]. 3.7. Cu al es el campo estacionario de temperaturas en un disco homog eneo de radio unidad aislado por sus caras y cuyos bordes est an jados a la temperatura u(r = 1, ) = f ()? (Pista: problema equivalente al del ejemplo 3.4). Calcula la soluci on si: a ) f () = cos(). b ) f () = 0 si < < 0; f () = u0 si 0 < < . on de ondas 3.8. Resuelve la ecuaci uxx + u = utt , 0 x 1, t > 0,
con las condiciones de contorno u(0, t) = 0, u(1, t) = 0 y la condici on inicial u(x, 0) = sen(4x), ut (x, 0) = 0.
194
Figura 3.8: Posici on inicial de la cuerda en el problema 3.9 3.9. www Una cuerda tensa de longitud L, jada en sus dos extremos, es separada de su posici on de equilibrio de manera que en t = 0 tiene la forma de la gura 3.8. Su velocidad inicial es cero, es decir, ut (x, 0) = 0. Encuentra la expresi on del desplazamiento u(x, t) para cualquier x [0, L] y para todo t > 0. 3.10. Una cuerda de piano de longitud L es golpeada en el instante t = 0 cerca del punto x = . Halla el desplazamiento u(x, t) posterior de la cuerda suponiendo que la cuerda no est a inicialmente desplazada [u(x, 0) = 0] y que su velocidad inicial viene dada por la funci on v0 cos (x )/d , |x | < d/2, u(x, t) = t 0, |x | > d/2, t=0 donde v0 = const. 3.11. Un cuerpo semiinnito situado sobre el semieje x < 0 se encuentra inicialmente a la temperatura u0 . En el instante t = 0 se coloca en contacto t ermico con otro cuerpo semiinnito que ocupa las posiciones x > 0 y que est a a la temperatura inicial u = 0. Teniendo en cuenta que la temperatura y su derivada espacial primera han de ser funciones continuas en x = 0 (por qu e?) halla el campo de temperaturas u(x, t) en ambos cuerpos como la soluci on de 2u u = (x) , < x < , t > 0, 2 x t (x) = donde 1 y 2 son constantes, y u(x, 0) = u0 = const , 0, x < 0, x > 0. 1 , 2 , x < 0, x > 0,

a de forma 3.12. Supongamos que la temperatura en la supercie (x = 0) de la Tierra var peri odica en el tiempo de acuerdo con la expresi on u(x = 0, t) = T0 + T1 sent. (a) Calcula la temperatura u(x, t) a una profundidad x admitiendo que la difusividad t ermica k es constante y que puede despreciarse la curvatura de la Tierra. (b) Halla la soluci on si u(0, t) = T0 + T sen( nt ). n n=0
3.6 Problemas Ayuda: L exp x /2k sen t x /2k = /(w2 + s2 ) exp s/k x
195
3.13. Se pide resolver el siguiente problema acerca de la distribuci on estacionaria de temperaturas en un s olido semiinnito: 2 u(x, y ) 2 u(x, y ) + =0, x2 x2 u(x, 0) = y>0, < x < , |x| < a, |x| > a,
u0 = const , 0,
y
l m u(x, y ) < .
3.14. Una barra de longitud L se encuentra t ermicamente aislada sobre su supercie lateral y sus extremos se mantienen a temperatura cero. Si la temperatura inicial de la barra es constante, u(x, 0) = u0 , se pide encontrar la distribuci on de temperaturas u(x, t) en cualquier instante posterior mediante: a ) El m etodo de separaci on de variables. b ) El m etodo de las transformadas integrales. etodo de la transformada de Laplace la soluci on del siguiente problema 3.15. Halla mediante el m de difusi on: 2u u , 0x1, t > 0, 2 (u u1 ) = 2 x t con condiciones de contorno u u = =0 x x=0 x x=1 y condici on inicial u(x, 0) = u0 . 3.16. Un modelo sencillo para describir la propagaci on de organismos que se reproducen con velocidad y se dispersan al azar en el espacio (se difunden) viene dado por las ecuaciones17 2 u(x, t) = k 2 u(x, t) + u(x, t), t x u(x, 0) = (x),
x
l m u(x, t) = 0.
a ) Utiliza el procedimiento de la transformada de Laplace para demostrar que su soluci on es 1 x2 u(x, t) = exp t . 4kt 4kt b ) Demuestra que en los contornos isoprobables, es decir, en los puntos (x, t) en los que = const., se verica que P (x, t) = P x ln t 4k = 4k 2k ln 4k P t t t
17
1/2
V ease, por ejemplo, el cap tulo 10 de L. Edelstein-Keshet, Mathematical Models in Biology , SIAM, Filadela, 2005.
196
Ecuaciones en derivadas parciales c ) Demuestra que para t la velocidad de expansi on de estos contornos, es decir, la velocidad con la que los organismos se dispersan, se aproxima a x = (4k )1/2 . t d ) Compara esta velocidad de expansi on con la de un proceso puramente difusivo ( = 0), x kt, y extrae conclusiones.
3.17. Halla la soluci on del siguiente problema de propagaci on de una onda a lo largo de una cuerda innita: 1 2u 2u = , < x < , t > 0, x2 c2 t2 u(x, 0) = h, 0, |x| < , |x| > , =0.
t=0
u(x, t) t
3.18. Una membrana vibrante circular est a sujeta por su per metro (membrana de un tambor). Halla la posici on de la membrana u(r, , t) en cualquier instante t si inicialmente su desplazamiento viene dado por (a) u(r, ) = f (r, ), (b) u(r, ) = f (r), (c) u(r, ) = u0 . 3.19. Se pide calcular el campo estacionario de temperaturas de una supercie semiinnita de grosor cuya base est a a temperatura T (x), uno de sus lados a temperatura u0 , y el otro a temperatura u1 . Es decir, resu elvase la ecuaci on 2u 2u + 2 =0 x2 y donde u(x, 0) = T (x) para 0 < x < , y u(0, y ) = u0 y u(, y ) = u1 para y > 0. Por supuesto u(x, y ) = nito. Halla la soluci on expl cita cuando T (x) = T0 + u0 + siendo T0 una constante. 3.20. Usa el m etodo de la transformada de Laplace para hallar la soluci on de la ecuaci on de ondas 2u 1 2u = , x2 c2 t2 < x < , u1 u0 x,
que satisface las condici on de contorno u(x, t) = nito para x y la condici on inicial u(x, 0) = sen x, u/t|t=0 = 0. 3.21. Una barra de longitud tiene inicialmente (t = 0) la temperatura u(x, 0) = f (x). Sus extremos se mantienen a temperatura constante, u(0, t) = 0, u(, t) = 1. En el instante t = 0 se la pone en contacto con una fuente de calor no estacionaria dada por Q(x, t) = sen(3x) et . Se pide hallar la distribuci on de temperatura u(x, t) en cualquier instante posterior mediante la resoluci on de la ecuaci on u 2u = k 2 + Q(x, t). t x Halla expresiones expl citas para u(x, t) si (a) f (x) = x/ +sen x, y (b) f (x) = x/ +sen 3x.
3.6 Problemas
197
3.22. El m etodo del desarrollo en autofunciones para la resoluci on de ecuaciones en derivadas parciales no homog eneas (m etodo expuesto en la secci on 3.5.4, p agina 191) no est a limitado a ecuaciones difusivas. Esto se ilustra en el presente problema. a ) Resuelve la ecuaci on ondulatoria 2u 2u = , x2 t2 0 x ,
con las condiciones de contorno u(0, t) = u(, t) = 0 y condiciones iniciales u(x, 0) = f (x), ut (x, 0) = 0, para demostrar que la soluci on puede escribirse como u(x, t) = a ( t ) ( x ) siendo ( x ), n = 1 , 2 , , las autofunciones del problema de Sturmn n n=1 n Liouville d2 + = 0 dx2 con las condiciones de contorno (0) = ( ) = 0. b ) Halla en forma de serie de autofunciones n (x) la soluci on de la ecuaci on diferencial no homog enea 2u 2u + sen 2 x = , 0 x , x2 t2 que satisface las condiciones de contorno u(0, t) = u(, t) = 0, y las condiciones iniciales u(x, 0) = f (x), ut (x, 0) = 0. Halla la soluci on expl cita si f (x) = sen 3x + 1 4 sen 2x.
Cap tulo 4
M etodos num ericos
4.1. Introducci on
En Ciencia e Ingenier a son escasos los problemas que pueden resolverse de forma anal tica exacta. En ocasiones afortunadas logramos al menos hallar soluciones anal ticas aproximadas; en otras, nuestra soluci on del problema es de un tipo menos espec co, m as global, m as cualitativo. Felizmente, en muchos casos podemos recurrir a la resoluci on de estos problemas mediante m etodos num ericos. Encontraremos ejemplos de estas armaciones en el tema que dedicamos a las ecuaciones diferenciales no lineales. La importancia de los m etodos num ericos es creciente debido la existencia generalizada de ordenadores relativamente baratos y de gran potencia de c alculo. Sin embargo, los m etodos num ericos adolecen de una acusada incapacidad para el an alisis. Por este motivo es generalmente muy dif cil entender un sistema si s olo se sabe de el lo que nuestros c alculos num ericos nos han proporcionado. Las expresiones anal ticas o los resultados cualitativos tienen la enorme ventaja de permitirnos entender de un vistazo lo que es relevante en un problema f sico. Alcanzar un grado equivalente de certeza o comprensi on mediante procedimientos exclusivamente num ericos sin apenas apoyos te oricos suele ser imposible o, si hay suerte, extremadamente laborioso. Por ello, la aplicaci on fruct fera de los m etodos num ericos requiere: Entender el problema que estamos resolviendo. Entender el procedimiento o algoritmo num erico que se emplea, es decir, sus fundamentos, sus posibilidades, las circunstancias bajo las cuales podr a dar malos resultados, etc. Conocer lo que vamos a obtener. Esto es poco m as que un corolario de las dos armaciones anteriores. Pero lo cierto es que si obtenemos un resultado completamente inesperado, la situaci on es muy dif cil: ha fallado nuestra comprensi on del problema o el procedimiento num erico? Hace falta decir que toda regla, incluido esta, siempre tiene excepciones? En la u ltima prescripci on, hemos dicho que si se obtienen resultados num ericos completamente inesperados entonces estamos en una situaci on dif cil. Este calicativo es probablemente adecuado para la mayor
200
M etodos num ericos
parte de las situaciones.1 Sin embargo, en otras ocasiones, el calicativo deber a ser el de prometedor porque quiz as lo que los resultados num ericos nos est an anunciando es la presencia de fen omenos nuevos (completamente inesperados) y la necesidad de nuevos conceptos te oricos. Hay que tener los ojos siempre abiertos a lo extraordinario! Probablemente el ejemplo m as famoso de esta situaci on lo constituye lo que ahora se conoce como el problema de Fermi-Pasta-Ulam (FPU) consistente en el sorprendente descubrimiento, hacia 1950, de una recurrencia casi perfecta en la soluci on num erica de 32 ecuaciones diferenciales no lineales hallada mediante el ordenador MANIAC I en Los Alamos. El descubrimiento era sorprendente porque contradec a la evidente idea de que la energ a en un sistema conservativo de osciladores no lineales acoplados (un modelo simple de un s olido cristalino) se distribuir a con el paso del tiempo de forma uniforme por todos los grados de libertad del sistema. El an alisis de este problema, descubierto num ericamente y cuyo an alisis es casi imposible sin el recurso de los c alculos num ericos, tiene ya m as de medio siglo de historia y a un hoy sigue siendo objeto de un estudio intenso.2 En este cap tulo vamos a estudiar algunos conceptos y t ecnicas b asicas de los m etodos num ericos que se emplean en Ciencia e Ingenier a.
4.2. Aritm etica con precisi on nita

Cuando se hacen c alculos num ericos mediante ordenador hay que ser conscientes en todo momento de que el ordenador efect ua t picamente estos c alculos mediante n umeros que no son exactos.3 Esto es a lo que nos referimos cuando decimos que el ordenador trabaja con aritm etica de precisi on nita. Esto puede tener consecuencias inesperadas (e indeseables) sobre los resultados de nuestros c omputos. En esta secci on discutiremos brevemente estas cuestiones.4
4.2.1. Los n umeros son palabras

Los ordenadores representan internamente los n umeros que procesan mediante una ristra (o lista) nita de d gitos. Por ejemplo, el n umero se representar a como una ristra nita de d gitos que comienza por 3 141 . . .. El tama no de esta lista depende del tipo de ordenador y del programa de computaci on que se utilice. Por ejemplo, en el programa QBASIC de Microsoft y en precisi on simple, el n umero vendr a dado aproximadamente por el n umero 3 141593 (es decir, por un n umero de unos siete d gitos signicativos). Usualmente los ordenadores representan internamente los n umeros en sistema binario (es decir, de base 2). El sistema binario es tan f acil de entender como el decimal. Por ejemplo, el n umero binario (101 011)2 representa al n umero dado por (101 011)2 1 22 + 0 21 + 1 20 + 0 21 + 1 22 + 1 23 1 1 =4+1+ + . 4 8 Por supuesto, este n umero en notaci on decimal es 5 + 0 25 + 0 125 = 5 375 5 100 + 3 101 + 7 102 + 5 103 .
Se asume que el procedimiento num erico no es incorrecto de un modo trivial, como por ejemplo, por un error de programaci on. 2 V ease, por ejemplo, The FPU problem: 50 years of progress, G. P. Berman and F. M. Izrailev, http://arxiv.org/abs/nlin.CD/0411062, y Computational Synergetics and Mathematical Innovation, N. J. Zabusky, Journal of Computational Physics 43, 195-249 (1981). 3 Existen programas conocidos como programas de c alculo simb olico que pueden operar de forma exacta con n umeros enteros y con fracciones de n umeros enteros (y con s mbolos y transformaciones matem aticas!). Algunos de estos programas son Mathematica, Maple, Derive,. . . 4 Pueden verse m as detalles en [KC94, cap tulo 2] y [Ant02, cap tulo 2].
1
4.2 Aritm etica con precisi on nita
201
Estos n umeros binarios se suelen representar mediante la representaci on cient ca normalizada. En el sistema decimal, la representaci on cient ca normalizada del n umero x vendr a dada por 1 r < 1 y n entero. (4.1) x = r 10n con 10 Es decir, todos los d gitos aparecen a la derecha de la coma decimal siendo el primero distinto de cero (a r se le llama la mantisa y a n el exponente de x). De este modo, por ejemplo, 432 13 se representa como 0 43213 103 . Similarmente, en el sistema binario la notaci on cient ca normalizada es 1 x = q 2m con q < 1 y m entero, (4.2) 2 donde a q y m se les conoce como mantisa y exponente, respectivamente, de x. Palabras y bits Ya hemos dicho que los ordenadores representan los n umeros mediante una ristra nita de d gitos binarios. T picamente, en precisi on simple, utilizan 32 de estos d gitos para cada n umero. A esta ristra de 32 d gitos binarios se la suele llamar palabra, y cada uno de los 32 d gitos binarios es un bit.5 La asignaci on t pica de los bits de un n umero representado mediante la notaci on cient ca normalizada de (4.2) es: 1 bit para el signo de la mantisa. 23 bits para la mantisa. (4.3) 1 bit para el signo de exponente. 7 bits para el exponente. La utilizaci on sistem atica de la notaci on cient ca normalizada implica que el primer d gito de la mantisa q es un 1, pues de ser 0 correr amos la coma un lugar a la derecha y disminuir amos m en una unidad. De este modo no desperdiciamos un bit almacenando un d gito que siempre es 1. En otras palabras, la mantisa q es un n umero que se describe con 24 d gitos siendo 1 el primero: q = (0 1a2 a3 . . . a24 )2 . Como se dispone de siete bits para almacenar el exponente m, se tiene que cumplir que m (1 1 1 1 1 1 1)2 = 27 1 = 127. Luego los n umeros que se pueden representar, si se usa la asignaci on t pica de bits dada en (4.3), est an comprendidos en el rango (0 100 . . . 0) 2127 |x| (0 11 . . . 1) 2127 , es decir, 2128 Dado que 2127 1038 |x| |x| 2127 . 1038 . 1038 , la anterior relaci on es equivalente a
Es decir, si se representan los n umeros mediante palabras de 32 bits y se emplea la asignaci on 127 127 (4.3), entonces el ordenador no puede manejar n umeros menores que 2 ni mayores que 2 . En este caso, cuando realiza una operaci on num erica cuyo resultado es menor que 2127 , el ordenador (para ser precisos, el programa de c alculo) da t picamente un mensaje en el que indica que se ha producido underow; si el resultado el mayor que 2127 , el mensaje es de overow.
A una agrupaci on de 8 bits se la llama byte. Esta es la unidad t pica en la que se mide la capacidad de memoria y de almacenamiento de una m aquina. Sus m ultiplos usuales son el kilobyte (1.024 bytes), el megabyte (1024 kilobytes), y el gigabyte (1024 megabytes).
5
202 N umeros enteros
M etodos num ericos
Los n umeros que acabamos de describir se conocen como n umeros de coma otante6 : son n umeros que tienen una coma decimal, es decir, son n umeros no enteros. Los n umero enteros no tienen exponente, son todo mantisa, por lo que se representan con todos los bits de la palabra excepto uno reservado para el signo, es decir, n = (a1 a2 a3 . . . a31 )2 , (4.4) donde hemos asumido que el n umero entero est a representado por una u nica palabra de 32 bits. Por tanto el rango de los n umeros enteros viene dado por (1 1 1 . . . 1 1)2 n +(1 1 1 . . . 1)2 , es decir, (231 1) n 231 1 = 2 147 483 647. Ejercicio 4.1
El esquema de asignaci on de bits (4.3) es t pico, pero, por supuesto, quienes dise nan los programas de c omputo suelen emplear esquemas de asignaci on m as renados para mejorar el rango de valores que se pueden emplear. Por ejemplo, el programa QBASIC nos informa en su pantalla de ayuda de los siguientes l mites: Limits to QuickBASIC - Names, Strings, and Numbers Maximum Integers 32,767 Long Integers 2,147,483,647 Single precision numbers (positive) 3.402823 E+38 Single precision numbers (negative) -1.401298 E-45 Double precision numbers (positive) Maximum: 1.797693134862315 Minimum: 4.940656458412465 Double precision (negative) Maximum: -4.940656458412465 Minimum: -1.797693134862315 Minimum -32,768 -2,147,483,648 1.401298 E-45 -3.402823 E+38 D+308 D-324 D-324 D+308
Cu al crees que es el esquema de asignaci on y el numero de bits empleados para cada caso? Ayuda: log2 3 402823 1038 = 128, log2 1 401298 1045 = 149, log2 1 797693134862315 10308 = 1024, log2 4 940656458412465 10324 = 1074.
N umeros de m aquina Los n umeros de m aquina son aquellos que son representados de forma exacta por el ordenador. En precisi on simple son aquellos de la forma x = (0 1a2 . . . a24 )2 2m x = (0 1a2 . . . a24 a25 . . .)2 2m con ai = 0, 1. con ai = 0, 1. Un n umero que no es de m aquina ser a aquel que viene representado por En las siguientes secciones vamos a ver varias situaciones (no tan especiales como podr amos pensar) en las que los resultados que se obtienen son completamente err oneos debido a la precisi on nita con la que se procesan los n umeros en un ordenador. A los errores que tienen esta causa, se les conoce habitualmente como errores de redondeo.
O de punto otante, si usamos al modo anglosaj on un punto para indicar donde comienzan los d gitos fraccionarios
6
203
4.2.2. P erdida de d gitos signicativos en la sustracci on de cantidades casi iguales

Supongamos, para simplicar la exposici on, que tenemos un ordenador que trabaja con n umeros decimales cuya mantisa es de 7 d gitos decimales y que queremos hallar la diferencia x y donde x = 0 123456789 y y = 0 123454444. Sin necesidad de usar el ordenador sabemos que x = 0 12345678900 y = 0 12345444400 x y = 0 00000234500 = 0 2345 105 .
Sin embargo, el ordenador, al estar limitado a usar n umeros con una mantisa de 7 d gitos decimales, redondear a dichos n umeros con lo que la sustracci on ser a x = 0 1234568 y = 0 1234544 x y = 0 0000024.
El segundo d gito de la diferencia ya no es exacto. Si calculamos el error relativo vemos que es muy grande (x y ) (x y ) 2 %, xy a pesar de que el ordenador utiliza n umeros con 7 cifras signicativas (es decir, mantisa de 7 d gitos). Ejercicio 4.2
El resultado que hemos dado antes x y = 0 0000024 no est a en la representaci on cient ca normalizada que usa el ordenador. Se pide, por tanto, escribir mediante representaci on cient ca normalizada el n umero x y que calcular a el ordenador anterior. Como ayuda, aqu ten eis algunas posibles respuestas: 0 2400000 105 , 0 2450000 105 , 0 24????? 105 Quiz as esto te sirva de ayuda: he usado el siguiente programa QBASIC en un ordenador, x = .123456789#: y = .123454444# r = x - y PRINT "x="; x PRINT "y="; y PRINT "x-y="; r
y el resultado fue
x= .1234568 y= .1234544 x-y= 2.346933E-06
Qu e ha pasado?
Ejemplo 4.1
Este ejemplo muestra muy claramente la nefasta inuencia que puede tener la p erdida de d gitos signicativos al restar cantidades muy parecidas. Para calcular la cantidad (x 1)/ donde x = 1 + y = 10n , con n = 1, 2, . . ., se ha confeccionado el siguiente programa en QBASIC que trabaja en precisi on simple:
204
PRINT " n", " eps", "((1 + eps) - 1) / eps" uno = 1: nfin = 10 FOR n = 1 TO nfin eps = uno / 10 ^ n x = uno + eps ratio = (x - uno) / eps PRINT n, eps, ratio NEXT n
M etodos num ericos
El resultado del programa es:

n 1 2 3 4 5 6 7 8 9 10 eps .1 .01 .001 .0001 .00001 .000001 .0000001 1E-08 1E-09 1E-10 ((1 + eps) - 1) / eps 1 .999999 1.000047 1.000166 1.001358 .9536743 1.192093 0 0 0
donde, debajo de la columna que empieza con la letra n aparece el valor del exponente n, debajo de la columna que comienza con eps aparece el correspondiente valor de y, a continuaci on, debajo de la columna que comienza con ((1 + eps) - 1) / eps aparece el valor calculado de de [(1 ) 1]/ que, evidentemente, debiera ser 1.
4.2.3. Errores en la suma de cantidades con magnitudes muy distintas

Otra peligrosa manifestaci on de la nitud de la precisi on de los n umeros de coma otante surge cuando se suman cantidades de magnitud muy diferente. El siguiente ejemplo ilustra este hecho de una forma muy clara.
Ejemplo 4.2
Vamos en este ejemplo a sumar i veces una cantidad muy peque na . Obviamente, su valor exacto es i . El programa QBASIC que lleva a cabo esta tarea es: n = 10 ^ 7: uno = 1: eps = uno / n PRINT " n="; n, "eps=uno/n="; eps PRINT " i", " S", " error=S-eps*i", " % error" suma = 0 FOR i = 1 TO n suma = suma + eps IF i MOD 10 ^ 6 = 0 THEN PRINT i, suma, suma - (i * eps), 100 * (suma - i * eps) / (i * eps) END IF NEXT i
Este programa suma i veces la cantidad 1/107 y muestra las sumas parciales bajo la columna que empieza por S cuando i = 106 , 2 106 , 3 106 , . . . , 9 106 , 107 . La tercera columna muestra el error absoluto y la u ltima da el error en tanto por ciento. El resultado es:

n= 1E+07 i 1000000 2000000 3000000 4000000 5000000 6000000 7000000 8000000 9000000 1E+07 S 9.906045E-02 .2013732 .2977269 .3871338 .4765408 .5879304 .7071397 .826349 .9455582 1.064767 eps=uno/n= .0000001 error=S-eps*i -9.395477E-04 1.373232E-03 -2.273134E-03 -1.286617E-02 -.0234592 -1.206963E-02 7.139663E-03 2.634895E-02 4.555824E-02 6.476746E-02 % error -.9395477 .686616 -.7577113 -3.216542 -4.69184 -2.011604 1.019952 3.293619 5.062027 6.476747
205
El error que se comete no es nada despreciable.
Ejercicio 4.3
Pepito Matem atico ha intentado comprobar la abilidad de la f ormula (1 + )2 1 + 2 (que acaba de aprender) utilizando para ello el programa QBASIC que tiene en su ordenador. Su programa es el siguiente PRINT "eps", "(1+eps)^2", "2 eps" FOR m = 1 TO 10 eps = 10 ^ (- m) x= (1 + eps) ^2 PRINT eps, x, x - 1 NEXT m El resultado del programa es: eps .1 .01 .001 .0001 .00001 .000001 .0000001 1E-08 1E-09 1E-10 (1+eps)^2 1.21 1.0201 1.002001 1.0002 1.00002 1.000002 1 1 1 1 2 eps .21 .0201 2.001047E-03 2.000332E-04 2.002716E-05 2.026558E-06 2.384186E-07 0 0 0
Expl cale a Pepito Matem atico lo que ha sucedido.
Evaluaci on del polinomio p erdo de Wilkinson En esta secci on vamos a intentar llevar a cabo una tarea realmente sencilla (sobre todo para un ordenador), a saber, sumar 21 n umeros. Estos n umeros son los valores que toman los 21
206
20-10^-6 13 310 210 110
13 13
M etodos num ericos

20 20+10^-6 20-10^-6 110 510
11
20
20+10^-6
10
0 -110 -210 -310

13 13 13
0 -510 -110 20 20+10^-6

10
11
20-10^-6
20-10^-6
20
(a)
(b)
20+10^-6
Figura 4.1: Gr aca entre x = 20 106 y x = 20 + 106 del polinomio p erdo de Wilkinson P (x) calculado num ericamente con un programa de ordenador que emplea una mantisa de 16 d gitos decimales mediante (a) la f ormula (4.6), (b) la f ormula (4.5). monomios que forman el polinomio p erdo de Wilkinson. Este polinomio se dene f acilmente:
20
P (x) =
(x n) = (x 1) (x 2) (x 20)
n=1
(4.5)
= 2432902008176640000 8752948036761600000x + 13803759753640704000x2 12870931245150988800x3 + 8037811822645051776x4 3599979517947607200x5 + 1206647803780373360x6 311333643161390640x7 + 63030812099294896x8 10142299865511450x9 + 1307535010540395x10 135585182899530x11 + 11310276995381x12 756111184500x13 + 40171771630x14 1672280820x15 + 53327946x16 1256850x17 + 20615x18 210x19 + x20 . (4.6)
En la gura 4.1 se ha representado la evaluaci on num erica del polinomio de Wilkinson en las vecindades de la ra z r = 20 usando la f ormula (4.6) mediante un programa (Mathematica ) que emplea n umeros con unos de 16 d gitos decimales de mantisa. Si nos aramos del resultado num erico, podr amos concluir que la funci on P (x) tiene decenas de ra ces en el intervalo (20 106 , 20 + 106 ), lo que es absurdo pues sabemos que el polinomio P (x) = 20 olo n=1 (x n) tiene s 20 ceros situados en x = 1, 2, , 20. Simplemente este ejemplo (aunque daremos m as) debiera convencernos de la necesidad de ser cuidadosos y de no arnos ciegamente de los resultados num ericos: estos deben siempre ser comprobados al menos en su orden de magnitud!7 Ejercicio 4.4
La gura 4.1 es en principio sorprendente. Pero si pensamos un poquito, quiz as no lo sea tanto. 1. A qu e crees que se debe la evidente falsedad de la gura 4.1(a)? 2. Por qu e, en cambio, la gura 4.1(b) ha sido evaluada correctamente? 3. Estima el n umero de d gitos decimales de la mantisa que el programa deber a usar para que la gura (a) adoptara un aspecto m as normal. (Pista: 2020 = 1 048 1026 )
No deber amos saber siempre el orden de magnitud de la soluci on de nuestro problema?
207
4.2.4. Inestabilidad num erica

Decimos que en un proceso de c omputo se da inestabilidad num erica cuando peque nos errores iniciales se van agrandando a lo largo del proceso hasta hacer que los resultados num ericos sean incorrectos. En la secci on 2.8.4 de la p agina 136 ya vimos un ejemplo de c omo un algoritmo de c alculo num erico de las funciones de Bessel era inestable cuando se utilizaba la relaci on de recurrencia (2.209) en el sentido de ndices crecientes. Aqu vamos a ver otro ejemplo de una relaci on de recurrencia inestable.
Ejemplo 4.3
Queremos calcular la serie {xn } denida de modo recursivo mediante las siguientes relaciones: x 0 = 1, 1 x1 = , 3 13 4 xn+1 = xn xn1 . 3 3 Lo haremos mediante el siguiente programa escrito en QBASIC: DIM x(30) x(0) = 1 : x(1) = 1 / 3 FOR n = 1 TO 19 x(n + 1) = 13 / 3 * x(n) - 4 / 3 * x(n - 1) PRINT n + 1, x(n + 1) NEXT n Los resultados del programa son: 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 .1111112 3.703722E-02 1.234641E-02 4.118151E-03 1.383441E-03 5.040426E-04 3.395967E-04 7.99529E-04 3.01183E-03 1.198523E-02 .0479202 .1916739 .7666934 3.066773 12.26709 49.06836 196.2735 785.0938 3140.375 (4.7a) (4.7b) (4.7c)
En la primera columna aparece n, en la segunda xn . Son correctos estos resultados num ericos? La respuesta es no! No es dif cil entender lo que ha pasado. La ecuaci on (4.7c) es una ecuaci on en diferencias cuya soluci on general es de la forma n 1 + B 4n , xn = A 3
208
M etodos num ericos
como puede (y debe) comprobarse por sustituci on. Sin embargo, la soluci on particular que satisface x0 = 1 n , pues y x1 = 1/3 es xn = 1 3 0 1 0 x0 = A + B 4 = A + B = 1 3 A = 1, B = 0 c.q.d. 1 A x1 = + 4B = 3 3 Por tanto, dado que la serie denida por (4.7) no es m as que {xn = 1 }, descubrimos que la serie 3 que calcul o el ordenador era completamente err onea. De hecho, a partir de n = 8 la serie se convert a en creciente, cuadruplic andose aproximadamente cada t ermino con respecto al anterior. Qu e ha pasado? Cu al es la explicaci on de este comportamiento tan extra no? La explicaci on no es dif cil si nos damos cuenta de que el ordenador no trabaja con n umeros exactos. Esto signica que para el la 1 condici on inicial exacta x0 = 1 y x1 = 1 3 es realmente x0 = 1 + 0 y x1 = 3 + 1 , siendo 0 y 1 cantidades peque nas (pr oximas a cero) pero no nulas. Esto implica que B , aunque pr oximo a cero, no es estrictamente 1 n nulo, es decir el ordenador utiliza la f ormula xn = A 3 + B 4n con A 1 y B 0 pero B = 0. Esto n hace que para n sucientemente grande, el t ermino B 4n domine sobre A 1 y encontremos err oneamente 3 una serie geom etrica creciente en la que los t erminos se van cuadruplicando.
n
Ejemplo 4.4
El iterador cuadr atico o log stico xn+1 = 4xn (1 xn ), 0 < x0 < 1,
es un proceso con un comportamiento ca otico y que, por tanto, tiende a amplicar los errores (efecto 1, resulta que mariposa). Esto quiere decir que si el proceso comienza en x0 = x0 + con 0 < tras un n umero m de iteraciones (con m no muy grande) los valores de xn+1 = 4xn (1 xn ) dieren sustancialmente de xn . Por ejemplo, sea x0 = 1/3 y x0 = x0 + con = 1010 . En la gura 4.2(a) se muestra c omo evoluciona la diferencia En = |xn xn |. Se ve que En aumenta r apidamente (duplic andose por t ermino medio en cada iteraci on) alcanzando un valor del orden de la unidad tras poco m as de 30 iteraciones. En la gura 4.2(b) se muestra otro ejemplo espectacular de c omo el efecto mariposa arruina el computo de una orbita {xn } que tendr a que ser peri odica. En esta gura se han calculado los primeros 80 puntos de la orbita {xn } que comenz o en x0 = sen2 (/7). Es f acil darse cuenta que esta orbita debiera ser peri odica con periodo tres pues: x1 = 4 sen2 (/7) 1 sen2 (/7) = 4 sen2 (/7) cos2 (/7) = sen2 (2/7) , x2 = 4 sen2 (2/7) 1 sen2 (2/7) = 4 sen2 (2/7) cos2 (2/7) = sen2 (4/7) , x3 = 4 sen2 (4/7) 1 sen2 (4/7) = 4 sen2 (4/7) cos2 (4/7) = sen2 (8/7) , y como sen2 (8/7) = sen2 (/7), concluimos que, de forma exacta, x3 = x0 . Sin embargo, como muestra la gura 4.2(b), el c alculo num erico de esta orbita se malogra tras poco m as de 50 iteraciones a pesar que los c alculos se han realizado con un programa que trabaja con n umeros con unos 16 d gitos decimales de mantisa. La raz on es clara: sen2 (8/7) = 0 188255099070633234737497557997880 . . . no puede expresarse de forma exacta con 16 d gitos decimales, de modo que ese peque no error en su representaci on se amplica (t picamente se duplica) en cada iteraci on y al cabo de unas decenas de iteraciones la orbita no se parece en nada a la orbita aut entica correspondiente al valor exacto sen2 (8/7). Qu e sucede si repetimos esta experiencia con el valor x0 = 3/4? Es f acil ver que x0 es un punto jo porque x1 = 3/4, y por tanto xn = 3/4 para todo n. Sin embargo, como sabemos que el iterador cuadr atico amplica los peque nos errores iteraci on tras iteraci on, podr amos pensar que si calcul aramos num ericamente esta

0 -2
1 0.8 0.6
209
Log10 En
-4 -6 -8 -10 0 10 20 30 40
xn
0.4 0.2 0 0 10 20 30 40 50 60 70
n
(a)
n
(b)
Figura 4.2: Resultados num ericos obtenidos mediante un programa que eval ua el iterador cuadr atico usando una mantisa de unos 16 d gitos decimales. (a) Logaritmo de En = |xn xn | frente a n cuando x0 = 1/3 y x0 = x0 + 1010 . (b) Orbita {xn } para x0 = sen2 (/7).
rbita podr o amos encontrarnos con una fenomenolog a similar a la que descubrimos con x0 = sen2 (/7) de modo que la orbita calculada se alejar a del valor te orico xn = 3/4 tras unas decenas de iteraciones. Sin embargo, esto no ocurre incluso llevando a cabo los c alculos con programas o m aquinas que empleen muy pocos d gitos de mantisa! La raz on es sencilla: sucede que 3/4 es un n umero de m aquina pues su representaci on exacta en binario es bien simple: 3/4 = (0 11)2 . Por tanto, cualquier ordenador que trabaje con una mantisa de unos pocos bits ser a capaz de implementar el iterador cuadr atico de forma exacta para este n umero concreto.
4.2.5. Problemas mal condicionados

En los problemas mal condicionados peque nos cambios en los datos que denen al problema dan lugar a grandes cambios en las soluciones. Este concepto es muy similar al de inestabilidad. No es en absoluto extra no encontrarse con problemas mal condicionados. Esto puede suceder, por ejemplo, cuando se pretende calcular las ra ces de una funci on. Ve amoslo. Sea r una ra z simple de f (x) (por lo que f (r) = 0). Si perturbamos f (x) y obtenemos F (x) = f (x) + g (x) con 1, c uanto vale la correspondiente ra z R de F (x)? Si | | 1, es razonable pensar que la nueva ra z ser a R = r + h con |h| 1. Estimemos el valor de h usando el teorema de Taylor con la forma de Lagrange para el residuo: F (r + h) = 0 f (r + h) + g (r + h) = 0 1 h2 [f (r) + h f (r) + h2 f ( )] + [g (r) + h g (r) + g ( )] = 0 2 2 donde y son puntos intermedios del intervalo (r, r + h). Despreciando t erminos de orden h2 y dado que f (r) = 0 se tiene que g (r) h (4.8) f (r) + g (r) o bien, asumiendo que g (r) f (r), h g (r) . f (r)
210
M etodos num ericos
F(x)=f(x)+ R r f(x) x
Figura 4.3: Un problema mal condicionado: aunque f (x) y F (x) dieren en una cantidad peque na, sus correspondientes ra ces r y R son muy distintas. N otese que si f (r)/g (r) es peque no, entonces h es grande incluso para valores peque nos de , en contradicci on con nuestra suposici on inicial de que |h| 1. En la gura 4.3 se ilustra este fen omeno. Veamos a continuaci on un ejemplo concreto.
Ejemplo 4.5
El polinomio p erdo de Wilkinson. Ya vimos en la secci on 4.2.3 que este polinomio viene dado por
20
P (x) = =x
(x n) = (x 1) (x 2) (x 20)
n=1 20
(4.9) (4.10)
210x19 + 20615x18 + 8752948036761600000x + 2432902008176640000.
C omo se modica el valor de la ra z r = 20 cuando cambiamos el coeciente de x20 de 1 a 1 + ? Es decir, cu al es la ra z correspondiente de la nueva funci on perturbada F (x) = P (x) + x20 . Seg un lo discutido m as arriba, esperamos que la nueva ra z venga dada aproximadamente por 20 + h, donde h es un n umero peque no (|h| 1) que vendr a dado aproximadamente por la ecuaci on (4.8) con f (x) = P (x) y g (x) = x20 : h g (20) f (20) + g (20) 2020 , 19! + 2020
20 20
pues f (x) =
m=1 n=1 n=m
(x n)
por lo que
19
f (20) =
n=1
(x n)
x=20
= 19!
Pero 220 /19!
109 , luego h 109 . 1 + 109 no
Comprobamos de nuevo que el polinomio de Wilkinson es realmente p erdo: valores peque n simos de conducen a un valor peque no de h. Por ejemplo: Si = 106 |h| 103 1 + 103 1, que no es despreciable en absoluto.
4.3 Operaciones num ericas b asicas
211
f f f f
-3 -2 -1
x =-2h
-2
x =-h
-1
=0
x =h
1
x =2h
2
Figura 4.4: La funci on f (x) y sus correspondientes valores fn en un conjunto de puntos equiespaciados xn .
Si Si = 108 |h| = 109 |h| 10 , que no es mucho menor que 1. 11 1 , que tampoco es mucho menor que 1. 2
4.3. Operaciones num ericas b asicas

4.3.1. Diferenciaci on num erica
En esta secci on estudiaremos c omo calcular num ericamente la derivada de la funci on f (x) en x = x0 = 0 a partir del conocimiento de alguno de los valores de f (x) en las vecindades de x = 0. Las f ormulas que obtengamos se pueden generalizar al caso en el que x0 = 0 sin m as que trasladar el origen de abcisas al punto x = x0 . Vamos a suponer que conocemos los valores fn que toma la funci on f (x) en un conjunto de puntos equiespaciados xn (v ease la gura 4.4): xn n h, fn f (xn ). n = 0, 1, 2, . . . (4.11)
Nuestro objetivo es obtener expresiones aproximadas que nos proporcionen una buena estimaci on del valor de f (0) f en t erminos de fn . Para ello, empezamos desarrollando f (x) en serie de Taylor en torno a cero f (x) = f (0) + x f (0) + x3 (3) x2 f (0) + f (0) + 2! 3! x2 x3 (3) f0 + x f + f + f + 2! 3!
(4.12)
donde hemos introducido la notaci on f (n) (0) f (n) . La serie de Taylor con el resto de Lagrange, f (x) = f0 + x f + xN 1 xN (N ) x2 f + + f (N 1) + f ( ), 2! (N 1)! N!
con (0, x), nos ser a especialmente u til en todo lo que sigue. En particular f1 f (h) = f0 h f + h2 h3 f f ( ) 2 3! (4.13)
212 donde 0 < + < h y h < < 0. Restando f1 de f1 obtenemos f1 f1 = 2h f + y por tanto f = Tenemos pues que8 f = f1 f1 + O(h2 ) . 2h h3 f (+ ) + f ( ) , 3!
M etodos num ericos
f1 f1 h2 f (+ ) + f ( ) . 2h 12 (4.14)
Despreciando el t ermino de orden h2 podemos aproximar el valor de f (x0 ) por la f ormula f f1 f1 , 2h (4.15)
que es la derivada primera en diferencias central de tres puntos.9 La f ormula (4.15) es exacta si f (x) es un polinomio de grado dos en el intervalo [h, h], dado que entonces f ( ) = 0. Esto signica que la validez de (4.15) descansa en suponer que f (x) puede aproximarse por un polinomio de grado dos que pasa por f1 , f0 y f1 . De la expresi on h2 f1 = f0 h f + f ( ) 2 se deduce tambi en que f = o bien que f1 f0 h f1 f0 f (+ ) = + O(h), h 2 h
f0 f1 h f0 f1 + f ( ) = + O(h). h 2 h Por tanto, despreciando t erminos de orden h, podemos aproximar f (x) en x = 0 (es decir, f ) por f1 f0 f , (4.16) h que es la derivada lateral derecha de dos puntos, o por f = f f0 f1 , h (4.17)
que es la derivada lateral izquierda de dos puntos. La derivada lateral derecha proporciona el valor de f de forma exacta si f (x) es una funci on lineal en el intervalo [0, h]. De igual modo, la derivada lateral izquierda proporciona el valor de f de forma exacta si f (x) es una funci on lineal en el intervalo [h, 0]. Esto signica que las f ormulas anteriores son tanto mejores cuanto m as parecida es f (x) a una funci on lineal en esos intervalos.
Recordemos que la expresi on g (h) = O(hn ) para h 0 signica que l mh0 g (h)/hn = C = nito. Si sucediera n que C = 0 escribir amos g (h) = o (h ). Esto se discute con m as detalle en la secci on 7.3 de la p agina 407. 9 El nombre procede del hecho de que para su c alculo necesitamos conocer el valor de la funci on en el intervalo [h, h] (en h y h para ser precisos) en cuyo interior hay tres puntos, h, 0, h, que est an centrados con respecto a x0 = 0.
213
Ejemplo 4.6
A continuaci on transcribimos un programa QBASIC10 que calcula la derivada central de 3 puntos, y la derivada lateral derecha e izquierda de 2 puntos, de la funci on f (x) = sen(x) en el punto x = x0 = 1. Por supuesto sabemos que el resultado exacto es f (1) = cos(1). Despu es del programa damos el error de los resultados [esto es, la diferencia f cos(1)] tal como aparece en la pantalla del ordenador. Programa DERIVA.BAS x0 = 1 : h0 = .5 : f0 = SIN(x0) : exac = COS(x0) FOR m = 0 TO 15 h = h0 / 2 ^ m f1m = SIN(x0 - h) : f1p = SIN(x0 + h) dc3p = (f1p - f1m) / (2! * h) Deri. central 3 puntos dld2p = (f1p - f0) / h Deri. lateral dcha. 2 pts. dli2p = (f0 - f1m) / h Deri. lateral izqda. 2 pts. e3 = ABS(dc3p - exac) Error Deri. central e2d = ABS(dld2p - exac) Error Deri. lateral dcha. e2i = ABS(dli2p - exac) Error Deri. lateral izqda PRINT USING "#.###### "; h; e3; e2d; e2i NEXT m
Los resultados son:

0.500000 0.250000 0.125000 0.062500 0.031250 0.015625 0.007813 0.003906 0.001953 0.000977 0.000488 0.000244 0.000122 0.000061 0.000031 0.000015 0.022233 0.005611 0.001406 0.000352 0.000088 0.000023 0.000008 0.000004 0.000004 0.000011 0.000019 0.000019 0.000019 0.000225 0.000263 0.000713 0.228254 0.110248 0.053929 0.026639 0.013233 0.006596 0.003292 0.001637 0.000813 0.000385 0.000141 0.000019 0.000225 0.000713 0.000713 0.002666 0.183789 0.099026 0.051117 0.025935 0.013058 0.006550 0.003277 0.001629 0.000805 0.000408 0.000103 0.000019 0.000263 0.000263 0.001240 0.001240
En la primera columna aparece el valor de h, en la segunda columna damos el error cometido por la f ormula de la derivada central de tres puntos, en la tercera se da el error de la derivada lateral derecha de dos puntos, y en la u ltima columna se dan los errores de la derivada lateral izquierda de dos puntos. Ejercicio 4.5
1. Qu e f ormula proporciona los mejores resultados? on por la que para valores no excesivamente peque nos de h (digamos h 0 002) 2. Se te ocurre la raz la derivada lateral izquierda de dos puntos conduzca a resultados levemente mejores que los de la derivada lateral derecha de dos puntos? 3. Por qu e para h muy peque nos los resultados empeoran en vez de mejorar a medida que h disminuye?
El c odigo fuente tulo) pueden de este programa (y de otros programas en QBASIC que se dan en este cap encontrarse en www .
10
214 Derivadas de orden superior
M etodos num ericos
Pueden obtenerse combinando las expresiones del desarrollo de Taylor de f 1, f 2, etc. Por ejemplo, sumando las expresiones de f+1 y f1 dadas por f1 f (x0 h) = f0 h f + se obtiene f+1 + f1 = 2f0 + h2 f + De aqu se deduce que f = es decir f = f1 2f0 + f1 + O(h2 ) . h2 (4.18) f1 2f0 + f1 h2 f (4) (+ ) + f (4) ( ) , h2 4! h2 h3 f f 2 3! + h4 (4) f ( ) 4!
h4 f (4) (+ ) + f (4) ( ) . 4!
Despreciando t erminos de orden h2 obtenemos la expresi on en diferencias conocida como derivada segunda en diferencias central de tres puntos : f f1 2f0 + f1 . h2 (4.19)
Esta expresi on proporciona la derivada f (x) en x = 0 de forma exacta si f (x) es polinomio de grado tres en intervalo [h, h], pues entonces f (4) ( ) = 0 para (x0 h, x0 + h). Ejercicio 4.6
Halla la expresi on de la derivada tercera central de cinco puntos.
4.3.2. Integraci on num erica

Estamos interesados en estimar la integral denida
b
I=
a
f (x) dx.
(4.20)
Para ello dividimos el intervalo de integraci on [a, b] en un n umero N par de subintervalos de ancho h, ba h= . (4.21) N Nos centraremos en obtener una f ormula para la integral entre h y h ya que siempre podemos dividir (discretizar) el intervalo de integraci on [a, b] en un conjunto de subintervalos elementales de ancho11 2h:
b a+2h a+4h b
f (x) dx =
a a
f (x) dx +
a+2h
f (x)dx + +
b2h
f (x) dx.
(4.22)
La idea b asica de las f ormulas que deduciremos a continuaci on consiste en aproximar f (x) en cada intervalo elemental [(n 1)h, (n + 1)h] por una funci on que pueda ser integrada de modo exacto.
11
Las f ormulas de integraci on se llaman de tipo Newton-Cotes cuando el discretizado es equiespaciado

f(x)
215
-5h
-3h
-h
3h
5h
Figura 4.5: Interpretaci on geom etrica de la regla del rect angulo. La integral de f (x) en cada intervalo elemental de ancho 2h se aproxima por el area rayada del rect angulo correspondiente. Regla del rect angulo En este procedimiento de integraci on num erica se aproxima el valor de f (x) en el interior de cada subintervalo de ancho 2h por el valor de la funci on f (x) en el punto medio del subintervalo:
h h
f (x) dx =
h h
[f0 + f x + x2 2
h
f 2 x + ] dx 2 + f x3 2 3
h
= 2h f0 + f
+
h
= 2h f0 + 0 +
f 3 h + 3 = 2h f0 + O(h3 ).
(4.23)
Esta es la f ormula del rect angulo para un intervalo elemental. Usando el resultado (4.23) en (4.22) y despreciando t erminos de orden igual o superior a h3 , se obtiene
b a
f (x) dx = 2h [f (a + h) + f (a + 3h) + + f (b 3h) + f (b h)] + N O(h3 )
(4.24)
Pero N = (b a)/h [v ease la ecuaci on (4.21)] por lo que N O(h3 ) = O(h2 ) y la expresi on anterior se transforma en
b a
f (x) dx = 2h [f (a + h) + f (a + 3h) + + f (b 3h) + f (b h)] + O(h2 ) 2h [f (a + h) + f (a + 3h) + + f (b 3h) + f (b h)]. (4.25)
Esta f ormula es conocida como regla del rect angulo. La interpretaci on geom etrica de esta regla puede verse en la gura 4.5: aproximamos el area bajo la curva f (x) por el area de los rect angulos de ancho 2h y altura f (a + (2n + 1)h) con n = 0, 1, 2, . Dado que en (4.25) no se eval ua la funci on f (x) en los extremos (x = a y x = b) del intervalo de integraci on, se dice que la regla del rect angulo es abierta.12 Regla del trapecio Podemos mejorar la f ormula anterior si aproximamos f (x) por una l nea recta (interpolaci on lineal) en el intervalo x [h, 0], y por otra l nea recta en el intervalo x [0, h]. Ve amoslo con detalle.
12
Es por tanto una f ormula de tipo Newton-Cotes abierta.
216 Expresamos la integral

h h f (x) dx
M etodos num ericos como suma de dos integrales:

h h
f (x) dx = I + I+
donde
0
I = I+ =
f (x) dx ,
h h
f (x) dx .
0
Evaluaremos I+ e I por separado. Empezamos escribiendo el desarrollo de Taylor de la funci on f (x) en torno a x = 0: f 2 f (x) = f0 + f x + x + 2 Podemos expresar la derivada de f (x) en x = 0, f , en t erminos de la derivada derecha de dos puntos, (f1 f0 )/h, es decir, f = (f1 f0 )/h + O(h), para as obtener f (x) = f0 + f1 f0 f 2 + O(h) x + x + h 2 (4.26)
Utilizando la relaci on (4.26) en la denici on de I+ se encuentra que I+ = f 2 f1 f0 x + O(h) x + x + h 2 0 f1 f0 h2 h2 f h3 = f0 h + + O(h) + + h 2 2 2 3 h = [f0 + f1 ] + O(h3 ). 2 f0 +
h
dx
(4.27) (4.28) (4.29)
N otese que si despreciamos los t erminos de orden h3 , I+ es simplemente la integral de la funci on f (x) = f0 + f1 f0 x, h
funci on que no es m as que la aproximaci on lineal de f (x) que pasa por f0 y f1 (v ease la gura 4.6). Para calcular I procedemos de igual modo salvo en que ahora aproximamos f por la derivada izquierda de dos puntos, f = (f0 f1 )/h + O(h), de modo que f (x) = f0 + y entonces I = f0 f1 f 2 x + O(h) x + x + h 2 h f1 f0 h2 = f0 h + + O(h3 ) h 2 h = [f1 + f0 ] + O(h3 ). 2 f0 +
0
f0 f1 f 2 + O(h) x + x + h 2
(4.30)
dx

f
217
f(x)
~
f(x)
Figura 4.6: Interpretaci on geom etrica de la regla del trapecio. La integral I+ = por el area rayada del trapecio. En denitiva, dado que
h h f (x) dx h
h 0 f (x) dx
se aproxima
= I + I+ , encontramos que h (f1 + 2f0 + f1 ) + O(h3 ) . 2
f (x) dx =
h
Esta es la f ormula del trapecio para un intervalo elemental. Usando este resultado en la ecuaci on (4.22) se obtiene
b
f (x) dx = h
a
f (a) f (b) + f (a + h) + f (a + 2h) + + f (b 2h) + + N O(h3 ). 2 2
(4.31)
Teniendo en cuenta que N O(h3 ) = [(b a)/h]O(h3 ) = O(h2 ) [v ease la ecuaci on (4.21)] la expresi on anterior se transforma en
b a
f (x)dx = h
f (b) f (a) + f (a + h) + f (a + 2h) + + + O(h2 ) 2 2 f (a) f (b) h + f (a + h) + f (a + 2h) + + f (b 2h) + , 2 2
(4.32)
que es la regla del trapecio. Esta f ormula es cerrada ya que requiere evaluar f (x) en los extremos x = a y x = b del intervalo de integraci on. Regla de Simpson Ahora vamos a mejorar nuestras f ormulas de integraci on aproximando f (x) por un polinomio de grado dos. La f ormula de Taylor con resto de Lagrange nos dice que f (x) = f0 + f x + f 2 f 3 f (4) 4 x + x + x + 2 3! 4!
Expresando f en t erminos de la derivada central de tres puntos f = f1 2f0 + f1 + O(h2 ) h2
218 se deduce que

h h
M etodos num ericos
f (x) dx =
h h
f0 + f x + +
f 3 1 f1 2f0 + f1 2 x + O(h2 )x2 + x 2 h2 3! dx

h
f (4) 4 x + 4! x2 2
h
= 2h f0 + f + f 3! 4
+
h
f1 2f0 + f1 x3 2h2 3
h x5
+ O(h2 )
h
2h3 3
h x4 h
f (4) 4!
= 2h f0 + (f1 2f0 + f1 ) Es decir,

h
h + O(h5 ). 3
f (x) dx =
h
h [f1 + 4f0 + f1 ] + O(h5 ) . 3
Esta es la f ormula de Simpson para un intervalo elemental. Usando este resultado en la ecuaci on (4.22) encontramos que:
b
f (x) dx =
a
h f (a) + 2 3
N/2
N/2
f [a + (2n 2)h] + 4
n=2 n=1
f [a + (2n 1)h] + f (b) + N O(h5 ). (4.33)
Pero N = (b a)/h [v ease la ecuaci on (4.21)] por lo que N O(h5 ) = O(h4 ) y la expresi on anterior se transforma en
b a
h f (x) dx = f (a) + 2 3 h f (a) + 2 3
N/2
N/2
f [a + (2n 2)h] + 4
n=2 N/2 n=1 N/2
f [a + (2n 1)h] + f (b) + O(h4 ) (4.34)
f [a + (2n 2)h] + 4
n=2 n=1
f [a + (2n 1)h] + f (b) ,
(4.35)
que es la regla de Simpson. Para hallar la aproximaci on

h
f (x) dx
h
h [f1 + 4f0 + f1 ] 3
no hemos necesitado en absoluto conocer f , f (4) , , por lo que de forma efectiva hemos aproximado f (x) por un polinomio de grado dos: f (x) = f0 + f x + f x2 . Esto nos podr a hacer pensar que la regla de Simpson s olo ser a exacta si f (x) fuera un polinomio de grado dos. Pero esta conclusi on no es cierta: la f ormula de Simpson es exacta cuando f (x) es un polinomio de grado tres. Ve amoslo expl citamente. Si f (x) es un polinomio de grado tres, resulta que f (x) = f0 + f x + f 2 f 3 x + x 2 3!
es exacta. Como la integral entre h y h de una potencia impar de x es nula, se tiene que la expresi on h h h f f (x) dx = f0 dx + x2 dx 2 h h h
219
es tambi en exacta. Pero ya hemos visto (v ease la p agina 214) que si f (x) es un polinomio c ubico que pasa por los puntos (h, f1 ), (0, f0 ), y (h, f1 ), entonces se tiene que f = f1 2f0 + f1 h2
es una relaci on exacta. Encontramos por tanto que, tal y como quer amos demostrar,
h h
f (x) dx = 2h f0 +
f1 2f0 + f1 x3 h2 3
h h
h = [f1 + 4f0 + f1 ], 3 es exacta si f (x) es un polinomio de grado tres que pasa por los puntos (h, f1 ), (0, f0 ), y (h, f1 ).
Ejemplo 4.7
En este ejemplo empleamos un par de programas escritos en QBASIC que implementan las reglas del trapecio y de Simpson, y con los que se calcula num ericamente la integral
4
I=
0 4
ex dx.
El valor de esta integral es I = e 1 = 53 598150033 . Este resultado lo usaremos para comparar la precisi on de los dos m etodos num ericos a medida que aumentamos en n umero de intervalos elementales, es decir, a medida que hacemos el discretizado m as no. En estos programas se emplean sucesivamente N = 2m subintervalos elementales (es decir, h = 4/2m ) con m = 2, 3, , 20. A continuaci on de los programas en QBASIC damos los resultados que proporcionan tal como aparecen en la pantalla del ordenador. Programa TRAPECIO.BAS DEF fnf (x) = EXP(x) a = 0: b = 4 exacto = EXP(b) - EXP(a) FOR m = 2 TO 20 n = 2 ^ m : h = (b - a) / n suma = fnf(a) / 2 FOR i = 1 TO n - 1 x = a + i * h suma = suma + fnf(x) NEXT i suma = suma + fnf(b) / 2 integral = h * suma diferencia = exacto - integral PRINT USING "N=####### Error=##.######"; n; diferencia NEXT m
Los resultados son:

N= N= N= N= N= N= N= N= 4 8 16 32 64 128 256 512 Error=-4.393803 Error=-1.112003 Error=-0.278870 Error=-0.069778 Error=-0.017448 Error=-0.004364 Error=-0.001095 Error=-0.000256
220
N= 1024 N= 2048 N= 4096 N= 8192 N= 16384 N= 32768 N= 65536 N= 131072 N= 262144 N= 524288 N=1048576 Error=-0.000069 Error=-0.000027 Error=-0.000034 Error= 0.000065 Error=-0.000031 Error= 0.000004 Error=-0.000008 Error= 0.000011 Error= 0.000164 Error= 0.000336 Error= 0.002502
M etodos num ericos
El programa que implementa la regla de Simpson es:

Programa SIMPSON.BAS DEF fnf (x) = EXP(x) a = 0: b = 4 exacto = EXP(b) - EXP(a) FOR m = 2 TO 20 N = 2 ^ m : h = (b - a) / N suma = fnf(a) : factor = 2 FOR i = 1 TO N - 1 IF factor = 2 THEN factor = 4 ELSE factor = 2 x = a + i * h suma = suma + fnf(x) * factor NEXT i suma = suma + fnf(b) integral = h * suma / 3 diferencia = exacto - integral PRINT USING "N=######## Error=##.######"; N; diferencia NEXT m
Los resultados son:

N= 4 N= 8 N= 16 N= 32 N= 64 N= 128 N= 256 N= 512 N= 1024 N= 2048 N= 4096 N= 8192 N= 16384 N= 32768 N= 65536 N= 131072 N= 262144 N= 524288 N= 1048576 Error=-0.265697 Error=-0.018074 Error=-0.001156 Error=-0.000076 Error=-0.000011 Error= 0.000004 Error=-0.000011 Error= 0.000023 Error=-0.000015 Error= 0.000019 Error=-0.000038 Error= 0.000000 Error= 0.000034 Error= 0.000046 Error=-0.000008 Error=-0.000011 Error=-0.000038 Error=-0.000057 Error= 0.000893
Ejercicio 4.7
1. Qu e m etodo proporciona los mejores resultados?
221
2. Habr as observado que aumentar N no siempre implica la mejora de los resultados. A qu e crees que es debido?
Cuadratura de Gauss Se ha mostrado en las secciones anteriores que en los m etodos de integraci on num erica la integral
I=
r(x)f (x)dx
(4.36)
se aproxima por la suma nita

n
r(x)f (x)dx
k=1
wk f (xk )
(4.37)
donde n y los valores wk son caracter sticos de cada m etodo. Por ejemplo, si r(x) = 1, = 1 y = 1, y usamos la discretizaci on h = 1, la regla del trapecio es 1 1 r(x)f (x)dx f (1) + f (0) + f (1) 2 2 1 mientras que la regla de Simpson es 1 4 1 r(x)f (x)dx f (1) + f (0) + f (1). 3 3 3 1
1 1
(4.38)
(4.39)
Hemos visto que la regla del trapecio se puede entender como la f ormula que resulta tras aproximar la funci on f (x) por la l nea recta (polinomio de grado uno) que va de (x, y ) = (1, f (1)) a (x, y ) = (0, f (0)) y por la l nea recta que va de (x, y ) = (0, f (0)) a (x, y ) = (1, f (1)). Tambi en vimos que la regla de Simpson se puede entender como la relaci on que resulta al aproximar f (x) por un polinomio de grado dos que pasa por (1, f (1)), (0, f (0)) y (1, f (1)). Como es previsible, la regla de Simpson es mejor que la regla del trapecio. Parece natural llevar esta idea m as all ay obtener f ormulas de integraci on aproximadas mejores sin m as que aproximar la funci on f (x) por polinomios de orden mayor que dos. Polinomios de interpolaci on. El polinomio de interpolaci on de Lagrange en n puntos, xk con k = 1, 2, , n, de una de una funci on cualquiera f (x) es un polinomio de grado n 1 que pasa por los n puntos (xk , f (xk )) con k = 1, 2, , n y que viene dado por la expresi on
n
Qn1 (x) =
k=1
c(x, xk )f (xk )
(4.40)
donde c(x, xk ) = (x) el polinomio de grado n dado por
(x) , (x xk ) (xk )
(4.41)
(x) = (x x1 )(x x2 ) (x xn ),
(4.42)
222 y (xk ) = d dx
M etodos num ericos
= (xk x1 ) (xk xk1 )(xk xk+1 ) (xk xn ).

x=xk
(4.43)
Cuadratura de interpolaci on. Es f acil entender que a medida que el polinomio Qn1 (x) aumenta de grado (pasa por m as puntos) la aproximaci on de Qn1 (x) a la funci on f (x) mejora notablemente: f (x) Qn1 (x). [Por supuesto, cuando f (x) es un polinomio de grado n 1, la f ormula de interpolaci on de n puntos conduce a un polinomio de interpolaci on Qn1 (x) igual a f (x).] Por tanto

r(x)f (x)dx

r(x)Qn1 (x)dx
n
(4.44) (4.45) (4.46)
r(x)
k=1
c(x, xk )f (xk )dx
k=1
wk f (xk )
donde wk =
r(x)c(x, xk )dx.
(4.47)
La f ormula de integraci on (4.46) se conoce como cuadratura de interpolaci on (o interpolatoria). Puede verse que la regla de Simpson se reobtiene si se usan tres puntos equiespaciados (lo que implica polinomio de interpolaci on de grado dos) situados en los extremos y en el punto medio del intervalo de integraci on. Cuando los puntos de interpolaci on xk est an equiespaciados, las diversas cuadraturas dadas por (4.46) se llaman f ormulas de Newton-Cotes. F ormula de integraci on de Gauss-Legendre. Si = 1 y = 1 y se escogen como puntos de interpolaci on xk a los ceros del polinomio de Legendre de grado n, Pn (xk ) = 0, la f ormula resultante se conoce como cuadratura de Gauss-Legendre. Esta f ormula resulta ser claramente mejor, para un n umero dado n de puntos de interpolaci on, que las cuadraturas de Newton-Cotes con un n umero de puntos de interpolaci on mucho mayor que n. A qu e se debe esto? La respuesta es que, mientras la cuadratura de Newton-Cotes de n puntos es (en principio) exacta si f (x) es un polinomio de grado n 1, la cuadratura de Gauss-Legendre de n puntos es exacta si f (x) es un polinomio de grado 2n 1. La explicaci on de este milagro reside en las propiedades de ortogonalidad de los polinomios de Legendre con respecto a la funci on peso r(x) = 1 en el intervalo [1, 1]. En efecto, sea f (x) un polinomio de grado 2n 1. Entonces el cociente de f (x) por el polinomio (x) de grado n es igual a un polinomio Qn1 (x) de grado n 1 con un resto Rn1 (x) que es un polinomio de grado n 1: f (x) Rn1 (x) = Qn1 (x) + , (x) (x) es decir, f (x) = (x)Qn1 (x) + Rn1 (x), (4.49) donde Qn1 (x) y Rn1 (x) son polinomios de grado n 1 dado que (x) es de grado n. Integrando la expresi on anterior se tiene
1 1 1
(4.48)
r(x)f (x)dx =
1 1
r(x) (x)Qn1 (x)dx +
r(x)Rn1 (x) dx.
(4.50)
4.4 C alculo de ra ces
223
Pero si (x) es un polinomio de grado n que pasa por los n ceros del polinomio ortogonal Pn (x), es claro que (x) = const Pn (x). Esto signica que (x) es ortogonal en el intervalo [a, b] con respecto a la funci on peso r(x) a todo polinomio de grado inferior a n por lo que la primera integral del miembro derecho de (4.50) es nula. Esto implica
1 1
r(x)f (x)dx =
1 1
r(x)Rn1 (x) dx.
(4.51)
Dado que Rn1 (x) es de grado n 1, la f ormula interpolatoria (4.46) de n puntos es exacta, por lo que
1 1 n
r(x)Rn1 dx =
k=1 n
wk Rn1 (xk ),
(4.52)
es decir, por (4.51),

1
r(x)f (x)dx =
1 k=1
wk Rn1 (xk ).
(4.53)
Pero dado que (xk ) = 0, se deduce de (4.49) que f (xk ) = Rn1 (xk ), por lo que la ecuaci on anterior se convierte en
1 n
r(x)f (x)dx =
1 k=1
wk f (xk ).
(4.54)
Esto es justamente lo que quer amos demostrar: cuando f (x) es un polinomio de grado menor o igual a 2n 1, la f ormula de interpolaci on de n puntos n k=1 wk f (xk ) proporciona la integral 1 on xk son justamente los ceros del 1 r (x)f (x)dx de forma exacta si los puntos de interpolaci polinomio ortogonal de grado n con respecto a la funci on peso r(x) en el intervalo [1, 1].13 Ejercicio 4.8
El m etodo de Gauss-Legendre puede emplearse para calcular integrales r(x)f (x)dx, donde = 1 y = 1, sin m as que emplear un cambio de variable que transforme la anterior integral en otra cuyo intervalo de integraci on sea [1, 1]. Cu al es este cambio de variable?
4.4. C alculo de ra ces

Una de las tareas m as b asicas del c alculo num erico es el c alculo de las ra ces (o ceros) de una funci on. En lo que sigue denotaremos por x a las ra ces de la ecuaci on f (x) = 0. En las secciones siguientes describiremos cuatro m etodos num ericos u tiles para la evaluaci on de ra ces.
4.4.1. M etodo de la b usqueda

Este es un m etodo muy simple que explota el hecho de que la funci on f (x) debe tener signos distintos a la derecha e izquierda de la ra z. El procedimiento es el siguiente: 1. Sea x0 un n umero menor que la ra z buscada y supongamos, por concretar, que f (x0 ) > 0. Empezamos eligiendo un valor inicial peque no arbitrario h0 para el salto de la b usqueda.
En www hay una pr actica en Mathematica que trata sobre el m etodo de Gauss y que tiene por objetivo para facilitar la comprensi on de los contenidos de esta secci on.
13
224
M etodos num ericos
2. Evaluamos la funci on f (x) en x1 = x0 + h0 y comprobamos si f (x1 ) es mayor o menor que 14 cero. Entonces: a ) Si f (x1 ) es mayor que cero, es decir, si f (x) no ha cambiado de signo entre x0 y x1 , asumimos15 que la ra z est a a la derecha de x1 por lo que comenzamos de nuevo la b usqueda repitiendo el proceso desde el paso 2 pero con x1 haciendo el papel de x0 . b) Si f (x1 ) es menor que cero, es decir, si f (x) ha cambiado de signo entre x0 y x1 , concluimos que la ra z buscada est a situada entre x0 y x1 . En este caso comenzamos de nuevo en el paso 1, es decir partimos nuevamente de x0 pero usando ahora un nuevo paso de b usqueda de un tama no igual a la mitad del anterior: h0 /2 h1 .
3. El proceso se detiene cuando hn alcanza un valor menor que uno prejado (tolerancia) o cuando el n umero de pasos sobrepasa un valor Nmax previamente establecido. El resultado nal del proceso es por tanto una estimaci on del valor de la ra z x con una precisi on (tolerancia) de hn [suponiendo que f (x) ha cambiado al menos una vez de signo en el transcurso del proceso]. Este m etodo podr a fallar: Si se sobrepasa la ra z buscada sin cambiar el signo de f (x). Si la funci on es discontinua y tiene signos distintos a cada lado de la discontinuidad. En este caso, el m etodo nos proporcionar a como ra z el punto en el cual la funci on es discontinua.
4.4.2. M etodo de la bisecci on

Este es un m etodo similar al de la b usqueda que se basa tambi en en el hecho de que a la derecha e izquierda de la ra z la funci on f (x) debe tener signos distintos. El procedimiento es como sigue: z buscada x est a entre a0 y b0 . Esto signica que f (a0 ) f (b0 ) < 0. 1. Suponemos que la ra 2. Calculamos el valor de f (x) en el punto medio c0 del intervalo [a0 , b0 ], es decir, calculamos f (c0 ) con c0 = (a0 + b0 )/2. a ) Si f (a0 ) f (c0 ) > 0, es decir, si f (a0 ) y f (c0 ) > 0 son de igual signo, asumimos16 que la ra z est a entre c0 y b0 [pues entonces f (c0 ) f (b0 ) < 0]. En este caso asignamos el papel de a0 , es decir, el papel de frontera izquierda, a c0 y continuamos el proceso empezando de nuevo en el paso 1. b ) Si f (a0 ) f (c0 ) < 0, es decir, si f (b0 ) y f (c0 ) > 0 son de igual signo, asumimos que la ra z est a entre c0 y a0 [pues entonces f (c0 ) f (a0 ) < 0]. En este caso asignamos el papel de b0 , es decir, el papel de frontera derecha, a c0 y continuamos el proceso empezando de nuevo en el paso 1. 3. El proceso se detiene cuando la distancia entre la frontera derecha e izquierda es menor que un valor > 0 prejado (la tolerancia) o bien cuando el n umero de iteraciones n (es decir, el n umero de veces que volvemos a empezar con nuevas fronteras) excede uno prejado: n Nmax .
Si f (x1 ) fuera igual a cero habr amos encontrado la ra z buscada: x = x1 . Debe quedar claro que esto es s olo una suposici on; uno de los defectos de este m etodo es que podr a no encontrar la ra z si esta suposici on no se cumple. Esta dicultad se discute al nal de esta subsecci on. 16 Esto es s olo una suposici on. En ciertas situaciones podr a ocurrir que la ra z realmente estuviera entre a0 y c0 . Estas situaciones problem aticas son de naturaleza similar a las discutidas en secci on 4.4.1.
15 14
4.4 C alculo de ra ces
225
f(x)
f(x) x
f(x )+f '(x )(x-x )
n n n
~ x
x
ia Hac
~ x
n+1
(a)
(b)
Figura 4.7: (a) Esquema gr aco del m etodo de Newton. (b) Un ejemplo en el que el m etodo de Newton no es capaz de encontrar el cero de la funci on f (x)
Es f acil darse cuenta que este m etodo fallar a si la funci on es discontinua y tiene signos distintos a cada lado de la discontinuidad. En este caso, igual que suced a con el m etodo de la busqueda, el m etodo de la bisecci on nos proporcionar a como ra z el punto en el cual la funci on es discontinua.
4.4.3. M etodo de Newton

Para utilizar este m etodo (tambi en llamado m etodo de Newton-Raphson) es necesario conocer el valor de la funci on df /dx f (x). La interpretaci on gr aca de este m etodo se muestra en la gura 4.7(a). Vemos f acilmente que la derivada de f (x) en el punto xn viene dada por la expresi on f (xn ) = de donde se deduce que xn+1 = xn f (xn ) xn xn+1 f (xn ) . f (xn )
(4.55)
Al utilizar el m etodo de Newton se asume que xn x cuando n , hecho que no est a siempre garantizado como se ilustra en la gura 4.7(b). Las iteraciones xn xn+1 se detienen: Bien cuando la diferencia (tolerancia) |xn+1 xn | sea menor que un valor prejado, Bien cuando el n umero de iteraciones alcance un tope Nmax preestablecido. En general, el m etodo de Newton converge muy r apidamente a la ra z buscada. De hecho, es f acil demostrar que bajo condiciones muy generales (v ease [KC94, secci on 3.2]), si la cantidad ) (v ease el problema 4.4). (error en el paso n) en = |x xn | es peque na, entonces en+1 = O(e2 n Esto signica que el error disminuye cuadr aticamente, es decir, que el m etodo converge muy r apidamente.
226
M etodos num ericos
En este ejemplo vamos a ver c omo se calcula la ra z cuadrada R de un n umero cualquiera R mediante el m etodo de Newton. Llamemos x a la ra z cuadrada de R. Entonces x = R x2 = R x2 R = 0, es decir, la ra z cuadrada de R es el cero de la funci on f (x) = x2 R. Aplicando el m etodo de Newton a esta ecuaci on se tiene que [v ease la ecuaci on (4.55)] x2 R 1 R xn+1 = xn n = xn + . (4.56) 2xn 2 xn Al parecer, esta f ormula ya era conocida por los matem aticos sumerios hace 4000 nos. Tambi en se atribuye a al ingeniero griego Her on. Veamos qu e tal funciona us andola para calcular 2. En este caso R = 2 y la ecuaci on anterior se reduce a xn 1 xn+1 = + . 2 xn El valor de 2 es (daremos s olo los primeros 60 d gitos decimales de cada n umero): 2 = 1 41421356237309504880168872420969807856967187537694807317667 El m etodo de Newton conduce a x0 x1 x2 x3 x4 x5 x6 = = = = 2 1 50000000000000000000000000000000000000000000000000000000000 1 41666666666666666666666666666666666666666666666666666666666 1 41421568627450980392156862745098039215686274509803921568627
Ejemplo 4.8
= 1 41421356237468991062629557889013491011655962211574404458490 = 1 41421356237309504880168962350253024361498192577619742849828 = 1 41421356237309504880168872420969807856967187537723400156101
Los d gitos que coinciden con los exactos han sido subrayados. N otese que este n umero tiende a duplicarse en cada iteraci on o, lo que es equivalente, el error disminuye cuadr aticamente en cada iteraci on. Ejercicio 4.9 Justica la equivalencia de las dos armaciones anteriores.
4.4.4. M etodo de la secante

El m etodo de Newton tiene el defecto de que requiere conocer la derivada de la funci on f (x) cuyo cero queremos hallar y esto no es siempre factible. El m etodo de la secante es muy similar al de Newton pero no requiere el conocimiento de esta derivada. La idea clave en el m etodo de la secante consiste en sustituir la derivada f (xn ) que aparece en la f ormula del m etodo de Newton [v ease la ecuaci on (4.55)] por una expresi on aproximada: f (xn ) f (xn ) f (xn1 ) . xn xn1
Esta aproximaci on viene motivada por la denici on de la pendiente de la tangente f (xn ) como el l mite de la pendiente de la secante: f (xn ) = l m
z xn
f (xn ) f (z ) . xn z
4.5 Ecuaciones diferenciales ordinarias con condiciones iniciales
227
f(x)
~ x
sec ant e
x x
n+1
n-1
Figura 4.8: Representaci on gr aca del m etodo de la secante. En denitiva, la f ormula del m etodo de la secante, equivalente a la f ormula (4.55) del m etodo de Newton, es xn xn1 . (4.57) xn+1 = xn f (xn ) f (xn ) f (xn1 ) Puede verse la interpretaci on gr aca de este procedimiento en la gura 4.8. Para calcular la estimaci on xn+1 es preciso conocer las dos estimaciones anteriores xn y xn1 , por lo que al comenzar el c alculo de la ra z x debemos proporcionar dos valores (estimaciones) iniciales: x0 y x1 .
4.5. Ecuaciones diferenciales ordinarias con condiciones iniciales

En el pr oximo cap tulo 5, dedicado a las ecuaciones diferenciales no lineales, veremos la tremenda utilidad de los m etodos num ericos de resoluci on de ecuaciones diferenciales ordinarias. Por ejemplo, cuando estudiemos las ecuaciones de Lorenz se ver a que carecen de soluciones anal ticas (ni exactas ni aproximadas) y que su resoluci on num erica es casi la u nica herramienta disponible para analizar el comportamiento de sus soluciones. Esta situaci on es de lo m as corriente cuando tratamos con ecuaciones no lineales. Las guras 4.9 y 4.10 pretenden ilustrar esta situaci on. En ellas se representan las soluciones num ericas de dos osciladores amortiguados. En la gura 4.9 se representa la soluci on del oscilador lineal y (x) + 1 y (x) + y (x) = 10 cos(x), 10 y (0) = 1, y (0) = 0
cuyo comportamiento es sencillo. Por tanto no es irrazonable esperar que sea posible hallar una soluci on anal tica (al menos aproximada) para este problema. Sin embargo, para el oscilador no lineal 1 y (x) + y (x) + y 3 (x) = 10 cos(x), y (0) = 1, y (0) = 0 10 encontramos una soluci on completamente distinta con un comportamiento muy irregular. Es claro que en este caso debemos perder toda esperanza de poder expresar la soluci on de este oscilador de forma anal tica. En este caso, como en tantos otros, los m etodos num ericos se convierten en una herramienta imprescindible. En lo que sigue, estudiaremos los m etodos num ericos de resoluci on de ecuaciones diferenciales centr andonos en la resoluci on de las ecuaciones diferenciales ordinarias de primer orden con condiciones iniciales: y (x) = f (x, y ) con y (x0 ) = y0 .
228
M etodos num ericos
y
75 50 25 10 -25 -50 -75 20 30 40 50
y
3 2 1
x
-1 -2 -3
10
20
30
40
50
Figura 4.9: Soluci on del oscilador lineal y (x) + 0 1y (x) + y (x) = 10 cos(x) con las condiciones iniciales y (0) = 1, y (0) = 0.
Figura 4.10: Soluci on del oscilador no lineal y (x) + 0 1y (x) + y 3 (x) = 10 cos(x) con las condiciones iniciales y (0) = 1, y (0) = 0.
Lo haremos as debido a que: Las ecuaciones diferenciales de primer orden son muy simples de modo que los m etodos que estudiemos ser an m as f aciles de entender al no quedar oscurecidos por las complejidades propias de las ecuaciones diferenciales de orden superior. Los m etodos son id enticos para ecuaciones (o sistemas) de orden superior cambiando s olo la complejidad formal y la longitud de las manipulaciones (generalmente de naturaleza meramente algebraica). Algunas deniciones Llamaremos (x) a la soluci on exacta de la ecuaci on diferencial y (x) = f (x, y ) cuya condici on inicial es y (x0 ) = y0 . Es decir, (x) satisface la relaci on (x) = f x, (x) con (x0 ) = y0 . (4.58)
El resultado de una resoluci on (o integraci on) num erica de una ecuaci on diferencial ordinaria es la estimaci on aproximada del valor de la soluci on (x) en un conjunto nito de puntos xn con i = 0, 1, . . . . Denotaremos por yn justamente a esta estimaci on num erica de (x) en el punto n- esimo, es decir, a la estimaci on de (xn ): yn (xn ). En muchas ocasiones los puntos xn se escogen de forma equiespaciada: h = xn+1 xn . En este caso xn = x0 + nh. El n umero h es el tama no del paso.
4.5.1. M etodo de Euler

Es el m etodo m as sencillo, y por ello el m as u til, para presentar las ideas fundamentales de la integraci on num erica de ecuaciones diferenciales ordinarias. Sin embargo no es, ni mucho menos, el mejor de los m etodos num ericos. Su inter es es principalmente acad emico.
4.5 Ecuaciones diferenciales ordinarias con condiciones iniciales Empezamos integrando la relaci on (4.58) entre x0 y x1 :
x1 x1
229
f x, (x) dx =
x0 x0
(x) dx = (x1 ) (x0 ),
es decir,
x1
(x1 ) = (x0 ) +
x1
f x, (x) dx
x0
= y0 +
f x, (x) dx.
x0
Podr amos hallar el valor exacto de (x1 ) evaluando la integral anterior, pero esto requiere conocer precisamente la soluci on (desconocida) (x). En el m etodo de Euler esta integral se estima mediante la regla del rect angulo:
x1
f x, (x) dx
x0
f (x0 , y0 ) (x1 x0 )
es decir, se aproxima el area que hay bajo la curva f x, (x) entre x1 y x0 por el area del rect angulo de ancho (x1 x0 ) y altura igual a la ordenada de la curva en su extremo izquierdo, f (x0 , y0 ). En denitva (x1 ) (x0 ) + f x0 , (x0 ) h. (4.59) Esta aproximaci on se puede entender tambi en como la estimaci on que se hace de (x1 = x0 + h) mediante el desarrollo en serie de Taylor alrededor del punto x0 truncado a partir del orden h2 : (x1 = x0 + h) = (x0 ) + d dx h + O(h2 )
x0 2
(4.60)
= (x0 ) + f x0 , (x0 ) h + O(h ). La f ormula (4.59) se reobtiene tras despreciar los t erminos O(h2 ). La estimaci on num erica de (x1 ) mediante el m etodo de Euler es justamente y1 = (x0 ) + f x0 , (x0 ) h = y0 + f (x0 , y0 ) h. El error que se comete es de orden h2 pues (x1 ) = y1 + O(h2 ). Para estimar ahora el valor de (x) en el siguiente punto x2 , procedemos como antes e integramos (x) = f x, (x) entre x1 y x2 :
x2 x1 x2
(x) dx = (x2 ) (x1 ) =
f x, (x) dx.
x1
Aproximando nuevamente la integral mediante la regla del rect angulo se tiene que
x2
f x, (x) dx
x1
f x1 , (x1 ) (x2 x1 ),
y por tanto (x2 ) (x1 ) + f x1 , (x1 ) (x2 x1 ).
230
M etodos num ericos
Ahora encontramos una dicultad nueva: no sabemos cu anto vale la soluci on exacta en el punto izquierdo pues (x1 ) es desconocido. Antes (x0 ) era conocido pues ven a dado por las condiciones iniciales: (x0 ) = y0 . En el m etodo de Euler esta dicultad se resuelve aproximando (x1 ) por y1 : (x2 ) (x1 ) + f x1 , (x1 ) (x2 x1 ) y1 + f (x1 , y1 ) (x2 x1 ) o bien (x2 ) y1 + f (x1 , y1 ) h.
Al miembro derecho de esta ecuaci on lo llamaremos y2 : y2 y1 + f (x1 , y1 ) h. (4.61)
Por tanto y2 es la estimaci on del valor de (x2 ) que proporciona el m etodo de Euler. Deber a ser ahora evidente que cualquier otra estimaci on yn+1 de la cantidad (xn+1 ) seg un el m etodo de Euler viene dada por la expresi on (xn+1 ) yn+1 = yn + f (xn , yn ) h . (4.62)
Esta relaci on es conocida como ecuaci on o f ormula de integraci on de Euler. Su interpretaci on gr aca se da en la gura 4.11.
Ejemplo 4.9
Ilustraremos el m etodo de Euler utiliz andolo para resolver una ecuaci on diferencial muy sencilla: y (x) = x + y con y (0) = 1.
La soluci on exacta es (x) = 1 x + 2 ex , como se puede comprobar por sustituci on en la ecuaci on diferencial. Lo primero que hacemos es elegir (arbitrariamente) un tama no de paso, digamos, h = 0 1. Calculamos ahora las estimaciones yn mediante el m etodo de Euler y comparamos con los valores exactos (xn ) que damos en negrita: x0 = 0, x1 = 0 1, y0 = 1, y1 = y0 + h f (x0 , y0 ) = 1 + 0 1 f (0, 1) = 1 + 0 1 (0 + 1) = 1 1 (x1 ) = 1 1103 x2 = 0 2, y2 = y1 + h f (x1 , y1 ) = 1 + f (0 1, 1 1) = 1 1 + 0 1 (0 1 + 1 1) = 1 22 (x2 ) = 1 2428
Errores Hemos visto en el ejemplo anterior que los resultados num ericos dieren de los exactos. Esto es debido a la existencia de dos fuentes de error:
231
(x n+1 )
en

yn xn
(a)
y n+1 x n+1

(b)
Figura 4.11: Representaci on gr aca del m etodo de Euler e interpretaci on geom etrica del error debido a la discretizaci on. (a) en = (xn+1 ) yn+1 ; (b) En = (xn ) yn .
1. La primera fuente de error es la inexactitud de la f ormula discretizada. El error que se comete al calcular yn+1 mediante la f ormula discretizada suponiendo que yn fuera el valor exacto, se conoce como error de discretizaci on local, en , del n- esimo paso de integraci on: en = (xn+1 ) yn+1 siendo yn (xn ) exacto . (4.63)
Por la f ormula (4.60) sabemos que en el m etodo de Euler este error es de orden h2 . En el ejemplo anterior (con h = 0 1) ve amos que e0 = (0 1) y1 = 1 1103 1 1 = 0 0103. La diferencia entre la soluci on exacta y la num erica en un punto se conoce como error de discretizaci on acumulado: En = (xn ) yn . (4.64) En el ejemplo anterior ten amos que E2 = (0 2) y2 = 1 2428 1 22 = 0 02. No es dif cil demostrar [KC94] que el error de discretizaci on local que se comete en el m etodo 2 de Euler es de orden h si f (x, y ) y sus primeras derivadas parciales son continuas en la regi on de integraci on. En la gura 4.11 se muestra gr acamente en qu e consiste el error de discretizaci on local y el error de discretizaci on acumulado. 2. La segunda fuente de error es el n umero nito de d gitos con los que se representan los n umeros en los c alculos num ericos. Obviamente, este error puede reducirse usando un n umero mayor de d gitos. El error de redondeo acumulado se dene por Rn = yn Yn , (4.65)
siendo Yn el valor calculado real e yn el que deber a haberse calculado si la precisi on de nuestros c alculos fuera innita. Este tipo de error es dif cil de analizar. El error total est a acotado por |En | + |Rn |: |(xn ) Yn | = |(xn ) yn + yn Yn | |(xn ) yn | + |yn Yn | |En | + |Rn |.
232
M etodos num ericos
4.5.2. M etodo del desarrollo de Taylor

En la ecuaci on (4.60) mostramos que el el m etodo de Euler se puede entender como procedente del truncamiento en el orden h de la serie de Taylor (xn+1 ) = (xn ) + h d dx +
xn
h2 d2 2! dx2
= (xn ) + h f (xn , (xn )) +
xn xn h2 df (x, (x))
h3 d3 3! dx3 dx
+ ... + h3 d2 f (x, (x)) 3! dx2 + ...

xn
(4.66) (4.67)
2!
xn
Es evidente que podemos mejorar la estimaci on del m etodo de Euler si retenemos m as t erminos del desarrollo de Taylor. Por ejemplo, si truncamos a partir del t ermino de orden h2 , la f ormula ser a: (xn+1 ) =(xn ) + h f (xn , (xn )) + pues h2 [fx (xn , (xn )) + f (xn , (xn ))fy (xn , (xn ))] + O(h3 ) 2! (4.68)
df (x, y (x)) dy = fx (x, y ) + fy (x, y ) dx dx y, por la denici on de la funci on (x), d = f (x, ). dx Se ha usado la notaci on fx (x, y ) para referirse a la derivada parcial de f (x, y ) con respecto al primer argumento y fy (x, y ) para referirse a la derivada parcial de f (x, y ) con respecto al segundo argumento. La f ormula discretizada correspondiente a la f ormula (4.68) es por tanto: yn+1 = yn + h f (xn , yn ) + h2 [fx (xn , yn ) + f (xn , yn ) fy (xn , yn )] 2! (4.69)
cuyo error local de orden h3 . La generalizaci on a ordenes m as altos es inmediata. Sin embargo, este m etodo tiene como desventajas que: Requiere evaluar previamente las derivadas parciales fx , fy , fxx , . . . de f (x, y ). Sin embargo, la existencia de programas de c alculo simb olico hace que este requerimiento sea menos penoso y m as able que cuando, en los viejos buenos tiempos, hab a que hacerlo a mano. No es factible si estas derivadas parciales no existen. Sin embargo, esto no es lo habitual.
4.5.3. M etodo de Euler Modicado

Dado que (x) satisface la relaci on (x) = f x, (x) , se tiene que
xn+2
(xn+2 ) (xn ) =
f x, (x) dx.
xn
(4.70)
Estimaremos de nuevo la integral anterior mediante la regla del rect angulo, aunque ahora aproximaremos el integrando por el valor de f en el punto medio, es decir, en xn+1 . En tal caso se tiene que
xn+2
f x, (x) dx
xn
2h f xn+1 , (xn+1 ) .
(4.71)
233
De hecho sabemos [v ease la ecuaci on (4.23)] que el error que se comete al usar esta regla de 3 integraci on es de orden h , es decir,
xn+2 xn
f x, (x) dx = 2h f xn+1 , (xn+1 ) + O(h3 ).
(4.72)
Usando yn+1 en vez de (xn+1 ) se obtiene la relaci on

xn+2
f x, (x) dx
xn
2h f (xn+1 , yn+1 ).
La f ormula discretizada del m etodo de Euler modicado es por tanto yn+2 = yn + 2h f (xn+1 , yn+1 ). (4.73)
Para calcular yn+2 , es preciso conocer los dos puntos anteriores, yn+1 e yn . Por esta raz on se dice que es un m etodo de dos pasos. Dado que al inicio del procedimiento de resoluci on num erica s olo conocemos y0 , el valor de y1 ha de hallarse por otros m etodos. Por ejemplo, podemos hallar y1 mediante m etodos de un paso, tales como el m etodo de Euler simple, o bien mediante el desarrollo de Taylor. Por ejemplo, usando este u ltimo procedimiento, se tiene que y1 = y (x1 = x0 + h) = y0 + donde y dy dx h+
x0
1 d2 y 2 dx2
h2 + O(h3 )
x0
(4.74)
dy = f (x, y ) dx d2 y f f dy f f dy = + = + f (x, y ) . = dx2 dx x y dx x y
Ejemplo 4.10
Apliquemos este procedimiento a la ecuaci on del ejemplo 4.9 anterior: y = x + y, y (0) = 1.
Recu erdese que la soluci on exacta de esta ecuaci on es (x) = 1 x + 2 ex . Al igual que hicimos en el ejemplo anterior, tomamos h = 0 1 como tama no del paso. Hemos primero de calcular y1 . Lo haremos mediante la serie de Taylor: y (0) = 1, y (x) = f (x, y ) = x + y, y (x) = fx + f (x, y )fy = 1 + (x + y )1 = 1 + x + y, luego y (0) = f (0, 1) = 0 + 1 = 1, y (0) = 1 + 0 + 1 = 2. Utilizando la expresi on (4.74), tenemos entonces que y1 = 1 + h + 2 h2 = 1 + 0 1 + (0 1)2 = 1 11 . 2
234
La f ormula de Euler modicada es para este ejemplo igual a yn+2 = yn + 2 0 1[xn+1 + yn+1 ], luego tenemos que y2 = 1 + 0 2[0 1 + 1 11] = 1 242.
M etodos num ericos
El valor exacto es (0 2) = 1 2428. El m etodo de Euler modicado ha proporcionado una estimaci on y2 = 1 24 bastante mejor que el m etodo de Euler simple, el cual conduc a a y2 = 1 22.
4.5.4. M etodos Predictor-Corrector

Presentaremos aqu dos m etodos de este tipo: el m etodo de Euler mejorado y el m etodo de Milne. M etodo de Euler mejorado o m etodo de Heun Aproximamos la integral de
xn+1
(xn+1 ) (xn ) =
f x, (x) dx
xn
mediante la f ormula del trapecio [v ease la ecuaci on (4.29)]:

xn+1
f x, (x) dx =
xn
h [f (xn , yn ) + f (xn+1 , yn+1 )] + O(h3 ) 2 h [f (xn , yn ) + f (xn+1 , yn+1 )] , 2
para obtener la f ormula discretizada del m etodo de Euler mejorado o m etodo de Heun: yn+1 = yn + h [f (xn , yn ) + f (xn+1 , yn+1 )] . 2 (4.75)
Este m etodo es aparentemente in util porque el valor que queremos hallar, yn+1 , aparece en el argumento de f (x, y ) en el miembro derecho de la f ormula de discretizaci on. Para solventar este problema, lo que se hace es predecir este valor mediante otro m etodo (con el de Euler, por ejemplo). El valor estimado mediante este otro m etodo es el valor predictor y lo denotaremos por yn+1 . Es justamente este valor el que se usa en el miembro derecho de la ecuaci on de discretizaci on 17 (4.75) para hallar un nuevo valor, es decir el valor corregido de yn+1 : yn+1 = yn + h [f (xn , yn ) + f (xn+1 , yn+1 )] . 2 (4.76)
Si utilizamos el m etodo de Euler simple como m etodo predictor se tendr a que yn+1 = yn + h f (xn , yn ), por lo que la f ormula discretizada (4.76) se reducir a en denitiva a yn+1 = yn + h f (xn , yn ) + f xn+1 , yn + h f (xn , yn ) . 2 (4.77)
Esta f ormula es conocida como f ormula de Heun.

17
Hace falta explicar por qu e se dice que este es un m etodo de tipo Predictor-Corrector?
4.5 Ecuaciones diferenciales ordinarias con condiciones iniciales M etodo de Milne En este m etodo se aproxima la integral de
xn+2
235
(xn+2 ) (xn ) = mediante la f ormula de Simpson:

xn+2
f x, (x) dx
xn
f x, (x) dx =
xn
h [f (xn , yn ) + 4f (xn+1 , yn+1 ) + f (xn+2 , yn+2 )] + O(h5 ) 3 h [f (xn , yn ) + 4f (xn+1 , yn+1 ) + f (xn+2 , yn+2 )], 3
para obtener la f ormula discretizada del m etodo de Milne: yn+2 = yn + h [f (xn , yn ) + 4f (xn+1 , yn+1 ) + f (xn+2 , yn+2 )]. 3
Como en el caso anterior, resulta que el valor que pretendemos hallar, yn+2 , aparece en el argumento de f (x, y ) en el miembro derecho de la f ormula de discretizaci on. Este problema se solventa, tal como hicimos anteriormente, utilizando otro m etodo para predecir el valor yn+2 . Denotando por yn+2 a este valor predictor, tendr amos que el valor corregido seg un la ecuaci on de discretizaci on de Milne ser a yn+2 = yn + h [f (xn , yn ) + 4f (xn+1 , yn+1 ) + f (xn+2 , yn+2 )]. 3 (4.78)
Debe notarse que este m etodo es, como el m etodo de Euler modicado de la secci on 4.5.3, un m etodo de dos pasos: para calcular yn+2 hemos de conocer previamente la soluci on en los dos puntos anteriores yn e yn+1 . Por supuesto, para evaluar y2 , el punto y1 tiene que calcularse por alg un otro m etodo de un paso (por ejemplo, puede usarse el m etodo de Euler simple o el m etodo del desarrollo de Taylor).
4.5.5. M etodos de Runge-Kutta

Estos son m etodos muy populares por su facilidad de programaci on mediante ordenador y por la gran precisi on que pueden alcanzar. Los m etodos de Runge-Kutta de orden m se dise nan para reproducir la estimaci on de n+1 n que proporciona la serie de Taylor (xn+1 ) (xn ) = d dx h+
n
1 d2 2 dx2
h2 + +
n
1 dm m! dxm
hm + O(hm+1 )
n
(4.79)
si se trunca en el orden m. Es decir, la estimaci on yn+1 yn de la cantidad n+1 n que proporciona un m etodo de Runge-Kutta de orden m vendr a dada por los primeros m t erminos de (4.79): 1 d2 1 dm d h+ h2 + + hm . (4.80) yn+1 yn = 2 dx n 2 dx n m! dxm n Dicho en otros t erminos, en los m etodos de Runge-Kutta de orden m se hace que el error local en = (xn+1 ) yn+1 sea cero hasta orden hm , es decir, en = O(hm+1 ). Los m etodos de RungeKutta alcanzan este objetivo mediante la evaluaci on de f (x, y (x)) en ciertos puntos y sin evaluar ninguna derivada de la funci on (x). Siendo m as precisos, en el m etodo de Runge-Kutta de orden m se reproducen los m t erminos de la serie (truncada) de Taylor de la ecuaci on (4.80) anterior mediante la f ormula yn+1 = yn + 1 k1 + 2 k2 + + m km , (4.81a)
236 con
M etodos num ericos
k1 = f (xn , yn ) h , k2 = f [xn + a2 h, yn + b21 k1 ] h , k3 = f [xn + a3 h, yn + b31 k1 + b32 k2 ] h , . . . . . . km = f [xn + am h, yn + bm,1 k1 + + bm,m1 km1 ] h. (4.81b)
Los valores de los coecientes i , ai y bij se determinan de modo que (xn+1 ) yn+1 = O(hn+1 ). A primera vista, la f ormula de discretizaci on de Runge-Kutta (4.81) podr a parecer muy arbitraria y carente de justicaci on. Sin embargo, un poco m as de atenci on nos har a descubrir que algunas de las f ormulas de discretizaci on que hemos hallado anteriormente no son m as que casos particulares de (4.81). Por ejemplo, la f ormula de Heun dada por (4.77) es un caso particular de (4.81) con m = 2, 1 = 2 = 1 y a = b = 1. 2 21 2 Ejercicio 4.10
Demuestra que, tras hacer el cambio h h/2, la f ormula de Milne (4.78) adopta la forma de la ecuaci on (4.81) si yn+2 est a dada por la f ormula de Euler mocada e yn+1 por la f ormula de Euler.
En la siguiente secci on nos limitaremos a deducir las f ormulas del m etodo de Runge-Kutta de orden 2 (a pesar de que normalmente se usa el m etodo de Runge-Kutta de orden 4) porque el procedimiento para obtener las f ormulas de Runge-Kutta es el mismo para todos los ordenes y, sin embargo, las manipulaciones algebraicas requeridas para obtener las f ormulas de ordenes superiores se hacen muy pesadas a medida que el orden aumenta. M etodo Runge-Kutta de segundo orden En el m etodo de Runge-Kutta de orden 2 se pretende hallar una f ormula de discretizaci on de este tipo: yn+1 = yn + 1 k1 + 2 k2 (4.82) con k1 = f (xn , yn )h, k2 = f (xn + a h, yn + b k1 )h, (4.83)
donde {1 , 2 , a, b} son par ametros a determinar de modo que el error local en = (xn+1 ) yn+1 sea, como m nimo, de orden h3 . Por la denici on de error local asumimos que (xn ) yn . Calculamos (xn+1 ) mediante serie de Taylor hasta orden h2 : (xn+1 ) = (xn + h) = (xn ) + donde d dx d2 dx2
n
d dx
h+
n
1 d2 2 dx2
h2 + O(h3 )
n
(4.84)
d dx d2 dx2
xn
= [f (x, y )]xn = f (xn , yn ), = d f x, y (x) dx =

n
xn
f dy f + x dx y
= fx (xn , yn ) + f (xn , yn )fy (xn , yn ) .

n
En denitiva, tenemos que (xn+1 ) = yn + h f (xn , yn ) + h2 h2 fx (xn , yn ) + f (xn , yn )fy (xn , yn ) + O(h3 ). 2 2 (4.85)
4.5 Ecuaciones diferenciales ordinarias con condiciones iniciales Por otro lado, usando las expresiones de k1 y k2 de (4.83) en (4.82) se obtiene yn+1 = yn + 1 h f (xn , yn ) + 2 h f [xn + a h, yn + b h f (xn , yn )].
237
(4.86)
Pero mediante el desarrollo en serie de Taylor de la funci on de dos variables f [xn + a h, yn + b h f (xn , yn )] en torno a xn e yn se encuentra que f [xn + a h, yn + b h f (xn , yn )] = f (xn , yn ) + a h fx (xn , yn ) + b h f (xn , yn ) fy (xn , yn ) + O(h2 ). Insertando este resultado en (4.86) obtenemos yn+1 = yn + (1 + 2 ) h f (xn , yn ) + a 2 h2 fx (xn , yn ) + b 2 h2 f (xn , yn )fy (xn , yn ) + O(h3 ). Restando esta ecuaci on de la ecuaci on (4.85) se encuentra que el error local en = (xn+1 ) yn+1 es igual a en =(1 1 2 ) h f (xn , yn ) + + 1 b 2 2 1 a 2 2 h2 fx (xn , yn )
h2 f (xn , yn )fy (xn , yn ) + O(h3 ).
Podemos hacer que el error local en sea cero hasta orden h2 si elegimos los par ametros {1 , 2 , a, b} de modo que 1 1 1 + 2 = 1, a 2 = , b 2 = . (4.87) 2 2 Esto signica que en este m etodo (m etodo de Runge-Kutta de orden 2) el error local ser a de orden h3 : en = O(h3 ). En (4.87) hay tres ecuaciones y 4 par ametros a determinar, por lo que la soluci on de estas ecuaciones no es u nica. Tenemos pues la libertad de elegir entre las soluciones posibles. Por ejemplo, si escogemos a = 1 nos encontramos que a = 1 2 = 1 2 b = 1, 1 1 = 2 .
Se tiene entonces que la ecuaci on (4.82) se convierte en 1 1 yn+1 = yn + h f (xn , yn ) + h f [xn + h, yn + h f (xn , yn )] 2 2 1 = yn + (k1 + k2 ), 2 con k1 = f (xn , yn )h, k2 = f [xn + h, yn + h f (xn , yn )]h. La f ormula (4.88) es una f ormula tipo Runge-Kutta de orden 2 que coincide con la f ormula de Heun (v ease la expresi on (4.77) en la p agina 234). Otra elecci on posible es a= 1 1 2 = 1 b = 1 = 0. 2 2 (4.88) (4.89)
238 Esta elecci on conduce a una f ormula de tipo Runge-Kutta yn+1 = yn + k2 , = yn + h f xn + h h , yn + f (xn , yn ) 2 2
M etodos num ericos
equivalente a la f ormula del m etodo de Euler modicado sin m as que hacer h h/2 en la expresi on (4.73). M etodo Runge-Kutta de cuarto orden En el m etodo de Runge-Kutta de orden 4 la f ormula discretizada es de la forma yn+1 = yn + 1 k1 + 2 k2 + 3 k3 + 4 k4 , con k1 = f (xn , yn )h , k2 = f [xn + a2 h, yn + b21 k1 ]h , k3 = f [xn + a3 h, yn + b31 k1 + b32 k2 ]h , k4 = f [xn + a4 h, yn + b41 k1 + b42 k2 + b43 k3 ]h . Los coecientes i , aj bkl se buscan de modo que el error local en = (xn+1 ) yn+1 sea cero hasta orden h4 , es decir, en = O(h5 ). Expresando, tal como hicimos en el m etodo de RungeKutta de orden 2, el desarrollo de Taylor de (xn + h) e yn+1 en t erminos de derivadas parciales de f (x, y ) e identicando coecientes, se obtendr a un sistema algebraico de 11 ecuaciones para los 13 par ametros {1 , 2 , 3 , 4 , a2 , a3 , a4 , b21 , b31 , b32 , b41 , b42 , b43 } a determinar.18 Podemos, por ejemplo, elegir arbitrariamente 2 = 3 = 1 3 y hallar el resto de los coecientes mediante las 11 ecuaciones. El resultado es 1 1 = , 6 1 1 1 2 = , a2 = , b21 = , 3 2 2 1 1 1 3 = , a3 = , b31 = 0, b32 = , 3 2 2 1 a4 = 1, b41 = 0, b42 = 0, b43 = 1. 4 = , 6 En denitiva, tendr amos yn+1 = yn + con k1 = f (xn , yn )h, h k1 , yn + h, 2 2 h k2 k3 = f xn + , yn + h, 2 2 k4 = f (xn + h, yn + k3 ) h. k2 = f xn +
18
1 (k1 + 2k2 + 2k3 + k4 ) , 6
(4.90)
Pueden verse los detalles de este desarrollo en la referencia [Myi78]
239
Esta f ormula discretizada es conocida como f ormula de Runge-Kutta de orden 4 con coecientes de Runge o, simplemente, f ormula de Runge-Kutta de cuarto orden, dado que son los coecientes de Runge los que se emplean de modo casi exclusivo. Muy a menudo se la conoce como f ormula de Runge-Kutta cl asica. Por supuesto, otras elecciones de 2 y 3 conducen a otras f ormulas discretizadas tambi en v alidas [Ant02, sec. 11.4]. Por ejemplo, si elegimos 2 = 3 = 3/8, obtenemos la f ormula discretizada de Runge-Kutta con los coecientes de Kutta: yn+1 = yn + con k1 = f (xn , yn )h , h k1 , yn + h, 3 3 2h k2 k1 k3 = f x n + , yn + h, 3 3 3 k4 = f (xn + h, yn + k1 k2 + k3 ) h . k2 = f xn + Ejercicio 4.11
Demuestra que la f ormula de Runge-Kutta (con coecientes de Runge) se reduce a la regla de Simpson cuando la funci on f no depende de y .
1 (k1 + 3k2 + 3k3 + k4 ) , 8
(4.91)
Ejemplo 4.11
En este ejemplo estimaremos el valor de la soluci on de la ecuaci on diferencial y = x + y, y (0) = 1,
en el punto x = 0 2 mediante el m etodo de Runge-Kutta de orden 2 y orden 4 usando un paso igual a h = 0 2. Orden 2: La ecuaci on de Runge-Kutta de segundo orden es 1 yn+1 = yn + (k1 + k2 ), 2 con k1 = f (xn , yn ) h, k2 = f [xn + h, yn + h f (xn , yn )] h. En nuestro ejemplo se tiene que h = 0 2, y (0) = y0 = 1 , por lo que los valores de k1 y k2 son k1 = (0 + 1) 0 2 = 0 2, k2 = (0 2 + 1 2) 0 2 = 0 28.
240
Por tanto encontramos que y (0 2) y2 = 1 + 1 (0 2 + 0 28) 2 = 1 + 0 24 = 1 24
M etodos num ericos
Orden 4: Utilizando el grupo de f ormulas correspondientes al m etodo de Runge-Kutta de cuarto orden, ecuaciones (4.90), hallamos que k1 = f (0, 1) 0 2 = 0 2, k2 = f k3 = f 0+ 02 ,1 + 2 02 ,1 + 0+ 2 02 0 2 = (0 1 + 1 1) 0 2 = 0 24, 2 0 24 0 2 = (0 1 + 1 12) 0 2 = 0 244, 2
k4 = f (0 + 0 2, 1 + 0 244) 0 2 = (0 2 + 1 244) 0 2 = 0 2888, por lo que la soluci on es y2 = 1 + 1 (0 2 + 2 0 24 + 2 0 244 + 0 2888) 6 = 1 2428.
Como vimos en los ejemplos anteriores, la soluci on exacta es (0 2) = 1 2428. Luego el m etodo de RungeKutta de cuarto orden nos ha proporcionado con s olo un paso de tama no h = 0 2 una mejor estimaci on del valor exacto (0 2) que cualquiera de los m etodos vistos anteriormente (incluso cuando empleaban el tama no de paso m as peque no h = 0 1).19
4.5.6. Sistemas de ecuaciones de primer orden

Los m etodos num ericos que hemos presentado en la secci on anterior estaban dise nados para resolver una u nica ecuaci on diferencial de primer orden. Sin embargo, su generalizaci on para hacerlos aplicables a sistemas de ecuaciones diferenciales de primer orden no es especialmente dif cil. Por ejemplo, para el sistema dx = f (t, x, y ), dt (4.92) dy = g (t, x, y ). dt es f acil demostrar que la f ormula discretizada de Euler vendr a dada por xn+1 = xn + h f (tn , xn , yn ), yn+1 = yn + h g (tn , xn , yn ). (4.93)
De modo an alogo, el m etodo de Runge-Kutta de cuarto orden con los coecientes de Runge tomar a la forma 1 xn+1 = xn + (k1 + 2 k2 + 2 k3 + k4 ), 6 (4.94) yn+1 = yn + 1 (l1 + 2 l2 + 2 l3 + l4 ), 6
En www hay una pr actica en Mathematica en la que se compara el m etodo de Euler y el de Runge-Kutta de orden 4.
19
4.6 M etodos num ericos para problemas de contorno con k1 = f (tn , xn , yn ) h , l1 = g (tn , xn , yn ) h , k2 = f l2 k3 l3 k4 h k1 l1 , xn + , y n + h, 2 2 2 h k1 l1 = g tn + , x n + , y n + h, 2 2 2 k2 l2 h h, = f tn + , x n + , y n + 2 2 2 h k2 l2 = g tn + , x n + , y n + h, 2 2 2 = f (tn + h, xn + k3 , yn + l3 ) h , tn +
241
l4 = g (tn + h, xn + k3 , yn + l3 ) h . La generalizaci on a sistemas con un n umero mayor de ecuaciones es obvia.
4.6. M etodos num ericos para problemas de contorno

Hemos visto en la secci on anterior procedimientos num ericos para resolver ecuaciones diferenciales ordinarias con condiciones de iniciales. En esta secci on nos dedicaremos al estudio de m etodos num ericos capaces de resolver ecuaciones diferenciales ordinarias con condiciones de contorno (CC). Estos m etodos suelen ser m as complicados, menos directos, que los que se usan para resolver los problemas de condiciones iniciales. Las ecuaciones sobre las que aplicaremos los m etodos ser an ecuaciones diferenciales de segundo orden: y (x) + p(x)y (x) + q (x)y (x) = f (x) con axb.
La generalizaci on a otro tipo de ecuaciones no suele ser dif cil. En esta secci on estudiaremos tres clases de m etodos: m etodos en diferencias nitas, m etodos iterativos, y m etodos de tiro.
4.6.1. M etodos en diferencias nitas

Estos m etodos se basan en la idea de discretizar la funci on inc ognita y (x) en el intervalo de inter es [a, b]: y (x) {y0 , y1 , . . . , yn } donde y (xm ) ym con a = x0 < x1 < < xn1 < xn = b y traducir las condiciones diferenciales que determinan y (x) (es decir, la ecuaci on diferencial) en condiciones algebraicas sobre el conjunto {y0 , . . . , yn }. El siguiente ejemplo debe hacernos entender esto de un modo m as claro.
Ejemplo 4.12
Queremos obtener una estimaci on num erica de la soluci on de la ecuaci on diferencial y (x) = y (x) (4.95a)
242
M etodos num ericos
y
x
y(x)=e
e=y
y y 1=y
0 1
x =0
0
x =h
1
x =2h
2
x =1
3
Figura 4.12: Discretizado y notaci on para el ejemplo 4.12.

que satisface las condiciones de contorno y (0) = 1, y (1) = e . (4.95b)
La soluci on exacta es y (x) = ex , como puede comprobarse f acilmente. Siguiendo la idea expuesta m as arriba, vamos a ver cu al ser a la traducci on algebraica de la anterior ecuaci on diferencial, o, lo que es lo mismo, la traducci on algebraica de la condici on: la segunda derivada de la funci on inc ognita en un punto dado es igual a esa misma funci on en ese punto, o, equivalentemente, la traducci on algebraica de que la curvatura de y (x) por xm es proporcional a ym . Tomaremos en este ejemplo h = xm+1 xm = 1/3 como valor de discretizaci on (v ease la gura 4.12). Sabemos por la secci on 4.3.1 que podemos aproximar la derivada ym de y (x) en xm mediante la f ormula de la derivada central de tres puntos (v ease la ecuaci on (4.19) en la p agina 214): ym1 2ym + ym+1 ym . h2 Luego la traducci on algebraica de la ecuaci on diferencial (4.95) en el punto gen erico xm es ym1 2ym + ym+1 = ym . h2 Particularizando esta expresi on en cada uno de los puntos del discretizado (en x0 , x1 , x2 , y x3 ) se obtiene el siguiente sistema algebraico : y0 y0 2y1 + y2 h2 y1 2y2 + y3 h2 y3 = 1, = y1 , = y2 , =e.
De este modo tenemos un sistema algebraico con cuatro valores a determinar, y0 , y1 , y2 , y3 y cuatro ecuaciones a satisfacer. La soluci on de este sistema (recu erdese que h = 1/3) es: y0 = 1 , y1 = 9 (19 + 9 e) 280 9 (9 + 19 e) y2 = 280 y3 = e . 1 397 , 1 949 ,
4.6 M etodos num ericos para problemas de contorno
243
A pesar de la discretizaci on tan grosera que hemos empleado (h = 1/3), estos resultados est an en muy buen acuerdo con los exactos: e1/3 1 396, e2/3 1 948. Ejercicio 4.12 Usa el procedimiento anterior para hallar una estimaci on num erica de la soluci on del problema de condiciones de contorno y (x) = 2 y (x) con y (0) = 1, y (1) = 1 para una discretizaci on de tama no h = 1/3. Compara con la soluci on exacta.
En resumen, la clave para traducir las condiciones diferenciales que determinan y (x) (es decir, la ecuaci on diferencial) en condiciones algebraicas sobre {y0 , . . . , yn } consiste en expresar de modo aproximado la derivada i- esima de y (x) en xm en la forma de una relaci on algebraica (derivada en diferencias) que involucre los valores discretizados {y0 , y1 , . . . , yn }. Si usamos la f ormula de la derivada central de tres puntos para estimar ym (v ease la ecuaci on (4.15)) y la derivada segunda central de tres puntos para estimar ym (v ease la ecuaci on (4.19) en la p agina 214), se tiene que en cada punto x = xm la ecuaci on diferencial y + p(x) y (x) + q (x) y (x) = f (x) toma la forma ym+1 2ym + ym1 ym+1 ym1 + q (xm ) ym = f (xm ) + p(xm ) h2 2h (4.96)
que es una ecuaci on en diferencias nitas. En lo que sigue denotaremos a esta ecuaci on (ecuaci on de discretizaci on de la ecuaci on diferencial en el punto xm ) mediante el s mbolo Em . Es decir, Em : 1 h2 1 h p(xm ) 2 ym1 + 1 1 q (xm ) h2 2 ym + 2 h2 h 1+ h p(xm+1 ) 2 ym+1 = f (xm ). (4.97) Condiciones de contorno Vamos ahora a discutir c omo incorporar las condiciones de contorno (CC) de modo que, junto con las relaciones discretizadas de la ecuaci on diferencial Em , den lugar a un sistema CCi=CC izquierda discretizada E1 E2 En1 CCd=CC derecha discretizada que sea resoluble. Distinguimos dos posibilidades:20 I. La condici on de contorno no involucra a la derivada (condici on de contorno de Dirichlet): y (a) y0 =
Salvo que se diga lo contrario, y sin p erdida de generalidad, nos limitaremos en lo que sigue a discutir la condici on de contorno a la izquierda.
20
244 En este caso el sistema en diferencias ser a CCi :
M etodos num ericos
y0 = y2 y0 y2 2y1 + y0 + p(x1 ) + q (x1 ) y1 = f (x1 ) E1 : 2 h 2h ............................................................
II. La condici on de contorno involucra a la derivada (condici on de contorno de Neumann): 1 y (a) + 2 y (a) = . (4.98)
Veamos dos modos naturales de discretizar esta condici on de contorno e incluirla junto con las ecuaciones Em en un sistema sobre {y0 , y1 , . . . , yn } que sea resoluble: 1. Un modo de implementar la condici on de contorno (4.98) en forma de diferencias nitas es aproximando y (a) mediante la f ormula de la derivada lateral derecha de dos puntos: y (a) (y1 y0 )/h [v ease la f ormula (4.16) de la p agina 212]. Por consiguiente la CCi quedar a as y1 y0 1 y (a) + 2 = h y el sistema adoptar a la forma CCi : y1 y0 1 y (a) + 2 = h y2 2y1 + y0 y2 y0 E1 : + q (x1 ) y1 = f (x1 ) + p(x1 ) 2 h 2h ...........................................................
2. Pero la derivada en diferencias lateral (por la derecha o izquierda) es menos precisa que la central ym = (ym+1 ym1 )/2h (tal como vimos en la secci on 4.3.1). Sin embargo, si usamos esta ecuaci on en la frontera, es decir, en el punto x0 , nos encontramos con la ecuaci on y0 = (y1 y1 )/2h, siendo y1 un valor cticio [correspondiente al punto x1 = a h situado fuera del intervalo de denici on de y (x)] cuya introducci on a nade una inc ognita m as al sistema algebraico. Por supuesto, este sistema no es resoluble si no se a nade una ecuaci on m as que involucre a y1 . El procedimiento habitual consiste en a nadir la ecuaci on gen erica (4.97) en el punto x = x0 = a, es decir a nadir la ecuaci on E0 al sistema. En resumen, el sistema quedar a CCpura : 1 y (a) + 2 y1 y1 = , 2h CCi y1 2y0 + y1 y1 y1 E : + p(x0 ) + q (x0 )y0 = f (x0 ), 0 h2 2h E1 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................................................................. Mediante la notaci on CCpura nos referimos a la ecuaci on de la condici on de contorno expresada en forma de diferencias. Veamos un par de ejemplos.
245
Ejemplo 4.13
Queremos hallar el sistema en diferencias correspondiente al problema de condiciones de contorno cuya ecuaci on es y (x) + p(x)y (x) + q (x)y (x) = f (x). y cuyas condiciones de contorno son 1 y (a) + 2 y (a) = , 1 y (b) + 2 y (b) = . Utilizando la opci on 2 anterior y tras multiplicar todas las expresiones por h2 , el sistema en diferencias quedar a
2 2 h y1 + 1 h2 y0 + h y1 = h 2 , 2 2 x0 CC h h 1 p0 y1 + q0 h2 2 y0 + 1 + p0 y1 = f0 h2 , E0 : 2 2 h h 2 x1 E1 : 1 p1 y0 + q1 h 2 y1 + 1 + p1 y2 = f1 h2 , 2 2 ....................................................................................... h h xn1 En1 : 1 pn1 yn2 + qn1 h2 2 yn1 + 1 + pn1 yn = fn1 h2 , 2 2 h h 2 En : 1 pn yn1 + qn h 2 yn + 1 + pn yn+1 = fn h2 , 2 2 xn CC CCdpura : 2 h yn1 + 1 h2 yn + 2 h yn+1 = h2 . 2 2 CCipura :
Obtenemos as un sistema algebraico lineal de n + 3 ecuaciones con n + 3 inc ognitas.
Observaciones. En los m etodos de resoluci on de ecuaciones diferenciales ordinarias con condiciones de contorno basados en la discretizaci on de la ecuaci on diferencial sucede que: La ecuaci on diferencial ha de ser lineal para que, t picamente, la resoluci on del sistema algebraico sea abordable. Se requiere mucha memoria de ordenador si utilizamos un n umero grande de puntos. A diferencia de los m etodos de tiro que expondremos m as adelante, las condiciones de contorno que involucran a y (x) son f aciles de implementar.
4.6.2. M etodos de tiro

Sea el problema de condiciones de contorno y (x) + H y (x), y (x), f (x) = 0, y (a) = , y (b) = , x [a, b], (4.99)
donde H es una funci on no necesariamente lineal. Los m etodos de tiro se basan en sustituir este problema por otro de condiciones iniciales: y (x) + H y (x), y (x), f (x) = 0, y (a) = , x [a, b], (4.100)
y (a) = m .
La soluci on de este u ltimo problema depende obviamente del valor inicial m de la derivada (la pendiente) y (x) en a, por eso escribiremos esta soluci on as : y (x; m). El objetivo de los m etodos
246
M etodos num ericos
de tiro es dar en el blanco, es decir, determinar el valor m de la derivada de y (x) en a, y (a) = m, de tal modo que y (x; m) satisfaga tambi en la condici on de contorno a la derecha: y (b, m) = . En denitiva: Buscamos el valor m tal que y (b; m) = . Dicho en otros t erminos, hay que encontrar un cero m de la funci on F (m) = y (b; m) , es decir, Buscamos el valor m tal que F (m) = 0. La funci on F (m) se calcula integrando num ericamente la ecuaci on diferencial de valores iniciales (4.100) y evaluando la soluci on en x = b. El cero de F (m) se puede calcular mediante los m etodos usuales que estudiamos en la secci on 4.4. Los m etodos de tiro, en contraste con los de diferencias nitas, pueden aplicarse sin dicultades especiales a ecuaciones diferenciales no lineales. Ejercicio 4.13
na un m etodo de tiro que permita resolver la ecuaci on diferencial (4.99) cuando una de las 1. Dise condiciones de contorno involucra una derivada (condici on de contorno de Neumann). Por concretar, sup on que y (a) = , y (b) = . 2. Haz lo mismo para el caso en el que ambas condiciones de contorno involucren la derivada. Por ejemplo, sup on que y (a) = , y (b) = .
4.6.3. M etodos iterativos en diferencias

Ilustraremos estos m etodos mediante la ecuaci on y (x) = f (x). (4.101)
La generalizaci on a otro tipo de ecuaciones es inmediata. Si discretizamos la ecuaci on anterior, es decir, si la traducimos a su relaci on equivalente en diferencias tal como hemos hecho en la secci on anterior, obtenemos que para cada punto xm la ecuaci on discretizada es Em : ym1 2ym + ym+1 = h2 fm 1 ym1 + ym+1 h2 fm = ym . 2 (4.102)
En los m etodos iterativos se interpreta esta ecuaci on como una asignaci on 1 ym1 + ym+1 h2 fm ym 2 (4.103)
es decir, como un procedimiento para obtener una estimaci on del valor de la soluci on y (x) en un punto xm a partir de estimaciones previas de y (x) en los puntos adyacentes xm1 y xm+1 . viejo Denotando por yj al valor previo de y (x) en el punto xj , la relaci on (4.103) toma la forma 1 viejo viejo 2 nuevo y + ym . +1 h fm ym 2 m1 (4.104)
viejo nuevo es una mejor estimaci on de y (xm ) que ym Asumiendo que en cada iteraci on, el valor ym 1 , es obvio que debemos realizar este proceso repetidamente hasta que el resultado de la iteraci on

[n]
247
converja. Si llamamos ym a la estimaci on de y (xm ) en la n-sima iteraci on, podemos escribir (4.104) de un modo m as conveniente:
[n+1] ym =
1 [n] [n] y + ym+1 h2 fm . 2 m1

[n]
(4.105)
[]
En los m etodo iterativos se asume que ym converge cuando n y que este valor ym es una estimaci on de y (xm ) tanto mejor cuanto menor es h. Dicho en otros t erminos, se asume que [] ym y (xm ) cuando n . El procedimiento condensado en la f ormula (4.105) es conocido como m etodo de Jacobi. N otese que si usamos la f ormula (4.105) en el sentido de m crecientes (de izquierda a dere[n+1] [n+1] cha), cuando procedemos a calcular el valor ym ya conocemos la estimaci on ym1 . Si, como estamos asumiendo, consideramos que ym1 es una mejor estimaci on de y (xm1 ) que ym1 , parece razonable introducir este dato mejorado en nuestro c alculo de ym es cambiando el proceso iterativo (4.105) por este otro:
[n+1] ym = [n+1] [n+1] [n]
. El modo obvio de hacerlo
1 [n+1] [n] y + ym+1 h2 fm . (4.106) 2 m1 Este m etodo iterativo, llamado m etodo de Gauss-Seidel, converge m as r apidamente que el de Jacobi y adem as es m as f acil de implementar. Por u ltimo, existe un m etodo a un m as rapido que el de Gauss-Seidel y que tambi en es f acil [n+1] de implementar. En este m etodo, conocido como m etodo de super-relajaci on, se estima ym [n] [n+1] como una mezcla ponderada del valor previo de ym (es decir, de ym ) y el valor de ym que se obtendr a mediante el m etodo de Gauss-Seidel:
[n+1] [n] [n+1] ym = (1 )ym + ym Gauss-Seidel
(4.107)
donde es el par ametro de super-relajaci on o par ametro de mezcla. Para la ecuaci on (4.101) de nuestro ejemplo, esta relaci on tomar a la forma 1 [n+1] [n] ym1 + ym+1 h2 fm . (4.108) 2 El valor optimo del par ametro que hace que el m etodo converja r apidamente suele estimarse por tanteo. N otese que cuando = 1 se recupera el procedimiento de Gauss-Seidel. Es l cito preguntarse sobre la convergencia de estos m etodos. El procedimiento m as sencillo y efectivo para responder a esta pregunta es implementar los m etodos y comprobar si convergen. Si no lo hacen, habr a que buscar otros procedimientos. Pero si convergen, sabemos que los valores hacia los cuales tienden las iteraciones son la soluci on (num erica) del problema.
[n+1] [n] ym = (1 )ym +
Ejercicio 4.14
Demu estrese que es cierta esta u ltima armaci on para cada uno de los tres m etodos anteriores, a saber, m etodo de Jacobi, m etodo de Gauss-Seidel y m etodo de super-relajaci on.
Ejemplo 4.14
A continuaci on se da un programa en QBASIC que implementa el m etodo de super-relajaci on para resolver el problema de condiciones de contorno y (x) + 12x2 = 0, y (0) = y (1) = 0,
cuya soluci on exacta es y (x) = x x4 como es f acil comprobar. Los valores iniciales de ym se escogen [0] todos iguales a cero, es decir, ym = 0. El programa es el siguiente:
248
Programa SUPRELAX.BAS n = 50 n debe ser par h = 1 / n omega = 1.9 DIM y(0 TO n), f(0 TO n) FOR i = 0 TO n x = i * h f(i) = -h * h * 12 * x * x y(i) = 0 NEXT i PRINT "omega="; omega, "n puntos="; n PRINT "y en x=1/2 exacto", 7 / 16 FOR it = 1 TO 1001 FOR i = 1 TO n - 1 yp = (y(i - 1) + y(i + 1) - f(i)) / 2 y(i) = (1 - omega) * y(i) + omega * yp NEXT i IF (it - 1) MOD 100 = 0 THEN PRINT USING "iteracion=######, y(x=1/2)=#.######"; it; y(n / 2) END IF NEXT it
M etodos num ericos
Este programa imprime las estimaciones de y (x = 1/2) cada 100 iteraciones. Estos valores deben compararse con el valor exacto y (x = 1/2) = 7/16 = 0 4375. Damos a continuaci on los resultados que se obtienen para distintos valores de (en el programa, es la variable omega) :
+++++++++++++++++++++++++++++++++++ omega= 1 n puntos= 50 y en x=1/2 exacto .4375 iteraci on= 1, y(x=1/2)=0.001110 iteraci on= 101, y(x=1/2)=0.124469 iteraci on= 201, y(x=1/2)=0.225867 iteraci on= 301, y(x=1/2)=0.294880 iteraci on= 401, y(x=1/2)=0.341391 iteraci on= 501, y(x=1/2)=0.372724 iteraci on= 601, y(x=1/2)=0.393831 iteraci on= 701, y(x=1/2)=0.408049 iteraci on= 801, y(x=1/2)=0.417628 iteraci on= 901, y(x=1/2)=0.424080 iteraci on= 1001, y(x=1/2)=0.428427 ++++++++++++++++++++++++++++++++++++ omega= 1.5 n puntos= 50 y en x=1/2 exacto .4375 iteraci on= 1, y(x=1/2)=0.002857 iteraci on= 101, y(x=1/2)=0.291481 iteraci on= 201, y(x=1/2)=0.393214 iteraci on= 301, y(x=1/2)=0.424020 iteraci on= 401, y(x=1/2)=0.433348 iteraci on= 501, y(x=1/2)=0.436173 iteraci on= 601, y(x=1/2)=0.437028 iteraci on= 701, y(x=1/2)=0.437287 iteraci on= 801, y(x=1/2)=0.437365 iteraci on= 901, y(x=1/2)=0.437389 iteraci on= 1001, y(x=1/2)=0.437397 ++++++++++++++++++++++++++++++++++++
4.7 Resoluci on num erica de la ecuaci on de difusi on
249
omega= 1.9 n puntos= 50 y en x=1/2 exacto .4375 iteraci on= 1, y(x=1/2)=0.007677 iteraci on= 101, y(x=1/2)=0.437375 iteraci on= 201, y(x=1/2)=0.437397 iteraci on= 301, y(x=1/2)=0.437398 iteraci on= 401, y(x=1/2)=0.437398 iteraci on= 501, y(x=1/2)=0.437398 iteraci on= 601, y(x=1/2)=0.437398 iteraci on= 701, y(x=1/2)=0.437398 iteraci on= 801, y(x=1/2)=0.437398 iteraci on= 901, y(x=1/2)=0.437398 iteraci on= 1001, y(x=1/2)=0.437398
Es evidente la gran inuencia que tiene el valor del par ametro de super-relajaci on en la rapidez de la convergencia de las iteraciones.
4.7. Resoluci on num erica de la ecuaci on de difusi on

En esta secci on estudiaremos m etodos num ericos de resoluci on de ecuaciones en derivadas parciales basados esencialmente en las ideas que discutimos en la secci on 4.6 anterior, es decir, basadas en la discretizaci on de las ecuaciones diferenciales para transformarlas en ecuaciones en diferencias (es decir, algebraicas). De forma abreviada, nos referiremos a estos m etodos como m etodos en diferencias. Son muy numerosas las formas de implementar estas ideas en m etodos num ericos ecientes [MM94, Ant02]. Discutiremos en secciones separadas los m etodos correspondientes a cada una de las tres clases de ecuaciones en derivadas parciales (parab olicas, hiperb olicas y el pticas) dado que los m etodos que son apropiados para cada clase suelen tener caracter sticas comunes. Siendo m as precisos, desde un punto de vista computacional, lo m as apropiado ser a clasicar las ecuaciones en derivadas parciales en dos tipos de ecuaciones: Ecuaciones din amicas, con evoluci on temporal, tales como las ecuaciones parab olicas e hiperb olicas. Ecuaciones est aticas, como son las ecuaciones el pticas. La distinci on desde un punto de vista computacional entre ecuaciones parab olicas e hiperb olicas no es tan importante porque muchos problemas combinan aspectos parab olicos e hiperb olicos y porque, muy a menudo, la resoluci on de los problemas hiperb olicos conlleva ciertos pasos intermedios en los que hay que resolver problemas parab olicos. Notaci on Empecemos mostrando la notaci on habitual propia de los m etodos num ericos en diferencias. Para ello usaremos un ejemplo concreto. Consideremos la siguiente ecuaci on en derivadas parciales
250 (EDP) unidimensional y doblemente inhomog enea 2u u = k 2 + Q(x, t) , t x u(0, t) = A(t), CC : u(L, t) = B (t), CI : u(x, 0) = f (x).
M etodos num ericos
(4.109)
Discretizaremos las funciones u(x, t), A(t), B (t) y Q(x, t) que aparecen en la EDP en la forma que se muestra en la gura 4.13, es decir, x es el tama no del paso de discretizaci on de la variable espacial x. t es el tama no del paso de discretizaci on del variable temporal t. xj es la posici on dada por j x: xj j x. tm es el instante dado por mt: tm mt. uj
(m)
es el valor de la funci on u(x, t) en la posici on xj en el instante tm : u(j x, mt) u(xj , tm ) uj

(m)
.
(m)
Uj
(m)
es la estimaci on num erica (en general aproximada) del valor exacto uj es el valor de la funci on Q(x, t) en la posici on xj en el instante tm : Q(j x, mt) Qj
(m)
Qj
(m)
Am y Bm son los valores de A(t) y B (t) en tm , respectivamente.
4.7.1. Un m etodo expl cito para ecuaciones difusivas

Describiremos este m etodo aplic andolo a la resoluci on del siguiente problema difusivo: u 2u =k 2, t x con u(0, t) = u(L, t) = 0, u(x, 0) = f (x). (4.111) (4.110)
Si u(x, t) fuera un campo de temperaturas, la ecuaci on anterior describe el problema de la difusi on del calor en una barra con extremos a temperatura ja nula y temperatura inicial dada por la funci on f (x). Para resolver la anterior ecuaci on num ericamente hemos de discretizarla, es decir, hemos de hallar la ecuaci on en diferencias correspondiente mediante la sustituci on de los operadores

t
251
u t
(m) 0
=A
u
m
(m) j
B =u
m
(m) N
A(t)
B(t)
t x 0 x f(x) f L x x
Figura 4.13: Discretizado espacio-temporal para la resoluci on en diferencias de una ecuaci on en derivadas parciales unidimensional. diferenciales por sus equivalentes en diferencias. Por ejemplo, podemos escribir (v ease la secci on 4.3.1) u t 2u x2 =
xj ,tm (m)
uj
(m+1)
uj
(m)
t uj 1 2uj
(m)
+ O(t), + uj +1
(m)
=
xj ,tm
(x)2
+ O(x)2 .
N otese que en la derivada temporal hemos usado la f ormula discretizada correspondiente a la derivada lateral.21 En denitiva la ecuaci on diferencial (4.110) se transforma en al ecuaci on en diferencias (m) (m) (m) (m+1) (m) uj 1 2uj + uj +1 uj uj =k + T (xj , tm ) (4.112) t (x)2 donde T (xj , tm ) = O(t) + O(x)2 se conoce como error de discretizaci on o error de truncamiento. Las condiciones de contorno y la condici on inicial de (4.111) se expresan as : u0
(m)
= u(0, mt) = 0, = u(L, mt) = 0, = u(j x, 0) = f (j x) = f (xj ) fj .
(4.113) (4.114) (4.115)
(m) uN (0) uj
Despreciando el error de truncamiento T (xj , tm ), la ecuaci on (4.112) se transforma en una (m) expresi on aproximada que nos permitir a estimar uj . Como a estas estimaciones las denotamos por Uj
(m)
, la ecuaci on que obtenemos, tras despreciar T (xj , tm ), es Uj

(m+1)
Uj
(m)
t
21
=k
Uj 1 2Uj
(m)
(m)
+ Uj +1
(m)
(x)2
(4.116)
Lateral? Aqu ser a m as natural hablar de derivadas hacia delante o hacia atr as, dado que usualmente tendemos a pensar que el tiempo avanza hacia delante y no hacia los lados. Si aceptamos esto, deber amos decir que hemos usado una derivada hacia delante (o delantera) de dos puntos.
252
M etodos num ericos
0.5 0.4 0.3 0.2 0.1
0.2
0.4
0.6
0.8
Figura 4.14: Soluci on num erica mediante el m etodo expl cito de la f ormula (4.117) de la EDP (4.118) con (t = 0 0025, x = 0 1), es decir, con S = 1/4, para t = 0, 0 01, 0 02, 0 03, 0 04, 0 08, 0 16. Esta ecuaci on la escribiremos de este modo m as conveniente: Uj
(m+1)
= Uj
(m)
+ S Uj 1 2Uj
(m)
(m)
+ Uj +1
(m)
con S =
k t . (x)2
(4.117)
Esta f ormula, conocida como f ormula en diferencias del m etodo expl cito, proporciona de forma expl cita una estimaci on de la soluci on u en el punto (xj , tm+1 ), u(xj , tm + t) = u(xj , tm+1 ) (m+1) Uj , a partir del valor de U en xj y en sus dos puntos adyacentes, xj 1 y xj +1 , en el instante tm . Estabilidad: qu e valores de t y x se pueden usar? Mostraremos a continuaci on mediante un ejemplo la importancia de la correcta elecci on del tama no del discretizado (t, x) cuando se emplea la f ormula (4.117). Para ello vamos a resolver la siguiente EDP:22 2u u = , t x2 CC: u(0, t) = u(1, t) = 0, CI: u(x, 0) = x para 0 x 1/2, 0 para 1/2 < x 1, (4.118)
mediante el m etodo expl cito, ecuaci on (4.117), usando diferentes valores de (t, x). Primera elecci on: (t = 0 0025, x = 0 1). En este caso se tiene que el valor del par ametro S de la f ormula (4.117) es igual S = 1/4. El resultado de la integraci on se muestra en la gura 4.14. Se ve que los resultados obtenidos son sensatos.
22
En www hay una pr actica en Mathematica donde se resuelve este problema de difusi on unidimensional.

6 4 2 0 -2 -4 0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8
253
1 0.75 0.5 0.25 0 -0.25 -0.5
(a)
(b)
Figura 4.15: Soluci on num erica mediante el m etodo expl cito de la f ormula (4.117) de la EDP (4.118) con (t = 0 01, x = 0 1), es decir, con S = 1, para (a) t = 0 (l nea discontinua) y t = 0 02 (l nea continua) y (b) t = 0, 0 01, 0 02, 0 03, 0 04.
Ejercicio 4.15
La resoluci on num erica de (4.118) mediante el m etodo expl cito con t = 0 0025 y x = 0 1 en el instante t = 0 02 da el siguiente resultado: (0, 0), (0 1, 0 0935394), (0 2, 0 175665), (0 3, 0 231825), (0 4, 0 248004), (0 5, 0 220543), (0 6, 0 162534), (0 7, 0 0979706), (0 8, 0 0472595), (0 9, 0 0168854), (1, 0) donde el par (x, U ) nos proporciona el valor de U en la posici on x. Resuelve la EDP mediante separaci on de variables y compara la soluci on anal tica para t = 0 02 con los anteriores resultados num ericos.
Segunda elecci on: (t = 0 01, x = 0 1). En este caso se tiene que S = 1. El resultado de la integraci on se muestra en la gura 4.15. No hay duda de que esta soluci on num erica es completamente err onea. Lo que hemos encontrado es que el m etodo num erico sintetizado en la f ormula (4.117) se vuelve inestable para S = 1. Afortunadamente se sabe bajo qu e circunstancias el m etodo que hemos expuesto es estable. Es posible demostrar [Hab83, secci on 13.3.4] (v ease tambi en el problema 4.16) que el m etodo expl cito (4.117) es estable si 1 S . (4.119) 1) 1 cos (N N
Esta condici on se conoce como criterio de estabilidad de von Neumann. Dado que 1cos ((N 1)/N es siempre menor o igual que 2 (la igualdad se da para N ), podemos asegurar que, a fortiori, el m etodo es estable siempre que S 1 1 . 1) 2 1 cos (N N
1
(4.120)
Es decir, podr a ocurrir que el procedimiento sea estable incluso para S > 1/2 si S < 1 cos (N 1) N ,
254
M etodos num ericos
pero lo que es siempre cierto es que el algoritmo ser a estable si S 1/2. Vale la pena notar que si se escoge S = 1/2, la f ormula (4.117) se reduce a Uj
(m+1)
1 (m) (m) Uj 1 + Uj +1 2
(4.121)
Esta f ormula es bien f acil de recordar: la temperatura (soluci on) en el instante tm+1 = tm + t en un punto xj es igual al valor medio de la temperatura de sus vecinos en el instante anterior tm . Eciencia-coste N otese que la condici on S = k t/(x)2 1/2 implica que el valor de t que elijamos debe vericar que (x)2 , (4.122) t 2k es decir, si discretizamos namente la posici on para alcanzar una buena precisi on, esto es, si escogemos x peque no, resulta entonces que t es muy, muy peque no, por lo que avanzar en el tiempo con saltos tan diminutos resulta computacionalmente muy costoso. Esto adem as puede conducir a p erdida de precisi on por acumulaci on de errores de redondeo. EDP no homog enea La generalizaci on del m etodo expl cito que acabamos de ver a ecuaciones diferenciales parciales no homog eneas23 es inmediata. Es f acil ver que la versi on discretizada de 2u u = k 2 + Q(x, t), t x u(0, t) = A(t), CC: u(L, t) = B (t), CI: u(x, 0) = f (x), vendr a dada por uj con u0
(m) (m+1)
uj
(m)
=k
uj 1 2uj
(m)
(m)
+ uj +1
(m)
(x)2
+ Q(j x, mt) + T (xj , tm )
= A(mt), = B (mt), = f (j x).
(4.123) (4.124) (4.125)
(m) uN (0) uj
Procediendo como en la p agina 252 deducir amos aqu una f ormula similar a la f ormula (4.117) (m+1) (m) (m) la cual nos permitir a obtener Uj a partir de Uj 1 y Uj . Ejercicio 4.16
Escr base esta f ormula expl citamente.
23
N otese que son doblemente inhomog eneas: inhomog eneas en la ecuaci on y en las condiciones de contorno.
255
Para estos problemas no homog eneos se sigue vericando el criterio de estabilidad dado por t S = k (x)2 1/2.
Ejemplo 4.15
En este ejemplo damos un programa QBASIC que resuelve num ericamente mediante el m etodo expl cito la ecuaci on24 u 2u = k 2 con k = 1, t x junto con condiciones de contorno u(0, t) = u(1, t) = 0 y la condici on inicial u(x, 0) = fnexacta(x, 0) = e20 (x1/2) e20 (x3/2) e20 (x+1/2) La soluci on exacta de este problema es
2 2 2 1 u(x, t) = e20 (x1/2) / e20 (x3/2) / e20 (x+1/2) / 2 2 2
con = 1 + 80t. El programa es el siguiente: Programa EDPEXPLI.BAS DEF fngauss (x, t) = EXP(-20 * (x - .5) ^ 2 / (1 + 80 * t)) / SQR(1 + 80 * t) DEF fnexacta (x, t) = fngauss(x, t) - fngauss(x - 1, t) - fngauss(x + 1, t) n = 30 numero de puntos (escojase par) DIM u(n) CLS ix = 1 / n dt = .0005 dt=discretizado temporal itmax = 200 numero maximo de iteraciones saltot = 40 mostraremos los resultados cada saltot iteraciones s = dt / ix ^ 2 parametro S PRINT "numero de puntos="; n PRINT "dx="; ix; PRINT ", dt="; dt; PRINT ", S="; s PRINT "numero de saltos="; itmax; ", t final="; itmax * dt PRINT t = 0 u(0) = 0: u(n) = 0 FOR i = 1 TO n - 1 u(i) = fnexacta(i * ix, 0) NEXT i PRINT "Errores en el punto medio para varios tiempos:" FOR it = 1 TO itmax uvieja = 0 FOR i = 1 TO n - 1 unueva = u(i) + s * (uvieja + u(i + 1) - 2 * u(i)) uvieja = u(i) u(i) = unueva NEXT i IF it MOD saltot = 0 THEN t = dt * it dif = fnexacta(ix * n / 2, t) - u(n / 2) PRINT USING "tiempo=#.######, error=#.#########"; t; dif
24
Pueden verse m as detalles en [Koo86].
256
M etodos num ericos
END IF NEXT it PRINT PRINT USING "Valores en varias posiciones en t=#.######"; t FOR i = 1 TO n - 1 IF i MOD 5 = 0 THEN exacto = fnexacta(i * ix, t) PRINT USING "u(##)=#.####^^^^, exacta=#.####^^^^"; i; u(i); exacto END IF NEXT i Los resultados obtenidos con el programa para distintas elecciones de x y t son: 1. x = 1/30 y t = 0 005 (y por tanto S = 0 45): numero de puntos= 30 dx= 3.333334E-02 , dt= .0005 , S= .45 numero de saltos= 200 , t final= .1 Errores en el punto medio para varios tiempos: tiempo=0.020000, error=0.001334429 tiempo=0.040000, error=0.000661522 tiempo=0.060000, error=0.000449330 tiempo=0.080000, error=0.000396758 tiempo=0.100000, error=0.000313401 Valores en varias posiciones en t=0.100000 u( 5)=0.1303E+00, exacta=0.1298E+00 u(10)=0.2258E+00, exacta=0.2260E+00 u(15)=0.2608E+00, exacta=0.2611E+00 u(20)=0.2258E+00, exacta=0.2260E+00 u(25)=0.1303E+00, exacta=0.1298E+00 Los resultados son bastante buenos, siendo el error del orden esperado. 2. x = 1/30 y t = 0 001 (y por tanto S = 0 9): numero de puntos= 30 dx= 3.333334E-02 , dt= .001 , S= .9 numero de saltos= 100 , t final= .1 Errores en el punto medio para varios tiempos: tiempo=0.020000, error=1.983485937 tiempo=0.040000, error=%0.439629824E+09 tiempo=0.060000, error=%0.814366000E+17 tiempo=0.080000, error=%0.148818889E+26 tiempo=0.100000, error=%0.272760126E+34 Valores en varias posiciones en t=0.100000 u( 5)=-.8610E+33, exacta=0.1298E+00 u(10)=0.1859E+34, exacta=0.2260E+00 u(15)=-.2728E+34, exacta=0.2611E+00 u(20)=0.2819E+34, exacta=0.2260E+00 u(25)=-.1785E+34, exacta=0.1298E+00 En este caso el par ametro S es mayor que 1/2 y la soluci on num erica es completamente err onea.
4.7 Resoluci on num erica de la ecuaci on de difusi on Otro m etodo expl cito: M etodo de Richardson
257
Este m etodo pretende mejorar al m etodo expl cito anterior disminuyendo el error de discretizado que se comete al evaluar la derivada temporal. Para ello, se sustituye la derivada (temporal) delantera de dos puntos (v ease la nota al pie de la p agina 251) por la f ormula de diferencias centrales de dos puntos (m+1) (m1) uj uj u = + O(t)2 , t 2t de modo que ahora el error de discretizaci on es de orden (t)2 [v ease la f ormula (4.14) en la p agina 212]. Usando esta relaci on, la ecuaci on de difusi on discretizada (en diferencias) queda Uj
(m+1)
Uj
(m1)
2t
=k
Uj 1 2Uj
(m)
(m)
+ Uj +1
(m)
(x)2
obteni endose la siguiente ecuaci on expl cita: Uj

(m+1)
= Uj
(m1)
2k t (m) (m) (m) Uj 1 2Uj + Uj +1 , (x)2
La idea que hemos expuesto parece muy buena pero, desafortunadamente, este m etodo num erico tiene un peque no problema: es siempre inestable por lo que no ha de usarse nunca. Esto puede demostrarse mediante un an alisis de estabilidad de von Neumann (v ease el problema 4.18 y la referencia [Hab83, sec. 13.3.4]).
4.7.2. El m etodo impl cito de Crank-Nicholson

En el m etodo expl cito (por supuesto, no en el de Richardson) que hemos visto en la secci on anterior, discretiz abamos la EDP 2u u =k 2 t x aproximando la derivada temporal por la derivada frontal en diferencias de dos puntos: u t uj
(xj ,tm ) (m+1)
uj
(m)
Desde luego, lo m as natural es interpretar uj

(m+1)
uj
(m)
(4.126)
como la f ormula frontal en diferencias de la primera derivada de u(x, t) en el punto (xj , tm ) de dos puntos. Sin embargo, es posible interpretar la f ormula (4.126) de otro modo: podemos ver la f ormula como la derivada central en diferencias de tres puntos de u(x, t) con respecto a t evaluada en el punto intermedio (xj , tm + t/2). Es decir, u(xj , tm + t) u(xj , tm ) u = + O(t/2)2 . t (xj ,tm + t ) t 2 (4.127)
Para completar la discretizaci on de la EDP en este punto intermedio debemos proporcionar la derivada segunda espacial en este punto intermedio. C omo hacerlo si s olo sabemos de u(x, t) en los puntos no intermedios (xj , tm )? Un modo bastante natural de resolver este problema es
258
M etodos num ericos
estimar esta derivada espacial mediante una interpolaci on o mezcla lineal de la derivada segunda de u con respecto a x en tm y la derivada segunda de u con respecto a x en tm + t: 2u x2 (xj ,tm + t ) 2 2u x2 + (1 )
(xj ,tm +t)
2u x2
.
(xj ,tm )
(4.128)
Aqu es el coeciente que pondera la mezcla. Usando la f ormula de diferencias centrales de tres puntos se tiene que 2u x2 (xj ,tm + t ) 2 uj 1
(m+1)
2uj
(m+1)
+ uj +1
(m+1)
(x)2
+ (1 )
uj 1 2uj
(m)
(m)
+ uj +1
(m)
(x)2
. (4.129)
En denitiva la EDP se discretiza en (xj , tm + t/2) mediante la relaci on Uj

(m+1)
Uj
(m)
= k
Uj 1
(m+1)
2Uj
(m+1)
+ Uj +1
(m+1)
(x)2
1 2
+ k (1 )
Uj 1 2Uj
(m)
(m)
+ Uj +1
(m)
(x)2
Habitualmente se toma = queda S Uj 1 donde

(m+1)
(en este caso el m etodo se llama de Crank-Nicholson) y la ecuaci on

(m+1) (m+1) (m) (m) (m)
+ 2(1 + S ) Uj
S Uj +1
= S Uj 1 + 2(1 S ) Uj
+ S Uj +1
(4.130)
S=
k t . (x)2
Puede probarse sin mucha dicultad [MM94] que, en este caso, el error de truncamiento T (xj , tm ) es la suma de dos t erminos: uno de orden (x)2 y otro de orden (t)2 . Es f acil ver que si la EDP fuera 2u u = k 2 + Q(x, t), t x la ecuaci on en diferencias ser a S Uj 1
(m+1)
+ 2(1 + S ) Uj
(m+1)
S Uj +1
(m+1)
=S Uj 1 + 2(1 S ) Uj
(m)
(m)
+ S Uj +1
(m)
+ 2t Q(xj , tm + t/2)
(4.131)
Este m etodo tiene la ventaja de que es estable para todo S [Hab83, MM94]. Adem as, recordemos que para que el m etodo expl cito fuera estable t ten a que ser, como poco, de orden de (x)2 2 pues t = S (x) /k con S 1/2. Dado que el error de truncamiento T (xj , tm ) en este caso ven a dado por O(t) + O(x)2 , resultaba que el tama no de paso t deb a de ser muy peque no 2 2 [del orden de (x) ] para que el error de truncamiento fuera de orden (x) . En el m etodo de Crank-Nicholson el error de discretizaci on es O(t)2 + O(x)2 , por lo que podemos tomar un t m as grande (del orden de x) y a un as tener un error de truncamiento peque no [de orden (x)2 ]. Una desventaja del m etodo impl cito es que el c alculo de U en el instante tm+1 a partir U en el instante anterior, tm , es mucho menos simple que en el m etodo expl cito pues es preciso resolver el sistema algebraico (4.131). Sin embargo, desde el punto de vista pr actico, esta desventaja no es muy relevante porque (4.131) es un sistema tridiagonal y puede resolverse mediante el llamado algoritmo de Thomas de un modo muy eciente.
4.7 Resoluci on num erica de la ecuaci on de difusi on Algoritmo de Thomas El sistema (4.131) puede escribirse de este modo m as compacto a j Uj 1
(m+1)
259
+ a0 j Uj
(m+1)
+ a+ j Uj +1
(m+1)
= bj
(m+1)
j = 1, . . . , N 1
(4.132)
cuando las condiciones de contorno de la EDP son de Dirichlet (es decir, cuando no involucran (m) (m) a ninguna derivada). En este caso U0 y UN est an bien determinados para todo m (es decir, para todo instante). Es posible demostrar [Koo86, secci on 7.2][MM94, Sec. 2.9] que la soluci on (m+1) Uj , j = 1, . . . , N 1 del sistema tridiagonal (4.132) puede obtenerse mediante la f ormula Uj +1
(m+1)
= j
(m+1)
Uj
(m+1)
+ j
(m+1)
Para simplicar la notaci on escribiremos esta relaci on sin super ndice temporal as : Uj +1 = j Uj + j , (4.133a)
pero no debe olvidarse que j y j pueden depender del tiempo tm . Los valores de j y j vienen dados por j 1 = j a j (4.133b) j 1 = j (a+ j j bj ), donde j = N 1 = 0, N 1 = UN . Este procedimiento, que se conoce como algoritmo de Thomas, es estable si la matriz tridiagonal es diagonalmente dominante, es decir, si [MM94, Sec. 2.9] a j < 0, a0 j > 0,
+ 0 a+ j < 0 y aj > |aj | + |aj |
a0 j
1 , + a+ j j
(4.133c)
+ 0 Los coecientes de (4.131), a j = aj = S , aj = 2(1+ S ), satisfacen obviamente estas condiciones.
Ejemplo 4.16
En este ejemplo vamos a usar un programa QBASIC para calcular mediante el m etodo impl cito de CrankNicholson la soluci on num erica de la ecuaci on25 u 2u =k 2 t x con k = 1,
con condiciones de contorno u(0, t) = u(1, t) = 0 y condici on inicial u(x, 0) = fnexacta(x, 0) = e20 (x1/2) e20 (x3/2) e20 (x+1/2) La soluci on exacta de este problema es
2 2 2 1 u(x, t) = e20 (x1/2) / e20 (x3/2) / e20 (x+1/2) / 2 2 2
con = 1 + 80t.
25
Pueden verse m as detalles en [Koo86].
260
M etodos num ericos
Programa EDPCRANK DEF fngauss (x, t) = EXP(-20 * (x - .5) ^ 2 / (1 + 80 * t)) / SQR(1 + 80 * t) DEF fnexacta (x, t) = fngauss(x, t) - fngauss(x - 1, t) - fngauss(x + 1, t) CLS n = 30 numero de puntos (escojase par) DIM u(n), alfa(n), beta(n), gamma(n), b(n) ix = 1 / n dt = .01 dt=constante difusiva*discretizado temporal itmax = 10 numero maximo de iteraciones saltot = 2 mostraremos los resultados cada saltot iteraciones s = dt / ix ^ 2 PRINT "dt="; dt; ", dx"; ix; ", S="; s PRINT "numero de pasos="; itmax; ", t final="; itmax * dt PRINT PRINT "Errores en punto medio para varios tiempos:" t = 0 u(0) = 0: u(n) = 0 FOR i = 1 TO n - 1 u(i) = fnexacta(i * ix, 0) NEXT i amas = -s: amenos = amas: acero = 2 + 2 * s alfa(n - 1) = 0: gamma(n - 1) = -1 / acero FOR i = n - 1 TO 1 STEP -1 alfa(i - 1) = gamma(i) * amenos gamma(i - 1) = -1 / (acero + amas * alfa(i - 1)) NEXT i FOR it = 1 TO itmax beta(n - 1) = u(n) FOR i = n - 1 TO 1 STEP -1 b(i) = s * u(i - 1) + 2 * (1 - s) * u(i) + s * u(i + 1) beta(i - 1) = gamma(i) * (amas * beta(i) - b(i)) NEXT i u(0) = 0 FOR i = 1 TO n - 1 u(i + 1) = alfa(i) * u(i) + beta(i) NEXT i IF it MOD saltot = 0 THEN t = dt * it dif = fnexacta(ix * n / 2, t) - u(n / 2) PRINT USING "tiempo=#.######, error=#.#########"; t; dif END IF NEXT it PRINT PRINT USING "Valores para varias posiciones en el tiempo=#.######"; t FOR i = 1 TO n - 1 IF i MOD 5 = 0 THEN exacto = fnexacta(i * ix, t) PRINT USING "u(##)=#.####^^^^, exacta=#.####^^^^"; i; u(i); exacto END IF NEXT i
Los resultados obtenidos con el programa para distintas elecciones de x y t son: 1. x = 1/30 y t = 0 0005 (luego S = 0 45):
dt= .0005 , dx 3.333334E-02 , S= .45

numero de pasos= 200 , Errores en punto tiempo=0.020000, tiempo=0.040000, tiempo=0.060000, tiempo=0.080000, tiempo=0.100000, t final= .1
261
medio para varios tiempos: error=-.000533998 error=0.002127796 error=0.005351275 error=0.007616609 error=0.008715063
Valores para varias posiciones en el tiempo=0.100000 u( 5)=0.1127E+00, exacta=0.1298E+00 u(10)=0.2123E+00, exacta=0.2260E+00 u(15)=0.2524E+00, exacta=0.2611E+00 u(20)=0.2215E+00, exacta=0.2260E+00 u(25)=0.1287E+00, exacta=0.1298E+00
2. x = 1/30 y t = 0 001 (luego S = 0 9):

dt= .001 , dx 3.333334E-02 , S= .9 numero de pasos= 100 , t final= .1 Errores en punto tiempo=0.020000, tiempo=0.040000, tiempo=0.060000, tiempo=0.080000, tiempo=0.100000, medio para varios tiempos: error=-.000491738 error=0.002137989 error=0.005351812 error=0.007614762 error=0.008712739
3. x = 1/30 y t = 0 01 (luego S = 9):

dt= .01 , dx 3.333334E-02 , S= 8.999999 numero de pasos= 10 , t final= 9.999999E-02 Errores en punto tiempo=0.020000, tiempo=0.040000, tiempo=0.060000, tiempo=0.080000, tiempo=0.100000, medio para varios tiempos: error=0.004702628 error=0.003842652 error=0.005907238 error=0.007922173 error=0.008969218
N otese que t es igual a 0 01 en este u ltimo caso por lo que el instante t = 0 1 se alcanza tras
262
M etodos num ericos
s olo 10 pasos. Es instructivo comparar estos resultados con los del caso de la p agina 256 en donde se usaba el m etodo expl cito con t = 0 0005 y x = 1/30. All se necesitaron 200 pasos para evaluar u(x, t) en el instante t = 0 1 y, sin embargo, los resultados son similares a los obtenidos mediante el m etodo de Crank-Nicholson en el que t es veinte veces mayor.
4.7.3. Condiciones de contorno que involucran a la derivada

En los apartados anteriores discutimos el modo de resolver EDPs mediante un m etodo expl cito e impl cito cuando en las condiciones de contorno no aparec a ninguna derivada (espacial, por supuesto). Cuando en las condiciones de contorno aparece alguna derivada (condiciones de contorno de Neumann), los procedimientos anteriores no se pueden aplicar sin m as. En este apartado discutiremos c omo proceder en estos casos. Por concretar, supongamos que la condici on de contorno en x = a (a la izquierda) es u x = A(t).
(x=0,t)
Expresamos esta condici on diferencial en forma de diferencias mediante la f ormula de la derivada central de tres puntos: (m) (m) U1 U1 = A(tm ) Am . 2x Luego la soluci on estimada U en el punto cticio x1 = a x viene dada por U 1 = U1
(m) (m)
2x Am .
(4.134)
Podemos usar esta relaci on junto con la derivada lateral derecha (delantera) de dos puntos en el (m+1) (m) (m) tiempo y la central de tres puntos en el espacio26 para obtener U0 en t erminos de U1 , U0 y U1
(m)
: U0
(m+1)
= U0
(m)
+ S U1
(m)
2U0
(m)
+ U1
(m)
Insertando la relaci on (4.134) en esta ecuaci on se obtiene U0

(m+1)
= U0
(m)
+ S U1
(m)
(m)
2U0
(m)
+ U1
(m)
2x Am .
(4.135)
Esta f ormula nos permite conocer U0 en todo instante. De este modo hemos conseguido reducir nuestra condici on de contorno de Neumann a una condici on de contorno de Dirichlet y, por tanto, podemos as aplicar los m etodos tal como se discutieron en los apartados anteriores. Ejercicio 4.17
Sup on que la condici on de contorno en x = 0 es 1 u(0, t) + 2 u x = A(t).
(x=0,t)
Escribe para este caso la relaci on equivalente a (4.134) y (4.135).
26
Esto es equivalente a decir que usamos el m etodo expl cito para hallar los valores de u sobre la frontera.
263
4.7.4. Ecuaciones difusivas bidimensionales

Los procedimientos num ericos para resolver esta clase de ecuaciones bidimensionales (o de dimensi on a un mayor) no dieren esencialmente de los que hemos estudiado en la secci on anterior para el caso unidimensional. La ecuaci on de difusi on en dos dimensiones es u =k t 2u u + 2 2 x y . (4.136)
Discretizamos la regi on en donde se busca la soluci on de la EDP utilizando separaciones de (m) tama no x, y, t. Denotaremos por uj,l al valor de la soluci on u(x, y, t) en los nudos (xj = j x, yl = ly, tm = mt): uj,l u(j x, ly, mt),
(m) (m)
j = 0, . . . , Nx ,
(m)
l = 0, . . . , Ny
(4.137)
y por Uj,l a la estimaci on num erica del valor exacto uj,l . Nos limitaremos en esta secci on a describir un m etodo expl cito para resolver la anterior ecuaci on diferencial. Empezamos discretizando la EDP usando la derivada lateral derecha (o delantera) de dos puntos para la derivada en t y derivadas centrales tres puntos en x e y para las derivadas segundas espaciales: 2u x2 2u y 2 u t =
(xj ,yl ,tm ) (m)
uj 1,l 2uj,l + uj +1,l (x)2 uj,l1 2uj,l + uj,l+1 (y )2 uj,l

(m+1) (m) (m)
(m)
(m)
(m)
+ O(x)2 , + O(y )2 ,
=
(xj ,yl ,tm )
=
(xj ,yl ,tm )
uj,l
(m)
+ O(t).
La versi on discretizada de la EDP es por tanto Uj,l

(m+1)
Uj,l
(m)
k k (m) (m) (m) (m) (m) (m) [U 2Uj,l + Uj +1,l ] + [U 2Uj,l + Uj,l+1 ], (x)2 j 1,l (y )2 j,l1
(4.138)
de donde se deduce que Uj,l

(m+1)
Uj,l =
(m)
k t k t (m) (m) (m) (m) (m) (m) [Uj 1,l 2Uj,l + Uj +1,l ] + [U 2Uj,l + Uj,l+1 ], 2 (x) (y )2 j,l1
Si hacemos x = y , se tiene que Uj,l

(m+1)
= Uj,l + S Uj +1,l + Uj 1,l + Uj,l1 + Uj,l+1 4Uj,l
(m)
(m)
(m)
(m)
(m)
(m)
(4.139)
donde S = k t/(x)2 . Resulta que este m etodo expl cito es estable cuando S 1/4. Si tomamos el valor S = 1/4, la ecuaci on anterior se transforma en
(m+1) Uj,l
Uj +1,l + Uj 1,l + Uj,l1 + Uj,l+1 4
(m)
(m)
(m)
(m)
(4.140)
264
M etodos num ericos
Es decir, la temperatura en el instante tm+1 = tm + t en un punto xj es igual al valor medio de la temperatura de sus vecinos en el instante anterior tm .27 Ejercicio 4.18
Generaliza las f ormulas de esta secci on para el caso de ecuaciones difusivas tridimensionales.
4.8. Resoluci on num erica de la ecuaci on de ondas

Nos centraremos en la ecuaci on de ondas unidimensional. La generalizaci on a otras dimensiones es inmediata. Sea la ecuaci on de ondas unidimensional 2u 2u = c2 2 t x2 con condiciones iniciales u(x, 0) = f (x), u t = g (x).
x,t=0
(4.141)
(4.142)
Procediendo como en las secciones anteriores, es f acil obtener la ecuaci on discretizada correspondiente a la EDP (4.141) en el punto (xj , tm ): Uj es decir Uj
(m+1) (m1)
2Uj
(m)
+ Uj
(m+1)
(t)2
=c
Uj 1 2Uj
(m)
(m)
+ Uj +1
(m)
(x)2
= 2Uj
(m)
Uj
(m1)
c2 (t)2 (m) (m) (m) Uj 1 2Uj + Uj +1 (x)2
(4.143)
Los errores cometidos en la discretizaci on son de orden (x)2 y (t)2 porque hemos usado la f ormula de la derivada segunda central de tres puntos. (m+1) En la ecuaci on (4.143), para calcular Uj es necesario conocer Uj 1 , Uj y Uj +1 en los dos instantes inmediatamente anteriores tm y tm1 . En particular, para calcular Uj
(0) Uj 1 , (0) Uj , (0) Uj +1 , (1) Uj 1 , (1) Uj , (1) Uj +1 . (1)
es preciso
conocer y Para estimar estos tres u ltimos puntos cticios procedemos de un modo similar al llevado a cabo en la secci on 4.7.3 para implementar las condiciones de contorno que involucraban derivadas, aunque ahora la derivada primera es sobre el tiempo y en la secci on 4.7.3 era sobre el espacio. Esta no es una diferencia conceptual importante. Procediendo como entonces, escribimos las ecuaciones discretizadas de las condiciones iniciales (4.142) as : Uj Uj
27
(0)
= f (xj ), = g (xj ).
(4.144a) (4.144b)
(1)
Uj 2t
(1)
En www hay un cuaderno de Mathematica que trata sobre la resoluci on num erica de un problema difusivo bidimensional.
4.9 Resoluci on num erica de la ecuaci on de Laplace
265
En la u ltima ecuaci on hemos usado la f ormula de la derivada primera central de tres puntos para que el error sea, como en la ecuaci on (4.143), de orden (t)2 . Las ecuaciones (4.144) cuando se introducen en la ecuaci on de discretizaci on (4.143) para t = 0, Uj
(1)
= 2Uj
(0)
Uj
(1)
c2 (t)2 (0) (0) (0) Uj 1 2Uj + Uj +1 , (x)2
(4.145)
dan lugar a la ecuaci on Uj

(1)
= f (xj ) + g (xj )t +
(1)
c2 (t)2 (0) (0) (0) Uj 1 2Uj + Uj +1 , 2(x)2
(4.146)
(m)
la cual permite calcular Uj a partir de las condiciones iniciales (4.142). Para calcular Uj si m 2 basta con la aplicaci on directa de la f ormula expl cita (4.143). No es dif cil demostrar (v ease la secci on 13.5 de [Hab83]) que esta f ormula expl cita es estable siempre que (criterio de 28 estabilidad de Courant, Friedrichs y Lewy ) c x . t
Esto signica que la velocidad de propagaci on del m etodo de integraci on debe ser mayor que la velocidad de la onda para que haya estabilidad.
4.9. Resoluci on num erica de la ecuaci on de Laplace

En lo que sigue nos centraremos en la ecuaci on de Laplace 2 u = 0, aunque debiera ser evidente c omo generalizar los resultados que siguen a la ecuaci on de Poisson 2 u = (r). La ecuaci on de Laplace 2 u = 0 (4.147) suele acompa narse de condiciones de contorno en las que se especica el valor de u sobre la frontera cerrada. Para el caso bidimensional y procediendo como en la secci on anterior 4.7.4, es f acil ver que la versi on discretizada de (4.147) viene dada por [v ease (4.138)] Uj 1,l 2Uj,l + Uj +1,l Uj,l1 2Uj,l + Uj,l+1 + = 0. (x)2 (y )2 Si x = y , se tiene que Uj +1,l + Uj 1,l + Uj,l1 + Uj,l+1 4Uj,l = 0, (x)2 es decir, (4.148)
1 [Uj +1,l + Uj 1,l + Uj,l1 + Uj,l+1 ] (4.149) 4 donde j = 0, , Nx y l = 0, , Ny . Esto constituye un sistema lineal de ecuaciones que, en principio, puede resolverse por m etodos de tipo est andar. Pero n otese que el n umero de ecuaciones y de inc ognitas es del orden de Nx Ny [exactamente de (Nx +1) (Ny +1) ecuaciones e incognitas] por lo que, incluso si el discretizado no es muy no (es decir, si Nx y Ny no son muy grandes) el sistema de ecuaciones puede ser demasiado grande como para ser resuelto de un modo efectivo. Uj,l =
R. Courant, K. O. Friedrichs y H. Lewy, Uber die partiellen Dierenzengleichungen der mathematischen Physik, Math. Ann. (1928) 100, 32
28
266
M etodos num ericos
Esto es especialmente grave para medios tridimensionales: por ejemplo, para un discretizado de tan s olo Nx = Ny = Nz = 10, el sistema resultante tendr a m as de 1000 ecuaciones e inc ognitas. En las secciones siguientes vamos a ver m etodos alternativos en los que la soluci on nal se alcanza tras sucesivas aproximaciones o iteraciones. La similitud de estos procedimientos con los de la secci on 4.6.3 no es casual: uno puede entender los problemas de condiciones de contorno de la secci on 4.6.3 como versiones unidimensionales de las ecuaciones de Poisson. Ejercicio 4.19
1. Escr base la ecuaci on equivalente a (4.149) para el caso tridimensional. 2. Obt en las f ormulas de esta secci on si la ecuaci on es de Poisson.
4.9.1. M etodos iterativos

M etodo de Jacobi Este en un m etodo iterativo que, en comparaci on con los m etodos de Gauss-Seidel y superrelajaci on que se discuten m as adelante, converge lentamente. Su utilidad es por tanto m as bien pedag ogica por ser punto de partida para la discusi on de m etodos m as ecientes. Partimos de la ecuaci on de Laplace discretizada (4.149): Uj,l = Uj +1,l + Uj 1,l + Uj,l1 + Uj,l+1 . 4 (4.150)
Si los valores U, del miembro derecho fueran los correctos, es decir, aquellos que se obtienen al resolver (4.149), es obvio que la cantidad Uj +1,l + Uj 1,l + Uj,l1 + Uj,l+1 4 (4.151)
ser a justamente igual al valor correcto de Uj,l . Pero si los valores U, en (4.151) no son los correctos, esta expresi on proporciona valores tambi en incorrectos para Uj,l . Sin embargo, si con los resultados incorrectos as obtenidos repetimos el proceso de modo iterativo, resulta que los valores que obtenemos convergen, aunque de un modo muy lento, hacia el valor exacto [KC94, secci on 13.6]. En denitiva, interpretamos la f ormula (4.150) como un modo de hacer una mejor estimaci on de Uj,l a partir del valor de U en los puntos vecinos: (Uj,l )nuevo o bien Uj,l
[m] [m+1]
1 (Uj +1,l + Uj 1,l + Uj,l1 + Uj,l+1 )viejo , 4 1 [m] [m] [m] [m] Uj +1,l + Uj 1,l + Uj,l1 + Uj,l+1 4
(4.152)
.
[m]
(4.153)
donde denotamos por Uj,l a la estimaci on de u(xj , yl ) en la m- esima iteraci on. Si Uj,l converge para m , es decir, si Uj,l = l mm Uj,l , entonces Uj,l satisface la ecuaci on de Laplace discretizada (4.150).
[] (m) []
4.9 Resoluci on num erica de la ecuaci on de Laplace
267
actualizndose actualizado no actualizado
y
U j,l+1
[m]
lnea actualizada
U j-1,l
[m+1]
U j,l
[m]
U j+1,l
lnea actualizada
[m]
U [m+1] j-1,l-1
U [m+1] j,l-1
[m+1] U j+1,l-1
Figura 4.16: Esquema de actualizaci on de los valores en el m etodo de Gauss-Seidel. M etodo de Gauss-Seidel Este es un m etodo iterativo que converge m as r apidamente a la soluci on de la EDP que el m etodo de Jacobi. Consiste esencialmente en la iteraci on de Jacobi (4.153) aunque con una [m+1] importante diferencia: al calcular Uj,l mediante el promedio del miembro derecho de (4.153) se utilizan los valores de U, m as actualizados que se conozcan, lo que signica que n no ser a siempre igual a m y que en algunos puntos se tendr a que n = m +1 (v ease la gura 4.16). Seg un el esquema [m+1] de barrido mostrado en la gura 4.16, se tiene que Uj,l se calcula mediante la f ormula Uj,l
[m+1] [n]
1 [m] [m+1] [m+1] [m] Uj +1,l + Uj 1,l + Uj,l1 + Uj,l+1 . 4
(4.154)
Esta relaci on es conocida como f ormula iterativa de Gauss-Seidel. El m etodo de Gauss-Seidel, adem as de converger m as r apidamente a la soluci on que el m etodo de Jacobi (t picamente converge el doble de r apido), es tambi en m as f acil de programar al no ser necesario distinguir en el programa entre valores actualizados y no actualizados de U . M etodo de super-relajaci on El m etodo conocido como m etodo de super-relajaci on suele ser a un m as r apido que el de [m] [m+1] [m] 29 Gauss-Seidel. Consiste en actualizar Uj,l , es decir, estimar Uj,l a nadiendo a Uj,l un factor del cambio Uj,l Uj,l que se obtendr a mediante la f ormula de Gauss-Seidel. Usando la expresi on (4.154), esta diferencia se puede escribir as : Uj,l
[m+1] [m+1] [m]
Uj,l =
[m]
1 [m+1] [m+1] [m] [m] [m] Uj,l1 + Uj 1,l + Uj,l+1 + Uj +1,l 4Uj,l . 4
Luego, seg un la descripci on del m etodo de super-relajaci on que hemos hecho, la f ormula iterativa correspondiente a este m etodo es: Uj,l
[m+1]
= Uj,l +
[m]
[m+1] [m+1] [m] [m] [m] Uj,l1 + Uj 1,l + Uj,l+1 + Uj +1,l 4Uj,l , 4
(4.155)
siendo un par ametro (llamado par ametro de relajaci on) a elegir. Para = 1 el m etodo de super-relajaci on se reduce al de Gauss-Seidel. El valor m as adecuado (en el sentido de que la convergencia sea m as r apida) de para cada problema no suele conocerse a priori, de modo
29
Puede verse una discusi on algo m as detallada de estos m etodos iterativos en la secci on 13.8 de [Ant02]
268
M etodos num ericos
que habitualmente se estima tras un breve tanteo con valores de comprendidos entre 1 y 2. El m etodo se llama de super-relajaci on porque un valor de mayor que 1 implica una correcci on al [m] valor de Uj,l mayor que la correcci on propia del m etodo de Gauss-Seidel. Ejercicio 4.20
Escribe las f ormulas de Jacobi, Gauss-Seidel y super-relajaci on para la ecuaci on de Poisson.
4.10 Problemas
269
4.10. Problemas
gitos decimales de mantisa resuelve mediante un m etodo 4.1. Un ordenador que emplea diez d num erico extraordinariamente bueno la ecuaci on y (x) = 4y (x) con y (0) = 1, y (0) = 2. El resultado se muestra en la gura 4.17. Resulta que esta soluci on es completamente
2 1.75 1.5 1.25 y 1 0.75 0.5 0.25 2 4 6 8 x 10 12 14
Figura 4.17: Integraci on num erica de y (x) = 4y (x) con y (0) = 1, y (0) = 2 . err onea pues la soluci on exacta es siempre decreciente. estralo hallando la soluci on exacta. a ) Demu b ) Por qu e crees que el ordenador da una soluci on falsa? Estima el valor de x para el cual la soluci on num erica creciente pasa por y = 1 y compara tu estimaci on con el valor de la gura. Es coherente? 4.2. Estima el valor de 4 mediante el m etodo de Newton utilizando x0 = 4 como estimaci on inicial. Calcula hasta x5 . 4.3. Halla la relaci on xn+1 = F (xn , R) que permite hallar la ra z c ubica del n umero R. Utiliza esta relaci on para estimar el valor de 3 8 comenzando con x0 = 3. Calcula hasta x5 . 4.4. En los problemas anteriores y en el ejemplo 4.8 se ha visto que el m etodo de Newton converge cuadr aticamente a la ra z x de la ecuaci on f (x) = 0, es decir, que en+1 = O(e2 n) para en = xn x 1. Demuestra que esta es una propiedad general del m etodo de Newton. 4.5. Encuentra de qu e orden en h es el error que se comete en las siguientes f ormulas en diferencias centrales de cinco puntos: a) b) f f 1 (f2 8f1 + 8f1 f2 ), 12h 1 (f2 + 16f1 30f0 + 16f1 f2 ). 12h2
4.6. Halla num ericamente el valor de la soluci on de y = x + y, y (x = 0) = 1,
en x = 0 3, usando el tama no de paso h = 0 1, mediante los m etodos de Euler, Euler Modicado, Heun, Milne y Runge-Kutta de segundo orden. Calcula adem as la soluci on mediante el m etodo de Runge-Kutta de cuarto orden empleando un tama no de paso h = 0 3.
270 4.7. Estima num ericamente el valor de la soluci on de y = xy, y (x = 0) = 1,
M etodos num ericos
en x = 0 2, usando el tama no de paso h = 0 1, mediante los m etodos de Euler, Euler Modicado, Heun, Milne y Runge-Kutta de segundo orden. Calcula adem as la soluci on mediante el m etodo de Runge-Kutta de cuarto orden empleando un tama no de paso h = 0 2. 4.8. Calcula num ericamente el valor de la soluci on del sistema x = y, y = x, en t = 0 2 con x(t = 0) = 1 e y (t = 0) = 0, usando el tama no de paso h = 0 1, mediante los m etodos de Euler y Runge-Kutta de segundo orden. Compara con la soluci on exacta. 4.9. Sea el problema de contorno doblemente inhomog eneo y y = 2 ex , 0 x 1, y (0) = 0, y (1) = e .
a ) Comprueba que x ex es una soluci on particular y escribe la soluci on general de la ecuaci on anterior sin tener en cuenta las condiciones de contorno. Halla soluci on que satisface las condiciones de contorno. b ) Resuelve el problema mediante diferencias nitas utilizando dos puntos (internos, no en la frontera) equiespaciados. Compara con la soluci on exacta. c ) Comprueba que la soluci on por diferencias nitas es {y0 , y1 , y2 , y3 , y4 , y5 } = {0, 0 246, 0 599, 1 096, 1 783, e} cuando se usan cuatro puntos. Compara con la soluci on exacta. d ) Repite los apartados (9a ) y (9b ) si las condiciones de contorno son y (0) = 0, y (1) = 2e. 4.10. Resuelve el problema anterior mediante el m etodo de disparo, pero de manera anal tica. En otras palabras, halla la funci on y (1; m) que proporciona el valor de y en x = 1 en funci on de la derivada, m, de y (x) en x = 0 y halla el cero, m, de la funci on F (m) = y (1; m) e. Muestra que y (x; m) es la soluci on exacta. 4.11. Dada la ecuaci on diferencial d2 y + k (x)y = S (x) dx2 y las condiciones y (x0 ) = y0 , y (x0 + h) = y1 para h 1. Halla una relaci on de recurrencia que permita calcular y (x0 + nh) = yn con un error del orden h6 en cada paso de integraci on. El m etodo as obtenido se conoce como m etodo de Numerov (o, tambi en, m etodo de Cowling) [Koo86, sec. 3.1].
4.12. Resuelve num ericamente la ecuaci on y (x) + mediante: a ) El m etodo de diferencias nitas, usando el discretizado x = 1/3. 2 y (x) = 0, 4 y (0) = 0, y (1) = 1
4.10 Problemas b ) El m etodo del disparo. Compara con la soluci on exacta. 4.13. Sea el problema de condiciones de contorno d2 y = f (x) dx2 con y (0) = y (1) = 0.
271
(4.156)
a ) Escribe la ecuaci on en diferencias correspondiente aproximando la segunda derivada mediante la f ormula de diferencias centrales de tres puntos. b ) Divide el intervalo [0, 1] en tres segmentos (h = 1/3), escribe el sistema de ecuaciones en diferencias equivalente al problema de contorno (4.156) y resu elvelo. c ) Halla la soluci on aproximada en x = 1/3 y x = 2/3 para f (x) = 2 6x y f (x) = 6x(1 2x) y compara con las soluciones exactas. A qu e atribuyes la igualdad o desigualdad de los resultados? on diferencial 4.14. Sea la ecuaci y (4) (x) = 0 0x1 (4.157) con las condiciones de contorno y (0) = 1, y (0) = 4, y (1) = 1, y (1) = 4.
1 2 a ) Demuestra que la soluci on exacta de este problema es y (x) = 4(x 2 ) .
b ) Halla una f ormula en diferencias centrales de cinco puntos para la derivada cuarta y para la derivada primera. c ) Usando los resultados del apartado anterior, escribe las ecuaciones en diferencias nitas correspondientes al problema de condiciones de contorno (4.157) si el discretizado es igual a h = 1/2. on de las ecuaciones anteriores. Compara con el resultado exacto y d ) Halla la soluci justica la similitud o diferencia entre ambos resultados. 4.15. Sea la ecuaci on integrodiferencial y (x) + ex
0 1
y (z )dz = e y (x)
Halla la soluci on num erica de esta ecuaci on en el intervalo 0 x 1 usando h = 1/2 como tama no del intervalo de discretizaci on si: Las condiciones de contorno son y (0) = 1, y (1) = e. Discretiza la ecuaci on integrodiferencial usando la f ormula de la f ormula central de tres puntos para la derivada segunda y la regla de Simpson para la integral. Las condiciones de contorno son y (0) = 1, y (1) = e. Discretiza la ecuaci on integrodiferencial usando la f ormula de la f ormula central de tres puntos para la derivada segunda y la regla del rect angulo para la integral. Implementa la condici on de contorno en x = 0 usando la f ormula de la derivada primera central de tres puntos. Compara la soluci on num erica con la exacta que, en los dos casos anteriores, es y (x) = ex .
272 4.16. Sea el problema difusivo
M etodos num ericos
2u u =k 2 t x con u(0, t) = u(L, t) = 0 y u(x, 0) = f (x). Queremos justicar en este problema el criterio de estabilidad de von Neumann30 , es decir, justicar que el m etodo expl cito cuya ecuaci on discretizada es Uj
(m+1)
= Uj
(m)
+ S Uj 1 2Uj 1 + Uj +1
1
(m)
(m)
(m)
con S =
k t (x)2
es estable si S 1 cos
(N 1) N
.
(m)
a ) Halla el valor de Q que hace que Uj en diferencias. Uj

(m)
= Qm eij x sea soluci on de la anterior ecuaci on

(m)
b ) Demuestra que, para ese mismo valor de Q, se tiene que Uj = Qm cos(j x) son tambi en soluci on.
= Qm sen(j x) y
c ) Demuestra que las condiciones de contorno exigen que = n n/L con n = 1, 2 . (La soluci on para cada n es un modo difusivo) d ) Demuestra que para n N +1 no se obtienen modos difusivos distintos a los anteriores. Esto signica que (n otese que n = N conduce a la soluci on trivial) los modos difusivos son los correspondientes a n = 1, 2, , N 1. e ) Escribe la soluci on de la ecuaci on en diferencias como una combinaci on lineal de los modos difusivos. A qu e te recuerda esta soluci on? e valores de S se tiene que |Q| > 1? Qu e les sucede a las soluciones antef ) Para qu riores si |Q| > 1? Qu e puedes concluir entonces sobre la estabilidad del m etodo de integraci on expl cito anterior? on de conservaci on u/t = vu/x admite la aproximaci on de diferencias 4.17. La ecuaci nitas siguiente: n+1 n n Un Uj Uj Uj +1 j 1 = v . t 2x a ) Usa el procedimiento simplicado de von Neumann (es decir, no te preocupes de hallar la forma admisible de la parte espacial de los modos difusivos) para demostrar que este esquema de integraci on es inestable.
n (U n + U n )/2 estabiliza el m b ) Demuestra que el cambio Uj etodo anterior siempre j +1 j 1 y cuando v t/x 1.
4.18. Usa el procedimiento simplicado de von Neumann para demostrar que: etodo expl cito de Richardson (expuesto en la secci on 4.7.1, p agina 257) es siempre a ) El m inestable. b ) El m etodo de Crank-Nicholson es siempre estable. 4.19. Sea el problema de potencial 2 2 + = f (x, y ) x2 y 2
30
Pueden verse m as detalles sobre este m etodo y este problema en [Hab83, sec. 13.3.4]
4.10 Problemas
273
donde 0 x 1 , 0 y 1, y con las condiciones de contorno (x = 0, y ) = (x = 1, y ) = 0, (x, y = 0) = (x, y = 1) = 1. Divide el cuadrado unidad en celdas cuadradas de lado x = y = 1 erico aproximado del potencial (x, y ) en los nudos 4 y calcula un valor num de la red resultante cuando (a) f (x, y ) = 0, (b) f (x, y ) = 42 x(1 x). 4.20. Halla una f ormula expl cita en diferencias nitas que, con un error de discretizaci on temporal 2 de orden t y error de discretizaci on espacial de orden (x) , permita resolver la ecuaci on difusiva u u 2u =v +k 2 t x x con la condici on de contorno (en la izquierda) u(x, t) x = A(t).
x=0
Escribe expl citamente las ecuaciones de discretizaci on en x = 0 y x = 1/2 si A(t) = 1, x = 1/2, t = 1/2, v t/(2x) = P = 1/4 y k t/(x)2 = S = 1/2. Usa estas ecuaciones junto con la condici on inicial u(x, t = 0) = 1 y de contorno (en la derecha) u(1, t) = 1 para hallar la soluci on num erica aproximada en el instante t2 = 2t. 4.21. Se pide resolver num ericamente mediante el m etodo expl cito la ecuaci on de difusi on ut = uxx con la condici on inicial u(x, t = 0) = sen x y las condiciones de contorno: a ) u(x = 0, t) = 0, u(x = 1, t) = 0; b ) ux (x = 0, t) = 1, u(x = 1, t) = 0. Usa el discretizado x = 1/3 y t = 1/18 para hallar la soluci on u(xj , tm ) en los puntos espacio-temporales xj = j x y tm = mt, m = 1, 2, con un error de discretizaci on de orden t y (x)2 .
Cap tulo 5
Ecuaciones diferenciales y sistemas no lineales. Estabilidad
Nature, with scant regard for the desires of the mathematician, often seems to delight in formulating her mysteries in terms of nonlinear systems of equations.
H. T. Davis
Linear systems are all alike, but each nonlinear system is nonlinear in its own way.
5.1. Introducci on
El esfuerzo dedicado en los estudios de Ciencias e Ingenier a a las ecuaciones y sistemas de ecuaciones diferenciales no lineales es una peque na fracci on del dedicado a las ecuaciones y sistemas diferenciales lineales. Esto podr a hacernos pensar que las ecuaciones no lineales son poco importantes, que no son frecuentes en la Naturaleza y que, por tanto, no merecen mucha atenci on. La realidad es justo la contraria. Lo cierto es que las ecuaciones que describen muchos sistemas y fen omenos f sicos son no lineales. Sin embargo, usualmente, estas ecuaciones se aproximan por otras lineales porque el problema no lineal es simplemente inabordable. Por supuesto, en muchas ocasiones las aproximaciones lineales son adecuadas y v alidas para la mayor parte de los prop ositos. Pero, y de esto hay que ser consciente, en otras muchas ocasiones la aproximaci on lineal es completamente in util por no recoger las caracter sticas no lineales que son esenciales en los fen omenos. Estas situaciones f sicas no lineales suelen darse en sistemas f sicos alejados del equilibrio. La teor a de las ecuaciones y sistemas lineales es un campo de investigaci on que, desde el siglo XVIII, ha sido muy estudiado y que est a acabado: nada (?) queda por descubrir. Sin embargo, se sabe a un poco sobre las ecuaciones y sistemas no lineales: es un tema complejo, lleno de sorpresas (es divertido!) y muy vivo. Es f acil convencerse de la verdad de estas armaciones con s olo nombrar algunos de sus t erminos caracter sticos: cat astrofes, caos, atractores extra nos, solitones. . . Ante esto, es muy natural preguntarse: por qu e son tan f aciles [dif ciles] los problemas lineales [no lineales]? La clave est a en que los problemas lineales pueden descomponerse en problemas m as sencillos (divide y vencer as) cuyas soluciones pueden al nal combinarse para obtener la soluci on del problema original. Ejemplos en este mismo libro: la funci on de Green, el
276
m etodo de separaci on de variables, soluci on del problema de Sturm-Liouville como desarrollo en autofunciones. Hasta ahora, cuando nos enfrent abamos con un problema diferencial (lineal), nuestro objetivo casi u nico era hallar una soluci on expl cita. Sin embargo, este modo de atacar los problemas fracasar a, casi con total seguridad, cuando se emplee en los problemas no lineales ya que son pocos, muy pocos, los que tienen soluci on expl cita conocida. En este cap tulo mostraremos ejemplos de dos modos distintos de abordar estos problemas: 1. En el primero se busca informaci on cualitativa sobre el comportamiento global de las soluciones. Nosotros nos centraremos especialmente sobre el problema de caracterizar la estabilidad de las soluciones y el estudio del comportamiento de las soluciones en las vecindades de ciertos puntos (los llamados puntos cr ticos). 2. En el segundo modo se buscan soluciones aproximadas del problema no lineal. Ilustraremos este procedimiento con los m etodos de balance arm onico y de Krylov-Bogoliubov.
5.2. Estabilidad
En sistemas f sicos reales es a menudo crucial saber si el comportamiento del sistema es estable, esto es, si peque nos cambios en las condiciones iniciales provocan cambios sustanciales en su comportamiento. N otese que en los sistemas reales siempre existen ruidos, peque nas perturbaciones, que hacen que las condiciones iniciales no est en bien denidas. Adem as, todos somos conscientes de que no es posible determinar con precisi on absoluta cu al es el estado inicial de un sistema f sico real. Por ello es importante saber si el comportamiento de este sistema es sensible a peque nas variaciones de las condiciones iniciales. En esta secci on estudiaremos procedimientos que nos permitan determinar la estabilidad de las soluciones de un sistema de ecuaciones diferenciales ordinarias.
5.2.1. Deniciones previas

Sea un sistema de n ecuaciones diferenciales de primer orden1 que escribiremos bien as : dxi = fi (x1 , x2 , . . . , xn ; t), dt o bien, de un modo m as compacto, as : dX = F (X, t) dt donde X (x1 , x2 , . . . , xn ) , F (X, t) (f1 (X, t), f2 (X, t), . . . , fn (X, t)) , y fj (X, t) fj (x1 , x2 , . . . , xn , t) .
1
i = 1 , 2, . . . , n
(5.1)
(5.2)
En ocasiones, para abreviar, nos referiremos a este sistema diciendo que es un sistema n dimensional.
5.2 Estabilidad
277
x
X0 _ X0
x
X0 _ X0
t
Figura 5.1: Soluci on estable. Figura 5.2: Soluci on inestable.
En lo que sigue, llamaremos simplemente X (t) a la soluci on del sistema anterior que pasa por (t) a la soluci 0 en el instante t0 : X0 en el instante t0 , y X on que pasa por X X (t0 ) X0 X (t), (t0 ) X 0 X (t) . X (5.3)
(t), con condiciones Sin pretender por el momento ser precisos, diremos que una soluci on X iniciales dadas por X0 , es estable si peque nas desviaciones en las condiciones iniciales conducen a (t) es estable soluciones que no dieren sustancialmente de dicha soluci on. En otros t erminos, X [inestable] si es poco [muy] sensible a cambios en sus condiciones iniciales. En la gura 5.1 representamos un comportamiento t pico de una soluci on estable, mientras que en la gura 5.2 se muestra el comportamiento de una soluci on inestable. Por supuesto, debemos proporcionar deniciones m as precisas de estabilidad. Para ello empezaremos dando unas deniciones previas: (t): Distancia entre dos soluciones X (t) y X
n
(t) = X (t) X
i=1
[xi (t) x i (t)]2 .
(5.4)
A esta distancia se la conoce como distancia eucl dea. Para nuestros prop ositos, la forma concreta de esta distancia no es importante. Por ejemplo, tambi en podr amos haber usado esta otra denici on de distancia entre las dos soluciones:
n
(t) = X (t) X
i=1
|xi (t) x i (t)|.
(5.5)
0 y X0 dos puntos del espacio de fases pr 0 peque Sean X oximos, es decir, sea X0 X no, y sean X (t) y X (t) las soluciones del sistema dX = F (X, t), dt 0 , respectivamente. Entonces: que pasan por X0 y X (5.6)
278
Ecuaciones diferenciales y sistemas no lineales. Estabilidad Diremos que X (t) es la soluci on perturbada con respecto a la soluci on de referencia X (t). A la diferencia (t), X (t) = X (t) X (5.7) (t), o simplemente, perturbala llamamos perturbaci on de la soluci on de referencia X ci on. A la perturbaci on en el instante inicial (t0 ) X0 , X (t0 ) = X (t0 ) X la llamaremos perturbaci on inicial. (5.8)
5.2.2. Denici on de estabilidad seg un el criterio de Liapunov

Damos a continuaci on la denici on de estabilidad seg un el criterio de Liapunov usando tres notaciones distintas: (t) es estable si y s X olo si > 0, ( ) / ( ) |xi (t) x i (t)| < , para t > t0 e i = 1, 2, . . . , n.2 (t) es estable si y s X olo si 0 < ( ) X (t) X (t) < > 0, ( ) / X0 X (t) es estable si y s X olo si > 0, ( ) / X0 < ( ) X (t) < para t > t0 . (5.11) para t > t0 . (5.10) (5.9)
(t) es estable si sus soluciones perturbadas se mueven siempre En denitiva, una soluci on X arbitrariamente pr oximas a ella cuando las perturbaciones iniciales son sucientemente peque nas (v ease la gura 5.3).
5.2.3. Denici on de estabilidad asint otica

Deniremos la estabilidad asint otica tambi en de tres modos equivalentes (s olo formalmente distintos): (t) es asint X oticamente estable si y s olo si > 0 / |xi (t0 ) x i (t0 )| < l m |xi (t) x i (t)| = 0,
t
(5.12)
para i = 1, 2, . . . , n. (t) es asint X oticamente estable si y s olo si (t0 ) < l (t) = 0. > 0 / X (t0 ) X m X (t) X
t
(5.13)
5.2 Estabilidad
279
_ X(t)
t=t
~ X
X(t)
t
(a)
(b)
(t) estable (l Figura 5.3: (a) Una soluci on de referencia X nea continua na) y dos soluciones perturbadas (l neas gruesas con echas). (b) Comportamiento t pico en el plano de fases de una perturbaci on de la soluci on de referencia estable de un sistema bidimensional. (t) es asint X oticamente estable si y s olo si > 0 / X0 < l m X (t) = 0.
t
(5.14)
Ejemplo 5.1
Vamos a estudiar la estabilidad de las soluciones3 (de todas las soluciones!) del sistema de ecuaciones diferenciales dX = a X dt donde a es una constante real. La soluci on de este sistema es bien simple: (t) = X 0 ea t X X (t) = X0 ea t Por tanto es decir, Si tomamos ( ) = , se tiene que > 0, ( ) = 0 < = X (t) X (t) < ea t = / X0 X ea t . donde donde 0 = X (t = 0) X X0 = X (t = 0)
0 , (t) = ea t X0 X X (t) X X (t) = ea t X0 .
(t) es soluci Por tanto, para t > 0, X on estable si a 0, y asint oticamente estable si a > 0. Es evidente que la soluci on X (t) no es estable si a < 0.
2 (t) es estable si y s Es decir, X olo si para todo > 0 existe un valor de que depende de tal que si |xi (t0 ) x i (t0 )| < entonces |xi (t) x i (t)| < para t > t0 e i = 1, 2, . . . , n 3 Cuando estudiemos la estabilidad de todas las soluciones del un sistema diremos que estamos estudiando la estabilidad del sistema.
280

~ X t=t
~ X(t)
~ X
Figura 5.4: Esquema de un comportamiento t pico en el plano de fases de la perturbaci on de una soluci on asint oticamente estable de un sistema bidimensional
5.2.4. Sistema perturbativo

Veamos qu e ecuaciones ha de satisfacer la perturbaci on X (t). Sabemos que dX = F (X, t) dX dX dt t). = F (X, t) F (X, dt dt dX = F (X, t) dt Pero
dX dt
(5.15)
dX dt
d dt X ,
por lo que X satisface el sistema de ecuaciones: dX t) F (X, X, t). = F (X, t) F (X, dt (5.16)
Al sistema (5.16) lo llamaremos sistema perturbativo. Debe notarse que la soluci on nula X = (0, 0, . . . , 0) 0 es siempre soluci on del sistema perturbativo. Dado que la soluci on de referencia se da por conocida, en ocasiones no se incluye como argumento en F y se usa la notaci X on abreviada dX = F (X, t). (5.17) dt (t) era estable si su perturbaci Dijimos que X on X (t) satisfac a la condici on (5.11). Obviamente, podemos reescribir la ecuaci on (5.11) de este modo: > 0, ( ) / X0 0 < ( ) X (t) 0 < para t > t0 . (5.18)
Pero (5.18) es la estricta denici on de estabilidad de la soluci on nula X (t) = 0 del sistema perturbativo. Esto signica que las dos armaciones siguientes son equivalentes: (t) del sistema F (X, t) es estable. on X 1. La soluci X, t) es estable. 2. La soluci on nula X (t) = 0 del sistema perturbativo F (X,
5.2 Estabilidad
281
(t) es estable si y s Por lo tanto, X olo si X (t) = 0 es estable. Razonando de manera similar, es f acil darse cuenta de que la siguiente armaci on es tambi en (t) es asint v alida: X oticamente estable si y s olo si X (t) = 0 es asint oticamente estable. En resumen: (t) del sistema Analizar la estabilidad de la soluci on X dX/dt = F (X, t) es equivalente a analizar la estabilidad de la soluci on nula X (t) = 0 de su sistema perturbativo dX X, t). = F (X, dt
5.2.5. Denici on de punto cr tico

on Diremos que Xc es un punto cr tico del sistema dX dt = F (X, t) si F (Xc , t) = 0. La soluci que comienza en estos puntos, X (t0 ) = Xc , no puede cambiar en el tiempo pues dX es, por dt X =Xc denici on de punto cr tico, cero. Por consiguiente dX dt = 0 X (t) = Xc
X =Xc
para todo t.
(5.19)
Por este motivo a los puntos cr ticos tambi en se les conoce como puntos jos o puntos de reposo. Debe notarse que, seg un lo que acabamos de exponer, la soluci on perturbativa nula X (t) = 0 es un punto cr tico o jo del sistema perturbativo. Concluimos por tanto que: (t) es equivalente a analizar la estabilidad del Analizar la estabilidad de la soluci on X punto cr tico Xc = 0 de su sistema perturbativo dX X, t). = F (X, dt
Este resultado justica la importancia de estudiar m etodos que nos permitan determinar la estabilidad de los puntos cr ticos. A esta tarea nos dedicaremos en las secciones siguientes. Pero veamos antes un ejemplo.
Ejemplo 5.2
Queremos analizar la estabilidad de las soluciones del sistema dx1 = x2 dt dx2 = x1 dt que, utilizando la notaci on general, podemos escribir as : dX d = dt dt x1 x2 = F (X ) = f1 (x1 , x2 ) f2 (x1 , x2 ) (5.21)
(5.20)
282
siendo f1 (x1 , x2 ) = x2 y f2 (x1 , x2 ) = x1 . Este sistema puede reescribirse como dos ecuaciones diferenciales ordinarias de segundo orden independientes (es decir, desacopladas): d2 x1 d = dt2 dt d2 x2 d = dt2 dt cuyas soluciones son x1 (t) = A1 cos t + B1 sen t, x2 (t) = A2 cos t + B2 sen t. Entonces x1 (t) = A1 sen t + B1 cos t, x2 (t) = A2 sen t + B2 cos t. Por tanto, para t = 0, A1 = x1 (0), A2 = x2 (0), Pero tenemos que x1 (0) d x1 dt d x2 dt = x2 |t=0 = x2 (0), B1 = x1 (0), B2 = x2 (0). dx1 dt dx2 dt d (x2 ) = x1 , dt d = (x1 ) = x2 , dt =
t=0
x2 (0) Luego la soluci on es
t=0
= x1 |t=0 = x1 (0).
x1 (t) = x1 (0) cos t x2 (0) sen t, x2 (t) = x2 (0) cos t + x1 (0) sen t. (t) que pasa por x Estudiemos ahora la estabilidad de la soluci on X 1 (0) y x 2 (0). Lo haremos mediante el an alisis de la estabilidad de la soluci on nula del sistema perturbativo. Veamos qu e forma tiene este sistema (t) + X (t) en la ecuaci perturbativo. Para ello sustituimos la soluci on perturbada X (t) = X on del sistema dX/dt = F (X, t) [Ec. (5.21)]: dx 1 dx1 dx1 = x2 + = x 2 x2 dt dt dt dx2 dx2 2 dx = x1 + =x 1 + x1 dt dt dt (t) es soluci Pero, por denici on, X on del sistema dX/dt = F , por lo que la ecuaci on anterior se reduce a dx1 = x2 dX dt = F (X ), dx2 dt = x1 dt
(5.22)
que es el sistema perturbativo. En este ejemplo tan sencillo encontramos que F = F . es equivalente a estudiar el comportamiento Recu erdese que dijimos que el an alisis de la estabilidad de X de las soluciones de (5.22) en las vecindades del punto cr tico 0. Por ello analizaremos ahora la estabilidad
5.2 Estabilidad
283
de la soluci on nula del sistema perturbativo. En este ejemplo la soluci on del sistema original (5.20) es igual que la del perturbativo (5.22) por lo que x1 (t) = x2 (t) = Pero, |x1 (t) 0| |x1 (0) cos t| + |x2 (0) sen t| |x1 (0)| + |x2 (0)|, |x2 (t) 0| |x1 (0) cos t| + |x2 (0) sen t| |x1 (0)| + |x2 (0)|. Por tanto, > 0, ( ) = 2 tal que |x1 (0) 0| < |x2 (0) 0| < |x1 (t) 0| |x2 (t) 0| < < x1 (0) cos t x2 (0) sen t, x1 (0) cos t + x2 (0) sen t.
(t) es estable. N Esto signica que X (t) = 0 es estable, lo que equivale a decir que X otese que, sin embargo, (t) no es asint X oticamente estable porque los l mites l mt x1 (t) y l mt x2 (t) no existen.
Ejemplo 5.3
En este ejemplo queremos estudiar la estabilidad de las orbitas planetarias circulares con respecto a perturbaciones radiales, es decir, con respecto a perturbaciones que se producen en la direcci on del radio de la orbita. Por concretar, supongamos que el sistema que estudiamos es el formado por el Sol y la Tierra. El lagrangiano del sistema viene dado por L= 1 2 ) U (r) (r 2 + r2 2
donde es la masa reducida del sistema, r y son la coordenadas polares de la posici on de la Tierra con respecto al Sol y k U (r ) = r es la energ a potencial correspondiente a la fuerza gravitatoria F (r) = dU k = 2. dr r
Las ecuaciones del movimiento de la Tierra (ecuaciones de Lagrange) son L d L = 0, dt d L L = 0. r dt r De la primera ecuaci on se obtiene L = const = r2 (5.23) (5.24)
(5.25)
2 que no es m as que la segunda ley de Kepler que dice que la velocidad aerolar 1 2 r es constante. La segunda ecuaci on de Lagrange es 2 = F (r). r r
Incorporando el resultado de (5.25) en esta ecuaci on y dividiendo por se obtiene

2
r donde
2 r3
= g (r) k . r2
(5.26)
g (r ) =
(5.27)
284
Es evidente que la ecuaci on (5.26) tiene una soluci on sencilla cuando r es igual al valor constante R (lo que implica una orbita planetaria circular de radio R) que satisface la relaci on
2
2 R3 Usando (5.27) esta distancia es
= g (R).
. (5.28) k Lo que queremos averiguar ahora es si esta orbita circular es estable frente a perturbaciones radiales. N otese que en el diagrama de fases (radial) en el que representamos r frente a r, la orbita circular viene representada por un punto situado en (r, r ) = (R, 0). Nuestra pregunta es: si en un instante dado t = 0 la orbita circular se perturba4 de modo que el radio pasa de R a r0 = R + x0 y la velocidad inicial de 0 a x 0 con x0 /R 1yx 0 1, qu e le sucede a la nueva orbita? Por ejemplo, se aleja de la anterior de modo que su radio crece y crece alej andose la Tierra del Sol?, o bien, en el espacio de fases (r, r ), permanece la nueva orbita (trayectoria) movi endose en las vecindades de la trayectoria original, es decir, movi endose en las vecindades del punto (R, 0)? En el primer caso la orbita circular ser a inestable y en el segundo caso ser a estable. Para responder a estas cuesiones vamos a ver c omo evoluciona la perturbaci on x = r R. Sustituyendo la relaci on r = R + x en (5.26) obtenemos la ecuaci on perturbativa:
2
R=
2 R3 [(1 + (x/R)]3
= g (R + x).
(5.29)
= N otese que, seg un terminolog a general que hemos usado hasta ahora, la soluci on de referencia es X (R, 0), la soluci on perturbada es X = (R + , 0), la perturbaci on es X = (x, x ) y el sistema perturbativo dX dt = F (X, X, t) es dx = x, dt 2 dx = 2 3 g (R + x). dt R [(1 + (x/R)]3 (5.30) (5.31)
La soluci on exacta de (5.29) es desconocida, pero podemos hallar una soluci on aproximada v alida en las vecindades del origen (x = 0, x = 0) del sistema perturbativo si introducimos en (5.29) las aproximaciones 1 x = 1 3 + O(x2 ), [1 + (x/R)]3 R g (R + x) = g (R) + g (R)x + O(x2 ), con g (R) dg dr (5.32) (5.33)
.
r =R
En este caso la ecuaci on (5.29) se puede aproximar, tras despreciar t erminos de orden x2 , por5
2
2 R3
13
x = g (R) g (R)x. R
2
(5.34)
Pero de (5.27) y (5.28) se deduce que g (R) = por lo que (5.34) se transforma en x +
4 5
2 R3 (5.35)
3g (R) + g (R) x = 0. R
Por ejemplo, debido al impacto de un planetoide. Este procedimiento se conoce como linealizaci on de la ecuaci on original. En la secci on 5.4.2 se estudiar an con detalle las condiciones bajo las cuales este procedimiento es v alido y permite determinar la estabilidad de las soluciones.
5.3 Estabilidad de sistemas lineales

Usando la denici on de g (r) dada en (5.27) se obtiene x + k x = 0. R3
285
Esta es la ecuaci on de un oscilador lineal [de frecuencia 2 = k/(R3 )] por lo que sus soluciones son acotadas, lo que signica que el punto cr tico (x = 0, x = 0) es estable. Es decir, la soluci on perturbada (r = R + x, r =x ) oscila alrededor de la orbita circular (soluci on de referencia) (r = R, r = 0). Seg un el criterio de Liapunov esto implica que la soluci on (r = R, r = 0) de la ecuaci on (5.26) es estable. La demostraci on paso a paso de esta armaci on ser a igual a la llevada a cabo en el ejemplo 5.2, por lo que no la repetimos aqu .
5.3. Estabilidad de sistemas lineales

En esta secci on estudiaremos la estabilidad de la soluci on nula o punto cr tico (0, 0, , 0) del siguiente sistema lineal aut onomo de n ecuaciones diferenciales de primer orden homog eneo con coecientes aij constantes: dx1 = a11 x1 + a12 x2 + a1n xn , dt dx2 = a21 x1 + a22 x2 + a2n xn , dt (5.36) . . . dx n = an1 x1 + an2 x2 + ann xn . dt Se dice que este sistema es aut onomo porque en el no aparece la variable independiente t de forma expl cita. En la secci on 5.3.1 haremos un estudio detallado del caso con n = 2 (caso bidimensional). En la secci on 5.3.2 presentaremos algunos consideraciones v alidas para los casos 6 con n 3. La justicaci on de estudiar la estabilidad de sistemas lineales en este cap tulo dedicado a la estabilidad de sistema no lineales se dar a en la secci on 5.4. Veremos entonces que en ciertos casos puede decidirse cu al es la estabilidad de un sistema no lineal a partir del an alisis de la estabilidad de un sistema lineal relacionado.
5.3.1. Estabilidad de sistemas lineales de dos ecuaciones

En esta secci on estudiaremos el comportamiento global de las soluciones del siguiente sistema lineal aut onomo con coecientes constantes: dx = a1 x + b1 y, dt (5.37) dy = a x + b y, 2 2 dt prestando especial atenci on a su comportamiento en las vecindades del origen (0, 0). N otese que este sistema tiene siempre un punto cr tico (o jo) en el origen (x, y ) = (0, 0). Un sistema de este tipo fue estudiado en el ejemplo 5.2.
6
En la secci on 5.7 se estudiar a la estabilidad de la soluci on nula de algunos sistemas lineales con n = 3.
286
Ecuaciones diferenciales y sistemas no lineales. Estabilidad En lo que sigue supondremos que el determinante de la matriz de los coecientes no es nulo, a1 b1 a2 b2 = 0. (5.38)
Esto signica que la u nica soluci on del sistema algebraico a1 x + b1 y = 0, a2 x + b2 y = 0, es la trivial, x = y = 0, de modo que (x, y ) = 0 es el u nico punto cr tico. (Los casos con determinante nulo se tratan en los problemas 5.5 y 5.6.) en, para introducir la Resoluci on del sistema (5.37). Ahora, a modo de recordatorio y, tambi notaci on que usaremos m as adelante, vamos a mostrar c omo se resuelve el sistema diferencial lineal (5.37) mediante el m etodo de Euler.7 En este m etodo se buscan soluciones del sistema lineal con la forma r(t) (x(t), y (t)) = (A emt , B emt ) = emt (A, B ) emt . Sustituyendo esta expresi on en (5.37) se tiene m emt A = a1 A emt +b1 B emt , m emt B = a2 A emt +b2 B emt . es decir, 0 = (a1 m)A + b1 B, 0 = a2 B + (b2 m)B. (5.39)
Este sistema s olo tiene soluci on distinta de la trivial (A, B ) = (0, 0) si el determinante de sus coecientes es igual a cero: a1 m b1 a2 b2 m = m2 (a1 + b2 ) m + (a1 b2 a2 b1 ) = 0. (5.40)
Esta ecuaci on se conoce como ecuaci on caracter stica. N otese que la condici on (5.38) implica que m = 0 no puede ser soluci on de la ecuaci on caracter stica. La soluci on de (5.39) es inmediata: B m a1 a2 = = . A b1 m b2 (5.41)
Si la ecuaci on caracter stica tiene dos soluciones m1 y m2 distintas8 , entonces (x(t), y (t)) = m t (A1 , B1 ) e 1 y (x(t), y (t)) = (A2 , B2 ) em2 t donde B1 m1 a1 a2 = = , A1 b1 m1 b2 B2 m2 a1 a2 = = , A2 b1 m2 b2 (5.42) (5.43)
7 Es muy conveniente que repases los resultados principales sobre la resoluci on de sistemas de ecuaciones diferenciales de primer orden. Aqu s olo se dan unas cuantas expresiones a modo de recordatorio. Puedes consultar, por ejemplo, el cap tulo 10 de [Sim93]. 8 La discusi on detallada de los otros casos puede verse, por ejemplo, en el cap tulo 10 de [Sim93].
287
son dos soluciones distintas linealmente independientes del sistema (5.37). La soluci on general de este sistema es A1 m1 t A2 m2 t x(t) e e +c2 r(t) = = c1 B2 B1 y (t) (5.44) = c1 1 em1 t +c2 2 em2 t , donde c1 y c2 son dos constantes que se determinan mediante las condiciones iniciales r(0) = c1 1 + c2 2 , es decir, c1 y c2 se obtienen resolviendo el sistema algebraico x(0) = c1 A1 + c2 A2 , y (0) = c1 B1 + c2 B2 . (5.45)
Ejemplo 5.4
Queremos resolver el sistema dx = 3x 2y, dt (5.46) dy = 2x 2y. dt Procedemos tal como hemos discutido anteriormente y proponemos soluciones de la forma (x(t), y (t)) = (A emt , B emt ) = emt (A, B ). Al sustituir esta expresi on en (5.46) y tras cancelar el t ermino emt encontramos mA = 3A 2B, mB = 2A 2B, cuya soluci on es distinta de la soluci on trivial nula (A = B = 0) s olo si 3m 2 2 2 m = m2 m 2 = 0. (5.48) (5.47)
Esta es la ecuaci on caracter stica. Sus ra ces son m1 = 2 y m2 = 1. Si m1 = 2, el sistema (5.47) se reduce a 0 = A 2B, 0 = 2A 4B, cuya soluci on es B = A/2. Por tanto, podemos escribir 1 = (2, 1) si tomamos A = 2. De igual modo, para m2 = 1, el sistema (5.47) se reduce a 0 = 4A 2B, 0 = 2A B, cuya soluci on es B = 2A. Por tanto, 2 = (1, 2) si tomamos A = 1. La soluci on general del sistema (5.46) es por tanto r(t) = (x(t), y (t)) = c1 1 em1 t +c2 2 em2 t , = es decir x(t) y (t) = c1 2 2t 1 t e +c2 e , 1 2 (5.49) (5.50)
x(t) = c1 2 e2t +c2 et , y (t) = c1 e2t +c2 2 et .
288
Soluciones en el plano de fases. La naturaleza de las soluciones del sistema y, por consiguiente, el modo en el que las soluciones se comportar an en las vecindades del punto cr tico (0,0) depender a del tipo de las ra ces caracter sticas m1 , m2 . Pasemos a analizar todos los casos posibles. Caso A. RA ICES REALES Y DISTINTAS. Caso A-1. Ra ces reales, distintas y negativas: m1 < m2 < 0. En este caso la soluci on general es x(t) = c1 A1 em1 t +c2 A2 em2 t , y (t) = c1 B1 em1 t +c2 B2 em2 t . (5.51)
Veamos qu e aspecto tienen las soluciones (x(t), y (t)) en el espacio de fases. Para ello consideraremos los siguientes casos: Cuando c2 = 0 se tiene que r(t) = c1 1 em1 t , y la soluci on correspondiente y (x) es una recta generada por el vector 1 , es decir, x(t) = c1 A1 em1 t y (t) = c1 B1 e
m1 t
y=
B1 x, A1
(5.52)
de modo que la trayectoria y (x) es una recta de pendiente B1 /A1 que pasa por el origen (0, 0) del plano de fases (x, y ). Para c1 > 0 se tiene una semirrecta y para c1 < 0 la semirrecta complementaria (al otro lado del origen). Cuando c1 = 0, se tiene que r(t) = c2 2 em2 t y la soluci on correspondiente y (x) es una recta generada por el vector 2 , es decir, es una recta de pendiente B2 /A2 que pasa por el origen (0, 0) del plano de fases (x, y ): y= B2 x. A2 (5.53)
En general, cuando c1 = 0 y c2 = 0 la soluci on da lugar a una trayectoria descrita por la ecuaci on y c1 B1 em1 t +c2 B2 em2 t c1 B1 e(m1 m2 ) t +c2 B2 = . = m t m t x c1 A1 e 1 +c2 A2 e 2 c1 A1 e(m1 m2 ) t +c2 A2 Dado que m2 > m1 , se tiene que y B2 = , t x A2 l m de modo que todas las trayectorias, excepto una, tienden a entrar en el origen con la pendiente B2 /A2 . La u nica excepci on es la trayectoria particular y = B1 x/A1 . Cuando las trayectorias en las vecindades de un punto cr tico se comportan del modo que acabamos de describir, decimos que el punto cr tico es un nodo estable. En la gura 5.5 representamos el aspecto de las trayectorias en el plano de fases correspondientes a este caso. Caso A-2. Ra ces reales, distintas y positivas: m2 > m1 > 0. La discusi on de este caso es id entica a la del caso anterior y no la llevaremos a cabo. La u nica diferencia reside en que la direcci on de las trayectorias en el plano de fases es ahora justo la contraria a las del caso 1 (v ease la gura 5.6). Este punto cr tico se llama nodo inestable. (5.54)
289

Figura 5.5: Trayectorias en el plano de fases para el nodo estable.
Figura 5.6: Trayectorias en el plano de fases para el nodo inestable.
Caso A-3. Ra ces reales, distintas y de signos opuestos: m1 < 0 < m2 . En este caso la soluci on general sigue siendo de la forma (5.51). Existen tres clases de trayectorias: Cuando c2 = 0 se tiene que x(t) = c1 A1 em1 t y (t) = c1 B1 e
m1 t
y=
B1 x, A1
(5.55)
es decir, la trayectoria es una l nea recta de pendiente B1 /A1 que pasa por el origen. Esta trayectoria apunta hacia hacia el origen pues m1 < 0 implica que x(t) e y (t) tienden a cero cuando t aumenta. Cuando c1 = 0 se tiene B2 y= x, (5.56) A2 es decir, la trayectoria es una l nea recta de pendiente B2 /A2 que pasa por el origen. Esta trayectoria apunta hacia hacia afuera del origen pues m2 > 0. En general, cuando c1 = 0 y c2 = 0 las trayectorias vienen dadas por y c1 B1 em1 t +c2 B2 em2 t = . x c1 A1 em1 t +c2 A2 em2 t Pero y B2 = , x A2 B1 y = , l m t x A1
t
(5.57)
l m
dado que m1 < 0 < m2 . Por tanto encontramos que las trayectorias son curvas que vienen asint oticamente de la recta y/x = B1 /A1 (es decir, que tienden hacia esta recta para t decrecientes) y tienden asint oticamente a la recta y/x = B2 /A2 con t creciente. A este tipo de punto cr tico se le llama punto de silla (v ease la gura 5.7). Este punto es, por supuesto, inestable.
290

Figura 5.7: Trayectorias en el plano de fases en torno a un punto de silla. Ejercicio 5.1
Demuestra que, en la soluci on (5.51) y en t erminos de la condiciones iniciales x0 = x(0), y0 = y (0), las constantes c1 y c2 vienen dadas por c1 = A2 y0 B2 x0 , A1 B2 A2 B1 c2 = A1 y0 B1 x0 . A1 B2 A2 B1
Caso B. RA ICES COMPLEJAS CONJUGADAS m1,2 = i . Caso B-1. Ra ces imaginarias puras: = 0. Las soluciones x(t) e y (t) son ahora combinaciones lineales de exp(it) y exp(it), es decir, combinaciones lineales de cos(t) y sen(t): 1 cos t A 2 sen t) + c2 (A 1 sen t + A 2 cos t), x(t) =c1 (A 1 cos t B 2 sen t) + c2 (B 1 sen t + B 2 cos t). y (t) =c1 (B (5.58)
1 + iA 2 y B1 = B 1 + iB 2 son las soluciones (complejas) de (5.39) donde A1 = A correspondientes a la ra z m1 [Sim93, Sec. 56]. Es decir, las soluciones x(t) e y (t) son funciones peri odicas por lo que todas las trayectorias (x(t), y (t)) son curvas cerradas en el espacio de fases. El punto cr tico (0, 0) es estable pero no asint oticamente estable. A este punto cr tico se le llama centro (v ease la gura 5.8). El sentido del giro de las trayectorias puede determinarse f acilmente a partir del sistema de ecuaciones (5.37) examinando, por ejemplo, en qu e sentido las trayectorias soluci on cortan al eje de ordenadas (x = 0), es decir, examinando el signo de x para x = 0: si x < 0 para (x = 0, y > 0) [o x > 0 para (x = 0, y < 0)] entonces la trayectorias giran en sentido contrario a las agujas del reloj, si x > 0 para (x = 0, y > 0) [o x <0 para (x = 0, y < 0)] entonces la trayectorias giran en el sentido de las agujas del reloj. Por supuesto, igual de v alido y sencillo es determinar el sentido de giro examinando el sentido en el que las trayectorias soluci on cortan al eje de abcisas (y = 0). Ejercicio 5.2
Demuestra que los centros son estables, pero no asint oticamente estables. El ejemplo 5.2 puede servirte de ayuda pues en el est a hecha esencialmente esta demostraci on.
291
Figura 5.8: Trayectorias en el plano de fases para un centro.
Figura 5.9: Trayectorias en el plano de fases para un foco estable. Caso B-2. Ra ces complejas conjugadas con parte real negativa: < 0. La soluci on general dada por (5.51) se puede escribir en este caso como 1 cos t A 2 sen t) + c2 (A 1 sen t + A 2 cos t)], x(t) = et [c1 (A 1 cos t B 2 sen t) + c2 (B 1 sen t + B 2 cos t)]. y (t) = et [c1 (B (5.59)
1 + iA 2 y B1 = B 1 + iB 2 son las soluciones (complejas) de (5.39) donde A1 = A correspondientes a la ra z m1 [Sim93, Sec. 56]. Las soluciones x(t) e y (t) tienen la forma de oscilaciones amortiguadas (pues < 0) y por lo tanto la trayectoria (x(t), y (t)) en el plano de fases es una espiral que se dirige hacia el centro (0, 0). El punto cr tico (0, 0) es asint oticamente estable y se le llama foco estable o punto en espiral estable (v ease la gura 5.9). Caso B-3. Ra ces complejas conjugadas con parte real positiva: > 0. Este caso es igual al anterior: la soluci on viene tambi en dada por (5.59), pero ahora las oscilaciones son crecientes, por lo que la trayectorias en el plano de fases son espirales
292
Ecuaciones diferenciales y sistemas no lineales. Estabilidad que escapan del centro. A este punto cr tico se le llama foco inestable punto en espiral inestable. El sentido del giro de las trayectorias de las espirales puede determinarse f acilmente mediante el procedimiento que explicamos para determinar el sentido de giro de los centros, es decir, examinando en qu e direcci on los brazos de la espiral cortan al eje de ordenadas (x = 0): si x < 0 para (x = 0, y > 0) [o x > 0 para (x = 0, y < 0)] entonces la trayectorias giran en sentido contrario a las agujas del reloj, si x > 0 para (x = 0, y > 0) [o x < 0 para (x = 0, y < 0)] entonces la trayectorias giran en el sentido de las agujas del reloj.
ICES IGUALES m1 = m2 = m. Caso C. RA Distinguiremos dos casos: 1. Cuando los coecientes del sistema (5.37) cumplen que a1 = b2 a = 0, a2 = b1 = 0, se tiene que este sistema se reduce al sistema desacoplado x = a x, y = ay . as posibilidades que conducen a una ra z doble. 2. Todas las dem Caso C-1. Sistema desacoplado. Si introducimos las condiciones dadas en (5.60) en la ecuaci on caracter stica (5.40), obtenemos que m = a es una ra z doble: m2 2 a m + a2 = 0 (m a)2 = 0 m = a. En este caso, la soluci on del sistema (5.37), o equivalentemente, del sistema desacoplado (5.61), es x = c1 emt , y = c2 emt . Por tanto y/x = c1 /c2 para todo c1 y c2 , es decir, todas las trayectorias son rectas que se cortan en el origen. Al este punto cr tico se le llama nodo radial. Si m < 0, el nodo es asint oticamente estable, y si m > 0, el nodo es inestable (v ease la gura 5.10). Caso C-2. Todas las dem as posibilidades que conducen a una ra z doble. Para este caso, la soluci on general del sistema lineal aut onomo dado por la ecuaci on (5.37) es x(t) = c1 A em t +c2 (A1 + A t) em t , y (t) = c1 B em t +c2 (B1 + B t) em t , donde A, A1 , B, B1 son constantes denidas y c1 , c2 son constantes arbitrarias. Analizemos a continuaci on la forma que adoptan las distintas trayectorias (soluciones) posibles en el espacio de fases. (5.61) (5.60)
293
Figura 5.10: Trayectorias en el plano de fases del nodo radial estable.
Para c2 = 0, se tiene la soluci on x(t) = c1 A em t y (t) = c1 B e

mt
B y = , x A
es decir, hay una trayectoria con forma de una recta de pendiente B/A que pasa por el origen. La ecuaci on de las trayectorias generales son las curvas c1 B em t +c2 (B1 + B t) em t y c1 B + c2 B1 + c2 B t = . = m t m t x c1 A e +c2 (A1 + A t) e c1 A + c2 A1 + c2 A t Pero vemos que
t
l m =
B , A
luego todas estas trayectorias tienden asint oticamente a la recta y = Bx/A cuando t . De igual modo, dado que l m = B , A
las trayectorias vienen asint oticamente de la recta y = Bx/A. A estos puntos cr ticos se les llama nodos (v ease la gura 5.11). N otese que estos nodos son asint oticamente estables si m < 0.
La siguiente tabla resume lo visto en esta secci on:
294

Figura 5.11: Trayectorias en el plano de fases para un nodo con ra z doble.

Naturaleza de las ra ces m1 y m2 de la ecuaci on caracter stica. Reales, desiguales y del mismo signo. Reales, desiguales y de signo contrario. Reales e iguales. Naturaleza del punto cr tico (0, 0) del sistema lineal. Nodo. Estabilidad cr tico. del punto
Punto de silla. Nodo.
Asint oticamente estable si las ra ces son negativas; inestable si las ra ces son positivas. Inestable. Asint oticamente estable si las ra ces son negativas; inestable si las ra ces son positivas. Asint oticamente estable si la parte real de las ra ces es negativa; inestable si la parte real de las ra ces es positiva. Estable, pero no asint oticamente estable.
Complejas conjugadas pero no imaginarias puras.
Punto espiral.
Imaginarias puras.
Centro.
En lo que se reere a la estabilidad de los sistemas lineales, lo que hemos visto hasta ahora puede resumirse as : El punto cr tico (0, 0) del sistema lineal (5.37) es estable si y s olo si las dos ra ces de la ecuaci on caracter stica tienen parte real no positiva y es asint oticamente estable si y s olo si las dos ra ces tienen parte real negativa. Veamos, nalmente, otro modo de discriminar la estabilidad de los puntos cr ticos atendiendo a los coecientes de la ecuaci on caracter stica. Si la ecuaci on caracter stica la escribimos de la forma m2 (a1 + b2 ) m + (a1 b2 a2 b1 ) = (m m1 ) (m m2 ) = m2 + p m + q = 0 se tiene que las ra ces m1 y m2 vienen dadas por m1 m2 = p p2 4q . 2

4.48 3089,- 08
295
$%
4.48 089,- 08
$%
$ %
% %
$%
039748
4/48 3089,- 08
4/48089,- 08
$%
!:3948/08
Figura 5.12: Diagrama que muestra los distintos comportamientos del punto cr tico (0, 0) de un sistema de ecuaciones lineales dependiendo de los valores de p y q . La l nea de puntos es una par abola 2 dada por la ecuaci on q = p /4 que separa los focos de los nodos. Es muy f acil analizar la estabilidad del punto cr tico en t erminos de p y q . El resultado del an alisis se muestra en la gura 5.12. Por ejemplo, encontramos que el punto cr tico (0, 0) es asint oticamente estable si y s olo si los coecientes p = (a2 + b2 ) y q = a1 b2 a2 b1 de la ecuaci on 9 caracter stica son ambos positivos. Ejercicio 5.3
on hemos ido estableciendo sin demostraci on, porque nos parec a evidente, cu al era 1. En esta secci la estabilidad del punto cr tico (0, 0), esto es, la estabilidad de la soluci on (x(t), y (t)) = (0, 0) del sistema (5.37). No obstante, puede ser un ejercicio instructivo determinar la estabilidad de cada tipo de punto cr tico aplicando cuidadosamente la denici on de estabilidad que vimos en la secci on 5.2. 2. Comprueba los resultados sintetizados en la gura 5.12. 3. Sea el sistema d X (t) = F X (t) dt X (t) = y F =
9
con x(t) y (t) a1 a2 b1 b2
Este es el criterio de Hurwitz para n = 2; v ease la secci on 5.3.2.
296
a) Sea
F = es decir, sea el sistema
4 3
2 1
dx = 4x 2y, dt dy = 3x + y. dt Demuestra que su soluci on general viene dada por X (t) = c1 em1 t 1 + c2 em2 t 2 donde m1 = 2 y m2 = 1 son los autovalores de la matriz de coecientes F y 1 = 1 1 , 2 = 1 3/2 ,
(5.62)
(5.63)
b)
son sus correspondientes autovectores. Demuestra que si en t = 0 la soluci on pasa por X0 = (0, 1/2), entonces c1 = 1 y c2 = 1. Por u ltimo demuestra que la soluci on nula [o punto cr tico (0,0)] es asint oticamente estable. Demuestra que la soluci on general del sistema dx = 3x y, dt dy = 4x 2y, dt
(5.64)
viene dada por (5.63) donde m1 = 1 y m2 = 2 son los autovalores de la matriz de coecientes y 1 1 , , 2 = 1 = 1 4 son sus correspondientes autovectores. Demuestra que la soluci on nula [o punto cr tico (0,0)] no es estable. Demuestra que la soluci on general del sistema dx = x 2y, dt dy = x 3y, dt
c)
(5.65)
viene dada por (5.63) donde m1 = 2 i y m2 = 2 + i son los autovalores de la matriz de coecientes y 1i 1+i 1 = , 2 = , 1 1 son sus correspondientes autovectores. Demuestra que la soluci on nula [o punto cr tico (0,0)] es asint oticamente estable. Encuentra la soluci on general del sistema dx = 3x + 2y, dt dy = 2x y, dt y demuestra que la soluci on nula [o punto cr tico (0,0)] no es estable.
d)
(5.66)
297
5.3.2. Sistemas con m as de dos ecuaciones

Para sistemas lineales aut onomos con coecientes constantes con m as de dos ecuaciones, es decir, para dx1 = a11 x1 + a12 x2 + a1n xn , dt dx2 = a21 x1 + a22 x2 + a2n xn , (5.67) dt .................................. dxn = a x + a x + a x , n1 1 n2 2 nn n dt con n 3 y aij constante, los criterios para decidir sobre la estabilidad de la soluci on nula son los mismos que hemos visto en la secci on anterior. De hecho, el resultado enmarcado en la p agina 294 es esencialmente v alido para sistemas con m as ecuaciones cambiando la palabra dos por todas; es decir: El punto cr tico (0, 0, , 0) del sistema lineal (5.67) es estable si y s olo si todas las ra ces de la ecuaci on caracter stica tienen parte real no positiva y es asint oticamente estable si y s olo si todas las ra ces tienen parte real negativa. Por supuesto, la ecuaci on caracter stica viene dada por a11 m a12 a1n a21 a22 m a2n ................................. an1 a n2 ann m
= 0.
(5.68)
Gracias al criterio de Hurwitz (tambi en llamado criterio de Routh-Hurwitz) es posible saber si es negativa la parte real de todas las ra ces de nuestra ecuaci on caracter stica sin necesidad de calcularlas: ces de la ecuaci on Teorema 5.1 (Criterio de Hurwitz) Todas las ra c0 xn + c1 xn1 + + cn1 x + cn = 0, con c0 > 0, tendr an partes reales negativas si, y s olo si, todos los determinantes Dm denidos por D1 = c1 , D2 = D3 = c1 c0 c3 c2 , ,
c1 c0 0 c3 c2 c1 c5 c4 c3 c1 c3 c5 c7
D4 = . . . Dn =
c0 0 0 c2 c1 0 c4 c3 c2 c6 c5 c4
(5.69)
c1 c0 0 0 c3 c2 c1 0 , ............................. c2n1 c2n2 c2n3 cn
298
son positivos, siendo cm = 0 para m > n. Ejercicio 5.4

Utiliza el criterio de Hurwitz para demostrar que: ces de la ecuaciones 1. Todas las ra y tienen parte real negativa. 2. Alguna(s) de las ra ces de las ecuaciones x4 6 x3 + 16 x2 26 x + 15 = 0 y tienen parte real no negativa. x5 10 x3 + 10 x2 + 29 x 30 = 0 x4 + 2 x3 + 14 x + 15 = 0
x5 + 2 x4 8 x3 8 x2 + 31 x + 30 = 0
5.4. Estabilidad de sistemas no lineales

Ahora estudiaremos algunos criterios que nos permitir an determinar la estabilidad de los puntos cr ticos de sistemas no lineales aut onomos. Nos restringiremos, sin excesiva p erdida de generalidad, al caso de un sistema de segundo orden: dx = F (x, y ), dt (5.70) dy = G(x, y ). dt Adem as, vamos a suponer (i) que el punto cr tico est a aislado, es decir, que existe un entorno en el que no hay ning un otro punto cr tico, y (ii) que est a situado en el origen.10
5.4.1. Campo vectorial de direcciones y trayectorias soluci on

Un procedimiento muy sencillo y ecaz para determinar gr acamente las trayectorias soluci on del sistema (5.70) y, por consiguiente, para determinar la estabilidad de sus puntos cr ticos, consiste en representar el campo vectorial de las direcciones (o pendientes) de las trayectorias en la zona del plano de fases de inter es (por ejemplo, en las vecindades de los puntos cr ticos, si queremos conocer la estabilidad de estos puntos). Para llevar a cabo esta representaci on se eligen unos cuantos puntos (x, y ) en la zona del plano de fase que nos interese y trazamos con origen en cada uno de estos puntos un vector (una echa) v (x, y ) = (vx , vy ) con componentes proporcionales a F (x, y ) y G(x, y ), respectivamente, es decir v (x, y ) = vx vy =c F (x, y ) G(x, y ) (5.71)
donde c es un n umero arbitrario pero independiente de los puntos (x, y ) escogidos. En la gura
Lo consideraremos as por sencillez en la exposici on. Si el punto cr tico estuviera situado en otro punto, digamos en (x0 , y0 ), analizar amos su comportamiento estudiando la estabilidad del punto cr tico ( x = 0, y = 0) donde x = x x0 , y = y y0 .
10
5.4 Estabilidad de sistemas no lineales
299
y
4
-4
-2
-2
-4
Figura 5.13: Campo vectorial de direcciones del sistema no lineal (5.72) y tres trayectorias soluci on (l neas continuas delgadas) que comenzaron en (x, y ) = (3, 3), (x, y ) = (2, 3 5) y (x, y ) = (3, 3 8). 5.13 se ha representado el campo vectorial del sistema no lineal dx = x y2, dt dy = x2 y, dt
(5.72)
junto con tres trayectorias soluci on que comenzaron en tres puntos distintos del plano de fases (x, y ). Se ve en la gura que los vectores y las trayectorias de las soluciones se disponen de forma alineada all donde los vectores y las trayectorias coinciden, es decir, se observa que los vectores situados sobre las trayectorias son tangentes a las mismas. Esto no es casual como es f acil de entender: la pendiente dy/dx de la tangente a la trayectoria en el punto (x, y ) puede obtenerse dividiendo la segunda ecuaci on de (5.70) por la primera dy G(x, y ) = dx F (x, y ) de modo que esta pendiente es justamente igual a la pendiente del vector v (x, y ) que pasa por el punto (x, y ). Podemos entender esto de un modo ligeramente diferente: la primera ecuaci on de (5.70) nos dice que durante el tiempo dt la abcisa x de la trayectoria soluci on cambia en la cantidad dx = F (x, y )dt; la segunda ecuaci on de (5.70) nos dice que la ordenada y cambia en la cantidad dy = G(x, y )dt. Luego durante el intervalo de tiempo dt la soluci on del sistema pasa de (x, y ) a (x + F (x, y )dt, y + G(x, y )dt). Luego un vector que vaya del punto (x, y ) al punto (x + F (x, y )dt, y + G(x, y )dt) nos est a indicando el sentido en el que se traza la trayectoria soluci on. Este vector es justamente proporcional al vector v (x, y ) denido en (5.71). Adem as, la
300
0.4
0.2
-0.6
-0.4
-0.2 -0.2
0.2
0.4
-0.4
Figura 5.14: Campo vectorial de direcciones del sistema no lineal (5.72) en las vecindades del punto cr tico (0, 0). magnitud de F (x, y ) y G(x, y ), y por consiguiente, el tama no de la echa v (x, y ) que aparece en el diagrama de fases, nos indica la rapidez con la que se recorre la trayectoria soluci on en el punto (x, y ). En resumen, una vez construido el campo vectorial de direcciones podemos trazar la trayectoria soluci on que pasa por cualquier punto sin m as que trazar una l nea que se dirija siempre en la direcci on en la que apuntan las echas v (x, y ) sobre las que pasa la trayectoria. Por supuesto, esto es tanto m as f acil de llevar a cabo cuanto mayor sea el n umero de echas dibujadas. Por ejemplo, no deber a ser dif cil para el lector continuar en la gura 5.13 con la trayectoria, trazada con l nea m as gruesa, que comienza en el punto (x, y ) = (3, 4) y que se ha truncado en las vecindades del punto (x, y ) = (2, 3). En la gura 5.13 es dif cil apreciar c omo se comportan las trayectorias en las vecindades del punto cr tico situado en el origen, (x, y ) = (0, 0). Por ello es conveniente trazar con m as detalle el campo vectorial en las vecindades del origen. Esto se ha llevado a cabo en la gura 5.14. Es ahora evidente que el campo vectorial en las vecindades del punto cr tico (0, 0) es el propio de un punto de silla: (0, 0) es un punto inestable. Ejercicio 5.5
1. Excepto en los punto cr ticos, las trayectorias de los sistemas aut onomos (5.37) nunca se cortan. Sin embargo, esta propiedad no se verica para sistemas no aut onomos. Por qu e? Pista: si dos trayectorias se cortaran en un punto en qu e direcci on apuntar a el vector del campo vectorial situado sobre el punto de corte? se alinear a con una trayectoria y no con la otra? es esto posible? 2. Determina cu al de los campos vectoriales de la gura 5.15 es el campo vectorial correspondiente a cada uno de los sistemas dados en las ecuaciones (5.62), (5.64), (5.65) y (5.66) del ejercicio 5.3.

y
y
3
3
301
-3
-2
-1
-3
-2
-1
-1
-1
-2
-2
-3
-3
y
3
y
3
-3
-2
-1 -1
-3
-2
-1
-1
-2
-2
-3
-3
Figura 5.15: Campos vectoriales de las trayectorias de los sistemas (5.62), (5.64), (5.65) y (5.66)
5.4.2. Estabilidad en torno a los puntos cr ticos simples

Sea un sistema aut onomo no lineal descrito por la ecuaci on (5.70) que, en esta secci on, escribiremos as : dx = a1 x + b1 y + f (x, y ), dt (5.73) dy = a x + b y + g (x, y ). 2 2 dt Adem as, vamos a asumir que: 1. a1 , b1 , a2 y b2 son constantes reales que cumplen que a1 b1 a2 b2 = 0, (5.74)
302
2. f y g son funciones que tienen primeras derivadas parciales continuas para todo (x, y ) y adem as g (x, y ) f (x, y ) = l m = 0. (5.75) l m (x,y )(0,0) x2 + y 2 (x,y)(0,0) x2 + y 2 Bajo estas condiciones, el origen (0, 0) es un punto cr tico aislado del sistema (5.73) que se conoce como punto cr tico simple.
Ejemplo 5.5
Sea el sistema dx = x 2y + x2 , dt dy = 2x + 2y + 2y 2 . dt
(5.76)
Se ve claramente que es de la forma (5.73) y que satisface la condici on (5.74): 1 2 2 2 = 2 = 0 .
Adem as, como f (x, y ) = x2 y g (x, y ) = 2y 2 , tambi en se satisface la condici on (5.75): l m f (x, y ) x2 + y 2 g (x, y ) x2 + y 2 = = l m l m x2 x2 + y 2 2y 2 x2 + y 2 = l m = l m r2 cos2 = 0, r 0 r 2r2 sen2 = 0, r 0 r para todo , para todo ,
(x,y )(0,0)
(x,y )(0,0)
(x,y )(0,0)
l m
(x,y )(0,0)
donde hemos hecho el cambio (coordenadas polares) x = r cos , y = r sen . El punto cr tico (0, 0) es, por tanto, un punto cr tico simple.
La condici on (5.75) exige que los t erminos no lineales del sistema (5.73) [es decir, f (x, y ) y g (x, y )] tiendan a cero m as r apidamente que los t erminos lineales. Por tanto, parece sensato conjeturar que el comportamiento de las trayectorias del sistema (5.73) cerca del punto cr tico (0, 0) est e dominado por los t erminos m as relevantes (es decir, por los lineales) y, por tanto, las trayectorias del sistema no lineal sean muy similares a las del sistema resultante tras despreciar los t erminos no lineales.11 La gura 5.16 puede servir para aclarar esta idea un poco m as. En la gura 5.16(a) se ha representado el campo vectorial de direcciones en las vecindades del origen para el sistema no lineal (5.76) del ejemplo 5.5, mientras que en la gura 5.16(b) se ha representado el campo vectorial de direcciones en las vecindades del origen para el sistema lineal resultante al despreciar los t erminos no lineales, es decir, el sistema dx = x 2y, dt dy = 2x + 2y. dt
(5.77)
Como se puede apreciar [y como era de esperar pues los t erminos no lineales f (x, y ) y g (x, y ) son cuadr aticos!] los dos campos vectoriales son casi indistinguibles (tanto m as cuanto m as cerca del origen miremos), por lo que es inmediato concluir que las trayectorias soluci on de ambos sistemas en las vecindades de (0, 0) ser an casi id enticas. Esto implica que tanto para el sistema no lineal
303
0.4
0.4
0.2
0.2
-0.4
-0.2 -0.2
0.2
0.4
-0.4
-0.2 -0.2
0.2
0.4
-0.4
-0.4
(a)
(b)
Figura 5.16: (a) Campo vectorial de direcciones del sistema no lineal (5.76). (b) Lo mismo pero para el sistema lineal asociado (5.77). como para el no lineal el punto cr tico (0, 0) ser a del mismo tipo (en este ejemplo, es un punto de silla) y su estabilidad ser a la misma (en este ejemplo, el punto es inestable). Al sistema resultante tras despreciar los t erminos no lineales se le conoce como sistema lineal asociado al sistema no lineal original. Por consiguiente, el sistema lineal asociado al sistema (5.73) es dx = a1 x + b1 y, dt (5.78) dy = a x + b y. 2 2 dt La conjetura que discutimos hace un momento es conrmada por los siguientes teoremas: Teorema 5.2 (Tipo del punto cr tico) Sea (0, 0) un punto cr tico simple de un sistema no lineal y sean m1 y m2 las dos ra ces caracter sticas de su sistema lineal asociado. Sucede que: 1. Si m1 y m2 son reales, desiguales y del mismo signo, entonces (0, 0) es un nodo para ambos sistemas. 2. Si m1 y m2 son reales, desiguales y signo contrario, entonces (0, 0) es un punto de silla para ambos sistemas. 3. Si m1 y m2 son reales e iguales y el sistema linealizado no est a desacoplado, (es decir no sucede que a1 = b2 = 0, a2 = b1 = 0) entonces (0, 0) es un nodo para ambos sistemas. 4. Si m1 y m2 son complejas conjugadas con parte real no nula, entonces (0, 0) es un punto de espiral para ambos sistemas.
Esta misma idea fue la que usamos en el ejemplo 5.3 para analizar la estabilidad de las orbitas planetarias circulares.
11
304
5. Si m1 y m2 son reales e iguales y el sistema linealizado s est a desacoplado (es decir, sucede que a1 = b2 = 0, a2 = b1 = 0), entonces (0, 0), aunque es un nodo para el sistema linealizado, puede ser nodo o punto espiral para el sistema no lineal. 6. Si m1 y m2 son imaginarias puras entonces (0, 0), aunque es un centro del sistema linealizado, puede ser un centro o punto espiral para el sistema no lineal. Los casos recogidos en los apartados 5 y 6 se llaman casos fronterizos. Teorema 5.3 (Estabilidad del punto cr tico) Sea (0, 0) en punto cr tico simple de un sistema no lineal y sean m1 y m2 las dos ra ces caracter sticas de su sistema lineal asociado. Sucede que 1. Si m1 y m2 tienen parte real negativa, entonces (0, 0) es un punto cr tico asint oticamente estable tanto para el sistema linealizado como para el no lineal. 2. Si m1 y m2 son imaginarias puras, entonces el punto cr tico (0, 0) aunque es estable para el sistema linealizado, no es necesariamente estable para el sistema no lineal, pudiendo ser asint oticamente estable, estable o inestable. tico 3. Si alguna de las ra ces m1 y m2 tiene parte real positiva, entonces (0, 0) es un punto cr inestable tanto para el sistema linealizado como para el sistema no lineal. No demostraremos estos teoremas, pero s los ilustraremos con un par de ejemplos.
Ejemplo 5.6
Consideremos el sistema no lineal siguiente dx = x + 4y x 2 , dt dy = 6x y + 2x y. dt
(5.79)
Este sistema es de la forma (5.73), donde f (x, y ) = x2 y g (x, y ) = 2x y . Es f acil comprobar que se satisfacen las condiciones (5.74) y (5.75), por lo que (0, 0) es un punto cr tico simple. Esto signica que podemos intentar caracterizarlo (saber su tipo y estabilidad) usando el teorema 5.2. Empezamos construyendo el sistema lineal asociado a nuestro sistema no lineal original: dx = x + 4y, dt dy = 6x y. dt Vemos que la ecuaci on caracter stica (5.40) de este sistema es 1m 4 6 1 m = m2 25 = 0,
con lo cual las ra ces son m1 = 5 y m2 = 5, es decir, reales, distintas y de signo contrario. Entonces el punto cr tico (0, 0), seg un el apartado A-3 de la p agina 289, es un punto de silla. Esto signica, seg un el teorema 5.2, que el punto cr tico (0, 0) de sistema no lineal original (5.79) es tambi en un punto de silla. En la gura 5.17 se da el campo vectorial de las direcciones correspondiente a la ecuaci on (5.79). Como tarea extra vamos a calcular la ecuaci on de las trayectorias que siguen las soluciones de (5.79) en el plano de fases. Eliminando dt del sistema original, obtenemos la ecuaci on diferencial dy 6x y + 2xy = dx x + 4y x2 (5.80)
305
y
3
-3
-2
-1 -1
-2
-3
Figura 5.17: Campo vectorial de direcciones del sistema no lineal (5.79) y dos trayectorias soluci on.
que proporciona la pendiente de las trayectorias en el plano de fases (x, y ). La soluci on de esta ecuaci on de primer orden es x2 y + 3x2 x y 2y 2 + c = 0, donde c es una constante arbitraria. Esta ecuaci on describe las trayectorias soluci on de (5.79) en el plano de fases. Esta ecuaci on cuadr atica resolverse de forma expl cita: x + x2 8 c + 25 x2 2 x3 + x4 y (x) = . (5.81) 4 En la gura 5.17 mostramos dos trayectorias soluci on obtenidas ambas tomando c = 1 en (5.81), pero en un caso (l nea inferior) usando la expresi on con el signo positivo delante de la ra z y en el otro (l nea superior) tomando el signo negativo. Ejercicio 5.6 1. Traza, con buen pulso, algunas otras trayectorias del sistema (5.79) sobre la gura 5.17. 2. Resuelve el sistema algebraico 0 = x + 4y x 2 , 0 = 6x y + 2x y, para demostrar que el origen (0, 0) es el u nico punto cr tico de (5.79).
306
Ejemplo 5.7
Vamos a determinar el tipo y estabilidad de todos los puntos cr ticos de este sistema no lineal: dx = 8x y 2 , dt dy = 6y + 6x2 . dt Las coordenadas (x, y ) de los puntos cr ticos han de satisfacer el sistema de ecuaciones algebraicas 8x y 2 = 0, 6y + 6x2 = 0. (5.83) (5.82)
Despejando la ordenada y , descubrimos que la abscisa x de los puntos cr ticos ha de ser soluci on de la ecuaci on x (2 x) (4 + 2x + x2 ) = 0. Esta ecuaci on posee u nicamente dos ra ces reales: x = 0 y x = 2. Las ordenadas y de los puntos cr ticos se obtienen sustituyendo estas ra ces en cualquiera de las ecuaciones del sistema (5.83). De este modo obtenemos los puntos cr ticos P1 = (0, 0) y P2 = (2, 4). An alisis del punto cr tico P1 = (0, 0) Empezamos construyendo el sistema linealizado del sistema original (5.82) en torno al punto P1 = (0, 0): dx = 8x, dt dy = 6y. dt Es f acil darse cuenta que el sistema (5.82) tiene la forma del sistema (5.73) y que verica las tres condiciones (v ease la p agina 301) que hacen que P1 = (0, 0) sea un punto cr tico simple. Su ecuaci on caracter stica 8m 0 0 6 m = m2 2m 48 = 0,
tiene por ra ces a m1 = 8 y m2 = 6, que son reales, distintas y de signo contrario, por lo que el punto cr tico P1 = (0, 0) del sistema no lineal (5.82) es, seg un el teorema 5.2, un punto de silla y, por tanto, inestable. An alisis del punto cr tico P2 = (2, 4) Vamos ahora a estudiar el tipo y la estabilidad del punto cr tico P2 = (2, 4). Para ello utilizamos un nuevo sistema de coordenadas (, ) que se relaciona con el anterior mediante las ecuaciones = x 2, = y 4. (5.84)
De este modo, el punto cr tico P2 = (x = 2, y = 4) queda situado en el origen P2 = ( = 0, = 0) del nuevo sistema de coordenadas. Insertando (5.84) en (5.82), expresamos el sistema no lineal original en t erminos de las nuevas coordenadas: d = 8 8 2 , dt (5.85) d = 24 6 + 6 2 . dt Este sistema es de la forma (5.73), y es f acil ver tambi en ahora que el punto cr tico (, ) = (0, 0) es un punto cr tico simple. Por ello intentaremos analizaremos su estabilidad a partir del sistema lineal d = 8 8, dt d = 24 6, dt (5.86)
307
y
6
-2
-1
-2
Figura 5.18: Campo vectorial de direcciones del sistema no lineal (5.82) y una trayectoria que comenz o en el punto (2, 3 5).
que es el sistema linealizado asociado al sistema (5.85). La ecuaci on caracter stica es 8m 24 8 6 m = m2 2m + 144 = 0.
Sus ra ces, m1,2 = 1 143 i, son complejas conjugadas con parte real positiva, por lo que, seg un el teorema 5.2, el punto cr tico P2 = ( = 0, = 0) = (x = 2, y = 4) del sistema no lineal es un foco (o punto espiral) inestable. En la gura 5.18 hemos representado el campo vectorial de las direcciones de las trayectorias del sistema (5.82) junto con una trayectoria representativa.
Linearizaci on y Jacobiano Hemos visto que, en determinadas circunstancias, para analizar la estabilidad de un sistema no lineal dx = F (x, y ), dt (5.87) dy = G(x, y ), dt en torno a un punto cr tico (x0 , y0 ) es conveniente construir el sistema lineal asociado en torno a este punto, o usando una terminolog a habitual, que es conveniente linearizar el sistema (5.87) en torno al punto cr tico (x0 , y0 ). En el ejemplo anterior (5.7) hemos visto c omo proceder
308
para hacer esto. Hay no obstante un procedimiento para linearizar un sistema que a menudo es m as conveniente debido a su simplicidad algebraica. Ve amoslo. Denamos dos nuevas variables independiente u y v (variables perturbativas ) as : x = x0 + u, y = y0 + v . Sustituyendo estas expresiones en (5.87) obtenemos: d (x0 + u) = dt d (y + v ) = 0 dt du = F (x0 + u, y0 + v ), dt dv = G(x0 + u, y0 + v ), dt
(5.88)
o, desarrollando F (x0 + u, y0 + v y G(x0 + u, y0 + v ) en serie de Taylor en torno al punto cr tico (x0 , y0 ), du = F (x0 , y0 ) + Fx (x0 , y0 ) u + Fy (x0 , y0 ) v + t erminos de orden u2 , v 2 , u v , y/o superior, dt dv = G(x , y ) + G (x , y ) u + G (x , y ) v + t erminos de orden u2 , v 2 , u v , y/o superior, 0 0 x 0 0 y 0 0 dt (5.89) donde Fx = F/x, Fy = F/y , etc. Pero por denici on de punto cr tico F (x0 , y0 ) = G(x0 , y0 ) = 0 de modo que el sistema anterior se reduce, tras despreciar los t erminos no lineales, al sistema linearizado que est abamos buscando: du = Fx (x0 , y0 ) u + Fy (x0 , y0 ) v , dt (5.90) dv = G (x , y ) u + G (x , y ) v , x 0 0 y 0 0 dt o, en forma matricial, du/dt dv/dt donde la matriz J(x, y ) = = Fx (x0 , y0 ) Fy (x0 , y0 ) Gx (x0 , y0 ) Gy (x0 , y0 ) Fx (x, y ) Fy (x, y ) Gx (x, y ) Gy (x, y ) u v (5.91)
(5.92)
se conoce como Jacobiano del sistema (5.87). La ecuaci on caracter stica del sistema en el punto cr tico (x0 , y0 ) es simplemente det[J(x0 , y0 ) mI] = 0, (5.93) siendo I la matriz identidad [es decir, la matriz cuyo elemento (i, j ) es i,j ]. Casos fronterizos En el apartado anterior (p agina 304) se dijo que estamos en un caso fronterizo cuando el punto cr tico es un nodo radial o un centro. En estos casos no podemos decidir de qu e tipo es el punto cr tico del sistema no lineal a partir del an alisis del sistema linealizado. Veamos un par de ejemplos.
Ejemplo 5.8
El punto cr tico (0, 0) del sistema dx = y x2 , dt dy = x, dt
(5.94)
309
y
2
2
-1
-1
-2 -2 -1 0 1 2
-2 -2 -1 0 1 2
(a)
(b)
Figura 5.19: (a) Campo vectorial de direcciones del sistema no lineal (5.94) junto con una trayectoria que comenz o en el punto (1, 1). (b) Lo mismo pero para el sistema (5.95).
es un centro [v ease la gura 5.19(a)], mientras que el punto cr tico (0, 0) del sistema dx = y x3 , dt dy = x, dt
(5.95)
es ahora un foco [v ease la gura 5.19(b)]. Sin embargo, el sistema linealizado de ambos sistemas no lineales es el mismo dx = y, dt (5.96) dy = x, dt y su punto cr tico (0, 0) es un centro.
Ejemplo 5.9
El punto cr tico (0, 0) del sistema dx = y x x2 + y 2 , dt dy = x y x2 + y 2 , dt dx = y, dt dy = x. dt
(5.97)
es un foco estable y, sin embargo, es un centro de su sistema linealizado:
310
Esto u ltimo es f acil de demostrar pues la ecuaci on caracter stica es m 1 1 m = m2 + 1 = 0 ,
y sus ra ces m1,2 = i son complejas conjugadas con parte real nula. Veamos ahora que el origen del sistema no lineal es un foco estable. El sistema no lineal es m as f acil de resolver expres andolo en coordenadas polares (r, ). La relaci on r2 = x2 + y 2 implica que r mientras que de = arctan(y/x) se deduce d dt = = es decir d(y/x) dt 1 + (y/x)
2 dx x dy x2 dt y dt x2 + y 2 x2
dr dx dy =x +y dt dt dt 1
(5.98)
1 d = 2 dt r
dy dx y dt dt
(5.99)
Multiplicando la primera ecuaci on de (5.97) por x, la segunda por y , y sumando, la ecuaci on (5.98) se transforma en r dr dx dy =x +y dt dt dt = x y x x 2 + y 2 + y x y = (x2 + y 2 )3/2 = r3 , dr = r2 . dt Por otro lado, multiplicando la segunda ecuaci on de (5.97) por x, y la primera por y , y restando, la ecuaci on (5.99) se reduce a r2 d dy dx =x y dt dt dt =x xy = x2 + y 2 = r2 , es decir, d = 1. dt Obtenemos de este modo un sistema equivalente al (5.97) con las variables r y desacopladas: dr = r2 , dt d = 1. dt La soluci on es inmediata: 1 , t + 1/r0 = t + 0 , r= (5.101a) (5.101b) (5.100a) (5.100b) x2 + y 2 y y x x2 + y 2 es decir, x2 + y 2

y por tanto x(t) = 1 cos[t + 0 ] , t + 1/r0 1 y (t) = sen[t + 0 ] . t + 1/r0
311
(5.102a) (5.102b)
Por supuesto, r0 y 0 son constantes determinadas por las condiciones iniciales. La soluci on anterior [ecuaciones (5.101) o (5.102)] da lugar a trayectorias en el plano de fases que se dirigen en espiral hacia el origen. Por tanto, para el sistema no lineal (5.97), el origen es un foco estable.
Puntos cr ticos no simples Para los puntos cr ticos no simples la casu stica es mucho m as variada que para los puntos cr ticos simples, es decir, el comportamiento de las trayectorias en torno a los puntos cr ticos no simples es muy variado, generalmente complicado, no limit andose las formas de las trayectorias a foco, centro, nodo o punto de silla. Como ejemplo, en las gura 5.20 representamos en torno al punto cr tico no simple (0, 0) los campos vectoriales de direcciones de los sistemas dx = 2xy, dt (5.103) dy = y 2 x2 , dt y dx = x3 2xy 2 , dt (5.104) dy = 2x2 y y 3 . dt Ejercicio 5.7
Traza algunas trayectorias de las soluciones de los sistemas (5.103) y (5.104) sobre la gura 5.20.
5.4.3. Estabilidad por el m etodo directo de Liapunov

Hemos visto en la secci on anterior que si un punto cr tico simple de un sistema no lineal resulta ser un centro del sistema linealizado, entonces el teorema 5.3 no proporciona ninguna informaci on sobre la estabilidad del punto cr tico del sistema no lineal. M as aun, cuando los puntos cr ticos no son simples, el teorema 5.3 no sirve para determinar la estabilidad de estos puntos cr ticos. Afortunadamente, existen otros procedimientos para determinar la estabilidad de un punto cr tico aplicables incluso cuando el punto cr tico no es simple. En esta secci on se 12 discute uno de estos procedimientos: el m etodo directo (o segundo m etodo) de Liapunov. Sea C = (x(t), y (t)) una soluci on (es decir, una trayectoria en el plano de fases) del sistema dx = F (x, y ), dt (5.105) dy = G(x, y ), dt
12
Puedes ver otros m etodos en las referencias [Ros81, Sim93] y, m as abundantemente, en [Str94].
312
y
2
2
-1
-1
-2 -2 -1 0 1 2
-2 -2 -1 0 1 2
(a)
(b)
Figura 5.20: (a) Campo vectorial de direcciones del sistema no lineal (5.103). (b) Campo vectorial de direcciones del sistema (5.104). y sea E (x, y ) una funci on denida en una regi on que contenga a C . Llamamos velocidad de cambio de E [x(t), y (t)] = E (t) a lo largo de la trayectoria C , a la funci on dE/dt evaluada sobre la trayectoria C : [dE/dt]C . Esta funci on podemos expresarla as : (x, y ) dE E dt =
C
E x
dx dt
+
C
E y
dy dt
(5.106) = E E F+ G. x y
(x, y ) tambi AE en se la llama derivada de E (x, y ) con respecto al sistema (5.105). Funci on de Liapunov Supongamos que E (0, 0) = 0 y sea R una regi on que rodea al punto (0, 0). Diremos que E (x, y ) es: denida positiva en R si E (x, y ) > 0 para todo punto (x, y ) = (0, 0) de R; denida negativa en R si E (x, y ) < 0 para todo punto (x, y ) = (0, 0) de R; semidenida positiva en R si E (x, y ) 0 para todo punto (x, y ) = (0, 0) de R; semidenida negativa en R si E (x, y ) 0 para todo punto (x, y ) = (0, 0) de R.
Ejemplo 5.10
Supongamos que n y m son dos n umeros naturales (el 0 no est a incluido). Entonces la funci on a x2 n + b y 2 m 2n 2n es denida positiva si a, b > 0, o denida negativa si a, b < 0. En cambio, x , y y (x y )2n son semidenidas positivas.
313
Sea E (x, y ) una funci on continua y con las primeras derivadas parciales E/x, E/y continuas en una cierta regi on R que rodea al punto (0, 0). Decimos que E (x, y ) es una funci on d ebil de Liapunov del sistema (5.105) en R si, en esta regi on R, es denida positiva y su velocidad de cambio (x, y ) = E F + E G, E x y es semidenida negativa. Si su velocidad de cambio es denida negativa, entonces decimos que E (x, y ) es una funci on fuerte de Liapunov del sistema (5.105) en R . on d ebil de Liapunov E (x, y ) para el sistema (5.105) en una Teorema 5.4 Si existe una funci regi on R que rodea al punto cr tico (0, 0), entonces el punto cr tico (0, 0) es, al menos, estable. Si existe una funci on fuerte de Liapunov E (x, y ) en una regi on R que rodea al punto cr tico (0, 0), entonces (0, 0) es asint oticamente estable. Puedes ver la demostraci on de este teorema en el cap tulo 8 de [Sim93]. La idea detr as de la demostraci on es muy sencilla: si cuando el punto (x(t), y (t)) se mueve sobre cualquier trayectoria soluci on de (5.105) sucede que E (x, y ) siempre disminuye, es claro que al nal (x(t), y (t)) acabar a sobre (0, 0), que es el u nico m nimo de E (x, y ) (pues es una funci on denida positiva); esto signica que el punto (0, 0) es hacia donde tienden todas las trayectorias y, por tanto, este punto es (asint oticamente) estable. El siguiente teorema es un resultado u til a la hora de proponer funciones de Liapunov. Teorema 5.5 La funci on E (x, y ) = ax2 + bxy + cy 2 es denida positiva si, y s olo si, a > 0, y denida negativa si, y s olo si, a < 0, Su demostraci on es elemental.13 y b2 4ac < 0. y b2 4ac < 0,
Ejemplo 5.11
El sistema dx dt dy dt = = 2x y x2 y 3 = F (x, y ), = G(x, y ),
tiene al origen (0, 0) como u nico punto cr tico . Para determinar su estabilidad proponemos la funci on de Liapunov E (x, y ) = x2 + 2y 2 . Es claro que esta funci on es denida positiva en todo el plano (x, y ).
13 Si b2 4ac < 0, entonces la funci on z (x/y ) = E (x, y )/y 2 = a(x/y )2 + b(x/y ) + c no tiene ninguna ra z real, es decir, z (x/y ) no corta al eje z = 0, lo que signica que E es bien siempre negativa o bien siempre positiva. Si a > 0 es claro que z , y por tanto E , es positiva si x/y , luego E es siempre positiva para a > 0. Este argumento falla si y = 0, pero en este caso E = ax2 y de nuevo encontramos que a > 0 implica E positiva excepto cuando x = 0.
314
Adem as, su velocidad de cambio
(x, y ) = E F + E G E x y = 2x (2x y ) + 4y (x2 y 3 ) = 4x2 y + 4x2 y 4y 4 = 4y 4 es semidenida negativa para todo (x, y ), luego el punto (0, 0) es, al menos, estable.
Ejemplo 5.12
Sea el oscilador o, en forma de sistema diferencial, x =y
2 2
x + (x2 + x 2 )x = 0
= F (x, y ),
y = (x + y )x = G(x, y ), Queremos mostrar que la funci on E (x, y ) = ex (x2 + y 2 1) + 1

2
(5.107)
es una funci on de Liapunov del sistema (5.107). Para empezar, es claro que E (0, 0) = 0 y que E (x, y ) es denida positiva. Adem as (x, y ) = E F + E G E x y = 2x ex (x2 + y 2 )y 2y ex (x2 + y 2 )x =0. (x, y ) es semidenida negativa y E (x, y ) es una funci Por tanto E on d ebil de Liapunov. En denitiva, concluimos que el origen es, al menos, estable. (x, y ) sea nula para todo punto (x, y ) nos permite adem El hecho de que la velocidad de cambio E as (x, y ) = 0 implica que determinar las trayectorias soluci on (x(t), y (t)) del sistema (5.107) puesto que E estas trayectorias son tales que la funci on E (x(t), y (t)) es constante. Es decir, las trayectorias soluci on (x(t), y (t)) satisfacen la relaci on 2 ex (x2 + y 2 1) + 1 = c donde c es una constante, o, equivalentemente, y 2 = c ex +1 x2 . En la gura 5.21 se ha representado el campo vectorial de las trayectorias del sistema (5.107) y dos trayectorias particulares.
2 2 2
La funci on de Liapunov generaliza el concepto de energ a de un sistema f sico. Esto puede apreciarse en los siguientes ejemplos.
315
y
1.5 1 0.5
-1.5
-1
-0.5 -0.5 -1 -1.5
0.5
1.5
Figura 5.21: Campo vectorial de las trayectorias del sistema (5.107) y dos trayectorias correspondientes a c = 1 (curva exterior) y c = 0 9 (curva interior).
Ejemplo 5.13
Un oscilador arm onico amortiguado (es decir, el movimiento de un oscilador arm onico amortiguado) viene descrito por la ecuaci on diferencial m d2 x dx +c + k x = 0, 2 dt dt c > 0.
Esta ecuaci on se puede reescribir como un sistema de dos ecuaciones diferenciales de primer orden dx =y = F (x, y ), dt dy = k x c y = G(x, y ), dt m m que tiene a (0, 0) como punto cr tico. Vamos a proponer como funci on de Liapunov a la energ a total del oscilador: 1 1 E (x, y ) = m y 2 + k x2 , 2 2 que, evidentemente, es denida positiva. Su velocidad de cambio (x, y ) = E F + E G = E x y k c = kxy + my x y m m = c y 2 es semidenida negativa en todo el plano (x, y ), lo que implica que la energ a total es una funci on d ebil de Liapunov en todo el plano. Por consiguiente podemos armar que (0, 0) es, al menos, estable.
316
Como (0, 0) es punto cr tico de un oscilador amortiguado, sabemos que este punto es asint oticamente estable (pues la energ a del oscilador decae hasta alcanzar su valor m nimo en (0, 0), lugar en donde el oscilador se detiene), pero la funci on de Liapunov que hemos empleado no sirve para descubrir este hecho.
Ejemplo 5.14
En este ejemplo aplicaremos el m etodo de Liapunov para descubrir que en el campo de fuerzas centrales F (r) = krn , donde n > 3, las orbitas circulares son estables bajo perturbaciones radiales peque nas. Procediendo como en el ejemplo 5.3, p agina 283, no es dif cil ver que para F (r) = krn se verica que r2 = const y
2
(5.108)
r donde
2 r3
= g (r) k n r .
(5.109)
g (r) =
(5.110)
Es evidente que una orbita circular con un radio R dado por la relaci on
2
2 R 3
= g (R )
(5.111)
es una soluci on posible. Queremos averiguar si esta orbita circular r = R es estable frente a perturbaciones radiales x peque nas. Hallamos la ecuaci on de la perturbaci on x introduciendo r = R + x en (5.109):
2
2 (R + x)3
= g (R + x).
(5.112)
Por supuesto, esta ecuaci on la podemos expresar como un sistema de dos ecuaciones diferenciales de primer orden: dx =x F (x, x ), dt 2 dx = 2 g (R + x) G(x, x ). dt (R + x)3 Para determinar la estabilidad del punto jo (x = 0, x = 0) proponemos a E (x, x ) =
2 1 2 x + 2 + 2 2 (R + x)2 x 2
(5.113a) (5.113b)
g (R + x)dx
0
22 R2
(5.114)
como funci on de Liapunov. Veamos bajo qu e condiciones E (x, x ) es realmente una funci on de Liapunov. Para empezar, es f acil comprobar que su raz on de cambio es semidenida negativa pues dE/dt = 0 para todo x y x . Adem as E (x = 0, x = 0) = 0. Para demostrar que E (x = 0, x = 0) > 0 cuando x y x son peque nos, desarrollamos esta funci on en torno del origen: E (x, x ) =
2 x 2 + 2 2 2 2 R
2x 3x2 + 2 + R R
22 R2
+ g (R) x +
g (R) 2 x + 2
Usando el resultado de (5.111) se deduce que E (x, x ) = x 2 1 3 2 + + g (R) x2 + O(x3 ) 2 2 2 R4
5.5 Ciclos l mite

Por tanto E (x, x ) es mayor que cero en las vecindades del punto (x = 0, x = 0) si 3 2 + g (R) > 0. 2 R 4 Teniendo en cuenta la relaci on (5.111), esta condici on se reduce a 3g (R) > R g (R), o equivalentemente, tras usar (5.110), a n > 3.
317
En denitiva, hemos encontrado que si n > 3 entonces la funci on E (x, x ) dada por (5.114) es una funci on d ebil de Liapunov en las vecindades del origen (x = 0, x = 0). Podemos por tanto asegurar que las orbitas circulares son estables para perturbaciones radiales peque nas cuando n > 3.14 Debe notarse que la funci on de Liapunov E (x, x ) que hemos elegido en (5.114) no es m as que la energ a total del oscilador no lineal dado por la ecuaci on (5.112) cuando el origen de energ a se elige de modo que la energ a total sea nula en la posici on de reposo (x = 0, x = 0). Ejercicio 5.8 Demuestra que E (x, x ) dada por (5.114) es la energ a total del oscilador (5.112).
5.5. Ciclos l mite

Hasta ahora s olo hemos obtenido informaci on del comportamiento local de las trayectorias en torno a los puntos cr ticos de los sistemas no lineales. Pero, aparte de este comportamiento local, en los sistemas no lineales se dan tambi en situaciones interesantes e inesperadas de tipo global en las que aparecen comportamientos que son imposibles en los sistemas lineales. Empezaremos estudiando en esta secci on cierto tipo de trayectorias caracter sticas de los sistemas no lineales que son conocidas como ciclos l mite. M as adelante, en la secci on 5.7 echaremos un vistazo a un sistema con comportamiento ca otico. Sea un sistema aut onomo no lineal dx = F (x, y ), dt (5.115) dy = G(x, y ), dt donde F y G y sus primeras derivadas parciales son continuas. Una soluci on (x(t), y (t)) de (5.115) es peri odica si ninguna de las dos funciones x(t), y (t) es constante, si est an ambas denidas para todo t y si existe un n umero T > 0 tal que x(t + T ) = x(t), y (t + T ) = y (t), (5.116)
para todo t. El valor de T m as peque no para el cual se satisfacen las relaciones (5.116) se conoce como per odo de la soluci on. Si C = (x(t), y (t)) es una trayectoria cerrada de (5.115) en el
En la secci on 8.11 del libro Din amica cl asica de las part culas y sistemas por J. B. Marion (Revert e, Barcelona, 1975) se obtiene este mismo resultado mediante un an alisis similar al que se utiliz o en el ejemplo 5.3 de la p agina 283.
14
318
plano de fases, entonces (x(t), y (t)) es una soluci on peri odica. Obviamente tambi en la armaci on contraria es cierta: la trayectoria C = (x(t), y (t)) en el plano de fases es cerrada si la soluci on es peri odica.15 En un sistema lineal (v ease la secci on 5.3) todas las trayectorias son o bien cerradas (si las ra ces de la ecuaci on caracter stica son imaginarias puras) o bien ninguna lo es (para m no imaginarias puras). Sin embargo, en sistemas no lineales pueden darse trayectorias cerradas aisladas, es decir, trayectorias cerradas rodeadas por regiones que no contienen a otras trayectorias cerradas. Estas trayectorias (o las soluciones correspondientes) son conocidas como ciclos l mite. Cuando todas las trayectorias vecinas se acercan al ciclo l mite, se dice que el ciclo l mite es estable.16 La existencia de un ciclo l mite estable en un sistema signica que en este se producen oscilaciones automantenidas, es decir, se produce un comportamiento oscilante en ausencia de una fuerza o se nal externa. El reloj de p endulo es un sistema bien conocido en el que se da un ciclo l mite: si perturbamos su movimiento oscilatorio habitual (lo frenamos un poco o aumentamos la amplitud de oscilaci on con un golpecito, por ejemplo), sabemos que el p endulo es capaz por s solo de restablecer su movimiento oscilatorio t pico. El movimiento oscilatorio habitual es lo que llamamos ciclo l mite y el movimiento oscilatorio que se aproxima este ciclo l mite tras la perturbaci on es simplemente una trayectoria vecina al ciclo l mite. Los ciclos l mite son extraordinariamente importantes en muchos sistemas f sicos y biol ogicos (latidos del coraz on, ritmos circadianos del sue no, temperatura del cuerpo, din amica de poblaciones, oscilaciones t ermicas en los oc eanos, . . . )
Ejemplo 5.15
El sistema no lineal dx = y + x (1 x2 y 2 ), dt dy = x + y (1 x2 y 2 ), dt
(5.117)
tiene un ciclo l mite. Para encontrarlo es m as conveniente expresar (5.117) en coordenadas polares (r, ) y buscar la soluci on (es decir, la ecuaci on de las trayectorias soluci on) en este tipo de coordenadas. Sabemos [v eanse las ecuaciones (5.98) y (5.99)] que r y d 1 = 2 dt r x dy dx y dt dt . (5.119) dr dx dy =x +y dt dt dt (5.118)
Multiplicando la primera ecuaci on de (5.117) por x, la segunda por y , y sumando las expresiones resultantes, la ecuaci on (5.118) se transforma en r dr dx dy =x +y dt dt dt = x [y + x (1 r2 )] + y [x + y (1 r2 )] = (x2 + y 2 ) (1 r2 ) = r2 (1 r2 ).
Estas armaciones son bastante evidentes. En todo caso, puede verse su justicaci on detallada en la secci on 13.4 de [Ros81]. 16 La estabilidad de los ciclos l mite se describe m as cuidadosamente en la p agina 319.
15
5.5 Ciclos l mite
319
Ahora, multiplicando la segunda ecuaci on de (5.117) por x, y la primera por y , y restando, la ecuaci on (5.119) se reduce a r2 d dy dx =x y dt dt dt = x [x + y (1 r2 )] y [y + x (1 r2 )] = x2 + y 2 = r2 . Obtenemos as un sistema equivalente al (5.117) con las variables r y desacopladas: dr = r (1 r2 ), dt d = 1. dt Teniendo en cuenta que 1 dr = ln r(1 r2 ) 2 la soluci on de (5.120) es simplemente 1 , 1 + a e 2t = t + 0 , r= (5.121a) (5.121b) r2 1 r2 , (5.120a) (5.120b)
donde a es un constante arbitraria de integraci on cuyo valor se determina a partir de las condiciones iniciales: 1 1 r0 r(t = 0) = a = 2 1. r 1+a 0 Si r0 = 1, entonces a = 0 y la soluci on es r = 1, = t + 0 , que se corresponde con una trayectoria cerrada y circular de radio 1 que gira en sentido contrario a las agujas del reloj. Si r0 > 1, entonces a < 0 y obtenemos que r > 1 para t > 0 y que r 1 cuando t . Si r0 < 1, entonces a > 0 y vemos que r < 1 para t > 0 y que, adem as, r 1 cuando t . Por lo tanto existe una u nica trayectoria cerrada (r = 1) a la que todas las dem as trayectorias tienden de forma espiral cuando t bien sea por dentro o por fuera. Esta trayectoria es un ciclo l mite.
Estabilidad de un ciclo l mite Por la propia denici on de ciclo l mite (recordemos, trayectoria cerrada aislada) las trayectorias en su vecindad solo pueden acercarse o alejarse de el. Este hecho nos conduce de forma natural a la denici on de estabilidad de un ciclo l mite (v ease la gura 5.22): Un ciclo l mite es estable si est a dentro de una regi on en la que todas las trayectorias se dirigen a el. Un ciclo l mite es inestable si est a dentro de una regi on en la que todas las trayectorias se alejan de el. Un ciclo l mite es semiestable si, en sus vecindades, las trayectorias en su interior [exterior] se acercan y las trayectorias en su exterior [interior] se alejan del ciclo l mite.
320
(a)
(b)
(c)
Figura 5.22: Esquema de las orbitas t picas alrededor de un ciclo l mite (a) estable, (b) inestable (c) semiestable. Hay que ser consciente que en muchas ocasiones (sobre todo en ciencias aplicadas) el t ermino ciclo l mite es sin onimo de ciclo l mite estable.
Ejemplo 5.16
Hemos visto en el ejemplo 5.15 anterior que el sistema no lineal (5.117) posee un ciclo l mite con forma de circunferencia de radio unidad. Adem as, resolvimos de forma exacta las ecuaciones del sistema no lineal y descubrimos que todas las trayectorias soluci on vienen dadas por la ecuaciones (5.121). De la ecuaci on (5.121) se deduce f acilmente que el ciclo l mite es estable pues todas las trayectorias de sus vecindades (de hecho, todas las trayectorias) tienden a acercarse en forma de espiral al ciclo l mite pues r(t) 1 cuando t para cualquier valor inicial de r. Es instructivo observar que este resultado se podr a haber deducido sin necesidad de resolver expl citamente las ecuaciones (5.120). De hecho, un an alisis cualitativo de la ecuaci on (5.120a) hubiera bastado para convencernos de la existencia de un ciclo l mite para r = 1. En la gura 5.23 se muestra c omo llevar a cabo este an alisis. En esta gura se ha dibujado la raz on de cambio de la coordenada radial de la trayectoria, dr/dt = r(1 r2 ), en funci on de r. Se ve inmediatamente que dr/dt = 0 en r = 1, es decir, toda trayectoria con r = 1 tiene la propiedad de que su coordenada radial no cambia en el tiempo por lo que siempre vale 1. Pero si la coordenada radial de la trayectoria es mayor que 1, r > 1, entonces dr/dt < 0, lo que implica que esta coordenada radial disminuye en el tiempo y se acerca al valor de r = 1. De igual modo, si r < 1, entonces dr/dt > 0 y por tanto la coordenad radial tiende a aumentar en el tiempo hacia valores m as proximos a 1. En resumen, cualquier trayectoria con un valor inicial r(0) = 0 tiende a acercarse a la trayectoria con r = 1 que, por consiguiente, es un ciclo l mite estable.
Ejercicio 5.9
1. Sup on que la ecuaci on radial (5.120a) fuera dr = r(1 r)(2 r). dt Determina mediante argumentos cualitativos el n umero y estabilidad de los ciclos l mite del nuevo sistema. 2. Haz lo mismo si dr = r(1 r)2 . dt
5.5 Ciclos l mite

321
7
7
/7/9

Figura 5.23: Velocidad de cambio dr/dt de la coordenada radial r de las trayectorias soluci on del sistema no lineal (5.117). Las echas indican la direcci on en la que r cambia. Existencia de ciclos l mite C omo podemos saber si existe un ciclo l mite en el sistema (5.115)? Los siguientes resultados, 17 que no demostraremos , nos proporcionan una respuesta en ciertos casos. Teorema 5.6 Toda trayectoria cerrada del sistema (5.115) debe rodear a un punto cr tico. Teorema 5.7 (Teorema de Bedixson) Si F G + x y
es siempre positiva o siempre negativa en una cierta regi on del plano de fases, entonces el sistema (5.115) no tiene trayectorias cerradas en esa regi on. Teorema 5.8 (Teorema de Poincar e-Bedixson) Sea R una regi on acotada del plano de fases en la que el sistema (5.115) no tiene puntos cr ticos. Si una trayectoria del sistema (5.115), a partir de un cierto instante, permanece siempre dentro de R, entonces o la trayectoria es cerrada o bien tiende de forma espiral hacia una trayectoria cerrada. Podemos entender de un modo intuitivo (aunque hay que admitir que no riguroso) el origen de este teorema: un poco de reexi on nos debe convencer de que no es posible trazar trayectorias en una regi on bidimensional acotada que, sin cortarse entre s , no se salgan de esta regi on, salvo si la trayectorias tienden hacia un punto cr tico de esta regi on o tienden en espiral hacia una trayectoria cerrada (ciclo l mite). Teorema 5.9 (Teorema de Li enard) Sean f (x) y g (x) dos funciones tales que: 1. Ambas son continuas al igual que sus derivadas. 2. f (x) es par y g (x) es impar con g (x) > 0 para todo x > 0. 3. La funci on impar F (x) =
17
x 0 f (x) dx
cumple que:
Pueden consultarse las demostraciones en las referencias [Sim93, Ros81, JS87], por ejemplo.
322 a) b) c) d) tiene un cero en x = a > 0,
es negativa para el intervalo 0 < x < a, es positiva y no decreciente para x > a, F (x) cuando x .
d2 x dx + f (x) + g (x) = 0 2 dt dt tiene una u nica trayectoria cerrada (ciclo l mite) que rodea al origen y todas las dem as trayectorias tienden a ella en forma de espiral cuando t .
Entonces la ecuaci on
Ejemplo 5.17
Veamos una aplicaci on del teorema de Li enard. Sea la ecuaci on de van der Pol d2 x dx + (x2 1) +x=0 dt2 dt En este oscilador f (x) = (x2 1), g (x) = x, por lo que las condiciones 1 y 2 del teorema de Li enard se satisfacen claramente. Comprobemos ahora si tambi en se satisface la condici on 3. Para ello hemos de calcular F (x):
x
con
> 0.
F (x) =
0
(x2 1) dx =
x3 x = x (x2 3). 3 3 3, es positiva para
Esta funci on tiene a x = 3 como u nico cero, es negativa en el intervalo 0 < x < x > 3, satisface la condici on dF = f (x) = (x2 1) > 0 si x > 3, dx
y tambi en cumple que F (x) cuando x . Se cumplen as todas las condiciones del teorema de Li enard, por lo que concluimos que la ecuaci on de van der Pol ha de tener un ciclo l mite. En la secci on 5.6 estudiaremos un par de m etodos que nos permitir an hallar una expresi on aproximada de este ciclo l mite.
5.6. C alculo de Soluciones Peri odicas

En la secci on anterior hemos visto varios teoremas que nos permiten decidir sobre la existencias de soluciones peri odicas. Pero, c omo hallar estas soluciones peri odicas? El procedimiento directo pasar a por encontrar la soluci on general exacta de nuestro sistema no lineal y estudiar bajo qu e condiciones se da una soluci on peri odica. Este modo fue el que empleamos en el ejemplo 5.17. Sin embargo, hallar soluciones peri odicas exactas de sistemas no lineales es una tarea muy dif cil y generalmente infructuosa (son muy pocos los problemas no lineales con soluci on exacta conocida). El procedimiento alternativo habitual consiste en hallar soluciones peri odicas aproximadas que representen de un modo aceptable a la soluci on exacta desconocida.
5.6 C alculo de Soluciones Peri odicas
323
Vamos a estudiar a continuaci on dos m etodos el m etodo de balance arm onico y el de Krylov-Bogoliubov para hallar soluciones peri odicas aproximadas de osciladores no lineales cuyas ecuaciones diferenciales las escribiremos as : d2 x +f dt2 dx dt dx = y, dt =0 dy = f (x, y ). dt
x,
(5.122)
El m etodo de Krylov-Bogoliubov sirve adem as para obtener aproximaciones de soluciones cuasiperi odicas, es decir, soluciones que son casi peri odicas.
5.6.1. M etodo de Balance Arm onico

Este m etodo, que es muy sencillo, proporciona soluciones aproximadas de muy buena calidad siempre que la soluci on exacta (que es desconocida) se asemeje a una funci on arm onica cosenoidal (o senoidal). Si la soluci on desconocida es peri odica, puede expresarse como serie de Fourier:

x(t) =
n=0
An cos(nt) +
n=1
Bn sen(nt) .
(5.123)
En el m etodo de balance arm onico se propone la serie anterior truncada hasta un n umero nito de t erminos como soluci on aproximada de la ecuaci on (5.122). En su forma m as sencilla, que es la que estudiaremos aqu , se retienen simplemente sus tres primeros arm onicos; es decir, se propone una soluci on aproximada de la forma x(t) = A0 + A1 cos( t) + B1 sen( t) = c + A cos( t + ). (5.124)
donde c A0 , A1 = A cos y B1 = A sen . Como estamos en principio s olo interesados en describir el ciclo l mite, es decir, c omo s olo nos interesa hallar su forma y tama no en el plano de fases, podemos olvidarnos del valor de la fase , la cual s olo nos informa del instante en el que la soluci on (x, x ) pasa por un punto dado del ciclo l mite, y escribir x(t) = c + A cos( t). (5.125)
Esto es equivalente a escoger como origen de tiempos t = 0 el instante en el cual el desplazamiento del oscilador x es m aximo, esto es, cuando x = c + A. El m etodo de balance arm onico busca una soluci on aproximada de la ecuaci on (5.122) con la forma funcional de (5.125). Por supuesto, la tarea consiste en estimar los valores optimos de c, A y que hagan que la soluci on peri odica aproximada propuesta sea una buena representaci on de la soluci on peri odica exacta desconocida. En el m etodo de balance arm onico c, A y se determinan exigiendo que la soluci on aproximada propuesta (5.125) satisfaga la ecuaci on (5.122) en sus arm onicos m as grandes. Habitualmente los arm onicos m as grandes son los de menor orden. Si proponemos a x(t) = c + A cos t, como soluci on, entonces dx = A sen t, dt d2 x = 2 A cos t, dt2 (5.126) (5.127)
324
y la funci on f (x, x ) se puede expresar en como un desarrollo en serie de Fourier: f x, dx dt = f (c + A cos t, A sen t) = k (c, A, ) + g (c, A, ) cos t + h(c, A, ) sen t + a.o.s. donde a.o.s. son arm onicos de orden superior, es decir, t erminos proporcionales a cos n t y sen n t con n 2. Las funciones k (c, A, ) g (c, A, ) y h(c, A, ) son los coecientes de la serie de Fourier de la funci on f (x, x ): 1 2 1 g (c, A, ) = 1 h(c, A, ) = k (c, A, ) =
2
(5.128)
f (c + A cos , A sen ) d,
0 2
(5.129) (5.130) (5.131)
f (c + A cos , A sen ) cos d,

0 2
f (c + A cos , A sen ) sen d,

0
donde t. Sustituyendo (5.126), (5.127) y (5.128) en la ecuaci on diferencial cuya soluci on buscamos, es decir, en la ecuaci on (5.122), obtenemos k (c, A, ) + [g (c, A, ) 2 A] cos t + h(c, A, ) sen t + a.o.s. = 0. Para que al menos los tres primeros arm onicos sean nulos debe ocurrir que k (c, A, ) = 0, g (c, A, ) 2 A = 0, h(c, A, ) = 0, (5.132)
(5.133)
con lo que obtenemos un sistema cuyas soluciones son los valores de c, A y buscados. En la aplicaci on del m etodo de Balance Arm onico, y tambi en en el de Krylov-Bogoliubov, aparecen a menudo integrales entre 0 y 2 de productos de potencias de las funciones seno y coseno. Los siguientes resultados ser an por tanto u tiles cuando apliquemos estos m etodos18 : cos2n = sen2n = cos2n1 = sen2n1 (2n 1)!! , 2n n! = 0,
(5.134)
cos2n1 sen2m1 = cos2n sen2m1 = cos2n1 sen2m1 = 0 donde n 1 y m 1 son enteros y f 1 2

2
f ()d.
0
A partir de (5.134) se pueden obtener muchos otros resultados. Por ejemplo: cos2 sen2 = cos2 (1 cos2 ) = cos2 cos4 = cos4 sen2 = cos4 (1 cos2 ) = cos4 cos6
18
1 3 1 = , 2 8 8 5 1 3 = . = 8 16 16
(5.135)
(2n 1)!! = (2n 1) (2n 3) 5 3 1. A esta funci on se la conoce como factorial doble. Su denici on para numeros pares es: (2n)!! = (2n) (2n 2) 4 2.
325
Ejemplo 5.18
En este ejemplo estimaremos el ciclo l mite del oscilador de van der Pol x + (x2 1) x + x = 0, 0< 1, (5.136)
mediante el m etodo de balance arm onico. Esta ecuacion tiene la forma de la ecuaci on (5.122) donde (x, x (x, x f (x, x ) = f ) + x y f ) = (x2 1)x . Empezamos sustituyendo x(t) = c + A cos( t) en la ecuaci on (5.136) y nos quedamos con los dos primeros arm onicos: x = c + A cos t, x = A sen t, x = A 2 cos t, (c, A, ) + g (c, A, ) sen t + a.o.s. (x2 1)x =k (c, A, ) cos t + h (c, A, ), g (c, A, ) son los tres primeros coecientes de la serie de Fourier de Las funciones k (c, A, ) y h f (c + A cos t, A sen t). El primer coeciente viene dado por (c, A, ) = 1 k 2
2 0
(c2 + 2cA cos t + A2 cos2 t 1)(A sen t) d( t) = 0.
(c, A, )+ c, se tiene que c = 0 es la u Como k (c, A, ) = k nica soluci on posible de la ecuaci on k (c, A, ) = 0. Es decir, la soluci on aproximada que buscamos tendr a la forma x(t) = A cos t. Los otros dos coecientes de la serie de Fourier vienen entonces dados por g (c, A, ) = 1
2 0 2 0
(A2 cos2 t 1)(A sen t) cos t d( t) cos3 sen d

0 2
= A A2 = 0, (c, A, ) = 1 h
2 0
sen cos d
(A2 cos2 t 1)(A sen t) sen t d( t)

2 2 0
= A A2 cos2 sen2 d 0 A2 = A 1 . 4
sen2 d
Por lo tanto, la ecuaci on del oscilador de van der Pol, Ec. (5.136), en forma de arm onicos se reduce a 2 A cos t A es decir, A (1 2 ) cos t A A2 1 sen t + A cos t + a.o.s. = 0, 4 A2 1 sen t + a.o.s. = 0. 4
Ahora elegimos y A de modo que esta ecuaci on se satisfaga, al menos, en sus primeros arm onicos, es decir, los elegimos de modo que los coecientes del primer arm onico cosenoidal y senoidal sean nulos. Esperamos que esto conduzca a una soluci on aproximada x(t) = A cos(t) aceptable si los arm onicos de orden superior son peque nos. En denitiva, hallamos la amplitud y la frecuencia resolviendo el sistema algebraico A(1 2 ) = 0, A A2 1 4 = 0,
326

dx dt
3
-3
-2
-1
-1
-2
-3
Figura 5.24: Campo vectorial de las trayectorias y ciclo l mite num erico (l nea punteada) del oscilador de van der Pol para = 0 3. El ciclo l mite calculado mediante el m etodo de balance arm onico se ha representado con una l nea continua.
cuyas soluciones son A = 2 y = 1. Luego encontramos que x(t) = 2 cos t, (5.137)
es una soluci on peri odica aproximada del oscilador de van der Pol. Los otros valores posibles de A y , a saber, A = 2 y = 1 no conducen a un ciclo l mite distinto. En denitiva, el ciclo l mite que nos proporciona el m etodo de balance arm onico viene dado por ecuaci on (5.137). Un defecto obvio de este resultado es que no depende de . En la gura 5.24 se compara este ciclo l mite aproximado con el que se obtiene mediante integraci on num erica cuando = 0 3. El resultado es relativamente bueno incluso para este valor no demasiado peque no de .
Hemos encontrado en el ejemplo 5.18 anterior que la constante c era nula. Pod amos haber previsto este resultado pues c ser a nula cuando la ecuaci on del oscilador sea invariante bajo el cambio x x. Es evidente que la ecuaci on (5.136) tiene esta propiedad. Podemos entender esta propiedad del siguiente modo: si la ecuaci on del oscilador x = f (x, x ) es invariante bajo el cambio x x, entonces f (x, x ) = f (x, x ), lo que signica que la fuerza (o aceleraci on x ) que experimenta el oscilador en el punto (x, x ) es igual y de signo contrario a la que sufre en el punto (x, x ). Esto se traduce en que las oscilaciones x(t) deben ser sim etricas con respecto x = 0, es decir, debe ocurrir que x(t) = x(t + T /2) siendo T el periodo de las oscilaciones. En este caso, la constante c (constante que podr amos llamar de asimetr a) debe ser nula para que la soluci on propuesta x(t) = c + A cos( t) sea sim etrica con respecto a x = 0. En las aplicaciones del m etodo de balance arm onico es muy habitual tener que desarrollar las funciones senn x y cosn x en serie de Fourier. Para estos casos, los siguientes resultados son muy
5.6 C alculo de Soluciones Peri odicas u tiles:
327
(2n 1)!! a2n cos 2x + a.o.s., 2n n! (2n 1)!! + a2n cos 2x + a.o.s., cos2n x = 2n n! (5.138) (2n 1)!! 2n1 sen x= sen x b2n1 sen 3x + a.o.s., 2n1 n! (2n 1)!! cos2n1 x = cos x + b2n1 cos 3x + a.o.s., 2n1 n! donde n = 1, 2, . . . y a y b son constantes cuyo valor no es, usualmente, necesario conocer.19 sen2n x =
Ejemplo 5.19
Vamos a hallar una soluci on aproximada mediante el m etodo de balance arm onico del oscilador x + c3 x3 = 0. (5.139)
Debido a que la fuerza c3 x3 es sim etrica (impar) con respecto a x = 0, la soluci on x(t) ha de sim etrica con respecto a x = 0: x(t) = x(t + T /2). Esto nos lleva a proponer directamente como soluci on aproximada a la expresi on x(t) = A cos t (5.140) sin el t ermino de asimetr a dado por la constante c.20 En tal caso, sustituyendo (5.140) en (5.139) se obtiene 2 A cos t + c3 A3 cos3 t = 0. (5.141) Pero, por (5.138) sabemos que cos3 = modo que (5.141) se reduce a
3 4
cos + a.o.s. (o, de forma exacta, cos3 =
3 4
cos + 1 4 cos 3 ), de (5.142)
3 2 + c3 A2 A cos t + a.o.s. = 0 4 lo que implica 3 c3 A2 . 4 Esto signica que el m etodo de balance arm onico predice que las soluci on de (5.139) es 3c3 x(t) = A cos At , 2 2 = es decir, predice oscilaciones de amplitud A y periodo T = 4 2 = 3c3 A 7 2552 . c3 A
(5.143)
(5.144)
El oscilador (5.139) es uno de los pocos osciladores no lineales que tiene soluci on anal tica exacta, a saber, x(t) = A cn(t, k 2 = 1/2) (5.145)
donde 2 = c3 A2 y cn es una funci on el ptica de Jacobi de par ametro k 2 = 1/2. El periodo de esta soluci on es 4K (1/2) 7 4163 4K (1/2) = T = c3 A c3 A donde K (1/2) 1 85407 es la integral el ptica completa de primera especie con argumento 1/2. Vemos que el periodo estimado mediante balance arm onico diere del exacto en poco m as de un dos por ciento. En la gura 5.25 se comparan la soluci on exacta y la proporcionada mediante el m etodo de balance arm onico. El acuerdo es bueno.
Algunos valores: a2 = 1/2, a4 = 1/2, a6 = 15/32, b3 = 1/4, b5 = 5/16, b7 = 21/64. En cualquier caso, si hubi eramos tomado x(t) = c + A cos(t) como soluci on prueba, nos dar amos cuenta inmediatamente que el m etodo de balance arm onico requiere c = 0.
20 19
328
x
1 0.5
2 -0.5 -1
Figura 5.25: Comparaci on entre la soluci on aproximada (5.144) (l nea discontinua) y la exacta (5.145) (l nea continua) del oscilador x + x3 = 0 con condiciones iniciales x(0) = 1 y x (0) = 0. Esta condiciones iniciales implican la amplitud A = 1.
Ejercicio 5.10
Halla mediante el m etodo de balance arm onico la soluci on aproximada del oscilador x + 3c2 x5 = 0. Determina el periodo de oscilaci on y comp aralo con el valor exacto: 4 ( 7 1 4 8573 6) T = . 2 cA cA2 ( 2 ) 3
Ejemplo 5.20
La ecuaci on de Rayleigh
2 x 1 x + 3 x 3 + 0 x = 0,
1 , 3 > 0 ,
(5.146)
describe un oscilador lineal con un t ermino que aporta energ a a las oscilaciones, 1 x , y otro que quita energ a 3 x 3 . Por este motivo no es dif cil ver que deben existir oscilaciones automantenidas (ciclos l mite): si el oscilador esta pr oximo al reposo y por tanto x es cercano a cero, el t ermino que aporta energ a es superior al que la extrae pues |x | |x 3 | si |x | 1; por otro lado, si el oscilador tiene mucha energ a de modo que su velocidad es alta, |x | 1, sucede que el t ermino que quita energ a es muy superior al que la a nade pues entonces |x | |x 3 |. En este ejemplo usaremos el m etodo de balance arm onico para estimar este ciclo l mite. Como la ecuaci on de Rayleigh es invariante bajo el cambio x x, el desplazamiento x(t) ha de ser sim etrico con respecto al eje x = 0 de modo que c = 0. Esto nos lleva a proponer directamente la soluci on aproximada x(t) = A cos(t). (5.147) Insertando esta expresi on en (5.146) y teniendo en cuenta que [v ease (5.138)] sen3 x = 3 1 sen x sen 3x 4 4

se obtiene 2 A cos t + 1 A sen t 3 3 A es decir 3 1 2 sen t + sen 3t + 0 A cos t = 0 4 4
329
(5.148)
3 2 2 A cos t + 1 A sen t 3 3 A3 sen t + 0 A cos t + a.o.s. = 0. (5.149) 4 Despreciando la contribuci on de los arm onicos de orden superior e igualando los arm onicos m as bajos se obtiene la frecuencia y amplitud A del ciclo l mite:
2 2 = 0 , 41 A2 = 2 . 30 3
(5.150) (5.151)
Un ejemplo curioso de un sistema f sico regido esencialmente por un oscilador de Rayleigh es el oscilador salino: el nivel del agua salada en un vasito con un peque no agujero en el fondo oscila alrededor de su posici on de equilibrio cuando se sumerge en un vaso de agua pura. M. Okamura y K. Yoshikawa (Physical Review E, volumen 61, p aginas 2445-2452, a no 2000) han demostrado que estas oscilaciones pueden describirse bastante bien mediante una ecuaci on de Rayleigh. Para el sistema considerado por Okamura y Yoshikawa esta ecuaci on es x 56x + 1 2 108 x 3 + 7x = 0 (5.152)
donde las unidades empleadas son las del sistema cegesimal (x en cent metros y t en segundos). Si usamos la relaci on (5.151), encontramos que la amplitud de oscilaci on del oscilador salino ser a A= 4 56 3 7 1 2 108 3 104 cm = 3m.
Esta predicci on est a en relativo buen acuerdo con la amplitud experimental observada de 25 m (al menos se predice el orden de magnitud de las oscilaciones). Por qu e la predicci on no es mejor? Debe observarse que en el oscilador experimental el par ametro 3 = 1 2 108 es enorme lo que hace que no sea muy afortunado despreciar en nuestras manipulaciones, tal como hemos hecho para deducir (5.151), el a.o.s. 1 3 3 A3 sen 3t . 4 De hecho si tomamos A = 25m y 2 = 7, este arm onico despreciado es igual a 8 7 sen 3t. Resulta que la amplitud 8 7 de este arm onico es mucho mayor que la amplitud de cualquier otro arm onico retenido en (5.149). En la gura 5.26 se representa la soluci on de (5.152) en el plano de fases. El ciclo l mite es muy diferente de una gura ovalada lo que nos indica que una soluci on aproximada de la forma x(t) = A cos t nunca podr a representar adecuadamente el ciclo l mite del oscilador (5.152). En cambio, el ciclo l mite de (5.146) con 1 = 3 = 1 es una gura muy parecida a un ovalo lo que nos anuncia que en este caso la soluci on (5.151) debe describir adecuadamente el ciclo l mite. De hecho, de (5.151) se deduce A 0 44 y = 7, por lo que, seg un el m etodo de balance arm onico, el ciclo l mite viene descrito por (5.153) x(t) = 0 44 cos( 7t), x (t) = 0 44 7 sen( 7t) = 1 15 sen( 7t), (5.154) es decir, por una elipse en el plano de fases con semieje horizontal igual a 0 44 y semieje vertical de longitud 1 15. Esto est a en un muy buen acuerdo con el ciclo l mite calculado num ericamente que se muestra en la gura 5.27.
330
v 0.00075 0.0005 0.00025 -0.002 -0.001 -0.00025 -0.0005 -0.00075 0.001 0.002 x
Figura 5.26: Ciclo l mite (l nea cerrada externa) del oscilador de Rayleigh (5.152) donde v x .
v 1 0.5 -0.4 -0.2 -0.5 -1 0.2 0.4 x
Figura 5.27: Ciclo l mite (l nea cerrada externa) del oscilador de Rayleigh (5.146) con 1 = 3 = 1, 2 0 = 7 y donde v x .
5.6.2. M etodo de Krylov-Bogoliubov

El m etodo de Krylov-Bogoliubov21 permite encontrar soluciones aproximads peri odicas y/o cuasiperi odicas de osciladores no lineales. Recu erdese que con el m etodo del balance arm onico tan s olo se pueden obtener expresiones aproximadas de las soluciones peri odicas. El m etodo de Krylov-Bogoliubov se aplica a ecuaciones de la forma dx d2 x + 2 x + f (x, ) = 0 , 2 dt dt Si = 0, la soluci on de (5.155) es x(t) = A cos( t + ) , y su derivada es x (t) = A sen( t + ) , (5.157) donde la amplitud A y la fase son constantes. Si 0 < 1, es razonable pensar que la soluci on de (5.155) ser a formalmente muy parecida a la de (5.156), aunque ya no debemos esperar que
21
0<
1.
(5.155)
(5.156)
Estos nombres en ocasiones tambi en se escriben como Krylo-Bogoliubo.
331
A y sean constantes en el tiempo. Es decir, consideraremos una soluci on formalmente igual a (5.156), pero de amplitud y fase variable en el tiempo: x(t) = A(t) cos( t + (t)), (5.158)
donde A(t) y (t) se determinan imponiendo que (5.158) sea soluci on de (5.155). Pero esta condici on no ser a en general suciente para determinar un vocamente las funciones A(t) y (t), y por ello imponemos (arbitrariamente)22 una condici on adicional sobre A(t) y (t), a saber, la condici on de que sean funciones que hagan que se verique la relaci on dx = A(t) sen( t + (t)). dt En denitiva, A(t) y (t) han de ser dos funciones que hagan que: on de (5.155). 1. x(t) = A(t) cos( t + (t)) sea soluci 2. La derivada con respecto al tiempo de la soluci on propuesta, ecuaci on (5.158), venga dada por (5.159). Veamos qu e ecuaciones han de satisfacer A(t) y (t) para que se veriquen estas dos condiciones. Para ello derivamos la ecuaci on (5.158) con respecto al tiempo dA d dx = A sen + cos A sen . dt dt dt (5.160) (5.159)
Para abreviar, hemos usado la notaci on t + . Imponiendo en esta ecuaci on la condici on (5.159) se tiene que cos A A sen = 0. (5.161) Derivando la ecuaci on (5.159): sen A x = 2 A cos A cos , y sustituyendo este resultado en la ecuaci on (5.155), obtenemos sen A 2 A cos A cos + 2 A cos + f (A cos , A sen ) = 0, es decir, sen A A cos + f (A cos , A sen ) = 0. (5.163) (5.162)
En conclusi on, A(t) y (t) son las soluciones del sistema formado por las ecuaciones (5.161) y (5.163), es decir, soluciones del sistema cos A A sen = 0, sen A A cos + f (A cos , A sen ) = 0. (5.164) (5.165)
Vamos ahora a simplicar estas dos ecuaciones. Multiplicamos la ecuaci on (5.164) por cos y le restamos la ecuaci on (5.165) multiplicada por sen para obtener cos2 A sen2 + A A sen cos + A sen cos f (A cos , A sen ) sen = 0, (5.166)
Esta condici on se justica (a posteriori) por contribuir a que las ecuaciones diferenciales sobre A(t) y (t) que se obtienen m as adelante [v eanse las ecuaciones (5.170)] sean sucientemente simples.
22
332 es decir,
f (A cos , A sen ) sen = 0. A
(5.167)
Ahora multiplicamos la ecuaci on (5.164) por sen y le restamos la ecuaci on (5.165) multiplicada por cos , quedando cos sen + A cos sen + A 2A sen2 2 A cos2 f (A cos , A sen ) cos = 0, (5.168) o bien, A f (A cos , A sen ) cos = 0. (5.169) De este modo hemos obtenido un sistema de ecuaciones de primer orden (desacopladas) sobre A y formado por (5.167) y (5.169): = f (A cos , A sen ) sen , A (5.170) = f (A cos , A sen ) cos . A La resoluci on exacta de este sistema conducir a a unas funciones A(t) y (t) tales que, sustituidas en (5.158), nos proporcionar an la soluci on exacta de la ecuaci on (5.155). Pero el sistema (5.170) es generalmente muy complicado y no se conoce c omo resolverlo de forma exacta. As que nos conformaremos con resolverlo de un modo aproximado siguiendo las ideas de Krylov y Bogoliubov. Para empezar, desarrollamos t erminos de la derecha de (5.170) en serie de Fourier: = K0 (A) + A [Kn (A) cos n + Ln (A) sen n ], n=1 (5.171) = P0 (A) + [Pn (A) cos n + Qn (A) sen n ], A A
n=1
siendo K0 , Kn , Ln , P0 , Pn , y Qn los correspondientes coecientes de Fourier: K0 (A) = Kn (A) = Ln (A) = P0 (A) = Pn (A) = Qn (A) = 1 2 1 1 1 2 1 1
2
f (A cos , A sen ) sen d,

0 2
f (A cos , A sen ) sen cos n d,

0 2
f (A cos , A sen ) sen sen n d,

0 2
f (A cos , A sen ) cos d,

0 2
f (A cos , A sen ) cos cos n d,

0 2
f (A cos , A sen ) cos sen n d.

0
En la primera aproximaci on del m etodo de Krylov-Bogoliubov se desprecian los efectos de los arm onicos de orden superior que aparecen en (5.171), de modo que nos limitamos a resolver el sistema = K0 (A), A (5.172) = P0 (A), A
5.6 C alculo de Soluciones Peri odicas es decir,
333
= A =
2 2A
f (A cos , A sen ) sen d,

0 2
. f (A cos , A sen ) cos d
(5.173)
Este sistema es m as f acil de resolver que la ecuaci on original y que el sistema (5.170). Sin embargo, su soluci on A(t) y (t) sustituida en (5.158) conduce a que x(t) = A(t) cos(t + (t)) sea s olo una soluci on aproximada. Esta es la soluci on aproximada que proporciona el m etodo de KrylovBogoliubov en su primera aproximaci on. Pueden construirse aproximaciones de orden superior [Mic81], pero no las estudiaremos aqu .
Ejemplo 5.21
Como ejemplo sencillo en donde ilustrar el m etodo de Krylov-Bogoliubov escogemos el oscilador lineal amortiguado, el cual tiene la ventaja de que conocemos su soluci on exacta y as podemos compararla con la expresi on aproximada proporcionada por el m etodo de Krylov-Bogoliubov. La ecuaci on de este oscilador es d2 x dx +x+ = 0, > 0. dt2 dt Esta ecuaci on tiene la forma de (5.155) con f (x, x ) = x y = 1. Podemos pues aplicar el m etodo de Krylov-Bogoliulov y, por consiguiente, asumimos que la soluci on de la ecuaci on puede expresarse de modo conveniente de la forma (5.158). Para hallar A(t) y (t) hacemos uso del sistema (5.173) que, en nuestro ejemplo, se reduce a = A = =
2
2 2 2
0
f (A cos , A sen ) sen d

0 2
(A sen ) sen d
2
A
0
sen2 d =
A , 2
= = =
2 A 2 A 2
0 0 2
f (A cos , A sen ) cos d

0 2
(A sen ) cos d sen cos d = 0 .
Resolviendo estas dos ecuaciones diferenciales, es decir, resolviendo A = A, 2 = 0, obtenemos A(t) = A(0) e (t) = (0). Por tanto, la soluci on de Krylov-Bogoliubov es x(t) = A(0) e
t/2 t/2
cos[t + (0)].
334
Es instructivo comparar esta soluci on con la exacta x(t) = A(0) e

t/2
cos
t + (0) .
Ambas soluciones son muy parecidas, diferenci andose u nicamente en el valor de la frecuencia instant anea: 1 frente a (1 2 /4)1/2 . La diferencia es s olo de orden 2 .
Ejercicio 5.11
1. Demuestra que si en la primera ecuaci on de (5.173) la funci on f no depende de la velocidad, es decir, = 0. Esto implica que cualquier si f (x, x ) = f (x), entonces K0 (A) = 0 para todo A y por tanto A amplitud de oscilaci on es constante en el tiempo, lo cual, por supuesto, no es sorprendente: si f no depende de la velocidad, el oscilador es conservativo, y la energ a del oscilador, y por tanto su amplitud, ha de ser constante. 2. Demuestra que si f s olo depende de la velocidad, es decir, si f (x, x ) = f (x ), entonces P0 (A) = 0 y la fase de la soluci on es constante en el tiempo.
Ciclos l mite y su estabilidad seg un el m etodo de Krylov-Bogoliubov En un ciclo l mite la soluci on x(t) es peri odica. Si escribimos la soluci on como x(t) = A(t) cos(t + (t)), es suciente que A(t) sea igual a una constante, que denotaremos por Ac , = 0, es decir, para que la soluci on sea peri odica. Si A(t) = Ac , entonces A = A K0 (Ac ) = 0, (5.174)
de modo que las ra ces de la ecuaci on K0 (A) = 0 son justamente las amplitudes (aproximadas) 23 Ac de los ciclos l mite. La fase c (t) del ciclo l mite con amplitud Ac ser a la soluci on de
2
c =
Ac
P0 (Ac ) =
2 Ac
f (Ac cos , Ac sen ) cos d.
Como Ac es constante en el tiempo, el miembro derecho de esta ecuaci on es tambi en constante de modo que la soluci on es trivial: c (t) = t P0 (Ac ) Ac (5.175)
En denitiva, el ciclo l mite vendr a descrito por xc (t) = Ac cos t + t P0 (Ac ) Ac (5.176)
que da lugar a una trayectoria cerrada (xc (t), x c (t)) en el plano de fases. Es bastante f acil determinar la estabilidad de un ciclo l mite mediante el m etodo de Krylov se anula en Ac . Si A < 0 (es decir, A decrece) Bogoliubov: basta con analizar el modo en el que A
Por supuesto, estamos asumiendo que los ciclos l mite existen: acabamos de ver en el ejemplo 5.11 que si K0 (A) = 0 para todo A, lo que tenemos son innitas soluciones peri odicas que no est an aisladas y que por consiguiente no son ciclos l mite.
23
335
A
( / )K (A)
0
( / )K (A)
0
(a)
(b)
, frente a la amplitud A en las Figura 5.28: Dependencia de la velocidad de cambio de la amplitud, A vecindades de Ac para un ciclo l mite (a) inestable y (b) estable. Las echas indican la direcci on en la que la amplitud A cambia.
> 0 (es decir, A crece) en la zona con A > Ac , vemos que A se en la zona donde A < Ac y A aleja de Ac , es decir, el ciclo l mite es inestable: < 0A decrece A < Ac A > 0A crece A > Ac A Esto es equivalente a decir que dA dA >0
Ac
Ciclo l mite inestable.
(5.177)
(5.178)
para los ciclos l mite inestables (v ease la gura 5.28). > 0, y para A > Ac se tiene que Razonando de igual modo, si para A < Ac resulta que A < 0, entonces las amplitudes tienden a acercarse a Ac , es decir, en este caso el ciclo l A mite es estable: > 0A crece A < Ac A Ciclo l mite estable. (5.179) A > Ac A < 0A decrece Por supuesto, esto es equivalente a decir que dA dA <0
Ac
(5.180)
para los ciclos l mite estables (v ease la gura 5.28). Ejercicio 5.12
Halla las relaciones del tipo de (5.179) y (5.180) para un ciclo l mite semiestable.
336
5.7. Caos y atractores extra nos. Ecuaciones de Lorenz

Hemos estudiado hasta ahora sistemas aut onomos de tan s olo dos ecuaciones de primer orden. Mucho de lo que hemos visto es tambi en v alido para sistemas de m as de dos ecuaciones. Sin embargo, el an alisis de estos sistemas es m as complicado porque: 1. Hay un n umero mayor de casos posibles. Este n umero aumenta con el orden del sistema. 2. Es dif cil representar (e imaginar!) trayectorias en un diagrama de fases de tres o m as dimensiones. 3. Para sistemas de orden mayor o igual que tres se producen fen omenos muy complejos y extra nos que no se dan en sistemas de segundo orden. Estos fen omenos, que suelen englobarse bajo el t ermino de caos, se est an estudiando con intensidad desde hace relativamente poco tiempo.24 Vamos a esbozar en esta secci on alguno de estos fen omenos a trav es del an alisis de las famosas ecuaciones de Lorenz. Ecuaciones de Lorenz A principios de los a nos 60, el meteor ologo E. N. Lorenz estaba interesado en descubrir de un modo matem atico simple el comportamiento f sico de una capa de uido calentado desde abajo. Es comportamiento de este sistema nos es familiar a casi todos los que alguna vez (probablemente en la cocina) hemos mirado un uido (probablemente aceite) mientras se calentaba. Lo que sucede es algo parecido a esto: si la diferencia de temperatura T entre el fondo del uido y la supercie de este es peque na, se produce una conducci on de calor de abajo hacia arriba sin movimiento macrosc opico apreciable de uido; si T es moderado, entonces el uido de abajo sube y desplaza al uido fr o superior, d andose el fen omeno de convecci on (aparici on de rollos convectivos); nalmente, si T es muy grande, el uido se mueve de modo turbulento. Lorenz, despu es de dr asticas simplicaciones en las ecuaciones del movimiento del uido, model o el comportamiento de esta capa mediante el siguiente sistema de ecuaciones: dx = x + y, dt dy (5.181) = r x y x z, dt dz = b z + x y. dt Estas son las famosas ecuaciones de Lorenz. Su aspecto no es muy terrible: n otese que el sistema ser a lineal con coecientes constantes si no fuera por la presencia de dos t erminos no lineales: x z en la segunda ecuaci on y x y en la tercera. En todo caso, su aspecto no hace presagiar que sus soluciones puedan tener la riqueza de comportamientos necesaria como para poder describir, aunque sea de modo muy cualitativo, un fen omeno f sico tan complicado como el calentamiento desde abajo de una capa de uido; sistema en el que, como hemos hecho notar anteriormente, el uido bien permanece inm ovil bajo ciertas condiciones, bien se mueve de forma peri odica, o bien se agita de modo turbulento. Las variables x, y, z del sistema est an ligadas con magnitudes f sicas: x est a relacionada con la velocidad del uido, y con la diferencia de temperatura en la direcci on horizontal, y z con la diferencia de temperatura en la direcci on vertical. Los par ametros , r y b son reales y positivos.
Es inicio del estudio intensivo sobre sistemas ca oticos suele datarse hacia comienzos de los a nos sesenta, con los primeros trabajos de E. N. Lorenz
24
5.7 Caos y atractores extra nos. Ecuaciones de Lorenz
337
Los par ametros y b dependen del tipo de uido (de su conductividad t ermica y viscosidad) y del grosor de la capa. Valores razonables de estos dos par ametros para la atm osfera son r = 10 y b = 8/3. El par ametro r es proporcional a T .25 C alculo de los puntos cr ticos Para analizar este sistema (dentro de nuestra posibilidades) y empezamos localizando los puntos cr ticos. En los puntos cr ticos se tiene que x =y =z = 0, por lo que del sistema (5.181) se deduce que las coordenadas (x, y, z ) de estos puntos cr ticos deben satisfacer el siguiente sistema de ecuaciones: x + y = 0, r x y x z = 0, (5.182) b z + x y = 0. De la primera ecuaci on de (5.182) es f acil ver que x = y . Sustituyendo este resultado en la segunda y tercera ecuaci on obtenemos x (r 1 z ) = 0, (5.183) b z + x2 = 0, Una soluci on obvia es la trivial x = y = z = 0. Las otras las hallamos a partir de la primera ecuaci on de (5.183) de la cual se deduce que z = r 1. Sustituyendo este resultado en la segunda ecuaci on obtenemos x = b (r 1), y = b (r 1).
Por consiguiente, si r > 1, hay tres puntos cr ticos: P1 = (0, 0, 0), P2 = b (r 1) , b (r 1) , r 1 , (5.184)
P3 = b (r 1) , b (r 1) , r 1 . Si r 1, entonces s olo existe el punto cr tico P1 = (0, 0, 0). Estabilidad de los puntos cr ticos Una vez hallados los puntos cr ticos, analizaremos su estabilidad para as conocer el comportamiento de las trayectorias soluci on del sistema en sus vecindades. Punto cr tico P1 = (0, 0, 0) Linealizando el sistema (5.181) en torno a este punto, obtenemos dx = x + y, dt dy = r x y, dt dz = b z, dt
25
(5.185)
El par ametro es el n umero de Prandtl y r es el n umero de Rayleigh
338 cuya ecuaci on caracter stica m 0 r 1 m 0 0 0 b m tiene por soluci on a
= (b + m) [m2 + ( + 1) m (r 1)] = 0,
(5.186)
m1 = b, 1 m2 = ( + 1) + 2 1 m3 = ( + 1) 2
1 2 1 2
( + 1)2 + 4 (r 1), ( + 1)2 + 4 (r 1).
Por tanto, la estabilidad del punto cr tico P1 depende del valor de r. Si r < 1, las tres ra ces ser an negativas (o tendr an parte real negativa) y el punto cr tico ser a estable. Pero si r > 1, m1 y m2 son negativas y m3 se vuelve positiva, provocando que el punto cr tico P1 se torne inestable (es un punto de silla). Si ocurriera que r = 1, nos encontrar amos en un caso fronterizo con m1 = b y m2 = m3 = 0. En resumen: r<1 m1 , m2 , m3 < 0 P1 es estable, r > 1 m1 , m3 < 0, m2 > 0 P1 es inestable.
Punto cr tico P2 = b (r 1) , b (r 1) , r 1 (x0 , y0 , z0 ) Empezamos linealizando el sistema en torno a P2 . Para ello hacemos un cambio de sistema de referencia en el que trasladamos el origen a P2 : x = x0 + u , y = y0 + v , z = z0 + w . Aplicamos el cambio de referencia a (5.181) y obtenemos du = (x0 + u) + (y0 + v ) dt = x0 + y0 u + v = u + v, dv = r x0 + r u y0 v (x0 + u) (z0 + w) dt = r x0 y0 x0 z0 + r u v z0 u x0 w u w = (r z0 ) u v x0 w u w, dw = b z0 b w + (x0 + u) (y0 + v ) dt = b z0 + x0 y0 b w + y0 u + x0 v + u v = y0 u + x0 v b w + u v.
339
Los t erminos no lineales (u v en la segunda ecuaci on, y u v en la tercera) son cuadr aticos por lo que P2 es un punto cr tico simple. Teniendo en cuenta que r z0 = 1, el sistema linealizado es du = u + v, dt dv = u v x0 w, dt dw = y u + x v b w, 0 0 dt siendo su ecuaci on caracter stica m + 0 1 1 m x0 y0 x0 b m es decir, m3 + m2 ( + b + 1) + b ( + r) m + 2b (r 1) = 0. (5.188) Bien mediante un an alisis algebraico cuidadoso de esta ecuaci on (algo que no haremos aqu 26 ), o bien mediante la aplicaci on directa del criterio de Hurwitz (v ease la secci on 5.3.2, p agina 297), es posible llegar a la conclusi on de que las tres ra ces de la ecuaci on caracter stica tienen parte real negativa si ( + b + 3) . (5.189) r < rc b1 Para r > rc hay una ra z negativa y otras dos complejas conjugadas con parte real positiva. Esto signica que P2 es estable si r < rc e inestable si r > rc . Punto cr tico P3 = b (r 1) , b (r 1) , r 1 (x0 , y0 , z0 ) Procedemos con este punto de igual modo que con el punto cr tico P2 , obteniendo, tras hacer la oportuna traslaci on del sistema de referencia, el mismo sistema que para el punto P2 , es decir, el sistema (5.187), y, por tanto, la misma ecuaci on caracter stica (5.188). Por consiguiente, el an alisis llevado a cabo para P2 es igualmente v alido para P3 . En resumen: r < rc P2 y P3 estables, r > rc P2 y P3 inestables. Ejercicio 5.13
Demuestra mediante la aplicaci on del criterio de Hurwitz (v ease la secci on 5.3.2, p agina 297) que la ecuaci on caracter stica (5.188) tiene tres ra ces con parte real negativa si r < rc .
(5.187)
= 0,
Hacia d onde van las trayectorias? Ya que P1 , P2 y P3 son inestables para r > rc (suponiendo que rc 1), podr amos pensar que las trayectorias de la soluci on en el espacio de fases deben irse a innito, pero es f acil darse cuenta de que esto no sucede, tal como mostraremos a continuaci on.
26
El que tenga curiosidad puede ver este an alisis en la referencia [Dra92]
340
Sea D(t) la distancia de la soluci on (x(t), y (t), z (t)) al punto jo (0, 0, r + ). Veamos si esta distancia aumenta en el tiempo para valores grandes de (x, y, z ). Para ello vamos a calcular la derivada temporal de D2 (t)/2: d 1 2 d D2 (t) = x + y 2 + (z r )2 dt 2 dt 2 dx dy dz =x +y + (z r ) dt dt dt Teniendo en cuenta (5.181), esta ecuaci on se reduce a d D2 (t) = x (x y ) + y (r x y x z ) (z r ) b z + (z r ) x y dt 2 = x2 y 2 b z 2 + b (r + ) z. Es obvio que esta cantidad es menor que cero cuando (x, y, z ) . Luego, sorprendentemente, vemos que para valores grandes de (x, y, z ) las trayectorias no s olo no tienden al innito sino que tienden a reducir la distancia D(t), es decir, a acercarse hacia valores m as peque nos de (x, y, z ). Entonces, hacia d onde van las trayectorias? Podr amos pensar que quiz as se dirijan hacia una soluci on peri odica cerrada (ciclo l mite o toro atractivo), pero se puede demostrar [Str94] que tal cosa no es posible (de hecho las trayectorias son muy irregulares, v ease la gura 5.30). Entonces hacia d onde van las trayectorias? Puede verse num ericamente que las trayectorias soluci on tienden en el espacio de fases hacia una gura geom etrica con aspecto de mariposa, llamada mariposa de Lorenz (v ease la gura 5.29), que es una estructura fractal cuya dimensi on no es entera, es decir, no es una l nea, no es una supercie, no tiene volumen, su estructura es innitamente intrincada, es un atractor extra no. Este comportamiento ca otico no se da para cualquier valor de r. Por ejemplo, para r = 100 (con = 10 y b = 8/3) las soluciones tienden hacia un ciclo l mite estable. En general existen intervalos de valores de r en donde las soluciones son ca oticas, otros en donde tienden a ciclos l mites, otros en donde tienden a puntos jos estables y otros en donde los atractores extra nos y los ciclos l mite se alternan de un modo extraordinariamente complicado.27 Sensibilidad a las condiciones iniciales En las ecuaciones de Lorenz condiciones iniciales arbitrariamente pr oximas dan lugar, si se espera lo suciente, a soluciones completamente distintas (v ease la gura 5.30) que, sin embargo, deambulan trazando las alas de la mariposa por la regi on acotada que es el atractor extra no (v ease la gura 5.31).
Ejemplo 5.22
Una de las caracter sticas m as sorprendentes del comportamiento ca otico es que puede surgir en sistemas no lineales con dimensi on baja, es decir, con un n umero peque no de variables independientes. Se sabe que para que en un sistema aut onomo se d e comportamiento ca otico el n umero de variables independientes ha de ser mayor o igual que tres. Las ecuaciones de Lorenz son un ejemplo de sistema ca otico con el n umero m nimo de variables posibles y que adem as es bastante simple. Una pregunta que podr amos hacernos es si es posible encontrar un sistema ca otico a un mas simple que el de Lorenz. Esta pregunta ha sido respondida armativamente por J. C. Sprott en su art culo Some simple chaotic ows, Physical Review E, 50 (1994) R467.28 Sprott encontr o 19 sistemas ca oticos que son m as sencillos que el de Lorenz bien porque contienen
Una descripci on m as detallada puede encontrarse en la secci on 9.5 de [Str94]. Puedes encontrar m as detalles sobre este trabajo (y descargar el art culo y programas relacionados) en la p agina web de Sprott cuya direcci on se encuentra en http://www.unex.es/eweb/fisteor/santos/mma
28 27
341
menos t erminos (las ecuaciones de Lorenz tienen siete), bien porque el n umero de t erminos no lineales es menor (las ecuaciones de Lorenz tienen dos). Uno de estos sistemas ca oticos es el siguiente: dx = yz, dt dy = x y, dt dz = 1 xy. dt
(5.190)
Sin duda es bien simple: cinco t erminos, dos de ellos no lineales. En la gura 5.32 se muestra el aspecto del atractor extra no de este sistema.
342
50 25 0 -25
100
75
50
25
0 -20 0 20
Figura 5.29: Atractor extra no de las ecuaciones de Lorenz llamado mariposa de Lorenz. Se ha representado la soluci on num erica de las ecuaciones de Lorenz con = 10, r = 60 y b = 8/3, para los puntos iniciales (x(0), y (0), z (0)) = (1, 2, 3) (l nea continua) y (x(0), y (0), z (0)) = (1, 2, 100) (l nea punteada). Para este sistema rc = ( + b +3)/( b 1) 24 7 < r y los puntos cr ticos, aparte del origen, son C = ( b (r 1), b (r 1), r 1) (12 5, 12 5, 59), y aparecen en la gura representados por dos puntos en el interior de las alas de la mariposa.

x 15 10 5 t 5 -5 - 10 - 15 10 15 20 25
343
Figura 5.30: x frente a t para dos soluciones de las ecuaciones de Lorenz con condiciones iniciales muy pr oximas cuando = 10, r = 28 y b = 8/3. La l nea discontinua es la soluci on para la condici on inicial (x(0), y (0), z (0)) = (5, 5, 5), y la l nea continua representa la soluci on para (x(0), y (0), z (0)) = (5 0001, 5, 5). A partir de aproximadamente t = 18 ambas soluciones siguen caminos claramente distintos.
20 0 -20 40 30 20 10 0 -10 0 10
Figura 5.31: Soluci on num erica de las ecuaciones de Lorenz con = 10, r = 28 y b = 8/3, para los puntos iniciales (x(0), y (0), z (0)) = (5, 5, 5) (l nea continua) y (x(0), y (0), z (0)) = (5 0001, 5, 5) (l nea punteada). Para este sistema rc = ( + b + 3)/( b 1) 24 7 < r y los puntos cr ticos, aparte del origen, son C = ( b (r 1), b (r 1), r 1) (8 5, 8 5, 27), y aparecen en la gura representados por dos puntos en el interior de las alas de la mariposa. Ambas trayectorias siguen inicialmente caminos muy pr oximos, pero, tras cierto tiempo no muy grande, acaban trazando trayectorias completamente distintas.
344
-4 2 0 -2 4 -2 0 2 4
0 -2 -4
Figura 5.32: Soluci on num erica del sistema (5.190) para las condiciones iniciales (x(0), y (0), z (0)) = (1, 2, 4). La soluci on se ha representado hasta el instante t = 400.
5.8 Problemas
345
5.8. Problemas
5.1. Analiza la estabilidad del punto de reposo del sistema lineal x = x + 3y , y = 5x y. 5.2. Analiza la estabilidad del punto de reposo del sistema lineal x = 3x + y , y = (2 1)x + y, en funci on de los valores que tome el par ametro real . 5.3. Clasica, seg un el valor de , el punto de reposo del sistema x = 3x + y , y =2x + y. 5.4. Analiza la estabilidad del punto de reposo de este sistema: x = x + z , y = 2y z , z = yz. 5.5. Dibuja el diagrama de fases alrededor del origen de un sistema lineal de dos ecuaciones de primer orden en el que una de sus ra ces es nula. Analiza la estabilidad del punto jo (0, 0). 5.6. Demuestra que el diagrama de fases de todos los sistemas lineales de dos ecuaciones de primer orden con ra z nula doble es equivalente al del sistema x = x sy , 1 y = xy, s con s = 0 arbitrario. Comprueba que la soluci on de este sistema es x(t) = c1 + (c1 c2 s)t , 1 y (t) = c2 + (c1 c2 s)t , s siendo c1 y c2 dos constantes arbitrarias. Dibuja el diagrama de fases y analiza la estabilidad del punto jo (0, 0). 5.7. En este ejercicio queremos analizar la evoluci on de los sentimientos amorosos de Romeo y Julieta. Sea R(t) la medida del amor de Romeo por Julieta en el instante t y J (t) el de Julieta por Romeo. Si esta medida es negativa, el sentimiento no es de amor sino de rechazo. Un modelo simple de la evoluci on de sus amores se basa en la consideraci on de que su amor crece o disminuye dependiendo s olo de sus sentimientos mutuos. Supongamos que esta dependencia es lineal. Entonces dR = aR + bJ , dt dy = cR + dJ . dt
346
Ecuaciones diferenciales y sistemas no lineales. Estabilidad a ) Sugiere nombres que describan el car acter de un enamorado, digamos de Romeo, para las distintas combinaciones del signo de a y b. b ) Sup on que el amor de Romeo aumenta (disminuye) si Julieta le ama (no le ama) y el de Julieta aumenta (disminuye) si Romeo no le ama (s le ama). En este caso, las ecuaciones tomar an la forma dR = aJ , dt dJ = bR , dt con a > 0 y b > 0. Traza el diagrama de fases de la evoluci on de los amores de Romeo y Julieta para este caso. c ) Sup on que el amor de Romeo tiende a disminuir si el ya ama a Julieta y a aumentar si Julieta le ama. Sup on que Julieta se comporta exactamente de la misma forma. En este caso, la evoluci on de sus sentimientos vendr a dada por dR = aR + bJ , dt dJ = bR + aJ , dt con a < 0 y b > 0. Demuestra que: 1) Si a2 > b2 , entonces su relaci on amorosa languidece hasta la indiferencia absoluta. 2 2 2) Si a < b , entonces su relaci on amorosa puede transformase bien en pasi on total o en guerra encarnizada. Determina bajo qu e condiciones iniciales se produce una cosa u otra. on que la relaci on amorosa est a gobernada por las ecuaciones d ) Sup dR = J, dt dJ = R + J. dt Obt en el diagrama de fases de esta relaci on.
Si te ha interesado este problema, puedes encontrar m as detalles en el libro de Strogatz [Str94].www
5.8. Halla el tipo y la estabilidad de los puntos cr ticos del sistema x = x y, y = 1 xy. Dibuja en el plano de fases (x, y ) las trayectorias soluci on en las vecindades de los puntos cr ticos. 5.9. Sea el sistema no lineal x = 6x y + x2 , y = x + 2y + y 2 . a ) Halla el tipo de punto cr tico y la estabilidad del punto (0, 0) en funci on del valor de .
5.8 Problemas
347
b ) Dibuja de forma aproximada las trayectorias soluci on en las vecindades de este punto para = 21 y = 0. c ) Sea = 0. Demuestra que (x, y ) = (6, 0) es un punto cr tico simple y determina su tipo y estabilidad. 5.10. Las ecuaciones de Lotka-Volterra dx = ax xy , dt dy = cy + xy . dt con a > 0, c > 0, > 0 y > 0 pretenden describir la evoluci on de la poblaci on x de una especie (presas) que es cazada por otra especie (predadores) cuya poblaci on es y . on del sistema anterior a la descripci on del sistema predador-presa a ) Discute la adecuaci e interpreta el signicado de los coecientes a, c, y . b ) Halla los puntos cr ticos del sistema y, mediante el an alisis del sistema linealizado, discute su tipo y estabilidad. Haz un esquema de las trayectorias del sistema linealizado en las vecindades de los puntos cr ticos. c ) Demuestra que la ecuaci on general de las trayectorias del sistema no lineal es c ln x x + a ln y y = const . Dibuja estas trayectorias en el espacio de fases para distintas condiciones iniciales. 5.11. Las ecuaciones dx = dt dy = dt
1x 2y
1 x2 1 xy , 2 y 2 2 xy ,
con 1 > 0, 2 > 0, 1 > 0, 2 > 0, 1 > 0, 2 > 0, son ecuaciones de tipo LotkaVolterra que pretenden describir la competici on de dos especies (digamos conejos y ovejas), con poblaci on x e y , que, en un ecosistema dado, comparten un mismo alimento (hierba) presente en cantidades limitadas. En lo que sigue sup on que 1 = 3, 2 = 2, 1 = 1, 2 = 1, 1 = 2, 2 = 1. a ) Discute la adecuaci on del sistema anterior a la descripci on del sistema de dos especies competidoras e interpreta el signicado de los coecientes 1 , 2 , 1 , 2 , 1 , 2 . b ) Halla los puntos cr ticos del sistema y, mediante el an alisis del sistema linealizado, discute su tipo y estabilidad. Haz un esquema de las trayectorias del sistema linealizado en las vecindades de los puntos cr ticos. c ) Haz un esquema de las trayectorias en el espacio de fases. 5.12. Demuestra que la soluci on nula de la ecuaci on de van der Pol x + (x2 1)x + x = 0, es asint oticamente estable cuando | | 1, > 0.
< 0 e inestable cuando
348
5.13. Halla la estabilidad de los puntos cr ticos del sistema x =y (x + 1) , y =x(1 + y 3 ) , y determina sus trayectorias de modo cualitativo. 5.14. Sea el sistema x = y, y = 4x + x2 . a ) Halla los puntos cr ticos. Son puntos cr ticos simples? Determina su tipo y estabilidad. b ) Halla la ecuaci on de las trayectorias que pasan por los puntos cr ticos. etodo de balance arm onico las trayectorias c ) Halla de forma aproximada mediante el m del sistema que pasan por las vecindades del origen. Utiliza el resultado obtenido para determinar la estabilidad del origen (0, 0). d ) Dibuja un esquema de las trayectorias en el plano x y . 5.15. Demuestra que todas las soluciones de x + |x |x + x3 = 0 tienden a cero cuando t . 5.16. Demuestra que el origen es un punto espiral del sistema x = y x x2 + y 2 , y =xy pero es un centro del sistema linealizado. 5.17. Halla valores de a > 0, b > 0, m = 0, 1, 2 . . ., n = 0, 1, 2 . . . de modo que E (x, y ) = ax2n + by 2m sean funciones de Liapunov para los sistemas x2 + y 2 ,
(a) x = x 2y 2 , (b) x = y x(x2 + y 2 ) , (c) x = x + y xy 2 ,
y = xy y 3 . y = x y (x2 + y 2 ) . y = 2x y x2 y
(5.191) (5.192) (5.193)
5.18. Comprueba que 8x2 + 11xy + 5y 2 es funci on de Liapunov del sistema x = x + 4y , y = 2x 5y . 5.19. Demuestra que el sistema dado en coordenadas polares dr = r f (r, ) , dt d = g (r, ) . dt
5.8 Problemas se reduce, en coordenadas cartesianas, al sistema dx = x f (r, ) y g (r, ), dt dy = x g (r, ) + y f (r, ). dt En lo que sigue sup on que g () = 1 y que f (r, ) = f (r) es una funci on continua.
349
(5.194)
a ) Si f (r) tiene n ceros, demuestra que el sistema (5.194) tiene un punto jo y n soluciones peri odicas (ciclos l mite) de la forma (x = rm cos t, y = rm sen t), siendo rm uno de los ceros de f (r). Analiza la estabilidad de cada ciclo l mite en funci on del signo de f (r) entre los ceros. b ) Sup on que f (r) es un polinomio (digamos de grado dos) que pasa por r = 1 y r = 2. Obt en el sistema no lineal dado por (5.194) cuyos ciclos l mite son (cos t, sen t) y (2 cos t, 2 sen t). c ) Supongamos que f (r) = 0 para todo r. Signica esto que hay un ciclo l mite para todo r? e condiciones es lineal el sistema (5.194)? Utiliza el sistema equivalente en d ) Bajo qu polares para demostrar que bajo esas condiciones el sistema (5.194) no puede tener ciclos l mite? e ) Usando tanto la representaci on polar como la cartesiana, determina cu ando es estable el punto cr tico (x = 0, y = 0). 5.20. Encuentra soluciones aproximadas mediante el m etodo de balance arm onico de:
3 +x 1 on frecuencia-amplitud exacta del p endulo: a) x 6 x = 0, y compara con la relaci
2 = 1
A2 5A4 + + O(A6 ). 8 1536
b) x + sen(x) = 0, y compara con la relaci on frecuencia-amplitud exacta del p endulo. c) x + sgn(x) = 0, donde la funci on signo sgn(x) se dene as : sgn(x) = 1 si x < 0, sgn(x) = 1 si x > 0, y sgn(x) = 0 si x = 0. d) x + ex ex = 0. x + x3 = 0 con 0 < . e) x + x x2 = 0 con 0 < . f) x 5.21. Encuentra soluciones aproximadas del oscilador x + (x2 + x 2 )x = 0 mediante el m etodo del balance arm onico. Demuestra que x(t) = cos(t) es una soluci on exacta. Este oscilador se estudi o en el ejemplo 5.12 de la p agina 314 y se calcularon las trayectorias soluci on (x(t), x (t)) exactas en el plano de fases. A la vista de la gura 5.12, cu ando esperas que el m etodo de balance arm onico proporcione mejores (peores) soluciones aproximadas? 5.22. Emplea el m etodo de Krylov-Bogoliubov para hallar soluciones aproximadas de: a) x + x + x3 = 0.
350 b) x +x+ x 2 = 0. + x + |x |x = 0. c) x
d) x + x + sgn(x ) = 0 (oscilador con amortiguamiento de Coulomb). e) x + x (1 x2 )x = 0 (ecuaci on de van der Pol). f) x + x + (x + x3 ) = 0. g) x + x + (x + xn ) = 0, donde n es un n umero natural (n = 0, 1, 2, . . .)
Cap tulo 6
Ecuaciones integrales lineales
6.1. Introducci on
Al comienzo del tema dedicado a las ecuaciones diferenciales no lineales nos pregunt abamos si su importancia se correspond a con la atenci on que le bamos a dedicar. La respuesta fue un no rotundo debido a que las ecuaciones diferenciales no lineales aparecen en la descripci on de un gran n umero de problemas de la Ciencia e Ingenier a. Esto, sin embargo, no es lo que sucede con las ecuaciones integrales. Su presencia en las Ciencias no es tan generalizada y, adem as, la ecuaciones integrales que aparecen en los problemas f sicos pueden en muchos casos reducirse a ecuaciones diferenciales. No obstante, hay muchos problemas importantes en la Ciencia problema de la dispersi on en Mec anica Cu antica, ecuaci on de evoluci on de la funci on de distribuci on de velocidades o ecuaci on de Boltzmann, estructura de l quidos que se expresan de forma natural en t erminos de ecuaciones integrales (o integrodiferenciales, como es el caso de la ecuaci on de Boltzmann) y que no pueden reducirse a ecuaciones diferenciales (m as ejemplos pueden verse en [Jer99]). Una clase de problemas especialmente importantes en donde surgen ecuaciones integrales son los llamados problemas inversos que, de un modo cualitativo, pueden describirse como aquellos en los que se pretende discriminar las causas individuales de un efecto (el cual es conocido) cuando este efecto es el resultado de la superposici on (integraci on) de estas causas. Un ejemplo ser a el c alculo de la distribuci on de carga el ectrica (r) en una regi on del espacio a partir del conocimiento del potencial el ectrico V (r) que produce:
V (r ) =
(r ) dr . |r r |
Esta es una ecuaci on integral porque la funci on inc ognita (r ) aparece integrada.
352
6.2. Deniciones y clasicaci on de las ecuaciones integrales

Una ecuaci on integral es una ecuaci on en la que la funci on inc ognita aparece integrada.1 Una ecuaci on integral lineal con funci on inc ognita (x) tiene la forma
b
y k (x, y ) (y ) + g (x) =
(x),
(6.1)
donde: g (x) es una funci on conocida, k (x, y ) es el n ucleo o kernel de la ecuaci on integral, es una constante que a menudo desempe na el papel de autovalor, es una constante que introducimos para simplicar la exposici on y que puede ser cero o uno. En lo que sigue, salvo especicaciones m as detalladas que hagamos en su momento, supondremos generalmente que el n ucleo k (x, y ) es una funci on continua en el cuadrado a x b, a y b, y que g (x) y (x) son continuas en el intervalo a x b. El n ucleo k (x, y ) se dice que es de cuadrado sumable en el cuadrado a x b, a y b si
b a a b
|k (x, y )|2 dx dy = nito.
(6.2)
La ecuaci on integral puede escribirse de un modo m as compacto en t erminos de operadores k + g = donde k es el operador integral denido por
b
(6.3)
k =
a
dy k (x, y ) (y ).
(6.4)
Las ecuaciones integrales se clasican seg un los valores que tomen los t erminos involucrados en (6.1): Si = 0, la ecuaci on es de Fredholm de primera especie:
b
dy k (x, y ) (y ) + g (x) = 0.
(6.5)
Si
= 1, la ecuaci on es de Fredholm de segunda especie:

b
a
1
dy k (x, y ) (y ) + g (x) = (x).
(6.6)
Si en la ecuaci on tambi en aparece la derivada (de cualquier orden) de la funci on incognita, entonces la ecuaci on es integrodiferencial. Estas ecuaciones son generalmente mucho m as complicadas que las integrales y no ser an estudiadas aqu .
6.2 Deniciones y clasicaci on de las ecuaciones integrales Si g (x) = 0, la ecuaci on es homog enea:
b
353
dy k (x, y ) (y ) =
(x).
(6.7)
La ecuaci on es inhomog enea si g (x) = 0. Si k (x, y ) = 0 para y > x, la ecuaci on es de Volterra:

x
dy k (x, y ) (y ) + g (x) =
(x).
(6.8)
Igual que para la ecuaci on de Fredholm, la ecuaci on de Volterra es de primera especie si = 0, de segunda especie si = 1, homog enea si g (x) = 0, e inhomog enea si g (x) = 0. En resumen: La ecuaci on es de Fredholm si los l mites de integraci on son jos y es de Volterra si estos l mites son variables. Si la funci on inc ognita no est a fuera de la integral, la ecuaci on es de primera especie, pero si la funci on inc ognita se encuentra tambi en fuera de la integral, la ecuaci on es de segunda especie. La ecuaci on es homog enea si g (x) = 0, e inhomog enea si g (x) = 0 . Por ejemplo,
a x
dy k (x, y ) (y ) = g (x)
(6.9)
es una ecuaci on inhomog enea de Volterra de primera especie y

x
dy k (x, y ) (y ) + g (x) = (x)
(6.10)
es una ecuaci on inhomog enea de Volterra de segunda especie. En este cap tulo nos vamos a dedicar en exclusiva al estudio de ecuaciones integrales lineales. Las ecuaciones integrales no lineales son much simo m as complicadas y generalmente requieren t ecnicas muy espec cas.
Ejemplo 6.1
En la teor a de l quidos, la funci on de distribuci on radial (r) es una funci on esencial porque contiene informaci on sobre la estructura de los l quidos y permite la estimaci on de diversas magnitudes termodin amicas de los mismos.2 Algunas de las teor as m as fruct feras para determinar la funci on de distribuci on radial (r) conducen a ecuaciones integrales para (r). Por ejemplo, para un l quido formado por part culas que interaccionan mediante un potencial u(r), la funci on (r) vendr a descrita en la teor a de Percus-Yevick por la siguiente ecuaci on integral (ecuaci on de Ornstein-Zernike): (r) = 1 + c(r) + donde (ecuaci on de cierre de Percus-Yevick) log (r) +
2
[(r ) 1] c (|r r |) d3 r
(6.11)
u(r) = log[(r) c(r)] kT
(6.12)
V ease, por ejemplo, el cap tulo cuatro del libro States of matter, de D. L. Goodstein (Dover, Nueva York, 1985).
354
y donde es la densidad de las part culas (n umero de part culas por unidad de volumen), k es la constante de Boltzmann, y T es la temperatura absoluta del l quido. La ecuaci on de Ornstein-Zernike junto con la ecuaci on de cierre de Percus-Yevick, constituye una ecuaci on integral no lineal cuya soluci on anal tica s olo es conocida para unos poqu simos casos especialmente simples.
6.3. Equivalencia entre ecuaciones integrales y ecuaciones diferenciales

Ciertas ecuaciones diferenciales pueden expresarse en forma de ecuaciones integrales, y viceversa. Veamos un ejemplo importante. Sea la ecuaci on diferencial lineal de segundo orden (x) + A(x) (x) + B (x)(x) = G(x). Integrando (6.13) entre a y x se obtiene la expresi on
x x x
(6.13)
(x) (a) =
a
dy A(y ) (y )
a
dy B (y )(y ) +
a
dy G(y ).
(6.14)
Si ahora integramos por partes la primera integral del miembro derecho,

x
dy A(y ) (y ) = A(y )(y )

a
x a
dy A (y )(y ),
(6.15)
la ecuaci on (6.14) se reduce a

x x
(x) = (a) + A(a)(a) A(x)(x) +

a
dy A (y ) B (y ) (y ) +
a
dy G(y ).
(6.16)
Integrando de nuevo entre a y x obtenemos

x x
dt (t) = (x) (a) = (a) + A(a)(a) (x a)

a x t a
dt A(t)(t)
x t
(6.17) dy G(y ).
+
a
dt
a
dy A (y ) B (y ) (y ) +
a
dt
a
Esta ecuaci on puede simplicarse si usamos la relaci on

x t x
dt
a a
dy (y ) =
a
dy (x y ) (y ),
(6.18)
la cual es f acil de demostrar mediante la regla de Leibniz: d dx

(x) (x)
dy F (x, y ) =
(x) (x)
dy
F d d + F (x, (x)) F (x, (x)) . x dx dx
(6.19)
Ve amoslo. Si derivamos el miembro izquierdo de (6.18) se tiene d dx

x t x
dt
a a
dy (y ) =
a
dy (y ) .
(6.20)
Si derivamos el miembro derecho de (6.18) obtenemos el mismo resultado: d dx

x x
dy (x y ) (y ) =
a a
dy (y ) .
(6.21)
6.3 Equivalencia entre ecuaciones integrales y ecuaciones diferenciales
355
Esto signica que ambos miembros de (6.18) dieren, como mucho, en una constante C , es decir,
x x x
dt
a a
dy (x) =
a
dy (x y ) (y )dy + C.
(6.22)
Pero para x = a, esta relaci on se reduce a 0 = 0 + C , por lo que C = 0, lo que implica que la relaci on (6.18) es cierta. Usando la relaci on (6.18) en (6.17) se obtiene
x
(x) =(a) + (a) + A(a)(a) (x a)

x a
dy A(y )(y )
x
(6.23) dy (x y )G(y ) .
+
a
dy (x y ) A (y ) B (y ) (y ) +
a x
Escribiendo g (x) = (a) + A(a)(a) (x a) +

a
dy (x y )G(y ),
(6.24)
k (x, y ) =(x y ) A (y ) B (y ) A(y ), la ecuaci on (6.23) se convierte en la ecuaci on de Volterra de segunda especie
x
(x) = g (x) +
a
dy k (x, y )(y ).
(6.25)
Se demuestra as que la ecuaci on diferencial (6.13) y la ecuaci on integral (6.25) son equivalentes. Debe notarse que, tal como se muestra en las ecuaciones (6.24), las condiciones iniciales de la ecuaci on diferencial [lo que vale la funci on incognita y su derivada en x = a, es decir (a) y (a)] est an incluidas en el n ucleo k (x, y ) y en el t ermino inhomog eneo g (x) de la ecuaci on integral.
Ejemplo 6.2
Queremos hallar la ecuaci on integral equivalente al oscilador lineal (x) + 2 (x) = 0 con condiciones iniciales (0) = 1, (0) = 0. (6.27) Comparando (6.26) con (6.13) vemos que A(x) = 0, B (x) = 2 y G(x) = 0. Usando (6.24) encontramos g (x) = 1 y k (x, y ) = y x de modo que la ecuaci on integral equivalente al oscilador lineal (6.26) junto con la condiciones iniciales (6.27) es
x
(6.26)
(x) = 1 +
0
(y x)(y )dy.
(6.28)
Ejercicio 6.1 Demuestra derivando (x) = x + 0 (y x)(y )dy dos veces que esta ecuaci on integral es equivalente a la ecuaci on diferencial (x) + 2 (x) = 0 con las condiciones iniciales (0) = 0, (0) = 1.
x
356
Ejemplo 6.3
En este ejemplo queremos hallar la ecuaci on diferencial equivalente a la ecuaci on integral de Fredholm de segunda especie (x) = 2
0 1
k (x, y )(y )dy y (1 x) , y x , x(1 y ) , y x .
(6.29)
con n ucleo k (x, y ) = Esta ecuaci on integral se puede escribir as : (x) = 2

0 x
(6.30)
k (x, y )(y )dy + 2

x 0
k (x, y )(y )dy

x 1
= 2 (1 x)
y (y ) dy + 2 x
(1 y ) (y ) dy .
x
(6.31)
Si derivamos una vez la ecuaci on integral y tenemos en cuenta la regla de Leibniz (6.19) se obtiene (x) = 2
0 x
y (y ) dy + 2 (1 x) x(x) + 2 y (y ) dy + 2
1
1 x
(1 y ) (y ) dy 2 x (1 x) (x) (6.32)
= 2
0
(1 y ) (y ) dy.
x
Esta ecuaci on no tiene forma de ecuaci on diferencial (es una ecuaci on integro-diferencial). Pero si derivamos una vez m as ya encontramos una ecuaci on diferencial: (x) = 2 x (x) 2 (1 x) (x) = 2 (x). (6.33)
Descubrimos por tanto que la ecuaci on diferencial equivalente a la ecuaci on integral (6.31) es el oscilador lineal (x) + 2 (x) = 0. Adem as, es f acil ver que si en (6.31) hacemos x = 0 se encuentra que (0) = 0. De igual modo, si en (6.31) hacemos x = 1, encontramos que (1) = 0. Es decir, la ecuaci on integral exige que la soluci on (x) de su ecuaci on diferencial equivalente satisfaga las condiciones de contorno (0) = 0, (1) = 0. Dicho en otros t erminos: la ecuaci on integral de Fredholm (6.31) es equivalente al problema de condiciones de contorno (x) + 2 (x) = 0, (0) = 0, (1) = 0. (6.34) El n ucleo k (x, y ) de la ecuaci on integral es la funci on de Green del problema de condiciones de contorno (6.34). Ejercicio 6.2 Puesto que (6.29) equivale a (6.34), puedes hallar la soluci on de la ecuaci on integral (6.29) resolviendo el problema de Sturm-Liouville (6.34). Qu e valores ha de tomar 2 para que (6.29) tenga soluci on? Cu ales son esta soluciones? (Volveremos a tratar en la secci on 6.9 sobre este m etodo de resoluci on de ecuaciones integrales, es decir, sobre el m etodo consistente en transformar la ecuaci on integral en una ecuaci on diferencial equivalente.)
Lo que hemos visto en esta secci on puede resumirse as : las condiciones iniciales o de contorno juegan un papel fundamental en la transformaci on de una ecuaci on diferencial en una ecuaci on integral; si las condiciones son iniciales, la ecuaci on integral que se obtiene es de Volterra; si las condiciones son de contorno, la ecuaci on integral resultante es de Fredholm, siendo
6.4 Ecuaci on de segunda especie con n ucleo separable
357
su n ucleo la funci on de Green del problema de condiciones de contorno diferencial. Sin embargo, la transformaci on inversa no es siempre posible: hay ecuaciones integrales sin ecuaci on diferencial equivalente. En el resto del cap tulo nos dedicaremos a exponer t ecnicas de resoluci on relativamente elementales de ecuaciones integrales lineales. Por supuesto, una de ellas consistir a en transformar la ecuaci on integral en una ecuaci on diferencial equivalente. Esto se ver a espec camente en la secci on 6.9, p agina 382.
6.4. Ecuaci on de segunda especie con n ucleo separable

Se dice que el n ucleo es degenerado o separable si es de la forma
n
k (x, y ) =
i=1
i (x) i (y )
(6.35)
con n nito.
Ejemplo 6.4
Los siguientes n ucleos son separables: k (x, y ) = (x y )2 = x2 2xy + y 2 , k (x, y ) = ex+y = ex ey , k (x, y ) = cos(y x) = cos y cos x + sen y sen x .
Las ecuaciones integrales con n ucleos degenerados pueden resolverse mediante procedimientos algebraicos muy sencillos. Veamos un ejemplo representativo.
Ejemplo 6.5
Queremos hallar la soluci on de la ecuaci on integral
1
(x) = x +
0
dy (x y 2 + x2 y ) (y ).
(6.36)
Compar andola con la ecuaci on (6.1) encontramos que = 1, g (x) = x, k (x, y ) = x y 2 + x2 y, por lo que la ecuaci on es inhomog enea de Fredholm de segunda especie con n ucleo separable. La ecuaci on (6.36) podemos escribirla as :
1
(x) = x + x
0
dy y 2 (y ) + x2
0
dy y (y ).
(6.37)
Si denimos
1
c1 =
0 1
dy y 2 (y ), dy y (y ),
(6.38) (6.39)
c2 =
0
358
la ecuaci on (6.37) se reduce a
(x) = x + x c1 + x2 c2 .
(6.40)
Sabemos pues, a falta de determinar el valor de las constantes c1 y c2 , cu al es la soluci on de (6.36). Para hallar el valor de estas constantes sustituimos (6.40) en la ecuaciones que denen su valor, es decir, en (6.38) y en (6.39). As obtenemos este sistema algebraico: 1 1 1 1 dy y 2 (y + c1 y + c2 y 2 ) = + c1 + c2 , c1 = 4 4 5 0 (6.41) 1 1 1 1 2 dy y (y + c1 y + c2 y ) = + c1 + c2 , c2 = 3 3 4 0 Resolviendo mediante la regla de Cramer obtenemos
1 4 1 3
c1 =
1 5 1 1 4 1 5 1 1 4
1 4 1 3
1 1 4 1 3
60 + , 240 120 2
c2 =
1 1 4 1 3 1 1 4 1 3
1 5 1 1 4
80 . 240 120 2
Sustituyendo estos valores en (6.40) obtenemos la soluci on de la ecuaci on integral (6.36): (x) = x + 60 + 80 x+ x2 2 240 120 240 120 2 (240 60) x 80 x2 = . 240 120 2
(6.42)
La ecuaci on integral no homog enea de este ejemplo [ecuaci on (6.36)] no tendr a soluci on si los valores de son justamente las soluciones de la ecuaci on 240 120 2 = 0, es decir, si = 60 16 15.
6.4.1. Ecuaci on de segunda especie inhomog enea con n ucleo degenerado

El procedimiento elemental que hemos empleado en el ejemplo anterior se puede generalizar para que sea aplicable a cualquier n ucleo de la forma (6.35). En este caso la ecuaci on de Fredholm de segunda especie, ecuaci on (6.1) con = 1, se convierte en
b n
(x) = g (x) +
a
dy
i=1
i (x) i (y ) (y ).
(6.43)
Tal como se hizo en el ejemplo 6.5 anterior, denimos

b
ci =
dy i (y ) (y ),
(6.44)
de modo que la ecuaci on (6.43) se transforma en

n
(x) = g (x) +
j =1
cj j (x).
(6.45)
6.4 Ecuaci on de segunda especie con n ucleo separable Sustituyendo ahora la ecuaci on (6.45) en (6.44) se tiene que
b n b
359
ci =
dy i (y )g (y ) +
j =1
cj
dy i (y ) j (y ).
(6.46)
Este es un sistema algebraico de n ecuaciones y n inc ognitas (las inc ognitas son las constantes ci , por supuesto). Una vez resuelto el sistema, las soluciones ci se sustituyen en (6.45) y obtenemos la soluci on (x) de la ecuaci on integral (6.43). Podemos escribir el sistema de ecuaciones (6.46) de un modo m as compacto
n n
ci = bi +
j =1
aij cj bi =
j =1
(ij aij ) cj ,
(6.47)
donde
b
bi aij
a b a
dy i (y )g (y ), dy i (y ) j (y ),
y ij es la delta de Kronecker. La ecuaci on (6.47) en forma matricial es c ] c c = b + a b = [ 1 a . siendo 1 la matriz identidad. Por tanto ]1 c = [ 1 a b (6.49) (6.48)
sea distinto de es la soluci on del sistema, siempre y cuando el determinante de la matriz 1 a sea invertible. cero, es decir, siempre y cuando la matriz 1 a
6.4.2. Ecuaci on de segunda especie homog enea con n ucleo degenerado: autovalores y autofunciones
Si la ecuaci on integral de Fredholm es homog enea, es decir, si g (x) = 0, el sistema (6.47) o (6.48) correspondiente a esta ecuaci on integral es tambi en homog eneo: ] c 0 = [ 1 a . (6.50)
En este caso s olo existir a soluci on c distinta de la trivial ci = 0 para todo i si el determinante de los coecientes del sistema algebraico es nulo, es decir, si ] = | | = 0. det[ 1 a 1 a (6.51)
Esta es la ecuaci on caracter stica del sistema. Las p ra ces i de esta ecuaci on, con 1 p n, son los u nicos valores que hacen que la ecuaci on integral tenga soluci on distinta de la trivial. Estos valores son justamente los autovalores del operador k , pues n otese que la ecuaci on integral de 3 Fredholm homog enea
b
a
3
dy k (x, y ) (y ) = (x)
Las ecuaciones integrales de Volterra no tienen autovalores [Tri85], lo cual est a de acuerdo con nuestro comentario de la p agina 356 acerca de la equivalencia entre las ecuaciones diferenciales con condiciones iniciales y las ecuaciones integrales de Volterra.
360
puede escribirse en t erminos de operadores [v ease la ecuaci on (6.3)] as k = . Diremos entonces que i son los autovalores4 del kernel k (x, y ). La soluci on, o soluciones, de la ecuaci on homog enea con = i son las autofunciones i (x) del n ucleo k (x, y ).
Ejemplo 6.6
Consideraremos la ecuaci on homog enea del anterior ejemplo 6.5, p agina 358,
1
(x) =
0
dy (x y 2 + x2 y ) (y ).
La soluci on ahora es casi igual que la (6.40), excepto por el t ermino no homog eneo que ahora est a ausente: (x) = x c1 + x2 c2 . (6.52)
Por consiguiente las constantes c1 y c2 han de satisfacer el sistema [comp arese con el sistema (6.41)] 1 c1 = c1 + 4 c2 = 1 c1 + 3 1 1 1 1 c1 c2 = 0 , c2 4 5 5 1 1 1 c1 + 1 c2 = 0 . c2 4 3 4
(6.53)
Para que este sistema tenga soluci on distinta de la trivial c1 = c2 = 0 es necesario que 1 1 4 1 3 1 5 1 1 4 2 = 0. 2 240
=1
(6.54)
Esta es la ecuaci on caracter stica del sistema. Sus soluciones son 1,2 = 6016 15. N otese que la ecuaci on homog enea tiene soluci on justamente para los valores de para los que la ecuaci on no homog enea (v ease el ejemplo 6.5) no tiene soluci on. Esto es un resultado general que discutiremos en la secci on dedicada a los teoremas de la alternativa de Fredholm (secci on 6.5, p agina 361). Las ecuaciones (6.53) podemos reescribirlas as 1 1 c1 , 4 /3 c2 = c1 . 1 /4 c2 = Vemos por (6.52) que las autofunciones toman la forma i (x) = i c1 x 1 + c2 x c1 . (6.56) 5
(6.55)
Usando (6.55) en esta relaci on encontramos que las autofunciones correspondientes a los autovalores i son 1 5 1 i x i (x) = i c1 x 1 + i 4 i /3 = i c1 x 1 + x . 1 i /4
Siendo completamente puristas y coherentes con las deniciones habituales de autovalores que hemos usado en este curso, tendr amos que decir que los autovalores son realmente 1/i , pero, siguiendo cierta tradici on de la teor a de ecuaciones integrales v ease [CH62], por ejemplo llamaremos autovalor simplemente a i .
4
6.5 Teoremas de Fredholm
361
Dado que dos autofunciones que se diferencian por un factor constante son la misma autofunci on, podemos escribir la expresi on anterior de un modo m as compacto suprimiendo la constante c1 : i (x) = x 1 + 1 5 1 i x i 4 i /3 =x 1+ x . 1 i /4 (6.57) (6.58)
Sustituyendo los valores de 1 y 2 en (6.55) encontramos que: Si = 1 = 60 + 16 15 entonces c2 20 5 15 = c1 15 + 4 15 y de la ecuaci on (6.57), o de la ecuaci on (6.58), se deduce que la soluci on (autofunci on) correspondiente es 20 5 15 x . 1 (x) = x 1 + (6.59) 15 + 4 15 Si = 2 = 60 16 15 entonces c2 20 + 5 15 = c1 15 + 4 15 y de la ecuaci on (6.57), o de la ecuaci on (6.58), se deduce que la soluci on (autofunci on) correspondiente es 20 + 5 15 x . 2 (x) = x 1 (6.60) 15 + 4 15 Estas dos funciones 1 (x) y 2 (x) son soluciones linealmente independientes de la ecuaci on homog enea. Estas son por tanto las autofunciones del operador k correspondiente al n ucleo k (x, y ) = x y 2 + x2 y .
Finalizamos esta secci on enunciando dos teoremas importantes acerca de autovalores y autofunciones de las ecuaciones integrales [CH62]: Teorema 6.1 El n umero de autovalores es nito si y s olo si el n ucleo es degenerado. Teorema 6.2 El grado de degeneraci on (o rango) de los autovalores de un n ucleo k (x, y ) de cuadrado sumable es siempre nito.
6.5. Teoremas de Fredholm

Observando que cualquier n ucleo de comportamiento normal pod a escribirse en forma de una serie de n ucleos degenerados [Tri85, secci on 3.6], Fredholm dedujo un conjunto de teoremas para n ucleos reales, conocidos como teoremas de la alternativa de Fredholm, que daremos aqu sin demostraci on. Estos teoremas son v alidos bajo condiciones muy generales. Por concretar, siguiendo la referencia [Tri85], supondremos que el n ucleo k (x, y ) es de cuadrado sumable sobre el cuadrado a x, y b, y que g (x) es de cuadrado sumable en el intervalo [a, b], es decir, supondremos que
b a a b
|k (x, y )|2 dx dy = nito,
(6.61)
y que
5
b 2 a |g (x)|
= nito.5
Estas condiciones se pueden relajar: v ease, por ejemplo, la secci on 7.7 de Partial Dierential Equations of Mathematical Physics and Integral Equations, R. B. Guenther y J. W. Lee (Dover, Nueva York, 1996).
362
Teorema 6.3 (Teorema de la alternativa) Con una excepci on, que se discutir a en el teorema 6.5, o bien la ecuaci on no homog enea
b
(x) = g (x) +
a
dy k (x, y ) (y )
tiene soluci on u nica para cualquier g (x), es decir, no es un autovalor, o bien la ecuaci on homog enea
b
(x) =
a
dy k (x, y ) (y )
tiene al menos una soluci on no trivial, es decir, es un autovalor y (x) una autofunci on. Los ejemplos 6.5 y 6.6 nos pueden servir para ilustrar este teorema. En el ejemplo 6.5 se encontr o que la ecuaci on integral no homog enea
1
(x) = x +
0
dy (xy 2 + x2 y )(y )
tiene soluci on siempre que = 60 16 15, es decir, siempre que el determinante de los coecientes del sistema (6.41) sea distinto de cero: 1 1 1 4 5 1 1 1 3 4 2 = 0. 2 240
=1
(6.62)
Sin embargo, en el ejemplo 6.6 descubrimos justamente lo contrario: para que la ecuaci on integral homog enea
1
(x) =
0
dy (xy 2 + x2 y )(y )
tenga soluci on distinta de la trivial (x) = 0 debe ocurrir que el determinante de los coecientes del sistema (6.41) sea igual a cero: 1 1 1 4 5 1 1 1 3 4 2 = 0. 2 240
=1
(6.63)
Los on, = 1 60 + 16 15 y = 2 60 valores de que anulan a esta ecuaci 16 15 son los autovalores del n ucleo k (x, y ) = xy 2 + x2 y . Vemos pues que si = 1 o = 2 , entonces la ecuaci on inhomog enea no tiene soluci on y, en este caso, la ecuaci on homog enea s tiene soluci on distinta de la trivial [de hecho tiene dos soluciones linealmente independientes: v eanse las ecuaciones (6.59) y (6.60)]. Si, por el contrario, = 1 y = 2 , entonces la ecuaci on inhomog enea s tiene soluci on u nica [es la soluci on dada en la ecuaci on (6.42)] y la ecuaci on homog enea no tiene soluci on distinta de la trivial. Los siguientes teoremas a menudo se consideran parte del llamado teorema de la alternativa de Fredholm. Teorema 6.4 (Teorema de la alternativa (continuaci on)) Si no es un autovalor entonces tampoco es autovalor de la ecuaci on transpuesta, es decir, no existe soluci on de
b
(x) =
a
dy k (y, x) (y ).
6.5 Teoremas de Fredholm
363
Pero si es un autovalor, entonces tambi en es autovalor de la ecuaci on transpuesta, es decir, existe al menos una soluci on (no trivial) de
b
(x) =
a
dy k (y, x) (y ).
El n umero de autofunciones (degeneradas) correspondientes a este autovalor es el mismo para los dos casos. Teorema 6.5 (Teorema de la alternativa (continuaci on)) Si es un autovalor, la ecuaci on no homog enea tiene una soluci on si, y s olo si, la funci on g (x) es tal que
b
dx (x) g (x) = 0
a
para toda funci on (x) que sea autofunci on del operador transpuesto k (y, x) con autovalor , es decir, para toda funci on (x) que satisfaga la ecuaci on homog enea transpuesta
b
(x) =
a
dy k (y, x) (y ).
Cuando las condiciones de este u ltimo teorema se satisfacen, la soluci on de la ecuaci on inhomog enea no es u nica. Esto es f acil de entender. Supongamos por concretar que ecuaci on homog enea con n ucleo k (x, y ) tiene r autofunciones 1 (x), 2 (x),. . . , r (x) con un mismo autovalor , es decir, 1 (x), 2 (x),. . . , r (x) son las r soluciones linealmente independientes de la ecuaci on b integral homog enea (x) = a dy k (x, y ) (y ). La soluci on general de esta ecuaci on integral es por tanto
r
(x) =
n=1
cn n (x)
donde cn son constantes arbitrarias. Sea adem as (x) una soluci on cualquiera de la ecuaci on no homog enea. Entonces es evidente que
r
(x) = (x) + (x) = (x) +

n=1
cn n (x)
es tambi en soluci on de la ecuaci on no homog enea. Por supuesto esta soluci on no es u nica porque los valores de cn son arbitrarios.
Ejemplo 6.7
Con este ejemplo queremos ilustrar el teorema 6.5. Sea la ecuaci on integral de Fredholm de segunda especie
1
(x) = g (x) +
0
dy (x y 2 + x2 y ) (y ).
(6.64)
Esta es la ecuaci on del ejemplo 6.5 si g (x) = x y la del ejemplo 6.6 si g (x) = 0. En el presente ejemplo hacemos = 1 60 + 16 15 y g (x) = 1 + (4 + 2 5/3)x. Es decir, la ecuaci on que queremos resolver es 1 dy (x y 2 + x2 y ) (y ). (6.65) (x) = 1 + (4 + 2 5/3)x + (60 + 16 15)
0
364
Dado que es igual a uno de los autovalores de la ecuaci on homog ena, = 1 , podr amos pensar que, seg un arma el teorema 6.3, la ecuaci on inhomog enea (6.65) no tiene soluci on. Sin embargo, es f acil ver que
1
dx g (x) 1 (x) = 0 ,
0
(6.66)
donde
20 5 15 x 1 (x) = x 1 + 15 + 4 15
es la u nica autofunci on del kernel transpuesto de k (x, y ) = x y 2 + x2 y [n otese que k (x, y ) = k (y, x)] correspondiente al autovalor 1 [v eanse las ecuaciones (6.59) y (6.60)]. Seg un el teorema 6.5 anterior, esto signica que la ecuaci on (6.65) tendr a soluciones no u nicas. En efecto, puede comprobarse por sustituci on directa que la funci on (x) = 1 3x/2 es soluci on de la ecuaci on (6.65), y como c1 (x) es soluci on de la ecuaci on homog enea para cualquier valor de c, tenemos que 3 20 5 15 x (x) = 1 x + c x 1 + (6.67) 2 15 + 4 15 es tambi en soluci on de la ecuaci on inhomog enea (6.65). Por supuesto, dado que el valor de c es arbitrario, esta soluci on no es u nica. Ejercicio 6.3 Resuelve la ecuaci on integral (6.65) mediante la t ecnica usada en la secci on 6.4 dado que su n ucleo es degenerado. Comprueba que el determinante de la matriz de los coecientes del sistema algebraico que obtienes [sistema que ser a similar al (6.41 )] es nulo y que, sin embargo, el sistema tiene una soluci on distinta de la trivial, a saber, c1 = 1/24 y c2 = 0. Bajo qu e circunstancias tiene soluci on un sistema algebraico no homog eneo cuya matriz de coecientes tenga determinante nulo? Comprueba que estas condiciones se verican en tu sistema algebraico.
6.6. Series de Neumann

Estudiaremos ahora un procedimiento muy simple para resolver ecuaciones integrales lineales de segunda especie no homog eneas. Por concretar, en lo que sigue nos referiremos casi exclusivamente a la ecuaci on de segunda especie de Fredholm:
b
(x) = g (x) +
a
dy k (x, y ) (y )
con g (x) = 0,
(6.68)
pero casi todo lo que digamos ser a tambi en v alido para las ecuaciones de Volterra sin m as que cambiar b por x en el l mite superior de integraci on ([KKM82, secciones 3 y 4]; v ease tambi en el ejemplo 6.9 de la p agina 367). El procedimiento comienza con la conjetura de una soluci on inicial aproximada de (6.68). Por ejemplo, podemos suponer que (x)
b
0 (x) = g (x).
Esto equivale a asumir que la integral a dy k (x, y ) (y ) y/o la constante son peque nas. Esta elecci on no es la u nica posible: si conoci eramos por cualquier motivo una primera aproximaci on 6 mejor que 0 (x) = g (x), ser a aquella la que convendr a usar.
Si escogemos 0 (x) = g (x), el procedimiento que vamos a exponer se conoce como m etodo de las aproximaciones sucesivas; si escogemos 0 (x) = g (x) (y esta es la opci on que estudiaremos) el m etodo se llama m etodo de las series de Neumann.
6
6.6 Series de Neumann
365
Intentamos mejorar esta primera aproximaci on sustituyendo 0 (x) en el miembro derecho de la ecuaci on original (6.68), obteniendo
b
(x)
1 (x) = g (x) + = g (x) +
a b
dy k (x, y ) 0 (y ) (6.69) dy k (x, y ) g (y ).
Sustituyendo a su vez esta primera aproximaci on en el miembro derecho de la ecuaci on original (6.68) obtenemos una segunda aproximaci on
b
2 (x) = g (x) + = g (x) +
a b
dy k (x, y ) 1 (y )
b
dy k (x, y ) g (y ) +
a b
dy k (y, y ) g (y )
a b b
= g (x) +
a b
dy k (x, y ) g (y ) + 2 dy k (x, y ) g (y ) + 2
dy k (x, y )
a b a a b a
dy k (y, y ) g (y )
= g (x) +
a
dy dy k (x, y ) k (y, y ) g (y ).
Es decir, la aproximaci on de orden n + 1 se obtiene de la aproximaci on de orden n a trav es de la relaci on de recurrencia

b
n+1 (x) = g (x) + Repitiendo el proceso n veces se obtiene
a n
dy k (x, y )n (x).
(6.70)
(x) donde U0 (x) = g (x),

b
n (x) =
m=0
m Um (x),
(6.71)
U1 (x) = U2 (x) = . . .
a b a
k (x, y1 ) g (y1 ) dy1 ,

b a
k (x, y1 ) k (y1 , y2 ) g (y2 ) dy2 dy1 ,
(6.72)
b a
Un (x) =
k (x, y1 ) k (y1 , y2 ) k (yn1 , yn ) g (yn ) dyn dy2 dy1 .
Haciendo n en (6.71) obtenemos la serie m Um (x)

m=0
(6.73)
que se conoce como serie de Neumann.7 Esperamos que la soluci on (x) venga dada por esta serie:
n
(x) = l m n (x) = l m
n
m Um (x) =
m=0 m=0
m Um (x),
(6.74)
es decir, esperamos que la serie de Neumann converja a la soluci on (x). Veamos bajo qu e condiciones esta serie converge a la soluci on de la ecuaci on integral.
7
En www se da un programa Mathematica que calcula esta serie.
366 Convergencia de la serie de Neumann
Los criterios de convergencia para las ecuaciones de Fredholm y de Volterra vienen dados por los siguientes teoremas:
Teorema 6.6 Supongamos que el n ucleo k (x, y ) es de cuadrado sumable en el cuadrado a x b, a y b, es decir, supongamos que
b a a b
|k (x, y )|2 dx dy = 2 ,
(6.75)
siendo un valor nito. Entonces [Tri85] la serie de Neumann (6.73) converge hacia la soluci on (x) de la ecuaci on integral (6.68) siempre que 1 .
|| <
(6.76)
Puede demostrarse [CH62] que la serie de Neumann converge uniformemente en el intervalo a x b si || < 1/[(b a)M ] donde M es una cota superior del valor absoluto de k (x, y ) en el cuadrado a x, y b.
on de Volterra Teorema 6.7 Sea la ecuaci

x
(x) = g (x) +
a
dy k (x, y ) (y ),
(6.77)
donde g (x) = 0 es continua para a x b, y donde el n ucleo k (x, y ) es continuo en el tri angulo m a x b, a y x. Entonces [Jer99] la serie de Neumann m=0 Um (x), con las funciones Um (x) dadas por las ecuaciones (6.72) en donde cambiamos b por x, converge a la soluci on (x) de (6.77).
Ejemplo 6.8
Sea la ecuaci on integral de Fredholm de segunda especie (x) = x + 1 2
1
(y x) (y ) dy.
1
(6.78)
Su soluci on, como se puede comprobar f acilmente por sustituci on directa, es (x) = 1 3 + x. 4 4
6.6 Series de Neumann

Vamos ahora a hallar una soluci on aproximada haciendo uso de la serie de Neumann: 0 (x) = x, 1 (x) = x + 1 2
1
367
(y x) y dy = x +
1 1
1 y3 y2 x 2 3 2
=x+
1
1 , 3
1 2 (x) = x + 2 3 (x) = x + 4 (x) = x + 1 2 1 2
(y x)
1 1
1 y+ 3 1 2 + y 3 3 2 2 + y 9 3 2 7 + y 9 9
1 x 1 2 dy = x + = + x , 3 3 3 3 dy = dy = dy = 2 2 + x, 9 3 2 7 + x, 9 9 7 7 + x, 27 9 7 20 + x, 27 27 20 20 + x, 81 27 20 61 + x = 0 247 + 0 753x , 81 81
(y x)
1 1
(y x)
1 1
1 5 (x) = x + 2 1 6 (x) = x + 2 7 (x) = x + 1 2
(y x)
1 1
(y x)
1 1
7 7 + y 27 9 20 7 + y 27 27 20 20 + y 81 27
dy =
(y x)
1 1
dy = dy =
1 8 (x) = x + 2 9 (x) =
(y x)
1
Vemos que la soluci on aproximada n (x) mejora a medida que n aumenta y que tras ocho iteraciones la aproximaci on 8 (x) es una muy buena estimaci on de la soluci on exacta.
Ejercicio 6.4 Halla el valor de 1/ correspondiente a la ecuaci on de este ejemplo. Es mayor, igual o menor que 1/2? Qu e signica esto?
Ejemplo 6.9
En este ejemplo vamos a resolver la ecuaci on de Volterra
x
(x) = 1 +
0
(y ) dy
(6.79)
mediante el m etodo de la serie de Neumann. Su soluci on, como se puede comprobar f acilmente por sustituci on directa, es (x) = ex . Los primeros t erminos de la serie son: 0 (x) = 1,
x
1 (x) = 1 +
0 x
1 dy = 1 + x , (1 + y ) dy = 1 + x +
0 x
2 (x) = 1 + 3 (x) = 1 +
0
x2 , 2 x2 x3 + . 2 3!
1+y+
y2 2
dy = 1 + x +
368
El t ermino n- esimo viene dado por n (x) = 1 + x + x2 x3 xn + + + 2 3! n!
como es f acil de demostrar por inducci on (h agase!). Pero ex = n=0 xn /n!, luego vemos que la serie de Neumann n (x) converge a la soluci on exacta pues n (x) ex cuando n .
Ejemplo 6.10
La ecuaci on de Schr odinger independiente del tiempo para la dispersi on de una part cula de masa m y energ a E por parte de un potencial de interacci on V (r) puede escribirse como (2 + k 2 ) (r) = 4 U (r) (r), donde k2 = 2m
2
E,
U (r ) =
m V (r ) . 2 2
Buscamos una soluci on que satisfaga la condici on de contorno (r) ei k0 r +(, ) e i k r r cuando r
y donde |k0 | = k . El primer t ermino representa la onda plana incidente y el segundo es la onda esf erica dispersada producida por la interacci on de la onda plana con el potencial U (r). Es posible demostrar [Arf85] que la ecuaci on de Schr odinger y la condici on de contorno pueden combinarse en la ecuaci on integral e i k |r r | (r) = ei k0 r + d3 r U (r ) (r ). |r r | La soluci on de esta ecuaci on puede expresarse mediante la serie de Neumann. La aproximaci on de orden cero, (r ) e i k 0 r nos describe simplemente la onda incidente, sin dispersi on. La siguiente aproximaci on proporciona un resultado muy importante conocido como aproximaci on de Born (r ) ei k0 r + d3 r e i k |r r | U (r ) ei k0 r . |r r |
La serie de Neumann en t erminos de operadores En forma de operadores, la ecuaci on integral de segunda especie que queremos resolver viene dada por = g + k . Si despejamos f obtenemos = [1 k ]1 g.
6.6 Series de Neumann Desarrollando formalmente [1 k ]1 en potencias de k se tiene que

369
= [1 k ]1 g =
( k )n g =
n=0 n=0
n k n g,
que es la serie de Neumann si interpretamos que k n signica aplicar n veces el operador k : kn g =

a b b a
k (x, y1 ) k (y1 , y2 ) k (yn1 , yn ) g (yn ) dyn dy2 dy1 = Un (x).
N ucleos iterados Hemos visto antes que (x) =

n=0
n Un (x),
con los coecientes Un dados por las expresiones (6.72), es la soluci on en forma de serie de Neumann de la ecuaci on de Fredholm de segunda especie (6.68). Esta soluci on puede escribirse as (x) = g (x)
b
+
a
k (x, y1 ) g (y1 ) dy1

b a a b a a b b
+ 2 + n + es decir,
k (x, y1 ) k (y1 , y2 ) dy1 g (y2 ) dy2 +

b a
k (x, y1 ) k (y1 , y2 ) k (yn1 , yn ) dy1 dyn1 g (yn ) dyn
(x) = g (x) +
a
k1 (x, y1 ) g (y1 ) dy1 + + n

b a
b a
kn (x, yn ) g (yn ) dyn + (6.80)
= g (x) +
n=1
kn (x, y )g (y )dy
donde hemos denido k1 (x, y ) = k (x, y ) ,

b b a
(6.81) k (x, y1 ) k (y1 , y2 ) k (yn1 , y ) dy1 dy2 dyn1 . (6.82)
kn (x, y ) =
A estas funciones kn (x, y ) se les conoce como n ucleos iterados. Este nombre responde al hecho de que es posible hallar kn (x, y ) en t erminos de kn1 (x, y ). Ve amoslo. La denici on de kn (x, y ) es
b b b a
kn (x, y ) =
k (x, y1 )
k (y1 , y2 ) k (yn1 , y ) dy2 dyn1 dy1 .
Pero el t ermino entre corchetes es justamente la denici on de kn1 (y1 , y ), luego se satisface relaci on de recurrencia
b
kn (x, y ) =
k (x, y ) kn1 (y , y ) dy .
(6.83)
370 N ucleo resolvente de la ecuaci on de Fredholm de segunda especie
Se llama n ucleo resolvente R(x, y ; ) a la funci on que nos proporciona la soluci on (x) de la ecuaci on integral
b
(x) = g (x) +
a
dy k (x, y ) (y )
mediante la relaci on
b
(x) = g (x) +
a
dy R(x, y ; ) g (y ).
Por tanto, encontramos que la funci on R(x, y ; ) denida mediante la serie de n ucleos iterados
R(x, y ; ) = k1 (x, y ) + k2 (x, y ) + =

n=1
n1 kn (x, y )
(6.84)
es el n ucleo resolvente de nuestra ecuaci on integral porque podemos escribir la soluci on dada por (6.80) como
b
(x) = g (x) +
a
R(x, y ; ) g (y ) dy
(6.85)
asumiendo que la serie (6.84) que dene a R(x, y ; ) es uniformemente convergente el el intervalo [a, b] pues, en tal caso, es aceptable intercambiar el orden de la integral y el sumatorio en (6.80). Las condiciones bajo las cuales la serie que dene al n ucleo resolvente converge uniformemente son las mismas que hac an uniformemente convergente a la serie de Neumann (v ease la p agina 366). Finalizamos esta secci on hallando la ecuaci on integral que verica el n ucleo resolvente. Para ello multiplicamos k (x, z ) por la expresi on de R(z, y ; ) dada por (6.84) e integramos sobre la variable z entre a y b:
b b
dz k (x, z ) R(z, y ; ) =
a a
dzk (x, z )
n=1
n1 kn (z, y ) k (x, z )kn (z, y )dz
=
n=1
n1
a
=
n=1
n1 kn+1 (x, y )
= k2 (x, y ) + k3 (x, y ) + 2 k4 (x, y ) + = 1 [R(x, y ; ) k (x, y )], y por tanto, tenemos que
b
R(x, y ; ) = k (x, y ) +
a
k (x, z ) R(z, y ; ) dz .
(6.86)
Esta es la ecuaci on integral que ha de cumplir el n ucleo resolvente. Lo que acabamos de ver tambi en es v alido para la ecuaci on de Volterra de segunda especie sin m as que cambiar b por x en el l mite superior de integraci on.
6.7 Series de Fredholm
371
6.7. Series de Fredholm

El m etodo de Fredholm se basa en reemplazar la integral entre a y b por una suma, resolver las ecuaciones algebraicas que resultan y tomar nalmente el l mite continuo. Daremos aqu el resultado nal (la demostraci on puede verse en [Tri85, secci on 2.5]). La soluci on de la ecuaci on integral
b
(x) = g (x) +
a
dy k (x, y ) (y )
(6.87)
en t erminos de la serie de Fredholm es

b
(x) = g (x) +
a
dy R(x, y ; ) g (y ),
(6.88)
donde R(x, y ; ), llamado n ucleo resolvente de Fredholm, es igual a al cociente de dos series R(x, y ; ) = donde
D(x, y ; ) , D()
(6.89)
D(x, y ; ) = k (x, y ) + D() = 1 + siendo

b b a
n=1 (1)n n=1
(1)n Bn (x, y )n , n! Cn n ,
(6.90) (6.91)
n!
Bn (x, y ) =
dz1 dz2 dzn
k (x, y ) k (x, z1 ) k (x, zn ) k (z1 , y ) k (z1 , z1 ) k (z1 , zn ) k (z2 , y ) k (z2 , z1 ) k (z2 , zn ) ................................. k (zn , y ) k (zn , z1 ) k (zn , zn )
(6.92)
y k (z1 , z1 ) k (z1 , z2 ) k (z1 , zn ) k (z2 , z1 ) k (z2 , z2 ) k (z2 , zn ) k (z3 , z1 ) k (z3 , z2 ) k (z3 , zn ) .................................. k (zn , zn ) k (zn , z2 ) k (zn , zn )
b a
Cn =
dz1 dz2 dzn
(6.93)
Por ejemplo, los tres primeros t erminos de estas series son

b
D(x, y ; ) = k (x, y )
a
dz1
k (x, y ) k (x, z1 ) + k (z1 , y ) k (z1 , z1 ) k (x, y ) k (x, z1 ) k (x, z2 ) k (z1 , y ) k (z1 , z1 ) k (z1 , z2 ) k (z2 , y ) k (z2 , z1 ) k (z2 , z2 ) 2 2!
b b a a
2 2!
b b a a b
dz1 dz2
+ ,
D() = 1
a
dz1 k (z1 , z1 ) +
dz1 dz2
k (z1 , z1 ) k (z1 , z2 ) k (z2 , z1 ) k (z2 , z2 )
372
A menudo es m as conveniente evaluar estas series mediante las siguientes relaciones de re8 currencia [Tri85, secci on 2.5]:
b
Cn =
Bn1 (s, s)ds,

b
(6.94a) k (x, s)Bn1 (s, y )ds, (6.94b)
Bn (x, y ) = Cn k (x, y ) n donde
C0 = 1, B0 (x, y ) = k (x, y ).
(6.94c) (6.94d)
Ejemplo 6.11
Vamos a hallar la soluci on de la ecuaci on integral de Fredholm de segunda especie
1
(x) = x +
1
(y x) (y ) dy
(6.95)
mediante el procedimiento de las series de Fredholm. Emplearemos las relaciones (6.94) cuya implementaci on es m as sencilla que la de las relaciones (6.92) y (6.93). Teniendo en cuenta que el n ucleo es k (x, y ) = x + y , encontramos que
1 1 1
C1 =
1
B0 (s, s)ds =
1
k (s, s)ds =
1
0 ds = 0
y
1
B1 (x, y ) = C1 (x + y )
1 1
k (x, s) B0 (s, y ) ds
=
1
(x + s)(s + y )ds
2 + 2xy. 3
A partir de estos resultados podemos calcular C2 y B2 (x, y ):

1 1
C2 =
1
B1 (s, s)ds =
1
2 8 + 2s2 ds = , 3 3
y
1
B2 (x, y ) = C2 (x + y ) 2 = 8 (x + y ) 2 3
1 1
k (x, s) B1 (s, y ) ds (x + s)
1
2 + 2sy 3
ds = 0.
Como B2 = 0, se deduce inmediatamente que Cn = 0 y Bn (x, y ) = 0 para n 3. Por consiguiente las series de D() y D(x, y ; ) se truncan (se convierten en polinomios en ): D() = 1 +
8
(1)n 4 C n n = 1 + 2 n ! 3 n=1
En www se proporciona un programa Mathematica que permite calcular las series de Fredholm mediante este procedimiento.
6.7 Series de Fredholm

y D(x, y ; ) =
373
(1)n Bn (x, y )n = x + y n ! n=0 x + y (2/3 + 2xy ) 1 + 4 2 /3

1
2 + 2xy , 3
de modo que el n ucleo resolvente es R(x, y ; ) = y la soluci on nal es por tanto (x) = x +
1
dy R(x, y, )y =
3x + 2 , 3 + 4 2
que es la soluci on exacta. La ecuaci on integral que hemos estudiado en este ejemplo se reduce, si tomamos = 1/2, a la ecuaci on integral (6.78) del ejemplo 6.8, p agina 366, ecuaci on que resolvimos entonces mediante el m etodo de la serie de Neumann.
La importancia de la soluci on de Fredholm estriba en que la series D(x, y ; ) y D() tienen asegurada la convergencia bajo condiciones muy d ebiles: s olo es preciso que el n ucleo k (x, y ) sea acotado o de cuadrado sumable en en cuadrado de integraci on [KKM82, Tri85]. Es posible demostrar que los autovalores de la ecuaci on homog enea son los ceros de D(). Como argumento de plausibilidad n otese que cuando g (x) = 0 la f ormula de Fredholm nos conduce a (x) = 0, que es la soluci on trivial salvo si D() = 0. Un corolario del teorema 6.1, p agina 361, es que D() es un polinomio si el n ucleo es degenerado. Autofunciones en forma de serie de Fredholm A n de obtener una expresi on para las autofunciones volvamos al caso inhomog eneo y encontremos una identidad para valores arbitrarios de sustituyendo la soluci on de Fredholm (6.88) en la ecuaci on integral de partida (6.87):
b
dy
D(x, y ; ) g (y ) = D()
b a
dy k (x, y ) g (y ) + 2
a
dz k (x, z )
a
dy
D(z, y ; ) g (y ). D()
(6.96)
Como g (y ) es una funci on arbitraria, esta igualdad requiere que

b
D(x, y ; ) = k (x, y ) D() +

a
dz k (x, z ) D(z, y ; ).
(6.97)
N otese que multiplicando esta relaci on por g (y )/D() e integrando entre a y b, se obtiene la relaci on (6.96). En particular, haciendo = n , se tiene que D(n ) = 0, y por tanto
b
D(x, y ; n ) = n
dz k (x, z ) D(z, y ; n ).
(6.98)
Esto signica que D(x, y ; n ) es una autofunci on correspondiente al autovalor n , independientemente del valor de la variable y . Si n es un autovalor no degenerado sucede que D(x, y ; n ) = Fn (x) Gn (y ), donde Fn (x) es la verdadera autofunci on, pues obviamente verica que
b
(6.99)
Fn (x) = n
dz k (x, z ) Fn (z ).
374 Serie de Neumann y serie de Fredholm
En notaci on de operadores, la ecuaci on integral no homog enea se escribe como = g + k , cuya soluci on formal es = (1 k )1 g. El desarrollo en serie de potencias de este operador da precisamente la serie de Neumann = g + k g + 2 k 2 g + 3 k 3 g + Por otra parte, la f ormula de Fredholm puede escribirse como = [1 + R()] g. Tenemos as la identidad formal (1 k )1 = 1 + R(). (6.102) (6.101) (6.100)
6.8. Teor a de Schmidt-Hilbert

En esta secci on veremos c omo utilizar los autovalores y autofunciones de la ecuaci on integral homog enea para hallar la soluci on del problema no homog eneo de un modo muy similar a como se hac a en la secci on 1.7 [v ease en particular la ecuaci on (1.121), p agina 41] con el problema de Sturm-Liouville inhomog eneo. Empecemos con unas deniciones: Diremos que un n ucleo k (x, y ) es sim etrico si es igual a su transpuesto: k (x, y ) = k (y, x). Un n ucleo k (x, y ) ser a herm tico si es igual a su transpuesto conjugado: k (x, y ) = [k (y, x)] . Obviamente un n ucleo real sim etrico es herm tico. Nos restringiremos en lo que sigue a n ucleos reales sim etricos aunque mucho de lo que digamos ser a tambi en v alido para los n ucleos herm ticos. Denimos el producto escalar de dos funciones (x) y g (x) por
b
|g =
a
dx (x) g (x).
Si las funciones son reales (y es lo que supondremos en lo que sigue) esta denici on se reduce a
b
|g =
a
dx (x) g (x).
6.8 Teor a de Schmidt-Hilbert
375
6.8.1. Algunas propiedades de los n ucleos reales sim etricos

Todo n ucleo sim etrico (no nulo) de cuadrado sumable tiene al menos un autovalor. Es f acil demostrar que los autovalores de un n ucleo real sim etrico k (x, y ) son reales, es decir, que b n a dy k (x, y ) n (y ) = n (x) n = (6.103) n. k (x, y ) real y sim etrico Este resultado es tambi en v alido para los n ucleos herm ticos. Las autofunciones correspondientes a autovalores distintos son ortogonales si el n ucleo es sim etrico y real: n n , m m con n = m n |m = 0. (6.104)
k (x, y ) real y sim etrico
Si un autovalor est a degenerado, sus autofunciones se pueden ortogonalizar mediante el m etodo de Gram-Schmidt, de modo que n |m = n 2 nm . Por supuesto, las armaciones (6.103) y (6.104) son igualmente v alidas para n ucleos herm ticos y pueden demostrarse siguiendo el mismo procedimiento que se emple o en la secci on 1.3.3, p agina 14, para operadores herm ticos gen ericos. Ejercicio 6.5
Demuestra los resultados (6.103) y (6.104).
Una propiedad importante de los n ucleos reales sim etricos es que su espectro de autovalores nunca est a vac o [Tri85]: Teorema 6.8 Todo n ucleo sim etrico de cuadrado sumable tiene al menos un autovalor. En general las autofunciones n (x) del n ucleo real sim etrico k (x, y ) no constituyen un conjunto completo de funciones, es decir, no podemos expresar cualquier funci on (bien comportada) como combinaci on lineal de las autofunciones n (x). Sin embargo, bajo ciertas condiciones, estas autofunciones s constituyen un conjunto completo para cierta clase de funciones (x). El siguiente teorema nos aclara cu ales son estas condiciones [Tri85, secci on 3.10]. Teorema 6.9 (Teorema de Hilbert-Schmidt) Si la funci on (x) puede escribirse de la forma
b
(x) =
a
dy k (x, y ) (y )
(6.105)
donde k (x, y ) es un n ucleo real sim etrico de cuadrado sumable en el cuadrado a x b, a y b, y la funci on semilla (y ) es de cuadrado sumable en el intervalo a y b, entonces la serie n | an n (x) con an = n 2
n=1
376 converge en media cuadr atica a (x):

b n a n 2
l m
(x)
m=1
am m (x)
= 0.
Como es habitual, esto lo escribiremos simplemente as :
(x) =
n=1
an n (x)
con
an =
n | . n 2
(6.106)
Esta serie es uniforme y absolutamente convergente si la funci on A(x) denida por

b a
k 2 (x, y )dy = A2 (x)
es acotada en el intervalo a x b. Desarrollo del n ucleo en sus autofunciones Supongamos que el n ucleo k (x, y ) puede expresarse como serie de sus autofunciones n (y ):
k (x, y ) =
n=1
an (x)n (y ).
(6.107)
Sustituyendo esta expresi on en la ecuaci on integral que satisface m (x),

b
m (x) = m se tiene que

b
dy k (x, y ) m (y ),
(6.108)
m (x) = m = m
dy
a n=1
an (x)n (y )m (y )
b
an (x)
n=1
dy n (y )m (y )
= m am (x) m 2 , es decir, am (x) = m (x) . m m 2 1 n (x) n (y ) . n n 2
(6.109)
Sustituyendo esta expresi on en (6.107) se obtiene
k (x, y ) =
n=1
(6.110)
Esta relaci on la hemos obtenido tras suponer que k (x, y ) puede expresarse en serie de autofunciones. Bajo qu e condiciones es cierta esta suposici on (y las manipulaciones subsiguientes)? El siguiente teorema nos da una respuesta [Tri85, Jer99]: Teorema 6.10 (Teorema de Mercer) Si el n ucleo k (x, y ) es continuo, sim etrico, de cuadrado sumable en el cuadrado a x b, a y b, y tiene s olo autovalores positivos (o como mucho, un n umero nito de autovalores negativos) entonces la serie de autofunciones de (6.110) es absoluta y uniformemente convergente a k (x, y ).
377
6.8.2. Resoluci on de la ecuaci on no homog enea

Queremos resolver la ecuaci on integral de Fredholm de segunda especie
b
(x) = g (x) +
a
dy k (x, y ) (y ),
(6.111)
con n ucleo real y sim etrico. Supongamos que conocemos las soluciones de la ecuaci on integral homog enea asociada
b
n (x) = n
dy k (x, y ) n (y ),
(6.112)
donde n es la autofunci on correspondiente al autovalor n . Asumiremos en lo que sigue que todas las autofunciones son ortogonales entre s , es decir, que n |m = 0 incluso si n y m tienen el mismo autovalor n = m con n = m, es decir, incluso si las autofunciones son degeneradas. Por la ecuaci on (6.111) vemos que (x) g (x) es una funci on generable por el n ucleo k (x, y ) donde (y ) juega el papel de la funci on semilla (y ) que aparece en la ecuaci on (6.105). En este caso, el teorema de Hilbert-Schmidt nos asegura9 que podemos expresar (x) g (x) en serie de autofunciones
(x) g (x) =
n=1
dn n (x),
(6.113)
con
b
dn =
n (x) [(x) g (x)] dx
(6.114) (6.115)
= an bn , donde an =
a b
dx n (x) (x)
(6.116)
son los coecientes generalizados de Fourier de la funci on inc ognita, y donde

b
bn =
n (x) g (x) dx
(6.117)
son los coecientes generalizados de Fourier del t ermino no homog eneo g (x) dado. Nuestro objetivo es determinar dn en t erminos de los coecientes (conocidos) bn . Insertando la relaci on (6.111) en (6.114) encontramos
b b
dn =
dx n (x)
dy k (x, y ) (y )
a
(6.118)
o, equivalentemente, escribiendo k (y, x) en vez de k (x, y ) (lo cual es l cito porque el n ucleo es sim etrico) e intercambiando el orden de integraci on:
b b
dn =
9
dy (y )
a a
dx k (y, x)n (x) .
(6.119)
Como es habitual asumimos que (x), y k(x, y ) satisfacen las condiciones del teorema de Hilbert-Schmidt, a saber, que (x) es de cuadrado sumable en el intervalo a x b y que el n ucleo es de cuadrado sumable en el cuadrado a x, y b.
378
Pero como n (x) es autofunci on del n ucleo k (x, y ), la u ltima integral se reduce a n (y )/n , de modo que b an . (6.120) dn = dy n (y ) (y ) = n a n Usando este resultado en (6.115) encontramos dn = de donde se deduce que dn = Por tanto, la soluci on buscada (x) = g (x) + (x) = g (x) +
n=1
dn bn n bn . n
n=1 dn n (x)
(6.121)
(6.122) es
bn n (x), n
o, equivalentemente,
(x) = g (x) +
n=1
1 n 1 n
n |g n (x) n
b a dy n (y ) g (y )
(6.123) n (x).
= g (x) +
n=1
Es instructivo comparar esta ecuaci on con las ecuaciones (1.121) y (1.160) del cap tulo 1 (p agina 41). Recordemos que el n ucleo resolvente R(x, y ; ) se den a en la p agina 370 como aquella funci on que nos proporciona la soluci on de la ecuaci on integral (x) mediante la relaci on
b
(x) = g (x) +
a
dy R(x, y ; ) g (y ).
Comparando esta expresi on con la (6.123) encontramos el desarrollo en serie de autofunciones del n ucleo resolvente de un n ucleo real sim etrico:
R(x, y ; ) =
n=1
1 n
n (x) n (y ) . n
(6.124)
6.8.3. Teoremas de Fredholm para n ucleos reales y sim etricos

Enunciamos los teoremas de Fredholm en la secci on 6.5. Ahora vamos a volver de nuevo sobre estos teoremas discutiendo su signicado y justicando sus armaciones pero restringi endonos a los casos en los que el n ucleo k (x, y ) de la ecuaci on integral
b
(x) = g (x) +
a
dy k (x, y ) (y ),
(6.125)
es real y sim etrico. Recu erdese que la expresi on (6.123) es v alida para estos casos.
379
Ecuaci on homog enea: g (x) = 0 En este caso la ecuaci on (6.123) nos dice que, en general, la soluci on es simplemente la trivial (x) = 0. Sin embargo, si es un autovalor del n ucleo k (x, y ), digamos, = m , siendo m uno de los autovalores, entonces en la ecuaci on (6.123) aparece una indeterminaci on de tipo 0/0:
(x) = m
n=1 n=m
1 n
1 n |g = 0 n (x) + m n m m
m |g = 0 m (x). m m (6.126)
Por supuesto, todos los t erminos del sumatorio son nulos. Analicemos el u ltimo t ermino de esta expresi on para ver si podemos resolver la indeterminaci on de tipo cero partido por cero. La f ormula anterior, ecuaci on (6.126), proced a (v ease la secci on 6.8.2 precedente) de
(x) = g (x) +
n=1
dn n (x),
(6.127)
donde dn satisfac a la relaci on dn = dn bn n con bn = n |g . n 2
Si g (x) = 0, entonces bn = 0 y la relaci on anterior se reduce a dn = dn . n (6.128)
Si = n para todo n, es decir, si no es un autovalor, la relaci on anterior (6.128) s olo puede satisfacerse si dn = 0. Por la relaci on (6.127), esto signica que la u nica soluci on posible es (x) = 0, es decir, encontramos que no existe soluci on, aparte de la trivial, de la ecuaci on homog enea si no es un autovalor. Esto es precisamente lo que armaba el teorema de la alternativa de Fredholm. Pero si = m , es decir, si es un autovalor, se tiene que m dn dn = 0 si n = m n m dm = am dm arbitrario (x) = dm m (x). m dn = Esto no es sorprendente, s olo nos dice que la soluci on de la ecuaci on integral homog enea existe si es igual a un autovalor m , siendo esta soluci on la autofunci on m (x) correspondiente al autovalor m . Ecuaci on no homog enea: g (x) = 0 La soluci on de la ecuaci on integral (6.125) no homog enea viene tambi en dada ahora por
(x) = g (x) +
n=1
dn n (x).
(6.129)
Pero como g (x) = 0, entonces, por lo general, bn = por lo que dn = Esto signica que: n |g = 0, n 2 para todo n. (6.130)
bn n
380
Ecuaciones integrales lineales Si no es igual a ning un autovalor ( = n para todo n), es decir, si la ecuaci on homog enea no tiene soluci on, entonces la ecuaci on integral (6.125) no homog enea s tiene soluci on y esta viene dada por (6.129) con los coecientes dados por (6.130). Esto es justamente lo que nos dec a el teorema de la alternativa de Fredholm. Si es igual a un autovalor, por ejemplo, si = m se tiene que dn = y, por (6.121), dm = dm bm . Ahora bien: Si bm = 0, entonces esta u ltima relaci on, ecuaci on (6.131), es imposible de satisfacer y la ecuaci on no homog enea no tiene soluci on, de acuerdo con el teorema de la alternativa de Fredholm. Pero si bm = 0, la relaci on (6.131) se verica trivialmente para cualquier valor de dm , por lo que la soluci on de la ecuaci on integral no homog enea es posible incluso aunque sea igual a un autovalor; esta soluci on es
m bn n m
para n = m
(6.131)
(x) = g (x) + m
n=1 n=m
1 n
n |g n (x) + dm m (x). n m
(6.132)
Como el valor de dm es arbitrario, la soluci on (6.132) no es u nica: existen innitas soluciones linealmente independientes, una distinta para cada valor arbitrario de dm que se escoja. b N otese que bm = 0 equivale a m |g a m (x) g (x) dx = 0, por lo que, en denitiva, hemos justicado para el caso especial de n ucleos k (x, y ) reales sim etricos el teorema 6.5; teorema que, recu erdese, nos dec a en qu e circunstancias el teorema de la alternativa de Fredholm 6.3 pod a no vericarse. Debe notarse nalmente que, al ser k (x, y ) sim etrico, la autofunci on m (x) del n ucleo k (x, y ) es tambi en autofunci on del n ucleo transpuesto con el mismo autovalor m :
b b
dy k (x, y ) m = m
k (y, x) m = m .
Ejercicio 6.6
Por sencillez de exposici on hemos supuesto en toda la discusi on anterior que el autovalor = m no estaba degenerado. Si este no fuera el caso, la modicaci on que habr a que hacer ser a m nima. Este ejercicio te propone rehacer toda la discusi on anterior suponiendo que el autovalor m est a r veces degenerado.
Ejemplo 6.12
Sea la ecuaci on integral (x) = g (x) +
0
sen(x + y ) (y ) dy
(6.133)
381
donde [caso (a)] g (x) = cos(x) y [caso (b)] g (x) = cos(2x). El n ucleo k (x, y ) = sen(x + y ) es real y sim etrico por lo que podemos utilizar la teor a de Schmidt-Hilbert para encontrar su soluci on. Empecemos encontrando las autofunciones y autovalores del n ucleo k (x, y ) = sen(x + y ). Para ello buscamos todas las soluciones no nulas posibles de la ecuaci on homog enea
(x) =
0
sen(x + y ) (y ) dy.
(6.134)
El n ucleo de esta ecuaci on es separable pues k (x, y ) = sen(x + y ) = sen x cos y + cos x sen y. Por tanto la ecuaci on (6.134) se convierte en (x) = (c1 sen x + c2 cos x) donde c1 = c2 , 2 0 c2 = sen y (c1 sen y + c2 cos y )dy = c1 . 2 0 cos y (c1 sen y + c2 cos y )dy =
(6.135)
(6.136) (6.137)
Esto implica c1 = (/2)2 c1 . Dado que la posible soluci on c1 = 0 conduce a la soluci on trivial (x) = 0, debe ocurrir que 2 = (2/ )2 , es decir, los autovalores son 1 = 2/ y 2 = 2/ . Si = 1 , de la ecuaci on (6.136) se deduce que c1 = c2 , por lo que, seg un la relaci on (6.135), la autofunci on correspondiente es 1 (x) = sen x + cos x. (6.138)
De igual modo, si = 2 , de la ecuaci on (6.136) se deduce que c1 = c2 , y la ecuaci on (6.135) conduce a 2 (x) = sen x cos x (6.139)
como segunda (y u ltima) autofunci on. Seg un la teor a de Schmidt-Hilbert la soluci on de la ecuaci on no homog enea, ecuaci on (6.133), viene dada por la relaci on (6.123). En nuestro problema, esta ecuaci on se convierte en 1 1 | g 1 2 |g (x) = g (x) + 1 (x) + 2 (x) . (6.140) 1 2 1 2 2 2 La norma de las dos autofunciones es : 1 2
2
=
0
(sen x + cos x)2 dx = , (sen x cos x)2 dx = .
=
0
Caso (a): g (x) = cos x En este caso , 2 0 2 | g = (sen x cos x) cos x dx = . 2 0 1 | g = (sen x + cos x) cos x dx = La soluci on (6.140) es por tanto (x) = cos x + 2 sen x + cos x sen x cos x + 2/ 2/ + . (6.141)
382
Por supuesto, si es igual a un autovalor, esto es, si = 2/ , en la ecuaci on (6.141) aparece una divisi on por cero, es decir, la ecuaci on (6.133) con g (x) = cos x no tiene soluci on pues 1 |g = 0 y 2 |g = 0. Caso (b): g (x) = cos 2x Igual que el el caso (a), la teor a de Schmidt-Hilbert nos dice que la soluci on de la ecuaci on no homog enea, ecuaci on (6.133) con g (x) = cos 2x, viene dada por la relaci on (6.140), pero ahora se tiene que
1 | g =
0
(sen x + cos x) cos 2x dx = 0, (sen x cos x) cos 2x dx = 0.

0
2 | g =
Luego la soluci on de la ecuaci on integral no homog enea
(x) = cos 2x +
0
sen(x + y ) (y ) dy
es simplemente (x) = cos 2x siempre que no sea igual a un autovalor, es decir, siempre que = 2/ . Si es un autovalor, la ecuaci on no homog enea s tiene soluci on (aunque no u nica). Ve amoslo. Si = 1 = 2/ , las soluciones dadas por la ecuaci on (6.132) son (x) = cos 2x + c1 1 (x) = cos 2x + c1 (sen x + cos x) donde c1 es una constante arbitraria. De igual modo, si = 2 = 2/ , las soluciones dadas por la ecuaci on (6.132) son (x) = cos 2x + c2 2 (x) = cos 2x + c2 (sen x cos x) donde c2 es una constante arbitraria. Ejercicio 6.7 1. Comprueba por sustituci on directa en las distintas ecuaciones integrales que las soluciones obtenidas son realmente las soluciones de dichas ecuaciones. 2. En este ejemplo se ha querido ilustrar los resultados de la secciones 6.5 y 6.8.3 sobre el teorema de la alternativa de Fredholm y hemos dado las soluciones a partir de las expresiones previamente deducidas, ecuaciones (6.123) y (6.132). Por supuesto, no es necesario conocer estas f ormulas para resolver la ecuaci on integral (6.133). Esta se puede resolver f acilmente mediante la t ecnica de la secci on 6.4 apropiada para n ucleos separables. Es extremadamente conveniente que resuelvas este problema de este modo para los dos casos anteriores con g (x) = cos x y g (x) = cos 2x cuando = 2/ , = 2/ y = 2/ , e interpretes los resultados en t erminos del teorema de la alternativa de Fredholm.
6.9. T ecnicas varias de resoluci on de ecuaciones integrales

6.9.1. Reducci on de la ecuaci on integral a una ecuaci on diferencial
En ocasiones las ecuaciones integrales pueden convertirse en ecuaciones diferenciales tras sucesivas diferenciaciones en las que se hace uso de la regla de Leibniz (6.19). Vamos a verlo en un ejemplo muy representativo.
6.9 T ecnicas varias de resoluci on de ecuaciones integrales
383
Ejemplo 6.13
Sea la ecuaci on de Volterra (x) = 2 + x2 cos x +
0 x
[1 + 2(y x)] (y ) dy.
(6.142)
Diferenciando una vez esta ecuaci on integral y haciendo uso de (6.19), obtenemos que
x
(x) = 2x + sen x 2
0
(y ) dy + (x).
(6.143)
Derivando una vez m as: (x) = 2 + cos x 2(x) + (x). Hemos as obtenido una ecuaci on diferencial lineal no homog enea de coecientes constantes cuya soluci on es cos x sen x 7 7 x/2 +e A cos x + B sen x . (6.144) (x) = 1 + 2 2 2 Las constantes A y B se hallan exigiendo que (x) satisfaga condiciones implicadas por la ecuaci on integral: 1. La ecuaci on integral (6.142) evaluada en x = 0 nos dice que
0
(0) = 2 cos 0 +
0
[1 + 2(y x)] (y ) dy = 1.
2. La derivada de la ecuaci on integral, dada por la ecuaci on (6.143), evaluada en x = 0 conduce a

0
(0) = sen 0 + (0) 2

0
(y ) dy = 1.
Sustituyendo la soluci on obtenida, ecuaci on (6.144), en estas dos condiciones, determinamos el valor de las constantes A y B : 1 (0) = 1 A = , 2 7 (0) = 1 B = . 2 Luego la soluci on de la ecuaci on integral es 1 cos x sen x (x) = 1 + + ex/2 cos 2 2 7 x 2 7 + sen 2 7 x 2 .
En ocasiones, la diferenciaci on directa de la ecuaci on integral conduce a ecuaciones diferenciales complicadas, mientras que la ecuaci on diferencial resultante es m as simple si se trabaja con una funci on auxiliar. Veamos un ejemplo de esto.
Ejemplo 6.14
Sea la ecuaci on de Volterra (x) = x +
0 x
dy x y (y ).
Mediante diferenciaci on directa se obtiene

x
(x) = 1 +
0
dy y (y ) + x2 (x).
384
Diferenciando de nuevo encontramos que (x) = x (x) + 2x (x) + x2 (x). De este modo obtenemos una ecuaci on diferencial no trivial: (x) x2 (x) 3x (x) = 0,
cuya soluci on parece complicada. Vamos a explorar por tanto otra v a de resoluci on. N otese que podemos escribir la ecuaci on integral del siguiente modo:
x
(x) = x + x
0
dy y (y ) = x + x F (x)
x
(6.145)
donde F (x) es la funci on auxiliar F (x) =

0
dy y (y ).
Derivando F (x) encontramos que d dF = dx dx

x
dy y (y ) = x (x).
0
Pero por la ecuaci on (6.145) se tiene que x (x) = x2 + x2 F (x), luego encontramos que F (x) es la soluci on de una ecuaci on diferencial ordinaria de primer orden: dF = x2 + x2 F (x). dx La resoluci on de esta ecuaci on diferencial es muy simple:
3 dF x3 = x2 dx ln(1 + F ) = F (x) = 1 + C ex /3 . 1+F 3 Sustituyendo esta expresi on en (6.145) encontramos que
(6.146)
(x) = C x ex Podemos hallar el coeciente C de dos modos distintos:
/3
(6.147)
on de F (x) observamos que F (0) = 0, por lo que de (6.146) deducimos que C = 1. Por 1. Por la denici lo tanto la soluci on buscada es 3 (x) = x ex /3 . 2. Tambi en podemos sustituir la soluci on provisional (x) dada por (6.147) en la ecuaci on integral: (x) = C x ex
3
/3
=x+x
0
dy yC y ey
x
/3
=x+Cx = x + C x [e De este modo obtenemos
dy y 2 ey 1]
/3
0 x3 /3
0 = x C x C = 1. La soluci on es por tanto (x) = x ex

3
/3
Hemos visto en los ejemplos anteriores que una ecuaci on integral de Volterra se transformaba en el problema equivalente de una ecuaci on diferencial con condiciones iniciales. Ciertas ecuaciones integrales de Fredholm tambi en pueden reducirse a ecuaciones diferenciales con condiciones de contorno. Esto ya se mostr o en el ejemplo 6.3, p agina 356, y no daremos aqu ning un ejemplo m as.
385
6.9.2. Ecuaciones integrales de convoluci on

Se llaman as a las ecuaciones integrales en las que el n ucleo es s olo funci on de la diferencia x y . A estos n ucleos son llamados n ucleos de desplazamiento. L mites de integraci on innitos Si los l mites de integraci on son innitos
(x) = g (x) +
dy k (x y ) (y ),
(6.148)
podemos intentar resolver esta ecuaci on aplicando el operador transformada de Fourier. La transformada de Fourier de (x) la denotaremos por ( ):
F [] ( ) =
(x) ei x dx.
(6.149)
Recordemos que el producto de convoluci on (de Fourier) k de las funciones k (x) y (x) se dene como dy k (x y ) (y )
y que su transformada de Fourier es igual al producto de las transformadas de Fourier de k (x) y (x), es decir,
F [k ] = F
k (x y ) (y ) dy = F [k ]F [] = k ( ) ( ).
(6.150)
Este resultado se conoce como teorema de la convoluci on (de Fourier). Aplicando el operador transformada de Fourier sobre la ecuaci on (6.148) y usando el resultado (6.150) anterior obtenemos ( ) = g ( ) + k ( ) ( ), con lo que la soluci on de la ecuaci on integral en el espacio de Fourier viene dada por ( ) = g ( ) 1 k ( ) . (6.151)
Ahora tan s olo nos resta hallar la funci on (x) calculando la transformada inversa (x) = tarea que no suele ser f acil. L mites de integraci on entre 0 y x Si los l mites de integraci on de la ecuaci on integral son 0 y x, la ecuaci on a resolver
x
1 2
g ( ) 1 k ( )
ei x d,
(6.152)
(x) = g (x) +
0
dy k (x y ) (y ),
(6.153)
es de Volterra y podemos usar el operador transformada de Laplace en su resoluci on. La transformada de Laplace de (x) la denotaremos por (s):
L[] (s) =
0
esx (x) dx.
386
Recordemos ahora que el producto de convoluci on (de Laplace) k de las funciones k (x) y (x) se dene por
x
dy k (x y ) (y )
0
y que su transformada de Laplace es el producto de las transformadas de Laplace de k (x) y (x) (teorema de la convoluci on de Laplace), es decir,
x
L[k ] = L
0
dy k (x y ) (y ) = L[k ] L[] = k (s)(s).
(6.154)
Aplicando el operador transformada de Laplace a la ecuaci on (6.153) y usando la propiedad (6.154) encontramos que (s) = g (s) + k (s) (s), con lo que la soluci on en el espacio de Laplace vendr a dada por (s) = g (s) 1 k (s) . (6.155)
Ejemplo 6.15
Sea la ecuaci on de Volterra (x) = x
0 x
dy exy (y ) .
Vemos que el n ucleo k (x, y ) = exp(x y ) es un n ucleo de desplazamiento, el t ermino no homog eneo es g (x) = x, y = 1. Aplicando el operador transformada de Laplace a la ecuaci on integral anterior y teniendo en cuenta que g (s) = L[x] = 1 , s2
k (s) = L [ex ] = se deduce que (s) = es decir, (s) = Teniendo en cuenta que L
1 , s1
(s) 1 , 2 s s1 1 1 3. s2 s
xn 1 = n+1 n! s
se obtiene que la soluci on buscada es (x) = x x2 /2.
Ejemplo 6.16
En una red unidimensional dopada con una densidad de trampas difusivas dispuestas al azar, una part cula (la presa) se mueve siguiendo la trayectoria x(t). Queremos conocer la probabilidad S (t) de supervivencia de la part cula hasta el instante t. Sea S (t) = e(t) , (t) = d/dt y D la constante de difusi on de las trampas. Se ha demostrado (v ease A. J. Bray, S. N. Majumdar y R. A. Blythe, Physical
387
Review E 67, 060102 (2003); http://arxiv.org/abs/cond-mat/0212226) que (t) satisface la ecuaci on integral homog enea de Volterra de primera especie
t
=
0
d ( )
e[x(t)x( )]
/[4D (t )]
4D(t )
(6.156)
Supongamos que la part cula se mueve bal sticamente con velocidad c: x(t) = c t. En este caso la ecuaci on integral es: 2 t ec (t )/4D = d ( ) 4D(t ) 0 cuyo n ucleo k (t, ) = k (t ) = e c
2
(t )/4D
4D(t )
es un n ucleo de desplazamiento. Por tanto la ecuaci on integral se puede resolver mediante la transformada de Laplace: L[ ] = L[ ] L[k (t)] . Pero L[ (t)] = sL[(t)] s (s) , L[ ] = , s 1 L[k (t)] = , (4D)( + s)1/2 donde = c2 /(4D). Por tanto ( + s)1/2 , s2 que es la soluci on de la ecuaci on (6.156) en el espacio de Laplace. Ahora nos enfrentamos al problema de hallar la transformada inversa de Laplace de esta funci on. Se observa que (s) = (4D)1/2 ( + s)1/2 (s) =f g (s) s2 (s) = ( + s)1/2 y g donde f (s) = (/s2 +1/s). Aplicando de nuevo el teorema del producto de convoluci on de las transformadas de Laplace, se deduce que (t) = (4D)1/2
0 t
g (t )f ( )d
t
es decir, 4D En t erminos de la funci on gamma incompleta (t) = (, x) =

0 1 /2
[1 + (t )]
0
e d . 1 /2
ey y 1 dy
podemos escribir la funci on (t) as : (t) = 4D

1 /2
[(1 + t) (1/2, t) (3/2, t)] .
Este resultado es notable porque son muy escasos los problemas de atrapamiento de part culas y trampas difusivas que pueden resolverse de forma exacta. La versi on de este problema en un espacio d-dimensional se discute en el art culo Physical Review E 68, 045101 (2003) de S.N. Majumdar y A. J. Bray (puede obtenerse este art culo en la direcci on http://arxiv.org/abs/cond-mat/0305386).
388
6.9.3. Desarrollo en serie de funciones ortogonales

Empezaremos esta secci on con un ejemplo particular, aunque muy ilustrativo, para acabar con consideraciones de ndole m as general. Un ejemplo Supongamos que queremos resolver la ecuaci on integral de Fredholm de primera especie
1
g (x) =
1
(y ) dy. (1 2x y + x2 )1/2
(6.157)
El n ucleo de la ecuaci on integral, k (x, y ) = (1 2x y + x2 )1/2 , es la funci on generadora de los polinomios de Legendre, y el intervalo de integraci on, [1, 1], es el intervalo en el que los polinomios de Legendre son ortogonales. Empezamos desarrollando el kernel k (x, y ) y la funci on incognita (y ) en serie de polinomios de Legendre :
(1 2x y + x )
2 1/2
=
r=0
Pr (y ) xr , an Pn (y ).
n=0
(6.158) (6.159)
(y ) =
Sustituyendo estas expresiones en la ecuaci on integral obtenemos

1
g (x) =
1 n=0
an Pn (y )
r=0
Pr (y ) xr Pn (y ) Pr (y ) dy. (6.160)
=
n=0 r=0
an xr
1 1
Puesto que los polinomios de Legendre son ortogonales en el intervalo [1, 1],
1 1
Pn (y ) Pr (y ) dy = Pn |Pr =
2 nr , 2n + 1
la ecuaci on (6.160) se reduce a g (x) =
n=0
2an n x . 2n + 1
(6.161)
De aqu podemos obtener los coecientes an tras desarrollar g (x) en serie de Taylor y comparar con la ecuaci on (6.161):
g (x) =
n=0
g (n) (0) n g (n) (0) 2an x = , n! n! 2n + 1
de modo que los coecientes vienen dados por 2n + 1 (n) g (0). (6.162) 2n! Sustituyendo (6.162) en (6.159) hallamos la soluci on de la ecuaci on integral expresada como serie de polinomios de Legendre: 2n + 1 (n) (x) = g (0)Pn (x). (6.163) 2n! an =
n=0
6.9 T ecnicas varias de resoluci on de ecuaciones integrales Desarrollo general
389
Es cierto que el procedimiento que acabamos de exponer est a muy ligado al hecho de que el n ucleo k (x, y ) es la funci on generatriz de los polinomios en los que desarrollamos la funci on inc ognita (x). De todos modos, podemos utilizar la idea de expresar los t erminos que aparecen en la ecuaci on integral como series de funciones ortogonales en el intervalo de integraci on y aplicarla a ecuaciones m as generales de la forma
b
(x) = g (x) +
a
dy k (x, y ) (y ).
(6.164)
Para ello introducimos un conjunto completo ortonormal de funciones i (x) sobre el intervalo [a, b],
b a
dx i (x) j (x) = ij ,
(6.165)
y desarrollamos (x), g (x) y k (x, y ) en t erminos de i (x),

(x) =
i=1
i i (x),
g (x) =
i=1
gi i (x)
(6.166)
j =1
k (x, y ) =
i=1
ci (y ) i (x) =
i=1
kij j (y ) i (x),
es decir k (x, y ) =
kij i (x) j (y ).
i,j =1
(6.167)
Sustituyendo estas relaciones en la ecuaci on integral (6.164) y aprovechando la propiedad de ortonormalidad de i (x) reducimos la ecuaci on integral a una ecuaci on entre series:
b
i i (x) =
i=1 i=1
gi i (x) + gi i (x) +
i=1
dy
a i,j =1
kij i (x) j (y )
m=1 b
m m (y )
kij i (x)
i,j =1
m
m=1
j =1
dy j (y )m (y )
=
i=1
gi i (x) +
i=1
kij j i (x),
de la que deducimos que i = gi +
kij j ,
j =1
i = 1, 2, . . .
(6.168)
Este es un sistema algebraico con innitas ecuaciones e innitas inc ognitas. Sin embargo, si el conjunto completo i (x) se ha escogido de modo apropiado, se puede obtener una buena aproximaci on de (x) reteniendo un n umero N nito de t erminos en las ecuaciones (6.166) y (6.167). En este caso (6.168) se convierte en un sistema nito,
N
gi +
j =1
kij j ,
i = 1, 2, . . . , N,
(6.169)
f acilmente resoluble. . . por un ordenador.
390
6.10. Ecuaci on de Abel generalizada

La ecuaci on de Abel generalizada10
x
g (x) =
0
(y ) dy, (x y )
0 < < 1,
(6.170)
es una ecuaci on de Volterra inhomog enea de primera especie especialmente u til y famosa. N otese que esta ecuaci on tiene la forma de un producto de convoluci on de Laplace de modo que podemos resolverla mediante la t ecnica discutida en la secci on 6.9.2, p agina 385. Aplicando el operador transformada de Laplace en (6.170) y teniendo en cuenta que la transformada de Laplace del producto de convoluci on es igual al producto de las transformadas [teorema de la convoluci on; v ease la ecuaci on (6.154)], se obtiene que L[g (x)] = L[x ]L[(x)]. Pero L[x ] = ()!/s1 , luego L[(x)] = s1 L[g (x)]. ()! (6.172) (6.171)
Como s1 para 0 < < 1 no tiene transformada inversa de Laplace dividimos la expresi on anterior por s para aprovecharnos de que s s tiene transformada inversa. Es decir, s 1 1 L[(x)] = L[g (x)] = L[x1 ]L[g (x)]. s ()! ()!( 1)! Aplicando de nuevo el teorema de la convoluci on y teniendo en cuenta que ()!! = se encuentra que 1 sen L[(x)] = L s Pero 1 L[(x)] = L s
x 0 x
(6.173)
sen
x
g (y ) dy . (x y )1 (y )dy
(6.174)
0 x 0
y por tanto
0
(y )dy =
sen
g (y ) dy. (x y )1
(6.175)
Derivando esta ecuaci on obtenemos nalmente la soluci on de la ecuaci on integral de Abel:11 (x) = sen d dx
x 0
g (y ) dy. (x y )1
(6.176)
Podemos expresar esta soluci on de un modo un poco m as expl cito en el que no aparece el operador diferencial mediante el cambio u = g (y ) ,
10 11
dv = (x y )1 dv ,
Si = 1/2, la ecuaci on se llama, simplemente, ecuaci on de Abel. Puede verse un modo diferente de deducir este resultado en la secci on 10, p agina 55 de [KKM82].
6.10 Ecuaci on de Abel generalizada
391
: ;
Figura 6.1: Esquema de la curva en el problema mec anico de Abel. e integrando por partes:
x 0
1 g (y ) dy = g (y )(x y ) 1 (x y ) 1 1 = g (0)x +
x 0
y =x
+
y =0
x 0
g (y ) dy (x y )
(x y ) g (y )dy
Por tanto la soluci on (6.176) se reduce a (x) = sen g (0) + x1

x 0
g (y ) dy . (x y )1
(6.177)
Ejemplo 6.17
Un ejemplo especialmente famoso y lindo en el que aparece una ecuaci on integral de Abel es el problema de la taut ocrona, el cual es un caso especial del problema mec anico de Abel. Veamos en qu e consiste. Supongamos que tenemos un abalorio que, debido a su propio peso, se desliza sin rozamiento por un alambre cuya forma viene descrita por la funci on y (x) (v ease la gura 6.1). Si la cuenta parte de la altura y , sabemos que tardar a un tiempo T (y ) en descender hasta el origen (x, y ) = (0, 0). Este tiempo no s olo depende del valor de la altura y sino tambi en de la forma que tenga el alambre, es decir, de la funci on y (x). Ve amoslo expl citamente. Sea (u, v ) cualquier punto del alambre situado entre el punto desde el cual parte el abalorio (u, v ) = (x, y ) y el punto de llegada (u, v ) = (0, 0). Por el principio de conservaci on de la energ a sabemos que la energ a cin etica en el punto (u, v ) es igual al cambio en la energ a potencial: 1 m 2 ds dt
2
= mg (y v ) .
(6.178)
En esta ecuaci on g es la aceleraci on de la gravedad, m es la masa del abalorio, s es el distancia a lo largo del alambre que separa el origen (0, 0) y la posici on (u, v ) de la cuenta, y, por tanto, ds/dt es la velocidad del abalorio a lo largo del alambre. De (6.178) se deduce que dt = ds 2g (y v ) . (6.179)
La elecci on del signo negativo de la ra z cuadrada se debe a que la distancia s disminuye cuando t aumenta. El tiempo que tarda la cuenta en descender desde la altura y viene dado por
v =0 v =y
T (y ) =
v =y
dt =
v =0
ds 2g (y v )
(6.180)
Pero ds =
ds dv (v )dv dv
(6.181)
392
por lo que (6.179) se puede escribir as :
y
T (y ) =
0
(v ) 2g (y v )
dv .
(6.182)
Por conveniencia hemos denotado por (v ) a la funci on que nos da el valor de la derivada de s(v ): (v ) = s (v ) = ds = dv (dv )2 + (du)2 = dv 1 + (du/dv )2 . (6.183)
Si conocemos la forma y (x) del alambre, la ecuaci on (6.183) nos permite hallar la funci on pues (y ) = 1 + (dx/dy )2 ,
y entonces, mediante (6.182), calcular amos el tiempo de descenso. El problema mec anico de Abel es el problema inverso : se pide hallar la forma del alambre y (x) que conduce a una determinada dependencia del tiempo de descenso con la altura inicial, es decir, a una determinada funci on T (y ). Supongamos que estamos interesados en conocer cu al es la forma de la curva y (x) que conduce a que el tiempo de descenso sea el mismo sea cual sea la altura inicial, es decir, la curva para la cual T (y ) = T0 donde T0 es constante. A la curva que posee esta propiedad se la llama taut ocrona. En este caso, la soluci on de (6.182) es, seg un (6.177), 2a T0 2g (y ) = = (6.184) y y donde
2 g T0 . 2 Resulta m as conveniente expresar la curva y (x) en forma param etrica
a=
(6.185)
x = 1 () , y = 2 () , donde es el angulo que forma la tangente de la curva y (x) con el eje de abcisas (v ease la gura 6.1). N otese que sen = dv/ds , de modo que (v ) = s (v ) = 1/ sen . Por tanto y tan = es decir x= y = 1 (1/ sen ) 1 () dy ( ) dy dx = = 1 d dx tan tan 1 () d = 2 (). tan (6.186) (6.187) (6.188)
(6.189)
De las ecuaciones (6.184) y (6.186) se deduce que sen = y por tanto y 2a (6.190)
y = 2a sen2 = a(1 cos 2) .
(6.191)
Pero dy = 4a sen cos d y por consiguiente dx = dy = 4a cos2 d = 2a(1 + cos 2)d, tan (6.192)
6.10 Ecuaci on de Abel generalizada
393
y 2 1.5 1 0.5 -3 -2 -1 1 2 3 x
Figura 6.2: Cicloide para a = 1 con /2 /2.
Figura 6.3: Generaci on de una cicloide por un punto situado sobre una circunferencia que rueda sobre una l nea horizontal.
es decir, x = 2a( +
1 2
sen 2) + C .
(6.193)
Pero la curva ha de pasar por el origen (0, 0), luego, por (6.191), debe ocurrir que = 0 (la otra posibilidad, = , conduce a la misma curva), por lo que la constante de integraci on es cero C = 0. En denitiva la taut ocrona viene dada por x =a(2 + sen 2), y =a(1 cos 2), (6.194) (6.195)
que son justamente las ecuaciones param etricas de una cicloide12 (v ease la gura 6.2). Esta curva es la generada por un punto situado sobre una circunferencia de radio a que rueda por una l nea horizontal 2 / 2 , el radio de esta circunferencia viene determinado por el tiempo (v ease la gura 6.3). Como a = gT0 de descenso T0 escogido. La taut ocrona, el oscilador arm onico y potenciales tatut ocronos La propiedad que exhibe la taut ocrona de que el tiempo que tarda el abalorio en llegar al origen es independiente de su posici on inicial es completamente similar a la que posee el oscilador arm onico consistente en que su periodo es independiente de su amplitud inicial. Esta similitud no es casual. No es dif cil ver que en la taut ocrona la fuerza ejercida por la gravedad sobre el abalorio en la direcci on tangencial al alambre (es decir, la fuerza paralela al alambre) es proporcional a la distancia a lo largo del alambre entre la posici on del abalorio y el origen (0, 0). Es decir, si nos situamos sobre el alambre, la fuerza que experimenta el abalorio (y, por tanto su movimiento correspondiente) a lo largo del alambre es id entica a la de un oscilador lineal! Comprobemos que para la taut ocrona la fuerza f (y ) a lo largo del alambre es proprocional a la distancia s(y ) entre el punto (x, y ) y el origen (0, 0). Por un lado f (y ) = mg sen y , donde hemos hecho uso de
12 Fue Huygens quien primero descubri o que la cicloide es taut ocrona. Public o este resultado en Horologium oscillatorium (1673). La cicloide es tambi en braquist ocrona, es decir, es la forma que ha de tener el alambre que une dos puntos para que el tiempo que tarda una cuenta de pasar de uno a otro sea m nimo. Se recomienda leer/disfrutar la secci on de [Sim93] dedicada al problema de la braquist ocrona.
394
la relaci on (6.190). Adem as
y y
s(y ) =
0
s (v )dv =
0
dv = sen
y 0
2a dv y v
Por tanto descubrimos que, tal como anunciamos, f (s) s, lo que es caracter stico de un oscilador lineal (arm onico). Lo que acabamos de discutir sugiere un modo muy sencillo de construir potenciales taut ocronos para una curva dada, es decir, potenciales que hagan que el abalorio que se desliza por la curva llegue al origen en un tiempo que sea independiente de su posici on de partida. Ve amoslo. Sea una curva cualquiera y (x), con su correspondiente funci on distancia a lo largo de la curva s(x, y ) = s(x(y ), y ) = s(y ). El potencial taut ocrono es simplemente V (s) s2 , es decir, V (y ) = V (s(y )) = s2 (y ). Por ejemplo, cu al es el potencial taut ocrono correspondiente a una l nea recta? En este caso y x y, obviamente, s x y , por lo que este potencial es13 V (y ) y 2 . Esta idea de resolver el problema en sentido opuesto al habitual (es decir, la idea de hallar el potencial taut ocrono correspondiente a una curva dada) fue sugerida y desarrollada por E. Flores y T. J. Osler en el art culo The Tautochrone Under Arbitrary Potentials Using Fractional Derivatives [Am. J. Phys., 67 (1999) p ags. 718-722]. En este art culo puedes encontrar m as ejemplos de potenciales taut ocronos de curvas y (x) sencillas. Vamos a terminar dando una expresi on que permite calcular la curva taut ocrona x(y ) correspondiente a un potencial V (y ) dado. Sabemos que sobre la taut ocrona se verica V ( s) = 2 2 s 8T 2 (6.196)
pues para este potencial la soluci on del oscilador lineal d2 s dV 2 = = s 2 s dt2 ds 4T 2 tiene por soluci on a s = s(0) cos (t) = s(0) cos t 2T
cuyo periodo es = 2/ = 4T . Por tanto, tal como debe ser, T no es m as que la cuarta parte del periodo, es decir, el tiempo que tarda el abalorio en pasar por el origen s = 0 desde su posici on de partida s(0). Si ahora derivamos (6.196) con respecto a y se obtiene ds = dy Insertando ds/dy = 2T dV . V (y ) dy
1 + (dx/dy )2 en esta expresi on se encuentra: 1+ dx dy

2
2T 2 V (y ) 2 V (y )
donde V (y ) dV /dy . Es decir dx = dy y, por tanto,

y
2T 2 V (y ) 1 2 V (y ) 2T 2 V (z ) 1 dz. 2 V (z )
x(y ) =
0
13
De forma m as precisa: si la curva es y = x/a, entonces el potencial taut ocrono es 2 (1 + a2 )y 2 /(8T 2 ).
6.11 Resoluci on num erica
395
6.11. Resoluci on num erica

En principio, es relativamente sencillo resolver ecuaciones integrales num ericamente mediante un ordenador, aunque pueden presentarse casos dif ciles que no trataremos aqu (v ease, por ejemplo, [PFT93, cap tulo 18]). Para entender el procedimiento b asico hemos de recordar primero c omo se calcula num ericamente una integral. Esto se discuti o con detalle en la secci on 4.3.2 (p agina 214 y siguientes). Vimos entonces que la integraci on num erica consiste en reemplazar la integral por una suma, ponderada por los pesos Wi , de la funci on a integrar (x) evaluada en ciertos puntos xi del intervalo de integraci on convenientemente escogidos:
b n
(x) dx
a i=0
Wi (xi ).
(6.197)
Los valores de xi y Wi son caracter sticos de cada m etodo de integraci on. Ecuaci on de Fredholm de segunda especie no homog enea Introducimos la relaci on (6.197) en la ecuaci on integral
b
(x) = g (x) +
a
dy k (x, y ) (y ),
es decir, hacemos la aproximaci on

b n
dy k (x, y ) (y )
a j =0
Wj k (x, yj ) (yj )
de modo que la ecuaci on integral en el punto xi

b
(xi ) = g (xi ) + se aproxima por (xi ) = g (xi ) +

n
dy k (xi , y ) (y ),
(6.198)
Wj k (xi , yj ) (yj ),
j =0
(6.199)
con i = 0, 2, 3, . . . , n. Escogiendo xi = yi , la ecuaci on (6.199) anterior se reduce al sistema algebraico

n
(xi ) = g (xi ) +
j =0
Wj k (xi , xj ) (xj ),
i = 0, 2, 3, . . . , n
(6.200)
que es un sistema lineal de n + 1 ecuaciones y n + 1 inc ognitas, (xi ), que podemos resolver por los procedimientos usuales. Es c omodo usar notaci on matricial y escribir i = (xi ), Gi = g (xi ) y Mij = Wj k (xi , yj ). De este modo la ecuaci on (6.199) se reduce a
n
i = Gi +
j =0
=G + M , Mij j
(6.201)
y por lo tanto obtenemos que
= ( )1 G . 1 M
(6.202)
396
Es relativamente f acil invertir matrices num ericamente mediante un ordenador. La precisi on de la soluci on obtenida puede comprobarse incrementando el n umero de puntos xi de integraci on y viendo si la soluci on no cambia apreciablemente (dentro de lo que estemos dispuestos a tolerar) con respecto a la soluci on anterior. Observaciones no es adecuada con respecto a la En la pr actica podemos encontrarnos que la matriz 1 M inversi on [PFT93]. Esto se debe a que, al invertir la matriz, peque nos errores num ericos pueden multiplicarse por factores muy grandes, de modo que todas o casi todas las cifras signicativas pueden perderse dando lugar a que el uso del c omputo num erico de la matriz inversa de 1M Cuando esto sucede se dice que el problema de (6.202) nos lleve a resultados incorrectos para . est a mal condicionado. Esto no deber a extra narnos completamente pues la integraci on es esencialmente una operaci on de suavizado, de modo que la funci on
b
g (x) +
a
dy k (x, y ) (y )
es poco sensible a variaciones locales de (x). Es de esperar, por consiguiente, que (x) sea muy se sensible a peque nos cambios de g (x), de modo que peque nos errores en g (x) y/o en 1 M magnican, y la precisi on desaparece (puede verse una discusi on m as detallada de estas cuestiones en [Jer99, secci on 5.4.2]). Estos problemas son especialmente habituales en las ecuaciones integrales de Fredholm de , cuya soluci primera especie. En este caso la ecuaci on (6.201) se convierte en 0 = M on es 1 G = 1 M sea invertible lo cual is as often the Esta soluci on num erica est a muy bien. . . siempre que M exception as the rule14 [PFT93]. Ecuaci on homog enea de Fredholm de segunda especie: autovalores y autofunciones La ecuaci on integral de Fredholm homog enea discretizada viene dada por
n
i =
j =1
Mij j ,
o, en notaci on matricial,
] = M = [ = 0. 1 M
(6.203)
Los autovalores son lo valores de para los cuales este sistema tiene soluci on no nula, es decir, los valores de que son soluci on de la ecuaci on caracter stica ) = 0. Det( 1 M Es muy f acil hallar mediante un ordenador las ra ces de esta ecuaci on. De hecho, el c alculo num eri y autovalores del sistema algebraico (6.203) es una tarea corriente en co de los autovectores computaci on cient ca existiendo excelentes programas para ello.
14
es tan a menudo la excepci on como la regla
6.11 Resoluci on num erica Ejercicio 6.8
397
Nada hemos dicho de c omo calcular num ericamente soluciones aproximadas de ecuaciones de Volterra. Sucede que, de hecho, es en principio m as f acil resolver num ericamente las ecuaciones de Volterra que las ecuaciones de Fredholm. La ecuaci on de Volterra en el punto xi viene dada por
xi
(xi ) = g (xi ) +
a
dy k (xi , y ) (y ) .
(6.204)
En este ejercicio se pide razonar como en las ecuaciones (6.198), (6.199) y (6.200) para demostrar que (6.204) se puede aproximar por
i
(xi )
g (xi ) +
j =0
Wj k (xi , xj ) (xj )
(6.205)
con i = 0, 2, 3, . . . , n [por supuesto, (x0 ) = g (x0 ) si x0 = a]. Observa que este es un sistema triangular que se resuelve trivialmente por sustituci on directa: (x1 ) se obtiene a partir de (x0 ); (x2 ) se obtiene a partir de (x0 ) y (x1 ), etc.
6.12 Problemas
399
6.12. Problemas
6.1. Resuelve las ecuaciones integrales siguientes: a) b) c) (x) = ex +
0 1
dy 2 ex+y (y ),
1
(x) = ex 2 (x) = ex +
0 0 1
dy x ey (y ),
dy x y (y ) .
6.2. Halla los valores propios y las funciones propias de las ecuaciones integrales:
a) b)
(x) =
0
dy sen(x y )(y ), dy cos2 x cos 2y + cos 3x cos3 y (y ).
(x) =
0
6.3. a ) Encuentra los autovalores y las autofunciones de la ecuaci on integral:

1
(x) = x
1
dy y (x y )2 (y ) .
on integral no homog enea: b ) Dada la siguiente ecuaci (x) = g (x) 5 x 4

1 1
dy y (x y )2 (y ) ,
halla su soluci on utilizando el apartado anterior, o explica su ausencia, si (i) g (x) = x2 y (ii) g (x) = x. 6.4. Resuelve el problema de autovalores de la ecuaci on integral
1
(x) = g (x) +
0
dy exy (y )
con g (x) = 0. Halla la soluci on de la ecuaci on si g (x) = ex . 6.5. Halla los autovalores y autofunciones de la ecuaci on integral
(x) =
0
dy k (x, y ) (y )
donde k (x, y ) = 6.6. Resuelve la ecuaci on integral
cos(x) sen(y ), cos(y ) sen(x),
0 x y, y x .
(x) = x +
0
dy (x + y ) y (y )
obteniendo los t erminos hasta orden 2 mediante los m etodos de (a) Neumann y (b) Fredholm. Finalmente, resuelve la ecuaci on integral de forma exacta.
400
6.7. Halla, mediante los determinantes de Fredholm, el n ucleo resolvente de k (x, y ) = x ey . on integral de Fredholm 6.8. Sea la ecuaci
1
(x)
0
dy k (x, y ) (y ) = 0 0 y x 1, 0 x y 1.
con n ucleo k (x, y ) =
(1 x)y x(1 y )
eneo correspondiente. a ) Halla los autovalores y las autofunciones del problema homog b ) Determina la soluci on del problema inhomog eneo si = 1 y (x) = x. 6.9. Resuelve la ecuaci on integral
(x) = 1
0
k (x, y ) (y ) dy
donde k (x, y ) = 6.10. Resuelve la ecuaci on integral
sen(x) cos(y ), sen(y ) cos(x),
x y, y x.
(x)
0
dy cos(x + y ) (y ) = cos 3x
para todos los posibles valores de . Interpreta los resultados mediante el teorema de la alternativa de Fredholm. 6.11. Halla las soluciones de las siguientes ecuaciones integrales: a) b) (x) = ex +
0
2
dy ex
x
2 y 2
(y ) ,
(x) = sen x + 2
0
dy cos(x y ) (y ) .
on integral 6.12. Halla todas las soluciones posibles de la ecuaci

1
(x) = x +
1
x(x y )(y )dy .
6.13. Halla todas las soluciones posibles de la ecuaci on integral (x) = x3 x +

1 1
dy x2 2xy (y ) .
on integral 6.14. Encuentra todas las soluciones posibles de la ecuaci

1
(x) = g (x) +
0
sen(ln x) (y ) dy
cuando (a) g (x) = 0, (b) g (x) = 2x, y (c) g (x) = x 1/2. Explica los resultados teniendo en cuenta el teorema de la alternativa de Fredholm. 1 Nota: 0 sen(ln x)dx = 1/2.
6.12 Problemas 6.15. Encuentra las soluciones (si existen) de la ecuaci on integral
2
401
(x) = g (x) +
0
sen(x + y ) (y ) dy.
con a ) g (x) = 0 (problema de autofunciones y autovalores). b ) = 1 y g (x) = x, c ) = 1/ y g (x) = sen(2x), d ) = 1/ y g (x) = sen(x). 6.16. Halla la soluci on de la ecuaci on integral
x
cos(x y ) (y ) dy = x
0
mediante el m etodo de la transformada de Laplace. 6.17. Halla en la forma de desarrollo en autofunciones la soluci on de la ecuaci on integral
1
(x)
0
dy K (x, y ) (y ) = x, x(y 1), y (x 1), 0 x y, y x 1.
donde K (x, y ) =
6.18. Sea una part cula de masa m con energ a total E sometida a un potencial V (x) y que se mueve de forma peri odica entre los puntos x1 y x2 [por tanto V (x1 ) = V (x2 ) = E ].15 Demuestra que el periodo de oscilaci on T (E ) viene dado por T (E ) = 2m
x2 x1
dx E V (x)
Supongamos que el potencial es sim etrico V (x) = V (x) y que tomamos como origen de energ a el m nimo de V (x), es decir, tomamos V (0) = 0. Demuestra que en este caso T (E ) (E ) = 2m
E 0
(dx/dV )dV . EV
Queremos ahora resolver el problema inverso consistente en deducir la forma del potencial V (x) si conocemos el periodo de oscilaci on en funci on de la energ a, T (E ). Esto equivale a resolver la ecuaci on integral de Abel anterior. Demuestra que la soluci on de esta ecuaci on integral es 1 V (E ) x(V ) = dE . 0 V E El potencial buscado se halla invirtiendo x(V ). Por ejemplo, demuestra que si el periodo no depende de la energ a total, T (E ) = T0 = const, entonces x(V ) V 1/2 , lo que implica 2 V (x) x . Por u ltimo, demuestra que el potencial V (x) es proporcional a x4 si T (E ) 1 / 4 E .
Puedes ver m as detalles sobre este problema en el art culo de A. H . Carter A class of inverse problems in physics (Am. J. Phys. 68 (8) 698, Agosto 2000).
15
Cap tulo 7
Desarrollo asint otico de integrales
7.1. Introducci on
En ocasiones, las soluciones matem aticas de ciertos problemas no pueden darse en forma cerrada mediante funciones elementales y hay que dejarlas expresadas en t erminos de relaciones que involucran a integrales. En estos casos se dice que la soluci on se ha dado mediante una representaci on integral. Esto es bastante habitual cuando se resuelven ecuaciones diferenciales mediante transformadas integrales. Adem as, muchas funciones especiales tienen representaci on integral y muchas de sus propiedades se deducen directamente a trav es de esta representaci on. En este tema vamos a discutir algunos procedimientos para hallar aproximaciones anal ticas de estas integrales. Para motivar el tema damos a continuaci on un par de ejemplos de problemas cuya soluci on nal viene dada en t erminos de integrales que no pueden ser expresadas mediante funciones elementales.
Ejemplo 7.1
Queremos hallar la soluci on de la ecuaci on diferencial de primer orden y +y = Para ello multiplicamos por el factor integrante ex : ex y + e x y = ex x d x ex (e y ) = . dx x 1 . x (7.1)
Integrando esta expresi on entre un valor dado x0 jo y x se obtiene ex y (x) ex0 y (x0 ) =
x x0
et dt t
y (x) = ex0 x y (x0 ) + ex
x x0
et dt. t
Esta es por tanto la soluci on y (x) de la ecuaci on diferencial (7.1) cuyo valor en x0 es y (x0 ). Resulta que esta soluci on no puede expresarse en t erminos de funciones elementales. De hecho
x x0
et dt = Ei(x) Ei(x0 ) t
404
donde Ei(x) es una funci on especial denida mediante la integral [AS72, cap tulo 5]:
x
Ei(x) = VP
et dt = VP t
et dt, t
x > 0.
El s mbolo VP signica valor principal de Cauchy.1
Ejemplo 7.2
Queremos resolver el llamado problema del atrapamiento (trapping problem) en una dimensi on. Veamos en qu e consiste. Sea una l nea en la que se sit uan trampas al azar con concentraci on (es decir, en promedio, trampas por unidad de longitud). Nos preguntamos cu al ser a la probabilidad de supervivencia S (t) (probabilidad de no haber sido atrapada hasta el instante t) de una part cula que se coloca al azar sobre la l nea y que se difunde libremente hasta que se encuentra con una de las trampas. Para responder a esta pregunta empezamos calculando la probabilidad p(x, t)dx de encontrar la part cula entre x y x + dx en el instante t cuando la part cula parte inicialmente (en t = 0) de la posici on 0 < x0 < L y hay dos trampas situadas en 0 y L. La distribuci on de probabilidad p(x, t) es simplemente la soluci on de la ecuaci on de difusi on p 2p =D 2 t x junto con las condiciones de contorno p(0, t) = p(L, t) = 0 y la condici on inicial p(x, 0) = (x x0 ). La soluci on de este problema es f acil de hallar mediante separaci on de variables: p(x, t; x0 ) = 2 nx0 nx n2 2 sen sen exp 2 Dt . L n=0 L L L
La probabilidad de supervivencia de una part cula que cae al azar sobre cualquier posici on de este intervalo [0, L] es por tanto SL (t) = 1 L
L 0 0 L
p(x, t; x0 ) dx dx0 =
8 2
2 2 2 1 e(2n+1) Dt/L . 2 (2n + 1) n=0
Pero si las trampas se disponen al azar, el tama no de la regi on libre de trampas en la que cae la part cula puede ser cualquiera (desde cero hasta innito). La probabilidad (L)dL de que la part cula se sit ue sobre un intervalo de tama no comprendido entre L y L + dL es2 (L)dL = 2 L eL dL. Por tanto, la probabilidad de supervivencia que buscamos es
S (t) = SL (t) =
0
2 L eL SL (t)dL
es decir S (t) =
82 2
1 (2 n + 1)2 n=0
L e(2n+1)
2 Dt/L2
eL dL.
Vemos que el c alculo de S (t) requiere evaluar integrales de la forma I=

0
e/L
dL.
Estas integrales no tienen soluci on conocida y para su estimaci on ha de recurrirse a t ecnicas de desarrollo asint otico de integrales tales como las que se discutir an en este cap tulo. Por ejemplo, para 1 esta
1 2
VP
x et t
dt = l m0
et t
dt +
x et t
dt
con > 0.
V ease la secci on 5.7.a de G. H. Weiss, Aspects and applications of the random walk (North-Holland, Amsterdam, 1994).
7.2 Resultados u tiles sobre series
405
integral puede estimarse mediante la t ecnica de la integral de Laplace con m aximo no jo que se discute en la secci on 7.9.3 de la p agina 437. El resultado es I 2 ef (Lm ) |f (Lm )|
donde Lm = (2/)1/3 y f (L) = /L2 L. Como f (Lm ) = 3(/2)2/3 1/3 y t se obtiene la expresi on asint otica ln S (t) t1/3 para t . Este resultado es el caso particular para medio unidimensional (d = 1) de la llamada aproximaci on de Donsker y Varadham: ln S (t) td/(d+1) para t , donde d es la dimensi on del medio que se dopa con trampas al azar. El signicado matem atico exacto del s mbolo ) se discute en la secci on 7.3, p agina 407.
En este tema estudiaremos varios m etodos para calcular expresiones aproximadas de integrales. Se ver a que en muchas ocasiones estas expresiones toman la forma de serie asint otica. Antes de discutir c omo hallar estas aproximaciones, se dar a una peque na introducci on a las series asint oticas. Pero antes repasaremos algunos resultados sobre series corrientes, series no asint oticas.
7.2. Resultados u tiles sobre series

Empecemos recordando las deniciones de convergencia y convergencia uniforme. Se dice que la serie
n=1 un (x)
converge a u(x) y se escribe as
un (x) u(x)
n=1
(7.2)
o bien, de forma m as simple, as
un (x) = u(x),
n=1
(7.3) y de x) tal que
si para todo
> 0 existe un n umero m (que depender a del valor de

m
u(x)
n=1
un (x) < .
Se dice que la serie denotaremos as
n=1 un (x)
converge uniformemente a u(x) en el intervalo X , y lo
un (x) u(x) ,
n=1 X
(7.4) pero no de x) tal que
si para todo
> 0 existe un n umero m (que depende de

m
u(x)
n=1
un (x) <
x X.
No obstante, habitualmente escribiremos as especicaciones inn=1 un (x) = u(x) sin m cluso cuando la convergencia de la serie sea uniformemente convergente. S olo nos preocuparemos de estos matices cuando sea estrictamente necesario.
406
A continuaci on enunciamos sin demostraci on unos cuantos resultados u tiles sobre series num ericas y de funciones.
Teorema 7.1 La
serie3
n=1
1 converge si > 1 y diverge si 1. n

n=1 an
Teorema 7.2 (Criterio de DAlembert) La serie

n
con an > 0 converge si
l m
an+1 <1 an an+1 > 1. an converge uniformemente a u(x) sobre x X ,
y diverge si
n
l m
Teorema 7.3 (de Weierstrass) La serie
n=1 un (x)
un (x) u(x),
n=1 X
si |un (x)| Mn y la serie num erica
n=1 Mn
converge.
Esto es tambi en conocido como teorema M de Weierstrass, o test M de Weierstrass. Sea rn (x), o resto n- esimo, la funci on denida por rn (x) = u(x) n m=1 um (x) y sea sup |rn (x)| el valor superior (el m as grande) de |rn (x)| cuando x recorre todos los valores del intervalo X . El siguiente teorema lo formularemos en t erminos de estas deniciones. Teorema 7.4 La serie
n=1 un xX
converge uniformemente a u(x) sobre x X ,
un (x) u(x),
n=1 X
si y s olo si
n xX
l m sup |rn (x)| = 0.
Teorema 7.5 (Integraci on t ermino a t ermino de laserie) Sea un (x) un conjunto de funciones continuas en el intervalo X = [a, b], que cumplen que n=1 un (x) u(x), entonces se tiene que
X n=1 c x x
un (t) dt
X
u(t) dt
c
c, x X = [a, b].
El resultado del teorema anterior se suele escribir simplemente as :

x x x
u(t) dt =
c c n=1
un (t) dt =
n=1 c
un (t) dt,
c, x [a, b]
es decir, una serie uniformemente convergente se puede integrar t ermino a t ermino (podemos intercambiar la posici on de la integral y el sumatorio) dentro de su intervalo de convergencia uniforme.
Esta serie, cuando Re() > 1, es la funci on zeta de Riemann [AS72]: () = . Esta funci on tiene n=1 n 1 la fant astica y sugerente propiedad de que () = p (1 p ) donde el producto se efect ua sobre todos los n umeros primos p (!!!). A la serie onica. n=1 1/n se la conoce como serie arm 3
7.3 Comparaci on de funciones. S mbolos O, o,
407
n Teorema 7.6 (Convergencia uniforme de una serie de potencias) Sea n=0 an x una serie de potencias convergente para |x| R (R es llamado radio de convergencia de la serie). Entonces sucede que
an xn f (x)
n=0
para |x| r < R.
n Teorema 7.7 (Criterio de DAlembert) Sea mite n=0 an x una serie de potencias para la que el l l mn an /an+1 existe. Entonces el radio de convergencia de la serie anterior viene dado por
R = l m
an . an+1
7.3. Comparaci on de funciones. S mbolos O, o,

A menudo es conveniente expresar cual es la magnitud relativa de una funci on frente a otra en las vecindades de alg un punto. Esto se hace mediante los s mbolos O y o, a veces conocidos como s mbolos de Landau. Escribiremos f (x) = O(g (x)) para x x0 si se verica que
xx0
(7.5)
l m
f (x) = A con 0 < |A| < . g (x)
(7.6)
En este caso diremos que la funci on f (x) es de orden g (x) cuando x se acerca a x0 , o bien que f (x) y g (x) son comparables en x0 .
Ejemplo 7.3
Veamos unos cuantos ejemplos: cos x = O(1) para x 0 pues cos x = 1 cos x 1 = O(x2 ) para x 0 pues l m cos x 1 1 = . x2 2 x2 x4 + 2! 4! l m cos x = 1. 1
x 0
x0
senh x = O(ex ) para x pues senh x = ex ex 2 senh x 1 = . x x e 2 l m
Escribiremos f (x) = o(g (x)) si se verica que

xx0
para
x x0
(7.7)
l m
f (x) = 0. g (x)
(7.8)
408
Desarrollo asint otico de integrales En estos casos diremos que la funci on f (x) es de orden menor que g (x) cuando x se acerca a x0 , o bien que g (x) es una funci on dominante sobre f (x) en x0 , o bien que f (x) es subdominante con respecto a g (x) en x0 .
Ejemplo 7.4
He aqu un par de ejemplos del uso de esta notaci on: 2 1/x cos x = o(1/x) = o(1/x ) = o(e ) para x 0. sen x = o(1) para x 0.
Otra notaci on tambi en empleada (aunque no se usar a en este libro) para expresar que dos funciones f (x) y g (x) se relacionan como en la ecuaci on (7.8) es f (x) g (x) para x x0 . Esta notaci on es formalmente id entica a la que en ocasiones hemos empleado para indicar (de forma cualitativa y poco rigurosa) que una cantidad a es mucho m as peque na que otra b, a b, de modo que b/a ser a un n umero (en valor absoluto) muy grande. Escribiremos f (x) g (x) para x x0 si
xx0
l m
f (x) =1 g (x)
(7.9)
En este caso decimos que f (x) tiende asint oticamente a g (x) cuando x tiende x0 . La armaci on f (x) g (x) para x x0 es m as precisa (da m as informaci on) que f (x) = O(g (x)) para x x0 pues, aunque ambas expresiones nos informan de que la siguiente relaci on se satisface f (x) = A, l m xx0 g (x) la expresi on f (x) g (x) para x x0 nos dice de que la constante A vale 1, mientras que f (x) = O(g (x)) no nos dice nada sobre el valor que toma A.
Ejemplo 7.5
Veamos unos cuantos ejemplos del uso de esta notaci on: 1 /2 x 2 para x 4. ex +x ex para x . La expresi on x2 x para x 0 es falsa pues l mx0 x2 /x = 0. 2 on x 0 para x 0 es falsa pues l mx0 x3 /0 no existe. La expresi
7.4. Series asint oticas

7.4.1. Denici on de serie asint otica
n=0 an (x
Llamaremos diferencia N - esima (o resto N - esimo) entre la funci on f (x) y la serie de potencias x0 )n a la funci on rN (x) denida por
N
rN (x) = f (x)
n=0
an (x x0 )n .
(7.10)
7.4 Series asint oticas
409
Serie convergente. La denici on de serie convergente puede reescribirse en t erminos de la funci on n diferencia rN (x) de la siguiente manera: la serie n=0 an (x x0 ) converge a f (x) si rN (x) 0 para N y un x jo. En este caso escribimos f (x) =
n=0
an (x x0 )n ,
y por tanto rN (x) =
an (x x0 )n .
n=N +1
n Serie asint otica. Decimos que la serie oticamente (o es asint otica) n=0 an (xx0 ) converge asint a f (x) para x x0 , y lo denotaremos as :
f (x)
n=0
an (x x0 )n
para x x0 ,
(7.11)
si se verica que
rN (x) = o[(x x0 )N ] para x x0 y un N jo.

n otica a f (x) en x0 si la diferencia rN (x) va a cero m as Es decir, n=0 an (x x0 ) es asint N r apido que (x x0 ) cuando x x0 . En muchas ocasiones escribiremos N
f (x) =
n=0
an (x x0 )n + o[(x x0 )N ].
n n=0 an x
(7.12)
Punto x0 en el innito. Decimos que f (x) x y N jo. En ocasiones escribiremos

N
para x si rN (x) = o[xN ] para
f (x) =
n=0
an xn + o(xN ).
(7.13)
Esta denici on es la misma que para x0 nito si expresamos f (x) en serie de potencias de y = 1/x en torno a y = 0. Lema 7.1 (Denici on alternativa de serie de potencias asint otica) La serie
an (x x0 )n
n=0
es asint otica a f(x) cuando x x0 si y s olo si rN (x) = O[(x x0 )N +1 ] para x x0 .
410 Demostraci on.
Condici on suciente. Si asumimos que rN (x) = O[(x x0 )N +1 ] entonces debe ocurrir que rN (x) = o[(x x0 )N ] pues O[(x x0 )N +1 ] = o[(x x0 )N ].
+1 n Condici on necesaria. Si asumimos que N oticamente hacia f (x) n=0 an (x x0 ) tiende asint +1 n para x x0 , entonces, por denici on de serie asint otica, f (x) N n=0 an (x x0 ) = N +1 o[(x x0 ) ] para x x0 . Pero, dado que N +1 N
an (x x0 ) =
n=0 n=0
an (x x0 )n + aN +1 (x x0 )N +1 ,
se tiene que
N +1
rN (x) = f (x)
n=0
an (x x0 )n
= aN +1 (x x0 )N +1 + o[(x x0 )N +1 ] = O[(x x0 )N +1 ]. N otese que hemos supuesto que aN +1 = 0.
7.4.2. Ejemplo de serie asint otica

Queremos conocer c omo se comporta la integral (o funci on) de Stieljes denida por
f (x) =
0
et dt 1 + xt
(7.14)
para valores de x positivos y peque nos. Vamos a proceder sin preocuparnos, de momento, por justicar los pasos que iremos dando. Empezamos desarrollando (1 + x t)1 en serie de Taylor en torno a t = 0,
(1 + x t)
= 1 x t + (x t) + =
(1)n xn tn .
n=0
(7.15)
Esta serie converge para t < 1/x, pero no para t 1/x. Por tanto, la serie
(1)n xn et tn
n=0
no es uniformemente convergente en el intervalo [0, ] de t, para un x dado distinto de cero. Luego la integraci on t ermino a t ermino no tiene ninguna garant a. No obstante, olvid emosnos de este hecho, hag amoslo y estudiemos la serie resultante:
(1)n xn
n=0 0
et tn dt =
(1)n n! xn .
n=0
(7.16)
Esta serie es divergente para cualquier x = 0 pues su radio de convergencia es nulo: R = l m n-simo coeciente n (n + 1)- esimo coeciente (1)n n! = l m n (1)n+1 (n + 1)! 1 = l m n n =0
(7.17)
7.4 Series asint oticas luego
411
f (x) =
(1)n n! xn
n=0
(7.18)
n n donde el s mbolo = lo usamos para indicar que la serie n=0 (1) n! x no converge a f (x) (de hen n cho, la serie es, simplemente, no convergente). No obstante vamos a demostrar que n=0 (1) n! x es asint otica a (7.14) cuando x 0+ , es decir, que
f (x)
(1)n n! xn
n=0
para x 0+ .
(7.19)
n Motivados por la relaci on 1/(1 x) = n=0 x , escribimos el integrando de (7.14) como suma de dos t erminos: N 1 = (1)n n! xn + rN (t) = SN (t) + rN (t). 1 + xt n=0
Pero SN (t) es la suma de una serie geom etrica nita de raz on x t, luego SN (t) = Entonces rN (t) = Por tanto tenemos que
1 (x t)N +1 . 1 (x t)
1 1 (x t)N +1 (x t)N +1 = . 1 + xt 1 (x t) 1 + xt
f (x) =
0
et dt 1 + xt
=
0 N
SN (t) dt + (1) xn
0
rN (t) dt
0
= = donde
tn et dt +
n=0 N n=0
(x t)N +1 t e dt 1 + xt
(7.20)
(1) n! xn + rN (x),
rN (x) = (x)N +1
N +1 t t e 0
1 + xt
dt.
Ya vimos antes mediante el criterio de DAlembert que la serie (1)n n! xn no es convergente. Esto podemos comprobarlo de nuevo en t erminos de rN (x) pues rN (x) para N con x = 0 jado. En cambio la serie (1)n n! xn s es asint otica a f (x) cuando x 0+ , dado que al ser x y t positivos se verica que 1 < 1, 1 + xt por lo que |rN (x)| < xN +1
0
tN +1 et dt = xN +1 (N + 1)!
412
Por lo tanto rN (x) = O(xN +1 ) = o(xN ) cuando x 0+ , es decir, rN (x) va a cero m as r apidaN mente que x cuando x 0. Pero esta es precisamente la condici on que nos dene una serie asint otica a una funci on y por tanto podemos escribir
f (x) =
0
et dt 1 + xt
(1)n n! xn ,
n=0
x 0+ ,
o bien,
f (x) =
0 N
e t dt 1 + xt x 0+ x 0+ .
= =
(1)n n! xn + o(xN ),
n=0 N
(1)n n! xn + O(xN +1 ),
n=0
7.4.3. Aproximaciones num ericas mediante series asint oticas. Regla del truncamiento optimo
La utilidad de las series asint oticas se basa en el hecho de que el error cometido truncando la serie es del orden del primer t ermino no considerado: rN (x) = o (x x0 )N = O (x x0 )N +1 para x x0 y N jo, (7.21)
por lo que el error tiende r apidamente a cero cuando x x0 . En las aplicaciones pr acticas usualmente se toma un valor de x cercano a x0 y se intenta reducir el error considerando m as t erminos en la serie. Pero como la serie es divergente,4 a partir de cierto n umero de t erminos el error que se comete al a nadir m as t erminos aumenta en vez de disminuir. Este comportamiento t pico se muestra en la gura 7.1. Hemos visto que rN (x) = O aN +1 (x x0 )N +1 para x x0 , esto es, el primer t ermino despreciado aN +1 (x x0 )N +1 es una medida del error cometido al truncar con N t erminos cuando x x0 . Si x es pr oximo a x0 , pero con un valor jo, el primer t ermino despreciado es s olo una estimaci on del error. Esto nos sugiere una regla simple para obtener buenos resultados num ericos a partir de series asint oticas: erminos de la serie, que t picamente se comportan como mostramos en la 1. Examinamos los t gura 7.1. ermino m as peque no. 2. Localizamos el t 3. Sumamos todos los t erminos anteriores a este (no incluy endolo). Esta suma nita de t erminos normalmente proporciona la mejor estimaci on de la funci on porque el siguiente t ermino no incluido en la suma, el cual nos proporciona una estimaci on del error, es el m as peque no de la serie. Esta regla se conoce como regla del truncamiento optimo.
Estamos considerando el peor de los casos posibles asumiendo que la serie asint otica a una funci on no es convergente. Si fuera convergente, todo es mucho m as f acil: para mejorar la aproximaci on s olo hay que a nadir m as t erminos a la serie; eso es todo.
7.5 Desarrollo del integrando

r (x)
N
413
r (x)
N
10 11 12 13
(a)
(b)
Figura 7.1: Comportamiento t pico del error de truncamiento rN (x) de una serie asint otica para (a) un valor de x cercano a x0 , y para (b) un valor de x a un m as cercano a x0 .
Ejemplo 7.6
Vamos a comprobar las armaciones anteriores acerca de la regla del truncamiento optimo usando como ejemplo la serie asint otica a la funci on de Stieljes para x 0+ que encontramos en la secci on 7.4.2:
f (x) =
0
et dt 1 + xt x 0+ .
N
(1)n n! xn ,
n=0
ermino n- esimo de la En la gura 7.2 mostramos los valores de rN (x) = f (x) n=0 (1)n n! xn y del t serie, sn (x) (1)n n! xn , para varios valores de N , n y x. N otese que el m nimo del valor absoluto de rN (x) coincide con el m nimo del valor absoluto de los t erminos sn (x).
7.5. Desarrollo del integrando

En esta y siguientes secciones vamos a estudiar varios m etodos para obtener aproximaciones, generalmente asint oticas, de integrales. Empezaremos en esta secci on presentando el m etodo m as sencillo m etodo en el que simplemente se desarrolla el integrando en serie de potencias y se integra a continuaci on t ermino a t ermino. Ilustraremos la t ecnica mediante un par de ejemplos
Ejemplo 7.7
Queremos calcular
1
I (x) =
0
sen(x t2 ) dt
(7.22)
para valores peque nos de x.
414
1 0 -1 -2 -3 0 5 10 15 20 1 0 -1 -2 -3 5
10
15
20
(a)
(b)
Figura 7.2: (a) log10 |rN (x)| frente a N para x = 0 1 (cuadrados) y x = 0 2 (c rculos). (b) Logaritmo decimal del valor absoluto del t ermino n- esimo, log10 |sn (x)| = log10 (n! xn ) frente a n para x = 0 1 (cuadrados) y x = 0 2 (c rculos).
Recordando que el desarrollo de Taylor de la funci on seno viene dado por (1)n+1 2n1 y , (2n 1)! n=1
sen y =
podemos escribir el integrando de (7.22) as sen(x t2 ) = (1)n+1 (x t2 )2n1 . (2 n 1)! n=1
Esta serie converge para todo x y para todo t, pues por el criterio de DAlembert, R = l m an (1)n+1 /(2n 1)! = l m = l m |(2n + 1) 2n| = , n (1)n+2 /(2n + 1)! n an+1
luego para cualquier intervalo nito la serie de Taylor anterior es uniformemente convergente (ver teorema 7.6 en la p agina 407), por lo que la integraci on t ermino a t ermino es v alida:
1
I (x) =
0
(1)n+1 2n1 4n2 x t dt (2n 1)! n=1

1 0
= = =
(1)n+1 2n1 x (2n 1)! n=1

n+1
t4n2 dt (7.23)
(1) 1 x2n1 (2 n 1)! 4 n 1 n=1 x x3 x5 + + O(x7 ). 3 42 1320
La serie (7.23) anterior es uniformemente convergente para todo x nito dado que es convergente con radio
7.5 Desarrollo del integrando

de convergencia innito: R = l m an an+1 (1)n+1 (2n + 1)! (4n + 3) = l m n (1)n+2 (2n 1)! (4n 1) (2n + 1) (2n) (4n + 3) = l m n 4n 1
n
415
= .
Ejemplo 7.8
Ahora vamos a calcular
x
et dt
(7.24)
para x peque no (x 0). Esta funci on es, salvo constante de normalizaci on, la funci on de error complementaria, 2 erfc(x) = I (x). Visto el exito que tuvimos en el ejemplo anterior, podr amos intentar sin m as reexi on seguir el mismo procedimiento que empleamos all . Es decir, como una primera idea, podemos intentar desarrollar el integrando en serie de Taylor e integrar t ermino a t ermino:
I (x) =
x
dt
(1)n t2n ? (1)n = n! n! n=0 n=0

n
t2n dt
(1) n! n=0
t 2n + 1
2n+1
= .
x
Es obvio que algo ha ido mal. El signo de interrogaci on sobre el s mbolo de igualdad nos est a indicando on en d onde nacen los problemas: no es l cito integrar t ermino a t ermino la serie n=0 (1)n t2n /n! La raz es que, aunque esta serie tiene radio de convergencia innito, R = l m an (1)n (n + 1)! = l m = l m (n + 1) = , n n an+1 (1)n+1 n!
la convergencia uniforme se da s olo para |x| r < R = , es decir, la serie es uniformemente convergente s olo sobre un intervalo nito, y como intervalo de integraci on es innito, resulta que la integraci on t ermino a t ermino de la serie no es v alida. Como el problema est a pues en que el intervalo de integraci on es innito, podemos esquivar esta dicultad descomponiendo la integral de la siguiente manera:
I (x) =
et dt
0 x
et dt (7.25)
0 = 2
e
0
dt.
De este modo el intervalo de integraci on de la nueva integral ya es nito. El desarrollo en serie de Taylor
416
es uniformemente convergente en este intervalo por lo que la integraci on t ermino a t ermino es posible, I (x) = 2 = 2 = 2 = 2
x
(1)n t2n dt n! n=0

x 0
(1)n n! n=0
t2n dt (7.26)
(1)n
n=0
1 x2n+1 (2n + 1) n!
x+
1 3 1 5 1 7 x x + x + O(x9 ) . 3 10 42
7.6. Integraci on por partes

Al igual que en la secci on anterior, explicaremos en qu e consiste esta t ecnica aplic andola a varios ejemplos.
Ejemplo 7.9
Queremos calcular el valor de la integral
I (x) =
x
et dt t2
(7.27)
para x grandes, es decir, para x . Esta integral es la funci on gamma incompleta5 (1, x). Como sabemos, en la integraci on por partes se usa la relaci on
t2
u dv = uv
t1
t2 t1
t2
t1
v du.
(7.28)
En nuestro caso tenemos que
et dt = u dv. t2 Las funciones u y dv se deben escoger de modo que: on dv sea integrable, es decir, debemos ser capaces de hallar v a partir de dv . 1. La expresi 2. Los sucesivos t erminos en el desarrollo de I (x) sean decrecientes cuando x se acerca al valor l mite (en nuestro caso, cuando x ).6 Ilustraremos estas armaciones probando con dos elecciones una buena y otra mala de u y dv . Empezaremos por la err onea, Elecci on err onea: u = dv
5
et dt t2
du v
= =
et dt , 1 . t
Esta funci on se dene por (a, x) = x ta1 et dt. Cuando x = 0 la funci on es simplemente la funci on gamma: (a, 0) = (a) 6 Si esto no sucediera, servir a para algo nuestro desarrollo?
7.6 Integraci on por partes

Se tiene entonces que
x
417
et 1 dt = et 2 t t = e
x
x x
x t
et dt t (7.29)
dt .
Continuamos el procedimiento y escribimos u = dv y sustituimos, I (x) =

ex et ln t ln t et dt x x x ex = ex ln x ln t et dt . x x
et dt t
du = v =
et dt , ln t .
(7.30)
Vemos que el segundo t ermino es mucho mayor que el primero. Esto lo pod amos haber previsto pues al hacer la integral por partes obtuvimos en (7.29) una integral entre x e similar a la que dene a I (x) t et pero con un integrando mayor que el de I (x), pues e t 1. En (7.30) sucede lo mismo: t2 para t x la integral u ltima debe dar una contribuci on mayor que los t erminos anteriores porque su integrando es et 1. En denitiva, las mucho mayor que los integrandos anteriores ya que et ln t t para t x elecciones realizadas no son adecuadas porque la integral restante del miembro derecho integral que llamaremos integral remanente contribuye a I (x) en mayor medida que los t erminos anteriores expl citamente calculados. Elecci on acertada: 1 u = 2 t dv = et dt Con esta elecci on se tiene que I (x) = et 1 t2

du v
2 dt , t3 t = e . =
x x x
2 et dt t3
e x = 2 2 x
et dt. t3
Esta elecci on conduce a una integral remanente con un integrando menor que el de la integral de partida et et pues 3 para t x 1. Esto es una buena se nal. Continuemos con el procedimiento e integremos t t2 la integral remanente por partes escogiendo 1 du = 3 dt , u = 3 t t4 v = et . dv = et dt Esto signica que
x
1 et dt = et 3 t3 t ex = 3 3 x
3
x x x
et dt t4
et dt . t4
418
De este modo tenemos que I (x) ser a I (x) = ex ex 2 3 +6 2 x x
x
e t dt. t4
Continuando con el procedimiento obtendr amos I (x) = ex ex e x ex n ! e x 2! 3 + 3! 4 4! 5 + + (1)n1 n+1 + (1)n (n + 1)! 2 x x x x x
x
et dt . tn+2
(7.31)
Pero tn+2 xn+2 para x t < , por lo que 1 tn+2 Por tanto (7.31) queda I (x) = ex es decir, I (x) ex
N
1 xn+2
1 et dt < n+2 tn+2 x
et dt =
ex . xn+2
(1)n1 n! + ex O n+1 x n=1 (1)n1 n! , xn+1 n=1

N
1 xn+2
(7.32)
x .
n! Podemos comprobar que la serie n=1 (1) , que como acabamos de ver es asint otica a ex I (x) para xn+1 x , no es en cambio convergente dado que su radio de convergencia es nulo:
n1
R = l m
1 an n! = l m = 0. = l m n n n (n + 1)! an+1
Sin embargo, para un N jo, el resto rN (x) puede hacerse arbitrariamente peque no sin m as que aumentar el valor de x. En la gura 7.3 hemos representado el cociente I (x)/SN (x) donde SN (x) = ex (1)n1 n! xn+1 n=1
N
es la serie truncada (hasta el t ermino N ) asint otica a I (x) para x que dimos en la ecuaci on (7.32). N otese que para valores no muy grandes de x la serie truncada puede conducir a peores resultados cuando se retienen m as t erminos.
Ejemplo 7.10
Queremos calcular I (x) =
0 x
t1/2 et dt
para x grandes, es decir, para x . Usaremos integraci on por partes, pero hemos de hacerlo con cuidado porque una integraci on por partes aplicada directamente a I (x) conduce a una expresi on indeterminada: du = 1 t3/2 dt , u = t1/2 2 v = et . dv = et dt
419
1.4 1.2 1 0.8 0.6 3 4 5 6 x 7 8 9 10
Figura 7.3: Cociente I (x)/SN (x) frente a x para N = 3 (rayas cortas), N = 5 (rayas largas) y N = 10 (l nea continua).
luego I (x) = t1/2 et
x 0
1 2
x 0
t3/2 et
x 0
= x1/2 ex
1 1 0 2
t3/2 et .
Hemos encontrado una divisi on por cero de modo que esta v a de resoluci on no es v alida. El problema est a en el comportamiento de nuestras expresiones en las vecindades de x = 0. Podemos evitarnos trabajar en esta regi on problem atica expresando I (x) como diferencia de dos integrales
I (x) =
0
t1/2 et dt
t1/2 et dt dt
= =
1 2
x x
1/2 t
t1/2 et dt ,
siendo (1/2) = la funci on gamma con argumento 1/2. Ahora la segunda integral puede integrarse por partes sin problemas porque la contribuci on del extremo en el innito es nula7 : du = 1 t3/2 dt , u = t1/2 2 v = et . dv = et dt y por tanto I (x) = = t1/2 et + x1/2 ex +
x
1 2
t3/2 et dt
1 2
t3/2 et dt.
Repetimos el procedimiento y escogemos u dv

7
= t3/2 = et dt
du v
3 = t5/2 dt , 2 = et .
N otese que hemos usado la misma identicaci on para u y dv que antes
420
para as obtener I (x) =
1 3 5 /2 t t3/2 et t e dt 2 2 x x 1 3 5/2 t = + x1/2 ex + x3/2 ex t e dt. 2 4 x
x1/2 ex +
En general, para In (x) =

x
t(2n1)/2 et dt usamos du v = = 2n 1 (2n+1)/2 t dt , 2 t e .
u = dv para obtener =
t(2n1)/2 et dt
2n 1 2(n+1)1 t 2 e dt t 2 x x 2n 1 = x(2n1)/2 ex In+1 (x) 2 2n 1 = x xn ex In+1 (x) 2 1 1 2n 1 = n1 ex In+1 (x) . 2 xx Por tanto, dado que I (x) = I1 (x), deducimos que In (x) = t(2n1)/2 et
I (x) =
1 13 135 1 3 5 (2n 1) ex + + + (1)n 1 2 3 2x (2x) (2x) (2x)n x 1 3 5 (2n 1) 2n + 1 + (1)n In+2 (x) . (2)n 2
1 xn+1
Como In+2 (x) =
x e O x
, se tiene que, por denici on de serie asint otica,
I (x)
1 3 5 (2n 1) ex 1+ (1)n , (2x)n x n=1
x .
(7.33)
Hemos aprendido en este u ltimo ejemplo es que la integraci on por partes no funcionar a si la contribuci on de uno de los l mites de integraci on es mucho mayor que el valor de la integral.
Ejemplo 7.11
Ahora deseamos estimar el valor de la integral de Laplace
I (x) =
0
ext f (t) dt
(7.34)
para x grandes (x ) asumiendo que la integral existe y que f (x) es anal tica en [0, ].8 Escogemos u = f (t) dv
8
du = v =
f (t) dt , ext . x
= ext dt
Recu erdese que esto signica que todas las derivadas de f (x) existen en el intervalo [0, ].
421
Esta identicaci on tiene buen aspecto pues el integrando de la integral remanente contendr a a la funci on v = ext /x que, para x grandes, es menor (en valor absoluto) que la funci on ext existente en la integral inicial. Integrando por partes seg un la identicaci on anterior tenemos que
0
ext f (t) dt =
xt e f (t) ext f (t) dt + x x 0 0 f (0) 1 xt e f (t) dt. = + x x 0
Repetimos el procedimiento y escogemos u = dv para as obtener

0
f (t)
du = v =
f (t) dt , ext . x
= ext dt
ext f (t) dt =
xt f (0) 1 f (t) ext e + + f (t) dt x x x x 0 0 f (0) f (0) 1 = + 2 + 2 ext f (t) dt. x x x 0
Repitiendo el procedimiento n veces se encuentra que

0
ext f (t) dt = =
f (n) (0) 1 + n+1 n+1 x x n=0 f (n) (0) +O xn+1 n=0

N N
ext f (n+1) (t) dt
1 xN +2
es decir,
0
ext f (t) dt
f (n) (0) , xn+1 n=0
x .
Ejemplo 7.12
Calcularemos ahora el comportamiento de la integral generalizada de Laplace,
b
I (x) =
a
f (t) ex(t) dt
para x . Integramos por partes escogiendo (sin mucha reexi on) u = dv = f (t) ex(t) dt du v = f (t) dt ,
= ?
En general, salvo para funciones (t) muy simples, no es posible conocer la primitiva de dv , por lo que esta elecci on no es muy acertada. Hay otra identicaci on m as prometedora que no sufre de este inconveniente, a saber: f (t) f (t) du = dt , u = (t) (t) x(t) dv = (t) ex(t) dt v = e . x
422
y por consiguiente ex(t) f (t) I (x) = x (t)
1 x
b a
ex(t)
f (t) (t)
dt.
(7.35)
Como comentamos en el ejemplo 7.11 anterior, es una muy buena se nal el hecho de que en la funci on v aparezca el factor 1/x multiplicando a la funci on ex(t) (funci on que ya aparec a en la integral original). Por descontado, ha de asumirse que la integral remanente existe. Esta f ormula es u til si la integral de la derecha es asint oticamente m as peque na que los t erminos de contorno cuando x . Si esto es cierto, los t erminos de contorno son asint oticos a I (x): I (x) 1 f (b) x(b) 1 f (a) x(a) e e , x (b) x (a) x .
Este u ltimo ejemplo ha sido especialmente interesante. Hemos visto en el una f ormula general para estimar el comportamiento dominante asint otico de una integral de Laplace generalizada. Vale pues la pena discutir bajo qu e condiciones la f ormula obtenida anteriormente,
b
I (x) =
a
f (t) ex(t) dt x ,
(7.36) (7.37)
1 f (b) x(b) 1 f (a) x(a) e e , x (b) x (a)
es v alida. Puede demostrarse que esta es una expresi on asint otica correcta si las funciones (t), (t) y f (t): 1. Son continuas. 2. Satisfacen alguna de las siguientes tres condiciones: a ) (t) = 0 para a t b y al menos f (a) = 0 y/o f (b) = 0. Estas condiciones son sucientes para asegurar que existe la integral restante del miembro derecho de (7.35). Adem as puede probarse que esta integral remanente es despreciable frente a los t erminos de contorno cuando x . b ) Re[(t)] < Re[(b)] para a t < b, Re[ (b)] = 0 y f (b) = 0. Estas condiciones no permiten asegurar que exista la integral remanente de la expresi on (7.35), pero si son lo sucientemente fuertes como para garantizar que I (x) 1 f (b) x(b) e x (b) para x .
Este resultado lo justicaremos en la secci on 7.9 mediante el m etodo de Laplace. c ) Re[(t)] < Re[(a)] para a < t b, Re[ (a)] = 0 y f (a) = 0. Como en el apartado 2b , estas condiciones no aseguran que la integral restante exista, pero si nos garantizan que 1 f (a) x(a) I (x) e para x . x (a)
Ejemplo 7.13
Veamos un par de ejemplos en los que estimaremos el t ermino asint otico dominante de integrales de Laplace generalizadas empleando la f ormula (7.37) tras asegurarnos que f (t) y (t) satisfacen las condiciones adecuadas.

1. Sea la integral I (x)
1
423
ex cosh t dt,
x .
Aqu f (t) = 1, (t) = cosh t (t) = senh t. Luego se tiene que: (t) = senh t = 0 para 1 t 2. f (1) = 0 y f (2) = 0. Por lo tanto f (t) y (t) satisfacen las condiciones del apartado 2a , luego I (x) dado que cosh(2) > cosh(1). 2. Vamos a ver otro ejemplo con la integral
3
1 1 ex cosh 2 x senh 2
para x
I (x) =
1
ex cosh
dt,
x .
Identicamos t erminos: f (t) = 1, (t) = cosh2 t (t) = 2 cosh t senh t. Con estos datos podemos ver que: cosh2 t < cosh2 3, (b = 3) = 0. f (3) = 1 = 0. 1 t < 3.
Estas son las condiciones del apartado 2b de la p agina 422, luego I (x)
2 1 1 ex cosh 3 x 2 cosh 3 senh 2
para
x .
Si la integral remanente existe y se satisfacen algunas de las tres condiciones anteriores, se puede seguir integrando por partes para obtener t erminos correctivos (es decir, subdominantes) de I (x). Cada nueva integraci on por partes introduce un nuevo factor 1/x, de modo que la serie toma la forma de serie de potencias en x1 . Por ejemplo, si Re[(b)] > Re[(a)], el desarrollo asint otico de I (x) toma la forma
I (x) ex(b)
n=1
An xn ,
x .
Ejercicio 7.1
Demuestra la armaci on anterior.
7.6.1. Fallo de la integraci on por partes

El m etodo de integraci on por partes es bastante inexible pues s olo da lugar a series asint oticas b x(t) en potencias enteras de 1/x. Sin embargo, las integrales de Laplace I (x) = a e f (t) dt pueden tener desarrollos asint oticos que involucran potencias fraccionarias de 1/x cuando x . Por tanto, es evidente que la integraci on por partes es inadecuada para hallar la serie asint otica de esas integrales. C omo podemos saber si la integraci on por partes funcionar a? Es claro que la
424
integraci on por partes no es el procedimiento adecuado si da lugar a la aparici on de integrales inexistentes. Por ejemplo, es casi seguro que la integraci on por partes no funcionar a si (t) tiene un cero en [a, b].
Ejemplo 7.14
Sea la integral I (x) =
0
ext dt.
Esta integral puede resolverse exactamente mediante el cambio x t2 = z : I (x) =

1 z 1/2 ez dz 2x1/2 0 (1/2) , = 2x1/2
es decir, I (x) = 1 2 . x
Vemos que I (x) no tiene la forma de una potencia entera de 1/x, luego la integraci on por partes debe fallar. De hecho, en esta integral (t) = t2 (t) = 2t (t = 0) = 0, por lo que esperamos obtener una integral inexistente al integrar por partes: 1 1 du = u = = (t) 2t 2 v = dv = ex (t) dt = ext (2t) dt luego
0
1 dt , 2t2 ext . x
2
ext dt =
1 ext 2t x
0 2 0
ext 1 dt . x 2t2
La integral remanente no existe debido al factor 1/t y adem as un t ermino de contorno conduce a una division por cero. Es claro que este es un caso en el que la integraci on por partes resulta inadecuada.
7.7. M etodo de Laplace

Este m etodo permite obtener el comportamiento asint otico para x de integrales en las que el par ametro grande, x, aparece en una exponencial,
b
I (x) =
a
f (t) ex(t) dt,
siendo f (t) y (t) funciones reales continuas. Asumiremos que la integral I (x) existe, es decir, que tiene un valor nito. Antes de hacer una exposici on gen erica, vamos a ilustrar el m etodo con un ejemplo.
7.7 M etodo de Laplace
425
Ejemplo 7.15
Queremos evaluar
0 10
ext dt 1+t
para x grandes, es decir para x . Seguiremos el siguiente procedimiento: 1. Empezamos desarrollando (1 + t)1 en potencias de t. 2. Integramos el resultado t ermino a t ermino. 3. Reemplazamos el l mite superior de la integral por .
Etapa 1. Desarrollamos (1 + t)1 en potencias de t:

1 = 1 t + t2 t3 + = (1)n tn . 1+t n=0 El radio de convergencia de esta serie es R = l m an = l m 1 = 1, n an+1 (7.39)
(7.38)
luego la serie converge uniformemente s olo para |t| < 1. Por tanto, la integraci on de esta serie t ermino a t ermino sobre el intervalo [0, 10] no tendr a justicaci on.
Etapa 2. Para evitar esta dicultad dividimos el intervalo de integraci on en dos intervalos, [0, ] y [, 10], siendo un n umero positivo peque no (menor que 1). Por consiguiente,
I (x) =
0
ext dt + 1+t
10 10
ext dt . 1+t 1 = (e10x ex ) x
(7.40)
Pero
10
ext dt < 1+t
10
ext dt =
ext x
(7.41)
y tanto e10x como ex tienden a 0 mucho m as r apidamente que cualquier potencia de x1 para x . Decimos entonces que esta u ltima integral tiende exponencialmente a cero, o que contribuye con t erminos exponencialmente peque nos (TExP). En denitiva,
I (x) =
0
ext dt + TExP I (x, ) + TExP 1+t
para x .
(7.42)
Esto signica que s olo la vecindad de t = 0 contribuye a la integral I (x). Esto es debido a que, para x , el integrando es much simo mayor en las vecindades del m aximo del exponente de ext (que est a en t = 0) x0 xt que en el resto de las zonas. Es decir, e =1 e para todo t > 0 cuando x . Como < 1, podemos desarrollar (1 + t)1 en potencias de t e integrar la serie resultante t ermino a t ermino sobre el intervalo [0, ] dado que esa serie es uniformemente convergente en ese intervalo [0, ] si < 1, es decir,

I (x, ) =
0
ext
(1)n tn dt =
n=0 n=0
(1)n
0
ext tn dt.
(7.43)
Mediante el cambio x t = , la integral de la ecuaci on (7.43) queda

0
ext tn dt =
0
1 d = n+1 x x
x 0
e n d.
(7.44)
426
Denimos In =
0
e n d
de modo que I (x, ) =
(1)n In . xn+1 n=0 du = v = n n1 d, e .
Podemos evaluar la integral In integrando por partes mediante la identicaci on u = dv = Entonces In = n e

x 0 x
n e d
+n
0 n x
e n1 d
= n In1 (x ) e
= n (n 1) In2 (x )n1 e (x )n ex = n (n 1) In2 (x )n + n (x )n1 ex = n (n 1) (n 2) In3 (x )n2 ex (x )n + n (x )n1 ex = n (n 1) (n 2) In3 (x )n + n (x )n1 + n (n 1) (x )n2 ex . Es f acil ver que podemos escribir de forma general In = n (n 1) (n 2) (n m + 1) Inm (x )n + n (x )n1 + + n (n 1) (n m + 2) (x )nm+1 ex . Haciendo n = m y dado que I0 = Inn =
x e 0
d = 1 ex , se tiene
In = n! I0 (x )n + n (x )n1 + + n (n 1) 2(x ) ex = n! 1 ex (x )n + n (x )n1 + + n! (x ) ex = n! (x )n + n (x )n1 + + n! (x ) + n! ex . Por lo tanto la integral (7.44) se puede escribir como
0
ext tn dt =
In xn+1
n! xn+1
n n1 n2 n! + n 2 + n (n 1) 3 + + n! n + n+1 ex . x x x x x
Dado que ex va a cero mucho m as r apidamente que cualquier potencia de x1 cuando x , escribimos, tal como hicimos en la ecuaci on (7.42), que
0
ext tn dt =
n! + TExP. xn+1
(7.45)
Etapa 3. N otese que este resultado es independiente del valor de , incluso tomando = . De hecho,
hacer = ser a el modo m as directo de calcular los t erminos que no son exponencialmente peque nos. En nuestro caso se tendr a que n! ext tn dt = n+1 . x 0 Pero de momento seguiremos considerando que es un n umero positivo peque no. Utilizando el resultado de la ecuaci on (7.45) en (7.43) se tiene que I (x, ) = (1)n n! + TExP xn+1 n=0
para x ,
7.7 M etodo de Laplace

lo que implica, por (7.42), que I (x) = (1)n n! + TExP xn+1 n=0
427
para x .
Es f acil ver que la serie anterior no es convergente pues su radio de convergencia es nulo, R = l m Por ello escribimos I (x) an 1 (1)n n! = l m = 0. = l m x n + 1 x (1)n+1 (n + 1)! an+1 (1)n n! xn+1 n=0
para x .
(7.46)
Este resultado tambi en se podr a haber obtenido por integraci on por partes.
Repasemos el procedimiento que hemos usado: 1. Primero aproximamos I (x) por I (x, ) reduciendo el intervalo de integraci on a un peque no intervalo alrededor de la posici on t = c del m aximo de (t) [en nuestro ejemplo (t) = t tiene el m aximo en t = 0], es decir, I (x) I (x, ) para x con: I (x, ) = I (x, ) = I (x, ) =
c+ c a+ a b b
f (t) ex(t) dt si a < c < b. f (t) ex(t) dt si c = a.
f (t) ex(t) dt si c = b.
El motivo de aproximar I (x) por I (x, ) reside en que su integrando f (t) ex(t) adopta la forma de un pico muy agudo (tipo delta de Dirac) alrededor de t = c cuando x 1. Esto no es dif cil de entender tras un poco de reexi on. La gura 7.4, que muestra como evoluciona un integrando con la forma anterior [con f (t) = 1 y (t) = sen(t) 2] a medida que x aumenta, debiera servirnos de ayuda. 2. En segundo lugar aproximamos f (t) y (t) mediante series de potencias alrededor del m aximo t = c de (t). Como el integrando es tanto m as estrecho alrededor de t = c cuanto mayor sea x, esta aproximaci on ser a tanto mejor cuanto mayor sea x. 3. A continuaci on intercambiamos el orden de la integral y el sumatorio de modo que expresamos I (x, ) como serie de integrales. 4. Por u ltimo, el modo m as conveniente de evaluar estas integrales es extender su intervalo de integraci on a innito, estos es, reemplazar por . Todo esto puede parecer un tanto loco: cambiamos primero 10 por con 0 < 1, y despu es por . Sin embargo, una peque na reexi on nos muestra que s tiene sentido. Hemos de escoger peque no para poder expresar el integrando de I (x, ) en serie de Taylor e integrar t ermino a t ermino, a continuaci on cambiamos por para evaluar m as c omodamente los t erminos de la serie. La clave est a en que cada vez que cambiamos los l mites de integraci on s olo introducimos errores exponencialmente peque nos.
428
-1 0.35 -1.2 0.3 -1.4 -1.6 -1.8 0.5 1 1.5 2 2.5 3 0.25 0.5
1.5
2.5
0.15
(a)
(b)
210 1.510
-9
-9
110 510
-9
-10
3.510 -44 310 -44 2.510 -44 210 -44 1.510 -44 110 -45 510 0.5 1 1.5 2 2.5 3
-44
0.5
1.5
2.5
(c)
(d)
Figura 7.4: (a) (t) = sen(t) 2 frente a t. (b) exp[x(t)] con x = 1. (c) exp[x(t)] con x = 20. (d) exp[x(t)] con x = 100.
Nota sobre la unicidad de las series asint oticas. El ejemplo anterior nos sirve para ilustrar una propiedad caracter stica de las series asint oticas, a saber, que dos funciones distintas pueden tener la misma serie asint otica. Por ejemplo, todas las funciones
I (x; ) =
0
ext dt 1+t
con > 0 tienen por serie asint otica a I (x; ) porque el hecho de que en
10
(1)n n! xn+1 n=0
para x
I (x) =
0
ext dt 1+t
el l mite superior sea 10 no tiene ninguna transcendencia cuando calculamos (v ease el ejemplo 7.15) la serie asint otica I (x) para x . Es obvio que I (x; 10) = I (x; 20) = y sin embargo, estas funciones distintas tienen un mismo desarrollo asint otico para x , que es justamente el que hallamos para I (x; 10) I (x) en el ejemplo 7.15. Sin embargo, debe quedar claro que una funci on tiene un u nico desarrollo asint otico, es decir, no existen dos series asint oticas distintas de una misma funci on.
7.8 Lema de Watson
429
7.8. Lema de Watson

El procedimiento que hemos empleado en el ejemplo 7.15 da lugar, al aplicarse sobre
b
I (x) =
0
f (t) ext dt
(7.47)
al llamado lema de Watson. Este dice as : Lema 7.2 (Lema de Watson) Sea f(t) continua en el intervalo de integraci on 0 t b, con el 9 siguiente desarrollo asint otico:
f (t) t
n=0
an tn
para t 0+ ,
(7.48) ect cuando (t )
donde que > 1 y > 0.10 Adem as, si b = +, debe ocurrir que f (t) para alguna constante positiva c.11 Bajo estas condiciones, se verica que
I (x) =
0
f (t) e
xt
dt
n=0
an ( + n + 1) x+ n+1
para x .
(7.49)
N otese que, formalmente, esto equivale a introducir la integral dentro del sumatorio (es decir, a integrar t ermino a t ermino) y tomar b . Demostraci on. Sabemos que: 1. Si b = nito y f (t) es continua, entonces sup |f (t)| = nito
tb
y por tanto
b
f (t) ext sup |f (t)|

tb
ext = TExP,
x .
2. Si b = y f (t)
ect se tiene que

b
f (t) ext
ect ext = TExP,
x .
En cualquiera de los dos casos, encontramos que
I (x) = I (x, ) + TExP =

0
f (t) ext dt + TExP,
x .
(7.50)
9 Esto es una condici on m as d ebil que imponer que sea convergente, pues recu erdese que convergente implica asint otico pero no lo contrario 10 Si no fuera as , la integral I (x) no converger a. 11 Esta condici on se impone para que I (x) converja.
430
Escogemos sucientemente peque no de modo que los primeros N t erminos de la serie asint otica (7.48) sean una buena aproximaci on de f (t):
N
f (t) t
n=0
an tn k t+ (N +1) ,
0 t ,
(7.51)
donde, por denici on de serie asint otica, 0 k < . Esto es equivalente a escribir
N
f (t) t
n=0
an tn = O t+ (N +1) ,
t 0+ .
Multiplicando (7.51) por ext e integrando entre 0 y se tiene que

0
k t+ (N +1) ext dt
0
ext f (t) t ext f (t) t

N n=0 N
an tn dt an tn dt
n=0
I (x, )
n=0
an
t+n ext dt .
Pero
0
k t+ (N +1) ext dt =
0
k t+ (N +1) ext +TExP
=k y por tanto
N
+ (N + 1) + 1 + TExP x+ (N +1)+1
I (x, )
n=0
an
t+n ext dt = O x (N +1)1 .
Por u ltimo, reemplazamos por , y usamos la relaci on

0
t+n ext dt =
( + n + 1) , x+n+1
para obtener
N
I (x) + TExP
n=0
an
( + n + 1) + TExP = O x (N +1)1 , x+n+1
es decir,
N
I (x)
n=0
an
( + n + 1) = O x (N +1)1 . x+n+1
Luego, por denici on de serie asint otica,
I (x)
n=0
an
( + n + 1) , x+n+1
x ,
c.q.d.
(7.52)
7.9 Desarrollo asint otico de integrales generalizadas de Laplace
431
Ejemplo 7.16
Una representaci on integral de la funci on de Bessel modicada K0 (x) es
K0 (x) =
1
(s2 1)1/2 exs ds.
Vamos a hallar una representaci on asint otica de K0 (x) para x mediante el lema de Watson. Empezamos por expresar K0 (x) en t erminos de una integral con l mites de integraci on 0 e . Para ello utilizamos el cambio de variable, s=t+1 de modo que la integral se transforma en
s = 1 t = 0, s = t = ,
K0 (x) =
0
(t + 1)2 1
0
1/2 x(t+1)
dt
= ex
(t2 + 2t)1/2 ext dt.
As hemos logrado expresar la integral en la forma est andar de la integral del lema de Watson [v ease la ecuaci on (7.47)]. Ahora expresamos f (t) = (t2 + 2t)1/2 en serie de potencias de t mediante la f ormula del binomio generalizado (v ease la f ormula (2.168) en la p agina 124): (t2 + 2t)1/2 = (2t)1/2 1 +
t 2
1/2
= (2t)
1 /2
(1)n
n=0
1 n+ 2 1 n! 2
t 2
Aplicar el lema de Watson es equivalente a intercambiar el orden de la integral y el sumatorio, de modo que
K0 (x) ex
n=0 x n=0
(1)n
n+ 2
n+ 1 2
1 2 1 2 2 0
n!
1 2
ext tn 2 dt
(1)
n+
1 2n+ 2
1
1 2
1 xn+ 2
n!
x .
7.9. Desarrollo asint otico de integrales generalizadas de Laplace

El lema de Watson s olo se aplica a integrales de Laplace en las que (t) = t. Para funciones (t) m as generales podemos proceder de dos modos que expondremos en las secciones siguientes.
7.9.1. Primer modo. Cambio de variable

Si (t) es sucientemente simple, puede intentarse el siguiente cambio de variable: s = (t) t = 1 (s),
432 de modo que

b
I (x) =
a
f (t) ex(t) dt =
(b) (a)
F (s) exs ds,
donde
d1 (s) . ds La u ltima integral tiene la forma adecuada para aplicar sin m as el lema de Watson. F (s) = f 1 (s)
Ejemplo 7.17
Queremos hallar el comportamiento de I (x) =
0
2
ex sen
dt
cuando x .
Aqu (t) = sen2 t por lo que s = sen2 t ds = 2 sen t cos t dt = 2 sen2 t Por tanto la integral queda de la forma
sen2 /2
1 sen2 t dt = 2 s 1 s dt.
I (x) = = 1 2
sen2 0 1 0
ds exs 2 s 1s
1/2 xs
s (1 s)
ds.
Ahora ya podemos aplicar el lema de Watson porque s (1 s)

1 /2
= s1/2 (1 s)1/2 = s1/2

1 n+ 2 sn 1 n ! 2 n=0
para |s| < 1, y por tanto I (x) n+ 1 2 n! 1 2 n=0

0 2
sn 2 exs ds, 1
n=0
n+ n!
1 2 1 2
1 xn+ 2
x .
7.9.2. Segundo modo. Modo directo

En otras ocasiones la funci on (t), y sobre todo, la funci on inversa t = 1 (s), es una funci on complicada multivaluada y el primer modo no es simple en absoluto. En estos casos puede ser m as sencillo atacar el problema directamente. El procedimiento, que ya esbozamos en la p agina 427, es el siguiente: I. Si (t) tiene un m aximo absoluto en t = c, entonces aproximamos I (x) por I (x, ) tal como vimos en la p agina 427. II. En la regi on estrecha |t c| :
7.9 Desarrollo asint otico de integrales generalizadas de Laplace
433
1. Desarrollamos f (t) en torno a t = c y nos quedamos con el t ermino dominante (es decir, el primer t ermino no nulo); esto implicar a obtener s olo el t ermino dominante de I (x). Por simplicidad, en lo que sigue supondremos que f (t) es continua y que f (c) = 0. No obstante, veremos m as adelante (p agina 436) c omo tratar casos en los que f (c) = 0. erminos del desarrollo de Taylor en torno a su m aximo 2. Reemplazamos (t) por sus primeros t situado en t = c. Hay varias posibilidades. Discutiremos tres casos representativos: a ) El m aximo est a situado en uno de los extremos de integraci on, es decir, c = a o c = b, y adem as (c) = 0. Entonces aproximamos (t) por (t) (c) + (c) (t c).
aximo est a situado en el interior del intervalo de integraci on, es decir, a < c < b, b ) El m y adem as (c) = 0 (esto es necesario pues (t) es m aximo en t = c), y (c) = 0. En este caso aproximamos (t) por (t) (c) + 1 (c) (t c)2 . 2
c ) El m aximo est a situado en el interior del intervalo de integraci on, es decir, a < c < b, y adem as (c) = (c) = = (p1) (c) = 0 y (p) (c) = 0. En este caso aproximamos (t) por 1 (t) (c) + (p) (c) (t c)p . p! En resumen, desarrollamos (t) en torno a t = c qued andonos con el primer t ermino correctivo a (c) que sea no nulo. Hay algunos otros casos posibles (v ease el ejercicio 7.2 o los ejemplos 7.18.1 y 7.18.2) pero el modo de resolverlos deber a deducirse inmediatamente de la discusi on que haremos de los tres casos anteriores. III. A continuaci on sustituimos estas aproximaciones en I (x, ) y evaluamos el t ermino dominante de la integral ampliando el intervalo de integraci on a innito. Analizamos separadamente cada uno de los casos del apartado II.2: 1. En el caso II.2a se ten a que c = a o c = b y (c) = 0: a ) Si c = a entonces (a) < 0 y se tiene que
a+
I (x, )
a
f (a) ex [(a)+ (a) (ta)] dt .
Haciendo s olo introducimos t erminos exponencialmente peque nos, luego, para x , I (x) f (a) ex(a)
a
ex (a) (ta) dt ex (a) s ds
f (a) ex(a)
0
f (a) ex(a)
ex (a) s x (a)
f (a) ex(a) . x (a)
(7.53)
434
Desarrollo asint otico de integrales b ) Si c = b, debe ocurrir que (b) > 0 y, procediendo de modo similar al caso anterior, tenemos que
b
I (x, )
b
f (b) ex [(b)+ (b) (tb)] dt ,
x .
Haciendo encontramos que, para x , I (x) f (b) ex(b)

b
ex (b) (tb) dt (7.54)
f (b) ex(b) . x (b)
as a < c < b, entonces (c) = 0 porque, 2. En el caso II.2b se tiene que (c) = 0. Si adem recordemos, (c) es un m aximo de (t). Por consiguiente
c+
I (x, )
c
f (c) ex [(c)+ 2
(c) (tc)2 ]
dt,
x .
Haciendo s olo introducimos t erminos exponencialmente peque nos, luego I (x) f (c) ex(c) Ahora hacemos 1 s2 = x (c) (t c)2 s = 2 y por tanto I (x)
e2 x
(c) (tc)2
dt,
x , .
x (c) (t c), 2 x . (7.55)
f (c) ex(c)
(c) x 2
es ds,
Pero es ds = 2 0 es ds. Empleando el cambio de variable s2 = u en esta integral, y teniendo en cuenta la denici on de la funci on gamma [ecuaci on (2.170), p agina 125], encontramos que 1 u 1 1 1 s2 2 e ds = e u du = = . 2 0 2 2 2 0 Por tanto I (x) 2 f (c) ex(c) x (c)
x .
(7.56)
Ejercicio 7.2
Calc ulese I (x) asint oticamente para x si (c) = 0, c = a y (c) < 0.
3. En el caso II.2c sucede que (c) = (c) = = (p1) (c) = 0. Si a < c < b, debe ocurrir que p debe ser par y (p) (c) < 0, pues en otro caso (c) no ser a un m aximo. En este caso
c+
I (x, )
c
f (c) e
1 (p) x [(c)+ p (c) (tc)p ] !
dt.
7.9 Desarrollo asint otico de integrales generalizadas de Laplace Haciendo s olo introducimos t erminos exponencialmente peque nos, y por tanto I (x) f (c) ex(c) Hacemos el cambio, 1 x (p) (c) s = x (p) (c) (t c)p s = p! p!
p 1/p
435
e p!
(p) (c) (tc)p
dt.
(t c),
y entonces I (x)
f (c) ex(c) x p! (c)

p (p)
1/p
es ds. ds. Adem as, mediante el cambio de 1 p
Como p es par se tiene que es ds = 2 variable sp = u encontramos que

0
sp 0 e
es ds =
1 p
e u u p
1 du = p
Por tanto
1 1/p 2 p (p!) I (x) f (c) ex(c) , p x (p) (c) 1/p
x .
(7.57)
Ejercicio 7.3
Calc ulese I (x) asint oticamente para x si c = a, (a) = (a) = (p1) (c) = 0 y (p) (c) < 0.
Ejemplo 7.18
A continuaci on se muestran unos ejemplos: 1.
0
2
ex tan t dt
1 x
para
x .
Esta integral pertenece al caso III.1a , con c = a = 0 y (a) = 0. 2.

0
ex senh
dt
1 2
para x .
Esta integral casi pertenece al caso III.2 con c = a = 0, (a) = 0 y (a) = 0. No es exactamente igual al caso discutido en el apartado III.2 porque en este ejemplo el m aximo de (t) no est a situado en el interior del intervalo de integraci on. Esto no conlleva un cambio sustancial en el procedimiento usado en el apartado III.2 para estimar el desarrollo asint otico de la integral. Es f acil ver que simplemente el l mite inferior de integraci on de (7.55) cambia de a 0, de modo que el valor de la integral I (x) se reduce en un factor 2. En denitiva, la ecuaci on (7.56) se convierte en f (a) ex(a) , x . I (x) 2x (a) En nuestro ejemplo a = 0, (t) = senh2 t y f (t) = 1, y la expresi on anterior se reduce a I (x) /4x.
436
3.
1 1
ex sen
dt
(1/4) 2x1/4
para x .
Esta integral corresponde al caso III.3 con p = 4. 4.

/2 /2
(t + 2) ex cos t dt
4 x
para
x .
Esta integral pertenece al caso III.1, aunque debe notarse que los dos extremos de integraci on ( t = /2 y t = /2) contribuyen a la aproximaci on asint otica pues la funci on (t) = cos t tiene un m aximo (absoluto) en ambos extremos. Un modo sencillo de tratar estos casos que poseen m as de un m aximo absoluto (es decir, m aximos absolutos iguales) es descomponiendo la integral original en suma de integrales con intervalos de integraci on en los que s olo se encuentre un m aximo absoluto. En nuestro caso podr amos, por ejemplo, descomponer la integral as :
/2 /2
(t + 2) ex cos t dt =
0 /2
(t + 2) ex cos t dt +
0
/2
(t + 2) ex cos t dt .
La primera integral es simplemente del tipo considerado en el apartado III.1a y la segunda pertenece al caso discutido en el apartado III.1b .
Caso con f (t) f0 (t c) . En este apartado analizaremos un caso en el que f (c) = 0, m as espec camente, analizaremos el caso en el que f (t) f0 (t c) para t c con > 0. Adem as supondremos que la funci on (t) de la integral
b
I (x) =
a
f (t) ex(t) dt ,
x ,
satisface la condici on (c) = 0, (c) < 0 para a < c < b. Procederemos como en casos anteriores y aproximamos I (x) por I (x, ) donde
c+
I (x, ) =
c
f0 (t c) ex[(c)+ 2
(c) (tc)2 ]
dt,
es decir, tomamos el t ermino dominante de f (t) en t = c y hasta el primer t ermino correctivo de (t) en t = c. Haciendo , obtenemos I (x) f0 ex(c) Ahora hacemos el cambio habitual: 1 2 s2 = x (c) (t c)2 t c = 2 x (c)
1/2
(t c) e 2 x
(c) (tc)2
dt.
s,
7.9 Desarrollo asint otico de integrales generalizadas de Laplace y obtenemos que, para x , I (x) f0 e f0 e Ahora hay dos posibilidades:
x(c) x(c)
437
2 x (c)
+1 2
/2
s e

s2
2 x (c)
1/2
ds (7.58)
2 x (c)
s es ds.
Si es impar la integral se anula y habr a que incorporar el siguiente t ermino del desarrollo asint otico de f (t). Si es par, se tiene que

s es ds = 2 =
0
s es ds
+1 2
eu du .
= En este caso I (x) f0 2 x (c)
+3 2
+1 2
+3 2
ex(c) ,
x .
(7.59)
La condici on > 0 se puede relajar a > 1. Sin embargo, 1 no es aceptable pues, en este caso, la integral I (x) no existe.
7.9.3. M aximo no jo
En el apartado anterior vimos el caso en el que f (c) va a cero como una potencia de (t c) cuando t c: f (t) f0 (t c) . Ahora estudiaremos un caso en el que f (t) va a cero cuando t c m as r apidamente que cualquier potencia de (t c):
b
I (x) =
a
e ta ex (ta) dt,
1
x .
En este ejemplo c = a. N otese que la funci on f (t) = e ta va a cero mucho m as r apido que (t a) para todo > 0 cuando t a. Esto signica que no podemos aproximar f (t) por el t ermino dominante de su desarrollo asint otico en potencias de (t a). El procedimiento adecuado consiste en no separar exp[1/(t a)] de exp[x (t a)2 ] y hallar la posici on del verdadero m aximo del integrando de I (x). Para ello escribimos I (x) como
b
I (x) =
a
e(x,t) dt,
(7.60)
donde (x, t) =
1 x (t a)2 . ta
438
El m aximo de esta funci on se da en el valor de t que satisface la ecuaci on 1 d (x, t) =0= 2x (t a). dt (t a)2 Despejando t obtenemos que la posici on del m aximo de (x, t) es t = a + (2x)1/3 . (7.61)
N otese que, a diferencia de los casos estudiados hasta ahora, la posici on del m aximo depende del valor de x. En estos casos se dice que el m aximo es movible o no jo. Para aplicar el m etodo de Laplace lo primero que haremos es transformar, mediante un cambio de variable, este problema en uno con m aximo jo, es decir, en una integral del tipo de (7.60) pero en la que el m aximo del exponente no dependa de x. Para ello hacemos el cambio t a = x1/3 s de modo que, por la ecuaci on (7.61), vemos que el m aximo de (x, t(s)) = (x, s) = (x1/3 s)1 x (x1/3 s)2 = x1/3 [s1 + s2 ] est a situado en s = 21/3 = c. Llevando a cabo el anunciado cambio de variable se tiene que I (x) = x
1/3 0 (ba) x1/3
(7.62)
e(x,s) ds .
(7.63)
Esta integral ya tiene la forma adecuada para aplicar las t ecnicas que hemos aprendido en la secci on anterior. Vamos a hacerlo, pero ya sin demorarnos en los detalles. Sabemos que12 I (x) I (x, ) = x Desarrollando (x, s) en torno a s = 21/3 , (x, s) = (x, s = 21/3 ) + = x1/3 3 22/3 1 d2 (x, s) 2! ds2
s=21/3 1/3 21/3 + 21/3
e(x,s) ds .
(s 21/3 )2 +
3(s 21/3 )2 +
insertando este resultado en I (x, ), y efectuando la integraci on tras hacer , se tiene que I (x) x1/3

e 2 (2x)
1/3
1/3 3x1/3 (s21/3 )2
ds ds
x1/3 e 2 (2x)
e3x
1/3 (s21/3 )2
para x . Ahora hacemos el cambio de variable u= 3x1/3 (s 21/3 )

de modo que du = 31/2 x1/6 ds y as obtenemos I (x) 31/2 x1/31/6 e 2 (2x) 1 2 3 (2x)1/3 e 2 , 3x 2 = 2 0 e u = .
3 1/3
eu du,
pues
12
u2 e
N otese que estamos en el caso en el que el m aximo c = 21/3 est a el interior del intervalo de integraci on: 1/3 1/3 0<2 < ( b a) x para x .
7.10 Integrales de Fourier
439
7.10. Integrales de Fourier

Una generalizaci on obvia de las integrales de Laplace estudiadas en la secci on anterior se da cuando (t) es compleja. En lo que sigue supondremos, sin perdida de generalidad, que f (t) es real, pues si fuera compleja la descompondr amos como suma de su parte real e imaginaria:
b a
f (t) ex(t) dt =
a
Re[f (t)] ex(t) dt + i

a
Im[f (t)] ex(t) dt
y evaluar amos cada integral por separado. El hecho de que (t) sea compleja da lugar a dicultades nuevas no triviales. En esta secci on empezaremos considerando el caso en el cual (t) es 13 imaginaria pura: (t) = i (t) con (t)real. La integral que estudiaremos,
b
I (x) =
a
f (t) ei x(t) dt,
(7.64)
con f (t), (t), a, b y x reales, se conoce como integral generalizada de Fourier. Por supuesto, cuando (t) = t esta integral se reduce a una simple integral de Fourier.
7.10.1. Integraci on por partes de integrales de Fourier sin puntos estacionarios

Vimos en la secci on 7.6 que en algunos casos es posible estudiar el comportamiento de I (x) para x mediante integraci on por partes pues para usar esta t ecnica no es relevante el hecho de que la funci on (t) sea compleja. Ilustraremos esta armaci on mediante el siguiente ejemplo.
Ejemplo 7.19
Vamos a calcular una aproximaci on asint otica de la integral de Fourier
1
I (x) =
0
eixt dt 1+t
para x . Lo haremos mediante integraci on por partes: du = u = (1 + t)1 v = dv = eixt dt y por tanto I (x) = i 1 eixt x 1+t
1
(1 + t)2 dt , eixt eixt = i . ix x
i x
1 0
1 0
eixt dt (1 + t)2 (7.65)
i eix i i = + 2 x x x
eixt dt. (1 + t)2
La integral remanente es despreciable frente a los t erminos de contorno cuando x ; de hecho, se desvanece como 1/x2 cuando x . Podemos comprobar esta armaci on integrando por partes una vez m as escogiendo u = (1 + t)2 y dv = eixt dt:
13
i x
1 0
1 1 2 eixt dt = 2 eix + 2 2 2 (1 + t) 4x x x
1 0
eixt dt. (1 + t)3
El caso general en el que (t) es compleja se estudia en la secci on 7.11.
440
Pero esta u ltima integral remanente es nita pues aplicando la desigualdad triangular encontramos que
1 0
eixt dt (1 + t)3
1 0
eixt dt = (1 + t)3
1 0
dt 3 = . (1 + t)3 8 ,
Por tanto, para x , I (x) = o, usando otra notaci on, i ix i e + +O 2x x 1 x2
i ix i e + , 2x x Integrando repetidamente por partes se encontrar a que I (x) I (x) eix
x .
(7.66)
i 1 (i)n (n 1)! i 1 (i)n (n 1)! 2 + + + + + + + + 2x 4x (2x)n x x2 xn
. (7.67)
Ejercicio 7.4
Demuestra por inducci on la relaci on (7.67).
En el ejemplo anterior hemos demostrado que las integrales remanentes que se iban obteniendo se desvanec an m as r apidamente que los t erminos de contorno cuando x . Podr amos haber justicado este hecho acudiendo al lema de Riemann-Lebesgue, el cual dice lo siguiente: Lema 7.3 (Lema de Riemann-Lebesgue para integrales de Fourier)
b a
f (t) eixt dt 0
para x
(7.68)
siempre que
b a |f (t)| dt
exista.
Utilizando este lema, el resultado (7.66) se podr a haber deducido inmediatamente de (7.65) sin necesidad de integrar de nuevo por partes la integral remanente de (7.65). En efecto, dado que la integral 1 1 dt (1 + t)2 0 existe (de hecho, su valor es 1/2), el lema de Riemann-Lebesgue nos dice que la integral remanente de (7.65) tiene la propiedad
1 0
eixt dt 0 para x (1 + t)2 i ix i e + +o 2x x 1 x
por lo que (7.65) se puede escribir como I (x) = .
No demostraremos el lema de Riemann-Lebesgue, aunque podemos comprenderlo de un modo intuitivo si nos damos cuenta de que para x el integrando f (t) eixt oscila muy r apidamente por lo que las contribuciones de los diferentes subintervalos de integraci on se cancelan dando lugar a una integral que tiende a cero cuando x . Estas armaciones se corroboran en la gura 7.5 donde se ha representado la parte real del integrando de la integral del ejemplo 7.19 para x = 200. El lema de Riemann-Lebesgue puede extenderse a las integrales generalizadas de Fourier, es decir, cuando (t) = t. En este caso el lema arma:

1
441
0.5
-0.5
-1 0 0.2 0.4 0.6 0.8 1
Figura 7.5: Parte real de la funci on eixt /(1 + t) para x = 200 frente a t en el intervalo 0 t 1. Lema 7.4 (Lema de Riemann-Lebesgue para integrales generalizadas de Fourier)
b a
f (t) eix(t) dt 0
para x
(7.69)
siempre que: 1. |f (t)| sea integrable en el intervalo [a, b], (es decir, si
b a |f (t)| dt
es nita).
2. (t) es una vez continuamente diferenciable en a t b (esto es, la primera derivada es continua en a t b). 3. (t) no es constante en ning un subintervalo de a t b.
Ejemplo 7.20
Este lema implica que
10 0
t3 eix sen
dt 0
para x ,
pues 1. |t3 | es integrable en [0, 10] pues

10 0
|t3 | dt = 104 /4.
2. sen2 t es una vez continuamente diferenciable en 0 t 10 pues su primera derivada 2 sen(t) cos(t) es una funci on continua en 0 t 10. un subintervalo de 0 t 10. 3. sen2 t no es constante en ning Sin embargo, el lema de Riemann-Lebesgue no permite armar nada sobre el valor de x pues en este caso (t) = 2 es constante.
10 3 t 0
ei2x dt para
Visto el exito que hemos obtenido en el ejemplo 7.19 al ser capaces de hallar el desarrollo asint otico de una integral de Fourier para x mediante el m etodo de integraci on por partes,
442
es natural que apliquemos este mismo m etodo a la integral generalizada de Fourier. En este caso identicamos d f (t) f (t) du = dt (t) dt , u = (t) ix (t) ix ( t ) v = e dv = (t) e dt , ix y se tiene I (x) = f (t) ix(t) e ix (t)
t=b t=a
1 ix
d dt
b a
d f (t) eix(t) dt. dt (t)
Si f (t)/ (t) no se anula en x = a y/o en x = b, y [f (t)/ (t)] y (t) satisfacen las condiciones del lema de Riemann-Lebesgue, entonces se verica que I (x) f (t) ix(t) e ix (t)
t=b t=a
para x
(7.70)
pues la integral remanente, por el lema de Riemann-Lebesgue, va a cero m as r apidamente que los t erminos de contorno cuando x . Es evidente que la integraci on por partes tendr a problemas si (t) = 0 para alg un t [a, b]. Los puntos en los que (t) = 0 se llaman puntos estacionarios.14
7.10.2. Integrales de Fourier con puntos estacionarios. M etodo de la fase estacionaria

Cuando hay puntos estacionarios, a un sigue siendo v alido el lema de Riemann-Lebesgue, por lo que I (x) sigue yendo a cero para x , pero ahora lo har a menos r apidamente que 1/x. Esto puede entenderse de un modo cualitativo (por supuesto, es posible demostrarlo de forma rigurosa) mediante el siguiente argumento: dado que f (t) ei(t) oscila menos r apidamente cerca de un punto estacionario que en el resto de puntos, debe haber menor cancelaci on entre los subintervalos de integraci on adyacentes al punto estacionario, por lo que la integral ir a a cero para x de un modo m as lento que en el caso en el que no hab a puntos estacionarios. Estas armaciones pueden corroborarse a la vista de la gura 7.6 donde hemos representado la parte real de la funci on eix(t) /(1 + t) para x = 200 y donde (t) = (t 1/2)2 tiene un punto estacionario en t = 1/2. Es muy instructivo que compares esta gura con la gura 7.5 (n otese que en esta gura (t) = t, por lo que (t) no tiene ning un punto estacionario). Un poco de reexi on deber a convencernos de que la gura 7.6 es representativa del comportamiento t pico de los integrandos de las integrales generalizadas de Fourier en las vecindades de un punto estacionario cuando x . Se ha armado hace un momento que las integrales de Fourier con un punto estacionario van cero para x m as lentamente que las integrales de Fourier sin punto estacionarios que, recu erdese, iban a cero como 1/x. Podemos ser m as precisos: vamos a demostrar dentro de un momento mediante el m etodo de la fase estacionaria que el t ermino dominante de las integrales generalizadas de Fourier en las que existe un punto estacionario t = c con las propiedades (c) = (c) = = (n1) (c) = 0 y f (c) = 0, viene dado por I (x) El valor de A lo daremos m as adelante.
14
A x1/n
para x .
Este nombre est a bien elegido, verdad?

1
443
0.5
-0.5
-1 0 0.2 0.4
2
0.6
0.8
Figura 7.6: La parte real de la funci on eix(t1/2) /(1 + t) para x = 200 frente t para 0 t 1. Comp arese con la gura 7.5. El m etodo de la fase estacionaria es un m etodo similar al de Laplace en lo que se reere a que explota el hecho de que el t ermino dominante de I (x) procede de un peque no intervalo de ancho que rodea al punto estacionario. La verdad de esta u ltima armaci on debe resultarnos evidente a la vista de la gura 7.6. Dado que cualquier integral generalizada de Fourier con puntos estacionarios puede escribirse como suma de integrales en las cuales (t) se anule en uno de los extremos de integraci on15 podemos estudiar el m etodo de fase estacionaria s olo para integrales en las que el punto estacionario est e en uno de sus extremos, digamos, por concretar, en su extremo inferior: (a) = 0, y (t) = 0 para a < t b .
7.10.3. M etodo de la fase estacionaria. Caso simple.

Queremos obtener el t ermino asint otico dominante de la integral
b
I () =
a
f (t) ei(t) dt
(7.71)
cuando , (a) = 0, (a) = 0 y f (a) = nito. N otese que hemos llamado al par ametro que hasta ahora denot abamos por x. Usaremos esta nueva notaci on porque en adelante nos encontraremos con integrales en el plano complejo en las que x denotar a (como es t pico) la parte real de los n umeros complejos. Empezamos descomponiendo I () as
a+
I () =
a
f (t) ei(t) dt + A , 0<
b a+
f (t) ei(t) dt 1.
= I (, ) +
15
Esto se consigue sin m as que situar el origen o nal de los intervalos de integraci on justo sobre los puntos estacionarios.
444
La segunda integral va a cero como 1/ porque no hay punto estacionario de (t) en el intervalo [a + , b]. Dado que 0 < 1 podemos usar la aproximaci on f (t) (t) f (a) , 1 (a) + (a) (t a)2 , 2 para hallar el t ermino dominante de I (, ):
a+
I (, ) =
a
f (t) ei(t) dt
a+ a
f (a) ei(t)
ei 2
(a) (ta)2
dt.
A n de evaluar el t ermino dominante de I (, ) podemos hacer pues el t ermino espurio f (a) ei(t)
1 que a nadimos de este modo va a cero como 1/ dado que la funci on 2 (a) (t a)2 que aparece en el exponente no tiene ning un punto estacionario en el intervalo [, ]. Como esperamos16 que I () decaiga a cero para mucho lentamente que 1/, podemos despreocuparnos de estos t erminos que decaen tan r apidamente y escribir
ei 2
(a) (ta)2
dt,
I () f (a) ei(t)
a
ei 2
(a) (ta)2
dt +
B ,
sin preocuparnos por el valor de B . Denotaremos a la integral que aparece en la expresi on anterior como J (), es decir,
J () =
a
ei 2
(a) z 2
dt,
(7.72)
donde z = t a. Evaluaremos la integral J () mediante el teorema de Cauchy-Goursat. Recu erdese que este teorema nos dice que si la derivada de F (z ) (siendo z un n umero complejo) existe dentro y sobre el contorno cerrado simple C (es decir, si F (z ) es anal tica dentro y sobre el contorno) entonces, F (z ) dz = 0.
C
En lo que sigue, al integrando de (7.72) lo denotaremos por F (z ). N otese que F (z ) = ei 2

1
(a) z 2
es una funci on anal tica para todo z . La idea clave para evaluar J () mediante el teorema de Cauchy-Goursat consiste en escoger C de modo tal que la integral de Fourier J () se transforme en una integral generalizada de Laplace cuyo comportamiento asint otico puede hallarse mediante las t ecnicas expuestas en la secci on 7.9 anterior. Este contorno17 C se muestra en la gura 7.7. Sobre este contorno se cumple que F (z ) dz =
C C1
F (z ) dz +
C2
F (z ) dz +
C3
F (z ) dz = 0,
(7.73)
y la elecci on de C asegura que, en cada caso (a) o (b), se tiene que C2 F (z ) dz = 0 para R y que C3 F (z ) dz toma la forma de una integral de Laplace. Ve amoslo para cada caso.
16 Por supuesto, esto habr a de conrmarse en el futuro. Los impacientes pueden ver el resultado nal y la conrmaci on de estas suposiciones en la ecuaci on (7.79). 17 La demostraci on que se har a en las p aginas siguientes para llegar a la f ormula (7.78) debe aclarar el porqu e este contorno es justamente el adecuado.
445
y
y
C3
C2
4
x R
4
R x
C2
C1
(a)
(b)
Figura 7.7: Contorno C para (a) (a) > 0 (b) (a) < 0. Caso (a): (a) > 0 1. Sobre C2 se tiene que z = x + i y = R cos + i R sen = R ei y por lo tanto tenemos que z 2 = R2 ei2 = R2 cos 2 + i R2 sen 2 , dz = i R ei d ,
/4
F (z ) dz =
C2 0
ei 2
(a) (R2 cos 2+i R2 sen 2)
i R ei d .
Por la desigualdad triangular, F (z ) dz

C2 C2 /4
|F (z )| dz e 2
1 1
R
0
(a) R2 sen 2
d
/4
R
0
e 2
(a) R2 sen 2
d + R
e 2
(a) R2 sen 2
donde 0 <
1. Analicemos por separado estas dos integrales:
Como (a) > 0 y sen 2 > 0, se tiene que el integrando de

/4
e 2
(a) R2 sen 2
es exponencialmente peque no para R , por lo que

/4
R En la expresi on
e 2
(a) R2 sen 2
d 0
para R .
R
0
e 2
(a) R2 sen 2
446 aproximamos sen 2 R

0
Desarrollo asint otico de integrales 2 para obtener

(a) R2 sen 2
e 2
R
0
(a) R2
2
1 e (a)R R (a) En denitiva, encontramos que F (z ) dz 0

C2
0 para R .
para
R .
(7.74)
2. Sobre C3 se tiene que z = r ei/4 Por tanto,

0
z 2 = r2 ei/2 = i r2 , dz = ei/4 dr .
F (z ) dz =
C3
ei 2
(a) ir2 i/4
dr dr
(7.75) (7.76)
= ei/4
0
e 2
(a) r2
que es una integral de Laplace generalizada que, como veremos m as abajo, puede integrase f acilmente de forma exacta. 3. Sobre C1 se tiene que
F (z ) dz =
C1 0
e 2
(a) x2
dx J ().
(7.77)
Insertando los resultados de (7.74), (7.77) y (7.76) en (7.73), encontramos que J () = ei/4
0
e 2
(a) r2
dr.
N otese que, de forma efectiva, el problema de calcular un desarrollo asint otico de una integral de Fourier lo hemos transformado en el problema m as simple (o al menos, en el que tenemos m as experiencia) de calcular el desarrollo asint otico de una integral de Laplace. Esta u ltima tarea es especialmente simple en este caso pues la integral anterior se puede calcular de forma exacta. 1/2 Para ello hacemos el cambio = 1 r para obtener 2 (a) J () = e /2. I () f (a) 2 (a) ei(a)+i/4 , . (7.79)
i/4
1
1 2
e (a)
0
d =
i/4 e 2 (a)
(7.78)
pues 0 e d = En denitiva,
7.10 Integrales de Fourier Caso (b): (a) < 0
447
Procediendo de modo an alogo a como se ha hecho en el caso (a), pero usando el contorno de integraci on que se muestra en la gura 7.7(b), se demuestra igualmente que f (a) I ( ) ei(a)i/4 , . (7.80) 2 (a)
7.10.4. Metodo de la fase estacionaria. Caso m as general

Queremos evaluar la misma integral que vimos en la ecuaci on (7.71)
b
I () =
a
f (t) ei(t) dt,
pero ahora para el caso en el que (a) = (a) = = (n1) (a) = 0, (n) (a) = 0 y f (a) = nito = 0. La discusi on y procedimiento en este caso es, salvo por ciertas modicaciones menores, igual al de la secci on 7.10.3 anterior. Procedemos como en el caso anterior descomponiendo la integral
b
I () = I (, ) +
a+
f (t) ei(t) dt,
Dado que (t) no tiene punto estacionario en [a + , b], se verica que la segunda integral va como18 A/ para . Centr emosnos pues en la integral
a+
I (, ) =
a a+ a
f (t) ei(t) dt f (a) ei[(a)+ n!

1 (n) (a) (ta)n
] dt
Al hacer introducimos s olo errores de orden 1/ por lo que, para , I () f (a) ei(a)
a
ei ei
(n) (a) (ta)n 1 n!
dt + B
f (a) ei(a)
a
(n) (a) z n 1 n!
dz +
B J () + donde J () =
a
ei
(n) (a) z n 1 n!
dz.
Ahora evaluamos J () mediante el teorema de Cauchy-Goursat: F (z ) dz = 0

C
con
F (z ) = ei
(n) (a) z n 1 n!
escogiendo como contorno C el que se muestra en la gura 7.8. Es f acil demostrar aqu tambi en,
Lo que valga la constante A no es importante, pues veremos que el t ermino A/ ser a despreciable frente a los procedentes de I () para .
18
448
y
y
C3
C2
n
x R
n
R x
C2
C1
(a)
(b)
Figura 7.8: Contorno C para (a) (n) (a) > 0, (b) (n) (a) < 0. procediendo como en el apartado 7.10.3 anterior, que C2 F (z ) dz 0 para 0. Por supuesto, aqu tambi en C1 F (z ) dz = J (). En denitiva, tenemos que F (z ) dz =
C C1
F (z ) dz +
C2
F (z ) dz +
C3
F (z ) dz = 0 ,
es decir, J ( ) + 0 +
C3
F (z ) dz = 0 .
Tenemos por tanto que J ( ) =

C3
F (z ) dz =
C3
e n!
(n) (a)z n
dz.
Vamos a discutir cada caso ( (n) (a) > 0 y (n) (a) < 0) por separado. Caso (a): (n) (a) > 0
i Sobre el contorno C3 que se muestra en la gura 7.8(a) se tiene que z = r exp 2 n , y por tanto n = ir sobre C3 . Esto signica que J () se transforma en una integral real, en una integral de Laplace:
zn
J () =
0
ei n!
(n) (a) ir n
ei 2n dr dr .
=e Haciendo el cambio de variable s = J () = ei 2n =
i2 n
e n!
(n) (a) r n
0 (n) (a) rn , n!
obtenemos,
1/n 0
1 (n) (a) n n! n!
1/n
s n 1 es ds
(n) (a)
1/n
(1/n) i/2n e . n
En denitiva, dado que 1/1/n domina sobre 1/ para , encontramos que I () n! (n) (a)
(1/n) (n) f (a) ei (a)+i 2n , n
(7.81)
7.10 Integrales de Fourier Caso (b): (n) (a) < 0
449
Procediendo como en el caso (a), pero usando ahora el contorno C3 de la gura 7.8(b), se encuentra sin mayor dicultad que I () n! (n) (a)
1/n
(1/n) (n) f (a) ei (a)i 2n , n
(7.82)
7.10.5. M etodo de la fase estacionaria cuando f (t) f0 (t a) en el punto estacionario a

Queremos conocer en esta secci on el desarrollo asint otico de la integral
b
I () =
a
f (t) ei(t) dt.
cuando el punto estacionario de (t) est a en t = a y cuando sucede que la funci on f (t) no toma un valor nito distinto de cero en t = a (tal como hab a sucedido hasta ahora) sino que se comporta como f (t) f0 (t a) en las vecindades del punto estacionario. Vamos a suponer adem as que (t) = (a) + 1 (n) (a) (t a)n + n! (7.84) (7.83)
es decir que (a) = (a) = = (n1) (a) = 0 y (n) (a) = 0. Procedemos como en las secciones anteriores y, para aproximamos I () as :
a+
I () I (, ) =
a
f (t) eix(t) dt .
Insertando en esta integral las expresiones de (t) y f (t) de las ecuaciones (7.83) y (7.84) encontramos que
a+
I (, )
a
f0 (t a) ei[(a)+ n!
1
(n) (a) (ta)n
] dt.
Haciendo obtenemos que I () f0 ei(a) f0 ei(a)

a
(t a) ei n! z ei n!
1
(n) (a) (ta)n
dt
(n) (a) z n
dz
f0 ei(a) J (). Para evaluar J () procederemos como en los apartados anteriores: usamos el teorema de Cauchy-Goursat para transformar J () en una integral de Laplace, elegimos contorno C como en el apartado 7.10.4 anterior [v ease la gura 7.8(a)] y distinguimos dos casos seg un (n) (a) sea mayor o menor que cero.
450 Caso (a): (n) (a) > 0
De igual modo que en la secci on 7.10.4 anterior, es posible demostrar que para R , por lo que F (z ) dz = J () =
C1 C3
C2
F (z ) dz 0
F (z ) dz.
Pero sobre el contorno C3 de la gura 7.8(a) se tiene que z = r exp i 2 n , por lo que la tarea de evaluar la integral compleja anterior se convierte en la tarea de evaluar una integral real:
0
J () =
r ei 2n
ei n!
(n) (a) ir n
ei 2n dr dr .
= ei (+1) 2n
0
r e n!
(n) (a) r n
Hacemos el cambio de variable s = J () = e = En denitiva, I () Caso (b): (n) (a) < 0 n! (n) (a)
i (+1)
(n) (a) rn , n!
2n
con lo que obtenemos,

+1 n
1 n
n! (n) (a)
+1 n
s1+
+1 n
es ds
n! (n) (a)
+1 n
ei (+1) 2n .
+1 n
+1 n
f0 ei(a)+i(+1) 2n ,
(7.85)
De forma an aloga al caso (a), pero ahora usando el contorno C3 de la gura 7.8(b), es f acil demostrar que I ( ) n! (n) (a)
+1 n
+1 n
f0 ei(a)i(+1) 2n ,
(7.86)
7.11. M etodo de la m axima pendiente

El m etodo de la m axima pendiente es una t ecnica muy relacionada con el m etodo de Laplace (y de la fase estacionaria) que sirve para hallar el comportamiento asint otico de integrales de la forma I () = f (z ) eh(z ) dz = f (z ) e(z ) ei(z ) dz (7.87)
C C
para , donde C es un contorno de integraci on en el plano complejo, f (z ) y h(z ) = (z ) + i (z ) son funciones anal ticas de z , y (z ) y (z ) son funciones reales. A diferencia de las integrales del m etodo de fase estacionaria, en el que el argumento del exponente era un n umero imaginario puro, o del m etodo de Laplace, en el que el argumento era un n umero real, ahora el argumento de la integral (7.87) tiene parte real y parte imaginaria.
7.11 M etodo de la m axima pendiente
451
C'
Figura 7.9: La integral C F (z )dz y C F (z )dz son iguales si F (z ) es anal tica en los contornos C y C , y en la regi on comprendida entre estos contornos (regi on rayada). El contorno C [C ] es la l nea gruesa superior [inferior] que va desde el punto A hasta el punto B . La clave del m etodo de m axima pendiente consiste en usar el hecho de que el integrando de (7.87) es anal tico para deformar el contorno C y transformarlo en un nuevo contorno de integraci on C sobre el que la integraci on sea m as f acil de llevar a cabo (v ease la gura 7.9). En particular, el nuevo contorno C que se escoge en el m etodo de la m axima pendiente es aquel sobre el que la fase de h(z ), es decir, la parte imaginaria de h(z ), es contante: (x) = const. De este modo la integral (7.87) se reduce a I () = ei(z )
C
f (z ) e(z ) dz
(7.88)
y la nueva integral I () =
C
f (z ) e(z ) dz
(7.89)
puede evaluarse mediante el m etodo de Laplace dado que (z ) es real. Por supuesto, podr a haberse escogido como nuevo contorno C a aquel en el que la parte real de h(z ) es constante: (z ) = const. En este caso la la integral (7.87) se reduce a I () = e(z )
C
f (z ) ei(z ) dz
(7.90)
y la nueva integral I () =
C
f (z ) ei(z ) dz
(7.91)
podr a evaluarse mediante el m etodo de la fase estacionaria dado que (z ) es real. No obstante, suele usarse el contorno C porque el m etodo de Laplace es habitualmente preferible al de la fase estacionaria dado que su comportamiento asint otico completo se deduce del comportamiento del integrando en la vecindad del punto de C en el que (z ) es m aximo. Por el contrario, el comportamiento asint otico completo de una integral de Fourier depende del comportamiento de (z ) sobre todo el integrando C . En denitiva, el m etodo que vamos a estudiar en esta secci on consiste esencialmente en transformar la integral compleja (7.87) en una integral de Laplace. Veremos m as adelante por qu e a este m etodo se le conoce como m etodo de la m axima pendiente. Empezaremos estudiando este m etodo mediante varios ejemplos.
452
Ejemplo 7.21
Queremos hallar el comportamiento asint otico de la integral I () =
C
ln z eiz dz
(7.92)
cuando siendo C el segmento que va de 0 a 1 sobre la recta real. Es decir, queremos evaluar la integral
1
I () =
0
ln z eiz dz
(7.93)
cuando . Vamos a hacerlo mediante el m etodo que hemos apuntando m as arriba (m etodo de la m axima pendiente): deformamos C en un nuevo contorno C sobre el que la fase (z ) es constante de modo que la integral toma la forma de una integral de Laplace. Cu al es este contorno? Comparando la integral de (7.92) con la expresi on general (7.87) vemos que h(z ) = iz = ix y , de modo que (z ) (x + iy ) (x, y ) = y = Im z y (z ) (x + iy ) (x, y ) = x = Re z. Por tanto, l neas con x constante, es decir, las l neas paralelas al eje y , son l neas de fase (x, y ) constante. Es sobre estas l neas sobre las que hemos de deformar el contorno C . En la gura 7.10(b) se ha dibujado el nuevo contorno de integraci on C = C 1 + C 2 + C 3. La integral (7.92) es por tanto: I () =
C
ln z eiz dz ln z eiz dz +
C1 C2
(7.94) ln z eiz dz +
C3
ln z eiz dz.
(7.95)
El contorno C 1 viene dado por la ecuaci on x = 0 o, en forma param etrica, z = is donde el par ametro s es un n umero real que va de 0 hasta S :19 C1 : z = is, 0 s S, s.
El contorno C 3 esta denido por la ecuaci on x = 1, o en forma param etrica, z = 1 + is donde el par ametro s es un n umero real que va desde S hasta 0: C3 : z = 1 + is, S s 0, s.
Los contornos C 1 y C 3 son contornos sobre los que la fase de h(z ) = iz es constante y, como veremos en breve, la integrales I1 e I3 sobre estos contornos adoptan la forma de integrales de Laplace. Sin embargo, es evidente que la fase de h(z ), (z ) = x, sobre C 2 no es constante por lo que la integral sobre C 2 no ser a de Laplace. No obstante, esto no es preocupante porque, como es f acil ver, esta integral tiende a cero de forma exponencial cuando S : I2 =
iS
ln z eiz dz
C2 1+iS
ln(x + iS ) ei(x+iS ) dx
1+iS iS
= eS
ln(x + iS ) eix dx
y por tanto I2 0 de forma exponencial para S . Debe notarse que no hay modo de ir de 0 a 1 a trav es de un contorno siempre de fase constante porque la fase (z ) en z = 0 es distinta de la fase en
Con el s mbolo s queremos indicar que s es un n umero que crece. Obviamente, s signica que s es un n umero decreciente.
19
453
y 4 iS 3
2 1 0 -1 -2 0 0.25 0.5 x -1 0.75 1 -2
C2
1 iS
C1
2 1 0 y
C3
0.2 0.4 0.6 0.8 1

(a) (b)
Figura 7.10: (a) La funci on (z ) = (x, y ) = Re [h(z )] = y con h(z ) = iz . (b) Contorno de integraci on C = C 1 + C 2 + C 3 (l neas continuas gruesas). Tambi en se han representado las isol neas de (z ) (l neas quebradas ) y las isol neas de la fase (z ) (l neas continuas delgadas).
z = 1: (0) = 0 = 1 = (1). Esta dicultad la hemos solventado de un modo sencillo: hemos escogido el contorno sobre el que la integral no es de Laplace (sobre el que la fase no es constante) de modo tal que el valor de la integral sobre este contorno sea f acil de calcular, en particular, hemos escogido el contorno para que la integral sea nula. La integral I1 puede evaluarse de forma exacta. Ve amoslo: I1
C1 S
ln z eiz dz ln(is) ei(is) d(is) ln(is) es ds.
=
0
=i
0
Como anunciamos antes, esta integral es ya una integral de Laplace. Si hacemos S y tenemos en cuenta que ln(is) = ln ei/2 s = i/2 + ln s se tiene que I1 = 2
0
es ds + i
0
ln s es ds.
Haciendo el cambio = s encontramos I1 =

i + ln e d ln 2 0 i = ( + ln ) 2 0 0
e d
donde hemos usado la relaci on
e ln d =
siendo = 0 5772156649 . . . la constante de Euler.
454
Nos resta calcular la integral I3 : I3
C3 0
ln z eiz dz ln(1 + is) ei(1+is) d(1 + is)

0
= i ei
ln(1 + is) es ds
donde hemos hecho directamente S en los l mites de integraci on. Esta u ltima integral es evidente mente una integral de Laplace. Teniendo en cuenta que ln(1 + is) = n=0 (is)n /n, y aplicando el lema de Watson, se obtiene I3 i ei i ei El resultado nal es por tanto I () = I1 + I2 + I3 i ln i + /2 (i)n (n 1)! + i ei , n+1 n=0
(i)n n n=0
n
sn es ds para .
(i) (n 1)! n+1 n=0
Ahora podemos entender por qu e el procedimiento que acabamos de usar es conocido como m etodo de la m axima pendiente. La raz on es simple: resulta que las l neas sobre las cuales la fase de h(z ) es constante, (z ) = const, se nalan justamente la direcciones a lo largo de las cuales la funci on eh(z ) = e(z ) o, equivalentemente, (z ), cambia m as r apidamente. Entendiendo (z ) como la altura de una supercie (x, y ), las l neas a lo largo de las cuales (x, y ) cambia m as r apidamente marcan, en cada punto por los que pasan, las direcciones en las que la pendiente de (x, y ) es m axima. Veamos que, efectivamente, los contornos de fase (z ) constante son los contornos de m axima pendiente de (z ). Como h(z ) es anal tica (al menos en la regi on de integraci on), se han de satisfacer las ecuaciones de Cauchy-Riemann = , x y = . x y
(7.96)
Multiplicando los t erminos de la izquierda y de la derecha entre s encontramos la relaci on + = 0. x x y y Teniendo en cuenta que = la ecuaci on (7.97) equivale a = 0. , x y y = , x y , (7.97)
455
Esta ecuaci on nos dice que en todo punto (x, y ) el gradiente de es perpendicular al de . Como la derivada de en una direcci on cualquiera n viene dada por d dz = n,
n
vemos que la derivada de en la direcci on del gradiente de , n = /||, es nula: d dz =
||
= 0.
Esto signica que (z ) es constante sobre las l neas que son paralelas al gradiente de (z ), es decir que, tal como quer amos demostrar, las l neas con fase (z ) constante son l neas de m axima pendiente de (z ). Esto ya lo hab amos visto en el ejemplo 7.21 anterior: como se aprecia en la gura 7.10(a), las l neas de m axima pendiente de (z ) corren paralelas al eje y , es decir, la ecuaci on de estas l neas es x = const, que es justamente la ecuaci on de las l neas con fase (z ) = x constante. Intercambiando el papel de y en los razonamientos anteriores, se encontrar a que (z ) es constante sobre las l neas paralelas al gradiente de (z ). Como = 0, concluimos que las l neas de valor constante (isol neas) de (z ) y (z ) son normales entre s . Esto se puede apreciar en las guras 7.10, 7.11, 7.13, 7.14 y 7.15, donde se ve que las l neas continuas [isol neas de (z )] y discontinuas [isol neas de (z )] se cortan siempre en angulo recto.
Ejemplo 7.22
Queremos hallar el desarrollo asint otico para x de I ( ) =
C
eiz dz =
0
eiz dz .
(7.98)
C es el segmento de la recta real que va de 0 a 1. Aqu h(z ) = iz 2 = i(x + iy )2 = 2xy + i(x2 y 2 ) de modo que (z ) = 2xy (z ) = x2 y 2 . La funci on (z ) se ha representado en la gura 7.11(a). En la gura 7.11(b) se han trazado l neas de fase (z ) constante (l neas continuas) y l neas con valor (z ) constante (l neas quebradas). Vamos a proceder como en el ejemplo anterior y buscamos un nuevo contorno C que surja de la deformaci on de C y que recorra l neas de fase constante. En la gura 7.11(b) se ha representado con l neas continuas m as gruesas este contorno: C = C 1 + C 2 + C 3 de modo que20 I () =
C
eiz dz eiz dz +
C1 C2
2
(7.99) eiz dz +
C3
2
eiz dz.
(7.100)
Vamos a justicar a continuaci on que este contorno permite transformar la tarea de calcular la integral (7.98) en la tarea de evaluar un par de integrales de Laplace.
C 2 no es realmente un contorno de fase constante, pero esto no tiene importancia porque como veremos m as adelante su contribuci on a la integral es nula.
20
456
y 3 2.5 2
0 -10 -20 0 1 x 2 3 -1 0 1 4 3 2 y
C2
1.5 1 0.5 0.5 1
C1 C3
1.5
2.5
(a)
(b)
Figura 7.11: (a) La funci on (z ) = (x, y ) = Re [h(z )] = 2xy con h(z ) = iz 2 . (b) Isol neas de (z ) (l neas quebradas ) y de la fase (z ) (l neas continuas delgadas). El contorno de integraci on C = C 1 + C 2 + C 3 se representa mediante l neas continuas gruesas.
La l nea (o l neas) de fase (z ) = x2 y 2 que pasa por (x, y ) = (0, 0) es aquella en la que la fase es nula (z = 0) = 0. La ecuaci on de esta l nea es por tanto (x, y = x). La l nea (x, y = x) o, en forma param etrica, z = (1 i)s siendo s el par ametro real, es una l nea sobre la cual (z ) crece cuando nos alejamos del punto inicial (x, y ) = (0, 0) dado que (z = (1 i)s) = 2s2 por lo que (z ) crece para s crecientes, es decir, a medida que nos alejamos del punto inicial. Esto signica que deformar el contorno C para llevarlo (en parte) sobre este contorno z = (1 i)s no es conveniente pues la integral correspondiente no ser a una integral de Laplace puesto que en las integrales de Laplace 0 exp( )f ( )d el n ucleo exp( ) es decreciente. En cambio, sobre la l nea (x, y = x), o en forma param etrica, sobre la l nea z = (1 + i)s, la fase (z ) disminuye para s crecientes. En denitiva, este contorno, que llamamos C 1 viene dado por la ecuaci on C 1 : z = (1 + i)s, 0 s S, s . Sobre este contorno C 1 s podremos usar el m etodo de Laplace. M as a un, sobre este contorno es posible integrar I1
C1
eiz dz
de forma exacta. Ve amoslo: I1 pero 1 + i = en

0
ei(1+i)
2 2
(1 + i) ds ,
2 ei/4 , de modo que (1 + i)2 = 2 ei/2 = 2i, y por tanto la integral anterior se transforma I1 = 2 ei/4
0 S
e2s ds.
z 2 e 0
Mediante el cambio z 2 = 2s2 , haciendo S , y teniendo en cuenta que nalmente que I1 = 1 2 i/4 e .
dz =
/2, se deduce
457
Calculemos ahora la integral I3 . El contorno C 3 es la l nea de fase constante que pasa por z = 1. Las l neas de fase constante (z ) = const son aquellas que verican la relaci on (z ) = x2 y 2 = const. La fase de la l nea que pasa por z = 1 es (z = 1) = 1, por lo que la ecuaci on del contorno C 3 es (x, x2 1) o, en forma param etrica, C 3 : z = s + i s2 1 siendo el par ametro s un n umero real que va de s = S hasta s = 1. Por tanto I3 =
C3 1
eiz dz eiz
2
=
S
(s)
dz ds. ds
Pero iz 2 = i 2s s2 1, lo que sugiere hacer el cambio u = 2s s2 1, de modo que z = 1 + iu, para que la integral tome la forma de integral de Laplace sobre la variable u:
0
I3 =
S
e(iu)
S 0
dz du du eu . 1 + iu
i ei 2
Haciendo S , la integral de Laplace resultante I3 = i ei 2

0
eu 1 + iu
(7.101)
puede evaluarse f acilmente mediante el lema de Watson. Para ello desarrollamos 1/ 1 + iu en serie de Taylor (f ormula del binomio generalizado, v ease la f ormula (2.168) en la p agina 124), 1 (n + 1/2)(1/2) = (iu)n , n! 1 + iu n=0
la introducimos en la integral (7.101) e integramos t ermino a t ermino: i ei I3 2 La integral I2 =

C2
(i)n
n=0
(n + 1/2) , (1/2)n+1
x .
(7.102)
eiz dz
no es una integral de Laplace porque C 2 no es un contorno de fase constante.21 No obstante, esta integral es f acil de evaluar pues C 2 es un contorno vertical (paralelo al eje y ) que va del punto (S, S ) hasta el punto (S, S 2 1) y, por tanto, la longitud del camino de integraci on va cero cuando S . Como el integrando es una funci on acotada, concluimos que I2 0 si S . Sumando los resultados anteriores para I1 , I2 e I3 encontramos nalmente que I () = 1 2 i/4 i ei e 2
(i)n
n=0
(n + 1/2) , (1/2)n+1
Por u ltimo es importante recordar que en el c alculo de las integrales de Laplace s olo es relevante el comportamiento de la integral (o el integrando) en las vecindades del punto en el que la funci on (z ) es m axima. Por ejemplo, para calcular I3 hemos trabajado anteriormente con todo el contorno C 3 cuando sabemos que s olo es relevante conocer este contorno en las vecindades de z = 1. Sea C 3 el contorno de
C 2 va desde C 1, en donde la fase es nula, (z ) = 0, hasta C 3, en donde (z ) = 1. En la gura 7.11 se ve que C 2 no corre a lo largo de una l nea continua delgada y que no es ortogonal a las l neas de (z ) constante (l neas quebradas).
21
458
fase constante situado en las vecindades de z = 1 y que pasa por z = 1, es decir, C 3 es simplemente una porci on (muy peque na) de C 3 que incluye al extremo z = 1 del contorno. Entonces I3 eiz dz,
C 3
2
La funci on h(z ) en las vecindades de un punto z0 podemos estimarla mediante los dos primeros t erminos 2 del desarrollo de Taylor: h(z ) = h(z ) + O(z z0 ) con h(z ) = h(z0 ) + df dz (z z0 ).
z0
Las curvas de fase constante en la vecindad de z0 son aquellas en las que la parte imaginaria de h(z ) es constante, es decir, aquellas curvas para las que (z ) = const siendo (z ) = Im h(z ). En el presente ejemplo h(z ) = iz 2 y z0 = 1 de modo que h(z ) = i + 2i(z 1) = 2y + i(2x 1) y (z ) = 2x 1. Por consiguiente, en las vecindades de z = z0 = 1, los caminos de fase constante son aquellos en los que x es constante. Por supuesto, el contorno de fase constante que pasa por z = (x, y ) = (1, 0) es aquel para el que la fase es igual a (1) = 1. En resumen, el contorno de fase constante C 3 situado en las vecindades de z = 1 y que pasa por z = 1 viene dado por la ecuaci on param etrica z = 1 + is donde el par ametro s es un n umero real peque no 0 < s 1 decreciente: C 3 : Por tanto, para y peque no, I3 eiz dz
C 3 0
2
z = 1 + is,
0<s
1,
s.
ei(1+is) d(1 + is) e2s eis ds.

0
2
i ei
Esta u ltima integral de Laplace puede calcularse mediante el lema de Watson teniendo en cuenta que exp is2 = n=0 (is2 )n /n!:
I3 i ei ie 2
n=0 i
(i)n n! (i)n
e2s s2n ds .
n=0
(2n)! , 22n n! n+1
Este resultado est a de acuerdo con el de la ecuaci on (7.102) puesto que (2n)!/(22n n!) = (n +1/2)/(1/2). Este procedimiento es claramente ventajoso cuando el c alculo de todo el contorno de fase constante resulta complicado. Podemos simplicar a un m as el c alculo si s olo nos interesa hallar el t ermino principal del desarrollo

asint otico. En este caso, basta aproximar h(z ) por h(z ) para obtener I3
C 3 0
459
eh(z) dz
C 3
eh(z) dz eh(z=1+is) d(1 + is)

0
i ei i ei , 2
e2s ds
que coincide con el t ermino dominante de (7.102).
7.11.1. Puntos de silla

Hasta ahora, las integrales de Laplace que hemos encontrado al deformar el contorno de integraci on C eran del tipo en las que el m aximo del exponente (z ) estaba situado en los extremos de integraci on. Podr a pensarse que este m aximo tambi en podr a estar situado en el interior del intervalo de integraci on, es decir, que podr amos encontrarnos que (x, y ) alcanza un m aximo en un punto z0 = (x0 , y0 ) situado en el interior (no en los extremos) de un contorno de fase constante, (z ) = const. Si esto sucediera, en este m aximo la derivada de en la direcci on paralela a este contorno se anular a. Pero esta derivada es justamente el gradiente de porque, como demostramos anteriormente, el contorno de fase constante es un contorno de m axima pendiente de , es decir, un contorno que, en cada punto, corre paralelo al gradiente . En denitiva , = (0, 0). (7.103) (z0 ) = x y z0 Desde un punto de vista geom etrico, esto signica que la supercie (x, y ) es plana en el punto z0 . Sin embargo, debe notarse que (z ) nunca puede tener un aut entico m aximo (excepto en una singularidad). Esto puede verse a partir de la ecuaci on 2 2 + 2 =0 x2 y (7.104)
la cual se deduce f acilmente a partir de las ecuaciones de Cauchy-Riemann (7.96) derivando la primera ecuaci on respecto a x, la segunda respecto y y despejando el t ermino cruzado 2 /xy . Ahora podemos entender que no es posible que tenga un aut entico m aximo en z0 porque si, por ejemplo, ocurre que 2 /x2 |z0 < 0 entonces, por (7.104), necesariamente debe ocurrir que 2 /y 2 |z0 > 0. Estos puntos z0 son llamados punto de silla porque la supercie (x, y ) toma el aspecto de una silla de montar (o la forma de un paso de monta na) en sus vecindades (v ease la gura 7.12). Por las ecuaciones de Cauchy-Riemann (7.96), la ecuaci on (7.103) implica (z0 ) = Adem as, h (z ) = , x y = (0, 0).
z0
(7.105)
dh = +i = i dz x x y y
460
B
-2 10 5 0 -5 -10 -2
0 x
A
2
Figura 7.12: Ejemplo de funci on con punto de silla: (x, y ) = Re(z 2 ) = x2 y 2 tiene un punto de silla en (x, y ) = (0, 0). La funci on (x, y ) tiene un m aximo sobre la curva x = 0 (la curva que pasa por O desde el punto A), curva que es de fase constante pues (x, y ) = Im(z 2 ) = 2xy = 0 para x = 0. y por tanto, de las ecuaciones (7.103) y (7.105), se deduce que h (z ) = 0 (7.106)
en los puntos de silla. En la gura 7.12 se ha representado la funci on (x, y ) = Re z 2 = x2 y 2 que tiene un punto de silla en z = 0. N otese que crece cuando nos alejamos del punto (x, y ) = (0, 0) a lo largo de un contorno paralelo al eje x (l nea 0B) y decrece cuando nos alejamos del punto siguiendo una l nea paralela al eje y (l nea 0A). La l nea 0A, y la que baja por el otro lado del valle, son las l neas descendentes de m axima pendiente (o de m aximo descenso ) que pasan por el punto de silla. En cambio, la l nea 0B, y su opuesta (la que sube al otro lado de 0), son las l neas ascendentes de m axima pendiente (o de m aximo ascenso) que pasan por el punto de silla. En aquellos problemas en los que el m aximo de (x, y ) sea un punto de silla, el contorno de m axima pendiente que hemos de seguir es el de m aximo descenso para que la integral se transforme en una integral de Laplace. Veamos unos cuantos ejemplos.
Ejemplo 7.23
Queremos evaluar la integral de Airy Ai() = 1
cos s +
0
s3 3
ds
para . Mediante el cambio s = 1/2 z y escribiendo el coseno como suma de exponenciales imagi-

narias, cos x = (eix + eix )/2, es f acil ver que Ai() = = 1 /2 2 1 /2 2

461
ei
3/ 2
3/ 2
(z +z 3 /3)
dz
(7.107) (7.108)
e
C
h(z )
dz .
Esta integral ya tiene la forma (7.87) apropiada para aplicar el m etodo de la m axima pendiente. Pero como el intervalo de integraci on C va de hasta , el u nico modo de aplicarlo es si (z ) tiene (al menos) un punto de silla. Por (7.106) sabemos que los puntos de silla se sit uan en los ceros de h (z ) = 0. En la integral de Airy h(z ) = i(z + z 3 /3) de modo que h (z ) = i(1 + z 2 ) y los puntos de silla est an en z = +i y z = i. Adem as h(z ) = i z + z3 3 (x + iy )3 3 x2 y2 1 , 3 (7.109) (7.110) (7.111)
= i(z + iy ) + i =y y por tanto
y2 x2 1 + ix 3
y2 x2 1 3 x2 Im h(z ) = (z ) = x y2 1 . 3 Re h(z ) = (z ) = y Por consiguiente, las l neas de m axima pendiente (fase constante) satisfacen la relaci on (z ) = x x2 y2 1 3 = const. (7.112)
Algunas de estas l neas se han representado en la gura 7.13 (son las l neas continuas). Como el valor de la funci on h(z ) en los puntos de silla es real, h(i) = 2/3, la fase de las l neas que pasan por estos puntos es nula. Por tanto, estas l neas vienen descritas por la ecuaci on Im h(z ) = (z ) = x x2 y2 1 3 = 0. (7.113)
De aqu se deduce que las l neas de m axima pendiente que pasan por los puntos de silla son el eje imaginario, x = 0, y las hip erbolas de ecuaci on x2 y2 1 = 0 . (7.114) 3 Estas hip erbolas se han representado en la gura 7.13 mediante l neas de trazo m as grueso. La l nea x = 0 es la l nea de m aximo ascenso de (z ), mientras que las hip erbolas y= x2 1 3
son las l neas de m aximo descenso, como no es dif cil comprobar.22 Para evaluar la integral de Airy (7.107) vamos a deformar el contorno C en un nuevo contorno C = C 1 + C 2 + C 3 que en parte de su recorrido (en el dado por C 2) sigue la l nea de m axima descenso que cruza el punto de silla i (v ease la gura 7.11). Es decir C2 :
22
y=
x2 1. 3
Sabemos que ambas l neas son bien de m aximo ascenso o bien de m aximo descenso, de modo que para determinar su tipo basta con comprobar si sobre ellas la funci on (z ) simplemente aumenta o disminuye al alejarnos del punto de silla.
462

y
3
C2
20 10 0 -10 -20 -2 0 x 2 -2
S1 x
-3
-2
-1
2
-1
S2
0 y
-2
-3
(a)
(b)
Figura 7.13: (a) Funci on (x, y ) = Re [i(z + z 3 /3)] del ejemplo 7.23. (b) Contorno de integraci on C 2 (l nea continua gruesa superior) para el ejemplo 7.23. Las l neas quebradas son las isol neas con valor de (z ) constante. Las l neas continuas delgadas son las isol neas de fase (z ) constante o, equivalentemente, las l neas de m axima pendiente de (x, y ). Los puntos marcados con S1 y S2 son los puntos de silla situados en z = i y z = i, respectivamente. C2 es el contorno de m aximo descenso que pasa por el punto de silla S1. La l nea gruesa que pasa por S 2 es una l nea de m aximo ascenso.
Los contornos C 1 y C 3 no se han representado en esta gura. Podemos tomarlos como arcos de radio R que van desde el eje real y = 0 hasta el contorno C 2. No es dif cil demostrar que las integrales exp[i3/2 (z + z 3 /3)]dz y C 3 exp[i3/2 (z + z 3 /3)]dz se desvanecen cuando R .23 C1 Como ya apuntamos en el ejemplo 7.22, p agina 458, sabemos que en el c alculo de las integrales de Laplace s olo es relevante el comportamiento de la integral (o el integrando) en las vecindades del punto de silla z = i. Sea C 2 el contorno de fase constante situado en las vecindades de z = i y que pasa por z = i, es decir, C 2 es simplemente una porci on (muy peque na) de C 2 que rodea al punto de silla. Entonces I2 e
C 2
3/ 2
h(z )
dz,
Podemos estimar la funci on h(z ) en las vecindades del punto z0 = i desarrollando h(z ) en serie de Taylor en torno a z0 : h(z ) = h(z ) + O(z z0 )3 donde [recu erdese que h (z0 ) = 0] h(z ) = h(z0 ) + 1 dh2 2 dz 2 (z z0 )2
z0 2
(7.115) (7.116) (7.117)
= 2/3 (z i) 1 = 2y x2 + y 2 + i2x(1 y ). 3
Las curvas de m axima pendiente en la vecindad de z0 son aquellas en las que la parte imaginaria de h(z ) es constante, es decir, aquellas curvas para las que (z ) = Im h(z ) = 2x(1 y ) = const. Como fase en
La demostraci on es similar a la que se llev o a cabo en la p aginas 444 y siguientes para justicar que la integral F ( z ) dz iba a cero exponencialmente cuando R [v e ase la ecuaci on (7.76)]. C2
23
463
z = i es nula pues h(i) = 2/3 es real, la ecuaci on del contorno de fase constante que pasa por el punto de silla z0 = i es, en las vecindades de z0 , (z ) = 2x(1 y ) = 0. La soluci on de esta ecuaci on es, bien x = 0, es decir el eje imaginario y , que es el contorno de m aximo ascenso de , o bien y = 1, que es el contorno que nos interesa pues es el contorno de m aximo descenso de , como es f acil de comprobar. Por consiguiente, en las vecindades de z = z0 = i, el contorno de m aximo descenso viene dado por la ecuaci on param etrica z = i + s donde s (el par ametro) es un n umero real peque no |s| 1 con valores crecientes: C 2 : Por tanto, para y peque no, I2
z = i + s,
|s|
1,
s .
e
C 2
3/ 2
h(z )
dz d(i + s) ds
3/ 2 3
e e
3/ 2
h(z =i+s)
3/ 2
(2/3s2 is3 /3)
e2
3/ 2
/3
3/2 2
ei cos
s /3
ds ds.
2 e2
3/ 2
/3
3/2 2
3/2 s3 3
Haciendo el cambio 3/2 s2 = se obtiene I2 e2

3/ 2
/3
3 /4
0
e cos
3 /2 33/4
1/2 d.
Esta integral es una integral de Laplace que puede evaluarse mediante el lema de Watson. Para ello desarro llamos el coseno del integrando en serie de potencias, cos x = n=0 (1)n x2n /(2n)!, para a continuaci on integrar t ermino a t ermino. El resultado es: I2 e 2
3/ 2
/3
3 /4
(1)n (3n + 1/2) , 32n (2n)! 3n/2 n=0
(7.118)
El desarrollo asint otico completo de la funci on de Airy es por tanto: Ai() = 1 /2 I2 2 1 1/4 23/2 /3 (1)n (3n + 1/2) e , 2 32n (2n)! 3n/2 n=0
Si s olo nos interesara hallar el t ermino dominante, podr amos haber procedido como al nal del ejemplo (7.22) y aproximar h(z ) por h(z ) para obtener I2
C 2
eh(z) dz
C 2
eh(z) dz eh(z=i+s) d(i + s)
3/ 2
(2/3s2 )
ds
3/2 2
e2
3/ 2
/3
ds
464
cuando . Teniendo en cuenta que I2


exp( 2 )d =
3/ 2
, se obtiene nalmente:
e2
/3
3 /4 ,
Este resultado coincide con el t ermino dominante de (7.118). El t ermino principal del desarrollo de la funci on de Airy es pues Ai() = 1 /2 I2 2 3/ 2 e2 /3 1 /4 , 2
Ejemplo 7.24
Vamos a calcular el t ermino principal del desarrollo asint otico de la funci on gamma, () para . Este t ermino se calcula en el problema 7.14 mediante el m etodo de Laplace. En este ejemplo vamos calcular el t ermino principal de su desarrollo asint otico mediante el m etodo de la m axima pendiente partiendo de esta representaci on integral alternativa de la funci on gamma: 1 1 = () 2i1 e(zln z) dz
C
(7.119)
donde C es un contorno que procede de z = ia con a > 0, rodea al corte ramal de ln z constituido por el eje real negativo, y va hacia z + ib con b > 0. La funci on h(z ) = z ln z tiene un punto de silla en z = 1 pues h (z = 1) = 1 1/z |z=1 = 0. Para evaluar esta integral mediante el m etodo de la m axima pendiente deformamos el contorno C para obtener otro C que rodee al corte ramal, pase por el punto de silla z = i, y sea un contorno de fase constante y de m aximo descenso de (z ). Como h(z = x + iy ) = x ln x2 + y 2 + i(y arctan y/x)
se tiene que las l nea de fase constante son aquellas que verican la relaci on (x, y ) = y arctan y/x = const. En particular, la fase en z = 1 es (z = 1) = 0 por lo que la ecuaci on de las l neas de fase constante que pasan por z = 1 es y arctan y/x = 0. La soluci on es bien y = 0, o bien x = y/ tan y . Es f acil comprobar que h(z ) crece si partimos de z = 1 y nos alejamos de este punto sobre la l nea y = 0. Esta l nea es por tanto el contorno de m aximo ascenso. La l nea de m aximo descenso, y el contorno C que buscabamos, viene dado por la ecuaci on x = y cot y . En la gura 7.14 se ha representado este contorno junto con las isol neas de (z ) y (z ). Sabemos que para calcular el t ermino dominante s olo es necesario evaluar la integral eh(z) dz
C
(7.120)
pues eh(z) dz
C C
eh(z) dz ,
donde C es el trozo de contorno de C que est a en la vecindad del punto de silla z = 1, y h(z ) son los dos primeros t erminos del desarrollo de Taylor de h(z ) en torno al punto de silla z = 1: 1 h(z ) = h(z = 1) + h (z = 1)(z 1)2 2 1 = 1 + (z 1)2 2 3 x2 y2 = x+ + iy (x 1) . 2 2 2

y 4 3 2 1
465
C
0 -1 -2 -3 -3 -2 -1 0 1 2 3 x
Figura 7.14: L neas de fase constante o l neas de m axima pendiente (l neas continuas) del ejemplo 7.24. Las l neas discontinuas son las l neas de nivel de Reh(z ) = (z ). La l nea m as gruesa que pasa por el punto de silla x = 1 es el contorno de integraci on C cuya ecuaci on es (y coty, y ). La l nea gruesa sobre el eje y = 0 es el corte ramal de ln z .
El contorno de m aximo descenso C (contorno de fase constante nula) es pues soluci on de (x, y ) = y (x 1) = 0. Como es f acil comprobar, h(z ) crece sobre la l nea y = 0. El contorno de m aximo descenso buscado es pues x = 1 o, en forma param etrica, C
z = 1 + is,
|s|
1,
s.
Entonces h(z = 1 + is) = 1 s2 /2 y la integral (7.120) se reduce a una integral de Laplace eh(z) =
C
d(1 + is) eh(z=i+s)
=i
ds e(1s
/2)
la cual podemos evaluar de la forma habitual haciendo eh(z) i e

C
:
/2
ds es
= i e
2 ,
y as obtener
1 e , () 21/2
Ejemplo 7.25
Vamos a calcular el t ermino principal de
I () = 2
0
dz cos(z ) e(cosh z+z
/2)
(7.121)
466
para . Reescribimos la integral as
I () =
dz e(izcosh zz
/2)
(7.122) (7.123)
=
C
dz eh(z)
para usar el m etodo de la m axima pendiente. La funci on h(z ) tiene un punto de silla en z = i pues h (z ) h (z ) h(3) (z ) h(4) (z ) = = = = i z sinh z, 1 cosh z, sinh z, cosh z, h (i ) h (i ) h(3) (i ) h(4) (i ) = 0, = 0, = 0, = 1.
A estos puntos de silla se les llama de cuarto orden por ser nulas las tres primeras derivadas. La fase de h(z ) es Im h(z ) = (z ) = x( y ) sen(y ) senh(x). En el punto de silla h(z = i ) = 1 2 /2, luego la fase (z ) en el punto de silla es nula, de modo que las l neas de m axima pendiente que pasan por el punto de silla z = i son aquellas en las que x( y ) sen(y ) senh(x) = 0 . Es f acil ver que las soluciones de esta ecuaci on son las l neas x = 0, y = , y aquellas otras que satisfacen la ecuaci on impl cita sen y x = . (7.124) y senh x Las l neas x = 0 e y = son los contornos de m aximo ascenso. Las otra l neas dadas por (7.124) son los contornos de m aximo descenso y se han representado por l neas gruesas en la gura 7.15. Es f acil ver mediante (7.124) que el contorno denotado por C en esta gura tiende asint oticamente hacia la recta real y = 0 cuando x . Por tanto, para evaluar la integral (7.121), deformamos el contorno C (es decir, la recta real) para obtener el contorno C : I ( ) =
C
dz eh(z) =
C
dz eh(z) .
Como sabemos, para evaluar el t ermino principal de I () s olo es necesario llevar a cabo la integraci on sobre un peque no trozo del contorno C que pasa por el punto de silla. Para hallar la ecuaci on de C en la la vecindad de z = i calculamos la funci on h(z ) construida mediante los dos primeros t erminos del desarrollo de Taylor de h(z ) en torno a z = i : h(z ) = h(i ) + 1 (4) h (i ) (z i )4 4! 2 1 =1 + (z i )4 . 2 24
(7.125)
La fase (z ) de h(z ) viene dada por (z ) = Re h(z ) = 1 x ( y ) 2 x2 2 y + y 2 . 6 (7.126)
Sabemos que la fase en el punto de silla es nula pues h(z = i ) = 1 2 /2 es real. Por tanto, las l neas de m axima pendiente que pasan por el punto de silla son las soluciones de (z ) = 0. De (7.126) se deduce que unas de estas l neas son las dadas por x = 0, otras las dadas por y = y, nalmente, otras las dadas por las soluciones de 2 x2 2 y + y 2 = 0, es decir, descritas por la relaci on y = x. Los contornos descritos por las ecuaciones x = 0 e y = son contornos de m aximo ascenso mientras que (en las vecindades del punto de silla) los contornos y = x son contornos de m aximo descenso.

y
7 6 5
467
0 -20 -4 -2 0 x 2 4
(a)
6 4 2 0
-4 -3 -2 -1
3 2 1 1 2 3 4
(b)
Figura 7.15: (a) Funci on (x, y ) = Re [iz cosh z z 2 /2] del ejemplo 7.25. (b) Contorno de integraci on C . Las l neas quebradas son las isol neas de (z ) y las l neas continuas delgadas son las isol neas de a fase (z ) o, equivalentemente, las l neas de m aximo descenso de (x, y ). El punto de silla est a situado en z = i = (x = 0, y = ).
Ejercicio 7.5 Comprueba la veracidad de esta u ltima armaci on comparando el valor de (z ) en el punto de silla con los valores de (z ) que se obtienen cuando los valores de z se toman sobre los contornos x = 0 e y = , por un lado, y sobre los contornos y = x, por otro. Por consiguiente, el contorno de m aximo descenso en las vecindades del punto de silla , C , viene descrito por ecuaci on y = + x para x < 0 e y = x para x > 0, es decir C con 1. Por tanto I () =
C
z = i + ei/4 s, s 0, z = i + ei/4 s, 0 s ,
s , s ,
dz eh(z) dz eh(z)
C 0
eh(i+e
i/4
s)
d i + ei/4 s +
0
eh(i+e
i/4
s)
d i + ei/4 s
(7.127)
para . Usando la relaci on (7.125) se encuentra que h i + ei/4s = 1 2 /2 s4 /24 y la ecuaci on (7.127) se reduce a I () e(1
2
/2)
ei/4
es
/24
ds + ei/4
0
es
/24
ds ,
468

0
Haciendo el cambio s s en la primera integral, se ve inmediatamente que y por tanto I () 2 e(1

2
e s
/24
ds =
es
/24
ds
/2)
cos (/4)
0
es
/24
ds,
Mediante el cambio s4 /24 = y tras tomar el l mite , la integral se transforma en una integral de Laplace que podemos evaluar de forma exacta:
0
e s
/24
ds =
241/4 41/4
e 3/4 d =
241/4 (1/4). 4 1 / 4
Teniendo en cuenta que cos /4 = 1/ 2, el resultado nal es I ( ) 3 8

1 /4
(1/4) 1/4 e(1
/2)
7.12 Problemas
469
7.12. Problemas
otico de la funci on integral seno 7.1. Halla el desarrollo asint
x
Si(x) =
0
sen t dt t
u til para valores peque nos de x. Encuentra tambi en el desarrollo asint otico v alido para valores grandes de x. 7.2. Mediante integraci on por partes, halla la conducta asint otica completa de la integral
x 0
exp t2 dt ,
x.
ermino dominante de 7.3. Encuentra el t

x
exp atb dt ,
x,
donde a > 0 y b > 0. 7.4. a) Las integrales de Fresnel son de la forma
f (t) dt ,
x
donde f (t) = cos(t2 ) o f (t) = sen(t2 ). Halla la conducta asint otica completa para x 0 y x . b) La integral generalizada de Fresnel es
F (x, a) =
x
ta eit dt ,
a>0.
Halla el desarrollo asint otico completo de F (x, a) para x . 7.5. Demuestra que
0 x
2 1 (t3 + t2 )1/2 dt x5/2 + x3/2 + . . . , 5 3

1
x .
7.6. Demuestra que
dt exp[xt2 ] t5/2 ln t
ex , 4x2
x .
7.7. Demuestra que

x
ei(tx) i 1 dt = + 2 + O t x x
1 x3
para x . 7.8. Demuestra que

x
t1 et dt x1 ex 1 +
1 + , x
x .
470 7.9. Muestra, de forma razonada, que

x
cos t dt t
1 2! + + x x3
sen x +
1 3! + x2 x4
cos x
para x 7.10. Demuestra que
ext ln(3 + t2 ) dt
ln 3 , x
x .
Nota: (1/2) =
7.11. Demuestra que

1
exp x t +
1 t
dt
2x e , 2 x
x .
7.12. Encuentra el t ermino dominante para x de: a)

0 1
sen t exp x senh4 t dt .

2 0
b)
1 + t2 ex cos t dt .
c)
1
ln(1 + t) ex(t+1/t) dt .
7.13. Halla el desarrollo asint otico completo de

/2 0
exp x tan2 t dt
para x . 7.14. Demuestra la f ormula de Stirling
(x) =
0
et tx1 dt xx ex
2 x
1+
1 12x
para x . (Pista: esta es una integral de Laplace con m aximo no jo.) on integral de la funci on de Bessel de orden n obtenida en la ecuaci on 7.15. Utiliza la representaci (2.226), 1 Jn (x) = cos (x sen t nt) dt, 0 para deducir, mediante el m etodo de la fase estacionaria, la relaci on (2.197): Jn (x) n 2 cos x , x 2 4 para x .
7.16. Halla la conducta principal de las siguientes integrales por el m etodo de la fase estacionaria cuando x :
7.12 Problemas a)
0
471
eixt dt ,
b)
0
ln(2 + t) eixt dt ,
1
c)
0
eixt cosh t2 dt ,
d)
0
cos(xt4 ) tan t dt ,
1 0
e)
eix(tsen t) dt ,
f)
sen [x(t sen t)] senh t dt .

1
7.17. Demuestra mediante el m etodo de la m axima pendiente que el t ermino principal de la funci on de Hankel (o funci on de Bessel de tercera especie) viene dado por H0 para . 7.18. Demuestra mediante el m etodo de la m axima pendiente que
1 0 (1)
eiz dz 1 z2
2 i(/4) e
ln z eiz dz
i(ln + ) + /2
para , donde =
0 e
ln d es la constante de Euler.
7.19. Usa el m etodo de la m axima pendiente para demostrar que

1 0
eiz (1/4) ei/8 dz 21/4 z + z2
para . 7.20. La funci on de Bessel de primera especie de orden cero admite la siguiente representaci on integral 1 J0 () = Re ei cosh z dz, i C donde C es cualquier contorno que va desde z = i/2 hasta z = + i/2 (a este contorno se le llama contorno de Sommerfeld). Usa el m etodo de la m axima pendiente para demostrar que 2 J0 () cos , . 4
Ap endice A
Soluciones de problemas seleccionados
A.1. Soluciones del cap tulo 1: Problema de Sturm-Liouville

Problema 1.1 g (x) = 1 x. Problema 1.4 (x) = sen ln x , > 0. Problema 1.7 2 )/(2 ) = cotan . (a) n = (n /a)2 con (1 n n n n (x) = sen n x a n cos n x.
a (b) Si. G(x, x ) = 2 2 sen x a
+ cos
x a
sen
x a
cos
x a
para x x Problema 1.8 n = 1 + n2 , n (x) = ex sen nx, , n = 1, 2, . . . 2 x ex = (1)n+1 ex sen nx. n

n=1
Problema 1.9 n ln x . n = n2 /4, n (x) = cos 2 Problema 1.10 (b) n = n2 2 3/4, n = 1, 2, . . .; n (x) = ex/2 sen nx.
(c) y (x) =
n=1
bn n (x) con bn = 2 n2 2
1 x/2 sen(nx)f (x). 0 dx e
Problema 1.11 2 , (x) = J ( x) n = 1, 2 . . ., donde (a) n = 0 on de n 0 0n 0n es el n-simo cero de la funci n Bessel J0 (x). (b) y (x) = 4 J0 (0n x) 2 )J ( ) . (1 0 n 1 0n n=1 0n
474
Ap endice A. Soluciones de problemas seleccionados Problema 1.5 G(x, x ) = (x2 1/x2 )/(4x 2 ) para x x . y (x) = (1/x2 1)/4. Problema 1.12 G(x, ) = 3 x3 /6 para x . y (x) = x2 /5. Problema 1.13 G(x, x ) = (ekx 1)/k para x x . y (x) = (1 e(k1)x )/(k 1). Problema 1.14 G(x, x ) = exp(k |x x |)/(2k ) . Problema 1.15 (a) G(x, x ) = [exp(kx ) senh x] /k para x x . y (x) = [exp(kx) exp(x)]/(k 2 1). (b) G(x, x ) = x para x x . y (x) = exp(x) 1. Problema 1.16 G(x, x ) = ln(x ) + 1, x x . y (x) = (1 + x2 )/4. Problema 1.18 (2n + 1)x 2 sen . L 2L 8L (2n + 1)x 1 (2n + 1)x (b) G(x, x ) = 2 sen . sen (2n + 1)2 2L 2L (a) n (x) =
n=0
(c) G(x, x ) = x para x x . Problema 1.19 (a) G(x, x ) = x(x )/ para x x . (b) G(x, x ) = (2/ ) (e) No hay soluci on. Problema 1.20 1 (a) G(x, x ) = (c) y (x) = (d) y (x) =
n=0 n=1 sen(nx) sen(nx
)/n2 .
(c) y (x) = sen(3x)/9. (d) G(x, x ) = sen(3x)/5 + b sen(2x).
sen[(n + 1/2)x/2] sen[(n + 1/2)x /2] . 1 (n + 1/2)2 /4

1 2 x cos x. 1 2 x cos x +
(b) G(x, x ) = cos x sen x para x x .

1 2 sen x 1 2 sen x
2 cos x.
Problema 1.21 2 (a) G(x, x ) = L
n=1
1 nx nx sen sen . k 2 + (n/L)2 L L
senh kx senh k (L x ) (b) G(x, x ) = para x x . k senh kL Problema 1.22 (a) n (x) = Bn sen(n / )2 donde tan n = n / . 2 (b) G(x, x ) =
sen
n=1
n x n x sen
/ sen2 n (1/ + 1/ cos2 n ) ;
A.2 Soluciones del cap tulo 2: Funciones Especiales G(x, x ) = (x 1 )x para x x . 1+
475
Problema 1.23 (a) sen (|x x | )/(2 sen ). Para = n con n entero. (b) n (x) = A cos(nx) + B sen(nx). Dos. Problema 1.24 3 G(x, x ) = 2 (x 1)(x 1) m
n=0
2 sen kn (x 1) sen kn (x 1) con tan kn = kn . 2 sen2 kn m2 + kn
Problema 1.26 1 exp[m(1 x )] senh[m(x 1)] para x x . G(x, x ) = m Problema 1.27 (a) G(t, ) = 0 para t < , G(t, ) = sen (t ) (t ) e para t > ; t sen (t ) (t ) f ( ) 2 2 . x(t) = d e con 2 = 0 m 0 t senh (t ) (t ) f ( ) 2. (b) x(t) = d e con 2 = 2 0 m 0
Problema 1.28 (a) = 0 6718, R(u0 , = 0 6718) = 1 0343. (c) = 0, R(u0 , = 0) = 1 = 0 , u0 (x, = 0) = exp(x2 /2) es la autofunci on exacta. (d) = 0, R(u1 , = 0) = 3 = 1 , u1 (x, = 0) = x exp(x2 /2) es la autofunci on exacta. Problema 1.29 (a) R(u0 , = 0 4350) = 1 0649; R(u1 , = 0 2228) = 3 8301. (b) R(u0 , = 0 7884) = 1 1353; R(u1 , = 1 3058) = 2 9399.
A.2. Soluciones del cap tulo 2: Funciones Especiales

Problema 2.1 (a) U1 2 x U0 = 0, Un+1 2 x Un + Un1 = 0. (b) U0 (x) = 1, U1 (x) = 2 x, U2 (x) = 1+4 x2 , U3 (x) = 4 x+8 x3 , U4 (x) = 112 x2 +16 x4 , U5 (x) = 6 x 32 x3 + 32 x5 . (c) Un (1) = n +1, Un (1) = (1)n (n +1), U2n (0) = (1)n y U2n+1 (0) = 0 con n = 0, 1, 2 . . . Problema 2.5 1 La integral 0 dxPl (x) vale 1 si l = 0, (1)n n = 1, 2, . . .
n3/2 n
si l = 2n 1, y 0 si l = 2n con
Problema 2.6 (a) 1/2 para l = 0, 1/3 para l = 1, Pl2 (0)/[l(l + 2)] para l 2. (b) P0 (x) + 2
n=1
4n + 1 P2n2 (0)P2n (x). 4n(n + 1)

Problema 2.9 (i)n Hn (x) = 2
dk k n exp[(x + ik/2)2 ].
476 Problema 2.12 0 si p > r, 2n (n + r)! si p = r. Problema 2.14 ex ex =e

2 /4 n=0 n=0
Ap endice A. Soluciones de problemas seleccionados
Hn (x) . n!
n
1 = 1
Ln (x).
Problema 2.15 ( + n)![( + n + 1)m,n+1 + (2n + + 1)m,n nm,n1 ]/n! Problema 2.16 (s 1)n /sn+1 . Problema 2.17 r = [3n2 l(l + 1)]/(n). Problema 2.18 a L (a), c = ea [L (a) L 0 n n n1 (a)] para n 1. n=0 cn Ln (x) donde c0 = e Problema 2.19 (a) G(x, t) = (1 t2 )/(1 2xt + t2 ). (b) Tn (0) = 0 si n = impar, Tn (0) = (1)n/2 si n = par. Tn (1) = 1. Tn (1) = (1)n . Problema 2.23
f (x) =
n=0
2 J0 (0n x/a). 0n J1 (0n )
A.3. Soluciones del cap tulo 3: Ecuaciones en derivadas parciales

Problema 3.1 2 = 2 c2 n2 /a2 + m2 /b2 . unm = sen(nx/a) sen(my/b) con nm Problema 3.2 (a) u(x, t) =
n=1 m=1 An,m
sen nx sen my cos( n2 + m2 ct), con

0 0 4u0 [1(1)n ][1(1)m ] . nm 2
An,m =
4 2
dx dyf (x, y ) sen nx sen my.
(b) Soluci on del apartado (a) con An,m = Problema 3.3 u(x, t) = u1 +
2 n=1 An j0 (kn r ) exp(akn t)
con
An =
3 4kn
b 2 0 dr r (u0 (r )
u1 )j0 (kn r) 2kn b sen(2kn b)
y tan(kn b) = kn b/(1 hb), siendo a el coeciente de difusividad t ermica. Problema 3.4 4 2 (a) u(r, ) = r r2 cos 2. 15 (b) u(r, ) = r2 cos .
A.3 Soluciones del cap tulo 3: Ecuaciones en derivadas parciales Problema 3.5 u(r, t) = u0 + 2(u0 u1 ) de Bessel J0 (x). Problema 3.6
n=1
477
J0 (n r/) (2 2 e n / )kt , donde n es el n-simo cero de la funci on n J1 (n )
u(x, y ) =
n=1
cos(n ) 1 2u0 senh[n (x 1)] sen(ny ). senh(n ) n
Problema 3.7 Soluci on general: u(r, ) = a0 +
(an rn cos n + bn rn sen n).

n=1
(a) u(r, ) = r cos . u0 2u0 + (b) u(r, ) = 2

n=1
rn sen n. n
Problema 3.8 u(x, t) = sen(4x) cos[(16 2 1)t]. Problema 3.9 2hL2 u(x, t) = 2 (L ) Problema 3.11 u(x < 0, t) = u0 u(x > 0, t) = u0 1+ 1 /2 erfc x 2 erfc 2 . t 2k x . 2k n . 2k x 2 1 , t
n=1
1 sen n2
n L
sen
nx L
cos
nct . L
1+
u0
2 /1
Problema 3.12 (a) u(x, t) = T0 + T1 exp x (b) u(x, t) = T0 +

n=0 Tn exp
sen t x n 2k
sen nt x
Problema 3.13 u0 a+x ax u(x, t) = arctan + arctan . y y Problema 3.14 4u0 (a) u(x, t) = (b)
n=1,3,5,...
1 kn2 2 t nx exp sen . 2 n L L
u(x, t) = u0 + u0
n=0
erfc
(2n + 2)L x (2n + 1)L x erfc 4kt 4kt 2nL + x (2n + 1)L + x erfc 4kt 4kt .
+erfc
478 Problema 3.15 2 2 u(x, t) = u0 e t +u1 1 e t .
Problema 3.17 h u(x, t) = [f (x + ct + ) f (x + ct ) + f (x ct + ) f (x ct )] con f (x) = 1 si 4 x > 0, f (x) = 0 si x = 0, y f (x) = 1 si x < 0. Problema 3.18 (c) u(r, , t) = 2u0
m=1
1 J0 (0m r) cos(0m ct). 0m J1 (0m )

n=0
Problema 3.19 u(x, y ) = u0 + u1 u0 4T0 x+
1 e(2n+1)y sen(2n + 1)x. 2n + 1
Problema 3.21 x 2 u(x, t) = + an (t) sen nx donde an (t) = an (0) en t ,

n=1
a3 (t) = a3 (0) e9t + an (0) = 2

0
1 t e e9t sen 3x, y 8
dx [f (x) x/ ] sen nx para n = 3.
(a) u(x, t) =
1 t x + et sen x + e e9t sen 3x. 8 x 1 t 7 9t (b) u(x, t) = + e + e sen 3x. 8 8

2 n=1 an (t)n (x) con an (t) = cos(nt) 0 sen(nx)f (x)dx. 2 n=1 n (x)An cos(nt) + 2 (x)/4 con An = 0 n (x)[f (x)
Problema 3.22 (a) u(x, t) =
(b) u(x, t) = u(x, t) = cos(3t)3 (x) + 2 (x)/4 para f (x) = sen 3x + sen(2x)/4. Problema 3.20 u(x, t) = sen(x) cos(c t).
2 (x)/4]dx.
A.4. Soluciones del cap tulo 4: M etodos num ericos

Problema 4.2 xn = xn1 /2 + 2/xn1 . x0 = 4, x1 = 2 5, x2 = 2 05, x3 = 2 000609756097560 . . ., x4 = 2 000000092922294 . . ., x5 = 2 000000000000002 . . . Problema 4.3 xn = 2xn1 /3 + R/(3x2 n1 ). Problema 4.4 En el m etodo de Newton: en+1 = Problema 4.5 Orden h4 en los dos casos. f (x) 2 e + O(e3 n ). f (x) n
A.4 Soluciones del cap tulo 4: M etodos num ericos
479
Problema 4.6 Euler: 1 362, Euler modicado: 1 388, Milne: 1 38825, m etodo de Heun y m etodo RungeKutta de segundo orden: 1 39847. Runge-Kutta de cuarto orden con un s olo paso de tama no 0 3: 1 39968. Exacto: 1 39972. Problema 4.8 Euler: x = 0 990, y = 0 200. Runge-Kutta de segundo orden: x = 0 980, y = 0 199. Exacto: x = cos(0 2) 0 980, y = sen(0 2) 0 197. Problema 4.9 (b) y (1/3) = 0 472, y (2/3) = 1 306. Resultado exacto: y (1/3) 0 465, y (2/3) 1 298
Problema 4.10 y (1; m) = (m 1)(e 1/e)/2 + e. m = 1. y (x; 1) = x ex es la soluci on exacta. Problema 4.11 yn+1 = yn (2 5h2 kn /6) yn1 (1 + h2 kn1 /12) + h2 (Sn1 + 10Sn + Sn+1 )/12 , (1 + h2 kn+1 /12)
donde kn k (xn ) y Sn S (xn ). Problema 4.12 (a) y (1/3) 0 505, y (2/3) 0 872. (b) y (x; m = /2) = sen(x/2). Esta soluci on coincide con la exacta. Problema 4.13 (b) y1 = (2f1 + f2 )/27, y2 = (f1 + 2f2 )/27. (c) y (1/3) = 2/27, y (2/3) = 4/27. Resultado en acuerdo con el exacto: y (x) = x2 (1 x). (d) y (1/3) 2/81, y (2/3) 8/81, en desacuerdo con el resultado exacto y (x) = x3 (1 x). La f ormula en diferencias central de tres puntos para y (x) es exacta si y (x) es polinomio de grado menor o igual que tres. Problema 4.14 (b) y (4) = (y2 4y1 + 6y0 4y1 + y2 )/h4 + O(h2 ). Problema 4.15 (a) y (1/2) 1 649. (b) y (0) 1 006, y (1/2) 1 643.
Problema 4.17 (a) Esquema inestable porque Q = 1 i2 sen(x) con S = v t/(2x) y |Q| > 1 para todo t, x y . (b) |Q| = cos2 (x) + 4S 2 sen2 (x) es menor que 1 (esquema estable) si S < 1/2 para todo t, x y . Problema 4.19 (a) 1,1 = 1/2, 2,1 = 5/8, 2,2 = 1/2, 1,2 = 3/8. (b) 1,1 = 23/64, 2,1 = 55/128, 2,2 = 1/4, 1,2 = 25/128. Problema 4.20 (m+1) (m) (m+1) (m) (m) (m) u0 = u1 1/4; uj = 3 uj +1 /4 + uj 1 /4; u2 = 1. u0 = 3/4, u1 = 1, u2 = 1; u0 = 3/4, u1 = 15/16, u2 = 1.
(1) (1) (1) (2) (2) (1)
480 Problema 4.21 (m+1) (m) (m) uj = uj +1 + uj 1 /2. (a) u1 = (b)

1 2 (m) u1 (1) 1 2
sen 2/3, u2 =
(m) u1
(1)
1 2
sen /3. u1 =
(2)
1 4
sen /3, u2 =
(2)
1 4
sen 2/3. u2
(1)
sen(2/3) 1/3,
(1) (1) 2/3. u0 = sen(/3) 1/3, u1 = 1 2 sen 2/3, (2) (2) 3 1 u1 = 4 sen /3 1/6, u2 = 4 sen 2/3.
1 2
sen /3. u0
(2)
A.5. Soluciones del cap tulo 5: Ecuaciones diferenciales y sistemas no lineales. Estabilidad
Problema 5.1 Punto de silla. Problema 5.2 Nodo inestable si a < 2. Punto de silla si a > 2. Inestable si a = 2. Problema 5.8 Puntos cr ticos P1 = (1, 1), tico simple y punto de silla; P1 : punto cr P2 = (1, 1). tico simple y punto espiral autovectores: 1 = (1, 1 2), 2 = (1, 1 + 2). P2 : punto cr inestable. L neas con pendiente nula y (x) = 1/x. L neas con pendiente innita y = x. Problema 5.9 (a) < 12: punto de silla; = 12: v ease problema (5); 12 < 4: nodo inestable; = 4: foco o nodo inestable (caso fronterizo); > 4: punto espiral inestable. (c) Punto silla inestable. Problema 5.13 Puntos cr ticos: (0, 0) (punto de silla), (1, 1) (nodo estable). Problema 5.14 (a) P1 = (0, 0) es punto cr tico simple tipo centro. P2 = (4, 0) es punto cr tico simple tipo punto de silla. (b) y (x) = 32/3 2x2 + x3 /2. (c) x(t) = 2 4 A2 /2 cos 4 A2 /2 t .
Problema 5.17 (a) E (x, y ) = x2 + 2y 2 . (b) E (x, y ) = x2 + y 2 . (c) E (x, y ) = 2x2 + y 2 . Problema 5.20 (a) x(t) = A cos(t), 2 = 1 A2 /8 (b) x(t) = A cos(t), 2 = 2J1 (A)/A = 1 A2 /8 + A4 /192 A6 /9216 + (c) x(t) = A cos(t) con 2 = 4/(A) (d) x(t) = A cos(t) con 2 = 4I1 (A)/A donde I1 es la funci on de Bessel modicada de orden 1. (f) x(t) = c + A cos(t) con c = 1/2 1 22 A2 /2, 2 = 1 22 A2 .
A.6 Soluciones del cap tulo 6: Ecuaciones integrales lineales Problema 5.22 (a) x(t) = A0 cos[(1 + 3 A2 0 /8)t + 0 ] (d) x(t) = (A0 2 t/ ) cos(t + 0 ) si t td = A0 /(2 ); x(t) = 0 si t td .
t t 2 (e) x(t) = A cos(t + 0 ) con A2 = A2 0 e / 1 + (e 1)A0 /4 . 3 t (f) x(t) = A0 e t/2 cos t A2 +0 . 0e 8
481
(g) A(t) = A(0) e t/2 . Si n = par: (t) = (0). Si si n = impar: (t) = (0) 2
n!! [A(0)]n1 e (n 1)(n + 1)!!
(n1)t/2
A.6. Soluciones del cap tulo 6: Ecuaciones integrales lineales

Problema 6.1 (a) (x) = ex /[1 (e2 1)]. (b) (x) = ex 2x/3. (c) (x) = ex +3x/(3 ). Problema 6.2 (a) 1 = 2i/ , 1 (x) = eix ; 2 = 2i/ , 2 (x) = eix . Problema 6.3 (a) 1 = 5(21 + 5 21)/8, 1 (x) = x3 + 3/7 x; 3 = 5/4, 3 (x) = x2 . 3/7 x; 2 = 5(21 5 21)/8, 2 (x) = x3
(b) (i) No hay soluci on. (ii) Hay soluci on, pero no es u nica:
2
(x) = x +
n=1
1 n |x n (x) + c 3 (x) n n 2
2
donde c es constante arbitraria y 1 |x = 2/5 + 2/ 21, 2 |x = 2/5 2/ 21, 1 4(5 + 21)/35, 2 2 = 4(5 21)/35. Problema 6.4 1 = 1, 1 (x) = ex . Soluci on general para g (x) = ex : (x) = ex /(1 ). Problema 6.6 (a) (x) = x + (x/3 + 1/4) + 2 (17x/72 + 1/6) + O(3 ). (x/3 + 1/4) + 2 x/72 (b) (x) = x + . Esta es tambi en la soluci on exacta. 1 2/3 2 /72 Problema 6.8 (a) n = n2 2 , n (x) = sen nx, n = 1, 2, . . ..
(b) (x) = x +
n=1
2 (1)n+1 sen nx . n n2 2 1
Problema 6.9 (x) = 1 x + x2 /2.
482 Problema 6.11 (a) (x) = exp(x2 + x). (b) (x) = x ex .
Problema 6.12 No existe soluci on si = 3/2. Si = 3/2, la soluci on no es u nica: (x) = x/2 + c x2 , con c constante arbitraria. Si = 3/2, entonces (x) = 3x/(3 + 2). Problema 6.13 Para = 3/4 no hay soluci on. Para = 3/2 existe soluci on no u nica: (x) = x3 + cx2 11x/15 donde c es una constante cualquiera. Para cualquier otro valor de la soluci on es (x) = x3 (1 + 4/5)x/(1 + 4/3). Problema 6.14 (a) Para = 2 (autovalor), (x) = sen ln x (autofunci on). 2 (b) Para = 2 no hay soluci on. Para = 2, (x) = 2x + 2+ sen ln x. (c) Para = 2 la soluci on no es u nica: (x) = x 1/2 + c sen ln x siendo c una constante arbitraria. Para = 2, (x) = x 1/2. Problema 6.15 (a) = 1/ , 1 (x) = sen x + cos x; = 1/ , 2 (x) = sen x cos x. 2 2 2 sen x + 2 cos x. (b) (x) = x + 2 1 1 (c) (x) = sen 2x + c(sen x + cos x) con c constante arbitraria. (d) No hay soluci on. Problema 6.16 (x) = 1 + x2 /2. Problema 6.17 (x) = x
(1)n+1
n=1
2 sen nx . n + n2 2
A.7. Soluciones del cap tulo 7: Desarrollo asint otico de integrales

Problema 7.1
Si(x)
n=1
(1)n1 x2n1 , (2n 1)(2n 1)!
x 0.
Si(x)
cos x 2 x
(1)n
n=0
(2n)! sen x x2n x
(1)n
n=0
(2n + 1)! , x2n+1
x .
Problema 7.2
x
exp t
0
ex 1+ dt 2x
n=1
(2n 1)!! , x . (2x2 )n
Problema 7.3
x
exp atb dt
exp axb , x . abxb1
A.7 Soluciones del cap tulo 7: Desarrollo asint otico de integrales Problema 7.4
483
(a)
x x
1 cos t dt 2
2
2
n=0
n=0
(1)n x4n+1 , x 0. (4n + 1)(2n)! para x 0.
sen t2 dt
1 2
2
2
(1)n x4n+3 (4n + 3)(2n + 1)!

n=1
(b) F (x, a) Problema 7.12
eix 1+ 2ixa+1
(a + 2n 1)!! , x . (2i)n x2n
(1/2) 1 = , x . 4 x 4 x 0 2 x (b) 1 + t2 ex cos t dt 2 + 4 2 e , x . 2x 0 2 ln 2 e2x x(t+1/t) . (c) ln(1 + t) e dt 2 x 1 (a) sen t exp x senh4 t dt Problema 7.13
/2 0
exp x tan2 t dt
1 2
(1)n
n=0
(n + 1/2) xn+1/2
, x .
Problema 7.16
1
(a)
0 1
eixt dt
(1/3) ei/6 , x . 3x1/3

3
(b)
0 1
ln(2 + t) eixt dt eixt cosh t2 dt

2
(1/3) ei/6 ln 2 , x . 3x1/3 i/4 e , x . x 1 4 , x . 2x 6 x

1/3
(c)
0 1
1 2
(d)
0 1
cos(xt4 ) tan t dt eix(tsen t) dt
(e)
0 1
(1/3) 3
ei/6 , x . 6 x
2/3
(f)
1
sen [x(t sen t)] senh t dt
(2/3) 3
, x .
Bibliograf a
Que otros se jacten de los libros que les ha sido dado escribir; yo me jacto de aquellos que me fue dado leer, . . . J. L . Borges, Biblioteca personal (pr ologos), Alianza Editorial, 1988. [Ant02] [AS72] [Arf85] H. M. Antia. Numerical Methods for Scientists and Engineers. Birkh auser, Basilea, 2002. M. Abramowitz y I. A. Stegun. Handbook of Mathematical Functions. Dover, Nueva York, 1972. G. B. Arfken y H. J. Weber. Mathematical Methods for Physicists. Academic Press, San Diego, quinta edici on, 2001. Un libro muy completo. Son excelentes sus cap tulos dedicados a las funciones especiales. Y. Ayant y M. Borg. Funciones especiales. Alhambra, Madrid,1974. E. Butkov. Mathematical Physics. Addison-Wesley, Reading, 1968. Un libro excelente. Nos ser au til en los temas dedicados al problema de Sturm-Liouville y a las ecuaciones en derivadas parciales. C. M. Bender y S. A. Orszag. Advanced Mathematical Methods for Scientists and Engineers. McGraw-Hill, Nueva York, 1978. Un libro detallado, accesible, cuidadoso y pr actico. Muy completo. Muy u til en el tema sobre desarrollo asint otico de integrales. W. E. Boyce y R. C. DiPrima Elementary Dierential Equations and Boundary Value Problems. Wiley, Nueva York, quinta edici on, 1992. R. Courant y D. Hilbert. Methods of Mathematical Physics. Wiley, Nueva York, 1962. Referencia cl asica de nivel avanzado. P. G. Drazin. Nonlinear System. Cambridge University Press, Cambridge, 1992. S. J. Farlow. Partial Dierential Equations for Scientists and Engineers. Wiley, Nueva York, 1982. M. D. Green. Advanced Engineering Mathematics. Prentice Hall, Upper Saddle River, 1998. R. Haberman. Elementary Applied Partial Dierential Equations. Prentice-Hall, Englewood Clis, 1983. Un libro excelente. Muy buena la discusi on de los m etodos num ericos de resoluci on de ecuaciones en derivadas parciales.
[AB74] [But68]
[BO78]
[BP92] [CH62] [Dra92] [Far82] [Gre98] [Hab83]
486 [Jer99]
BIBLIOGRAF IA A. J. Jerri. Introduction to Integral Equations with Applications. Wiley, Nueva York, 1999, segunda edici on. Un libro excelente y muy claro sobre ecuaciones integrales. D. W. Jordan y P. Smith. Nonlinear Ordinary Dierential Equations. Clarendon Press, Oxford, 1987, segunda edici on. Buen libro para profundizar en los contenidos del cap tulo dedicado a las ecuaciones no lineales y la estabilidad. D. Kincaid y W. Cheney. An alisis num erico: las matem aticas del c alculo cient co. Addison-Wesley Iberoamericana, Wilmington, 1994.
[JS87]
[KC94]
[KKM82] M. L. Krasnov, A. I. Kiseliov, y G. I. Makarenko. Ecuaciones integrales. Mir, Mosc u, 1982. Un libro muy pr actico. Contiene much simos problemas propuestos y resueltos. [Koo86] [Mar75] [Mic81] [MM94] S. E. Koonin. Computational Physics. Addison-Wesley, Redwood City, 1986. J. B. Marion. Din amica cl asica de las part culas y sistemas. Revert e, Barcelona, 1975. R. E. Mickens. An Introduction to Nonlinear Oscillations. Cambridge University Press, Cambridge, 1981. K. W. Morton y D. F. Mayers Numerical Solution of Partial Dierential Equations. Cambridge University Press, Cambridge, 1994. Un buen libro de introducci on a la resoluci on num erica de ecuaciones en derivadas parciales. Tyn Myint-U. Ordinary Dierential Equations. North-Holland, Nueva York, 1978. J. Mathews y R. L. Walker. Matem aticas para f sicos. Revert e, Barcelona, 1979. A. H. Nayfeh. Introduction to Perturbation Techniques. Wiley, Nueva York, 1981. Contiene una buena discusi on de los m etodos para el desarrollo asint otico de integrales y de m etodos aproximados de resoluci on de osciladores no lineales. A. H. Nayfeh. Problem in Perturbation Techniques. Wiley, Nueva York, 1985. Contiene muchos problemas completamente resueltos de desarrollos asint oticos de integrales y tambi en otros muchos con la soluci on nal dada.
[Myi78] [MW79] [Nay81]
[Nay85]
[PFT93] W. H. Press, B. P. Flannery, S. A. Teukolsky y W. T. Vetterling. Numerical Recipes in FORTRAN 77. The Art of Scientic Computing. Cambridge University Press, Cambridge, 1993, segunda edici on. Disponible en http://www.nr.com. [PS90] D. Porter y D. S. G. Stirling. Integral Equations: a Rigorous and Practical Treatment. Cambridge University Press, Cambridge, 1990.
[RHB98] K. F. Riley, M. P. Hobson y S. J. Bence. Mathematical Methods for Physics and Engineering. Cambridge University Press, Cambridge, 1998. [Ros81] S. L. Ross. Ecuaciones diferenciales. Revert e, Barcelona, 1981.
BIBLIOGRAF IA [Sim93]
487
F. Simmons. Ecuaciones diferenciales con aplicaciones y notas hist oricas. McGrawHill, Madrid, segunda edici on, 1993. Un libro excelente que hay que utilizar tan a menudo como se pueda. M. R. Spiegel. An alisis de Fourier. MacGraw-Hill, M exico,1976. (Serie Schaum.) Un libro muy u til pues contiene un gran n umero de problemas resueltos de ecuaciones en derivadas parciales. M. R. Spiegel y L. Abellanas. F ormulas y tablas de matem atica aplicada. McGraw-Hill, Madrid, 1996. S. H. Strogatz. Nonlinear Dynamics and Chaos. Addison-Wesley, Reading, 1994. Un libro claro y con un enfoque muy moderno sobre sistemas no lineales. F. G. Tricomi. Integral Equations. Dover, New York, 1985. Monograf a cl asica, detallada y rigurosa, sobre ecuaciones integrales con un enfoque muy matem atico.
[Spi76]
[SA96] [Str94] [Tri85]
48

Me Todos Mate Mati Cos

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

Me Todos Mate Mati Cos

Cargado por

Copyright:

Formatos disponibles

Mtodos matemticos avanzados para cientficos e ingenieros

Coleccin manuales uex - 48

Santos Bravo Yuste

MTODOS MATEMTICOS AVANZADOS PARA CIENTFICOS E INGENIEROS

SANTOS BRAVO YUSTE

MTODOS MATEMTICOS AVANZADOS PARA CIENTFICOS E INGENIEROS

A Macarena, Irene, Miguel y Diego.

What a fool can do, another can.

Santos Bravo Yuste santos@unex.es http://www.unex.es/eweb/fisteor/santos Badajoz, primavera 2005

Prefacio 1. Problema de Sturm-Liouville

v 136 139 141 142 145 149

3. Ecuaciones en derivadas parciales

4. M etodos num ericos

5. Ecuaciones diferenciales y sistemas no lineales. Estabilidad

6. Ecuaciones integrales lineales

6.5. 6.6. 6.7. 6.8.

vii 382 385 388 390 395 399

7. Desarrollo asint otico de integrales

A. Soluciones de problemas seleccionados

1.2. Ecuaci on de Sturm-Liouville

son funciones reales y continuas en [a, b].2

1.2 Ecuaci on de Sturm-Liouville

1.2.2. Denici on del problema de Sturm-Liouville

g (a) = g (b) , g (a) = g (b) ,

p (x) q (x) r(x) y (x) + y (x) + y (x) = 0. p(x) p(x) p(x)

1.2 Ecuaci on de Sturm-Liouville

1.2 Ecuaci on de Sturm-Liouville

8 Otra denici on de problema de Sturm-Liouville singular

1.2.3. Generalidad de la ecuaci on de Sturm-Liouville

1.2 Ecuaci on de Sturm-Liouville

q (x) = r(x) a2 (x) = p(x)

p(x) = exp q (x) = p(x)

(1.18a) (1.18b) (1.18c)

a2 (x) , a0 (x) p(x) r(x) = . a0 (x)

1.3. Espacios vectoriales y operadores lineales

1.3 Espacios vectoriales y operadores lineales

1.3.1. Denici on de espacio vectorial

r(x)|g (x)|2 dx son nitas

1.3 Espacios vectoriales y operadores lineales

1.3.2. Denici on de producto escalar

En ingl es, almost everywhere.

1.3.3. Operadores lineales. Operadores herm ticos

1.3.4. M etodo de ortogonalizaci on de Gram-Schmidt

1.3.5. Desarrollo en autovectores

donde con el s mbolo

queremos expresar que la suma se extiende sobre todos los autovectores

Si se aplica el operador A al vector | se tiene que A| =

Por tanto el operador A puede expresarse as : A=

A esta ecuaci on se la llama relaci on de cierre de la base {n }.

1.4. Espacio vectorial y producto escalar en el problema de Sturm-Liouville

Producto escalar. En el espacio vectorial L2 denimos un producto escalar de la siguiente forma:14

dx r(x) f (x) g (x).

1.5 El operador de Sturm-Liouville es herm tico

1.5. El operador de Sturm-Liouville es herm tico

dx r(x) f (x) L g (x) dx r(x) f (x) dx f (x) d dx d 1 r(x) dx p(x) p(x) d dx

+ q (x) g (x) dx f (x) q (x) g (x).

dx f (x) q (x) g (x).

dx g (x) q (x) f (x),

dx g (x) q (x) f (x).

Como es habitual, llamaremos autofunciones a los autovectores del operador de Sturm-Liouville.

1.5.1. Autovalores y autofunciones del operador de Sturm-Liouville

f (x) p(x) g (x) dx p(x) f (x) g (x)

g (x) p(x) f (x) dx = 0 .

1.5 El operador de Sturm-Liouville es herm tico