Documentos de Académico
Documentos de Profesional
Documentos de Cultura
matemticos
avanzados para cientficos e ingenieros
Santos
Bravo Yuste
48
manuales uex
48
2006
Edita
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
Prefacio
Indice general
Prefacio
1. Problema de Sturm-Liouville
1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Ecuaci
on de Sturm-Liouville . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1. Definici
on de la ecuacion de Sturm-Liouville . . . . . . . . . . . . . .
1.2.2. Definici
on del problema de Sturm-Liouville . . . . . . . . . . . . . . .
1.2.3. Generalidad de la ecuacion de Sturm-Liouville . . . . . . . . . . . . .
1.3. Espacios vectoriales y operadores lineales . . . . . . . . . . . . . . . . . . . .
1.3.1. Definici
on de espacio vectorial . . . . . . . . . . . . . . . . . . . . .
1.3.2. Definici
on de producto escalar . . . . . . . . . . . . . . . . . . . . .
1.3.3. Operadores lineales. Operadores hermticos . . . . . . . . . . . . . .
1.3.4. Metodo de ortogonalizacion 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 hermtico . . . . . . . . . . . . . . . . . .
1.5.1. Autovalores y autofunciones del operador de Sturm-Liouville . . . . .
1.6. Desarrollo en serie de autofunciones . . . . . . . . . . . . . . . . . . . . . .
1.6.1. Error cuadratico mnimo, identidad de Parseval y relaci
on de cierre . .
1.7. Problema de Sturm-Liouville inhomogeneo . . . . . . . . . . . . . . . . . . .
1.7.1. Teorema de la alternativa de Fredholm . . . . . . . . . . . . . . . . .
1.8. Funci
on de Green . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8.1. Definici
on y propiedades de la funci
on de Green . . . . . . . . . . . .
1.8.2. Solucion del problema de Sturm-Liouville en terminos de la funcion de
1.8.3. Construccion 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 homogeneas . . . . . . . . . . . . . . . . . . . .
1.10. Cociente de Rayleigh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10.1. Principio de minimizaci
on de Rayleigh-Ritz . . . . . . . . . . . . . . .
1.11. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
Green
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
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
INDICE GENERAL
iv
2. Funciones especiales
2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Propiedades generales de los polinomios ortogonales . . . . . . . . . . . . . . . . . .
2.2.1. Relacion de recurrencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.2. Funci
on generatriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.3. Metodo de ortogonalizacion de Gram-Schmidt . . . . . . . . . . . . . . . . .
2.3. Polinomios de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1. Resolucion de la ecuacion de Legendre mediante serie de potencias . . . . . .
2.3.2. Paridad y valores especiales . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.3. Primeros polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.4. Formula de Rodrigues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.5. Representaciones integrales . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.6. Funci
on generatriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.7. Funci
on generatriz y campo electrico 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 formula de Rodrigues . . . . . . . . . . . . . . . . . . .
2.4.2. Relacion de proporcionalidad de las funciones asociadas de Legendre . . . . .
2.4.3. Primeras funciones asociadas de Legendre . . . . . . . . . . . . . . . . . . .
2.4.4. Ortogonalidad, norma y simetra . . . . . . . . . . . . . . . . . . . . . . . .
2.4.5. Desarrollo en serie de funciones asociadas de Legendre . . . . . . . . . . . .
2.4.6. Relaciones de recurrencia . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5. Arm
onicos esfericos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.1. Ortonormalidad y propiedad de conjugaci
on de los arm
onicos esfericos . . . .
2.5.2. Simetra de los arm
onicos esfericos . . . . . . . . . . . . . . . . . . . . . . .
2.5.3. Primeros arm
onicos esfericos . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.4. Desarrollo en serie de los arm
onicos esfericos . . . . . . . . . . . . . . . . .
2.5.5. Teorema de la adici
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6. Polinomios de Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6.1. Oscilador arm
onico en Mecanica Cuantica. Ecuaci
on de Hermite . . . . . . .
2.6.2. Resolucion de la ecuacion de Hermite mediante serie de potencias . . . . . .
2.6.3. 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. Formula 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 Ln . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7.3. Formula 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 . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8.4. Calculo de las funciones de Bessel mediante 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
136
INDICE GENERAL
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 esfericas de
2.8.8. Funciones de Bessel y problema de Sturm-Liouville . . . . . . .
2.9. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
v
. . . .
. . . .
Bessel
. . . .
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
153
4. Metodos numericos
4.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Aritmetica con precisi
on finita . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1. Los n
umeros son palabras . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.2. Perdida de dgitos significativos 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 numerica . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.5. Problemas mal condicionados . . . . . . . . . . . . . . . . . . . . . . . . .
4.3. Operaciones numericas basicas . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.1. Diferenciacion numerica . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.2. Integracion numerica . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4. Calculo de races . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.1. Metodo de la b
usqueda . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.2. Metodo de la biseccion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.3. Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.4. Metodo de la secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5. Ecuaciones diferenciales ordinarias con condiciones iniciales . . . . . . . . . . . . .
4.5.1. Metodo de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5.2. Metodo del desarrollo de Taylor . . . . . . . . . . . . . . . . . . . . . . .
4.5.3. Metodo de Euler Modificado . . . . . . . . . . . . . . . . . . . . . . . . .
4.5.4. Metodos Predictor-Corrector . . . . . . . . . . . . . . . . . . . . . . . . .
4.5.5. Metodos de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5.6. Sistemas de ecuaciones de primer orden . . . . . . . . . . . . . . . . . . .
4.6. Metodos numericos para problemas de contorno . . . . . . . . . . . . . . . . . . .
4.6.1. Metodos en diferencias finitas . . . . . . . . . . . . . . . . . . . . . . . . .
4.6.2. Metodos de tiro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6.3. Metodos iterativos en diferencias . . . . . . . . . . . . . . . . . . . . . . .
139
141
142
145
149
153
154
155
156
158
174
187
187
188
190
191
193
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
246
INDICE GENERAL
vi
4.7. Resolucion numerica de la ecuacion de difusion . . . . . . .
4.7.1. Un metodo explcito para ecuaciones difusivas . . . .
4.7.2. El metodo implcito de Crank-Nicholson . . . . . . .
4.7.3. Condiciones de contorno que involucran a la derivada
4.7.4. Ecuaciones difusivas bidimensionales . . . . . . . . .
4.8. Resolucion numerica de la ecuacion de ondas . . . . . . . .
4.9. Resolucion numerica de la ecuacion de Laplace . . . . . . .
4.9.1. Metodos iterativos . . . . . . . . . . . . . . . . . . .
4.10. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
275
6.5.
6.6.
6.7.
6.8.
6.9.
249
250
257
262
263
264
265
266
269
Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Definiciones y clasificacion 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 inhomogenea con n
ucleo degenerado . . . . . .
6.4.2. Ecuaci
on de segunda especie homogenea con n
ucleo degenerado: autovalores
y autofunciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Teoremas de Fredholm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Series de Neumann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Series de Fredholm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Teora de Schmidt-Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.8.1. Algunas propiedades de los n
ucleos reales simetricos . . . . . . . . . . . . . .
6.8.2. Resolucion de la ecuacion no homogenea . . . . . . . . . . . . . . . . . . . .
6.8.3. Teoremas de Fredholm para n
ucleos reales y simetricos . . . . . . . . . . . .
Tecnicas varias de resolucion de ecuaciones integrales . . . . . . . . . . . . . . . . .
6.9.1. Reduccion de la ecuacion integral a una ecuacion diferencial . . . . . . . . .
275
276
276
278
278
280
281
285
285
297
298
298
301
311
317
322
323
330
336
345
351
351
352
354
357
358
359
361
364
371
374
375
377
378
382
382
INDICE GENERAL
vii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
403
7.1.
7.2.
7.3.
7.4.
Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Resultados u
tiles sobre series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Comparaci
on de funciones. Smbolos O, o, . . . . . . . . . . . . . . . . . . . . . .
Series asint
oticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.4.1. Definici
on de serie asint
otica . . . . . . . . . . . . . . . . . . . . . . . . . .
7.4.2. Ejemplo de serie asint
otica . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.4.3. Aproximaciones numericas. Regla del truncamiento optimo . . . . . . . . . .
7.5. Desarrollo del integrando . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.6. Integracion por partes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.6.1. Fallo de la integracion por partes . . . . . . . . . . . . . . . . . . . . . . . .
7.7. Metodo 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. Maximo no fijo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.10. Integrales de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.10.1. Integracion por partes de integrales de Fourier sin puntos estacionarios . . . .
7.10.2. Integrales de Fourier con puntos estacionarios. Metodo de la fase estacionaria
7.10.3. Metodo de la fase estacionaria. Caso simple. . . . . . . . . . . . . . . . . . .
7.10.4. Metodo de la fase estacionaria. Caso mas general . . . . . . . . . . . . . . .
7.10.5. Metodo de la fase estacionaria cuando f (t) f0 (t a) . . . . . . . . . . .
7.11. Metodo de la maxima pendiente . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.11.1. Puntos de silla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.12. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Soluciones
Soluciones
Soluciones
Soluciones
Soluciones
Soluciones
Soluciones
del
del
del
del
del
del
del
captulo
captulo
captulo
captulo
captulo
captulo
captulo
1:
2:
3:
4:
5:
6:
7:
Problema de Sturm-Liouville . . .
Funciones Especiales . . . . . . .
Ecuaciones en derivadas parciales .
Metodos numericos . . . . . . . .
Ecuaciones diferenciales y sistemas
Ecuaciones integrales lineales . . .
Desarrollo asint
otico de integrales
385
388
390
395
399
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
473
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
no lineales. Estabilidad
. . . . . . . . . . . . .
. . . . . . . . . . . . .
473
475
476
478
480
481
482
Bibliografa
485
Indice alfabetico
489
Captulo 1
Problema de Sturm-Liouville
1.1. Introduccion
La tarea principal en el estudio de las ecuaciones diferenciales ordinarias con condiciones
iniciales consiste en encontrar la solucion de una ecuaci
on diferencial dada que satisface ciertas
condiciones iniciales, es decir, encontrar la solucion que satisface ciertas restricciones (condiciones) sobre el valor que esta solucion 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).
I Ejemplo 1.1
Se puede comprobar que la ecuaci
on diferencial
y 00 (x) + y(x) = 0,
con las condiciones iniciales (en el punto x = 0)
(
y(0) = y0 ,
y 0 (0) = 0,
tiene la soluci
on
y(x) = y0 cos x.
J
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 definicion 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.
Problema de Sturm-Liouville
I Ejemplo 1.2
Queremos encontrar la funcion y(x) soluci
on de la ecuaci
on diferencial
y 00 (x) + y(x) = 0,
definida en el intervalo [0, ] que satisface las siguientes condiciones de contorno:
(
y(0) = 0,
CC :
y() = 0.
Es facil 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).
J
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 Ingeniera 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 metodo de separaci
on de
variables.
(1.1)
d p(x)
dx , q(x), r(x)
p(x) y r(x) no cambian de signo en el intervalo a < x < b. Tomaremos por convenio (y sin
perdida de generalidad) r(x) > 0, excepto, quizas, en puntos aislados en los que r(x) = 0.
A la funcion r(x) se la conoce como funcion peso.
es un par
ametro arbitrario.
Bajo estas condiciones, la ecuaci
on (1.1) es una ecuaci
on de Sturm-Liouville.
1
g(x)
p(x) f (x)
dx
dx
a
p(b) [f (b) g 0 (b) g(b) f 0 (b)] p(a) [f (a) g 0 (a) g(a) f 0 (a)] = 0, (1.2)
(1.4)
g(a) = g(b) ,
f 0 (a) = f 0 (b) ,
g 0 (a) = g 0 (b) ,
y por tanto
p(a) [f (a) g 0 (a) g(a) f 0 (a)] = p(b) [f (b) g 0 (b) g(b) f 0 (b)].
(1.5)
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 0 (a) = y 0 (b) = 0.
Vamos ahora a demostrar que si dos funciones f (x) y g(x) satisfacen las condiciones de
contorno (1.6), entonces se verifica la relaci
on (1.2). Si f y g satisfacen (1.6) se tiene que
1 f (a) + 2 f 0 (a) = 0,
1 g(a) + 2 g 0 (a) = 0.
Tomamos el complejo conjugado de la primera ecuaci
on para obtener el siguiente sistema
de ecuaciones
1 f (a) + 2 f 0 (a) = 0,
1 g(a) + 2 g 0 (a) = 0.
Dado que 1 , 2 no son cero simult
aneamente, debe ocurrir que
f (a) f 0 (a)
0
0
g(a) g 0 (a) = f (a) g (a) f (a) g(a) = 0
(1.7)
para que la solucion del sistema sea distinta de la solucion trivial 1 = 2 = 0. Procediendo
de igual modo en el punto x = b se obtiene
f (b) g 0 (b) f 0 (b) g(b) = 0.
(1.8)
Obviamente, los resultados (1.7) y (1.8) hacen que, tal como queramos demostrar, se satisfaga la relaci
on (1.2)
3. Problema de Sturm-Liouville singular/Condiciones de contorno singulares
Quizas el modo m
as correcto de definir 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 verifique, y que no son ni regulares ni peri
odicas. Estas condiciones suelen involucrar intervalos infinitos o semiinfinitos, o funciones p(x) que se anulan en los contornos, o
coeficientes de la ecuaci
on de Sturm-Liouville que se hacen infinitos en un contorno5 (en
x = a, por ejemplo) o en los dos contornos, o bien condiciones que exigen que en los contornos la solucion buscada sea continua, o acotada, o que diverja (vaya a infinito) de un
modo m
as lento que determinada funcion.6
Por ejemplo, supongamos que a y b son finitos y que
p(a) = p(b) = 0 .
(1.9)
q(x)
r(x)
p0 (x) 0
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: vease la ecuaci
on (2.139), p
agina 115.
7
Se dice que x0 es un punto ordinario de la ecuaci
on y 00 (x) + P (x)y 0 (x) + Q(x) = 0 si P (x) y Q(x) son analticas
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 tambien regular (analtica) 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].
6
Esto significa que, en general, las soluciones seran tambien 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 finito [a, b] (incluyendo
los extremos x = a, x = b). Esto significa que f (x), f 0 (x), g(x) y g 0 (x) existen y son finitas
en x = a y x = b. Es facil ver que en este caso, la ecuaci
on (1.2) se verifica trivialmente.
En efecto, es evidente que
p(a) [f (a) g 0 (a) g(a) f 0 (a)] = 0,
p(b) [f (b) g 0 (b) g(b) f 0 (b)] = 0,
puesto que p(a) = p(b) = 0 y f (x), f 0 (x), g(x) y g 0 (x) son finitas en x = a y x = b al ser
funciones regulares en estos puntos. Por consiguiente, tambien en este caso, se verifica la
ecuaci
on (1.2). En definitiva, encontramos que las condiciones de contorno singulares
p(a) = 0,
p(b) = 0,
y(x) regular en x = a, b,
(1.10)
I Ejemplo 1.3
La ecuaci
on de Legendre (1 x2 )y 00 (x) 2xy 0 (x) + y(x) = 0, con 1 x 1 es una ecuacion de
Sturm-Liouville singular en x = 1 cuyas soluciones son tambien, 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 ecuacion de Legendre
s tiene soluci
on regular en x 1 (pueden encontrarse mas detalles en la seccion 2.3.1, pagina 79).
Estas soluciones son polinomios, conocidos como polinomios de Legendre, que se estudiar
an en la
seccion 2.3.
B Ejercicio 1.2
Comprueba que el polinomio de Legendre P2 (x) = 21 (3x2 1) es una soluci
on regular de la ecuacion
de Legendre cuando = 6.
J
Problema de Sturm-Liouville
I Ejemplo 1.4
Queremos resolver el problema de Sturm-Liouville
y 00 (x) + y(x) = 0,
(1.11a)
(
y(0) = 0,
CC :
y 0 () = 0.
(1.11b)
Es decir, queremos encontrar todos los valores posibles (autovalores) de que hagan que la ecuacion
(1.11a) tenga soluciones (autofunciones) que satisfagan las condiciones de contorno (1.11b). Por supuesto,
tambien 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 0 () = 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) = B senh x,
y por tanto
y 0 (x) =
B cosh x.
y 0 () = 0 B cosh = 0.
Esta relaci
on se verificar
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 suposicion inicial de que < 0 (adem
as la posibilidad = 0 ya fue analizada antes y encontramos que
conduca a la soluci
on trivial). La primera opcion cosh = 0 es imposible si < 0. En definitiva,
y(x) = B sen x,
y por tanto
y 0 (x) =
B cos x.
y 0 () = 0 B cos = 0.
Esta relaci
on se verificar
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 suposicion inicial de que > 0. Nos queda por analizar la primera opcion: 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 funcion
p
n x = B sen n + 21 x
(1.13)
n (x) = B sen
Problema de Sturm-Liouville
Otra definici
on de problema de Sturm-Liouville singular
Al comienzo de la secci
on 1.2.2 hemos definido 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 definidas como aquellas para las cuales la relaci
on (1.2) se satisface.
Esta definicion es, por ejemplo, la que se usa en [Hab83, Gre98]. Sin embargo, en lo que se refiere
al problema de Sturm-Liouville singular esta definicion no es, ni mucho menos, general. Muy
habitualmente los problemas de Sturm-Liouville singulares se definen simplemente como aquellos
problemas de contorno en los que alguno de los coeficientes p(x), q(x), r(x) de la ecuaci
on de
Sturm-Liouville se anula o se hace infinito en un extremo del intervalo, o en los que el propio
intervalo es infinito [Sim93, CH62, Myi78]. Con esta interpretacion, no es necesario que las funciones solucion 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 verifica siguen siendo muy importantes porque esta condici
on implica que el operador de
Sturm-Liouville es hermtico (vease la secci
on 1.5).
I Ejemplo 1.5
Sea el problema de condiciones de contorno formado por la ecuaci
on de Sturm-Liouville
d2 y
+ y = 0
dx2
definida en el intervalo infinito 0 x y las condiciones de contorno y(0) = 0, e y(x) acotada para x .
Seg
un la definicion 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 definicion 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 facil 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.
J
a1 (x) 0 + a2 (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 00 +
(1.15)
Z
a1 (x0 )
dx
a0 (x0 )
0
(1.16)
y
+ q(x)/r(x)
+ a2 (x)
=
.
a0 (x)
p(x)/r(x)
Es decir,
r(x) =
p(x)
,
a0 (x)
a2 (x)
.
a0 (x)
En definitiva, la ecuaci
on a0 (x) y 00 + a1 (x) y 0 + [ + 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
(1.17)
p(x) y(x) + q(x) y(x) + r(x) y(x) = 0
dx
dx
si p(x), q(x) y r(x) estan dados por
p(x) = exp
Z
dx0
a2 (x)
,
a0 (x)
p(x)
r(x) =
.
a0 (x)
a1 (x0 )
,
a0 (x0 )
q(x) = p(x)
(1.18a)
(1.18b)
(1.18c)
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), p0 (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).
B Ejercicio 1.3
Sustituye (1.18) en (1.17) y comprueba que esta ecuaci
on se reduce a la ecuacion (1.14).
I Ejemplo 1.6
Comprobemos que
y 00 2y 0 + y = 0
es equivalente a una ecuaci
on de Sturm-Liouville.
Rx 0
La ausencia de lmite inferior en la integral
dx a1 (x0 )/a0R(x0 ) significa que el valor concreto de este
x
l
mite
inferior
no
tiene
importancia.
Es
decir,
en
vez
de escribir
dx0 a1 (x0 )/a0 (x0 ) podramos haber escrito
Rx 0
0
0
dx a1 (x )/a0 (x ) indicando que c puede tomar cualquier valor (siempre no sea tal que haga que la integral no
c
exista).
8
10
Problema de Sturm-Liouville
La ecuaci
on anterior es igual a la ecuaci
on de Sturm-Liouville (1.15) si
p0 (x)
= 2 p(x) = e2x ,
p(x)
(
q = 0,
q(x) + r(x)
=
p(x)
r(x) = p(x) = e2x .
(1.19)
La ecuaci
on de Sturm-Liouville es por tanto
d 2x 0
e
y (x) + e2x y(x) = 0.
dx
(1.20)
(1.21)
(1.22)
Discutiremos m
as adelante propiedades del problema de Sturm-Liouville en terminos 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
9
Se asume que estos temas son conocidos por el lector: puede verse una discusi
on m
as detallada en el captulo
11
(1.23a)
(c1 c2 ) = c1 (c2 ).
(1.23b)
(c1 + c2 ) = c1 + c2 .
2. Propiedad asociativa:
(1.23c)
12
Problema de Sturm-Liouville
En lo que sigue llamaremos producto tanto a la ley de composicion como a * y las denotaremos
a las dos mediante la ausencia de smbolo, es decir,
c1 c2 c1 c2 ,
c c .
Aunque se usa el mismo smbolo, las operaciones y * son distintas. La situacion es la misma para
el smbolo +, pues hemos usado este smbolo para indicar dos operaciones diferentes: 1 + 2 , que
es suma de vectores, y c1 + c2 , que es suma de escalares. Tambien, por comodidad, denotaremos
al vector nulo por 0 en vez de escribir 0.
I Ejemplo 1.7
Rb
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 funcion real siempre positiva. A estas funciones se las llama funciones de cuadrado
sumable en el intervalo [a, b] con respecto a la funcion peso r(x). Ahora queremos demostrar que la suma
de dos funciones es una ley de composicion 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)]
(1.24)
Pero
Re [f (x)g(x)] |f (x)||g(x)|
como es facil demostrar sin mas que escribir las funciones 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)|
(1.25)
Pero de la relaci
on
2
|h(x)|2 2 |f (x)|2 + |g(x)|2 .
(1.26)
Rb
Rb
Esta relaci
on nos permite asegurar que si las integrales a r(x)|f (x)|2 dx y a r(x)|g(x)|2 dx son finitas
Rb
entonces la integral a r(x)|h(x)|2 dx tambien es finita, es decir, hemos demostrado que si f L2 y g L2 ,
entonces h = f + g L2 .
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 seccion 1.3.1) que caracterizan a un
grupo conmutativo. Por supuesto, es tambien 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.
J
13
(1.27)
c.s.
(, ) = kk2 0 siendo 0 si y s
olo si = 0.
(1.28)
La expresi
on = 0 significa que es nulo casi siempre10 , es decir, que es nulo siempre
excepto, como mucho, en un conjunto de puntos que no modifican el valor nulo del producto
escalar (, ). A la cantidad kk se la llama norma de .
Utilizaremos muy a menudo la notaci
on de Dirac del producto escalar en la cual se escribe
h|i en vez de (, ), es decir,
(, ) h|i
(1.29)
Dos vectores y decimos que son ortogonales entre s (o, simplemente, ortogonales) cuando
su producto escalar es cero:
y ortogonales h|i = 0 .
(1.30)
B Ejercicio 1.4
Rb
1. Demuestra que la ley de composicion 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 pagina 12.
2. En la propiedad 3, ecuaci
on (1.28), se da por supuesto que la norma es un n
umero real. Justifica que
esto es cierto.
10
14
Problema de Sturm-Liouville
c1 , c2 , 1 , 2 .
B Ejercicio 1.5
Comprueba que el operador Dn definido por la relaci
on Dn [y(x)]
el operador Pn definido por Pn [y(x)] y n (x) no es lineal si n 6= 1.
dn
y(x) es lineal para todo n y que
dxn
, V
(1.31)
h|A|i = h|A |i ,
, V.
(1.32)
o, en notaci
on de Dirac,
Si un operador es igual a su adjunto, A = A , se llama autoadjunto o hermtico.11
Al vector n que satisface la relaci
on
A n = n n
(1.33)
(1.34)
Am = m m .
(1.35)
En la notaci
on de Dirac los vectores , ,. . . , se representan por |i, |i, . . . Con esta notaci
on
las ecuaciones anteriores se reescriben as:
A|n i = n |n i,
A|m i = m |m i,
11
(1.36)
(1.37)
15
de modo que
|A |
hm |A|n i = hm |n |n i = n hm |n i.
Calculemos ahora hm
n i. Haciendo uso de (1.32) vemos que hm
partir de (1.37), obtenemos
(1.38)
|A |
hm |A |n i = m hn |m i = m hm |n i.
ni
= hn |A|m i y, a
(1.39)
donde en la u
ltima igualdad hemos empleado la propiedad de simetra (1.27) del producto escalar.
Restando las expresiones (1.38) y (1.39) se tiene
hm |A|n i hm |A |n i = (n m ) hm |n i.
(1.40)
hm |n i
.
km k2
(1.41)
16
Problema de Sturm-Liouville
y por tanto
hm |i
.
(1.45)
km k2
A estos coeficientes los llamaremos coeficientes generalizados de Fourier o, simplemente, coeficientes de Fourier.
cm =
12
Esta afirmaci
on no es siempre verdadera. Sin embargo, s es cierta para el operador hermtico de Sturm-Liouville
L operando sobre el espacio vectorial de las funciones de cuadrado sumable que es lo que nos interesa en este libro
(vease la secc
on 1.4). Puede verse la demostraci
on de esta afirmaci
on en la referencia [CH62]. Vease tambien la
secci
on 9.4 de [Arf85]. Se dar
an m
as detalles sobre esto en la secci
on 1.4.
17
|i =
kn k2
|n i.
(1.46)
A|i =
kn k2
n |n i
1
|n i hn |i.
kn k2
(1.47)
1
|n i hn |.
kn k2
(1.48)
N
otese que podemos afirmar que el operador A es igual al operador del miembro derecho de (1.48)
porque ambos operadores aplicados sobre cualquier vector |i 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
hermtico A. Si los autovectores estan normalizados, kn k = 1, la relaci
on (1.48) se convierte
en
X
A=
n |n i hn |.
(1.49)
n
I|i = |i.
Es evidente que el operador identidad es hermtico y que los autovectores {n } del operador
hermtico A que son una base de V son tambien autovectores del operador identidad con autovalores iguales a 1:
I|n i = 1|n i.
(1.50)
Por tanto
I=
X
n
1
|n i hn |.
kn k2
(1.51)
A esta ecuaci
on se la llama relaci
on de cierre de la base {n }.
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.
18
Problema de Sturm-Liouville
(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 definicion 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 funcion peso
Rb
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 finito). Si adem
as f (x) satisface las condiciones de contorno homogeneas del
problema de Sturm-Liouville, diremos que f L2SL [a, b, r(x)], donde L2SL [a, b, r(x)] es el conjunto
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 L2SL [a, b, r(x)] es un espacio vectorial sobre el cuerpo C
de los n
umeros complejos dado que:
1. (L2SL , +) es grupo conmutativo.
2. (C, +, ) es cuerpo.
3. La ley de composicion externa de L2SL [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 de lugar a confusion, escribiremos L2 en vez
de L2 [a, b, r(x)], L2SL en vez de L2SL [a, b, r(x)], y hablaremos de funciones de cuadrado sumable
sin mencionar explcitamente la funcion peso r(x) ni el intervalo de definicion a x b.
B Ejercicio 1.7
Demuestrese que L2SL es un espacio vectorial comprobando que satisface todas las condiciones requeridas
para ello. Este ejercicio nos exige poco mas que repetir los argumentos del ejemplo 1.7 de la pagina 12.
A la funcion r(x) se la llama funcion peso. Es facil ver (hagase como ejercicio) que la operacion
(f, g) as definida satisface las tres propiedades que se exigen a un producto escalar:15
h|c1 1 + c2 2 i = c1 h|i + c2 h|2 i,
h|i = h|i ,
c.s.
19
1 2 1 2
|f | + |g| .
2
2
(1.55)
para cualquier f, g L2SL . Para ello hacemos uso de la definicion de producto escalar dada en
(1.54),
Z b
dx r(x) f (x) L g(x)
hf |L|gi =
a
Z b
1
d
d
dx r(x) f (x)
=
p(x)
+ q(x) g(x)
r(x) dx
dx
a
Z b
Z b
d
d
dx
p(x)
dx f (x) q(x) g(x).
+
hf |L|gi = f (x) p(x)
dx a
dx
dx
a
a
De igual modo hallamos
Z b
Z b
df (x) b
df dg
hg|L|f i = g (x) p(x)
dx p(x)
y por tanto
Z b
Z b
df dg
df (x) b
dx p(x)
dx g(x) q(x) f (x).
+
hg|L|f i = g(x) p(x)
dx a
dx dx
a
a
16
(1.57)
20
Problema de Sturm-Liouville
Restando esta u
ltima expresi
on de (1.57) se obtiene la identidad o f
ormula de Green:
hf |L|gi hg|L|f i =
dg
df b
p(x) f (x)
g(x)
dx
dx
a
(1.58)
es decir
hf |L|gi hg|L|f i = p(b) [f (b) g 0 (b) g(b) f 0 (b)] p(a) [f (a) g 0 (a) g(a) f 0 (a)]. (1.59)
Pero por definicion de L2SL , si f, g L2SL , entonces f y g satisfacen condiciones de contorno de
Sturm-Liouville, lo que significa (recuerdese la definicion de condici
on de contorno de SturmLiouville que dimos en la secci
on 1.2.2) que la formula de Green se anula y por tanto el operador
L es hermtico dentro del espacio vectorial L2SL . En resumen, concluimos que las condiciones de
contorno de Sturm-Liouville son simplemente aquellas que hacen que L sea hermtico.
(1.60)
(1.61)
x Z
f (x) p(x) g (x) dx p(x) f (x) g(x) +
0
21
(1.62)
f (x) f 0 (x)
= f (x) g 0 (x) g(x) f 0 (x)
W (x; f, g)
g(x) g 0 (x)
1 g(a) + 2 g (a) = 0.
(1.63)
(1.64)
El resultado que acabamos de demostrar implica que si dos autofunciones distintas f, g L2SL
de un problema de Sturm-Liouville regular tienen el mismo autovalor (que llamaremos ),
Lf = f,
Lg = g,
22
Problema de Sturm-Liouville
Teorema 1.3 Los problemas regulares de Sturm-Liouville tienen una secuencia infinita de autovalores 0 < 1 < 2 < donde lmn n = , es decir, hay un n
umero infinito de
autovalores existiendo uno mnimo 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.
I Ejemplo 1.8
Queremos hallar la soluci
on del problema de Sturm-Liouville
y 00 + y = 0
0 x 1,
(1.65)
h 0.
(1.66)
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 dificultad 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) = 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. Podra esta soluci
on satisfacer tambien la condici
on de contorno en el
otro extremo, en x = 1? Si imponemos esta condici
on de contorno, se tiene que
senh + h cosh = 0,
o bien
tanh
= h .
Esta ecuaci
on no tiene soluci
on para < 0 si h > 0 (vease la figura 1.1).
> 0. En este caso, la soluci
on general de la ecuaci
on de Sturm-Liouville es
(1.68)
23
tanh(z)
1.0
0.5
0.0
-1
-0.5
-h z
-1.0
. La u
nica
(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. Podra esta soluci
on satisfacer tambien la condici
on de contorno en el
otro extremo, en x = 1? Si imponemos esta condici
on de contorno, se tiene que
sen + h cos = 0,
o bien
tan
= h .
(1.70)
24
Problema de Sturm-Liouville
20
tan(z)
10
0
0
10
-10
-20
Figura 1.2: Solucion grafica de la ecuacion trascendente tan z = hz con z = . Los autovalores
se extraen del valor de las abscisas zn de los puntos de corte de tan z (lnea continua) y hz (lnea
discontinua) pues n1 = zn2 . En esta figura hemos tomado h = 2.
n < 2n+1
Puede verse sin demasiada dificultad que n tiene n ceros en (0, 1): sabemos que 2n+1
2 <
2 +
2n+1
=
(n+1)
por
lo
que
=
B
sen
x
y
sen[(n+1)
x]
tienen
x
tiene
n
ceros
en
(0,
1)
pues
sen
n
n
2
2
n ceros en el intervalo 0 x 1. En las figuras 1.3 y 1.4 se muestra esto para las primeras autofunciones
0 y 1 .
B Ejercicio 1.10
1. Demuestra que las autofunciones (1.71) son ortogonales entre s. Ayuda:
Z 1
sen(x) sen(x)dx = [ cos sen cos sen ]/( 2 2 ) .
0
2. Resuelve ahora este ejemplo suponiendo que h < 0. Ten en cuenta que tanto
1
d tan(x)
=
dx
cos2 (x)
como
1
d tanh(x)
=
dx
cosh2 (x)
son iguales a 1 en x = 0, de modo que las soluciones seran distintas dependiendo de si h 1
o h < 1.
J
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.
25
1.0
1.0
0.8
0.5
0.6
x
0.0
0.0
0.4
0.5
1.0
-0.5
0.2
0.0
0.0
0.2
0.4
0.6
0.8
1.0
-1.0
Vease 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].
26
Problema de Sturm-Liouville
(x)
I Ejemplo 1.9
La funcion (x) = cos(x) + H(x) donde H(x) es la funcion salto de Heaviside22 , es suave a trozos en el
intervalo [, ], pues es suave para x < 0 y x > 0. En cambio, la funcion 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.
J
cn n (x)
converge a (x) en media cuadratica con respecto a la funcion peso r(x) en el intervalo [a, b] si
el error cuadratico medio con respecto a la funcion peso r(x) en el intervalo [a, b]
2
Z b
n
n
2
X
X
m (x)
cm m (x) =
(x)
dx r(x) (x)
En =
a
m=0
m=0
lm
n a
22
dx r(x) (x)
n
X
m=0
#2
cm m (x)
= 0.
27
con
1
cn =
kn k2
(1.72b)
con
1
cn =
kn k2
(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].
P
P
Como es habitual, escribiremos (x) = n cn n (x) tanto si n cn n (x) converge a (x) en
media cuadratica como punto a punto, es decir, usaremos el mismo smbolo = 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).
I Ejemplo 1.10
Queremos hallar todas las soluciones posibles (autofunciones) del problema de Sturm-Liouville
y 00 (x) 2y 0 (x) + y(x) = 0,
0 x ,
(1.74)
(1.75)
p0 (x)
= 2,
p(x)
q(x) + r(x)
= .
p(x)
28
Problema de Sturm-Liouville
r(x) = e2x ,
q(x) = 0.
1 .
y(x) = ex A e 1 x +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 sera 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 (solucion trivial) y(x) = 0. Concluimos que = 1
no es autovalor.
< 1. En este caso la soluci
on (1.76) puede escribirse de esta forma mas conveniente:23
(1.77)
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 llevara a la soluci
on trivial, o bien si
sen 1 = 0,
23
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 genericas sin atribuirlas en principio ning
un valor concreto.
29
80
70
60
60
50
40
40
30
20
20
10
0.5
1.5
2.5
0.5
(a)
1.5
2.5
(b)
90
80
80
60
70
60
40
50
40
20
30
0.5
1.5
2.5
(c)
3.05 3.1
(d)
es decir, si
1 = n con n = 1, 2, , es decir, si
= n 1 + n2 ,
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
p
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
x
xe =
cn n (x)
con cn =
n=1
hn |x ex i
kn k2
donde
x
hn |x e i =
2
kn k =
dx r(x) n (x) x ex ,
dx r(x) [n (x)]2 .
(1.79)
30
Problema de Sturm-Liouville
Pero hemos visto al comienzo de este ejemplo que la funcion peso r(x) de este problema de Sturm-Liouville
es r(x) = e2x de modo que
Z
Z
2x x
x
x
dx x sen(nx) = (1)n+1 ,
dx e
e sen(nx) x e =
hn |x e i =
n
0
Z0
2
.
n
(1.80)
(1)n+1
n=1
2 x
e sen nx,
n
0 x .
(1.81)
En la figura 1.6 se compara esta serie cuando se retienen sus primeros N terminos, es decir
SN (x) =
N
X
n=1
x
(1)n+1
2 x
e sen nx
n
X
2
(1.82)
(1)n+1 ex sen nx ,
n
n=1
es decir, por el mismo desarrollo que encontramos para la funcion x ex donde x [0, ] [vease la
ecuaci
on (1.81)]. A que se debe que los desarrollos sean los mismos para las dos funciones?
3. La serie (1.82) converge en media cuadr
atica a las funciones f (x) y x ex . Por que?
4. La serie (1.82) converge a la funcion x ex en el punto x = 2. Por que?
5. La serie (1.82) no converge a la funcion f (x) en el punto x = 2. Por que?
J
24
Pueden verse m
as detalles en, por ejemplo, la secci
on 14.5 de [Arf85].
31
m=0
n
X
(x)
m=0
(1.83)
+
n
X
am m (x)
am m (x)(x)
(1.84)
m=0
con respecto a la funcion peso r(x) en el intervalo [a, b] es mnimo. Es facil ver que
2
En = kk
n
X
m=0
am h|m i
n
X
m=0
am hm |i
n X
n
X
m=0 l=0
am al hm |l i .
n
X
m=0
am cm km k2
Es decir,
2
En = kk +
Pero
n
X
m=0
n
X
m=0
am cm km k2 +
n
X
m=0
|am |2 km k2 .
|am |2 am cm am cm km k2 .
En = kk +
n
X
m=0
|am cm |2 |cm |2 km k2 .
(1.85)
En resumen:
Pn
m=0 cm m (x)
n
2
X
cm m (x)
En =
(x)
m=0
Pn
m=0 am m (x):
n
n
2
2
X
X
am m (x)
.
cm m (x)
(x)
(x)
m=0
m=0
32
Problema de Sturm-Liouville
mn En = kk
n
X
m=0
|cm |2 km k2 .
(1.87)
B 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 funcion peso r(x) = ex cuando se aproxima la funcion x ex con una
P20
combinacion 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 coeficientes an conduce a un error cuadr
atico medio
mayor que el que se comete cuando se usan los coeficientes de Fourier cn hallados en (1.80).
Por el teorema 1.5, sabemos que si (x) es una funcion de cuadrado sumable
P con respecto a la
2
funcion peso r(x) en el intervalo [a, b] ((x) L [a, b; r]), entonces la serie n cn n (x) converge
en media cuadratica a (x), es decir En 0 para n . En este caso, de la ecuaci
on (1.87) se
deduce el siguiente resultado:
Teorema 1.8 (Identidad de Parseval) Para una funci
on de cuadrado sumable se tiene que
X
kk2 =
|cn |2 kn k2 .
(1.88)
n
Relacion de Cierre.
La expresi
on general de la relaci
on de cierre era (vease la pagina 17)
I=
1
|n ihn |.
kn k2
X
n
=
de donde se deduce25
25
1
kn k2
dx0 r(x0 )
"
kn k2
(x0 ),
X 1
1
(x x0 ) =
(x) n (x0 ).
0
2 n
r(x )
k
k
n
n
(1.89)
dx0 (x
33
I Ejemplo 1.11
Mediante este ejemplo vamos a mostrar que la teora del desarrollo de Fourier no es mas que un caso
particular de la teora 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
a x a + L,
(1.90a)
(1.90b)
y(x) = Ax + B.
A eika 1 eikL + B eika 1 eikL = 0.
(1.91)
A eika 1 eikL B eika 1 eikL = 0.
(1.92)
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 coeficientes sea igual a cero:
ika
e
1 eikL
eika 1 eikL
ika
= 0 .
e
1 eikL
eika 1 eikL
Desarrollando el determinante se obtiene
2 1 eikL
1 eikL = 0.
Es decir, s
olo los valores de k que hagan que se verifique, 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 =
2n
kn ,
L
n = 1, 2,
(1.93)
4 2 2
n ,
L2
n = 1, 2,
(1.94)
34
Problema de Sturm-Liouville
Por tanto, las soluciones del problema de Sturm-Liouville definido por las ecuaciones (1.90) tienen la forma
n (x) = An eikn x +Bn eikn x
n = 1, 2,
n = 0, 1, 2,
Otra elecci
on posible, tambien muy habitual por la sencillez del resultado, es An = Bn = 1/2 y An =
(1)
(2)
Bn = i/2 con n = 1, 2, , obteniendose n (x) = cos(2nx/L), n (x) = sen(2nx/L). Como
0 (x) = 1, podemos escribir todas las autofunciones de este modo:
n(1) (x) = cos(kn x),
n(2) (x)
(1)
n = 0, 1, 2
= sen(kn x),
n = 1, 2
(2)
Por supuesto {n (x)} y {n (x), n (x)} no son mas que las funciones (armonicos) de las series de Fourier.
Veamos a continuacion con detalle algunas de las propiedades de las autofunciones n (x).
Degeneraci
on. Las autofunciones con n 6= 0 son doblemente degeneradas pues n y n tienen el mismo
autovalor, = kn2 . Este resultado est
a de acuerdo con lo que afirmaba el teorema 1.4 en la pagina 24.
Ortogonalidad. Las autofunciones {n } son ortogonales entre s. Esto es facil de demostrar pues
hn |m i =
a+L
dx n (x) m (x)
a+L
dx ei2(mn)x/L .
Por tanto:
Si m 6= n, entonces
hn |m i =
Si m = n, entonces
a+L
L
= 0.
ei 2(mn)x/L
i 2(m n)
a
kn k2 =
a+L
dx = L.
En resumen,
hn |m i = L nm
siendo nm la delta de Kronecker.
Desarrollo en serie. Si (x) es una funcion definida en el intervalo a x a + L, entonces podemos
expresarla como un desarrollo en serie de Fourier,
(x) =
cn ei 2nx/L
(1.95)
(1.96)
cn n (x) =
n=
n=
1
hn |i
=
2
kn k
L
a+L
35
Si la funcion (x) es suave en el intervalo [a, a + L], la serie de (1.95) converge punto a punto a (x) (vease
el teorema 1.6); si (x) es de cuadrado sumable, la serie converge en media cuadr
atica (vease el teorema
1.5).
Identidad de Parseval. En este problema de Sturm-Liouville, la identidad de Parseval dada por (1.88)
significa que
Z
X
1 a+L
|cn |2 .
(1.97)
dx |(x)|2 =
L a
n=
Relaci
on de cierre. La relaci
on de cierre dada por (1.89) toma en este caso la forma
(x x0 ) =
1 X i 2n (xx0 )
.
e L
L n=
(1.98)
con x0 = L/2 y L = 1, para diversos valores de N . Comprueba que la funcion se parece cada vez
mas a una funcion delta de Dirac centrada en x0 = 1/2 a medida que N aumenta. Que sucede si vas
aumentando el valor de L?
3. 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 coeficientes 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. Tambien dijimos que la elecci
on An = Bn = 1/2 y An = Bn = i/2 hace que
(1)
(2)
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.
(1.99)
Transformada de Fourier
Es bien conocido que cuando el intervalo de definicion de la funcion (x) tiende a infinito, la serie de Fourier
que describe a (x) se transforma en una transformada de Fourier. Veamoslo. Por comodidad tomamos
36
Problema de Sturm-Liouville
X
k
c(k) =
Como k =
2
L
entonces
L
2 k
1
L
k = 0,
2 4
, ,
L
L
(1.100)
L/2
dx eikx (x).
(1.101)
L/2
= 1. Multiplicando la ecuaci
on (1.100) por esta u
ltima cantidad, se tiene
(x) =
X
k
donde
c(k) eikx ,
X
L
c(k) eikx =
k (k)
e eikx ,
2
1
L
c(k) =
(k)
e
=
2
2
L/2
dx eikx (x).
L/2
Z
1
(k)
e
=
dx eikx (x).
2
(1.102)
A la funcion (k)
e
se la conoce como transformada de Fourier de (x).
El resultado anterior puede entenderse como que cualquier funcion suficientemente bien comportada26
en la recta real puede desarrollarse en terminos de autofunciones asociadas a autovalores que forman un
espectro continuo.
B Ejercicio 1.14
1. Emplea los argumentos anteriores que permitieron deducir la ecuaci
on (1.102) a partir de la ecuacion
(1.95), para deducir la relaci
on
Z
0
1
0
dk eik(xx )
(1.103)
(x, x ) =
2
a partir de la ecuaci
on (1.98).
2. Emplea la relaci
on (1.103) para demostrar que
hfe(k)|e
g (k)i =
1
hf (x)|g(x)i .
2
I Ejemplo 1.12
La identidad de Parseval permite obtener sumas notables. Veamos un ejemplo (puede verse otro ejemplo
interesante en el problema 24 del captulo 2). Sea la funcion (x) = x con 0 x . Su desarrollo en
serie de Fourier
X
X
cn ei2nx
(1.104)
cn n (x) =
(x) =
n=
26
n=
37
, n = 0,
2
1 i2nx
e
x dx =
cn =
0
i
, n=
6 0.
2n
Z
(1.105)
dx x2 =
X
1
2
.
+2
4n2
4
n=1
2
X
2
2
1
.
=
=
2
2
6
4
3
n
n=1
P
Hemos as encontrado que n=1 1/n2 = 2 /6. Esta relacion fue descubierta por Euler en 1735 y es uno
de los hallazgos mas impresionantes de los comienzos de la teora de series infinitas[Sim93, seccion 34].
Calcular la suma de esta serie se conocio como problema de Basilea y fue por primera vez formulado por
Pietro Mengoli en 1644. Este problema se haba resistido desde entonces a los esfuerzos de los matem
aticos
m
as brillantes de la epoca, por lo que su resolucion le proporciono a Euler, a los 28 a
nos, una fama
inmediata.27
J
x [a, b],
(1.106)
f (x)
.
r(x)
(1.107)
27
as informaci
on sobre este problema. Es muy recomendable e instructivo conocer
En www puedes encontrar m
el ingenioso metodo que us
o Euler para resolverlo.
28
Cambiando de smbolo queremos evitar confusiones procedentes de la notaci
on y, adem
as, hacer hincapie 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 inhomogeneos es un par
ametro cuyo
valor est
a dado.
38
Problema de Sturm-Liouville
N
otese que estas condiciones de contorno son homogeneas. Tambien se llama problema de SturmLiouville inhomogeneo a la ecuaci
on de Sturm-Liouville homogenea o inhomogenea con condiciones de contorno inhomogeneas (este caso se estudiar
a en la secci
on 1.9). Sin embargo, en
lo que sigue, salvo que se diga explcitamente lo contrario, cuando hablemos de problema de
Sturm-Liouville inhomogeneo nos referiremos a la ecuaci
on de Sturm-Liouville inhomogenea m
as
condiciones de contorno homogeneas.
A continuaci
on vamos a ver un resultado importante que nos proporciona las condiciones para
las cuales el problema no homogeneo (1.106) tiene solucion.
I Ejemplo 1.13
Sea el problema de Sturm-Liouville homogeneo
y 00 + 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)
39
(1.109a)
(1.109b)
La soluci
on general de la ecuaci
on diferencial puede expresarse as:
y(x) = soluci
on particular + soluci
on general homogenea = yp + yh .
Es facil 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
A = B = 1,
y(/2) = 0 1 + B = 0
y, por tanto, la soluci
on del problema de Sturm-Liouville inhomogeneo (1.109) es
y(x) = 1 cos x sen x.
Esta soluci
on es u
nica.
J
I Ejemplo 1.14
Sea el problema de Sturm-Liouville homogeneo
y 00 + y = f (x) ,
(
y(0) = 0 ,
CC :
y() = 0 ,
(1.110a)
(1.110b)
con
f (x) = 0.
La soluci
on general de la ecuaci
on diferencial es
y(x) = A cos x + B sen x.
(1.110c)
40
Problema de Sturm-Liouville
De la condici
on de contorno y(0) = 0 se deduce que A = 0. De la condici
on de contorno y() = 0 deducimos
tambien que A = 0. Esto significa que la soluci
on de este problema de condiciones de contorno es
y(x) = B sen x,
siendo B una constante arbitraria. En definitiva, hemos encontrado que el problema homogeneo tiene
soluci
on. O dicho en otros terminos: hemos encontrado que sen x es la autofuncion del problema de
Sturm-Liouville homogeneo (1.110), donde = 1 es el autovalor correspondiente.
Sea ahora el problema de Sturm-Liouville inhomogeneo
y 00 + y = f (x) ,
(
y(0) = 0 ,
CC :
y() = 0 ,
(1.111a)
(1.111b)
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 inhomogeneo no debera tener soluci
on ya que el problema homogeneo correspondiente (1.110),
como hemos comprobado hace un momento, s tiene soluci
on. No obstante, sabemos que hay una excepcion
a esta afirmaci
on si sucede que la soluci
on del problema homogeneo y(x) = B sen x es ortogonal al termino
fuente f (x) = 1. Sin embargo esto no sucede pues [notese que la funcion peso en este problema es r(x) = 1]
Z
dxB sen(x) = 2B 6= 0
hy(x)|f (x)i =
0
)
A+1=0
A + 1 = 0
Imposible!
Demostraci
on del teorema de la alternativa de Fredholm
Nos demoraremos en esta demostraci
on porque en su transcurso aprenderemos como obtener
la solucion del problema no homogeneo en terminos de las autofunciones del operador de SturmLiouville L.
Sean {n } las autofunciones del operador hermtico L con las condiciones de contorno
(
1 y(a) + 2 y 0 (a) = 0,
(1.112)
1 y(b) + 2 y 0 (b) = 0.
Llamaremos n a sus autovalores, es decir,
L n = n n .
(1.113)
41
A continuaci
on expresamos tanto la solucion y(x) del problema no homogeneo
f (x)
,
r(x)
(L + ) y(x) =
(1.114)
(1.115)
f (x) X
=
bn n (x),
r(x)
n
con29
hn |f /ri
1
bn =
=
2
kn k
kn k2
dx n (x) f (x).
(1.116)
(1.117)
es decir,
X
n
[cn ( n ) bn ] n = 0.
Para que esto se verifique debe ocurrir que cada uno de los coeficientes de n sea nulo30 y por
tanto
( n ) cn = bn .
(1.118)
En la resoluci
on de esta ecuaci
on distinguimos dos posibilidades:
1. 6= n para todo n, con lo cual de (1.118) se deduce que
cn =
bn
,
n
n.
(1.119)
Esto significa que la solucion del problema no homogeneo puede escribirse como
y(x) =
X
n
bn
n (x)
n
(1.120)
X
n
29
1
kn k2
Rb
a
dy n (y) f (y)
n (x) .
n
(1.121)
Sera tambien 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 que?
42
Problema de Sturm-Liouville
Si el problema es homogeneo [f (x) = 0], entonces bn = 0 y de la relaci
on (1.119) se deduce
que cn = 0. Esto significa que la solucion del problema homogeneo es la solucion trivial
nula. En otras palabras, descubrimos que el problema homogeneo
(L + ) y = 0
con 6= n no tiene solucion (aparte de la solucion trivial nula).
2. = m para un m dado, de modo que (1.118) se transforma en
(m n ) cn = bn .
(1.122)
pero no es u
nica pues la constante cm puede tomar cualquier valor.
B 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 terminos: 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 esten degenerados.
(1.124a)
1 y(a) + 2 y 0 (a) = 0,
(1.124b)
(L + ) y(x) =
con las condiciones de contorno
0
1 y(a) + 2 y (b) = 0,
si:
(1.124c)
1.8 Funci
on de Green
43
1
(x x0 ),
r(x)
a < x0 < b.
0
0
= 0,
G(x, x )
1 G(a, x ) + 2
x
x=a
0
0
1 G(b, x ) + 2
= 0.
G(x, x )
x
(1.125a)
(1.125b)
(1.125c)
x=b
Una vez hallada la funcion G(x, x0 ), la solucion y(x) del problema (1.124) original es
y(x) =
(1.126)
siendo ge(x) una funcion continua, g una constante y H(x x0 ) la funcion salto de Heaviside
en x0 ; entonces
de
g
d
dg
de
g
dg
=
+ g
H(x x0 )
=
+ g (x x0 ).
dx
dx
dx
dx
dx
d
H(x x0 ) = (x x0 )
dx
integrando esta expresi
on entre a y x con a < x0 .
44
Problema de Sturm-Liouville
g(x)
H(x)
g'(x)
g(x)
Figura 1.7: Representaciones graficas de las funciones g(x), ge(x), la funcion de Heaviside H(xx0 ), y
la derivada g 0 (x) de la funci
on g(x). La flecha vertical en la figura inferior derecha pretende simbolizar
una funci
on delta de Dirac situada en x0 .
(z, x0 ) dz.
(1.127)
(1.128)
1.8 Funci
on de Green
45
es finito mientras que el izquierdo es infinito debido a la funcion delta situada en x0 . Por tanto
no es posible que G(x, x0 ) sea discontinua en x = x0 [a, b]. Como x0 es un punto arbitrario,
concluimos que G(x, x0 ) ha de ser continua en todo el intervalo [a, b].
Propiedad 2.
1
0
0
G(x, x )
G(x, x )
.
(1.129)
=
x
x
p(x0 )
x=x0
x=x0
+
(1.131)
x=x+
x0 +
0
d
0
0
= p(x0 ) G(x, x )
lm p(x) G(x, x )
0
dx
x
x=x
x0
Adem
as
lm
x0 +
0 x
0
(x x0 ) dx = 0
si x0 6= x0 . Entonces la ecuaci
on (1.131) para x0 6= x0 se reduce a
#
"
= 0.
G(x, x0 )
G(x, x0 )
p(x0 )
+
x
x
x=x
x=x
0
Esto significa 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, x0 ) es continua en x = x0 6= x0 .
x0 = x0 . En este caso, en las relaciones anteriores s
olo cambia que
Z x0 +
(x x0 ) dx = 1,
lm
0 x
0
46
Problema de Sturm-Liouville
por lo que (1.131) se reduce ahora a
"
#
p(x0 )
= 1,
G(x, x0 )
G(x, x0 )
x
x
0
x=x
x=x0
+
es decir,
1
0
0
G(x, x )
G(x, x )
.
=
x
x
p(x0 )
x=x0
x=x0
+
(1.132)
f (x)
.
r(x)
(1.133a)
1 y(a) + 2 y 0 (a) = 0,
(1.133b)
y(x) =
1. Es solucion de la ecuaci
on diferencial
(L + ) y(x) =
2. Satisface las condiciones de contorno
1 y(a) + 2 y (b) = 0.
(1.133c)
para x x0 ,
G2 (x, x ) = G(x, x )
para x x ,
(1.134)
(1.135)
dx G(x, x ) f (x ) +
a
x
a
(1.136)
1.8 Funci
on de Green
47
d2 y
dy
+ p0 (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:
Z b(x)
Z b(x)
d
F
db
da
F (x, y) dy =
dy + F [x, b(x)]
F [x, a(x)] .
(1.138)
dx a(x)
x
dx
dx
a(x)
La primera derivada viene dada por
Z x
Z b
dy
0
0
0
dx
dx0 G1 (x, x0 ) f (x0 ) G1 (x, x)f (x).
=
G2 (x, x ) f (x ) + G2 (x, x)f (x) +
dx
x
x
a
x
(1.139)
Pero como G(x, x0 ) es continua se tiene que G1 (x, x) = G2 (x, x), de modo que la relaci
on anterior
se reduce a
Z b
Z x
dy
0 0
0
0
dx0 G01 (x, x0 ) f (x0 ).
(1.140)
dx G2 (x, x ) f (x ) +
=
dx
x
a
0
dx
=
G2 (x, x0 ) f (x0 ) + f (x) G2 (x, x)
2
2
dx
x
x
a
Z b
2
(1.141)
(1.142)
(1.143)
0
0
1 G(a, x ) + 2
= 0.
G(x, x )
x
x=a
Multiplicando por f (x0 ) e integrando sobre todo el intervalo a x b se tiene que
Z b
0
0
0
0
dx f (x ) 1 G(a, x ) + 2
G(x, x )
= 0,
x
a
x=a
31
Tengase en cuenta que G1 (x, x0 ) y G2 (x, x0 ) son funciones continuas en sus intervalos de definici
on, a saber,
en a x x0 y x0 x b, respectivamente.
48
Problema de Sturm-Liouville
y
c2y2(x)
G2(x,x')
c1y1(x)
G1(x,x')
b x
x'
dx0 f (x0 ) G(x, x0 )
= 0.
x=a
De esta relaci
on, y teniendo en cuenta la ecuaci
on (1.132), se deduce que
1 y(a) + 2 y 0 (a) = 0 ,
que es lo que queramos demostrar. Se procedera de modo an
alogo para demostrar que (1.132)
tambien satisface la condici
on de contorno en x = b dada por la ecuaci
on (1.133b).
1.8 Funci
on de Green
49
(1.144)
1
.
p(x0 )
(1.145)
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 tendra
que y1 (x) = c y2 (x), por lo que y1 (e y2 tambien) sera solucion de la ecuaci
on homogenea
(L + ) y1 (x) = 0,
satisfaciendo adem
as las condiciones de contorno homogeneas en x = a y en x = b (pues y1 = c y2
e y2 satisface la condici
on de contorno en x = b). Esto supondra que es un autovalor y la
funcion y1 (x) una autofuncion de L, lo que ira en contra, seg
un el teorema de la alternativa de
Fredholm, de la hip
otesis de partida de que el problema de Sturm-Liouville inhomogeneo tiene
solucion.
B Ejercicio 1.17
Podra ocurrir que el problema de Sturm-Liouville homogeneo tuviera soluci
on, y1 (x) y que el problema de
Sturm-Liouville inhomogeneo tambien tuviera soluci
on? Una pista: es nulo el producto escalar hy1 (x)|(x
x0 )/r(x)i para todo x0 ?
50
Problema de Sturm-Liouville
1
0
0
G2 (x, x0 ) =
y1 (x0 ) y2 (x),
p(x0 ) W [x0 ; y1 , y2 ]
a x x0 b,
a
x0
(1.149)
x b.
De la relaci
on (1.150) se deduce que
G(x, x0 ) = G(x0 , x).
Esta propiedad se conoce como simetra de reciprocidad o reciprocidad de Maxwell.
(1.153)
1.8 Funci
on de Green
51
(1.155)
1
(x x0 )
r(x)
(1.156)
y que la relaci
on de cierre (vease (1.89) en la pagina 32) es
X
n
1
1
n (x) n (x0 ) =
(x x0 ),
2
kn k
r(x)
(1.157)
an (x0 )n (x) =
es decir,
X
n
Entonces
X
n
an (x0 ) ( n ) n (x) =
an (x0 ) =
y por tanto
G(x, x0 ) =
X
n
1
n (x) n (x0 ),
kn k2
X (x0 )
n
kn k2
n (x).
1 n (x0 )
n kn k2
(1.158)
1 n (x)n (x0 )
.
kn k2 n
(1.159)
y(x) =
32
(1.160)
52
con
Problema de Sturm-Liouville
hn |f /ri
1
cn =
=
2
kn k
kn k2
b
a
I Ejemplo 1.15
En este ejemplo vamos a obtener la soluci
on de un problema de Sturm-Liouville a partir de la funcion de
Green en forma cerrada (por construccion) y en serie de autofunciones.
Sea la ecuaci
on diferencial de Sturm-Liouville no homogenea
d2 y
= f (x)
dx2
(1.162)
y(L) = 0.
(1.163)
Soluci
on por construcci
on. Empezaremos calculando la funcion de Green de este problema de SturmLiouville mediante el procedimiento de construccion. La soluci
on general de la ecuaci
on homogenea
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 verifica 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, tambien podramos haber dejado las expresiones en terminos de A2 en vez de B2 .)
La funcion de Green sera por tanto
(
G1 (x, x0 ) = c1 (x0 ) y1 (x) = c1 (x0 ) x,
0 x x0 ,
0
G(x, x ) =
G2 (x, x0 ) = c2 (x0 ) y2 (x) = c2 (x0 ) (x L), x0 x L.
Las condiciones de continuidad de G en x0 , (1.144), y de discontinuidad de G0 en x0 , (1.145), nos permitiran
calcular las funciones c1 y c2 :
c1 (x0 ) x0 c2 (x0 ) (x0 L) = 0,
1
= 1,
c2 (x0 ) c1 (x0 ) =
p(x0 )
ya que p(x) = 1. La soluci
on de este sistema de ecuaciones algebraicas es
c1 =
x0 L
,
L
c2 =
x0
,
L
1.8 Funci
on de Green
53
1
0
0
G1 (x, x ) = L x (x L),
G(x, x0 ) =
G (x, x0 ) = 1 x0 (x L),
2
L
0 x x0 ,
x0 x L.
La soluci
on del problema de Sturm-Liouville es
y(x) =
x
(1 x2 ) .
6
B Ejercicio 1.18
Comprueba por sustitucion 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
on
Liouville en terminos de una serie de autofunciones del operador de Sturm-Liouville L = dx
2 . La ecuaci
de autovalores de L es
d2
L = =
= .
(1.165)
dx2
Es facil demostrar que para 0 no existe soluci
on de (1.165) que satisfaga las condiciones de contorno
(1.163) (hagase como ejercicio). Veamos que pasa para > 0. En este caso la soluci
on general es
(x) = c1 sen
x + c2 cos
x.
(L) = 0 c1 sen L = 0 L = , 2, 3
Los autovalores son por tanto
n =
y las autofunciones correspondientes son
n 2
L
n = sen
n = 1, 2,
n
x .
L
Su norma es
2
kn k = hn |n i =
dx sen2
n L
x = .
L
2
54
Problema de Sturm-Liouville
x
0.0
0.2
0.4
0.6
0.8
1.0
G(x,x')
-0.05
-0.10
N=1
-0.15
N=3
-0.20
N=15
-0.25
N=5
2 X
L n=1
sen
n 2
L
n
n
x sen
x0
L
L
n
n
2L X 1
= 2
sen
x
sen
x0 .
n=1 n2
L
L
Esta expresi
on no es mas que el desarrollo en serie de Fourier de G(x, x0 ). En la figura 1.9 mostramos
esta funcion cuando se retienen los N = 1, 3, 5, 15 primeros terminos de la serie para L = 1 y x0 = 1/2.
Es notable lo r
apido que converge la serie hacia la soluci
on exacta G(x, x0 ) = x/2 para x 1/2 y
0
G(x, x ) = (x 1)/2 para x 1/2.
Hallemos ahora la soluci
on y(x) del problema de Sturm-Liouville original en terminos de las autofunciones
para f (x) = x y L = 1:
Z 1
dx0 (x0 ) G(x, x0 )
(1.166)
y(x) =
0
2
2
X
1
sen (nx) sen (nx0 )
2
n
0
n=1
X
Z 1
2
1
dx0 x0 sen (nx0 )
sen (nx)
=
2 n=1 n2
0
=
dx0 (x0 )
2 X (1)n+1
sen(nx) .
3 n=1
n3
(1.167)
Esta expresi
on es simplemente el desarrollo en serie de Fourier de la soluci
on y(x) = x6 (1 x2 ) que
obtuvimos en (1.164). En la figura 1.10 se compara esta soluci
on con la soluci
on aproximada que se
obtiene cuando se retienen los tres primeros terminos de la soluci
on en serie de autofunciones (1.167).
J
55
0.07
0.06
0.05
y(x)
0.04
0.03
0.02
0.01
0.00
0.0
0.2
0.4
0.6
0.8
1.0
Figura 1.10: La solucion y(x) = x6 (1 x2 ) exacta (lnea continua) y la aproximada (1.167) con los
tres primeros terminos (lnea discontinua).
f (x)
,
r(x)
(1.168)
(1.169)
f (x)
,
r(x)
1 ye(a) + 2 ye 0 (a) = 0,
(L + ) ye(x) =
(1.170)
1 ye(b) + 2 ye 0 (b) = 0,
(L + ) F1 (x) = 0,
2 F10 (b)
(1.171)
= 0,
(L + ) F2 (x) = 0,
1 F2 (a) + 2 F20 (a) = 0,
1 F2 (b) +
2 F20 (b)
= .
(1.172)
56
Problema de Sturm-Liouville
(1.173)
B Ejercicio 1.19
Comprueba mediante sustitucion directa en las ecuaciones (1.168) y (1.169) que y(x) = ye(x)+F1 (x)+F2 (x)
es soluci
on del problema (doblemente) no homogeneo, siendo ye(x), F1 (x) y F2 (x) las funciones definidas
por las ecuaciones (1.170), (1.171) y (1.172), respectivamente.
I Ejemplo 1.16
Sea el siguiente problema de Sturm-Liouville doblemente inhomogeneo
CC :
y 00 (x) = f (x) ,
(
y(0) = ,
(1.174)
(1.175)
y(1) + y 0 (1) = .
Para ello calculamos la funcion de Green, tal y como vimos en la seccion 1.8.3 anterior:
Para 0 x x0 < 1:
Imponiendo la condici
on de contorno por la izquierda tenemos que
y1 (0) = 0 = B1 y1 (x) = A1 x.
Para 0 < x0 x 1:
Imponiendo la condici
on de contorno por la derecha obtenemos
y2 (1) + y20 (1) = 0 = 2A2 + B2 B2 = 2A2 y2 (x) = A2 (x 2).
Luego la funcion de Green es
G(x, x0 ) =
0 x x0 ,
x0 x 1.
57
cuya soluci
on es
c1 (x0 ) =
x0
1,
2
c2 (x0 ) =
x0
.
2
G(x, x ) =
x
0
0
G1 (x, x ) = (x 2) 2
0
G2 (x, x0 ) = (x 2) x
2
0 x x0 ,
x2
2
dx0 x0 f (x0 ) +
x
2
x0 x 1.
Ahora debemos calcular las funciones F1 (x) y F2 (x). El problema de Sturm-Liouville para F1 (x) es
CC :
F100 (x) = 0 ,
F1 (0) = ,
F1 (1) + F10 (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
CC :
F200 (x) = 0,
F2 (0) = 0,
F2 (1) + F20 (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) + F20 (1) = 2A = A =
F2 (x) = x.
2
2
En definitiva, la soluci
on del problema de Sturm-Liouville doblemente inhomogeneo dado por las ecuaciones
(1.174) y (1.175) es
y(x) = ye(x) + F1 (x) + F2 (x)
Z
Z
x2 x 0 0
x 1 0 0
dx x f (x0 ) +
dx (x 2) f (x0 ) + (2 x) + x .
=
2
2 x
2
2
0
J
58
Problema de Sturm-Liouville
(1.176)
hy|L yi
R[y].
hy|yi
(1.177)
Esta expresi
on es conocida como el cociente de Rayleigh. De forma m
as explcita:
R[y(x)] =
b
a
1
d
d
dx r(x) y (x)
p(x) y(x) + q(x) y(x)
r(x) dx
dx
Z b
dx r(x) y (x)y(x)
(1.178)
59
Es decir:
0 = mn R[u(x)]
hu|L ui
= mn
kuk2
"
#
2
b Z b
du
du
p u
dx p(x) q(x) |u|2
+
dx a
dx
a
= mn
,
Z b
2
dx r(x) |u|
(1.179)
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 facil de demostrar. Si u(x) es
una funcion bien comportada, sabemos que (vease la secci
on 1.6)
u(x) =
cn n (x),
con
cn =
n=0
hn |ui
.
kn k
(1.180)
Si u(x) es una funcion continua y satisface las mismas condiciones de contorno homogeneas que
n , entonces la serie anterior es uniformemente convergente (vease el teorema 1.6 en la pagina
27) y puede derivarse termino a termino (vease el teorema 7.5 en la pagina 406), de modo que
Lu(x) =
n=0
cn Ln (x) =
cn (n )n (x).
n=0
hu|L ui
,
hu|ui
(1.181)
se obtiene
P
P
cn n |
c (m )m i
n=0
m=0
P
P m
R[u] =
h
c
|
n=0 n n
m=0 cm m i
P P
n=0 P
m=0 m cn cm hn |m i
= P
n=0
m=0 cn cm hn |m i
P
2
2
n=0 n |cn | kn k
= P
.
2
2
n=0 |cn | kn k
h
2
2
n=0 |cn | kn k
(1.182)
(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 funcion prueba es justamente la autofuncion correspondiente al
autovalor mnimo.
Este resultado se puede generalizar facilmente para la estimacion de otros autovalores. Por
ejemplo, supongamos que escogemos una funcion prueba u ortogonal a 0 , tal que
h0 |ui = 0 c0 = 0.
60
Problema de Sturm-Liouville
Entonces la ecuaci
on (1.182) se reduce a
P
2
2
n=1 n |cn | kn k
R[u] = P
.
2
2
n=1 |cn | kn k
(1.184)
P
2
2
n=1 1 |cn | kn k
R[u] P
= 1 .
2
2
n=1 |cn | kn k
(1.185)
La igualdad R[u] = 1 se da cuando cn = 0 para n > 1, es decir, cuando hn |ui = 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 mnimo 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 practica se obtiene de modo aproximado el espectro de autovalores estimando n+1
mediante el cociente de Rayleigh de una funcion prueba en+1 ortogonal a las n funciones prueba
e0 , . . . , en obtenidas anteriormente. Lo ideal sera escoger como funcion prueba u(x) una funcion
lo m
as parecida posible (idealmente igual) a la autofunci
on (desconocida) em . Dado que m es
desconocida, la elecci
on de esta funcion prueba debera 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.
I 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 infinita 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
informacion nos sera especialmente u
til a la hora de escoger las funciones prueba.
Este problema se corresponde con el de la ecuaci
on de Schrodinger para una partcula en un pozo cuadrado
infinito siendo n proporcional a las energas posibles. Tambien se corresponde con la ecuacion de los modos
de vibracion de una cuerda sujeta por los extremos, siendo nlas frecuencias al cuadrado de los modos
on exacta de este problema es
normales de vibracion 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 ' 90 8696.
Dado que p(x) = 1, q(x) = 0, y r(x) = 1, el cociente de Rayleigh es
1 Z 1
du
u
dx
+
dx 0
0
R[u] =
Z 1
dx |u|2
0
35
2
du
dx
61
0.5
0.4
0.8
0.3
0.6
0.2
0.4
0.1
0.2
0.2
0.4
0.6
0.8
0.2
0.4
(a)
1
0.2
0.8
0.15
0.6
0.1
0.4
0.05
0.2
0.4
0.8
0.6
0.8
(b)
0.25
0.2
0.6
0.6
0.8
0.2
0.4
(c)
(d)
Figura 1.11: Funciones prueba u0 (x): (a) ecuacion (1.186); (b) ecuacion (1.187) con = 1/ 2; (c)
ecuacion (1.188); (d) ecuacion (1.189) (autofuncion exacta).
du
dx
1
0
R[u] = Z
= 0. Luego
2
du
dx
dx
dx |u|
Vamos a continuacion 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
proximos 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.
(
x
si
u0 (x) =
1 x si
0 x 1/2,
1/2 x 1.
(1.186)
0 R[u0 ] = Z
1/2
dx +
1/2
x dx +
dx
1/2
1/2
(1 x) dx
1
24
1
+
1
24
= 12.
62
Problema de Sturm-Liouville
2.
4x
2 1 + 4(1 )x
u0 (x; ) =
2 1 + 4(1 )(1 x)
4(1 x)
si
si
si
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 funcion prueba de la ecuaci
on (1.186). Para la funcion u0 (x; )
tenemos que
0 R[u0 (x; )]
Z 1/2
Z 1/4
2
[4(1 )]2 dx
(4) dx + 2
2
1/4
0
Z 1/4
Z 1/2
(4x)2 dx + 2
1/4
[2 1 + 4(1 )x]2 dx
8(1 2 + 22 )
.
1
2
6 (1 + + 2 )
3.
96(2 2)
2)
0
= 1/ 2. Este u
ltimo es pues el valor buscado. Esta funcion prueba conduce a una estimacion de
0 que es levemente mejor que la estimacion 0 12 obtenida con la funcion prueba (1.186).
u0 = x (1 x).
Para esta funcion
0 R[u0 (x)] = Z
(1 2x)2 dx
0
1
(1.188)
x2 (1 x)2 dx
1 2 + 43
= 10.
12 + 15
1
3
4.
u0 = sen(x).
Para esta funcion
(1.189)
2 cos2 (x) dx
0 R[u0 (x)] = 0Z
1
2
sen (x) dx
= 2 ' 90 87,
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)
63
1
0.04
0.5
0.02
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
0.6
0.8
-0.02
-0.5
-0.04
-1
(a)
(b)
1
0.15
0.1
0.5
0.05
0.2
0.4
0.6
0.8
0.2
0.4
-0.05
-0.5
-0.1
-0.15
-1
(c)
(d)
Figura 1.12: Funciones prueba u1 (x): (a) ecuacion (1.190); (b) ecuacion (1.191) con = 1/ 2; (c)
ecuacion (1.192); (d) ecuacion (1.195) (autofuncion exacta).
Esta funcion es ortogonal a cualquiera de las funciones u0 que hemos usado antes por razones de
simetra 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 funcion prueba tenemos que
Z 1
42 dx
0
1 R[u1 ] = Z 1/4
= 48.
Z 1/2
(4x)2 dx + 2
1/4
2.
(2 4x)2 dx
1
x .
(1.191)
u1 = x (1 x)
2
Esta funcion 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 funcion
Z 1
[1/2 + 3x(1 x)]2 dx
1/20
0
1 R[u1 ] = Z 1
=
= 42.
1/840
x2 (1 x)2 (1/2 x)2 dx
3.
Esta funcion prueba conduce a una estimacion de 1 que es apreciablemente mejor que la estimacion
1 48 obtenida con la funcion prueba (1.190).
u1 =
1
x sen(x).
2
(1.192)
64
Problema de Sturm-Liouville
Para esta funcion
2
1
x cos(x) sen(x) dx
2
1 R[u1 ] = 0
2
Z 1
1
x sen2 (x) dx
2
0
2
1/4 + /24
2 + 6 2
=
= 2
= 40 1011 2 ' 400 48.
2
1/24 1/4
6
Z
(1.193)
(1.194)
4.
u1 = sen(2x).
Para esta funcion
(1.195)
4 2 cos2 (x) dx
1 R[u1 ] = 0Z
sen2 (2x) dx
~2 d 2
+ V (x)
2m dx2
es
pues
equivalente
al
c
a
lculo
aproximado
de
las
energ
as
2
~
permitidas para la partcula que se encuentra sometida al potencial V (x).36
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 funcion peso ex . Halla la ecuaci
on diferencial de la forma
xfn00 (x) + g(x)fn0 (x) + fn (x) = 0
que satisface la funcion fn (x).
1.2. Sea la ecuaci
on de Sturm-Liouville p(x)y 00 +p0 (x)y 0 q(x)y +r(x)y = 0 en el intervalo [a, b]
sujeta a las condiciones de contorno y(a) = y(b), y 0 (a) = y 0 (b) con p(a) = p(b). Demuestra
que si las funciones p(x), q(x) y r(x) son definidas positivas, los autovalores del operador
de Sturm-Liouville son positivos.
1.3. Sea la ecuaci
on diferencial (que podra no ser una ecuaci
on de Sturm-Liouville)
c2 (x)y 00 (x) + c1 (x)y 0 (x) + c0 (x)y(x) = (x x0 ),
a x b,
donde a < x0 < b y ci (x) es una funcion bien comportada. Demuestra que la solucion y(x)
es una funcion continua y que y 0 (x) es continua excepto en x = x0 . En este u
ltimo caso
halla el valor de la discontinuidad.
1.4. Halla todas las soluciones posibles del problema de Sturm-Liouville singular
x2 y 00 + xy 0 (x) + y(x) = 0,
y(1) = 0,
x 1,
4
y = f (x),
x
x 1,
y(1) = 0,
lm y(x) = finito.
a) Halla la ecuaci
on transcendente que determina los autovalores n y obten las autofunciones n (x) del problema de Sturm-Liouville definido por la ecuaci
on diferen00
cial y (x) = y(x) en el intervalo 0 x a con las condiciones de contorno
y(0) + ay 0 (0) = 0, y(a) ay 0 (a) = 0.
66
Problema de Sturm-Liouville
b) Existe, en general, solucion del problema inhomogeneo
y 00 + (/a)2 y = f (x), y(0) + ay 0 (0) = y(a) ay 0 (a) = 0 ?
En caso afirmativo, halla la funcion de Green correspondiente.
1.8.
a) Halla todas las soluciones posibles (autofunciones) n (x) del problema de SturmLiouville
y 00 + 2y 0 + y = 0,
0 x 1,
y(0) = 0,
y 0 (1) = 0.
0 x 1,
y 0 (1) = 0
en la forma de un desarrollo de las autofunciones n (x). Haz lo mismo si la ecuaci
on
00
0
3x
00
0
2
3x
es (i) y + 2y + y = e ; (ii) y + 2y + (1 + z1 )y = e .
Datos: tanh z = z tiene por u
nica solucion a z = 0. La races positivas m
as peque
nas de
tan z = z son z1 ' 40 49341, z2 ' 70 72525, z3 ' 100 9041, z4 ' 140 0662,. . .
1.9. Halla los autovalores y las autofunciones del problema de Sturm-Liouville
(xy 0 )0 +
1.10.
y = 0,
x
1 x e2 ,
y 0 (1) = 0,
y 0 (e2 ) = 0.
y(0) = 0,
y(1) = 0.
y(0) = 0,
y(1) = 0
0 x 1,
1.11 Problemas
67
b) Usa los resultados del apartado anterior para obtener la solucion, si existe, del problema
no homogeneo
(xy 0 )0 + xy = 2x ,
0x1,
con y(0) = finito e y(1) = 0. Por que puedes asegurar que este problema no homogeneo
tiene solucion?
1.12. Encuentra la funcion de Green del problema
x2 y 00 + xy 0 9y = f (x),
x 0,
y(0) = finito,
lm y(x) = 0.
0 < k < 1,
0 x,
y(0) = 0,
y() = finito.
1.14. Encuentra la funcion de Green asociada al problema y 00 k 2 y = f (x), k 2 > 0, con las
condiciones de contorno y() < .
1.15. Obten en forma cerrada la funcion de Green para el problema inhomogeneo y 00 k 2 y = f (x),
0 x < , con las condiciones de contorno y(0) = 0, y() < , si (a) k 6= 0, (b) k = 0.
En ambos casos halla y(x) si f (x) = ex .
1.16. Halla la funcion de Green en forma cerrada del problema de Sturm-Liouville no homogeneo
xy 00 + y 0 = x,
0 x 1,
y(1) = y 0 (1),
y(0) = finito.
donde m > 0, > 0 y F0 son constantes, expresandola como combinacion lineal de funciones
de un conjunto completo. (Resuelvase primero el problema 1.6.)
1.18. Sea el problema no homogeneo y 00 = f (x), 0 x L, y(0) = y 0 (L) = 0.
a) Encuentra las autofunciones normalizadas del operador d2 /dx2 para las condiciones
de contorno dadas.
b) Escribe la funcion de Green G(x, x0 ) mediante desarrollo en serie.
c) Obten G(x, x0 ) en forma cerrada.
d ) Encontrar la solucion del problema para el caso particular f (x) = x2 con L = 1.
1.19. Sea el problema inhomogeneo
y 00 = sen(3x) ,
0x,
68
Problema de Sturm-Liouville
a) Halla la funcion Green del problema en forma cerrada.
b) Halla la funcion de Green como desarrollo de la autofunciones asociadas al problema.
c) Usa la funcion de Green para hallar la solucion del problema inhomogeneo.
d ) Supon que la ecuaci
on hubiera sido y 00 +4y = sen(3x). Tendra solucion este problema
inhomogeneo? Halla, si fuera posible, esta solucion a partir de la funcion de Green
expresada en forma de autofunciones.
e) Contesta a las mismas preguntas que en el apartado anterior pero para la ecuaci
on
y 00 + 9y = sen(3x).
1.20. Sea el problema no homogeneo y 00 + y = sen x con las condiciones de contorno y(0) =
y 0 (2) = 0. (a) Halla la funcion de Green mediante un desarrollo en serie de las autofunciones normalizadas correspondientes. (b) Obten la funcion de Green en forma cerrada. (c) A
partir de ella, resuelve el problema no homogeneo. (d) Halla la solucion para las condiciones
de contorno no homogeneas y(0) = 2, y 0 (2) = 0.
1.21. Sea el problema no homogeneo
y 00 k 2 y = f (x),
0 x L,
y(0) = y(L) = 0.
Halla la funcion de Green (a) como un desarrollo en serie y (b) en forma cerrada. Comprueba la equivalencia de ambas expresiones.
1.22.
0 x 2,
2 > 0,
con las condiciones de contorno y(0) = y(2) , y 0 (0) = y 0 (2). Para que valores de 2 > 0
no existe solucion del problema? (b) Demuestra que estos valores de 2 son justamente los
autovalores del problema homogeneo y halla las correspondientes autofunciones. Cual es
su grado de degeneraci
on?
1.24. Sea la ecuaci
on de Sturm-Liouville no homogenea
y 00 m2 y = f (x),
0 x 1,
y(0) + y 0 (0) = 0,
y(1) = 0
0 x 1,
y(0) + y 0 (0) = 0,
y 0 (1) = 0
1.11 Problemas
69
0 x,
y(1) = 0,
y() <
2 /2
2 /2
2
x2 ) ex /2
2n
ax2
(2n 1)!
dx =
2n+1
,
a2n+1
n = 0, 1, 2, . . .
70
Problema de Sturm-Liouville
b) Usa el metodo del cociente de Rayleigh para hacer una estimacion del primer autovalor
y de la primera autofuncion mediante una aproximacion cuadratica de 0 :
(
x + L + (x + L)2 ,
L x 0,
u0 (x) =
2
x + L + (x L) ,
0 x L.
En este u
ltimo caso hay que hallar el valor optimo de .
c) Prop
on una funcion prueba que, mediante el cociente de Rayleigh, te permita estimar
el segundo autovalor y la segunda autofuncion.
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/ = 00 1, (ii) m/ = 1.
a = const,
L x L,
y(L) = y(L) = 0 .
a) Escribe la ecuaci
on de Schrodinger de este sistema y muestra que es proporcional a
la energa.
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 explcitamente los diez primeros autovalores y sus correspondiente autofunciones si L = 1 y (i) a = 00 1, (ii) a = 0, (iii) a = 00 1, (iv) a = 2, (v) a = 4.
d ) Representa gr
aficamente las autofunciones obtenidas.
e) Usa el metodo 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 = 00 1, (iv) a = 2, (v)
a = 4.
Captulo 2
Funciones especiales
Special functions are sometimes called higher transcendental functions (higher than what?) or
functions of mathematical physics (but they occur in other fields also) or functions that satisfy
certain frequently occurring second-order differential 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]
2.1. Introduccion
Las funciones (quiz
as mal llamadas) especiales de la Fsica Matem
atica no tienen nada de
especial. En principio son tan especiales como las funciones trigonometricas o los logaritmos,
aunque por supuesto son menos habituales. Un nombre m
as adecuado sera, sin duda, el de
funciones u
tiles. En todo caso, es lcito 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 basicos. Entre estos resultados estan el conocimiento de las propiedades de ciertas funciones elementales como las potencias, las exponenciales, las funciones
trigonometricas. . . Sin embargo, en muchas otras ocasiones, para ciertos problemas que aparecen
en Ciencia y en Ingeniera, 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
1
En este punto, es muy adecuado (y divertido) leer las opiniones al respecto de Michael Berry en el artculo
Why are special functions special?, Physics Today, vol. 54, n. 5, p. 11, Abril 2001.
72
Funciones especiales
(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
a10 x20
a11 x22
a12 x24
a13 x26
a9 x18
+
+
(2.1)
X
1 x 2k
(1)k
y(x) =
,
(k!)2 2
y(x) =1 a x2 +
k=0
probablemente muchos cientficos tendran dificultades para saber que pasa con ese sistema. Pero
si a esos cientficos les decimos que el comportamiento del sistema viene dado por la funcion
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 captulo.
Un gran n
umero de estas funciones especiales son autofunciones de ciertos problemas de
Sturm-Liouville. Este sera 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.
cn Pn (x)
n=0
con2
hPn |Qi
1
cn =
=
2
kPn k
kPn k2
dx r(x) Pn (x)Q(x)
a
Recuerdese que estamos asumiendo que los polinomios Pn (x) son reales.
73
En particular, si Q(x) es un polinomio de grado n, se tiene que (notese el lmite superior del
sumatorio)
n
X
hPm |Qi
cm Pm (x) con cm =
Q(x) =
.
(2.2)
kPm k2
m=1
B Ejercicio 2.1
La afirmaci
on anterior parece natural y razonable: para construir una funcion 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 seccion 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).
Pn
Pm (m)
(m)
1. Sea Q(x) = m=0 qm xm y Pm (x) = l=0 al xl . Calcula los coeficientes bm en funcion de al y
qm de modo que
n
X
bm Pm (x).
Q(x) =
m=0
Sugerencias: calcula de modo recursivo los coeficientes 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 )
(n1)
(n)
y halla a continuacion que qn1 = bn1 an1 + bn an1 , es decir, que
(n)
bn1 =
qn1 bn an1
(n1)
an1
Convencete de que el procedimiento puede implementarse para el calculo sucesivo de qn2 , qn3 , , q1 , q0 .
hPm |Qi
.
kPm k2
(2.3)
m=0
3
cm Pm (x) con
cm =
hPm |xPn i
.
kPm k2
Se llama relaci
on de recurrencia porque permite obtener recurrentemente todos los polinomios a partir de unos
cuantos conocidos inicialmente.
74
Funciones especiales
Pero, adem
as la funcion xPn (x) es un polinomio de grado n + 1 por lo que [vease la ecuaci
on
(2.2)] el desarrollo se trunca a partir del termino n + 1, es decir,
x Pn (x) =
n+1
X
cm Pm (x).
m=0
hPm |xPn i
= 0 para m > n + 1.
kPm k2
(2.4)
hPi |xPj i = 0 si
(2.5)
i > j + 1.
(esto equivale a decir que x es un operador hermtico) por lo que (2.5) equivale a
hPj |xPi i = 0 si
i > j + 1,
hPj |xPi i = 0 si
j < i 1.
(2.6)
es decir,
En resumen, hemos as probado que
hPj |xPi i = 0 si
j <i1
j >i+1
Esta relaci
on implica que
cm
(
m<n1
m>n+1
hPm |xPn i
= 0 si
=
kPm k2
(2.7)
Por tanto, s
olo son en principio distintos de cero los coeficientes cm con m tal que m n + 1 y
m n 1. En definitiva, s
olo son en principio distintos de cero los coeficientes cn+1 , cn y cn1 ,
es decir,
x Pn (x) = cn+1 Pn+1 (x) + cn Pn (x) + cn1 Pn1 (x),
tal como queramos demostrar.
Hallaremos ahora An , Bn , Cn lo que nos servira de paso para demostrar que An , Cn 6= 0.
Empezamos escribiendo los polinomios en forma explcita como suma de monomios:
Pn (x) =
n
X
m
a(n)
m x .
(2.8)
m=0
m=0
de la cual:
m+1
a(n)
m x
= An
n+1
X
m=0
a(n+1)
xm
m
+ Bn
n
X
m=0
m
a(n)
m x
+ Cn
n1
X
m=0
(n1) m
am
x
75
Igualando los coeficientes de los terminos (monomios) de mayor grado, xn+1 , se deduce que
(n)
an
(n+1)
a(n)
n = An an+1 An =
(n+1)
an+1
(n)
Esta u
ltima expresi
on no puede ser nula porque an
polinomios de grado n y n + 1, respectivamente.
6= 0.
(2.9)
(n+1)
6= 0 y an+1
6= 0 si Pn y Pn+1 son
(n)
an1 = An a(n+1)
+ Bn a(n)
n
n Bn =
an1
(n)
an
(n+1)
An
an
(n)
an
y por tanto
(n)
Bn =
an1
(n)
an
(n+1)
an
(n+1)
an+1
(2.10)
expresi
on que podra ser igual a cero, pero no necesariamente.
El coeficiente Cn lo calculamos de un modo diferente: si multiplicamos escalarmente la expresion (2.3) por Pn1 (x) obtenemos que
Cn =
hPn |xPn1 i
hPn1 |xPn i
=
.
2
kPn1 k
kPn1 k2
(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 kPn k2
Cn =
6= 0.
(2.12)
kPn1 k2
Esta u
ltima expresi
on no puede ser nula porque An1 6= 0 (como acabamos de demostrar) y las
normas de los polinomios son distintas de cero.
Aunque no lo haremos aqu, puede demostrarse (vease, 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).
I Ejemplo 2.1
Vamos a utilizar las formulas anteriores para deducir la llamada formula de Christoffel-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
Funciones especiales
Pn (x) Pn (y)
An
=
[Pn+1 (x)Pn (y) Pn (x) Pn+1 (y)]
2
kPn k
kPn k2
An1
(2.13)
Vamos a evaluar el termino que hay dentro del segundo corchete teniendo en cuenta las relaciones (2.8) y
(2.9):
(0)
A0 P1 (x)P0 (y) =
a0
(1)
a1
(1)
(1)
(0)
(a1 x + a0 ) a0
(0)
= (a0 )2 x +
(1)
(0)
(a0 )2 a0
(1)
a1
(0)
= x P0 (x)P0 (y) +
(1)
(a0 )2 a0
(1)
a1
De modo analogo se calcula A0 P0 (x)P1 (y) sin mas que intercambiar el papel de x e y:
(0)
(1)
(a0 )2 a0
(1)
a1
Por consiguiente
A0 [P1 (x) P0 (y) P0 (x) P1 (y)] = (x y) P0 (x) P0 (y).
m
X
Am
Pn (x) Pn (y)
=
[Pm+1 (x)Pm (y) Pm (x) Pm+1 (y)],
2
kPn k
kPm k2
n=0
(2.14)
m
(m)
X
am
Pn (x) Pn (y)
Pm+1 (x)Pm (y) Pm (x) Pm+1 (y)
=
,
2
(m+1)
kPn k
kPm k2 (x y)
am+1
n=0
(2.15)
conocida como la f
ormula de Christoffel-Darboux.
n=0
Pn (x) tn ,
x [a, b].
(2.16)
4
En ocasiones es m
as conveniente definir 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
Tambien puede interpretarse como una funcion de x cuyos coeficientes son tn cuando se desarrolla
en serie de polinomios Pn (x).
Una propiedad u
til de la funcion generatriz que permite deducir resultados acerca de los
polinomios ortogonales (en particular, el calculo de sus normas; veanse las secciones 2.6.5 y
2.7.1) viene dada por el siguiente teorema.
Teorema 2.3 La condici
on necesaria y suficiente para que {Pn (x)} sea una familia de polinomios
ortogonales en el intervalo [a, b], relativo al peso r(x), es que la integral
0
I(t, t ) =
b
a
(2.17)
s
olo dependa de las variables t y t0 a traves del producto tt0 .
Para demostrar este teorema desarrollaremos un poco la integral anterior. Dado que
G(x, t) =
Pn (x)t ,
G(x, t ) =
Pm (x)t0m ,
m=0
n=0
la ecuaci
on (2.17) se transforma en
0
I(t, t ) =
n=0 m=0
(2.18)
Pero:
1. Condici
on necesaria: Si {Pn (x)} son ortogonales se tiene que hPn |Pm i = kPn k2 nm , luego
I(t, t0 ) queda
X
kPn (x)k2 (tt0 )n ,
(2.19)
I(t, t0 ) hG(x, t)|G(x, t0 )i =
n=0
que es un funcion s
olo de tt0 . 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 suficiente: Si I(t, t0 ) s
olo depende de tt0 , su desarrollo en serie de Taylor sobre
0
esta variable tt toma la forma
I(t, t0 ) =
(tt0 )n In .
n=0
78
Funciones especiales
{n (x)} construimos una familia de funciones ortogonales {n (x)} con respecto al peso r(x) en
el intervalo [a, b]. Las formulas del metodo de ortogonalizacion de Gram-Schmidt son:
0 (x) = 0 (x),
n (x) = n (x)
siendo, por supuesto,
n1
X
am m (x)
con am =
m=0
hm |n i =
hm |n i
,
km k2
I 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 funcion peso r(x) = 1 son:
P0 (x) = 1,
hP0 (x)|xi
P0 (x),
kP0 k2
hP1 (x)|x2 i
hP0 (x)|x2 i
P0 (x)
P1 (x).
P2 (x) = x2
2
kP0 k
kP1 k2
P1 (x) = x
Pero
hP0 |xi =
hP0 |x2 i =
hP1 |x2 i =
kP0 k2 =
1
Z 1
1
Z 1
1
Z 1
dx 1 x = 0,
dx 1 x2 =
2
,
3
dx x x2 = 0,
dx 12 = 2,
luego,
P1 (x) = x,
1
P2 (x) = x2 .
3
Es claro que hPm |xn i = 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, Pn (x). Es decir,
Pn (x) = cn Pn (x),
donde los coeficientes cn se escogen, por convenci
on, de modo que la norma de Pn (x) sea igual a 2/(2n+1):
2
.
2n + 1
En la tabla 2.1 se pueden ver los intervalos, funciones peso y normas que conducen a otros polinomios
ortogonales.
kPn (x)k2 = c2n kPn k2 =
79
Polinomios
Intervalo
r(x)
Legendre
1 x 1
Chebychev (Tipo I)
1 x 1
(1 x2 )1/2
Laguerre
0x<
ex
Asociados Laguerre
0x<
Hermite
xk ex
ex
< x <
Normalizaci
on est
andar
2
kPn k2 =
( 2n + 1
n 6= 0,
kPn k2 = 2
n = 0,
2
kPn k = 1
(n + k)!
kPn k2 =
n!
kPn k2 = 2n 1/2 n!
1 x 1,
(2.20)
(2.21)
donde p(x) = 1 x2 , q(x) = 0, r(x) = 1 y l l(l + 1), con las condiciones de contorno
Pl (1) = finito.
(2.22)
Pl (x) =
m=0
(1)m
(2l 2m)!
xl2m ,
m)! (l 2m)!
2l m! (l
(2.24)
donde por [l/2] denotamos la parte entera de l/2. La constante de normalizacion se ha elegido de
modo que Pl (1) = 1.
80
Funciones especiales
Empezamos buscando una solucion de la ecuaci
on de Legendre en forma de serie de potencias
y(x) =
an xn .
n=0
Sustituimos en la ecuaci
on de Legendre y obtenemos
(1 x2 )
n=2
an xn = 0,
n=0
n=1
es decir,
n=2
n=2
n(n 1)an xn 2
nan xn + l(l + 1)
n=1
an xn = 0.
(2.25)
n=0
n=2
n2
n(n 1)an x
(n + 2)(n + 1)an+2 xn
n=0
n=0
n=2
n(n 1)an xn 2
nan xn .
(2.26)
n=1
X
{[n(n 1) 2n + l(l + 1)] an + (n + 2)(n + 1)an+2 } xn .
+
n=2
(2.27a)
(2.27b)
n 2.
(2.27c)
81
(2.29)
B Ejercicio 2.2
Comprueba que de las ecuaciones (2.27) se deducen las expresiones (2.28) y (2.29).
Las series infinitas anteriores nos definen 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 solucion 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 difcil 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 define a y1 (x) se
trunca y la funcion y1 (x) no es m
as que un polinomio de grado l; si l = impar, es la serie que
define a y2 (x) la que se trunca y la funcion y2 (x) es un polinomio de grado l. En definitiva, 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 solucion 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.
Pl (0) = (1)l/2
2l
l
2
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
Funciones especiales
P3
-1
P1
0.5
-0.5
P4
P0
P2
1
0.5
-0.5
P5
-1
Figura 2.1: Primeros polinomios de Legendre Pl (x) con l = 0, 1, 2, 3, 4, 5. La lnea que corta l veces
a la abscisa es la representaci
on del polinomio Pl (x).
83
Usamos esta u
ltima relaci
on en la expresi
on (2.24) de Pl (x):
[l/2]
Pl (x) =
m=0
1
= l
2
1
(1) l
2 m!(l m)!
m
d
dx
l [l/2]
X
m=0
d
dx
l
x2l2m
1
(1)m x2(lm) .
m!(l m)!
(2.32)
Esta u
ltima expresi
on es muy similar a la formula del binomio de Newton. Sera igual si el sumatorio se extendiera hasta l y estuviera multiplicado por l! Pero, es lcito extender el sumatorio
hasta l? La respuesta es s ya que
[l/2]
l
X (1)m x2(lm)
X
(1)m x2(lm)
=
+
m!(l m)!
m!(l m)!
m=0
m=0
l
X
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. Justificaremos esta afirmaci
on escribiendo
l
X
m=[l/2]+1
(1)m x2(lm)
= x2l2[l/2]2 + monomios de grado menor
m!(l m)!
Como
se tiene que
(
l
si l es par,
2[l/2] =
l 1 si l es impar,
(
l 2 si l es par,
2l 2[l/2] 2 =
l 1 si l es impar,
1
2l l!
d
dx
d
dx
l X
l
l
m=0
l!
(1)m x2(lm)
m!(l m)!
(x2 1)l .
(2.34)
Esta u
ltima expresi
on se conoce como f
ormula de Rodrigues.
(2.35)
84
Funciones especiales
-1
1
s
(2.36)
que es la f
ormula de Schl
afli.
Formula de Laplace
Partimos de la representaci
onp
de Schl
afli, 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)
(2.38)
De la ecuaci
on (2.37) se deduce que
ds = i (x2 1)1/2 ei d.
(2.39)
85
(2.40)
que es la f
ormula de Laplace. Esta formula es tambien valida para x = 1 ya que para estos
valores conduce a Pl (1) = 1 y Pl (1) = (1)l , tal como debe ser. N
otese tambien que Pl (x) es
siempre real a pesar de que (x2 1)1/2 es imaginario para 1 < x < 1. Esto puede justificarse
de la siguiente manera: si desarrollamos [x + (x2 1)1/2 cos ]l mediante la formula del binomio
de Newton, obtendremos sumandos proporcionales a:
[(x2 1)1/2 cos ]m siendo m par (m l), y estos terminos son reales, como puede verse
facilmente:
[(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 terminos imaginarios se anulan al
integrarse:
Z
Z
cosm d = 0 si m impar.
(x2 1)m/2 cosm d = (x2 1)m/2
0
Pl (x)tl
l=0
1
=
X
l=0
,
1 t (x + x2 1 cos )
86
Funciones especiales
r2
r
r1
-q
+q
con a = 1 tx y b = t x2 1. Pero
tan 0 = 0 arctan 0 = 0
tan 2 = arctan = 2
G(x, t) =
1
a2 b2
1
.
1 2xt + t2
(2.41)
X
1
tl
Pl (1) = 1,
=
G(x = 1, t) =
1t
l=0
X
1
(1)l tl Pl (1) = (1)l .
=
G(x = 1, t) =
1+t
l=0
q
q
r1 r2
con
r1 = r2 + a2 2ar cos
r2 = r2 + a2 + 2ar cos
1/2
1/2
,
.
87
Pero
Por tanto
1
1
1
= G(cos , a/r),
= p
r1
r 1 2 cos()(a/r) + (a/r)2
1
1
1
= p
= G(cos , a/r).
r2
r 1 + 2 cos()(a/r) + (a/r)2
q
[G(cos , a/r) G(cos , a/r)]
r
De la definicion de la funcion generatriz se deduce que
V (r, ) =
V (r, ) =
a n
qX
[Pn (cos ) (1)n Pn (cos )]
r
r
n=0
Por tanto, usando las propiedades de simetra (2.30) de los polinomios de Legendre obtenemos
V (r, ) =
a 2n+1
2q X
,
P2n+1 (cos )
r
r
n=0
que es la expresi
on del potencial de un dipolo electrico 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
termino, (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 fsicas. La cantidad 2qa es
conocida como momento del dipolo.
Si la disposicion de las cargas hubiera sido +q en x = a, 2q en x = 0 y +q en x = a,
tendramos un cuadripolo electrico lineal cuyo campo electrico, como es facil de comprobar,
vendra dado por
q
[2 + G(cos , a/r) + G(cos , a/r)]
r(
)
a n
X
q
[Pn (cos ) + (1)n Pn (cos )]
2 +
=
r
r
V (r, ) =
n=0
a 2n
2q X
P2n (cos )
.
=
r
r
n=1
V (r, ) =
Siempre es posible disponer las cargas electricas de modo que el primer termino del desarrollo de
V (r, ) en polinomios de Legendre sea Pm , es decir, V (r, ) Pm (cos ) + . A esta disposicion
de cargas se la llama monopolo si m = 0, dipolo si m = 1, cuadripolo si m = 2, octupolo si
m = 3, etc.
88
Funciones especiales
B Ejercicio 2.3
Se pide hallar la disposicion de cargas de un octupolo lineal, es decir, la disposicion de cargas que conduce
a un campo electrico con la propiedad de que V (r, ) P3 (cos ) + . Una pista muy sugerente: la
disposicion de cargas del dipolo y del cuadripolo est
an curiosamente relacionadas con las formulas mas
sencillas de la derivada primera y segunda central, respectivamente, mediante diferencias finitas de una
funcion (vease la seccion 4.3.1); podra ser que la disposicion 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?
cl Pl (x)
con cl =
l=0
hPl |i
.
kPl k2
(2.42)
Dentro de un momento vamos a demostrar que la norma de los polinomios de Legendre viene
dada por
2
.
(2.43)
kPl k2 =
2l + 1
Usando este resultado podemos escribir el desarrollo en polinomios de Legendre de una funcion
(x) de un modo m
as explcito:
(x) =
2l + 1
con cl =
2
cl Pl (x)
l=0
dx (x)Pl (x).
(2.44)
Por supuesto, tal como se deca en los teoremas 1.6 y 1.5, pagina 27, el tipo de convergencia de
la serie Fourier generalizada (2.42) a la funcion (x) depende de la continuidad y suavidad de
esta funcion.
A continuaci
on vamos a demostrar la formula (2.43) para la norma de Pl . Lo haremos de dos
modos: mediante la formula de Rodrigues y mediante la funcion generatriz.
Primer modo: mediante la formula de Rodrigues.
El cuadrado de la norma de Pl (x) es
2
kPl k =
dx Pl (x) Pl (x)
1
1
= 2l 2
2 (l!)
(2.45)
m
d
d
dm
m
donde hemos utilizado la notaci
on D
y D =
=
. Integramos (2.45) por
m
dx
dx
dx
partes con u = [Dl (x2 1)l ] y dv = [Dl (x2 1)l ] dx, de modo que
1
kPl k = 2l 2
2 (l!)
2
[D
l1
Z
1
(x 1) ] [D (x 1) ]
2
dx [D
1
l1
(x 1) ] [D
l+1
(x 1) ] .
(2.46)
89
x=1
= 0 si n < l
pues en esta derivada n-esima, los terminos resultantes contienen terminos 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
2l
Z 1
1
d
2
2
l
l
kPl k = 2l 2 (1)
(x 1)
(x2 1)l dx.
(2.47)
dx
2 (l!)
1
Pero
d
dx
2l
2l X
l
l 2n
(x 1) =
x (1)nl
n
n=0
2l
d
[x2l lx2l2 + ]
=
dx
2
d
dx
= (2l)! + 0 + 0 +
Por tanto kPl k2 se reduce a
(2l)!
kPl k = 2l 2 (1)l
2 (l!)
2
dx (x2 1)l .
x = 1 u = 1,
dx (x 1) = 2
du [22 (u 1) u]l
l 2l+1
= (1) 2
l 2l+1
= (1) 2
du ul (1 u)l
B(l + 1, l + 1),
1
0
du ur1 (1 u)s1 =
(r)(s)
.
(r + s)
kPl k2 =
(2.48)
90
Funciones especiales
B Ejercicio 2.4
Sabemos que hPl |Pm i = 0 si l 6= 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 formula de Rodrigues de los polinomios de Legendre para demostrar que
hPl |Pm i
2. Mediante integraci
on por partes [mira la deducci
on que va de la ecuaci
on (2.45) a la ecuacion (2.47)]
demuestra que
l+m
Z 1
d
(x2 1)l
hPl |Pm i
(x2 1)m dx.
dx
1
3. Usa la relaci
on anterior para demostrar que hPl |Pm i = 0 si m < l.
Por supuesto, si hubiera ocurrido que m > l, s
olo habra que intercambiar los papeles de l y m en la
demostraci
on anterior, por lo que se deduce entonces que hPl |Pm i = 0 si l 6= m, que es lo que se quiere
demostrar.
G(x, t) =
X
1
Pl (x) tl .
=
1 2tx + t2
l=0
dx
=
1 2xt + t2
=
1
Z 1
G2 (x, t) dx
dx
X
X
X
X
l=0 m=0
X
l=0
(2.49)
tl tm Pl (x) Pm (x)
l=0 m=0
Z 1
l m
tt
dx Pl (x) Pm (x)
t2l kPl k2 .
(2.50)
Hacemos ahora el cambio y = 1 2tx + t2 en la integral (2.49). De este modo dy = 2t dx, los
lmites de integracion son
x = 1 y = 1 2t + t2 = (1 t)2 ,
x = 1 y = 1 + 2t + t2 = (1 + t)2 ,
91
y la integral se transforma en
Z
dx
=
1 2xt + t2
1
=
2t
(1t)2
(1+t)2
(1+t)2
(1t)2
1 dy
2t y
dy
y
(1 + t)2
1
ln
=
2t
(1 t)2
1+t
1
= ln
.
t
1t
t2 t2
, por lo que
2
3
1+t
t3 t5
ln
= ln(1 + t) ln(1 t) = 2 t + + + ,
1t
3
5
Pero ln(1 t) = t
dx
t2 t4
= 2 1 + + +
1 2xt + t2
3
5
X t2l
=2
.
2l + 1
(2.51)
l=0
2
.
2l + 1
(2.52)
I Ejemplo 2.3
En este ejemplo queremos desarrollar en serie de polinomios de Legendre la funcion |x| definida en el
intervalo [1, 1].
El desarrollo de |x| viene dado por la expresi
on
|x| =
n=0
donde s
olo aparecen ndices pares debido a que |x| es una funcion par.7 Usando la expresi
on (2.44) tenemos
que
hP2n | |x|i
kP2n k2
Z
4n + 1 1
dx |x|P2n (x)
=
2
1
Z 1
dx xP2n (x)
= (4n + 1)
c2n =
(2.53)
R1
Los terminos impares son nulos porque c2n+1 1 |x|P2n+1 = 0, ya que las integrales sobre un intervalo
simetrico 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.
7
92
Funciones especiales
pues |x| y P2n (x) son funciones pares. Usamos ahora la formula de Rodrigues (2.34):
c2n = (4n + 1)
4n + 1
= 2n
2 (2n)!
dx
0
Z
1
x D2n (x2 1)2n
22n (2n)!
Z 1
d
2n1 2
2n
2n1 2
2n
D
(x 1) dx .
xD
(x 1)
dx
dx
0
(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=1
= 0,
x D2n1 (x2 1)2n
x=0
puesto que:
En x = 0 se tiene que 0 D2n1 (x2 1)2n x=0 = 0.
D2n1 (x2 1)2n es una suma de terminos en los que siempre hay, al menos, un factor (x2 1)
(demuestrese) por lo que todos estos terminos son nulos en x = 1.
Analicemos ahora el valor de la segunda integral que hay dentro de las llaves de la ecuacion (2.54):
Z
x=1
D2n1 (x2 1)2n dx = D2n2 (x2 1)2n
.
x=0
Esta expresi
on es nula en x = 1 por los mismos motivos que hemos dado anteriormente para justificar que
D2n1 (x2 1)2n es cero en x = 1. Por consiguiente
2n2
d
4n + 1
2
2n
(x 1)
c2n = 2n
2 (2n)! dx
x=0
2n2
4n + 1 X 2n
d
m
2 2nm
= 2n
,
(1)
(x )
2 (2n)!
m
dx
m=0
x=0
donde hemos desarrollado (x2 1)2n mediante la formula del binomio de Newton. Es claro que todos lo
terminos son nulos para x = 0 excepto el termino independiente (el termino que no depende de x). Este
termino es
2n2
d
x2n2 = (2n 2)!
dx
c2n =
n1.
1
1
hP0 | |x|i =
2
2
1 |x| dx =
1
.
2
Los primeros coeficientes del desarrollo en serie de |x| en polinomios de Legendre son
c0 =
1
,
2
c2 =
5
,
8
c4 =
3
,
16
c6 =
13
,
128
93
N =1
0.5
0.5
0.5
x =0
x = 0.5
x=1
N =2
0.1875
0.4219
1.125
N =3
0.1172
0.4761
0.9375
N =4
0.0854
0.5089
1.0391
Figura 2.4: Aproximacion S4 (x) (lnea quebrada) y S8 (x) (lnea continua) de la funcion |x|.
y por tanto
1
5
3
13
|x| = P0 (x) + P2 (x) P4 (x) + O
P6 (x)
2
8
16
128
7
13
15 1
+ 7x2 x4 + O
=
64 2
2
128
Hemos escrito
O
(2.55)
13
13
P6 (x) = O
128
128
N
1
X
l=0
1
1
dx [(x) pn (x)]2 =
"
dx (x)
n
X
m=0
am xm
#2
94
Funciones especiales
n
X
l=0
cl Pl (x),
2l + 1
con cl =
2
dx (x)Pl (x).
1
B Ejercicio 2.5
Obten las formulas del polinomio
optimo en media cuadr
atica de una funcion definida en el intervalo
[a, a]. Hazlo tambien si el intervalo es [a, b].
I Ejemplo 2.4
En este ejemplo vamos a obtener el polinomio optimo (en media cuadr
atica) de grado cuatro que aproxima
la funcion cos(x) en el intervalo [1, 1] y vamos a compararlo con el desarrollo en serie de Taylor hasta
orden cuatro de esta funcion. 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 funcion par, ocurre que cn = 0 cuando n es impar. Entonces
popt
4 (x) =
4
X
cm Pl (x)
l=0
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
= 00 999971 00 499385x2 + 00 0398087x4 .
x4
x2
+ .
2
24
En la figura 2.5 se representa la diferencia de las dos aproximaciones anteriores con la funcion cos(x). Es
tay
evidente la superioridad de popt
4 (x) sobre el simple truncamiento de la serie de Taylor, p4 (x).
J
95
0.0015
p4(x)-cos(x)
0.0010
0.0005
0.0000
-1.0
-0.5
x
0.0
0.5
1.0
(2.56)
(l)
Al =
al
,
(l+1)
al+1
Bl =
al1
(l)
al
(l+1)
al
,
(l+1)
al+1
Cl = Al1
kPl k2
,
kPl1 k2
(2.57)
(l)
l
X
(l) m
am
x .
m=0
Pl (x) =
m=0
donde, en particular,
[l/2]
X (l)
(2l 2m)!
l2m
(1) l
al2m xl2m
x
=
2 m!(l m)!(l 2m)!
m
(2.58)
m=0
(l)
al = (1)0
(2l 2 0)!
(2l)!
= l 2,
l
2 0! l! l!
2 (l!)
(l)
al1 = 0.
Usando estas expresiones en (2.57) se tiene
2(l + 1)2
l+1
(2l)! 2l+1 [(l + 1)!]2
=
=
,
l
2
2 (l!)
(2l + 2)!
(2l + 1)(2l + 2)
2l + 1
Bl = 0,
2 2l 1
l
l
Cl =
=
.
2l 1 2l + 1 2
2l + 1
Al =
(2.59)
(2.60)
(2.61)
96
Funciones especiales
l+1
l
Pl+1 (x) +
Pl1 (x),
2l + 1
2l + 1
es decir
(2l + 1) x Pl (x) = (l + 1) Pl+1 (x) + l Pl1 (x).
(2.62)
G
= (x t) G(x, t).
t
(2.63)
Pl (x)tl
l=0
lo que implica
G X
=
Pl (x) l tl1 .
t
l=1
X
l=1
l Pl (x)tl1 2x
X
l=1
l Pl (x)tl +
l Pl (x)tl+1 = x
l=1
X
l=0
Pl (x)tl
Pl (x)tl+1 .
(2.64)
l=0
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
expresados en potencias de tl . En general, si
Plos sumatorios
nos encontramos con la suma l=n F (l)tl+m y queremos expresarla en potencias de tl debemos
realizar el cambio lold lnew m, o, como escribiremos a menudo sin tanto detalle, l l m.
Por ejemplo, esto significa que
lold + m lnew
P
P
l+m en t
l
y por tanto la suma
erminos del nuevo ndice se escribira
l=n F (l)t
l=n+m F (l m)t ,
l
8
expresi
on que ya esta escrita en potencias de t . Volviendo a la ecuaci
on (2.64), lo que hacemos
8
Est
a claro que ir arrastrando los subndices 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 smbolos distintos
para el ndice nuevo y viejo; digamos escribir l en vez de lold y j en vez de lnew .
97
X
l=0
(l + 1) Pl+1 tl 2x
l Pl t l +
X
X
X
Pl1 tl .
Pl tl
(l 1) Pl1 tl = x
l=1
l=0
l=2
l=1
Como todas las sumas estan expresadas con terminos tl , es facil darse cuenta que el u
nico modo
de que la relaci
on anterior se satisfaga para todo t es si los coeficientes de tl (l = 0, 1, 2 )
satisfacen las relaciones:
t0 : P1 = xP0 ,
t1 :
2P2 2x P1 = xP1 P0 ,
tl con l 2 :
N
otese que la segunda relaci
on es un caso particular de la tercera. Tambien la primera relaci
on
sera un caso particular de la tercera si aceptamos la convencion 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 ,
l = 0, 1, 2,
o, equivalentemente,
(2l + 1) x Pl (x) = (l + 1) Pl+1 (x) + l Pl1 (x),
l = 0, 1, 2,
(2.65)
que es la relaci
on de recurrencia buscada.
Relaciones de recurrencia sobre
d
dx Pl (x)
G
= t G(x, t).
x
(2.66)
X
l=0
Pl (x)tl
G X 0
Pl (x)tl .
=
x
l=0
X
l=0
Pl0 tl
2x
X
l=0
Pl0 tl+1
X
l=0
Pl0 tl+2
X
l=0
Pl tl+1 .
98
Funciones especiales
Tal como procedimos anteriormente, hacemos cambios en los ndices para que las sumas queden
expresadas en potencias de tl y de este modo poder igualar los coeficientes:
X
l=0
Esta ecuaci
on implica
Pl0 tl
2x
X
l=1
0
Pl1
tl
X
l=2
0
Pl2
tl
Pl1 tl .
l=1
0
0
(x) = Pl1 (x)
(x) + Pl2
Pl0 (x) 2x Pl1
(2.67)
para l 2. Si consideramos que Pl (x) 0 si l < 0, entonces es facil ver que es tambien valida 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 Pl0 (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
0
0
2 (2.65) + (2l + 1)(2.67) Pl+1
(x) Pl1
(x) = (2l + 1) Pl (x),
(2.68)
dx
1
0
[(2.67)+(2.68)] Pl+1
(x) = (l + 1) Pl (x) + x Pl0 (x),
(2.69)
2
1
0
(2.70)
(x) = l Pl (x) + x Pl0 (x),
[(2.67)(2.68)] Pl1
2
(2.69)ll1 + x(2.70) (1 x2 ) Pl0 (x) = l Pl1 (x) lx Pl (x),
(2.71)
d
(2.71) + l(2.70) (1 x2 ) Pl0 (x) = (l + 1)x Pl (x) (l + 1) Pl+1 (x)
(2.72)
dx
0 (x) redescubrimos que P (x) saDerivado una vez (2.71) y usando (2.70) para eliminar Pl1
l
tisface la ecuaci
on de Legendre,
d
0
[(1 x2 ) Pl0 (x)] = l Pl1
(x) l Pl (x) lx Pl0 (x)
dx
= l [l Pl (x) + x Pl0 (x)] l Pl (x) lx Pl0 (x)
= l(l + 1) Pl (x)
es decir,
(1 x2 ) Pl00 (x) 2x Pl0 (x) + l (l + 1) Pl (x) = 0,
m
X
Am
Pn (x) Pn (y)
=
[Pm+1 (x)Pm (y) Pm (x) Pm+1 (y)].
2
2
kP
k
kP
n
mk
n=0
Pero para los polinomios de Legendre se tiene [veanse las ecuaciones (2.43) y (2.59)] que
2
l+1
,
Al =
,
2l + 1
2l + 1
con lo que sustituyendo estas relaciones en la formula general encontramos
kPl k2 =
(x y)
l
X
m=0
(2.73)
99
(2.75b)
(2.76)
Las autofunciones, Plm (x), son las funciones asociadas de Legendre de grado l y orden m. Estas
funciones Plm pueden expresarse mediante la formula de Rodrigues:
Plm (x) = (1 x2 )m/2
=
(1 x2 )m/2
2l l!
d m
Pl (x)
dx
l+m
d
(x2 1)l .
dx
(2.77)
(2.78)
Esta relaci
on se demostrar
a en la secci
on 2.4.1.
Observaciones:
La relaci
on (2.78) es valida para m negativos siempre que l + m 0, es decir siempre que
l m, lo cual, por (2.76), siempre se verifica.
Si m = 0 entonces las funciones asociadas de Legendre son simplemente los polinomios de
Legendre, Pl0 (x) = Pl (x).
La funcion 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
"
d
dx
l+m
(x 1)
= 2l (l + m) = l m
y por tanto
grado [Plm (x)]
"
2 m/2
= grado (1 x )
d
dx
l+m
(x 1)
= m + (l m) = l.
100
Funciones especiales
dn
dxn
y
u(x) Dm Pl (x).
Si sustituimos (2.79) en la ecuaci
on asociada de Legendre (2.74) y tenemos en cuenta que
mx
0
m
2 m/2
u+u ,
DPl (x) = (1 x )
1 x2
2mx 0 m(m 1)x2 m
2 m
2 m/2
00
D Pl (x) = (1 x )
u
u +
u ,
1 x2
(1 x2 )2
encontramos que u(x) ha de satisfacer la ecuaci
on
(1 x2 )u00 2(m + 1)xu0 + [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 ) Pl00 (x) 2Dm x Pl0 (x) + l(l + 1) Dm Pl = 0.
(2.81)
Usando la regla (o formula) de Leibniz que nos proporciona la derivada de orden arbitrario de
un producto de funciones,
n
X
n nj
D
f (x) Dj g(x) ,
(2.82)
Dn [f (x) g(x)] =
j
j=0
se deduce que
m
X
m mj
2
00
D
(1 x2 ) Dj Pl00 .
D (1 x )Pl (x) =
j
m
j=0
Por tanto
m(m 1) 2
Dm (1 x2 )Pl00 (x) =
D (1 x2 ) Dm2 Pl00
2
+ mD (1 x2 ) Dm1 Pl00 + (1 x2 )Dm Pl00
d2
d m
D Pl + (1 x2 ) 2 Dm Pl
dx
dx
0
2 00
= m(m 1)u 2mxu + (1 x )u .
= m(m 1)Dm Pl 2mx
(2.83)
101
j=m1
m1
(2.84)
Insertando (2.83) y (2.84) en (2.81) es facil comprobar que u(x) verifica la ecuaci
on (2.80). Esto
es justamente lo que queramos demostrar.
Por ultimo, debe notarse que las funciones Plm (x) definidas 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 significa que las funciones Plm (x) definidas por la formula 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).
(l m)! m
P (x).
(l + m)! l
(2.85)
l+m
(x 1) =
l+m
X
j=0
l + m l+mj
D
(x + 1)l Dj (x 1)l .
j
(2.86)
Es claro que
Dl+mj (x + 1)l = 0
j
D (x 1) = 0
si
si
l + m j > l j < m,
j > l,
y por tanto (notese que los lmites del sumatorio han cambiado)
D
l+m
l
X
l + m l+mj
(x 1) =
D
(x + 1)l Dj (x 1)l
j
2
j=m
l
X
j=m
(2.87)
102
Funciones especiales
Evaluemos ahora Dlm (x2 1)l para despues 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 difcil ver que
D
lm
(x 1) =
=
l m lmj
D
(x + 1)l Dj (x 1)l
j
lm
X
j=0
lm
X
j=0
(l m)!
l!(x + 1)m+j l!(x 1)lj
.
j! (l m j)! (m + j)!
(l j)!
l
X
j=m
Sacando el factor (x + 1)m (x 1)m = (x2 1)m fuera del sumatorio, encontramos
Dlm (x2 1) = (x2 1)m
l
X
j=m
(2.88)
Si comparamos (2.88) con (2.87) podemos ver que son muy parecidas pues ambas expresiones
contienen el termino
1
l!
l!
(x + 1)jm
(x 1)lj
j! (l + m j)! (j m)!
(l j)!
dentro del sumatorio. Sin embargo, en (2.87) este termino va multiplicado por (l + m)! mientras
que en (2.88) va multiplicado por (l m)! Es por tanto evidente que
(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)!
(1 x2 )m/2 lm 2
D
(x 1)l ,
2l l!
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)m
103
n=0
2
0.5
-1
n=2
-0.5
0.5
n=0
-1
-0.5
-0.5
0.5
n=1
-1
n=1
-1
n=1
-1
n=0
-0.5
n=2
0.5
-5
-10
n=3
-15
Figura 2.6: Primeras funciones asociadas de Legendre. Figura superior izquierda: P1n con n = 0, 1;
figura superior derecha: P2n con n = 0, 1, 2; figura inferior: P3n con n = 0, 1, 2, 3.
m 2
dx Plm (x)Plm
0 (x) = kPl k l,l0 ,
(2.89)
104
Funciones especiales
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
kPlm k2 =
2 (l + m)!
.
2l + 1 (l m)!
(2.90)
dx (1 x2 )m Dm Pl (x) Dm Pl (x)
donde en la u
ltima igualdad se ha hecho uso de la relaci
on (2.77). A continuaci
on integramos por
partes9 :
Z 1
h
m
m1
i1
d
m1
m 2
2
dx D
Pl (x)
kPl k = (1 x ) D Pl (x) D
Pl (x)
(1 x2 )m Dm Pl (x) .
dx
1
1
1
1
dx Pl (x) Ql (x).
(2.91)
(2.92)
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.
Dado que Ql (x) es un polinomio de grado l podemos escribirlo como un desarrollo en terminos
de los primeros l + 1 polinomios de Legendre:
Ql (x) =
l
X
qj Pj (x),
qj =
j=0
hPj |Ql i
,
kPl k2
= (1)
l
X
j=0
qj
dx Pl (x)Pj (x).
(2.93)
105
2
ql .
2l + 1
(2.94)
Pl (x) = al xl +
(l)
= al xl +
En lo que sigue, los puntos representan monomios de grado inferior al termino que se da
explcitamente 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 termino (monomio) de mayor grado de Ql (x) a partir de su definicion (2.92):
(l)
Dm Pl (x) = Dm al xl +
(l)
= 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)!
(l)
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 + m)!
.
(l m)!
(2.96)
2
(l + m)!
(1)m
,
2l + 1
(l m)!
es decir,
kPlm k2 =
2 (l + m)!
.
2l + 1 (l m)!
(2.97)
(2.98)
106
Funciones especiales
Simetra
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:
l+m
(1 x2 )m/2
d
m
(x2 1)l .
(2.99)
Pl (x) =
d(x)
2l l!
Pero
d
d(x)
l+m
dx d
d(x) dx
l+m
l+m
= (1)
d
dx
l+m
(2.100)
l=|m|
cl Plm ,
cl =
hPlm |i
,
kPlm k2
(2.101)
(2.102)
2m x
P m (x) + [l (l + 1) m (m 1)] Plm1 (x) = 0.
(1 x2 )1/2 l
(2.103)
d m
m
P (x) = l x Plm (x) (l + m) Pl1
(x).
dx l
(2.104)
1
1
d m
Pl (x) = Plm+1 (x) (l + m) (l m + 1) Plm1 (x).
dx
2
2
(2.105)
2.5 Arm
onicos esfericos
107
0 2,
y(0) = y(2),
0
(2.106)
(2.107)
y (0) = y (2).
(2.108)
m = 0, 1, 2, . . .
(2.109)
(2.110)
donde 0 , 0 y Nlm es una constante que se escoge de modo que la norma de Ylm ,
Z 1
Z 2
h
i
(2.111)
d(cos ) Ylm (, ) Ylm (, ),
d
kYlm k2 =
1
sea igual a 1. Veamos que valor ha de tomar Nlm . Insertando la definicion (2.110) en (2.111)
encontramos
Z 1
Z 2
2
m 2
d(cos ) |Nlm |2 Plm (cos )
d
kYl k =
1
= |Nlm | 2 kPlm k2
2 (l + m)!
.
= |Nlm |2 2
2l + 1 (l m)!
Por tanto, la exigencia de que la norma de los armonicos esfericos sea igual a la unidad, kYlm k = 1,
requiere que
s
2l + 1 (l m)!
Nlm =
.
4 (l + m)!
Cual 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
s
2l + 1 (l m)!
.
(2.112)
Nlm = (1)m
4 (l + m)!
A esta elecci
on se la conoce elecci
on de fase de Condon-Shortley.
En definitva, los armonicos esfericos se definen as:
s
2l + 1 (l m)! im m
Ylm (, ) = (1)m
e
Pl (cos ).
4 (l + m)!
(2.113)
108
Funciones especiales
= Nlm Nl0 m0
i(m0 m)
d e
= m m0 l l0 .
0
0
Por consiguiente, el producto escalar hYlm |Ylm
0 i es 1 si m = m y l = l ; en cualquier otro caso es
nulo.
Propiedad de conjugaci
on
Los armonicos esfericos exhiben la siguiente propiedad bajo conjugacion compleja:
Ylm = (1)m Ylm .
Esta relaci
on es facil de demostrar:
s
2l + 1 (l + m)! im
(l m)! m
e
(1)m
P (cos )
4 (l m)!
(l + m)! l
s
2l + 1 (l m)! im m
= (1)m (1)m
e
Pl (cos )
4 (l + m)!
Ylm (, ) = (1)m
= (1)m Ylm (, ).
(2.114)
(2.116)
2.5 Arm
onicos esfericos
109
(a)
(b)
(2.117)
(2.118)
(2.119)
(2.120)
(2.121)
(2.122)
l,m=0
clm Ylm (, )
con
clm = hYlm |F i.
(2.123)
110
Funciones especiales
con
clm =
hYlm |F i
d(cos ) Ylm (, ) F (, ).
(2.125)
am (cos ) eim ,
(2.126)
m=
X
Alm Plm (cos ).
am (cos ) =
l=|m|
m= l=|m|
l
X
X
Alm
Nlm eim Plm (cos )
Nlm
l=0 m=l
l
X
X
Alm m
Y (, ),
Nlm l
l=0 m=l
12
(2.127)
111
I Ejemplo 2.5
En Mecanica Cuantica y en Electromagnetismo es a menudo conveniente expresar el potencial electrico
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 esfericos (por ejemplo, para calcular la energa media de una configuraci
on electronica 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 esfericos. Por concretar, vamos a suponer en lo
que sigue que r2 |~r2 | es mayor que r1 |~r1 |. En este caso:
1
1
1
r21
=
=
=
.
1/2
1/2
1/2
r12
[~r12 ~r12 ]
[1 + (r1 /r2 )2 2(r1 /r2 ) cos()]
[r22 + r12 2r1 r2 cos()]
Por tanto, empleando la definicion (2.41) de la funcion generatriz de los polinomios de Legendre se encuentra que
X
r1l
1
=
Pl (cos ).
r12
r2l+1
l=0
l
X
r1l
4 X m
1
=
Yl (1 , 1 ) Ylm (2 , 2 ).
r12
r2l+1 2l + 1
l=0
m=l
~2 d 2
+ V (y) = E
2m dy 2
2E
.
~
(2.128)
(2.129)
112
Funciones especiales
(2.130)
|x|
|(x)|
2 dx
ha de ser
d2
' x2
dx2
lo que implica que
(x) ex
2 /2
|x| 1.
(2.131)
2
Esto se puede justificar facilmente derivando dos veces (x) ex /2 y comprobando que la
ecuaci
on d2 /dx2 ' x2 se satisface cuando |x| . La solucion que es fsicamente aceptable
2
seg
un (2.130) es la de exponente negativo: (x) ex /2 . El resultado (2.131) sugiere expresar
la solucion (x) de este modo:
(x) = y(x) ex
donde y(x) debe ser subdominante con respecto a ex
que
2 /2
2 /2
(2.132)
ex /2
lm
= 0.
|x| y(x)
El procedimiento que acabamos de exponer para llegar a la expresi
on (2.132) se conoce como
factorizaci
on en el infinito.14
Vamos a buscar la ecuaci
on que debe satisfacer y(x). Para ello calculamos la primera y segunda
derivada de (x):
0 (x) = ex
2 /2
(xy + y 0 )
00 (x) = ex
2 /2
= ex
2 /2
(x2 y xy 0 y xy 0 + y 00 )
(x2 y 2xy 0 y + y 00 ).
2 /2
(x2 y 2x y 0 y + y 00 ) + (E x2 ) ex
2 /2
y = 0,
luego
y 00 2x y 0 + x2 y y + Ey x2 y = 0,
es decir
y 00 2x y 0 + 2n y = 0,
donde 2n E 1. Esta ecuaci
on es la ecuaci
on de Hermite.
14
El nombre est
a bien escogido, verdad?
(2.133)
113
cm xm .
m=0
m=2
m2
m(m 1) cm x
2m cm x +
2n cm xm = 0.
m=0
m=0
Expresamos todos los sumatorios en potencias de xm mediante cambio de ndices.16 Solo hemos
de cambiar el primer sumatorio, que ahora esta en potencias de xm2 . Llevando a cabo el cambio
m m + 2 en el primer sumatorio obtenemos
m=0
(m + 2)(m + 1) cm+2 x
2m cm x +
2n cm xm = 0.
m=0
m=0
m = 0, 1, 2, 3, . . .
(2.134)
relaci
on que permite hallar los coeficientes cm a partir de c0 y c1 (que son arbitrarios). Por tanto,
la solucion general es
n 2
2 n(n 2) 4
3 n(n 2)(n 4) 6
y(x) = c0 1 2 x + 2
x 2
x +
2!
4!
6!
n1 3
(n 1)(n 3) 5
(n 1)(n 3)(n 5) 7
+ c1 x 2
x + 22
x 23
x +
(2.135)
3!
5!
7!
= c0 y1 (x) + c1 y2 (x).
2
para
m 1.
(2.136)
Conocemos alguna funcion cuyo desarrollo para m grandes satisfaga (2.136)? La respuesta es
2
ex , como es facil de comprobar:
2
ex = 1 +
X
x2 x4 x6
+
+
+ =
1!
2!
3!
m=0
m=par
xm
m .
2 !
15
Puede encontrarse una discusi
on detallada de la tecnica 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
Funciones especiales
Por tanto
cm
y para m 1 se verifica que
m
2
cm+2
= m
=
cm
2 !
m
2
!
=
+1 !
m
2
1
,
+1
cm+2
2
2
' . Por consiguiente y(x) ex para x2 . Si sustituimos
cm
m
(x) ex
2 /2
|x2 | .
2 /2
2 /2
1
n+
2
~.
Hn (x) =
m=0
(1)m
n!
(2x)n2m .
(n 2m)! m!
(2.137)
B 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
< x < ,
(2.138)
|x|
y(x)
0 para todo N finito,
xN
(2.139)
es decir, se exige que la solucion y(x) buscada no vaya hacia infinito cuando |x| m
as
rapidamente que cualquier potencia finita de x. Esta ecuaci
on no esta escrita en la forma estandar
de una ecuaci
on de Sturm-Liouville que, como sabemos, es
p(x) y 00 (x) + p0 (x) y 0 (x) + q(x) y(x) + r(x) y(x) = 0
o bien
y 00 (x) +
p0 (x) 0
q(x)
r(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
p0 (x)
2
= 2x ln p(x) = x2 p(x) = ex ,
p(x)
q(x) = 0,
(
= 2n,
r(x)
= 2n
2
p(x)
r(x) = p(x) = ex ,
de forma que la ecuaci
on de Hermite en la forma de ecuaci
on de Sturm-Liouville es
2
= 2n.
(2.140)
donde cn es el coeficiente del termino 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]
Hn (x) =
X
k=0
(1)k
n!
(2x)n2k .
(n 2k)! k!
(2.141)
116
Funciones especiales
X
Hn (x)
n=0
n!
[n/2]
X
X
tn
(2.142a)
(1)k
n=0 k=0
1
tn (2x)n2k .
k! (n 2k)!
(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)!
ij
2
1
ij
2
ti (2x)j ,
! j!
G(x, t) =
[n/2]
X
X
n=0 k=0
(n, n 2k).
(2.143)
Vamos a reordenar la suma (2.143) fijandonos 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 filas (horiP[n/2]
zontales). Los resultados de la suma sobre cada fila [ k=0 (n, n 2k) es el resultado de la suma
de los terminos hde la fila n-sima] ise suman a continuaci
on para obtener la funcion generatriz:
P P[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 filas [que es lo que se hace en (2.142b)], podemos sumar agrupando los terminos que
estan dispuestos sobre las diagonales de la tabla 2.3. Si hacemos esto, vemos que, por cada fila
que bajamos por la diagonal, el primer ndice aumenta en una unidad y disminuye el segundo
ndice tambien en una unidad. Por tanto la suma sobre la diagonal que empieza en (m, m) viene
dada por
m
X
(m + j, m j).
(2.144)
j=0
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
G(x, t) =
X
m
X
m=0 j=0
(m + j, m j).
(2.145)
117
[n/2]
k=0
0
X
k=0
1
2
0
X
k=0
1
X
k=0
3
4
5
1
X
k=0
2
X
k=0
2
X
k=0
(n, n 2k)
X
m
X
(1)j
m=0 j=0
m
m X
X
m=0
t
m!
j=0
1
tm+j (2x)mj
j! (m j)!
m!
(t)j (2x)mj .
j! (m j)!
X
tm
(2x t)m
G(x, t) =
m!
m=0
m
X
t (2x t)
=
.
m!
m=0
Pero esto no es m
as que el desarrollo en serie de potencias de z de la funcion 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.
Evaluaremos la norma kHn k a partir de la funcion generatriz. Para ello definimos la funcion
I(t, t0 ):
I(t, t0 ) = hG(x, t)|G(x, t0 )i.
(2.148)
118
Funciones especiales
X
kHn k2
(n!)2
n=0
(tt0 )n .
(2.149)
2
0
2
02
dx e(x 2x(t+t )+t +t )
=
Z
0 2
2tt0
dx e(xtt )
=e
Z
2
0
dz ez
= e2tt
=
2tt0
X
2n 0 n
(tt ) .
=
n!
n=0
Comparando esta u
ltima expresi
on con (2.149) se deduce que
kHn k2 = 2n n! .
(2.150)
la funcion (x) es de cuadrado sumable con respecto la funcion peso r(x) = ex , es decir,
R Si
x2
|(x)|2 dx existe, entonces, en el sentido de convergencia en media cuadratica, se tiene
si e
que
Z
X
1
2
cn Hn (x),
cn = n
ex (x)Hn (x) dx.
(2.151)
(x) =
2
n!
n=0
Por supuesto, si (x) es suave a trozos, entonces la convergencia es punto a punto.
I Ejemplo 2.6
Vamos a hallar el desarrollo en serie de Hn (x) de la funcion
(x) = e2x .
R
2
2
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
e
2x
cn Hn (x).
m=0
Pero
2x1
G(x, t = 1) = e
X
Hn (x) n
t
=
n!
n=0
X
Hn (x)
.
n!
n=0
t=1
119
Los coeficientes cn del desarrollo (2.151) de e2x en polinomios de Hermite son entonces
e
cn = .
n!
J
X
1 n G(x, t)
tn .
G(x, t) =
n!
tn t=0
n=0
X
Hn
n=0
se deduce que
n!
tn ,
n
Hn (x) = n G(x, t) .
t
t=0
(2.152)
2
x2
G(x, t) = e
e(xt)
t
t
o, si hacemos el cambio x t = z,
n
n
2
x2
G(x, t) = e
ez
t
t
z n z 2
x2
e
=e
t z
n
2
2
= ex 1
ez
z
n
2
x2
n x
= e (1)
ez
z x
n
2
2
e(xt) .
= ex (1)n
x
Haciendo t = 0 en esta expresi
on y usando la ecuaci
on (2.152) se obtiene
n
d
2
2
Hn (x) = (1)n ex
ex
dx
(2.153)
que es la f
ormula de Rodrigues.
Paridad
A partir de la formula de Rodrigues es facil ver que
Hn (x) = (1)n Hn (x).
Es decir, la paridad de Hn es igual a la de n.
(2.154)
120
Funciones especiales
10
n=2
n=3
n=4
n=0
-1.5
-1
-0.5
n=1
0.5
1.5
-5
-10
-15
-20
-25
Pero G(x, t) =
h 2xtt2 i
G(x, t) =
e
= (2x 2t) G(x, t).
t
t
n=0
Hn (x) n
n! t
X
n Hn (x)
n=1
n!
tn1 = 2x
X
Hn (x)
n=0
n!
tn 2
X
Hn (x)
n=0
n!
tn+1 .
X
Hn+1 (x)
n=0
n!
t = 2x
X
Hn (x)
n=0
n!
t 2
X
Hn1 (x)
n=1
(n 1)!
tn .
121
n1
es decir
2xHn (x) = Hn+1 (x) + 2nHn1 (x),
n 0.
(2.155)
X
H 0 (x)
n
n=0
n!
tn = 2t
=2
X
Hn (x)
n=0
n=0
n!
tn
Hn (x) n+1
t
.
n!
X
H 0 (x)
n
n=0
n!
t =2
X
Hn1 (x)
n=1
(n 1)!
tn .
n 0.
(2.156)
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 identificamos
y 00 +
+1x 0 n
y + y=0
x
x
122
Funciones especiales
con
y 00 +
Entonces
p0 (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
y(0) = finito,
(2.159)
lm y(x) = 0, con N finito.
N
x x
Mediante un procedimiento similar al que se utilizo 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
X
()
k n+ 1 k
x .
(2.160)
Ln (x) =
(1)
n k k!
k=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,
(2.161)
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!
(2.162)
(2.163)
(2.164)
(2.165)
()
17
[AB74] se definen los polinomios asociados de Laguerre con un factor n! extra, es decir, Ln (x) =
Pn En ocasiones
k n+ n! k
x .
(1)
k=0
nk k!
123
B Ejercicio 2.8
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 termino a termino.
Relacion entre Ln y Ln
Si es entero se verifica que
Ln (x) = (1)
d
Ln+ (x).
dx
(2.166)
La demostraci
on es la siguiente. Partimos de la formula de los polinomios de Laguerre:
m
X
Lm (x) =
(1)k
k=0
Ahora calculamos
m!
1 k
x .
(m k)! k! k!
n+
X
1 d xk
d
k (n + )!
(1)
L
(x)
=
.
n+
dx
(n + k)! (k!)2 dx
k=0
Pero
k!
xk
= (k )!
d xk
dx
Por tanto
si k ,
si k < .
n+
X
(n + )!
d
1
k!
(1)k
L
(x)
=
xk .
n+
dx
(n + k)! (k!)2 (k )!
k=
X
1
(k + )! k
(n + )!
d
(1)k+
L
(x)
=
x
n+
2
dx
(n k)! [(k + )!]
k!
k=0
= (1)
= (1)
n
X
(1)k
k=0
Ln (x),
(n + )!
1 k
x
(n k)! (k + )! k!
n=0
Ln (x) tn .
(2.167)
124
Funciones especiales
k=0
n=0
n=1
n=2
n=3
..
.
k=1
k=2
k=3
(0,0)
(1,0)
(1,1)
(2,0)
(2,1)
(3,0)
(2,2)
(3,1)
(n, 0)
(3,2)
(n, 1)
(3,3)
(n, 2)
k=0
1
X
(0, k)
(1, k)
k=0
2
X
k=0
3
X
(2, k)
(3, k)
k=0
(n, 3)
n=3
n=2
n=1
n=0
0
X
P
Pn
P P
Cuadro 2.4: Equivalencia de G (x, t) =
n=0
k=0 (n, k) con
k=0
n=k (n, k) donde (n, k) =
k n+ 1 tn xk . Los t
e
rminos
que
se
suman
en
ambas
expresiones
son los mismos, pero en
(1)
nk k!
P P
Pn
n
erminos
n=0
k=0 (n, k) primero sumamos las filas [ k=0 (n, k) es el resultado de sumar los t
de
la
fila
n-sima]
para
despu
e
s
sumar
los
resultados
de
estas
sumas
parciales,
mientras
P P
P que en
(n,
k)
primero
sumamos
los
t
e
rminos
que
est
a
n
sobre
la
misma
columna
[
k=0
n=k
n=k (n, k)
es el resultado de sumar los terminos sobre la columna k-esima], para despues sumar todos estos
resultados parciales.
Vamos a buscar una expresi
on compacta para G (x, t). Para ello expresamos Ln mediante (2.160)
y cambiamos el orden de la suma [vease la tabla (2.4)]:
n+ 1 n k
(1)
G (x, t) =
t x
n k k!
n=0 k=0
X
X
k n+ 1 n k
t x .
(1)
=
n k k!
X
n
X
k=0 n=k
X
X
k=0 n=0
n + k + 1 n+k k
t
x
(1)
k!
n
k
X
(xt)k X (n + k + )! n
(1)k
=
t .
k!
n! (k + )!
n=0
k=0
(1 t)
X
n+a1
n=0
t =
X
(n + a 1)!
n=0
(a 1)! n!
tn .
(2.168)
125
X
(xt)k
(1)k
(1 t)(k++1)
k!
k=0
X
xt k
(1)k
= (1 t)(+1)
k!
1t
G (x, t) =
k=0
ext/(1t)
(2.169)
(1 t)+1
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 definimos la funcion I(t, t0 ) como el producto
escalar de dos funciones generatrices:
Pero
t
t0
1 tt0
+
=
,
1 t 1 t0
(1 t)(1 t0 )
y=x
para obtener
1 tt0
,
(1 t)(1 t0 )
0 (+1)
I (t, t ) = (1 tt )
dy y ey .
La integral no es m
as que la funcion gamma (en la forma conocida como integral de Euler):
Z
dy y ey ,
(2.170)
! (1 + ) =
0
y por tanto
X
( + n)! 0 n
= !
(tt ) .
! n!
(2.171)
X
=
kLn k2 (tt0 )n .
(2.172)
n=0
Pero por las propiedades de ortogonalidad de los polinomios asociados de Laguerre se tiene que
n=0
kLn k2 =
( + n)!
.
n!
(2.173)
126
Funciones especiales
n!
con cn =
( + n)!
cn Ln (x)
n=0
dx x ex Ln (x)(x).
(2.174)
=x e
n
X
(1)k
k=0
=x e
n!Ln (x)
y por tanto
Ln (x) =
1 x
x e
n!
d
dx
n
(n + )! k
n!
x
(n k)! k! ( + k)!
xn+ ex ,
(2.175)
que es la f
ormula de Rodrigues para las funciones asociadas de Laguerre.
G
= [( + 1) (1 t) x] G (x, t).
t
P
n
Como G (x, t) =
on anterior se convierte en
n=0 Ln t , la expresi
(1 t)2
n=1
nLn tn1 2
nLn tn +
n=1
n=1
nLn tn+1 = ( + 1 x)
n=0
Ln tn ( + 1)
Ln tn+1 .
n=0
n=0
(n+1)Ln+1 tn 2
n=1
nLn tn +
n=2
(n1)Ln1 tn = (+1x)
n=0
Ln tn (+1)
n=1
Ln1 tn .
127
(2.176)
donde hemos agrupado los terminos con igual polinomio de Laguerre, dejando aparte el termino
xLn (x).
B Ejercicio 2.9
Escribe las relaciones de recurrencia para n = 0 y n = 1.
G
= t G .
x
P
n
Insertando G (x, t) =
on encontramos que
n=0 Ln t en esta expresi
(1 t)
X
dL
n n
n=0
dx
X
dL
n n+1
n=0
dx
Ln tn+1 .
n=0
Hacemos el consabido cambio de ndices para expresar los sumatorios en potencias de tn y as poder igualar termino a termino:
X
dL
n n
n=0
dx
X
dLn1
n=1
dx
tn =
Ln1 tn .
n=1
(2.177)
d
L (x) = nLn (x) (n + ) Ln1 (x).
dx n
(2.178)
Tambien existen relaciones de recurrencia entre polinomios de ordenes distintos. Dos ejemplos:
Ln1 (x) + L1
n (x) = Ln (x),
d
L (x) = L+1
n1 (x).
dx n
B Ejercicio 2.10
Demuestra la validez de las relaciones (2.179) y (2.180).
(2.179)
(2.180)
128
Funciones especiales
(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 X
k=0
(1)k x 2k
.
k! (k )! 2
(2.182)
(2.183)
B Ejercicio 2.11
Comprueba por sustitucion directa que (2.182) es soluci
on de la ecuaci
on de Bessel.
Si = n es un n
umero entero, las funciones Jn (x) y Jn (x) no son linealmente independientes
y, por tanto, y(x) = AJn (x) + BJn (x) no sera ya solucion general de la ecuaci
on de Bessel.
Veamos que, efectivamente, Jn (x) y Jn (x) son linealmente dependientes. Por concretar,
supongamos que n es un entero positivo. Entonces
Jn (x) =
x n n1
X
2
k=0
k=n
Pero los terminos 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
Jn (x) =
x n X
k=n
(1)k x 2k
.
k! (k n)! 2
x n X
(1)k+n x 2k+2n
2
(k + n)! k! 2
k=0
= (1)n
x n X
= (1)n Jn (x).
k=0
(1)k x 2k
(k + n)! k! 2
(2.184)
sen()
129
1.00
0.75
n=0
n=1
n=2
0.50
n=3
Jn
0.25
0.00
2
10
12
14
-0.25
-0.50
Por consiguiente, tanto para entero como para no entero, la solucion 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 lmite anterior
es, trivialmente,
N (x) =
130
Funciones especiales
sen()J + cos() J
=
cos()
=n
1 J (x)
n J (x)
.
(1)
=
=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) =
(r) x 2r
2 X
2 x
(1)r
J0 (x)
ln
(r!)2 2
(2.187a)
r=0
y, para n 1,
Nn (x) =
n1
2 x
1 X (n r 1)! x 2rn 1 X
(r) + (n + r) x 2r+n
ln
Jn (x)
(1)r
r!
2
r!(n + r)!
2
r=0
r=0
(2.187b)
sen
( 1)!
2
+
x
( 1)! 2
N (x)
, para 0.
x
18
(2.188)
131
n=0
0.50
n=1
n=2
n=3
0.25
0.00
2
10
12
14
-0.25
-0.50
-0.75
-1.00
du
d2 u
+t
+ (t2 2 ) u = 0
2
dt
dt
mediante el cambio
t =
b x1/ ,
u =x/ y,
(2.190)
(2.191)
donde
2
,
ca+2
1a
=
.
ca+2
(2.192)
(2.193)
(2.194)
(2.195)
132
Funciones especiales
Si b < 0, el argumento de u en (2.195) es imaginario. En este caso, la solucion u(t) vendra dada
como combinacion de las funciones de Bessel modificadas [vease la relaci
on (2.233)] de modo que
la solucion sera:
p
h
p
i
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.
B Ejercicio 2.13
Comprueba por sustitucion directa que, tras los cambios de variable (2.190) y (2.191), la ecuacion (2.189)
se reduce a una ecuaci
on de Bessel.
I Ejemplo 2.7
Queremos resolver la ecuaci
on
y 00 +
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
"
2 #
u
du
2
2
t
u=0
+t
+ t
2
dt
dt
5
2d
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
4 5/4
4 5/4
+ B N2/5
.
x
x
y(x) = x1/2 A J2/5
5
5
J
133
2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
Figura 2.11: Funciones de Bessel de primera especie J0 (x) y J1 (x). Lnea continua: valor exacto; lnea
discontinua y punteada: aproximacion asint
otica de J0 y J1 , respectivamente, hallada mediante la
ecuacion (2.197).
donde el coeficiente de amortiguamiento
= 1/t y el coeficiente de restitucion (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 armonicas de frecuencia unidad pues, para t , = k 1. Este comportamiento
se aprecia claramente en las figuras (2.9) y (2.10). De hecho [AS72] (vease tambien el problema
15, pagina 470)
1/2
,
cos x
4
2
1/2
2
N (x)
sen x
,
x
4
2
J (x)
2
x
si
x ,
(2.197)
si
x ,
(2.198)
1/2
r1 (x)
cos x
+ 3/2 ,
4
2
x
1/2
2
r2 (x)
N (x) =
+ 3/2 ,
sen x
x
4
2
x
J (x) =
2
x
donde r1 (x) y r2 (x) son funciones acotadas cuando x . En las figuras 2.11 y 2.12 se comparan
los valores exactos de de J0 (x) y J1 (x) con sus aproximaciones asintoticas19 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 estimacion 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
funcion de Bessel de primera especie J (x), es decir, J (m ) = 0, y sea m el m-simo cero de la
funcion 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 significado preciso del smbolo se discute en la secci
on 7.3.
134
Funciones especiales
0.5
N0
0.0
2
10
-0.5
N1
-1.0
-1.5
-2.0
Figura 2.12: Funciones de Bessel de primera especie N0 (x) y N1 (x). Lnea continua: valor exacto;
lnea discontinua y punteada: aproximacion asint
otica de N0 y N1 , respectivamente, hallada mediante
la ecuacion (2.198)
x :
m
m
1
,
m+
2 4
3
m+
.
2 4
(2.199a)
(2.199b)
B 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 matematicas, por ejemplo, en [AS72, SA96]).
2. Las ecuaciones (2.199) predicen que los ceros tienden a estar separados por la distacia . Comprueba
hasta que punto esto es cierto.
3. Por que es de esperar que estas estimaciones mejoren a medida que el valor de la raz crece y
empeoren cuando el orden de la funcion de Bessel crece?
X
k=0
x 1+2k X
x +1+2k
(1)k
(1)k
.
k! ( + k 1)! 2
k! ( + k + 1)! 2
k=0
135
Hacemos el cambio k k 1 en el ndice del segundo sumatorio de modo que los dos sumatorios
tengan potencias con igual exponente:
J1 J+1 =
=
=
X
k=0
x 1+2k X
x 1+2k
(1)k
(1)k1
k! ( + k 1)! 2
(k 1)! ( + k)! 2
k=1
1
( 1)!
1
( 1)!
x 1
2
x 1
2
X
k=1
X
k=1
x 1+2k
+ k (1)1 k
k! ( + k)! 2
(1)k
(1)k x 1+2k
[ + k k] .
k! ( + k)! 2
Si sumamos,
x 1
X
(1)k x 1+2k
1
+
( 1)! 2
k! ( + k)! 2
k=1
"
#
x 1 1 x X
(1)k x +2k
,
+
=
2
! 2
k! ( + k)! 2
k=1
obtenemos finalmente
J1 (x) + J+1 (x) =
2
J (x) ,
x
(2.200)
k=1
obtenemos
J1 (x) J+1 (x) = 2
d
J (x) 2J0 (x) ,
dx
(2.201)
J (x) + J0 (x).
x
(2.202)
J (x) J0 (x).
x
(2.203)
Estas dos u
ltimas relaciones nos dicen que a partir de una funcion de Bessel dada, J (x), podemos
hallar todas las demas funciones de Bessel cuyo orden difiera del de J (x) en un n
umero entero.
Veamos ahora unas formulas que permiten calcular directamente las funciones J+m (x) o Jm (x)
a partir de J (x). Empezamos evaluando
d
x J (x) = x1 J (x) + x J0 (x)
dx
i
h
J (x) J0 (x)
= x
x
136
Funciones especiales
Por tanto
d
x J (x) = x J1 (x).
dx
1 d
d
[x J (x)] = x J1 (x)
(x J ) = x1 J1 (x).
dx
x dx
(2.204)
(2.205)
d
Vemos entonces que la aplicacion del operador diferencial D x1 dx
sobre la funcion f (, x)
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 obtendra f ( m, , x), es decir,
Dm [x J (x)]
1 d
x dx
m
[x J (x)] = xm Jm (x)
d m
donde la notaci
on Dm x1 dx
es un modo (est
andar) de indicar que el operador D
aplica m veces.
La ecuaci
on (2.204) nos dice que
(2.206)
1 d
x dx
se
d
x J (x) = x J+1 (x).
dx
1 d J (x)
J+1 (x)
= +1 ,
x dx x
x
y por tanto
1 d
x dx
m
J (x)
J+m (x)
= (1)m +m .
x
x
(2.207)
(2.208)
137
-15
10
J (1)
-10
Log
-5
-20
-25
0
10
15
20
I Ejemplo 2.8
Vamos a calcular J0 (1) usando la relaci
on de recurrencia (2.200) en el sentido de n decrecientes:
J1 (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 mas 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
138
Funciones especiales
podemos considerar que es igual a cero: JN +1 (1) ' 0. Para simplificar la notacion 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,
J7 (1) = 16 a,
J6 (1) = 223 a,
J5 (1) = 2660 a,
J4 (1) = 26377 a,
J3 (1) = 208356 a,
(2.211)
J2 (1) = 1223759 a,
J1 (1) = 4686680 a,
J0 (1) = 8149601 a.
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),
X
J2n (x),
1 = J0 (x) + 2
n=1
J2n (1)
n=1
' 10650321 a.
Por tanto a ' 1/10650321, y sustituyendo este valor en (2.211) encontramos que
J8 (1) ' 1/10650321 ' 00 938939 107 [00 942234 107 ],
A la derecha de la flecha, entre corchetes, se han proporcionado los valores exactos. En el camino de calcular
J0 (1) hemos estimado tambien el valor de J1 (1), J2 (1) . . . . Los resultados son excelentes: la estimacion
y los valores exactos de Jn (1) coinciden en seis cifras significativas para n = 0, 1, , 6. Por u
ltimo, es
natural preguntarse que valor de N habra que escoger para estimar Jn (x) con una precisi
on mnima 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 significativas con las que se quiera estimar Jn (x) [PFT93, sec. 6.5].
J
139
X
x
1
G(x, t) = exp
t
=
Jn (x) tn
2
t
n=
(2.212)
es la funcion
generatriz de Jn (x),
Pcon n entero,n en el sentido de que el desarrollo de Laurent de
1
x
exp 2 t t viene dado por n= Jn (x) t . Vamos a demostrarlo:
x
x 1
G(x, t) = e 2 t e 2 t
=
X
1 x k k
t
k! 2
k=0
X
X
k=0 m=0
k
X
X
k=0 m=0
(1)m
1
k! m!
X
(1)m x m m
t
m!
2
m=0
x m+k
2
tkm
(2.213)
k=0 m=k+1
De este modo hemos separado la funcion 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 funcion 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 lneas lo hacemos primero sobre las columnas (vease la tabla
2.5) de modo que
k
X
X
(1)m x m+k km X X (1)m x m+k km
t
=
t
.
k! m! 2
k! m! 2
(2.214)
m=0 k=m
k=0 m=0
X
(1)m x m+k km X X (1)m x 2m+n n
t
=
t
k! m! 2
(n + m)! m! 2
m=0 k=m
=
=
m=0 n=0
X
X
n
n=0
m=0
(1)m x 2m+n
(n + m)! m! 2
Jn (x)tn .
n=0
(2.215)
140
Funciones especiales
m=0
k=0
k=1
k=2
k=3
..
.
m=1
m=2
m=3
(0,0)
(1,0)
(2,0)
(3,0)
X
(k, 0)
k=0
(1,1)
(2,1)
(2,2)
(3,1)
(k, 1)
k=1
(3,2)
(3,3)
(k, 2)
0
X
m=0
1
X
m=0
2
X
m=0
3
X
(0, m)
(1, m)
(2, m)
(3, m)
m=0
(k, 3)
k=3
k=2
Cuadro 2.5: Justificacion del cambio en el orden de la suma en (2.214), siendo (k, m)
(1)m x m+k (mk)
t
.
k! m!
2
X
X
(1)m x m+k (mk) X X (1)n+k x 2k+n n
t
=
t
k! m! 2
k! (k + n)! 2
k=0 m=k+1
=
=
=
=
k=0 n=1
X
n
n=1
n=1
(1)
X
k=0
(1)k x 2k+n
k! (k + n)! 2
tn (1)n Jn (x)
Jn (x)tn
n=1
Jn (x)tn
(2.216)
n=1
Jn (x)tn ,
(2.217)
n=
que es la expresi
on que queramos demostrar.
Como G(x, t = 1) = 1 y Jn (x) = (1)n Jn (x) [ecuacion (2.184)], de la expresi
on (2.217)
anterior se deduce inmediatamente la relaci
on
1 = J0 (x) + 2
J2n (x),
(2.218)
n=1
la cual es utilizada en el algoritmo de Miller (empleado en el ejemplo 2.8) para el computo de las
funciones de Bessel [PFT93, cap. 6].
141
Funci
on de Bessel de la suma
La funcion generatriz (2.212) de las funciones de Bessel verifica trivialmente que
G(x + y, t) = G(x, t) G(y, t)
(2.219)
y por tanto
(2.220)
Jn (x + y) tn =
n=
Jm (x)Jl (y)tm+l .
(2.221)
m= l=
En todos los sumandos del miembro derecho en los que, cuando m toma un valor dado, l es igual
a n m, se verifica que tm+l = tn . Por consiguiente
Jn (x + y) =
Jm (x)Jnm (y).
(2.222)
m=
ei )/2
ix sen
=e
Jn (x) ein
n=
h
i
X
Jn (x) ein +Jn (x) ein .
= J0 (x) +
n=1
Por consiguiente, la funcion de Bessel Jn (x) es simplemente el coeficiente 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
h
i
X
ix sen
Jn (x) ein +(1)n ein
e
= J0 (x) +
n=1
= J0 (x) + 2
n=1
n=1
Es decir
n=1
sen(x sen ) = 2
n=1
142
Funciones especiales
se deduce que
1
(2.223)
n es par,
n es impar,
n 6= 0,
(2.224)
n es par,
n es impar,
n 6= 0
(2.225)
n = 0, 1, 2, . . .
(2.226)
X
(1)k
k=0
x 2k+1/2
1
,
k! (k + 1/2)! 2
de modo que
22k+1 x2k+1/2
1 X
(1)k
J1/2 (x) =
(2k + 1)! 22k+1/2
k=0
r
x2k+1
2 X
=
(1)k
x
(2k + 1)!
k=0
r
2
=
sen x.
x
(2.227)
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) Jn0 (x).
x
Esta relaci
on evidencia que todas las funciones de Bessel de orden semientero pueden expresarse
como combinacion de funciones elementales.
21
143
B Ejercicio 2.16
Demuestra mediante las relaciones de recurrencia (2.202) y (2.203) que
r
2
cos x,
x
r
2 sen x
cos x ,
J3/2 (x) =
x
x
r
2 cos x
+ sen x .
J3/2 (x) =
x
x
J1/2 (x) =
(2.228)
Las funciones esfericas de Bessel jl (x) y de Neumann nl (x) se definen por las relaciones :
r
J
(x),
2x l+1/2
r
nl (x) =
N
(x),
2x l+1/2
jl (x) =
(2.229a)
(2.229b)
l+1
nl (x) = (1)
J
(x),
(2.229c)
2x l1/2
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 facil deducir que las funciones esfericas de Bessel satisfacen la ecuaci
on diferencial
x2 y 00 (x) + 2xy 0 (x) + x2 l(l + 1) y(x) = 0
(2.230)
con l entero.
De las definiciones (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
+ sen x .
n1 (x) =
x
x
j0 (x) =
En las figuras 2.14 y 2.15 se representan las cuatro primeras funciones esfericas 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 :
H(1) (x) = J (x) + i N (x),
H(2) (x) = J (x) i N (x).
22
(2.231)
144
Funciones especiales
1.0
0.8
0.6
0.4
0.2
0.0
2
10
12
-0.2
n
0.2
0.0
x
2
10
12
-0.2
-0.4
(1)
H (x) = jn (x) + i nn (x),
2x n
r
(2)
(2)
hn (x) =
H (x) = jn (x) i nn (x),
2x n
h(1)
n (x)
(2.232)
siendo n un entero.
Las funciones modificadas de Bessel I (x) y K (x) :
I (x) = i J (ix),
(2.233)
145
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
y0 =
=k
,
y 00 = k 2 2 ,
dx
du
du
y la ecuaci
on (2.234) se transforma en
u2
d2 y
dy
+u
+ (u2 2 ) y(u) = 0,
du2
du
(2.235)
que es la ecuaci
on de Bessel, tal como la definimos en (2.181) de la pagina 128. Por este motivo, a
la ecuaci
on (2.234) tambien se la llama ecuaci
on de Bessel. Esto significa que la solucion 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) =
2
,
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 0 (a) = 0,
1 y(b) + 2 y 0 (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 seran los autovalores. Las autofunciones correspondientes a km seran de la
forma
m (x) = AJ (km x) + BN (km x),
donde el valor de A/B queda por determinar. Por la teora 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 funcion peso r(x) = x en el intervalo a x b. Es decir, se
verifica que
X
hm |i
,
(x) =
cm m (x),
cm =
km k2
m
donde
hm |i =
km k2 =
dx x m (x) (x) ,
a
dx x [m (x)]2 .
146
Funciones especiales
Calculo de la norma
Por supuesto, las autofunciones m (x) son ortogonales entre s,
hm |n i =
b
a
dx x m (x) n (x) = km k2 mn .
dx x [m (x)]2
Z b
d 1 2
2
dx
=
x m
(x)
dx 2
a
b Z b
1 2 2
0
dxx2 m m
(x).
= x m (x)
2
km k =
(2.236)
k 2 x2 y = 2 y xy 0 x2 y 00 = 2 y x
se tiene que
2 2
km
x m (x) = 2 m (x) x
0 (x),
Si multiplicamos esta expresi
on por m
d
(xy 0 ),
dx
d 0
x m (x) .
dx
2 2 0
0
0 d
0
km
x m m = 2 m
m xm
[xm
]
dx
d 1 2
1 d
0 2
= 2
,
m (x)
xm
dx 2
2 dx
(2.237)
El valor concreto que tome la norma dependera de las condiciones de contorno de cada problema
particular.
I 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 (veanse 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 funcion de Bessel de orden n.
147
m
,
b
m (x) = J m
x
.
b
0
m
(x) = km J0 (km x) = km
J (km x) J+1 (km x) ,
km x
luego
0
m
(b) = km J+1 (km b).
Por tanto
1 2
2
b [J+1 (m )] .
2
El desarrollo en serie (serie de Bessel-Fourier) de una funcion (x) arbitraria bien comportada en el
intervalo [0, b] es por tanto
X
cm J (km x)
(2.238)
(x) =
km k2 =
m=1
donde
cm =
dx xJ (km x)(x)
1 2
2
b [J+1 (m )]
2
.
J
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) definidos por la funcion generatriz
G(x, t) = (1 2xt + t2 )1 =
Un (x)tn .
n=0
a) Halla la relaci
on de recurrencia de los polinomios Un+1 , Un y Un1 .
b) Demuestra que U0 (x) = 1 y, mediante la formula 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).
2.2. Halla los primeros polinomios de Laguerre mediante el metodo de ortogonalizacion de GramSchmidt.
2.3. Demuestra que las derivadas Pl0 (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 funcion generatriz de los polinomios de Legendre, demuestra
X
xl+1
1 1+x
Pl (x) = ln
.
l+1
2 1x
l=0
dxPl (x)
mediante:
a) La funcion generatriz.
b) La relaci
on de recurrencia (que previamente se deducir
a)
0
lPl (x) + Pl1
(x) xPl0 (x) = 0.
c) La relaci
on de recurrencia (que previamente se deducir
a)
0
0
Pl+1
(x) Pl1
(x) = (2l + 1)Pl (x).
2.6.
a) Halla la integral
R1
0
X
2n + 1
Pn (x).
n(n + 1)
n=0
150
Funciones especiales
2.9. A partir de la transformada de Fourier de los polinomios de Hermite obten una representaci
on integral de los mismos.
2.10.
a) Demuestra que
Z
dx ex x2 Hn (x)Hm (x) =
n1
2
(2n + 1)n! n,m + 2n (n + 2)! n,m2 + 2n2 n! n,m+2 .
2
dx ex x2 H1 (x)Hm (x) = 15 .
m=0
2 /2
a) Demuestra que
Z
0
dx ex xHn0 (x)Hm
(x) =
2n (n 1)n! n,m+1 ,
0
dx ex xHn0 (x)Hn+p
(x) =
2.9 Problemas
151
2.15. Eval
ua la integral
3 (n
l 1)!
Rnl (r) =
2n(n + l)!
1/2
2l+1
(r) ,
er/2 (r)l Lnl1
dondeR es una constante. Calcula la distancia media del electron respecto del n
ucleo:
2.18. Desarrolla en serie de polinomios de Laguerre la funcion salto f (x) = H(x a), siendo H(x)
la funcion 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) Obten la funcion generatriz
G(x, t) = T0 (x) + 2
Tn (x)tn ,
n=1
|x| 1,
|t| < 1.
Cn (x)tn ,
n=0
|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.
2.21.
a) Demuestra que las funciones esfericas de Bessel de primera y segunda especie, jn (x) y
nn (x), satisfacen las relaciones de recurrencia
2n + 1
fn (x),
x
nfn1 (x) (n + 1)fn+1 (x) = (2n + 1)fn0 (x).
fn1 (x) + fn+1 (x) =
152
Funciones especiales
b) Usa estas relaciones de recurrencia para demostrar que
n+1
fn0 (x) = fn1 (x)
fn (x),
x
n
fn0 (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
X
xr
, (n + 1)fn+1 = xfn fn+2 , fn0 = fn1 .
(r!)2
r=0
n= fn (x)t
2.23. Halla los coeficientes del desarrollo en serie de J0 (km x) de la funcion f (x) = 1 definida en
el intervalo 0 x a.
2.24. Sea
f (x) =
cm Jn (nm x) ,
m=1
la representaci
on en serie de funciones de Bessel de la funcion f (x) definida en el intervalo
[0, 1], donde nm es la raz m-sima de Jn (x).
a) Demuestra la relaci
on de Parseval
Z
1
0
1X 2
dx x[f (x)] =
cm [Jn+1 (nm )]2 .
2
2
m=1
2
m=1 nm
1
.
4(n + 1)
Captulo 3
u
,
x
uy
u
,
y
uxx
2u
,
x2
uxy
2u
.
xy
154
=
=
=
=
uxx
uy uxx
ux
x2 uxx
es
es
es
es
lineal,
no lineal,
no lineal,
lineal.
1 2u
,
c2 t2
donde c es la velocidad de propagacion de la onda.
2 u =
(3.2)
155
La ecuaci
on de Laplace
2 u = 0.
La ecuaci
on de difusion
2 u =
1 u
,
k t
(3.3)
(3.4)
~2 2
+ V (~r) = i~ .
2m
t
(3.5)
La ecuaci
on de Schrodinger independiente del tiempo
~2 2
+ V (~r) = E.
2m
(3.6)
La ecuaci
on de Poisson
2 u = f (x, y, z).
(3.7)
2 u + u = 0.
(3.8)
u + 2 u = 0
(3.9)
La ecuaci
on de Helmholtz
La ecuaci
on de Klein-Gordon
donde 2
1
.
c2 t2
En este captulo 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
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 clasifican en tres tipos basicos que exhiben caractersticas comunes:
1. Ecuaciones parab
olicas: B 2 4AC = 0.
Son ecuaciones que describen flujos y procesos de difusion. Un ejemplo claro de ello es la
ecuaci
on de difusion (3.4), en la que A = 1, E = 1/k, B = C = D = F = G = 0.
1
Vease, por ejemplo, Solitons: An Introduction de P. G. Drazin y R. S. Johnson (Cambridge University Press,
Cambridge, England, 1988).
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 elpticas: B 2 4AC < 0.
Describen fen
omenos estaticos 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 integracion, aunque esto es poco corriente. Los calificativos parab
olico,
hiperb
olico y elptico proceden de la analoga con la clasificacion de las ecuaciones cuadraticas o
secciones conicas pues la ecuaci
on algebraica
Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0
es hiperb
olica, parab
olica o elptica si B 2 4AC es, respectivamente, positivo, cero o negativo.
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 fijan
u(x, t) para un tiempo dado.
157
y
u (x)
d
u (t)
u =u
xx
u (t)
u (y)
= 0
u (t)
u (y)
t
u (x)
(a)
xx
(b)
tt
u(x,t )=f(x)
u (t)
u =u
yy
u(x,t )=f(x)
+u
xx
u (x,t )=g(x)
t
(c)
Figura 3.1: Ejemplos de regiones de integracion, condiciones de contorno y tipos de fronteras de las
ecuaciones (a) parabolicas, (b) elpticas, y (c) hiperb
olicas.
Estas condiciones de contorno sabemos que son suficientes para determinar el valor de la
solucion u(x, t) en un instante posterior t > t0 para a x b. En la figura 3.1(a) se
representa la regi
on de integracion de este problema (zona rayada), es decir, la regi
on en la
cual queremos hallar la solucion. Es evidente que la regi
on de integracion es abierta porque
no especificamos 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.
B Ejercicio 3.1
Cual sera el significado fsico 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 difusion del calor.
158
I Ejemplo 3.1
Ecuaci
on de difusion en una barra finita.
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 evolucion de este sistema fsico 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).
(3.11a)
(3.11b)
(3.11c)
En el metodo de separaci
on de variables se comienza buscando soluciones de la EDP de la forma
u(x, t) = X(x) T (t),
(3.12)
An Xn (x) Tn (t)
(3.13)
n=1
3
3.3 Separaci
on de variables
159
d2 X(x)
d
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
funcion 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 tradicion, 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 verificar estas dos
ecuaciones diferenciales ordinarias:
dT
= kT,
dt
d2 X
= X.
dx2
(3.15)
(3.16)
La soluci
on de la primera ecuaci
on es sencilla:
T (t) = T0 ekt .
(3.17)
Si < 0 entonces T (t) cuando t , es decir, si < 0, la temperatura crecera sin lmite a
medida que pasa el tiempo. Esto no es fsicamente razonable; de hecho, esperamos que T (t) 0 pues la
temperatura de los extremos de la barra est
a fijada a cero. Estas consideraciones nos hacen ver que al
formular nuestro problema en terminos fsicos, existen condiciones (que en un sentido generico podemos
llamar de contorno) implcitas que no aparecen recogidas explcitamente en el enunciado del problema.
Lo que estamos diciendo es que la traduccion matematica dada en (3.11) del problema de conducci
on del
calor en la barra no es completa: habra que a
nadir la condici
on de contorno6
u(x, t ) = finita.
En definitiva, concluimos que esta condici
on de contorno (implcita) requiere que 0. En cualquier caso,
como veremos un poco mas abajo, la resoluci
on de la parte espacial de este problema (es decir, el calculo
de las soluciones X(t) admisibles) nos llevara a esta misma conclusion: ha de ser positiva.
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). Tambien 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,
dx(2
X(0) = 0,
CC :
X(L) = 0.
(3.18a)
(3.18b)
Esto no es mas que un problema de Sturm-Liouville, el cual ya hemos resuelto en el ejemplo 1.15, pagina
53. Su soluci
on es
nx
,
Xn (x) = Cn sen
L
n 2
=
,
n = 1, 2, 3, . . .
L
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 definitiva, las soluciones fundamentales son
nx
n 2
un (x, t) = An sen
ek( L ) t ,
n = 1, 2, 3, . . .
L
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 homogenea (3.11b), entonces una combinacion lineal de
soluciones fundamentales tambien satisface la EDP y las condiciones de contorno. Esto nos lleva a escribir
la soluci
on general de la siguiente forma:
u(x, t) =
An sen
n=1
nx
L
ek(
n
L
) t.
(3.19)
nx
An sen
n=1
= f (x).
(3.20)
Cu
ales son estos coeficientes? La respuesta es facil si nos damos cuenta que los coeficientes An no son otra
cosa que los coeficientes del desarrollo en serie de Fourier de la funcion f (x). Dicho en otros terminos, como
las funciones Xn (x) = sen (nx/L) son autofunciones de un problema de Sturm-Liouville [el problema
definido por (3.18)], entonces cualquier funcion f (x) bien comportada puede expresarse en terminos de las
autofunciones Xn (x), siendo An los correspondientes coeficientes.8 Por tanto,
An =
2
hsen nx/L|f (x)i
=
k sen nx/Lk2
L
f (x) sen
nx
L
dx.
(3.21)
En resumen, la soluci
on del problema (3.11) viene dada por la relaci
on (3.19) donde los coeficientes An se
obtienen de la ecuaci
on (3.21).
Por ejemplo si
x 1
3x
f (x) = sen
,
+ sen
L
2
L
7
En el futuro nos ahorraremos el ir arrastrando las constantes arbitrarias procedentes de las soluciones de las
ecuaciones diferenciales ordinarias pues sabemos que al final 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.
3.3 Separaci
on de variables
161
la soluci
on (3.19) sera
u(x, t) = sen
x
L
ek(/L) t +
1
sen
2
3x
L
ek(3/L)
Un resultado interesante que podemos deducir de (3.11) es que los modos difusivos
nx
n 2
An sen
ek( L ) t
L
de longitud de onda L/(n) menor (es decir, aquellos con n mas grande) son los que mas r
apidamente
decaen. En particular, si existe el primer modo difusivo (esto es, si A1 6= 0), se tiene que
x
2
u(x, t) ' A1 sen
t .
(3.22)
ek( L ) t ,
L
J
El procedimiento de resoluci
on que hemos empleado en el ejemplo anterior es bastante estandar.
Resumimos a continuaci
on sus pasos principales:
1. Hemos de asegurarnos de que la EDP a resolver es lineal con condiciones de contorno
homogeneas. En caso contrario no es posible aplicar, sin m
as, el metodo de separaci
on de
variables. Veremos en el ejemplo 3.2, y con m
as detalle en la secci
on 3.5, como proceder
cuando las condiciones de contorno no son homogeneas.
2. Hay que hallar las ecuaciones diferenciales ordinarias resultantes al asumir una solucion
expresada como producto de funciones de una sola variable (separacion de variables) e
introducir constantes de separaci
on.
3. Hay que determinar los valores (autovalores) de las constantes de separaci
on que permiten
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 solucion general como
combinacion lineal arbitraria de todas ellas y se calculan sus coeficientes de modo que esta
solucion general satisfaga la condici
on inicial.
La condici
on inicial se impone sobre la solucion al final, cuando ya hemos construido la solucion
general (en forma de superposicion de soluciones fundamentales) y, generalmente, despues de
imponer las condiciones de contorno.
I Ejemplo 3.2
Cubo dentro de un ba
no termico.
Sea un cubo de arista L inicialmente (t = 0) en equilibrio termico a temperatura u = 0.9 El cubo se
sumerge en un ba
no a temperatura u0 6= 0. Se pide hallar u(~r, t).
Las ecuaciones que describen este problema fsico 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 =
CC :
(3.23a)
(3.23b)
(3.23c)
162
Este es un problema con condiciones de contorno no homogeneas.10 El procedimiento mas sencillo para
superar esta dificultad y poder aplicar sin problemas el metodo 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 fsica 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 =
CC :
(3.24a)
(3.24b)
La EDP es lineal y las condiciones de contorno son homogeneas, por lo que podemos aplicar el metodo 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 dT
1 2
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 verificarse si ambos miembros son iguales a una constante (que,
por conveniencia en la notaci
on, llamaremos ):
1 dT
1 2
R=
= .
R
kT dt
La soluci
on de la ecuaci
on temporal
dT
dt
= kT es sencilla:
T (t) = ekt .
Esto s
olo puede verificarse si
es decir, si
1 d2 Y
1 d2 Z
1 d2 X
+
+
= .
X dx2
Y dy 2
Z dz 2
1 d2 X
X dx2
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, podramos haber sustituido directamente u(x, t) = X(x)Y (y)Z(z)T (t) desde el principio.
3.3 Separaci
on de variables
163
V (x = L, y, z, t) = 0
X(0) = 0,
(3.25)
X(L) = 0.
(3.26)
ny = ny ,
L
nz = nz ,
L
La soluci
on general del problema homogeneo (3.24) es por tanto
V (~r, t) =
X
X
X
nx =1 ny =1 nz =1
X
X
X
nx =1 ny =1 nz =1
on
Nos resta determinar los valores de los coeficientes Anx ny nz que hacen que u(~r, t) satisfaga la condici
inicial (3.23c), u(~r, t = 0) = 0. Es decir, los coeficientes Anx ny nz han de ser tales que
u0 =
Sabemos que
Anx ny nz sen nx x sen ny y sen nz z .
L
L
L
=1
X
X
X
nx =1 ny =1 nz
L
dw sen n w sen m w = nm
L
L
2
(3.27)
164
u0
=
(L/2)3
x
y
z
dx dy dz sen nx
sen ny
sen nz
.
L
L
L
Pero
Z
Por tanto
0
L
[1 cos(nw )] =
sen nw w dw =
2L
L
nw
nw
Anx ny nz
64
u0
3 nx ny nz
=
si nw es par,
si nw es impar.
si nx , ny , nz son impares,
en caso contrario.
En definitiva, 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
64
3 nx ny nz
2
2
2 2
sen nx x sen ny y sen nz z ek(nx +ny +nz ) L2 t .
L
L
L
(3.28)
L
L
L
t
L2
.
k
J
I Ejemplo 3.3
Membrana vibrante circular.
En este ejemplo vamos a calcular los modos normales de vibracion de una membrana circular de radio
sujeta por su permetro (membrana de un tambor). En otros terminos, 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) =
1 2V
,
c2 t2
se tiene que
1
d2 it
u(~
r
)
e
c2
dt2
2
(i)
=
u(~r) eit .
c2
eit 2 u(~r) =
Es decir, la dependencia espacial de los modos normales de vibracion u(~r) viene regida por la ecuacion de
Helmholtz:
2 u(~r) + k 2 u(~r) = 0,
donde k = /c es el n
umero de ondas.
3.3 Separaci
on de variables
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 simetra 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 2
r u + 2 2 u + k 2 u = 0.
r
r
1
r r
es decir,
1 d
R r dr
d
R d2
R + 2 2 + k 2 R = 0,
dr
r d
d
1 d2
R + 2
+ k 2 = 0,
dr
r d2
o, si multiplicamos la ecuaci
on por r2 ,
r d
R dr
d
1 d2
r R + k2 r2 =
.
dr
d2
Esta igualdad exige que cada uno de sus miembros sean iguales a una constante (que llamaremos n2 ):
d
r d
1 d2
r R + k2 r2 =
= n2 .
R dr
dr
d2
Por tanto R(r) y () han de satisfacer las siguientes ecuaciones diferenciales ordinarias:
d2
+ n2 = 0,
d2
dR
d2 R
r2 2 + r
+ k 2 r2 n2 R = 0.
dr
dr
(3.30)
(3.31)
(3.32a)
(3.32b)
Veamos cu
al es su soluci
on:
Si n 6= 0, la soluci
on de (3.32a) es simplemente una combinacion lineal de senos y cosenos:
sen n
() =
cos n
(3.33)
166
f (x)
g(x)
Af (x) + Bg(x)
es s
olo un modo, en ocasiones conveniente, de denotar una combinacion 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 6= 0, entonces, por (3.33), debe ocurrir que n ha de ser entero, o, mas concretamente, debe
ocurrir que n = 1, 2, . . . Debe notarse tambien 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 tambien que la
constante de separaci
on n2 ha de ser positiva, pues si fuera negativa la soluci
on dada por (3.34) no
podra 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
para n = 0, 1, 2, . . .
() =
cos n
(3.35)
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 vibracion no toma cualquier valor, sino
que son justamente iguales a
nm
,
knm =
siendo nm es el m-esimo cero de la funcion 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 vibracion de la membrana circular son por
tanto:
c
unm Jn (nm r/) cos n, n = 1, 2, . . . , m = 1, 2, . . .
167
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
Cuadro 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
r
c
20 40
0
0
u0,1 (r, ) = J0 2 40
, = 2 40 ,
Modo 1: k =
r
0
s
sen
3
83
(r,
)
=
J
u
1
1,1
c
30 83
0
, = 3 83 ,
Modo 2: k =
0
c
cos
u1,1 (r, ) = J1 3 83
r
0
s
sen 2
u2,1 (r, ) = J2 5 14
c
50 14
, = 50 14 ,
Modo 3: k =
cos 2
uc2,1 (r, ) = J2 50 14
r
c
50 52
0
0
u0,2 (r, ) = J0 5 52
, = 5 52 ,
Modo 4: k =
1 2V
c2 t2
mediante separaci
on de variables proponiendo soluciones fundamentales de
R(r)()T (t) = u(r, )T (t). Demuestra que T (t) = eit y que la solucion
vendra dada por la relaci
on
i t X
X
X
usnm (r, )
e 0m
+
u0m (r, )
V (r, , t) =
ucnm (r, )
ei0m t
m=1 n=1
m=1
la forma V (r, , t) =
general del problema
einm t
einm t
o, equivalentemente, por
V (r, , t) =
m=1
u0m (r, )
sen 0m t
cos 0m t
X
X
usnm (r, )
sen nm t
ucnm (r, )
cos nm t
m=1 n=1
168
0.5
0.75
0.25
0.5
0.25
0.5
0
-1
-0.25
0.5
-0.5
0
-0.5
-1
0
-0.5
-0.5
0.5
1 -1
1 -1
0.5
0.5
0.25
-0.5
0.5
0.25
-0.25
0.5
-0.5
-1
0
-0.5
-0.25
0.5
-0.5
-1
-0.5
0.5
0.5
-0.5
-0.5
1 -1
1 -1
0.5
0
-0.5
-1
1
0.5
0.25
-0.25
0.5
-0.5
-1
0
-0.5
-0.5
0.5
y
-1
-0.5
0.5
0
1 -1
0.5
1
Figura 3.2: Representaciones de los seis primeros modos de vibracion (de izquierda a derecha y de
arriba hacia abajo) u0 , uc1,1 , us1,1 , uc2,1 , us2,1 , u0,2 de una membrana circular de radio = 1.
3.3 Separaci
on de variables
169
X
X
usnm (r, )
(0)
cos nm t
dm u0m (r, ) cos m t +
V (r, , t) =
ucnm (r, )
m=1 n=1
m=1
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 posicion inicial de la membrana viene dada por (i) V (r, , 0) =
u0,1 (r, ), (ii) V (r, , 0) = u0,1 (r, ) + 2us1,2 (r, ).
J
I Ejemplo 3.4
Potencial en el interior de un cilindro infinito.
Sea un cilindro de radio y cuya superficie esta fijada a un potencial V (, ) = f () que es independiente
de la posicion 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 cilndricas (r, , z) dado que la
coordenada z no juega ning
un papel en este problema. El problema matematico a resolver es
CC :
2 u(r, ) =0,
0 r ,
u(r = , ) =f ().
El laplaciano es polares es
2 =
(3.36a)
(3.36b)
2
1
1 2
+
+
r2
r r r2 2
(3.37)
170
d2 R dR
R d2
+
+ 2 2 =0
2
dr
r dr
r d
(3.38)
es decir,
r dR
1 d2
1 d2 R
+
=
.
(3.39)
R dr2
R dr
d2
Esta relaci
on s
olo puede verificarse si el termino de la derecha, que depende s
olo de , y el termino de la
izquierda, que depende s
olo de r, son iguales a una constante que llamaremos 2 :
r2
r 2 d2 R
r dR
+
,
R dr2
R dr
2
1d
.
2 =
d2
2 =
(3.40)
(3.41)
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
d2 R
dR
+r
n2 R = 0 .
2
dr
dr
(3.43)
En su soluci
on distinguimos dos casos:
1. n = 0. La ecuaci
on se reduce a R00 /R0 = 1/r, por lo que ln R0 = ln r + const y R0 = const/r, y
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)
sen n
cos n
rn
rn
(3.47)
En resumen la soluci
on general de la ecuaci
on (3.37) es
u(r, ) = a0 + b0 ln r +
n=1
X
cn rn + dn rn sen n.
an rn + bn rn cos n +
(3.48)
n=1
Pero sabemos que el potencial en el interior del cilindro es finito, en particular u(r = 0, ) = finito
(condici
on de contorno implcita) de modo que en (3.48) los coeficientes de ln r y rn deben ser nulos
3.3 Separaci
on de variables
171
an r cos n +
cn rn sen n.
(3.49)
n=1
n=1
an n cos n +
cn n sen n.
(3.50)
n=1
n=1
N
otese que a0 , an n y cn n son simplemente los coeficientes del desarrollo en serie de Fourier de la funcion
f ():
Z 2
1
a0 =
f () d ,
2 0
Z
1 2
f () cos(n) d ,
an n =
0
Z
1 2
cn n =
f () sen(n) d ,
0
En la figura 3.4 se han representado las lneas equipotenciales en el interior del cilindro para varias
condiciones de contorno u(, ) = f (). La figura 3.4.(a) corresponde al caso en que
(
1
si 0 <
f () =
(3.51)
1 si 2
No es difcil comprobar que para este caso an = 0 y
n
cn n = (1 (1) )
En la figura 3.4.(b) se han representado las lneas
1
f () =
2
.
n
0 < /2
/2 <
< 3/2
3/2 2
(3.52)
En este caso an = 0 y
2
4 cos( n2 ) + cos( 3 n2 ) sin( n4 )
cn =
.
n
Finalmente, en la figura 3.4.(b) se han representado las lneas equipotenciales cuando
1
si 0 < /2
2/3 si /2 <
f () =
1/3
si < 3/2
0
si 3/2 2
n
cn =
3 (1)
1 + 2 cos( n2 )
.
3n
(3.53)
172
0.5
0.5
0.5
-0.5
-0.5
-0.5
-1
-1
-1
-0.5
0.5
-1
-1
-0.5
(a)
0.5
-1
-0.5
(b)
0.5
(c)
Figura 3.4: Lneas equipotenciales en el interior del cilindro cuando el potencial sobre su superficie
u( = 1, ) = f () viene dada por (a) la ecuacion (3.51), (b) la ecuacion (3.52), y (c) la ecuacion
(3.53). El potencial en una region zona es tanto menor cuanto mas oscura es esa zona.
B Ejercicio 3.3
Calcula el potencial electrico en el exterior del cilindro, es decir, resuelve el problema
CC :
2 u(r, ) = 0,
u(r = , ) = f ()
r ,
(3.54a)
(3.54b)
I Ejemplo 3.5
En este ejemplo vamos a calcular mediante separaci
on de variables la soluci
on de la ecuacion de ondas
2u
2u
=
u
x2
t2
(3.55)
u(0, t) = u(1, t) = 0.
(3.56)
(3.57)
(3.58)
Proponemos la soluci
on fundamental como producto de una funcion de x y otra de t: u(x, t) = X(x)T (t).
Insertando esta expresi
on en la EDP se obtiene
T X 00 = XT 00 + XT,
donde hemos usado la notaci
on X 00 = d2 X/dx2 y T 00 = d2 T /dt2 . Tras dividir por XT se obtiene:
X 00
T 00
1=
.
T
X
3.3 Separaci
on de variables
173
X 00
T 00
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 00 = 2 X,
X(0) =X(1) = 0.
(3.59)
(3.60)
Este problema ya se ha resuelto en el ejemplo 1.15, pagina 53, sin mas que hacer L = 1 all. Los u
nicos
valores posibles de (autovalores) que conducen a soluciones no triviales (no nulas) de la ecuacion (3.59)
que satisfacen las condiciones de contorno (3.60) son
= n = n,
n = 1, 2, 3
(3.61)
La ecuaci
on para T correspondiente a cada uno de los valores (autovalores) posibles de la constante de
separaci
on, = n = n, es
T 00 = (2n 1)T n2 T
y por tanto
(3.62)
(3.63)
n=1
La condici
on inicial (3.57) nos dice que la velocidad inicial es nula:
X
u
0=
n sen(nx) [An sen(n t) + Bn cos(n t)]t=0
=
t t=0 n=1
=
Bn n sen(nx),
n=1
n=1
An sen(nx) cos(n t)
An sen(nx) cos
n=1
p
(3.64)
n2 2 1 t .
An sen(nx).
n=1
Esto significa que los coeficientes An son simplemente los coeficientes del desarrollo de Fourier de la funcion
u0 (x):
Z 1
hsen(nx)|u0 i
dx u0 (x) sen(nx).
=
2
An =
k sen(nx)k2
0
J
174
I Ejemplo 3.6
Transformada de Laplace.
Sea un medio semiinfinito cuya superficie 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 fsico a lenguaje matematico:
u
2u
= k 2,
x > 0, t > 0,
t ( x
u(0, t) = u0 ,
CC :
u(x , t) finito,
CI : u(x, 0) = 0.
(3.65a)
(3.65b)
(3.65c)
Usaremos u
e(x, s) para denotar la transformada de Laplace sobre la variable t (que como operador denotaremos mediante el smbolo13 L) de u(x, t):
Z
est u(x, t) dt.
u
e(x, s) = L[u(x, t)] =
0
u
2u
= kL 2 .
t
x
2u
d
d2
= 2 Lu = 2 u
e(x, s),
2
x
dx
dx
No espero que las consideraciones anteriores se entiendan completamente en una primera lectura, aunque
s deberan ir adquiriendo sentido a medida que se estudien los ejemplos en los que se usan metodos de transformadas
integrales.
13
Podramos haber usado el smbolo Lt para recordar que la transformada de Laplace se lleva a cabo sobre la
variable t, pero habitualmente se suprime este subndice porque se da por supuesto que se conoce sobre que variable
se est
a tomando la transformada integral.
175
R
R
podemos evaluarla mediante integraci
on por partes ( wdv = wv vdw) con el cambio
u
dt,
t
w = est ,
dv =
de modo que
v = u(x, t),
dw = s est dt,
y por tanto
t= Z
u
L
su(x, t) est dt,
+
= u(x, t) est
t
t=0
0
Z
u(x, t) est dt
= u(x, 0) + s
0
= u(x, 0) + s u
e(x, s) .
cuya soluci
on es
Pero la condici
on de contorno
u
e(x, s) = A e
kx
+B e
kx
lm u(x, t) = finito
u
e(x, s) = A e
kx
La otra condici
on de contorno nos dice que u(0, t) = u0 , por lo que
Z
Z
u0
est u(0, t) dt = u0
est dt =
u
e(0, s) =
.
s
0
0
de modo que
s
u0
u0
=u
e(0, s) = A e k 0 = A A =
,
s
s
u
e(x, s) =
u0 ks 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 solo nos queda calcular la transformada inversa de u
e(x, s), L1 u
e(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
1 s
f (t) = erfc
(3.66)
1
fe(s) = e
s
2 t
L
por lo que
x
.
u(x, t) = u0 erfc
2 kt
La funcion error complementaria erfc se define por la relaci
on
Z
2
2
dy ey
erfc(x) =
x
(3.67)
o, equivalentemente, por
14
erfc(x) = 1 erf(x),
2
erf(x) =
dy ey .
erfc(x)
1 2 + ,
e
2x
x
x0
cuando
el argumento es peque
no. Por tanto, para distancias grandes y/o tiempos cortos, es decir para
u(x, t) u0
e
,
1,
x2
4kt
y para distancias peque
nas y/o tiempos largos
x
x
,
1.
u(x, t) u0 1
kt
4kt
14
177
Puede ser interesante calcular algunos valores fsicos. Supongamos que tenemos un material con coeficiente
de difusividad termico 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
x
= u(
x, t) = u0 erf
2
2 k t
es decir
erf
Pero erf(00 477) ' 1/2, luego
x
= .
2
2 kt
' 00 477
2 k t
y por tanto
x
2
.
00 799k
Veamos lo que vale t para algunos materiales. A 20 o C se tiene que:
t '
k = 174 106 m2 /s para la plata (uno de los mejores conductores) por lo que t ' 00 7 s;
k = 00 03 106 m2 /s para el ladrillo corriente, de modo que t ' 4200 s ' 70 minutos;
k = 00 012 106 m2 /s para la madera de pino, abeto, roble. . . por lo que t ' 10500 s ' 3 horas.
.
(3.68)
u(x, t) = u0 erf
2 kt
Sugerencia: escribe para este problema las ecuaciones correspondientes tal como se haca en (3.65) y
demuestra que las ecuaciones que hallas se pueden obtener a partir de las del ejemplo anterior, ecuaciones
(3.65), sin mas que hacer en estas el cambio u(x, t) u(x, t) + u0 .
J
I Ejemplo 3.7
Transformada de Fourier y de Laplace. Funcion de Green
Queremos hallar la distribuci
on de temperaturas u(x, t) de una barra infinita 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 fsico viene descrito entonces por las ecuaciones
2u
u
= 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)
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
e(, t) = F[u(x, t)] para denotar la transformada de Fourier de
u(x, t) sobre la variable x:
Z
dx eix u(x, t).
u
e(, t) = F[u(x, t)] =
Z
2u
2u
dx 2 eix ,
=
2
x
x
mediante integraci
on por partes:
2
Z
u ix
u
u ix
=
F
e
e
dx
+ i
x2
x
x
Z
i
h
u ix
2
ix
=
e
+
(i)
+
i
u
e
x
dx u(x, t) eix .
= F[u(x, t)] = u
e(, t) .
t
t
t
Teniendo en cuenta estas expresiones, la transformada de Fourier de la EDP de la difusion del calor (3.69a),
2
u
u
= kF
F
t
x2
Su soluci
on es sencilla
u
e(, t) = k 2 u
e(, t) .
t
2
u
e(, t) = A() ek t .
(3.70)
Pero, de la condici
on inicial u(x, 0) = f (x) dada por la ecuaci
on (3.69c), se deduce que
y por tanto
u
e(, 0) = F[u(x, 0)] =
A() =
dx eix f (x),
dx eix f (x).
La soluci
on (3.70) de nuestro problema en el espacio de Fourier es entonces
u
e(, t) =
dx eix f (x) ek t .
179
Z
Z
0
2
1
dx0 f (x0 )
d ei(xx ) ek t
=
2
(3.71)
Pero la transformada de Fourier de una funcion gaussiana es bien conocida [AS72, SA96]:
r
Z
z2 /4
iz 2
e
,
d e
e
=
luego la ecuaci
on (3.71) se transforma en
Z
0 2
1
dx0 f (x0 )
u(x, t) =
e(xx ) /4kt
4kt
Z
dx0 f (x0 )G(x, x0 ; t),
=
donde
0 2
1
G(x, x0 ; t) =
e(xx ) /4kt
4kt
(3.72)
t0
B Ejercicio 3.5
1. Demuestra por sustitucion directa que (3.72) es soluci
on de la EDP (3.69a).
2. Comprueba que (3.72) satisface las condiciones de contorno (3.69b).
3. Comprueba que la funcion
0 2
1
g(x, x0 ) lm
e(xx ) /4kt
t0
4kt
es la funcion delta de Dirac porque (i) g(x0 , x0 ) = , (ii) g(x, x0 6= x) = 0, y (iii)
La interpretaci
on fsica de la ecuaci
on
u(x, t) =
dx0 g(x, x0 ) = 1.
es la siguiente: la distribuci
on inicial de temperaturas
f (x) se descompone en un continuo de impulsos
R
tipo delta de Dirac de amplitud f (x0 ): f (x) = dx0 f (x0 )(x, x0 ), siendo f (x0 )G(x, t) la distribuci
on
posterior de temperaturas debida a cada impulso inicial f (x0 )(x, x0 ) de amplitud f (x0 ). 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 infinito. Pero ahora vamos a considerar directamente que la distribuci
on inicial de
temperatura es puntual, es decir,
u(x, 0) = (x x0 ).
La soluci
on correspondiente es (o se conoce como) la funcion de Green G(x, x0 ; t) del problema (3.69). La
ecuaci
on a resolver es:
k
2
G(x, x0 ; t) = G(x, x0 , t),
2
x
t
G(x, x0 ; 0) = (x x0 ),
lm G(x, x0 ; t) = 0.
x
(3.73a)
(3.73b)
(3.73c)
2
L
G
=
L[G]
x2
x2
2 e
G(x, x0 ; s)
=
x2
y que
Z
dt est G(x, x0 ; t)
G =
t
t
0
Z
t=
+s
= G(x, x0 ; t) est
t=0
dt est G(x, x0 ; t)
e x0 ; s)
= G(x, x0 ; 0) + s G(x,
e
= (x x0 ) + s G
[donde se ha integrado por partes, se ha asumido que s > 0, y se ha usado la ecuacion (3.73b)] la EDP
(3.73a) se reduce, tras la aplicaci
on de la transformada de Laplace, a una ecuacion diferencial ordinaria
en el espacio de Laplace:
e
2G
e = (x x0 ).
k 2 + s G
x
Ya sabemos como enfrentarnos a este tipo de ecuaciones (ecuaciones no homogeneas con una delta de Dirac
como termino fuente) pues son iguales a las que resolvimos para hallar las funciones de Green mediante
el metodo de construccion (vease la seccion 1.8.3) de los problemas de Sturm-Liouville. Procedamos como
entonces. Para x < x0 tenemos que
e
2G
se
e = A1 e ks x +B1 e ks x ,
=
G
G
x2
k
y de las condici
on de contorno para x se deduce que
e x0 ; s) = 0 B1 = 0.
lm G(x, x0 ; t) = 0 lm G(x,
e
se
2G
e = A2 e ks x +B2 e ks x ,
=
G
G
x2
k
181
y por la condici
on de contorno para x se deduce que
e x0 ; s) = 0 A2 = 0.
lm G(x, x0 ; t) = 0 lm G(x,
En definitiva,
s
(
k x,
A
e
1
e x ; s) =
s
G(x,
x
k
,
B2 e
x < x0 ,
x0 < x.
s 0
1
A1 = e k x ,
2 ks
y por tanto
es decir
e x0 ; s) =
G(x,
1
2 ks
1
2 ks
e
e
0
k (x x)
k (xx
, x x0 ,
, x0 x,
e x0 ; s) = 1 e ks |xx0 | .
G(x,
2 ks
2 t
L e
s
L
erfc
2 t
L e s
1
.
s
L
El termino de la derecha tiene justamente la forma de la transformada de Laplace cuya inversa buscamos.
Como
Z
2
2
2
2 1
dx ex = e /4t ,
erfc
2 t
2 t
(xx0 )2
1
G(x, x0 ; t) =
e 4kt .
4kt
182
I Ejemplo 3.8
Metodo de las imagenes
Hemos visto en el ejemplo 3.7 que la soluci
on de un problema difusivo libre, es decir sin condiciones de
contorno (o, siendo mas precisos, con todas las condiciones de contorno situadas en el infinito), viene dado
por la relaci
on
Z
u(x, t) =
(3.74)
donde
0 2
1
G(x, x0 ; t) =
e(xx ) /4kt
(3.75)
4kt
es la funcion de Green. En este ejemplo vamos a mostrar como 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 infinito.
Sea el problema difusivo de una barra semiinfinita (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 definido sobre toda la
recta real. Sin embargo, supongamos que quisieramos resolver el siguiente problema definido sobre toda
la recta real: Calc
ulese el campo de temperaturas de una barra infinita con temperatura inicial dada por
u(x, 0) = f (x) para x > 0 y u(x, 0) = f (x) para x < 0 (vease la figura 3.6). Es evidente por razones
de simetra que para cualquier instante posterior la temperatura en x = 0 sera cero. Esto significa que
Z
Z 0
0
0
0
dx0 f (x0 ) G(x, x0 ; t)
dx [f (x )] G(x, x ; t) +
u(x, t) =
Z
dx0 f (x0 ) G(x, x0 ; t)
d(x0 ) [f (x0 )] G(x, x0 ; t) +
0
Z
Z
dx0 f (x0 ) G(x, x0 ; t)
dx0 f (x0 ) G(x, x0 ; t) +
=
0
0
r
Z
i
h
0 2
0 2
1
=
dx0 f (x0 ) e(xx ) /4kt e(x+x ) /4kt
4kt 0
(3.76)
es una soluci
on de la EDP de difusion 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 semiinfinita con uno de sus extremos a temperatura cero. El procedimiento
que hemos usado se conoce como metodo de las im
agenes. La raz
on es obvia si nos fijamos que hemos
resuelto el problema construyendo una condici
on inicial a la izquierda de x = 0 que es la imagen reflejada
de la condici
on inicial del problema original (vease la figura 3.6).
Para terminar, vamos a obtener la soluci
on explcita 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
Z
Z
u0
0 (x+x0 )2 /4kt
0 (xx0 )2 /4kt
u(x, t) =
.
(3.77)
dx e
dx e
4kt
0
0
2
2
u0
u(x, t) =
d e
d e
x/ 4kt
x/ 4kt
Z x/4kt
Z
2
2u0 x/ 4kt
u0
2
d e
=
=
d e
x/ 4kt
0
x
.
= u0 erf
4kt
Esta soluci
on coincide con la obtenida en el ejemplo 3.6 (vease el ejercicio 3.4).
J
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 semiinfinita y su
imagen especular f (x).
I Ejemplo 3.9
Ahora vamos a resolver mediante el metodo 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) sera simplemente la funcion de Green centrada en en el origen: G(x, x0 = 0, t). Esta funcion
se muestra en la figura 3.7(a). Por supuesto, esta funcion 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 metodo 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, x0 = 0, t) G(x, x0 = L, t) satisface evidentemente la condici
on de contorno en x = L/2
para todo instante posterior t > 0 [vease la figura 3.7(b)]. Sin embargo, es tambien evidente por razones de
simetra que esta funcion 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 mas a la
derecha de x = L/2 tal como se muestra en la figura 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) [vease la
figura 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 que signo?), lo cual a su vez provocara
que. . . En este punto debiera ser evidente que este procedimiento podra continuarse indefinidamente y
184
(a)
-3L
-2L
-L -L/2
L/2
2L
3L
0 L/2
2L
3L
2L
3L
2L
3L
(b)
-L
-3L
-L/2
-2L
(c)
-L
-3L
L
-L/2
-2L
L/2
(d)
L
-L
-3L
-2L
-L/2
L/2
Figura 3.7: Resolucion del problema (3.78) mediante el metodo de las imagenes. 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 obtendra la soluci
on de nuestro problema (3.78) en terminos de la siguiente serie infinita:
u(x, t) =
(3.79)
n=
B Ejercicio 3.6
1. Reflexiona y justifica que a medida que se van a
nadiendo mas im
agenes, es decir, a medida que se
consideran mas y mas terminos en la serie (3.79), la funcion 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 metodo de las im
agenes pero asumiendo que la condici
on
inicial (3.78c) es ahora u(x, 0) = (x, x0 ) con L/2 < x0 < L/2.
3. Resuelve el problema (3.78) mediante separaci
on de variables16 y compara la soluci
on obtenida con la
(3.79). Que serie converge mas r
apidamente para tiempo cortos? Cu
al converge mas r
apidamente
para tiempos grandes?
J
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
I Ejemplo 3.10
Queremos calcular la posicion u(x, t) de una cuerda semiinfinita (x 0) inicialmente en reposo y en la
que su extremo en x = 0 se desplaza seg
un la funcion 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
= 0,
t
(3.81)
(3.82)
u(0, t) = f (t),
u(x , t) = 0.
(3.83)
(3.84)
t=0
Esta u
ltima condici
on nos dice simplemente que, en un tiempo t finito, 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 influir en el desplazamiento de la cuerda
en la posicion 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 finitos, lo que supongamos
que vale el desplazamiento u a distancias infinitas no puede tener ninguna influencia en lo que vale u en
una posicion x finita porque, simplemente, esta influencia se propaga a la velocidad finita c y no tiene
tiempo de llegar a x desde el infinito. Por eso, el valor que atribuyamos a u en el infinito no puede afectar
a nuestra soluci
on para x y t finitos. Asumiremos que su valor es nulo, u(x , t) = 0, porque esto
simplificara nuestros calculos, tal como se comprobara mas adelante.
Vamos a resolver el problema trabajando en el espacio de Laplace. Como hemos hecho hasta ahora,
escribiremos
Z
dt u(x, t) est
u
e(x, s) = L [u(x, t)] =
0
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
Z 2
L
u(x, t) =
u(x, t) est dt,
2
t
t2
0
R
R
puede evaluarse integrando por partes ( wdv = wv vdw) mediante el cambio
2u
dt,
t2
w = est ,
dv =
de modo que
u
,
t
dw = s est dt,
v=
y
t=
Z
2
st u
L
u(x, t) = e
+s
u(x, t) est .
2
t
t t=0
t
0
El primer termino de la derecha es cero porque para t la exponencial va a cero (asumimos que s > 0),
y para t = 0 la derivada temporal es nula [recuerdese la condici
on inicial (3.82)] por lo que
2
Z
L
u(x, t) =s
u(x, t) est dt.
t2
t
0
186
dv =
de modo que
v = u,
dw = s est dt,
y
Z
st
t=
2
st
u(x, t) e
dt
u(x, t) =s e
u(x, t) t=0 + s
L
t2
0
= su(x, 0) + s2 u
e(x, s).
u(x,
t)
= s2 u
e(x, s).
L
t2
Z 2
Z
2
2
2
st
u(x, t) est dt =
=
u(x,
t)
u(x,
t)
e
dt
=
u
e(x, s)
2
2
2
x
x
x 0
x2
0
(3.85)
(3.86)
2
L
u(x, t) = c L
u(x, t)
t2
x2
se reduce a
cuya soluci
on es
s2 u
e(x, s) = c2
2
u
e(x, s),
x2
(3.87)
u
e(x, s) = A(s) esx/c +B(s) esx/c .
(3.88)
u
e(x, s) = B(s) esx/c .
(3.89)
187
I Ejemplo 3.11
Temperatura de una barra finita con temperaturas fijas en sus extremos
Queremos hallar el campo de temperaturas u(x, t) de una barra finita de longitud L con temperatura
inicial dada por u(x, 0) = f (x) y cuya temperatura en los extremos est
a fijada 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 homogeneas, no podemos
aplicar el metodo de separaci
on de variables sin mas. Lo que haremos es:
1. Obtener la distribuci
on de temperaturas cuando se alcance el equilibrio termico: 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
d2 u E
2v
+
x2
dx2
v(x, t) =
an sen
n=1
2
nx k( n
L ) t .
e
L
2
L
an sen
n=1
nx
,
L
nx
dx,
L
y la soluci
on del problema original con condiciones de contorno no homogeneas 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 .
J
189
(3.92)
I 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
(3.93)
d2 u E
+ 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 facil de comprobar. Si hacemos el cambio v(x) = u(x) uE (x) en la ecuacion (3.93) se tiene que
v
2v
= 4 2,
t
x
(3.94)
con las condiciones de contorno v(1, t) = v(1, t) = 0. Este problema completamente homogeneo se
resuelve facilmente mediante separaci
on de variables de modo similar a como se resolvio el ejemplo 3.1 en
la pagina 158.
J
190
x
.
L
En terminos de la funcion
v(x, t) = u(x, t) r(x, t)
el problema (3.95) se reduce a una ecuaci
on en derivadas parciales no homogenea con condiciones
de contorno homogeneas:
u(0, t) = A v(0, t) + r(0, t) = A v(0, t) = 0,
con
v
2v
b t),
= k 2 + Q(x,
t
x
2
b t) = Q(x, t) r + k r .
Q(x,
t
x2
191
3.5.4. Metodo del desarrollo en autofunciones para ecuaciones en derivadas parciales no homogeneas con condiciones de contorno homogeneas
En la secci
on 3.5.3 anterior hemos visto que el problema general (3.95) (EDP con termino
no homogeneo dependiente del tiempo con condiciones de contorno inhomogeneas no estacionarias) puede simplificarse en uno con condiciones de contorno homogeneas y EDP con termino
inhomogeneo 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 :
(3.96)
v(x, 0) = g(x).
Sabemos que el problema homogeneo asociado (problema que se obtiene del anterior haciendo
Q(x, t) = 0)
u
2u
=k 2
t
x
(
u(0, t) = 0,
CC :
u(L, t) = 0,
puede resolverse mediante separaci
on de variables, siendo la solucion (vease el ejemplo 3.1)
u(x, t) =
an (t)n (x)
(3.97)
n=1
(3.98)
Para resolver (3.96) expresamos la solucion buscada v(x, t) en forma de desarrollo en las
autofunciones n (x):
X
an (t)n (x).
(3.99)
v(x, t) =
n=1
Para cada t, v(x, t) es funcion 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 funcion es distinta para cada t por lo que
los coeficientes del desarrollo dependen de t: an an (t). N
otese que aqu an (t) surge como un
coeficiente 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 metodo de separaci
on de variables. Por ello,
an (t) no tiene por que ser igual al valor de (3.98).
De la condici
on inicial se obtiene
Z L
g(x)n (x) dx
X
.
an (0)n (x) an (0) = 0Z L
g(x) =
2
n=1
n (x) dx
0
v
2v
X
2 X
an (t)n (x) + Q(x, t).
= k 2 + Q(x, t)
an (t)n (x) = k 2
t
x
t
x
(3.100)
n=1
n=1
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 valido derivar termino a termino las series de
(3.100), es decir se tiene que
X
X
d2 n
d
an (t) 2 + Q(x, t).
an (t)n (x) = k
dt
dx
n=1
n=1
n=1
RL
0
n (x)Q(x, t) dx
qn (t) ,
RL
2
0 n (x) dx
siendo qn (t) una funcion conocida. Hallaremos an (t) resolviendo esta ecuaci
on lineal no homogenea de primer orden. Podemos resolverla, por ejemplo, introduciendo el factor integrante
en kt :
d n kt
n kt dan
e
an = en kt qn (t) .
+ n kan =
e
dt
dt
Integrando esta ecuaci
on entre 0 y t se tiene que
Z t
n kt
e
an (t) an (0) =
en k qn ( ) d,
0
y por tanto
an (t) = an (0) e
n kt
n kt
+e
en k qn ( ) d.
n=1
con an (t) = an
(0) en kt .
an (t)n (x)
3.6 Problemas
193
3.6. Problemas
3.1. Halla los modos normales de vibraci
on unm (x, y), y sus frecuencias de vibraci
on nm correspondientes, 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 explcita si el desplazamiento inicial es uniforme, f (x, y) = u0 .
3.3. Una esfera solida de radio b tiene una distribuci
on inicial de temperatura u(r, 0) = u0 (r) y
su superficie se enfra siguiendo la ley de Newton del enfriamiento (por convecci
on)
u(r, t)
= h(u u1 )|r=b
r r=b
0 x 1,
t > 0,
194
on
3.9. www Una cuerda tensa de longitud L, fijada en sus dos extremos, es separada de su posici
de equilibrio de manera que en t = 0 tiene la forma de la figura 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 esta inicialmente desplazada [u(x, 0) = 0] y que su velocidad inicial viene dada por la
funcion
(
v0 cos (x )/d , |x | < d/2,
u(x, t)
=
t
0,
|x | > d/2,
t=0
donde v0 = const.
3.11. Un cuerpo semiinfinito situado sobre el semieje x < 0 se encuentra inicialmente a la temperatura u0 . En el instante t = 0 se coloca en contacto termico con otro cuerpo semiinfinito
que ocupa las posiciones x > 0 y que esta 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 que?) halla el campo de temperaturas u(x, t) en ambos cuerpos como la
soluci
on de
u
2u
,
< x < ,
t > 0,
= (x)
2
t
x
1 ,
x < 0,
(x) =
2 ,
x > 0,
u0 = const ,
0,
x < 0,
x > 0.
3.6 Problemas
195
h
p
i
p
p
Ayuda: L exp x /2k sen t x /2k
= /(w2 + s2 ) exp s/k x
3.14. Una barra de longitud L se encuentra termicamente aislada sobre su superficie 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 distribucion de temperaturas u(x, t) en cualquier instante
posterior mediante:
a) El metodo de separaci
on de variables.
b) El metodo de las transformadas integrales.
3.15. Halla mediante el metodo de la transformada de Laplace la solucion del siguiente problema
de difusion:
2u
u
2 (u u1 ) =
,
0x1,
t > 0,
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 propagacion de organismos que se reproducen con
velocidad y se dispersan al azar en el espacio (se difunden) viene dado por las ecuaciones17
2
.
= 4k 2k
ln
4k P
t
t
t
17
Vease, por ejemplo, el captulo 10 de L. Edelstein-Keshet, Mathematical Models in Biology, SIAM, Filadelfia,
2005.
196
3.17. Halla la solucion del siguiente problema de propagacion de una onda a lo largo de una
cuerda infinita:
1 2u
2u
=
,
< x < ,
t > 0,
x2
c2 t2
h,
|x| < ,
u(x, 0) =
0,
|x| > ,
u(x, t)
=0.
t t=0
3.18. Una membrana vibrante circular esta sujeta por su permetro (membrana de un tambor).
Halla la posicion 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 superficie semiinfinita de
grosor cuya base esta a temperatura T (x), uno de sus lados a temperatura u0 , y el otro
a temperatura u1 . Es decir, resuelvase 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) = finito. Halla la solucion explcita cuando
T (x) = T0 + u0 +
u1 u0
x,
< x < ,
3.6 Problemas
197
0 x ,
n=1 an (t)n (x) siendo n (x), n = 1, 2, , las autofunciones del problema de SturmLiouville
d2
+ = 0
dx2
con las condiciones de contorno (0) = () = 0.
b) Halla en forma de serie de autofunciones n (x) la solucion de la ecuaci
on diferencial
no homogenea
2u
2u
+
sen
2x
=
,
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 solucion explcita si f (x) = sen 3x + 14 sen 2x.
Captulo 4
Metodos numericos
4.1. Introduccion
En Ciencia e Ingeniera son escasos los problemas que pueden resolverse de forma analtica
exacta. En ocasiones afortunadas logramos al menos hallar soluciones analticas aproximadas; en
otras, nuestra solucion del problema es de un tipo menos especfico, m
as global, m
as cualitativo. Felizmente, en muchos casos podemos recurrir a la resoluci
on de estos problemas mediante
metodos numericos. Encontraremos ejemplos de estas afirmaciones en el tema que dedicamos a
las ecuaciones diferenciales no lineales.
La importancia de los metodos numericos es creciente debido la existencia generalizada de
ordenadores relativamente baratos y de gran potencia de calculo. Sin embargo, los metodos
numericos adolecen de una acusada incapacidad para el an
alisis. Por este motivo es generalmente
muy difcil entender un sistema si s
olo se sabe de el lo que nuestros calculos numericos nos han
proporcionado. Las expresiones analticas o los resultados cualitativos tienen la enorme ventaja
de permitirnos entender de un vistazo lo que es relevante en un problema fsico. Alcanzar un
grado equivalente de certeza o comprensi
on mediante procedimientos exclusivamente numericos
sin apenas apoyos te
oricos suele ser imposible o, si hay suerte, extremadamente laborioso. Por
ello, la aplicacion fructfera de los metodos numericos requiere:
Entender el problema que estamos resolviendo.
Entender el procedimiento o algoritmo numerico que se emplea, es decir, sus fundamentos,
sus posibilidades, las circunstancias bajo las cuales podra dar malos resultados, etc.
Conocer lo que vamos a obtener. Esto es poco m
as que un corolario de las dos afirmaciones
anteriores. Pero lo cierto es que si obtenemos un resultado completamente inesperado, la
situacion es muy difcil: ha fallado nuestra comprensi
on del problema o el procedimiento
numerico?
Hace falta decir que toda regla, incluido esta, siempre tiene excepciones? En la u
ltima prescripci
on, hemos dicho que si se obtienen resultados numericos completamente inesperados entonces
estamos en una situacion difcil. Este calificativo es probablemente adecuado para la mayor
200
Metodos numericos
parte de las situaciones.1 Sin embargo, en otras ocasiones, el calificativo debera ser el de prometedor porque quizas lo que los resultados numericos nos estan 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 situacion 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 solucion numerica de 32 ecuaciones diferenciales no lineales hallada mediante el ordenador
MANIAC I en Los Alamos. El descubrimiento era sorprendente porque contradeca la evidente
idea de que la energa en un sistema conservativo de osciladores no lineales acoplados (un modelo
simple de un s
olido cristalino) se distribuira con el paso del tiempo de forma uniforme por todos
los grados de libertad del sistema. El an
alisis de este problema, descubierto numericamente y
cuyo an
alisis es casi imposible sin el recurso de los calculos numericos, tiene ya m
as de medio
siglo de historia y a
un hoy sigue siendo objeto de un estudio intenso.2
En este captulo vamos a estudiar algunos conceptos y tecnicas basicas de los metodos numericos que se emplean en Ciencia e Ingeniera.
Se asume que el procedimiento numerico no es incorrecto de un modo trivial, como por ejemplo, por un error
de programaci
on.
2
Vease, 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 smbolos y transformaciones matem
aticas!). Algunos
de estos programas son Mathematica, Maple, Derive,. . .
4
Pueden verse m
as detalles en [KC94, captulo 2] y [Ant02, captulo 2].
201
Estos n
umeros binarios se suelen representar mediante la representaci
on cientfica normalizada. En el sistema decimal, la representaci
on cientfica normalizada del n
umero x vendra dada
por
1
x = r 10n
con
r < 1 y n entero.
(4.1)
10
Es decir, todos los dgitos 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,
4320 13 se representa como 00 43213103 . Similarmente, en el sistema binario la notaci
on cientfica
normalizada es
1
(4.2)
x = q 2m
con q < 1 y m entero,
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 finita de
dgitos binarios. Tpicamente, en precisi
on simple, utilizan 32 de estos dgitos para cada n
umero. A
esta ristra de 32 dgitos binarios se la suele llamar palabra, y cada uno de los 32 dgitos binarios es
un bit.5 La asignaci
on tpica de los bits de un n
umero representado mediante la notaci
on cientfica
normalizada de (4.2) es:
La utilizaci
on sistematica de la notaci
on cientfica normalizada implica que el primer dgito
de la mantisa q es un 1, pues de ser 0 correramos la coma un lugar a la derecha y disminuiramos
m en una unidad. De este modo no desperdiciamos un bit almacenando un dgito que siempre
es 1. En otras palabras, la mantisa q es un n
umero que se describe con 24 dgitos siendo 1 el
primero:
q = (00 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 tpica de bits dada en (4.3),
estan comprendidos en el rango
(00 100 . . . 0) 2127 |x| (00 11 . . . 1) 2127 ,
es decir,
2128 . |x| . 2127 .
A una agrupaci
on de 8 bits se la llama byte. Esta es la unidad tpica 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).
202
Metodos numericos
N
umeros enteros
Los n
umeros que acabamos de describir se conocen como n
umeros de coma flotante6 : 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)
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 asignacion y el numero
de bits empleados para cada caso? Ayuda:
log2 30 402823 1038 = 128, log2 10 401298 1045 = 149, log2 10 797693134862315 10308 = 1024,
log2 40 940656458412465 10324 = 1074.
N
umeros de maquina
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 = (00 1a2 . . . a24 )2 2m
con ai = 0, 1.
Un n
umero que no es de m
aquina sera aquel que viene representado por
x = (00 1a2 . . . a24 a25 . . .)2 2m
con ai = 0, 1.
En las siguientes secciones vamos a ver varias situaciones (no tan especiales como podramos
pensar) en las que los resultados que se obtienen son completamente erroneos debido a la precisi
on
finita 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.
6
203
y = 0 1234544
x0 y 0 = 00 0000024.
y el resultado fue
x= .1234568
y= .1234544
x-y= 2.346933E-06
Que ha pasado?
I Ejemplo 4.1
Este ejemplo muestra muy claramente la nefasta influencia que puede tener la perdida de dgitos significativos 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
Metodos numericos
eps
.1
.01
.001
.0001
.00001
.000001
.0000001
1E-08
1E-09
1E-10
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.
J
I 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:
S
9.906045E-02
.2013732
.2977269
.3871338
.4765408
.5879304
.7071397
.826349
.9455582
1.064767
205
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
B Ejercicio 4.3
Pepito Matem
atico ha intentado comprobar la fiabilidad de la formula (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
206
Metodos numericos
20-10^-6
13
310
20
20+10^-6
20-10^-6
110
11
510
10
210
13
110
13
-110
13
13
-510
10
-210
-310
13
-110
11
20
20+10^-6
20
20+10^-6
20
20-10^-6
20+10^-6
20-10^-6
(a)
(b)
Figura 4.1: Grafica entre x = 20 106 y x = 20 + 106 del polinomio perfido de Wilkinson
P (x) calculado numericamente con un programa de ordenador que emplea una mantisa de 16 dgitos
decimales mediante (a) la formula (4.6), (b) la formula (4.5).
monomios que forman el polinomio perfido de Wilkinson. Este polinomio se define facilmente:
P (x) =
20
Y
n=1
(x n) = (x 1) (x 2) (x 20)
(4.5)
(4.6)
207
I Ejemplo 4.3
Queremos calcular la serie {xn } definida de modo recursivo mediante las siguientes relaciones:
x0 = 1,
1
x1 = ,
3
4
13
xn xn1 .
xn+1 =
3
3
(4.7a)
(4.7b)
(4.7c)
.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
En la primera columna aparece n, en la segunda xn . Son correctos estos resultados numericos? La respuesta es no! No es difcil entender lo que ha pasado. La ecuaci
on (4.7c) es una ecuacion en diferencias
cuya soluci
on general es de la forma
n
1
xn = A
+ B 4n ,
3
208
Metodos numericos
0
1
+ B4 = A + B = 1
x0 = A
3
A = 1, B = 0 c.q.d.
A
1
x1 = + 4B =
3
3
n
Por tanto, dado que la serie definida por (4.7) no es mas que {xn = 31 }, descubrimos que la serie
que calculo el ordenador era completamente err
onea. De hecho, a partir de n = 8 la serie se converta en
creciente, cuadruplic
andose aproximadamente cada termino con respecto al anterior.
Que ha pasado? Cu
al es la explicacion de este comportamiento tan extra
no? La explicacion no es difcil
si nos damos cuenta de que el ordenador no trabaja con n
umeros exactos. Esto significa que para el la
condici
on inicial exacta x0 = 1 y x1 = 31 es realmente x0 = 1 + 0 y x1 = 13 + 1 , siendo 0 y 1 cantidades
peque
nas (pr
oximas a cero) pero no nulas. Esto implica que B, aunque proximo a cero, no es estrictamente
n
nulo, es decir el ordenador utiliza la formula xn = A 31 + B 4n con A ' 1 y B ' 0 pero B 6= 0. Esto
n
hace que para n suficientemente grande, el termino B 4n domine sobre A 31 y encontremos err
oneamente
una serie geometrica creciente en la que los terminos se van cuadruplicando.
J
I Ejemplo 4.4
El iterador cuadr
atico o logstico
xn+1 = 4xn (1 xn ),
0 < x0 < 1,
es un proceso con un comportamiento caotico y que, por tanto, tiende a amplificar los errores (efecto
mariposa). Esto quiere decir que si el proceso comienza en x00 = x0 + con 0 < 1, resulta que
tras un n
umero m de iteraciones (con m no muy grande) los valores de x0n+1 = 4x0n (1 x0n ) difieren
sustancialmente de xn . Por ejemplo, sea x0 = 1/3 y x00 = x0 + con = 1010 . En la figura 4.2(a) se
apidamente (duplic
andose
muestra como evoluciona la diferencia En = |xn x0n |. Se ve que En aumenta r
por termino medio en cada iteracion) alcanzando un valor del orden de la unidad tras poco mas de 30
iteraciones.
En la figura 4.2(b) se muestra otro ejemplo espectacular de como el efecto mariposa arruina el computo
de una orbita {xn } que tendra que ser peri
odica. En esta figura se han calculado los primeros 80 puntos de
la orbita {xn } que comenzo en x0 = sen2 (/7). Es facil 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 figura 4.2(b), el calculo numerico de esta orbita se malogra tras poco m
as de 50 iteraciones a pesar que
los calculos se han realizado con un programa que trabaja con n
umeros con unos 16 dgitos decimales de
mantisa. La raz
on es clara:
sen2 (8/7) = 00 188255099070633234737497557997880 . . .
no puede expresarse de forma exacta con 16 dgitos decimales, de modo que ese peque
no error en su representaci
on se amplifica (tpicamente se duplica) en cada iteracion y al cabo de unas decenas de iteraciones
la orbita no se parece en nada a la
orbita autentica correspondiente al valor exacto sen2 (8/7).
Que sucede si repetimos esta experiencia con el valor x0 = 3/4? Es facil ver que x0 es un punto fijo porque
x1 = 3/4, y por tanto xn = 3/4 para todo n. Sin embargo, como sabemos que el iterador cuadr
atico amplifica los peque
nos errores iteracion tras iteracion, podramos pensar que si calcularamos numericamente esta
Log10 En
209
-2
0.8
0.6
-4
xn
-6
0.2
-8
-10
0.4
10
20
30
40
10
20
30
40
(a)
(b)
50
60
70
1
h2
[f (r) + h f 0 (r) + h2 f 00 ()] + [g(r) + h g 0 (r) + g 00 ()] = 0
2
2
donde y son puntos intermedios del intervalo (r, r + h). Despreciando terminos de orden h2
y dado que f (r) = 0 se tiene que
g(r)
(4.8)
h ' 0
f (r) + g 0 (r)
o bien, asumiendo que g 0 (r) f 0 (r),
h'
g(r)
.
f 0 (r)
210
Metodos numericos
F(x)=f(x)+
R
r
f(x)
Figura 4.3: Un problema mal condicionado: aunque f (x) y F (x) difieren en una cantidad peque
na,
sus correspondientes races r y R son muy distintas.
N
otese que si f 0 (r)/g(r) es peque
no, entonces h es grande incluso para valores peque
nos de ,
en contradicci
on con nuestra suposicion inicial de que |h| 1. En la figura 4.3 se ilustra este
fen
omeno.
Veamos a continuaci
on un ejemplo concreto.
I Ejemplo 4.5
El polinomio perfido de Wilkinson. Ya vimos en la seccion 4.2.3 que este polinomio viene dado por
P (x) =
20
Y
n=1
20
=x
(x n) = (x 1) (x 2) (x 20)
(4.9)
(4.10)
h '
f 0 (20)
pues
f 0 (x) =
20
20
Y
X
(x n)
m=1 n=1
n6=m
por lo que
0
f (20) =
Pero 220 /19! ' 109 , luego
"
19
Y
n=1
(x n)
h'
= 19!
x=20
109
.
1 + 109
103
' 1, que no es despreciable en absoluto.
1 + 103
211
f
f
f
f
-3
-1
-2
x =-2h
-2
x =-h
=0
-1
x =h
1
x =2h
2
fn f (xn ).
n = 0, 1, 2, . . .
(4.11)
Nuestro objetivo es obtener expresiones aproximadas que nos proporcionen una buena estimacion
del valor de f 0 (0) f 0 en terminos de fn . Para ello, empezamos desarrollando f (x) en serie de
Taylor en torno a cero
x3 (3)
x2 00
f (0) +
f (0) +
2!
3!
x2 00 x3 (3)
f0 + x f 0 +
f +
f +
2!
3!
(4.12)
x2 00
xN 1
xN (N )
f + +
f (N 1) +
f (),
2!
(N 1)!
N!
h2 00 h3 000
f
f ( )
2
3!
(4.13)
212
Metodos numericos
h3 000
f (+ ) + f 000 ( ) ,
3!
f1 f1 h2 000
f (+ ) + f 000 ( ) .
2h
12
f0 =
f1 f1
+ O(h2 ) .
2h
(4.14)
f1 f1
,
2h
(4.15)
que es la derivada primera en diferencias central de tres puntos.9 La formula (4.15) es exacta
si f (x) es un polinomio de grado dos en el intervalo [h, h], dado que entonces f 000 ( ) = 0.
Esto significa 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 00
f ( )
f1 = f0 h f 0 +
2
se deduce tambien que
f0 =
f1 f0
f1 f0 h 00
f (+ ) =
+ O(h),
h
2
h
o bien que
f0 f1
f0 f1 h 00
+ f ( ) =
+ O(h).
h
2
h
Por tanto, despreciando terminos de orden h, podemos aproximar f 0 (x) en x = 0 (es decir, f 0 )
por
f1 f0
f0 '
,
(4.16)
h
que es la derivada lateral derecha de dos puntos, o por
f0 =
f0 '
f0 f1
,
h
(4.17)
que es la derivada lateral izquierda de dos puntos. La derivada lateral derecha proporciona el
valor de f 0 de forma exacta si f (x) es una funcion lineal en el intervalo [0, h]. De igual modo, la
derivada lateral izquierda proporciona el valor de f 0 de forma exacta si f (x) es una funcion lineal
en el intervalo [h, 0]. Esto significa que las formulas anteriores son tanto mejores cuanto m
as
parecida es f (x) a una funcion lineal en esos intervalos.
213
I 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 funcion f (x) = sen(x) en el punto x = x0 = 1. Por
supuesto sabemos que el resultado exacto es f 0 (1) = cos(1). Despues del programa damos el error de los
resultados [esto es, la diferencia f 0 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
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 formula 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.
B Ejercicio 4.5
1. Que f
ormula proporciona los mejores resultados?
2. Se te ocurre la raz
on por la que para valores no excesivamente peque
nos de h (digamos h . 00 002)
la derivada lateral izquierda de dos puntos conduzca a resultados levemente mejores que los de la
derivada lateral derecha de dos puntos?
3. Por que para h muy peque
nos los resultados empeoran en vez de mejorar a medida que h disminuye?
J
10
El c
odigo fuente
de este programa (y de otros programas en QBASIC que se dan en este captulo) pueden
encontrarse en www .
214
Metodos numericos
h2 00 h3 000 h4 (4)
f
f +
f ( )
2
3!
4!
i
h4 h (4)
f (+ ) + f (4) ( ) .
4!
i
f1 2f0 + f1 h2 h (4)
(4)
f
(
)
+
f
(
)
+
,
h2
4!
f 00 =
f1 2f0 + f1
+ O(h2 ) .
h2
(4.18)
f1 2f0 + f1
.
h2
(4.19)
Esta expresi
on proporciona la derivada f 00 (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).
B Ejercicio 4.6
Halla la expresi
on de la derivada tercera central de cinco puntos.
(4.20)
a+2h
b2h
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
215
f(x)
-5h
-3h
-h
3h
5h
(4.23)
Esta es la formula del rectangulo para un intervalo elemental. Usando el resultado (4.23) en (4.22)
y despreciando terminos de orden igual o superior a h3 , se obtiene
Z b
f (x) dx = 2h [f (a + h) + f (a + 3h) + + f (b 3h) + f (b h)] + N O(h3 )
(4.24)
a
(4.25)
Esta formula es conocida como regla del rectangulo. La interpretacion geometrica de esta regla
puede verse en la figura 4.5: aproximamos el area bajo la curva f (x) por el area de los rectangulos
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
funcion f (x) en los extremos (x = a y x = b) del intervalo de integracion, se dice que la regla del
rectangulo es abierta.12
Regla del trapecio
Podemos mejorar la formula anterior si aproximamos f (x) por una lnea recta (interpolaci
on
lineal) en el intervalo x [h, 0], y por otra lnea recta en el intervalo x [0, h]. Veamoslo con
detalle.
12
216
Metodos numericos
Expresamos la integral
Rh
h f (x) dx
f (x) dx = I + I+
donde
I =
I+ =
f (x) dx ,
h
Z h
f (x) dx .
h
f1 f0
f 00 2
I+ =
f0 +
x + O(h) x +
x +
h
2
0
f1 f0 h2
h2 f 00 h3
= f0 h +
+ O(h) +
+
h
2
2
2 3
h
= [f0 + f1 ] + O(h3 ).
2
dx
(4.27)
(4.28)
(4.29)
N
otese que si despreciamos los terminos de orden h3 , I+ es simplemente la integral de la funcion
f1 f0
x,
fe(x) = f0 +
h
funcion que no es m
as que la aproximacion lineal de f (x) que pasa por f0 y f1 (vease la figura
4.6).
Para calcular I procedemos de igual modo salvo en que ahora aproximamos f 0 por la derivada
izquierda de dos puntos, f 0 = (f0 f1 )/h + O(h), de modo que
f0 f1
f 00 2
f (x) = f0 +
+ O(h) x +
x +
(4.30)
h
2
y entonces
f0 f1
f 00 2
f0 +
I =
x + O(h) x +
x + dx
h
2
h
f1 f0 h2
+ O(h3 )
= f0 h +
h
2
h
= [f1 + f0 ] + O(h3 ).
2
Z
217
f
f(x)
~
f(x)
Rh
h f (x) dx
Rh
0
f (x) dx se aproxima
= I + I+ , encontramos que
f (x) dx =
h
h
(f1 + 2f0 + f1 ) + O(h3 ) .
2
Esta es la formula del trapecio para un intervalo elemental. Usando este resultado en la ecuaci
on
(4.22) se obtiene
Z
b
a
f (a)
f (b)
f (x) dx = h
+ f (a + h) + f (a + 2h) + + f (b 2h) +
+ N O(h3 ).
2
2
(4.31)
f (a)
f (b)
f (x)dx = h
+ f (a + h) + f (a + 2h) + +
+ O(h2 )
2
2
f (b)
f (a)
+ f (a + h) + f (a + 2h) + + f (b 2h) +
'h
,
2
2
(4.32)
que es la regla del trapecio. Esta formula es cerrada ya que requiere evaluar f (x) en los extremos
x = a y x = b del intervalo de integracion.
Regla de Simpson
Ahora vamos a mejorar nuestras formulas de integracion aproximando f (x) por un polinomio
de grado dos. La formula de Taylor con resto de Lagrange nos dice que
f (x) = f0 + f 0 x +
f 00 2 f 000 3 f (4) 4
x +
x +
x +
2
3!
4!
f1 2f0 + f1
+ O(h2 )
h2
218
Metodos numericos
se deduce que
Z
f (x) dx =
h
h
f0 + f 0 x +
f (4) 4
x + dx
4!
h
3
2 h
f1 2f0 + f1 x3
0 x
2 2h
+
+
O(h
)
= 2h f0 + f
2 h
2h2
3 h
3
h
h
f (4) x5
f 000 x4
+
+
+
3! 4 h
4! 5 h
h
= 2h f0 + (f1 2f0 + f1 ) + O(h5 ).
3
+
Es decir,
1 f1 2f0 + f1 2
f 000 3
2 2
x
+
O(h
)x
+
x
2
h2
3!
#
f (x) dx =
h
[f1 + 4f0 + f1 ] + O(h5 ) .
3
Esta es la formula de Simpson para un intervalo elemental. Usando este resultado en la ecuaci
on
(4.22) encontramos que:
"
#
Z b
N/2
N/2
X
X
h
f (x) dx =
f (a) + 2
f [a + (2n 2)h] + 4
f [a + (2n 1)h] + f (b) + N O(h5 ). (4.33)
3
a
n=2
n=1
n=2
f (x) dx '
h
[f1 + 4f0 + f1 ]
3
no hemos necesitado en absoluto conocer f 000 , f (4) , , por lo que de forma efectiva hemos aproximado f (x) por un polinomio de grado dos: f (x) = f0 + f 0 x + f 00 x2 . Esto nos podra hacer
pensar que la regla de Simpson s
olo sera exacta si f (x) fuera un polinomio de grado dos. Pero
esta conclusi
on no es cierta: la formula de Simpson es exacta cuando f (x) es un polinomio de
grado tres. Veamoslo explcitamente. Si f (x) es un polinomio de grado tres, resulta que
f (x) = f0 + f 0 x +
f 00 2 f 000 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
Z h
Z
Z h
f 00 h 2
f0 dx +
x dx
f (x) dx =
2 h
h
h
219
es tambien exacta. Pero ya hemos visto (vease la pagina 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 00 =
f1 2f0 + f1
h2
es una relaci
on exacta. Encontramos por tanto que, tal y como queramos demostrar,
h
Z h
f1 2f0 + f1 x3
f (x) dx = 2h f0 +
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 ).
I 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 numericamente la integral
Z 4
ex dx.
I=
0
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
Metodos numericos
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
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
B Ejercicio 4.7
1. Que metodo proporciona los mejores resultados?
221
2. Habr
as observado que aumentar N no siempre implica la mejora de los resultados. A que crees que
es debido?
Cuadratura de Gauss
Se ha mostrado en las secciones anteriores que en los metodos de integracion numerica la
integral
Z
r(x)f (x)dx
(4.36)
I=
r(x)f (x)dx
n
X
wk f (xk )
(4.37)
k=1
donde n y los valores wk son caractersticos de cada metodo. Por ejemplo, si r(x) = 1, = 1 y
= 1, y usamos la discretizacion h = 1, la regla del trapecio es
Z 1
1
1
r(x)f (x)dx f (1) + f (0) + f (1)
(4.38)
2
2
1
mientras que la regla de Simpson es
Z 1
1
4
1
r(x)f (x)dx f (1) + f (0) + f (1).
3
3
3
1
(4.39)
Hemos visto que la regla del trapecio se puede entender como la formula que resulta tras aproximar la funcion f (x) por la lnea recta (polinomio de grado uno) que va de (x, y) = (1, f (1))
a (x, y) = (0, f (0)) y por la lnea recta que va de (x, y) = (0, f (0)) a (x, y) = (1, f (1)). Tambien
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 formulas de integracion aproximadas mejores sin m
as que aproximar la funcion f (x) por
polinomios de orden mayor que dos.
Polinomios de interpolaci
on. El polinomio de interpolacion de Lagrange en n puntos, xk
con k = 1, 2, , n, de una de una funcion 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
Qn1 (x) =
n
X
c(x, xk )f (xk )
(4.40)
k=1
donde
c(x, xk ) =
(x) el polinomio de grado n dado por
(x)
,
(x xk ) 0 (xk )
(x) = (x x1 )(x x2 ) (x xn ),
(4.41)
(4.42)
222
y
Metodos numericos
d
(xk ) =
= (xk x1 ) (xk xk1 )(xk xk+1 ) (xk xn ).
dx x=xk
0
(4.43)
Cuadratura de interpolaci
on. Es facil entender que a medida que el polinomio Qn1 (x)
aumenta de grado (pasa por m
as puntos) la aproximacion de Qn1 (x) a la funcion f (x) mejora
notablemente: f (x) Qn1 (x). [Por supuesto, cuando f (x) es un polinomio de grado n 1, la
formula de interpolaci
on de n puntos conduce a un polinomio de interpolacion Qn1 (x) igual a
f (x).] Por tanto
Z
Z
r(x)f (x)dx
r(x)Qn1 (x)dx
(4.44)
donde
wk =
r(x)
n
X
n
X
(4.45)
k=1
wk f (xk )
(4.46)
k=1
r(x)c(x, xk )dx.
(4.47)
(4.48)
(4.49)
es decir,
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
Z 1
Z 1
Z 1
r(x)Rn1 (x) dx.
(4.50)
r(x)(x)Qn1 (x)dx +
r(x)f (x)dx =
1
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 significa que (x) es ortogonal en el intervalo [a, b] con
respecto a la funcion 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
Z
r(x)f (x)dx =
(4.51)
k=1
r(x)f (x)dx =
n
X
wk Rn1 (xk ).
(4.53)
k=1
Pero dado que (xk ) = 0, se deduce de (4.49) que f (xk ) = Rn1 (xk ), por lo que la ecuacion
anterior se convierte en
Z 1
n
X
wk f (xk ).
(4.54)
r(x)f (x)dx =
1
k=1
actica en Mathematica que trata sobre el metodo de Gauss y que tiene por objetivo para
En www hay una pr
facilitar la comprensi
on de los contenidos de esta secci
on.
224
Metodos numericos
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 raz esta 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
raz esta 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 prefijado (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 prefijado:
n Nmax .
14
225
f(x)
f(x)
x
~
x
ia
Hac
~
x
n+1
(a)
(b)
Figura 4.7: (a) Esquema grafico del metodo de Newton. (b) Un ejemplo en el que el metodo de
Newton no es capaz de encontrar el cero de la funci
on f (x)
f (xn )
xn xn+1
f (xn )
.
f 0 (xn )
(4.55)
226
Metodos numericos
I Ejemplo 4.8
Llamemos x
e a la raz cuadrada de R. Entonces x
e= Rx
e2 = R x
e2 R = 0, es decir, la raz cuadrada
2
de R es el cero de la funcion f (x) = x R. Aplicando el metodo de Newton a esta ecuacion se tiene que
[vease la ecuaci
on (4.55)]
x2n R
R
1
xn+1 = xn
xn +
.
(4.56)
=
2xn
2
xn
Al parecer, esta formula ya era conocida por los matematicos sumerios hace 4000
nos. Tambien se atribuye
a
al ingeniero griego Her
on. Veamos que 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
umero):
El valor de 2 es (daremos solo los primeros 60 dgitos decimales de cada n
2 = 10 41421356237309504880168872420969807856967187537694807317667
El metodo de Newton conduce a
x0
x1
=
=
x2
x3
=
=
x4
x5
x6
=
=
=
2
10 50000000000000000000000000000000000000000000000000000000000
10 41666666666666666666666666666666666666666666666666666666666
10 41421568627450980392156862745098039215686274509803921568627
10 41421356237468991062629557889013491011655962211574404458490
10 41421356237309504880168962350253024361498192577619742849828
10 41421356237309504880168872420969807856967187537723400156101
Los dgitos que coinciden con los exactos han sido subrayados. N
otese que este n
umero tiende a duplicarse
en cada iteracion o, lo que es equivalente, el error disminuye cuadr
aticamente en cada iteracion. B
Ejercicio 4.9
Justifica la equivalencia de las dos afirmaciones anteriores.
f (xn ) f (xn1 )
.
xn xn1
Esta aproximacion viene motivada por la definicion de la pendiente de la tangente f 0 (xn ) como
el lmite de la pendiente de la secante:
f 0 (xn ) = lm
zxn
f (xn ) f (z)
.
xn z
227
sec
ant
e
f(x)
~
x
n+1
n-1
1 0
y (x) + y(x) = 10 cos(x),
10
y(0) = 1,
y 0 (0) = 0
cuyo comportamiento es sencillo. Por tanto no es irrazonable esperar que sea posible hallar una
solucion analtica (al menos aproximada) para este problema. Sin embargo, para el oscilador no
lineal
1 0
y (x) + y 3 (x) = 10 cos(x),
y(0) = 1, y 0 (0) = 0
y 00 (x) +
10
encontramos una solucion completamente distinta con un comportamiento muy irregular. Es claro
que en este caso debemos perder toda esperanza de poder expresar la solucion de este oscilador
de forma analtica. En este caso, como en tantos otros, los metodos numericos se convierten en
una herramienta imprescindible.
En lo que sigue, estudiaremos los metodos numericos de resoluci
on de ecuaciones diferenciales
centrandonos en la resoluci
on de las ecuaciones diferenciales ordinarias de primer orden con
condiciones iniciales:
y 0 (x) = f (x, y)
con
y(x0 ) = y0 .
228
Metodos numericos
75
50
25
1
10
20
30
40
50 x
10
-25
-1
-50
-2
-75
-3
20
30
40
50 x
con
(x0 ) = y0 .
(4.58)
229
x0
es decir,
x1
(x1 ) = (x0 ) +
f x, (x) dx
Z x1 x0
= y0 +
f x, (x) dx.
x0
Podramos hallar el valor exacto de (x1 ) evaluando la integral anterior, pero esto requiere conocer precisamente la solucion (desconocida) (x). En el metodo de Euler esta integral se estima
mediante la regla del rectangulo:
Z x1
f x, (x) dx ' f (x0 , y0 ) (x1 x0 )
x0
es decir, se aproxima el
area que hay bajo la curva f x, (x) entre x1 y x0 por el area del
rectangulo de ancho (x1 x0 ) y altura igual a la ordenada de la curva en su extremo izquierdo,
f (x0 , y0 ). En definitva
(x1 ) ' (x0 ) + f x0 , (x0 ) h.
(4.59)
Esta aproximacion se puede entender tambien como la estimacion que se hace de (x1 = x0 + h)
mediante el desarrollo en serie de Taylor alrededor del punto x0 truncado a partir del orden h2 :
d
(x1 = x0 + h) = (x0 ) +
h + O(h2 )
dx x0
(4.60)
2
= (x0 ) + f x0 , (x0 ) h + O(h ).
La formula (4.59) se reobtiene tras despreciar los terminos O(h2 ). La estimacion numerica de
(x1 ) mediante el metodo de Euler es justamente
y1 = (x0 ) + f x0 , (x0 ) h
= y0 + f (x0 , y0 ) h.
x1
y por tanto
(x2 ) ' (x1 ) + f x1 , (x1 ) (x2 x1 ).
230
Metodos numericos
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 estimacion del valor de (x2 ) que proporciona el metodo de Euler. Debera ser
ahora evidente que cualquier otra estimacion yn+1 de la cantidad (xn+1 ) seg
un el metodo 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
afica se da en la figura 4.11.
I Ejemplo 4.9
Ilustraremos el metodo de Euler utiliz
andolo para resolver una ecuaci
on diferencial muy sencilla:
y 0 (x) = x + y
con
y(0) = 1.
La soluci
on exacta es (x) = 1 x + 2 ex , como se puede comprobar por sustitucion en la ecuacion
diferencial. Lo primero que hacemos es elegir (arbitrariamente) un tama
no de paso, digamos, h = 00 1.
Calculamos ahora las estimaciones yn mediante el metodo de Euler y comparamos con los valores exactos
(xn ) que damos en negrita:
x0 = 0,
x1 = 00 1,
y0 = 1,
y1 = y0 + h f (x0 , y0 ) = 1 + 00 1 f (0, 1)
= 1 + 00 1 (0 + 1) = 10 1 (x1 ) = 10 1103
x2 = 00 2,
y2 = y1 + h f (x1 , y1 ) = 1 + f (00 1, 10 1)
= 10 1 + 00 1 (00 1 + 10 1) = 10 22 (x2 ) = 10 2428
J
Errores
Hemos visto en el ejemplo anterior que los resultados numericos difieren de los exactos. Esto
es debido a la existencia de dos fuentes de error:
(x n+1 )
en
y n+1
yn
xn
231
x n+1
(b)
(a)
(4.63)
Por la formula (4.60) sabemos que en el metodo de Euler este error es de orden h2 . En el
ejemplo anterior (con h = 00 1) veamos que
e0 = (00 1) y1 = 10 1103 10 1 = 00 0103.
La diferencia entre la solucion exacta y la numerica en un punto se conoce como error de
discretizacion acumulado:
En = (xn ) yn .
(4.64)
(4.65)
|(xn ) yn | + |yn Yn |
|En | + |Rn |.
232
Metodos numericos
xn
h2
[fx (xn , (xn )) + f (xn , (xn ))fy (xn , (xn ))] + O(h3 )
2!
(4.68)
pues
df (x, y(x))
dy
= fx (x, y) +
fy (x, y)
dx
dx
y, por la definicion de la funcion (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 formula discretizada correspondiente a la formula (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)
(4.70)
xn
Estimaremos de nuevo la integral anterior mediante la regla del rectangulo, 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
Z xn+2
f x, (x) dx ' 2h f xn+1 , (xn+1 ) .
(4.71)
xn
233
(4.73)
Para calcular yn+2 , es preciso conocer los dos puntos anteriores, yn+1 e yn . Por esta razon se dice
que es un metodo de dos pasos. Dado que al inicio del procedimiento de resoluci
on numerica s
olo
conocemos y0 , el valor de y1 ha de hallarse por otros metodos. Por ejemplo, podemos hallar y1
mediante metodos de un paso, tales como el metodo de Euler simple, o bien mediante el desarrollo
de Taylor. Por ejemplo, usando este u
ltimo procedimiento, se tiene que
1 d2 y
dy
h+
h2 + O(h3 )
(4.74)
y1 = y(x1 = x0 + h) = y0 +
dx x0
2 dx2 x0
donde
dy
= f (x, y)
dx
y
d2 y
dy
f
f dy
f
f
=
=
+
=
+ f (x, y)
.
dx2
dx
x y dx
x
y
I Ejemplo 4.10
Apliquemos este procedimiento a la ecuaci
on del ejemplo 4.9 anterior:
y 0 = x + y,
y(0) = 1.
h2
= 1 + 00 1 + (00 1)2 = 10 11 .
2
234
Metodos numericos
xn+1
xn
f x, (x) dx
h
[f (xn , yn ) + f (xn+1 , yn+1 )] .
2
(4.75)
h
[f (xn , yn ) + f (xn+1 , yen+1 )] .
2
(4.76)
h
f (xn , yn ) + f xn+1 , yn + h f (xn , yn ) .
2
Hace falta explicar por que se dice que este es un metodo de tipo Predictor-Corrector?
(4.77)
235
Metodo de Milne
En este metodo se aproxima la integral de
(xn+2 ) (xn ) =
xn+2
xn
f x, (x) dx
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 formula de discretizacion. Este problema se
solventa, tal como hicimos anteriormente, utilizando otro metodo para predecir el valor yn+2 .
Denotando por yen+2 a este valor predictor, tendramos que el valor corregido seg
un la ecuaci
on
de discretizacion de Milne sera
yn+2 = yn +
h
[f (xn , yn ) + 4f (xn+1 , yn+1 ) + f (xn+2 , yen+2 )].
3
(4.78)
Debe notarse que este metodo es, como el metodo de Euler modificado de la secci
on 4.5.3, un
metodo de dos pasos: para calcular yn+2 hemos de conocer previamente la solucion en los dos
puntos anteriores yn e yn+1 . Por supuesto, para evaluar y2 , el punto y1 tiene que calcularse por
alg
un otro metodo de un paso (por ejemplo, puede usarse el metodo de Euler simple o el metodo
del desarrollo de Taylor).
+
h + O(hm+1 )
(4.79)
dx n
2 dx2 n
m! dxm n
si se trunca en el orden m. Es decir, la estimacion yn+1 yn de la cantidad n+1 n que
proporciona un metodo de Runge-Kutta de orden m vendra dada por los primeros m terminos
de (4.79):
d
1 d2 2
1 dm m
yn+1 yn =
h+
h + +
h .
(4.80)
dx n
2 dx2 n
m! dxm n
Dicho en otros terminos, en los metodos 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 metodos de RungeKutta alcanzan este objetivo mediante la evaluacion de f (x, y(x)) en ciertos puntos y sin evaluar
ninguna derivada de la funcion (x). Siendo m
as precisos, en el metodo de Runge-Kutta de orden
m se reproducen los m terminos de la serie (truncada) de Taylor de la ecuaci
on (4.80) anterior
mediante la formula
yn+1 = yn + 1 k1 + 2 k2 + + m km ,
(4.81a)
236
Metodos numericos
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 ,
..
..
.
.
(4.81b)
Los valores de los coeficientes i , ai y bij se determinan de modo que (xn+1 ) yn+1 = O(hn+1 ).
A primera vista, la formula de discretizacion de Runge-Kutta (4.81) podra parecer muy
arbitraria y carente de justificacion. Sin embargo, un poco m
as de atencion nos hara descubrir
que algunas de las formulas de discretizacion que hemos hallado anteriormente no son m
as que
casos particulares de (4.81). Por ejemplo, la formula de Heun dada por (4.77) es un caso particular
de (4.81) con m = 2, 1 = 2 = 21 y a2 = b21 = 1.
B Ejercicio 4.10
Demuestra que, tras hacer el cambio h h/2, la formula de Milne (4.78) adopta la forma de la ecuacion
(4.81) si yen+2 est
a dada por la formula de Euler moficada e yn+1 por la formula de Euler.
En la siguiente secci
on nos limitaremos a deducir las formulas del metodo de Runge-Kutta
de orden 2 (a pesar de que normalmente se usa el metodo de Runge-Kutta de orden 4) porque
el procedimiento para obtener las formulas de Runge-Kutta es el mismo para todos los ordenes
y, sin embargo, las manipulaciones algebraicas requeridas para obtener las formulas de ordenes
superiores se hacen muy pesadas a medida que el orden aumenta.
Metodo Runge-Kutta de segundo orden
k1 = f (xn , yn )h,
k2 = f (xn + a h, yn + b k1 )h,
(4.83)
donde
d
d
=
= fx (xn , yn ) + f (xn , yn )fy (xn , yn ) .
f x, y(x)
+
dx2 n
dx2 xn
dx
x dx y n
n
(xn+1 ) = yn + h f (xn , yn ) +
h2
h2
fx (xn , yn ) + f (xn , yn )fy (xn , yn ) + O(h3 ).
2
2
(4.85)
237
(4.86)
(4.88)
(4.89)
con
k1 = f (xn , yn )h,
k2 = f [xn + h, yn + h f (xn , yn )]h.
La formula (4.88) es una formula tipo Runge-Kutta de orden 2 que coincide con la formula de
Heun (vease la expresi
on (4.77) en la pagina 234).
Otra elecci
on posible es
a=
1
1
2 = 1 b = 1 = 0.
2
2
238
Metodos numericos
Esta elecci
on conduce a una formula de tipo Runge-Kutta
yn+1 = yn + k2 ,
h
h
= yn + h f xn + , yn + f (xn , yn )
2
2
1
(k1 + 2k2 + 2k3 + k4 ) ,
6
con
k1 = f (xn , yn )h,
k1
h
h,
k2 = f xn + , yn +
2
2
k2
h
k3 = f xn + , yn +
h,
2
2
k4 = f (xn + h, yn + k3 ) h.
18
(4.90)
239
Esta formula discretizada es conocida como formula de Runge-Kutta de orden 4 con coeficientes
de Runge o, simplemente, formula de Runge-Kutta de cuarto orden, dado que son los coeficientes
de Runge los que se emplean de modo casi exclusivo. Muy a menudo se la conoce como formula
de Runge-Kutta cl
asica.
Por supuesto, otras elecciones de 2 y 3 conducen a otras formulas discretizadas tambien
validas [Ant02, sec. 11.4]. Por ejemplo, si elegimos 2 = 3 = 3/8, obtenemos la formula discretizada de Runge-Kutta con los coeficientes de Kutta:
yn+1 = yn +
1
(k1 + 3k2 + 3k3 + k4 ) ,
8
(4.91)
con
k1 = f (xn , yn )h ,
h
k1
k2 = f xn + , yn +
h,
3
3
k2 k1
2h
, yn +
k3 = f xn +
h,
3
3
3
k4 = f (xn + h, yn + k1 k2 + k3 ) h .
B Ejercicio 4.11
Demuestra que la formula de Runge-Kutta (con coeficientes de Runge) se reduce a la regla de Simpson
cuando la funcion f no depende de y.
I Ejemplo 4.11
En este ejemplo estimaremos el valor de la soluci
on de la ecuaci
on diferencial
y 0 = x + y,
y(0) = 1,
240
Metodos numericos
y(00 2) ' y2 = 1 +
= 10 24
Orden 4:
Utilizando el grupo de f
ormulas correspondientes al metodo de Runge-Kutta de cuarto orden, ecuaciones
(4.90), hallamos que
k1 = f (0, 1) 00 2 = 00 2,
00 2
00 2
00 2 = (00 1 + 10 1) 00 2 = 00 24,
,1 +
k2 = f 0 +
2
2
00 24
00 2
00 2 = (00 1 + 10 12) 00 2 = 00 244,
,1 +
k3 = f 0 +
2
2
y2 = 1 +
Como vimos en los ejemplos anteriores, la solucion exacta es (00 2) = 10 2428. Luego el metodo de RungeKutta de cuarto orden nos ha proporcionado con solo un paso de tama
no h = 00 2 una mejor estimaci
on
0
del valor exacto (0 2) que cualquiera de los metodos vistos anteriormente (incluso cuando empleaban el
tama
no de paso mas peque
no h = 00 1).19
J
dx
= f (t, x, y),
dt
(4.92)
dy = g(t, x, y).
dt
es f
acil demostrar que la formula discretizada de Euler vendra dada por
(
xn+1 = xn + h f (tn , xn , yn ),
(4.93)
yn+1 = yn + h g(tn , xn , yn ).
De modo analogo, el metodo de Runge-Kutta de cuarto orden con los coeficientes de Runge
tomara la forma
xn+1 = xn + (k1 + 2 k2 + 2 k3 + k4 ),
6
(4.94)
yn+1 = yn + 1 (l1 + 2 l2 + 2 l3 + l4 ),
6
19
241
con
k1 = f (tn , xn , yn ) h ,
l1 = g(tn , xn , yn ) h ,
h
k1
l1
k2 = f tn + , xn + , yn +
h,
2
2
2
k1
l1
h
l2 = g tn + , xn + , yn +
h,
2
2
2
k2
l2
h
h,
k3 = f tn + , xn + , yn +
2
2
2
k2
l2
h
l3 = g tn + , xn + , yn +
h,
2
2
2
k4 = f (tn + h, xn + k3 , yn + l3 ) h ,
l4 = g (tn + h, xn + k3 , yn + l3 ) h .
La generalizaci
on a sistemas con un n
umero mayor de ecuaciones es obvia.
con
axb.
La generalizaci
on a otro tipo de ecuaciones no suele ser difcil. En esta secci
on estudiaremos tres
clases de metodos: metodos en diferencias finitas, metodos iterativos, y metodos de tiro.
con
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.
I Ejemplo 4.12
Queremos obtener una estimacion numerica de la soluci
on de la ecuaci
on diferencial
y 00 (x) = y(x)
(4.95a)
242
Metodos numericos
y
x
y(x)=e
e=y
1=y
x =h
x =2h
2
x =1
3
x =0
y(1) = e .
(4.95b)
La soluci
on exacta es y(x) = ex , como puede comprobarse facilmente. Siguiendo la idea expuesta mas
arriba, vamos a ver cu
al sera la traduccion algebraica de la anterior ecuaci
on diferencial, o, lo que es lo
mismo, la traduccion algebraica de la condici
on: la segunda derivada de la funcion incognita en un punto
dado es igual a esa misma funcion en ese punto, o, equivalentemente, la traduccion 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 (vease la figura 4.12). Sabemos por la seccion 4.3.1 que podemos aproximar
00
de y(x) en xm mediante la formula de la derivada central de tres puntos (vease la ecuacion
la derivada ym
(4.19) en la pagina 214):
ym1 2ym + ym+1
00
ym
'
.
h2
Luego la traduccion algebraica de la ecuaci
on diferencial (4.95) en el punto generico 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 (recuerdese que h = 1/3) es:
y0 = 1 ,
9 (19 + 9 e)
' 10 397 ,
280
9 (9 + 19 e)
' 10 949 ,
y2 =
280
y3 = e .
y1 =
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 ' 10 396, e2/3 ' 10 948.
B Ejercicio 4.12
Usa el procedimiento anterior para hallar una estimacion numerica de la soluci
on del problema de condiciones de contorno
y 00 (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.
J
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 formula de la
0 (v
derivada central de tres puntos para estimar ym
ease la ecuaci
on (4.15)) y la derivada segunda
00
central de tres puntos para estimar ym (vease la ecuaci
on (4.19) en la pagina 214), se tiene que
en cada punto x = xm la ecuaci
on diferencial
y 00 + p(x) y 0 (x) + q(x) y(x) = f (x)
toma la forma
ym+1 2ym + ym1
ym+1 ym1
+ p(xm )
+ q(xm ) ym = f (xm )
2
h
2h
(4.96)
2
y
+
p(x
)
y
+
p(x
)
ym+1 = f (xm ).
1
1
+
Em :
m
m
m
m1
m+1
h2
2
h2
h2
2
(4.97)
Condiciones de contorno
Vamos ahora a discutir como 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
E1
E2
En1
Salvo que se diga lo contrario, y sin perdida de generalidad, nos limitaremos en lo que sigue a discutir la
condici
on de contorno a la izquierda.
244
Metodos numericos
y0 =
y2 2y1 + y0
y2 y0
E1 :
+ p(x1 )
+ q(x1 ) y1 = f (x1 )
h2
2h
............................................................
(4.98)
CCi :
2. Pero la derivada en diferencias lateral (por la derecha o izquierda) es menos precisa que la
0 = (y
central ym
on 4.3.1). Sin embargo, si usamos
m+1 ym1 )/2h (tal como vimos en la secci
esta ecuaci
on en la frontera, es decir, en el punto x0 , nos encontramos con la ecuaci
on
y00 = (y1 y1 )/2h,
siendo y1 un valor ficticio [correspondiente al punto x1 = ah situado fuera del intervalo
de definicion de y(x)] cuya introducci
on a
nade una incognita 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 generica (4.97) en el punto
x = x0 = a, es decir a
nadir la ecuaci
on E0 al sistema. En resumen, el sistema quedara
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
I Ejemplo 4.13
Queremos hallar el sistema en diferencias correspondiente al problema de condiciones de contorno cuya
ecuaci
on es
y 00 (x) + p(x)y 0 (x) + q(x)y(x) = f (x).
y cuyas condiciones de contorno son
1 y(a) + 2 y 0 (a) = ,
1 y(b) + 2 y 0 (b) = .
Utilizando la opci
on 2 anterior y tras multiplicar todas las expresiones por h2 , el sistema en diferencias
quedara
2
2
2
h y1 = h2 ,
CCipura : h y1 + 1 h y0 +
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
2
xn1 En1 : 1 pn1 yn2 + qn1 h 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
y(b) = ,
x [a, b],
(4.99)
donde H es una funcion no necesariamente lineal. Los metodos de tiro se basan en sustituir este
problema por otro de condiciones iniciales:
y 00 (x) + H y 0 (x), y(x), f (x) = 0, x [a, b],
(4.100)
y(a) = ,
y 0 (a) = m .
La solucion de este u
ltimo problema depende obviamente del valor inicial m de la derivada (la
pendiente) y 0 (x) en a, por eso escribiremos esta solucion as: y(x; m). El objetivo de los metodos
246
Metodos numericos
(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 :
1
ym1 + ym+1 h2 fm = ym .
2
(4.102)
(4.103)
es decir, como un procedimiento para obtener una estimacion del valor de la solucion y(x) en
un punto xm a partir de estimaciones previas de y(x) en los puntos adyacentes xm1 y xm+1 .
Denotando por yjviejo al valor previo de y(x) en el punto xj , la relaci
on (4.103) toma la forma
1 viejo
viejo
nuevo
.
ym1 + ym+1
h2 fm ym
2
(4.104)
viejo
nuevo es una mejor estimaci
,
Asumiendo que en cada iteraci
on, el valor ym
on de y(xm ) que ym1
es obvio que debemos realizar este proceso repetidamente hasta que el resultado de la iteraci
on
247
[n]
[]
En los metodo iterativos se asume que ym converge cuando n y que este valor ym es
una estimacion de y(xm ) tanto mejor cuanto menor es h. Dicho en otros terminos, se asume que
[]
ym y(xm ) cuando n . El procedimiento condensado en la formula (4.105) es conocido
como metodo de Jacobi.
N
otese que si usamos la formula (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 estimacion ym1 . Si, como
[n+1]
[n]
estamos asumiendo, consideramos que ym1 es una mejor estimacion de y(xm1 ) que ym1 , pare[n+1]
ce razonable introducir este dato mejorado en nuestro calculo de ym . El modo obvio de hacerlo
es cambiando el proceso iterativo (4.105) por este otro:
1 [n+1]
[n]
[n+1]
ym
=
(4.106)
ym1 + ym+1 h2 fm .
2
Este metodo iterativo, llamado metodo de Gauss-Seidel, converge m
as rapidamente que el de
Jacobi y adem
as es m
as facil de implementar.
Por u
ltimo, existe un metodo a
un m
as rapido que el de Gauss-Seidel y que tambien es facil
[n+1]
de implementar. En este metodo, conocido como metodo 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
obtendra mediante el metodo de Gauss-Seidel:
h
i
[n+1]
[n]
[n+1]
ym
= (1 )ym
+ ym
(4.107)
Gauss-Seidel
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 tomara la forma
1 [n+1]
[n]
[n+1]
[n]
ym
= (1 )ym
+
(4.108)
ym1 + ym+1 h2 fm .
2
El valor optimo del par
ametro que hace que el metodo converja rapidamente suele estimarse
por tanteo. N
otese que cuando = 1 se recupera el procedimiento de Gauss-Seidel.
Es lcito preguntarse sobre la convergencia de estos metodos. El procedimiento m
as sencillo y
efectivo para responder a esta pregunta es implementar los metodos y comprobar si convergen. Si
no lo hacen, habra que buscar otros procedimientos. Pero si convergen, sabemos que los valores
hacia los cuales tienden las iteraciones son la solucion (numerica) del problema.
B Ejercicio 4.14
Demuestrese que es cierta esta u
ltima afirmaci
on para cada uno de los tres metodos anteriores, a saber,
metodo de Jacobi, metodo de Gauss-Seidel y metodo de super-relajacion.
I Ejemplo 4.14
A continuacion se da un programa en QBASIC que implementa el metodo de super-relajacion para resolver
el problema de condiciones de contorno
y 00 (x) + 12x2 = 0,
y(0) = y(1) = 0,
cuya soluci
on exacta es y(x) = x x4 como es facil comprobar. Los valores iniciales de ym se escogen
[0]
todos iguales a cero, es decir, ym = 0. El programa es el siguiente:
248
Metodos numericos
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
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 = 00 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
++++++++++++++++++++++++++++++++++++
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
250
Metodos numericos
(4.109)
u(x, 0) = f (x).
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 figura 4.13, es decir,
x es el tama
no del paso de discretizacion de la variable espacial x.
t es el tama
no del paso de discretizacion del variable temporal t.
xj es la posicion dada por jx: xj jx.
tm es el instante dado por mt: tm mt.
(m)
uj
(m)
(m)
Uj
Qj
(m)
(m)
Q(jx, mt) Qj
(
u(0, t) = u(L, t) = 0,
u(x, 0) = f (x).
(4.110)
(4.111)
251
(m)
=A
(m)
(m)
B =u
m
A(t)
B(t)
t
x
0
f(x)
Figura 4.13: Discretizado espacio-temporal para la resolucion en diferencias de una ecuacion en derivadas parciales unidimensional.
diferenciales por sus equivalentes en diferencias. Por ejemplo, podemos escribir (vease la secci
on
4.3.1)
(m+1)
(m)
uj
uj
u
=
+ O(t),
t xj ,tm
t
(m)
(m)
(m)
uj1 2uj + uj+1
2 u
=
+ O(x)2 .
x2 xj ,tm
(x)2
N
otese que en la derivada temporal hemos usado la formula discretizada correspondiente a la
derivada lateral.21 En definitiva la ecuaci
on diferencial (4.110) se transforma en al ecuaci
on en
diferencias
(m)
(m)
(m)
(m+1)
(m)
uj1 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 discretizacion 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,
(4.113)
(m)
uN
(0)
uj
= u(L, mt) = 0,
(4.114)
(4.115)
por Uj
, la ecuaci
on que obtenemos, tras despreciar T (xj , tm ), es
(m+1)
Uj
t
21
(m)
Uj
(m)
=k
(m)
Uj1 2Uj
(x)2
(m)
+ Uj+1
(4.116)
252
Metodos numericos
0.5
0.4
0.3
0.2
0.1
0.2
0.4
0.6
0.8
Uj
(m)
= Uj
(m)
(m)
(m)
+ S Uj1 2Uj + Uj+1
con S =
k t
.
(x)2
(4.117)
Esta f
ormula, conocida como formula en diferencias del metodo explcito, proporciona de forma
explcita una estimacion de la solucion 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, xj1 y xj+1 , en el instante
tm .
Estabilidad: que valores de t y x se pueden usar?
Mostraremos a continuacion mediante un ejemplo la importancia de la correcta eleccion del
tama
no del discretizado (t, x) cuando se emplea la formula (4.117). Para ello vamos a resolver
la siguiente EDP:22
CI:
2u
u
,
=
x2
t
CC: u(0, t) = u(1, t) = 0,
(
x para 0 x 1/2,
u(x, 0) =
0 para 1/2 < x 1,
(4.118)
Primera elecci
on: (t = 00 0025, x = 00 1). En este caso se tiene que el valor del par
ametro S de la formula (4.117) es igual S = 1/4. El resultado de la integraci
on se muestra en
la figura 4.14. Se ve que los resultados obtenidos son sensatos.
22
253
6
1
0.75
0.5
0.25
0
-2
-0.25
-0.5
-4
0
0.2
0.4
0.6
0.8
0.2
(a)
0.4
0.6
0.8
(b)
B Ejercicio 4.15
La resoluci
on numerica de (4.118) mediante el metodo explcito con t = 00 0025 y x = 00 1 en el
instante t = 00 02 da el siguiente resultado:
(0, 0), (00 1, 00 0935394), (00 2, 00 175665), (00 3, 00 231825), (00 4, 00 248004), (00 5, 00 220543),
(00 6, 00 162534), (00 7, 00 0979706), (00 8, 00 0472595), (00 9, 00 0168854), (1, 0)
donde el par (x, U ) nos proporciona el valor de U en la posicion x.
Resuelve la EDP mediante separaci
on de variables y compara la soluci
on analtica para t = 00 02 con
los anteriores resultados numericos.
Segunda elecci
on: (t = 00 01, x = 00 1). En este caso se tiene que S = 1. El resultado
de la integracion se muestra en la figura 4.15.
No hay duda de que esta solucion numerica es completamente erronea. Lo que hemos
encontrado es que el metodo numerico sintetizado en la formula (4.117) se vuelve inestable
para S = 1.
Afortunadamente se sabe bajo que circunstancias el metodo que hemos expuesto es estable.
Es posible demostrar [Hab83, secci
on 13.3.4] (vease tambien el problema 4.16) que el metodo
explcito (4.117) es estable si
1
.
S
(4.119)
1 cos (N 1)
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 metodo es estable siempre que
S
1
1
.
2
1 cos (N 1)
N
Es decir, podra ocurrir que el procedimiento sea estable incluso para S > 1/2 si
(N 1) 1
S < 1 cos
,
N
(4.120)
254
Metodos numericos
Uj
i
1 h (m)
(m)
Uj1 + Uj+1 .
2
(4.121)
u(x, 0) = f (x),
uj
(m)
(m)
uj
=k
(m)
uj1 2uj
(x)2
(m)
+ uj+1
con
u0
(m)
= A(mt),
(4.123)
(m)
uN
(0)
uj
= B(mt),
(4.124)
= f (jx).
(4.125)
Procediendo como en la pagina 252 deduciramos aqu una formula similar a la formula (4.117)
(m+1)
(m)
(m)
la cual nos permitira obtener Uj
a partir de Uj1 y Uj .
B Ejercicio 4.16
Escrbase esta formula explcitamente.
23
N
otese que son doblemente inhomogeneas: inhomogeneas en la ecuaci
on y en las condiciones de contorno.
255
Para estos problemas no homogeneos se sigue verificando el criterio de estabilidad dado por
t
S = k (x)
2 1/2.
I Ejemplo 4.15
En este ejemplo damos un programa QBASIC que resuelve numericamente mediante el metodo explcito la
ecuaci
on24
2u
u
= k 2 con k = 1,
t
x
junto con condiciones de contorno u(0, t) = u(1, t) = 0 y la condici
on inicial
i
h
2
2
2
u(x, 0) = fnexacta(x, 0) = e20 (x1/2) e20 (x3/2) e20 (x+1/2) .
La soluci
on exacta de este problema es
i
2
2
2
1 h
u(x, t) = e20 (x1/2) / e20 (x3/2) / e20 (x+1/2) /
Pueden verse m
as detalles en [Koo86].
256
Metodos numericos
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 = 00 005 (y por tanto S = 00 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 = 00 001 (y por tanto S = 00 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 numerica es completamente err
onea.
J
257
Uj
(m)
(m1)
Uj
=k
2t
(m)
Uj1 2Uj
(x)2
(m)
+ Uj+1
(m1)
Uj
2kt (m)
(m)
(m)
+
Uj1 2Uj + Uj+1 ,
(x)2
La idea que hemos expuesto parece muy buena pero, desafortunadamente, este metodo numerico 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 (vease el problema 4.18
y la referencia [Hab83, sec. 13.3.4]).
Desde luego, lo m
as natural es interpretar
(m+1)
uj
(m)
uj
(4.126)
258
Metodos numericos
estimar esta derivada espacial mediante una interpolacion 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:
2 u
2 u
2 u
+ (1 )
.
(4.128)
'
x2 (xj ,tm + t )
x2 (xj ,tm +t)
x2 (xj ,tm )
2
Aqu es el coeficiente que pondera la mezcla. Usando la formula de diferencias centrales de tres
puntos se tiene que
" (m+1)
" (m)
(m+1)
(m+1) #
(m)
(m) #
uj1 2uj
+ uj+1
uj1 2uj + uj+1
2 u
'
+ (1 )
. (4.129)
x2 (xj ,tm + t )
(x)2
(x)2
2
En definitiva la EDP se discretiza en (xj , tm + t/2) mediante la relaci
on
(m+1)
Uj
(m)
Uj
= k
"
Habitualmente se toma =
queda
(m+1)
S Uj1
(m+1)
Uj1
(m+1)
2Uj
(m+1) #
+ Uj+1
(x)2
1
2
+ k (1 )
"
(m)
(m) #
(m)
Uj1 2Uj
+ Uj+1
(x)2
+ 2(1 + S) Uj
(m+1)
S Uj+1
donde
S=
(m)
(m)
= S Uj1 + 2(1 S) Uj
(m)
+ S Uj+1
(4.130)
k t
.
(x)2
Puede probarse sin mucha dificultad [MM94] que, en este caso, el error de truncamiento T (xj , tm )
es la suma de dos terminos: uno de orden (x)2 y otro de orden (t)2 .
Es facil ver que si la EDP fuera
2u
u
= k 2 + Q(x, t),
t
x
la ecuaci
on en diferencias sera
(m+1)
S Uj1
(m+1)
+ 2(1 + S) Uj
(m+1)
S Uj+1
(m)
(m)
=S Uj1 + 2(1 S) Uj
(m)
+ S Uj+1
+ 2t Q(xj , tm + t/2)
(4.131)
Este metodo tiene la ventaja de que es estable para todo S [Hab83, MM94]. Adem
as, recordemos
que para que el metodo explcito fuera estable t tena que ser, como poco, de orden de (x)2
pues t = S(x)2 /k con S 1/2. Dado que el error de truncamiento T (xj , tm ) en este caso
vena dado por O(t) + O(x)2 , resultaba que el tama
no de paso t deba de ser muy peque
no
2
2
[del orden de (x) ] para que el error de truncamiento fuera de orden (x) . En el metodo de
Crank-Nicholson el error de discretizacion 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 metodo implcito es que el calculo de U en el instante tm+1 a partir U en
el instante anterior, tm , es mucho menos simple que en el metodo explcito pues es preciso resolver
el sistema algebraico (4.131). Sin embargo, desde el punto de vista practico, 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 eficiente.
259
Algoritmo de Thomas
El sistema (4.131) puede escribirse de este modo m
as compacto
(m+1)
a
j Uj1
(m+1)
+ a0j Uj
(m+1)
+ a+
j Uj+1
(m+1)
= bj
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 estan bien determinados para todo m (es decir,
para todo instante). Es posible demostrar [Koo86, secci
on 7.2][MM94, Sec. 2.9] que la solucion
(m+1)
Uj
, j = 1, . . . , N 1 del sistema tridiagonal (4.132) puede obtenerse mediante la formula
(m+1)
Uj+1
(m+1)
= j
(m+1)
Uj
(m+1)
+ 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
j1 = j a
j
(4.133b)
j1 = j (a+
j j bj ),
donde
j =
a0j
1
,
+ a+
j j
N 1 = 0,
(4.133c)
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,
a0j > 0,
+
0
a+
j < 0 y aj > |aj | + |aj |
+
0
Los coeficientes de (4.131), a
j = aj = S, aj = 2(1+S), satisfacen obviamente estas condiciones.
I Ejemplo 4.16
En este ejemplo vamos a usar un programa QBASIC para calcular mediante el metodo implcito de CrankNicholson la soluci
on numerica de la ecuaci
on25
2u
u
=k 2
t
x
con k = 1,
La soluci
on exacta de este problema es
i
2
2
2
1 h
u(x, t) = e20 (x1/2) / e20 (x3/2) / e20 (x+1/2) /
con = 1 + 80t.
25
Pueden verse m
as detalles en [Koo86].
260
Metodos numericos
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
dx 3.333334E-02 ,
S= .45
261
t final= .1
N
otese que t es igual a 00 01 en este u
ltimo caso por lo que el instante t = 00 1 se alcanza tras
262
Metodos numericos
s
olo 10 pasos. Es instructivo comparar estos resultados con los del caso de la pagina 256 en donde
se usaba el metodo explcito con t = 00 0005 y x = 1/30. All se necesitaron 200 pasos para
evaluar u(x, t) en el instante t = 00 1 y, sin embargo, los resultados son similares a los obtenidos
mediante el metodo de Crank-Nicholson en el que t es veinte veces mayor.
J
(m)
U1 = U1
2x Am .
(4.134)
y U1
:
(m+1)
U0
(m)
= U0
(m)
(m)
(m)
+ S U1 2U0 + U1 .
Insertando la relaci
on (4.134) en esta ecuaci
on se obtiene
(m+1)
(m)
(m)
(m)
(m)
U0
= U0 + S U1 2U0 + U1 2x Am .
(4.135)
(m)
Esta formula 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 metodos tal como se discutieron en los apartados anteriores.
B Ejercicio 4.17
Supon que la condici
on de contorno en x = 0 es
u
= A(t).
1 u(0, t) + 2
x (x=0,t)
26
Esto es equivalente a decir que usamos el metodo explcito para hallar los valores de u sobre la frontera.
263
j = 0, . . . , Nx ,
(m)
l = 0, . . . , Ny
(4.137)
(m)
La versi
on discretizada de la EDP es por tanto
(m+1)
Uj,l
(m)
Uj,l
k
k
(m)
(m)
(m)
(m)
(m)
(m)
2Uj,l + Uj+1,l ] +
2Uj,l + Uj,l+1 ],
[U
[U
(x)2 j1,l
(y)2 j,l1
(4.138)
Uj,l
(m)
Uj,l =
kt
kt
(m)
(m)
(m)
(m)
(m)
(m)
[Uj1,l 2Uj,l + Uj+1,l ] +
[U
2Uj,l + Uj,l+1 ],
2
(x)
(y)2 j,l1
Uj,l
h
i
(m)
(m)
(m)
(m)
(m)
(m)
= Uj,l + S Uj+1,l + Uj1,l + Uj,l1 + Uj,l+1 4Uj,l
(4.139)
donde S = k t/(x)2 .
Resulta que este metodo explcito es estable cuando S 1/4. Si tomamos el valor S = 1/4,
la ecuaci
on anterior se transforma en
(m)
(m+1)
Uj,l
(m)
(m)
(m)
(4.140)
264
Metodos numericos
2u
2u
= c2
2
x2
t
(4.141)
(4.142)
x,t=0
Uj
(m)
+ Uj
(m)
(m1)
=c
(t)2
es decir
(m+1)
Uj
= 2Uj
(m)
(m+1)
2Uj
Uj
(m)
Uj1 2Uj
(x)2
(m)
+ Uj+1
i
c2 (t)2 h (m)
(m)
(m)
.
U
2U
+
U
j1
j
j+1
(x)2
(4.143)
(0)
Uj ,
(0)
Uj+1 ,
(1)
Uj1 ,
(1)
Uj ,
es preciso
(1)
Uj+1 .
conocer
y
Para estimar estos tres u
ltimos puntos ficticios
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 seccion 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:
(0)
Uj
(1)
Uj
(4.144a)
= g(xj ).
(4.144b)
(1)
Uj
2t
27
= f (xj ),
265
En la u
ltima ecuaci
on hemos usado la formula 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 discretizacion (4.143) para t = 0,
(1)
Uj
(0)
= 2Uj
(1)
Uj
i
c2 (t)2 h (0)
(0)
(0)
U
2U
+
U
j1
j
j+1 ,
(x)2
(4.145)
Uj
= f (xj ) + g(xj )t +
i
c2 (t)2 h (0)
(0)
(0)
U
2U
+
U
j1
j
j+1 ,
2(x)2
(1)
(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 aplicacion directa de la formula explcita (4.143). No es difcil demostrar
(vease la secci
on 13.5 de [Hab83]) que esta formula explcita es estable siempre que (criterio de
estabilidad de Courant, Friedrichs y Lewy28 )
c
x
.
t
Esto significa que la velocidad de propagacion del metodo de integracion debe ser mayor que la
velocidad de la onda para que haya estabilidad.
(4.148)
es decir,
1
[Uj+1,l + Uj1,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 metodos de tipo estandar. Pero notese que el n
umero de ecuaciones
y de incognitas 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 fino (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 =
266
Metodos numericos
Esto es especialmente grave para medios tridimensionales: por ejemplo, para un discretizado de
tan s
olo Nx = Ny = Nz = 10, el sistema resultante tendra m
as de 1000 ecuaciones e incognitas.
En las secciones siguientes vamos a ver metodos alternativos en los que la solucion final 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.
B Ejercicio 4.19
1. Escrbase la ecuaci
on equivalente a (4.149) para el caso tridimensional.
2. Obten las formulas de esta seccion si la ecuaci
on es de Poisson.
(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 + Uj1,l + Uj,l1 + Uj,l+1
4
(4.151)
sera 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 tambien 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 definitiva, interpretamos la formula (4.150) como un modo de hacer una mejor
estimacion de Uj,l a partir del valor de U en los puntos vecinos:
(Uj,l )nuevo
o bien
[m+1]
Uj,l
1
(Uj+1,l + Uj1,l + Uj,l1 + Uj,l+1 )viejo ,
4
(4.152)
1 [m]
[m]
[m]
[m]
Uj+1,l + Uj1,l + Uj,l1 + Uj,l+1 .
4
(4.153)
[m]
[m]
(m)
[]
actualizndose
actualizado
267
no actualizado
[m]
U j,l+1
[m+1]
U j-1,l
lnea
actualizada
[m]
U j,l
[m]
U j+1,l
lnea actualizada
U [m+1]
j-1,l-1
U [m+1]
j,l-1
[m+1]
U j+1,l-1
Uj,l
1 [m]
[m+1]
[m+1]
[m]
Uj+1,l + Uj1,l + Uj,l1 + Uj,l+1 .
4
(4.154)
Esta relaci
on es conocida como formula iterativa de Gauss-Seidel. El metodo de Gauss-Seidel,
adem
as de converger m
as r
apidamente a la solucion que el metodo de Jacobi (tpicamente converge
el doble de r
apido), es tambien m
as facil de programar al no ser necesario distinguir en el programa
entre valores actualizados y no actualizados de U .
Metodo de super-relajacion
El metodo conocido como metodo de super-relajaci
on suele ser a
un m
as rapido 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
[m+1]
[m]
Uj,l
[m]
Uj,l =
1 [m+1]
[m+1]
[m]
[m]
[m]
Uj,l1 + Uj1,l + Uj,l+1 + Uj+1,l 4Uj,l .
4
Luego, seg
un la descripci
on del metodo de super-relajaci
on que hemos hecho, la formula iterativa
correspondiente a este metodo es:
[m+1]
[m+1]
[m]
[m+1]
[m]
[m]
[m]
Uj,l
= Uj,l +
Uj,l1 + Uj1,l + Uj,l+1 + Uj+1,l 4Uj,l ,
(4.155)
4
siendo un par
ametro (llamado par
ametro de relajaci
on) a elegir. Para = 1 el metodo 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
268
Metodos numericos
que habitualmente se estima tras un breve tanteo con valores de comprendidos entre 1 y 2. El
metodo se llama de super-relajaci
on porque un valor de mayor que 1 implica una correccion al
[m]
valor de Uj,l mayor que la correccion propia del metodo de Gauss-Seidel.
B Ejercicio 4.20
Escribe las formulas de Jacobi, Gauss-Seidel y super-relajacion para la ecuacion de Poisson.
4.10 Problemas
269
4.10. Problemas
4.1. Un ordenador que emplea diez dgitos decimales de mantisa resuelve mediante un metodo
numerico extraordinariamente bueno la ecuaci
on y 00 (x) = 4y(x) con y(0) = 1, y 0 (0) = 2.
El resultado se muestra en la figura 4.17. Resulta que esta solucion es completamente
2
1.75
1.5
1.25
y
1
0.75
0.5
0.25
2
8
x
10 12 14
4.5. Encuentra de que orden en h es el error que se comete en las siguientes formulas en diferencias centrales de cinco puntos:
a)
b)
1
(f2 8f1 + 8f1 f2 ),
12h
1
f 00 '
(f2 + 16f1 30f0 + 16f1 f2 ).
12h2
f0 '
y(x = 0) = 1,
en x = 00 3, usando el tama
no de paso h = 00 1, mediante los metodos de Euler, Euler
Modificado, Heun, Milne y Runge-Kutta de segundo orden. Calcula adem
as la solucion
mediante el metodo de Runge-Kutta de cuarto orden empleando un tama
no de paso h = 00 3.
270
Metodos numericos
y(x = 0) = 1,
en x = 00 2, usando el tama
no de paso h = 00 1, mediante los metodos de Euler, Euler
Modificado, Heun, Milne y Runge-Kutta de segundo orden. Calcula adem
as la solucion
mediante el metodo de Runge-Kutta de cuarto orden empleando un tama
no de paso h = 00 2.
4.8. Calcula numericamente el valor de la solucion del sistema
x = y,
y = x,
en t = 00 2 con x(t = 0) = 1 e y(t = 0) = 0, usando el tama
no de paso h = 00 1, mediante los
metodos de Euler y Runge-Kutta de segundo orden. Compara con la solucion exacta.
4.9. Sea el problema de contorno doblemente inhomogeneo
y 00 y = 2 ex ,
0 x 1,
y(0) = 0,
y(1) = e .
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 metodo as obtenido se conoce como metodo de Numerov (o, tambien, metodo de
Cowling) [Koo86, sec. 3.1].
2
y(x) = 0,
4
y(0) = 0,
y(1) = 1
mediante:
a) El metodo de diferencias finitas, usando el discretizado x = 1/3.
4.10 Problemas
271
(4.156)
0x1
(4.157)
b) Halla una formula 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 finitas
correspondientes al problema de condiciones de contorno (4.157) si el discretizado es
igual a h = 1/2.
y (x) + e
y(z)dz = e y(x)
0
272
Metodos numericos
u
2u
=k 2
t
x
con u(0, t) = u(L, t) = 0 y u(x, 0) = f (x). Queremos justificar en este problema el criterio
de estabilidad de von Neumann30 , es decir, justificar que el metodo explcito cuya ecuaci
on
discretizada es
k t
(m)
(m)
(m+1)
(m)
(m)
Uj
= Uj + S Uj1 2Uj1 + Uj+1
con S =
(x)2
i1
h
.
es estable si S 1 cos (N 1)
N
(m)
Uj
= Qm sen(jx) y
30
2 2
+
= f (x, y)
x2
y 2
Pueden verse m
as detalles sobre este metodo y este problema en [Hab83, sec. 13.3.4]
4.10 Problemas
273
Captulo 5
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. Introduccion
El esfuerzo dedicado en los estudios de Ciencias e Ingeniera a las ecuaciones y sistemas
de ecuaciones diferenciales no lineales es una peque
na fraccion del dedicado a las ecuaciones y
sistemas diferenciales lineales. Esto podra hacernos pensar que las ecuaciones no lineales son poco
importantes, que no son frecuentes en la Naturaleza y que, por tanto, no merecen mucha atencion.
La realidad es justo la contraria. Lo cierto es que las ecuaciones que describen muchos sistemas
y fen
omenos fsicos 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 validas para la mayor parte de los
prop
ositos. Pero, y de esto hay que ser consciente, en otras muchas ocasiones la aproximacion
lineal es completamente in
util por no recoger las caractersticas no lineales que son esenciales en
los fen
omenos. Estas situaciones fsicas no lineales suelen darse en sistemas fsicos alejados del
equilibrio.
La teora de las ecuaciones y sistemas lineales es un campo de investigacion que, desde el
siglo XVIII, ha sido muy estudiado y que esta 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 facil convencerse de la verdad de estas afirmaciones
con s
olo nombrar algunos de sus terminos caractersticos: catastrofes, caos, atractores extra
nos,
solitones. . . Ante esto, es muy natural preguntarse: por que son tan faciles [difciles] los problemas lineales [no lineales]? La clave esta en que los problemas lineales pueden descomponerse en
problemas m
as sencillos (divide y venceras) cuyas soluciones pueden al final combinarse para
obtener la solucion del problema original. Ejemplos en este mismo libro: la funcion de Green, el
276
metodo de separaci
on de variables, solucion del problema de Sturm-Liouville como desarrollo en
autofunciones.
Hasta ahora, cuando nos enfrentabamos con un problema diferencial (lineal), nuestro objetivo
casi u
nico era hallar una solucion explcita. 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 solucion explcita conocida. En este captulo 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 crticos).
2. En el segundo modo se buscan soluciones aproximadas del problema no lineal. Ilustraremos
este procedimiento con los metodos de balance armonico y de Krylov-Bogoliubov.
5.2. Estabilidad
En sistemas fsicos 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 esten bien definidas. Adem
as, todos somos
conscientes de que no es posible determinar con precisi
on absoluta cu
al es el estado inicial de un
sistema fsico 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.
i = 1, 2, . . . , n
(5.1)
o bien, de un modo m
as compacto, as:
dX
= F (X, t)
dt
donde
X (x1 , x2 , . . . , xn ) ,
En ocasiones, para abreviar, nos referiremos a este sistema diciendo que es un sistema n dimensional.
(5.2)
5.2 Estabilidad
277
x
X0
X0
_
X0
_
X0
En lo que sigue, llamaremos simplemente X(t) a la solucion del sistema anterior que pasa por
0 en el instante t0 :
X0 en el instante t0 , y X(t)
a la solucion que pasa por X
X(t0 ) X0 X(t),
0) X
0 X(t)
.
X(t
(5.3)
Sin pretender por el momento ser precisos, diremos que una solucion X(t),
con condiciones
i (t)]2 .
kX(t) X(t)k
= t [xi (t) x
(5.4)
i=1
kX(t) X(t)k
=
n
X
i=1
|xi (t) x
i (t)|.
(5.5)
(5.6)
278
X(t).
A la diferencia
X(t)
= X(t) X(t),
(5.7)
(5.8)
la llamaremos perturbaci
on inicial.
X(t)
es estable si y s
olo si
> 0, () / () |xi (t) x
i (t)| < ,
(5.9)
X(t)
es estable si y s
olo si
0 k < () kX(t) X(t)k
para t > t0 .
(5.10)
X(t)
es estable si y s
olo si
e0 k < () kX(t)k
e
> 0, () / kX
< para t > t0 .
(5.11)
X(t)
es asintoticamente estable si y s
olo si
> 0 / |xi (t0 ) x
i (t0 )| < lm |xi (t) x
i (t)| = 0,
t
(5.12)
para i = 1, 2, . . . , n.
X(t)
es asintoticamente estable si y s
olo si
0 )k < lm kX(t) X(t)k
(5.13)
5.2 Estabilidad
279
_
X(t)
t=t
~
X
X(t)
t
(b)
(a)
X(t)
es asintoticamente estable si y s
olo si
e0 k < lm kX(t)k
e
> 0 / kX
= 0.
t
(5.14)
I 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:
0 ea t donde X
0 = X(t
= 0)
X(t)
=X
a t
X(t) = X0 e
donde X0 = X(t = 0)
Por tanto
0 k,
kX(t) X(t)k
= ea t kX0 X
es decir,
Si tomamos () = , se tiene que
e
e0 k.
kX(t)k
= ea t kX
que la soluci
on X(t) no es estable si a < 0.
J
2
Es decir, X(t)
es estable si y s
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
t=t
~
X(t)
~
X
Pero
dX
dt
dX
dt
d e
dt X,
dX
= F (X, t)
dX
dX
dt
t).
= F (X, t) F (X,
dt
dt
dX
= F (X, t)
dt
(5.15)
(5.16)
e =
Al sistema (5.16) lo llamaremos sistema perturbativo. Debe notarse que la solucion nula X
(0, 0, . . . , 0) 0 es siempre solucion del sistema perturbativo. Dado que la solucion de referencia
se da por conocida, en ocasiones no se incluye como argumento en Fe y se usa la notaci
X
on
abreviada
e
dX
e t).
= Fe(X,
(5.17)
dt
e
Dijimos que X(t)
era estable si su perturbacion X(t)
satisfaca la condici
on (5.11). Obviamente, podemos reescribir la ecuaci
on (5.11) de este modo:
e0 0k < () kX(t)
e 0k < para t > t0 .
> 0, () / kX
(5.18)
e
Pero (5.18) es la estricta definicion de estabilidad de la solucion nula X(t)
= 0 del sistema
perturbativo. Esto significa que las dos afirmaciones siguientes son equivalentes:
1. La solucion X(t)
del sistema F (X, t) es estable.
e
X,
e t) es estable.
2. La solucion nula X(t)
= 0 del sistema perturbativo Fe(X,
5.2 Estabilidad
281
e
Por lo tanto, X(t)
es estable si y s
olo si X(t)
= 0 es estable.
Razonando de manera similar, es facil darse cuenta de que la siguiente afirmacion es tambien
e
valida: X(t)
es asint
oticamente estable si y s
olo si X(t)
= 0 es asint
oticamente estable.
En resumen:
Por este motivo a los puntos crticos tambien se les conoce como puntos fijos o puntos de reposo.
e
Debe notarse que, seg
un lo que acabamos de exponer, la solucion perturbativa nula X(t)
=0
es un punto crtico o fijo del sistema perturbativo. Concluimos por tanto que:
Este resultado justifica la importancia de estudiar metodos que nos permitan determinar la
estabilidad de los puntos crticos. A esta tarea nos dedicaremos en las secciones siguientes. Pero
veamos antes un ejemplo.
I Ejemplo 5.2
Queremos analizar la estabilidad de las soluciones del sistema
dx1
= x2
dt
dx2
= x1
dt
(5.20)
(5.21)
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
d dx1
= (x2 ) = x1 ,
=
dt2
dt dt
dt
d
d dx2
d2 x2
= (x1 ) = x2 ,
=
dt2
dt dt
dt
cuyas soluciones son
x1 (t) = A1 cos t + B1 sen t,
x2 (t) = A2 cos t + B2 sen t.
Entonces
x01 (t) = A1 sen t + B1 cos t,
B1 = x01 (0),
B2 = x02 (0).
d
x1
= x2 |t=0 = x2 (0),
dt t=0
x02 (0)
Luego la soluci
on es
d
x2
= x1 |t=0 = x1 (0).
dt t=0
d
x1
de
x1
dx1
= x2
+
=
x2 x
e2
dt
dt
dt
dx2
x2
de
x2
d
= x1
+
=x
1 + x
e1
dt
dt
dt
de
x1
= e
x2
e
dX
dt
e
= Fe(X),
de
x2
dt
=x
e1
dt
(5.22)
que es el sistema perturbativo. En este ejemplo tan sencillo encontramos que F = Fe.
es equivalente a estudiar el comportamiento
Recuerdese que dijimos que el analisis de la estabilidad de X
de las soluciones de (5.22) en las vecindades del punto crtico 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
x
e1 (t) = x
e1 (0) cos t x
e2 (0) sen t,
x
e2 (t) = x
e1 (0) cos t + x
e2 (0) sen t.
Pero,
|e
x1 (t) 0| |e
x1 (0) cos t| + |e
x2 (0) sen t| |e
x1 (0)| + |e
x2 (0)|,
Por tanto,
|e
x2 (t) 0| |e
x1 (0) cos t| + |e
x2 (0) sen t| |e
x1 (0)| + |e
x2 (0)|.
> 0, () =
tal que
2
|e
x1 (0) 0| <
|e
x2 (0) 0| <
|e
x1 (t) 0| <
|e
x2 (t) 0| <
X(t)
no es asint
oticamente estable porque los lmites lmt x
e1 (t) y lmt x
e2 (t) no existen.
J
I 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 direccion 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
(r 2 + r2 2 ) U (r)
2
donde es la masa reducida del sistema, r y son la coordenadas polares de la posicion de la Tierra con
respecto al Sol y
k
U (r) =
r
es la energa potencial correspondiente a la fuerza gravitatoria
F (r) =
dU
k
= 2.
dr
r
= 0,
dt
d L
L
= 0.
r
dt r
De la primera ecuaci
on se obtiene
L
= r2 = const `
(5.23)
(5.24)
(5.25)
que no es mas que la segunda ley de Kepler que dice que la velocidad aerolar 12 r2 es constante. La segunda
ecuaci
on de Lagrange es
r r2 = F (r).
Incorporando el resultado de (5.25) en esta ecuaci
on y dividiendo por se obtiene
r
`2
= g(r)
2 r3
donde
g(r) =
k
.
r2
(5.26)
(5.27)
284
`2
= g(R + x).
2 R3 [(1 + (x/R)]3
(5.29)
=
N
otese que, seg
un terminologa general que hemos usado hasta ahora, la soluci
on de referencia es X
e = (x, x)
y el sistema perturbativo
(R, 0), la soluci
on perturbada es X = (R + , 0), la perturbacion es X
e
dX
e
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
x
1
= 1 3 + O(x2 ),
[1 + (x/R)]3
R
g(R + x) = g(R) + g 0 (R)x + O(x2 ),
con
(5.32)
(5.33)
dg
g (R)
.
dr r=R
0
xi
`2 h
= g(R) g 0 (R)x.
1
3
2 R3
R
(5.34)
g(R) =
por lo que (5.34) se transforma en
x
+
4
`2
2 R3
3g(R)
+ g 0 (R) x = 0.
R
(5.35)
285
k
x = 0.
R3
Esta es la ecuaci
on de un oscilador lineal [de frecuencia 2 = k/(R3 )] por lo que sus soluciones son
acotadas, lo que significa que el punto crtico (x = 0, x = 0) es estable. Es decir, la soluci
on perturbada
(r = R + x, r = x)
oscila alrededor de la orbita circular (solucion de referencia) (r = R, r = 0). Seg
un
el criterio de Liapunov esto implica que la soluci
on (r = R, r = 0) de la ecuacion (5.26) es estable. La
demostraci
on paso a paso de esta afirmaci
on sera igual a la llevada a cabo en el ejemplo 5.2, por lo que
no la repetimos aqu.
J
dx1
dt
..
dx
dx
= a1 x + b1 y,
dt
(5.37)
dy = a x + b y,
2
2
dt
prestando especial atencion a su comportamiento en las vecindades del origen (0, 0). N
otese que
este sistema tiene siempre un punto crtico (o fijo) 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
0 = a2 B + (b2 m)B.
(5.39)
Este sistema s
olo tiene solucion distinta de la trivial (A, B) = (0, 0) si el determinante de sus
coeficientes es igual a cero:
a1 m
b1
= m2 (a1 + b2 ) m + (a1 b2 a2 b1 ) = 0.
(5.40)
a2
b2 m
Esta ecuaci
on se conoce como ecuaci
on caracterstica. N
otese que la condici
on (5.38) implica que
m = 0 no puede ser solucion de la ecuaci
on caracterstica. La solucion de (5.39) es inmediata:
B
m a1
a2
=
=
.
A
b1
m b2
(5.41)
Si la ecuaci
on caracterstica tiene dos soluciones m1 y m2 distintas8 , entonces (x(t), y(t)) =
m
(A1 , B1 ) e 1 t 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 captulo 10 de [Sim93].
8
La discusi
on detallada de los otros casos puede verse, por ejemplo, en el captulo 10 de [Sim93].
287
son dos soluciones distintas linealmente independientes del sistema (5.37). La solucion general de
este sistema es
x(t)
A1 m1 t
A2 m2 t
~r(t) =
= c1
e
+c2
e
y(t)
B1
B2
(5.44)
m
t
m
t
1
2
= c1 ~1 e
+c2 ~2 e ,
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)
I 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 termino 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
= m2 m 2 = 0.
2
2 m
(5.47)
(5.48)
Esta
es la ecuaci
on caracterstica. Sus races 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 ,
1 t
2 2t
x(t)
e ,
e +c2
=
= c1
2
1
y(t)
es decir
(5.49)
(5.50)
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 crtico (0,0) depender
a del tipo de las races caractersticas m1 , m2 . Pasemos a analizar todos los casos posibles.
Caso A. RAICES REALES Y DISTINTAS.
Caso A-1. Races reales, distintas y negativas: m1 < m2 < 0.
En este caso la solucion 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 que 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 solucion correspondiente y(x) es
una recta generada por el vector ~1 , es decir,
)
x(t) = c1 A1 em1 t
B1
y=
x,
(5.52)
A1
y(t) = c1 B1 em1 t
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 solucion 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)
(5.54)
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 crtico se comportan del modo
que acabamos de describir, decimos que el punto crtico es un nodo estable. En la figura
5.5 representamos el aspecto de las trayectorias en el plano de fases correspondientes
a este caso.
Caso A-2. Races reales, distintas y positivas: m2 > m1 > 0.
La discusion de este caso es identica a la del caso anterior y no la llevaremos a cabo.
La u
nica diferencia reside en que la direccion de las trayectorias en el plano de fases
es ahora justo la contraria a las del caso 1 (vease la figura 5.6). Este punto crtico se
llama nodo inestable.
289
\
\
% [$
% [$
[
\
% [$
% [$
y(t) = c1 B1 e
y=
B1
x,
A1
(5.55)
es decir, la trayectoria es una lnea 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
x,
(5.56)
y=
A2
es decir, la trayectoria es una lnea 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 6= 0 y c2 6= 0 las trayectorias vienen dadas por
y
c1 B1 em1 t +c2 B2 em2 t
=
.
x
c1 A1 em1 t +c2 A2 em2 t
(5.57)
Pero
B2
y
=
,
x
A2
y
B1
lm
=
,
t x
A1
lm
dado que m1 < 0 < m2 . Por tanto encontramos que las trayectorias son curvas
que vienen asintoticamente de la recta y/x = B1 /A1 (es decir, que tienden hacia
esta recta para t decrecientes) y tienden asintoticamente a la recta y/x = B2 /A2
con t creciente. A este tipo de punto crtico se le llama punto de silla (vease la
figura 5.7). Este punto es, por supuesto, inestable.
290
\
\
% [$
% [$
A2 y0 B2 x0
,
A1 B2 A2 B1
c2 =
A1 y0 B1 x0
.
A1 B2 A2 B1
291
292
a1 = b2 a 6= 0,
a2 = b1 = 0,
(5.60)
(5.61)
293
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
y
c1 B em t +c2 (B1 + B t) em t
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
lm =
B
,
A
B
,
A
294
[
\
%[$
Figura 5.11: Trayectorias en el plano de fases para un nodo con raz doble.
Naturaleza de las races
m1 y m2 de la ecuaci
on caracterstica.
Estabilidad
crtico.
Nodo.
Punto de silla.
Asint
oticamente estable si las
races son negativas; inestable
si las races son positivas.
Inestable.
Punto espiral.
Imaginarias puras.
Centro.
Nodo.
del
punto
Asint
oticamente estable si las
races son negativas; inestable
si las races son positivas.
Asint
oticamente estable si la
parte real de las races es negativa; inestable si la parte
real de las races es positiva.
Estable, pero no asint
oticamente estable.
En lo que se refiere a la estabilidad de los sistemas lineales, lo que hemos visto hasta ahora
puede resumirse as:
El punto crtico (0, 0) del sistema lineal (5.37) es estable si y s
olo si las dos races de
la ecuaci
on caracterstica tienen parte real no positiva y es asint
oticamente estable si y
s
olo si las dos races tienen parte real negativa.
Veamos, finalmente, otro modo de discriminar la estabilidad de los puntos crticos atendiendo
a los coeficientes de la ecuaci
on caracterstica. Si la ecuaci
on caracterstica 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 races m1 y m2 vienen dadas por
p
p p2 4q
m1
=
.
m2
2
LQHVWDEOHV
,1(67$%/(
)RFRV
HVWDEOHV
(67$%/(
)RFRV
295
$6,177,&$0(17(
&HQWURV
(67$%/(
1RGRVLQHVWDEOHV
1RGRVHVWDEOHV
,1(67$%/(
3XQWRVGHVLOOD
Figura 5.12: Diagrama que muestra los distintos comportamientos del punto crtico (0, 0) de un
sistema de ecuaciones lineales dependiendo de los valores de p y q. La lnea de puntos es una parabola
dada por la ecuacion q = p2 /4 que separa los focos de los nodos.
Es muy facil analizar la estabilidad del punto crtico en terminos de p y q. El resultado del
an
alisis se muestra en la figura 5.12. Por ejemplo, encontramos que el punto crtico (0, 0) es
asintoticamente estable si y s
olo si los coeficientes p = (a2 + b2 ) y q = a1 b2 a2 b1 de la ecuaci
on
9
caracterstica son ambos positivos.
B Ejercicio 5.3
1. En esta seccion hemos ido estableciendo sin demostraci
on, porque nos pareca evidente, cu
al era
la estabilidad del punto crtico (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 crtico aplicando cuidadosamente la definicion de estabilidad que vimos en la seccion 5.2.
2. Comprueba los resultados sintetizados en la figura 5.12.
3. Sea el sistema
d
X(t) = F X(t)
dt
con
X(t) =
y
F =
9
x(t)
y(t)
a1
a2
b1
b2
296
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
(5.62)
(5.63)
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 coeficientes
y
1
1
,
,
~2 =
~1 =
1
4
son sus correspondientes autovectores. Demuestra que la soluci
on nula [o punto crtico (0,0)] no
es estable.
c) Demuestra que la soluci
on general del sistema
dx
= x 2y,
dt
dy = x 3y,
dt
(5.65)
dx
= 3x + 2y,
dt
dy = 2x y,
dt
(5.66)
297
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 solucion nula son
los mismos que hemos visto en la secci
on anterior. De hecho, el resultado enmarcado en la pagina
294 es esencialmente valido para sistemas con m
as ecuaciones cambiando la palabra dos por
todas; es decir:
El punto crtico (0, 0, , 0) del sistema lineal (5.67) es estable si y s
olo si todas las
races de la ecuaci
on caracterstica tienen parte real no positiva y es asint
oticamente
estable si y s
olo si todas las races tienen parte real negativa.
Por supuesto, la ecuaci
on caracterstica viene dada por
a11 m
a12
a1n
a
a
a
21
22
2n
.................................
an1
an2
ann m
= 0.
(5.68)
298
dx
= F (x, y),
dt
(5.70)
dy = G(x, y).
dt
Adem
as, vamos a suponer (i) que el punto crtico esta aislado, es decir, que existe un entorno en
el que no hay ning
un otro punto crtico, y (ii) que esta situado en el origen.10
299
y
4
-4
-2
-2
-4
Figura 5.13: Campo vectorial de direcciones del sistema no lineal (5.72) y tres trayectorias solucion
(lneas continuas delgadas) que comenzaron en (x, y) = (3, 3), (x, y) = (2, 30 5) y (x, y) =
(3, 30 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 solucion que comenzaron en tres puntos distintos del plano de fases
(x, y). Se ve en la figura 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 facil 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 solucion 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 solucion 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 esta indicando el sentido en el que se traza la trayectoria
solucion. Este vector es justamente proporcional al vector ~v (x, y) definido en (5.71). Adem
as, la
300
0.4
0.2
-0.6
-0.4
-0.2
0.2
0.4
-0.2
-0.4
Figura 5.14: Campo vectorial de direcciones del sistema no lineal (5.72) en las vecindades del punto
crtico (0, 0).
magnitud de F (x, y) y G(x, y), y por consiguiente, el tama
no de la flecha ~v (x, y) que aparece en
el diagrama de fases, nos indica la rapidez con la que se recorre la trayectoria solucion en el punto
(x, y).
En resumen, una vez construido el campo vectorial de direcciones podemos trazar la trayectoria solucion que pasa por cualquier punto sin m
as que trazar una lnea que se dirija siempre en
la direccion en la que apuntan las flechas ~v (x, y) sobre las que pasa la trayectoria. Por supuesto,
esto es tanto m
as facil de llevar a cabo cuanto mayor sea el n
umero de flechas dibujadas. Por
ejemplo, no debera ser difcil para el lector continuar en la figura 5.13 con la trayectoria, trazada
con lnea 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 figura 5.13 es difcil apreciar como se comportan las trayectorias en las vecindades del
punto crtico 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 figura 5.14. Es
ahora evidente que el campo vectorial en las vecindades del punto crtico (0, 0) es el propio de
un punto de silla: (0, 0) es un punto inestable.
B Ejercicio 5.5
1. Excepto en los punto crticos, las trayectorias de los sistemas autonomos (5.37) nunca se cortan.
Sin embargo, esta propiedad no se verifica para sistemas no autonomos. Por que? Pista: si dos
trayectorias se cortaran en un punto en que direccion apuntara el vector del campo vectorial
situado sobre el punto de corte? se alineara con una trayectoria y no con la otra? es esto posible?
2. Determina cu
al de los campos vectoriales de la figura 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.
301
y
y
-3
-2
-1
-3
-2
-1
-1
-1
-2
-2
-3
-3
-2
-1
-3
-3
-2
-1
-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)
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:
(5.74)
302
2. f y g son funciones que tienen primeras derivadas parciales continuas para todo (x, y) y
adem
as
f (x, y)
g(x, y)
p
p
lm
=
lm
= 0.
(5.75)
(x,y)(0,0)
x2 + y 2 (x,y)(0,0) x2 + y 2
Bajo estas condiciones, el origen (0, 0) es un punto crtico aislado del sistema (5.73) que se conoce
como punto crtico simple.
I Ejemplo 5.5
Sea el sistema
dx
= x 2y + x2 ,
dt
dy
= 2x + 2y + 2y 2 .
dt
(5.76)
Adem
as, como f (x, y) = x2 y g(x, y) = 2y 2 , tambien se satisface la condici
on (5.75):
f (x, y)
x2
r2 cos2
p
p
= 0, para todo ,
=
lm
= lm
r0
r
(x,y)(0,0)
(x,y)(0,0)
x2 + y 2
x2 + y 2
2y 2
2r2 sen2
g(x, y)
p
p
=
lm
= lm
lm
= 0, para todo ,
r0
r
(x,y)(0,0)
(x,y)(0,0)
x2 + y 2
x2 + y 2
lm
donde hemos hecho el cambio (coordenadas polares) x = r cos , y = r sen . El punto crtico (0, 0) es, por
tanto, un punto crtico simple.
J
La condici
on (5.75) exige que los terminos no lineales del sistema (5.73) [es decir, f (x, y)
y g(x, y)] tiendan a cero m
as r
apidamente que los terminos lineales. Por tanto, parece sensato
conjeturar que el comportamiento de las trayectorias del sistema (5.73) cerca del punto crtico
(0, 0) este dominado por los terminos 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
terminos no lineales.11 La figura 5.16 puede servir para aclarar esta idea un poco m
as. En la figura
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 figura 5.16(b) se ha representado el
campo vectorial de direcciones en las vecindades del origen para el sistema lineal resultante al
despreciar los terminos 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 terminos no lineales f (x, y) y g(x, y) son
cuadraticos!] 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 solucion de ambos sistemas
en las vecindades de (0, 0) seran casi identicas. Esto implica que tanto para el sistema no lineal
303
-0.4
0.4
0.4
0.2
0.2
-0.2
0.2
0.4
-0.4
-0.2
-0.2
-0.2
-0.4
-0.4
(a)
0.2
0.4
(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 crtico (0, 0) sera del mismo tipo (en este ejemplo, es un punto
de silla) y su estabilidad sera la misma (en este ejemplo, el punto es inestable).
Al sistema resultante tras despreciar los terminos 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 confirmada por los siguientes teoremas:
Teorema 5.2 (Tipo del punto crtico) Sea (0, 0) un punto crtico simple de un sistema no lineal y
sean m1 y m2 las dos races caractersticas 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.
a desacoplado, (es decir no
3. Si m1 y m2 son reales e iguales y el sistema linealizado no est
sucede que a1 = b2 6= 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.
11
Esta misma idea fue la que usamos en el ejemplo 5.3 para analizar la estabilidad de las
orbitas planetarias
circulares.
304
I Ejemplo 5.6
Consideremos el sistema no lineal siguiente
dx
= x + 4y x2 ,
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 facil comprobar que se
satisfacen las condiciones (5.74) y (5.75), por lo que (0, 0) es un punto crtico simple. Esto significa
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 caracterstica (5.40) de este sistema es
1m
4
= m2 25 = 0,
6
1 m
con lo cual las races son m1 = 5 y m2 = 5, es decir, reales, distintas y de signo contrario. Entonces el
punto crtico (0, 0), seg
un el apartado A-3 de la pagina 289, es un punto de silla. Esto significa, seg
un el
teorema 5.2, que el punto crtico (0, 0) de sistema no lineal original (5.79) es tambien un punto de silla.
En la figura 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 solucion.
que proporciona la pendiente de las trayectorias en el plano de fases (x, y). La soluci
on de esta ecuacion
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 explcita:
x + x2 8 c + 25 x2 2 x3 + x4
.
(5.81)
y(x) =
4
En la figura 5.17 mostramos dos trayectorias soluci
on obtenidas ambas tomando c = 1 en (5.81), pero
en un caso (lnea inferior) usando la expresi
on con el signo positivo delante de la raz y en el otro (lnea
superior) tomando el signo negativo.
B Ejercicio 5.6
1. Traza, con buen pulso, algunas otras trayectorias del sistema (5.79) sobre la figura 5.17.
2. Resuelve el sistema algebraico
0 = x + 4y x2 ,
0 = 6x y + 2x y,
para demostrar que el origen (0, 0) es el u
nico punto crtico de (5.79).
306
I Ejemplo 5.7
Vamos a determinar el tipo y estabilidad de todos los puntos crticos de este sistema no lineal:
dx
= 8x y 2 ,
dt
dy
= 6y + 6x2 .
dt
Las coordenadas (x, y) de los puntos crticos han de satisfacer el sistema de ecuaciones algebraicas
(
8x y 2 = 0,
6y + 6x2 = 0.
(5.82)
(5.83)
Despejando la ordenada y, descubrimos que la abscisa x de los puntos crticos ha de ser soluci
on de la
ecuaci
on
x (2 x) (4 + 2x + x2 ) = 0.
Esta ecuaci
on posee u
nicamente dos races reales: x = 0 y x = 2. Las ordenadas y de los puntos crticos
se obtienen sustituyendo estas races en cualquiera de las ecuaciones del sistema (5.83). De este modo
obtenemos los puntos crticos P1 = (0, 0) y P2 = (2, 4).
An
alisis del punto crtico 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 facil darse cuenta que el sistema (5.82) tiene la forma del sistema (5.73) y que verifica las tres condiciones
(vease la pagina 301) que hacen que P1 = (0, 0) sea un punto crtico simple. Su ecuacion caracterstica
8m
0
= m2 2m 48 = 0,
0
6 m
tiene por races a m1 = 8 y m2 = 6, que son reales, distintas y de signo contrario, por lo que el punto
crtico 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 crtico P2 = (2, 4)
Vamos ahora a estudiar el tipo y la estabilidad del punto crtico 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)
= 8 8 2 ,
dt
(5.85)
d = 24 6 + 6 2 .
dt
Este sistema es de la forma (5.73), y es facil ver tambien ahora que el punto crtico (, ) = (0, 0) es un
punto crtico 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, 30 5).
que es el sistema linealizado asociado al sistema (5.85). La ecuaci
on caracterstica es
8m
8
= m2 2m + 144 = 0.
24
6 m
Sus races, m1,2 = 1 143 i, son complejas conjugadas con parte real positiva, por lo que, seg
un el
teorema 5.2, el punto crtico P2 = ( = 0, = 0) = (x = 2, y = 4) del sistema no lineal es un foco (o
punto espiral) inestable. En la figura 5.18 hemos representado el campo vectorial de las direcciones de las
trayectorias del sistema (5.82) junto con una trayectoria representativa.
J
Linearizacion 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 crtico (x0 , y0 ) es conveniente construir el sistema lineal asociado en torno a
este punto, o usando una terminologa habitual, que es conveniente linearizar el sistema (5.87)
308
en torno al punto crtico (x0 , y0 ). En el ejemplo anterior (5.7) hemos visto como proceder para hacer esto. Hay no obstante un procedimiento para linearizar un sistema que a menudo es
m
as conveniente debido a su simplicidad algebraica. Veamoslo. Definamos dos nuevas variables
independiente u y v (variables perturbativas) as: x = x0 + u, y = y0 + v. Sustituyendo estas
expresiones en (5.87) obtenemos:
d
du
(x0 + u) =
= F (x0 + u, y0 + v),
dt
dt
(5.88)
d (y + v) = dv = G(x + u, y + v),
0
0
0
dt
dt
du
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
Fx (x0 , y0 ) Fy (x0 , y0 )
u
=
dv/dt
Gx (x0 , y0 ) Gy (x0 , y0 )
v
donde la matriz
J(x, y) =
Fx (x, y) Fy (x, y)
Gx (x, y) Gy (x, y)
(5.91)
(5.92)
I Ejemplo 5.8
El punto crtico (0, 0) del sistema
dx
= y x2 ,
dt
dy = x,
dt
(5.94)
309
y
2
-1
-1
-2
-2
-2
-1
-2
-1
(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 [vease la figura 5.19(a)], mientras que el punto crtico (0, 0) del sistema
dx
= y x3 ,
dt
dy = x,
dt
(5.95)
es ahora un foco [vease la figura 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 crtico (0, 0) es un centro.
I Ejemplo 5.9
El punto crtico (0, 0) del sistema
p
dx
= y x x2 + y 2 ,
dt
p
dy = x y x2 + y 2 ,
dt
dx
= y,
dt
dy = x.
dt
(5.97)
310
Esto u
ltimo es facil de demostrar pues la ecuaci
on
m 1
1
m
caracterstica es
= m2 + 1 = 0,
y sus races 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 mas facil de
resolver expres
andolo en coordenadas polares (r, ). La relaci
on r2 = x2 + y 2 implica que
r
dr
dx
dy
=x
+y
dt
dt
dt
(5.98)
es decir
d(y/x)
dt
1 + (y/x)
dx
x dy
x2
dt y dt
x2 + y 2
x2
d
1
= 2
dt
r
dy
dx
x
y
dt
dt
(5.99)
dx
dy
dr
=x
+y
dt
dt
dt
h
i
h
i
p
p
= x y x x2 + y 2 + y x y x2 + y 2
= (x2 + y 2 )3/2
= r3 ,
es decir,
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
dy
dx
d
=x
y
dt
dt
hdt
i
h
i
p
p
= x x y x2 + y 2 y y x x2 + y 2
= 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
(5.100a)
(5.100b)
La soluci
on es inmediata:
1
,
t + 1/r0
= t + 0 ,
r=
(5.101a)
(5.101b)
311
y por tanto
1
cos[t + 0 ] ,
t + 1/r0
1
sen[t + 0 ] .
y(t) =
t + 1/r0
x(t) =
(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.
J
dx
= 2xy,
dt
(5.103)
dy = y 2 x2 ,
dt
y
dx
= x3 2xy 2 ,
dt
(5.104)
dy = 2x2 y y 3 .
dt
B Ejercicio 5.7
Traza algunas trayectorias de las soluciones de los sistemas (5.103) y (5.104) sobre la figura 5.20.
dx
= F (x, y),
dt
(5.105)
dy = G(x, y),
dt
12
312
-1
-1
-2
-2
-2
-1
-2
-1
(b)
(a)
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 funcion definida 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 funcion dE/dt evaluada sobre
la trayectoria C: [dE/dt]C . Esta funcion podemos expresarla as:
E dx
E dy
dE
=
+
E(x, y)
dt C
x dt C
y dt C
(5.106)
=
E
E
F+
G.
x
y
A E(x,
y) tambien 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:
definida positiva en R si E(x, y) > 0 para todo punto (x, y) 6= (0, 0) de R;
definida negativa en R si E(x, y) < 0 para todo punto (x, y) 6= (0, 0) de R;
semidefinida positiva en R si E(x, y) 0 para todo punto (x, y) 6= (0, 0) de R;
semidefinida negativa en R si E(x, y) 0 para todo punto (x, y) 6= (0, 0) de R.
I Ejemplo 5.10
Supongamos que n y m son dos n
umeros naturales (el 0 no est
a incluido). Entonces la funcion a x2 n +b y 2 m
es definida positiva si a, b > 0, o definida negativa si a, b < 0. En cambio, x2 n , y 2 n y (x y)2n son
semidefinidas positivas.
313
J
Sea E(x, y) una funcion 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 debil
de Liapunov del sistema (5.105) en R si, en esta regi
on R, es definida positiva y su velocidad de
cambio
E
E
E(x,
y) =
F+
G,
x
y
es semidefinida negativa. Si su velocidad de cambio es definida negativa, entonces decimos que
E(x, y) es una funci
on fuerte de Liapunov del sistema (5.105) en R .
Teorema 5.4 Si existe una funci
on debil de Liapunov E(x, y) para el sistema (5.105) en una
regi
on R que rodea al punto crtico (0, 0), entonces el punto crtico (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 crtico (0, 0),
entonces (0, 0) es asint
oticamente estable.
Puedes ver la demostraci
on de este teorema en el captulo 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
solucion de (5.105) sucede que E(x, y) siempre disminuye, es claro que al final (x(t), y(t)) acabar
a sobre (0, 0), que es el u
nico mnimo de E(x, y) (pues es una funcion definida positiva); esto
significa que el punto (0, 0) es hacia donde tienden todas las trayectorias y, por tanto, este punto
es (asintoticamente) 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 definida positiva si, y s
olo si,
a > 0,
b2 4ac < 0,
a < 0,
b2 4ac < 0.
Su demostraci
on es elemental.13
I Ejemplo 5.11
El sistema
dx
dt
dy
dt
= 2x y
= F (x, y),
= x2 y 3
= G(x, y),
314
Adem
as, su velocidad de cambio
E
E
E(x,
y) =
F+
G
x
y
= 2x (2x y) + 4y (x2 y 3 )
= 4x2 y + 4x2 y 4y 4
= 4y 4
es semidefinida negativa para todo (x, y), luego el punto (0, 0) es, al menos, estable.
J
I Ejemplo 5.12
Sea el oscilador
x
+ (x2 + x 2 )x = 0
o, en forma de sistema diferencial,
x = y
= F (x, y),
2
y = (x + y )x = G(x, y),
(5.107)
E(x, y) = ex (x2 + y 2 1) + 1
es una funcion de Liapunov del sistema (5.107). Para empezar, es claro que E(0, 0) = 0 y que E(x, y) es
definida positiva. Adem
as
E
E
E(x,
y) =
F+
G
x
y
2
= 2x ex (x2 + y 2 )y 2y ex (x2 + y 2 )x
=0.
y 2 = c ex +1 x2 .
En la figura 5.21 se ha representado el campo vectorial de las trayectorias del sistema (5.107) y dos
trayectorias particulares.
J
315
y
1.5
1
0.5
-1.5
-1
-0.5
0.5
1.5 x
-0.5
-1
-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 = 00 9 (curva interior).
I 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
dx
d2 x
+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 crtico. Vamos a proponer como funcion de Liapunov a la energa total del
oscilador:
1
1
E(x, y) = m y 2 + k x2 ,
2
2
que, evidentemente, es definida positiva. Su velocidad de cambio
E
E
F+
G=
E(x,
y) =
x
y
c
k
y =
= kxy + my x
m
m
= c y 2
es semidefinida negativa en todo el plano (x, y), lo que implica que la energa total es una funcion debil
de Liapunov en todo el plano. Por consiguiente podemos afirmar que (0, 0) es, al menos, estable.
316
Como (0, 0) es punto crtico de un oscilador amortiguado, sabemos que este punto es asint
oticamente
estable (pues la energa del oscilador decae hasta alcanzar su valor mnimo en (0, 0), lugar en donde el
oscilador se detiene), pero la funcion de Liapunov que hemos empleado no sirve para descubrir este hecho.
J
I Ejemplo 5.14
En este ejemplo aplicaremos el metodo 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, pagina 283, no es difcil ver que para F (r) = krn se verifica que
r2 = const `
(5.108)
`2
= g(r)
2 r3
(5.109)
y
r
donde
g(r) =
k n
r .
(5.110)
(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 perturbacion x introduciendo r = R + x en (5.109):
x
`2
= g(R + x).
2 (R + x)3
(5.112)
dt
`2
dx
g(R + x) G(x, x).
= 2
dt
(R + x)3
(5.113a)
(5.113b)
g(R + x)dx
`2
22 R2
(5.114)
317
dx
= F (x, y),
dt
(5.115)
dy = G(x, y),
dt
donde F y G y sus primeras derivadas parciales son continuas. Una solucion (x(t), y(t)) de (5.115)
es peri
odica si ninguna de las dos funciones x(t), y(t) es constante, si estan ambas definidas 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)
En la secci
on 8.11 del libro Din
amica cl
asica de las partculas y sistemas por J. B. Marion (Reverte, 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.
318
I 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 lmite. Para encontrarlo es mas 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
[veanse las ecuaciones (5.98) y (5.99)] que
r
dr
dx
dy
=x
+y
dt
dt
dt
y
1
d
= 2
dt
r
dy
dx
x
y
dt
dt
(5.118)
(5.119)
dx
dy
dr
=x
+y
dt
dt
dt
= x [y + x (1 r2 )] + y [x + y (1 r2 )]
= (x2 + y 2 ) (1 r2 )
= r2 (1 r2 ).
15
Estas afirmaciones son bastante evidentes. En todo caso, puede verse su justificaci
on detallada en la secci
on
13.4 de [Ros81].
16
La estabilidad de los ciclos lmite se describe m
as cuidadosamente en la p
agina 319.
319
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
la soluci
on de (5.120) es simplemente
dr
1
= ln
r(1 r2 )
2
r2
1 r2
1
,
r=
1 + a e2t
= t + 0 ,
(5.120a)
(5.120b)
(5.121a)
(5.121b)
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 lmite.
J
320
(a)
(b)
(c)
I Ejemplo 5.16
Hemos visto en el ejemplo 5.15 anterior que el sistema no lineal (5.117) posee un ciclo lmite 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 ecuacion
(5.121) se deduce facilmente que el ciclo lmite es estable pues todas las trayectorias de sus vecindades (de
hecho, todas las trayectorias) tienden a acercarse en forma de espiral al ciclo lmite pues r(t) 1 cuando
t para cualquier valor inicial de r.
Es instructivo observar que este resultado se podra haber deducido sin necesidad de resolver explcitamente
las ecuaciones (5.120). De hecho, un analisis cualitativo de la ecuaci
on (5.120a) hubiera bastado para
convencernos de la existencia de un ciclo lmite para r = 1. En la figura 5.23 se muestra como llevar a cabo
este analisis. En esta figura se ha dibujado la raz
on de cambio de la coordenada radial de la trayectoria,
dr/dt = r(1 r2 ), en funcion 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
mas proximos a 1. En resumen, cualquier trayectoria con un valor inicial r(0) 6= 0 tiende a acercarse a la
trayectoria con r = 1 que, por consiguiente, es un ciclo lmite estable.
J
B Ejercicio 5.9
1. Supon 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 lmite del nuevo
sistema.
2. Haz lo mismo si
dr
= r(1 r)2 .
dt
321
UU
GUGW
Figura 5.23: Velocidad de cambio dr/dt de la coordenada radial r de las trayectorias solucion del
sistema no lineal (5.117). Las flechas indican la direcci
on en la que r cambia.
Existencia de ciclos lmite
Como podemos saber si existe un ciclo lmite en el sistema (5.115)? Los siguientes resultados,
que no demostraremos17 , nos proporcionan una respuesta en ciertos casos.
Teorema 5.6 Toda trayectoria cerrada del sistema (5.115) debe rodear a un punto crtico.
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 Poincare-Bedixson) Sea R una regi
on acotada del plano de fases en la
que el sistema (5.115) no tiene puntos crticos. 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 reflexi
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 crtico de esta regi
on o tienden en espiral hacia una
trayectoria cerrada (ciclo lmite).
Teorema 5.9 (Teorema de Lienard) 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.
Rx
3. La funci
on impar F (x) = 0 f (x) dx cumple que:
17
Pueden consultarse las demostraciones en las referencias [Sim93, Ros81, JS87], por ejemplo.
322
d2 x
dx
+ f (x)
+ g(x) = 0
2
dt
dt
tiene una u
nica trayectoria cerrada (ciclo lmite) que rodea al origen y todas las dem
as trayectorias
tienden a ella en forma de espiral cuando t .
I Ejemplo 5.17
Veamos una aplicaci
on del teorema de Lienard. Sea la ecuaci
on de van der Pol
dx
d2 x
+ (x2 1)
+x=0
dt2
dt
con > 0.
En este oscilador
f (x) = (x2 1),
g(x) = x,
por lo que las condiciones 1 y 2 del teorema de Lienard se satisfacen claramente. Comprobemos ahora si
tambien se satisface la condici
on 3. Para ello hemos de calcular F (x):
F (x) =
(x2 1) dx =
x3
x = x (x2 3).
3
3
3, es positiva para
dF
= f (x) = (x2 1) > 0 si x > 3,
dx
y tambien cumple que F (x) cuando x . Se cumplen as todas las condiciones del teorema de
Lienard, por lo que concluimos que la ecuaci
on de van der Pol ha de tener un ciclo lmite. En la seccion 5.6
estudiaremos un par de metodos que nos permitir
an hallar una expresi
on aproximada de este ciclo lmite.
J
323
dx
= y,
d2 x
dx
dt
+
f
x,
=
0
dt2
dt
dy = f (x, y).
dt
(5.122)
n=0
An cos(nt) +
Bn sen(nt) .
(5.123)
n=1
(5.124)
(5.125)
(5.126)
(5.127)
324
y la funcion f (x, x)
se puede expresar en como un desarrollo en serie de Fourier:
dx
f x,
= f (c + A cos t, A sen t)
dt
= k(c, A, ) + g(c, A, ) cos t + h(c, A, ) sen t + a.o.s.
(5.128)
donde a.o.s. son armonicos de orden superior, es decir, terminos 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 coeficientes de la serie
de Fourier de la funcion f (x, x):
Z 2
1
k(c, A, ) =
f (c + A cos , A sen ) d,
(5.129)
2 0
Z
1 2
f (c + A cos , A sen ) cos d,
(5.130)
g(c, A, ) =
0
Z
1 2
h(c, A, ) =
f (c + A cos , A sen ) sen d,
(5.131)
0
donde t. Sustituyendo (5.126), (5.127) y (5.128) en la ecuaci
on diferencial cuya solucion
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 armonicos 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 aplicacion del metodo de Balance Armonico, y tambien 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 seran por tanto u
tiles cuando apliquemos estos metodos18 :
(2n 1)!!
,
2n n!
hcos2n1 i = hsen2n1 i = 0,
hcos2n i = hsen2n i =
(5.134)
f ()d.
18
(5.135)
325
I Ejemplo 5.18
En este ejemplo estimaremos el ciclo lmite del oscilador de van der Pol
x
+ (x2 1) x + x = 0,
0<1,
(5.136)
x
= A 2 cos t,
A, ) + g(c, A, ) cos t + h(c,
A, ) sen t + a.o.s.
(x2 1)x = k(c,
A, ), g(c, A, ) y h(c,
A, ) son los tres primeros coeficientes de la serie de Fourier de
Las funciones k(c,
0
0
g(c, A, ) =
= 0,
A, ) = 1
h(c,
0
0
2
A
= A
1 .
4
A2
1 sen t + a.o.s. = 0.
4
A(1 2 ) = 0,
2
A
1 = 0,
A
4
326
-3
-2
-1
-1
-2
-3
Figura 5.24: Campo vectorial de las trayectorias y ciclo lmite numerico (lnea punteada) del oscilador
de van der Pol para = 00 3. El ciclo lmite calculado mediante el metodo de balance armonico se ha
representado con una lnea 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 lmite distinto. En definitiva, el ciclo lmite que nos
proporciona el metodo de balance arm
onico viene dado por ecuaci
on (5.137). Un defecto obvio de este
resultado es que no depende de . En la figura 5.24 se compara este ciclo lmite aproximado con el que se
obtiene mediante integraci
on numerica cuando = 00 3. El resultado es relativamente bueno incluso para
este valor no demasiado peque
no de .
J
Hemos encontrado en el ejemplo 5.18 anterior que la constante c era nula. Podamos haber
previsto este resultado pues c sera 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 significa que la fuerza (o aceleracion
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 simetricas 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 podramos llamar de asimetra) debe ser nula para que
la solucion propuesta x(t) = c + A cos( t) sea simetrica con respecto a x = 0.
En las aplicaciones del metodo de balance armonico 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
327
u
tiles:
(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 =
I Ejemplo 5.19
Vamos a hallar una soluci
on aproximada mediante el metodo de balance arm
onico del oscilador
x
+ c3 x3 = 0.
(5.139)
Pero, por (5.138) sabemos que cos3 = 34 cos + a.o.s. (o, de forma exacta, cos3 =
modo que (5.141) se reduce a
3
2
2
+ c3 A A cos t + a.o.s. = 0
4
3
4
lo que implica
3
c3 A2 .
4
Esto significa que el metodo de balance arm
onico predice que las soluci
on de (5.139) es
3c3
x(t) = A cos
At ,
2
2 =
(5.143)
(5.144)
4
2
70 2552
=
.
'
c3 A
3c3 A
El oscilador (5.139) es uno de los pocos osciladores no lineales que tiene soluci
on analtica exacta, a saber,
x(t) = A cn(t, k 2 = 1/2)
(5.145)
c3 A
c3 A
donde K(1/2) ' 10 85407 es la integral elptica completa de primera especie con argumento 1/2. Vemos que
el periodo estimado mediante balance arm
onico difiere del exacto en poco mas de un dos por ciento. En la
figura 5.25 se comparan la soluci
on exacta y la proporcionada mediante el metodo de balance arm
onico.
El acuerdo es bueno.
19
328
x
1
0.5
8 t
-0.5
-1
Figura 5.25: Comparaci
on entre la solucion aproximada (5.144) (lnea discontinua) y la exacta (5.145)
(lnea continua) del oscilador x
+ x3 = 0 con condiciones iniciales x(0) = 1 y x(0)
= 0. Esta
condiciones iniciales implican la amplitud A = 1.
B Ejercicio 5.10
Halla mediante el metodo de balance arm
onico la soluci
on aproximada del oscilador
x
+ 3c2 x5 = 0.
Determina el periodo de oscilacion y comp
aralo con el valor exacto:
4 ( 67 ) 1
40 8573
T =
'
.
2
2
cA
cA2
( 3 )
I Ejemplo 5.20
La ecuaci
on de Rayleigh
x
1 x + 3 x 3 + 02 x = 0,
1 , 3 > 0 ,
(5.146)
describe un oscilador lineal con un termino que aporta energa a las oscilaciones, 1 x,
y otro que quita
energa 3 x 3 . Por este motivo no es difcil ver que deben existir oscilaciones automantenidas (ciclos lmite):
si el oscilador esta pr
oximo al reposo y por tanto x es cercano a cero, el termino que aporta energa es
superior al que la extrae pues |x|
|x 3 | si |x|
1; por otro lado, si el oscilador tiene mucha energa de
modo que su velocidad es alta, |x|
1, sucede que el termino que quita energa es muy superior al que
la a
nade pues entonces |x|
|x 3 |. En este ejemplo usaremos el metodo de balance arm
onico para estimar
este ciclo lmite.
Como la ecuaci
on de Rayleigh es invariante bajo el cambio x x, el desplazamiento x(t) ha de ser
simetrico 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 [vease (5.138)]
sen3 x =
1
3
sen x sen 3x
4
4
329
se obtiene
2
A cos t + 1 A sen t 3 A
3
1
sen t + sen 3t + 02 A cos t = 0
4
4
(5.148)
es decir
3
2 A cos t + 1 A sen t 3 3 A3 sen t + 02 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 mas bajos se
obtiene la frecuencia y amplitud A del ciclo lmite:
2 = 02 ,
41
A2 =
.
302 3
(5.150)
(5.151)
Un ejemplo curioso de un sistema fsico 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 posicion de equilibrio cuando se sumerge en un vaso de agua pura. M. Okamura y K. Yoshikawa
(Physical Review E, volumen 61, paginas 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 + 10 2 108 x 3 + 7x = 0
(5.152)
donde las unidades empleadas son las del sistema cegesimal (x en centmetros y t en segundos). Si usamos
la relaci
on (5.151), encontramos que la amplitud de oscilacion del oscilador salino sera
r
4 56
' 3 104 cm = 3m.
A=
3 7 10 2 108
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 que la predicci
on no es mejor? Debe observarse
que en el oscilador experimental el par
ametro 3 = 10 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 80 7 sen 3t. Resulta que
0
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 figura 5.26 se representa la soluci
on de (5.152) en el plano de fases. El ciclo lmite es muy
diferente de una figura ovalada lo que nos indica que una soluci
on aproximada de la forma x(t) = A cos t
nunca podra representar adecuadamente el ciclo lmite del oscilador (5.152).
En cambio, el ciclo lmite de (5.146) con 1 = 3 = 1 es una figura muy parecida a un ovalo lo que nos
anuncia que en este caso la soluci
on
(5.151) debe describir adecuadamente el ciclo lmite. De hecho, de
un el metodo de balance arm
onico, el ciclo lmite
(5.151) se deduce A ' 00 44 y = 7, por lo que, seg
viene descrito por
0
0
x(t)
330
v
0.00075
0.0005
0.00025
-0.002 -0.001
-0.00025
0.001
0.002
-0.0005
-0.00075
Figura 5.26: Ciclo lmite (lnea cerrada externa) del oscilador de Rayleigh (5.152) donde v x.
v
1
0.5
-0.4
-0.2
0.2
0.4
-0.5
-1
Figura 5.27: Ciclo lmite (lnea cerrada externa) del oscilador de Rayleigh (5.146) con 1 = 3 = 1,
02 = 7 y donde v x.
0 < 1.
(5.155)
Si = 0, la solucion de (5.155) es
x(t) = A cos( t + ) ,
(5.156)
x(t)
= A sen( t + ) ,
(5.157)
y su derivada es
donde la amplitud A y la fase son constantes. Si 0 < 1, es razonable pensar que la solucion
de (5.155) sera formalmente muy parecida a la de (5.156), aunque ya no debemos esperar que
21
331
(5.158)
donde A(t) y (t) se determinan imponiendo que (5.158) sea solucion de (5.155). Pero esta
condici
on no sera en general suficiente para determinar unvocamente 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 verifique la relaci
on
dx
= A(t) sen( t + (t)).
dt
(5.159)
En definitiva, A(t) y (t) han de ser dos funciones que hagan que:
1. x(t) = A(t) cos( t + (t)) sea solucion de (5.155).
2. La derivada con respecto al tiempo de la solucion propuesta, ecuaci
on (5.158), venga dada
por (5.159).
Veamos que ecuaciones han de satisfacer A(t) y (t) para que se verifiquen 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)
(5.162)
(5.163)
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
A cos A sen = 0,
(5.164)
(5.165)
22
Esta condici
on se justifica (a posteriori) por contribuir a que las ecuaciones diferenciales sobre A(t) y (t) que
se obtienen m
as adelante [veanse las ecuaciones (5.170)] sean suficientemente simples.
332
es decir,
(5.167)
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):
A = f (A cos , A sen ) sen ,
(5.170)
= f (A cos , A sen ) cos .
A
La resoluci
on exacta de este sistema conducira a unas funciones A(t) y (t) tales que, sustituidas
en (5.158), nos proporcionaran la solucion exacta de la ecuaci
on (5.155). Pero el sistema (5.170)
es generalmente muy complicado y no se conoce como resolverlo de forma exacta. As que nos
conformaremos con resolverlo de un modo aproximado siguiendo las ideas de Krylov y Bogoliubov.
Para empezar, desarrollamos terminos 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)
En la primera aproximaci
on del metodo de Krylov-Bogoliubov se desprecian los efectos de los
armonicos de orden superior que aparecen en (5.171), de modo que nos limitamos a resolver el
sistema
A = K0 (A),
(5.172)
= P (A),
0
A
333
Z 2
(5.173)
Este sistema es m
as facil de resolver que la ecuaci
on original y que el sistema (5.170). Sin embargo,
su solucion A(t) y (t) sustituida en (5.158) conduce a que x(t) = A(t) cos(t + (t)) sea s
olo
una solucion aproximada. Esta es la solucion aproximada que proporciona el metodo de KrylovBogoliubov en su primera aproximacion. Pueden construirse aproximaciones de orden superior
[Mic81], pero no las estudiaremos aqu.
I Ejemplo 5.21
Como ejemplo sencillo en donde ilustrar el metodo 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 metodo de Krylov-Bogoliubov. La ecuacion 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 metodo 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
Z 2
f (A cos , A sen ) sen d
2 0
Z 2
(A sen ) sen d
=
2 0
Z 2
A
sen2 d =
A
,
=
2
2
0
A =
Z 2
=
f (A cos , A sen ) cos d
2 A 0
Z 2
=
(A sen ) cos d
2 A 0
Z 2
sen cos d = 0 .
=
2 0
Resolviendo estas dos ecuaciones diferenciales, es decir, resolviendo
A = A ,
2
= 0,
obtenemos
334
t/2
cos
"r
#
2
1 t + (0) .
4
B Ejercicio 5.11
1. Demuestra que si en la primera ecuaci
on de (5.173) la funcion f no depende de la velocidad, es decir,
si f (x, x)
= f (x), entonces K0 (A) = 0 para todo A y por tanto A = 0. Esto implica que cualquier
amplitud de oscilacion 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 energa 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.
(5.174)
t
P0 (Ac )
Ac
(5.175)
(5.176)
que da lugar a una trayectoria cerrada (xc (t), x c (t)) en el plano de fases.
Es bastante facil determinar la estabilidad de un ciclo lmite mediante el metodo de KrylovBogoliubov: basta con analizar el modo en el que A se anula en Ac . Si A < 0 (es decir, A decrece)
23
Por supuesto, estamos asumiendo que los ciclos lmite existen: acabamos de ver en el ejemplo 5.11 que si
K0 (A) = 0 para todo A, lo que tenemos son infinitas soluciones peri
odicas que no est
an aisladas y que por
consiguiente no son ciclos lmite.
335
A
( /
)K (A)
0
( / )K (A)
0
(b)
(a)
en la zona donde A < Ac y A > 0 (es decir, A crece) en la zona con A > Ac , vemos que A se
aleja de Ac , es decir, el ciclo lmite es inestable:
A < Ac A < 0A decrece
A > Ac A > 0A crece
Esto es equivalente a decir que
dA
dA
>0
(5.177)
(5.178)
Ac
<0
Ac
(5.180)
336
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: notese que el sistema
sera lineal con coeficientes constantes si no fuera por la presencia de dos terminos 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 fsico tan complicado como el calentamiento
desde abajo de una capa de fluido; sistema en el que, como hemos hecho notar anteriormente, el
fluido bien permanece inmovil bajo ciertas condiciones, bien se mueve de forma periodica, o bien
se agita de modo turbulento.
Las variables x, y, z del sistema estan ligadas con magnitudes fsicas: x esta relacionada con
la velocidad del fluido, y con la diferencia de temperatura en la direccion horizontal, y z con la
diferencia de temperatura en la direccion vertical. Los par
ametros , r y b son reales y positivos.
24
337
Los par
ametros y b dependen del tipo de fluido (de su conductividad termica 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
Calculo de los puntos crticos
Para analizar este sistema (dentro de nuestra posibilidades) y empezamos localizando los
puntos crticos. En los puntos crticos 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 crticos 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 facil 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 solucion 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
p
p
y = b (r 1).
x = b (r 1),
Por consiguiente, si r > 1, hay tres puntos crticos:
P1 = (0, 0, 0),
p
p
P2 =
b (r 1) , b (r 1) , r 1 ,
p
p
P3 = b (r 1) , b (r 1) , r 1 .
(5.184)
Si r 1, entonces s
olo existe el punto crtico P1 = (0, 0, 0).
Estabilidad de los puntos crticos
Una vez hallados los puntos crticos, analizaremos su estabilidad para as conocer el comportamiento de las trayectorias solucion del sistema en sus vecindades.
Punto crtico 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
El par
ametro es el n
umero de Prandtl y r es el n
umero de Rayleigh
(5.185)
338
cuya ecuaci
on caracterstica
m
0
r
1 m
0
0
0
b m
tiene por solucion a
= (b + m) [m2 + ( + 1) m (r 1)] = 0,
m1 = b,
1
m2 = ( + 1) +
2
1
m3 = ( + 1)
2
(5.186)
1p
( + 1)2 + 4 (r 1),
2
1p
( + 1)2 + 4 (r 1).
2
Por tanto, la estabilidad del punto crtico P1 depende del valor de r. Si r < 1, las tres races seran
negativas (o tendr
an parte real negativa) y el punto crtico sera estable. Pero si r > 1, m1 y m2
son negativas y m3 se vuelve positiva, provocando que el punto crtico P1 se torne inestable (es
un punto de silla). Si ocurriera que r = 1, nos encontraramos en un caso fronterizo con m1 = b
y m2 = m3 = 0. En resumen:
r<1
r>1
m1 , m2 , m3 < 0
P1 es estable,
m1 , m3 < 0, m2 > 0 P1 es inestable.
p
p
Punto crtico 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
du
= u + v,
dt
dv
= u v x0 w,
dt
dw = y u + x v b w,
0
0
dt
siendo su ecuaci
on caracterstica
m
+
0
1
1 m
x0
y0
x0
b m
es decir,
(5.187)
= 0,
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 aqu26 ), o
bien mediante la aplicacion directa del criterio de Hurwitz (vease la secci
on 5.3.2, pagina 297),
es posible llegar a la conclusi
on de que las tres races de la ecuaci
on caracterstica tienen parte
real negativa si
( + b + 3)
r < rc
.
(5.189)
b1
Para r > rc hay una raz negativa y otras dos complejas conjugadas con parte real positiva. Esto
significa que P2 es estable si r < rc e inestable si r > rc .
p
p
Punto crtico P3 = b (r 1) , b (r 1) , r 1 (x0 , y0 , z0 )
Procedemos con este punto de igual modo que con el punto crtico P2 , obteniendo, tras hacer
la oportuna traslacion 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 caracterstica (5.188). Por consiguiente, el
an
alisis llevado a cabo para P2 es igualmente valido para P3 .
En resumen:
r < rc P2 y P3 estables,
r > rc P2 y P3 inestables.
B Ejercicio 5.13
Demuestra mediante la aplicaci
on del criterio de Hurwitz (vease la seccion 5.3.2, pagina 297) que la
ecuaci
on caracterstica (5.188) tiene tres races con parte real negativa si r < rc .
Hacia d
onde van las trayectorias?
Ya que P1 , P2 y P3 son inestables para r > rc (suponiendo que rc 1), podramos pensar
que las trayectorias de la solucion en el espacio de fases deben irse a infinito, pero es facil darse
cuenta de que esto no sucede, tal como mostraremos a continuaci
on.
26
340
Sea D(t) la distancia de la solucion (x(t), y(t), z(t)) al punto fijo (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
dz
dy
dx
+ (z r )
+y
=x
dt
dt
dt
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 solo no tienden al infinito sino que
tienden a reducir la distancia D(t), es decir, a acercarse hacia valores mas peque
nos de (x, y, z).
Entonces, hacia donde van las trayectorias? Podramos pensar que quizas se dirijan hacia una
soluci
on periodica cerrada (ciclo lmite o toro atractivo), pero se puede demostrar [Str94] que tal
cosa no es posible (de hecho las trayectorias son muy irregulares, vease la figura 5.30). Entonces hacia d
onde van las trayectorias? Puede verse numericamente que las trayectorias soluci
on
tienden en el espacio de fases hacia una figura geometrica con aspecto de mariposa, llamada mariposa de Lorenz (vease la figura 5.29), que es una estructura fractal cuya dimension no es entera,
es decir, no es una lnea, no es una superficie, no tiene volumen, su estructura es infinitamente
intrincada, es un atractor extra
no.
Este comportamiento caotico 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 lmite estable. En general existen
intervalos de valores de r en donde las soluciones son caoticas, otros en donde tienden a ciclos
lmites, otros en donde tienden a puntos fijos estables y otros en donde los atractores extra
nos y
los ciclos lmite se alternan de un modo extraordinariamente complicado.27
Sensibilidad a las condiciones iniciales
En las ecuaciones de Lorenz condiciones iniciales arbitrariamente proximas dan lugar, si se
espera lo suficiente, a soluciones completamente distintas (vease la figura 5.30) que, sin embargo,
deambulan trazando las alas de la mariposa por la region acotada que es el atractor extra
no
(vease la figura 5.31).
I Ejemplo 5.22
Una de las caractersticas mas sorprendentes del comportamiento ca
otico es que puede surgir en sistemas
no lineales con dimension baja, es decir, con un n
umero peque
no de variables independientes. Se sabe que
para que en un sistema autonomo se de 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
mnimo de variables posibles y que ademas es bastante simple. Una pregunta que podramos hacernos es si
es posible encontrar un sistema caotico a
un mas simple que el de Lorenz. Esta pregunta ha sido respondida
afirmativamente por J. C. Sprott en su artculo Some simple chaotic flows, Physical Review E, 50 (1994)
R467.28 Sprott encontro 19 sistemas caoticos que son m
as sencillos que el de Lorenz bien porque contienen
27
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 artculo 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
341
dx
= yz,
dt
dy
= x y,
dt
dz = 1 xy.
dt
(5.190)
Sin duda es bien simple: cinco terminos, dos de ellos no lineales. En la figura 5.32 se muestra el aspecto
del atractor extra
no de este sistema.
J
342
50
25
0
-25
100
75
50
25
0
-20
0
20
343
x
15
10
5
t
5
10
15
20
25
-5
-10
-15
Figura 5.30: x frente a t para dos soluciones de las ecuaciones de Lorenz con condiciones iniciales
muy proximas cuando = 10, r = 28 y b = 8/3. La lnea discontinua es la solucion para la condicion
inicial (x(0), y(0), z(0)) = (5, 5, 5), y la lnea continua representa la solucion para (x(0), y(0), z(0)) =
(50 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: Solucion numerica 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) (lnea continua) y (x(0), y(0), z(0)) = (50 0001, 5, 5)
0
(lnea punteada). Para este sistema
p rc = ( +
pb + 3)/( b 1) 240 7 < r0 y los puntos crticos,
aparte del origen, son C = ( b (r 1), b (r 1), r 1) (8 5, 8 5, 27), y aparecen en
la figura representados por dos puntos en el interior de las alas de la mariposa. Ambas trayectorias
siguen inicialmente caminos muy proximos, pero, tras cierto tiempo no muy grande, acaban trazando
trayectorias completamente distintas.
344
-4
2
0
-2
-2
0
2
4
0
-2
-4
Figura 5.32: Solucion numerica del sistema (5.190) para las condiciones iniciales (x(0), y(0), z(0)) =
(1, 2, 4). La solucion 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 funcion de los valores que tome el par
ametro real .
5.3. Clasifica, seg
un el valor de , el punto de reposo del sistema
x = 3x + y ,
y =2x + y.
y = 2y z ,
z = y z .
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 races es nula. Analiza la estabilidad del punto fijo (0, 0).
5.6. Demuestra que el diagrama de fases de todos los sistemas lineales de dos ecuaciones de
primer orden con raz nula doble es equivalente al del sistema
x = x sy ,
1
y = x y ,
s
con s 6= 0 arbitrario. Comprueba que la solucion 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 fijo (0, 0).
5.7. En este ejercicio queremos analizar la evolucion 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 evolucion 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
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 vendra dada por
dR
= aR + bJ ,
dt
dJ
= bR + aJ ,
dt
y = 1 xy.
Dibuja en el plano de fases (x, y) las trayectorias solucion en las vecindades de los puntos
crticos.
5.9. Sea el sistema no lineal
x = 6x y + x2 ,
y = x + 2y + y 2 .
a) Halla el tipo de punto crtico y la estabilidad del punto (0, 0) en funcion del valor de
.
5.8 Problemas
347
b) Dibuja de forma aproximada las trayectorias solucion en las vecindades de este punto
para = 21 y = 0.
c) Sea = 0. Demuestra que (x, y) = (6, 0) es un punto crtico 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 evolucion de la poblacion x de una
especie (presas) que es cazada por otra especie (predadores) cuya poblacion es y.
a) Discute la adecuaci
on del sistema anterior a la descripci
on del sistema predador-presa
e interpreta el significado de los coeficientes a, c, y .
b) Halla los puntos crticos 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 crticos.
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
= 1 x 1 x2 1 xy ,
dt
dy
= 2 y 2 y 2 2 xy ,
dt
con 1 > 0, 2 > 0, 1 > 0, 2 > 0, 1 > 0, 2 > 0, son ecuaciones de tipo LotkaVolterra que pretenden describir la competicion de dos especies (digamos conejos y ovejas),
con poblacion x e y, que, en un ecosistema dado, comparten un mismo alimento (hierba)
presente en cantidades limitadas. En lo que sigue supon 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 significado de los coeficientes 1 , 2 , 1 , 2 , 1 , 2 .
b) Halla los puntos crticos 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 crticos.
c) Haz un esquema de las trayectorias en el espacio de fases.
5.12. Demuestra que la solucion nula de la ecuaci
on de van der Pol
x
+ (x2 1)x + x = 0,
|| 1 ,
348
(a)
(b)
(c)
x = x 2y 2 ,
y = xy y 3 .
x = y x(x2 + y 2 ) ,
y = x y(x2 + y 2 ) .
x = x + y xy 2 ,
y = 2x y x2 y
(5.191)
(5.192)
(5.193)
5.8 Problemas
349
(5.194)
En lo que sigue supon que g() = 1 y que f (r, ) = f (r) es una funcion continua.
a) Si f (r) tiene n ceros, demuestra que el sistema (5.194) tiene un punto fijo y n soluciones
peri
odicas (ciclos lmite) 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 lmite en funcion del signo de f (r)
entre los ceros.
b) Supon que f (r) es un polinomio (digamos de grado dos) que pasa por r = 1 y r = 2.
Obten el sistema no lineal dado por (5.194) cuyos ciclos lmite son (cos t, sen t) y
(2 cos t, 2 sen t).
c) Supongamos que f (r) = 0 para todo r. Significa esto que hay un ciclo lmite para
todo r?
d ) Bajo que condiciones es lineal el sistema (5.194)? Utiliza el sistema equivalente en
polares para demostrar que bajo esas condiciones el sistema (5.194) no puede tener
ciclos lmite?
e) Usando tanto la representaci
on polar como la cartesiana, determina cu
ando es estable
el punto crtico (x = 0, y = 0).
5.20. Encuentra soluciones aproximadas mediante el metodo de balance armonico de:
a) x
+ x 61 x3 = 0, y compara con la relaci
on frecuencia-amplitud exacta del pendulo:
2 = 1
A2
5A4
+
+ O(A6 ).
8
1536
b) x
+ sen(x) = 0, y compara con la relaci
on frecuencia-amplitud exacta del pendulo.
c) x
+ sgn(x) = 0, donde la funcion signo sgn(x) se define 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.
e) x
x + x3 = 0 con 0 < .
f) x
+ x x2 = 0 con 0 < .
350
g) x
+ x + (x + xn ) = 0, donde n es un n
umero natural (n = 0, 1, 2, . . .)
Captulo 6
6.1. Introduccion
Al comienzo del tema dedicado a las ecuaciones diferenciales no lineales nos preguntabamos
si su importancia se corresponda con la atencion que le bamos a dedicar. La respuesta fue un no
rotundo debido a que las ecuaciones diferenciales no lineales aparecen en la descripcion de un gran
n
umero de problemas de la Ciencia e Ingeniera. 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 fsicos pueden en muchos casos reducirse a ecuaciones
diferenciales. No obstante, hay muchos problemas importantes en la Ciencia problema de la dispersi
on en Mecanica Cuantica, ecuaci
on de evolucion de la funcion de distribucion de velocidades
o ecuaci
on de Boltzmann, estructura de lquidos que se expresan de forma natural en terminos
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 superposicion (integracion) de estas causas. Un ejemplo
sera el calculo de la distribucion de carga electrica (~r) en una regi
on del espacio a partir del
conocimiento del potencial electrico V (~r) que produce:
V (~r) =
(~r 0 )
d~r 0 .
|~r ~r 0 |
352
(6.1)
donde:
g(x) es una funcion 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 simplificar la exposicion y que puede ser cero o
uno.
En lo que sigue, salvo especificaciones m
as detalladas que hagamos en su momento, supondremos
generalmente que el n
ucleo k(x, y) es una funcion 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
Z bZ
a
(6.2)
La ecuaci
on integral puede escribirse de un modo m
as compacto en terminos de operadores
b
k + g = } ,
donde b
k es el operador integral definido por
b
k =
(6.3)
dy k(x, y) (y).
(6.4)
(6.5)
Si } = 1, la ecuaci
on es de Fredholm de segunda especie:
(6.6)
Si en la ecuaci
on tambien 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.
353
(6.7)
La ecuaci
on es inhomogenea si g(x) 6= 0.
Si k(x, y) = 0 para y > x, la ecuaci
on es de Volterra:
Z x
dy k(x, y) (y) + g(x) = } (x).
(6.8)
(6.9)
es una ecuaci
on inhomogenea de Volterra de primera especie y
Z x
dy k(x, y) (y) + g(x) = (x)
(6.10)
es una ecuaci
on inhomogenea de Volterra de segunda especie.
En este captulo nos vamos a dedicar en exclusiva al estudio de ecuaciones integrales lineales.
Las ecuaciones integrales no lineales son muchsimo m
as complicadas y generalmente requieren
tecnicas muy especficas.
I Ejemplo 6.1
En la teora de lquidos, la funcion de distribuci
on radial (r) es una funcion esencial porque contiene informacion sobre la estructura de los lquidos y permite la estimacion de diversas magnitudes termodin
amicas
de los mismos.2 Algunas de las teoras mas fructferas para determinar la funcion de distribuci
on radial
(r) conducen a ecuaciones integrales para (r). Por ejemplo, para un lquido formado por partculas que
interaccionan mediante un potencial u(r), la funcion (r) vendra descrita en la teora de Percus-Yevick
por la siguiente ecuaci
on integral (ecuaci
on de Ornstein-Zernike):
Z
(r) = 1 + c(r) + [(r0 ) 1] c (|~r ~r 0 |) d3~r 0
(6.11)
donde (ecuaci
on de cierre de Percus-Yevick)
log (r) +
2
u(r)
= log[(r) c(r)]
kT
(6.12)
Vease, por ejemplo, el captulo cuatro del libro States of matter, de D. L. Goodstein (Dover, Nueva York,
1985).
354
dy B(y)(y) +
dy G(y).
(6.14)
(6.13)
(6.15)
la ecuaci
on (6.14) se reduce a
x
a
dy A0 (y) B(y) (y) +
dy G(y).
(6.16)
Esta ecuaci
on puede simplificarse si usamos la relaci
on
Z x
Z x Z t
dy (x y) (y),
dy (y) =
dt
a
(6.18)
(6.19)
(6.20)
(6.21)
355
Esto significa que ambos miembros de (6.18) difieren, como mucho, en una constante C, es decir,
Z x
Z x Z x
dy (x y)(y)dy + C.
(6.22)
dy (x) =
dt
a
Escribiendo
Z x
0
dy (x y)G(y),
g(x) = (a) + A(a)(a) (x a) +
a
0
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
Z x
dy k(x, y)(y).
(x) = g(x) +
(6.24)
(6.25)
I Ejemplo 6.2
Queremos hallar la ecuaci
on integral equivalente al oscilador lineal
00 (x) + 2 (x) = 0
(6.26)
0 (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
Z x
(y x)(y)dy.
(6.28)
(x) = 1 +
0
B Ejercicio 6.1
Rx
Demuestra derivando (x) = x + 0 (y x)(y)dy dos veces que esta ecuaci
on integral es equivalente a la
ecuaci
on diferencial 00 (x) + 2 (x) = 0 con las condiciones iniciales (0) = 0, 0 (0) = 1.
J
356
I Ejemplo 6.3
En este ejemplo queremos hallar la ecuaci
on diferencial equivalente a la ecuacion integral de Fredholm de
segunda especie
Z 1
k(x, y)(y)dy
(6.29)
(x) = 2
0
con n
ucleo
(
y(1 x) ,
k(x, y) =
x(1 y) ,
y x,
y x.
Esta ecuaci
on integral se puede escribir as:
Z
Z x
k(x, y)(y)dy + 2
(x) = 2
0
= 2 (1 x)
(6.30)
k(x, y)(y)dy
y (y) dy + 2 x
(1 y) (y) dy .
(6.31)
y (y) dy + 2 (1 x) x(x) + 2
y (y) dy + 2
(1 y) (y) dy 2 x (1 x) (x)
(1 y) (y) dy.
(6.32)
Esta ecuaci
on no tiene forma de ecuaci
on diferencial (es una ecuaci
on integro-diferencial). Pero si derivamos
una vez mas ya encontramos una ecuaci
on diferencial:
00 (x) = 2 x (x) 2 (1 x) (x)
= 2 (x).
(6.33)
357
n
ucleo la funcion de Green del problema de condiciones de contorno diferencial. Sin embargo, la
transformacion inversa no es siempre posible: hay ecuaciones integrales sin ecuaci
on diferencial
equivalente.
En el resto del captulo nos dedicaremos a exponer tecnicas de resoluci
on relativamente elementales de ecuaciones integrales lineales. Por supuesto, una de ellas consistira en transformar
la ecuaci
on integral en una ecuaci
on diferencial equivalente. Esto se vera especficamente en la
secci
on 6.9, pagina 382.
n
X
i (x) i (y)
(6.35)
i=1
con n finito.
I 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 .
J
I Ejemplo 6.5
Queremos hallar la soluci
on de la ecuaci
on integral
Z 1
dy (x y 2 + x2 y) (y).
(x) = x +
(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 inhomogenea de Fredholm de segunda especie con n
ucleo separable.
La ecuaci
on (6.36) podemos escribirla as:
Z 1
Z 1
2
2
dy y (y).
dy y (y) + x
(x) = x + x
(6.37)
Si definimos
c1 =
dy y 2 (y),
(6.38)
dy y (y),
(6.39)
c2 =
358
la ecuaci
on (6.37) se reduce a
(x) = x + x c1 + x2 c2 .
(6.40)
Z 1
1 1
1
dy y 2 (y + c1 y + c2 y 2 ) = + c1 + c2 ,
c
=
1
4
4
5
0
(6.41)
Z 1
1 1
1
dy y (y + c1 y + c2 y ) = + c1 + c2 ,
c2 =
3 3
4
0
Resolviendo mediante la regla de Cramer obtenemos
1
15
4
1
3 1 14
c1 =
1
1
1 4 5
31 1 14
1 1 1
4
4
1
31
3
c2 =
1
1
4
5
1
3 1 14
60 +
=
,
240
120 2
80
=
.
240
120
2
(x) = x +
(6.42)
La ecuaci
on integral no homogenea 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.
J
i=1
(6.44)
n
X
j=1
cj j (x).
(6.45)
359
(6.46)
j=1
Este es un sistema algebraico de n ecuaciones y n incognitas (las incognitas son las constantes ci ,
por supuesto). Una vez resuelto el sistema, las soluciones ci se sustituyen en (6.45) y obtenemos
la solucion (x) de la ecuaci
on integral (6.43).
Podemos escribir el sistema de ecuaciones (6.46) de un modo m
as compacto
c i = bi +
n
X
j=1
aij cj bi =
n
X
j=1
(ij aij ) cj ,
(6.47)
donde
bi
aij
dy i (y)g(y),
dy i (y) j (y),
(6.48)
(6.49)
sea distinto de
es la solucion 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. Ecuacion de segunda especie homogenea con nucleo degenerado: autovalores y autofunciones
Si la ecuaci
on integral de Fredholm es homogenea, es decir, si g(x) = 0, el sistema (6.47) o
(6.48) correspondiente a esta ecuaci
on integral es tambien homogeneo:
0 = [1 a
] c.
(6.50)
En este caso s
olo existir
a solucion c distinta de la trivial ci = 0 para todo i si el determinante de
los coeficientes del sistema algebraico es nulo, es decir, si
] = |1 a
| = 0.
det[1 a
(6.51)
Esta es la ecuaci
on caracterstica del sistema. Las p races i de esta ecuaci
on, con 1 p n, son
los u
nicos valores que hacen que la ecuaci
on integral tenga solucion distinta de la trivial. Estos
valores son justamente los autovalores del operador b
k, pues notese que la ecuaci
on integral de
3
Fredholm homogenea
Z b
dy k(x, y) (y) = (x)
360
Diremos entonces que i son los autovalores4 del kernel k(x, y). La solucion, o soluciones, de la
ecuaci
on homogenea con = i son las autofunciones i (x) del n
ucleo k(x, y).
I Ejemplo 6.6
Consideraremos la ecuaci
on homogenea del anterior ejemplo 6.5, pagina 358,
Z 1
dy (x y 2 + x2 y) (y).
(x) =
0
La soluci
on ahora es casi igual que la (6.40), excepto por el termino no homogeneo que ahora est
a ausente:
(x) = x c1 + x2 c2 .
(6.52)
Por consiguiente las constantes c1 y c2 han de satisfacer el sistema [comparese con el sistema (6.41)]
1
1
1
1
1 c1 c2 = 0 ,
c1 = c1 + c2
4
5
4
5
(6.53)
1
1
c2 = 1 c1 + 1 c2
c1 + 1 c2 = 0 .
3
4
3
4
Para que este sistema tenga soluci
on distinta de la
1
1
1
4
5
1
1
1
3
4
= 0.
=1
2
240
(6.54)
Esta es la ecuaci
on caracterstica del sistema. Sus soluciones son 1,2 = 6016 15. N
otese que la ecuacion
homogenea tiene soluci
on justamente para los valores de para los que la ecuacion no homogenea (vease
el ejemplo 6.5) no tiene soluci
on. Esto es un resultado general que discutiremos en la seccion dedicada a
los teoremas de la alternativa de Fredholm (seccion 6.5, pagina 361).
Las ecuaciones (6.53) podemos reescribirlas as
1
5
1 c1 ,
c2 =
4
(6.55)
/3
c2 =
c1 .
1 /4
Vemos por (6.52) que las autofunciones toman la forma
c2
i (x) = i c1 x 1 + x .
c1
(6.56)
Siendo completamente puristas y coherentes con las definiciones habituales de autovalores que hemos usado
en este curso, tendramos que decir que los autovalores son realmente 1/i , pero, siguiendo cierta tradici
on de la
teora de ecuaciones integrales vease [CH62], por ejemplo llamaremos autovalor simplemente a i .
361
Dado que dos autofunciones que se diferencian por un factor constante son la misma autofuncion, podemos
escribir la expresi
on anterior de un modo mas compacto suprimiendo la constante c1 :
1
5
(6.57)
1 i x
i (x) = x 1 +
i
4
i /3
=x 1+
x .
(6.58)
1 i /4
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 (autofuncion) correspondiente es
#
"
20 5 15
x .
(6.59)
1 (x) = x 1 +
15 + 4 15
Si = 2 = 60 16 15 entonces
20 + 5 15
c2
=
c1
15 + 4 15
y de la ecuaci
on (6.57), o de la ecuaci
on (6.58), se deduce que la soluci
on (autofuncion) 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 ecuacion homogenea.
Estas son por tanto las autofunciones del operador b
k correspondiente al n
ucleo k(x, y) = x y 2 + x2 y.
J
y que
5
Rb
a
|g(x)|2 = finito.5
362
tiene soluci
on u
nica para cualquier g(x), es decir, no es un autovalor, o bien la ecuaci
on
homogenea
Z b
(x) =
dy k(x, y) (y)
a
Los ejemplos 6.5 y 6.6 nos pueden servir para ilustrar este teorema. En el ejemplo 6.5 se
encontro que la ecuaci
on integral no homogenea
Z 1
dy (xy 2 + x2 y)(y)
(x) = x +
0
tiene solucion siempre que 6= 60 16 15, es decir, siempre que el determinante de los
coeficientes del sistema (6.41) sea distinto de cero:
1
1
1
2
4
5
6= 0.
(6.62)
=1
1
1
2 240
1
3
4
Sin embargo, en el ejemplo 6.6 descubrimos justamente lo contrario: para que la ecuaci
on integral
homogenea
Z
1
(x) =
dy (xy 2 + x2 y)(y)
tenga solucion distinta de la trivial (x) = 0 debe ocurrir que el determinante de los coeficientes
del sistema (6.41) sea igual a cero:
1
1
1
2
4
5
= 0.
(6.63)
=1
1
1
2 240
1
3
4
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 inhomogenea no tiene solucion y, en este caso, la ecuaci
on homogenea s tiene
solucion distinta de la trivial [de hecho tiene dos soluciones linealmente independientes: veanse
las ecuaciones (6.59) y (6.60)]. Si, por el contrario, 6= 1 y 6= 2 , entonces la ecuaci
on
inhomogenea s tiene solucion u
nica [es la solucion dada en la ecuaci
on (6.42)] y la ecuaci
on
homogenea no tiene solucion 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
Z b
dy k(y, x) (y).
(x) =
a
363
dy k(y, x) (y).
a
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 homogenea tiene una soluci
on si, y s
olo si, la funci
on g(x) es tal que
Z
dx (x) g(x) = 0
dy k(y, x) (y).
a
r
X
cn n (x)
n=1
I Ejemplo 6.7
Con este ejemplo queremos ilustrar el teorema 6.5. Sea la ecuaci
on integral de Fredholm de segunda especie
Z 1
dy (x y 2 + x2 y) (y).
(6.64)
(x) = g(x) +
0
Esta es la ecuaci
on del ejemplo
del ejemplo 6.6 si g(x) = 0. En el presente ejemplo
6.5 si g(x) = x y la p
hacemos = 1 60 + 16 15 y g(x) = 1 + (4 + 2 5/3)x. Es decir, la ecuacion que queremos resolver
es
Z 1
p
dy (x y 2 + x2 y) (y).
(6.65)
(x) = 1 + (4 + 2 5/3)x + (60 + 16 15)
0
364
dx g(x) 1 (x) = 0 ,
(6.66)
donde
"
20 5 15
x
1 (x) = x 1 +
15 + 4 15
es la u
nica autofuncion del kernel transpuesto de k(x, y) = x y 2 + x2 y [notese que k(x, y) = k(y, x)]
correspondiente al autovalor 1 [veanse las ecuaciones (6.59) y (6.60)]. Seg
un el teorema 6.5 anterior, esto
significa que la ecuaci
on (6.65) tendr
a soluciones no u
nicas. En efecto, puede comprobarse por sustitucion
directa que la funcion (x)
b
= 1 3x/2 es soluci
on de la ecuaci
on (6.65), y como c1 (x) es soluci
on de la
ecuaci
on homogenea para cualquier valor de c, tenemos que
#
"
20 5 15
3
x
(6.67)
(x) = 1 x + c x 1 +
2
15 + 4 15
es tambien soluci
on de la ecuaci
on inhomogenea (6.65). Por supuesto, dado que el valor de c es arbitrario,
esta soluci
on no es u
nica.
B Ejercicio 6.3
Resuelve la ecuaci
on integral (6.65) mediante la tecnica usada en la seccion 6.4 dado que su n
ucleo es
degenerado. Comprueba que el determinante de la matriz de los coeficientes del sistema algebraico que
obtienes [sistema que sera 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 que circunstancias tiene soluci
on un sistema
algebraico no homogeneo cuya matriz de coeficientes tenga determinante nulo? Comprueba que estas
condiciones se verifican en tu sistema algebraico.
J
pero casi todo lo que digamos sera tambien valido para las ecuaciones de Volterra sin m
as que
cambiar b por x en el lmite superior de integracion ([KKM82, secciones 3 y 4]; vease tambien el
ejemplo 6.9 de la pagina 367). El procedimiento comienza con la conjetura de una solucion inicial
aproximada de (6.68). Por ejemplo, podemos suponer que
(x) ' 0 (x) = g(x).
Rb
nas. Esta
Esto equivale a asumir que la integral a dy k(x, y) (y) y/o la constante son peque
elecci
on no es la u
nica posible: si conocieramos por cualquier motivo una primera aproximacion
mejor que 0 (x) = g(x), sera aquella la que convendra usar.6
6
Si escogemos 0 (x) 6= g(x), el procedimiento que vamos a exponer se conoce como metodo de las aproximaciones sucesivas; si escogemos 0 (x) = g(x) (y esta es la opci
on que estudiaremos) el metodo se llama metodo de
las series de Neumann.
365
a
b
dy 0 k(y, y 0 ) g(y 0 )
dy k(x, y)
a
a
a
Z bZ b
Z b
2
dy dy 0 k(x, y) k(y, y 0 ) g(y 0 ).
dy k(x, y) g(y) +
= g(x) +
= g(x) +
dy k(x, y) g(y) +
n
X
m Um (x),
U0 (x) = g(x),
Z b
k(x, y1 ) g(y1 ) dy1 ,
U1 (x) =
a
Z bZ b
k(x, y1 ) k(y1 , y2 ) g(y2 ) dy2 dy1 ,
U2 (x) =
..
.
Un (x) =
(6.72)
(6.71)
m=0
Z b
k(x, y1 ) k(y1 , y2 ) k(yn1 , yn ) g(yn ) dyn dy2 dy1 .
b
a
m Um (x)
(6.73)
m=0
X
X
(x) = lm n (x) = lm
m Um (x) =
m Um (x),
(6.74)
n
m=0
m=0
366
|k(x, y)|2 dx dy = 2 ,
(6.75)
siendo un valor finito. 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)
(x) = g(x) +
dy k(x, y) (y),
(6.77)
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).
I Ejemplo 6.8
Sea la ecuaci
on integral de Fredholm de segunda especie
1
(x) = x +
2
(y x) (y) dy.
Su soluci
on, como se puede comprobar facilmente por sustitucion directa, es
(x) =
1 3
+ x.
4 4
(6.78)
367
1
2
1
2 (x) = x +
2
1
3 (x) = x +
2
4 (x) = x +
1
2
1
5 (x) = x +
2
1
6 (x) = x +
2
1
7 (x) = x +
2
1
8 (x) = x +
2
9 (x) =
1
1
1
1
1
1
1
1
1
1
1
1
1
1
(y x) y dy = x +
(y x)
(y x)
(y x)
(y x)
(y x)
(y x)
(y x)
1
y+
3
1 2
+ y
3 3
2 2
+ y
9 3
2 7
+ y
9 9
1
y2
1
1 y3
x
=x+ ,
2 3
2 1
3
dy = x +
7
7
+ y
27 9
dy =
2 2
+ x,
9 3
dy =
2 7
+ x,
9 9
dy =
7
7
+ x,
27 9
20
7
+ y
27 27
20 20
+ y
81 27
1 x
1 2
= + x,
3 3
3 3
dy =
7
20
+ x,
27 27
dy =
20 20
+ x,
81 27
dy =
20 61
+ x = 00 247 + 00 753x ,
81 81
B Ejercicio 6.4
Halla el valor de 1/ correspondiente a la ecuaci
on de este ejemplo. Es mayor, igual o menor que 1/2?
Que significa esto?
I Ejemplo 6.9
En este ejemplo vamos a resolver la ecuaci
on de Volterra
Z x
(y) dy
(x) = 1 +
(6.79)
1 dy = 1 + x ,
x2
(1 + y) dy = 1 + x +
,
2
0
Z x
x2
x3
y2
dy = 1 + x +
+
.
1+y+
3 (x) = 1 +
2
2
3!
0
2 (x) = 1 +
368
I Ejemplo 6.10
La ecuaci
on de Schr
odinger independiente del tiempo para la dispersion de una partcula de masa m y
energa E por parte de un potencial de interaccion V (~r) puede escribirse como
(2 + k 2 ) (~r) = 4 U (~r) (~r),
donde
2m
E,
~2
m
U (~r) =
V (~r) .
2~2
k2 =
(~r) ei k0 ~r +(, )
ei k~r
r
cuando r
y donde |~k0 | = k. El primer termino representa la onda plana incidente y el segundo es la onda esferica
dispersada producida por la interacci
on de la onda plana con el potencial U (~r). Es posible demostrar
[Arf85] que la ecuaci
on de Schrodinger y la condici
on de contorno pueden combinarse en la ecuacion
integral
Z
i k |~
r ~
r 0|
i~
k0 ~
r
3 0 e
U (~r 0 ) (~r 0 ).
(~r) = e
+ d ~r
|~r ~r 0 |
La soluci
on de esta ecuaci
on puede expresarse mediante la serie de Neumann. La aproximacion de orden
cero,
~
(~r) ' ei k0 ~r
nos describe simplemente la onda incidente, sin dispersion. La siguiente aproximacion proporciona un
resultado muy importante conocido como aproximacion de Born
(~r) ' e
i~
k0 ~
r
0
ei k |~r~r |
~
d ~r
U (~r 0 ) ei k0 ~r .
|~r ~r 0 |
3 0
Si despejamos f obtenemos
= [1 b
k]1 g.
369
Desarrollando formalmente [1 b
k]1 en potencias de b
k se tiene que
= [1 b
k]1 g =
n=0
(x) =
( b
k)n g =
n=0
n b
k n g,
N
ucleos iterados
n Un (x),
n=0
con los coeficientes Un dados por las expresiones (6.72), es la solucion en forma de serie de
Neumann de la ecuaci
on de Fredholm de segunda especie (6.68). Esta solucion puede escribirse
as
(x) = g(x)
Z b
+
k(x, y1 ) g(y1 ) dy1
a
Z b Z b
2
k(x, y1 ) k(y1 , y2 ) dy1 g(y2 ) dy2 +
+
a
a
Z b Z b Z b
n
k(x, y1 ) k(y1 , y2 ) k(yn1 , yn ) dy1 dyn1 g(yn ) dyn
+
es decir,
(x) = g(x) +
= g(x) +
b
a
n=1
b
a
kn (x, y)g(y)dy
(6.80)
(6.81)
(6.82)
k(x, y1 )
kn (x, y) =
a
Pero el termino entre corchetes es justamente la definicion de kn1 (y1 , y), luego se satisface
relaci
on de recurrencia
Z b
kn (x, y) =
k(x, y 0 ) kn1 (y 0 , y) dy 0 .
(6.83)
a
370
N
ucleo resolvente de la ecuacion de Fredholm de segunda especie
Se llama n
ucleo resolvente R(x, y; ) a la funcion que nos proporciona la solucion (x) de la
ecuaci
on integral
Z b
dy k(x, y) (y)
(x) = g(x) +
a
mediante la relaci
on
(x) = g(x) +
dy R(x, y; ) g(y).
n1 kn (x, y)
(6.84)
n=1
es el n
ucleo resolvente de nuestra ecuaci
on integral porque podemos escribir la solucion dada por
(6.80) como
Z b
R(x, y; ) g(y) dy
(6.85)
(x) = g(x) +
a
asumiendo que la serie (6.84) que define 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 define al n
ucleo resolvente converge uniformemente
son las mismas que hacan uniformemente convergente a la serie de Neumann (vease la pagina
366).
Finalizamos esta secci
on hallando la ecuaci
on integral que verifica 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:
Z
dz k(x, z) R(z, y; ) =
=
=
dzk(x, z)
a
n=1
n1
n1 kn (z, y)
n=1
b
n1 kn+1 (x, y)
n=1
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 tambien es valido para la ecuaci
on de Volterra de segunda especie
sin m
as que cambiar b por x en el lmite superior de integracion.
371
dy R(x, y; ) g(y),
(6.88)
D(x, y; )
,
D()
(6.89)
X
(1)n
(6.90)
donde
D(x, y; ) = k(x, y) +
D() = 1 +
n=1
X
(1)n
n!
n=1
n!
Bn (x, y)n ,
Cn n ,
(6.91)
siendo
Z b Z b
dz1 dz2 dzn
Bn (x, y) =
a
a
Z b Z b
dz1 dz2 dzn
Cn =
a
a
2
dz1 k(z1 , z1 ) +
2!
series son
k(x, z1 )
k(z1 , z1 )
k(x, z1 ) k(x, z2 )
k(z1 , z1 ) k(z1 , z2 )
k(z2 , z1 ) k(z2 , z2 )
Z bZ
a a
+ ,
k(z1 , z1 ) k(z1 , z2 )
dz1 dz2
k(z2 , z1 ) k(z2 , z2 )
(6.92)
(6.93)
372
A menudo es mas conveniente evaluar estas series mediante las siguientes relaciones de recurrencia8 [Tri85, seccion 2.5]:
Z b
Bn1 (s, s)ds,
(6.94a)
Cn =
a
Z b
Bn (x, y) = Cn k(x, y) n
k(x, s)Bn1 (s, y)ds,
(6.94b)
a
donde
C0 = 1,
(6.94c)
(6.94d)
I Ejemplo 6.11
Vamos a hallar la soluci
on de la ecuaci
on integral de Fredholm de segunda especie
Z 1
(y x) (y) dy
(x) = x +
(6.95)
mediante el procedimiento de las series de Fredholm. Emplearemos las relaciones (6.94) cuya implementacion 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
Z 1
Z 1
Z 1
0 ds = 0
k(s, s)ds =
B0 (s, s)ds =
C1 =
1
y
B1 (x, y) = C1 (x + y)
=
=
k(x, s) B0 (s, y) ds
(x + s)(s + y)ds
1
2
+ 2xy.
3
y
B2 (x, y) = C2 (x + y) 2
8
= (x + y) 2
3
k(x, s) B1 (s, y) ds
1
1
(x + s)
1
2
+ 2sy
3
ds = 0.
X
4
(1)n
Cn n = 1 + 2
3
n!
n=1
En www se proporciona un programa Mathematica que permite calcular las series de Fredholm mediante este
procedimiento.
373
y
D(x, y; ) =
X
(1)n
2
Bn (x, y)n = x + y
+ 2xy ,
n!
3
n=0
de modo que el n
ucleo resolvente es
R(x, y; ) =
x + y (2/3 + 2xy)
1 + 4 2 /3
y la soluci
on final es por tanto
(x) = x +
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 ecuacion
integral (6.78) del ejemplo 6.8, pagina 366, ecuaci
on que resolvimos entonces mediante el metodo de la
serie de Neumann.
J
dy k(x, y) g(y) +
g(y) =
g(y).
D()
D()
a
a
a
a
Como g(y) es una funcion arbitraria, esta igualdad requiere que
Z b
dz k(x, z) D(z, y; ).
D(x, y; ) = k(x, y) D() +
(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
Z b
dz k(x, z) D(z, y; n ).
(6.98)
D(x, y; n ) = n
a
Esto significa que D(x, y; n ) es una autofuncion 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 autofuncion, pues obviamente verifica que
Z b
dz k(x, z) Fn (z).
Fn (x) = n
a
(6.99)
374
= (1 b
k)1 g.
(6.100)
b
= [1 + R()]
g.
(6.101)
b
(1 b
k)1 = 1 + R().
(6.102)
En esta secci
on veremos como utilizar los autovalores y autofunciones de la ecuaci
on integral
homogenea para hallar la solucion del problema no homogeneo de un modo muy similar a como
se haca en la secci
on 1.7 [vease en particular la ecuacion (1.121), pagina 41] con el problema de
Sturm-Liouville inhomogeneo. Empecemos con unas definiciones:
Diremos que un n
ucleo k(x, y) es simetrico si es igual a su transpuesto:
k(x, y) = k(y, x).
Un n
ucleo k(x, y) sera hermtico si es igual a su transpuesto conjugado:
k(x, y) = [k(y, x)] .
Obviamente un n
ucleo real simetrico es hermtico. Nos restringiremos en lo que sigue a
n
ucleos reales simetricos aunque mucho de lo que digamos sera tambien valido para los
n
ucleos hermticos.
Definimos el producto escalar de dos funciones (x) y g(x) por
h|gi =
dx (x) g(x).
Si las funciones son reales (y es lo que supondremos en lo que sigue) esta definicion se
reduce a
Z b
h|gi =
dx (x) g(x).
a
375
donde k(x, y) es un n
ucleo real simetrico 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
X
hn |i
an n (x) con an =
kn k2
n=1
376
an n (x)
con
an =
n=1
hn |i
.
kn k2
(6.106)
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) =
an (x)n (y).
(6.107)
n=1
(6.108)
se tiene que
m (x) = m
= m
dy
a
n=1
an (x)
n=1
dy n (y)m (y)
a
= m am (x) km k2 ,
es decir,
m (x)
.
m km k2
(6.109)
X
1 n (x) n (y)
.
n
kn k2
(6.110)
am (x) =
n=1
Esta relaci
on la hemos obtenido tras suponer que k(x, y) puede expresarse en serie de autofunciones. Bajo que condiciones es cierta esta suposicion (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, simetrico, de cuadrado sumable en el cuadrado a x b, a y b, y tiene s
olo autovalores positivos (o como mucho, un
n
umero finito de autovalores negativos) entonces la serie de autofunciones de (6.110) es absoluta
y uniformemente convergente a k(x, y).
377
dy k(x, y) (y),
(6.111)
con n
ucleo real y simetrico. Supongamos que conocemos las soluciones de la ecuaci
on integral
homogenea asociada
Z b
dy k(x, y) n (y),
(6.112)
n (x) = n
a
X
dn n (x),
(6.113)
(x) g(x) =
n=1
con
dn =
b
a
= an bn ,
donde
an =
(6.114)
(6.115)
dx n (x) (x)
(6.116)
n (x) g(x) dx
(6.117)
son los coeficientes generalizados de Fourier del termino no homogeneo g(x) dado.
Nuestro objetivo es determinar dn en terminos de los coeficientes (conocidos) bn . Insertando
la relaci
on (6.111) en (6.114) encontramos
dn =
dx n (x)
dy k(x, y) (y)
(6.118)
dy (y)
a
(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
dn =
dy n (y) (y) =
an .
(6.120)
n a
n
d n bn
n
(6.121)
bn .
n
P
Por tanto, la solucion buscada (x) = g(x) +
n=1 dn n (x) es
dn =
(x) = g(x) +
n=1
(6.122)
bn
n (x),
n
o, equivalentemente,
1 hn |gi
n (x)
kn k2 n
n=1
Rb
X
1
a dy n (y) g(y)
n (x).
= g(x) +
2
kn k
n
(x) = g(x) +
(6.123)
n=1
dy R(x, y; ) g(y).
n=1
1 n (x) n (y)
.
kn k2 n
(6.124)
dy k(x, y) (y),
(6.125)
379
F Ecuaci
on homogenea: g(x) = 0
En este caso la ecuaci
on (6.123) nos dice que, en general, la solucion 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
n6=m
1 hn |g = 0i
1 hm |g = 0i
n (x) + m
m (x).
kn k2 n m
km k2 m m
(6.126)
Por supuesto, todos los terminos del sumatorio son nulos. Analicemos el u
ltimo termino de esta
expresi
on para ver si podemos resolver la indeterminaci
on de tipo cero partido por cero. La
formula anterior, ecuaci
on (6.126), proceda (vease la secci
on 6.8.2 precedente) de
(x) = g(x) +
dn n (x),
(6.127)
n=1
dn bn
n
con
bn =
hn |gi
.
kn k2
dn .
n
(6.128)
Esto no es sorprendente, s
olo nos dice que la solucion de la ecuaci
on integral homogenea existe
si es igual a un autovalor m , siendo esta solucion la autofuncion m (x) correspondiente al
autovalor m .
F Ecuaci
on no homogenea: g(x) 6= 0
La solucion de la ecuaci
on integral (6.125) no homogenea viene tambien dada ahora por
(x) = g(x) +
dn n (x).
(6.129)
n=1
hn |gi
6= 0,
kn k2
bn
n
para todo n.
(6.130)
380
m
bn
n m
para n 6= m
y, por (6.121),
d m = d m bm .
(6.131)
Ahora bien:
Si bm 6= 0, entonces esta u
ltima relaci
on, ecuaci
on (6.131), es imposible de satisfacer y
la ecuaci
on no homogenea no tiene solucion, de acuerdo con el teorema de la alternativa
de Fredholm.
Pero si bm = 0, la relaci
on (6.131) se verifica trivialmente para cualquier valor de dm ,
por lo que la solucion de la ecuaci
on integral no homogenea es posible incluso aunque
sea igual a un autovalor; esta solucion es
(x) = g(x) + m
n=1
n6=m
hn |gi
1
n (x) + dm m (x).
2
kn k n m
(6.132)
dy k(x, y) m = m
a
k(y, x) m = m .
a
B Ejercicio 6.6
Por sencillez de exposicion hemos supuesto en toda la discusi
on anterior que el autovalor = m no estaba
degenerado. Si este no fuera el caso, la modificaci
on que habra que hacer sera mnima. Este ejercicio te
propone rehacer toda la discusi
on anterior suponiendo que el autovalor m est
a r veces degenerado.
I Ejemplo 6.12
Sea la ecuaci
on integral
(x) = g(x) +
sen(x + y) (y) dy
(6.133)
381
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)
(6.135)
donde
Z
c2 ,
2
0
Z
c1 .
sen y (c1 sen y + c2 cos y)dy =
c2 =
2
0
c1 =
(6.136)
(6.137)
(6.138)
(6.139)
como segunda (y u
ltima) autofuncion. Seg
un la teora de Schmidt-Hilbert la soluci
on de la ecuacion no
homogenea, ecuaci
on (6.133), viene dada por la relaci
on (6.123). En nuestro problema, esta ecuacion se
convierte en
1 h1 |gi
1 h2 |gi
(x) = g(x) +
1 (x) +
2 (x) .
(6.140)
k1 k2 1
k2 k2 2
,
2
0
Z
La soluci
on (6.140) es por tanto
(x) = cos x +
2
(6.141)
382
Luego la soluci
on de la ecuaci
on integral no homogenea
Z
sen(x + y) (y) dy
(x) = cos 2x +
0
es simplemente (x) = cos 2x siempre que no sea igual a un autovalor, es decir, siempre que 6= 2/.
Si es un autovalor, la ecuaci
on no homogenea s tiene soluci
on (aunque no u
nica). Veamoslo. 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.
B Ejercicio 6.7
1. Comprueba por sustitucion 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 formulas para
resolver la ecuaci
on integral (6.133). Esta
se puede resolver facilmente mediante la tecnica de la seccion
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 6= 2/, = 2/
y = 2/, e interpretes los resultados en terminos del teorema de la alternativa de Fredholm.
J
383
I Ejemplo 6.13
Sea la ecuaci
on de Volterra
2
(x) = 2 + x cos x +
(6.142)
(6.143)
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
(y) dy = 1.
0
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 (0) = 1 B =
.
2
Luego la soluci
on de la ecuaci
on integral es
"
1
cos x sen x
x/2
+e
cos
(x) = 1 +
2
2
!
7
7
x +
sen
2
2
!#
7
x
.
2
I Ejemplo 6.14
Sea la ecuaci
on de Volterra
(x) = x +
dy x y (y).
dy y (y) + x2 (x).
384
dy y (y).
dy y (y) = x (x).
(x) = C x ex
/3
(6.146)
(6.147)
= x + C x [e
1]
La soluci
on es por tanto (x) = x ex
0 = x C x C = 1.
/3
385
dy k(x y) (y),
(6.148)
Recordemos que el producto de convolucion (de Fourier) k de las funciones k(x) y (x) se
define como
Z
dy k(x y) (y)
ge()
.
1 e
k()
Ahora tan s
olo nos resta hallar la funcion (x) calculando la transformada inversa
Z
ge()
1
(x) =
ei x d,
2 1 e
k()
(6.151)
(6.152)
386
Recordemos ahora que el producto de convolucion (de Laplace) k de las funciones k(x) y (x)
se define por
Z
x
dy k(x y) (y)
(s)
e =
I Ejemplo 6.15
Sea la ecuaci
on de Volterra
(x) = x
(6.155)
dy exy (y) .
Vemos que el n
ucleo k(x, y) = exp(x y) es un n
ucleo de desplazamiento, el termino no homogeneo es
g(x) = x, y = 1. Aplicando el operador transformada de Laplace a la ecuacion integral anterior y
teniendo en cuenta que
ge(s) = L[x] =
se deduce que
es decir,
1
,
s2
e
k(s) = L [ex ] =
(s)
e =
1
(s)
e
,
2
s
s1
(s)
e =
L
1
,
s1
1
1
3.
s2
s
1
xn
= n+1
n!
s
I Ejemplo 6.16
En una red unidimensional dopada con una densidad de trampas difusivas dispuestas al azar, una
partcula (la presa) se mueve siguiendo la trayectoria x(t). Queremos conocer la probabilidad S(t) de
supervivencia de la partcula hasta el instante t. Sea S(t) = e(t) , (t)
= d/dt y D la constante de
difusion de las trampas. Se ha demostrado (vease A. J. Bray, S. N. Majumdar y R. A. Blythe, Physical
387
satisface la ecuacion
integral homogenea de Volterra de primera especie
Z t
2
e[x(t)x( )] /[4D(t )]
p
d (
)
=
.
(6.156)
4D(t )
0
Supongamos que la partcula se mueve balsticamente con velocidad c: x(t) = c t. En este caso la ecuacion
integral es:
Z t
2
ec (t )/4D
d (
)p
=
4D(t )
0
cuyo n
ucleo
ec (t )/4D
k(t, ) = k(t ) = p
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 funcion. Se observa que
(s) = (4D)1/2
( + s)1/2
= f(s)
g (s)
s2
donde f(s) = (+s)1/2 y g(s) = (/s2 +1/s). Aplicando de nuevo el teorema del producto de convolucion
de las transformadas de Laplace, se deduce que
Z t
1/2
g(t )f ( )d
(t) = (4D)
0
es decir,
1/2 Z t
e
4D
[1 + (t )] 1/2 d .
0
En terminos de la funcion gamma incompleta
Z x
ey y 1 dy
(, x) =
(t) =
Este resultado es notable porque son muy escasos los problemas de atrapamiento de partculas y trampas
difusivas que pueden resolverse de forma exacta. La version de este problema en un espacio d-dimensional
se discute en el artculo Physical Review E 68, 045101 (2003) de S.N. Majumdar y A. J. Bray (puede
obtenerse este artculo en la direccion http://arxiv.org/abs/cond-mat/0305386).
J
388
(1 2x y + x )
(y) =
Pr (y) xr ,
r=0
an Pn (y).
(6.158)
(6.159)
n=0
X
Pr (y) xr
an Pn (y)
g(x) =
=
1 n=0
XX
an xr
n=0 r=0
r=0
(6.160)
Puesto que los polinomios de Legendre son ortogonales en el intervalo [1, 1],
Z 1
2
Pn (y) Pr (y) dy = hPn |Pr i =
nr ,
2n
+1
1
la ecuaci
on (6.160) se reduce a
X
2an n
g(x) =
x .
2n + 1
(6.161)
n=0
De aqu podemos obtener los coeficientes an tras desarrollar g(x) en serie de Taylor y comparar
con la ecuaci
on (6.161):
g(x) =
X
g (n) (0)
n=0
n!
xn
g (n) (0)
2an
=
,
n!
2n + 1
X
2n + 1 (n)
g (0)Pn (x).
(6.163)
(x) =
2n!
an =
n=0
389
Desarrollo general
Es cierto que el procedimiento que acabamos de exponer esta muy ligado al hecho de que
el n
ucleo k(x, y) es la funcion generatriz de los polinomios en los que desarrollamos la funcion
incognita (x). De todos modos, podemos utilizar la idea de expresar los terminos que aparecen
en la ecuaci
on integral como series de funciones ortogonales en el intervalo de integracion y
aplicarla a ecuaciones m
as generales de la forma
Z b
dy k(x, y) (y).
(6.164)
(x) = g(x) +
a
Para ello introducimos un conjunto completo ortonormal de funciones i (x) sobre el intervalo
[a, b],
Z b
dx i (x) j (x) = ij ,
(6.165)
a
i i (x),
g(x) =
i=1
y
k(x, y) =
X
i=1
es decir
gi i (x)
(6.166)
i=1
X
X
i=1
k(x, y) =
(6.167)
i,j=1
X
X
X
X
m m (y)
kij i (x) j (y)
dy
gi i (x) +
i i (x) =
i=1
i=1
X
i=1
X
i=1
gi i (x) +
m=1
i,j=1
kij i (x)
m=1
i,j=1
dy j (y)m (y)
a
X
X
kij j i (x),
gi i (x) +
i=1
i = gi +
j=1
kij j ,
i = 1, 2, . . .
(6.168)
j=1
Este es un sistema algebraico con infinitas ecuaciones e infinitas incognitas. Sin embargo, si
el conjunto completo i (x) se ha escogido de modo apropiado, se puede obtener una buena
aproximacion de (x) reteniendo un n
umero N finito de terminos en las ecuaciones (6.166) y
(6.167). En este caso (6.168) se convierte en un sistema finito,
i ' gi +
N
X
j=1
kij j ,
i = 1, 2, . . . , N,
(6.169)
390
(y)
dy,
(x y)
0 < < 1,
(6.170)
es una ecuaci
on de Volterra inhomogenea de primera especie especialmente u
til y famosa. N
otese
que esta ecuaci
on tiene la forma de un producto de convolucion de Laplace de modo que podemos
resolverla mediante la tecnica discutida en la secci
on 6.9.2, pagina 385. Aplicando el operador
transformada de Laplace en (6.170) y teniendo en cuenta que la transformada de Laplace del
producto de convolucion es igual al producto de las transformadas [teorema de la convolucion;
vease la ecuaci
on (6.154)], se obtiene que
L[g(x)] = L[x ]L[(x)].
(6.171)
s1
L[g(x)].
()!
(6.172)
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)!
(6.173)
Z
1
L[(x)] = L
s
Z
Pero
y por tanto
sen
x
0
sen
(y)dy =
x
0
g(y)
dy .
(x y)1
(y)dy
(6.174)
g(y)
dy.
(x y)1
(6.175)
dx 0 (x y)1
Podemos expresar esta solucion de un modo un poco m
as explcito 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
\
[\
XY
0 (x y)
0 (x y)
y=0
Z
1 x
1
(x y) g 0 (y)dy
= g(0)x +
0
Por tanto la solucion (6.176) se reduce a
Z x
sen g(0)
g 0 (y)
(x) =
+
dy .
1
x1
0 (x y)
(6.177)
I 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 que 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 funcion y(x) (vease la figura 6.1). Si la cuenta parte de la altura
y, sabemos que tardara 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 tambien de la forma que tenga el alambre, es decir, de la funcion
y(x). Veamoslo explcitamente. 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
energa sabemos que la energa cinetica en el punto (u, v) es igual al cambio en la energa potencial:
2
ds
1
= mg(y v) .
(6.178)
m
2
dt
En esta ecuaci
on g es la aceleracion 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 posicion (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 = p
ds
2g(y v)
(6.179)
La elecci
on del signo negativo de la raz 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
Z v=y
Z v=0
ds
p
dt =
T (y) =
.
(6.180)
2g(y v)
v=0
v=y
Pero
ds =
ds
dv (v)dv
dv
(6.181)
392
(v)
2g(y v)
dv .
(6.182)
Por conveniencia hemos denotado por (v) a la funcion que nos da el valor de la derivada de s(v):
p
p
(dv)2 + (du)2
ds
0
(6.183)
=
= 1 + (du/dv)2 .
(v) = s (v) =
dv
dv
Si conocemos la forma y(x) del alambre, la ecuaci
on (6.183) nos permite hallar la funcion pues
p
(y) = 1 + (dx/dy)2 ,
y
y
donde
T02 g
.
2
Resulta mas conveniente expresar la curva y(x) en forma parametrica
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 (vease la figura 6.1).
N
otese que
sen = dv/ds ,
de modo que
(v) = s0 (v) = 1/ sen .
(6.186)
y = 1 (1/ sen ) 1 ()
(6.187)
Por tanto
y
tan =
dy
dy
0 ()
dx =
= 1
d
dx
tan
tan
es decir
x=
10 ()
d = 2 ().
tan
(6.188)
(6.189)
y
2a
(6.190)
y por tanto
y = 2a sen2 = a(1 cos 2) .
(6.191)
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
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 definitiva la
taut
ocrona viene dada por
x =a(2 + sen 2),
(6.194)
(6.195)
que son justamente las ecuaciones parametricas de una cicloide12 (vease la figura 6.2). Esta curva es la
generada por un punto situado sobre una circunferencia de radio a que rueda por una lnea horizontal
(vease la figura 6.3). Como a = gT02 / 2 , el radio de esta circunferencia viene determinado por el tiempo
de descenso T0 escogido.
F 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 posicion 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 difcil ver que
en la taut
ocrona la fuerza ejercida por la gravedad sobre el abalorio en la direccion tangencial al alambre
(es decir, la fuerza paralela al alambre) es proporcional a la distancia a lo largo del alambre entre la posicion 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 identica 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 tambien 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 mnimo. Se recomienda
leer/disfrutar la secci
on de [Sim93] dedicada al problema de la braquist
ocrona.
394
la relaci
on (6.190). Adem
as
s(y) =
y
0
s (v)dv =
dv
=
sen
2a
dv y
v
Por tanto descubrimos que, tal como anunciamos, f (s) s, lo que es caracterstico de un oscilador lineal
(armonico).
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 posicion de partida. Veamoslo. Sea una curva cualquiera y(x),
con su correspondiente funcion 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 lnea 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 artculo The Tautochrone Under Arbitrary Potentials Using Fractional
Derivatives [Am. J. Phys., 67 (1999) pags. 718-722]. En este artculo puedes encontrar mas 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 verifica
V (s) =
2 2
s
8T 2
(6.196)
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 mas que la cuarta parte del periodo,
es decir, el tiempo que tarda el abalorio en pasar por el origen s = 0 desde su posicion de partida s(0). Si
ahora derivamos (6.196) con respecto a y se obtiene
Insertando ds/dy =
ds
2T dV
= p
.
dy
V (y) dy
dx
dy
dx
=
dy
y, por tanto,
x(y) =
2
2T 2 V 0 (y)
2 V (y)
2T 2 V 0 (y)
1
2 V (y)
2T 2 V 0 (z)
1 dz.
2 V (z)
J
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 ).
395
n
X
b
a
(x) dx '
Wi (xi ).
(6.197)
i=0
dy k(x, y) (y),
n
X
Wj k(x, yj ) (yj )
j=0
dy k(xi , y) (y),
(6.198)
Wj k(xi , yj ) (yj ),
(6.199)
se aproxima por
(xi ) = g(xi ) +
n
X
j=0
que es un sistema lineal de n + 1 ecuaciones y n + 1 incognitas, (xi ), que podemos resolver por
los procedimientos usuales.
Es comodo 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
i = Gi +
n
X
j=0
=G
+ M
,
Mij j
= (1 M
)1 G
.
(6.201)
(6.202)
396
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
magnifican, y la precisi
on desaparece (puede verse una discusion 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 solucion es
primera especie. En este caso la ecuaci
on (6.201) se convierte en 0 = M
1 G
= 1 M
n
X
Mij j ,
j=1
o, en notaci
on matricial,
]
= M
= [1 M
= 0.
(6.203)
Los autovalores son lo valores de para los cuales este sistema tiene solucion no nula, es decir,
los valores de que son solucion de la ecuaci
on caracterstica
) = 0.
Det(1 M
Es muy facil hallar mediante un ordenador las races de esta ecuaci
on. De hecho, el calculo numeri y autovalores del sistema algebraico (6.203) es una tarea corriente en
co de los autovectores
computaci
on cientfica existiendo excelentes programas para ello.
14
397
B Ejercicio 6.8
Nada hemos dicho de como calcular numericamente soluciones aproximadas de ecuaciones de Volterra.
Sucede que, de hecho, es en principio mas facil resolver numericamente las ecuaciones de Volterra que las
ecuaciones de Fredholm. La ecuaci
on de Volterra en el punto xi viene dada por
Z xi
dy k(xi , y) (y) .
(6.204)
(xi ) = g(xi ) +
a
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
(xi ) ' g(xi ) +
i
X
Wj k(xi , xj ) (xj )
(6.205)
j=0
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 sustitucion 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:
x
a)
(x) = e +
dy 2 ex+y (y),
Z 1
dy x ey (y),
(x) = ex 2
0
Z 1
dy x y (y) .
(x) = ex +
b)
c)
6.2. Halla los valores propios y las funciones propias de las ecuaciones integrales:
Z
dy sen(x y)(y),
a)
(x) =
Z0
dy cos2 x cos 2y + cos 3x cos3 y (y).
b)
(x) =
0
6.3.
donde
k(x, y) =
6.6. Resuelve la ecuaci
on integral
cos(x) sen(y),
cos(y) sen(x),
(x) = x +
0 x y,
y x .
dy (x + y) y (y)
0
obteniendo los terminos hasta orden 2 mediante los metodos de (a) Neumann y (b) Fredholm. Finalmente, resuelve la ecuaci
on integral de forma exacta.
400
dy k(x, y) (y) = 0
(1 x)y
x(1 y)
0 y x 1,
0 x y 1.
k(x, y) (y) dy
0
sen(x) cos(y),
sen(y) cos(x),
x y,
y x.
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:
Z x
2
2
x2
dy ex y (y) ,
a)
(x) = e +
0
Z x
dy cos(x y) (y) .
b)
(x) = sen x + 2
0
cuando (a) g(x) = 0, (b) g(x) = 2x, y (c) g(x) = x 1/2. Explica los resultados teniendo
en cuenta
R 1 el teorema de la alternativa de Fredholm.
Nota: 0 sen(ln x)dx = 1/2.
6.12 Problemas
401
con
donde
K(x, y) =
x(y 1),
y(x 1),
0 x y,
y x 1.
6.18. Sea una partcula de masa m con energa 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
Z x2
dx
p
T (E) = 2m
.
E V (x)
x1
Supongamos que el potencial es simetrico V (x) = V (x) y que tomamos como origen de
energa el mnimo de V (x), es decir, tomamos V (0) = 0. Demuestra que en este caso
Z E
T (E)
(dx/dV )dV .
(E)
=
EV
2m
0
Queremos ahora resolver el problema inverso consistente en deducir la forma del potencial
V (x) si conocemos el periodo de oscilaci
on en funcion de la energa, T (E). Esto equivale a
resolver la ecuaci
on integral de Abel anterior. Demuestra que la solucion de esta ecuaci
on
integral es
Z
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 energa total, T (E) = T0 = const, entonces x(V ) V 1/2 , lo que implica
V (x) x2 . Por u
ltimo, demuestra que el potencial V (x) es proporcional a x4 si T (E)
1/4
E
.
15
Puedes ver m
as detalles sobre este problema en el artculo de A. H . Carter A class of inverse problems in
physics (Am. J. Phys. 68 (8) 698, Agosto 2000).
Captulo 7
7.1. Introduccion
En ocasiones, las soluciones matem
aticas de ciertos problemas no pueden darse en forma
cerrada mediante funciones elementales y hay que dejarlas expresadas en terminos de relaciones
que involucran a integrales. En estos casos se dice que la solucion 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 traves de esta representaci
on.
En este tema vamos a discutir algunos procedimientos para hallar aproximaciones analticas de
estas integrales.
Para motivar el tema damos a continuaci
on un par de ejemplos de problemas cuya solucion
final viene dada en terminos de integrales que no pueden ser expresadas mediante funciones
elementales.
I Ejemplo 7.1
Queremos hallar la soluci
on de la ecuaci
on diferencial de primer orden
y0 + y =
1
.
x
(7.1)
ex
x
d x
ex
(e y) = .
dx
x
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 terminos de funciones elementales. De hecho
Z x t
e
dt = Ei(x) Ei(x0 )
x0 t
404
donde Ei(x) es una funcion especial definida mediante la integral [AS72, captulo 5]:
Z t
Z x t
e
e
dt = VP
dt,
x > 0.
Ei(x) = VP
t
x t
I Ejemplo 7.2
Queremos resolver el llamado problema del atrapamiento (trapping problem) en una dimension. Veamos
en que consiste. Sea una lnea en la que se sit
uan trampas al azar con concentracion (es decir, en promedio,
trampas por unidad de longitud). Nos preguntamos cu
al sera la probabilidad de supervivencia S(t)
(probabilidad de no haber sido atrapada hasta el instante t) de una partcula que se coloca al azar sobre
la lnea 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 partcula entre x y x + dx en el
instante t cuando la partcula parte inicialmente (en t = 0) de la posicion 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 ecuacion de
difusion
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 facil de hallar mediante separaci
on de variables:
2 2
nx
nx
n
2 X
0
sen
exp 2 Dt .
p(x, t; x0 ) =
sen
L n=0
L
L
L
La probabilidad de supervivencia de una partcula que cae al azar sobre cualquier posicion de este intervalo
[0, L] es por tanto
SL (t) =
1
L
p(x, t; x0 ) dx dx0 =
2 2
2
8 X
1
e(2n+1) Dt/L .
2
2
n=0 (2n + 1)
es decir
S(t) =
2 2
2
82 X
1
L e(2n+1) Dt/L eL dL.
2
2
n=0 (2n + 1) 0
VP
Rx
et
t
dt = lm0
nR
et
t
dt +
Rx
et
t
o
dt con > 0.
Vease 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 tecnica de la integral de Laplace con maximo no fijo que se discute
en la seccion 7.9.3 de la pagina 437. El resultado es
s
2
I
ef (Lm )
00
|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 .
donde d es la dimension del medio que se dopa con trampas al azar. El significado matematico exacto del
smbolo ) se discute en la seccion 7.3, pagina 407.
J
En este tema estudiaremos varios metodos para calcular expresiones aproximadas de integrales. Se vera que en muchas ocasiones estas expresiones toman la forma de serie asintotica.
Antes de discutir como hallar estas aproximaciones, se dar
a una peque
na introducci
on a las series asintoticas. Pero antes repasaremos algunos resultados sobre series corrientes, series no
asintoticas.
un (x) u(x)
(7.2)
un (x) = u(x),
(7.3)
n=1
o bien, de forma m
as simple, as
n=1
n=1 un (x)
n=1
un (x) u(x) ,
(7.4)
406
A continuaci
on enunciamos sin demostraci
on unos cuantos resultados u
tiles sobre series
numericas y de funciones.
Teorema 7.1 La
serie3
X
1
converge si > 1 y diverge si 1.
n
n=1
n=1 an
an+1
<1
an
y diverge si
an+1
> 1.
n an
P
Teorema 7.3 (de Weierstrass) La serie
n=1 un (x) converge uniformemente a u(x) sobre x X,
lm
un (x) u(x),
X
n=1
n=1 Mn
converge.
un (x) u(x),
X
n=1
si y s
olo si
lm sup |rn (x)| = 0.
n xX
Z
X
un (t) dt
X
n=1 c
u(t) dt
c, x X = [a, b].
X
un (t) dt, c, x [a, b]
un (t) dt =
u(t) dt =
c
n=1
n=1 c
es decir, una serie uniformemente convergente se puede integrar termino a termino (podemos
intercambiar la posicion de la integral y el sumatorio) dentro de su intervalo de convergencia
uniforme.
P
p
)
donde
el
producto
se
efect
u
a
sobre
todos
los
la fant
astica y sugerente propiedad
de
que
()
=
p
P
n
umeros primos p (!!!). A la serie
1/n
se
la
conoce
como
serie
arm
o
nica.
n=1
3
7.3 Comparaci
on de funciones. Smbolos O, o,
407
P
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
X
an xn f (x) para |x| r < R.
n=0
P
n
Teorema 7.7 (Criterio de DAlembert) Sea
mite
n=0 an x una serie de potencias para la que el l
lmn an /an+1 existe. Entonces el radio de convergencia de la serie anterior viene dado por
an
.
R = lm
n an+1
A menudo es conveniente expresar cual es la magnitud relativa de una funcion frente a otra
en las vecindades de alg
un punto. Esto se hace mediante los smbolos O y o, a veces conocidos
como smbolos de Landau.
Escribiremos
f (x) = O(g(x)) para x x0
(7.5)
si se verifica que
lm
xx0
f (x)
= A con 0 < |A| < .
g(x)
(7.6)
En este caso diremos que la funcion 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 .
I Ejemplo 7.3
Veamos unos cuantos ejemplos:
cos x = O(1) para x 0 pues
cos x = 1
x4
x2
+
2!
4!
lm
x0
cos x
= 1.
1
x0
cos x 1
1
= .
x2
2
ex ex
2
senh x
1
= .
x
x
e
2
lm
Escribiremos
f (x) = o(g(x))
para
x x0
(7.7)
si se verifica que
lm
xx0
f (x)
= 0.
g(x)
(7.8)
408
I Ejemplo 7.4
He aqu un par de ejemplos del uso de esta notacion:
cos x = o(1/x) = o(1/x2 ) = o(e1/x ) para x 0.
sen x = o(1) para x 0.
J
Otra notaci
on tambien 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 identica 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 sera un n
umero (en valor absoluto) muy grande.
Escribiremos
f (x) g(x) para x x0 si
lm
xx0
f (x)
=1
g(x)
(7.9)
En este caso decimos que f (x) tiende asintoticamente a g(x) cuando x tiende x0 . La afirmacion 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,
lm
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.
I Ejemplo 7.5
Veamos unos cuantos ejemplos del uso de esta notacion:
x1/2 2 para x 4.
ex +x ex para x .
La expresi
on x2 x para x 0 es falsa pues lmx0 x2 /x = 0.
La expresi
on x2 0 para x 0 es falsa pues lmx0 x3 /0 no existe.
J
N
X
n=0
an (x x0 )n .
(7.10)
409
n=0
y por tanto
rN (x) =
an (x x0 )n ,
n=N +1
an (x x0 )n .
P
n
Serie asint
otica. Decimos que la serie
oticamente (o es asintotica)
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 verifica que
N
X
n=0
an (x x0 )n + o[(x x0 )N ].
N
X
n
n=0 an x
(7.12)
an xn + o(xN ).
(7.13)
n=0
Esta definicion es la misma que para x0 finito si expresamos f (x) en serie de potencias de y = 1/x
en torno a y = 0.
Lema 7.1 (Definici
on alternativa de serie de potencias asint
otica) La serie
n=0
an (x x0 )n
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
se tiene que
an (x x0 ) =
N
X
n=0
rN (x) = f (x)
an (x x0 )n + aN +1 (x x0 )N +1 ,
N
+1
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 6= 0.
(1 + x t)
= 1 x t + (x t) + =
(1)n xn tn .
(7.15)
n=0
Esta serie converge para t < 1/x, pero no para t 1/x. Por tanto, la serie
(1)n xn et tn
n=0
X
X
n n
(1)n n! xn .
(7.16)
et tn dt =
(1) x
n=0
n=0
(7.17)
411
luego
f (x) 6=
(1)n n! xn
(7.18)
n=0
P
n
n
donde el smbolo 6= lo usamos para indicar que la serie
hen=0 (1) n! x no converge
Pa f (x) (de
n n! xn
cho, la serie es, simplemente, no convergente). No obstante vamos a demostrar que
(1)
n=0
es asintotica a (7.14) cuando x 0+ , es decir, que
f (x)
(1)n n! xn
n=0
para x 0+ .
(7.19)
P
n
Motivados por la relaci
on 1/(1 x) =
n=0 x , escribimos el integrando de (7.14) como suma
de dos terminos:
N
X
1
(1)n n! xn + rbN (t) = SN (t) + rbN (t).
=
1 + xt
n=0
SN (t) =
Entonces
rbN (t) =
1
1 (x t)N +1
(x t)N +1
=
.
1 + xt
1 (x t)
1 + xt
f (x) =
=
=
Z0
0
N
X
n=0
N
X
et
dt
1 + xt
SN (t) dt +
n
(1) x
rbN (t) dt
n t
t e
dt +
(x t)N +1 t
e dt
1 + xt
(7.20)
(1) n! xn + rN (x),
n=0
donde
N +1
rN (x) = (x)
N +1 t
t
e
1 + xt
dt.
P
Ya vimos antes mediante el criterio de DAlembert que la serie (1)n n! xn no es convergente.
Esto podemos comprobarlo de nuevo
P en terminos de rN (x) pues rN (x) para N con
x 6= 0 fijado. En cambio la serie (1)n n! xn s es asintotica a f (x) cuando x 0+ , dado que
al ser x y t positivos se verifica que
1
< 1,
1 + xt
por lo que
N +1
tN +1 et dt = xN +1 (N + 1)!
412
X
et
(1)n n! xn ,
dt
1 + xt
n=0
x 0+ ,
o bien,
f (x) =
N
X
n=0
N
X
et
dt
1 + xt
(1)n n! xn + o(xN ),
x 0+
(1)n n! xn + O(xN +1 ),
n=0
x 0+ .
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
terminos a la serie; eso es todo.
413
r (x)
r (x)
(a)
10 11 12 13
(b)
Figura 7.1: Comportamiento tpico del error de truncamiento rN (x) de una serie asintotica para (a)
un valor de x cercano a x0 , y para (b) un valor de x a
un mas cercano a x0 .
I Ejemplo 7.6
Vamos a comprobar las afirmaciones anteriores acerca de la regla del truncamiento optimo usando como
ejemplo la serie asint
otica a la funcion de Stieljes para x 0+ que encontramos en la seccion 7.4.2:
Z t
e
dt
f (x) =
1 + xt
0
X
(1)n n! xn , x 0+ .
n=0
PN
En la figura 7.2 mostramos los valores de rN (x) = f (x) n=0 (1)n n! xn y del termino n-esimo de la
serie, sn (x) (1)n n! xn , para varios valores de N , n y x. N
otese que el mnimo del valor absoluto de
rN (x) coincide con el mnimo del valor absoluto de los terminos sn (x).
J
I Ejemplo 7.7
Queremos calcular
I(x) =
sen(x t2 ) dt
(7.22)
414
-1
-1
-2
-2
-3
-3
0
10
15
20
(a)
10
15
20
(b)
Figura 7.2: (a) log10 |rN (x)| frente a N para x = 00 1 (cuadrados) y x = 00 2 (crculos). (b) Logaritmo
decimal del valor absoluto del termino n-esimo, log10 |sn (x)| = log10 (n! xn ) frente a n para x = 00 1
(cuadrados) y x = 00 2 (crculos).
sen y =
X
(1)n+1 2n1
y
,
(2n 1)!
n=1
X
(1)n+1
(x t2 )2n1 .
(2n
1)!
n=1
Esta serie converge para todo x y para todo t, pues por el criterio de DAlembert,
an
(1)n+1 /(2n 1)!
= lm |(2n + 1) 2n| = ,
R = lm
= lm
n an+1
n
n (1)n+2 /(2n + 1)!
luego para cualquier intervalo finito la serie de Taylor anterior es uniformemente convergente (ver teorema
7.6 en la pagina 407), por lo que la integraci
on termino a termino es v
alida:
Z
1X
X
(1)n+1 2n1 1 4n2
t
dt
=
x
(2n 1)!
0
n=1
I(x) =
X
(1)n+1
1
=
x2n1
(2n
1)!
4n
1
n=1
(7.23)
x5
x x3
+
+ O(x7 ).
3
42 1320
La serie (7.23) anterior es uniformemente convergente para todo x finito dado que es convergente con radio
415
de convergencia infinito:
an
R = lm
n an+1
(1)n+1 (2n + 1)! (4n + 3)
= lm
n (1)n+2 (2n 1)! (4n 1)
(2n + 1) (2n) (4n + 3)
= lm
n
4n 1
= .
I Ejemplo 7.8
Ahora vamos a calcular
et dt
(7.24)
para x peque
no (x 0).
Esta funcion es, salvo constante de normalizaci
on, la funcion de error complementaria,
2
erfc(x) = I(x).
Visto el exito que tuvimos en el ejemplo anterior, podramos intentar sin mas reflexion seguir el mismo
procedimiento que empleamos all. Es decir, como una primera idea, podemos intentar desarrollar el
integrando en serie de Taylor e integrar termino a termino:
Z
X
(1)n t2n ? X (1)n 2n
t dt
=
n!
n!
x
x
n=0
n=0
X
(1)n t2n+1
=
= .
n!
2n + 1
I(x) =
dt
n=0
Es obvio que algo ha ido mal. El signo de interrogacion sobre el smbolo de igualdad
nos est
a indicando
P
en donde nacen los problemas: no es lcito integrar termino a termino la serie n=0 (1)n t2n /n! La raz
on
es que, aunque esta serie tiene radio de convergencia infinito,
(1)n (n + 1)!
an
= lm (n + 1) = ,
= lm
R = lm
n
n an+1
(1)n+1 n! n
la convergencia uniforme se da s
olo para |x| r < R = , es decir, la serie es uniformemente convergente
s
olo sobre un intervalo finito, y como intervalo de integraci
on es infinito, resulta que la integraci
on termino
a termino de la serie no es v
alida. Como el problema est
a pues en que el intervalo de integraci
on es infinito,
podemos esquivar esta dificultad descomponiendo la integral de la siguiente manera:
I(x) =
t2
dt
0
0
Z x
2
=
et dt.
2
0
et dt
(7.25)
416
xX
(1)n t2n
dt
n!
0 n=0
Z
X
(1)n x 2n
t dt
n!
0
n=0
(1)n
n=0
x+
1
x2n+1
(2n + 1) n!
(7.26)
1 3
1 5
1 7
x
x +
x + O(x9 ) .
3
10
42
J
I Ejemplo 7.9
Queremos calcular el valor de la integral
I(x) =
et
dt
t2
(7.27)
para x grandes, es decir, para x . Esta integral es la funcion gamma incompleta5 (1, x).
Como sabemos, en la integraci
on por partes se usa la relaci
on
Z t2
t2 Z t2
u dv = uv
v du.
t1
t1
(7.28)
t1
et
dt = u dv.
t2
Las funciones u y dv se deben escoger de modo que:
1. La expresi
on dv sea integrable, es decir, debemos ser capaces de hallar v a partir de dv.
2. Los sucesivos terminos en el desarrollo de I(x) sean decrecientes cuando x se acerca al valor lmite
(en nuestro caso, cuando x ).6
Ilustraremos estas afirmaciones probando con dos elecciones una buena y otra mala de u y dv. Empezaremos por la err
onea,
Elecci
on err
onea:
u =
dv
et
dt
t2
du
= et dt ,
1
= .
t
R
Esta funci
on se define 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, servira para algo nuestro desarrollo?
5
417
Z t
1
e
dt
t x
t
x
Z t
ex
e
=
dt .
x
t
x
et
dt = et
t2
(7.29)
et
dt
t
u =
dv
y sustituimos,
du
v
= et dt ,
ln t .
Z
ex
et ln t
ln t et dt
x
x
x
Z
ex
=
ln t et dt .
ex ln x
x
x
I(x) =
(7.30)
Vemos que el segundo termino es mucho mayor que el primero. Esto lo podamos haber previsto pues al
hacer la integral por partes obtuvimos en (7.29) una integral entre x e similar a la que define a I(x)
t
t
pero con un integrando mayor que el de I(x), pues e t et2 para t x 1. En (7.30) sucede lo mismo:
la integral u
ltima debe dar una contribucion mayor que los terminos anteriores porque su integrando es
t
mucho mayor que los integrandos anteriores ya que et ln t e t para t x 1. En definitiva, las
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 terminos anteriores explcitamente calculados.
Elecci
on acertada:
u
dv
t2
et dt
du
v
2
dt ,
t3
t
= e .
Z t
1
2e
dt
I(x) = e
t2 x
t3
x
Z
t
ex
e
= 2 2
dt.
x
t3
x
t
Esta elecci
on conduce a una integral remanente con un integrando menor que el de la integral de partida
et
et
nal. Continuemos con el procedimiento e integremos
pues 3 2 para t x 1. Esto es una buena se
t
t
la integral remanente por partes escogiendo
1
du = 3 dt ,
u
= 3
t
t4
v = et .
dv = et dt
Esto significa que
Z t
et
e
t 1
dt
=
e
dt
3
t3
t3 x
t4
x
Z t
e
ex
= 3 3
dt .
x
t4
x
418
ex
ex
2 3 +6
2
x
x
et
dt.
t4
ex
ex
ex
n! ex
ex
2! 3 + 3! 4 4! 5 + + (1)n1 n+1 + (1)n (n + 1)!
2
x
x
x
x
x
et
dt .
tn+2
(7.31)
dt
<
et dt = n+2 .
n+2
n+2
n+2
n+2
t
x
t
x
x
x
x
Por tanto (7.31) queda
I(x) = e
es decir,
N
X
(1)n1 n!
1
x
+e O
xn+1
xn+2
n=1
I(x) ex
N
X
(1)n1 n!
,
xn+1
n=1
(7.32)
x .
n1
PN
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:
an
1
n!
= lm
= lm
= 0.
R = lm
n n
n an+1
n (n + 1)!
Sin embargo, para un N fijo, el resto rN (x) puede hacerse arbitrariamente peque
no sin mas que aumentar
el valor de x.
En la figura 7.3 hemos representado el cociente I(x)/SN (x) donde
SN (x) = ex
N
X
(1)n1 n!
xn+1
n=1
I Ejemplo 7.10
Queremos calcular
I(x) =
t1/2 et dt
)
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
6
x
10
Figura 7.3: Cociente I(x)/SN (x) frente a x para N = 3 (rayas cortas), N = 5 (rayas largas) y
N = 10 (lnea continua).
luego
x 1 Z x
t3/2 et
I(x) = t1/2 et
2 0
0
Z
1 1 x 3/2 t
1/2 x
t
e .
=x
e
0 2 0
Hemos encontrado una divisi
on por cero de modo que esta va 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 problematica expresando I(x) como diferencia de dos integrales
Z
Z
t1/2 et dt
t1/2 et dt
I(x) =
x
0
Z
1
1/2 t
t
e dt
=
2
x
Z
=
t1/2 et dt ,
x
)
du = 1 t3/2 dt ,
u = t1/2
2
v = et .
dv = et dt
y por tanto
1 Z
1/2 t
3/2 t
e
I(x) = t
t
e dt
2
x
Z x
1
t3/2 et dt.
= + x1/2 ex +
2 x
= t3/2
dv
= et dt
du
v
3
= t5/2 dt ,
2
= et .
N
otese que hemos usado la misma identificaci
on para u y dv que antes
420
para as obtener
3 Z
1
t3/2 et
t5/2 et dt
2
2
x
Z x
3
1
t5/2 et dt.
= + x1/2 ex + x3/2 ex
2
4 x
Z
t(2n1)/2 et dt usamos
En general, para In (x) =
I(x) =
x1/2 ex +
u
dv
= t(2n1)/2
=
et dt
para obtener
du
v
2n 1 (2n+1)/2
t
dt ,
2
t
= e .
=
2n 1 Z 2(n+1)1
t 2
et dt
In (x) = t
e
2
x
x
2n 1
= x(2n1)/2 ex
In+1 (x)
2
2n 1
In+1 (x)
= x xn ex
2
1
2n 1
1
= n1 ex
In+1 (x) .
2
xx
13
135
1
ex
n 1 3 5 (2n 1)
+
+
(1)
I(x) = 1
2x (2x)2
(2x)3
(2x)n
x
1 3 5 (2n 1) 2n + 1
In+2 (x) .
+ (1)n
(2)n
2
x
1
Como In+2 (x) = ex O xn+1
, se tiene que, por definicion de serie asint
otica,
(2n1)/2 t
I(x)
#
"
X
1
(2n
1)
ex
,
(1)n
1+
(2x)n
x
n=1
x .
(7.33)
J
I Ejemplo 7.11
Ahora deseamos estimar el valor de la integral de Laplace
Z
ext f (t) dt
I(x) =
(7.34)
para x grandes (x ) asumiendo que la integral existe y que f (x) es analtica en [0, ].8
Escogemos
u = f (t)
dv
8
ext dt
du
= f 0 (t) dt ,
=
ext
.
x
Recuerdese que esto significa que todas las derivadas de f (x) existen en el intervalo [0, ].
421
Esta identificacion tiene buen aspecto pues el integrando de la integral remanente contendr
a a la funcion
v = ext /x que, para x grandes, es menor (en valor absoluto) que la funcion ext existente en la integral
inicial. Integrando por partes seg
un la identificacion anterior tenemos que
Z xt
Z
f (t) ext
e
xt
e
f (t) dt =
f 0 (t) dt
+
x
x
0
0
Z 0
f (0) 1 xt 0
=
+
e
f (t) dt.
x
x 0
Repetimos el procedimiento y escogemos
= f 0 (t)
= ext dt
dv
para as obtener
Z
xt
du
= f 00 (t) dt ,
=
ext
.
x
Z xt
e
f 0 (t) ext
f (0) 1
00
f (t) dt =
+
f (t) dt
+
x
x
x
x
0
0
Z
f (0) f 0 (0)
1
=
ext f 00 (t) dt.
+ 2 + 2
x
x
x 0
Z
N
X
f (n) (0)
1
f (t) dt =
ext f (n+1) (t) dt
+ n+1
n+1
x
x
0
n=0
N
X
f (n) (0)
1
+
O
=
xn+1
xN +2
n=0
xt
es decir,
ext f (t) dt
N
X
f (n) (0)
,
xn+1
n=0
x .
J
I Ejemplo 7.12
Calcularemos ahora el comportamiento de la integral generalizada de Laplace,
Z b
f (t) ex(t) dt
I(x) =
a
para x .
v
dv = ex(t) dt
= f 0 (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 identificacion mas prometedora que no sufre de este inconveniente,
a saber:
0
f (t)
f (t)
du =
dt ,
u =
0 (t)
0 (t)
x(t)
dv = 0 (t) ex(t) dt
v = e
.
x
422
y por consiguiente
b
0
Z
ex(t) f (t)
1 b x(t) f (t)
I(x) =
e
dt.
x 0 (t) a x a
0 (t)
(7.35)
e
,
x 0 (b)
x 0 (a)
x .
J
Este u
ltimo ejemplo ha sido especialmente interesante. Hemos visto en el una formula general
para estimar el comportamiento dominante asintotico de una integral de Laplace generalizada.
Vale pues la pena discutir bajo que condiciones la formula obtenida anteriormente,
Z b
f (t) ex(t) dt
(7.36)
I(x) =
a
x 0 (b)
x (a)
x ,
(7.37)
b) Re[(t)] < Re[(b)] para a t < b, Re[0 (b)] 6= 0 y f (b) 6= 0. Estas condiciones no
permiten asegurar que exista la integral remanente de la expresi
on (7.35), pero si son
lo suficientemente fuertes como para garantizar que
I(x)
1 f (b) x(b)
e
x 0 (b)
para x .
I Ejemplo 7.13
Veamos un par de ejemplos en los que estimaremos el termino asint
otico dominante de integrales de Laplace
generalizadas empleando la formula (7.37) tras asegurarnos que f (t) y (t) satisfacen las condiciones
adecuadas.
423
1. Sea la integral
I(x)
ex cosh t dt,
1
x .
Por lo tanto f (t) y (t) satisfacen las condiciones del apartado 2a, luego
I(x)
1 1
ex cosh 2
x senh 2
para x
ex cosh
dt,
x .
Identificamos terminos: f (t) = 1, (t) = cosh2 t 0 (t) = 2 cosh t senh t. Con estos datos podemos
ver que:
cosh2 t < cosh2 3,
0 (b = 3) 6= 0.
f (3) = 1 6= 0.
1 t < 3.
2
1
1
ex cosh 3
x 2 cosh 3 senh 2
para x .
J
n=1
An xn ,
x .
B Ejercicio 7.1
Demuestra la afirmaci
on anterior.
424
I Ejemplo 7.14
Sea la integral
I(x) =
ext dt.
I(x) =
.
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 0 (t) = 2t 0 (t = 0) = 0,
por lo que esperamos obtener una integral inexistente al integrar por partes:
1
1
du =
=
u =
0
(t)
2t
v =
dv = ex 0 (t) dt = ext (2t) dt
luego
xt2
1 ext
dt =
2t x
1
dt ,
2t2
2
ext
.
x
Z
xt2
1
e
dt .
2
x
2t
0
0
siendo f (t) y (t) funciones reales continuas. Asumiremos que la integral I(x) existe, es decir,
que tiene un valor finito.
Antes de hacer una exposicion generica, vamos a ilustrar el metodo con un ejemplo.
425
I Ejemplo 7.15
Queremos evaluar
10
ext
dt
1+t
X
1
(1)n tn .
= 1 t + t2 t3 + =
1+t
n=0
(7.38)
(7.39)
Etapa 2. Para evitar esta dificultad dividimos el intervalo de integracion en dos intervalos, [0, ] y [, 10],
siendo un n
umero positivo peque
no (menor que 1). Por consiguiente,
I(x) =
Pero
10
ext
dt <
1+t
ext
dt +
1+t
10
xt
10
ext
dt .
1+t
(7.40)
10
ext
1
dt =
= (e10x ex )
x
x
(7.41)
ext
dt + TExP I(x, ) + TExP
1+t
para x .
(7.42)
X
X
xt
n
n n
ext tn dt.
(7.43)
e
(1)
(1) t dt =
I(x, ) =
0
n=0
n=0
ext tn dt =
Z x
n d
1
e n d.
= n+1
x
x
x
0
(7.44)
426
Definimos
In =
e n d
de modo que
I(x, ) =
X
(1)n In
.
xn+1
n=0
v = e .
dv = e d
Entonces
Z
x
+n
In = e
e n1 d
0
n x
= n In1 (x) e
i
h
= n (n 1) In2 (x)n1 e (x)n ex
= n (n 1) In2 (x)n + n (x)n1 ex
i
h
= 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 .
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 .
R x
Haciendo n = m y dado que I0 = Inn = 0 e 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 .
n! i
n1
In
+ n 2 + n (n 1) 3 + + n! n + n+1 ex .
ext tn dt = n+1 = n+1
x
x
x
x
x
x
x
0
Etapa 3. Notese que este resultado es independiente del valor de , incluso tomando = . De hecho,
hacer = sera el modo mas directo de calcular los terminos que no son exponencialmente peque
nos.
En nuestro caso se tendra que
Z
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, ) =
X
(1)n n!
+ TExP
xn+1
n=0
para x ,
427
X
(1)n n!
+ TExP
xn+1
n=0
para x .
Es facil ver que la serie anterior no es convergente pues su radio de convergencia es nulo,
an
1
(1)n n!
= lm
= lm
R = lm
= 0.
n+1
x an+1
x (1)
(n + 1)! x n + 1
X
(1)n n!
I(x)
xn+1
n=0
para x .
(7.46)
R c+
c
f (t) ex(t) dt si c = a.
R a+
Rb
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 difcil de entender tras un poco de reflexi
on. La figura 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 aproximacion sera 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
integracion a infinito, estos es, reemplazar por .
Todo esto puede parecer un tanto loco: cambiamos primero 10 por con 0 < 1, y despues
por . Sin embargo, una peque
na reflexi
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 termino a
termino, a continuaci
on cambiamos por para evaluar m
as comodamente los terminos de la
serie. La clave esta en que cada vez que cambiamos los lmites de integracion s
olo introducimos
errores exponencialmente peque
nos.
428
-1
0.35
-1.2
0.3
-1.4
0.25
-1.6
-1.8
0.5
0.5
1.5
2.5
1.5
1.510
510
(b)
-9
-44
3.510
-44
310
-44
2.510
-44
210
-44
1.510
-44
110
-45
510
-9
110
2.5
0.15
(a)
210
-9
-10
0.5
1.5
2.5
0.5
(c)
1.5
2.5
(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 caracterstica de las series asint
oticas, a saber, que dos funciones distintas pueden
tener la misma serie asint
otica. Por ejemplo, todas las funciones
Z
I(x; ) =
ext
dt
1+t
X
(1)n n!
xn+1
n=0
10
para x
ext
dt
1+t
el lmite superior sea 10 no tiene ninguna transcendencia cuando calculamos (vease el ejemplo 7.15)
la serie asint
otica I(x) para x . Es obvio que I(x; 10) 6= I(x; 20) 6= 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
funcion.
429
f (t) ext dt
(7.47)
an tn
para t 0+ ,
n=0
(7.48)
I(x) =
f (t) e
xt
dt
X
an ( + n + 1)
x+ n+1
n=0
para x .
(7.49)
N
otese que, formalmente, esto equivale a introducir la integral dentro del sumatorio (es decir, a
integrar termino a termino) y tomar b .
Demostraci
on.
Sabemos que:
tb
y por tanto
f (t) e
xt
ext = TExP,
x .
x .
x .
(7.50)
9
Esto es una condici
on m
as debil que imponer que sea convergente, pues recuerdese que convergente implica
asint
otico pero no lo contrario
10
Si no fuera as, la integral I(x) no convergera.
11
Esta condici
on se impone para que I(x) converja.
430
N
X
n=0
an tn = O t+ (N +1) ,
t 0+ .
xt
+ (N +1) xt
a
t
f
(t)
t
e
kt
e
dt
dt
n
0
0
n=0
Z
"
#
N
X
ext f (t) t
an tn dt
0
n=0
Z
N
X
+n xt
t
e
dt .
an
I(x, )
0
n=0
Pero
+ (N +1) xt
kt
y por tanto
dt =
Z
N
X
+n xt
t
e
dt = O x (N +1)1 .
an
I(x, )
0
n=0
Por u
ltimo, reemplazamos por , y usamos la relaci
on
Z
( + n + 1)
t+n ext dt =
,
x+n+1
0
para obtener
N
X
(
+
n
+
1)
+
TExP
an
= O x (N +1)1 ,
I(x) + TExP
+n+1
x
n=0
es decir,
I(x)
N
X
an
an
n=0
( + n + 1)
= O x (N +1)1 .
+n+1
x
n=0
( + n + 1)
,
x+n+1
x ,
c.q.d.
(7.52)
431
I Ejemplo 7.16
Una representaci
on integral de la funcion de Bessel modificada K0 (x) es
Z
(s2 1)1/2 exs ds.
K0 (x) =
1
1/2 x(t+1)
(t + 1)2 1
e
dt
0
Z
(t2 + 2t)1/2 ext dt.
= ex
0
1 n
X
t
1/2
n n + 2
= (2t)
(1)
.
1
2
n!
2
n=0
1
X
1
x
n n+ 2
ext tn 2 dt
K0 (x) e
(1) n+ 1
1
2 2 n! 2 0
n=0
h
i 2
n + 21
X
1
ex
(1)n n+ 1
x .
n+ 1 ,
1
2 2 n! 2 x 2
n=0
J
432
de modo que
I(x) =
f (t) e
x(t)
dt =
(b)
(a)
donde
d1 (s)
F (s) = f 1 (s)
.
ds
La u
ltima integral tiene la forma adecuada para aplicar sin m
as el lema de Watson.
I Ejemplo 7.17
Queremos hallar el comportamiento de
I(x) =
ex sen
dt
cuando x .
s = sen2 t ds = 2 sen t cos t dt = 2 sen2 t 1 sen2 t dt = 2 s 1 s dt.
I(x) =
=
sen2 /2
ds
exs
2 s 1s
1/2 xs
s (1 s)
e
ds.
sen2 0
Z 1
1
2
1/2
s (1 s)
= s1/2 (1 s)1/2
X
n + 12 n
1/2
s
=s
n! 21
n=0
Z
X
n + 21
1
sn 2 exs ds,
I(x)
x
1
n!
0
2
n=0
h
i 2
n + 21
X
1
x .
1 ,
1
n+
n! 2
x 2
n=0
433
1. Desarrollamos f (t) en torno a t = c y nos quedamos con el termino dominante (es decir,
el primer termino no nulo); esto implicara obtener s
olo el termino dominante de I(x). Por
simplicidad, en lo que sigue supondremos que f (t) es continua y que f (c) 6= 0. No obstante,
veremos m
as adelante (pagina 436) como tratar casos en los que f (c) = 0.
2. Reemplazamos (t) por sus primeros terminos del desarrollo de Taylor en torno a su m
aximo
situado en t = c. Hay varias posibilidades. Discutiremos tres casos representativos:
a) El m
aximo esta situado en uno de los extremos de integracion, es decir, c = a o c = b,
y adem
as 0 (c) 6= 0. Entonces aproximamos (t) por
(t) ' (c) + 0 (c) (t c).
b) El m
aximo esta situado en el interior del intervalo de integracion, es decir, a < c < b,
y adem
as 0 (c) = 0 (esto es necesario pues (t) es m
aximo en t = c), y 00 (c) 6= 0. En
este caso aproximamos (t) por
(t) ' (c) +
1 00
(c) (t c)2 .
2
c) El m
aximo esta situado en el interior del intervalo de integracion, es decir, a < c < b,
y adem
as 0 (c) = 00 (c) = = (p1) (c) = 0 y (p) (c) 6= 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 quedandonos con el primer termino
correctivo a (c) que sea no nulo.
Hay algunos otros casos posibles (vease el ejercicio 7.2 o los ejemplos 7.18.1 y 7.18.2) pero el
modo de resolverlos debera deducirse inmediatamente de la discusion que haremos de los tres
casos anteriores.
III. A continuaci
on sustituimos estas aproximaciones en I(x, ) y evaluamos el termino dominante
de la integral ampliando el intervalo de integracion a infinito. Analizamos separadamente cada
uno de los casos del apartado II.2:
1. En el caso II.2a se tena que c = a o c = b y 0 (c) 6= 0:
a) Si c = a entonces 0 (a) < 0 y se tiene que
Z a+
0
f (a) ex [(a)+ (a) (ta)] dt .
I(x, )
a
Haciendo s
olo introducimos terminos exponencialmente peque
nos, luego, para
x ,
Z
0
x(a)
ex (a) (ta) dt
I(x) f (a) e
Za
0
ex (a) s ds
f (a) ex(a)
0
x0 (a) s
x(a) e
f (a) e
x0 (a)
0
ex(a)
f (a)
x 0 (a)
(7.53)
434
ex (b) (tb) dt
f (b) ex(b)
.
x 0 (b)
(7.54)
c+
00 (c) (tc)2 ]
f (c) ex [(c)+ 2
dt,
x .
Haciendo s
olo introducimos terminos exponencialmente peque
nos, luego
Z
1
00
2
x(c)
x , .
e 2 x (c) (tc) dt,
I(x) f (c) e
Ahora hacemos
1
s = x 00 (c) (t c)2 s =
2
2
y por tanto
x 00 (c)
(t c),
2
Z
f (c) ex(c) s2
e
ds,
x .
(7.55)
I(x) q
00
x 2(c)
R
R
2
2
Pero es ds = 2 0 es ds. Empleando el cambio de variable s2 = u en esta integral,
y teniendo en cuenta la definicion de la funcion gamma [ecuacion (2.170), pagina 125],
encontramos que
Z
Z
1
1 u 1
1
s2
2
e
ds =
e u du =
.
=
2 0
2
2
2
0
Por tanto
I(x)
2 f (c) ex(c)
p
,
x 00 (c)
x .
(7.56)
B Ejercicio 7.2
Calc
ulese I(x) asint
oticamente para x si 0 (c) = 0, c = a y 00 (c) < 0.
3. En el caso II.2c sucede que 0 (c) = 00 (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 sera un m
aximo. En este caso
I(x, )
c+
f (c) e
1 (p)
(c) (tc)p ]
x [(c)+ p!
dt.
435
Haciendo s
olo introducimos terminos exponencialmente peque
nos, y por tanto
Z
1 (p)
(c) (tc)p
I(x) f (c) ex(c)
e p!
dt.
Hacemos el cambio,
"
#1/p
x (p) (c)
1
(p)
p
s = x (c) (t c) s =
(t c),
p!
p!
p
y entonces
Z
f (c) ex(c)
p
es ds.
i
1/p
(p)
x p! (c)
R
R
p
p
Como p es par se tiene que es ds = 2 0 es ds. Adem
as, mediante el cambio de
variable sp = u encontramos que
Z
Z
1
1
1 u p1 1
sp
e u
.
du =
e
ds =
p 0
p
p
0
I(x) h
Por tanto
1
1/p
p (p!)
2
I(x)
f (c) ex(c) ,
p x (p) (c)1/p
x .
(7.57)
B Ejercicio 7.3
Calc
ulese I(x) asint
oticamente para x si c = a, 0 (a) = 00 (a) = (p1) (c) = 0 y (p) (c) < 0.
I Ejemplo 7.18
A continuacion se muestran unos ejemplos:
1.
ex tan t dt
1
x
para x .
x senh2 t
1
dt
2
para x .
Esta integral casi pertenece al caso III.2 con c = a = 0, 0 (a) = 0 y 00 (a) 6= 0. No es exactamente igual
al caso discutido en el apartado III.2 porque en este ejemplo el maximo 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 facil ver que simplemente
el lmite 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 definitiva, la ecuaci
on (7.56) se convierte en
f (a) ex(a)
,
x .
I(x) p
2x 00 (a)
436
3.
ex sen
dt
(1/4)
2x1/4
para x .
/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 aproximacion asint
otica pues la funcion (t) = cos t tiene un
maximo (absoluto) en ambos extremos. Un modo sencillo de tratar estos casos que poseen mas de
un maximo absoluto (es decir, maximos absolutos iguales) es descomponiendo la integral original en
suma de integrales con intervalos de integraci
on en los que s
olo se encuentre un maximo absoluto.
En nuestro caso podramos, por ejemplo, descomponer la integral as:
Z
/2
(t + 2) ex cos t dt =
(t + 2) ex cos t dt +
/2
(t + 2) ex cos t dt .
/2
/2
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.
J
f (t) ex(t) dt ,
x ,
satisface la condici
on
0 (c) = 0, 00 (c) < 0 para a < c < b.
Procederemos como en casos anteriores y aproximamos I(x) por I(x, ) donde
I(x, ) =
c+
00 (c) (tc)2 ]
f0 (t c) ex[(c)+ 2
dt,
437
/2
1/2
2
2
s2
I(x) f0 e
s e
ds
00
00
x (c)
x (c)
+1 Z
2
2
2
x(c)
s es ds.
f0 e
00
x (c)
x(c)
(7.58)
s2
s e
ds = 2
Z
=
s es ds
+1
2
eu du
0
+3
=
.
2
En este caso
I(x) f0
2
x 00 (c)
+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.
e ta ex (ta) dt,
x .
En este ejemplo c = a. N
otese que la funcion f (t) = e ta va a cero mucho m
as rapido que (ta)
para todo > 0 cuando t a. Esto significa que no podemos aproximar f (t) por el termino
dominante de su desarrollo asintotico 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 posicion del verdadero m
aximo del
integrando de I(x). Para ello escribimos I(x) como
I(x) =
e(x,t) dt,
donde
(x, t) =
1
x (t a)2 .
ta
(7.60)
438
El m
aximo de esta funcion se da en el valor de t que satisface la ecuaci
on
d (x, t)
1
=0=
2x (t a).
dt
(t a)2
(7.61)
N
otese que, a diferencia de los casos estudiados hasta ahora, la posicion del m
aximo depende del
valor de x. En estos casos se dice que el m
aximo es movible o no fijo.
Para aplicar el metodo de Laplace lo primero que haremos es transformar, mediante un cambio
de variable, este problema en uno con m
aximo fijo, 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
(7.62)
esta situado en s = 21/3 = c. Llevando a cabo el anunciado cambio de variable se tiene que
Z (ba) x1/3
1/3
e(x,s) ds .
(7.63)
I(x) = x
0
Esta integral ya tiene la forma adecuada para aplicar las tecnicas que hemos aprendido en la
secci
on anterior. Vamos a hacerlo, pero ya sin demorarnos en los detalles. Sabemos que12
Z 21/3 +
1/3
e(x,s) ds .
I(x) I(x, ) = x
21/3
Z
3
1/3
1/3 )2
1/3
e3x (s2
ds
x1/3 e 2 (2x)
I(x) 3
pues
12
u2
1 3
2 (2x)1/3
,
e 2
3x
R
2
= 2 0 eu = .
eu du,
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 .
439
f (t) ex(t) dt =
y evaluaramos cada integral por separado. El hecho de que (t) sea compleja da lugar a dificultades 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,
I(x) =
(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.
I Ejemplo 7.19
Vamos a calcular una aproximacion asint
otica de la integral de Fourier
I(x) =
eixt
dt
1+t
)
du
u = (1 + t)1
v
dv = eixt dt
= (1 + t)2 dt ,
=
eixt
eixt
= i
.
ix
x
y por tanto
1
Z
eixt
1
i 1 eixt
dt
x 1 + t 0 x 0 (1 + t)2
Z
i eix
i
i 1 eixt
=
dt.
+
2 x
x x 0 (1 + t)2
I(x) = i
(7.65)
13
i
x
eixt
1
1
2
dt = 2 eix + 2 2
2
(1 + t)
4x
x
x
eixt
dt.
(1 + t)3
440
Pero esta u
ltima integral remanente es finita pues aplicando la desigualdad triangular encontramos que
Z 1
Z 1 ixt
Z 1
e
eixt
dt
3
dt
= .
(1 + t)3 dt =
3
3
(1
+
t)
(1
+
t)
8
0
0
0
i
i
I(x) = eix + + O
2x
x
1
x2
i ix i
e + , x .
(7.66)
2x
x
Integrando repetidamente por partes se encontrara que
(i)n (n 1)!
(i)n (n 1)!
1
1
i
i
ix
+ +
+ +
+ +
+ . (7.67)
I(x) e
2x 4x2
(2x)n
x x2
xn
I(x)
B Ejercicio 7.4
Demuestra por induccion la relaci
on (7.67).
En el ejemplo anterior hemos demostrado que las integrales remanentes que se iban obteniendo
se desvanecan m
as r
apidamente que los terminos de contorno cuando x . Podramos haber
justificado este hecho acudiendo al lema de Riemann-Lebesgue, el cual dice lo siguiente:
Lema 7.3 (Lema de Riemann-Lebesgue para integrales de Fourier)
Z b
f (t) eixt dt 0 para x
(7.68)
siempre que
Rb
a
|f (t)| dt exista.
Utilizando este lema, el resultado (7.66) se podra 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
Z 1
1
(1 + t)2 dt
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
Z 1
eixt
dt 0 para x
2
0 (1 + t)
por lo que (7.65) se puede escribir como
i
i
I(x) = eix + + o
2x
x
1
.
x
441
0.5
-0.5
-1
0
0.2
0.4
0.6
0.8
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
Rb
a
|f (t)| dt es finita).
I Ejemplo 7.20
Este lema implica que
10
t3 eix sen
pues
R 10
0
dt 0 para x ,
2. sen2 t es una vez continuamente diferenciable en 0 t 10 pues su primera derivada 2 sen(t) cos(t)
es una funcion continua en 0 t 10.
R 10
0
t3 ei2x dt para
Visto el exito que hemos obtenido en el ejemplo 7.19 al ser capaces de hallar el desarrollo
asintotico de una integral de Fourier para x mediante el metodo de integracion por partes,
442
es natural que apliquemos este mismo metodo a la integral generalizada de Fourier. En este caso
identificamos
d f (t)
f (t)
du = dt 0 (t) dt ,
u =
0 (t)
ix(t)
0
ix(t)
v = e
dv = (t) e
dt
,
ix
y se tiene
Z
1 b d f (t)
f (t) ix(t) t=b
e
eix(t) dt.
I(x) =
ix 0 (t)
ix a dt 0 (t)
t=a
d
Si f (t)/ 0 (t) no se anula en x = a y/o en x = b, y dt
[f (t)/ 0 (t)] y (t) satisfacen las condiciones
del lema de Riemann-Lebesgue, entonces se verifica que
I(x)
para x
(7.70)
A
x1/n
para x .
443
0.5
-0.5
-1
0
0.2
0.4
0.6
0.8
y 0 (t) 6= 0
para a < t b .
f (t) ei(t) dt
(7.71)
a+
f (t) e
i(t)
= I(, ) +
15
dt +
f (t) ei(t) dt
a+
A
,
0 < 1.
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 aproximacion
f (t) ' f (a) ,
1
(t) ' (a) + 00 (a) (t a)2 ,
2
para hallar el termino dominante de I(, ):
Z a+
f (t) ei(t) dt
I(, ) =
a
Z a+
1
00
2
i(t)
ei 2 (a) (ta) dt.
' f (a) e
a
A fin de evaluar el termino dominante de I(, ) podemos hacer pues el termino espurio
Z
1
00
2
ei 2 (a) (ta) dt,
f (a) ei(t)
que a
nadimos de este modo va a cero como 1/ dado que la funcion 21 00 (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
terminos que decaen tan r
apidamente y escribir
Z
1
B
00
2
i(t)
,
ei 2 (a) (ta) dt + ,
I() f (a) e
J() =
ei 2
00 (a) z 2
dt,
(7.72)
donde z = t a.
Evaluaremos la integral J() mediante el teorema de Cauchy-Goursat. Recuerdese 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 analtica dentro y sobre el contorno) entonces,
Z
F (z) dz = 0.
C
F (z) = ei 2
00 (a) z 2
C1
C2
C3
R
y la elecci
on de C asegura que, en cada caso (a) o (b), se tiene que C2 F (z) dz = 0 para R
R
y que C3 F (z) dz toma la forma de una integral de Laplace. Veamoslo para cada caso.
16
Por supuesto, esto habr
a de confirmarse en el futuro. Los impacientes pueden ver el resultado final y la
confirmaci
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 porque este
contorno es justamente el adecuado.
445
C2
C3
C1
R
4
C2
x
(b)
(a)
Figura 7.7: Contorno C para (a) 00 (a) > 0 (b) 00 (a) < 0.
Caso (a): 00 (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 ,
Z
C2
dz = i R ei d ,
Z /4
1
00
2
2
ei 2 (a) (R cos 2+i R sen 2) i R ei d .
F (z) dz =
0
C2
/4
e 2
00 (a) R2
sen 2
0
12 00 (a) R2 sen 2
d + R
/4
e 2
00 (a) R2
/4
e 2
00 (a) R2
sen 2
es exponencialmente peque
no para R , por lo que
R
/4
e 2
00 (a) R2
sen 2
En la expresi
on
R
e 2
d 0 para R .
00 (a) R2
sen 2
sen 2
446
00
1 e (a)R
'
R 00 (a)
C2
F (z) dz 0 para
2
0 para R .
R .
(7.74)
(
z 2 = r2 ei/2 = i r2 ,
dz = ei/4 dr .
Por tanto,
Z
00
ei 2 (a) ir ei/4 dr
Z
1
00
2
i/4
e 2 (a) r dr
= e
F (z) dz =
C3
(7.75)
(7.76)
F (z) dz =
C1
e 2
00 (a) x2
dx J().
(7.77)
N
otese que, de forma efectiva, el problema de calcular un desarrollo asintotico 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 asintotico 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 = 12 00 (a)
r para obtener
J() = e
R
2
pues 0 e d = /2.
En definitiva,
i/4
1
00
2 (a)
e
0
i/4
e
d = p
2 00 (a)
f (a) i(a)+i/4
I() p
e
,
2 00 (a)
(7.78)
(7.79)
447
f (a)
I() p
ei(a)i/4 , .
(7.80)
2 00 (a)
pero ahora para el caso en el que 0 (a) = 00 (a) = = (n1) (a) = 0, (n) (a) 6= 0 y f (a) =
finito 6= 0. La discusion y procedimiento en este caso es, salvo por ciertas modificaciones menores,
igual al de la secci
on 7.10.3 anterior.
Procedemos como en el caso anterior descomponiendo la integral
I() = I(, ) +
a+
Dado que (t) no tiene punto estacionario en [a + , b], se verifica que la segunda integral va
como18 A/ para . Centremosnos pues en la integral
I(, ) =
'
a+
f (t) ei(t) dt
a
a+
f (a) ei[(a)+ n!
] dt
Al hacer introducimos s
olo errores de orden 1/ por lo que, para ,
Z
B
(n)
n 1
i(a)
I() f (a) e
ei (a) (ta) n! dt +
Za
1
B
(n)
n
ei (a) z n! dz +
f (a) ei(a)
a
B
J() +
donde
J() =
ei
(n) (a) z n 1
n!
dz.
escogiendo como contorno C el que se muestra en la figura 7.8. Es facil demostrar aqu tambien,
18
448
C2
C3
C1
R
n
C2
x
(b)
(a)
Figura 7.8: Contorno C para (a) (n) (a) > 0, (b) (n) (a) < 0.
R
procediendo como en el apartado 7.10.3 anterior, que C2 F (z) dz 0 para 0. Por supuesto,
R
aqu tambien C1 F (z) dz = J(). En definitiva, tenemos que
Z
Z
Z
Z
F (z) dz =
F (z) dz +
F (z) dz +
F (z) dz = 0 ,
C
C1
C2
es decir,
J() + 0 +
C3
F (z) dz = 0 .
C3
C3
F (z) dz =
e n!
(n) (a)z n
dz.
C3
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 figura 7.8(a) se tiene que z = r exp 2n
, y por tanto
z n = irn sobre C3 . Esto significa que J() se transforma en una integral real, en una integral de
Laplace:
Z
(n)
n
ei n! (a) ir ei 2n dr
J() =
0
Z
(n)
n
i 2n
=e
e n! (a) r dr .
0
(n)
(a) rn ,
n!
obtenemos,
Z
h
1
(n) i1/n 1 1 s
i 2n
s n e ds
J() = e
(a)
n n!
0
1/n
n!
(1/n) i/2n
e
.
=
n
(n) (a)
(1/n)
n!
(n)
f (a) ei (a)+i 2n , .
I()
(n)
n
(a)
(7.81)
449
n!
(n) (a)
1/n
(1/n)
(n)
f (a) ei (a)i 2n ,
n
(7.82)
cuando el punto estacionario de (t) esta en t = a y cuando sucede que la funcion f (t) no toma un
valor finito distinto de cero en t = a (tal como haba sucedido hasta ahora) sino que se comporta
como
f (t) f0 (t a)
(7.83)
1 (n)
(a) (t a)n +
n!
(7.84)
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
Z a+
1 (n)
n
f0 (t a) ei[(a)+ n! (a) (ta) ] dt.
I(, )
a
i(a)
f0 ei(a)
Za
(t a) ei n!
1
z ei n!
(n) (a) z n
dt
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 [vease la figura 7.8(a)] y distinguimos dos casos seg
un (n) (a) sea
mayor o menor que cero.
450
C2
F (z) dz 0
C3
0
1 (n)
n
r ei 2n ei n! (a) ir ei 2n dr
Z
1 (n)
n
i (+1) 2n
r e n! (a) r dr .
=e
J() =
(n)
(a) rn ,
n!
+1 Z
n
+1
1
n!
s1+ n es ds
J() = e
(n)
n (a)
0
+1
+1
n
n
n!
=
ei (+1) 2n .
(n)
n
(a)
i (+1)
2n
En definitiva,
I()
n!
(n) (a)
+1
n
+1
n
f0 ei(a)+i(+1) 2n ,
(7.85)
I()
n!
(n) (a)
+1
n
+1
n
f0 ei(a)i(+1) 2n ,
(7.86)
451
C'
R
R
Figura 7.9: La integral C F (z)dz y C 0 F (z)dz son iguales si F (z) es analtica en los contornos C y
C 0 , y en la region comprendida entre estos contornos (region rayada). El contorno C [C 0 ] es la lnea
gruesa superior [inferior] que va desde el punto A hasta el punto B.
La clave del metodo de m
axima pendiente consiste en usar el hecho de que el integrando
de (7.87) es analtico para deformar el contorno C y transformarlo en un nuevo contorno de
integracion C 0 sobre el que la integracion sea m
as facil de llevar a cabo (vease la figura 7.9). En
particular, el nuevo contorno C 0 que se escoge en el metodo 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
Z
i(z)
I() = e
f (z) e(z) dz
(7.88)
C0
y la nueva integral
0
I () =
f (z) e(z) dz
(7.89)
C0
y la nueva integral
I 00 () =
f (z) ei(z) dz
(7.91)
C 00
podra evaluarse mediante el metodo de la fase estacionaria dado que (z) es real. No obstante,
suele usarse el contorno C 0 porque el metodo de Laplace es habitualmente preferible al de la
fase estacionaria dado que su comportamiento asintotico completo se deduce del comportamiento
del integrando en la vecindad del punto de C 0 en el que (z) es m
aximo. Por el contrario, el
comportamiento asintotico completo de una integral de Fourier depende del comportamiento de
(z) sobre todo el integrando C 00 . En definitiva, el metodo 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 que a este metodo se le conoce como metodo de la m
axima pendiente.
Empezaremos estudiando este metodo mediante varios ejemplos.
452
I Ejemplo 7.21
Queremos hallar el comportamiento asint
otico de la integral
Z
I() =
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
Z 1
ln z eiz dz
(7.93)
I() =
0
cuando . Vamos a hacerlo mediante el metodo que hemos apuntando mas arriba (metodo de la
maxima pendiente): deformamos C en un nuevo contorno C 0 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, lneas con x constante, es decir, las lneas paralelas al eje y, son lneas de fase (x, y) constante.
Es sobre estas lneas sobre las que hemos de deformar el contorno C. En la figura 7.10(b) se ha dibujado
el nuevo contorno de integraci
on C 0 = C1 + C2 + C3. La integral (7.92) es por tanto:
Z
ln z eiz dz
(7.94)
I() =
C0
Z
Z
Z
=
ln z eiz dz +
ln z eiz dz +
ln z eiz dz.
(7.95)
C1
C2
C3
z = is,
0 s S,
s.
z = 1 + is,
S s 0,
s.
Los contornos C1 y C3 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 C2 no es constante por lo que la integral sobre C2 no
sera de Laplace. No obstante, esto no es preocupante porque, como es facil ver, esta integral tiende a cero
de forma exponencial cuando S :
Z
I2
ln z eiz dz
C2
1+iS
iS
=e
1+iS
iS
y por tanto I2 0 de forma exponencial para S . Debe notarse que no hay modo de ir de 0 a 1 a
traves de un contorno siempre de fase constante porque la fase (z) en z = 0 es distinta de la fase en
19
453
y
4
iS
C2
1+iS
3
C1
2
1
0
-1
-2
0
C3
1
0 y
0.25
0.5
x
-1
0.75
1 -2
(b)
=i
ln(is) es ds.
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
Z
Z
s
ln s es ds.
e
ds + i
I1 =
2 0
0
Haciendo el cambio = s encontramos
Z
Z
i
e d
ln e d ln
+
2 0
0
i
=
( + ln )
2
I1 =
e ln d =
454
ln z eiz dz
C3
Z 0
X
(i)n n s
s e
ds
I3 i ei
n
0
n=0
ie
X
(i)n (n 1)!
n+1
n=0
para .
X
i ln i + /2
(i)n (n 1)!
+ i ei
,
n+1
n=0
.
J
Ahora podemos entender por que el procedimiento que acabamos de usar es conocido como
metodo de la m
axima pendiente. La razon es simple: resulta que las lneas sobre las cuales la
fase de h(z) es constante,
(z) = const, se
nalan justamente la direcciones a lo largo de las cuales
(z)
h(z)
=e
o, equivalentemente, (z), cambia m
as rapidamente. Entendiendo (z)
la funcion e
como la altura de una superficie (x, y), las lneas a lo largo de las cuales (x, y) cambia m
as
rapidamente 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 analtica (al menos en la regi
on de integracion), se han de
satisfacer las ecuaciones de Cauchy-Riemann
=
,
x
y
= .
x
y
(7.96)
(7.97)
la ecuaci
on (7.97) equivale a
,
x y
~ =
y
~
~ = 0.
,
x y
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 direccion cualquiera ~n viene dada por
d
~ ~n,
=
dz ~n
~
~
vemos que la derivada de en la direccion del gradiente de , ~n = /|
|,
es nula:
~
~
d
= 0.
=
~
dz
~
||
Esto significa que (z) es constante sobre las lneas que son paralelas al gradiente de (z),
es decir que, tal como queramos demostrar, las lneas con fase (z) constante son lneas de
m
axima pendiente de (z). Esto ya lo habamos visto en el ejemplo 7.21 anterior: como se aprecia
en la figura 7.10(a), las lneas de m
axima pendiente de (z) corren paralelas al eje y, es decir,
la ecuaci
on de estas lneas es x = const, que es justamente la ecuaci
on de las lneas con fase
(z) = x constante.
Intercambiando el papel de y en los razonamientos anteriores, se encontrara que (z) es
~
~ = 0, concluimos que las
constante sobre las lneas paralelas al gradiente de (z). Como
lneas de valor constante (isolneas) de (z) y (z) son normales entre s. Esto se puede apreciar
en las figuras 7.10, 7.11, 7.13, 7.14 y 7.15, donde se ve que las lneas continuas [isolneas de (z)]
y discontinuas [isolneas de (z)] se cortan siempre en angulo recto.
I Ejemplo 7.22
Queremos hallar el desarrollo asint
otico para x de
Z
Z
2
I() =
eiz dz =
eiz dz .
(7.98)
(z) = x2 y 2 .
La funcion (z) se ha representado en la figura 7.11(a). En la figura 7.11(b) se han trazado lneas de fase
(z) constante (lneas continuas) y lneas con valor (z) constante (lneas quebradas). Vamos a proceder
como en el ejemplo anterior y buscamos un nuevo contorno C 0 que surja de la deformaci
on de C y que
recorra lneas de fase constante. En la figura 7.11(b) se ha representado con lneas continuas mas gruesas
este contorno: C 0 = C1 + C2 + C3 de modo que20
Z
2
I() =
eiz dz
(7.99)
0
ZC
Z
Z
2
2
2
=
eiz dz +
eiz dz +
eiz dz.
(7.100)
C1
C2
C3
Vamos a justificar a continuacion que este contorno permite transformar la tarea de calcular la integral
(7.98) en la tarea de evaluar un par de integrales de Laplace.
20
C2 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.
456
C2
2.5
2
0
-10
-20
0
4
3
1.5
C1
2
1
1
x
C3
0.5
3 -1
0.5
1.5
(a)
2.5
(b)
pero 1 + i =
en
I1
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
e2s ds.
R
0
ez dz =
/2, se deduce
457
Calculemos ahora la integral I3 . El contorno C3 es la lnea de fase constante que pasa por z = 1. Las lneas
de fase constante (z) = const son aquellas que verifican la relaci
on (z) = x2 y 2 = const.
La fase de
la lnea que pasa por z = 1 es (z = 1) = 1, por lo que la ecuaci
on del contorno C3 es (x, x2 1) o, en
forma parametrica,
p
C3 : z = s + i s2 1
siendo el par
ametro s un n
umero real que va de s = S hasta s = 1. Por tanto
Z
2
eiz dz
I3 =
C3
1
eiz
(s)
dz
ds.
ds
.
=
2 0
1 + iu
Haciendo S , la integral de Laplace resultante
I3 =
i ei
2
eu
1 + iu
(7.101)
puede evaluarse facilmente mediante el lema de Watson. Para ello desarrollamos 1/ 1 + iu en serie de
Taylor (formula del binomio generalizado, vease la formula (2.168) en la pagina 124),
X
(n + 1/2)(1/2)
1
,
(iu)n
=
n!
1 + iu n=0
i ei X
(n + 1/2)
I3
,
(i)n
2 n=0
(1/2)n+1
La integral
I2 =
x .
(7.102)
eiz dz
C2
no es una integral de Laplace porque C2 no es un contorno de fase constante.21 No obstante, esta integral
es facil deevaluar pues C2 es un contorno vertical (paralelo al eje y) que va del punto (S, S) hasta el
on va cero cuando S . Como el
punto (S, S 2 1) y, por tanto, la longitud del camino de integraci
integrando es una funcion acotada, concluimos que I2 0 si S .
Sumando los resultados anteriores para I1 , I2 e I3 encontramos finalmente que
r
1 i/4 i ei X
(n + 1/2)
I() =
, .
e
(i)n
2
2 n=0
(1/2)n+1
Por u
ltimo es importante recordar que en el calculo 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 funcion (z) es
maxima. Por ejemplo, para calcular I3 hemos trabajado anteriormente con todo el contorno C3 cuando
sabemos que s
olo es relevante conocer este contorno en las vecindades de z = 1. Sea C3 el contorno de
21
C2 va desde C1, en donde la fase es nula, (z) = 0, hasta C3, en donde (z) = 1. En la figura 7.11 se ve que
C2 no corre a lo largo de una lnea continua delgada y que no es ortogonal a las lneas de (z) constante (lneas
quebradas).
458
fase constante situado en las vecindades de z = 1 y que pasa por z = 1, es decir, C3 es simplemente una
porci
on (muy peque
na) de C3 que incluye al extremo z = 1 del contorno. Entonces
I3
eiz dz,
C3
La funcion h(z) en las vecindades de un punto z0 podemos estimarla mediante los dos primeros terminos
del desarrollo de Taylor: h(z) = e
h(z) + O(z z0 )2 con
df
e
h(z) = h(z0 ) +
(z z0 ).
dz z0
Las curvas de fase constante en la vecindad de z0 son aquellas en las que la parte imaginaria de e
h(z)
e
e
es constante, es decir, aquellas curvas para las que (z)
= const siendo (z)
= Im e
h(z). En el presente
ejemplo h(z) = iz 2 y z0 = 1 de modo que
e
h(z) = i + 2i(z 1) = 2y + i(2x 1)
e
(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
e
que la fase es igual a (1)
= 1. En resumen, el contorno de fase constante C3 situado en las vecindades
de z = 1 y que pasa por z = 1 viene dado por la ecuaci
on parametrica z = 1 + is donde el par
ametro s es
un n
umero real peque
no 0 < s 1 decreciente:
C3 :
z = 1 + is,
0 < s 1,
s.
eiz dz
C3
Esta u
ltima integral
P de Laplace puede calcularse mediante el lema de Watson teniendo en cuenta que
exp is2 = n=0 (is2 )n /n!:
I3 i ei
X
(i)n 2s 2n
e
s ds
n!
0
n=0
i ei X
(2n)!
,
(i)n 2n
2 n=0
2 n! n+1
459
asint
otico. En este caso, basta aproximar h(z) por e
h(z) para obtener
Z
I3
eh(z) dz
ZC3
e
eh(z) dz
C3
0
i ei
,
(7.104)
dh
=
+i
=
i
dz
x
x
y
y
460
y
0
B
-2
10
0
-5
-10
-2
0
x
(7.106)
I Ejemplo 7.23
Queremos evaluar la integral de Airy
1
Ai() =
s3
cos s +
3
ds
para . Mediante el cambio s = 1/2 z y escribiendo el coseno como suma de exponenciales imagi-
461
1/2
2
1/2
2
3/2
ei
(z+z 3 /3)
dz
(7.107)
3/2
h(z)
dz .
(7.108)
Esta integral ya tiene la forma (7.87) apropiada para aplicar el metodo de la maxima 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 h0 (z) = 0.
En la integral de Airy h(z) = i(z + z 3 /3) de modo que h0 (z) = i(1 + z 2 ) y los puntos de silla est
an en
z = +i y z = i. Adem
as
z3
h(z) = i z +
(7.109)
3
(x + iy)3
(7.110)
= i(z + iy) + i
3
2
2
x
y
=y
x2 1 + ix
y2 1 ,
(7.111)
3
3
y por tanto
y2
x2 1
3
2
x
Im h(z) = (z) = x
y2 1 .
3
Re h(z) = (z) = y
Por consiguiente, las lneas de maxima pendiente (fase constante) satisfacen la relaci
on
2
x
y 2 1 = const.
(z) = x
3
(7.112)
Algunas de estas lneas se han representado en la figura 7.13 (son las lneas continuas). Como el valor de la
funcion h(z) en los puntos de silla es real, h(i) = 2/3, la fase de las lneas que pasan por estos puntos
es nula. Por tanto, estas lneas vienen descritas por la ecuaci
on
2
x
Im h(z) = (z) = x
y 2 1 = 0.
(7.113)
3
De aqu se deduce que las lneas de maxima pendiente que pasan por los puntos de silla son el eje imaginario,
x = 0, y las hiperbolas de ecuaci
on
x2
y2 1 = 0 .
(7.114)
3
Estas hiperbolas se han representado en la figura 7.13 mediante lneas de trazo mas grueso. La lnea x = 0
es la lnea de maximo ascenso de (z), mientras que las hiperbolas
r
x2
1
y=
3
son las lneas de maximo descenso, como no es difcil comprobar.22
Para evaluar la integral de Airy (7.107) vamos a deformar el contorno C en un nuevo contorno C 0 =
C1 + C2 + C3 que en parte de su recorrido (en el dado por C2) sigue la lnea de maxima descenso que
cruza el punto de silla i (vease la figura 7.11). Es decir
r
x2
C2 : y =
1.
3
22
462
C2
1
20
10
0
-10
-20
-3
-2
S1
-1
S2
-1
0 y
-2
0
-2
-2
2
-3
(b)
(a)
Podemos estimar la funcion h(z) en las vecindades del punto z0 = i desarrollando h(z) en serie de Taylor
en torno a z0 : h(z) = e
h(z) + O(z z0 )3 donde [recuerdese que h0 (z0 ) = 0]
1 dh2
e
h(z) = h(z0 ) +
(z z0 )2
(7.115)
2 dz 2 z0
= 2/3 (z i)2
1
= 2y x2 + y 2 + i2x(1 y).
3
(7.116)
(7.117)
Las curvas de maxima pendiente en la vecindad de z0 son aquellas en las que la parte imaginaria de e
h(z)
e
e
es constante, es decir, aquellas curvas para las que (z) = Im h(z) = 2x(1 y) = const. Como fase en
R
23
La demostraci
on es similar a la que se llev
o a cabo en la p
aginas 444 y siguientes para justificar que la integral
F
(z)dz
iba
a
cero
exponencialmente
cuando
R
[v
e
ase
la ecuaci
on (7.76)].
C2
463
z = i + s,
|s| 1,
s .
ZC2
3/2
e h(z=i+s) d(i + s)
Z
3/2
2
3
e (2/3s is /3) ds
Z
3/2 2
3/2 3
23/2 /3
e s ei s /3 ds
e
3/2
2 e2
/3
3/2 2
cos
3/2 s3
3
ds.
I2 e2
/3
3/4
e cos
3/2
33/4
1/2 d.
I2 e2
/3
3/4
X
(1)n (3n + 1/2)
,
32n (2n)!
3n/2
n=0
(7.118)
El desarrollo asint
otico completo de la funcion de Airy es por tanto:
1/2
I2
2
e
,
2
32n (2n)!
3n/2
n=0
Ai() =
Si s
olo nos interesara hallar el termino dominante, podramos haber procedido como al final del ejemplo
(7.22) y aproximar h(z) por e
h(z) para obtener
Z
I2
eh(z) dz
C2
Z
e
eh(z) dz
ZC2
e
eh(z=i+s) d(i + s)
Z
3/2
2
e (2/3s ) ds
Z
3/2 2
23/2 /3
e s ds
e
464
exp( 2 )d =
3/2
e2
/3
3/4 ,
, se obtiene finalmente:
.
Este resultado coincide con el termino dominante de (7.118). El termino principal del desarrollo de la
funcion de Airy es pues
1/2
I2
2
3/2
e2 /3
1/4 ,
2
Ai() =
.
J
I Ejemplo 7.24
Vamos a calcular el termino principal del desarrollo asint
otico de la funcion gamma, () para .
Este termino se calcula en el problema 7.14 mediante el metodo de Laplace. En este ejemplo vamos calcular
el termino principal de su desarrollo asint
otico mediante el metodo de la maxima pendiente partiendo de
esta representaci
on integral alternativa de la funcion gamma:
Z
1
1
e(zln z) dz
(7.119)
=
()
2i1 C
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 funcion h(z) = z ln z tiene un punto de silla en z = 1 pues h0 (z = 1) = 1 1/z|z=1 = 0. Para evaluar
esta integral mediante el metodo de la maxima pendiente deformamos el contorno C para obtener otro
C 0 que rodee al corte ramal, pase por el punto de silla z = i, y sea un contorno de fase constante y de
maximo descenso de (z). Como
p
h(z = x + iy) = x ln x2 + y 2 + i(y arctan y/x)
se tiene que las lnea de fase constante son aquellas que verifican 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 lneas 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 facil comprobar que h(z) crece si partimos de z = 1 y
nos alejamos de este punto sobre la lnea y = 0. Esta lnea es por tanto el contorno de maximo ascenso.
La lnea de maximo descenso, y el contorno C 0 que buscabamos, viene dado por la ecuacion x = y cot y.
En la figura 7.14 se ha representado este contorno junto con las isolneas de (z) y (z).
Sabemos que para calcular el termino dominante s
olo es necesario evaluar la integral
Z
e
eh(z) dz
(7.120)
C 0
pues
h(z)
dz
eh(z) dz ,
0
+ iy(x 1) .
= x+
2
2
2
465
y
4
3
2
1
C
x
0
-1
-2
-3
-3
-1
-2
Figura 7.14: Lneas de fase constante o lneas de maxima pendiente (lneas continuas) del ejemplo
7.24. Las lneas discontinuas son las lneas de nivel de Reh(z) = (z). La lnea mas gruesa que pasa
por el punto de silla x = 1 es el contorno de integracion C 0 cuya ecuacion es (y coty, y). La lnea
gruesa sobre el eje y = 0 es el corte ramal de ln z.
e y) =
El contorno de maximo descenso C 0 (contorno de fase constante nula) es pues soluci
on de (x,
y(x 1) = 0. Como es facil comprobar, e
h(z) crece sobre la lnea y = 0. El contorno de maximo descenso
buscado es pues x = 1 o, en forma parametrica,
C 0 :
z = 1 + is,
|s| 1,
s.
Entonces e
h(z = 1 + is) = 1 s2 /2 y la integral (7.120) se reduce a una integral de Laplace
Z
Z
e
e
h(z)
d(1 + is) eh(z=i+s)
e
=
C 0
Z
2
ds e(1s /2) ,
=i
y as obtener
e
0
e
h(z)
ie
ds e
s2 /2
1
e
,
()
21/2
= ie
2
,
.
J
I Ejemplo 7.25
Vamos a calcular el termino principal de
I() = 2
/2)
(7.121)
466
dz e(izcosh zz
/2)
(7.122)
dz eh(z)
(7.123)
para usar el metodo de la maxima pendiente. La funcion h(z) tiene un punto de silla en z = i pues
h0 (z)
h00 (z)
h(3) (z)
h(4) (z)
=
=
=
=
i z sinh z,
1 cosh z,
sinh z,
cosh z,
h0 (i)
h00 (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
lneas de maxima pendiente que pasan por el punto de silla z = i son aquellas en las que
x( y) sen(y) senh(x) = 0 .
Es facil ver que las soluciones de esta ecuaci
on son las lneas x = 0, y = , y aquellas otras que satisfacen
la ecuaci
on implcita
sen y
x
=
.
(7.124)
y
senh x
Las lneas x = 0 e y = son los contornos de maximo ascenso. Las otra lneas dadas por (7.124) son
los contornos de maximo descenso y se han representado por lneas gruesas en la figura 7.15. Es facil ver
mediante (7.124) que el contorno denotado por C 0 en esta figura 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 0 :
Z
Z
I() =
dz eh(z) =
dz eh(z) .
C
C0
e
La fase (z)
de e
h(z) viene dada por
1
e
(z)
= Re e
h(z) = x ( y) 2 x2 2 y + y 2 .
6
(7.125)
(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 lneas de
e
maxima pendiente que pasan por el punto de silla son las soluciones de (z)
= 0. De (7.126) se deduce que
unas de estas lneas son las dadas por x = 0, otras las dadas por y = y, finalmente, 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 maximo ascenso mientras que (en las vecindades del
punto de silla) los contornos y = x son contornos de maximo descenso.
467
y
7
6
5
4
0
-20
-4
-2
0
0
-4
-3
-2
-1
(a)
(b)
dz eh(z)
C 0
0
i/4
eh(i+e
s)
Z e
i/4
s)
d i + ei/4 s
eh(i+e
d i + ei/4 s +
0
y la ecuaci
on (7.127) se reduce a
I() e
(1 2 /2)
Z
i/4
e
s2 /24
ds + e
i/4
s2 /24
ds ,
(7.127)
468
/2)
es
cos (/4)
/24
ds,
R0
es
/24
ds =
R
0
es
/24
ds
Mediante el cambio s4 /24 = y tras tomar el lmite , la integral se transforma en una integral de
Laplace que podemos evaluar de forma exacta:
Z
Z
241/4
241/4 3/4
s4 /24
(1/4).
e
d
=
e
ds =
41/4 0
41/4
0
.
J
7.12 Problemas
469
7.12. Problemas
7.1. Halla el desarrollo asintotico de la funcion integral seno
Z x
sen t
Si(x) =
dt
t
0
u
til para valores peque
nos de x. Encuentra tambien el desarrollo asintotico valido para
valores grandes de x.
7.2. Mediante integracion por partes, halla la conducta asint
otica completa de la integral
Z x
exp t2 dt , x .
0
x,
f (t) dt ,
a>0.
2
1
(t3 + t2 )1/2 dt x5/2 + x3/2 + . . . ,
5
3
Z
dt exp[xt2 ] t5/2 ln t
para x .
ex
,
4x2
ei(tx)
i
1
dt = + 2 + O
t
x x
x .
x .
1
x3
t
x
1 x
dt x
1
1+
+ ,
x
x .
470
+ cos x
t
x x
x2 x4
x
para x
7.10. Demuestra que
Nota: (1/2) =
xt2
ln(3 + t ) dt
ln 3
,
x
x .
2x
1
e
,
exp x t +
dt
t
2 x
x .
1
0
b)
c)
sen t exp x senh4 t dt .
Z
Z
2
0
1 + t2 ex cos t dt .
ln(1 + t) ex(t+1/t) dt .
para x .
, para x .
x
2
4
7.16. Halla la conducta principal de las siguientes integrales por el metodo de la fase estacionaria
cuando x :
7.12 Problemas
471
a)
eixt dt ,
b)
c)
ln(2 + t) eixt dt ,
eixt cosh t2 dt ,
d)
cos(xt4 ) tan t dt ,
e)
eix(tsen t) dt ,
f)
H0 =
dz
e
1
1 z2
para .
0
R
para , donde = 0 e ln d es la constante de Euler.
dz
21/4
z + z2
0
para .
7.20. La funcion de Bessel de primera especie de orden cero admite la siguiente representaci
on
integral
Z
1
ei cosh z dz,
J0 () = Re
i C
Apendice A
Problema 1.7
(a) n = (n /a)2 con (1 n2 )/(2n ) = cotann .
cos
a
a
para x x0
x
a
cos
x
a
Problema 1.8
(a) 0 = 1, 0 (x) = x ex , n = 1 + zn2 , n (x) = ex sen zn x, n = 1, 2, . . . donde zn
son las races no nulas de tan z = z. En particular, 1 (x) = ex sen 40 49341x, 2 (x) =
ex sen 70 72525x, . . .
Problema 1.9
n
n = n2 /4, n (x) = cos
ln x .
2
Problema 1.10
(b) n = n2 2 3/4, n = 1, 2, . . .; n (x) = ex/2 sen nx.
X
R1
bn
(c) y(x) =
n (x) con bn = 2 0 dx ex/2 sen(nx)f (x).
2
2
n
n=1
Problema 1.11
2 , (x) = J ( x) n = 1, 2 . . ., donde
(a) n = 0n
on de
n
0 0n
0n es el n-simo cero de la funci
Bessel J0 (x).
X
J0 (0n x)
(b) y(x) = 4
2 )J ( ) .
(1 0n
1 0n
n=1 0n
474
2
(2n + 1)x
sen
.
L
2L
1
(2n + 1)x
(2n + 1)x0
8L X
sen
sen
.
(b) G(x, x0 ) = 2
(2n + 1)2
2L
2L
(a) n (x) =
n=0
Problema 1.19
(a) G(x, x0 ) = x(x0 )/ para x x0 .
P
0
2
(b) G(x, x0 ) = (2/)
n=1 sen(nx) sen(nx )/n .
G(x, x0 )
1 (n + 1/2)2 /4
n=0
(d) y(x) =
1
2 sen x
1
2 sen x
Problema 1.21
(a)
G(x, x0 )
1
2 x cos x.
1
2 x cos x +
2 cos x.
2X
1
nx
nx0
=
sen
sen
.
L
k 2 + (n/L)2
L
L
n=1
Problema 1.22
(a) n (x) = Bn sen(n /)2 donde tan n = n /.
2X
n x0
n x
0
(b) G(x, x ) =
sen
/ sen2 n (1/ + 1/ cos2 n ) ;
sen
n=1
475
(x0 1 )x
para x x0 .
1+
Problema 1.23
(a) sen (|x x0 | )/(2 sen ). Para = n con n entero.
Problema 1.24
X
2 sen kn (x 1) sen kn (x0 1)
3
0
0
con tan kn = kn .
G(x, x ) = 2 (x 1)(x 1)
m
sen2 kn
m2 + kn2
n=0
Problema 1.26
1
exp[m(1 x0 )] senh[m(x 1)] para x x0 .
G(x, x0 ) = m
Problema 1.27
sen (t ) (t )
e
para t > ;
(a) G(t, ) = 0 para t < , G(t, ) =
Z t
sen (t ) (t ) f ( )
x(t) =
d
e
con 2 = 02 2 .
m
0
Z t
senh (t ) (t ) f ( )
e
con 2 = 2 02 .
d
(b) x(t) =
m
0
Problema 1.28
(a) = 00 6718, R(u0 , = 00 6718) = 10 0343.
(c) = 0, R(u0 , = 0) = 1 = 0 , u0 (x, = 0) = exp(x2 /2) es la autofuncion exacta.
(d) = 0, R(u1 , = 0) = 3 = 1 , u1 (x, = 0) = x exp(x2 /2) es la autofuncion exacta.
Problema 1.29
(a) R(u0 , = 00 4350) = 10 0649; R(u1 , = 00 2228) = 30 8301.
(b) R(u0 , = 00 7884) = 10 1353; R(u1 , = 10 3058) = 20 9399.
(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 2.5R
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.
P0 (x) X 4n + 1
+
P2n2 (0)P2n (x).
(b)
2
4n(n + 1)
n=1
Problema 2.9 Z
(i)n
dk k n exp[(x + ik/2)2 ].
Hn (x) =
2
476
0 si p > r, 2n (n + r)! si p = r.
Problema 2.14
X
n Hn (x)
2 /4
x
e =e
.
2
n!
n=0
n
1 X
x
Ln (x).
e =
1
1
n=0
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
hri = [3n2 l(l + 1)]/(n).
Problema
2.18
P
a L (a), c = ea [L (a) L
c
L
0
n
n
n1 (a)] para n 1.
n=0 n n (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
X
2
J0 (0n x/a).
f (x) =
0n J1 (0n )
n=0
Problema 3.2P
P
2
2
(a) u(x, t) =
n=1
m=1 An,m sen nx sen my cos( n + m ct), con
Z Z
4
dx dyf (x, y) sen nx sen my.
An,m = 2
0 0
(b) Solucion del apartado (a) con An,m =
Problema 3.3 P
2
u(x, t) = u1 +
n=1 An j0 (kn r) exp(akn t) con
Rb
4kn3 0 dr r2 (u0 (r) u1 )j0 (kn r)
An =
2kn b sen(2kn b)
y tan(kn b) = kn b/(1 hb), siendo a el coeficiente de difusividad termica.
Problema 3.4
4 2
r r2 cos 2.
(a) u(r, ) =
15
(b) u(r, ) = r2 cos .
X
u(x, y) =
n=1
X
J0 (n r/)
n=1
n J1 (n )
e(n /
2 )kt
cos(n) 1
2u0
senh[n(x 1)] sen(ny).
senh(n)
n
Problema 3.7
Solucion general: u(r, ) = a0 +
n=1
u0 2u0 X rn
(b) u(r, ) =
+
sen n.
2
n
n=1
Problema 3.8
u(x, t) = sen(4x) cos[(16 2 1)t].
Problema 3.9
nx
X
2hL2
n
nct
1
u(x, t) = 2
sen
sen
cos
.
(L )
n2
L
L
L
n=1
Problema 3.11
u
x
p0
u(x < 0, t) = u0
erfc
2
1 + 1 /2
r !
x 2
u(x > 0, t) = u0
.
erfc
1+ 2 /1
2
t
Problema 3.12
!
1
,
t
r
r
sen t x
.
(a) u(x, t) = T0 + T1 exp x
2k
2k
r
r
P
n
n
(b) u(x, t) = T0 + n=0 Tn exp x
sen nt x
.
2k
2k
Problema 3.13
a+x
ax
u0
arctan
+ arctan
.
u(x, t) =
y
y
Problema 3.14
4u0
(a) u(x, t) =
(b)
n=1,3,5,...
477
kn2 2 t
nx
1
exp
.
sen
n
L2
L
X
(2n + 1)L x
(2n + 2)L x
erfc
u(x, t) = u0 + u0
erfc
4kt
4kt
n=0
(2n + 1)L + x
2nL + x
+erfc
erfc
.
4kt
4kt
478
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
Problema 3.19
u(x, y) = u0 +
1
J0 (0m r) cos(0m ct).
0m J1 (0m )
u1 u0
4T0 X 1
x+
e(2n+1)y sen(2n + 1)x.
2n + 1
n=0
Problema 3.21
x X
2
u(x, t) = +
an (t) sen nx donde an (t) = an (0) en t ,
n=1
1
a3 (t) = a3 (0) e9t + et e9t sen 3x, y
8
Z
2
an (0) =
dx [f (x) x/] sen nx para n 6= 3.
0
x
1 t
(a) u(x, t) = + et sen x +
e e9t sen 3x.
8
1 t 7 9t
x
e + e
sen 3x.
(b) u(x, t) = +
8
8
Problema 3.22
R
P
2
(a) u(x, t) =
n=1 an (t)n (x) con an (t) = cos(nt) 0 sen(nx)f (x)dx.
R
P
2
(b) u(x, t) =
n=1 n (x)An cos(nt) + 2 (x)/4 con An = 0 n (x)[f (x) 2 (x)/4]dx.
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).
f 00 (e
x) 2
e + O(e3n ).
0
f (e
x) n
479
Problema 4.6
Euler: 10 362, Euler modificado: 10 388, Milne: 10 38825, metodo de Heun y metodo RungeKutta de segundo orden: 10 39847. Runge-Kutta de cuarto orden con un s
olo paso de tama
no
0
0
0
0 3: 1 39968. Exacto: 1 39972.
Problema 4.8
Euler: x = 00 990, y = 00 200. Runge-Kutta de segundo orden: x = 00 980, y = 00 199.
Exacto: x = cos(00 2) ' 00 980, y = sen(00 2) ' 00 197.
Problema 4.9
(b) y(1/3) = 00 472, y(2/3) = 10 306. Resultado exacto: y(1/3) ' 00 465, y(2/3) ' 10 298
Problema 4.10
y(1; m) = (m 1)(e 1/e)/2 + e. m
e = 1. y(x; 1) = x ex es la solucion exacta.
Problema 4.11
yn+1 =
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 formula 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) ' 10 649. (b) y(0) ' 10 006, y(1/2) ' 10 643.
Problema 4.17
(a) Esquema inestable porque Q = 1 i2 sen(x) con S = vt/(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 + uj1 /4; u2 = 1.
(1)
(1)
(1)
(2)
(2)
(1)
480
(a) u1 =
(b)
1
2
(m)
u1
1
2
(1)
sen 2/3, u2 =
(m)
u1
sen(2/3) 1/3,
1
2
(2)
sen /3. u1 =
1
4
(2)
sen /3, u2 =
1
4
sen 2/3.
(1)
(1)
2/3. u0 = sen(/3) 1/3, u1 = 12 sen 2/3,
(2)
(2)
u1 = 34 sen /3 1/6, u2 = 14 sen 2/3.
(1)
u2
1
2
(2)
sen /3. u0
Problema 5.20
(a) x(t) = A cos(t), 2 = 1 A2 /8
(d) x(t) = A cos(t) con 2 = 4I1 (A)/A donde I1 es la funcion de Bessel modificada de
orden 1.
481
Problema 5.22
(a) x(t) = A0 cos[(1 + 3A20 /8)t + 0 ]
(d) x(t) = (A0 2t/) cos(t + 0 ) si t td = A0 /(2); x(t) = 0 si t td .
(e) x(t) = A cos(t + 0 ) con A2 = A20 et / 1 + (et 1)A20 /4 .
3
2 t
t/2
(f) x(t) = A0 e
cos t A0 e +0 .
8
(g) A(t) = A(0) et/2 .
Si n = par: (t) = (0).
n!!
[A(0)]n1 e(n1)t/2 .
(n 1)(n + 1)!!
3
3
(a)
p 1 = 5(21 + 5 21)/8, 12(x) = x + 3/7 x; 2 = 5(21 5 21)/8, 2 (x) = x
3/7 x; 3 = 5/4, 3 (x) = x .
(b) (i) No hay solucion. (ii) Hay solucion, pero no es u
nica:
(x) = x +
2
X
n=1
1 hn |xi
n (x) + c 3 (x)
n kn k2
X
2 (1)n+1
sen nx .
(b) (x) = x +
n n2 2 1
n=1
Problema 6.9
(x) = 1 x + x2 /2.
482
X
2 sen nx
.
(1)n+1
(x) = x
n + n2 2
n=1
X
(1)n1 x2n1
Si(x)
, x 0.
(2n 1)(2n 1)!
n=1
cos x X
(2n + 1)!
sen x X
n (2n)!
Si(x)
(1)
(1)n 2n+1 ,
2
x
x2n
x
x
n=0
n=0
Problema 7.2
"
#
Z x
x2
X
e
(2n
1)!!
exp t2 dt
1+
, x .
2x
(2x2 )n
0
n=1
Problema 7.3
Z
exp axb
b
exp at dt
, x .
abxb1
x
x .
1 X (1)n x4n+1
2
cos t dt
(a)
, x 0.
2 2
(4n + 1)(2n)!
x
n=0
r
Z
1 X
(1)n x4n+3
2
sen t dt
para x 0.
2 2
(4n + 3)(2n + 1)!
x
n=0
"
#
2
X
eix
(a + 2n 1)!!
(b) F (x, a)
1+
, x .
2ixa+1
(2i)n x2n
n=1
Problema 7.12
r
Z 1
1
(1/2)
4
(a)
sen t exp x senh t dt =
, x .
4 x
4 x
0
r
Z 2
x cos t
x
2
2
1+t e
dt 2 + 4
(b)
e , x .
2x
0
Z 2
ln 2 e2x
x(t+1/t)
.
ln(1 + t) e
dt
(c)
2
x
1
Problema 7.13
Z /2
1X
(n + 1/2)
exp x tan2 t dt
(1)n
2
xn+1/2
0
n=0
, x .
Problema 7.16
Z
(a)
1
0
Z
(b)
eixt dt
(1/3) ei/6
, x .
3x1/3
(1/3) ei/6 ln 2
, x .
3x1/3
0
r
Z 1
1 i/4
ixt2
2
e
, x .
e
cosh t dt
(c)
2 x
0
r
Z 1
1
4
cos(xt ) tan t dt
(d)
, x .
4 2x
0
Z
(e)
Z
(f)
ln(2 + t) eixt dt
e
0
1
ix(tsen t)
(1/3)
dt
3
1/3
6
ei/6 , x .
x
(2/3)
sen [x(t sen t)] senh t dt
3
2/3
6
, x .
x
483
Bibliografa
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 (prologos), Alianza Editorial, 1988.
[Ant02]
[AS72]
[Arf85]
[AB74]
[But68]
[BO78]
[BP92]
[CH62]
[Dra92]
[Far82]
S. J. Farlow. Partial Differential Equations for Scientists and Engineers. Wiley, Nueva
York, 1982.
[Gre98]
[Hab83] R. Haberman. Elementary Applied Partial Differential Equations. Prentice-Hall, Englewood Cliffs, 1983.
Un libro excelente. Muy buena la discusion de los metodos numericos de resoluci
on de
ecuaciones en derivadas parciales.
BIBLIOGRAFIA
486
[Jer99]
[JS87]
[KC94]
D. Kincaid y W. Cheney. An
alisis numerico: las matem
aticas del c
alculo cientfico.
Addison-Wesley Iberoamericana, Wilmington, 1994.
BIBLIOGRAFIA
487
[Sim93]
[Spi76]
M. R. Spiegel. An
alisis de Fourier. MacGraw-Hill, Mexico,1976. (Serie Schaum.)
Un libro muy u
til pues contiene un gran n
umero de problemas resueltos de ecuaciones
en derivadas parciales.
[SA96]
M. R. Spiegel y L. Abellanas. F
ormulas y tablas de matem
atica aplicada. McGraw-Hill,
Madrid, 1996.
[Str94]
[Tri85]
Indice alfabetico
!!, 324
O, 407
, 407
o, 407
Abel
ecuaci
on integral, 390
formula, 21
Airy, integral, 460
Algoritmo
de Miller, 137
de Thomas, 259
Aproximacion de mnimos cuadrados, 93
Armonicos esfericos, 107
Balance armonico, metodo, 323
Bedixson, teorema, 321
Bessel
Ecuacion, 128
Funcion de primera especie, 128
Funcion de segunda especie, 128
Funcion de tercera especie, 143
Relacion de recurrencia, 135
Relaciones integrales, 141
Binomio generalizado, 124
Bit, 201
Braquistocrona, 393
Breather, 155
Calculo de races, 223
Campo electrico dipolar, 86
Campo vectorial de direcciones, 298
Cauchy
Formula integral, 83
Teorema de Cauchy-Goursat, 444
Valor principal, 404
Cauchy-Riemann, ecuaciones, 454
Chebichev, polinomios, 149, 151
Ciclo lmite
Definicion, 318
Estabilidad, 319
Cicloide, 393
Comparaci
on de funciones, 407
Condiciones de contorno
de Dirichlet, 4
de Neumann, 4
peri
odicas, 3
regulares, 3
singulares, 4
Condon-Shortley, fase, 107
Conjunto completo, 16, 25, 27, 375
Constante de Euler o de Euler-Mascheroni,
130, 453
Convergencia
en media cuadratica, 26
punto a punto, 27
Criterio
de DAlembert, 406, 407
de estabilidad de Courant, Friedrichs y
Lewy, 265
de estabilidad de von Neumann, 253, 272
Cuadratura de Gauss, 221
Cuadripolo electrico, 87
Derivada primera en diferencias
central de tres puntos, 212
lateral derecha de dos puntos, 212
lateral izquierda de dos puntos, 212
Derivada segunda en diferencias central de
tres puntos, 214
Desarrollo asintotico de integrales
Desarrollo del integrando, 413
Integracion por partes, 416
Integrales de Fourier, 439
Metodo de la fase estacionaria, 442
Metodo de la m
axima pendiente, 450
Metodo de Laplace, 424
Diferenciacion numerica, 211
Dipolo electrico, 86
Donsker y Varadham, aproximacion, 405
Ecuacion
INDICE ALFABETICO
490
asociada de Laguerre, 121
asociada de Legendre, 99
de Bessel, 128
de Helmholtz, 164
de Hermite, 112
de Laguerre, 121
de Legendre, 79
de Rayleigh, 328
de van der Pol, 322
equidimensional de Euler, 170
Ecuacion integral
Clasificaci
on, 352
de Abel, 390
de convolucion, 385
de Fredholm, 352
de Percus-Yevick, 353
de primera especie, 353
de segunda especie, 353
de Volterra, 353
Definicion, 352
homogenea, 353
no homogenea, 353
Ecuaciones
de Cauchy-Riemann, 454
de Lorenz, 336
de Lotka-Volterra, 347
Ecuaciones en derivadas parciales
Clasificaci
on, 155
Condiciones de contorno, 154, 156
Definicion, 153
Homogeneizacion, 187
inhomogeneas, 153
Inhomogeneidad no estacionaria, 190
Inhomogeniedad estacionaria, 188
lineales, 154
Metodo de las imagenes, 182
Orden, 153
Separacion de variables, 158
Transformadas integrales, 174
Efecto mariposa, 208
Error
de redondeo, 202
de truncamiento, 251
Euler
Constante, 130, 471
Constante (definicion), 453
Ecuacion diferencial, 170
Integral de Euler (funcion gamma), 125
Metodo de numerico de integracion, 228
Serie para , 37
Fase de Condon-Shortley, 107
Fen
omeno de Gibbs, 30
Formula
de Christoffel-Darboux, 76, 98
de duplicacion de Legendre, 142
de Gauss-Legendre, 222
de Laplace (pol. de Legendre), 85
de Leibniz, 47, 100, 101
de Schl
afli, 84
del binomio generalizado, 124
integral de Cauchy, 83
Formula de Rodrigues
de las fun. asociadas de Legendre, 99
de los pol. de Hermite, 119
de los pol. de Laguerre, 126
de los pol. de Legendre, 83
Fredholm
Ecuacion integral, 352
Series, 371
Teorema de la alternativa (ecuaciones integrales), 362
Teorema de la alternativa (problema de
Sturm-Liouville), 38
Funcion
beta, 89
continua a trozos, 25
de Bessel de primera especie, 128
de Bessel de segunda especie, 128
de Bessel de tercera especie, 143
de cuadrado sumable, 18, 25
de Green de la difusion, 179
de Hankel, 143
de Heaviside, 26
de Neumann, 128
de Weber, 128
esferica de Bessel, 143
esferica de Bessel de segunda especie, 143
esferica de Bessel de tercera especie, 144
esferica de Hankel, 144
esferica de Neumann, 143
gamma, 125
gamma incompleta, 387
modificada de Bessel, 144
signo, sgn, 349
suave a trozos, 26
zeta de Riemann, 406
Funcion generatriz
INDICE ALFABETICO
491
Liapunov
Criterio de estabilidad, 278
Estabilidad asintotica, 278
Funcion debil, 313
Funcion fuerte, 313
Metodo directo, 311
Lienard, teorema, 321
Lorenz
Ecuaciones, 336
Mariposa, 340
Lotka, ecuaciones de Lotka-Volterra, 347
Mantisa, 201
Mariposa de Lorenz, 340
Maxwell, simetra, 50
Mercer, teorema, 376
Metodo
de balance armonico, 323
de Crank-Nicholson, 257
de Euler, 228
de Euler (para sistemas diferenciales lineales), 286
de Euler modificado, 232
de Gauss-Seidel, 247
de Heun o Euler mejorado, 234
de integracion de dos pasos, 233
de integracion de un paso, 233
de Jacobi, 247
de Krylov-Bogoliubov, 330
de la b
usqueda, 223
de la biseccion, 224
de la fase estacionaria, 442
de la m
axima pendiente, 450
de la secante, 226
de las imagenes, 182
de las transformadas integrales, 174
de Milne, 235
de Newton-Raphson, 225
de ortogonalizacion de Gram-Schmidt, 15,
77
de Richardson, 257
de Runge-Kutta, 235
de separaci
on de variables, 158
de super-relajaci
on, 247
de tipo Newton-Cotes, 214
de tiro, 245
del desarrollo de Taylor, 232
explcito para ecuaciones difusivas, 252
iterativo en diferencias, 246
492
predictor-corrector, 234
Miller, algoritmo, 137
Modos normales de vibraci
on
Cuerda, 60
Membrana circular, 164
Membrana rectangular, 193
Neumann
Condiciones de contorno, 4
Criterio de estabilidad, 253
Funcion, 128
Funcion esferica, 143
Series, 364
N
ucleo
de cuadrado sumable, 352, 361
de desplazamiento, 385
degenerado, 357
hermtico, 374
resolvente, 370
separable, 357
simetrico, 374
N
ucleos iterados, 369
N
umeros de coma flotante, 202
N
umeros enteros, 202
Operador
autoadjunto, 14
de Sturm-Liouville, 10, 18
hermtico, 14
identidad, 17
integral, 352
lineal, 14
Ornstein-Zernike, ecuaci
on, 353
Oscilador
armonico en Mecanica Cuantica, 111
de Coulomb, 350
de Rayleigh, 328
de van der Pol, 322
salino, 329
Palabras, 201
Percus-Yevick, ecuaci
on integral, 353
Polinomio
de interpolaci
on de Lagrange, 221
Polinomio perfido de Wilkinson, 205
Polinomios
asociados de Laguerre, 122
de Chebichev, 149, 151
de Gegenbauer, 151
de Hermite, 115
INDICE ALFABETICO
de Legendre, 79
ortogonales, 72
Relacion de recurrencia general, 73
Problema de Sturm-Liouville
Condiciones de contorno, 3
Definicion, 3
Periodico, 3
Regular, 3
Singular, 4
Singular lato, 8
Tipos, 3
Producto de convolucion
de Fourier, 385
de Laplace, 386
Producto escalar, 18
Punto crtico
Definicion, 281
Estabilidad, 304
no simple, 311
simple, 302
Tipo, 303
Punto estacionario, 442
Rayleigh
Cociente de Rayleigh, 58
Principio de minimizacion, 58
Regla
de Leibniz, 354
de Simpson, 217
del rectangulo, 215
del trapecio, 215
del truncamiento optimo, 412
Relacion de recurrencia
de la derivada de los polinomios de Hermite, 121
de las derivadas de las funciones asociadas de Legendre, 106
de las derivadas de los polinomios de Legendre, 98
de las funciones asociadas de Legendre,
106
de las funciones de Bessel, 135
de los polinomios de Hermite, 121
de los polinomios de Laguerre, 127
de los polinomios de Legendre, 96
general para polinomios, 73
Representaci
on cientfica normalizada, 201
Resoluci
on numerica EDPs
Estabilidad, 252, 272
INDICE ALFABETICO
493
de Lienard, 321
de Mercer, 376
de Poincare-Bedixson, 321
de Weierstrass, 406
Test M de Weierstrass, 406
TExP, 425
Thomas, algoritmo, 259
Trapping problem, 404
Valor principal de Cauchy, 404
Volterra
Ecuacion integral, 353
Ecuaciones de Lotka-Volterra, 347
Watson, lema, 429
Weber, funcion, 128
Weierstrass, teorema o test M , 406
Wilkinson, polinomio, 205
Zeta, funcion, 406
48