Mét. Matemá de La Física PDF

Mtodos
matemticos
avanzados para cientficos e ingenieros
Coleccin manuales uex - 48
Santos
Bravo Yuste
48
mtodos matemticos avanzados

para cientficos e ingenieros
manuales uex
48
SANTOS BRAVO YUSTE
MTODOS MATEMTICOS AVANZADOS

PARA CIENTFICOS E INGENIEROS
2006
Edita

Universidad de Extremadura. Servicio de Publicaciones

C./ Caldereros, 2 - Planta 2 - 10071 Cceres (Espaa)
Telf. 927 257 041 - Fax 927 257 046
publicac@unex.es
www.unex.es/publicaciones
ISSN 1135-870-X
ISBN 84-689-9786-2 (de mritos)
Depsito Legal M-30.783-2006
Diseo de portada para la coleccin Manuales UEX: GrafiPrim - Badajoz
Edicin electrnica: Pedro Cid, S.A.
Telf.: 914 786 125
A Macarena, Irene, Miguel y Diego.
What a fool can do, another can.

Silvanus Thompson, Calculus Made Easy
Prefacio
El proposito de este libro es proporcionar una descripci

on sencilla y pr
actica de cierta clase
de metodos matematicos que son extraordinariamente u
tiles para cientficos e ingenieros y que,
generalmente, son considerados no elementales. Mi idea rectora es que estas matem
aticas no
son difciles si se explican con cuidado y se tienen en cuenta las dificultades conceptuales que
involucran. Para que las deducciones sean lo m
as claras posibles no he dudado en ser parsimonioso
en los desarrollos matematicos. Se que as el texto pierde esa tersura de lo matem
aticamente
elegante . . . que en tantas ocasiones desconcierta a los estudiantes. Por ello he preferido guiarme
por el principio de que, dado que las matem
aticas y sus conceptos son inicialmente complicados,
hay que ahorrarle en lo posible al alumno la tarea, a menudo mec
anica y sin interes, de averiguar
como se llevan a cabo las deducciones.
Un modo muy efectivo de ense
nar y aprender metodos matem
aticos es mediante ejemplos en
los que estos metodos se muestran en acci
on. Este procedimiento es usado con profusi
on en este
texto (hay mas de 110 ejemplos resueltos). Tambien he incluido cuestiones y ejercicios sin resolver
(mas de 80) como modo de reforzar la comprensi
on de lo expuesto y, en ocasiones, provocar la
reflexion del lector sobre las materias tratadas.
En la pagina web http://www.unex.es/eweb/fisteor/santos/mma puede encontrarse material que complementa a este libro (esta direcci
on se abrevia en ocasiones mediante el smbolo

opicos contemwww ). He incluido cuadernos de Mathematica que tratan sobre algunos de los t
plados en este libro. Tambien he incluido los c
odigos fuente y los ejecutables de los programas
QBASIC con los se ilustran algunos procedimientos num
ericos que se estudian en el captulo 4.
Por u
ltimo, he a
nadido enlaces con otras p
aginas web que contienen material u
til relacionado con
lo que discute en este libro.
Las notas que los profesores del Area

de Fsica Te
orica de la UEx hemos ido confeccionando
durante a
nos para impartir la asignatura de Metodos Matem
aticos de tercer curso de Fsica
fueron la base sobre la que se ha escrito este libro. Si estas notas se han convertido finalmente
en libro se debe en buena parte a Hector S
anchez-Pajares quien pas
o a LATEXuna muy primera
versi
on de las mismas. Tambien es es gran medida fruto del
animo y apoyo incansable de Andres
Santos. Por u
ltimo, es de justicia recordar la paciencia y compresi
on con la que mi familia ha
soportado mis largas horas de ausencia durante su elaboraci
on.
Santos Bravo Yuste

santos@unex.es
http://www.unex.es/eweb/fisteor/santos
Badajoz, primavera 2005
Indice general
Prefacio
1. Problema de Sturm-Liouville
1.1. 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 . . . . . . . . . . . . . . . . . . . . . . . .
2.7. 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 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8. Funciones de Bessel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8.1. Ecuaciones reducibles a ecuaciones de Bessel . . . . . . . . . . . . . . . . .
2.8.2. Funciones de Bessel como oscilaciones amortiguadas . . . . . . . . . . . . .
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
. . . .
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3. Ecuaciones en derivadas parciales
153
3.1. Introduccion y definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2. Ecuaciones en derivadas parciales de segundo orden . . . . . . . . . . . . . . . . . .
3.2.1. Clasificaci
on de las ecuaciones en derivadas parciales de segundo orden . . .
3.2.2. Condiciones de contorno . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3. Separaci
on de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4. Metodo de las transformadas integrales . . . . . . . . . . . . . . . . . . . . . . . .
3.5. Problemas difusivos no homogeneos . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.1. Homogeneizacion del problema . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.2. Ecuaciones en derivadas parciales con terminos no homogeneos estacionarios
3.5.3. Ecuaci
on en derivadas parciales con inhomogeneidad no estacionaria y condiciones de contorno dependientes del tiempo . . . . . . . . . . . . . . . . . .
3.5.4. Metodo del desarrollo en autofunciones para ecuaciones en derivadas parciales
no homogeneas con condiciones de contorno homogeneas . . . . . . . . . . .
3.6. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
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 . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5. Ecuaciones diferenciales y sistemas no lineales. Estabilidad

5.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.1. Definiciones previas . . . . . . . . . . . . . . . . . . .
5.2.2. Definici
on de estabilidad seg
un el criterio de Liapunov
5.2.3. Definici
on de estabilidad asint
otica . . . . . . . . . . .
5.2.4. Sistema perturbativo . . . . . . . . . . . . . . . . . .
5.2.5. Definici
on de punto crtico . . . . . . . . . . . . . . .
5.3. Estabilidad de sistemas lineales . . . . . . . . . . . . . . . . .
5.3.1. Estabilidad de sistemas lineales de dos ecuaciones . . .
5.3.2. Sistemas con mas de dos ecuaciones . . . . . . . . . .
5.4. Estabilidad de sistemas no lineales . . . . . . . . . . . . . . .
5.4.1. Campo vectorial de direcciones y trayectorias solucion .
5.4.2. Estabilidad en torno a los puntos crticos simples . . .
5.4.3. Estabilidad por el metodo directo de Liapunov . . . . .
5.5. Ciclos lmite . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.6. Calculo de Soluciones Periodicas . . . . . . . . . . . . . . . .
5.6.1. Metodo de Balance Arm
onico . . . . . . . . . . . . .
5.6.2. Metodo de Krylov-Bogoliubov . . . . . . . . . . . . .
5.7. Caos y atractores extra
nos. Ecuaciones de Lorenz . . . . . . .
5.8. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
275
6. Ecuaciones integrales lineales

6.1.
6.2.
6.3.
6.4.
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
6.9.2. Ecuaciones integrales de convoluci

on . . . .
6.9.3. Desarrollo en serie de funciones ortogonales
6.10. Ecuaci
on de Abel generalizada . . . . . . . . . . .
6.11. Resolucion numerica . . . . . . . . . . . . . . . . .
6.12. Problemas . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7. Desarrollo asintotico de integrales
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 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A. Soluciones de problemas seleccionados

A.1.
A.2.
A.3.
A.4.
A.5.
A.6.
A.7.
Soluciones
Soluciones
Soluciones
Soluciones
Soluciones
Soluciones
Soluciones
del
del
del
del
del
del
del
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
La teora general de autovalores, autofunciones y desarrollos en autofunciones es una de las

parcelas m
as ricas y profundas de la matem
atica moderna.
F. Simmons [Sim93]
1.1. 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.
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.
1.2. Ecuacion de Sturm-Liouville

1.2.1. Definicion de la ecuacion de Sturm-Liouville
Sea la ecuaci
on diferencial ordinaria de segundo orden lineal y homogenea

d
d
p(x) y(x) + q(x) y(x) + r(x) y(x) = 0
dx
dx
(1.1)
definida en el intervalo cerrado [a, b], donde:

p(x), p0 (x)
d p(x)
dx , q(x), r(x)
son funciones reales y continuas en [a, b].2
p(x) y r(x) no cambian de signo en el intervalo a < x < b. Tomaremos por convenio (y sin
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
Trivialmente, toda ecuaci

on diferencial lineal definida sobre el intervalo [a, b] con condiciones de contorno
y(a) = 0, y(b) = 0, tiene a la funci
on nula y(x) = 0 como soluci
on. Esto es trivial, de modo que a esta soluci
on se
la llama (c
omo no!) soluci
on trivial.
2
La condici
on de continuidad en el contorno, es decir en x = a o en x = b, puede no satisfacerse en ciertos
problemas de Sturm-Liouville singulares (que se tratan en el apartado 3 de la p
agina 4). Por ejemplo, q(x) 1/x
en el problema de Bessel definido en el intervalo [0, b > 0] (vease la secci
on 2.8.8, p
agina 145).
1.2 Ecuacion de Sturm-Liouville
1.2.2. Definicion del problema de Sturm-Liouville

Se llama problema de Sturm-Liouville al problema de condiciones de contorno constituido por
una ecuaci
on de Sturm-Liouville m
as ciertas condiciones de contorno homogeneas3 conocidas
como condiciones de contorno de Sturm-Liouville.
Condiciones de contorno de Sturm-Liouville
Sean ciertas condiciones de contorno homogeneas en x = a y x = b. Si para dos funciones
cualesquiera, f (x) y g(x), que satisfacen estas condiciones de contorno se verifica que4

df b
dg
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)
entonces a esas condiciones de contorno se les llama condiciones de contorno de Sturm-Liouville.

Estas condiciones de contorno se clasifican en tres clases, dando lugar a tres clases de problemas
de Sturm-Liouville:
1. Problema de Sturm-Liouville peri
odico/Condiciones de contorno peri
odicas
Las condiciones de contorno para este caso son
(
y(a) = y(b),
(1.3)
y 0 (a) = y 0 (b),
y, adem
as, ha de verificarse que
p(a) = p(b).
(1.4)
Es facil de ver que esta u

ltima condici
on, que por supuesto no es condici
on de contorno
sobre y(x), es necesaria para que (1.2) se verifique. En efecto, sean f (x) y g(x) dos funciones
que satisfacen las condiciones de contorno anteriores. En este caso
f (a) = f (b) ,
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)
En este caso la relaci

on (1.2) se verifica trivialmente, tal como queramos demostrar.
2. Problema de Sturm-Liouville regular/Condiciones de contorno regulares
Estas condiciones de contorno (llamadas condiciones de contorno regulares) son de la forma
(
1 y(a) + 2 y 0 (a) = 0, 1 , 2 R,
(1.6)
1 y(b) + 2 y 0 (b) = 0, 1 , 2 R,
donde ni 1 y 2 son ambas cero, ni tampoco 1 y 2 son las dos cero.
Hay dos subtipos especiales de condiciones de contorno regulares:
3
Sea {fi } un conjunto de funciones que satisfacen una cierta condici

on de contorno. Decimos que esta condici
on
de contorno es homogenea si cualquier combinaci
on lineal de las funciones fi satisface tambien esta condici
on de
contorno.
4
El asterisco al lado de un smbolo representa su complejo conjugado: f = c id siendo f = c + id. Por
supuesto, i es la unidad imaginaria.
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)
Entonces x = a y x = b son puntos singulares7 de la ecuaci

on de Sturm-Liouville (1.1),
como es evidente sin m
as que reescribir (1.1) as:
y 00 (x) +
5
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)
son condiciones de contorno de Sturm-Liouville.

B Ejercicio 1.1
Otro ejemplo de condiciones de contorno singulares es

p(a) = 0,
y(x) regular en x = a,
p(b) 6= 0,
1 y(b) + 2 y 0 (b) = 0.
Justifica que si dos funciones f y g satisfacen estas condiciones de contorno entonces la relaci
on
(1.2) se satisface.
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
En los tres tipos de problemas de Sturm-Liouville que acabamos de discutir s

olo existe soluci
on (distinta de la trivial) si el par
ametro toma valores restringidos a un cierto conjunto.
A estos valores se los conoce como autovalores y a las soluciones correspondientes se las llama
autofunciones.
I Ejemplo 1.4
Queremos resolver el problema de Sturm-Liouville
con las condiciones de contorno
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 de Sturm-Liouville (1.11a) es
y(x) = A cosh x + B senh x.

Si en esta soluci
on tomamos x = 0 obtenemos que y(0) = A. Por ello, la condici
on de contorno y(0) = 0
implica A = 0. Por tanto, encontramos que la forma general de la soluci
on de la ecuacion (1.11a) es
y(x) = B senh x,
y por tanto
y 0 (x) =
B cosh x.
Imponiendo la segunda condici

on de contorno, encontramos
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,
para < 0 no existe ninguna soluci

on posible [aparte de la soluci
on nula trivial y(x) = 0] del problema
de Sturm-Liouville (1.11).
Si > 0, la soluci
on de Sturm-Liouville (1.11a) es
y(x) = A cos x + B sen x.

Si en esta soluci
on tomamos x = 0 obtenemos que y(0) = A. Por ello, la condici
on de contorno y(0) = 0
implica A = 0. Por tanto, encontramos que la forma general de la soluci
on de la ecuacion (1.11a) es
y(x) = B sen x,
y por tanto
y 0 (x) =
B cos x.
Imponiendo la segunda condici

on de contorno, encontramos
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
donde B es una constante cualquiera. El n

umero n es un autovalor y n (x) la autofuncion correspondiente
a este autovalor, del problema de Sturm-Liouville (problema de autovalores y autofunciones) dado por las
ecuaciones (1.11a) y (1.11b).
J
En el ejemplo 1.4 anterior hemos visto que el problema de Sturm-Liouville (1.11) s

olo poda
resolverse para ciertos valores concretos de que hemos llamado autovalores y denotado por
n . La solucion que encontramos era B sen [(n + 1/2) x]. Como B es cualquier constante, vemos que, estrictamente hablando, hay un n
umero infinito de soluciones no nulas del problema
de Sturm-Liouville cuando = n (tantas soluciones como valores posibles de B). Sin embargo, en el contexto de la teora de los problemas de autovalores y autovectores (en la que se
incluye la teora de Sturm-Liouville), todas las funciones anteriores son la misma autofuncion.
Por ejemplo, sen [(n + 1/2) x], 2 sen [(n + 1/2) x] y sen [(n + 1/2) x] son tres modos distintos
de escribir la misma autofuncion. Es decir, dos autofunciones que difieran s
olo en un factor
constante son en realidad la misma autofunci
on. Ahora podemos entender por que nos queda
mos s
olo con uno de los dos signos de en (1.12), digamos el positivo, y no consideramos el
signo opuesto a la hora de hallar las autofunciones n (x). La razon es que sen [(n + 1/2) x] y
sen [ (n + 1/2) x] = sen [(n + 1/2) x] son la misma autofuncion al diferir s
olo en la constante
1. Esto tambien justifica que habitualmente, por razones de sencillez o economa de escritura,
digamos que la autofuncion correspondiente a n es simplemente n (x) = sen [(n + 1/2) x] sin
incluir una constante multiplicativa arbitraria.
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
1.2.3. Generalidad de la ecuacion de Sturm-Liouville

Existe una amplia clase de ecuaciones diferenciales lineales de segundo orden que pueden
escribirse en forma de ecuaci
on de Sturm-Liouville. Veamoslo.
Una ecuaci
on diferencial lineal cualquiera de segundo orden
a0 (x)y 00 + a1 (x) y 0 + a
2 (x) y = 0,
se puede escribir como
y 00 +
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 +
p0 (x) 0 q(x) + r(x)

y +
y = 0.
p(x)
p(x)
(1.15)
Comparando (1.14) con (1.15) se ve que la primera ecuaci

on es de tipo de Sturm-Liouville, si
8
p(x), q(x) y r(x) son tales que
p0 (x)
a1 (x)
=
p(x) = exp
a0 (x)
p(x)
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)
q(x) = r(x) a2 (x) = p(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
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
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)
La forma de esta ecuaci

on nos sugiere otro modo menos formal de hallar esta ecuacion de Sturm-Liouville:
multiplicamos la ecuaci
on original por (x),
(x)y 00 2(x)y 0 + (x) y = 0,
y nos preguntamos cu
al debe ser (x) para que esta ecuaci
on diferencial sea una ecuacion de SturmLiouville. La respuesta se encuentra exigiendo que el coeficiente de y 0 sea igual a la derivada del coeficiente
de y 00 , es decir
d (x)
(x) = e2x .
2(x) =
dx
En (1.19) se ha escrito que la soluci
on de p0 (x)/p(x) = 2 es p(x) = exp(2x) cuando la soluci
on general
es realmente p(x) = A exp(2x) siendo A una constante cualquiera. Sin embargo, se ve inmediatamente
que esta soluci
on conduce a la misma ecuaci
on de Sturm-Liouville, ecuaci
on (1.20), que p(x) = exp(2x)
(compruebese!). Es por razones de sencillez (o economa) en la escritura por lo que no escribimos la
constante A. Esta raz
on es la misma que nos llevo a no escribir un valor para el lmite inferior de integraci
on
de la integral de la ecuaci
on (1.16) dado que un lmite de integraci
on constante s
olo contribuye con un
factor constante delante de la funcion exponencial.
J
1.3. Espacios vectoriales y operadores lineales

El operador de Sturm-Liouville se define como el operador diferencial lineal

d
q(x)
1 d
p(x)
+
L
r(x) dx
dx
r(x)
(1.21)
de modo que la ecuaci

on de Sturm-Liouville puede escribirse como
L y(x) = y(x).
(1.22)
Discutiremos m
as adelante propiedades del problema de Sturm-Liouville en 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
10 de [But68] y el captulo 3 de A. Doneddu, Algebra

y geometra, Aguilar, Madrid, 1978.
1.3 Espacios vectoriales y operadores lineales
11
1.3.1. Definicion de espacio vectorial

Un conjunto V de elementos tiene estructura de grupo con respecto a la ley de composici
on
interna + (suma) si cumplen las siguientes propiedades:
1. Propiedad asociativa:
1 + (2 + 3 ) = (1 + 2 ) + 3 .
2. Existencia de elemento neutro 0 definido por la relaci
on
+ 0 = 0 + = .
Al elemento 0 tambien se le llama elemento nulo.
3. Todo elemento posee su simetrico :
+ () = 0.
En este caso se dice que (V, +) tiene estructura de grupo. El grupo es abeliano o conmutativo si
adem
as cumple la propiedad conmutativa:
1 + 2 = 2 + 1 .
Un conjunto E de elementos c (escalares) posee estructura de cuerpo con respecto a las leyes
de composicion + (suma) y (producto) si cumple que:
1. El conjunto tiene estructura de grupo conmutativo con respecto a +.
2. El conjunto tiene estructura de grupo con respecto a .
3. La ley es distributiva con respecto a +:
c1 (c2 + c3 ) = c1 c2 + c1 c3 ,
(c1 + c2 ) c3 = c1 c3 + c2 c3 .
En este caso se dice que (E, +, ) tiene estructura de cuerpo.

El grupo conmutativo V con ley de composicion + de elementos (elementos que llamamos
vectores) es un espacio vectorial sobre el cuerpo E de elementos c (con leyes de composicion + y
) si la ley de composicion externa * de V sobre E (es decir, : E V V ) posee las siguientes
propiedades:
1. Propiedad distributiva:
c (1 + 2 ) = c 1 + c 2 ,
(1.23a)
(c1 c2 ) = c1 (c2 ).
(1.23b)
(c1 + c2 ) = c1 + c2 .
2. Propiedad asociativa:
3. Invariancia bajo la multiplicaci

on por la unidad:
1 =
siendo 1 el elemento unidad de E.
(1.23c)
12
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)]
=|f (x)|2 + |g(x)|2 + 2Re [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
0 [|f (x)| |g(x)|] = |f (x)|2 + |g(x)|2 2|f (x)||g(x)|

se deduce inmediatamente que
2|f (x)||g(x)| |f (x)|2 + |g(x)|2
y por tanto (1.25) implica que

|h(x)|2 2 |f (x)|2 + |g(x)|2 .
(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
1.3.2. Definicion de producto escalar

Un producto escalar o interno en el espacio vectorial V sobre el cuerpo (escalar) E es una
ley de composicion externa de V 2 sobre E, es decir, el producto escalar asigna un elemento del
cuerpo de E a cada par de vectores , del espacio vectorial V :
Producto escalar : V V E.
La notaci
on que usaremos para denotarlo es (, ), es decir:
Producto escalar de y = (, ).
Esta operacion para ser realmente un producto escalar ha de satisfacer las siguientes propiedades:
1. Propiedad distributiva:
(, c1 1 + c2 2 ) = c1 (, 1 ) + c2 (, 2 ).
2. Propiedad de simetra (llamada tambien propiedad de simetra hermtica):
(, ) = (, )
(1.27)
donde el asterisco indica complejo conjugado.

3.
c.s.
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
En ingles, almost everywhere.
14
1.3.3. Operadores lineales. Operadores hermticos

Los operadores son funciones que act
uan dentro del espacio vectorial, es decir, transforman
un vector en otro vector:
A
A = .
Un operador A es lineal si
A (c1 1 + c2 2 ) = c1 A 1 + c2 A 2 ,
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
Todo operador lineal A tiene asociado su operador adjunto A en el espacio vectorial V . El

operador adjunto A se define como aquel que verifica que
(, A) = (, A ) ,
, 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)
se le llama autovector de A, siendo n su autovalor correspondiente. Al conjunto de autovalores

{n } se le conoce como espectro del operador A.
Autovalores y autovectores de operadores hermticos
Sean n y m dos autovectores (no nulos) de A cuyos autovalores son, respectivamente, n y
m :
An = n n ,
(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)
Siguiendo una acreditada tradici

on en Fsica [vease, por ejemplo, Quantum mechanics, por C. Cohen-Tannoudji,
B. Diu y F. Laloe (John Wiley & Sons, New York, 1993)] usamos los terminos hermtico y autoadjunto como
sin
onimos. No obstante, ambos terminos no son estrictamente equivalentes. La distinci
on es algo sutil: veanse, por
ejemplo, los artculos Self-adjoint extensions of operators and the teaching of quantum mechanics por G. Bonneau,
J. Faraut y G. Valent, Am. J. Phys., vol. 69, 322 (2001), y Operators domains and self-adjoint operators por V.
S. Araujo, F. A. B. Coutinho y J. F. Perez, Am. J. Phys., vol. 72, 203 (2004). Si nos acogieramos a estas sutilezas, a
lo largo de este texto deberamos cambiar el termino hermtico por autoadjunto puesto que asumimos siempre
que el dominio de acci
on del operador directo y su operador adjunto (es decir, el espacio vectorial sobre el que
act
uan) es el mismo.
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)
Si A es un operador hermtico, A = A , la expresi

on anterior es nula
0 = (n m ) hm |n i.
Por consiguiente:
1. Si n = m entonces 0 = (n n ) kn k2 y, por tanto, n = n (es decir, n es real) ya
que n 6= 0. Esto significa que los autovalores de operadores hermticos son reales, n R.
2. Si n 6= m entonces debe ocurrir que hm |n i = 0. Se concluye por tanto que los autovectores asociados a autovalores distintos son ortogonales.
Cuando a un autovalor dado le corresponden M autovectores (linealmente independientes
entre s) se dice que este autovalor esta M veces degenerado. Los autovectores asociados a un
mismo autovalor (que en ocasiones se llaman autovectores degenerados) siempre se pueden escoger
ortogonales entre s. Un procedimiento sistematico para ello es el metodo de Gram-Schmidt.
1.3.4. Metodo de ortogonalizacion de Gram-Schmidt

Hemos visto que autovectores correspondientes a autovalores distintos son ortogonales. Veamos que los autovectores degenerados correspondientes a un mismo autovalor pueden elegirse
ortogonales entre s.
es un autovalor N + 1 veces degenerado y que los N + 1 autovectores
Supongamos que
son linealmente independientes entre s (es decir, ninguno de
{0 , 1 , , N } con autovalor
ellos puede expresarse como combinacion lineal del resto). Estos autovectores podran, en principio, no ser ortogonales entre s, ya que tienen el mismo autovalor (son degenerados). Sin embargo,
es posible construir un conjunto {0 , 1 , . . . , N } de N +1 autovectores ortogonales entre s, todos
a partir de los N + 1 autovectores {0 , 1 , . . . , N }. El procedimiento
con el mismo autovalor ,
(metodo de ortogonalizacion de Gram-Schmidt) es el siguiente:
0 = 0 ,
1 = 1 + a10 0 ,
..
.
n = n + an0 0 + an1 1 + + an n1 n1 ,
..
.
N = N + aN 0 0 + aN 1 1 + + aN N 1 N 1 ,
donde
anm =
hm |n i
.
km k2
(1.41)
16
No es difcil comprobar que {0 , 1 , . . . , N } es un conjunto de N + 1 autovectores ortogonales
entre s cuyo autovalor es :

hn |m i = 0, n 6= m,
(1.42)
n.
An =
B Ejercicio 1.6
Se pide:
es autovalor de n .
1. Demostrar que
2. Comprobar que los autovectores 0 , 1 y 2 son ortogonales.
3. Demostrar por induccion que 0 , 1 , N son ortogonales para cualquier N .
1.3.5. Desarrollo en autovectores

De lo que hemos visto en las secciones 1.3.3 y 1.3.4 anteriores concluimos que si A es hermtico,
entonces siempre se puede conseguir que sus autovectores sean ortogonales entre s, es decir
hn |m i = kn k2 mn
donde mn es la delta de Kronecker. Adem
as, vamos a tomar como cierta esta afirmacion12 : los
autovectores {n } del operador hermtico son una base del espacio vectorial V , es decir,
X
V, {c1 , c2 , . . .} C tal que |i =
cn |n i
(1.43)
n
donde con el smbolo
queremos expresar que la suma se extiende sobre todos los autovectores
de la base. Cuando la relaci

on (1.43) se verifica se dice que los autovectores {n } constituyen un
conjunto completo de vectores del espacio vectorial.
Coeficientes del desarrollo en autovectores de un vector |i V
Sea {n } una base del espacio vectorial V de modo que cualquier vector perteneciente a este
espacio se puede expresar como combinacion lineal de esta familia,
X
|i =
cn |n i,
|i V.
(1.44)
n
Para hallar los coeficientes cn multiplicamos escalarmente la expresi

on (1.44) por |m i, de modo
que haciendo uso de la ortogonalidad de los autovectores se obtiene que
X
hm |i =
cn hm |n i = cm km k2 ,
n
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.
1.4 Espacio vectorial y producto escalar en el problema de Sturm-Liouville
17
Descomposicion espectral de un operador hermtico

La accion de un operador hermtico A sobre un vector cualquiera |i puede expresarse facilmente como combinacion lineal de autovectores de A. Como hemos visto en el apartado anterior,
si {n } es la familia de autovectores de A entonces es una base de V y cualquier vector |i puede
expresarse como combinacion lineal de estas autofunciones:
X hn |i
|i =
kn k2
|n i.
(1.46)
Si se aplica el operador A al vector |i se tiene que

X hn |i
A|i =
kn k2
n |n i
1
|n i hn |i.
kn k2
(1.47)
1
|n i hn |.
kn k2
(1.48)
Por tanto el operador A puede expresarse as:

A=
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
El operador identidad I se define por la relaci

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

En las secciones siguientes aprovecharemos los resultados de la secci
on anterior sobre operadores y espacios vectoriales para resolver el problema de Sturm-Liouville, es decir, para resolver
la ecuaci
on de Sturm-Liouville con condiciones de contorno homogeneas de tipo Sturm-Liouville
(vease la secci
on 1.2.2).
13
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
Operador de Sturm-Liouville. Recuerdese que, en terminos de operadores, la ecuaci

on de SturmLiouville se escribe
L y(x) = y(x).
(1.52)
donde el operador de Sturm-Liouville L viene dado por

1 d
d
q(x)
L
p(x)
+
r(x) dx
dx
r(x)
(1.53)
y las funciones p(x), q(x) y r(x) han de satisfacer las condiciones discutidas en la secci
on 1.2.1
en el intervalo a x b de 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.
Producto escalar. En el espacio vectorial L2 definimos un producto escalar de la siguiente forma:14

Z b
dx r(x) f (x) g(x).
(1.54)
(f, g) hf |gi =
a
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.
h|i = kk2 0 donde kk = 0 si y s

olo si = 0.
14
15
El espacio vectorial L2 con un producto escalar definido en el es un espacio de Hilbert.

c.s.
El significado de = 0 se dio en la p
agina 3.
1.5 El operador de Sturm-Liouville es hermtico
19
Nuestra definicion de producto escalar satisface esta u

ltima propiedad ya que, tal como vimos en
la secci
on 1.2.1, la funcion peso es siempre positiva, r(x) > 0, excepto, como mucho, en puntos
aislados del intervalo (a, b) .
Debe notarse que el hecho de que f y g sean funciones de cuadrado sumable garantiza la
existencia del producto escalar hf |gi. La demostraci
on de este resultado lo dejamos como ejercicio.
B Ejercicio 1.8
Demuestra que si f, g L2 [a, b; r(x)] entonces la operaci
on hf |gi definida por la ecuacion (1.54) existe (da
un resultado finito). Pista: tengase en cuenta el resultado siguiente (que se debiera demostrar)
f (x)g(x) |f (x)g(x)| = |f (x)| |g(x)|
1 2 1 2
|f | + |g| .
2
2
Ya vimos que el problema de Sturm-Liouville s

olo tena solucion distinta de la trivial cuando
toma ciertos valores concretos. A estos valores los llamabamos autovalores y, a las soluciones,
autovectores o autofunciones. Es claro, que esto podemos reexpresarlo as: resolver el problema de
Sturm-Liouville equivale a hallar las autofunciones16 n L2SL y los autovalores n del operador
de Sturm-Liouville L dado por (1.21); estos autovalores y autofunciones satisfacen la ecuaci
on
Ln (x) = n n .
(1.55)
1.5. El operador de Sturm-Liouville es hermtico

Vamos a ver que L es un operador hermtico dentro del espacio vectorial L2SL , es decir, vamos
a demostrar que
hf |L|gi = hg|L|f i
(1.56)
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 f (x) q(x) g(x).

dx f (x)
=
p(x) g(x) +
dx
dx
a
a
Integrando por partes la primera integral se tiene

Z b
Z b
dg df
dg(x) b
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)
dx g (x) q(x) f (x),

+
dx a
dx dx
a
a
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
Como es habitual, llamaremos autofunciones a los autovectores del operador de Sturm-Liouville.
(1.57)
20
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.
1.5.1. Autovalores y autofunciones del operador de Sturm-Liouville

Por ser L un operador hermtico, sus autovalores n son reales y sus autofunciones n (x) son
ortogonales bien automaticamente porque sus autovalores son distintos, o bien por construcci
on
(metodo de Gram-Schmidt) cuando las autofunciones son degeneradas.
Vamos a demostrar ahora un resultado del que deduciremos inmediatamente que todas las
autofunciones de un problema de Sturm-Liouville regular son no degeneradas.
Teorema 1.1 Sean f (x) y g(x) dos funciones que satisfacen la ecuaci
on de Sturm-Liouville (L +
)y = 0 y que adem
as verifican la condici
on de contorno regular en la izquierda 1 y(a)+2 y 0 (a) =
0. Entonces las funciones f (x) y g(x) difieren en una constante multiplicativa, es decir, f (x) =
Kg(x), siendo K una constante. Este resultado tambien es cierto si f (x) y g(x) verifican la
condici
on de contorno en la derecha 1 y(b) + 2 y 0 (b) = 0
Vamos a demostrarlo. En el teorema se asume que f (x) y g(x) satisfacen las relaciones
(L + )f = 0,
(L + )g = 0.
Si multiplicamos la primera ecuaci
on por g y la segunda por f y restamos se tiene que
f Lg gLf = 0
(1.60)
o, en forma explcita (usando la expresi

on del operador L),

d
dg
d
df
1
f (x)
p(x)
g(x)
p(x)
= 0.
r(x)
dx
dx
dx
dx
(1.61)
Como r(x) > 0, la expresi

on entre llaves ha de ser nula. Integrandola sobre el intervalo [a, x] se
tiene que

Z x
Z x
d
dg
df
d
g(x)
p(x)
dx
p(x)
dx = 0.
f (x)
dx
dx
dx
dx
a
a
Integrando por partes:
x Z

0
p(x) f (x) g (x)
a
x Z

f (x) p(x) g (x) dx p(x) f (x) g(x) +
0
g 0 (x) p(x) f 0 (x) dx = 0 .
21
Las integrales se cancelan entre s, de modo que s

olo sobreviven los terminos de contorno:
p(x) f (x) g 0 (x) p(a) f (a) g 0 (a) p(x) f 0 (x) g(x) + p(a) f 0 (a) g(a) = 0.
Esta formula se conoce como formula de Abel. Podemos reescribirla as:
p(x) W (x; f, g) = p(a) W (a; f, g)
donde
(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)
es el wronskiano de f y g en x. Por ser el problema se Sturm-Liouville regular, se tiene que

1 f (a) + 2 f 0 (a) = 0,
0
1 g(a) + 2 g (a) = 0.
(1.63)
(1.64)
Como 1 , 2 no son simult

aneamente nulas, debe ocurrir que

f (a) f 0 (a)

g(a) g 0 (a) = W (a; f, g) = 0,
luego el wronskiano de f y g es nulo en a, y por tanto, seg

un (1.62), tambien nulo en x,
W (x; f, g) = 0, por lo que f (x) y g(x) son linealmente dependientes: f (x) = K g(x), siendo
K una constante cualquiera.17 Por supuesto, este resultado tambien es valido si las funciones
f (x) y g(x) satisfacen la condici
on de contorno regular en la derecha en vez de la condici
on de
contorno a la izquierda.
B Ejercicio 1.9
Demuestra la afirmaci
on anterior. Pista: prueba a integrar (1.61) sobre el intervalo [x, b].
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,
entonces estas funciones s

olo difieren en un factor multiplicativo constante: f /g = K, siendo K
una constante, es decir, f y g son la misma autofuncion (recuerdense las consideraciones que se
hicieron en la pagina 7 sobre este asunto).
Concluimos por tanto que en un problema de Sturm-Liouville regular a cada autovalor le
corresponde una u
nica autofuncion f (x) (salvo un factor constante arbitrario trivial). En resumen:
Teorema 1.2 Todas las autofunciones de un problema de Sturm-Liouville regular son no degeneradas.
Terminamos dando un resultado que no demostraremos:18
17
Dos soluciones y1 (x) y y2 (x) de la ecuaci

on homogenea y(x)+P (x)y 0 (x)+Q(x)y(x) = 0 en el intervalo [a, b] son
linealmente dependientes si y s
olo si su wronskiano W (x; y1 , y2 ) es identicamente cero. Puede verse la demostraci
on
de este resultado en la secci
on 15 de [Sim93].
18
Puede verse la demostraci
on de este teorema en el apendice A del captulo 7 de [Sim93] o en la secci
on 7.2,
teorema 7.2.6, de [Myi78].
22
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)
con las condiciones de contorno,

(
y(0) = 0,
CC :
y(1) + h y 0 (1) = 0,
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 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 de Sturm-Liouville es
y(x) = A cosh( x) + B senh( x)

donde A y B son constantes a determinar. Puede comprobarse que, tambien en este caso, no existe soluci
on
posible [aparte de la trivial y(x) = 0] que satisfaga las condiciones de contorno (1.66). Veamoslo. De la
primera condici
on de contorno se deduce que
y(0) = 0 A = 0.
Es decir,
y(x) = B senh x
(1.67)
es la u
nica forma posible de la soluci
on de la ecuaci
on de Sturm-Liouville con < 0 que puede satisfacer
la condici
on de contorno en x = 0. 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
y(1) + h y 0 (1) = 0 B senh + h B cosh = 0.

Dado que B = 0 conduce a la soluci
on trivial y(x) = 0, la u
nica alternativa posible es que
senh + h cosh = 0,
o bien
tanh
= h .
Esta ecuaci
on no tiene soluci
on para < 0 si h > 0 (vease la figura 1.1).
> 0. En este caso, la soluci
(1.68)
23
tanh(z)
1.0
0.5
0.0
-1
-0.5
-h z
-1.0
Figura 1.1: Solucion grafica de la ecuacion trascendente tanh z = hz con z

solucion posible es = 0 si h > 0.
. La u
nica
Veamos si existe alg

un modo de que una soluci
on con esta forma pueda satisfacer las condiciones de
contorno (1.66). De la primera condici
on de contorno se deduce que
y(0) = 0 A = 0.
Es decir,
y(x) = B sen
(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
y(1) + h y 0 (1) = 0 B sen + h B cos = 0.

Dado que B = 0 conduce a la soluci
on trivial y(x) = 0, la u
nica alternativa posible es que
sen + h cos = 0,
o bien
tan
= h .
(1.70)
Encontramos por tanto que el u

nico modo de que el problema de Sturm-Liouville formado por la ecuacion
de Sturm-Liouville (1.65) mas las condiciones de contorno regulares (1.66) tenga soluci
on distinta de la
trivial y(x) = 0 es si toma justamente los valores19 soluci
on de la ecuaci
on (1.70). Cualquier otro valor
conduce a un problema sin soluci
on posible. La ecuaci
on transcendente (1.70) no tiene soluci
on explcita,
pero pueden estimarse sus races gr
aficamente, como se muestra en la figura 1.2. Las soluciones zn de
la ecuaci
on transcendente tan z = hz nos proporcionan los autovalores de nuestro problema de SturmLiouville. Es claro que existe una secuencia de autovalores 0 < 1 < 2 < con lmn n = . Por
ejemplo, para h = 2, se obtiene numericamente que z1 ' 10 8366, z2 ' 40 82032, z3 ' 70 91705,
. . . , y por tanto 0 ' 30 37309, 1 ' 230 2355, 2 ' 620 6797, . . . Las autofunciones correspondientes son
n1 (x) = sen zn x con n = 1, 2, . N
otese que zn con n = 1, 2, no conduce a autofunciones
diferentes pues sen zn x = sen zn x. En definitiva, el conjunto de autofunciones distintas de nuestro
problema viene dado por
p
(1.71)
n (x) = sen n x.
19
Por supuesto, estos valores no son nada m

as que los autovalores del operador de Sturm-Liouville L = d2 /dx2
2
que opera dentro del espacio vectorial LSL de las funciones de cuadrado sumable que satisfacen las condiciones de
contorno regulares (1.66).
24
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
En los problemas de Sturm-Liouville peri

odicos algunos autovalores pueden estar doblemente
degenerados. El siguiente problema nos da m
as detalles.
Teorema 1.4 Los autovalores de un problema de Sturm-Liouville peri
odico forman una secuencia
infinita < 0 < 1 2 < 3 4 < . El primer autovalor 0 no est
a nunca degenerado.
Si 2m+1 < 2m+2 para m 0, entonces a cada uno de estos autovalores le corresponde una u
nica
autofunci
on. Pero si 2m+1 = 2m+2 a este (
unico) autovalor le corresponden dos autofunciones
distintas.20
20
Este u
ltimo caso es justamente el que se da en el problema de Sturm-Liouville peri
odico que se discutir
a en el
ejemplo 1.11.
1.6 Desarrollo en serie de autofunciones
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
Figura 1.3: La autofunci

on 0 (lnea continua)
tiene el mismo n
umero de ceros (ninguno) que
sen(x) (lnea de rayas) y sen(x/2) (lnea de
puntos).
Figura 1.4: La autofunci

on 1 (lnea continua)
tiene el mismo n
umero de ceros (uno) que
sen(2x) (lnea de rayas) y sen(3x/2) (lnea
de puntos).
La situacion para problemas de Sturm-Liouville singulares es m

as compleja pudiendose encontrar espectros continuos y discretos de autovalores.
1.6. Desarrollo en serie de autofunciones

Tal como discutimos en la secci
on 1.3.5, dado que L es un operador hermtico en L2SL , sus
autofunciones {n } constituyen un conjunto completo21 de L2SL , por lo que cualquier funcion
(x) perteneciente a L2SL puede expresarse como combinacion lineal de las autofunciones n
(vease la secci
on 1.3.5 en la pagina 16). Vamos ahora a ser un poco m
as precisos y discutir que hay
que entender exactamente por el termino expresarse. Para ello vamos a empezar dando unas
cuantas definiciones. La primera de ellas ya se ha dado en la p
agina 18, pero la recogemos aqu de
nuevo.
Funci
on de cuadrado sumable. Una funcion (x) es de cuadrado sumable en el intervalo cerraRb
do [a, b] con respecto a la funcion peso r(x) si la integral a dx r(x) |(x)|2 existe, es decir, si
Rb
2
2
a dx r(x) |(x)| < . Al conjunto de todas estas funciones lo denotaremos por L [a, b; r] o,
2
m
as abreviadamente, por L . En el contexto de un problema de Sturm-Liouville con funcion
peso r(x) e intervalo de definicion [a, b], llamaremos L2SL (o L2SL [a, b; r]) al conjunto de funciones
pertenecientes a L2 [a, b; r] que adem
as satisfacen las condiciones de contorno de este problema
de Sturm-Liouville.
Funci
on continua a trozos. Una funcion (x) es continua a trozos en un intervalo a x b si
este intervalo puede dividirse en un n
umero finito de subintervalos a = x0 < x1 < x2 < xn = b
de modo tal que:
1. La funcion es continua dentro de cada intervalo abierto xi < x < xi+1 y, adem
as,
21
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
(x)
Figura 1.5: Ejemplo de una funci

on no suave en x = c pues su derivada es discontinua en x = c. Sin
embargo s es suave a trozos.
2. La funcion se aproxima a un lmite finito cuando x se aproxima a los extremos de cada

intervalo bien por la izquierda o por la derecha, es decir, existen los lmites lmxxi (x)
y lmxxi + (x) aunque los dos sean distintos.
Funci
on suave a trozos. Decimos que una funcion (x) es suave a trozos en un intervalo [a, b]
cuando ella y su derivada son continuas a trozos en este intervalo.
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
Convergencia en media cuadratica. La serie

X
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
va a cero cuando n tiende a infinito, es decir, si

"
Z
b
lm
n a
22
dx r(x) (x)
H(x) = 0 para x < 0, H(x) = 1 para x > 0.
n
X
m=0
#2
cm m (x)
= 0.
27
Ya estamos en condiciones de enunciar los teoremas referentes al tipo de convergencia que

puede esperarse de una serie de autofunciones de un problema de Sturm-Liouville. En lo que sigue
asumimos que {n (x)} son las autofunciones correspondientes a un problema de Sturm-Liouville
en el intervalo [a, b] con funcion peso r(x).
Teorema 1.5 Si (x) es una funci
on de cuadrado sumable con respecto a la funci
on peso r(x) en
el intervalo a x b, ((x) L2 [a, b; r]), entonces la serie de Fourier generalizada
X
cn n (x)
(1.72a)
n
con
1
cn =
kn k2
dx r(x) n (x) (x)
(1.72b)
converge en media cuadr

atica a (x) en el intervalo [a, b].
Cuando esto sucede se dice que el conjunto {n (x)} constituye un conjunto completo con respecto
a la convergencia en media cuadratica para el conjunto de funciones de L2 [a, b; r].
Teorema 1.6 (Convergencia punto a punto) Si el problema de Sturm-Liouville es regular y (x) es
una funci
on suave a trozos en el intervalo a x b, entonces la serie de Fourier generalizada
X
cn n (x)
(1.73a)
n
con
1
cn =
kn k2
dx r(x) n (x) (x)
(1.73b)
converge a [(x+) + (x)]/2 en cada punto del intervalo abierto (a, b). Si (x) satisface las
condiciones de contorno de este problema, entonces la serie (1.73a) es absoluta y uniformemente
convergente a la funci
on (x) en todo el intervalo cerrado [a, b].
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)

y(0) = y() = 0
x
(1.75)
y expresar la funcion f (x) = x e como serie de estas autofunciones.

La ecuaci
on (1.74), aunque no tiene la forma de una ecuaci
on de Sturm-Liouville, sera equivalente a la
ecuaci
p(x)y 00 (x) + p0 (x)y 0 (x) + [q(x) + r(x)]y(x) = 0
si
p0 (x)
= 2,
p(x)
q(x) + r(x)
= .
p(x)
28
Es facil ver que esto se satisface si

p(x) = e2x ,
r(x) = e2x ,
q(x) = 0.
En definitiva, vemos que

e2x y 00 (x) 2 e2x y 0 (x) + e2x y(x) = 0
es equivalente a la ecuaci
on (1.74) (es decir, tiene las mismas soluciones) y ademas ahora s tiene la forma
de una ecuaci
La ecuaci
on (1.74) es una ecuaci
on lineal de coeficientes constantes de modo que su soluci
on es sencilla.
Insertamos y(x) = erx para obtener el polinomio caracterstico
r2 2r + = 0
cuya soluci
on es
r = 1
1 .
Si = 1, la raz es doble y la soluci

on de (1.74) es
y(x) = ex (Ax + B).
En los dem
as casos con 6= 1 la soluci
on es

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

y(x) = ex A cosh 1 x + B senh 1 x .
(1.77)
Es facil ver que la condici

on de contorno y(x) = 0 exige A = 0, es
decir exige que y(x) = B ex senh 1 x.
Pero la segunda condici

on de contorno y() = 0 = B e senh 1 s
olo puede verificarse si B = 0, lo
que nos lleva a que, si < 1, la u
nica soluci
on posible de (1.74) con las condiciones de contorno (1.75) es
la soluci
on trivial y(x) = 0. Concluimos que no existe ning
un autovalor menor que la unidad.
> 1. En este caso la soluci
on (1.76) puede escribirse de esta forma mas conveniente:

y(x) = ex A cos 1 x + B sen 1 x .
Es facil ver que la condici

on de contorno y(x) = 0 exige A = 0, es decir exige que
y(x) = B ex sen 1 x.
La segunda condici
on de contorno y() = 0 = B e sen 1 puede satisfacerse, bien si B = 0, pero
esto nos 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
2.8 2.85 2.9 2.95
(c)
3.05 3.1
(d)
Figura 1.6: Comparaci

on entre la funci
on x ex (lnea de puntos) y la serie (1.81) (lnea continua) en
la que se retienen los primeros (a) 20 terminos, (b) 50 terminos, (c) 100 terminos, y (d) 100 terminos
(detalle).
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
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
dx e2x e2x sen2 (nx) = ,

kn k2 =
2
0
y por tanto los coeficientes de Fourier son
cn = (1)n+1
2
.
n
(1.80)
El desarrollo de Fourier generalizado dado por la ecuaci

on (1.79) toma entonces la forma
x ex =
(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
frente a la funcion x e . En las gr

aficas de la figura 1.6 se observa un comportamiento irregular de la
serie truncada en las vecindades del extremo superior x = . Puede apreciarse una u
ltima oscilacion
que sobrepasa notablemente a la funcion x ex y cuya distancia a esta funcion no disminuye de forma
apreciable cuando aumenta el n
umero de terminos que se retienen en la serie. El u
nico efecto apreciable
es el desplazamiento de la posicion de estas oscilaciones hacia el extremo superior x = . Lo que estamos
viendo es un ejemplo de lo que se conoce como fenomeno de Gibbs.24 Podra parecer que el fenomeno de
Gibbs contradice el teorema 1.6 de la convergencia punto a punto. Esto no es as porque las oscilaciones
tienden a irse hacia el extremo de modo que, para un x dado arbitrariamente cercano al extremo x = ,
siempre podemos escoger un n
umero de terminos suficiente grande que haga que las oscilaciones esten a
un
mas cerca del extremo que el punto escogido y as conseguir la convergencia punto a punto.
B Ejercicio 1.11
En el intervalo 0 x se define la siguiente funcion:
(
x ex , x 6= 2 ,
f (x) =
40,
x = 2.
1. Es f (x) una funcion de cuadrado sumable en el intervalo [0, ] con respecto a la funcion peso
r(x) = e2x ? Es una funcion suave a trozos?
2. Demuestra que el desarrollo de esta funcion f (x) en serie de las autofunciones n (x) = ex sen nx viene
dado por
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
1.6.1. Error cuadratico mnimo, identidad de Parseval y relacion de cierre

P
Ahora nos preguntamos cu
ales deben ser los coeficientes am para que la suma nm=0 am m (x)
de las n primeras autofunciones de un problema de Sturm-Liouville (con funcion peso r(x) en
el intervalo [a,P
b]) sea una representaci
on optima en media cuadratica de la funcion (x). Una
n
aproximacion m=0 am m (x) a una funcion (x) es optima en media cuadratica cuando el error
cuadratico medio
n
2

X

am m (x)
En = (x)
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 .
Pero hm |i = cm km k2 y h|m i = hm |i = cm km k2 , y por tanto

En = kk2
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 .
|am cm |2 = (am cm ) (am cm ) = |am |2 am cm am cm + |cm |2 ,

por lo que podemos escribir
2
En = kk +
n
X
m=0

|am cm |2 |cm |2 km k2 .
(1.85)
Como |am cm |2 es siempre positiva, el error En es mnimo cuando am = cm . En este caso, En

se reduce a
n
X
2
|cm |2 km k2 .
(1.86)
En = kk
m=0
En resumen:
Teorema 1.7 Para un valor de n dado, la suma parcial

de (x) cuyo error cuadr
atico medio
Pn
m=0 cm m (x)
da lugar a una estimaci

on
n
2

X

cm m (x)
En = (x)
m=0
es menor o igual que el de cualquier otra suma parcial
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
La igualdad se produce cuando am = cm , donde cm = hm |i/km k2 . El valor mnimo del error

cuadr
atico medio es por tanto
2
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
Podemos expresar esta relaci

on de un modo m
as explcito:
X
(x) =
cn n (x)
n
X
n
=
de donde se deduce25
25
1
kn k2
dx0 r(x0 )
"
dx0 r(x0 ) n (x0 ) (x0 ) n (x)

X (x0 ) n (x)
n
kn k2
(x0 ),
X 1
1
(x x0 ) =
(x) n (x0 ).
0
2 n
r(x )
k
k
n
n
Recuerdese que la funci

on delta de Dirac se define por las propiedades (x) = 0 si x 6= 0 y f (x) =
x0 )f (x0 ).
(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,
y(a) = y(a + L),

y 0 (a) = y 0 (a + L).
(1.90a)
(1.90b)
Estas condiciones de contorno son peri

odicas pues p(a) = p(a + L). Este
es por tanto un problema de
Sturm-Liouville peri
odico. Distinguiremos dos casos con soluciones distintas.
Para k 2 = 0, la soluci
on general es
y(x) = Ax + B.
Es facil ver que la soluci

on y(x) = B, con B cualquiera, es una soluci
on aceptable del problema (1.90).
Nuestra primera autofuncion es 0 (x) = 1 para = k 2 = 0, donde hemos escogido B = 1 por simplicidad.
Para k 2 6= 0, la soluci
y(x) = A eikx +B eikx .
Debemos ahora ver que valores han de tomar A, B y k para que se satisfagan las condiciones de contorno.
De la primera condici
on de contorno obtenemos
A eika +B eika = A eik(a+L) +B eik(a+L)
es decir
La segunda condici
on implica

A eika 1 eikL + B eika 1 eikL = 0.
(1.91)
ikA eika ikB eika = ikA eik(a+L) ikB eik(a+L)

es decir,

A eika 1 eikL B eika 1 eikL = 0.
(1.92)
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)
de modo que los autovalores son

n = kn2 =
4 2 2
n ,
L2
n = 1, 2,
(1.94)
34
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,
con A y B cualesquiera (incluso cero, aunque no simult

aneamente). N
otese que n (x) y n (x) tienen
igual autovalor pero son, en general, dos autofunciones distintas. Adem
as, en general (es decir, para una
elecci
on arbitraria de los coeficientes An , Bn , An , Bn ) estas dos autofunciones no seran ortogonales entre
s. Sin embargo, si escogemos An = 1 y Bn = 0 con n = 1, 2, , las autofunciones correspondientes son
ortogonales y adoptan una forma especialmente simple que llamaremos n (x). Como 0 (x) = 1, podemos
expresar todo el conjunto de autofunciones as:
n (x) = ei2nx/L ,
n = 0, 1, 2,
Otra elecci
on posible, 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)
ei 2nx/L (x) dx.
(1.96)
cn n (x) =
n=
n=
donde los coeficientes de Fourier cn son

cn =
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)
Esta es una representaci

on habitual y u
til de la funcion delta de Dirac.
B Ejercicio 1.13
1. Comprueba que los resultados que hemos obtenido en este ejemplo est
an de acuerdo con el teorema
1.4.
2. Calcula numericamente y dibuja la funcion
N
1 X i 2n (xx0 )
,
e L
L
n=N
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)
b) Comprueba que las elecciones anteriores (An = An = 1 y Bn = Bn = 0 por un lado, y

An = Bn = 1/2 y An = Bn = i/2 por otro) satisfacen esta relaci
on.
c) Para cada autovalor n , encuentra otra pareja de autofunciones ortogonales entre s mediante una
elecci
on de coeficientes An , An , Bn y Bn (distinta a las anteriores) que satisfaga la relaci
on
(1.99).
Transformada de Fourier
Es bien conocido que cuando el intervalo de 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
a = L/2 y escribimos k = 2n/L sin incluir el subndice n en k (la dependencia en n queda as s

olo
implcita). De este modo escribiremos c(k) en vez de cn y las ecuaciones (1.95) y (1.96) se transforman en
(x) =
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
Si tomamos el lmite L , lo que implica k 0, estas sumas se transforman en integrales:

Z
dk eikx (k),
e
(x) =
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=
Con mayor precisi

R on: si (x) es suave (ella y su derivada son continuas a trozos) y absolutamente integrable
(es decir, existe |(x)| dx) entonces (x) puede expresarse mediante una transformada de Fourier.
1.7 Problema de Sturm-Liouville inhomogeneo

tiene los coeficientes
37
, n = 0,
2
1 i2nx
e
x dx =
cn =
0
i
, n=
6 0.
2n
Z
(1.105)
La igualdad de Parseval (1.97) se reduce en nuestro caso a

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

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
1.7. Problema de Sturm-Liouville inhomogeneo

La ecuacion de Sturm-Liouville inhomogenea es

d
d
p(x) y(x) + q(x) y(x) + r(x) y(x) = f (x),
dx
dx
x [a, b],
(1.106)
donde ahora desempe

na un papel generalmente muy distinto al de en las secciones anteriores.28
El termino f (x) se conoce como termino fuente. [Tambien se llama termino fuente a f (x)/r(x). ]
Por supuesto, cuando f (x) = 0, recuperamos el problema de Sturm-Liouville homogeneo que
hemos estudiado en las secciones anteriores. En terminos de operadores, la ecuaci
on de SturmLiouville no homogenea toma la forma
(L + ) y(x) =
f (x)
.
r(x)
(1.107)
En lo que sigue nos restringiremos al estudio del problema de Sturm-Liouville inhomogeneo

consistente en la ecuaci
on de Sturm-Liouville inhomogenea con condiciones de contorno regulares
(
1 y(a) + 2 y 0 (a) = 0,
1 y(b) + 2 y 0 (b) = 0.
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
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.
1.7.1. Teorema de la alternativa de Fredholm

Teorema 1.9 (Teorema de la alternativa de Fredholm) Salvo una excepci
on, o bien el problema de
Sturm-Liouville inhomogeneo tiene soluci
on, o bien lo tiene el problema de Sturm-Liouville homogeneo. La excepci
on es que el problema de Sturm-Liouville inhomogeneo tiene soluci
on incluso
cuando el homogeneo la tiene si y s
olo si la soluci
on del problema homogeneo es ortogonal a
f (x)/r(x).
Podemos formular este teorema de otro modo.
Teorema 1.10 (Teorema de la alternativa de Fredholm) Sea n el autovalor n-esimo del operador
L, y n (x) su autofunci
on correspondiente:
L n = n n .
1. Si 6= n , entonces:
a) El problema homogeneo (L + ) y = 0 no tiene soluci
on.
b) El problema no homogeneo (L + ) y = f (x)/r(x) s tiene soluci
on u
nica.
2. Si = n , entonces:
a) El problema homogeneo (L + n ) y = 0 tiene la soluci
on n 6= 0.
b) El problema no homogeneo (L + n ) y = f (x)/r(x) no tiene soluci

on salvo si y s
olo si
n es ortogonal al termino fuente, hn |f /ri = 0. En este caso la soluci
on no es u
nica
pues contiene un m
ultiplo arbitrario de n .
Ilustraremos este teorema con unos ejemplos.
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
(1.108a)
(1.108b)
39
Imponiendo las condiciones de contorno se encuentra que

)
y(0) = 0 A = 0
A = B = 0.
y(/2) = 0 B = 0
Es decir, el problema homogeneo no tiene soluci
on [aparte de la soluci
on nula trivial, y(x) = 0]. Seg
un
el teorema de la alternativa de Fredholm, esto significa que el problema de Sturm-Liouville inhomogeneo
dado por las ecuaciones (1.108) con f (x) 6= 0 ha de tener siempre soluci
on. Veamoslo con un caso particular
sencillo.
Sea el problema de Sturm-Liouville inhomogeneo [aqu f (x) = 1]
y 00 + y = 1 ,
(
y(0) = 0,
CC :
y(/2) = 0.
(1.109a)
(1.109b)
La soluci
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
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 diferencial es
(1.110c)
40
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
por lo que problema de Sturm-Liouville inhomogeneo (1.111) no puede tener soluci

on. Comprobemoslo.
Como ya vimos en el ejemplo 1.13, la soluci
on diferencial (1.111a) con f (x) = 1 es
y(x) = 1 + A cos x + B sen x.
Si imponemos las condiciones de contorno obtenemos
y(0) = 0
y() = 0
)
A+1=0
A + 1 = 0
Imposible!
Comprobamos pues que problema de Sturm-Liouville inhomogeneo (1.111) carece de soluci

on, tal como
nos aseguraba el teorema de la alternativa de Fredholm.
J
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) =
como el termino no homogeneo f (x)/r(x), en serie de las autofunciones {n }:

X
y(x) =
cn n (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)
Sustituyendo estas relaciones en (1.114) se tiene que

X
X
(L + )
cn n =
bn n
n
o, teniendo en cuenta la ecuaci

on (1.113),
X
X
cn ( n ) n =
bn n ,
n
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)
donde los coeficientes bn vienen dados por la relaci

on (1.117), es decir
y(x) =
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
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)
Obviamente, en este caso el problema homogeneo (L + ) y = (L + m ) y = 0 s tiene

solucion y esta es justamente la autofuncion m : y(x) = m (x). En lo que se refiere al
problema no homogeneo distinguimos dos posibilidades:
a) Si bm 6= 0, la ecuaci
on (1.122) para n = m es imposible ya que ning
un cm puede
satisfacer la ecuaci
on 0 cm = bm 6= 0. Hemos de concluir que, en este caso, no existe
solucion del problema inhomogeneo.
b) Si bm = 0, esto es, si hm |f /ri = 0, la ecuaci
on (1.122) se reduce a 0 cm = 0, la
cual tiene solucion para cualquier constante cm arbitraria. Por tanto, la solucion del
problema no homogeneo existe,
X
bn
y(x) =
n + cm m ,
(1.123)
m n
n6=m
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.
1.8. Funcion de Green

1.8.1. Definicion y propiedades de la funcion de Green
Un procedimiento muy importante para hallar la solucion de un problema de Sturm-Liouville
inhomogeneo consiste en utilizar la funcion de Green. Decimos que G(x, x0 ) es la funcion de Green
de un problema de Sturm-Liouville inhomogeneo
f (x)
,
r(x)
(1.124a)
1 y(a) + 2 y 0 (a) = 0,
(1.124b)
(L + ) y(x) =
0
1 y(a) + 2 y (b) = 0,
si:
(1.124c)
1.8 Funci
on de Green
43
1. G(x, x0 ) es solucion de la ecuaci

on de Sturm-Liouville pero con una fuente puntual situada
0
en x (a, b), es decir,
(L + ) G(x, x0 ) =
1
(x x0 ),
r(x)
a < x0 < b.
2. G(x, x0 ) satisface las condiciones de contorno en x = a y x = b, es decir,

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) =
dx0 G(x, x0 ) f (x0 )
(1.126)
dado que esta funcion satisface la ecuaci

on diferencial (1.124a) y satisface las condiciones de
contorno (1.124b) y (1.124c). Esto lo justificaremos en la secci
on 1.8.2, pagina 46.
La ecuaci
on (1.126) explica por que hallar la funcion de Green de un problema es tan importante y u
til: la ecuaci
on (1.126) nos dice (por cierto, de un modo especialmente transparente)
que es suficiente resolver un s
olo problema de Sturm-Liouville inhomogeneo, a saber, el problema
(1.125), para hallar la solucion (en forma de integral explcita) de todos los problemas (1.124)
que s
olo difieren entre s en el termino fuente f (x); no es necesario ir resolviendo, m
as o menos
penosamente, cada uno de estos problemas.
Propiedades de la funci
on de Green
Antes de enunciarlas recordemos el siguiente resultado: sea g(x) un funcion discontinua en x0
con una discontinuidad (o salto) de tama
no g, es decir,
g(x) = ge(x) + g H(x x0 ),
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
Este resultado se ilustra en la figura 1.7.

B Ejercicio 1.16
Justifica la relaci
on
d
H(x x0 ) = (x x0 )
dx
integrando esta expresi
on entre a y x con a < x0 .
Vamos a demostrar dos importantes propiedades de la funcion de Green y de su primera

derivada que se utilizaremos m
as adelante:
Propiedad 1.
44
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 .
G(x, x0 ) es continua para todo x [a, b] (incluso para x = x0 ).

Nuestra demostraci
on empieza recordando que, por definicion, la funcion de Green G(x, x0 )
satisface la ecuaci
d
[p(x) G0 (x, x0 )] + [q(x) + r(x)] G(x, x0 ) = (x x0 ).
dx
Si integramos, por ejemplo, sobre el intervalo [a, x] se tiene que
Z
Z x
[q(z) + r(z)]G(z, x0 ) dz +
p(x) G0 (x, x0 ) = p(a) G0 (a, x0 )
a
(z, x0 ) dz.
(1.127)
(1.128)
Si G(x, x0 ) tuviera una discontinuidad de tama

no G en x0 [a, b], su derivada G0 (x, x0 ) tendra
una discontinuidad infinita de tama
no G en x0 [a, b], es decir,
d e
d
G(x, x0 ) =
G(x, x0 ) + G (x x0 ),
dx
dx
e x0 ) = G(x, x0 ) G H(x x0 ) es una funcion continua en x0 . Por consiguiente, la

donde G(x,
igualdad reflejada por la ecuaci
on (1.128) sera imposible pues en x = x0 el miembro derecho
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.
G(x, x0 ), es continua para todo x excepto en el punto x = x0

La derivada de G(x, x0 ), x
donde tiene una discontinuidad de tama
no 1/p(x0 ):

1
0
0
G(x, x )
G(x, x )
.
(1.129)
=
x
x
p(x0 )
x=x0
x=x0
+
Vamos a demostrarlo. Integramos entre x0 y x0 + la ecuaci

on de Sturm-Liouville que
satisface la funcion de Green,

Z x0 +
Z x0 +
d
d
0
0
0
dx
(x, x0 ) dx (1.130)
p(x) G(x, x ) + q(x)G(x, x ) + r(x)G(x, x ) =
dx
dx
x0
x0
para obtener
x0 + Z x0 +

Z x0 +
d
0
(x, x0 ) dx.
[q(x) + r(x)] G(x, x0 ) dx =
p(x) G(x, x )
+
dx
x0
x0
x0
(1.131)
Distinguimos dos casos:

x0 6= x0 . Si tomamos el lmite de 0 se tiene que
x=x+
x0 +
0
d
0
0
= p(x0 ) G(x, x )
lm p(x) G(x, x )
0
dx
x
x=x
x0

y, dado que q(x), r(x) y G(x, x0 ) son funciones continuas,

Z x0 +
lm
(q + r) G(x, x0 ) dx = 0.
0 x
0
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
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
+
1.8.2. Solucion del problema de Sturm-Liouville en terminos de la funcion de Green

En esta secci
on vamos a demostrar que la funcion
Z
dx0 G(x, x0 ) f (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)
Empecemos demostrando la primera propiedad, es decir, que (1.132) satisface la ecuaci

on
(1.133). Para ello es u
til definir las siguientes funciones:
G1 (x, x0 ) = G(x, x0 )
0
para x x0 ,
G2 (x, x ) = G(x, x )
para x x ,
(1.134)
(1.135)
es decir, G1 (x, x0 ) es la funcion de Green a la izquierda de x0 y G2 (x, x0 ) es la funcion de Green a

la derecha de x0 . Como G(x, x0 ) es continua se tiene que G1 (x0 , x0 ) = G2 (x0 , x0 ). En terminos de
estas funciones la expresi
on (1.132) podemos escribirla as:
y(x) =
=
dx G(x, x ) f (x ) +
dx0 G(x, x0 ) f (x0 )
a
x
a
dx0 G2 (x, x0 ) f (x0 ) +
dx0 G1 (x, x0 ) f (x0 ),
(1.136)
donde hemos usado que:

En la primera integral la variable de integracion x0 va de a hasta x de modo que en esta
integral siempre se verifica que x0 x y por tanto podemos sustituir el integrando G(x, x0 )
por G2 (x, x0 ).
En la segunda integral la variable de integracion x0 va de x hasta b de modo que en esta
integral siempre se verifica que x0 x y podemos entonces sustituir el integrando G(x, x0 )
por G1 (x, x0 ).
1.8 Funci
on de Green
47
Ahora queremos comprobar que la funcion y(x) definida por la relaci

on (1.136) satisface la ecuaci
on (1.132); ecuaci
on que escribimos de esta forma:
p(x)
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
Derivamos una vez m

as usando la formula de Leibniz:
Z x
2
d2 y
0
dx
=
G2 (x, x0 ) f (x0 ) + f (x) G2 (x, x)
2
2
dx
x
x
a
Z b
2
dx0 2 G1 (x, x0 ) f (x0 ) f (x) G1 (x, x).

+
x
x
x
Como G02 (x, x) G01 (x, x) = 1/p(x), se deduce que

Z b
Z x
f (x)
d2 y
0 00
0
0
dx0 G001 (x, x0 ) f (x0 ) +
dx G2 (x, x ) f (x ) +
=
.
dx2
p(x)
x
a
(1.141)
(1.142)
Sustituyendo las expresiones de y 00 (x), y 0 (x) as obtenidas en la ecuaci

on (1.137) y teniendo en
cuenta que G1 y G2 satisfacen la ecuaci
on31
p(x)G00n (x, x0 ) + p0 (x)G0n (x, x0 ) + [q(x) + r(x)] Gn (x, x0 ) = 0
(1.143)
es facil ver que la ecuaci

on (1.137) se verifica, tal como queramos demostrar.
Ahora demostraremos que (1.132) satisface las condiciones de contorno (1.133b) y (1.133c). Por
definicion, la funcion de Green satisface la condici
on de contorno en x = a, es decir,

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
y
c2y2(x)
G2(x,x')
c1y1(x)
G1(x,x')
b x
x'
Figura 1.8: La funci

on de Green G(x, x0 ) se construye a partir de dos soluciones y1 e y2 que cumplen
las condiciones de contorno para la izquierda y para la derecha, respectivamente. Si c1 y c2 no se
eligen bien, tendramos situaciones inadmisibles, tal como la que se muestra en la figura, en la que
G(x, x0 ) no es continua.
y por tanto
1
dx0 f (x0 ) G(x, x0 ) + 2

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).
1.8.3. Construccion de la funcion de Green

En esta secci
on vamos a mostrar como hallar (construir) la funcion de Green de un problema
de Sturm-Liouville aprovechando que conocemos que la funci
on de Green ha de verificar las dos
propiedades que hemos deducido en la secci
on 1.8.1 anterior, a saber, continuidad de G(x, x0 ) y
discontinuidad de tama
no 1/p(x0 ) de G0 (x, x0 ) en x = x0 .
Sea y1 (x) una solucion de la ecuaci
on homogenea (L + ) y1 (x) = 0 que satisface la condici
on
de contorno en x = a. An
alogamente, sea y2 (x) una solucion de la ecuaci
on homogenea (L +
) y2 (x) = 0 que satisface la condici
on de contorno en x = b. En lo que sigue asumiremos que las
condiciones de contorno son regulares. Entonces,
1 y1 (a) + 2 y10 (a) = 0,
1 y2 (b) + 2 y20 (b) = 0.
Empezamos justificando que G1 (x, x0 ) y la funcion y1 (x) deben ser proporcionales. Sabemos
1.8 Funci
on de Green
49
que ambas funciones satisfacen la ecuaci

on Ly = y, es decir:
(L + )y1 (x) = 0,
(L + )G1 (x, x0 ) = 0,
y que adem
as verifican la condici
on de contorno 1 y1 (a) + 2 y10 (a) = 0. Por el teorema 1.1 de la
pagina 20 esto significa que y1 (x) y G1 (x, x0 ) difieren en una constante multiplicativa, es decir,
G1 (x, x0 ) = c1 y1 (x).
De igual modo se puede demostrar que
G2 (x, x0 ) = c2 y2 (x).
En definitiva, para x 6= x0 , la funcion de Green G(x, x0 ) viene dada por

G(x, x0 ) G1 (x, x0 ) = c1 y1 (x)
para x x0 ,
G(x, x0 ) G2 (x, x0 ) = c2 y2 (x)
para x0 x.
Tal como se ilustra en la figura 1.8, si tomamos valores cualesquiera para las constantes c1 y
c2 , entonces no podemos garantizar que la funcion G(x, x0 ) sea la autentica funcion de Green
del problema puesto que sabemos que esta ha de verificar las propiedades de ser continua en x0
y que su derivada tenga una discontinuidad de tama
no 1/p(x0 ) en x0 . En definitiva, para cada
x0 , debemos escoger el valor de c1 y c2 [valores que dependeran del valor x0 escogido y por eso
escribiremos c1 (x0 ) y c2 (x0 )] de modo que G(x, x0 ) sea continua en x0 y que su derivada tenga una
discontinuidad de tama
no 1/p(x0 ) en x0 , es decir, de modo que
c1 (x0 ) y1 (x0 ) c2 (x0 ) y2 (x0 ) = 0,
c1 (x0 ) y10 (x0 ) c2 (x0 ) y20 (x0 ) =
(1.144)
1
.
p(x0 )
(1.145)
Existiran soluciones c1 (x0 ), c2 (x0 ) de este sistema si y s

olo si el determinante de sus coeficientes
es distinto de cero:

y1 (x0 ) y2 (x0 )
0
0

(1.146)
y 0 (x0 ) y 0 (x0 ) 6= 0 = W [x ; y1 , y2 ] = W [x ; y1 , y2 ] 6= 0,
1
2
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
En definitiva, hemos demostrado que y1 e y2 son linealmente independientes, por lo que su

wronskiano es distinto de cero y entonces podemos hallar c1 y c2 mediante, por ejemplo, la regla
de Cramer:

0 )
0
y
(x
2

0
0
1

y
(x
)
2
p(x0 )

y2 (x0 )
y2 (x0 )
0
c1 (x ) =
=
=
(1.147)
0
0
0
0
W [x ; y1 , y2 ]
p(x ) W [x ; y1 , y2 ]
p(x ) W [x0 ; y1 , y2 ]

y1 (x0 )

0

0 0

y1 (x ) 1

p(x0 )
y1 (x0 )
=
,
(1.148)
c2 (x0 ) =
W [x0 ; y1 , y2 ]
p(x0 ) W [x0 ; y1 , y2 ]
es decir
1
0
0
G1 (x, x ) = p(x0 ) W [x0 ; y , y ] y1 (x) y2 (x ),

1
2
G(x, x0 ) =
G2 (x, x0 ) =
y1 (x0 ) y2 (x),
p(x0 ) W [x0 ; y1 , y2 ]
a x x0 b,
a
x0
(1.149)
x b.
Es facil demostrar que p(x0 ) W [x0 , y1 , y2 ] es constante pues

o
dn
d
{p(x) W [x; y1 , y2 ]} =
p(x) [y1 (x)y20 (x) y10 (x) y2 (x)]
dx
dx
d
= y1 (x) [p(x) y20 (x)] + y10 (x)p(x)y20 (x)
dx
d
y2 (x) [p(x)y10 (x)] y10 (x)p(x)y20 (x)
dx
= y1 (x) [q(x) y2 (x) r(x) y2 (x)] y2 (x) [q(x) y1 (x) r(x) y1 (x)]
= 0.
En definitiva, escribiendo C = 1/[p(x0 ) W (x0 )], obtenemos mediante el procedimiento de construcci

on la funcion de Green
(
G1 (x, x0 ) = C y1 (x) y2 (x0 ), a x x0 ,
G(x, x0 ) =
(1.150)
G2 (x, x0 ) = C y1 (x0 ) y2 (x), x0 x b,
correspondiente al problema de Sturm-Liouville dado por las ecuaciones (1.124).
La solucion y(x) del problema no homogeneo (1.124) sabemos que viene dada por la ecuaci
on
(1.126). Esta relaci
on toma entonces la forma:
Z b
dx0 G(x, x0 ) f (x0 )
y(x) =
a
Z x
Z b
=
dx0 G2 (x, x0 ) f (x0 ) +
dx0 G1 (x, x0 ) f (x0 )
(1.151)
a
x
Z b
Z x
0
0
0
dx0 y2 (x0 ) f (x0 ).
(1.152)
dx y1 (x ) f (x ) + Cy1 (x)
= Cy2 (x)
x
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
1.8.4. Representacion de la funcion de Green en serie de autofunciones

La funcion de Green G(x, x0 ) puede obtenerse de una forma alternativa a la de la secci
on 1.8.3
anterior mediante un desarrollo en serie de autofunciones del operador de Sturm-Liouville L. Si
asumimos que G(x, x0 ) es una funcion de cuadrado sumable32 en el intervalo [a, b] con respecto
a la funcion peso r(x), entonces podemos expresar G(x, x0 ) como una serie de autofunciones del
operador hermtico L (serie que converge en media cuadratica):
X
G(x, x0 ) =
an (x0 )n (x),
(1.154)
n
donde n y n son los autovalores y las autofunciones (respectivamente) del operador L:

L n = n n .
(1.155)
Sabemos que la funcion de Green satisface la ecuaci

on
(L + ) G(x, x0 ) =
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)
por lo que, usando (1.154), la ecuaci

on (1.156) puede escribirse as:
(L + )
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)
La solucion del problema no homogeneo (L + ) y(x) = f (x)/r(x) viene dada por

Z
dx0 f (x0 ) G(x, x0 )

a
Rb 0 0
0
X 1
a dx n (x ) f (x )
n (x)
=
kn k2
n
n
X cn
=
n (x)
n
n
y(x) =
32
(1.160)
Por ejemplo, si el intervalo [a, b] es finito, la funci

on ser
a siempre de cuadrado sumable dado que la funci
on de
Green es continua.
52
con
hn |f /ri
1
cn =
=
2
kn k
kn k2
b
a
dx0 n (x0 ) f (x0 ).
Esta es la misma expresi

on que obtuvimos en (1.121), pagina 41. De hecho, el metodo usado
tanto aqu como all para obtener y(x) es esencialmente el mismo.
De la expresi
on (1.159) se observa que la relaci
on de reciprocidad toma ahora la forma m
as
general
G(x, x0 ) = G (x0 , x).
(1.161)
Cuando las condiciones de contorno son regulares las autofunciones son reales (vease el teorema
1.3 de la pagina 22) y, en este caso, la relaci
on anterior se reduce a la ecuaci
on (1.153), G(x, x0 ) =
0
G(x , x), la cual se obtuvo asumiendo condiciones de contorno regulares.
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)
en la que p(x) = 1, q(x) = 0, r(x) = 1 y = 0, con condiciones de contorno regulares de Dirichlet:

y(0) = 0,
y(L) = 0.
(1.163)
Soluci
on por construcci
on. Empezaremos calculando la funcion de Green de este problema de SturmLiouville mediante el procedimiento de construccion. La soluci
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
por lo que la funcion de Green es
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) =
dx0 f (x0 ) G(x, x0 ).
Por concretar, supongamos que f (x) = x y L = 1. En este caso tenemos que

y(x) =
dx0 f (x0 ) G2 (x, x0 ) +
dx0 f (x0 ) G1 (x, x0 )
dx0 (x0 )x0 (x 1) +
x
(1 x2 ) .
6
dx0 (x0 )x (x0 1)

(1.164)
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.
Utilizando las condiciones de contorno (1.163) obtenemos

(0) = 0 c1 0 + c2 = 0 c2 = 0,
(L) = 0 c1 sen L = 0 L = , 2, 3
Los autovalores son por tanto
n =
y las autofunciones correspondientes son
n 2
L
n = sen
n = 1, 2,
n
x .
L
Su norma es
2
kn k = hn |n i =
dx r(x)n (x) n (x)
dx sen2
n L
x = .
L
2
54
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

on de Green delPejemplo 1.15 expresada
mediante
serie de autofunciones truncada

N
n 0
1
n
x
sen
x
para
L = 1 y x0 = 1/2.
en el termino N , G(x, x0 ) ' 2L
sen
n=1 n2
L
L
2
N
otese que = 0 6= n lo que garantiza que el problema inhomogeneo tiene soluci
on (por que?). Utilizando
la formula (1.160) se tiene que
G(x, x0 ) =
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
1.9 Condiciones de contorno no homogeneas
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).
1.9. Condiciones de contorno no homogeneas

Sea la ecuaci
on de Sturm-Liouville inhomogenea

d
d
f (x)
1
,
p(x)
+ q(x) y(x) + y(x) =
r(x) dx
dx
r(x)
o, en forma de operadores,
(L + ) y(x) =
f (x)
,
r(x)
(1.168)
sujeta a las condiciones de contorno inhomogeneas,

1 y(a) + 2 y 0 (a) = ,
1 y(b) + 2 y 0 (b) = ,
(1.169)
y sean ye(x), F1 (x) y F2 (x) las soluciones de
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,
1 F1 (a) + 2 F10 (a) = ,

1 F1 (b) +
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
Entonces, la solucion del problema de Sturm-Liouville doblemente inhomogeneo [ecuacion de

Sturm-Liouville inhomogenea (1.168) m
as condiciones de contorno inhomogeneas (1.169)] es
como es facil de comprobar.
y(x) = ye(x) + F1 (x) + F2 (x),
(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) = .
Empezamos calculando la soluci

on ye(x) del problema de Sturm-Liouville inhomogeneo con condiciones de
contorno homogeneas:
CC :
ye00 (x) = f (x),

(
ye(0) = 0,
ye(1) + ye0 (1) = 0.
Para ello calculamos la funcion de Green, tal y como vimos en la seccion 1.8.3 anterior:
Para 0 x x0 < 1:
y100 (x) = 0 y1 (x) = A1 x + B1 .
Imponiendo la condici
on de contorno por la izquierda tenemos que
y1 (0) = 0 = B1 y1 (x) = A1 x.
Para 0 < x0 x 1:
y200 (x) = 0 y2 (x) = A2 x + B2 .
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 ) =
G1 (x, x0 ) = c1 (x0 ) y1 (x) = c1 (x0 ) x,
G2 (x, x0 ) = c2 (x0 ) y2 (x) = c2 (x0 ) (x 2),
0 x x0 ,
x0 x 1.
Imponiendo las condiciones de continuidad de la funcion de Green y de discontinuidad de su derivada

hallamos las funciones c1 y c2 :
c1 (x0 ) x0 c2 (x0 ) (x0 2) = 0,
c1 (x0 ) c2 (x0 ) = 1,
1.10 Cociente de Rayleigh
57
cuya soluci
on es
c1 (x0 ) =
x0
1,
2
c2 (x0 ) =
x0
.
2
Luego la funcion de Green es
G(x, x ) =
x
0
0
G1 (x, x ) = (x 2) 2
0
G2 (x, x0 ) = (x 2) x
2
Por tanto la soluci

on ye(x) para una f (x) dada sera
Z 1
dx0 G(x, x0 ) f (x0 )
ye(x) =
0
0 x x0 ,
x2
2
dx0 x0 f (x0 ) +
x
2
x0 x 1.
dx0 (x0 2) f (x0 ) .
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
F1 (1) + F10 (1) = 0 2A + = 0 A = F1 (x) = (2 x).

2
2
El problema de Sturm-Liouville para F2 (x) es
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
1.10. Cociente de Rayleigh

Existe una interesante relaci
on entre el problema de Sturm-Liouville y los problemas variacionales.33 De hecho, esta conexi
on se utiliza para deducir muchos resultados sobre el problema
33
Vease, por ejemplo, el captulo 13 de [But68] o el captulo 20 de [RHB98].
58
de Sturm-Liouville.34 En esta secci

on s
olo trataremos sobre el cociente de Rayleigh, que es una
de las facetas de tipo variacional del problema de Sturm-Liouville.
Sea la ecuaci
on de Sturm-Liouville homogenea
(L + ) y(x) = 0
(1.176)
donde L es el operador de Sturm-Liouville,

1
d
d
L
p(x)
+ q(x) .
r(x) dx
dx
Si multiplicamos la ecuaci
on de Sturm-Liouville escalarmente por y(x)
hy|(L + ) yi = hy|L yi + hy|yi = 0,
y despejamos el autovalor, se obtiene
=
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)
o, integrando por partes,

"
#
2
b Z b

dy
dy
dx p(x) q(x) |y(x)|2
+
p(x) y (x)
dx a
dx
a
R[y(x)] =
.
Z b
2
dx r(x) |y(x)|
(1.178)
1.10.1. Principio de minimizacion de Rayleigh-Ritz

El cociente de Rayleigh permite por tanto hallar el autovalor correspondiente a una autofuncion dada y(x) pues = R[y(x)]. Esto es poco practico porque el calculo del autovalor requiere
el conocimiento previo de su autofuncion, lo que no es siempre facil o factible (ademas, normalmente, primero hay que conocer el autovalor para poder hallar la autofuncion correspondiente).
Sin embargo, el cociente de Rayleigh exhibe una propiedad muy u
til que permite la estimaci
on
de los autovalores de un problema de Sturm-Liouville. La propiedad es la siguiente:
Teorema 1.11 Sea {0 , 1 , . . . } el espectro de autovalores de un problema de Sturm-Liouville cuyas autofunciones correspondientes son {0 (x), 1 (x), . . . }, siendo 0 el autovalor m
as peque
no.
Entonces 0 es igual al valor mnimo del cociente de Rayleigh para todas las funciones continuas que satisfacen las condiciones de contorno del problema de Sturm-Liouville (aunque no sean
soluciones de la ecuaci
on diferencial de Sturm-Liouville).
34
Vease, por ejemplo, el captulo VI de [CH62].
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
Sustituyendo esta relaci

on en la expresi
on del cociente de Rayleigh,
R[u] =
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
Dado que 0 < n para n > 0, se tiene que

P
2
2
n=0 0 |cn | kn k
= 0 .
R[u] P
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
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
Como 1 < n se tiene que
(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
(
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
Un teorema similar pero m

as general puede encontrarse en la secci
on 13.9 de [But68].
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).

Pero las condiciones de contorno hacen que u
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)
Para esta funcion tenemos que
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
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 )
Que valor hemos de escoger para el par

ametro indeterminado ? Evidentemente el que haga mnimo
al cociente de Rayleigh:
144(1 + 22 )
1
dR[u0 (x; )]
=
= 0 = .
d
(1 + + 22 )2
2
3.
96(2 2)
2)
0
' 100 39 para

Para = 1/ 2 se tiene R[u0 ] = 96(2+
'
126
76,
mientras
que
R[u
]
=
0
4 2
4+ 2
= 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,
que es justamente el valor del primer autovalor (0 = 2 ) debido a que u0 = 0 .

Vamos ahora a proponer funciones prueba que sean continuas, que satisfagan las condiciones de contorno
y que razonablemente puedan parecerse a 1 de modo que sus cocientes de Rayleigh sean proximos al
autovalor 1 = 4 2 ' 390 478. Este u
ltimo criterio nos dice, por ejemplo, que dado que 1 tiene un cero en
(0, 1), debemos proponer funciones prueba u1 con un cero en este intervalo. Por razones de simetra, este
debe estar situado en x = 1/2. Adem
as debemos escoger u1 de modo que sea ortogonal a u0 : hu1 |u0 i = 0.
Vamos a probar las siguientes funciones:
1.
si
4x
u1 (x) = 2 4x si
4x 4 si
0 x 1/4,
1/4 x 3/4,
3/4 x 1.
(1.190)
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
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
= 4 2 ' 390 478,
que es justamente el valor exacto porque u1 es igual a la autofuncion 1 .

J
El calculo aproximado de los autovalores de un problema de Sturm-Liouville es especialmente

importante en Fsica Cuantica. Por ejemplo, la ecuaci
on de Schrodinger independiente del tiempo
tiene la forma
H = E
donde H es el operador hamiltoniano. En una dimension, el hamiltoniano para una partcula de
masa m sometida a un potencial V (x) viene dado por
H=
~2 d 2
+ V (x)
2m dx2
donde ~ es la constante de Planck divida por 2. La ecuaci

on de Schrodinger toma para este caso
la forma

2
2m
2m
d
2 V (x) + 2 E = 0
2
dx
~
~
que es claramente una ecuaci
on de Sturm-Liouville con p(x) = r(x) = 1, q(x) = 2m
V (x) y
~2
= 2m
E.
El
c
a
lculo
aproximado
de
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
En las secciones 10.910.12 de A. Galindo y P. Pascual, Mecanica cu

antica, Eudema, Madrid, 1989, puede
encontrarse una introducci
on a los metodos variacionales con aplicaciones a problemas de Mec
anica Cu
antica.
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,
y(x) acotada para x .

1.5. Encuentra la funcion de Green en forma cerrada del problema de Sturm-Liouville singular
xy 00 + y 0
4
y = f (x),
x
x 1,
y(1) = 0,
lm y(x) = finito.
Halla y(x) si f (x) = 1/x.

1.6. Los modos normales de vibraci
on de una cuerda tensa de longitud 2L, densidad , y que
tiene una partcula puntual de masa m situada en su punto medio, son las soluciones del
siguiente problema de Sturm-Liouville:

m
y 00 = k 2 1 + (x) y, L x L, y(L) = y(L) = 0 .
donde k 2 es proporcional a las frecuencias de estos modos normales (k 2 = 2 /T siendo

T la tension de la cuerda). Se pide hallar los autovalores y autofunciones de este problema.
Calcula explcitamente los diez primeros autovalores y sus correspondiente autofunciones
cuando L = 1 y (i) m/ = 00 1, (ii) m/ = 1. Representa gr
aficamente las autofunciones
obtenidas.
1.7.
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
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.
Escribe explcitamente las tres primeras autofunciones de este problema.

b) Halla la solucion de
y 00 + 2y 0 + 2y = e3x ,
y(0) = 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.
a) Demuestra que y 00 (x) + y 0 (x) + (1 + )y(x) = 0 es una ecuaci

b) Encuentra los autovalores n y autofunciones n (x) del problema de Sturm-Liouville
y 00 (x) + y 0 (x) + (1 + )y(x) = 0,
y(0) = 0,
y(1) = 0.
c) Encuentra la solucion del problema de Sturm-Liouville inhomogeneo

1
y 00 (x) + y 0 (x) + y(x) = f (x),
4
y(0) = 0,
y(1) = 0
en la forma de desarrollo en serie de las autofunciones n (x).

1.11. Sea el problema de Sturm-Liouville
(xy 0 )0 + xy = 0 ,
0 x 1,
con y(0) = finito e y(1) = 0.

a) Halla los autovalores y las autofunciones correspondientes.
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.
Halla la solucion si f (x) = x2 .

1.13. Encuentra la funcion de Green del problema
d h kx 0 i
e
y (x) = f (x),
dx
0 < k < 1,
0 x,
y(0) = 0,
y() = finito.
Halla y(x) si f (x) = ex .
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.
Halla la solucion y(x) del problema a partir de esta funcion de Green.

1.17. Halla la solucion de la ecuaci
on diferencial no homogenea

m
00
2
y + k 1 + (x) y = F0 , L x L, y(L) = y(L) = 0,
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,
con las condiciones de contorno y(0) = 0, y() = 0.
68
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.
a) Resuelve el problema de autovalores y 00 = y con las condiciones de contorno y(0) =

y() + y 0 () = 0.
b) Encuentra la funcion de Green de y 00 = f (x) que satisface las condiciones de contorno
anteriores mediante desarrollo en serie y tambien en forma cerrada.
1.23. (a) Halla en forma cerrada la funcion de Green correspondiente a la ecuaci

on
y 00 + 2 y = f (x),
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
donde m2 > 0. Se pide hallar la funcion de Green correspondiente en forma de desarrollo

en serie de autofunciones.
1.25. Sea la ecuaci
y 00 m2 y = f (x),
0 x 1,
y(0) + y 0 (0) = 0,
y 0 (1) = 0
donde m2 > 0. Se pide hallar la funcion de Green correspondiente en forma de desarrollo

en serie de autofunciones.
1.11 Problemas
69
1.26. Sea la ecuaci

y 00 m2 y = f (x),
0 x,
y(1) = 0,
y() <
donde m2 > 0. Se pide hallar la funcion de Green correspondiente en forma cerrada.

1.27. El metodo de la funcion de Green puede aplicarse a ecuaciones diferenciales ordinarias con
condiciones iniciales.37 Considerese un oscilador armonico amortiguado gobernado por la
ecuaci
on
f (t)
x00 + 2x0 + 02 x =
,
m
donde 2 < 02 y supongase que la fuerza externa es cero para t < 0. (a) Desarrolla la funcion
de Green y escribe la solucion x(t) que satisface las condiciones iniciales x(0) = x0 (0) = 0.
(b) Cual es la solucion en el caso sobreamortiguado (2 > 02 )?
1.28. Sea el problema de Sturm-Liouville (ecuaci
on de Schrodinger del oscilador armonico):
y 00 x2 y + y = 0, y() = 0, y() = 0 .
2
a) Justifica que u0 (x; ) = (1 + x2 ) ex es una funcion prueba razonable para calcular

el autovalor m
as peque
no mediante el cociente de Rayleigh. Halla el valor de que
conduce a un cociente de Rayleigh mnimo. Compara el resultado as obtenido con el
autovalor exacto 0 = 1 (energa del punto cero del oscilador lineal cu
antico).
b) Justifica que la solucion tiende a cero como ex
este trabajo si consultas la secci
on 2.6.1).
2 /2
para |x| 1. (Puedes ahorrarte
c) Repite el apartado (a) con la funcion prueba u0 (x; ) = (1 + x2 ) ex
2 /2
2
x2 ) ex /2
d ) Justifica que u1 (x; ) = x(1 +

es una funcion prueba que permite estimar
1 . Halla el valor mnimo del cociente de Rayleigh correspondiente y comp
aralo con
el autovalor exacto 1 = 3.
Ayuda: para a > 0
Z
2n
ax2
(2n 1)!
dx =
2n+1
,
a2n+1
n = 0, 1, 2, . . .
1.29. Sea el problema de Sturm-Liouville y 00 V (x)y + y = 0, y() = 0, y() = 0 .

a) Para V (x) = x4 (ecuaci
on de Schrodinger de un oscilador cu
artico) calcula los dos
primeros autovalores mediante el cociente de Rayleigh usando las funciones prueba
2
2
u0 (x; ) = (1 + x2 ) ex , u1 (x; ) = x(1 + x2 ) ex . Compara con los resultados
exactos 0 = 10 0604, 1 = 20 7997.
b) Repite el apartado anterior para el potencial V (x) = |x|. Los resultados exactos son
0 = 10 0188, 1 = 20 3381.
1.30. Sea el problema de Sturm-Liouville 1.6 anterior.
a) Usa el metodo del cociente de Rayleigh para hacer una estimacion del primer autovalor
y de la primera autofuncion mediante aproximacion lineal de la autofuncion 0 :
(
x + L,
L x 0,
u0 (x) =
x + L,
0 x L.
37
Vease, por ejemplo, la secci

on 4.6 de [Mar75].
70
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.
1.31. Las energas permitidas y las funciones de ondas correspondientes de un sistema cu

antico
formado por una partcula sometida a un potencial pozo cuadrado de ancho 2L y una
barrera/pozo de tipo delta de Dirac situada en el medio pueden hallarse resolviendo el
siguiente problema de Sturm-Liouville:
y 00 a(x)y + y = 0,
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]
To paraphrase an aphorism attributed to the biochemist Albert Szent-Gy

orgyi, perhaps special
functions provide an economical and shared culture analogous to books: places to keep our
knowledge in, so that we can use our heads for better things.
M. Berry, Physics Today, vol. 54, n. 5, p. 11 (2001)
2.1. 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
(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)
362880 3628800 39916800 479001600 6227020800

Seguramente, esta expresi
on nos informa de bien poco acerca del comportamiento de nuestro
sistema. Hay muchas preguntas que son difciles de responder a la vista de la anterior expresi
on:
es oscilante la solucion? es creciente o decreciente? de que forma influye en la solucion el valor
del par
ametro a? Sin embargo, si supieramos que esa expresi
on no es m
as que el desarrollo en serie
2
de potencias de y(x) = exp(ax ), nuestro conocimiento del sistema se torna, en un instante,
casi total. Sabemos que la solucion no es oscilante, sabemos que la solucion es muy rapidamente
decreciente si a > 0 y muy r
apidamente creciente si a < 0. Es evidente que la solucion expresada
en terminos de la funcion exponencial, y(x) = exp(ax2 ), es mucho m
as u
til, es mucho m
as
informativa, que la dada por la ecuaci
on (2.1) debido a que conocemos muchas propiedades de
la funcion exponencial. De igual modo, si el comportamiento de un sistema viene descrito por la
funcion
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.
2.2. Propiedades generales de los polinomios ortogonales

Sea {Pn (x)} una familia de polinomios ortogonales reales (donde n = 0, 1, 2, . . . indica el
grado del polinomio) los cuales son solucion de un problema de Sturm-Liouville definido sobre
el intervalo [a, b] y funcion peso r(x). Como sabemos por la secci
on 1.6, una funcion Q(x) de
cuadrado sumable en el intervalo [a, b] con respecto a la funcion peso r(x), puede expresarse
como serie de las autofunciones Pn (x):
Q(x) =
cn Pn (x)
n=0
con2
hPn |Qi
1
cn =
=
2
kPn k
kPn k2
kPn k2 = hPn |Pn i =

2
dx r(x) Pn (x)Q(x)
a
dx r(x) Pn2 (x).
Recuerdese que estamos asumiendo que los polinomios Pn (x) son reales.
2.2 Propiedades generales de los polinomios ortogonales
73
En particular, si Q(x) es un polinomio de grado n, se tiene que (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 .
2. Usa la propiedad de ortogonalidad de los polinomios Pn (x) para demostrar que

bm = cm
hPm |Qi
.
kPm k2
2.2.1. Relacion de recurrencia

Teorema 2.1 Los polinomios ortogonales verifican la siguiente relaci
on de recurrencia3
x Pn (x) = An Pn+1 (x) + Bn Pn (x) + Cn Pn1 (x)
(2.3)
donde los coeficientes An y Cn no son nulos y n 1.

Este resultado simplemente nos dice que en el desarrollo del polinomio x Pn (x) en serie de polinomios ortogonales Pm (x) s
olo aparecen los polinomios de grado m = n + 1, n, n 1.
La demostraci
on no es difcil. Sabemos que {Pn (x)} son, por definicion, autofunciones de un
problema de Sturm-Liouville por lo que cualquier funcion (bien comportada) puede expresarse
como una combinacion lineal de los polinomios Pn (x). En particular, la funcion xPn (x) es una
funcion polin
omica y, por tanto, suave por lo que es valido escribir
x Pn (x) =
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
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
Esto significa que

cm =
Es decir, concluimos que
hPm |xPn i
= 0 para m > n + 1.
kPm k2
(2.4)
hPi |xPj i = 0 si
(2.5)
i > j + 1.
Pero, como es facil de ver a partir de la definicion del producto escalar,

Z b
dx r(x) Pi (x) x Pj (x) = hPj |xPi i
hPi |xPj i =
a
(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
Mediante esta expresi

on, la relaci
on de recurrencia (2.3) se convierte en
n
X
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
Igualando los coeficientes de los terminos de xn tenemos

(n)
(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
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
Expresando Cn mediante la relaci

on (2.12) y dividiendo por la norma de Pn (x) se obtiene
(x y)
Pn (x) Pn (y)
An
=
[Pn+1 (x)Pn (y) Pn (x) Pn+1 (y)]
2
kPn k
kPn k2
An1
[Pn (x) Pn1 (y) Pn1 (x) Pn (y)].

kPn1 k2
Ahora sumamos sobre n desde 1 hasta m:

m
X
Am
Pn (x) Pn (y)
=
[Pm+1 (x)Pm (y) Pm (x) Pm+1 (y)]
(x y)
2
kPn k
kPm k2
n=1
A0
[P1 (x) P0 (y) P0 (x) P1 (y)].

kP0 k2
(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)
A0 P1 (y)P0 (x) = y P0 (y)P0 (x) +
(1)
(a0 )2 a0
(1)
a1
Por consiguiente
A0 [P1 (x) P0 (y) P0 (x) P1 (y)] = (x y) P0 (x) P0 (y).
Pasando este termino al miembro izquierdo de (2.13) se obtiene

(x 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)
o equivalentemente, usando la ecuaci

on (2.9), obtenemos la relaci
on
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.
2.2.2. Funcion generatriz

Dada una familia de polinomios ortogonales {Pn (x)}, se llama funcion generatriz de esta
familia a una funcion G(x, t) tal que cuando se desarrolla en potencias de t los coeficientes del
desarrollo son los polinomios Pn (x):4
G(x, t) =
n=0
Pn (x) tn ,
x [a, b].
(2.16)
4
En ocasiones es m
as conveniente 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
dx r(x) G(x, t) G(x, t0 ) hG(x, t)|G(x, t0 )i
(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
tn t0m hPn |Pm i.
(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
Comparando con (2.18) encontramos que

hPn |Pm i = In nm .
Esto significa que {Pn (x)} es una familia ortogonal, tal como queramos demostrar.
2.2.3. Metodo de ortogonalizacion de Gram-Schmidt

Vimos en el captulo anterior que este metodo serva para construir un conjunto de funciones
ortogonales a partir de un conjunto de funciones degeneradas correspondientes a un mismo autovalor. La idea ahora es la misma: a partir de un conjunto de funciones linealmente independientes
78
{n (x)} construimos una familia de funciones ortogonales {n (x)} con respecto al peso r(x) en
el intervalo [a, b]. Las 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
dx r(x)m (x)n (x).
En particular, si la familia de funciones linealmente independiente {n (x)} son los monomios

{xn }, es decir, {n (x) = xn }, el procedimiento de Gram-Schmidt nos permite hallar un conjunto
de polinomios ortogonales {Pn (x)} con respecto al peso r(x) en el intervalo [a, b].
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 =
2.3 Polinomios de Legendre
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!
Cuadro 2.1: Intervalos, funciones peso y normas de algunos polinomios ortogonales.
2.3. Polinomios de Legendre

Los polinomios de Legendre son las soluciones de la ecuaci
(1 x2 ) y 00 2x y 0 + l(l + 1) y = 0 ,
1 x 1,
(2.20)
que verifican la condici

on de ser regulares en x = 1. En otros terminos, son las soluciones de
problema de Sturm-Liouville singular,
LPl (x) = l Pl (x),
(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)
Cuando se resuelve la ecuaci

on de Legendre mediante serie de potencias (vease la secci
on
2.3.1 siguiente) se encuentra que las condiciones de finitud de la solucion en x = 1 s
olo pueden
satisfacerse si l = 0, 1, 2, . . . Es decir, los autovalores del problema de Sturm-Liouville singular
dado por (2.20) y (2.22) son
l l(l + 1), l = 0, 1, 2, . . .
(2.23)
Para estos valores de l, las soluciones (autofunciones) de la ecuaci
on de Legendre que satisfacen
las condiciones de contorno (2.22) existen y son los polinomios de Legendre, cuya representaci
on
en serie de potencias es
[l/2]
Pl (x) =
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.
2.3.1. Resolucion de la ecuacion de Legendre mediante serie de potencias

En esta secci
on comprobaremos que, efectivamente, los polinomios de Legendre son la solucion
del problema de Sturm-Lioville singular dado por las ecuaciones (2.20) y (2.22). Una discusion
m
as detallada puede encontrarse en casi cualquier libro que trate sobre la resoluci
on de ecuaciones
diferenciales ordinarias mediante serie de potencias pues la ecuaci
on de Legendre es un ejemplo
cl
asico.5
5

on 4.2 de [Myi78], la secci
on 28 de [Sim93] o la secci
on 12.10 de [Arf85].
80
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
n(n 1)an xn2 2x
nan xn1 + l(l + 1)
an xn = 0,
n=0
n=1
es decir,
n=2
n(n 1)an xn2
n=2
n(n 1)an xn 2
nan xn + l(l + 1)
n=1
an xn = 0.
(2.25)
n=0
Podemos reescribir el primer termino de esta ecuaci

on de otra manera haciendo el cambio n
n + 2 en el sumatorio, es decir:
n=2
n2
n(n 1)an x
(n + 2)(n + 1)an+2 xn
n=0
(compruebese escribiendo explcitamente los primeros terminos de la serie!) de modo que la

ecuaci
0=
n=0
[(n + 2)(n + 1)an+2 + l(l + 1)an ] xn
n=2
n(n 1)an xn 2
nan xn .
(2.26)
n=1
Ahora agrupamos los terminos que contienen potencias de x0 (termino independiente), x1 y xn

con n 2:
0 = [2a2 + l(l + 1)a0 ] + {[l(l + 1) 2] a1 + 6a3 } x
X
{[n(n 1) 2n + l(l + 1)] an + (n + 2)(n + 1)an+2 } xn .
+
n=2
Para que esta relaci

on se verifique, los coeficientes que acompa
nan a las potencias xm con m =
0, 1, deben ser nulos y por tanto:
l(l + 1)
a0 ,
2
l(l + 1) 2
(l 1)(l + 2)
a3 =
a1 =
a1
6
3!
l(l + 1) n(n + 1)
(l n)(l + n + 1)
an+2 =
an =
an ,
(n + 2)(n + 1)
(n + 1)(n + 2)
a2 =
(2.27a)
(2.27b)
n 2.
(2.27c)
La solucion general de la ecuaci

on de Legendre, como la de toda ecuaci
on diferencial de segundo orden, se escribe como la combinacion lineal de dos soluciones y1 (x) e y2 (x) linealmente
independientes. Si escogemos a1 = 0, obtenemos la solucion

x4
x2
y1 (x) =a0 1 l(l + 1) + (l 2)l(l + 1)(l + 3)
2!
4!

x6
(l 4)(l 2)l(l + 1)(l + 3)(l + 5) + .
(2.28)
6!
81
Si escogemos a0 = 0, la solucion linealmente independiente es

x3
x5
y2 (x) =a1 x (l 1)(l + 2) + (l 3)(l 1)(l + 2)(l + 4)
3!
5!

x7
(l 5)(l 3)(l 1)(l + 2)(l + 4)(l + 6) + .
7!
(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.
2.3.2. Paridad y valores especiales

Por inspecci
on de la formula explcita (2.24) de Pl (x) puede verse que Pl (x) tiene la misma
paridad que l:6
Pl (x) = Pl (x) si l es impar,
(2.30)
Pl (x) = Pl (x) si l es par.
Esto implica que
Pl (0) = 0 si l = impar
pues, en este caso, Pl (0) = Pl (0) lo cual exige Pl (0) = 0.
Si l es par, entonces s
olo el termino (sumando) constante (es decir, el coeficiente de x0 )
no es nulo cuando x = 0, con lo cual Pl (0) sera igual al coeficiente de x0 . Como el termino
correspondiente a x0 se da cuando l 2m = 0, es decir, para m = l/2, se deduce que
l!
l
! 2 ! 0!
l!
= (1)l/2 2 .
2l 2l !
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
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).
2.3.3. Primeros polinomios

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

La formula de Rodrigues proporciona una representaci
on diferencial de los polinomios de
Legendre.
Partimos de las siguientes propiedades de la derivada de un monomio:
n
m!
d
xm =
xmn para n m,
dx
(m n)!
n
(2.31)
d
xm = 0 para n > m.
dx
En particular se tiene que
l
l
d
(2l 2m)! l2m
(l 2m)!
d
2l2m
l2m
x
=
x2l2m .
x
x
=
dx
(l 2m)!
(2l 2m)! dx
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,
y por tanto el monomio de mayor grado que a

nadimos en (2.33) es xl2 si l es par, o xl1 si
l es impar. Pero, seg
un (2.31), su derivada l-esima es nula en cualquiera de estos dos casos.
Esto significa que, efectivamente, los terminos que a
nadimos, tras ser derivados l veces, dan una
contribuci
on nula. Por tanto podemos escribir (2.32) en forma del binomio de Newton:
1
Pl (x) = l
2 l!
=
1
2l l!

d
dx
d
dx
l 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.
2.3.5. Representaciones integrales

Formula de Schlafli
Partimos de la formula integral de Cauchy,
n
I
n!
f (s)
d
f (z) =
ds
,
dz
2i C
(s z)n+1
(2.35)
84
-1
1
s
Figura 2.2: Un contorno de integracion valido para la formula de Schlafli en donde z = x R.

siendo C un contorno cerrado dentro del cual f es regular (analtica) y que incluye al punto s = z
(vease la figura 2.2). Escogemos ahora la funcion f (s) = (s2 1)l , que es regular en todo el plano
complejo, y elegimos como valor de z a un n
umero real x dentro del intervalo [1, 1]. Por tanto
l
I
d
(s2 1)l
l!
ds
.
(x2 1)l =
dx
2i C
(s x)l+1
Usando la formula de Rodrigues (2.34) se tiene que
I
(s2 1)l
1
ds
,
Pl (x) = l
2 2i C
(s x)l+1
(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)
El numerador de la integral de la formula de Schl

afli (2.36) toma la forma
s2 1 = (s + 1) (s 1)
= [x + 1 + (x2 1)1/2 ei ] [x 1 + (x2 1)1/2 ei ]
= (x2 1) + 2x (x2 1)1/2 ei +(x2 1) ei2
= 2x(x2 1)1/2 ei +(x2 1) (1 + ei2 )

i + ei
2
1/2 i
2
1/2 e
= 2(x 1) e
x + (x 1)
2
= 2(x2 1)1/2 ei [x + (x2 1)1/2 cos ].

Por tanto
(s2 1)l = 2l (x2 1)l/2 eil [x + (x2 1)1/2 cos ]l .
(2.38)
De la ecuaci
ds = i (x2 1)1/2 ei d.
(2.39)
85
Sustituyendo (2.38) y (2.39) en la formula de Schl

afli (2.36), obtenemos
Z l 2
1
2 (x 1)l/2 eil [x + (x2 1)1/2 cos ]l
Pl (x) = l
i (x2 1)1/2 ei d
l+1
i(l+1)
2
2 2i
(x 1) 2 e
Z
1
[x + (x2 1)1/2 cos ]l d.
=
2
Como la funcion cos es par, podemos escribir
Z
1
[x + (x2 1)1/2 cos ]l d,
Pl (x) =
0
(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

Vamos a hallar la funcion generatriz a partir de la formula de Laplace (2.40):
G(x, t) =
Pl (x)tl
l=0
1
=
X
l=0
tl [x + (x2 1)1/2 cos ]l
,
1 t (x + x2 1 cos )
donde se ha hecho uso de la relaci

on 1/(1 x) = 1 + x + x2 + . . . La integral anterior tiene
primitiva:
!
r
Z
d
2
1

ab
1
=
tan
arctan
G(x, t) =

0 a + b cos
a2 b2
a+b
2
0
86
r2
r
r1
-q
+q
Figura 2.3: Calculo del campo electrico dipolar.
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
y por tanto la funcion generatriz sera

G(x, t) =
1
.
1 2xt + t2
(2.41)
A partir de la funcion generatriz pueden obtenerse diversas propiedades de los polinomios de

Legendre. Por ejemplo,
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
2.3.7. Funcion generatriz y campo electrico dipolar

Puede usarse la funcion generatriz de los polinomios de Legendre para hallar una expresi
on
aproximada del campo electrico generado por un dipolo electrico. Sea un dipolo formado por dos
cargas q y q equidistantes del origen de coordenadas y que estan separadas por la distancia 2a,
tal como se muestra en la figura 2.3. Usando coordenadas polares (pues el campo tiene simetra
de rotaci
on con respecto al eje que pasa por las dos cargas +q y q), el campo electrico en un
punto de coordenadas (r, ) viene dado por
V (r, ) =
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
Si r a, el potencial del cuadripolo electrico linear se puede aproximar por

2qa2
P2 (cos ) +
r3

qa2
= 3 3 cos2 1 +
r
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
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?
2.3.8. Desarrollo en serie de polinomios de Legendre

Sea (x) una funcion de cuadrado sumable en el intervalo I = [1, 1]. Entonces podemos
escribir dicha funcion como
(x) =
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!)
[Dl (x2 1)l ] [Dl (x2 1)l ] dx
(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
El primer termino (el termino de contorno) es nulo ya que

Dn (x2 1)l
= Dn (x 1)l (x + 1)l
x=1
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
= D2l x2l l D2l x2l2 +
= (2l)! + 0 + 0 +
Por tanto kPl k2 se reduce a
(2l)!
kPl k = 2l 2 (1)l
2 (l!)
2
dx (x2 1)l .
Para evaluar esta integral usaremos el cambio de variable u = (x + 1)/2, es decir, x = 2u 1.

Entonces
x = 1 u = 0,
x = 1 u = 1,
x 1 = (x + 1)(x 1) = 4u(u 1),

y la integral se convierte en
Z 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),
donde B(r, s) es la funcion beta:

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

2
(2l)!
l
l 2l+1 (l!)
(1)
(1)
2
22l (l!)2
(2l + 1)!
2
=
,
2l + 1
kPl k2 =
que es el resultado que queramos probar.
(2.48)
90
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
[Dl (x2 1)l ] [Dm (x2 1)m ] dx.
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.
Segundo modo: mediante la funci

on generatriz.
Este metodo es m
as sencillo que el anterior. Partimos de la funcion generatriz
G(x, t) =
X
1
Pl (x) tl .
=
1 2tx + t2
l=0
Elevamos al cuadrado esta expresi

on e integramos en el intervalo [1, 1],
Z
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
y la integral puede escribirse as:

Z 1
1

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

kPl k2 =
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| =
c2n P2n (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
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
Pero el monomio x2n2 es igual a (x2 )2nm si m es tal que

2n 2 = 4n 2m 2m = 4n 2n + 2 = 2n + 2 m = n + 1.
Por tanto tenemos que

4n + 1
2n
(1)n+1 (2n 2)!
22n (2n)! n + 1
4n + 1
(2n 2)!
= (1)n+1 2n
,
2
(n 1)! (n + 1)!
c2n =
n1.
El coeficiente para n = 0 viene dado por

c0 =
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
Cuadro 2.2: Aproximacion SN (x) a la funci

on |x| para varios valores de x y N .
1
0.8
0.6
0.4
0.2
x
-1 -0.75 -0.5 -0.25
0.25 0.5 0.75
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
porque Pn (x) es del orden de la unidad (|Pn (x)| 1).

Sea SN el desarrollo en serie de polinomios de Legendre de |x| con N terminos:
SN (x) =
N
1
X
c2l P2l (x).
l=0
Esta serie converge muy r

apidamente tal y como se muestra en la tabla 2.2 y en la figura 2.4.
J
Aproximacion de mnimos cuadrados

P
Queremos hallar el polinomio pn (x) = nm=0 am xm de grado n definido en el intervalo [1, 1]
que proporciona la mejor estimacion (en el sentido de mnimos cuadrados) a una funcion dada
(x). Es decir, queremos hallar los coeficientes am que hacen que el error cuadratico medio
En =
1
1
dx [(x) pn (x)]2 =
"
dx (x)
n
X
m=0
am xm
#2
94
sea mnimo. La respuesta a esta cuesti

on ha sido esencialmente dada en la secci
on 1.6.1, pagina
31 y siguientes, si nos damos cuenta de que los polinomios de Legendre estan definidos en el
intervalo [1, 1] y su funci
on peso es la unidad, r(x) = 1. Esto significa que el polinomio pn (x)
optimo (en media cuadratica), es decir, el polinomio de grado n que conduce a error cuadratico
mnimo viene dado por
pn (x) =
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 .
La aproximacion que se obtiene mediante el desarrollo en serie de Taylor es

ptay
4 (x) = 1
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
2.3.9. Relaciones de recurrencia de los polinomios de Legendre

Hallaremos la relaci
on de recurrencia de los polinomios de Legendre de dos maneras: la primera
a traves de la relaci
on de recurrencia general (2.3) de la pagina 73, y la segunda mediante la
funcion generatriz. Terminaremos esta secci
on obteniendo algunas relaciones de recurrencia para
la derivada Pl0 (x) de los polinomios de Legendre.
95
0.0015
p4(x)-cos(x)
0.0010
0.0005
0.0000
-1.0
-0.5
x
0.0
0.5
1.0

on del error p4 (x) cos(x) donde p4 (x) = popt
nea continua) y p4 (x) =
4 (x) (l
tay
p4 (x) (lnea quebrada).
Relacion de recurrencia a partir de la relaci
on de recurrencia general
La relaci
on de recurrencia general (2.3) es
xPl (x) = Al Pl+1 (x) + Bl Pl (x) + Cl Pl1 (x)
(2.56)
verificandose [veanse las ecuaciones (2.9), (2.10) y (2.12)] que

(l)
(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)
donde am se define por la relaci

on
Pl (x) =
l
X
(l) m
am
x .
m=0
Pero sabemos por la ecuaci

on (2.24) que los polinomios de Legendre vienen dados por
[l/2]
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
Sustituyendo en (2.56) se encuentra

xPl (x) =
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)
Relacion de recurrencia a partir de la funci

on generatriz
Ahora vamos a hallar la relaci
on de recurrencia (2.62) partiendo de la funcion generatriz dada
en (2.41),
G(x, t) = (1 2xt + t2 )1/2 .
Derivamos G(x, t) respecto a la variable t,
1
xt
G
= (1 2xt + t2 )3/2 (2x + 2t) =
,
t
2
(1 2xt + t2 )3/2
para, reordenando terminos, obtener
(1 2xt + t2 )
G
= (x t) G(x, t).
t
(2.63)
Pero la funcion generatriz se define como

G(x, t) =
Pl (x)tl
l=0
lo que implica
G X
=
Pl (x) l tl1 .
t
l=1
Sustituyendo este resultado en (2.63) obtenemos
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
lold = n lnew m = n lnew = m + n,
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
es efectuar el cambio l l + 1 en el primer sumatorio, dejamos el segundo y el cuarto tal como

estan (pues ya estan expresados en potencias de tl ), y en el tercer y quinto sumatorio llevamos a
cabo el cambio l l 1. El resultado es
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 :
(l + 1) Pl+1 2xl Pl + (l 1) Pl1 = xPl Pl1 .
N
otese que la segunda relaci
on es un caso particular de la tercera. 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)
Del mismo modo que en la secci

on anterior, partimos de la funcion generatriz (2.41) pero
derivando ahora con respecto a x:
G
1
= (1 2xt + t2 )3/2 (2t)
x
2
t
G(x, t),
=
1 2xt + t2
es decir,
(1 2xt + t2 )
G
= t G(x, t).
x
(2.66)
De la definicion de funcion generatriz se deduce que

G(x, t) =
X
l=0
Pl (x)tl
G X 0
Pl (x)tl .
=
x
l=0
Sustituyendo este resultado en (2.66) se encuentra
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
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,
que es justamente la ecuaci

on de Legendre tal como la escribimos en (2.20).
B Ejercicio 2.6
Obtendremos ahora la formula de Christoffel-Darboux para los polinomios de Legendre. Partimos de la
formula general (2.15):
(x y)
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
(2m + 1) Pm (x) Pm (y) = (l + 1) [Pl+1 (x)Pl (y) Pl (x)Pl+1 (y)]
m=0
que es la formula de Christoffel-Darboux para los polinomios de Legendre.
(2.73)
2.4 Funciones asociadas de Legendre
99
2.4. Funciones asociadas de Legendre

Las funciones asociadas de Legendre Plm (x) pueden definirse como las soluciones de la ecuaci
on
de Sturm-Liouville

m2
2
00
0
y = 0, 1 x 1, m Z,
(2.74)
(1 x ) y 2x y + l(l + 1)
1 x2
que son regulares en x = 1. En otras palabras, son las soluciones del problema Sturm-Liouville
singular
L Plm (x) = l Plm (x),
l l(l + 1)
(2.75a)
con p(x) = 1 x2 , q(x) = m2 /(1 x2 ), r(x) = 1 y condiciones de contorno
Plm (1) = finito,
Plm (+1) = finito.
(2.75b)
Los autovalores l vienen dados por

l = l(l + 1),
donde l = entero y |m| l.
(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
2.4.1. Demostracion de la formula de Rodrigues

Vamos a comprobar ahora que la funcion dada por la formula de Rodrigues (2.77) es solucion
de la ecuaci
on asociada de Legendre (2.74). Por simplicidad en la notaci
on escribiremos la formula
de Rodrigues as:
Plm (x) = (1 x2 )m/2 Dm Pl (x) (1 x2 )m/2 u(x)
(2.79)
donde
Dn
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
Teniendo en cuenta que Dmj (1 x2 ) = 0 si m j 3, es decir, si j m 3, se obtiene que

m
X

m mj
m
2
00
D
(1 x2 ) Dj Pl00 .
D (1 x )Pl (x) =
j
j=m2
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
Procediendo de igual modo se obtiene que

m
0 X
m mj j 0
D
x D Pl
D xPl (x) =
j
j=0

m
X
m mj j 0
D
x D Pl
=
j
m
j=m1
m1
Pl0 + xDm Pl0

d
= mDm Pl + x Dm Pl
dx
= mu + xu0 .
= mD
(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).
2.4.2. Relacion de proporcionalidad de las funciones asociadas de Legendre

Las funciones asociadas de Legendre cumplen la siguiente relaci
on de proporcionalidad
Plm (x) = (1)m
(l m)! m
P (x).
(l + m)! l
(2.85)
Para demostrarlo emplearemos la representaci

on diferencial (2.78) de las funciones asociadas de
Legendre y haremos uso de la regla de Leibniz para evaluar las derivadas de orden l + m y l m
que aparecen en la relaci
on (2.78).
Para concretar, vamos a suponer que m no es negativo: m 0. Evaluaremos primero Dl+m (x2
l
1) y despues Dlm (x2 1)l para hallar la relaci
on que liga a los dos resultados y as inferir la
relaci
on que liga Plm (x) y Plm (x).
Empezaremos evaluando Dl+m (x2 1)l aplicando la formula de Leibniz:
D
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
l!(x + 1)jm l!(x 1)lj

(l + m)!
.
j! (l + m j)! (j m)!
(l j)!
(2.87)
102
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)!
Vamos a intentar escribir esta expresi

on de modo que se parezca lo m
as posible a (2.87) para
poder as ver claramente de que modo se relacionan. Empezamos haciendo que el sumatorio
anterior tenga los mismos lmites que el de (2.87) mediante el cambio j j + m. Entonces
j = 0 j = m y j = l m j = l y se tiene que
Dlm (x2 1)l =
l
X
j=m
l!(x + 1)m+jm l!(x 1)lj+m

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

(l m)!
.
(j m)!(l j)!
j!
(l j + m)!
(2.88)
Si comparamos (2.88) con (2.87) podemos ver que son muy parecidas pues ambas expresiones
contienen el 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)!
Dlm (x2 1) = (x2 1)m
Usando este resultado en la definicion (2.78) de Plm (x),

Plm (x) =
(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)!
(l m)! (1 x2 )m/2 l+m 2

D
(x 1)l
(l + m)!
2l l!
(l m)! m
P (x),
= (1)m
(l + m)! l
= (1)m
que es justamente la relaci

on (2.85) que queramos demostrar.
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.
2.4.3. Primeras funciones asociadas de Legendre

Es muy habitual utilizar funciones asociadas de Legendre en las que su variable independiente
recorre el intervalo 0 tras realizarse el cambio de variable x cos . A continuaci
on
damos las primeras funciones de Legendre usando las dos variables:
P11 = (1 x2 )1/2 = sen ,
P21 = 3x(1 x2 )1/2 = 3 cos sen ,
P22 = 3(1 x2 ) = 3 sen2 ,

3
3
P31 = (5x2 1)(1 x2 )1/2 = (5 cos2 1) sen ,
2
2
P32 = 15x(1 x2 ) = 15 cos sen2 ,
P33 = 15(1 x2 )3/2 = 15 sen3 .
2.4.4. Ortogonalidad, norma y simetra

Relacion de ortogonalidad
Las funciones asociadas de Legendre tienen la siguiente propiedad de ortogonalidad:
Z
m 2
dx Plm (x)Plm
0 (x) = kPl k l,l0 ,
(2.89)
104
donde el orden de m ha de ser el mismo en las dos funciones asociadas de Legendre para que
sean autofunciones del mismo operador de Sturm-Liouville.
Norma de las funciones asociadas de Legendre
La norma de Plm (x) viene dada por
kPlm k2 =
2 (l + m)!
.
2l + 1 (l m)!
(2.90)
Vamos a demostrarlo. Empezaremos calculando kPlm k2 para m 0:

Z 1
m 2
dx Plm (x)Plm (x)
kPl k =
1
1

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
El termino de contorno es nulo pues el factor (1 x2 ) es nulo en x 1. Repitiendo este proceso

otras m 1 veces (es decir, integrando por partes de igual modo m 1 veces m
as) se obtiene
Z 1

dx Pl (x) Dm (1 x2 )m Dm Pl (x)
kPlm k2 = (1)m
(1)m
1
1
dx Pl (x) Ql (x).
(2.91)
Es facil darse cuenta que el termino

Ql (x) = Dm (1 x2 )m Dm Pl (x)
(2.92)
es un polinomio de grado l ya que:
Pl (x)
Dm Pl (x)
(1 x2 )Dm Pl (x)

Dm (1 x2 )m Dm Pl (x)
es
es
es
es
polinomio
polinomio
polinomio
polinomio
de
de
de
de
grado
grado
grado
grado
l,
l m,
(l m) + 2m,
(l m) + 2m m = l.
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
y por tanto podemos reescribir (2.91) como

kPlm k2
9
= (1)
l
X
j=0
qj
dx Pl (x)Pj (x).
Usamos el cambio u = (1 x2 )m Dm Pl (x) y dv = Dm Pl (x) dx
(2.93)
105
Dado que hPj |Pi i = kPj k2 ij , se tiene que

kPlm k2 = (1)m kPl k2 ql = (1)m
2
ql .
2l + 1
(2.94)
Vamos a calcular ql . Sabemos que

(l)
Pl (x) = al xl +
(l)
monomios con grado inferior a 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
Comparando con (2.95) vemos que

ql = (1)m
(l + m)!
.
(l m)!
(2.96)
Insertando este resultado en (2.94) se tiene

kPlm k2 = (1)m
2
(l + m)!
(1)m
,
2l + 1
(l m)!
es decir,
kPlm k2 =
2 (l + m)!
.
2l + 1 (l m)!
La norma de Plm (x) podemos calcularla haciendo uso de (2.85):

2
m 2
m (l m)!
kPl k = (1)
kPlm (x)k2
(l + m)!
2 (l m)!
=
.
2l + 1 (l + m)!
(2.97)
(2.98)
106
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
Luego insertando esta relaci

on en (2.99) y teniendo en cuenta (2.78), se deduce que
Plm (x) = (1)l+m Plm (x).
(2.100)
2.4.5. Desarrollo en serie de funciones asociadas de Legendre

Sea (x) una funcion de cuadrado sumable en el intervalo I = [1, 1], es decir, L2I .
Entonces, en el sentido de la convergencia en media cuadratica, se verifica que
(x) =
l=|m|
cl Plm ,
cl =
hPlm |i
,
kPlm k2
(2.101)
para m entero arbitrario. Usando (2.98), se tiene que

Z
2l + 1 (l + m)! 1
dx Plm (x)(x).
cl =
2 (l m)! 1
2.4.6. Relaciones de recurrencia

Debido a que las funciones asociadas de Legendre poseen dos ndices, el orden m y el grado
l, existe una gran variedad de relaciones de recurrencia. Damos a continuaci
on unas cuantas.10
Relaciones de recurrencia sobre las funciones asociadas de Legendre:
De mismo orden y distinto grado:
m
m
(2l + 1) x Plm (x) = (l + m) Pl1
(x) + (l m + 1) Pl+1
(x).
(2.102)
De mismo grado y distinto orden:

Plm+1 (x)
2m x
P m (x) + [l (l + 1) m (m 1)] Plm1 (x) = 0.
(1 x2 )1/2 l
(2.103)
Relaciones de recurrencia sobre las derivadas de las funciones asociadas de Legendre:

De mismo orden y distinto grado:
(1 x2 )1/2
d m
m
P (x) = l x Plm (x) (l + m) Pl1
(x).
dx l
(2.104)
De mismo grado y distinto orden:

(1 x2 )1/2
10
1
1
d m
Pl (x) = Plm+1 (x) (l + m) (l m + 1) Plm1 (x).
dx
2
2
Pueden verse estas y otras relaciones m

as, y, en algunos casos, sus demostraciones en [Arf85, AB74].
(2.105)
2.5 Arm
onicos esfericos
107
2.5. Armonicos esfericos

Las funciones conocidas como armonicos esfericos aparecen, por ejemplo, en la resoluci
on de la
ecuaci
on de Schrodinger para potenciales centrales, V (~r) = V (r), constituyendo la parte angular
de las autofunciones (orbitales). Aqu las definiremos de un modo diferente.
Sea el problema de Sturm-Liouville
d2 y
+ m2 y = 0,
d
con las condiciones de contorno peri
odicas
0 2,
y(0) = y(2),
0
(2.106)
(2.107)
y (0) = y (2).
(2.108)
Este problema es de facil resoluci

on. Las autofunciones son
m () = eim ,
m = 0, 1, 2, . . .
(2.109)
con autovalor asociado m2 . Existe degeneraci

on pues m y m tienen el mismo autovalor. La
norma de estas autofunciones es
Z 2
Z 2
im im
2
d = 2.
d e
e
=
km k =
0
Los armonicos esfericos Ylm (, ) se definen por la relaci

on
Ylm (, ) = Nlm eim Plm (cos ),
(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
2.5.1. Ortonormalidad y propiedad de conjugacion de los armonicos esfericos

Ortonormalidad
Los armonicos esfericos forman una familia ortonormal de funciones, como es facil de comprobar usando las propiedades de ortogonalidad de las autofunciones m (x) = eim y Plm ():
Z 1
Z 2
0
0
m
m0
d(cos ) Nlm Nl0 m0 eim Plm eim Plm
hYl |Yl0 i =
d
0 (cos )
0
= Nlm Nl0 m0
i(m0 m)
d e
= m m0 l l0 .
d(cos ) Plm Plm

0 (cos )
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)
2.5.2. Simetra de los armonicos esfericos

Si identificamos con el
angulo azimutal y con el angulo polar de las coordenadas esfericas
[vease la figura 2.7(a)], entonces Ylm (, ), y en general cualquier funcion F (, ), con 0
y 0 , podemos interpretarla como una funcion de la direccion en el espacio.
Los armonicos esfericos tienen la importante propiedad de que el valor de Ylm para una
direccion dada es igual a (1)l del armonico esferico Ylm evaluado en la direccion opuesta, es
decir,
Ylm ( , + ) = (1)l Ylm (, ).
(2.115)
Esta propiedad es clave para la justificacion de la reglas de selecci
on sobre el n
umero cu
antico
11
orbital de las transiciones electr
onicas permitidas en los atomos. La demostraci
on es simple.
Por la definicion (2.110) se tiene que

Ylm ( , + ) = Nlm eim(+) Plm cos( )

= (1)m Nlm eim Plm cos()
puesto que eim = (1)m por ser m entero. Haciendo uso de la relaci
on (2.100) se encuentra
Ylm ( , + ) = (1)m (1)l+m Nlm eim Plm (cos )
= (1)l Ylm (, ),
(2.116)
tal y como queramos demostrar.

11

on 8.7 de Fsica Cu
antica, R. Eisberg y R. Resnick (Limusa, Mexico, 1979).
2.5 Arm
onicos esfericos
109
(a)
(b)
Figura 2.7: (a) El angulo polar y azimutal describen una direcci

on (con sentido) en el espacio.
(b) Ilustraci
on del teorema de la adici
on: es el angulo subtendido por las dos direcciones descritas
por los angulos (1 , 1 ) y (2 , 2 ).
2.5.3. Primeros armonicos esfericos

Estos son los primeros nueve armonicos esfericos con la fase de Condon-Shortley:
1
Y00 = ,
4
r
3
cos ,
Y10 =
4
r
3
1
Y1 =
sen ei ,
8
r

5 3
1
2
0
cos
,
Y2 =
4 2
2
r
5
3 sen cos ei ,
Y21 =
24
r
5
2
Y2 =
3 sen2 ei2 .
96
(2.117)
(2.118)
(2.119)
(2.120)
(2.121)
(2.122)
2.5.4. Desarrollo en serie de los armonicos esfericos

Teorema 2.4 Los arm
onicos esfericos Ylm (, ) constituyen una base ortonormal del espacio de
funciones de cuadrado sumable definidas sobre la superficie de una esfera, o en otros terminos,
funciones de cuadrado sumable cuyas variables son los a
ngulos azimutal y polar de las coordenadas
esfericas.
Esto significa que podemos escribir
F (, ) =
l,m=0
clm Ylm (, )
con
clm = hYlm |F i.
(2.123)
110
Como |m| l [recuerdese la relaci

on (2.76), pagina 99, de los polinomios de Legendre], se tiene
que
l
X
X
clm Ylm (, ),
(2.124)
F (, ) =
l=0 m=l
con
clm =
hYlm |F i
d(cos ) Ylm (, ) F (, ).
(2.125)
No hemos presentado a Ylm como autofunciones de un operador de Sturm-Liouville (entre

otras cosas porque s
olo hemos estudiado problemas de Sturm-Liouville sobre una variable independiente) por lo que para demostrar este teorema no acudiremos a la teora de Sturm-Liouville
tal como hemos ido haciendo hasta ahora. Sin embargo podemos justificar este teorema interpretando o viendo F (, ) como una funcion que depende de la variable y del par
ametro .
Entonces podemos desarrollar F (, ) primero en serie de Fourier sobre la variable :
F (, ) =
am (cos ) eim ,
(2.126)
m=
donde los coeficientes de Fourier am dependen del par

ametro . Pero ahora vemos am (cos )
como funciones de de modo que podemos expresarlas como serie de funciones asociadas de
Legendre
X
Alm Plm (cos ).
am (cos ) =
l=|m|
Insertando esta relaci

on en la ecuaci
on (2.126) encontramos que
F (, ) =
Alm eim Plm (cos )
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
de acuerdo con la ecuaci

on (2.124).
2.5.5. Teorema de la adicion

Este es un teorema muy u
til que no demostraremos aqu.12
Teorema 2.5 Sean dos direcciones en el espacio definidas por (1 , 1 ) y (2 , 2 ) y sea el a
ngulo
subtendido entre estas dos direcciones (vease la figura 2.7(b)). Entonces
l
4 X
Pl (cos ) =
[Ylm (1 , 1 )] Ylm (2 , 2 ).
2l + 1
m=l
12
Puede encontrarse la demostraci

on en la secci
on 12.8 de [Arf85] o en la secci
on 9.8 de [AB74].
(2.127)
2.6 Polinomios de Hermite
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
Usando ahora la expresi

on (2.127) del teorema de adicion podemos expresar el potencial electrico V (r12 )
entre dos cargas puntuales como serie de arm
onicos esfericos:
V (r12 )
l
X
r1l
4 X m
1
=
Yl (1 , 1 ) Ylm (2 , 2 ).
r12
r2l+1 2l + 1
l=0
m=l
2.6. Polinomios de Hermite

2.6.1. Oscilador armonico en Mecanica Cuantica. Ecuacion de Hermite
Los polinomios de Hermite surgen en la resoluci
on del problema del oscilador armonico unidimensional en Mecanica Cuantica. La ecuaci
on de Schrodinger para una partcula de masa m
sujeta al potencial armonico unidimensional
1
V (y) = m 2 y 2
2
es
~2 d 2
+ V (y) = E
2m dy 2
siendo E la energa total del oscilador. Haciendo el cambio

r
m
x=
y
~
la ecuaci
on de Schrodinger del oscilador armonico unidimensional se reduce a
d2
+ (E x2 ) = 0
dx2
donde
E=
13
2E
.
~
(2.128)
(2.129)
Vease, por ejemplo, el captulo 3 de Introducci

on a la teora del
atomo, de C. S
anchez del Ro, Ed. Alhambra,
Madrid, 1977.
112
Las soluciones fsicamente aceptables de (2.128) deben satisfacer la condici

on
lm (x) = 0
(2.130)
|x|
dado que (x) ha de estar normalizada, es decir, dado que la integral

finita. Para |x| 1 la ecuaci
on (2.128) es aproximadamente
|(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)
cuando x2 , es decir, debe ocurrir
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 ).
Por tanto la ecuaci

ex
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
2.6.2. Resolucion de la ecuacion de Hermite mediante serie de potencias

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

on en (2.133) llegamos a
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
Ahora podemos igualar coeficiente a coeficiente para obtener

(m + 2)(m + 1) cm+2 2(m n) cm = 0.
De esta expresi
on extraemos la relaci
on de recurrencia
cm+2
2(n m)
=
,
cm
(m + 2)(m + 1)
m = 0, 1, 2, 3, . . .
(2.134)
relaci
on que permite hallar los 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
Veamos si y(x) es subdominante con respecto a ex /2 para x2 . Para ello hemos de

saber como se comporta y(x) en esta regi
on. Este comportamiento viene determinado por el
comportamiento de cm para m grandes, comportamiento que, por (2.134), es
2
cm+2
'
cm
m
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
Por tanto
cm
y para m 1 se verifica que
esto en (2.132) tenemos 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 | .
Pero esto no es fsicamente aceptable puesto que no se satisface la condici

on (2.130)! Concluimos
2
que, para que (x) sea aceptable, y(x) no se puede comportar como ex para x2 . Esto s
olo
puede darse si n es entero, pues en este caso una de las soluciones particulares de (2.135), y1 (x) o
y2 (x), se trunca cuando m = n puesto que, por (2.134), si m = n entonces cn+2 = cn+4 = = 0.
En este caso se tiene que:
Si n es par entonces la solucion y1 (x) es polinomio de grado n y
1 (x) = y1 (x) ex
2 /2
es una solucion matem

atica fsicamente aceptable.
Si n es impar, y2 (x) es polinomio de grado n y
2 (x) = y2 (x) ex
2 /2
es solucion fsicamente aceptable.

N
otese que la condici
on m = n = entero implica la cuantizaci
on de la energa: En = 1 + 2n con n
entero (n = 0, 1, 2, 3, . . . ) que, por la ecuaci
on (2.129), es lo mismo que decir que la energa total
E del oscilador armonico s
olo puede tomar los valores
En =
1
n+
2
~.
Los polinomios y1 (x) e y2 (x), normalizados de modo que cn = 2n (donde cn es el coeficiente

de xn del polinomio de grado n) son justamente los polinomios de Hermite Hn (x):
[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
2.6.3. Los polinomios de Hermite como soluciones de un problema de Sturm-Liouville

En la secci
on anterior hemos presentado la ecuaci
on de Hermite y los polinomios de Hermite
partiendo del problema del oscilador armonico en Mecanica Cuantica. En esta secci
on vamos a
retornar a nuestro procedimiento m
as habitual en el que definimos las funciones especiales como
soluciones (autofunciones) de problemas de Sturm-Liouville.
Los polinomios de Hermite son las autofunciones del problema de Sturm-Liouville singular
constituido por la ecuaci
on de Hermite
y 00 (x) 2x y 0 (x) + 2n y(x) = 0 ,
< x < ,
(2.138)
junto con las condiciones de contorno (singulares)

lm
|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
2
ex y 00 (x) 2x ex x y 0 (x) + ex y(x) = 0 ,
= 2n.
(2.140)
Como hemos visto en la secci

on anterior, el u
nico modo de que las soluciones de la ecuaci
on
(2.138) o (2.140) satisfagan las condiciones de contorno (2.139) es si = 2n con n = 0, 1, 2, . . . .
Cuando esta condici
on se verifica, las soluciones son justamente los polinomios de Hermite Hn (x).
Dicho de otro modo, = 2n son los autovalores del problema de Sturm-Liouville y los polinomios
de Hermite Hn (x) son las autofunciones correspondientes.
La constante multiplicativa arbitraria de la solucion de la ecuaci
on de Hermite (que es lineal
y homogenea, como toda ecuaci
on de Sturm-Liouville) se fija exigiendo la condici
on de estandarizaci
on:
n
c(n)
n =2
(n)
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

La funcion generatriz de los polinomios de Hermite se define del siguiente modo:
G(x, t) =
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)!
de modo que el smbolo (i, j) es el modo abreviado de escribir

(i, j) (1)
ij
2
1

ij
2
ti (2x)j ,
! j!
lo cual se puede comprobar facilmente sin m

as que hacer i = n y j = n 2k = i 2k. Usando
este smbolo, la expresi
on (2.142b) se convierte en
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)
(0, 0 2k) = (0, 0)

(1, 1 2k) = (1, 1)
(2, 2 2k) = (2, 2) + (2, 0)
(3, 3 2k) = (3, 3) + (3, 1)
(4, 4 2k) = (4, 4) + (4, 2) + (4, 0)
(5, 5 2k) = (5, 5) + (5, 3) + (5, 1)
Cuadro 2.3: Primeros sumandos de (2.142b)

Es decir, retornando a la notaci
on estandar,
G(x, t) =
=
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)!
Haciendo uso de la formula del binomio de Newton encontramos
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.
2.6.5. Norma de los polinomios de Hermite

Por supuesto, los polinomios de Hermite son ortogonales con respecto a la funcion peso r(x) =
2
ex en el intervalo (, ):
hHm |Hn i = kHn k2 mn .
(2.147)
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
Usando (2.142a) y la propiedad (2.147) se deduce facilmente que

I(t, t0 ) =
X
kHn k2
(n!)2
n=0
(tt0 )n .
(2.149)
Por otro lado, empleando la expresi

on (2.146) para la funcion generatriz, se tiene que
Z
2
0
0
0
dx ex et(2xt) et (2xt )
I(t, t ) =
Z
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)
2.6.6. Desarrollo en serie de los polinomios de Hermite

2
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
por lo que si multiplicamos esta expresi

on por e obtenemos
e2x = e
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
2.6.7. Formula de Rodrigues y paridad

Para hallar la formula de Rodrigues de los polinomios de Hermite partiremos de la funcion
generatriz. Desarrollando esta funcion en serie de Taylor vemos que

X
1 n G(x, t)
tn .
G(x, t) =
n!
tn t=0
n=0
Comparando esta expresi

on con la de la definicion de la funcion generatriz,
G(x, t) =
X
Hn
n=0
se deduce que
n!
tn ,

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

n
n
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
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
Figura 2.8: Representaci

on grafica de los cinco primeros polinomios de Hermite Hn (x), n = 0, 1, 2, 3, 4.
2.6.8. Primeros polinomios de Hermite

Los primeros seis polinomios de Hermite son:
H0 (x) = 1,
H1 (x) = 2x,
H2 (x) = 4x2 2,
H3 (x) = 8x3 12x,
H4 (x) = 16x4 48x2 + 12,
H5 (x) = 32x5 160x3 + 120x,
H6 (x) = 64x6 480x4 + 720x2 120.

N
otese que el coeficiente de mayor grado del polinomio toma el valor de estandarizaci
on 2n .

Vamos a hallar varias relaciones de recurrencia mediante la funcion generatriz. Para ello
procedemos como lo hicimos con los polinomios de Legendre (vease la secci
on 2.3.9, pagina 96).
Derivamos la funcion generatriz respecto a t,
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
y por tanto la ecuaci

on anterior se puede escribir como
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 .
Ahora cambiamos los ndices para que aparezcan s

olo potencias de tn dentro de los sumatorios:
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 .
2.7 Polinomios asociados de Laguerre
121
Igualamos los coeficientes de los sumatorios para obtener

t0 :
tn :
H1 (x) = 2xH0 (x)

Hn+1
Hn
Hn1
= 2x
2
,
n!
n!
(n 1)!
n1
es decir
2xHn (x) = Hn+1 (x) + 2nHn1 (x),
n 0.
(2.155)
La funcion H1 (x) que aparece en esta relaci

on para n = 0 no esta definida, pero su valor no
importa porque esta multiplicada por cero. En todo caso, quizas lo m
as sencillo es considerar
que la relaci
on de recurrencia anterior es valida para todo n 0 asumiendo que, por definicion,
H1 (x) = 0.
Podemos hallar una relaci
on de recurrencia que involucra a la derivada Hn0 (x) de los polinomios
de Hermite derivando la funcion generatriz respecto a x:
G(x, t) = 2t G(x, t).

x
Si sustituimos ahora G(x, t) por la expresi
on general tenemos
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!
Cambiando los ndices (n n 1 en el sumatorio de la derecha),
X
H 0 (x)
n
n=0
n!
t =2
X
Hn1 (x)
n=1
(n 1)!
tn .
e igualando coeficientes con igual potencia de t encontramos

H 0 (x) = 0,
Hn1 (x)
Hn0 (x)
=2
,
n!
(n 1)!
es decir
Hn0 (x) = 2n Hn1 (x),
n 0.
(2.156)
2.7. Polinomios asociados de Laguerre

La ecuaci
on de los polinomios asociados de Laguerre es
x y 00 + ( + 1 x) y 0 + n y = 0 ,
0 x < ,
(2.157)
donde > 1 es un n
umero dado y n juega el papel de autovalor. Cuando = 0 la ecuaci
on se
conoce simplemente como ecuaci
on de Laguerre.
Para poner esta ecuaci
on en forma de ecuaci
on de Sturm-Liouville identificamos
y 00 +
+1x 0 n
y + y=0
x
x
122
con
y 00 +
p0 (x) 0 q(x) + r(x)

y +
y = 0.
p(x)
p(x)
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
Por tanto, la ecuaci

on de los polinomios de Laguerre en la forma de ecuaci
es
x+1 ex y 00 + x ex ( + 1 x) y 0 + x ex n y = 0.
(2.158)
La ecuaci
on es singular en x = 0 porque p(0) = 0.
El problema de Sturm-Liouville que da lugar a los polinomios asociados de Laguerre esta constituido por la ecuaci
on de Sturm-Liouville (2.157) o (2.158) y por las condiciones de contorno
(singulares)
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 no es entero el termino binomial se expresa mediante funciones gamma:

n+
(n + )!
(n + + 1)
=
=
.
nk
(n k)! ( + k)!
(n k + 1) ( + k + 1)
(0)
Si = 0 entonces tenemos que Ln (x) se reduce a los polinomios de Laguerre. En este caso, los
(0)
polinomios se denotan simplemente por Ln (x), es decir, Ln (x) Ln (x).
Los cinco primeros polinomios de Laguerre son
L0 (x) = 1,
(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=
Haciendo el cambio de ndices k k + , se obtiene

n
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!
tal y como queramos demostrar.
2.7.1. Funcion generatriz y norma

Funci
on generatriz de los polinomios asociados de Laguerre
La funcion generatriz de los polinomios asociados de Laguerre es
G (x, t) =
n=0
Ln (x) tn .
(2.167)
124
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
[ suma primero sobre filas]
[ suma primero sobre columnas]
k=0 n=k
Mediante el cambio de ndices n n + k se obtiene

G (x, t) =
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
Pero sabemos que el desarrollo en serie de potencias de 1/(1 t)a , siendo a un n

umero real
cualquiera, viene dado por la formula del binomio generalizada
a
(1 t)

X
n+a1
n=0
t =
X
(n + a 1)!
n=0
(a 1)! n!
tn .
(2.168)
125
Identificando a 1 con k + vemos que
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
I (t, t0 ) hG (x, t)|G (x, t0 )i

Z
dx x ex G (x, t) G (x, t0 )
=
0

Z
1
1
t
t0
x
=
dx x e exp x 1 +
.
+
(1 t)+1 (1 t0 )+1 0
1 t 1 t0
1+
por lo que hacemos el cambio
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
I (t, t0 ) = ! (1 tt0 )(+1)
X
( + n)! 0 n
= !
(tt ) .
! n!
(2.171)
I (t, t0 ) hG (x, t)|G (x, t0 )i
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
Comparando (2.171) y (2.172) se deduce que
kLn k2 =
( + n)!
.
n!
(2.173)
126
2.7.2. Desarrollo en serie de Ln .

Dado que los polinomios asociados de Laguerre son autofunciones de un problema de SturmLiouville en el intervalo 0 x < con funcion peso r(x) = x ex , sabemos que podemos
expresar cualquier funcion (x) suficientemente bien comportada (vease la secci
on 1.6, pagina
25) en la forma de un desarrollo generalizado de Fourier en terminos de Ln (x):

(x) =
n!
con cn =
( + n)!
cn Ln (x)
n=0
dx x ex Ln (x)(x).
(2.174)
2.7.3. Formula de Rodrigues

Usando la formula de Leibniz (2.82) encontramos que
"
#
n

n
X
d
n
d nk n+
d k x
n+ x
x
e
=
x
e
dx
dx
dx
k
k=0
n
X
n (n + )! +k
x
(1)k ex
=
k ( + k)!
k=0
=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.

Partimos de la funcion generatriz (2.169). Procedemos tal como hicimos con los polinomios
de Legendre (secci
on 2.3.9, pagina 96) y con los polinomios de Hermite (secci
on 2.6.9, pagina
120), y derivamos la funcion generatriz con respecto a t:
+1
x
G
=
G (x, t)
G (x, t) ,
t
1t
(1 t)2
es decir,
G
= [( + 1) (1 t) x] G (x, t).
t
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
Ahora cambiamos los ndices de modo que dentro de los sumatorios s

olo aparezcan potencias de
tn :
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
Esto requiere que, para n 2,

x Ln (x) = (n + 1) Ln+1 (x) + (2n + + 1) Ln (x) (n + ) Ln1 (x)
(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.
Tambien podemos hallar otra relaci

on de recurrencia que involucra a la derivada de los polinomios asociados de Laguerre si, en vez de derivar respecto a t, derivamos con respecto a x:
G
t
=
G ,
x
1t
es decir
G
= t G .
x
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
De aqu se deduce la siguiente relaci

on de recurrencia para n 1:
dLn1
dLn
=
Ln1 .
dx
dx
(2.177)
Combinando (2.176) y (2.177) se encuentra facilmente esta otra relaci

on de recurrencia:
x
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
2.8. Funciones de Bessel

Las funciones de Bessel son soluciones de la ecuaci
on de Bessel:
x2 y 00 + xy 0 + (x2 2 ) y = 0 .
(2.181)
Si no es un n
umero entero, las dos soluciones linealmente independientes son las funciones de
Bessel de primera especie de orden , J (x) y J (x):
J (x) =
x X
k=0
(1)k x 2k
.
k! (k )! 2
(2.182)
Por tanto, si 6= entero, la solucion general de la ecuaci

on de Bessel es
y(x) = AJ (x) + BJ (x).
(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
(1)k x 2k x n X (1)k x 2k

+
.
k! (k )! 2
2
k! (k n)! 2
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
Haciendo el cambio k k + n, se deduce que

Jn (x) =
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)
Hemos as demostrado que si = n Z, entonces Jn y Jn no son linealmente independientes.

En la figura 2.9 se representa Jn (x) para n = 0, 1, 2, 3.
Una solucion de la ecuaci
on de Bessel que es linealmente independiente de J (x) para todo
es la funcion de Bessel de segunda especie o funcion de Neumann (en ocasiones tambien llamada
funcion de Weber):
J (x) cos() J (x)
Y (x) N (x) = lm
.
(2.185)
sen()
2.8 Funciones de Bessel
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

on grafica de las cuatro primeras funciones de Bessel de primera especie Jn (x)
con n = 0 (lnea continua), n = 1 (rayas), n = 2 (rayas y puntos) y n = 3 (puntos).
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) =
J (x) cos() J (x)

.
sen()
En este caso, la solucion general de la ecuaci

on de Bessel puede reescribirse como combinacion
de dos funciones de Bessel de primera especie:
cos()
B
y(x) = A J (x) + B
Jn (x)
J (x)
sen()
sen()

cos()
B
= A+B
J (x)
J (x)
sen()
sen()
e J (x) + B
e J (x).
=A
Si = n es un n
umero entero, entonces cos(n) = (1)n , por lo que el numerador de (2.185)
es nulo ya que, como hemos visto hace un momento, Jn (x) = (1)n Jn (x). Por supuesto, para
n = entero, el denominador sen(n) de (2.185) es tambien nulo, por lo que, en principio, se
da una indeterminaci
on de tipo 0/0. Esta indeterminaci
on se resuelve efectuando el proceso del
130
lmite con cuidado, por ejemplo, aplicando la regla de LH

opital:
(
)
d
(J cos() J )
Nn (x) = d
d
d sen()
=n
)
(
J
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)
donde (z) = 0 (z)/(z) es la funcion psi P

(o funcion digamma) que para valores
Pm 1enteros vien1
ne dada por (1) = y (n) = + r=1 1/r, siendo = lmm
r=1 r ln m =
00 57721 56649 la constante de Euler (tambien llamada constante de Euler-Mascheroni) [AS72].
Una propiedad importante de las funciones de Bessel de segunda especie N (x) es que, como puede verse por la expresi
on anterior, estas funciones divergen en x = 0 si es entero. Esta propiedad
se verifica tambien si no es entero, como es facil de comprobar.
En la figura 2.10 se muestran las funciones de Bessel de segunda especie Nn (x) para n =
0, 1, 2, 3.
B Ejercicio 2.12
Teniendo en cuenta que
! (!) =
sen
comprueba que, para > 0,

N (x) =
cuando x 0.
( 1)!

2
+
x
En resumen, para x se tiene que

1 x
, para 0,
J (x)
! 2
2
N0 (x) ln x,

( 1)! 2
N (x)
, para 0.
x
18
(2.188)
Puede verse la demostraci

on en la secci
on 6.1 de [AB74]. La demostraci
on requiere conocer la derivada de
la funci
on gamma (funci
on factorial), la cual se puede expresar en terminos de la funci
on digamma (vease, por
ejemplo, el captulo 10 de [Arf85]).
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

on grafica de las cuatro primeras funciones de Bessel de segunda especie Nn
con n = 0 (lnea continua), n = 1 (rayas), n = 2 (rayas y puntos) y n = 3 (puntos).
2.8.1. Ecuaciones reducibles a ecuaciones de Bessel

Muchas ecuaciones que se encuentran en la practica son resolubles en terminos de la funciones
de Bessel aunque no tienen, en primera instancia, la forma de la ecuaci
on de Bessel (2.181). Para
identificar muchas de estas ecuaciones, el resultado siguiente es especialmente u
til:

d
a dy
x
+ bxc y = 0
(2.189)
dx
dx
se reduce a la ecuaci
on de Bessel (2.181)
t2
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
Es decir, la solucion de (2.189) vendra dada por

y(x) = x/ u b x1/

i
h

= x/ A J b x1/ + B N b x1/ .
(2.192)
(2.193)
(2.194)
(2.195)
132
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
"
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
2.8.2. Funciones de Bessel como oscilaciones amortiguadas

Las figuras (2.9) y (2.10) muestran que las funciones de Bessel de primera y segunda especie
tienen el aspecto de oscilaciones amortiguadas. Esto es facil de entender si observamos que la
ecuaci
on de Bessel (2.181)

1 0
2
00
y (x) + y (x) + 1 2 y(x) = 0
x
x
puede reescribirse en la forma de un oscilador linear amortiguado,
y 00 (t) + y 0 (t) + ky(t) = 0,
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)
o, con mayor precisi

on,

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
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?

Vamos a hallar relaciones de recurrencia para las funciones de Bessel a partir de su desarrollo
en serie de potencias dado por la expresi
on (2.182). Usando esta relaci
on, escribimos:
J1 J+1 =
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
J1 (x) + J+1 (x) =
k=1
obtenemos finalmente
J1 (x) + J+1 (x) =
2
J (x) ,
x
(2.200)
que es la (primera) relaci

on de recurrencia buscada. Si ahora restamos
x +2k1
x 1 X (1)k
+
( + 2k)
! 2
k! ( + k)!
2
J1 (x) J+1 (x) =
k=1
obtenemos
J1 (x) J+1 (x) = 2
d
J (x) 2J0 (x) ,
dx
(2.201)
como es facil de comprobar.

Combinando las dos relaciones de recurrencia anteriores podemos construir muchas m
as. Por
ejemplo, si sumamos miembro a miembro (2.200) y (2.201) encontramos
J1 (x) =
J (x) + J0 (x).
x
(2.202)
Si ahora las restamos miembro a miembro obtenemos

J+1 (x) =
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
que por las ecuaciones (2.202) y (2.203) se reduce a
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
Dividiendo esta expresi

on por x se deduce que
1 d J (x)
J+1 (x)
= +1 ,
x dx x
x
y por tanto
1 d
x dx
m
J (x)
J+m (x)
= (1)m +m .
x
x
(2.207)
(2.208)
No es difcil demostrar partiendo de la relaci

on (2.185) que la funcion de Bessel de segunda
especie N (x) satisface las mismas relaciones de recurrencia que las funciones de Bessel de primera
especie J (x).
B Ejercicio 2.15
Utiliza la relaci
on (2.185) para demostrar que si cambiamos J por N en las relaciones de recurrencia
(2.200), (2.201), (2.202), (2.205) y (2.207), las expresiones resultantes son tambien v
alidas. Dicho de otro
modo, demuestra que las funciones de Bessel de segunda especie N (x) satisfacen las mismas relaciones
de recurrencia que las funciones de Bessel de primera especie J (x).
2.8.4. Calculo de las funciones de Bessel mediante relaciones de recurrencia

El computo de las funciones de Bessel (al igual que muchas otras funciones especiales) puede
llevarse a cabo aprovechando sus relaciones de recurrencia. Por ejemplo, uno podra usar la
relaci
on (2.200),
2
J (x) J1 (x),
(2.209)
J+1 (x) =
x
para calcular Jn+1 (x) con n 2 a partir de, por ejemplo, J0 (x) y J1 (x). Sin embargo, hay que
tener cuidado con el uso de las relaciones de recurrencia porque estas pueden ser inestables de
modo que, debido a errores de redondeo (precision finita de nuestros computos), conduzcan a
137
-15
10
J (1)
-10
Log
-5
-20
-25
0
10
15
20
Figura 2.13: Funci

on de Bessel de primera especie en x = 1, Jn (1), para valores crecientes de n
calculados de forma rigurosa mediante Mathematica (crculos). Los cuadrados representan los valores
que se obtienen aplicando la relaci
on de recurrencia (2.209) a partir de J0 (1) ' 00 7651976865579666
y J1 (1) ' 00 44005058574493355.
resultados incorrectos. Un buen ejemplo de este fen
omeno lo constituye la relaci
on de recurrencia
(2.209) cuando se pretende usar para estimar valores de funciones de Bessel de un orden dado
a partir de funciones de Bessel de orden menor. En la figura 2.13 se muestran los valores Jn (1)
para n = 0, 1, 2 calculados mediante la relaci
on de recurrencia (2.209) a partir de los valores
correctos (hasta 16 cifras significativas) de J0 (1) y J1 (1). Es evidente que el procedimiento conduce
a resultados muy malos incluso para valores no muy grandes de n. Es entonces la relaci
on de
recurrencia (2.209) in
util? La respuesta es no porque:
Primero, su uso es adecuado siempre que n . x. Lo que sucede es que la relaci
on de
recurrencia es inestable a partir de n x de modo que para n & x los resultados dejan de
ser fiables.20
Segundo, incluso para n & x, la relaci
on de recurrencia (2.209) puede usarse con provecho
para el computo de funciones de Bessel si se usa en el sentido de n decrecientes sin necesidad
de conocer previamente el valor exacto de ninguna (!) funcion de Bessel! Explicaremos este
procedimiento (conocido como algoritmo de Miller) mediante el siguiente ejemplo.
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
Puede verse una justificaci

on de estas afirmaciones en la secci
on 5.5 de [PFT93].
138
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
JN 1 (1) = 2N JN (1) JN +1 = 2N a,
JN 2 (1) = [4N (N 1) 1] a,
Por concretar, supongamos que N = 8. Entonces

J9 (1) 0,
J8 (1) a,
J7 (1) = 16 a,
J6 (1) = 223 a,
J5 (1) = 2660 a,
J4 (1) = 26377 a,
J3 (1) = 208356 a,
(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
que se demuestra en la pagina 140. Tomando x = 1 en esta relaci

on y teniendo en cuenta los resultados
de (2.211), se obtiene
1 = J0 (1) + 2
J2n (1)
n=1
' J0 (1) + 2 [J2 (1) + J4 (1) + J6 (1) + J8 (1)]
' 10650321 a.
Por tanto a ' 1/10650321, y sustituyendo este valor en (2.211) encontramos que
J8 (1) ' 1/10650321 ' 00 938939 107 [00 942234 107 ],
J7 (1) ' 16/10650321 ' 00 150230 105 [00 150233 105 ],
J6 (1) ' 223/10650321 ' 00 209383 104 [00 209383 104 ],
J5 (1) ' 2660/10650321 ' 00 249758 103 [00 249758 103 ],
J4 (1) ' 26377/10650321 ' 00 247664 102 [00 247664 102 ],
J3 (1) ' 208356/10650321 ' 00 195634 101 [00 195634 101 ],

J2 (1) ' 1223759/10650321 ' 00 114903 [00 114903],
J1 (1) ' 4686680/10650321 ' 00 440051 [00 440051],

J0 (1) ' 8149601/10650321 ' 00 765198 [00 765198].
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
2.8.5. Funcion generatriz de Jn (x)

La funcion

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
(1)m x m+k km X X (1)m x m+k (mk)

t
+
t
.
k! m! 2
k! m! 2
(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
Haciendo el cambio k = n + m en el segundo sumatorio de esta u

ltima expresi
on se obtiene que
la primera suma (doble) de (2.213) es
X

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
Para evaluar la segunda suma (doble) de (2.213) hacemos el cambio k = m n:
(2.215)
140
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
Como (2.213) es simplemente la suma de (2.215) y (2.216), deducimos que

G(x, t) =
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=
2.8.6. Relaciones integrales

Si hacemos t = ei en la funcion generatriz (2.212) se obtiene
G(x, t = ei ) = ex(e
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
J2n (x) cos(2n) + i 2
n=1
n=1
Es decir
cos(x sen ) = J0 (x) + 2
J2n1 (x) sen[(2n 1)].
J2n (x) cos(2n),
n=1
sen(x sen ) = 2
n=1
J2n1 (x) sen[(2n 1)].
Multiplicando la primera expresi

on por cos(m), la segunda por sen(m) (siendo m un entero),
integrando las expresiones resultantes entre 0 y , y usando las propiedades de ortogonalidad de
las funciones seno y coseno sobre el intervalo [0, ],
Z
1
1
d cos n cos m = nm ,
n, m 6= 0,
0
2
Z
1
1
d sen n sen m = nm ,
n, m 6= 0,
0
2
142
se deduce que
1
d cos(x sen ) = J0 (x),

(
Z
Jn si
1
d cos(x sen ) cos n =
0
0
si
(
Z
0
si
1
d sen(x sen ) sen n =
0
Jn si
(2.223)
Sumando estas dos u

ltimas relaciones se obtiene
Z
1
cos[n x sen ] d,
Jn (x) =
0
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)
que es una representaci

on muy u
til de la funcion de Bessel de primera especie. Por ejemplo, a
partir de esta expresi
on no es difcil deducir (vease el problema 15, pagina 470) la expresi
on
asintotica (2.197) de Jn (x) para n .
2.8.7. Funciones de Bessel de orden semientero y funciones esfericas de Bessel

Las funciones de Bessel de orden semientero pueden expresarse en terminos de funciones
trigonometricas.21 Para ello usamos la formula de duplicacion de Legendre,
k!(k + 1/2)! = 2(2k+1) (2k + 1)! ,

en la expresi
on en serie de potencias de J1/2 (x),
J1/2 (x) =
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
Las funciones de Bessel semientero son las u

nicas que pueden expresarse en terminos de funciones elementales.
Esto fue demostrado por primera vez por Liouville.
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)
con l entero. Teniendo en cuenta la relaci

on (2.185) y que cos(l+1/2) = 0 y sen(l+1/2) = (1)l ,
la funcion esferica de Neumann puede escribirse de este otro modo:
r
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
Vease, por ejemplo, el captulo 11 de [Arf85].
(2.231)
144
1.0
0.8
0.6
0.4
0.2
0.0
2
10
12
-0.2
Figura 2.14: Funciones esfericas de Bessel de primera especie.
n
0.2
0.0
x
2
10
12
-0.2
-0.4
Figura 2.15: Funciones esfericas de Neumann.

Funciones esfericas de Bessel de tercera especie o funciones esfericas de Hankel :
r
(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),
K (x) = i+1 H(1) (ix).

2
(2.233)
145
2.8.8. Funciones de Bessel y problema de Sturm-Liouville

Sea la ecuaci
on
x2 y 00 (x) + x y 0 (x) + (k 2 x2 2 ) y(x) = 0,
a x b.
(2.234)
Si hacemos el cambio de variable independiente u = kx, donde k es una constante (no nula, por
supuesto), se tiene que
dy
dy
d2 y
y0 =
=k
,
y 00 = k 2 2 ,
dx
du
du
y la ecuaci
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
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 .
La norma de las autofunciones m es

2
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)
Como m (x) es solucion de ecuaci

on de Bessel (2.234),
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
e insertamos el resultado en (2.236), se tiene

ob
1 2 n 2 2
2
0
(km x 2 ) m
(x) + x2 [m
(x)]2 .
km k2 = km
2
a
(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 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
La funcion J (x) tiene un n

umero infinito de ceros que denotaremos por m con m = 1, 2, 3, . . . :
J (m ) = 0 . En resumen, encontramos que los autovalores y autofunciones (que no est
an degeneradas) son:
km =
m
,
b
m (x) = J m
x
.
b
Para las condiciones de contorno contempladas en este ejemplo, la ecuaci

on (2.237) nos dice que la norma
viene dada por
1 2 2 0
b [m (b)]2 .
km k2 = km
2
Pero, por (2.203),

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
2.5. Halla el valor de la integral
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
dx x Pl (x) partiendo de la formula de recurrencia pura.
b) Halla el desarrollo en serie de polinomios de Legendre de f (x) = |x|.

2.7. Demuestra que
ln(1 x) =
X
2n + 1
Pn (x).
n(n + 1)
n=0
Sugerencia: usa la formula de Rodrigues de los polinomios de Legendre.
150
2.8. Demuestra que

Pl0 (1) = l(l + 1)/2
a partir de:
a) La formula de Rodrigues demostrando previamente que

l+1

d

l
l
(x 1) (x + 1)
= (l + 1)! l (x + 1)l1
.

dx
x=1
x=1
b) La funcion generatriz de los polinomios de Legendre.
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 .
b) A partir del resultado anterior, demuestra que

Z
X
2
dx ex x2 H1 (x)Hm (x) = 15 .
m=0
2.11. Demuestra que la transformada de Fourier de la funcion ex

exp(k 2 /2)(i)n Hn (k).
2 /2
Hn (x) puede escribirse como
2.12. En espectroscopa molecular suelen aparecer con frecuencia integrales de la forma

Z
2
dx ex xr Hn (x)Hn+p (x)
con n, p, r enteros no negativos y p r. Eval

ua esta integral.
2.13.
a) Demuestra que
Z
0
dx ex xHn0 (x)Hm
(x) =
2n+1 n(n + 1)! n,m1 +
2n (n 1)n! n,m+1 ,
donde Hn0 (x) = dHn (x)/dx.

b) A partir del resultado anterior, demuestra que
Z
X
p=0
0
dx ex xHn0 (x)Hn+p
(x) =
2n+1 n(n + 1)! .
2.14. Desarrolla la funcion ex en serie de polinomios de Hermite y de polinomios de Laguerre.
2.9 Problemas
151
2.15. Eval
ua la integral
dx x+1 ex Ln (x)Lm (x) .
2.16. Halla la transformada de Laplace de los polinomios de Laguerre.

2.17. La parte radial normalizada de la funcion de onda del atomo de hidr
ogeno viene dada por

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:
hri = 0 dr r3 [Rnl (r)]2 .
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.
b) Utiliza el resultado anterior para calcular Tn (0), Tn (1), Tn (1).

2.20. La funcion generatriz
G (x, t) =
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
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
2.22. Sean fn (x) las funciones definidas mediante las relaciones

f0 (x) =
X
xr
, (n + 1)fn+1 = xfn fn+2 , fn0 = fn1 .
(r!)2
r=0
Demuestra que la funcion generatriz G(x, t) =
n= fn (x)t
viene dada por exp(xt+1/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
b) Escogiendo f (x) = xn , prueba que las races nm verifican la relaci

on
2
m=1 nm
1
.
4(n + 1)
Captulo 3
Ecuaciones en derivadas parciales
3.1. Introduccion y definiciones

Una ecuaci
on en derivadas parciales (EDP) es una ecuaci
on sobre una funcion incognita u
que depende de varias variables x, y, . . . y en la que aparecen derivadas parciales de la funcion u:

u u
2u 2u 2u
nu
F x, y, ,
,
,... 2, 2,
, . . . n . . . , u = 0.
(3.1)
x y
x y xy
x
Este tipo de ecuaciones son importantsimas en la Ciencia pues un n
umero enorme de sistemas e
interacciones se describen mediante ecuaciones en derivadas parciales. Por ejemplo, la ecuaci
on
de ondas, la ecuaci
on de Laplace y de Poisson del electromagnetismo, las ecuaciones de difusion,
las ecuaciones de Maxwell, la ecuaci
on de Schrodinger y muchas otras son ecuaciones de este tipo.
En ocasiones usaremos una notaci
on m
as abreviada para denotar las derivadas parciales:
ux
u
,
x
uy
u
,
y
uxx
2u
,
x2
uxy
2u
.
xy
Por ejemplo, la ecuaci

on de difusion en una dimension (en una lnea) puede escribirse as:
ut = uxx ;
la ecuaci
on de difusion en dos dimensiones (en una superficie) as:
ut = uxx + uyy ;
y la ecuaci
on de ondas en tres dimensiones (en un volumen) de esta forma:
utt = uxx + uyy + uzz .
El orden de la ecuaci
on en derivadas parciales es el orden de la derivada m
as alta que aparece
en la ecuaci
on. Por ejemplo, las ecuaciones de difusion y de ondas que acabamos de ver son de
segundo orden. Una ecuaci
on de tercer orden es, por ejemplo, ut = uxyz .
Las ecuaciones en derivadas parciales se llaman inhomogeneas cuando tienen un termino (un
sumando) en el que no aparece la funcion incognita u. Esto implica que la funcion nula u = 0 no
154
es solucion de estas ecuaciones. Por ejemplo, la ecuaci

on ut = uxx es homogenea pero, en cambio,
ut = uxx + f (x, y) no es homogenea.
Las ecuaciones en derivadas parciales lineales son aquellas en las que la funcion incognita y
sus derivadas aparecen de forma lineal, es decir, son ecuaciones de la forma L[u] = f donde L es
un operador (diferencial) lineal, siendo f una funcion cualquiera. Esto significa que si u1 y u2 son
soluciones de una EDP lineal (en la que suprimimos el termino inhomogeneo, si este existiera)
entonces una combinacion lineal cualquiera de estas soluciones c1 u1 + c2 u2 es tambien solucion
de esta EDP. Algunos ejemplos:
ut
ut
(utt )2
utt
=
=
=
=
uxx
uy uxx
ux
x2 uxx
es
es
es
es
lineal,
no lineal,
no lineal,
lineal.
En definitiva, si las funciones u1 y u2 satisfacen una ecuaci

on en derivadas parciales que es lineal
y homogenea, entonces una combinacion lineal arbitraria de ellas, c1 u1 + c2 u2 , tambien satisface
esa misma ecuaci
on.
Es bien sabido que la solucion general de una ecuaci
on diferencial ordinaria de orden n contiene
n constantes arbitrarias. De modo similar, la solucion general de una ecuaci
on en derivadas
parciales de orden n contiene n funciones arbitrarias de las variables independientes. He aqu un
par de ejemplos a modo de ilustraci
on:
u
1
sol. general
= x + y u(x, y) = x2 + xy + (y),
x
2
2u
sol. general
= 0 u(x, y) = 1 (x) + 2 (y).
xy
Las funciones (x), 1 (x) y 2 (x) son arbitrarias.
Usualmente no estamos interesados en simplemente conocer una expresi
on que satisfaga la
EDP en la regi
on R en la que esta EDP este definida; usualmente queremos conocer la expresi
on
u(x, y, ) que adem
as satisfaga ciertas relaciones o condiciones sobre la frontera o contorno
de la regi
on R. Los conceptos de linealidad y homogeneidad tambien se aplican a las condiciones
de contorno:
Las condiciones de contorno lineales son de la forma (L[u]) = f donde L es un operador
lineal y donde con la notaci
on (L[u]) queremos indicar que la expresi
on (L[u]) se eval
ua
sobre el contorno .
Las condiciones de contorno homogeneas son satisfechas por u = 0.
3.2. Ecuaciones en derivadas parciales de segundo orden

Las ecuaciones en derivadas parciales que con m
as frecuencia se presentan en la Ciencia son
EDP lineales de segundo orden que involucran derivadas espaciales y, en su caso, temporales de
la funcion incognita. Estos son unos cuantos ejemplos:
La ecuaci
on de ondas
1 2u
,
c2 t2
donde c es la velocidad de propagacion de la onda.
2 u =
(3.2)
3.2 Ecuaciones en derivadas parciales de segundo orden
155
La ecuaci
on de Laplace
2 u = 0.
La ecuaci
on de difusion
2 u =
1 u
,
k t
(3.3)
(3.4)
donde k es la difusividad del medio.

La ecuaci
on de Schrodinger dependiente del tiempo
~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
3.2.1. Clasificacion de las ecuaciones en derivadas parciales de segundo orden

La forma general de una EDP lineal de segundo orden (y dos variables) es:
A(x, y)
2u
2u
2u
u
u
+
B(x,
y)
+
C(x,
y)
+ D(x, y)
+ E(x, y)
+ F (x, y)u = G(x, y).
2
2
x
xy
y
x
y
(3.10)
Estas ecuaciones se 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.
3.2.2. Condiciones de contorno

En este tema estudiaremos algunas tecnicas de resoluci
on de ecuaciones en derivadas parciales
sometidas a ciertas condiciones de contorno. Es decir, la solucion buscada u(x, y) ha de satisfacer
una cierta relaci
on (condici
on) sobre una curva abierta o cerrada (el contorno) del plano (x, y)
que act
ua como frontera [separa la regi
on de integracion dentro de la cual queremos conocer la
solucion u(x, y) del resto del plano (x, y)].
Existen tres tipos corriente de condiciones de contorno:
1. Condiciones de contorno de Dirichlet.
Son aquellas en las que u(x, y) se especifica en cada punto del contorno o frontera.
2. Condiciones de contorno de Neumann.
Se especifica en cada punto del contorno la componente normal a la frontera del gradiente
de u: n u (u)n
3. Condiciones de contorno de Cauchy.
Se especifica en cada punto del contorno tanto u con n u.
Por analoga con las ecuaciones diferenciales ordinarias de segundo orden, podra pensarse que
las condiciones de contorno adecuadas son las de Cauchy, pero esto no es siempre cierto, pudiendo
ser sobreabundantes. De hecho, las condiciones de contorno apropiadas, es decir, aquellas que
garantizan la existencia y unicidad de las soluciones, son diferentes seg
un la EDP sea hiperb
olica,
parab
olica o elptica. Vamos a ver cu
ales son estas condiciones de contorno.
1. Ecuacion parab
olica. Ecuacion fsica: ecuaci
on de difusion.
Las condiciones de contorno habituales para esta clase de ecuaciones son las de Dirichlet o
Neumann. El tipo de contorno (frontera) es abierto.
Mediante un ejemplo fsico consistente en una barra conductora del calor se puede ver que
estas condiciones de contorno son las adecuadas para esta clase de ecuaciones. Consideremos
una barra inicialmente2 (t = t0 ) a temperatura u(x, t0 ) = f (x), cuyos extremos situados
en x = a y x = b se mantienen a la temperatura u(x = a, t) = ua (t) y u(x = b, t) = ub (t).
2
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.
3.2 Ecuaciones en derivadas parciales de segundo orden

t
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.
2. Ecuacion elptica. Ecuacion fsica: ecuaci

on de Laplace.
El tipo de condiciones de contorno habitual para este tipo de ecuaci
on tambien son las de
Dirichlet o Neumann. Pero el tipo de contorno (frontera) es cerrado.
Esto se ve claro con el siguiente sistema fsico: para determinar el potencial electrico u(x, y)
en el interior de una regi
on sin cargas (potencial que esta descrito por la ecuaci
on de Laplace)
es suficiente, bien conocer el potencial electrico en la frontera (condicion de Dirichlet), o bien
conocer el campo electrico normal a la frontera (condicion de Neumann) de esta regi
on. No
es necesario conocer ambos. Por ejemplo, en la figura 3.1(b) se ha representado una regi
on
rectangular a x b, c y d con condiciones de contorno de Dirichlet sobre su
frontera. Estas condiciones de contorno son suficientes para hallar la solucion en el interior
de la regi
on de integracion (zona rayada). Es evidente que la regi
on de integracion es una
regi
on cerrada. Por eso decimos que en los problemas elpticos los contornos son cerrados.
3. Ecuacion hiperb
olica. Ecuacion fsica: ecuaci
on de ondas.
En este tipo de ecuaciones, las condiciones de contorno m
as habituales son las de Cauchy.
El tipo de frontera (contorno) es abierta.
Un ejemplo fsico de esta ecuaci
on y de las condiciones de contorno adecuadas nos lo proporciona la cuerda vibrante. Supongamos que la cuerda esta sometida a los desplazamientos
u(x = a, t) = ua (t) y u(x = b, t) = ub (t) en los extremos x = a y x = b, respectivamente.
158

Sabemos por nuestros conocimientos de Fsica (o simplemente por nuestra intuici
on formada por nuestra experiencia con cuerdas, hilos, cadenas, . . . ) que para que el problema tenga
solucion u
nica es necesario conocer no s
olo la posicion inicial de la cuerda, u(x, t0 ) = f (x),
sino tambien su velocidad inicial, ut (x, t0 ) = g(x), pues la solucion en un instante posterior, u(x, t), depende de si, por ejemplo, se encontraba inicialmente en reposo [g(x) = 0], o
moviendose [g(x) 6= 0].
En la figura 3.1(c) 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 una regi
on abierta. A esto es a lo que nos referimos cuando decimos que los
contornos de los problemas hiperb
olicos son abiertos.
Debe notarse que s

olo hemos dado las condiciones de contorno m
as corrientes o habituales
para cada tipo de ecuaci
on en derivadas parciales. Por supuesto, las condiciones de contorno que
pueden aparecer en la practica (para cada tipo de ecuaci
on) son muy variadas y no se dejan
encasillar en el esquema tan simple que acabamos de exponer.
En lo que sigue nos centraremos en exponer diferentes metodos de resoluci
on de ecuaciones
en derivadas parciales lineales de segundo orden.
3.3. Separacion de variables

El mejor modo de estudiar y entender este metodo es viendolo en accion, es decir, mediante
ejemplos resueltos.
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)
es decir, como producto de funciones que dependen s

olo de una variable independiente.4 A las soluciones
de una EDP lineal que tienen esta la forma (producto de funciones que dependen de una u
nica variable) y
que adem
as satisfacen las condiciones de contorno homogeneas, las llamaremos soluciones fundamentales.
Una combinacion lineal (superposicion) cualquiera de soluciones fundamentales
u(x, t) =
An Xn (x) Tn (t)
(3.13)
n=1
3
Por supuesto, la etiqueta CC se refiere a condiciones de contorno y la etiqueta CI a condici

on inicial
(condici
on de contorno sobre la variable temporal)
4
Hace falta explicar por que se llama metodo de separaci
on de variables?
3.3 Separaci
on de variables
159
sigue siendo soluci

on de la ecuaci
on en derivadas parciales (por ser esta lineal) y sigue satisfaciendo las
condiciones de contorno (por ser homogeneas). A esta soluci
on la llamaremos soluci
on general. Nuestro
objetivo es determinar las funciones Xn (x), Tn (t) y el valor de los coeficientes An que hacen que (3.13)
sea la soluci
on de la EDP que satisface las condiciones de contorno y la condici
on inicial.
Cu
al es la justificaci
on de buscar soluciones de la forma (3.13)? La raz
on m
as inmediata es que este procedimiento, inventado por Daniel Bernoulli (circa 1700), funciona. Por supuesto, no ha de funcionar siempre.
Hay razones mas fundamentales relacionadas con la expresi
on de funciones arbitrarias en forma de serie de
funciones ortogonales (funciones ortogonales que son soluciones de problemas de Sturm-Liouville conectados con la ecuaci
on en derivadas parciales a resolver; vease la seccion 3.5.4), pero no profundizaremos en
esta direccion.
Pasemos a calcular las soluciones fundamentales de nuestro problema (3.11). Sustituimos para ello u(x, t) =
X(x)T (t) en la ecuaci
on en derivadas parciales (3.11a),
X(x)
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
Esto se consigue sin m

as que dividir la ecuaci
on por la soluci
on fundamental X(x)T (t).
De hecho, podramos ser m
as precisos y exigir u(x, t ) 0 pues sabemos que la barra est
a en contacto
termico con dos focos (ba
nos) termicos que mantienen los extremos a temperatura cero. Esto significa que la
temperatura de toda la barra tender
a a cero a medida que pase el tiempo. Por tanto = 0 no es tampoco
admisible, salvo si la temperatura inicial de la barra es igual a cero en todas partes, lo cual convertira en trivial
al problema siendo su soluci
on la trivial: u(x, t) = 0.
6
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)
Sin embargo, esta funcion no es a

un la soluci
on de (3.11) porque, para cualquier elecci
on de los coeficientes
An , no se satisface la condici
on inicial u(x, 0) = f (x) de la ecuaci
on (3.11c). Estos coeficientes han de
elegirse cuidadosamente de modo que
u(x, t = 0) =
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)
Este valor nulo de la temperatura inicial no supone ninguna restricci

on puesto que origen de temperaturas es
arbitrario.
162
Este es un problema con condiciones de contorno no 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
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).
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 .
Se deduce as que 0 ya que la soluci

on no sera fsicamente aceptable (condici
on de contorno implcita)
si < 0.
Resolvemos la ecuaci
on diferencial espacial
1 2
R =
R
tambien mediante separaci
on de variables escribiendo11 R(~r) = X(x)Y (y)Z(z) de modo que

d2 X
d2 Y
d2 Z
1
Y Z 2 + XZ 2 + XY 2 = ,
XY Z
dx
dy
dz
es decir,
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
donde , y son constantes tales que

2 + 2 + 2 = .
Las condiciones de contorno homogeneas (3.24b) implican que X(0) = X(L) = 0, es decir
V (x = 0, y, z, t) = 0
V (x = L, y, z, t) = 0
X(0) = 0,
(3.25)
X(L) = 0.
(3.26)
Vemos pues que la funcion X(x) de nuestra soluci

on fundamental X(x)Y (y)Z(z)T (t) ha de ser la soluci
on
del problema de Sturm-Liouville
d2 X
= 2 X,
dx2(
X(0) = 0,
CC :
X(L) = 0.
Las soluciones posibles (autofunciones) son
Xnx (x) = sen nx x
donde los autovalores 2 vienen dados por
nx = nx
con nx = 1, 2, . . . . Las soluciones para Y (y) y Z(z) se obtienen de igual modo:

Yny (y) = sen ny y,
Znz (z) = sen nz z,
ny = ny ,
L
nz = nz ,
L
con ny = 1, 2, . . . y nz = 1, 2, . . . En definitiva, las soluciones fundamentales son

2
2
2 2
Vnx ny nz (~r, t) = ek(nx +ny +nz ) L2 t sen nx x sen ny y sen nz z .
L
L
L
La soluci
on general del problema homogeneo (3.24) es por tanto
V (~r, t) =
X
X
X
Anx ny nz Vnx ny nz (~r, t)
nx =1 ny =1 nz =1
y, por consiguiente, la soluci

on general que satisface (3.23a) y (3.23b) es
u(~r, t) = up (~r, t) + V (~r, t) = u0 +
X
X
X
Anx ny nz Vnx ny nz (~r, t).
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
si n, m = 1, 2, . . . De este resultado y de la ecuaci

Anx ny nz
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)
Los modos difusivos con un valor de nx , ny , nz grande decaen muy r

apidamente (exponencialmente) de
2
modo que para t Lk el campo de temperaturas se puede aproximar por

2
x
y
z
64
,
sen
sen
u(~r, t) ' u0 1 3 e3 L2 kt sen
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.
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
En resumen, debemos resolver el siguiente problema

2 u(~r) + k 2 u(~r) = 0,
CC : u(r = ) = 0,
(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
Utilizaremos el metodo de separaci

on de variables y buscamos soluciones de la forma
u(~r) = u(r, ) = R(r)().
Sustituyendo en (3.29a) se tiene
d
r dr
es decir,
1 d
R r dr

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)
Como la funcion u(r, ) ha de ser monovaluada, u(r, + 2) = u(r, ) (condici

on de contorno implcita),
debe ocurrir que ( + 2) = (). Esto significa que la soluci
on () que buscamos debe ser soluci
on
del problema de Sturm-Liouville peri
odico:
d2
+ n2 = 0,
d2
( + 2) = () .
(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

donde el smbolo
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)
Por otro lado, la ecuaci

on radial (3.31) no es mas que la ecuaci
on de Bessel, cuya soluci
on es una combinacion de funciones de Bessel de primera y segunda especie

Jn (kr)
R(r) =
.
Nn (kr)
Pero sabemos que la funcion Nn (kr) diverge cuando r 0, por lo que no puede aparecer en la soluci
on
fundamental ya que, obviamente, la amplitud de vibracion de la membrana no puede ser infinita (condici
on
de contorno implcita). Esto significa que las soluciones fundamentales son:

sen n
u(r, ) = Jn (kr)
para n = 0, 1, 2, . . .
cos n
o de forma mas explcita:
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:
u0m J0 (0m r/) , m = 1, 2, . . . ,

usnm Jn (nm r/) sen n, n = 1, 2, . . . , m = 1, 2, . . . ,
c
unm Jn (nm r/) cos n, n = 1, 2, . . . , m = 1, 2, . . .
3.3 Separacion de variables
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 =
En la figura 3.2 hemos representado estos seis primeros modos de vibraci

on de la membrana circular. En la
figura 3.3 representamos la evolucion temporal de la membrana de un tambor cuya vibraci
on viene dada
solo por el segundo modo de vibracion cosenoidal uc1,1 (r, ) = J1 (1,1 r) cos sin mezcla de otros modos.
Es decir, hemos representado (la parte real de) uc1,1 (r, ) ei1,1 t .
Si quieres disfrutar de una representacion din
amica (una animaci
on) de estos modos de vibraci
on consulta
la pagina web http://www.unex.es/eweb/fisteor/santos/mma
B Ejercicio 3.2
1. Usa la tabla 3.1 para hallar los modos de vibraci
on 5, 6 y 7.
2. En este ejercicio se pide hallar el desplazamiento en un instante t cualquiera de una membrana vibrante
circular sujeta por su borde. Para ello resuelve la ecuaci
on de ondas bidimensional
2 V (~r, t) =
1 2V
c2 t2
mediante separaci
on de variables proponiendo soluciones fundamentales de
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
Figura 3.3: Evoluci

on temporal a lo largo de un semiperiodo del primer modo de vibraci
on
uc1,1 (r, ) ei1 t para (de izquierda a derecha y de arriba hacia abajo) t = 0, T /8, T /4, 3T /8, T /2,
donde T = 2/1 es su periodo de oscilaci
on.
donde nm = cnm /.
Demuestra tambien que si la velocidad inicial es nula, Vt (r, , 0) = 0, entonces la soluci
on general
toma la forma (vease el ejemplo 3.5)

X
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

on (3.36a) se reduce a
1 2u
2 u 1 u
+
+
= 0.
r2
r r
r2 2
(3.37)
170
Usamos el metodo de separaci

on de variables y buscamos soluciones fundamentales de la forma u(r, ) =
R(r)(). Sustituyendo esta expresi
on en (3.37) se obtiene
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)
Para que la soluci

on sea monovaluada, la funcion () debe ser peri
odica con periodo 2: () = (2).
Este problema es justamente el problema de Sturm-Liouville peri
odico (3.32), p
agina 165. Podemos concluir
como entonces que las u
nicas soluciones admisibles son
0 () = const
si = 0, y
n () =
sen n
cos n
(3.42)
si = n. La ecuaci
on (3.41) sobre la variable radial es una ecuaci
on (equidimensional) de Euler:
r2
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)
2. n = 1, 2, Ahora buscamos soluciones de la forma R(r) = r siendo una cantidad a determinar.

on en la ecuaci
on anterior se obtiene facilmente que = n, de modo que
la soluci
on es
n
r
.
(3.46)
Rn (r) =
rn
La soluci
on un (r, ) para este caso es por tanto
un (r, ) = Rn (r)n () =
sen n
cos n

rn
rn
(3.47)
En resumen la soluci
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
para que la soluci

on final se comporte bien en r = 0. Por tanto, la soluci
on general de la EDP de Laplace
(3.36a) que satisface las condiciones de contorno implcitas (solucion finita y monovaluada) es:
u(r, ) =a0 +
an r cos n +
cn rn sen n.
(3.49)
n=1
n=1
Por supuesto, los coeficientes an y cn de la soluci

on final se determinan exigiendo que la soluci
on satisfaga
la condici
on de contorno (3.36b):
u(, ) = f () =a0 +
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
equipotenciales para el caso en el que

si
si
si
si
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
Ahora a0 = 1/2, an = 0, para n = 1, 2, . . . y

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)
teniendo en cuenta que u(r , ) = finito.

J
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)
que satisface las condiciones iniciales
y las condiciones de contorno
u(x, 0) =u0 (x),

u
=0,
t t=0
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
El termino de la izquierda depende s

olo de la variable temporal y el de la derecha de la variable (independiente) espacial. Esto significa que la relaci
on anterior s
olo puede ser cierta si ambos terminos son iguales
a una constante que llamaremos 2 , es decir,
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
Las correspondientes soluciones (autofunciones) son

Xn (x) = sen(n x) = sen(nx).
(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
Tn (t) = A cos(n t) + B sen(n t).
(3.62)
Escribimos ahora la soluci

on general de nuestro problema (EDP, mas condiciones de contorno y mas
condiciones iniciales) como superposicion de las soluciones fundamentales:
u(x, t) =
sen(nx) [An cos(n t) + Bn sen(n t)] .
(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
lo que implica Bn = 0, por lo que (3.63) se reduce a

u(x, t) =
=
n=1
An sen(nx) cos(n t)
An sen(nx) cos
n=1
p
(3.64)

n2 2 1 t .
Por supuesto, los valores de An se determinan exigiendo que la soluci

on (3.64) satisfaga la condici
on inicial
(3.56) que nos fija la posicion inicial:
u0 (x) = u(x, 0) =
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
3.4. Metodo de las transformadas integrales

Los metodos de resoluci
on de EDP que involucran transformadas integrales son especialmente
adecuados cuando los intervalos en los que el problema esta definido tienen un tama
no infinito.
Consisten esencialmente en aplicar una transformada integral (tpicamente de Fourier o de Laplace) sobre la EDP de n variables para, en el espacio propio de la transformada integral, reducirla
bien a otra EDP con n 1 variables, o bien directamente a una ecuaci
on diferencial ordinaria si
n = 2 . En estos procedimiento las condiciones de contorno (en sentido amplio, incluyendo las
condiciones iniciales) se insertan de un modo automatico.12
En general, para ecuaciones parab
olicas (difusivas), conviene tomar transformada de Laplace con respecto al tiempo. Si las variables espaciales recorren la recta real, es conveniente
tomar transformada de Fourier. Si el espacio es semiinfinito, puede convenir tomar transformada
de Fourier seno o coseno o transformada de Laplace.
Vamos a estudiar esta tecnica mediante unos ejemplos.
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
Tomamos ahora transformada de Laplace con respecto a t en la EDP:

L
Pero
L
u
2u
= kL 2 .
t
x

2u
d
d2
= 2 Lu = 2 u
e(x, s),
2
x
dx
dx
porque podemos intercambiar el orden de la integraci

on y la derivada dado que estas operaciones se llevan
a cabo sobre variables independientes. Por otro lado, la integral de
Z
u
u
est
=
dt
L
t
t
0
12
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.
3.4 Metodo de las transformadas integrales
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) .
Con estos resultados vemos que la EDP se reduce a una ecuaci

on diferencial ordinaria en el espacio de
Laplace, es decir, a una ecuaci
on diferencial ordinaria sobre u
e(x, s):
d2 u
e
s
1
= u
e u(x, 0).
2
dx
k
k
En este problema la condici

on inicial es u(x, 0) = 0 de modo que la ecuaci
on anterior se reduce a
s
d2 u
e
= u
e,
dx2
k
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
implica (por que?)

lm u
e(x, s) = finito,
lo que exige B = 0. Por tanto la soluci

on es
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
Esto nos permite fijar el valor de la constante A,
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
Figura 3.5: Funcion error erf(x) y funci

on error complementaria erfc(x).
buscada u(x, t). Este es en muchos casos el paso mas difcil y el que hace que esta tecnica tenga una
utilidad mas limitada. Consultando tablas de transformada de Laplace [AS72, SA96] vemos que

L
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
siendo erf la funcion error :
erfc(x) = 1 erf(x),
2
erf(x) =
dy ey .
La funcion de error complementaria se puede aproximar por

1 x2
1
erfc(x)
1 2 + ,
e
2x
x
para argumentos grandes y por

2
erfc(x) 1 x + ,
x0
cuando
el argumento es peque
no. Por tanto, para distancias grandes y/o tiempos cortos, es decir para
x/ 4kt 1, se tiene que

r
4kt x2 /4kt
x
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
En algunos textos en espa

nol la funci
on erfc se denota por ferc, y erf por fer.
177
Puede ser interesante calcular algunos valores 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.
Moraleja: es mejor vivir en caba

na de madera que en palacio de plata.15
B Ejercicio 3.4
Demuestra que si en este ejemplo la frontera en x = 0 se fija a temperatura 0 y la condici

on inicial es
u(x, 0) = u0 para x > 0, entonces la soluci
on sera:

x
.
(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
En lo que se refiere al confort debido al aislamiento termico, se entiende :-)
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)] =
Empezamos calculando la transformada de Fourier del segundo miembro de (3.69a),

F
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 .
Teniendo en cuenta las condiciones de contorno (3.69b) esta expresi

on se reduce a

2u
= 2 u
e(, t) .
F
x2

Por otro lado

F
= 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

viene dada por esta ecuaci

on diferencial ordinaria:
Su soluci
on es sencilla
u
e(, t) = k 2 u
e(, t) .
t
2
u
e(, t) = A() ek t .
(3.70)
La funcion A() no es mas que la transformada de Fourier de u(x, t) en el instante inicial,

u
e(, 0) = A().
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
Para hallar u(x, t) hemos de calcular la transformada inversa de Fourier de u

e(, t):
u(x, t) = F 1 [e
u(, t)]
Z
1
=
d eix u
e(, t)
2
Z
Z
0
2
1
=
dx0 eix ek t f (x0 )
d eix
2
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
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)
es la funcion de Green del problema. Esta funcion es la de una distribuci

on gaussiana centrada en x0 con
2
una varianza (ancho) = 2kt que aumenta linealmente en el tiempo.
Decimos que (3.72) es la funcion de Green del problema 3.69 porque es la soluci
on correspondiente a una
condici
on inicial con fuente puntual f (x) = (x, x0 ) en x = x0 . Dicho en otros terminos: (3.72) es la funcion
de Green del problema (3.69) porque:
Es soluci
on de la EDP de la difusion (3.69a), como es facil comprobar.
Satisface las condiciones de contorno (3.69b).
Satisface la condici
on inicial u(x, 0) = (x, x0 ) pues
0 2
1
e(xx ) /4kt = (x, x0 ) .
lm
4kt
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.
dx0 f (x0 )G(x, x0 ; t)
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)
No hemos asumido ninguna condici

on (de contorno) sobre el valor de la derivada G(x, x0 ; t)/x para
x puesto que, como se ver
a, no es necesario.
2
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,
De igual modo, para x > x0 ,
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.
e x0 ; s) la exigencia de continuidad en x0 y de disconPara calcular A1 (x0 ) y B2 (x0 ) imponemos sobre G(x,

0
tinuidad de tama
no 1/k de la derivada en x
s 0
s 0
A1 e k x B2 e k x = 0,
r h
s 0
s 0i
s
1
B2 e k x A1 e k x = .
k
k
La soluci
on de este sistema es:
s 0
1
B2 = e k x ,
2 ks
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
e para hallar G. Un procedimiento r

Nos queda obtener la transformada inversa de Laplace de G
apido
consiste en consultar una buena tabla de transformada de Laplace. Sin embargo, aqu lo haremos de un
modo menos directo, pero mas instructivo. Sabemos que [vease (3.66)]
erfc
2 t
L e
s
L
por lo que si derivamos con respecto a en ambos lados de esta expresi

on encontramos
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
se deduce inmediatamente que
(xx0 )2
1
G(x, x0 ; t) =
e 4kt .
4kt
Este resultado es el mismo que el dado por la ecuaci

on (3.72), obtenido entonces mediante el procedimiento
de la transformada de Fourier.
J
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) =
dx0 u(x0 , 0)G(x, x0 ; 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
Mediante el cambio x0 = x + 4kt en la primera integral y x0 = x + 4kt en la segunda se obtiene

(Z
)
Z
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) =
(1)n G(x nL, 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
y las condiciones de contorno
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
La nueva integral volvemos a evaluarla mediante separaci

on de variables mediante el cambio
u
dt,
t
w = est ,
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).
Teniendo en cuenta la condici

on inicial (3.81) obtenemos finalmente

2
u(x,
t)
= s2 u
e(x, s).
L
t2
Por otro lado
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)
pues la integral y la derivaci

on se llevan a cabo sobre variables diferentes independientes. Teniendo en
cuenta los resultados (3.85) y (3.86), la EDP (3.80) en el espacio de Laplace
2

2

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)
Determinaremos A(s) y B(s) mediante las condiciones de contorno. La condici

on de contorno u(x
, t) = 0 implica necesariamente u
e(x , s) = 0, por tanto A(s) = 0 y la soluci
on ha de tener la forma
Por otro lado, la condici
on de contorno (3.83), u(0, t) = f (t), se transforma en el espacio de Laplace en
u
e(0, s) = L[f (t)] F (s)
por lo que, de la ecuaci

on (3.89), se encuentra que B(s) = F (s). La soluci
on final de nuestro problema en
el espacio de Laplace es por tanto
u
e(x, s) = F (s) esx/c .
(3.90)
La soluci
on del problema en el espacio directo requiere hallar la transformada inversa de Laplace:
(
i
h
0,
t < x/c,
sx/c
1
= H(t x/c)f (t x/c) =
(3.91)
F (s) e
u(x, t) = L
f (t x/c), t > x/c,
donde H es la funcion de Heaviside. Lo que esta soluci

on nos dice es que el desplazamiento u(0, t) = f (t)
en el origen se propaga a lo largo de la cuerda con velocidad finita c de modo que para x > ct no hay
desplazamiento, y para x < ct el desplazamiento inicial se ha transmitido sin amortiguar hasta la posici
on
x con un desfase (retraso) temporal igual a x/c.
J
3.5 Problemas difusivos no homogeneos
187
3.5. Problemas difusivos no homogeneos

En las secciones siguientes estudiaremos varios procedimientos para resolver problemas difusivos no homogeneos, es decir:
Ecuaciones en derivadas parciales homogeneas con condiciones de contorno no homogeneas.
Ecuaciones en derivadas parciales no homogeneas con condiciones de contorno homogeneas.
Ecuaciones en derivadas parciales no homogeneas con condiciones de contorno no homogeneas.
3.5.1. Homogeneizacion del problema

Un procedimiento sencillo para resolver problemas difusivos no homogeneos consiste en transformarlos en problemas homogeneos mediante un cambio adecuado de la variable dependiente
(funcion incognita).
Veamos un ejemplo de homogeneizaci
on de una ecuaci
on en derivadas parciales homogenea
con condiciones de contorno no homogeneas.
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
La EDP que debe satisfacer esta funcion es:

u
v
2u
=k 2
=k
t
x
t
d2 u E
2v
+
x2
dx2
Como d2 uE /dx2 = 0, entonces la EDP que satisface v(x, t) es

v
2v
= k 2.
t
x
Adem
as es facil ver que v(x, t) satisface condiciones de contorno homogeneas:
v(0, t) = u(0, t) uE (0) = A A = 0,
v(L, t) = u(L, t) uE (L) = B B = 0.

Por tanto, encontramos que sobre la funcion v(x, t) nuestro problema se reduce a una EDP homogenea con
condiciones de contorno homogeneas. Esta ecuaci
on la podemos resolver ya mediante la aplicacion directa
del metodo de separaci
on de variables (vease el ejemplo 3.1):
v(x, t) =
an sen
n=1
2
nx k( n
L ) t .
e
L
Hallamos an a partir de la condici

on inicial:
v(x, 0) = u(x, 0) uE (x) =
por tanto
an =
2
L
an sen
n=1
[f (x) uE (x)] sen
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
3.5.2. Ecuaciones en derivadas parciales con terminos no homogeneos estacionarios

El metodo antes expuesto tambien funciona si hay fuentes estacionarias (no dependientes
del tiempo) de calor en el interior del medio. Su influencia viene descrita por un termino no
homogeneo Q(x) en la EDP:
2u
u
= k 2 + Q(x),
t ( x
u(0, t) = A,
CC :
u(L, t) = B,
CI : u(x, 0) = f (x).
189
En este caso uE (x) es la solucion estacionaria del problema

d2 uE
+ Q(x) = 0,
2
dx(
uE (0) = A,
CC :
uE (L) = B.
k
(3.92)
El campo de temperaturas auxiliar

v(x, t) = u(x, t) uE (x)
es entonces la solucion de un problema completamente homogeneo pues
2u
v
2v
d2 uE
u
= k 2 + Q(x)
=k 2 +k
+ Q(x)
t
x
t
x
dx2
se convierte, tras usar (3.92), en la ecuaci
on
2v
v
= k 2.
t
x
Las condiciones de contorno tambien son homogeneas,
u(0, t) = A v(0, t) + uE (0) = A v(0, t) = 0,
u(L, t) = B v(L, t) + uE (L) = B v(L, t) = 0,

y la condici
on inicial se transforma en
u(x, 0) = f (x) v(x, 0) = u(x, 0) uE (x) v(x, 0) = f (x) uE (x).
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)
Entonces uE (x) es la soluci

on de
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
3.5.3. Ecuacion en derivadas parciales con inhomogeneidad no estacionaria y condiciones de

contorno dependientes del tiempo
Ahora vamos a considerar un problema m
as general en el que los terminos no homogeneos de
la EDP y de las condiciones de contorno dependen del tiempo:
u
2u
= k 2 + Q(x, t),
t ( x
u(0, t) = A(t),
CC :
u(L, t) = B(t),
CI : u(x, 0) = f (x).
Este problema no es reducible, en general, a una EDP homogenea con condiciones de contorno
homogeneas, tal como hemos hecho en los casos anteriores. Sin embargo siempre es posible reducirlo a una EDP no homogenea con condiciones de contorno homogeneas. Para ello tomamos un
campo de temperaturas de referencia, r(x, t) al que s
olo le exigimos que satisfaga las condiciones
de contorno
r(0, t) = A(t),
r(L, t) = B(t).
Generalmente, lo m
as recomendable es escoger la funcion r(x, t) m
as simple posible que sea
compatible con estas condiciones de contorno. Una elecci
on sencilla es, por ejemplo,
r(x, t) = A(t) + [B(t) A(t)]
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,
u(L, t) = B v(L, t) + r(L, t) = B v(L, t) = 0.

Veamos que ecuaci
on en derivadas parciales satisface v(x, t):
2u
v r
2v
2r
u
= k 2 + Q(x, t)
+
= k 2 + k 2 + Q(x, t).
t
x
t
t
x
x
Por tanto, encontramos que v(x, t) ha de verificar la EDP no homogenea
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
donde n (x) son las autofunciones del problema de Sturm-Liouville

2
+ = 0
2
x(
(0) = 0,
CC :
(L) = 0.
Sabemos que los autovalores y las autofunciones son
n 2
,
n =
L
nx
n = 1, 2, . . .
n (x) = sen
L
y que los coeficientes an son
n 2
an (t) = an (0) ekn t = an (0) ek( L ) t .
(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
Solo nos resta averiguar cu

ales deben ser las funciones an (t) que hacen que (3.99) sea solucion
del problema (3.96). Para ello sustituimos (3.99) en la EDP:
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
Pero d2 /dx2 = n n , por lo que
[a0n (t) + n kan ]n (x) = Q(x, t).
n=1
Dado que n (x) son ortogonales, se tiene que

dan
hn |Qi
+ n kan =
=
dt
hn |n i
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.
Si Q(x, t) = 0, se reobtiene la solucion ya hallada mediante separaci

on de variables:
v(x, t) =
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
donde u1 es la temperatura (constante) del medio circundante y h es una constante. Halla

u(r, t).
3.4. Halla la soluci

on de la ecuaci
on de Laplace
2 u(r, ) = 0
en el interior de:
a) El anillo circular R1 r R2 con las condiciones de contorno u(R1 , ) = 0, u(R2 , ) =
cos 2. Sup
on que R1 = 1 y R2 = 2.
b) El crculo r R1 con la condici
on de contorno u(R1 , ) = cos 2. Sup
on que R1 = 1.
3.5. Una barra cilndrica muy larga (de longitud infinita para nuestros prop
ositos) de radio
inicialmente (t = 0) a la temperatura constante u0 se introduce en un ba
no termico cuya
temperatura (constante) es u1 . Calcula de forma explcita el campo de temperaturas de la
barra para cualquier instante posterior.
3.6. Halla la distribuci
on estacionaria de temperaturas u(x, y) en el interior de una placa cuadrada de ancho unidad cuyos lados se fijan a temperatura cero a excepci
on del lado izquierdo
(x = 0) cuya temperatura es igual a u0 [u(x = 0, y) = u0 ].
3.7. Cu
al es el campo estacionario de temperaturas en un disco homogeneo de radio unidad
aislado por sus caras y cuyos bordes est
an fijados a la temperatura u(r = 1, ) = f ()?
(Pista: problema equivalente al del ejemplo 3.4). Calcula la soluci
on si:
a) f () = cos().
b) f () = 0 si < < 0; f () = u0 si 0 < < .
3.8. Resuelve la ecuaci
on de ondas
uxx + u = utt ,
0 x 1,
t > 0,
con las condiciones de contorno u(0, t) = 0, u(1, t) = 0 y la condici

on inicial u(x, 0) =
sen(4x), ut (x, 0) = 0.
194
Figura 3.8: Posicion inicial de la cuerda en el problema 3.9

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,
donde 1 y 2 son constantes, y

u(x, 0) =
u0 = const ,
0,
x < 0,
x > 0.
3.12. Supongamos que la temperatura en la superficie (x = 0) de la Tierra vara de forma

peri
odica en el tiempo de acuerdo con la expresi
on u(x = 0, t) = T0 + T1 sent. (a) Calcula
la temperatura u(x, t) a una profundidad x admitiendo que la difusividad termica k es
constante
on si u(0, t) =
P y que puede despreciarse la curvatura de la Tierra. (b) Halla la soluci
T0 +
T
sen(nt).
n
n=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
3.13. Se pide resolver el siguiente problema acerca de la distribucion estacionaria de temperaturas

en un s
olido semiinfinito:
2 u(x, y) 2 u(x, y)
+
=0,
y>0,
< x < ,
x2
x2

u0 = const ,
|x| < a,
u(x, 0) =
0,
|x| > a,
lm u(x, y) < .
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
u(x, t) = k 2 u(x, t) + u(x, t),

t
x
u(x, 0) = (x),
lm u(x, t) = 0.
a) Utiliza el procedimiento de la transformada de Laplace para demostrar que su solucion

es

x2
1
exp t
u(x, t) =
.
4kt
4kt
b) Demuestra que en los contornos isoprobables, es decir, en los puntos (x, t) en los que
P (x, t) = P = const., se verifica que

1/2
ln t 4k
x
.
= 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

c) Demuestra que para t la velocidad de expansion de estos contornos, es decir, la
velocidad con la que los organismos se dispersan, se aproxima a
x
= (4k)1/2 .
t
d ) Compara
esta velocidad de expansion con la de un proceso puramente difusivo ( = 0),
x kt, y extrae conclusiones.
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,
siendo T0 una constante.

3.20. Usa el metodo de la transformada de Laplace para hallar la solucion de la ecuaci
on de ondas
2u
1 2u
=
,
x2
c2 t2
< x < ,
que satisface las condici

on de contorno u(x, t) = finito para x y la condici
on inicial
u(x, 0) = sen x, u/t|t=0 = 0.
3.21. Una barra de longitud tiene inicialmente (t = 0) la temperatura u(x, 0) = f (x). Sus extremos se mantienen a temperatura constante, u(0, t) = 0, u(, t) = 1. En el instante t = 0 se la
pone en contacto con una fuente de calor no estacionaria dada por Q(x, t) = sen(3x) et . Se
pide hallar la distribucion de temperatura u(x, t) en cualquier instante posterior mediante
la resoluci
on de la ecuaci
on
2u
u
= k 2 + Q(x, t).
t
x
Halla expresiones explcitas para u(x, t) si (a) f (x) = x/ +sen x, y (b) f (x) = x/ +sen 3x.
3.6 Problemas
197
3.22. El metodo del desarrollo en autofunciones para la resoluci

on de ecuaciones en derivadas
parciales no homogeneas (metodo expuesto en la secci
on 3.5.4, pagina 191) no esta limitado
a ecuaciones difusivas. Esto se ilustra en el presente problema.
a) Resuelve la ecuaci
on ondulatoria
2u
2u
=
,
x2
t2
0 x ,
con las condiciones de contorno u(0, t) = u(, t) = 0 y condiciones iniciales u(x, 0) =

fP(x), ut (x, 0) = 0, para demostrar que la solucion puede escribirse como u(x, t) =
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.
4.2. Aritmetica con precision finita

Cuando se hacen calculos numericos mediante ordenador hay que ser conscientes en todo
momento de que el ordenador efect
ua tpicamente estos calculos mediante n
umeros que no son
exactos.3 Esto es a lo que nos referimos cuando decimos que el ordenador trabaja con aritmetica
de precisi
on finita. Esto puede tener consecuencias inesperadas (e indeseables) sobre los resultados
de nuestros computos. En esta secci
on discutiremos brevemente estas cuestiones.4
4.2.1. Los numeros son palabras

Los ordenadores representan internamente los n
umeros que procesan mediante una ristra (o
lista) finita de dgitos. Por ejemplo, el n
umero se representara como una ristra finita de dgitos
que comienza por 30 141 . . .. El tama
no de esta lista depende del tipo de ordenador y del programa
de computaci
on que se utilice. Por ejemplo, en el programa QBASIC de Microsoft y en precisi
on
0
simple, el n
umero vendra dado aproximadamente por el n
umero 3 141593 (es decir, por un
n
umero de unos siete dgitos significativos).
Usualmente los ordenadores representan internamente los n
umeros en sistema binario (es
decir, de base 2). El sistema binario es tan facil de entender como el decimal. Por ejemplo, el
n
umero binario (1010 011)2 representa al n
umero dado por
(1010 011)2 1 22 + 0 21 + 1 20 + 0 21 + 1 22 + 1 23
1 1
=4+1+ + .
4 8
Por supuesto, este n
umero en notaci
on decimal es
5 + 00 25 + 00 125 = 50 375 5 100 + 3 101 + 7 102 + 5 103 .
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].
4.2 Aritmetica con precisi

on finita
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:
1 bit para el signo de la mantisa.
23 bits para la mantisa.

(4.3)
1 bit para el signo de exponente.
7 bits para el exponente.
La utilizaci
on 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 .
Dado que 2127 ' 1038 , la anterior relaci

on es equivalente a
1038 . |x| . 1038 .
Es decir, si se representan los n

umeros mediante palabras de 32 bits y se emplea la asignaci
on
127
127
(4.3), entonces el ordenador no puede manejar n
umeros menores que 2
ni mayores que 2 .
En este caso, cuando realiza una operacion numerica cuyo resultado es menor que 2127 , el
ordenador (para ser precisos, el programa de calculo) da tpicamente un mensaje en el que indica
que se ha producido underflow; si el resultado el mayor que 2127 , el mensaje es de overflow.
5
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)
donde hemos asumido que el n

umero entero esta representado por una u
nica palabra de 32 bits.
Por tanto el rango de los n
umeros enteros viene dado por
(1 1 1 . . . 1 1)2 n +(1 1 1 . . . 1)2 ,
es decir,
(231 1) n 231 1 = 2 147 483 647.
B Ejercicio 4.1
El esquema de asignacion de bits (4.3) es tpico, pero, por supuesto, quienes dise
nan los programas de
computo suelen emplear esquemas de asignacion mas refinados para mejorar el rango de valores que se
pueden emplear. Por ejemplo, el programa QBASIC nos informa en su pantalla de ayuda de los siguientes
lmites:
Limits to QuickBASIC - Names, Strings, and Numbers
Maximum
Integers
32,767
Long Integers
2,147,483,647
Single precision numbers (positive)
3.402823 E+38
Single precision numbers (negative)
-1.401298 E-45
Double precision numbers (positive)
Maximum:
1.797693134862315
Minimum:
4.940656458412465
Double precision (negative)
Maximum:
-4.940656458412465
Minimum:
-1.797693134862315
Minimum
-32,768
-2,147,483,648
1.401298 E-45
-3.402823 E+38
D+308
D-324
D-324
D+308
Cu
al crees que es el esquema de 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
O de punto flotante, si usamos al modo anglosaj

on un punto para indicar donde comienzan los dgitos fraccionarios

on finita
203
4.2.2. Perdida de dgitos significativos en la sustraccion de cantidades casi iguales

Supongamos, para simplificar la exposicion, que tenemos un ordenador que trabaja con n
umeros decimales cuya mantisa es de 7 dgitos decimales y que queremos hallar la diferencia x y
donde x = 00 123456789 y y = 00 123454444. Sin necesidad de usar el ordenador sabemos que
)
x = 00 12345678900
y = 00 12345444400
x y = 00 00000234500 = 00 2345 105 .
Sin embargo, el ordenador, al estar limitado a usar n

umeros con una mantisa de 7 dgitos decimales, redondear
a dichos n
umeros con lo que la sustracci
on sera
x0 = 00 1234568
0
y = 0 1234544
x0 y 0 = 00 0000024.
El segundo dgito de la diferencia ya no es exacto. Si calculamos el error relativo vemos que es

muy grande

(x y) (x0 y 0 )

' 2 %,

xy
a pesar de que el ordenador utiliza n

umeros con 7 cifras significativas (es decir, mantisa de 7
dgitos).
B Ejercicio 4.2
El resultado que hemos dado antes x0 y 0 = 00 0000024 no est
a en la representaci
on cientfica normalizada que usa el ordenador. Se pide, por tanto, escribir mediante representaci
on cientfica normalizada el
n
umero x0 y 0 que calculara el ordenador anterior. Como ayuda, aqu teneis algunas posibles respuestas:
0
0 2400000 105 , 00 2450000 105 , 00 24????? 105
Quizas esto te sirva de ayuda: he usado el siguiente programa QBASIC en un ordenador,
x = .123456789#: y = .123454444#
r = x - y
PRINT "x="; x
PRINT "y="; y
PRINT "x-y="; r
y el resultado fue
x= .1234568
y= .1234544
x-y= 2.346933E-06
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
PRINT " n", " eps", "((1 + eps) - 1) / eps"

uno = 1: nfin = 10
FOR n = 1 TO nfin
eps = uno / 10 ^ n
x = uno + eps
ratio = (x - uno) / eps
PRINT n, eps, ratio
NEXT n
El resultado del programa es:

n
1
2
3
4
5
6
7
8
9
10
eps
.1
.01
.001
.0001
.00001
.000001
.0000001
1E-08
1E-09
1E-10
((1 + eps) - 1) / eps

1
.999999
1.000047
1.000166
1.001358
.9536743
1.192093
0
0
0
donde, debajo de la columna que empieza con la letra n aparece el valor del exponente n, debajo
de la columna que comienza con eps aparece el correspondiente valor de y, a continuaci
on,
debajo de la columna que comienza con ((1 + eps) - 1) / eps aparece el valor calculado
de de [(1 ) 1]/ que, evidentemente, debiera ser 1.
J
4.2.3. Errores en la suma de cantidades con magnitudes muy distintas

Otra peligrosa manifestacion de la finitud de la precisi
on de los n
umeros de coma flotante
surge cuando se suman cantidades de magnitud muy diferente. El siguiente ejemplo ilustra este
hecho de una forma muy clara.
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:

on finita
n= 1E+07
i
1000000
2000000
3000000
4000000
5000000
6000000
7000000
8000000
9000000
1E+07
S
9.906045E-02
.2013732
.2977269
.3871338
.4765408
.5879304
.7071397
.826349
.9455582
1.064767
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
El error que se comete no es nada despreciable.

J
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
Explcale a Pepito Matem

atico lo que ha sucedido.
Evaluacion del polinomio perfido de Wilkinson

En esta secci
on vamos a intentar llevar a cabo una tarea realmente sencilla (sobre todo para
un ordenador), a saber, sumar 21 n
umeros. Estos n
umeros son los valores que toman los 21
206
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)
= 2432902008176640000 8752948036761600000x + 13803759753640704000x2
12870931245150988800x3 + 8037811822645051776x4 3599979517947607200x5
+ 1206647803780373360x6 311333643161390640x7 + 63030812099294896x8

10142299865511450x9 + 1307535010540395x10 135585182899530x11
+ 11310276995381x12 756111184500x13 + 40171771630x14 1672280820x15
+ 53327946x16 1256850x17 + 20615x18 210x19 + x20 .
(4.6)
En la figura 4.1 se ha representado la evaluacion numerica del polinomio de Wilkinson en las

vecindades de la raz r = 20 usando la formula (4.6) mediante un programa (Mathematica)
que emplea n
umeros con unos de 16 dgitos decimales de mantisa. Si nos fiaramos del resultado
numerico, podramos concluir que la funcion P (x) tiene decenas de racesQen el intervalo (20
106 , 20 + 106 ), lo que es absurdo pues sabemos que el polinomio P (x) = 20
olo
n=1 (x n) tiene s
20 ceros situados en x = 1, 2, , 20. Simplemente este ejemplo (aunque daremos m
as) debiera
convencernos de la necesidad de ser cuidadosos y de no fiarnos ciegamente de los resultados
numericos: estos deben siempre ser comprobados al menos en su orden de magnitud!7
B Ejercicio 4.4
La figura 4.1 es en principio sorprendente. Pero si pensamos un poquito, quizas no lo sea tanto.
1. A que crees que se debe la evidente falsedad de la figura 4.1(a)?
2. Por que, en cambio, la figura 4.1(b) ha sido evaluada correctamente?
3. Estima el n
umero de dgitos decimales de la mantisa que el programa debera usar para que la figura
(a) adoptara un aspecto mas normal. (Pista: 2020 = 10 048 1026 )
7
No deberamos saber siempre el orden de magnitud de la soluci

on de nuestro problema?

on finita
207
4.2.4. Inestabilidad numerica

Decimos que en un proceso de computo se da inestabilidad numerica cuando peque
nos errores
iniciales se van agrandando a lo largo del proceso hasta hacer que los resultados numericos sean
incorrectos. En la secci
on 2.8.4 de la pagina 136 ya vimos un ejemplo de como un algoritmo
de calculo numerico de las funciones de Bessel era inestable cuando se utilizaba la relaci
on de
recurrencia (2.209) en el sentido de ndices crecientes. Aqu vamos a ver otro ejemplo de una
relaci
on de recurrencia inestable.
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)
Lo haremos mediante el siguiente programa escrito en QBASIC:

DIM x(30)
x(0) = 1 : x(1) = 1 / 3
FOR n = 1 TO 19
x(n + 1) = 13 / 3 * x(n) - 4 / 3 * x(n - 1)
PRINT n + 1, x(n + 1)
NEXT n
Los resultados del programa son:
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
.1111112
3.703722E-02
1.234641E-02
4.118151E-03
1.383441E-03
5.040426E-04
3.395967E-04
7.99529E-04
3.01183E-03
1.198523E-02
.0479202
.1916739
.7666934
3.066773
12.26709
49.06836
196.2735
785.0938
3140.375
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
como puede (y debe) comprobarse

por sustitucion. Sin embargo, la soluci
on particular que satisface x0 = 1
n
y x1 = 1/3 es xn = 13 , pues
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

on finita
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
Figura 4.2: Resultados numericos obtenidos mediante un programa que eval

ua el iterador cuadratico
usando una mantisa de unos 16 dgitos decimales. (a) Logaritmo de En = |xn x0n | frente a n cuando
x0 = 1/3 y x00 = x0 + 1010 . (b) Orbita

{xn } para x0 = sen2 (/7).
orbita podramos encontrarnos con una fenomenologa similar a la que descubrimos con x0 = sen2 (/7)
de modo que la
orbita calculada se alejara del valor teorico xn = 3/4 tras unas decenas de iteraciones.
Sin embargo, esto no ocurre incluso llevando a cabo los calculos con programas o maquinas que empleen
muy pocos dgitos de mantisa! La raz
on es sencilla: sucede que 3/4 es un n
umero de m
aquina pues su
representaci
on exacta en binario es bien simple: 3/4 = (00 11)2 . Por tanto, cualquier ordenador que trabaje
con una mantisa de unos pocos bits sera capaz de implementar el iterador cuadr
atico de forma exacta
para este n
umero concreto.
J
4.2.5. Problemas mal condicionados

En los problemas mal condicionados peque
nos cambios en los datos que definen al problema
dan lugar a grandes cambios en las soluciones. Este concepto es muy similar al de inestabilidad.
No es en absoluto extra
no encontrarse con problemas mal condicionados. Esto puede suceder,
por ejemplo, cuando se pretende calcular las races de una funcion. Veamoslo. Sea r una raz
simple de f (x) (por lo que f 0 (r) 6= 0). Si perturbamos f (x) y obtenemos F (x) = f (x) + g(x)
con 1, c
uanto vale la correspondiente raz R de F (x)? Si || 1, es razonable pensar que
la nueva raz sera R = r + h con |h| 1. Estimemos el valor de h usando el teorema de Taylor
con la forma de Lagrange para el residuo:
F (r + h) = 0 f (r + h) + g(r + h) = 0
1
h2
[f (r) + h f 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)
210x19 + 20615x18 + 8752948036761600000x + 2432902008176640000.
(4.10)
Como se modifica el valor de la raz r = 20 cuando cambiamos el coeficiente de x20 de 1 a 1 + ? Es decir,

cu
al es la raz correspondiente de la nueva funcion perturbada F (x) = P (x) + x20 . Seg
un lo discutido
mas arriba, esperamos que la nueva raz venga dada aproximadamente por 20 + h, donde h es un n
umero
peque
no (|h| 1) que vendra dado aproximadamente por la ecuaci
on (4.8) con f (x) = P (x) y g(x) = x20 :
g(20)
+ g 0 (20)
2020
'
,
19! + 2020
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
Comprobamos de nuevo que el polinomio de Wilkinson es realmente perfido: valores peque

nsimos de no
conducen a un valor peque
no de h. Por ejemplo:
Si = 106 |h| '
103
' 1, que no es despreciable en absoluto.
1 + 103
4.3 Operaciones numericas basicas
211
f
f
f
f
-3
-1
-2
x =-2h
-2
x =-h
=0
-1
x =h
1
x =2h
2

on f (x) y sus correspondientes valores fn en un conjunto de puntos equiespaciados
xn .
10
, que no es mucho menor que 1.
11
1
|h| ' , que tampoco es mucho menor que 1.
2
Si = 108 |h| '

Si = 109
4.3. Operaciones numericas basicas

4.3.1. Diferenciacion numerica
En esta secci
on estudiaremos como calcular numericamente la derivada de la funcion f (x)
en x = x0 = 0 a partir del conocimiento de alguno de los valores de f (x) en las vecindades de
x = 0. Las formulas que obtengamos se pueden generalizar al caso en el que x0 6= 0 sin m
as que
trasladar el origen de abcisas al punto x = x0 .
Vamos a suponer que conocemos los valores fn que toma la funcion f (x) en un conjunto de
puntos equiespaciados xn (vease la figura 4.4):
xn n h,
fn f (xn ).
n = 0, 1, 2, . . .
(4.11)
Nuestro objetivo es obtener expresiones aproximadas que nos proporcionen una buena 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!
f (x) = f (0) + x f 0 (0) +
(4.12)
donde hemos introducido la notaci

on f (n) (0) f (n) . La serie de Taylor con el resto de Lagrange,
f (x) = f0 + x f 0 +
x2 00
xN 1
xN (N )
f + +
f (N 1) +
f (),
2!
(N 1)!
N!
con (0, x), nos sera especialmente u

til en todo lo que sigue. En particular
f1 f (h) = f0 h f 0 +
h2 00 h3 000
f
f ( )
2
3!
(4.13)
212
Metodos numericos
donde 0 < + < h y h < < 0. Restando f1 de f1 obtenemos

f1 f1 = 2h f 0 +
y por tanto
f0 =
Tenemos pues que8

h3 000
f (+ ) + f 000 ( ) ,
3!

f1 f1 h2 000
f (+ ) + f 000 ( ) .
2h
12
f0 =
f1 f1
+ O(h2 ) .
2h
(4.14)
Despreciando el termino de orden h2 podemos aproximar el valor de f 0 (x0 ) por la formula

f0 '
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.
Recordemos que la expresi

on g(h) = O(hn ) para h 0 significa que lmh0 g(h)/hn = C = finito. Si sucediera
que C = 0 escribiramos g(h) = o(hn ). Esto se discute con m
as detalle en la secci
on 7.3 de la p
agina 407.
9
El nombre procede del hecho de que para su c
alculo necesitamos conocer el valor de la funci
on en el intervalo
[h, h] (en h y h para ser precisos) en cuyo interior hay tres puntos, h, 0, h, que est
an centrados con respecto
a x0 = 0.
213
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
Los resultados son:

0.500000
0.250000
0.125000
0.062500
0.031250
0.015625
0.007813
0.003906
0.001953
0.000977
0.000488
0.000244
0.000122
0.000061
0.000031
0.000015
0.022233
0.005611
0.001406
0.000352
0.000088
0.000023
0.000008
0.000004
0.000004
0.000011
0.000019
0.000019
0.000019
0.000225
0.000263
0.000713
0.228254
0.110248
0.053929
0.026639
0.013233
0.006596
0.003292
0.001637
0.000813
0.000385
0.000141
0.000019
0.000225
0.000713
0.000713
0.002666
0.183789
0.099026
0.051117
0.025935
0.013058
0.006550
0.003277
0.001629
0.000805
0.000408
0.000103
0.000019
0.000263
0.000263
0.001240
0.001240
En la primera columna aparece el valor de h, en la segunda columna damos el error cometido por
la 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
Derivadas de orden superior

Pueden obtenerse combinando las expresiones del desarrollo de Taylor de f 1, f 2, etc. Por
ejemplo, sumando las expresiones de f+1 y f1 dadas por
f1 f (x0 h) = f0 h f 0 +
se obtiene
f+1 + f1 = 2f0 + h2 f 00 +
De aqu se deduce que
f 00 =
es decir
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)
Despreciando terminos de orden h2 obtenemos la expresi

on en diferencias conocida como derivada
segunda en diferencias central de tres puntos:
f 00 '
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.
4.3.2. Integracion numerica

Estamos interesados en estimar la integral definida
Z b
f (x) dx.
I=
(4.20)
Para ello dividimos el intervalo de integracion [a, b] en un n

umero N par de subintervalos de
ancho h,
ba
.
(4.21)
h=
N
Nos centraremos en obtener una formula para la integral entre h y h ya que siempre podemos
dividir (discretizar) el intervalo de integracion [a, b] en un conjunto de subintervalos elementales
de ancho11 2h:
Z b
Z a+4h
Z a+2h
Z b
f (x) dx.
(4.22)
f (x)dx + +
f (x) dx +
f (x) dx =
a
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
Figura 4.5: Interpretaci

on geometrica de la regla del rectangulo. La integral de f (x) en cada intervalo
elemental de ancho 2h se aproxima por el area rayada del rectangulo correspondiente.
Regla del rectangulo
En este procedimiento de integracion numerica se aproxima el valor de f (x) en el interior de
cada subintervalo de ancho 2h por el valor de la funcion f (x) en el punto medio del subintervalo:
Z h
Z h
f 00 2
[f0 + f 0 x +
f (x) dx =
x + ] dx
2
h
h

h
2 h
f 00 x3
0 x
= 2h f0 + f
+
+
2 h
2 3 h
f 00 3
h +
3
= 2h f0 + O(h3 ).
= 2h f0 + 0 +
(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
Pero N = (b a)/h [vease la ecuaci

on (4.21)] por lo que N O(h3 ) = O(h2 ) y la expresi
on anterior
se transforma en
Z b
f (x) dx = 2h [f (a + h) + f (a + 3h) + + f (b 3h) + f (b h)] + O(h2 )
a
' 2h [f (a + h) + f (a + 3h) + + f (b 3h) + f (b h)].
(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
Es por tanto una f

ormula de tipo Newton-Cotes abierta.
216
Metodos numericos
Expresamos la integral
Rh
h f (x) dx
como suma de dos integrales:

h
f (x) dx = I + I+
donde
I =
I+ =
f (x) dx ,
h
Z h
f (x) dx .
Evaluaremos I+ e I por separado. Empezamos escribiendo el desarrollo de Taylor de la funcion

f (x) en torno a x = 0:
f 00 2
f (x) = f0 + f 0 x +
x +
2
Podemos expresar la derivada de f (x) en x = 0, f 0 , en terminos de la derivada derecha de dos
puntos, (f1 f0 )/h, es decir, f 0 = (f1 f0 )/h + O(h), para as obtener

f 00 2
f1 f0
+ O(h) x +
x +
(4.26)
f (x) = f0 +
h
2
Utilizando la relaci
on (4.26) en la definicion de I+ se encuentra que
Z
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)
Figura 4.6: Interpretaci

on geometrica de la regla del trapecio. La integral I+ =
por el area rayada del trapecio.
En definitiva, dado que
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)
Teniendo en cuenta que N O(h3 ) = [(b a)/h]O(h3 ) = O(h2 ) [vease la ecuaci

on (4.21)] la
expresi
on anterior se transforma en
Z

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!
Expresando f 00 en terminos de la derivada central de tres puntos

f 00 =
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
Pero N = (b a)/h [vease la ecuaci

on (4.21)] por lo que N O(h5 ) = O(h4 ) y la expresi
on anterior
se transforma en
#
"
Z b
N/2
N/2
X
X
h
f [a + (2n 1)h] + f (b) + O(h4 ) (4.34)
f [a + (2n 2)h] + 4
f (a) + 2
f (x) dx =
3
a
n=1
n=2
#
"
N/2
N/2
X
X
h
'
f [a + (2n 1)h] + f (b) ,
(4.35)
f [a + (2n 2)h] + 4
f (a) + 2
3
n=1
n=2
que es la regla de Simpson.

Para hallar la aproximacion
Z
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
El valor de esta integral es I = e 1 = 53 598150033 . Este resultado lo usaremos para comparar la

precisi
on de los dos metodos numericos a medida que aumentamos en n
umero de intervalos elementales, es
decir, a medida que hacemos el discretizado mas fino. En estos programas se emplean sucesivamente N =
2m subintervalos elementales (es decir, h = 4/2m ) con m = 2, 3, , 20. A continuacion de los programas
en QBASIC damos los resultados que proporcionan tal como aparecen en la pantalla del ordenador.
Programa TRAPECIO.BAS
DEF fnf (x) = EXP(x)
a = 0: b = 4
exacto = EXP(b) - EXP(a)
FOR m = 2 TO 20
n = 2 ^ m : h = (b - a) / n
suma = fnf(a) / 2
FOR i = 1 TO n - 1
x = a + i * h
suma = suma + fnf(x)
NEXT i
suma = suma + fnf(b) / 2
integral = h * suma
diferencia = exacto - integral
PRINT USING "N=#######
Error=##.######"; n; diferencia
NEXT m
Los resultados son:

N=
N=
N=
N=
N=
N=
N=
N=
4
8
16
32
64
128
256
512
Error=-4.393803
Error=-1.112003
Error=-0.278870
Error=-0.069778
Error=-0.017448
Error=-0.004364
Error=-0.001095
Error=-0.000256
220
N=
1024
N=
2048
N=
4096
N=
8192
N= 16384
N= 32768
N= 65536
N= 131072
N= 262144
N= 524288
N=1048576
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
El programa que implementa la regla de Simpson es:

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

N=
4
N=
8
N=
16
N=
32
N=
64
N=
128
N=
256
N=
512
N=
1024
N=
2048
N=
4096
N=
8192
N=
16384
N=
32768
N=
65536
N= 131072
N= 262144
N= 524288
N= 1048576
Error=-0.265697
Error=-0.018074
Error=-0.001156
Error=-0.000076
Error=-0.000011
Error= 0.000004
Error=-0.000011
Error= 0.000023
Error=-0.000015
Error= 0.000019
Error=-0.000038
Error= 0.000000
Error= 0.000034
Error= 0.000046
Error=-0.000008
Error=-0.000011
Error=-0.000038
Error=-0.000057
Error= 0.000893
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=
se aproxima por la suma finita
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
c(x, xk )f (xk )dx
(4.45)
k=1
wk f (xk )
(4.46)
k=1
r(x)c(x, xk )dx.
(4.47)
La formula de integracion (4.46) se conoce como cuadratura de interpolacion (o interpolatoria).

Puede verse que la regla de Simpson se reobtiene si se usan tres puntos equiespaciados (lo que
implica polinomio de interpolaci
on de grado dos) situados en los extremos y en el punto medio del
intervalo de integracion. Cuando los puntos de interpolacion xk estan equiespaciados, las diversas
cuadraturas dadas por (4.46) se llaman formulas de Newton-Cotes.
F
ormula de integraci
on de Gauss-Legendre. Si = 1 y = 1 y se escogen
como puntos de interpolaci
on xk a los ceros del polinomio de Legendre de grado n, Pn (xk ) = 0,
la formula resultante se conoce como cuadratura de Gauss-Legendre. Esta formula resulta ser
claramente mejor, para un n
umero dado n de puntos de interpolacion, que las cuadraturas de
Newton-Cotes con un n
umero de puntos de interpolacion mucho mayor que n. A que se debe
esto? La respuesta es que, mientras la cuadratura de Newton-Cotes de n puntos es (en principio)
exacta si f (x) es un polinomio de grado n 1, la cuadratura de Gauss-Legendre de n puntos
es exacta si f (x) es un polinomio de grado 2n 1. La explicacion de este milagro reside en
las propiedades de ortogonalidad de los polinomios de Legendre con respecto a la funcion peso
r(x) = 1 en el intervalo [1, 1]. En efecto, sea f (x) un polinomio de grado 2n 1. Entonces el
cociente de f (x) por el polinomio (x) de grado n es igual a un polinomio Qn1 (x) de grado n 1
con un resto Rn1 (x) que es un polinomio de grado n 1:
f (x)
Rn1 (x)
= Qn1 (x) +
,
(x)
(x)
(4.48)
f (x) = (x)Qn1 (x) + Rn1 (x),
(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
4.4 Calculo de races
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 =
r(x)Rn1 (x) dx.
(4.51)
Dado que Rn1 (x) es de grado n 1, la f

ormula interpolatoria (4.46) de n puntos es exacta, por
lo que
Z 1
n
X
wk Rn1 (xk ),
(4.52)
r(x)Rn1 dx =
1
es decir, por (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
Esto es justamente lo que queramos demostrar: cuando fP

(x) es un polinomio de grado menor
o igual a 2n 1, la formula de interpolaci
on de n puntos nk=1 wk f (xk ) proporciona la integral
R1
on xk son justamente los ceros del
1 r(x)f (x)dx de forma exacta si los puntos de interpolaci
polinomio ortogonal de grado n con respecto a la funci
on peso r(x) en el intervalo [1, 1].13
B Ejercicio 4.8
R
El metodo de Gauss-Legendre puede emplearse para calcular integrales r(x)f (x)dx, donde 6= 1 y
6= 1, sin m
as que emplear un cambio de variable que transforme la anterior integral en otra cuyo intervalo
de integraci
on sea [1, 1]. Cu
al es este cambio de variable?
4.4. Calculo de races

Una de las tareas mas basicas del c
alculo numerico es el c
alculo de las races (o ceros) de una
funcion. En lo que sigue denotaremos por x
e a las races de la ecuaci
on f (x) = 0. En las secciones
siguientes describiremos cuatro metodos numericos u
tiles para la evaluaci
on de races.
4.4.1. Metodo de la busqueda

Este es un metodo muy simple que explota el hecho de que la funci
on f (x) debe tener signos
distintos a la derecha e izquierda de la raz. El procedimiento es el siguiente:
1. Sea x0 un n
umero menor que la raz buscada y supongamos, por concretar, que f (x0 ) > 0.
Empezamos eligiendo un valor inicial peque
no arbitrario h0 para el salto de la b
usqueda.
13
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. Evaluamos la funcion f (x) en x1 = x0 + h0 y comprobamos si f (x1 ) es mayor o menor que

cero.14 Entonces:
a) Si f (x1 ) es mayor que cero, es decir, si f (x) no ha cambiado de signo entre x0 y x1 ,
asumimos15 que la raz esta a la derecha de x1 por lo que comenzamos de nuevo la
b
usqueda repitiendo el proceso desde el paso 2 pero con x1 haciendo el papel de x0 .
b) Si f (x1 ) es menor que cero, es decir, si f (x) ha cambiado de signo entre x0 y x1 ,
concluimos que la raz buscada esta situada entre x0 y x1 . En este caso comenzamos
de nuevo en el paso 1, es decir partimos nuevamente de x0 pero usando ahora un nuevo
paso de b
usqueda de un tama
no igual a la mitad del anterior: h0 /2 h1 .
3. El proceso se detiene cuando hn alcanza un valor menor que uno prefijado (tolerancia) o
cuando el n
umero de pasos sobrepasa un valor Nmax previamente establecido. El resultado
final del proceso es por tanto una estimacion del valor de la raz x
e con una precisi
on
(tolerancia) de hn [suponiendo que f (x) ha cambiado al menos una vez de signo en el
transcurso del proceso].
Este metodo podra fallar:
Si se sobrepasa la raz buscada sin cambiar el signo de f (x).
Si la funcion es discontinua y tiene signos distintos a cada lado de la discontinuidad. En este
caso, el metodo nos proporcionara como raz el punto en el cual la funcion es discontinua.
4.4.2. Metodo de la biseccion

Este es un metodo similar al de la b
usqueda que se basa tambien en el hecho de que a la
derecha e izquierda de la raz la funcion f (x) debe tener signos distintos. El procedimiento es
como sigue:
1. Suponemos que la raz buscada x
e esta entre a0 y b0 . Esto significa que f (a0 ) f (b0 ) < 0.
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
Si f (x1 ) fuera igual a cero habramos encontrado la raz buscada: x

e = x1 .
Debe quedar claro que esto es s
olo una suposici
on; uno de los defectos de este metodo es que podra no encontrar
la raz si esta suposici
on no se cumple. Esta dificultad se discute al final de esta subsecci
on.
16
Esto es s
olo una suposici
on. En ciertas situaciones podra ocurrir que la raz realmente estuviera entre a0 y c0 .
Estas situaciones problem
aticas son de naturaleza similar a las discutidas en secci
on 4.4.1.
15
4.4 Calculo de races
225
f(x)
f(x)
x
~
x
f(x )+f '(x )(x-x )

n
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)
Es facil darse cuenta que este metodo fallar

a si la funci
on es discontinua y tiene signos distintos
a cada lado de la discontinuidad. En este caso, igual que suceda con el metodo de la busqueda, el
metodo de la biseccion nos proporcionara como raz el punto en el cual la funcion es discontinua.
4.4.3. Metodo de Newton

Para utilizar este metodo (tambien llamado metodo de Newton-Raphson) es necesario conocer
el valor de la funcion df /dx f 0 (x). La interpretacion gr
afica de este metodo se muestra en la
figura 4.7(a). Vemos facilmente que la derivada de f (x) en el punto xn viene dada por la expresi
on
f 0 (xn ) =
f (xn )
xn xn+1
de donde se deduce que

xn+1 = xn
f (xn )
.
f 0 (xn )
(4.55)
Al utilizar el metodo de Newton se asume que xn x

e cuando n , hecho que no esta siempre
garantizado como se ilustra en la figura 4.7(b). Las iteraciones xn xn+1 se detienen:
Bien cuando la diferencia (tolerancia) |xn+1 xn | sea menor que un valor prefijado,
Bien cuando el n
umero de iteraciones alcance un tope Nmax preestablecido.
En general, el metodo de Newton converge muy rapidamente a la raz buscada. De hecho, es
facil demostrar que bajo condiciones muy generales (vease [KC94, secci
on 3.2]), si la cantidad
(error en el paso n) en = |e
x xn | es peque
na, entonces en+1 = O(e2n ) (vease el problema 4.4).
Esto significa que el error disminuye cuadraticamente, es decir, que el metodo converge muy
rapidamente.
226
Metodos numericos
I Ejemplo 4.8
En este ejemplo vamos a ver como se calcula la raz cuadrada R de un n

umero cualquiera R mediante
el metodo de Newton.
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
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.
4.4.4. Metodo de la secante

El metodo de Newton tiene el defecto de que requiere conocer la derivada de la funcion f (x)
cuyo cero queremos hallar y esto no es siempre factible. El metodo de la secante es muy similar
al de Newton pero no requiere el conocimiento de esta derivada. La idea clave en el metodo de la
secante consiste en sustituir la derivada f 0 (xn ) que aparece en la formula del metodo de Newton
[vease la ecuaci
on (4.55)] por una expresi
on aproximada:
f 0 (xn )
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
4.5 Ecuaciones diferenciales ordinarias con condiciones iniciales
f(x)
~
x
n+1
n-1

on grafica del metodo de la secante.
En definitiva, la formula del metodo de la secante, equivalente a la formula (4.55) del metodo de
Newton, es

xn xn1
.
(4.57)
xn+1 = xn f (xn )
f (xn ) f (xn1 )
Puede verse la interpretaci

on gr
afica de este procedimiento en la figura 4.8. Para calcular la
estimacion xn+1 es preciso conocer las dos estimaciones anteriores xn y xn1 , por lo que al
comenzar el calculo de la raz x
e debemos proporcionar dos valores (estimaciones) iniciales: x0 y
x1 .
4.5. Ecuaciones diferenciales ordinarias con condiciones iniciales

En el proximo captulo 5, dedicado a las ecuaciones diferenciales no lineales, veremos la tremenda utilidad de los metodos numericos de resoluci
on de ecuaciones diferenciales ordinarias. Por
ejemplo, cuando estudiemos las ecuaciones de Lorenz se vera que carecen de soluciones analticas
(ni exactas ni aproximadas) y que su resoluci
on numerica es casi la u
nica herramienta disponible
para analizar el comportamiento de sus soluciones. Esta situacion es de lo m
as corriente cuando
tratamos con ecuaciones no lineales. Las figuras 4.9 y 4.10 pretenden ilustrar esta situacion. En
ellas se representan las soluciones numericas de dos osciladores amortiguados. En la figura 4.9 se
representa la solucion del oscilador lineal
y 00 (x) +
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
Figura 4.9: Solucion del oscilador lineal

y 00 (x) + 00 1y 0 (x) + y(x) = 10 cos(x) con las
condiciones iniciales y(0) = 1, y 0 (0) = 0.
20
30
40
50 x
Figura 4.10: Solucion del oscilador no lineal

y 00 (x) + 00 1y 0 (x) + y 3 (x) = 10 cos(x) con las
condiciones iniciales y(0) = 1, y 0 (0) = 0.
Lo haremos as debido a que:

Las ecuaciones diferenciales de primer orden son muy simples de modo que los metodos que
estudiemos seran m
as faciles de entender al no quedar oscurecidos por las complejidades
propias de las ecuaciones diferenciales de orden superior.
Los metodos son identicos para ecuaciones (o sistemas) de orden superior cambiando s
olo
la complejidad formal y la longitud de las manipulaciones (generalmente de naturaleza
meramente algebraica).
Algunas definiciones
Llamaremos (x) a la solucion exacta de la ecuaci
on diferencial
y 0 (x) = f (x, y)
cuya condici
on inicial es
y(x0 ) = y0 .
Es decir, (x) satisface la relaci
on

0 (x) = f x, (x)
con
(x0 ) = y0 .
(4.58)
El resultado de una resoluci

on (o integracion) numerica de una ecuaci
on diferencial ordinaria
es la estimaci
on aproximada del valor de la solucion (x) en un conjunto finito de puntos xn con
i = 0, 1, . . . . Denotaremos por yn justamente a esta estimaci
on numerica de (x) en el punto
n-esimo, es decir, a la estimacion de (xn ): yn ' (xn ). En muchas ocasiones los puntos xn se
escogen de forma equiespaciada: h = xn+1 xn . En este caso xn = x0 + nh. El n
umero h es el
tama
no del paso.
4.5.1. Metodo de Euler

Es el metodo m
as sencillo, y por ello el m
as u
til, para presentar las ideas fundamentales de la
integracion numerica de ecuaciones diferenciales ordinarias. Sin embargo no es, ni mucho menos,
el mejor de los metodos numericos. Su interes es principalmente academico.
229
Empezamos integrando la relaci

on (4.58) entre x0 y x1 :
Z x1
Z x1

f x, (x) dx =
0 (x) dx = (x1 ) (x0 ),
x0
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.
El error que se comete es de orden h2 pues (x1 ) = y1 + O(h2 ).

Para estimar ahora el valor
de (x) en el siguiente punto x2 , procedemos como antes e

integramos 0 (x) = f x, (x) entre x1 y x2 :
Z x2
Z x2

0
(x) dx = (x2 ) (x1 ) =
f x, (x) dx.
x1
x1
Aproximando nuevamente la integral mediante la regla del rectangulo se tiene que

Z x2

f x, (x) dx ' f x1 , (x1 ) (x2 x1 ),
x1
y por tanto

(x2 ) ' (x1 ) + f x1 , (x1 ) (x2 x1 ).
230
Metodos numericos
Ahora encontramos una dificultad nueva: no sabemos cu

anto vale la solucion exacta en el punto
izquierdo pues (x1 ) es desconocido. Antes (x0 ) era conocido pues vena dado por las condiciones
iniciales: (x0 ) = y0 . En el metodo de Euler esta dificultad se resuelve aproximando (x1 ) por
y1 :

(x2 ) ' (x1 ) + f x1 , (x1 ) (x2 x1 )
' y1 + f (x1 , y1 ) (x2 x1 )
o bien
(x2 ) ' y1 + f (x1 , y1 ) h.
Al miembro derecho de esta ecuaci
on lo llamaremos y2 :
y2 y1 + f (x1 , y1 ) h.
(4.61)
Por tanto y2 es la 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)

on grafica del metodo de Euler e interpretaci
on geometrica del error debido
a la discretizacion. (a) en = (xn+1 ) yn+1 ; (b) En = (xn ) yn .
1. La primera fuente de error es la inexactitud de la formula discretizada. El error que se
comete al calcular yn+1 mediante la formula discretizada suponiendo que yn fuera el valor
exacto, se conoce como error de discretizaci
on local, en , del n-esimo paso de integracion:
en = (xn+1 ) yn+1
siendo yn (xn ) exacto.
(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)
En el ejemplo anterior tenamos que
E2 = (00 2) y2 = 10 2428 10 22 = 00 02.

No es difcil demostrar [KC94] que el error de discretizacion local que se comete en el metodo
de Euler es de orden h2 si f (x, y) y sus primeras derivadas parciales son continuas en la
regi
on de integracion. En la figura 4.11 se muestra gr
aficamente en que consiste el error de
discretizacion local y el error de discretizacion acumulado.
2. La segunda fuente de error es el n
umero finito de dgitos con los que se representan los n
umeros en los calculos numericos. Obviamente, este error puede reducirse usando un n
umero
mayor de dgitos. El error de redondeo acumulado se define por
Rn = yn Yn ,
(4.65)
siendo Yn el valor calculado real e yn el que debera haberse calculado si la precisi

on de
nuestros calculos fuera infinita. Este tipo de error es difcil de analizar.
El error total esta acotado por |En | + |Rn |:
|(xn ) Yn | = |(xn ) yn + yn Yn |
|(xn ) yn | + |yn Yn |
|En | + |Rn |.
232
Metodos numericos
4.5.2. Metodo del desarrollo de Taylor

En la ecuaci
on (4.60) mostramos que el el metodo de Euler se puede entender como procedente
del truncamiento en el orden h de la serie de Taylor

h2 d2
h3 d3
d
+
+
+ ...
(4.66)
(xn+1 ) = (xn ) + h
dx xn
2! dx2 xn
3! dx3 xn

h2 df (x, (x))
h3 d2 f (x, (x))
= (xn ) + h f (xn , (xn )) +
(4.67)
+ 3!
+ ...
2!
dx
dx2
xn
xn
Es evidente que podemos mejorar la estimacion del metodo de Euler si retenemos m

as terminos
del desarrollo de Taylor. Por ejemplo, si truncamos a partir del termino de orden h2 , la formula
sera:
(xn+1 ) =(xn ) + h f (xn , (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)
cuyo error local de orden h3 .

La generalizaci
on a
ordenes m
as altos es inmediata. Sin embargo, este metodo tiene como
desventajas que:
Requiere evaluar previamente las derivadas parciales fx , fy , fxx , . . . de f (x, y). Sin embargo,
la existencia de programas de calculo simbolico hace que este requerimiento sea menos
penoso y m
as fiable que cuando, en los viejos buenos tiempos, haba que hacerlo a mano.
No es factible si estas derivadas parciales no existen. Sin embargo, esto no es lo habitual.
4.5.3. Metodo de Euler Modificado

Dado que (x) satisface la relaci
on 0 (x) = f x, (x) , se tiene que
Z xn+2

(xn+2 ) (xn ) =
f x, (x) dx.
(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
De hecho sabemos [vease la ecuaci

on (4.23)] que el error que se comete al usar esta regla de
3
integracion es de orden h , es decir,
Z xn+2

f x, (x) dx = 2h f xn+1 , (xn+1 ) + O(h3 ).
(4.72)
xn
Usando yn+1 en vez de (xn+1 ) se obtiene la relaci

on
Z xn+2

f x, (x) dx ' 2h f (xn+1 , yn+1 ).
xn
La formula discretizada del metodo de Euler modificado es por tanto

yn+2 = yn + 2h f (xn+1 , yn+1 ).
(4.73)
Para calcular yn+2 , es preciso conocer los dos puntos anteriores, yn+1 e yn . Por esta 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.
Recuerdese que la soluci

on exacta de esta ecuaci
on es (x) = 1 x + 2 ex . Al igual que hicimos en el
0
ejemplo anterior, tomamos h = 0 1 como tama
no del paso. Hemos primero de calcular y1 . Lo haremos
mediante la serie de Taylor:
y(0) = 1,
y 0 (x) = f (x, y) = x + y,
y 00 (x) = fx + f (x, y)fy = 1 + (x + y)1 = 1 + x + y,
luego
y 0 (0) = f (0, 1) = 0 + 1 = 1,
y 00 (0) = 1 + 0 + 1 = 2.
Utilizando la expresi
on (4.74), tenemos entonces que
y1 = 1 + h + 2
h2
= 1 + 00 1 + (00 1)2 = 10 11 .
2
234
Metodos numericos
La formula de Euler modificada es para este ejemplo igual a

yn+2 = yn + 2 00 1[xn+1 + yn+1 ],
luego tenemos que
y2 = 1 + 00 2[00 1 + 10 11] = 10 242.
El valor exacto es (00 2) = 10 2428. El metodo de Euler modificado ha proporcionado una estimacion
y2 = 10 24 bastante mejor que el metodo de Euler simple, el cual conduca a y2 = 10 22.
J
4.5.4. Metodos Predictor-Corrector

Presentaremos aqu dos metodos de este tipo: el metodo de Euler mejorado y el metodo de
Milne.
Metodo de Euler mejorado o metodo de Heun
Aproximamos la integral de
(xn+1 ) (xn ) =
xn+1
xn

f x, (x) dx
mediante la formula del trapecio [vease la ecuaci

on (4.29)]:
Z xn+1

h
f x, (x) dx = [f (xn , yn ) + f (xn+1 , yn+1 )] + O(h3 )
2
xn
h
' [f (xn , yn ) + f (xn+1 , yn+1 )] ,
2
para obtener la formula discretizada del metodo de Euler mejorado o metodo de Heun:
yn+1 = yn +
h
[f (xn , yn ) + f (xn+1 , yn+1 )] .
2
(4.75)
Este metodo es aparentemente in

util porque el valor que queremos hallar, yn+1 , aparece en el
argumento de f (x, y) en el miembro derecho de la formula de discretizacion. Para solventar este
problema, lo que se hace es predecir este valor mediante otro metodo (con el de Euler, por
ejemplo). El valor estimado mediante este otro metodo es el valor predictor y lo denotaremos por
yen+1 . Es justamente este valor el que se usa en el miembro derecho de la ecuaci
on de discretizacion
17
(4.75) para hallar un nuevo valor, es decir el valor corregido de yn+1 :
yn+1 = yn +
h
[f (xn , yn ) + f (xn+1 , yen+1 )] .
2
(4.76)
Si utilizamos el metodo de Euler simple como metodo predictor se tendra que

yen+1 = yn + h f (xn , yn ),
por lo que la formula discretizada (4.76) se reducira en definitiva a

yn+1 = yn +

h
f (xn , yn ) + f xn+1 , yn + h f (xn , yn ) .
2
Esta formula es conocida como formula de Heun.

17
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
mediante la formula de Simpson:

Z xn+2

h
f x, (x) dx = [f (xn , yn ) + 4f (xn+1 , yn+1 ) + f (xn+2 , yn+2 )] + O(h5 )
3
xn
h
' [f (xn , yn ) + 4f (xn+1 , yn+1 ) + f (xn+2 , yn+2 )],
3
para obtener la formula discretizada del metodo de Milne:
yn+2 = yn +
h
[f (xn , yn ) + 4f (xn+1 , yn+1 ) + f (xn+2 , yn+2 )].
3
Como en el caso anterior, resulta que el valor que pretendemos hallar, yn+2 , aparece en el argumento de f (x, y) en el miembro derecho de la 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).
4.5.5. Metodos de Runge-Kutta

Estos son metodos muy populares por su facilidad de programaci
on mediante ordenador y
por la gran precisi
on que pueden alcanzar. Los metodos de Runge-Kutta de orden m se dise
nan
para reproducir la estimacion de n+1 n que proporciona la serie de Taylor

d
1 d2 2
1 dm m
(xn+1 ) (xn ) =
h
+
h
+
+
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)
km = f [xn + am h, yn + bm,1 k1 + + bm,m1 km1 ] h.
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
En el metodo de Runge-Kutta de orden 2 se pretende hallar una formula de discretizacion de

este tipo:
yn+1 = yn + 1 k1 + 2 k2
(4.82)
con
k1 = f (xn , yn )h,
k2 = f (xn + a h, yn + b k1 )h,
(4.83)
donde {1 , 2 , a, b} son par

ametros a determinar de modo que el error local en = (xn+1 ) yn+1
sea, como mnimo, de orden h3 . Por la definicion de error local asumimos que (xn ) yn .
Calculamos (xn+1 ) mediante serie de Taylor hasta orden h2 :

1 d2 2
d
h+
h + O(h3 )
(4.84)
(xn+1 ) = (xn + h) = (xn ) +
dx n
2 dx2 n
donde

d
d
= [f (x, y)]xn = f (xn , yn ),

dx n
dx xn

f
d
d2
dy f
d2
=
=
= fx (xn , yn ) + f (xn , yn )fy (xn , yn ) .
f x, y(x)
+
dx2 n
dx2 xn
dx
x dx y n
n
En definitiva, tenemos que
(xn+1 ) = yn + h f (xn , yn ) +
h2
h2
fx (xn , yn ) + f (xn , yn )fy (xn , yn ) + O(h3 ).
2
2
(4.85)
237
Por otro lado, usando las expresiones de k1 y k2 de (4.83) en (4.82) se obtiene

yn+1 = yn + 1 h f (xn , yn ) + 2 h f [xn + a h, yn + b h f (xn , yn )].
(4.86)
Pero mediante el desarrollo en serie de Taylor de la funcion de dos variables f [xn + a h, yn +

b h f (xn , yn )] en torno a xn e yn se encuentra que
f [xn + a h, yn + b h f (xn , yn )] = f (xn , yn ) + a h fx (xn , yn ) + b h f (xn , yn ) fy (xn , yn ) + O(h2 ).
Insertando este resultado en (4.86) obtenemos
yn+1 = yn + (1 + 2 ) h f (xn , yn ) + a 2 h2 fx (xn , yn ) + b 2 h2 f (xn , yn )fy (xn , yn ) + O(h3 ).
Restando esta ecuaci
on de la ecuaci
on (4.85) se encuentra que el error local en = (xn+1 ) yn+1
es igual a

1
a 2 h2 fx (xn , yn )
en =(1 1 2 ) h f (xn , yn ) +
2

1
+
b 2 h2 f (xn , yn )fy (xn , yn ) + O(h3 ).
2
Podemos hacer que el error local en sea cero hasta orden h2 si elegimos los par
ametros {1 , 2 , a, b}
de modo que
1
1
b 2 = .
(4.87)
1 + 2 = 1,
a 2 = ,
2
2
Esto significa que en este metodo (metodo de Runge-Kutta de orden 2) el error local sera de
orden h3 : en = O(h3 ).
En (4.87) hay tres ecuaciones y 4 par
ametros a determinar, por lo que la solucion de estas
ecuaciones no es u
nica. Tenemos pues la libertad de elegir entre las soluciones posibles. Por
ejemplo, si escogemos a = 1 nos encontramos que
(
b = 1,
1
a = 1 2 =
2
1 = 12 .
Se tiene entonces que la ecuaci
on (4.82) se convierte en
1
1
yn+1 = yn + h f (xn , yn ) + h f [xn + h, yn + h f (xn , yn )]
2
2
1
= yn + (k1 + k2 ),
2
(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
equivalente a la formula del metodo de Euler modificado sin m

as que hacer h h/2 en la
expresi
on (4.73).
Metodo Runge-Kutta de cuarto orden
En el metodo de Runge-Kutta de orden 4 la formula discretizada es de la forma
yn+1 = yn + 1 k1 + 2 k2 + 3 k3 + 4 k4 ,
con
k1 = f (xn , yn )h ,
k2 = f [xn + a2 h, yn + b21 k1 ]h ,
k3 = f [xn + a3 h, yn + b31 k1 + b32 k2 ]h ,
k4 = f [xn + a4 h, yn + b41 k1 + b42 k2 + b43 k3 ]h .
Los coeficientes i , aj bkl se buscan de modo que el error local en = (xn+1 ) yn+1 sea cero
hasta orden h4 , es decir, en = O(h5 ). Expresando, tal como hicimos en el metodo de RungeKutta de orden 2, el desarrollo de Taylor de (xn + h) e yn+1 en terminos de derivadas parciales
de f (x, y) e identificando coeficientes, se obtendra un sistema algebraico de 11 ecuaciones para
los 13 par
ametros {1 , 2 , 3 , 4 , a2 , a3 , a4 , b21 , b31 , b32 , b41 , b42 , b43 } a determinar.18 Podemos, por
ejemplo, elegir arbitrariamente 2 = 3 = 13 y hallar el resto de los coeficientes mediante las 11
ecuaciones. El resultado es
1
1 = ,
6
1
1
1
a2 = ,
b21 = ,
2 = ,
3
2
2
1
1
1
3 = ,
a3 = ,
b31 = 0,
b32 = ,
3
2
2
1
4 = ,
a4 = 1,
b41 = 0,
b42 = 0,
b43 = 1.
6
En definitiva, tendramos
yn+1 = yn +
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
Pueden verse los detalles de este desarrollo en la referencia [Myi78]
(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,
en el punto x = 00 2 mediante el metodo de Runge-Kutta de orden 2 y orden 4 usando un paso igual a

h = 00 2.
Orden 2:
La ecuaci
on de Runge-Kutta de segundo orden es
1
yn+1 = yn + (k1 + k2 ),
2
con
k1 = f (xn , yn ) h,
k2 = f [xn + h, yn + h f (xn , yn )] h.
En nuestro ejemplo se tiene que
h = 00 2 ,
y(0) = y0 = 1 ,
por lo que los valores de k1 y k2 son
k1 = (0 + 1) 00 2 = 00 2,
k2 = (00 2 + 10 2) 00 2 = 00 28.
240
Metodos numericos
Por tanto encontramos que

1 0
(0 2 + 00 28)
2
= 1 + 00 24
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
k4 = f (0 + 00 2, 1 + 00 244) 00 2 = (00 2 + 10 244) 00 2 = 00 2888,
por lo que la solucion es

1 0
(0 2 + 2 00 24 + 2 00 244 + 00 2888)
6
= 10 2428.
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
4.5.6. Sistemas de ecuaciones de primer orden

Los metodos numericos que hemos presentado en la secci
on anterior estaban dise
nados para
resolver una u
nica ecuaci
on diferencial de primer orden. Sin embargo, su generalizaci
on para
hacerlos aplicables a sistemas de ecuaciones diferenciales de primer orden no es especialmente
difcil. Por ejemplo, para el sistema
dx
= f (t, x, y),
dt
(4.92)
dy = g(t, x, y).
dt
es f
acil demostrar que la 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
actica en Mathematica en la que se compara el metodo de Euler y el de Runge-Kutta de

En www hay una pr
orden 4.
4.6 Metodos numericos para problemas de contorno
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.
4.6. Metodos numericos para problemas de contorno

Hemos visto en la secci
on anterior procedimientos numericos para resolver ecuaciones diferenciales ordinarias con condiciones de iniciales. En esta secci
on nos dedicaremos al estudio de
metodos numericos capaces de resolver ecuaciones diferenciales ordinarias con condiciones de
contorno (CC). Estos metodos suelen ser m
as complicados, menos directos, que los que se usan
para resolver los problemas de condiciones iniciales. Las ecuaciones sobre las que aplicaremos los
metodos seran ecuaciones diferenciales de segundo orden:
y 00 (x) + p(x)y 0 (x) + q(x)y(x) = f (x)
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.
4.6.1. Metodos en diferencias finitas

Estos metodos se basan en la idea de discretizar la funcion incognita y(x) en el intervalo de
interes [a, b]:
y(x) {y0 , y1 , . . . , yn }
donde
y(xm ) ym
con
a = x0 < x1 < < xn1 < xn = b
y traducir las condiciones diferenciales que determinan y(x) (es decir, la ecuaci
on diferencial)
en condiciones algebraicas sobre el conjunto {y0 , . . . , yn }. El siguiente ejemplo debe hacernos
entender esto de un modo m
as claro.
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
Figura 4.12: Discretizado y notaci

on para el ejemplo 4.12.
que satisface las condiciones de contorno
y(0) = 1,
y(1) = e .
(4.95b)
La soluci
on exacta es y(x) = ex , como puede comprobarse 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)
que es una ecuaci

on en diferencias finitas. En lo que sigue denotaremos a esta ecuaci
on (ecuaci
on
de discretizacion de la ecuaci
on diferencial en el punto xm ) mediante el smbolo Em . Es decir,

1
1
h
h
1
2
q(x
)
h
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
CCi=CC izquierda discretizada
E1
E2
En1
CCd=CC derecha discretizada

que sea resoluble. Distinguimos dos posibilidades:20
I. La condicion de contorno no involucra a la derivada (condici

on de contorno de Dirichlet):
y(a) y0 =
20
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
En este caso el sistema en diferencias sera

CCi :
y0 =
y2 2y1 + y0
y2 y0
E1 :
+ p(x1 )
+ q(x1 ) y1 = f (x1 )
h2
2h
............................................................
II. La condicion de contorno involucra a la derivada (condici

on de contorno de Neumann):
1 y(a) + 2 y 0 (a) = .
(4.98)
Veamos dos modos naturales de discretizar esta condici

on de contorno e incluirla junto con las
ecuaciones Em en un sistema sobre {y0 , y1 , . . . , yn } que sea resoluble:
1. Un modo de implementar la condici
on de contorno (4.98) en forma de diferencias finitas
es aproximando y 0 (a) mediante la formula de la derivada lateral derecha de dos puntos:
y 0 (a) ' (y1 y0 )/h [vease la formula (4.16) de la pagina 212]. Por consiguiente la CCi
quedara as
y1 y0
1 y(a) + 2
=
h
y el sistema adoptara la forma
y1 y0
=
1 y(a) + 2
h
y2 2y1 + y0
y2 y 0
E1 :
+ p(x1 )
+ q(x1 ) y1 = f (x1 )
2
h
2h
...........................................................
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
CCdpura : 2 h yn1 + 1 h2 yn + 2 h yn+1 = h2 .

2
2
Obtenemos as un sistema algebraico lineal de n + 3 ecuaciones con n + 3 incognitas.
Observaciones. En los metodos de resoluci

on de ecuaciones diferenciales ordinarias con
condiciones de contorno basados en la discretizacion de la ecuaci
on diferencial sucede que:
La ecuaci
on diferencial ha de ser lineal para que, tpicamente, la resoluci
on del sistema
algebraico sea abordable.
Se requiere mucha memoria de ordenador si utilizamos un n
umero grande de puntos.
A diferencia de los metodos de tiro que expondremos m
as adelante, las condiciones de
0
contorno que involucran a y (x) son faciles de implementar.
4.6.2. Metodos de tiro

Sea el problema de condiciones de contorno

y 00 (x) + H y 0 (x), y(x), f (x) = 0,
y(a) = ,
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
de tiro es dar en el blanco, es decir, determinar el valor m

e de la derivada de y(x) en a, y 0 (a) = m,
e
de tal modo que y(x; m)
e satisfaga tambien la condici
on de contorno a la derecha: y(b, m)
e = .
En definitiva:
Buscamos el valor m
e tal que y(b; m)
e = .
Dicho en otros terminos, hay que encontrar un cero m
e de la funcion F (m) = y(b; m) , es decir,
Buscamos el valor m
e tal que F (m)
e = 0.
La funcion F (m) se calcula integrando numericamente la ecuaci

on diferencial de valores iniciales (4.100) y evaluando la solucion en x = b. El cero de F (m) se puede calcular mediante
los metodos usuales que estudiamos en la secci
on 4.4. Los metodos de tiro, en contraste con los
de diferencias finitas, pueden aplicarse sin dificultades especiales a ecuaciones diferenciales no
lineales.
B Ejercicio 4.13
1. Dise
na un metodo de tiro que permita resolver la ecuaci
on diferencial (4.99) cuando una de las
condiciones de contorno involucra una derivada (condici
on de contorno de Neumann). Por concretar,
supon que
y(a) = ,
y 0 (b) = .
2. Haz lo mismo para el caso en el que ambas condiciones de contorno involucren la derivada. Por
ejemplo, supon que
y 0 (a) = ,
y 0 (b) = .
4.6.3. Metodos iterativos en diferencias

Ilustraremos estos metodos mediante la ecuaci
on
y 00 (x) = f (x).
(4.101)
La generalizaci
on a otro tipo de ecuaciones es inmediata. Si discretizamos la ecuaci
on anterior,
es decir, si la traducimos a su relaci
on equivalente en diferencias tal como hemos hecho en la
secci
on anterior, obtenemos que para cada punto xm la ecuaci
on discretizada es
Em :
ym1 2ym + ym+1 = h2 fm

1
ym1 + ym+1 h2 fm = ym .
2
(4.102)
En los metodos iterativos se interpreta esta ecuaci

on como una asignaci
on

1
ym1 + ym+1 h2 fm ym
2
(4.103)
es decir, como un procedimiento para obtener una 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]
converja. Si llamamos ym a la estimacion de y(xm ) en la n-sima iteraci

on, podemos escribir
(4.104) de un modo m
as conveniente:

1 [n]
[n]
[n+1]
ym
=
(4.105)
ym1 + ym+1 h2 fm .
2
[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
++++++++++++++++++++++++++++++++++++
4.7 Resolucion numerica de la ecuacion de difusion
249
omega= 1.9
n puntos= 50
y en x=1/2 exacto
.4375
iteraci
on=
1, y(x=1/2)=0.007677
iteraci
on=
101, y(x=1/2)=0.437375
iteraci
on=
201, y(x=1/2)=0.437397
iteraci
on=
301, y(x=1/2)=0.437398
iteraci
on=
401, y(x=1/2)=0.437398
iteraci
on=
501, y(x=1/2)=0.437398
iteraci
on=
601, y(x=1/2)=0.437398
iteraci
on=
701, y(x=1/2)=0.437398
iteraci
on=
801, y(x=1/2)=0.437398
iteraci
on=
901, y(x=1/2)=0.437398
iteraci
on= 1001, y(x=1/2)=0.437398
Es evidente la gran influencia que tiene el valor del par

ametro de super-relajaci
on en la rapidez
de la convergencia de las iteraciones.
J
4.7. Resolucion numerica de la ecuacion de difusion

En esta secci
on estudiaremos metodos numericos de resoluci
on de ecuaciones en derivadas
parciales basados esencialmente en las ideas que discutimos en la secci
on 4.6 anterior, es decir,
basadas en la discretizacion de las ecuaciones diferenciales para transformarlas en ecuaciones en
diferencias (es decir, algebraicas). De forma abreviada, nos referiremos a estos metodos como
metodos en diferencias. Son muy numerosas las formas de implementar estas ideas en metodos
numericos eficientes [MM94, Ant02]. Discutiremos en secciones separadas los metodos correspondientes a cada una de las tres clases de ecuaciones en derivadas parciales (parab
olicas, hiperb
olicas
y elpticas) dado que los metodos que son apropiados para cada clase suelen tener caractersticas
comunes. Siendo m
as precisos, desde un punto de vista computacional, lo m
as apropiado sera
clasificar las ecuaciones en derivadas parciales en dos tipos de ecuaciones:
Ecuaciones din
amicas, con evolucion temporal, tales como las ecuaciones parab
olicas e
hiperb
olicas.
Ecuaciones estaticas, como son las ecuaciones elpticas.
La distincion desde un punto de vista computacional entre ecuaciones parab
olicas e hiperb
olicas
no es tan importante porque muchos problemas combinan aspectos parab
olicos e hiperb
olicos
y porque, muy a menudo, la resoluci
on de los problemas hiperb
olicos conlleva ciertos pasos
intermedios en los que hay que resolver problemas parab
olicos.
Notacion
Empecemos mostrando la notaci
on habitual propia de los metodos numericos en diferencias.
Para ello usaremos un ejemplo concreto. Consideremos la siguiente ecuaci
on en derivadas parciales
250
Metodos numericos
(EDP) unidimensional y doblemente inhomogenea

u
2u
= k 2 + Q(x, t) ,
t ( x
u(0, t) = A(t),
CC :
u(L, t) = B(t),
CI :
(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
es el valor de la funcion u(x, t) en la posicion xj en el instante tm :

(m)
u(jx, mt) u(xj , tm ) uj
(m)
es la estimacion numerica (en general aproximada) del valor exacto uj
(m)
es el valor de la funcion Q(x, t) en la posicion xj en el instante tm :
Uj
Qj
(m)
(m)
Q(jx, mt) Qj
Am y Bm son los valores de A(t) y B(t) en tm , respectivamente.
4.7.1. Un metodo explcito para ecuaciones difusivas

Describiremos este metodo aplicandolo a la resoluci
on del siguiente problema difusivo:
2u
u
=k 2,
t
x
con
(
u(0, t) = u(L, t) = 0,
u(x, 0) = f (x).
(4.110)
(4.111)
Si u(x, t) fuera un campo de temperaturas, la ecuaci

on anterior describe el problema de la difusion
del calor en una barra con extremos a temperatura fija nula y temperatura inicial dada por la
funcion f (x).
Para resolver la anterior ecuaci
on numericamente hemos de discretizarla, es decir, hemos
de hallar la ecuaci
on en diferencias correspondiente mediante la sustituci
on de los operadores
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)
= u(jx, 0) = f (jx) = f (xj ) fj .
(4.115)
Despreciando el error de truncamiento T (xj , tm ), la ecuaci

on (4.112) se transforma en una
(m)
expresi
on aproximada que nos permitira estimar uj . Como a estas estimaciones las denotamos
(m)
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)
Lateral? Aqu sera m

as natural hablar de derivadas hacia delante o hacia atr
as, dado que usualmente
tendemos a pensar que el tiempo avanza hacia delante y no hacia los lados. Si aceptamos esto, deberamos decir
que hemos usado una derivada hacia delante (o delantera) de dos puntos.
252
Metodos numericos
0.5
0.4
0.3
0.2
0.1
0.2
0.4
0.6
0.8
Figura 4.14: Soluci

on numerica mediante el metodo explcito de la formula (4.117) de la EDP (4.118)
0
con (t = 0 0025, x = 00 1), es decir, con S = 1/4, para t = 0, 00 01, 00 02, 00 03, 00 04, 00 08, 00 16.
Esta ecuaci
on la escribiremos de este modo mas conveniente:
(m+1)
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)
mediante el metodo explcito, ecuaci

on (4.117), usando diferentes valores de (t, x).
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
actica en Mathematica donde se resuelve este problema de difusi

on unidimensional.
En www hay una pr
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)
Figura 4.15: Solucion numerica mediante el metodo explcito de la f

ormula (4.117) de la EDP (4.118)
con (t = 00 01, x = 00 1), es decir, con S = 1, para (a) t = 0 (lnea discontinua) y t = 00 02 (lnea
continua) y (b) t = 0, 00 01, 00 02, 00 03, 00 04.
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
pero lo que es siempre cierto es que el algoritmo sera estable si S 1/2.

Vale la pena notar que si se escoge S = 1/2, la formula (4.117) se reduce a
(m+1)
Uj
i
1 h (m)
(m)
Uj1 + Uj+1 .
2
(4.121)
Esta formula es bien facil de recordar: la temperatura (solucion) en el instante tm+1 = tm + t

en un punto xj es igual al valor medio de la temperatura de sus vecinos en el instante anterior
tm .
Eficiencia-coste
N
on S = k t/(x)2 1/2 implica que el valor de t que elijamos debe
verificar que
(x)2
t
,
(4.122)
2k
es decir, si discretizamos finamente la posicion para alcanzar una buena precisi
on, esto es, si
escogemos x peque
no, resulta entonces que t es muy, muy peque
no, por lo que avanzar en el
tiempo con saltos tan diminutos resulta computacionalmente muy costoso. Esto adem
as puede
conducir a perdida de precisi
on por acumulacion de errores de redondeo.
EDP no homogenea
La generalizaci
on del metodo explcito que acabamos de ver a ecuaciones diferenciales parciales
no homogeneas23 es inmediata. Es facil ver que la versi
on discretizada de
u
2u
= k 2 + Q(x, t),
t ( x
u(0, t) = A(t),
CC:
u(L, t) = B(t),
CI:
u(x, 0) = f (x),
vendra dada por

(m+1)
uj
(m)
(m)
uj
=k
(m)
uj1 2uj
(x)2
(m)
+ uj+1
+ Q(jx, mt) + T (xj , tm )
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
i
2
2
2
1 h
u(x, t) = e20 (x1/2) / e20 (x3/2) / e20 (x+1/2) /
con = 1 + 80t. El programa es el siguiente:

Programa EDPEXPLI.BAS
DEF fngauss (x, t) = EXP(-20 * (x - .5) ^ 2 / (1 + 80 * t)) / SQR(1 + 80 * t)
DEF fnexacta (x, t) = fngauss(x, t) - fngauss(x - 1, t) - fngauss(x + 1, t)
n = 30 numero de puntos (escojase par)
DIM u(n)
CLS
ix = 1 / n
dt = .0005
dt=discretizado temporal
itmax = 200
numero maximo de iteraciones
saltot = 40
mostraremos los resultados cada saltot iteraciones
s = dt / ix ^ 2 parametro S
PRINT "numero de puntos="; n
PRINT "dx="; ix;
PRINT ",
dt="; dt;
PRINT ",
S="; s
PRINT "numero de saltos="; itmax; ", t final="; itmax * dt
PRINT
t = 0
u(0) = 0: u(n) = 0
FOR i = 1 TO n - 1
u(i) = fnexacta(i * ix, 0)
NEXT i
PRINT "Errores en el punto medio para varios tiempos:"
FOR it = 1 TO itmax
uvieja = 0
FOR i = 1 TO n - 1
unueva = u(i) + s * (uvieja + u(i + 1) - 2 * u(i))
uvieja = u(i)
u(i) = unueva
NEXT i
IF it MOD saltot = 0 THEN
t = dt * it
dif = fnexacta(ix * n / 2, t) - u(n / 2)
PRINT USING "tiempo=#.######, error=#.#########"; t; dif
24
Pueden verse m
as detalles en [Koo86].
256
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
Otro metodo explcito: Metodo de Richardson

Este metodo pretende mejorar al metodo explcito anterior disminuyendo el error de discretizado que se comete al evaluar la derivada temporal. Para ello, se sustituye la derivada (temporal)
delantera de dos puntos (vease la nota al pie de la pagina 251) por la formula de diferencias
centrales de dos puntos
(m+1)
(m1)
uj
uj
u
=
+ O(t)2 ,
t
2t
de modo que ahora el error de discretizacion es de orden (t)2 [vease la formula (4.14) en la
pagina 212]. Usando esta relaci
on, la ecuaci
on de difusion discretizada (en diferencias) queda
(m+1)
Uj
(m)
(m1)
Uj
=k
2t
(m)
Uj1 2Uj
(x)2
(m)
+ Uj+1
obteniendose la siguiente ecuaci

on explcita:
(m+1)
Uj
(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]).
4.7.2. El metodo implcito de Crank-Nicholson

En el metodo explcito (por supuesto, no en el de Richardson) que hemos visto en la secci
on
anterior, discretizabamos la EDP
2u
u
=k 2
t
x
aproximando la derivada temporal por la derivada frontal en diferencias de dos puntos:

(m+1)
(m)
uj
uj
u
'
.
t (xj ,tm )
t
Desde luego, lo m
as natural es interpretar
(m+1)
uj
(m)
uj
(4.126)
como la formula frontal en diferencias de la primera derivada de u(x, t) en el punto (xj , tm )

de dos puntos. Sin embargo, es posible interpretar la formula (4.126) de otro modo: podemos
ver la formula como la derivada central en diferencias de tres puntos de u(x, t) con respecto a t
evaluada en el punto intermedio (xj , tm + t/2). Es decir,

u(xj , tm + t) u(xj , tm )
u
+ O(t/2)2 .
(4.127)
=

t (xj ,tm + t )
t
2
Para completar la discretizacion de la EDP en este punto intermedio debemos proporcionar
la derivada segunda espacial en este punto intermedio. Como hacerlo si s
olo sabemos de u(x, t)
en los puntos no intermedios (xj , tm )? Un modo bastante natural de resolver este problema es
258
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
(en este caso el metodo se llama de Crank-Nicholson) y la ecuaci

on
(m+1)
+ 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
Para simplificar la notaci

on escribiremos esta relaci
on sin superndice temporal as:
Uj+1 = j Uj + j ,
(4.133a)
pero no debe olvidarse que j y j pueden depender del tiempo tm . Los valores de j y j vienen
dados por
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,
con condiciones de contorno u(0, t) = u(1, t) = 0 y 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
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
Los resultados obtenidos con el programa para distintas elecciones de x y t son:

1. x = 1/30 y t = 00 0005 (luego S = 00 45):
dt= .0005 ,
dx 3.333334E-02 ,
S= .45

numero de pasos= 200 ,
Errores en punto
tiempo=0.020000,
tiempo=0.040000,
tiempo=0.060000,
tiempo=0.080000,
tiempo=0.100000,
261
t final= .1
medio para varios tiempos:

error=-.000533998
error=0.002127796
error=0.005351275
error=0.007616609
error=0.008715063
Valores para varias posiciones en el tiempo=0.100000

u( 5)=0.1127E+00, exacta=0.1298E+00
u(10)=0.2123E+00, exacta=0.2260E+00
u(15)=0.2524E+00, exacta=0.2611E+00
u(20)=0.2215E+00, exacta=0.2260E+00
u(25)=0.1287E+00, exacta=0.1298E+00
2. x = 1/30 y t = 00 001 (luego S = 00 9):

dt= .001 ,
dx 3.333334E-02 ,
S= .9
t final= .1
Errores en punto
tiempo=0.020000,
tiempo=0.040000,
tiempo=0.060000,
tiempo=0.080000,
tiempo=0.100000,

error=-.000491738
error=0.002137989
error=0.005351812
error=0.007614762
error=0.008712739

u( 5)=0.1127E+00, exacta=0.1298E+00
u(10)=0.2123E+00, exacta=0.2260E+00
u(15)=0.2524E+00, exacta=0.2611E+00
u(20)=0.2215E+00, exacta=0.2260E+00
u(25)=0.1287E+00, exacta=0.1298E+00
3. x = 1/30 y t = 00 01 (luego S = 9):

dt= .01 ,
dx 3.333334E-02 ,
S= 8.999999
t final= 9.999999E-02
Errores en punto
tiempo=0.020000,
tiempo=0.040000,
tiempo=0.060000,
tiempo=0.080000,
tiempo=0.100000,

error=0.004702628
error=0.003842652
error=0.005907238
error=0.007922173
error=0.008969218

u( 5)=0.1126E+00, exacta=0.1298E+00
u(10)=0.2120E+00, exacta=0.2260E+00
u(15)=0.2521E+00, exacta=0.2611E+00
u(20)=0.2214E+00, exacta=0.2260E+00
u(25)=0.1286E+00, exacta=0.1298E+00
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
4.7.3. Condiciones de contorno que involucran a la derivada

En los apartados anteriores discutimos el modo de resolver EDPs mediante un metodo explcito e implcito cuando en las condiciones de contorno no apareca ninguna derivada (espacial, por
supuesto). Cuando en las condiciones de contorno aparece alguna derivada (condiciones de contorno de Neumann), los procedimientos anteriores no se pueden aplicar sin m
as. En este apartado
discutiremos como proceder en estos casos.
Por concretar, supongamos que la condici
on de contorno en x = a (a la izquierda) es

u
= A(t).
x (x=0,t)
Expresamos esta condici

on diferencial en forma de diferencias mediante la formula de la derivada
central de tres puntos:
(m)
(m)
U1 U1
= A(tm ) Am .
2x
Luego la solucion estimada U en el punto ficticio x1 = a x viene dada por
(m)
(m)
U1 = U1
2x Am .
(4.134)
Podemos usar esta relaci

on junto con la derivada lateral derecha (delantera) de dos puntos en el
(m)
(m+1)
(m)
tiempo y la central de tres puntos en el espacio26 para obtener U0
en terminos de U1 , U0
(m)
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)
Escribe para este caso la relaci

on equivalente a (4.134) y (4.135).
26
Esto es equivalente a decir que usamos el metodo explcito para hallar los valores de u sobre la frontera.
263
4.7.4. Ecuaciones difusivas bidimensionales

Los procedimientos numericos para resolver esta clase de ecuaciones bidimensionales (o de
dimension a
un mayor) no difieren esencialmente de los que hemos estudiado en la secci
on anterior
para el caso unidimensional.
La ecuaci
on de difusion en dos dimensiones es
2

u
u
u
=k
+
.
(4.136)
t
x2 y 2
Discretizamos la regi
on en donde se busca la solucion de la EDP utilizando separaciones de
(m)
tama
no x, y, t. Denotaremos por uj,l al valor de la solucion u(x, y, t) en los nudos (xj =
jx, yl = ly, tm = mt):
(m)
uj,l u(jx, ly, mt),
j = 0, . . . , Nx ,
(m)
l = 0, . . . , Ny
(4.137)
(m)
y por Uj,l a la estimacion numerica del valor exacto uj,l .

Nos limitaremos en esta secci
on a describir un metodo explcito para resolver la anterior
ecuaci
on diferencial. Empezamos discretizando la EDP usando la derivada lateral derecha (o
delantera) de dos puntos para la derivada en t y derivadas centrales tres puntos en x e y para las
derivadas segundas espaciales:

(m)
(m)
(m)
uj1,l 2uj,l + uj+1,l
2 u
=
+ O(x)2 ,
x2 (xj ,yl ,tm )
(x)2

(m)
(m)
(m)
uj,l1 2uj,l + uj,l+1
2 u
=
+ O(y)2 ,
y 2 (xj ,yl ,tm )
(y)2

(m+1)
(m)
uj,l
uj,l
u
=
+ O(t).
t (xj ,yl ,tm )
t
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)

(m+1)
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
Si hacemos x = y, se tiene que

(m+1)
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)
Uj+1,l + Uj1,l + Uj,l1 + Uj,l+1

4
(4.140)
264
Metodos numericos
Es decir, la temperatura en el instante tm+1 = tm + t en un punto xj es igual al valor medio

de la temperatura de sus vecinos en el instante anterior tm .27
B Ejercicio 4.18
Generaliza las f
ormulas de esta secci
on para el caso de ecuaciones difusivas tridimensionales.
4.8. Resolucion numerica de la ecuacion de ondas

Nos centraremos en la ecuacion de ondas unidimensional. La generalizaci
on a otras dimensiones es inmediata. Sea la ecuacion de ondas unidimensional
2u
2u
= c2
2
x2
t
(4.141)
con condiciones iniciales

u(x, 0) = f (x),

u
= g(x).
t
(4.142)
x,t=0
Procediendo como en las secciones anteriores, es f

acil obtener la ecuaci
on discretizada correspondiente a la EDP (4.141) en el punto (xj , tm ):
(m1)
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)
Los errores cometidos en la discretizaci

on son de orden (x)2 y (t)2 porque hemos usado la
f
ormula de la derivada segunda central de tres puntos.
(m+1)
En la ecuacion (4.143), para calcular Uj
es necesario conocer Uj1 , Uj y Uj+1 en los
(1)
dos instantes inmediatamente anteriores tm y tm1 . En particular, para calcular Uj

(0)
Uj1 ,
(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 ),
on numerica de un problema difusivo

En www hay un cuaderno de Mathematica que trata sobre la resoluci
bidimensional.
4.9 Resolucion numerica de la ecuacion de Laplace
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)
dan lugar a la ecuaci

on
(1)
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.
4.9. Resolucion numerica de la ecuacion de Laplace

En lo que sigue nos centraremos en la ecuaci
on de Laplace 2 u = 0, aunque debiera ser
evidente como generalizar los resultados que siguen a la ecuaci
on de Poisson 2 u = (~r).
La ecuaci
on de Laplace
2 u = 0
(4.147)
suele acompa
narse de condiciones de contorno en las que se especifica el valor de u sobre la
frontera cerrada. Para el caso bidimensional y procediendo como en la secci
on anterior 4.7.4, es
facil ver que la versi
on discretizada de (4.147) viene dada por [vease (4.138)]
Uj1,l 2Uj,l + Uj+1,l Uj,l1 2Uj,l + Uj,l+1
+
= 0.
(x)2
(y)2
Si x = y, se tiene que
Uj+1,l + Uj1,l + Uj,l1 + Uj,l+1 4Uj,l
= 0,
(x)2
(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 =
R. Courant, K. O. Friedrichs y H. Lewy, Uber

die partiellen Differenzengleichungen der mathematischen Physik,
Math. Ann. (1928) 100, 32
28
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.
4.9.1. Metodos iterativos

Metodo de Jacobi
Este en un metodo iterativo que, en comparacion con los metodos de Gauss-Seidel y superrelajaci
on que se discuten m
as adelante, converge lentamente. Su utilidad es por tanto m
as bien
pedagogica por ser punto de partida para la discusion de metodos m
as eficientes.
Partimos de la ecuaci
on de Laplace discretizada (4.149):
Uj,l =
Uj+1,l + Uj1,l + Uj,l1 + Uj,l+1

.
4
(4.150)
Si los valores U, del miembro derecho fueran los correctos, es decir, aquellos que se obtienen al
resolver (4.149), es obvio que la cantidad
Uj+1,l + 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]
donde denotamos por Uj,l a la estimacion de u(xj , yl ) en la m-esima iteraci

on. Si Uj,l converge
[]
(m)
[]
para m , es decir, si Uj,l = lmm Uj,l , entonces Uj,l satisface la ecuaci

on de Laplace
discretizada (4.150).
4.9 Resolucion numerica de la ecuacion de Laplace
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
Figura 4.16: Esquema de actualizaci

on de los valores en el metodo de Gauss-Seidel.
Metodo de Gauss-Seidel
Este es un metodo iterativo que converge m
as rapidamente a la solucion de la EDP que
el metodo de Jacobi. Consiste esencialmente en la iteracion de Jacobi (4.153) aunque con una
[m+1]
importante diferencia: al calcular Uj,l
mediante el promedio del miembro derecho de (4.153) se
[n]
utilizan los valores de U, m

as actualizados que se conozcan, lo que significa que n no sera siempre
igual a m y que en algunos puntos se tendr
a que n = m+1 (vease la figura 4.16). Seg
un el esquema
[m+1]
se calcula mediante la formula
de barrido mostrado en la figura 4.16, se tiene que Uj,l
[m+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]
del cambio Uj,l

Uj,l que se obtendra mediante la formula de Gauss-Seidel. Usando la
expresi
on (4.154), esta diferencia se puede escribir as:
[m+1]
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
Puede verse una discusi

on algo m
as detallada de estos metodos iterativos en la secci
on 13.8 de [Ant02]
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
Figura 4.17: Integracion numerica de y 00 (x) = 4y(x) con y(0) = 1, y 0 (0) = 2 .

erronea pues la solucion exacta es siempre decreciente.
a) Demuestralo hallando la solucion exacta.
b) Por que crees que el ordenador da una solucion falsa? Estima el valor de x para el
cual la solucion numerica creciente pasa por y = 1 y compara tu estimacion con el
valor de la figura. Es coherente?
4.2. Estima el valor de 4 mediante el metodo de Newton utilizando x0 = 4 como estimacion

inicial. Calcula hasta x5 .
4.3. Halla la relaci
on xn+1 = F (xn , R) quepermite hallar la raz c
ubica del n
umero R. Utiliza
esta relaci
on para estimar el valor de 3 8 comenzando con x0 = 3. Calcula hasta x5 .
4.4. En los problemas anteriores y en el ejemplo 4.8 se ha visto que el metodo de Newton
converge cuadraticamente a la raz x
e de la ecuaci
on f (x) = 0, es decir, que en+1 = O(e2n )
para en = xn x
e 1. Demuestra que esta es una propiedad general del metodo de Newton.
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 '
4.6. Halla numericamente el valor de la solucion de

y 0 = x + y,
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
4.7. Estima numericamente el valor de la solucion de

y 0 = xy,
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 .
a) Comprueba que x ex es una solucion particular y escribe la solucion general de la

ecuaci
on anterior sin tener en cuenta las condiciones de contorno. Halla solucion que
satisface las condiciones de contorno.
b) Resuelve el problema mediante diferencias finitas utilizando dos puntos (internos, no
en la frontera) equiespaciados. Compara con la solucion exacta.
c) Comprueba que la solucion por diferencias finitas es
{y0 , y1 , y2 , y3 , y4 , y5 } = {0, 00 246, 00 599, 10 096, 10 783, e}
cuando se usan cuatro puntos. Compara con la solucion exacta.
d ) Repite los apartados (9a) y (9b) si las condiciones de contorno son y(0) = 0, y 0 (1) = 2e.
4.10. Resuelve el problema anterior mediante el metodo de disparo, pero de manera analtica. En
otras palabras, halla la funcion y(1; m) que proporciona el valor de y en x = 1 en funcion
de la derivada, m, de y(x) en x = 0 y halla el cero, m,
e de la funcion F (m) = y(1; m) e.
Muestra que y(x; m)
e es la solucion exacta.
4.11. Dada la ecuaci

on diferencial
d2 y
+ k(x)y = S(x)
dx2
y las condiciones y(x0 ) = y0 , y(x0 + h) = y1 para h 1. Halla una relaci
on de recurrencia
que permita calcular y(x0 + nh) = yn con un error del orden h6 en cada paso de integraci
on. El metodo as obtenido se conoce como metodo de Numerov (o, tambien, metodo de
Cowling) [Koo86, sec. 3.1].
4.12. Resuelve numericamente la ecuaci

on
y 00 (x) +
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
b) El metodo del disparo.

Compara con la solucion exacta.
4.13. Sea el problema de condiciones de contorno
d2 y
= f (x)
dx2
(4.156)
con y(0) = y(1) = 0.

a) Escribe la ecuaci
on en diferencias correspondiente aproximando la segunda derivada
mediante la formula de diferencias centrales de tres puntos.
b) Divide el intervalo [0, 1] en tres segmentos (h = 1/3), escribe el sistema de ecuaciones
en diferencias equivalente al problema de contorno (4.156) y resuelvelo.
c) Halla la solucion aproximada en x = 1/3 y x = 2/3 para f (x) = 2 6x y f (x) =
6x(1 2x) y compara con las soluciones exactas. A que atribuyes la igualdad o
desigualdad de los resultados?
4.14. Sea la ecuaci
on diferencial
y (4) (x) = 0
0x1
(4.157)
con las condiciones de contorno y(0) = 1, y 0 (0) = 4, y(1) = 1, y 0 (1) = 4.

a) Demuestra que la solucion exacta de este problema es y(x) = 4(x 12 )2 .
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.
d ) Halla la solucion de las ecuaciones anteriores. Compara con el resultado exacto y

justifica la similitud o diferencia entre ambos resultados.
4.15. Sea la ecuaci
on integrodiferencial
00
y (x) + e
y(z)dz = e y(x)
0
Halla la solucion numerica de esta ecuaci

on en el intervalo 0 x 1 usando h = 1/2 como
tama
no del intervalo de discretizacion si:
Las condiciones de contorno son y(0) = 1, y(1) = e. Discretiza la ecuaci
on integrodiferencial usando la formula de la formula central de tres puntos para la derivada
segunda y la regla de Simpson para la integral.
Las condiciones de contorno son y 0 (0) = 1, y(1) = e. Discretiza la ecuaci
on integrodiferencial usando la formula de la formula central de tres puntos para la derivada
segunda y la regla del rectangulo para la integral. Implementa la condici
on de contorno
en x = 0 usando la formula de la derivada primera central de tres puntos.
Compara la solucion numerica con la exacta que, en los dos casos anteriores, es y(x) = ex .
272
Metodos numericos
4.16. Sea el problema difusivo
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)
a) Halla el valor de Q que hace que Uj

en diferencias.
= Qm eijx sea solucion de la anterior ecuaci

on
(m)
b) Demuestra que, para ese mismo valor de Q, se tiene que Uj

(m)
Uj
= Qm sen(jx) y
= Qm cos(jx) son tambien solucion.
c) Demuestra que las condiciones de contorno exigen que = n n/L con n = 1, 2 .

(La solucion para cada n es un modo difusivo)
d ) Demuestra que para n N +1 no se obtienen modos difusivos distintos a los anteriores.
Esto significa que (notese que n = N conduce a la solucion trivial) los modos difusivos
son los correspondientes a n = 1, 2, , N 1.
e) Escribe la solucion de la ecuaci
on en diferencias como una combinacion lineal de los
modos difusivos. A que te recuerda esta solucion?
f ) Para que valores de S se tiene que |Q| > 1? Que les sucede a las soluciones anteriores si |Q| > 1? Que puedes concluir entonces sobre la estabilidad del metodo de
integracion explcito anterior?
4.17. La ecuaci
on de conservaci
on u/t = vu/x admite la aproximacion de diferencias
finitas siguiente:
n Un
Ujn+1 Ujn
Uj+1
j1
= v
.
t
2x
a) Usa el procedimiento simplificado de von Neumann (es decir, no te preocupes de hallar
la forma admisible de la parte espacial de los modos difusivos) para demostrar que
este esquema de integracion es inestable.
n + U n )/2 estabiliza el m
etodo anterior siempre
b) Demuestra que el cambio Ujn (Uj+1
j1
y cuando vt/x 1.
4.18. Usa el procedimiento simplificado de von Neumann para demostrar que:

a) El metodo explcito de Richardson (expuesto en la secci
on 4.7.1, pagina 257) es siempre
inestable.
b) El metodo de Crank-Nicholson es siempre estable.
4.19. Sea el problema de potencial
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
donde 0 x 1 , 0 y 1, y con las condiciones de contorno (x = 0, y) = (x = 1, y) =

0, (x, y = 0) = (x, y = 1) = 1. Divide el cuadrado unidad en celdas cuadradas de lado
x = y = 14 y calcula un valor numerico aproximado del potencial (x, y) en los nudos
de la red resultante cuando (a) f (x, y) = 0, (b) f (x, y) = 42 x(1 x).
4.20. Halla una formula explcita en diferencias finitas que, con un error de discretizacion temporal
de orden t y error de discretizacion espacial de orden (x)2 , permita resolver la ecuaci
on
difusiva
u
2u
u
=v
+k 2
t
x
x
con la condici
on de contorno (en la izquierda)

u(x, t)
= A(t).
x x=0
Escribe explcitamente las ecuaciones de discretizacion en x = 0 y x = 1/2 si A(t) = 1,
x = 1/2, t = 1/2, vt/(2x) = P = 1/4 y kt/(x)2 = S = 1/2. Usa estas ecuaciones
junto con la condici
on inicial u(x, t = 0) = 1 y de contorno (en la derecha) u(1, t) = 1 para
hallar la solucion numerica aproximada en el instante t2 = 2t.
4.21. Se pide resolver numericamente mediante el metodo explcito la ecuaci

on de difusion ut =
uxx con la condici
on inicial u(x, t = 0) = sen x y las condiciones de contorno:
a) u(x = 0, t) = 0, u(x = 1, t) = 0;
b) ux (x = 0, t) = 1, u(x = 1, t) = 0.
Usa el discretizado x = 1/3 y t = 1/18 para hallar la solucion u(xj , tm ) en los puntos
espacio-temporales xj = jx y tm = mt, m = 1, 2, con un error de discretizacion de
orden t y (x)2 .
Captulo 5
Ecuaciones diferenciales y sistemas no lineales.

Estabilidad
Nature, with scant regard for the desires of the mathematician, often seems to delight in
formulating her mysteries in terms of nonlinear systems of equations.
H. T. Davis
Linear systems are all alike, but each nonlinear system is nonlinear in its own way.
5.1. 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
Ecuaciones diferenciales y sistemas no lineales. Estabilidad
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.
5.2.1. Definiciones previas

Sea un sistema de n ecuaciones diferenciales de primer orden1 que escribiremos bien as:
dxi
= fi (x1 , x2 , . . . , xn ; t),
dt
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 ) ,
F (X, t) (f1 (X, t), f2 (X, t), . . . , fn (X, t)) ,

y
fj (X, t) fj (x1 , x2 , . . . , xn , t) .
1
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
Figura 5.1: Solucion estable.
Figura 5.2: Solucion inestable.
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
iniciales dadas por X0 , es estable si peque

nas desviaciones en las condiciones iniciales conducen a
soluciones que no difieren sustancialmente de dicha soluci

on. En otros terminos, X(t)
es estable
[inestable] si es poco [muy] sensible a cambios en sus condiciones iniciales. En la figura 5.1
representamos un comportamiento tpico de una solucion estable, mientras que en la figura 5.2
se muestra el comportamiento de una solucion inestable.
Por supuesto, debemos proporcionar definiciones m
as precisas de estabilidad. Para ello empezaremos dando unas definiciones previas:
Distancia entre dos soluciones X(t) y X(t):

v
u n
uX
i (t)]2 .
kX(t) X(t)k
= t [xi (t) x
(5.4)
i=1
A esta distancia se la conoce como distancia eucldea. Para nuestros prop

ositos, la forma
concreta de esta distancia no es importante. Por ejemplo, tambien podramos haber usado
esta otra definicion de distancia entre las dos soluciones:
kX(t) X(t)k
=
n
X
i=1
|xi (t) x
i (t)|.
(5.5)
0 y X0 dos puntos del espacio de fases pr

0 k peque
Sean X
oximos, es decir, sea kX0 X
no,
y sean X(t) y X(t) las soluciones del sistema

dX
= F (X, t),
dt
0 , respectivamente. Entonces:
que pasan por X0 y X
(5.6)
278

Diremos que X(t) es la soluci
on perturbada con respecto a la soluci
on de referencia
X(t).
A la diferencia
X(t)
= X(t) X(t),
(5.7)
la llamamos perturbacion de la solucion de referencia X(t),

o simplemente, perturbaci
on.
A la perturbacion en el instante inicial
e 0 ) = X(t0 ) X(t
0) X
e0 ,
X(t
(5.8)
la llamaremos perturbaci
on inicial.
5.2.2. Definicion de estabilidad segun el criterio de Liapunov

Damos a continuaci
on la definicion de estabilidad seg
un el criterio de Liapunov usando tres
notaciones distintas:
X(t)
es estable si y s
olo si
> 0, () / () |xi (t) x
i (t)| < ,
(5.9)
para t > t0 e i = 1, 2, . . . , n.2
X(t)
es estable si y s
olo si
0 k < () kX(t) X(t)k
> 0, () / kX0 X

<
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)
En definitiva, una solucion X(t)

es estable si sus soluciones perturbadas se mueven siempre
arbitrariamente proximas a ella cuando las perturbaciones iniciales son suficientemente peque
nas
(vease la figura 5.3).
5.2.3. Definicion de estabilidad asintotica

Definiremos la estabilidad asintotica tambien de tres modos equivalentes (solo formalmente
distintos):
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)
olo si
0 )k < lm kX(t) X(t)k
> 0 / kX(t0 ) X(t

= 0.
t
(5.13)
5.2 Estabilidad
279
_
X(t)
t=t
~
X
X(t)
t
(b)
(a)
Figura 5.3: (a) Una solucion de referencia X(t)

estable (lnea continua fina) y dos soluciones perturbadas (lneas gruesas con flechas). (b) Comportamiento tpico en el plano de fases de una perturbacion
de la solucion de referencia estable de un sistema bidimensional.
X(t)
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
0 k < = kX(t) X(t)k
> 0, () = / kX0 X

< ea t = ea t .
Por tanto, para t > 0, X(t)

es soluci
on estable si a 0, y asint
oticamente estable si a > 0. Es evidente
que la soluci
on X(t) no es estable si a < 0.
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

~
X
t=t
~
X(t)
~
X
Figura 5.4: Esquema de un comportamiento tpico en el plano de fases de la perturbacion de una

solucion asint
oticamente estable de un sistema bidimensional
5.2.4. Sistema perturbativo

e
Veamos que ecuaciones ha de satisfacer la perturbacion X(t).
Sabemos que
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
e satisface el sistema de ecuaciones:

por lo que X
e
dX
t) Fe(X,
X,
e t).
= F (X, t) F (X,
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:
Analizar la estabilidad de la soluci

on X(t)
del sistema
dX/dt = F (X, t)
e
es equivalente a analizar la estabilidad de la soluci
on nula X(t)
= 0 de su sistema
perturbativo
e
dX
X,
e t).
= Fe(X,
dt
5.2.5. Definicion de punto crtico
Diremos que Xc es un punto crtico del sistema dX

dt = F (X, t) si F (Xc , t) = 0.
La solucion

que comienza en estos puntos, X(t0 ) = Xc , no puede cambiar en el tiempo pues dX
dt X=Xc es, por
definicion de punto crtico, cero. Por consiguiente

dX
= 0 X(t) = Xc para todo t.
(5.19)
dt X=Xc
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:
Analizar la estabilidad de la soluci

on X(t)
es equivalente a analizar la estabilidad del
e
punto crtico Xc = 0 de su sistema perturbativo
e
dX
X,
e t).
= Fe(X,
dt
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
que, utilizando la notaci

on general, podemos escribir as:

dX
d
x1
f1 (x1 , x2 )
= F (X) =
=
x2
f2 (x1 , x2 )
dt
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,
x02 (t) = A2 sen t + B2 cos t.
Por tanto, para t = 0,

A1 = x1 (0),
A2 = x2 (0),
B1 = x01 (0),
B2 = x02 (0).
Pero tenemos que

x01 (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
x1 (t) = x1 (0) cos t x2 (0) sen t,

x2 (t) = x2 (0) cos t + x1 (0) sen t.
Estudiemos ahora la estabilidad de la soluci

on X(t)
que pasa por x
1 (0) y x
2 (0). Lo haremos mediante el
analisis de la estabilidad de la soluci
on nula del sistema perturbativo. Veamos que forma tiene este sistema
+ X(t)
e
perturbativo. Para ello sustituimos la soluci
on perturbada X(t) = X(t)
en la ecuacion del sistema
dX/dt = F (X, t) [Ec. (5.21)]:
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
Pero, por definicion, X(t)

es soluci
on del sistema dX/dt = F , por lo que la ecuacion anterior se reduce a
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| <

Esto significa que X(t)

= 0 es estable, lo que equivale a decir que X(t)
es estable. N
otese que, sin embargo,
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
Las ecuaciones del movimiento de la Tierra (ecuaciones de Lagrange) son

L
d L
= 0,
dt
d L
L
= 0.
r
dt r
De la primera ecuaci
on se obtiene
L
= 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
Es evidente que la ecuaci

on (5.26) tiene una soluci
on sencilla cuando r es igual al valor constante R (lo
que implica una o
rbita planetaria circular de radio R) que satisface la relaci
on
`2
= g(R).
2 R3
Usando (5.27) esta distancia es
`2
.
(5.28)
k
Lo que queremos averiguar ahora es si esta orbita circular es estable frente a perturbaciones radiales.
N
otese que en el diagrama de fases (radial) en el que representamos r frente a r, la orbita circular viene
representada por un punto situado en (r, r)
= (R, 0). Nuestra pregunta es: si en un instante dado t = 0 la
orbita circular se perturba4 de modo que el radio pasa de R a r0 = R + x0 y la velocidad inicial de 0 a x 0
con x0 /R 1 y x 0 1, que le sucede a la nueva orbita? Por ejemplo, se aleja de la anterior de modo
que su radio crece y crece alejandose la Tierra del Sol?, o bien, en el espacio de fases (r, r),
permanece la
nueva orbita (trayectoria) moviendose en las vecindades de la trayectoria original, es decir, moviendose en
las vecindades del punto (R, 0)? En el primer caso la orbita circular sera inestable y en el segundo caso
sera estable. Para responder a estas cuesiones vamos a ver como evoluciona la perturbacion x = r R.
Sustituyendo la relaci
on r = R + x en (5.26) obtenemos la ecuaci
on perturbativa:
R=
`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
En este caso la ecuaci

on (5.29) se puede aproximar, tras despreciar terminos de orden x2 , por5
x
xi
`2 h
= g(R) g 0 (R)x.
1
3
2 R3
R
(5.34)
Pero de (5.27) y (5.28) se deduce que
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)
Por ejemplo, debido al impacto de un planetoide.

Este procedimiento se conoce como linealizaci
on de la ecuaci
on original. En la secci
on 5.4.2 se estudiar
an
con detalle las condiciones bajo las cuales este procedimiento es v
alido y permite determinar la estabilidad de las
soluciones.
5
5.3 Estabilidad de sistemas lineales
285
Usando la definicion de g(r) dada en (5.27) se obtiene

x
+
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
5.3. Estabilidad de sistemas lineales

En esta secci
on estudiaremos la estabilidad de la solucion nula o punto crtico (0, 0, , 0)
del siguiente sistema lineal aut
onomo de n ecuaciones diferenciales de primer orden homogeneo
con coeficientes aij constantes:
dx1
= a11 x1 + a12 x2 + a1n xn ,
dt
dx2 = a21 x1 + a22 x2 + a2n xn ,

dt
(5.36)
..
dx
n = an1 x1 + an2 x2 + ann xn .

dt
Se dice que este sistema es aut

onomo porque en el no aparece la variable independiente t de
forma explcita. En la secci
on 5.3.1 haremos un estudio detallado del caso con n = 2 (caso
bidimensional). En la secci
on 5.3.2 presentaremos algunos consideraciones validas para los casos
con n 3.6
La justificacion de estudiar la estabilidad de sistemas lineales en este captulo dedicado a la
estabilidad de sistema no lineales se dar
a en la secci
on 5.4. Veremos entonces que en ciertos casos
puede decidirse cu
al es la estabilidad de un sistema no lineal a partir del an
alisis de la estabilidad
de un sistema lineal relacionado.
5.3.1. Estabilidad de sistemas lineales de dos ecuaciones

En esta secci
on estudiaremos el comportamiento global de las soluciones del siguiente sistema
lineal autonomo con coeficientes constantes:
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

En lo que sigue supondremos que el determinante de la matriz de los coeficientes no es nulo,

a1 b1

(5.38)
a2 b2 6= 0.
Esto significa que la u

nica solucion del sistema algebraico
a1 x + b1 y = 0,
a2 x + b2 y = 0,
es la trivial, x = y = 0, de modo que (x, y) = 0 es el u

nico punto crtico. (Los casos con
determinante nulo se tratan en los problemas 5.5 y 5.6.)
Resolucion del sistema (5.37). Ahora, a modo de recordatorio y, tambien, para introducir la
notaci
on que usaremos m
as adelante, vamos a mostrar como se resuelve el sistema diferencial
lineal (5.37) mediante el metodo de Euler.7 En este metodo se buscan soluciones del sistema
lineal con la forma
~
~r(t) (x(t), y(t)) = (A emt , B emt ) = emt (A, B) emt .
on en (5.37) se tiene
m emt A = a1 A emt +b1 B emt ,
m emt B = a2 A emt +b2 B emt .
es decir,
0 = (a1 m)A + b1 B,
0 = a2 B + (b2 m)B.
(5.39)
Este sistema s
olo tiene 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
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)
x(t) = c1 2 e2t +c2 et ,

y(t) = c1 e2t +c2 2 et .
J
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)
En general, cuando c1 6= 0 y c2 6= 0 la solucion da lugar a una trayectoria descrita

por la ecuaci
on
y
c1 B1 em1 t +c2 B2 em2 t
c1 B1 e(m1 m2 ) t +c2 B2
=
=
.
m
t
m
t
x
c1 A1 e 1 +c2 A2 e 2
c1 A1 e(m1 m2 ) t +c2 A2
(5.54)
Dado que m2 > m1 , se tiene que

B2
y
=
,
t x
A2
lm
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
\
\
% [$
% [$
[
\
% [$
% [$
Figura 5.6: Trayectorias en el plano de

fases para el nodo inestable.
Figura 5.5: Trayectorias en el plano de

fases para el nodo estable.
Caso A-3. Races reales, distintas y de signos opuestos: m1 < 0 < m2 .

En este caso la solucion general sigue siendo de la forma (5.51). Existen tres clases de
trayectorias:
Cuando c2 = 0 se tiene que
x(t) = c1 A1 em1 t
m1 t
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
\
\
% [$

% [$

Figura 5.7: Trayectorias en el plano de fases en torno a un punto de silla.

B Ejercicio 5.1
Demuestra que, en la soluci
on (5.51) y en terminos de la condiciones iniciales x0 = x(0), y0 = y(0),
las constantes c1 y c2 vienen dadas por
c1 =
A2 y0 B2 x0
,
A1 B2 A2 B1
c2 =
A1 y0 B1 x0
.
A1 B2 A2 B1
Caso B. RAICES COMPLEJAS CONJUGADAS m1,2 = i.

Caso B-1. Races imaginarias puras: = 0.
Las soluciones x(t) e y(t) son ahora combinaciones lineales de exp(it) y exp(it),
es decir, combinaciones lineales de cos(t) y sen(t):
(
x(t) =c1 (A1 cos t A2 sen t) + c2 (A1 sen t + A2 cos t),
(5.58)
1 cos t B
2 sen t) + c2 (B
1 sen t + B
2 cos t).
y(t) =c1 (B
1 + iB
2 son las soluciones (complejas) de (5.39)
donde A1 = A1 + iA2 y B1 = B
correspondientes a la raz m1 [Sim93, Sec. 56]. Es decir, las soluciones x(t) e y(t) son
funciones peri
odicas por lo que todas las trayectorias (x(t), y(t)) son curvas cerradas
en el espacio de fases. El punto crtico (0, 0) es estable pero no asintoticamente estable.
A este punto crtico se le llama centro (vease la figura 5.8).
El sentido del giro de las trayectorias puede determinarse facilmente a partir del sistema de ecuaciones (5.37) examinando, por ejemplo, en que sentido las trayectorias
solucion cortan al eje de ordenadas (x = 0), es decir, examinando el signo de x para
x = 0: si x < 0 para (x = 0, y > 0) [o x > 0 para (x = 0, y < 0)] entonces la trayectorias
giran en sentido contrario a las agujas del reloj, si x > 0 para (x = 0, y > 0) [o x < 0
para (x = 0, y < 0)] entonces la trayectorias giran en el sentido de las agujas del reloj.
Por supuesto, igual de valido y sencillo es determinar el sentido de giro examinando
el sentido en el que las trayectorias solucion cortan al eje de abcisas (y = 0).
B Ejercicio 5.2
Demuestra que los centros son estables, pero no asint
oticamente estables. El ejemplo 5.2 puede
servirte de ayuda pues en el est
a hecha esencialmente esta demostraci
on.
291
Figura 5.8: Trayectorias en el plano de fases para un centro.
Figura 5.9: Trayectorias en el plano de fases para un foco estable.

Caso B-2. Races complejas conjugadas con parte real negativa: < 0. La solucion general
dada por (5.51) se puede escribir en este caso como
(
x(t) = et [c1 (A1 cos t A2 sen t) + c2 (A1 sen t + A2 cos t)],
(5.59)
1 cos t B
2 sen t) + c2 (B
1 sen t + B
2 cos t)].
y(t) = et [c1 (B
1 + iB
2 son las soluciones (complejas) de (5.39)
donde A1 = A1 + iA2 y B1 = B
correspondientes a la raz m1 [Sim93, Sec. 56]. Las soluciones x(t) e y(t) tienen la forma
de oscilaciones amortiguadas (pues < 0) y por lo tanto la trayectoria (x(t), y(t)) en
el plano de fases es una espiral que se dirige hacia el centro (0, 0). El punto crtico
(0, 0) es asintoticamente estable y se le llama foco estable o punto en espiral estable
Caso B-3. Races complejas conjugadas con parte real positiva: > 0.
Este caso es igual al anterior: la solucion viene tambien dada por (5.59), pero ahora las
oscilaciones son crecientes, por lo que la trayectorias en el plano de fases son espirales
292

que escapan del centro. A este punto crtico se le llama foco inestable punto en espiral
inestable.
El sentido del giro de las trayectorias de las espirales puede determinarse facilmente
mediante el procedimiento que explicamos para determinar el sentido de giro de los
centros, es decir, examinando en que direccion los brazos de la espiral cortan al eje
de ordenadas (x = 0): si x < 0 para (x = 0, y > 0) [o x > 0 para (x = 0, y < 0)]
entonces la trayectorias giran en sentido contrario a las agujas del reloj, si x > 0 para
(x = 0, y > 0) [o x < 0 para (x = 0, y < 0)] entonces la trayectorias giran en el sentido
de las agujas del reloj.
Caso C. RAICES IGUALES m1 = m2 = m.

Distinguiremos dos casos:
1. Cuando los coeficientes del sistema (5.37) cumplen que
(
a1 = b2 a 6= 0,
a2 = b1 = 0,
se tiene que este sistema se reduce al sistema desacoplado

(
x = a x,
y = a y .
(5.60)
(5.61)
2. Todas las demas posibilidades que conducen a una raz doble.

Caso C-1. Sistema desacoplado.
Si introducimos las condiciones dadas en (5.60) en la ecuaci
on caracterstica (5.40),
obtenemos que m = a es una raz doble:
m2 2 a m + a2 = 0 (m a)2 = 0 m = a.
En este caso, la solucion del sistema (5.37), o equivalentemente, del sistema desacoplado (5.61), es
x = c1 emt ,
y = c2 emt .
Por tanto y/x = c1 /c2 para todo c1 y c2 , es decir, todas las trayectorias son rectas que
se cortan en el origen. Al este punto crtico se le llama nodo radial. Si m < 0, el nodo
es asintoticamente estable, y si m > 0, el nodo es inestable (vease la figura 5.10).
Caso C-2. Todas las dem
as posibilidades que conducen a una raz doble.
Para este caso, la solucion general del sistema lineal autonomo dado por la ecuaci
on (5.37) es
x(t) = c1 A em t +c2 (A1 + A t) em t ,
y(t) = c1 B em t +c2 (B1 + B t) em t ,
donde A, A1 , B, B1 son constantes definidas y c1 , c2 son constantes arbitrarias. Analizemos a continuaci
on la forma que adoptan las distintas trayectorias (soluciones)
posibles en el espacio de fases.
293
Figura 5.10: Trayectorias en el plano de fases del nodo radial estable.
Para c2 = 0, se tiene la solucion

x(t) = c1 A em t
y(t) = c1 B em t
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
luego todas estas trayectorias tienden asintoticamente a la recta y = Bx/A cuando

t . De igual modo, dado que
lm =
B
,
A
las trayectorias vienen asintoticamente de la recta y = Bx/A. A estos puntos

crticos se les llama nodos (vease la figura 5.11). N
otese que estos nodos son
asintoticamente estables si m < 0.
La siguiente tabla resume lo visto en esta secci

on:
294
[
\
%[$
Figura 5.11: Trayectorias en el plano de fases para un nodo con raz doble.
Naturaleza de las races
m1 y m2 de la ecuaci
on caracterstica.
Naturaleza del punto

crtico (0, 0) del sistema
lineal.
Estabilidad
crtico.
Reales, desiguales y del mismo signo.
Nodo.
Reales, desiguales y de signo

contrario.
Reales e iguales.
Punto de silla.
Asint
oticamente estable si las
races son negativas; inestable
si las races son positivas.
Inestable.
Complejas conjugadas pero

no imaginarias puras.
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
Este es el criterio de Hurwitz para n = 2; vease la secci

on 5.3.2.
296

a) Sea
F =
4
3
2
1
es decir, sea el sistema
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)
donde m1 = 2 y m2 = 1 son los autovalores de la matriz de coeficientes F y

1
1
~1 =
,
~2 =
,
1
3/2
son sus correspondientes autovectores. Demuestra que si en t = 0 la soluci
on pasa por X0 =
(0, 1/2), entonces c1 = 1 y c2 = 1. Por u
ltimo demuestra que la soluci
on nula [o punto crtico
(0,0)] es asint
oticamente estable.
b) Demuestra que la soluci
on general del sistema
dx
= 3x y,
dt
dy = 4x 2y,
dt
(5.64)
viene dada por (5.63) donde m1 = 1 y m2 = 2 son los autovalores de la matriz de 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
dx
= x 2y,
dt
dy = x 3y,
dt
(5.65)
viene dada por (5.63) donde m1 = 2 i y m2 = 2 + i son los autovalores de la matriz de

coeficientes y

1i
1+i
~1 =
,
~2 =
,
1
1
son sus correspondientes autovectores. Demuestra que la soluci
on nula [o punto crtico (0,0)] es
asint
oticamente estable.
d) Encuentra la soluci
dx
= 3x + 2y,
dt
dy = 2x y,
dt
y demuestra que la soluci

on nula [o punto crtico (0,0)] no es estable.
(5.66)
297
5.3.2. Sistemas con mas de dos ecuaciones

Para sistemas lineales aut
onomos con coeficientes constantes con m
as de dos ecuaciones, es
decir, para
dx1 = a11 x1 + a12 x2 + a1n xn ,
dt
dx2
= a21 x1 + a22 x2 + a2n xn ,
(5.67)
dt
..................................
dxn = a x + a x + a x ,
n1 1
n2 2
nn n
dt
con n 3 y aij constante, los criterios para decidir sobre la estabilidad de la 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)
Gracias al criterio de Hurwitz (tambien llamado criterio de Routh-Hurwitz) es posible saber

si es negativa la parte real de todas las races de nuestra ecuaci
on caracterstica sin necesidad de
calcularlas:
Teorema 5.1 (Criterio de Hurwitz) Todas las races de la ecuaci
on
c0 xn + c1 xn1 + + cn1 x + cn = 0,
con c0 > 0, tendr
an partes reales negativas si, y s
olo si, todos los determinantes Dm definidos
por
D 1 = c1 ,

c1 c0
,

D2 =
c3 c2

c1 c0 0

D3 = c3 c2 c1 ,
c5 c4 c3

c1 c0 0 0

c3 c2 c1 0
(5.69)
,

D4 =

c5 c4 c3 c2
c7 c6 c5 c4
..
.

c1
c0
0
0

c3
c2
c1
0
Dn =
,
.............................
c2n1 c2n2 c2n3 cn
298
son positivos, siendo cm = 0 para m > n.

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

Ahora estudiaremos algunos criterios que nos permitiran determinar la estabilidad de los
puntos crticos de sistemas no lineales autonomos.
Nos restringiremos, sin excesiva perdida de generalidad, al caso de un sistema de segundo
orden:
dx
= F (x, y),
dt
(5.70)
dy = G(x, y).
dt
Adem
as, vamos a suponer (i) que el punto 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
5.4.1. Campo vectorial de direcciones y trayectorias solucion

Un procedimiento muy sencillo y eficaz para determinar gr
aficamente las trayectorias solucion
del sistema (5.70) y, por consiguiente, para determinar la estabilidad de sus puntos crticos,
consiste en representar el campo vectorial de las direcciones (o pendientes) de las trayectorias
en la zona del plano de fases de interes (por ejemplo, en las vecindades de los puntos crticos,
si queremos conocer la estabilidad de estos puntos). Para llevar a cabo esta representaci
on se
eligen unos cuantos puntos (x, y) en la zona del plano de fase que nos interese y trazamos con
origen en cada uno de estos puntos un vector (una flecha) ~v (x, y) = (vx , vy ) con componentes
proporcionales a F (x, y) y G(x, y), respectivamente, es decir

vx
F (x, y)
~v (x, y) =
(5.71)
=c
vy
G(x, y)
donde c es un n
umero arbitrario pero independiente de los puntos (x, y) escogidos. En la figura
10
Lo consideraremos as por sencillez en la exposici

on. Si el punto crtico estuviera situado en otro punto,
digamos en (x0 , y0 ), analizaramos su comportamiento estudiando la estabilidad del punto crtico (
x = 0, y = 0)
donde x
= x x0 , y = y y0 .
5.4 Estabilidad de sistemas no lineales
299
y
4
-4
-2
-2
-4
Figura 5.13: Campo vectorial de direcciones del sistema no lineal (5.72) y tres trayectorias 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)
5.4.2. Estabilidad en torno a los puntos crticos simples

Sea un sistema aut
onomo no lineal descrito por la ecuaci
on (5.70) que, en esta secci
on, escribiremos as:
dx
= a1 x + b1 y + f (x, y),
dt
(5.73)
dy = a x + b y + g(x, y).
2
2
dt
Adem
as, vamos a asumir que:
1. a1 , b1 , a2 y b2 son constantes reales que cumplen que

a1 b1

a2 b2 6= 0,
(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)
Se ve claramente que es de la forma (5.73) y que satisface la condici

on (5.74):

1 2

2 2 = 2 6= 0.
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
5. Si m1 y m2 son reales e iguales y el sistema linealizado s est

a desacoplado (es decir, sucede
que a1 = b2 6= 0, a2 = b1 = 0), entonces (0, 0), aunque es un nodo para el sistema
linealizado, puede ser nodo o punto espiral para el sistema no lineal.
6. Si m1 y m2 son imaginarias puras entonces (0, 0), aunque es un centro del sistema linealizado, puede ser un centro o punto espiral para el sistema no lineal.
Los casos recogidos en los apartados 5 y 6 se llaman casos fronterizos.
Teorema 5.3 (Estabilidad del punto crtico) Sea (0, 0) en 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 tienen parte real negativa, entonces (0, 0) es un punto crtico asint
oticamente
estable tanto para el sistema linealizado como para el no lineal.
2. Si m1 y m2 son imaginarias puras, entonces el punto crtico (0, 0) aunque es estable para
el sistema linealizado, no es necesariamente estable para el sistema no lineal, pudiendo ser
asint
oticamente estable, estable o inestable.
3. Si alguna de las races m1 y m2 tiene parte real positiva, entonces (0, 0) es un punto crtico
inestable tanto para el sistema linealizado como para el sistema no lineal.
No demostraremos estos teoremas, pero s los ilustraremos con un par de ejemplos.
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)
De este modo, el punto crtico P2 = (x = 2, y = 4) queda situado en el origen P2 = ( = 0, = 0) del

nuevo sistema de coordenadas. Insertando (5.84) en (5.82), expresamos el sistema no lineal original en
terminos de las nuevas coordenadas:
= 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
o, desarrollando F (x0 + u, y0 + v y G(x0 + u, y0 + v) en serie de Taylor en torno al punto crtico

(x0 , y0 ),
du
= F (x0 , y0 ) + Fx (x0 , y0 ) u + Fy (x0 , y0 ) v + terminos de orden u2 , v 2 , u v, y/o superior,

dt
dv = G(x , y ) + G (x , y ) u + G (x , y ) v + terminos de orden u2 , v 2 , u v, y/o superior,

0 0
x 0 0
y 0 0
dt
(5.89)
donde Fx = F/x, Fy = F/y, etc. Pero por definicion de punto crtico F (x0 , y0 ) = G(x0 , y0 ) =
0 de modo que el sistema anterior se reduce, tras despreciar los terminos no lineales, al sistema
linearizado que estabamos buscando:
du
= Fx (x0 , y0 ) u + Fy (x0 , y0 ) v ,
dt
(5.90)
dv = G (x , y ) u + G (x , y ) v ,
x 0 0
y 0 0
dt
o, en forma matricial,

du/dt
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)
se conoce como Jacobiano del sistema (5.87). La ecuaci

on caracterstica del sistema en el punto
crtico (x0 , y0 ) es simplemente
det[J(x0 , y0 ) mI] = 0,
(5.93)
siendo I la matriz identidad [es decir, la matriz cuyo elemento (i, j) es i,j ].
Casos fronterizos
En el apartado anterior (pagina 304) se dijo que estamos en un caso fronterizo cuando el
punto crtico es un nodo radial o un centro. En estos casos no podemos decidir de que tipo es el
punto crtico del sistema no lineal a partir del an
alisis del sistema linealizado. Veamos un par de
ejemplos.
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
es un foco estable y, sin embargo, es un centro de su sistema linealizado:
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)
mientras que de = arctan(y/x) se deduce

d
dt
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)
Multiplicando la primera ecuaci

on de (5.97) por x, la segunda por y, y sumando, la ecuacion (5.98) se
transforma en
r
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
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
Puntos crticos no simples

Para los puntos crticos no simples la casustica es mucho m
as variada que para los puntos
crticos simples, es decir, el comportamiento de las trayectorias en torno a los puntos crticos no
simples es muy variado, generalmente complicado, no limit
andose las formas de las trayectorias
a foco, centro, nodo o punto de silla. Como ejemplo, en las figura 5.20 representamos en torno al
punto crtico no simple (0, 0) los campos vectoriales de direcciones de los sistemas
dx
= 2xy,
dt
(5.103)
dy = y 2 x2 ,
dt
y
dx
= x3 2xy 2 ,
dt
(5.104)
dy = 2x2 y y 3 .
dt
B Ejercicio 5.7
Traza algunas trayectorias de las soluciones de los sistemas (5.103) y (5.104) sobre la figura 5.20.
5.4.3. Estabilidad por el metodo directo de Liapunov

Hemos visto en la secci
on anterior que si un punto crtico simple de un sistema no lineal
resulta ser un centro del sistema linealizado, entonces el teorema 5.3 no proporciona ninguna
informaci
on sobre la estabilidad del punto crtico del sistema no lineal. M
as aun, cuando los
puntos crticos no son simples, el teorema 5.3 no sirve para determinar la estabilidad de estos
puntos crticos. Afortunadamente, existen otros procedimientos para determinar la estabilidad
de un punto crtico aplicables incluso cuando el punto crtico no es simple. En esta secci
on se
12
discute uno de estos procedimientos: el metodo directo (o segundo metodo) de Liapunov.
Sea C = (x(t), y(t)) una solucion (es decir, una trayectoria en el plano de fases) del sistema
dx
= F (x, y),
dt
(5.105)
dy = G(x, y),
dt
12
Puedes ver otros metodos en las referencias [Ros81, Sim93] y, m

as abundantemente, en [Str94].
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.
y definida negativa si, y s

olo si,
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),
tiene al origen (0, 0) como u

nico punto crtico . Para determinar su estabilidad proponemos la funcion
de Liapunov E(x, y) = x2 + 2y 2 . Es claro que esta funcion es definida positiva en todo el plano (x, y).
13
Si b2 4ac < 0, entonces la funci
on z(x/y) = E(x, y)/y 2 = a(x/y)2 + b(x/y) + c no tiene ninguna raz real, es
decir, z(x/y) no corta al eje z = 0, lo que significa que E es bien siempre negativa o bien siempre positiva. Si a > 0
es claro que z, y por tanto E, es positiva si x/y , luego E es siempre positiva para a > 0. Este argumento falla
si y = 0, pero en este caso E = ax2 y de nuevo encontramos que a > 0 implica E positiva excepto cuando x = 0.
314
Adem
as, su velocidad de cambio
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)
Queremos mostrar que la funcion

2
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.
Por tanto E(x,

y) es semidefinida negativa y E(x, y) es una funcion debil de Liapunov. En definitiva,
concluimos que el origen es, al menos, estable.
El hecho de que la velocidad de cambio E(x,

y) sea nula para todo punto (x, y) nos permite adem
as
determinar las trayectorias soluci

on (x(t), y(t)) del sistema (5.107) puesto que E(x,
y) = 0 implica que
estas trayectorias son tales que la funcion E(x(t), y(t)) es constante. Es decir, las trayectorias soluci
on
(x(t), y(t)) satisfacen la relaci
on
2
ex (x2 + y 2 1) + 1 = c
donde c es una constante, o, equivalentemente,
2
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
La funcion de Liapunov generaliza el concepto de energa de un sistema fsico. Esto puede

apreciarse en los siguientes ejemplos.
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)
Es evidente que una

orbita circular con un radio R dado por la relaci
on
`2
= g(R)
2 R3
(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)
Por supuesto, esta ecuaci

on la podemos expresar como un sistema de dos ecuaciones diferenciales de primer
orden:
dx
= x F (x, x),
dt
`2
dx
g(R + x) G(x, x).
= 2
dt
(R + x)3
(5.113a)
(5.113b)
Para determinar la estabilidad del punto fijo (x = 0, x = 0) proponemos a

`2
1
+
E(x, x)
= x 2 + 2
2
2 (R + x)2
g(R + x)dx
`2
22 R2
(5.114)
como funcion de Liapunov. Veamos bajo que condiciones E(x, x)

es realmente una funcion de Liapunov.
Para empezar, es facil comprobar que su raz
on de cambio es semidefinida negativa pues dE/dt = 0 para
todo x y x.
Adem
as E(x = 0, x = 0) = 0. Para demostrar que E(x 6= 0, x 6= 0) > 0 cuando x y x son
peque
nos, desarrollamos esta funcion en torno del origen:

2x 3x2
`2
`2
g 0 (R) 2
x 2
+ 2 + 2 2 + g(R) x +
x +
E(x, x)
= + 2 2 1
2
2 R
R
R
2 R
2
Usando el resultado de (5.111) se deduce que

x 2
1 3`2
0
E(x, x)
=
+
+ g (R) x2 + O(x3 )
2
2 2 R4
5.5 Ciclos lmite
317
Por tanto E(x, x)

es mayor que cero en las vecindades del punto (x = 0, x = 0) si
3`2
+ g 0 (R) > 0.
2 R4
Teniendo en cuenta la relaci
on (5.111), esta condici
on se reduce a
3g(R) > R g 0 (R),
o equivalentemente, tras usar (5.110), a
n > 3.
En definitiva, hemos encontrado que si n > 3 entonces la funcion E(x, x)
dada por (5.114) es una
funcion debil de Liapunov en las vecindades del origen (x = 0, x = 0). Podemos por tanto asegurar que las
orbitas circulares son estables para perturbaciones radiales peque
nas cuando n > 3.14 Debe notarse que
la funcion de Liapunov E(x, x)
que hemos elegido en (5.114) no es mas que la energa total del oscilador
no lineal dado por la ecuaci
on (5.112) cuando el origen de energa se elige de modo que la energa total
sea nula en la posicion de reposo (x = 0, x = 0).
B Ejercicio 5.8
Demuestra que E(x, x)
dada por (5.114) es la energa total del oscilador (5.112).
5.5. Ciclos lmite

Hasta ahora s
olo hemos obtenido informaci
on del comportamiento local de las trayectorias en
torno a los puntos crticos de los sistemas no lineales. Pero, aparte de este comportamiento local,
en los sistemas no lineales se dan tambien situaciones interesantes e inesperadas de tipo global
en las que aparecen comportamientos que son imposibles en los sistemas lineales. Empezaremos
estudiando en esta secci
on cierto tipo de trayectorias caractersticas de los sistemas no lineales
que son conocidas como ciclos lmite. M
as adelante, en la secci
on 5.7 echaremos un vistazo a un
sistema con comportamiento caotico.
Sea un sistema aut
onomo no lineal
dx
= F (x, y),
dt
(5.115)
dy = G(x, y),
dt
donde F y G y sus primeras derivadas parciales son continuas. Una 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)
para todo t. El valor de T m

as peque
no para el cual se satisfacen las relaciones (5.116) se conoce
como perodo de la solucion. Si C = (x(t), y(t)) es una trayectoria cerrada de (5.115) en el
14
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
plano de fases, entonces (x(t), y(t)) es una solucion peri

odica. Obviamente tambien la afirmacion
contraria es cierta: la trayectoria C = (x(t), y(t)) en el plano de fases es cerrada si la solucion es
peri
odica.15
En un sistema lineal (vease la secci
on 5.3) todas las trayectorias son o bien cerradas (si
las races de la ecuaci
on caracterstica son imaginarias puras) o bien ninguna lo es (para m
no imaginarias puras). Sin embargo, en sistemas no lineales pueden darse trayectorias cerradas
aisladas, es decir, trayectorias cerradas rodeadas por regiones que no contienen a otras trayectorias
cerradas. Estas trayectorias (o las soluciones correspondientes) son conocidas como ciclos lmite.
Cuando todas las trayectorias vecinas se acercan al ciclo lmite, se dice que el ciclo lmite es
estable.16
La existencia de un ciclo lmite estable en un sistema significa que en este se producen oscilaciones automantenidas, es decir, se produce un comportamiento oscilante en ausencia de una
fuerza o se
nal externa. El reloj de pendulo es un sistema bien conocido en el que se da un ciclo
lmite: si perturbamos su movimiento oscilatorio habitual (lo frenamos un poco o aumentamos
la amplitud de oscilaci
on con un golpecito, por ejemplo), sabemos que el pendulo es capaz por
s solo de restablecer su movimiento oscilatorio tpico. El movimiento oscilatorio habitual es
lo que llamamos ciclo lmite y el movimiento oscilatorio que se aproxima este ciclo lmite tras la
perturbacion es simplemente una trayectoria vecina al ciclo lmite. Los ciclos lmite son extraordinariamente importantes en muchos sistemas fsicos y biol
ogicos (latidos del corazon, ritmos
circadianos del sue
no, temperatura del cuerpo, din
amica de poblaciones, oscilaciones termicas en
los oceanos, . . . )
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)
Multiplicando la primera ecuaci

on de (5.117) por x, la segunda por y, y sumando las expresiones resultantes, la ecuaci
r
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.
5.5 Ciclos lmite
319
Ahora, multiplicando la segunda ecuaci

on de (5.117) por x, y la primera por y, y restando, la ecuacion
(5.119) se reduce a
r2
d
dy
dx
=x
y
dt
dt
dt
= x [x + y (1 r2 )] y [y + x (1 r2 )]
= x2 + y 2
= r2 .
Obtenemos as un sistema equivalente al (5.117) con las variables r y desacopladas:
dr
= r (1 r2 ),
dt
d
= 1.
dt
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)
donde a es un constante arbitraria de integraci

on cuyo valor se determina a partir de las condiciones
iniciales:
1
1
r0 r(t = 0) =
a = 2 1.
r
1+a
0
Si r0 = 1, entonces a = 0 y la soluci
on es
r = 1,
= t + 0 ,
que se corresponde con una trayectoria cerrada y circular de radio 1 que gira en sentido contrario a las
agujas del reloj. Si r0 > 1, entonces a < 0 y obtenemos que r > 1 para t > 0 y que r 1 cuando t .
Si r0 < 1, entonces a > 0 y vemos que r < 1 para t > 0 y que, adem
as, r 1 cuando t . Por lo tanto
existe una u
nica trayectoria cerrada (r = 1) a la que todas las dem
as trayectorias tienden de forma espiral
cuando t bien sea por dentro o por fuera. Esta trayectoria es un ciclo lmite.
J
Estabilidad de un ciclo lmite

Por la propia definicion de ciclo lmite (recordemos, trayectoria cerrada aislada) las trayectorias en su vecindad solo pueden acercarse o alejarse de el. Este hecho nos conduce de forma
natural a la definicion de estabilidad de un ciclo lmite (vease la figura 5.22):
Un ciclo lmite es estable si esta dentro de una regi
on en la que todas las trayectorias se
dirigen a el.
Un ciclo lmite es inestable si esta dentro de una regi
on en la que todas las trayectorias se
alejan de el.
Un ciclo lmite es semiestable si, en sus vecindades, las trayectorias en su interior [exterior]
se acercan y las trayectorias en su exterior [interior] se alejan del ciclo lmite.
320
(a)
(b)
(c)
Figura 5.22: Esquema de las

orbitas tpicas alrededor de un ciclo lmite (a) estable, (b) inestable (c)
semiestable.
Hay que ser consciente que en muchas ocasiones (sobre todo en ciencias aplicadas) el termino
ciclo lmite es sinonimo de ciclo lmite estable.
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
5.5 Ciclos lmite
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

a) tiene un cero en x = a > 0,
b) es negativa para el intervalo 0 < x < a,
c) es positiva y no decreciente para x > a,
d) F (x) cuando x .
Entonces la ecuaci
on
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
Estafuncion tiene a x = 3 como u

nico cero, es negativa en el intervalo 0 < x <
x > 3, satisface la condici
on
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
5.6. Calculo de Soluciones Periodicas

En la secci
on anterior hemos visto varios teoremas que nos permiten decidir sobre la existencias
de soluciones peri
odicas. Pero, c
omo hallar estas soluciones peri
odicas? El procedimiento directo
pasara por encontrar la solucion general exacta de nuestro sistema no lineal y estudiar bajo
que condiciones se da una solucion peri
odica. Este modo fue el que empleamos en el ejemplo 5.17.
Sin embargo, hallar soluciones peri
odicas exactas de sistemas no lineales es una tarea muy difcil y
generalmente infructuosa (son muy pocos los problemas no lineales con solucion exacta conocida).
El procedimiento alternativo habitual consiste en hallar soluciones periodicas aproximadas que
representen de un modo aceptable a la solucion exacta desconocida.
5.6 Calculo de Soluciones Periodicas
323
Vamos a estudiar a continuaci

on dos metodos el metodo de balance armonico y el de
Krylov-Bogoliubov para hallar soluciones peri
odicas aproximadas de osciladores no lineales
cuyas ecuaciones diferenciales las escribiremos as:
dx

= y,
d2 x
dx
dt
+
f
x,
=
0
dt2
dt
dy = f (x, y).
dt
(5.122)
El metodo de Krylov-Bogoliubov sirve adem

as para obtener aproximaciones de soluciones cuasiperi
odicas, es decir, soluciones que son casi peri
odicas.
5.6.1. Metodo de Balance Armonico

Este metodo, que es muy sencillo, proporciona soluciones aproximadas de muy buena calidad
siempre que la solucion exacta (que es desconocida) se asemeje a una funcion armonica cosenoidal
(o senoidal). Si la solucion desconocida es peri
odica, puede expresarse como serie de Fourier:
x(t) =
n=0
An cos(nt) +
Bn sen(nt) .
(5.123)
n=1
En el metodo de balance armonico se propone la serie anterior truncada hasta un n

umero finito
de terminos como solucion aproximada de la ecuaci
on (5.122). En su forma m
as sencilla, que es la
que estudiaremos aqu, se retienen simplemente sus tres primeros armonicos; es decir, se propone
una solucion aproximada de la forma
x(t) = A0 + A1 cos( t) + B1 sen( t)
= c + A cos( t + ).
(5.124)
donde c A0 , A1 = A cos y B1 = A sen . Como estamos en principio s

olo interesados en
describir el ciclo lmite, es decir, como s
olo nos interesa hallar su forma y tama
no en el plano
de fases, podemos olvidarnos del valor de la fase , la cual s
olo nos informa del instante en el
que la solucion (x, x)
pasa por un punto dado del ciclo lmite, y escribir
x(t) = c + A cos( t).
(5.125)
Esto es equivalente a escoger como origen de tiempos t = 0 el instante en el cual el desplazamiento

del oscilador x es m
aximo, esto es, cuando x = c + A.
El metodo de balance armonico busca una solucion aproximada de la ecuaci
on (5.122) con la
forma funcional de (5.125). Por supuesto, la tarea consiste en estimar los valores optimos de c,
A y que hagan que la solucion peri
odica aproximada propuesta sea una buena representaci
on
de la solucion peri
odica exacta desconocida. En el metodo de balance armonico c, A y se
determinan exigiendo que la solucion aproximada propuesta (5.125) satisfaga la ecuaci
on (5.122)
en sus armonicos m
as grandes. Habitualmente los armonicos m
as grandes son los de menor orden.
Si proponemos a x(t) = c + A cos t, como solucion, entonces
dx
= A sen t,
dt
d2 x
= 2 A cos t,
dt2
(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)
hcos2n1 sen2m1 i = hcos2n sen2m1 i = hcos2n1 sen2m1 i = 0

donde n 1 y m 1 son enteros y
1
hf i
2
f ()d.
A partir de (5.134) se pueden obtener muchos otros resultados. Por ejemplo:

1
1 3
= ,
2 8
8
3
5
1
4
2
4
2
4
6
hcos sen i = hcos (1 cos )i = hcos i hcos i =
= .
8 16
16
hcos2 sen2 i = hcos2 (1 cos2 )i = hcos2 i hcos4 i =
18
(5.135)
(2n 1)!! = (2n 1) (2n 3) 5 3 1. A esta funci

on se la conoce como factorial doble. Su definici
on
para numeros pares es: (2n)!! = (2n) (2n 2) 4 2.
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)
mediante el metodo de balance arm

onico. Esta ecuacion tiene la forma de la ecuacion (5.122) donde
f (x, x)
= f(x, x)
+ x y f(x, x)
= (x2 1)x.
Empezamos sustituyendo x(t) = c + A cos( t) en la ecuacion
(5.136) y nos quedamos con los dos primeros arm
onicos:
x = c + A cos t,
x = A sen t,
x
= A 2 cos t,
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,
f (c + A cos t, A sen t). El primer coeficiente viene dado por

A, ) = 1
k(c,
2
(c2 + 2cA cos t + A2 cos2 t 1)(A sen t) d( t) = 0.
A, )+c, se tiene que c = 0 es la u

Como k(c, A, ) = k(c,
nica soluci
on posible de la ecuacion k(c, A, ) = 0.
Es decir, la soluci
on aproximada que buscamos tendr
a la forma x(t) = A cos t. Los otros dos coeficientes
de la serie de Fourier vienen entonces dados por
1
(A2 cos2 t 1)(A sen t) cos t d( t)

Z 2
Z 2

sen cos d
cos3 sen d
= A A2
0
0
g(c, A, ) =
= 0,
A, ) = 1
h(c,
(A2 cos2 t 1)(A sen t) sen t d( t)

0

Z 2
Z 2

sen2 d
= A A2
cos2 sen2 d
0
0
2

A
= A
1 .
4
Por lo tanto, la ecuaci

on del oscilador de van der Pol, Ec. (5.136), en forma de arm
onicos se reduce a
2

A
2 A cos t A
1 sen t + A cos t + a.o.s. = 0,
4
es decir,
A (1 2 ) cos t A

A2
1 sen t + a.o.s. = 0.
4
Ahora elegimos y A de modo que esta ecuaci

on se satisfaga, al menos, en sus primeros arm
onicos, es
decir, los elegimos de modo que los coeficientes del primer arm
onico cosenoidal y senoidal sean nulos.
Esperamos que esto conduzca a una soluci
on aproximada x(t) = A cos(t) aceptable si los arm
onicos de
orden superior son peque
nos. En definitiva, hallamos la amplitud y la frecuencia resolviendo el sistema
algebraico
A(1 2 ) = 0,

2
A
1 = 0,
A
4
326

dxdt
3
-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)
Debido a que la fuerza c3 x3 es simetrica (impar) con respecto a x = 0, la soluci

on x(t) ha de simetrica con
respecto a x = 0: x(t) = x(t + T /2). Esto nos lleva a proponer directamente como soluci
on aproximada
a la expresi
on
x(t) = A cos t
(5.140)
sin el termino de asimetra dado por la constante c.20 En tal caso, sustituyendo (5.140) en (5.139) se
obtiene
2 A cos t + c3 A3 cos3 t = 0.
(5.141)
Pero, por (5.138) sabemos que cos3 = 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
cos + 41 cos 3), de

(5.142)
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)
es decir, predice oscilaciones de amplitud A y periodo

T =
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)
donde 2 = c3 A2 y cn es una funcion elptica de Jacobi de par

ametro k 2 = 1/2. El periodo de esta soluci
on
es
70 4163
4K(1/2)
4K(1/2)
'
T =
=
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
Algunos valores: a2 = 1/2, a4 = 1/2, a6 = 15/32, b3 = 1/4, b5 = 5/16, b7 = 21/64.

En cualquier caso, si hubieramos tomado x(t) = c + A cos(t) como soluci
on prueba, nos daramos cuenta
inmediatamente que el metodo de balance arm
onico requiere c = 0.
20
328
x
1
0.5
8 t
-0.5
-1
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
x(t) = 00 44 cos( 7t),

(5.153)
0
0
x(t)
= 0 44 7 sen( 7t) = 1 15 sen( 7t),

(5.154)
es decir, por una elipse en el plano de fases con semieje horizontal igual a 00 44 y semieje vertical de longitud
10 15. Esto est
a en un muy buen acuerdo con el ciclo lmite calculado numericamente que se muestra en la
figura 5.27.
J
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.
5.6.2. Metodo de Krylov-Bogoliubov

El metodo de Krylov-Bogoliubov21 permite encontrar soluciones aproximads periodicas y/o
cuasiperi
odicas de osciladores no lineales. Recuerdese que con el metodo del balance armonico
tan s
olo se pueden obtener expresiones aproximadas de las soluciones periodicas. El metodo de
Krylov-Bogoliubov se aplica a ecuaciones de la forma
d2 x
dx
+ 2 x + f (x, ) = 0 ,
2
dt
dt
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
Estos nombres en ocasiones tambien se escriben como Kryloff-Bogoliuboff.
331
A y sean constantes en el tiempo. Es decir, consideraremos una solucion formalmente igual a

(5.156), pero de amplitud y fase variable en el tiempo:
x(t) = A(t) cos( t + (t)),
(5.158)
donde A(t) y (t) se determinan imponiendo que (5.158) sea 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)
Para abreviar, hemos usado la notaci

on t + . Imponiendo en esta ecuaci
on la condici
on
(5.159) se tiene que
A cos A
sen = 0.
(5.161)
Derivando la ecuaci
on (5.159):
x
= 2 A cos A sen A cos ,
(5.162)
y sustituyendo este resultado en la ecuaci

on (5.155), obtenemos
2 A cos A sen A cos + 2 A cos + f (A cos , A sen ) = 0,
es decir,
A sen A cos + f (A cos , A sen ) = 0.
(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,
A sen A cos + f (A cos , A sen ) = 0.
(5.164)
(5.165)
Vamos ahora a simplificar estas dos ecuaciones. Multiplicamos la ecuaci

on (5.164) por cos y
le restamos la ecuaci
on (5.165) multiplicada por sen para obtener
A cos2 A
sen cos + A sen2 + A sen cos
f (A cos , A sen ) sen = 0, (5.166)
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,
A f (A cos , A sen ) sen = 0.
(5.167)
Ahora multiplicamos la ecuaci

on (5.164) por sen y le restamos la ecuaci
on (5.165) multiplicada por cos , quedando
2 A cos sen + A
sen2 2 A cos sen + A cos2
f (A cos , A sen ) cos = 0, (5.168)
o bien,
A f (A cos , A sen ) cos = 0.
(5.169)
De este modo hemos obtenido un sistema de ecuaciones de primer orden (desacopladas) sobre A
y formado por (5.167) y (5.169):

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)

[Pn (A) cos n + Qn (A) sen n],

= A P0 (A) + A
n=1
siendo K0 , Kn , Ln , P0 , Pn , y Qn los correspondientes coeficientes de Fourier:

Z 2
1
f (A cos , A sen ) sen d,
K0 (A) =
2 0
Z
1 2
f (A cos , A sen ) sen cos n d,
Kn (A) =
0
Z
1 2
Ln (A) =
f (A cos , A sen ) sen sen n d,
0
Z 2
1
f (A cos , A sen ) cos d,
P0 (A) =
2 0
Z
1 2
Pn (A) =
f (A cos , A sen ) cos cos n d,
0
Z
1 2
f (A cos , A sen ) cos sen n d.
Qn (A) =
0
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

es decir,
333
Z 2
f (A cos , A sen ) sen d,

A = 2
0
.
Z 2
f (A cos , A sen ) cos d

=
2A 0
(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
A(t) = A(0) et/2 ,

(t) = (0).
Por tanto, la soluci

on de Krylov-Bogoliubov es
x(t) = A(0) et/2 cos[t + (0)].
334
Es instructivo comparar esta soluci

on con la exacta
x(t) = A(0) e
t/2
cos
"r
#
2
1 t + (0) .
4
Ambas soluciones son muy parecidas, diferenciandose u

nicamente en el valor de la frecuencia instant
anea:
1 frente a (1 2 /4)1/2 . La diferencia es s
olo de orden 2 .
J
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.
Ciclos lmite y su estabilidad seg

un el metodo de Krylov-Bogoliubov
En un ciclo lmite la solucion x(t) es peri
odica. Si escribimos la solucion como x(t) =
A(t) cos(t + (t)), es suficiente que A(t) sea igual a una constante, que denotaremos por Ac ,
para que la solucion sea peri
odica. Si A(t) = Ac , entonces A = 0, es decir,

A = K0 (Ac ) = 0,
(5.174)
de modo que las races de la ecuaci

on K0 (A) = 0 son justamente las amplitudes (aproximadas)
23
Ac de los ciclos lmite. La fase c (t) del ciclo lmite con amplitud Ac sera la solucion de

c =
P0 (Ac ) =
Ac
2 Ac
f (Ac cos , Ac sen ) cos d.
Como Ac es constante en el tiempo, el miembro derecho de esta ecuacion es tambien constante

de modo que la solucion es trivial:
c (t) =
t
P0 (Ac )
Ac
En definitiva, el ciclo lmite vendra descrito por

t
P0 (Ac )
xc (t) = Ac cos t +
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)
frente a la amplitud A en las

Figura 5.28: Dependencia de la velocidad de cambio de la amplitud, A,
vecindades de Ac para un ciclo lmite (a) inestable y (b) estable. Las flechas indican la direcci
on en
la que la amplitud A cambia.
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
Ciclo lmite inestable.
>0
(5.177)
(5.178)
Ac
para los ciclos lmite inestables (vease la figura 5.28).

Razonando de igual modo, si para A < Ac resulta que A > 0, y para A > Ac se tiene que
A < 0, entonces las amplitudes tienden a acercarse a Ac , es decir, en este caso el ciclo lmite es
estable:

A < Ac A > 0A crece
Ciclo lmite estable.
(5.179)
A > Ac A < 0A decrece
Por supuesto, esto es equivalente a decir que

dA

dA
<0
Ac
para los ciclos lmite estables (vease la figura 5.28).

B Ejercicio 5.12
Halla las relaciones del tipo de (5.179) y (5.180) para un ciclo lmite semiestable.
(5.180)
336
5.7. Caos y atractores extranos. Ecuaciones de Lorenz

Hemos estudiado hasta ahora sistemas autonomos de tan s
olo dos ecuaciones de primer orden.
Mucho de lo que hemos visto es tambien valido para sistemas de m
as de dos ecuaciones. Sin
embargo, el an
alisis de estos sistemas es m
as complicado porque:
1. Hay un n
umero mayor de casos posibles. Este n
umero aumenta con el orden del sistema.
2. Es difcil representar (e imaginar!) trayectorias en un diagrama de fases de tres o m
as
dimensiones.
3. Para sistemas de orden mayor o igual que tres se producen fen
omenos muy complejos y extra
nos que no se dan en sistemas de segundo orden. Estos fen
omenos, que suelen englobarse
bajo el termino de caos, se estan estudiando con intensidad desde hace relativamente
poco tiempo.24 Vamos a esbozar en esta secci
on alguno de estos fen
omenos a traves del
an
alisis de las famosas ecuaciones de Lorenz.
Ecuaciones de Lorenz
A principios de los a
nos 60, el meteorologo E. N. Lorenz estaba interesado en descubrir de un
modo matem
atico simple el comportamiento fsico de una capa de fluido calentado desde abajo.
Es comportamiento de este sistema nos es familiar a casi todos los que alguna vez (probablemente en la cocina) hemos mirado un fluido (probablemente aceite) mientras se calentaba. Lo
que sucede es algo parecido a esto: si la diferencia de temperatura T entre el fondo del fluido
y la superficie de este es peque
na, se produce una conducci
on de calor de abajo hacia arriba sin
movimiento macrosc
opico apreciable de fluido; si T es moderado, entonces el fluido de abajo
sube y desplaza al fluido fro superior, dandose el fen
omeno de convecci
on (aparicion de rollos
convectivos); finalmente, si T es muy grande, el fluido se mueve de modo turbulento.
Lorenz, despues de drasticas simplificaciones en las ecuaciones del movimiento del fluido,
modelo el comportamiento de esta capa mediante el siguiente sistema de ecuaciones:
dx
= x + y,
dt
dy
(5.181)
= r x y x z,
dt
dz = b z + x y.
dt
Estas son las famosas ecuaciones de Lorenz. Su aspecto no es muy terrible: 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
Es inicio del estudio intensivo sobre sistemas ca

oticos suele datarse hacia comienzos de los a
nos sesenta, con
los primeros trabajos de E. N. Lorenz
5.7 Caos y atractores extra

nos. Ecuaciones de Lorenz
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
Los terminos no lineales (u v en la segunda ecuaci

on, y u v en la tercera) son cuadraticos por lo
que P2 es un punto crtico simple. Teniendo en cuenta que r z0 = 1, el sistema linealizado es
du
= u + v,
dt
dv
= u v x0 w,
dt
dw = y u + x v b w,
0
0
dt
siendo su ecuaci
on 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
El que tenga curiosidad puede ver este an

alisis en la referencia [Dra92]
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
Teniendo en cuenta (5.181), esta ecuacion se reduce a

d D2 (t)
= x (x y) + y (r x y x z) (z r ) b z + (z r ) x y
dt 2
= x2 y 2 b z 2 + b (r + ) z.
Es obvio que esta cantidad es menor que cero cuando (x, y, z) . Luego, sorprendentemente,
vemos que para valores grandes de (x, y, z) las trayectorias no 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
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
menos terminos (las ecuaciones de Lorenz tienen siete), bien porque el n

umero de terminos no lineales es
menor (las ecuaciones de Lorenz tienen dos). Uno de estos sistemas caoticos es el siguiente:
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
Figura 5.29: Atractor extra

no de las ecuaciones de Lorenz llamado mariposa de Lorenz. Se ha representado la solucion numerica de las ecuaciones de Lorenz con = 10, r = 60 y b = 8/3, para los
puntos iniciales (x(0), y(0), z(0)) = (1, 2, 3) (lnea continua) y (x(0), y(0), z(0)) = (1, 2, 100) (lnea
punteada). Para este sistema
rc = p
( +b+3)/( b1) 240 7 < r y los puntos crticos, aparte del
p
origen, son C = ( b (r 1), b (r 1), r 1) (120 5, 120 5, 59), y aparecen en la figura
representados por dos puntos en el interior de las alas de la mariposa.

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.
5.4. Analiza la estabilidad del punto de reposo de este sistema:

x = x + z ,
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
a) Sugiere nombres que describan el car

acter de un enamorado, digamos de Romeo, para
las distintas combinaciones del signo de a y b.
b) Supon que el amor de Romeo aumenta (disminuye) si Julieta le ama (no le ama) y
el de Julieta aumenta (disminuye) si Romeo no le ama (s le ama). En este caso, las
ecuaciones tomaran la forma
dR
= aJ ,
dt
dJ
= bR ,
dt
con a > 0 y b > 0. Traza el diagrama de fases de la evolucion de los amores de Romeo
y Julieta para este caso.
c) Sup
on que el amor de Romeo tiende a disminuir si el ya ama a Julieta y a aumentar
si Julieta le ama. Sup
on que Julieta se comporta exactamente de la misma forma. En
este caso, la evoluci
on de sus sentimientos vendra dada por
dR
= aR + bJ ,
dt
dJ
= bR + aJ ,
dt
con a < 0 y b > 0. Demuestra que:

1) Si a2 > b2 , entonces su relacion amorosa languidece hasta la indiferencia absoluta.
2) Si a2 < b2 , entonces su relacion amorosa puede transformase bien en pasion total
o en guerra encarnizada. Determina bajo que condiciones iniciales se produce una
cosa u otra.
d ) Sup
on que la relaci
on amorosa esta gobernada por las ecuaciones
dR
= J,
dt
dJ
= R + J.
dt
Obten el diagrama de fases de esta relaci

on.

Si te ha interesado este problema, puedes encontrar mas detalles en el libro de Strogatz [Str94].www
5.8. Halla el tipo y la estabilidad de los puntos crticos del sistema

x = x y,
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 ,
es asintoticamente estable cuando < 0 e inestable cuando > 0.
348
5.13. Halla la estabilidad de los puntos crticos del sistema

x =y(x + 1) ,
y =x(1 + y 3 ) ,
y determina sus trayectorias de modo cualitativo.
5.14. Sea el sistema
x = y ,
y = 4x + x2 .
a) Halla los puntos crticos. Son puntos crticos simples? Determina su tipo y estabilidad.
b) Halla la ecuaci
on de las trayectorias que pasan por los puntos crticos.
c) Halla de forma aproximada mediante el metodo de balance armonico las trayectorias
del sistema que pasan por las vecindades del origen. Utiliza el resultado obtenido para
determinar la estabilidad del origen (0, 0).
d ) Dibuja un esquema de las trayectorias en el plano x y.
5.15. Demuestra que todas las soluciones de
x
+ |x|
x + x3 = 0
tienden a cero cuando t .
5.16. Demuestra que el origen es un punto espiral del sistema
p
x = y x x2 + y 2 ,
p
y = x y x2 + y 2 ,
pero es un centro del sistema linealizado.
5.17. Halla valores de a > 0, b > 0, m = 0, 1, 2 . . ., n = 0, 1, 2 . . . de modo que E(x, y) =

ax2n + by 2m sean funciones de Liapunov para los sistemas
(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
5.18. Comprueba que 8x2 + 11xy + 5y 2 es funcion de Liapunov del sistema

x = x + 4y ,
y = 2x 5y .
5.19. Demuestra que el sistema dado en coordenadas polares
dr
= r f (r, ) ,
dt
d
= g(r, ) .
dt
(5.191)
(5.192)
(5.193)
5.8 Problemas
349
se reduce, en coordenadas cartesianas, al sistema

dx
= x f (r, ) y g(r, ),
dt
dy
= x g(r, ) + y f (r, ).
dt
(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 < .
5.21. Encuentra soluciones aproximadas del oscilador

x
+ (x2 + x 2 )x = 0
mediante el metodo del balance armonico. Demuestra que x(t) = cos(t) es una solucion
exacta. Este oscilador se estudio en el ejemplo 5.12 de la pagina 314 y se calcularon las
trayectorias solucion (x(t), x(t))
exactas en el plano de fases. A la vista de la figura 5.12,

cu
ando esperas que el metodo de balance armonico proporcione mejores (peores) soluciones
aproximadas?
5.22. Emplea el metodo de Krylov-Bogoliubov para hallar soluciones aproximadas de:
a) x
+ x + x3 = 0.
350

b) x
+ x + x 2 = 0.
c) x
+ x + |x|
x = 0.
d) x
+ x + sgn(x)
= 0 (oscilador con amortiguamiento de Coulomb).
e) x
+ x (1 x2 )x = 0 (ecuaci
on de van der Pol).
f) x
+ x + (x + x3 ) = 0.
g) x
+ x + (x + xn ) = 0, donde n es un n
umero natural (n = 0, 1, 2, . . .)
Captulo 6
Ecuaciones integrales lineales
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 |
Esta es una ecuaci

on integral porque la funcion incognita (~r ) aparece integrada.
352
6.2. Definiciones y clasificacion de las ecuaciones integrales

Una ecuaci
on integral es una ecuaci
on en la que la funcion incognita aparece integrada.1 Una
ecuaci
on integral lineal con funcion incognita (x) tiene la forma
y k(x, y) (y) + g(x) = } (x),
(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
|k(x, y)|2 dx dy = finito.
(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)
Las ecuaciones integrales se clasifican seg

un los valores que tomen los terminos involucrados
en (6.1):
Si } = 0, la ecuaci
on es de Fredholm de primera especie:
dy k(x, y) (y) + g(x) = 0.
(6.5)
Si } = 1, la ecuaci
on es de Fredholm de segunda especie:
dy k(x, y) (y) + g(x) = (x).
(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.
6.2 Definiciones y clasificacion de las ecuaciones integrales

Si g(x) = 0, la ecuaci
on es homogenea:
Z b
dy k(x, y) (y) = } (x).
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)
Igual que para la ecuaci

on de Fredholm, la ecuaci
on de Volterra es de primera especie si
} = 0, de segunda especie si } = 1, homogenea si g(x) = 0, e inhomogenea si g(x) 6= 0.
En resumen:
La ecuaci
on es de Fredholm si los lmites de integracion son fijos y es de Volterra si estos
lmites son variables.
Si la funcion incognita no esta fuera de la integral, la ecuaci
on es de primera especie, pero
si la funcion incognita se encuentra tambien fuera de la integral, la ecuaci
on es de segunda
especie.
La ecuaci
on es homogenea si g(x) = 0, e inhomogenea si g(x) 6= 0 .
Por ejemplo,
dy k(x, y) (y) = g(x)
(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
y donde es la densidad de las partculas (n

umero de partculas por unidad de volumen), k es la constante
de Boltzmann, y T es la temperatura absoluta del lquido. La ecuaci
on de Ornstein-Zernike junto con la
ecuaci
on de cierre de Percus-Yevick, constituye una ecuaci
on integral no lineal cuya soluci
on analtica s
olo
es conocida para unos poqusimos casos especialmente simples.
J
6.3. Equivalencia entre ecuaciones integrales y ecuaciones diferenciales

Ciertas ecuaciones diferenciales pueden expresarse en forma de ecuaciones integrales, y viceversa. Veamos un ejemplo importante.
Sea la ecuaci
on diferencial lineal de segundo orden
00 (x) + A(x)0 (x) + B(x)(x) = G(x).
Integrando (6.13) entre a y x se obtiene la expresi
on
Z
Z x
0
0
0
dy A(y) (y)
(x) (a) =
dy B(y)(y) +
dy G(y).
Si ahora integramos por partes la primera integral del miembro derecho,

Z x
x Z x

dy A0 (y)(y),
dy A(y)0 (y) = A(y)(y)
a
(6.14)
(6.13)
(6.15)
la ecuaci
0 (x) = 0 (a) + A(a)(a) A(x)(x) +
x
a

dy A0 (y) B(y) (y) +
dy G(y).
(6.16)
Integrando de nuevo entre a y x obtenemos

Z x
Z x
0

0
dt A(t)(t)
dt (t) = (x) (a) = (a) + A(a)(a) (x a)
a
a
(6.17)
Z x Z t
Z x Z t
0

dy G(y).
dt
dy A (y) B(y) (y) +
dt
+
a
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)
la cual es facil de demostrar mediante la regla de Leibniz:

Z (x)
Z (x)
d
F
d
d
dy
dy F (x, y) =
+ F (x, (x))
F (x, (x))
.
dx (x)
x
dx
dx
(x)
Veamoslo. Si derivamos el miembro izquierdo de (6.18) se tiene
Z x
Z x Z t
d
dy (y) .
dy (y) =
dt
dx a
a
a
Si derivamos el miembro derecho de (6.18) obtenemos el mismo resultado:
Z x
Z x
d
dy (y) .
dy (x y)(y) =
dx a
a
(6.19)
(6.20)
(6.21)
6.3 Equivalencia entre ecuaciones integrales y ecuaciones diferenciales
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
Pero para x = a, esta relaci

on se reduce a 0 = 0 + C, por lo que C = 0, lo que implica que la
relaci
on (6.18) es cierta. Usando la relaci
on (6.18) en (6.17) se obtiene
Z x
0

dy A(y)(y)
(x) =(a) + (a) + A(a)(a) (x a)
a
Z x
Z x
(6.23)

dy (x y)G(y) .
dy (x y) A0 (y) B(y) (y) +
+
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)
Se demuestra as que la ecuaci

on diferencial (6.13) y la ecuaci
on integral (6.25) son equivalentes.
Debe notarse que, tal como se muestra en las ecuaciones (6.24), las condiciones iniciales de la
ecuaci
on diferencial [lo que vale la funcion incognita y su derivada en x = a, es decir (a) y 0 (a)]
estan incluidas en el n
ucleo k(x, y) y en el termino inhomogeneo g(x) de la ecuaci
on integral.
I Ejemplo 6.2
Queremos hallar la ecuaci
on integral equivalente al oscilador lineal
00 (x) + 2 (x) = 0
(6.26)
con condiciones iniciales

(0) = 1,
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)
Si derivamos una vez la ecuaci

on integral y tenemos en cuenta la regla de Leibniz (6.19) se obtiene
0 (x) = 2
= 2
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)
Descubrimos por tanto que la ecuaci

on diferencial equivalente a la ecuaci
on integral (6.31) es el oscilador
lineal 00 (x) + 2 (x) = 0. Adem
as, es facil ver que si en (6.31) hacemos x = 0 se encuentra que (0) = 0.
De igual modo, si en (6.31) hacemos x = 1, encontramos que (1) = 0. Es decir, la ecuacion integral exige
que la soluci
on (x) de su ecuaci
on diferencial equivalente satisfaga las condiciones de contorno (0) = 0,
(1) = 0. Dicho en otros terminos: la ecuaci
on integral de Fredholm (6.31) es equivalente al problema de
condiciones de contorno
00 (x) + 2 (x) = 0, (0) = 0, (1) = 0.
(6.34)
El n
ucleo k(x, y) de la ecuaci
on integral es la funcion de Green del problema de condiciones de contorno
(6.34).
B Ejercicio 6.2
Puesto que (6.29) equivale a (6.34), puedes hallar la soluci
on de la ecuaci
on integral (6.29) resolviendo
el problema de Sturm-Liouville (6.34). Que valores ha de tomar 2 para que (6.29) tenga soluci
on?
Cu
ales son esta soluciones? (Volveremos a tratar en la seccion 6.9 sobre este metodo de resoluci
on de
ecuaciones integrales, es decir, sobre el metodo consistente en transformar la ecuacion integral en una
ecuaci
on diferencial equivalente.)
Lo que hemos visto en esta secci

on puede resumirse as: las condiciones iniciales o de contorno juegan un papel fundamental en la transformacion de una ecuaci
on diferencial en una
ecuaci
on integral; si las condiciones son iniciales, la ecuaci
on integral que se obtiene es de Volterra; si las condiciones son de contorno, la ecuaci
on integral resultante es de Fredholm, siendo su
6.4 Ecuacion de segunda especie con n

ucleo separable
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.
6.4. Ecuacion de segunda especie con nucleo separable

Se dice que el n
ucleo es degenerado o separable si es de la forma
k(x, y) =
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
Las ecuaciones integrales con n

ucleos degenerados pueden resolverse mediante procedimientos
algebraicos muy sencillos. Veamos un ejemplo representativo.
I Ejemplo 6.5
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
(x) = x + x c1 + x2 c2 .
(6.40)
Sabemos pues, a falta de determinar el valor de las constantes c1 y c2 , cu

al es la soluci
on de (6.36). Para
hallar el valor de estas constantes sustituimos (6.40) en la ecuaciones que definen su valor, es decir, en
(6.38) y en (6.39). As obtenemos este sistema algebraico:
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

Sustituyendo estos valores en (6.40) obtenemos la soluci

on de la ecuaci
on integral (6.36):
80
60 +
x+
x2
2
240 120
240 120 2
(240 60) x 80 x2
=
.
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
6.4.1. Ecuacion de segunda especie inhomogenea con nucleo degenerado

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

Z b
dy i (y) (y),
ci =
(6.44)

(x) = g(x) +
n
X
j=1
cj j (x).
(6.45)
6.4 Ecuacion de segunda especie con n

ucleo separable
359
Sustituyendo ahora la ecuaci

on (6.45) en (6.44) se tiene que
Z b
Z b
n
X
dy i (y) j (y).
cj
ci =
dy i (y)g(y) +
a
(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),
y ij es la delta de Kronecker. La ecuaci

on (6.47) en forma matricial es
c b = [1 a
] c.
c = b + a
(6.48)
siendo 1 la matriz identidad. Por tanto

]1 b
c = [1 a
(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)
Las ecuaciones integrales de Volterra no tienen autovalores [Tri85], lo cual est

a de acuerdo con nuestro comentario de la p
agina 356 acerca de la equivalencia entre las ecuaciones diferenciales con condiciones iniciales y las
ecuaciones integrales de Volterra.
360
puede escribirse en terminos de operadores [vease la ecuaci

on (6.3)] as
b
k = .
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
trivial c1 = c2 = 0 es necesario que

2

= 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)
Usando (6.55) en esta relaci

on encontramos que las autofunciones correspondientes a los autovalores i
son

1
5
1 i x
i (x) = i c1 x 1 +
i
4

i /3
x .
= i c1 x 1 +
1 i /4
4
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 .
6.5 Teoremas de Fredholm
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
Finalizamos esta secci

on enunciando dos teoremas importantes acerca de autovalores y autofunciones de las ecuaciones integrales [CH62]:
Teorema 6.1 El n
umero de autovalores es finito si y s
olo si el n
ucleo es degenerado.
Teorema 6.2 El grado de degeneraci
on (o rango) de los autovalores de un n
ucleo k(x, y) de cuadrado sumable es siempre finito.
6.5. Teoremas de Fredholm

Observando que cualquier n
ucleo de comportamiento normal poda escribirse en forma de una
serie de n
ucleos degenerados [Tri85, secci
on 3.6], Fredholm dedujo un conjunto de teoremas para
n
ucleos reales, conocidos como teoremas de la alternativa de Fredholm, que daremos aqu sin demostracion. Estos teoremas son validos bajo condiciones muy generales. Por concretar, siguiendo
la referencia [Tri85], supondremos que el n
ucleo k(x, y) es de cuadrado sumable sobre el cuadrado
a x, y b, y que g(x) es de cuadrado sumable en el intervalo [a, b], es decir, supondremos que
Z bZ b
|k(x, y)|2 dx dy = finito,
(6.61)
a
y que
5
Rb
a
|g(x)|2 = finito.5
Estas condiciones se pueden relajar: vease, por ejemplo, la secci

on 7.7 de Partial Differential Equations of
Mathematical Physics and Integral Equations, R. B. Guenther y J. W. Lee (Dover, Nueva York, 1996).
362
Teorema 6.3 (Teorema de la alternativa) Con una excepci

on, que se discutir
a en el teorema 6.5, o
bien la ecuaci
on no homogenea
Z b
dy k(x, y) (y)
(x) = g(x) +
a
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
tiene al menos una soluci

on no trivial, es decir, es un autovalor y (x) una autofunci
on.
Los ejemplos 6.5 y 6.6 nos pueden servir para ilustrar este teorema. En el ejemplo 6.5 se
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
6.5 Teoremas de Fredholm
363
Pero si es un autovalor, entonces tambien es autovalor de la ecuaci

on transpuesta, es decir,
existe al menos una soluci
on (no trivial) de
(x) =
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
para toda funci

on (x) que sea autofunci
on del operador transpuesto k(y, x) con autovalor , es
decir, para toda funci
on (x) que satisfaga la ecuaci
on homogenea transpuesta
(x) =
dy k(y, x) (y).
a
Cuando las condiciones de este u

ltimo teorema se satisfacen, la solucion de la ecuaci
on inhomogenea no es u
nica. Esto es facil de entender. Supongamos por concretar que ecuaci
on homogenea con n
ucleo k(x, y) tiene r autofunciones 1 (x), 2 (x),. . . , r (x) con un mismo autovalor
e es decir, 1 (x), 2 (x),. . . , r (x) son las r soluciones linealmente independientes de la ecuaci
,
on
R
e b dy k(x, y) (y). La solucion general de esta ecuaci
o
n
integral
es
integral homogenea (x) =
a
por tanto
r
X
cn n (x)
(x)
e
=
n=1
donde cn son constantes arbitrarias. Sea adem

as (x)
b
una solucion cualquiera de la ecuaci
on no
homogenea. Entonces es evidente que
(x) = (x)
b
+ (x)
e
= (x)
b
+
r
X
cn n (x)
n=1
es tambien solucion de la ecuaci

on no homogenea. Por supuesto esta solucion no es u
nica porque
los valores de cn son arbitrarios.
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
Dado que es igual a uno de los autovalores de la ecuaci

on homogena, = 1 , podramos pensar que,
seg
un afirma el teorema 6.3, la ecuaci
on inhomogenea (6.65) no tiene soluci
on. Sin embargo, es facil ver
que
Z
1
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
6.6. Series de Neumann

Estudiaremos ahora un procedimiento muy simple para resolver ecuaciones integrales lineales
de segunda especie no homogeneas. Por concretar, en lo que sigue nos referiremos casi exclusivamente a la ecuaci
on de segunda especie de Fredholm:
Z b
dy k(x, y) (y)
con g(x) 6= 0,
(6.68)
(x) = g(x) +
a
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.
6.6 Series de Neumann
365
Intentamos mejorar esta primera aproximaci

on sustituyendo 0 (x) en el miembro derecho de
la ecuacion original (6.68), obteniendo
Z b
dy k(x, y) 0 (y)
(x) ' 1 (x) = g(x) +
a
(6.69)
Z b
dy k(x, y) g(y).
= g(x) +
a
Sustituyendo a su vez esta primera aproximaci

on en el miembro derecho de la ecuaci
on original
(6.68) obtenemos una segunda aproximaci
on
Z b
dy k(x, y) 1 (y)
2 (x) = g(x) +
a

Z b
Z b
0
0
0
= g(x) +
dy k(x, y) g(y) +
dy k(y, y ) g(y )
a
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) +
Es decir, la aproximacion de orden n + 1 se obtiene de la aproximaci

on de orden n a traves de la
relacion de recurrencia
Z b
dy k(x, y)n (x).
(6.70)
n+1 (x) = g(x) +
a
Repitiendo el proceso n veces se obtiene
(x) ' n (x) =

donde
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
Haciendo n en (6.71) obtenemos la serie
m Um (x)
(6.73)
m=0
que se conoce como serie de Neumann.7 Esperamos que la soluci

on (x) venga dada por esta
serie:
n
X
X
(x) = lm n (x) = lm
m Um (x) =
m Um (x),
(6.74)
n
m=0
m=0
es decir, esperamos que la serie de Neumann converja a la soluci

on (x). Veamos bajo que condiciones esta serie converge a la soluci
on de la ecuaci
on integral.
7
En www se da un programa Mathematica que calcula esta serie.
366
Convergencia de la serie de Neumann

Los criterios de convergencia para las ecuaciones de Fredholm y de Volterra vienen dados por
los siguientes teoremas:
Teorema 6.6 Supongamos que el n

ucleo k(x, y) es de cuadrado sumable en el cuadrado a x b,
a y b, es decir, supongamos que
Z bZ
a
|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)
Puede demostrarse [CH62] que la serie de Neumann converge uniformemente en el intervalo

a x b si || < 1/[(b a)M ] donde M es una cota superior del valor absoluto de k(x, y) en el
cuadrado a x, y b.
Teorema 6.7 Sea la ecuaci
on de Volterra
Z
(x) = g(x) +
dy k(x, y) (y),
(6.77)
donde g(x) 6= 0 es continua para a x b, y donde el n

ucleoP
k(x, y) es continuo en el tri
angulo
m
a x b, a y x. Entonces [Jer99] la serie de Neumann m=0 Um (x), con las funciones
Um (x) dadas por las ecuaciones (6.72) en donde cambiamos b por x, converge a la soluci
on (x)
de (6.77).
I Ejemplo 6.8
Sea la ecuaci
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
Vamos ahora a hallar una soluci

on aproximada haciendo uso de la serie de Neumann:
0 (x) = x,
1 (x) = x +
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
Vemos que la soluci

on aproximada n (x) mejora a medida que n aumenta y que tras ocho iteraciones la
aproximacion 8 (x) es una muy buena estimacion de la soluci
on exacta.
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)
mediante el metodo de la serie de Neumann. Su soluci

on, como se puede comprobar facilmente por sustitucion directa, es (x) = ex . Los primeros terminos de la serie son:
0 (x) = 1,
1 (x) = 1 +
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
El termino n-esimo viene dado por

x3
xn
x2
+
+ +
2
3!
n!
P
como es facil de demostrar por induccion (h

agase!). Pero ex = n=0 xn /n!, luego vemos que la serie de
x
Neumann n (x) converge a la soluci
on exacta pues n (x) e cuando n .
n (x) = 1 + x +
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 =
Buscamos una soluci

on que satisfaga la condici
on de contorno
~
(~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
La serie de Neumann en terminos de operadores

En forma de operadores, la ecuaci
on integral de segunda especie que queremos resolver viene
dada por
= g + b
k .
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,
que es la serie de Neumann si interpretamos que b

k n significa aplicar n veces el operador b
k:
Z b Z b
b
k(x, y1 ) k(y1 , y2 ) k(yn1 , yn ) g(yn ) dyn dy2 dy1 = Un (x).
kn g =
a
N
ucleos iterados
Hemos visto antes que
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
k1 (x, y1 ) g(y1 ) dy1 + +

n
b
a
kn (x, yn ) g(yn ) dyn +
kn (x, y)g(y)dy
(6.80)
donde hemos definido

k1 (x, y) = k(x, y) ,
Z b Z b
k(x, y1 ) k(y1 , y2 ) k(yn1 , y) dy1 dy2 dyn1 .
kn (x, y) =
a
(6.81)
(6.82)
A estas funciones kn (x, y) se les conoce como n

ucleos iterados. Este nombre responde al hecho de
que es posible hallar kn (x, y) en terminos de kn1 (x, y). Veamoslo. La definicion de kn (x, y) es

Z b Z b
Z b
k(y1 , y2 ) k(yn1 , y) dy2 dyn1 dy1 .
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).
Por tanto, encontramos que la funcion R(x, y; ) definida mediante la serie de n

ucleos iterados
R(x, y; ) = k1 (x, y) + k2 (x, 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
k(x, z)kn (z, y)dz

a
n1 kn+1 (x, y)
n=1
= k2 (x, y) + k3 (x, y) + 2 k4 (x, y) +
= 1 [R(x, y; ) k(x, y)],

y por tanto, tenemos que
R(x, y; ) = k(x, y) +
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.
6.7 Series de Fredholm
371
6.7. Series de Fredholm

El metodo de Fredholm se basa en reemplazar la integral entre a y b por una suma, resolver
las ecuaciones algebraicas que resultan y tomar finalmente el lmite continuo. Daremos aqu el
resultado final (la demostraci
on puede verse en [Tri85, secci
on 2.5]).
La solucion de la ecuaci
on integral
Z b
dy k(x, y) (y)
(6.87)
(x) = g(x) +
a
en terminos de la serie de Fredholm es

(x) = g(x) +
dy R(x, y; ) g(y),
(6.88)
donde R(x, y; ), llamado n

ucleo resolvente de Fredholm, es igual a al cociente de dos series
R(x, y; ) =
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

k(x, y) k(x, z1 ) k(x, zn )

k(z1 , y) k(z1 , z1 ) k(z1 , zn )
k(z2 , y) k(z2 , z1 ) k(z2 , zn )
.................................
k(zn , y) k(zn , z1 ) k(zn , zn )
k(z1 , z1 ) k(z1 , z2 ) k(z1 , zn )

k(z2 , z1 ) k(z2 , z2 ) k(z2 , zn )
k(z3 , z1 ) k(z3 , z2 ) k(z3 , zn )
..................................
k(zn , zn ) k(zn , z2 ) k(zn , zn )
Por ejemplo, los tres primeros terminos de estas

Z b
k(x, y)
dz1
D(x, y; ) = k(x, y)
k(z1 , y)
a

Z Z
k(x, y)
2 b b
+
dz1 dz2 k(z1 , y)
2! a a
k(z2 , y)
D() = 1
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)
B0 (x, y) = k(x, y).
(6.94d)
I Ejemplo 6.11
Vamos a hallar la soluci
on de la ecuaci
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
A partir de estos resultados podemos calcular C2 y B2 (x, y):

Z 1
Z 1
8
2
+ 2s2 ds = ,
B1 (s, s)ds =
C2 =
3
3
1
1
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.
Como B2 = 0, se deduce inmediatamente que Cn = 0 y Bn (x, y) = 0 para n 3. Por consiguiente las

series de D() y D(x, y; ) se truncan (se convierten en polinomios en ):
D() = 1 +
8
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.
6.7 Series de Fredholm
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
La importancia de la solucion de Fredholm estriba en que la series D(x, y; ) y D() tienen

asegurada la convergencia bajo condiciones muy debiles: s
olo es preciso que el n
ucleo k(x, y) sea
acotado o de cuadrado sumable en en cuadrado de integracion [KKM82, Tri85].
Es posible demostrar que los autovalores de la ecuaci
on homogenea son los ceros de D().
Como argumento de plausibilidad notese que cuando g(x) = 0 la formula de Fredholm nos conduce
a (x) = 0, que es la solucion trivial salvo si D() = 0. Un corolario del teorema 6.1, pagina 361,
es que D() es un polinomio si el n
ucleo es degenerado.
Autofunciones en forma de serie de Fredholm
A fin de obtener una expresi
on para las autofunciones volvamos al caso inhomogeneo y encontremos una identidad para valores arbitrarios de sustituyendo la solucion de Fredholm (6.88)
en la ecuaci
on integral de partida (6.87):
Z b
Z b
Z b
Z b
D(z, y; )
D(x, y; )
2
(6.96)
dy
dy
dz k(x, z)
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
Serie de Neumann y serie de Fredholm

En notaci
on de operadores, la ecuaci
on integral no homogenea se escribe como
= g + b
k ,
cuya solucion formal es
= (1 b
k)1 g.
El desarrollo en serie de potencias de este operador da precisamente la serie de Neumann

= g + b
k g + 2 b
k 2 g + 3 b
k3 g +
(6.100)
b
= [1 + R()]
g.
(6.101)
b
(1 b
k)1 = 1 + R().
(6.102)
Por otra parte, la formula de Fredholm puede escribirse como
Tenemos as la identidad formal
6.8. Teora de Schmidt-Hilbert
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
6.8 Teora de Schmidt-Hilbert
375
6.8.1. Algunas propiedades de los nucleos reales simetricos

Todo n
ucleo simetrico (no nulo) de cuadrado sumable tiene al menos un autovalor.
Es facil demostrar que los autovalores de un n
ucleo real simetrico k(x, y) son reales, es
decir, que
)
Rb
n a dy k(x, y) n (y) = n (x)
n = n .
(6.103)
k(x, y) real y simetrico
Este resultado es tambien valido para los n
ucleos hermticos.
Las autofunciones correspondientes a autovalores distintos son ortogonales si el n
ucleo es
simetrico y real:
)
n n , m m con n 6= m
hn |m i = 0.
(6.104)
k(x, y) real y simetrico
Si un autovalor esta degenerado, sus autofunciones se pueden ortogonalizar mediante el
metodo de Gram-Schmidt, de modo que
hn |m i = kn k2 nm .
Por supuesto, las afirmaciones (6.103) y (6.104) son igualmente validas para n
ucleos hermticos y pueden demostrarse siguiendo el mismo procedimiento que se empleo en la secci
on
1.3.3, pagina 14, para operadores hermticos genericos.
B Ejercicio 6.5
Demuestra los resultados (6.103) y (6.104).
Una propiedad importante de los n

ucleos reales simetricos es que su espectro de autovalores
nunca esta vaco [Tri85]:
Teorema 6.8 Todo n
ucleo simetrico de cuadrado sumable tiene al menos un autovalor.
En general las autofunciones n (x) del n
ucleo real simetrico k(x, y) no constituyen un
conjunto completo de funciones, es decir, no podemos expresar cualquier funcion (bien
comportada) como combinacion lineal de las autofunciones n (x). Sin embargo, bajo ciertas
condiciones, estas autofunciones s constituyen un conjunto completo para cierta clase de
funciones (x). El siguiente teorema nos aclara cu
ales son estas condiciones [Tri85, secci
on
3.10].
Teorema 6.9 (Teorema de Hilbert-Schmidt) Si la funci
on (x) puede escribirse de la forma
Z b
dy k(x, y) (y)
(6.105)
(x) =
a
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

converge en media cuadr
atica a (x):
2
Z b
n

X

am m (x) = 0 .
lm
(x)
n a

m=1
Como es habitual, esto lo escribiremos simplemente as:

(x) =
an n (x)
con
an =
n=1
hn |i
.
kn k2
(6.106)
Esta serie es uniforme y absolutamente convergente si la funci

on A(x) definida por
Z b
k 2 (x, y)dy = A2 (x)
a
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

on en la ecuaci
on integral que satisface m (x),
Z b
dy k(x, y) m (y),
m (x) = m
(6.108)
se tiene que
m (x) = m
= m
dy
a
an (x)n (y)m (y)
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) =

on en (6.107) se obtiene
k(x, y) =
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
6.8.2. Resolucion de la ecuacion no homogenea

Queremos resolver la ecuaci
(x) = g(x) +
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
donde n es la autofuncion correspondiente al autovalor n . Asumiremos en lo que sigue que todas

las autofunciones son ortogonales entre s, es decir, que hn |m i = 0 incluso si n y m tienen
el mismo autovalor n = m con n 6= m, es decir, incluso si las autofunciones son degeneradas.
Por la ecuaci
on (6.111) vemos que (x) g(x) es una funcion generable por el n
ucleo k(x, y)
donde (y) juega el papel de la funcion semilla (y) que aparece en la ecuaci
on (6.105). En este
caso, el teorema de Hilbert-Schmidt nos asegura9 que podemos expresar (x) g(x) en serie de
autofunciones
X
dn n (x),
(6.113)
(x) g(x) =
n=1
con
dn =
b
a
n (x) [(x) g(x)] dx
= an bn ,
donde
an =
(6.114)
(6.115)
dx n (x) (x)
(6.116)
son los coeficientes generalizados de Fourier de la funcion incognita, y donde

bn =
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)
o, equivalentemente, escribiendo k(y, x) en vez de k(x, y) (lo cual es lcito porque el n

ucleo es
simetrico) e intercambiando el orden de integracion:
dn =
9
dy (y)
a
dx k(y, x)n (x) .
(6.119)
Como es habitual asumimos que (x), y k(x, y) satisfacen las condiciones del teorema de Hilbert-Schmidt, a
saber, que (x) es de cuadrado sumable en el intervalo a x b y que el n
ucleo es de cuadrado sumable en el
cuadrado a x, y b.
378
Pero como n (x) es autofuncion del n

ucleo k(x, y), la u
ltima integral se reduce a n (y)/n , de
modo que
Z b
dn =
dy n (y) (y) =
an .
(6.120)
n a
n
Usando este resultado en (6.115) encontramos

dn =
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
Es instructivo comparar esta ecuaci

on con las ecuaciones (1.121) y (1.160) del captulo 1 (pagina
41).
Recordemos que el n
ucleo resolvente R(x, y; ) se defina en la pagina 370 como aquella funcion
que nos proporciona la solucion de la ecuaci
on integral (x) mediante la relaci
on
(x) = g(x) +
dy R(x, y; ) g(y).
Comparando esta expresi

on con la (6.123) encontramos el desarrollo en serie de autofunciones
del n
ucleo resolvente de un n
ucleo real simetrico:
R(x, y; ) =
n=1
1 n (x) n (y)
.
kn k2 n
(6.124)
6.8.3. Teoremas de Fredholm para nucleos reales y simetricos

Enunciamos los teoremas de Fredholm en la secci
on 6.5. Ahora vamos a volver de nuevo sobre
estos teoremas discutiendo su significado y justificando sus afirmaciones pero restringiendonos a
los casos en los que el n
ucleo k(x, y) de la ecuaci
on integral
(x) = g(x) +
dy k(x, y) (y),
es real y simetrico. Recuerdese que la expresi

on (6.123) es valida para estos casos.
(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
donde dn satisfaca la relaci

on
dn =
dn bn
n
con
bn =
hn |gi
.
kn k2
Si g(x) = 0, entonces bn = 0 y la relaci

dn =
dn .
n
(6.128)
Si 6= n para todo n, es decir, si no es un autovalor, la relaci

on anterior (6.128) s
olo puede
satisfacerse si dn = 0. Por la relaci
on (6.127), esto significa que la u
nica solucion posible es
(x) = 0, es decir, encontramos que no existe solucion, aparte de la trivial, de la ecuaci
on
homogenea si no es un autovalor. Esto es precisamente lo que afirmaba el teorema de la
alternativa de Fredholm. Pero si = m , es decir, si es un autovalor, se tiene que
m
dn dn = 0 si n 6= m
n
m
dm =
am dm arbitrario (x) = dm m (x).
m
dn =
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
Pero como g(x) 6= 0, entonces, por lo general,

bn =
por lo que
dn =
Esto significa que:
hn |gi
6= 0,
kn k2
bn
n
para todo n.
(6.130)
380

Si no es igual a ning
un autovalor ( 6= n para todo n), es decir, si la ecuaci
on homogenea
no tiene solucion, entonces la ecuaci
on integral (6.125) no homogenea s tiene solucion y
esta viene dada por (6.129) con los coeficientes dados por (6.130). Esto es justamente lo
que nos deca el teorema de la alternativa de Fredholm.
Si es igual a un autovalor, por ejemplo, si = m se tiene que
dn =
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)
Como el valor de dm es arbitrario, la solucion (6.132) no es u

nica: existen infinitas
soluciones linealmente independientes, una distinta para cada valor arbitrario de dm
que se escoja.
Rb
N
otese que bm = 0 equivale a hm |gi a m (x) g(x) dx = 0, por lo que, en definitiva,
hemos justificado para el caso especial de n
ucleos k(x, y) reales simetricos el teorema
6.5; teorema que, recuerdese, nos deca en que circunstancias el teorema de la alternativa de Fredholm 6.3 poda no verificarse. Debe notarse finalmente que, al ser k(x, y)
simetrico, la autofuncion m (x) del n
ucleo k(x, y) es tambien autofuncion del n
ucleo
transpuesto con el mismo autovalor m :
m
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
donde [caso (a)] g(x) = cos(x) y [caso (b)] g(x) = cos(2x). El n

ucleo k(x, y) = sen(x + y) es real y
simetrico por lo que podemos utilizar la teora de Schmidt-Hilbert para encontrar su soluci
on. Empecemos
encontrando las autofunciones y autovalores del n
ucleo k(x, y) = sen(x + y). Para ello buscamos todas las
soluciones no nulas posibles de la ecuaci
on homogenea
Z
sen(x + y) (y) dy.
(6.134)
(x) =
0
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
(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 =
cos y (c1 sen y + c2 cos y)dy =
(6.136)
(6.137)
Esto implica c1 = (/2)2 c1 . Dado que la posible soluci

on c1 = 0 conduce a la soluci
on trivial (x) = 0,
debe ocurrir que 2 = (2/)2 , es decir, los autovalores son 1 = 2/ y 2 = 2/. Si = 1 , de la ecuacion
(6.136) se deduce que c1 = c2 , por lo que, seg
un la relaci
on (6.135), la autofuncion correspondiente es
1 (x) = sen x + cos x.
(6.138)
De igual modo, si = 2 , de la ecuaci

on (6.136) se deduce que c1 = c2 , y la ecuacion (6.135) conduce a
2 (x) = sen x cos x
(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
La norma de las dos autofunciones es :

Z
2
(sen x + cos x)2 dx = ,
k1 k =
0
Z
2
(sen x cos x)2 dx = .
k2 k =
0
F Caso (a): g(x) = cos x

En este caso
Z
,
2
0
Z
(sen x cos x) cos x dx = .

h2 |gi =
2
0
h1 |gi =
(sen x + cos x) cos x dx =
La soluci
on (6.140) es por tanto
(x) = cos x +
2
sen x + cos x sen x cos x

+
2/
2/ +
(6.141)
382
Por supuesto, si es igual a un autovalor, esto es, si = 2/, en la ecuaci

on (6.141) aparece una divisi
on
por cero, es decir, la ecuaci
on (6.133) con g(x) = cos x no tiene soluci
on pues h1 |gi =
6 0 y h2 |gi =
6 0.
F Caso (b): g(x) = cos 2x
Igual que el el caso (a), la teora de Schmidt-Hilbert nos dice que la soluci
on de la ecuacion no homogenea,
ecuaci
on (6.133) con g(x) = cos 2x, viene dada por la relaci
on (6.140), pero ahora se tiene que
Z
(sen x + cos x) cos 2x dx = 0,
h1 |gi =
Z0
(sen x cos x) cos 2x dx = 0.
h2 |gi =
0
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
6.9. Tecnicas varias de resolucion de ecuaciones integrales

6.9.1. Reduccion de la ecuacion integral a una ecuacion diferencial
En ocasiones las ecuaciones integrales pueden convertirse en ecuaciones diferenciales tras
sucesivas diferenciaciones en las que se hace uso de la regla de Leibniz (6.19). Vamos a verlo en
un ejemplo muy representativo.
6.9 Tecnicas varias de resolucion de ecuaciones integrales
383
I Ejemplo 6.13
Sea la ecuaci
on de Volterra
2
(x) = 2 + x cos x +
[1 + 2(y x)] (y) dy.
(6.142)
Diferenciando una vez esta ecuaci

on integral y haciendo uso de (6.19), obtenemos que
Z x
(y) dy + (x).
0 (x) = 2x + sen x 2
(6.143)
Derivando una vez mas:

00 (x) = 2 + cos x 2(x) + 0 (x).
Hemos as obtenido una ecuaci
on diferencial lineal no homogenea de coeficientes constantes cuya soluci
on
es
"
!#
!
cos x sen x
7
7
x/2
(x) = 1 +
+e
x + B sen
x
.
(6.144)
A cos
2
2
2
Las constantes A y B se hallan exigiendo que (x) satisfaga condiciones implicadas por la ecuacion integral:
1. La ecuaci
on integral (6.142) evaluada en x = 0 nos dice que
(0) = 2 cos 0 +
[1 + 2(y x)] (y) dy = 1.
2. La derivada de la ecuaci
on integral, dada por la ecuaci
on (6.143), evaluada en x = 0 conduce a
0 (0) = sen 0 + (0) 2
(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
En ocasiones, la diferenciacion directa de la ecuaci

on integral conduce a ecuaciones diferenciales complicadas, mientras que la ecuaci
on diferencial resultante es m
as simple si se trabaja con
una funcion auxiliar. Veamos un ejemplo de esto.
I Ejemplo 6.14
Sea la ecuaci
on de Volterra
(x) = x +
dy x y (y).
Mediante diferenciacion directa se obtiene

0 (x) = 1 +
dy y (y) + x2 (x).
384
Diferenciando de nuevo encontramos que

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

F (x) =
dy y (y).
Derivando F (x) encontramos que

dF
d
=
dx
dx
dy y (y) = x (x).
Pero por la ecuaci

on (6.145) se tiene que x (x) = x2 + x2 F (x), luego encontramos que F (x) es la soluci
on
de una ecuaci
on diferencial ordinaria de primer orden:
dF
= x2 + x2 F (x).
dx
La resoluci
on de esta ecuaci
on diferencial es muy simple:
3
x3
dF
= x2 dx ln(1 + F ) =
F (x) = 1 + C ex /3 .
1+F
3
on en (6.145) encontramos que
3
(x) = C x ex
/3
(6.146)
(6.147)
Podemos hallar el coeficiente C de dos modos distintos:

1. Por la definicion de F (x) observamos que F (0) = 0, por lo que de (6.146) deducimos que C = 1. Por
lo tanto la soluci
on buscada es
3
(x) = x ex /3 .
2. Tambien podemos sustituir la soluci
on provisional (x) dada por (6.147) en la ecuacion integral:
Z x
3
3
dy yC y ey /3
(x) = C x ex /3 = x + x
0
Z x
3
dy y 2 ey /3
=x+Cx
0
x3 /3
= x + C x [e
1]
De este modo obtenemos

3
La soluci
on es por tanto (x) = x ex
0 = x C x C = 1.
/3
Hemos visto en los ejemplos anteriores que una ecuaci

on integral de Volterra se transformaba
en el problema equivalente de una ecuaci
on diferencial con condiciones iniciales. Ciertas ecuaciones integrales de Fredholm tambien pueden reducirse a ecuaciones diferenciales con condiciones
de contorno. Esto ya se mostro en el ejemplo 6.3, pagina 356, y no daremos aqu ning
un ejemplo
m
as.
385
6.9.2. Ecuaciones integrales de convolucion

Se llaman as a las ecuaciones integrales en las que el n
ucleo es s
olo funcion de la diferencia
x y. A estos n
ucleos son llamados n
ucleos de desplazamiento.
Lmites de integracion infinitos
Si los lmites de integracion son infinitos
(x) = g(x) +
dy k(x y) (y),
(6.148)
podemos intentar resolver esta ecuaci

on aplicando el operador transformada de Fourier. La transformada de Fourier de (x) la denotaremos por ():
e
Z
(x) ei x dx.
(6.149)
F[] ()
e
=
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)
y que su transformada de Fourier es igual al producto de las transformadas de Fourier de k(x) y

(x), es decir,

Z
k(x y) (y) dy = F[k]F[] = e
k() ().
e
(6.150)
F[k ] = F
Este resultado se conoce como teorema de la convoluci

on (de Fourier). Aplicando el operador
transformada de Fourier sobre la ecuaci
on (6.148) y usando el resultado (6.150) anterior obtenemos
()
e
= ge() + e
k() (),
e
con lo que la solucion de la ecuaci
on integral en el espacio de Fourier viene dada por
()
e
=
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)
tarea que no suele ser facil.
Lmites de integracion entre 0 y x

Si los lmites de integracion de la ecuaci
on integral son 0 y x, la ecuaci
on a resolver
Z x
(x) = g(x) +
dy k(x y) (y),
(6.153)
0
es de Volterra y podemos usar el operador transformada de Laplace en su resoluci

on. La transformada de Laplace de (x) la denotaremos por (s):
e
Z
esx (x) dx.
L[] (s)
e =
0
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)
y que su transformada de Laplace es el producto de las transformadas de Laplace de k(x) y (x)

(teorema de la convoluci
on de Laplace), es decir,

Z x
dy k(x y) (y) = L[k] L[] = e
k(s)(s).
e
(6.154)
L[k ] = L
0
Aplicando el operador transformada de Laplace a la ecuaci

on (6.153) y usando la propiedad
(6.154) encontramos que
(s)
e = ge(s) + e
k(s) (s),
e
con lo que la solucion en el espacio de Laplace vendr

a dada por
ge(s)
.
1 e
k(s)
(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
se obtiene que la soluci

on buscada es (x) = x x2 /2.
J
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
Review E 67, 060102 (2003); http://arxiv.org/abs/cond-mat/0212226) que (t)
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) =
podemos escribir la funcion (t) as:

1/2
4D
(t) =
[(1 + t)(1/2, t) (3/2, 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
6.9.3. Desarrollo en serie de funciones ortogonales

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

on integral obtenemos
Z 1X
X
Pr (y) xr
an Pn (y)
g(x) =
=
1 n=0
XX
an xr
n=0 r=0
r=0
Pn (y) Pr (y) dy.
(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
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
de modo que los coeficientes vienen dados por

2n + 1 (n)
g (0).
(6.162)
2n!
Sustituyendo (6.162) en (6.159) hallamos la solucion de la ecuaci
on integral expresada como serie
de polinomios de Legendre:
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
y desarrollamos (x), g(x) y k(x, y) en terminos de i (x),

(x) =
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
kij j (y) i (x),

ci (y) i (x) =
j=1
i=1
k(x, y) =
kij i (x) j (y).
(6.167)
i,j=1
Sustituyendo estas relaciones en la ecuaci

on integral (6.164) y aprovechando la propiedad de
ortonormalidad de i (x) reducimos la ecuaci
on integral a una ecuaci
on entre series:
Z b
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
de la que deducimos que
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
facilmente resoluble. . . por un ordenador.
kij j ,
i = 1, 2, . . . , N,
(6.169)
390
6.10. Ecuacion de Abel generalizada

La ecuaci
on de Abel generalizada10
Z
g(x) =
(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)
Pero L[x ] = ()!/s1 , luego

L[(x)] =
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)
Aplicando de nuevo el teorema de la convolucion y teniendo en cuenta que

()!! =
se encuentra que
1
sen
L[(x)] =
L
s
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)
Derivando esta ecuaci

on obtenemos finalmente la solucion de la ecuaci
on integral de Abel:11
Z x
g(y)
sen d
dy.
(6.176)
(x) =
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
Figura 6.1: Esquema de la curva en el problema mecanico de Abel.

e integrando por partes:
y=x
Z x
Z

g(y)
1
1 x g 0 (y)

dy = g(y)(x y)
dy
+
1
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
por lo que (6.179) se puede escribir as:

T (y) =
(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 entonces, mediante (6.182), calcularamos el tiempo de descenso. El problema mecanico de Abel es el

problema inverso: se pide hallar la forma del alambre y(x) que conduce a una determinada dependencia
del tiempo de descenso con la altura inicial, es decir, a una determinada funcion T (y).
Supongamos que estamos interesados en conocer cu
al es la forma de la curva y(x) que conduce a que el
tiempo de descenso sea el mismo sea cual sea la altura inicial, es decir, la curva para la cual T (y) = T0
donde T0 es constante. A la curva que posee esta propiedad se la llama taut
ocrona. En este caso, la soluci
on
de (6.182) es, seg
un (6.177),
r
r
T0 2g
2a
=
(6.184)
(y) =
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)
De las ecuaciones (6.184) y (6.186) se deduce que

sen =
y
2a
(6.190)
y por tanto
y = 2a sen2 = a(1 cos 2) .
(6.191)
Pero dy = 4a sen cos d y por consiguiente

dx =
dy
= 4a cos2 d = 2a(1 + cos 2)d,
tan
(6.192)
6.10 Ecuaci
on de Abel generalizada
393
y
2
1.5
1
0.5
-3
-2
-1
Figura 6.2: Cicloide para a = 1 con /2 /2.
Figura 6.3: Generaci

on de una cicloide por un punto situado sobre una circunferencia que rueda sobre
una lnea horizontal.
es decir,
x = 2a( +
1
2
sen 2) + C .
(6.193)
Pero la curva ha de pasar por el origen (0, 0), luego, por (6.191), debe ocurrir que = 0 (la otra posibilidad,
= , conduce a la misma curva), por lo que la constante de integraci
on es cero C = 0. En definitiva la
taut
ocrona viene dada por
x =a(2 + sen 2),
(6.194)
y =a(1 cos 2),
(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)
pues para este potencial la soluci

on del oscilador lineal
d2 s
dV
2
=
s 2 s
dt2
ds
4T 2
tiene por soluci
on a
s = s(0) cos (t) = s(0) cos

t
2T
cuyo periodo es = 2/ = 4T . Por tanto, tal como debe ser, T no es 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
1 + (dx/dy)2 en esta expresi

on se encuentra:
1+
donde V 0 (y) dV /dy. Es decir
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 ).
6.11 Resolucion numerica
395
6.11. Resolucion numerica

En principio, es relativamente sencillo resolver ecuaciones integrales numericamente mediante
un ordenador, aunque pueden presentarse casos difciles que no trataremos aqu (vease, por
ejemplo, [PFT93, captulo 18]). Para entender el procedimiento basico hemos de recordar primero
como se calcula numericamente una integral. Esto se discuti
o con detalle en la secci
on 4.3.2
(pagina 214 y siguientes). Vimos entonces que la integracion numerica consiste en reemplazar la
integral por una suma, ponderada por los pesos Wi , de la funcion a integrar (x) evaluada en
ciertos puntos xi del intervalo de integracion convenientemente escogidos:
Z
n
X
b
a
(x) dx '
Wi (xi ).
(6.197)
i=0
Los valores de xi y Wi son caractersticos de cada metodo de integracion.

Ecuacion de Fredholm de segunda especie no homogenea
Introducimos la relaci
on (6.197) en la ecuaci
on integral
(x) = g(x) +
dy k(x, y) (y),
es decir, hacemos la aproximacion

Z
dy k(x, y) (y) '
n
X
Wj k(x, yj ) (yj )
j=0

on integral en el punto xi
(xi ) = g(xi ) +
dy k(xi , y) (y),
(6.198)
Wj k(xi , yj ) (yj ),
(6.199)
se aproxima por
(xi ) = g(xi ) +
n
X
j=0
con i = 0, 2, 3, . . . , n. Escogiendo xi = yi , la ecuaci

on (6.199) anterior se reduce al sistema
algebraico
n
X
Wj k(xi , xj ) (xj ), i = 0, 2, 3, . . . , n
(6.200)
(xi ) = g(xi ) +
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
i = Gi +
n
X
j=0
y por lo tanto obtenemos que
=G
+ M
,
Mij j
= (1 M
)1 G
.
(6.201)
(6.202)
396
Es relativamente facil invertir matrices numericamente mediante un ordenador. La precisi

on de
la solucion obtenida puede comprobarse incrementando el n
umero de puntos xi de integracion y
viendo si la solucion no cambia apreciablemente (dentro de lo que estemos dispuestos a tolerar)
con respecto a la solucion anterior.
F Observaciones
no es adecuada con respecto a la
En la practica podemos encontrarnos que la matriz 1 M
inversi
on [PFT93]. Esto se debe a que, al invertir la matriz, peque
nos errores numericos pueden
multiplicarse por factores muy grandes, de modo que todas o casi todas las cifras significativas
pueden perderse dando lugar a que el uso
del computo numerico de la matriz inversa de 1 M
Cuando esto sucede se dice que el problema
de (6.202) nos lleve a resultados incorrectos para .
esta mal condicionado. Esto no debera extra
narnos completamente pues la integracion es
esencialmente una operacion de suavizado, de modo que la funcion
g(x) +
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
sea invertible lo cual is as often the

Esta solucion numerica esta muy bien. . . siempre que M
exception as the rule14 [PFT93].
Ecuacion homogenea de Fredholm de segunda especie: autovalores y autofunciones
La ecuaci
on integral de Fredholm homogenea discretizada viene dada por
i =
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
es tan a menudo la excepci

on como la regla
6.11 Resolucion numerica
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.
a) Encuentra los autovalores y las autofunciones de la ecuaci

on integral:
Z 1
dy y (x y)2 (y) .
(x) = x
1
b) Dada la siguiente ecuaci

on integral no homogenea:
Z 1
5
(x) = g(x) x
dy y (x y)2 (y) ,
4
1
halla su solucion utilizando el apartado anterior, o explica su ausencia, si (i) g(x) = x2
y (ii) g(x) = x.
6.4. Resuelve el problema de autovalores de la ecuaci
on integral
Z 1
dy exy (y)
(x) = g(x) +
0
con g(x) = 0. Halla la solucion de la ecuaci

on si g(x) = ex .
6.5. Halla los autovalores y autofunciones de la ecuaci
on integral
Z
dy k(x, y) (y)
(x) =
0
donde
k(x, y) =
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
6.7. Halla, mediante los determinantes de Fredholm, el n

ucleo resolvente de k(x, y) = x ey .
6.8. Sea la ecuaci
on integral de Fredholm
(x)
con n
ucleo
k(x, y) =
dy k(x, y) (y) = 0
(1 x)y
x(1 y)
0 y x 1,
0 x y 1.
a) Halla los autovalores y las autofunciones del problema homogeneo correspondiente.

b) Determina la solucion del problema inhomogeneo si = 1 y (x) = x.
on integral
(x) = 1
donde
k(x, y) =
k(x, y) (y) dy
0
sen(x) cos(y),
sen(y) cos(x),
x y,
y x.

on integral
(x)
dy cos(x + y) (y) = cos 3x

0
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
6.12. Halla todas las soluciones posibles de la ecuaci

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

on integral
Z 1

dy x2 2xy (y) .
(x) = x3 x +
1
6.14. Encuentra todas las soluciones posibles de la ecuaci

on integral
Z 1
sen(ln x) (y) dy
(x) = g(x) +
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
6.15. Encuentra las soluciones (si existen) de la ecuaci

on integral
Z 2
sen(x + y) (y) dy.
(x) = g(x) +
0
con
a) g(x) = 0 (problema de autofunciones y autovalores).

b) = 1 y g(x) = x,
c) = 1/ y g(x) = sen(2x),
d ) = 1/ y g(x) = sen(x).
6.16. Halla la solucion de la ecuaci
on integral
Z x
cos(x y) (y) dy = x
0
mediante el metodo de la transformada de Laplace.

6.17. Halla en la forma de desarrollo en autofunciones la solucion de la ecuaci
on integral
Z 1
dy K(x, y) (y) = x,
(x)
0
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
Desarrollo asintotico de integrales
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
on de la ecuaci
on diferencial de primer orden
y0 + y =
1
.
x
(7.1)
Para ello multiplicamos por el factor integrante ex :

e x y 0 + ex y =
ex
x
d x
ex
(e y) = .
dx
x
Integrando esta expresi

on entre un valor dado x0 fijo y x se obtiene
Z x t
Z x t
e
e
ex y(x) ex0 y(x0 ) =
dt y(x) = ex0 x y(x0 ) + ex
dt.
x0 t
x0 t
Esta
es por tanto la soluci
on y(x) de la ecuaci
on diferencial (7.1) cuyo valor en x0 es y(x0 ). Resulta que
esta soluci
on no puede expresarse en 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
El smbolo VP significa valor principal de Cauchy.1

J
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)
Pero si las trampas se disponen al azar, el tama

no de la regi
on libre de trampas en la que cae la partcula
puede ser cualquiera (desde cero hasta infinito). La probabilidad (L)dL de que la partcula se sit
ue
sobre un intervalo de tama
no comprendido entre L y L + dL es2 (L)dL = 2 L eL dL. Por tanto, la
probabilidad de supervivencia que buscamos es
Z
2 L eL SL (t)dL
S(t) = hSL (t)i =
0
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
Vemos que el calculo de S(t) requiere evaluar integrales de la forma

Z
2
e/L L dL.
I=
0
Estas integrales no tienen soluci

on conocida y para su estimacion ha de recurrirse a tecnicas de desarrollo
asint
otico de integrales tales como las que se discutir
an en este captulo. Por ejemplo, para 1 esta
1
2
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 .
Este resultado es el caso particular para medio unidimensional (d = 1) de la llamada aproximacion de

Donsker y Varadham:
ln S(t) td/(d+1) 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.
7.2. Resultados utiles sobre series

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

umero m (que dependera del valor de y de x) tal que

m

X

un (x) < .
u(x)

n=1
Se dice que la serie

denotaremos as
n=1 un (x)
converge uniformemente a u(x) en el intervalo X, y lo
n=1
un (x) u(x) ,
(7.4)
si para todo > 0 existe un n

umero m (que depende de pero no de x) tal que

m

X

un (x) < x X.
u(x)

n=1
P
No obstante, habitualmente escribiremos
as especificaciones inn=1 un (x) = u(x) sin m
cluso cuando la convergencia de la serie sea uniformemente convergente. Solo nos preocuparemos de estos matices cuando sea estrictamente necesario.
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
Teorema 7.2 (Criterio de DAlembert) La serie

lm
n=1 an
con an > 0 converge si
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
si |un (x)| Mn y la serie numerica
n=1 Mn
converge.
Esto es tambien conocido como teorema M de Weierstrass, o test M

P de Weierstrass.
Sea rn (x), o resto n-esimo, la funcion definida por rn (x) = u(x) nm=1 um (x) y sea sup |rn (x)|
xX
el valor superior (el m

as grande) de |rn (x)| cuando x recorre todos los valores del intervalo X.
El siguiente teorema lo formularemos en terminos de estas definiciones.
P
Teorema 7.4 La serie
n=1 un converge uniformemente a u(x) sobre x X,
un (x) u(x),
X
n=1
si y s
olo si
lm sup |rn (x)| = 0.
n xX
Teorema 7.5 (Integracion termino a termino de laserie)

P Sea un (x) un conjunto de funciones continuas en el intervalo X = [a, b], que cumplen que n=1 un (x) u(x), entonces se tiene que
X
Z
X
un (t) dt
X
n=1 c
u(t) dt
c, x X = [a, b].
El resultado del teorema anterior se suele escribir simplemente as:

Z xX
Z x
Z x
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
Esta serie, cuando Re() > 1, es la funci

on zeta
[AS72]: () =
. Esta funci
on tiene
n=1 n
Q de Riemann
1
(1
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
7.3. Comparacion de funciones. Smbolos O, o,
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
cos x 1 = O(x2 ) para x 0 pues

lm
x0
cos x 1
1
= .
x2
2
senh x = O(ex ) para x pues

senh x =
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

En estos casos diremos que la funcion f (x) es de orden menor que g(x) cuando x se acerca
a x0 , o bien que g(x) es una funcion dominante sobre f (x) en x0 , o bien que f (x) es
subdominante con respecto a g(x) en x0 .
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
7.4. Series asintoticas

7.4.1. Definicion de serie asintotica
N -esima (o resto N -esimo) entre la funcion f (x) y la serie de potencias
PLlamaremos diferencia
n
on rN (x) definida por
n=0 an (x x0 ) a la funci
rN (x) = f (x)
N
X
n=0
an (x x0 )n .
(7.10)
7.4 Series asint

oticas
409
Serie convergente. La definicion de serie convergente

en terminos de la funcion
P puede reescribirse
n
diferencia rN (x) de la siguiente manera: la serie n=0 an (x x0 ) converge a f (x) si
rN (x) 0 para N y un x fijo.
En este caso escribimos
f (x) =
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
rN (x) = o[(x x0 )N ] para x x0 y un N fijo.

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

x y N fijo. En ocasiones escribiremos
f (x) =
N
X
n
n=0 an x
(7.12)
para x si rN (x) = o[xN ] para
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

Demostraci
on.
Condicion suficiente. Si asumimos que rN (x) = O[(x x0 )N +1 ] entonces debe ocurrir que
rN (x) = o[(x x0 )N ] pues O[(x x0 )N +1 ] = o[(x x0 )N ].
P +1
n
Condicion necesaria. Si asumimos que N
oticamente hacia f (x)
n=0 an (x x0 ) tiende asint
P +1
n
para x x0 , entonces, por definicion de serie asintotica, f (x) N
n=0 an (x x0 ) =
N
+1
o[(x x0 )
] para x x0 . Pero, dado que
N
+1
X
n=0
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.
7.4.2. Ejemplo de serie asintotica

Queremos conocer como se comporta la integral (o funcion) de Stieljes definida por
Z t
e
f (x) =
dt
(7.14)
1 + xt
0
para valores de x positivos y peque
nos.
Vamos a proceder sin preocuparnos, de momento, por justificar los pasos que iremos dando.
Empezamos desarrollando (1 + x t)1 en serie de Taylor en torno a t = 0,
1
(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
no es uniformemente convergente en el intervalo [0, ] de t, para un x dado distinto de cero.

Luego la integracion termino a termino no tiene ninguna garanta. No obstante, olvidemosnos de
este hecho, hag
amoslo y estudiemos la serie resultante:
Z
X
X
n n
(1)n n! xn .
(7.16)
et tn dt =
(1) x
n=0
n=0
Esta serie es divergente para cualquier x 6= 0 pues su radio de convergencia es nulo:

n-simo
coeficiente

R = lm
n (n + 1)-
esimo coeficiente

(1)n n!

= lm
n (1)n+1 (n + 1)!
1
= lm
n n
=0
(7.17)
7.4 Series asint

oticas
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
Pero SN (t) es la suma de una serie geometrica finita de razon x t, luego

1 (x t)N +1
.
1 (x t)
SN (t) =
Entonces
rbN (t) =
1
1 (x t)N +1
(x t)N +1
=
.
1 + xt
1 (x t)
1 + xt
Por tanto tenemos que
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
|rN (x)| < x
tN +1 et dt = xN +1 (N + 1)!
412
Por lo tanto rN (x) = O(xN +1 ) = o(xN ) cuando x 0+ , es decir, rN (x) va a cero m

as rapidaN
mente que x cuando x 0. Pero esta es precisamente la condici
on que nos define una serie
asintotica a una funcion y por tanto podemos escribir
f (x) =
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+ .
7.4.3. Aproximaciones numericas. Regla del truncamiento optimo

La utilidad de las series asintoticas se basa en el hecho de que el error cometido truncando la
serie es del orden del primer termino no considerado:

rN (x) = o (x x0 )N = O (x x0 )N +1
para x x0 y N fijo,
(7.21)
por lo que el error tiende r

apidamente a cero cuando x x0 . En las aplicaciones practicas
usualmente se toma un valor de x cercano a x0 y se intenta reducir el error considerando m
as
terminos en la serie. Pero como la serie es divergente,4 a partir de cierto n
umero de terminos el
error que se comete al a
nadir m
as terminos aumenta en vez de disminuir. Este comportamiento
tpico se muestra en la figura 7.1.

Hemos visto que rN (x) = O aN +1 (x x0 )N +1 para x x0 , esto es, el primer termino
despreciado aN +1 (x x0 )N +1 es una medida del error cometido al truncar con N terminos
cuando x x0 . Si x es proximo a x0 , pero con un valor fijo, el primer termino despreciado es
s
olo una estimacion del error. Esto nos sugiere una regla simple para obtener buenos resultados
numericos a partir de series asintoticas:
1. Examinamos los terminos de la serie, que tpicamente se comportan como mostramos en la
figura 7.1.
2. Localizamos el termino m
as peque
no.
3. Sumamos todos los terminos anteriores a este (no incluyendolo).
Esta suma finita de terminos normalmente proporciona la mejor estimacion de la funcion porque
el siguiente termino no incluido en la suma, el cual nos proporciona una estimacion del error, es
el m
as peque
no de la serie. Esta regla se conoce como regla del truncamiento optimo.
Estamos considerando el peor de los casos posibles asumiendo que la serie asint
otica a una funci
on no es
convergente. Si fuera convergente, todo es mucho m
as f
acil: para mejorar la aproximaci
on s
olo hay que a
nadir m
as
terminos a la serie; eso es todo.
7.5 Desarrollo del integrando
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
7.5. Desarrollo del integrando

En esta y siguientes secciones vamos a estudiar varios metodos para obtener aproximaciones,
generalmente asintoticas, de integrales. Empezaremos en esta secci
on presentando el metodo m
as
sencillo metodo en el que simplemente se desarrolla el integrando en serie de potencias y se
integra a continuaci
on termino a termino.
Ilustraremos la tecnica mediante un par de ejemplos
I Ejemplo 7.7
Queremos calcular
I(x) =
para valores peque

nos de 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).
Recordando que el desarrollo de Taylor de la funcion seno viene dado por
sen y =
X
(1)n+1 2n1
y
,
(2n 1)!
n=1
podemos escribir el integrando de (7.22) as

sen(x t2 ) =
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
(1)n+1 2n1 4n2

x
t
dt
0 n=1 (2n 1)!
Z
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
7.5 Desarrollo del integrando
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)
De este modo el intervalo de integraci

on de la nueva integral ya es finito. El desarrollo en serie de Taylor
416
es uniformemente convergente en este intervalo por lo que la integraci

on termino a termino es posible,
I(x) =
=
=
=
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
7.6. Integracion por partes

Al igual que en la secci
on anterior, explicaremos en que consiste esta tecnica aplicandola a
varios ejemplos.
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
En nuestro caso tenemos que
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
7.6 Integracion por partes
417
Se tiene entonces que

Z
Z t
1
e
dt

t x
t
x
Z t
ex
e
=
dt .
x
t
x
et
dt = et
t2
(7.29)
Continuamos el procedimiento y escribimos
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
Con esta elecci

on se tiene que
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
De este modo tenemos que I(x) sera

I(x) =
ex
ex
2 3 +6
2
x
x
et
dt.
t4
Continuando con el procedimiento obtendramos

I(x) =
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)
Pero tn+2 xn+2 para x t < , por lo que

Z t
Z
1
e
1
1
ex
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
es la serie truncada (hasta el termino N ) asint

otica a I(x) para x que dimos en la ecuacion (7.32).
N
otese que para valores no muy grandes de x la serie truncada puede conducir a peores resultados cuando
se retienen mas terminos.
J
I Ejemplo 7.10
Queremos calcular
I(x) =
t1/2 et dt
para x grandes, es decir, para x .

Usaremos integraci
on por partes, pero hemos de hacerlo con cuidado porque una integraci
on por partes
aplicada directamente a I(x) conduce a una expresi
on indeterminada:
)
du = 1 t3/2 dt ,
u = t1/2
2
v = et .
dv = et dt
419
1.4
1.2
1
0.8
0.6
3
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
siendo (1/2) = la funcion gamma con argumento 1/2.

Ahora la segunda integral puede integrarse por partes sin problemas porque la contribucion del extremo
en el infinito es nula7 :
)
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
Repetimos el procedimiento y escogemos
= 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
Por tanto, dado que I(x) = I1 (x), deducimos que

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
Hemos aprendido en este u

ltimo ejemplo es que la integraci
on por partes no funcionar
a si la
contribuci
on de uno de los lmites de integracion es mucho mayor que el valor de la integral.
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
Repitiendo el procedimiento n veces se encuentra que

Z
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 .
Integramos por partes escogiendo (sin mucha reflexion)

)
(
u = f (t)
du
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)
Como comentamos en el ejemplo 7.11 anterior, es una muy buena se

nal el hecho de que en la funcion v
aparezca el factor 1/x multiplicando a la funcion ex(t) (funcion que ya apareca en la integral original).
Por descontado, ha de asumirse que la integral remanente existe. Esta formula es u
til si la integral de la
derecha es asint
oticamente mas peque
na que los terminos de contorno cuando x . Si esto es cierto,
los terminos de contorno son asint
oticos a I(x):
I(x)
1 f (b) x(b) 1 f (a) x(a)

e
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
1 f (b) x(b) 1 f (a) x(a)

e
0
e
,
x 0 (b)
x (a)
x ,
(7.37)
es valida. Puede demostrarse que esta es una expresi

on asintotica correcta si las funciones (t),
0 (t) y f (t):
1. Son continuas.
2. Satisfacen alguna de las siguientes tres condiciones:
a) 0 (t) 6= 0 para a t b y al menos f (a) 6= 0 y/o f (b) 6= 0. Estas condiciones
son suficientes para asegurar que existe la integral restante del miembro derecho de
(7.35). Adem
as puede probarse que esta integral remanente es despreciable frente a
los terminos de contorno cuando x .
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 .
Este resultado lo justificaremos en la secci

on 7.9 mediante el metodo de Laplace.
c) Re[(t)] < Re[(a)] para a < t b, Re[0 (a)] 6= 0 y f (a) 6= 0. Como en el apartado 2b,
estas condiciones no aseguran que la integral restante exista, pero si nos garantizan
que
1 f (a) x(a)
e
para x .
I(x)
x 0 (a)
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 .
Aqu f (t) = 1, (t) = cosh t 0 (t) = senh t. Luego se tiene que:

0 (t) = senh t 6= 0 para 1 t 2.
f (1) 6= 0 y f (2) 6= 0.
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
dado que cosh(2) > cosh(1).

2. Vamos a ver otro ejemplo con la integral
Z
I(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.
Estas son las condiciones del apartado 2b de la pagina 422, luego

I(x)
2
1
1
ex cosh 3
x 2 cosh 3 senh 2
para x .
J
Si la integral remanente existe y se satisfacen algunas de las tres condiciones anteriores, se

puede seguir integrando por partes para obtener terminos correctivos (es decir, subdominantes)
de I(x). Cada nueva integracion por partes introduce un nuevo factor 1/x, de modo que la serie
toma la forma de serie de potencias en x1 . Por ejemplo, si Re[(b)] > Re[(a)], el desarrollo
asintotico de I(x) toma la forma
I(x) ex(b)
n=1
An xn ,
x .
B Ejercicio 7.1
Demuestra la afirmaci
on anterior.
7.6.1. Fallo de la integracion por partes

El metodo de integracion por partes es bastante inflexible pues s
olo da lugar
a series asintoticas
R b x(t)
en potencias enteras de 1/x. Sin embargo, las integrales de Laplace I(x) = a e
f (t) dt pueden
tener desarrollos asintoticos que involucran potencias fraccionarias de 1/x cuando x . Por
tanto, es evidente que la integracion por partes es inadecuada para hallar la serie asintotica de
esas integrales. Como podemos saber si la integracion por partes funcionar
a? Es claro que la
424
integracion por partes no es el procedimiento adecuado si da lugar a la aparicion de integrales

inexistentes. Por ejemplo, es casi seguro que la integraci
on por partes no funcionar
a si 0 (t) tiene
un cero en [a, b].
I Ejemplo 7.14
Sea la integral
I(x) =
ext dt.
Esta integral puede resolverse exactamente mediante el cambio x t2 = z:

Z
1
I(x) = 1/2
z 1/2 ez dz
2x
0
(1/2)
=
,
2x1/2
es decir,
1
2
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
La integral remanente no existe debido al factor 1/t2 y adem

as un termino de contorno conduce a una
division por cero. Es claro que este es un caso en el que la integraci
on por partes resulta inadecuada.
J
7.7. Metodo de Laplace

Este metodo permite obtener el comportamiento asintotico para x de integrales en las
que el par
ametro grande, x, aparece en una exponencial,
I(x) =
f (t) ex(t) dt,
siendo f (t) y (t) funciones reales continuas. Asumiremos que la integral I(x) existe, es decir,
que tiene un valor finito.
Antes de hacer una exposicion generica, vamos a ilustrar el metodo con un ejemplo.
7.7 Metodo de Laplace
425
I Ejemplo 7.15
Queremos evaluar
10
ext
dt
1+t
para x grandes, es decir para x .

Seguiremos el siguiente procedimiento:
1. Empezamos desarrollando (1 + t)1 en potencias de t.
2. Integramos el resultado termino a termino.
3. Reemplazamos el lmite superior de la integral por .
Etapa 1. Desarrollamos (1 + t)1 en potencias de t:
X
1
(1)n tn .
= 1 t + t2 t3 + =
1+t
n=0
(7.38)
El radio de convergencia de esta serie es

an
= lm 1 = 1,

R = lm
n an+1
n
(7.39)
luego la serie converge uniformemente s

olo para |t| < 1. Por tanto, la integraci
on de esta serie termino a
termino sobre el intervalo [0, 10] no tendra justificaci
on.
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)
y tanto e10x como ex tienden a 0 mucho mas r

apidamente que cualquier potencia de x1 para x .
Decimos entonces que esta u
ltima integral tiende exponencialmente a cero, o que contribuye con terminos
exponencialmente peque
nos (TExP). En definitiva,
I(x) =
ext
dt + TExP I(x, ) + TExP
1+t
para x .
(7.42)
Esto significa que s

olo la vecindad de t = 0 contribuye a la integral I(x). Esto es debido a que, para x ,
el integrando es muchsimo mayor en las vecindades del maximo del exponente de ext (que est
a en t = 0)
que en el resto de las zonas. Es decir, ex0 = 1 ext para todo t > 0 cuando x .
Como < 1, podemos desarrollar (1 + t)1 en potencias de t e integrar la serie resultante termino a
termino sobre el intervalo [0, ] dado que esa serie es uniformemente convergente en ese intervalo [0, ] si
< 1, es decir,
Z
Z
X
X
xt
n
n n
ext tn dt.
(7.43)
e
(1)
(1) t dt =
I(x, ) =
0
n=0
n=0
Mediante el cambio x t = , la integral de la ecuaci

on (7.43) queda
Z
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
Podemos evaluar la integral In integrando por partes mediante la identificacion

du = n n1 d,
u = n
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 .
Es facil ver que podemos escribir de forma general
In = n (n 1) (n 2) (n m + 1) Inm

(x)n + n (x)n1 + + n (n 1) (n m + 2) (x)nm+1 ex .
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 .
Por lo tanto la integral (7.44) se puede escribir como

Z
h n
n!
n2
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
Dado que ex va a cero mucho mas r

apidamente que cualquier potencia de x1 cuando x , escribimos,
tal como hicimos en la ecuaci
on (7.42), que
Z
n!
ext tn dt = n+1 + TExP.
(7.45)
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 ,
7.7 Metodo de Laplace
427
lo que implica, por (7.42), que

I(x) =
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
Por ello escribimos
X
(1)n n!
I(x)
xn+1
n=0
para x .
(7.46)
Este resultado tambien se podra haber obtenido por integraci

on por partes.
J
Repasemos el procedimiento que hemos usado:

1. Primero aproximamos I(x) por I(x, ) reduciendo el intervalo de integracion a un peque
no
intervalo alrededor de la posicion t = c del m
aximo de (t) [en nuestro ejemplo (t) = t
tiene el m
aximo en t = 0], es decir, I(x) I(x, ) para x con:
I(x, ) =
I(x, ) =
I(x, ) =
R c+
c
f (t) ex(t) dt si a < c < b.
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
con > 0 tienen por serie asint

otica a
I(x; )
X
(1)n n!
xn+1
n=0
porque el hecho de que en

I(x) =
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.
7.8 Lema de Watson
429
7.8. Lema de Watson

El procedimiento que hemos empleado en el ejemplo 7.15 da lugar, al aplicarse sobre
I(x) =
f (t) ext dt
(7.47)
al llamado lema de Watson. Este

dice as:
Lema 7.2 (Lema de Watson) Sea f(t) continua en el intervalo de integraci
on 0 t b, con el
9
siguiente desarrollo asint
otico:
f (t) t
an tn
para t 0+ ,
n=0
(7.48)
donde que > 1 y > 0.10 Adem

as, si b = +, debe ocurrir que f (t) ect cuando (t )
11
para alguna constante positiva c. Bajo estas condiciones, se verifica que
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:
1. Si b = finito y f (t) es continua, entonces

sup |f (t)| = finito
tb
y por tanto
f (t) ext sup |f (t)|

tb
2. Si b = y f (t) ect se tiene que

Z
f (t) e
xt
ext = TExP,
ect ext = TExP,
x .
x .
En cualquiera de los dos casos, encontramos que

I(x) = I(x, ) + TExP =
f (t) ext dt + TExP,
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
Escogemos suficientemente peque

no de modo que los primeros N terminos de la serie asintotica (7.48) sean una buena aproximacion de f (t):

N

X

(7.51)
an tn k t+ (N +1) , 0 t ,
f (t) t

n=0
donde, por definicion de serie asintotica, 0 k < . Esto es equivalente a escribir

f (t) t
N
X
n=0

an tn = O t+ (N +1) ,
t 0+ .
Multiplicando (7.51) por ext e integrando entre 0 y se tiene que

Z
Z
N

X
n
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
k t+ (N +1) ext +TExP

0

+ (N + 1) + 1
=k
+ TExP
x+ (N +1)+1
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
Luego, por definicion de serie asintotica,

I(x)
n=0
( + n + 1)
,
x+n+1
x ,
c.q.d.
(7.52)
7.9 Desarrollo asint

otico de integrales generalizadas de Laplace
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
Vamos a hallar una representaci

on asint
otica de K0 (x) para x mediante el lema de Watson.
Empezamos por expresar K0 (x) en terminos de una integral con lmites de integraci
on 0 e . Para ello
utilizamos el cambio de variable,
(
s = 1 t = 0,
s=t+1
s = t = ,
de modo que la integral se transforma en
Z
K0 (x) =
1/2 x(t+1)
(t + 1)2 1
e
dt
0
Z
(t2 + 2t)1/2 ext dt.
= ex
0
As hemos logrado expresar la integral en la forma est

andar de la integral del lema de Watson [vease la
ecuaci
on (7.47)].
Ahora expresamos f (t) = (t2 + 2t)1/2 en serie de potencias de t mediante la formula del binomio generalizado (vease la formula (2.168) en la pagina 124):

t 1/2
(t2 + 2t)1/2 = (2t)1/2 1 +
2
1 n
X
t
1/2
n n + 2
= (2t)
(1)
.
1
2
n!
2
n=0
Aplicar el lema de Watson es equivalente a intercambiar el orden de la integral y el sumatorio, de modo

que
Z
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
7.9. Desarrollo asintotico de integrales generalizadas de Laplace

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

Si (t) es suficientemente simple, puede intentarse el siguiente cambio de variable:
s = (t) t = 1 (s),
432
de modo que
I(x) =
f (t) e
x(t)
dt =
(b)
F (s) exs ds,
(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 .
Aqu (t) = sen2 t por lo que

s = sen2 t ds = 2 sen t cos t dt = 2 sen2 t 1 sen2 t dt = 2 s 1 s dt.
Por tanto la integral queda de la forma
I(x) =
=
sen2 /2
ds
exs
2 s 1s
1/2 xs
s (1 s)
e
ds.
sen2 0
Z 1
1
2
Ahora ya podemos aplicar el lema de Watson porque
para |s| < 1, y por tanto

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
7.9.2. Segundo modo. Modo directo

En otras ocasiones la funcion (t), y sobre todo, la funcion inversa t = 1 (s), es una funcion
complicada multivaluada y el primer modo no es simple en absoluto. En estos casos puede ser
m
as sencillo atacar el problema directamente. El procedimiento, que ya esbozamos en la pagina
427, es el siguiente:
I. Si (t) tiene un m
aximo absoluto en t = c, entonces aproximamos I(x) por I(x, ) tal como
vimos en la pagina 427.
II. En la regi
on estrecha |t c| :

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

b) Si c = b, debe ocurrir que 0 (b) > 0 y, procediendo de modo similar al caso anterior,
tenemos que
Z b
0
f (b) ex [(b)+ (b) (tb)] dt , x .
I(x, )
b
Haciendo encontramos que, para x ,

Z
I(x) f (b) ex(b)
ex (b) (tb) dt
f (b) ex(b)
.
x 0 (b)
(7.54)
2. En el caso II.2b se tiene que 0 (c) = 0. Si adem

as a < c < b, entonces 00 (c) = 0 porque,
recordemos, (c) es un m
aximo de (t). Por consiguiente
I(x, )
c+
00 (c) (tc)2 ]
f (c) ex [(c)+ 2
dt,
x .
Haciendo s
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
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 .
Esta integral pertenece al caso III.1a, con c = a = 0 y 0 (a) = 0.

2.
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
f (a) ex(a)
,
x .
I(x) p
2x 00 (a)
En nuestro ejemplo a = 0, (t) = senh2 t y f (t) = 1, y la expresi

on anterior se reduce a I(x)
p
/4x.
436
3.
ex sen
dt
(1/4)
2x1/4
para x .
Esta integral corresponde al caso III.3 con p = 4.

4.
/2
/2
(t + 2) ex cos t dt
4
x
para x .
Esta integral pertenece al caso III.1, aunque debe notarse que los dos extremos de integraci
on (t =
/2 y t = /2) contribuyen a la 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
Caso con f (t) f0 (t c) .

En este apartado analizaremos un caso en el que f (c) = 0, m
as especficamente, analizaremos
el caso en el que
f (t) f0 (t c) para t c
con > 0. Adem
as supondremos que la funcion (t) de la integral
I(x) =
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,
es decir, tomamos el termino dominante de f (t) en t = c y hasta el primer termino correctivo de

(t) en t = c. Haciendo , obtenemos
Z
1
00
2
x(c)
(t c) e 2 x (c) (tc) dt.
I(x) f0 e
Ahora hacemos el cambio habitual:

1/2
1 00
2
2
s = x (c) (t c) t c = 00
s,
2
x (c)
2

y obtenemos que, para x ,
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)
Ahora hay dos posibilidades:

Si es impar la integral se anula y habra que incorporar el siguiente termino del desarrollo
asintotico de f (t).
Si es par, se tiene que
Z
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.
7.9.3. Maximo no fijo

En el apartado anterior vimos el caso en el que f (c) va a cero como una potencia de (t c)
cuando t c:
f (t) f0 (t c) .
Ahora estudiaremos un caso en el que f (t) va a cero cuando t c m
as rapidamente que
cualquier potencia de (t c):
I(x) =
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
Despejando t obtenemos que la posicion del m

aximo de (x, t) es
t = a + (2x)1/3 .
(7.61)
N
otese que, a diferencia de los casos estudiados hasta ahora, la 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)
de modo que, por la ecuaci

on (7.61), vemos que el m
aximo de
(x, t(s)) = (x, s) = (x1/3 s)1 x (x1/3 s)2 = x1/3 [s1 + s2 ]
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
Desarrollando (x, s) en torno a s = 21/3 ,

1 d2

(x,
s)
(x, s) = (x, s = 21/3 ) +
1/3 (s 21/3 )2 +
2
2!
ds
s=2

3
1/3 2
1/3
) + ,
=x
2/3 3(s 2
2
insertando este resultado en I(x, ), y efectuando la integracion tras hacer , se tiene que
Z
3
1/3
1/3
1/3 )2
1/3
e 2 (2x) 3x (s2
I(x) x
ds
Z
3
1/3
1/3 )2
1/3
e3x (s2
ds
x1/3 e 2 (2x)
para x . Ahora hacemos el cambio de variable

p
u = 3x1/3 (s 21/3 )
de modo que du = 31/2 x1/6 ds y as obtenemos
1/2 1/31/6 23 (2x)1/3
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 .
7.10 Integrales de Fourier
439
7.10. Integrales de Fourier

Una generalizaci
on obvia de las integrales de Laplace estudiadas en la secci
on anterior se da
cuando (t) es compleja. En lo que sigue supondremos, sin perdida de generalidad, que f (t) es
real, pues si fuera compleja la descompondramos como suma de su parte real e imaginaria:
Z
f (t) ex(t) dt =
Re[f (t)] ex(t) dt + i
Im[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) =
f (t) ei x(t) dt,
(7.64)
con f (t), (t), a, b y x reales, se conoce como integral generalizada de Fourier. Por supuesto,
cuando (t) = t esta integral se reduce a una simple integral de Fourier.
7.10.1. Integracion por partes de integrales de Fourier sin puntos estacionarios

Vimos en la secci
on 7.6 que en algunos casos es posible estudiar el comportamiento de I(x)
para x mediante integracion por partes pues para usar esta tecnica no es relevante el hecho
de que la funcion (t) sea compleja. Ilustraremos esta afirmacion mediante el siguiente ejemplo.
I Ejemplo 7.19
Vamos a calcular una aproximacion asint
otica de la integral de Fourier
I(x) =
eixt
dt
1+t
para x . Lo haremos mediante integraci

on por partes:
)
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)
La integral remanente es despreciable frente a los terminos de contorno cuando x ; de hecho, se

desvanece como 1/x2 cuando x . Podemos comprobar esta afirmaci
on integrando por partes una vez
mas escogiendo u = (1 + t)2 y dv = eixt dt:
13
i
x
eixt
1
1
2
dt = 2 eix + 2 2
2
(1 + t)
4x
x
x
El caso general en el que (t) es compleja se estudia en la secci

on 7.11.
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
Por tanto, para x ,
i
i
I(x) = eix + + O
2x
x
o, usando otra notaci

on,
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
No demostraremos el lema de Riemann-Lebesgue, aunque podemos comprenderlo de un modo

intuitivo si nos damos cuenta de que para x el integrando f (t) eixt oscila muy rapidamente
por lo que las contribuciones de los diferentes subintervalos de integracion se cancelan dando
lugar a una integral que tiende a cero cuando x . Estas afirmaciones se corroboran en la
figura 7.5 donde se ha representado la parte real del integrando de la integral del ejemplo 7.19
para x = 200.
El lema de Riemann-Lebesgue puede extenderse a las integrales generalizadas de Fourier, es
decir, cuando (t) 6= t. En este caso el lema afirma:
441
0.5
-0.5
-1
0
0.2
0.4
0.6
0.8
Figura 7.5: Parte real de la funci

on eixt /(1 + t) para x = 200 frente a t en el intervalo 0 t 1.
Lema 7.4 (Lema de Riemann-Lebesgue para integrales generalizadas de Fourier)
Z
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).
2. (t) es una vez continuamente diferenciable en a t b (esto es, la primera derivada es

continua en a t b).
3. (t) no es constante en ning
un subintervalo de a t b.
I Ejemplo 7.20
Este lema implica que
10
t3 eix sen
pues
1. |t3 | es integrable en [0, 10] pues
R 10
0
dt 0 para x ,
|t3 | dt = 104 /4.
2. sen2 t es una vez continuamente diferenciable en 0 t 10 pues su primera derivada 2 sen(t) cos(t)
es una funcion continua en 0 t 10.
3. sen2 t no es constante en ning

un subintervalo de 0 t 10.
Sin embargo, el lema de Riemann-Lebesgue no permite afirmar nada sobre el valor de

x pues en este caso (t) = 2 es constante.
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)
f (t) ix(t) t=b

e

ix 0 (t)
t=a
para x
(7.70)
pues la integral remanente, por el lema de Riemann-Lebesgue, va a cero m

as rapidamente que
los terminos de contorno cuando x .
Es evidente que la integracion por partes tendra problemas si 0 (t) = 0 para alg
un t [a, b].
Los puntos en los que 0 (t) = 0 se llaman puntos estacionarios.14
7.10.2. Integrales de Fourier con puntos estacionarios. Metodo de la fase estacionaria

Cuando hay puntos estacionarios, a
un sigue siendo valido el lema de Riemann-Lebesgue, por
lo que I(x) sigue yendo a cero para x , pero ahora lo har
a menos rapidamente que 1/x.
Esto puede entenderse de un modo cualitativo (por supuesto, es posible demostrarlo de forma
rigurosa) mediante el siguiente argumento: dado que f (t) ei(t) oscila menos rapidamente cerca
de un punto estacionario que en el resto de puntos, debe haber menor cancelacion entre los
subintervalos de integracion adyacentes al punto estacionario, por lo que la integral ir
a a cero
para x de un modo m
as lento que en el caso en el que no haba puntos estacionarios.
Estas afirmaciones pueden corroborarse a la vista de la figura 7.6 donde hemos representado la
parte real de la funcion eix(t) /(1 + t) para x = 200 y donde (t) = (t 1/2)2 tiene un punto
estacionario en t = 1/2. Es muy instructivo que compares esta figura con la figura 7.5 (notese que
en esta figura (t) = t, por lo que (t) no tiene ning
un punto estacionario). Un poco de reflexi
on
debera convencernos de que la figura 7.6 es representativa del comportamiento tpico de los
integrandos de las integrales generalizadas de Fourier en las vecindades de un punto estacionario
cuando x .
Se ha afirmado hace un momento que las integrales de Fourier con un punto estacionario
van cero para x m
as lentamente que las integrales de Fourier sin punto estacionarios que,
recuerdese, iban a cero como 1/x. Podemos ser m
as precisos: vamos a demostrar dentro de un
momento mediante el metodo de la fase estacionaria que el termino dominante de las integrales
generalizadas de Fourier en las que existe un punto estacionario t = c con las propiedades 0 (c) =
00 (c) = = (n1) (c) = 0 y f (c) 6= 0, viene dado por
I(x)
El valor de A lo daremos m
as adelante.
14
Este nombre est

a bien elegido, verdad?
A
x1/n
para x .
443
0.5
-0.5
-1
0
0.2
0.4
0.6
0.8
Figura 7.6: La parte real de la funci

on eix(t1/2) /(1 + t) para x = 200 frente t para 0 t 1.
Comparese con la figura 7.5.
El metodo de la fase estacionaria es un metodo similar al de Laplace en lo que se refiere a
que explota el hecho de que el termino dominante de I(x) procede de un peque
no intervalo de
ancho que rodea al punto estacionario. La verdad de esta u
ltima afirmacion debe resultarnos
evidente a la vista de la figura 7.6.
Dado que cualquier integral generalizada de Fourier con puntos estacionarios puede escribirse
como suma de integrales en las cuales 0 (t) se anule en uno de los extremos de integracion15 podemos estudiar el metodo de fase estacionaria s
olo para integrales en las que el punto estacionario
este en uno de sus extremos, digamos, por concretar, en su extremo inferior:
0 (a) = 0,
y 0 (t) 6= 0
para a < t b .
7.10.3. Metodo de la fase estacionaria. Caso simple.

Queremos obtener el termino asintotico dominante de la integral
I() =
f (t) ei(t) dt
(7.71)
cuando , 0 (a) = 0, 00 (a) 6= 0 y f (a) = finito. N

otese que hemos llamado al par
ametro
que hasta ahora denot
abamos por x. Usaremos esta nueva notaci
on porque en adelante nos
encontraremos con integrales en el plano complejo en las que x denotara (como es tpico) la parte
real de los n
umeros complejos.
Empezamos descomponiendo I() as
I() =
a+
f (t) e
i(t)
= I(, ) +
15
dt +
f (t) ei(t) dt
a+
A
,
0 < 1.
Esto se consigue sin m

as que situar el origen o final de los intervalos de integraci
on justo sobre los puntos
estacionarios.
444
La segunda integral va a cero como 1/ porque no hay punto estacionario de (t) en el intervalo
[a + , b]. Dado que 0 < 1 podemos usar la 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
sin preocuparnos por el valor de B. Denotaremos a la integral que aparece en la expresi

on anterior
como J(), es decir,
Z
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
En lo que sigue, al integrando de (7.72) lo denotaremos por F (z). N

otese que
1
F (z) = ei 2
00 (a) z 2
es una funcion analtica para todo z.

La idea clave para evaluar J() mediante el teorema de Cauchy-Goursat consiste en escoger C
de modo tal que la integral de Fourier J() se transforme en una integral generalizada de Laplace
cuyo comportamiento asintotico puede hallarse mediante las tecnicas expuestas en la secci
on 7.9
anterior. Este contorno17 C se muestra en la figura 7.7. Sobre este contorno se cumple que
Z
Z
Z
Z
F (z) dz =
F (z) dz +
F (z) dz +
F (z) dz = 0,
(7.73)
C
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
Por la desigualdad triangular,

Z
Z

F
(z)
dz
|F (z)| dz

C2
C2
/4
e 2
00 (a) R2
sen 2
0

12 00 (a) R2 sen 2
d + R
/4
e 2
00 (a) R2
donde 0 < 1. Analicemos por separado estas dos integrales:

Como 00 (a) > 0 y sen 2 > 0, se tiene que el integrando de
Z
/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

aproximamos sen 2 ' 2 para obtener
Z
Z
00
2
21 00 (a) R2 sen 2
e
R
e (a) R d
d ' R
0
00
1 e (a)R
'
R 00 (a)
En definitiva, encontramos que

Z
C2
F (z) dz 0 para
2. Sobre C3 se tiene que

z = r ei/4
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)
que es una integral de Laplace generalizada que, como veremos m

as abajo, puede integrase
facilmente de forma exacta.
3. Sobre C1 se tiene que
F (z) dz =
C1
e 2
00 (a) x2
dx J().
(7.77)
Insertando los resultados de (7.74), (7.77) y (7.76) en (7.73), encontramos que

Z
1
00
2
J() = ei/4
e 2 (a) r dr.
0
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
Caso (b): 00 (a) < 0

Procediendo de modo an
alogo a como se ha hecho en el caso (a), pero usando el contorno de
integracion que se muestra en la figura 7.7(b), se demuestra igualmente que
f (a)
I() p
ei(a)i/4 , .
(7.80)
2 00 (a)
7.10.4. Metodo de la fase estacionaria. Caso mas general
Queremos evaluar la misma integral que vimos en la ecuaci

on (7.71)
I() =
f (t) ei(t) dt,
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(, ) +
f (t) ei(t) dt,
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!
(n) (a) (ta)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.
Ahora evaluamos J() mediante el teorema de Cauchy-Goursat:

Z
(n)
n 1
F (z) dz = 0 con F (z) = ei (a) z n! ,
C
escogiendo como contorno C el que se muestra en la figura 7.8. Es facil demostrar aqu tambien,
18
Lo que valga la constante A no es importante, pues veremos que el termino A/ ser

a despreciable frente a los
procedentes de I() para .
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
Tenemos por tanto que

J() =
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)
Haciendo el cambio de variable s =
En definitiva, dado que 1/1/n domina sobre 1/ para , encontramos que

1/n

(1/n)
n!
(n)
f (a) ei (a)+i 2n , .
I()
(n)
n
(a)
(7.81)
449
Caso (b): (n) (a) < 0

Procediendo como en el caso (a), pero usando ahora el contorno C3 de la figura 7.8(b), se
encuentra sin mayor dificultad que

I()
n!
(n) (a)
1/n
(1/n)
(n)
f (a) ei (a)i 2n ,
n
(7.82)
7.10.5. Metodo de la fase estacionaria cuando f (t) f0 (t a)

Queremos conocer en esta secci
on el desarrollo asintotico de la integral
I() =
f (t) ei(t) dt.
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)
en las vecindades del punto estacionario. Vamos a suponer adem

as que
(t) = (a) +
1 (n)
(a) (t a)n +
n!
(7.84)
es decir que 0 (a) = 00 (a) = = (n1) (a) = 0 y (n) (a) 6= 0.

Procedemos como en las secciones anteriores y, para aproximamos I() as:
I() I(, ) =
a+
f (t) eix(t) dt .
Insertando en esta integral las expresiones de (t) y f (t) de las ecuaciones (7.83) y (7.84) encontramos que
Z a+
1 (n)
n
f0 (t a) ei[(a)+ n! (a) (ta) ] dt.
I(, )
a
Haciendo obtenemos que

I() f0 e
i(a)
f0 ei(a)
Za
(t a) ei n!
1
z ei n!
(n) (a) (ta)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
Caso (a): (n) (a) > 0

De igual modo que en la secci
on 7.10.4 anterior, es posible demostrar que
para R , por lo que
Z
Z
F (z) dz = J() =
F (z) dz.
C1
C2
F (z) dz 0
C3
, por lo que la tarea de

Pero sobre el contorno C3 de la figura 7.8(a) se tiene que z = r exp i 2n
evaluar la integral compleja anterior se convierte en la tarea de evaluar una integral real:
Z
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!
Hacemos el cambio de variable s =
con lo que obtenemos,
+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)
Caso (b): (n) (a) < 0

De forma an
aloga al caso (a), pero ahora usando el contorno C3 de la figura 7.8(b), es facil
demostrar que

I()
n!
(n) (a)
+1
n
+1
n
f0 ei(a)i(+1) 2n ,
(7.86)
7.11. Metodo de la maxima pendiente

El metodo de la m
axima pendiente es una tecnica muy relacionada con el metodo de Laplace
(y de la fase estacionaria) que sirve para hallar el comportamiento asintotico de integrales de la
forma
Z
Z
h(z)
f (z) e(z) ei(z) dz
(7.87)
f (z) e
dz =
I() =
C
para , donde C es un contorno de integracion en el plano complejo, f (z) y

h(z) = (z) + i(z)
son funciones analticas de z, y (z) y (z) son funciones reales. A diferencia de las integrales
del metodo de fase estacionaria, en el que el argumento del exponente era un n
umero imaginario
puro, o del metodo de Laplace, en el que el argumento era un n
umero real, ahora el argumento
de la integral (7.87) tiene parte real y parte imaginaria.
7.11 Metodo de la maxima pendiente
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
puede evaluarse mediante el metodo de Laplace dado que (z) es real.

Por supuesto, podra haberse escogido como nuevo contorno C 00 a aquel en el que la parte
real de h(z) es constante: (z) = const. En este caso la la integral (7.87) se reduce a
Z
I() = e(z)
f (z) ei(z) dz
(7.90)
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
El contorno C1 viene dado por la ecuaci

on x = 0 o, en forma parametrica, z = is donde el par
ametro s es
un n
umero real que va de 0 hasta S:19
C1 :
z = is,
0 s S,
s.
El contorno C3 esta definido por la ecuaci

on x = 1, o en forma parametrica, z = 1 + is donde el par
ametro
s es un n
umero real que va desde S hasta 0:
C3 :
z = 1 + is,
S s 0,
s.
Los contornos 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
ln(x + iS) ei(x+iS) dx

Z
1+iS
ln(x + iS) eix dx
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
Con el smbolo s queremos indicar que s es un n

umero que crece. Obviamente, s significa que s es un
n
umero decreciente.
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
0.2 0.4 0.6 0.8 1

(a)
(b)
Figura 7.10: (a) La funci

on (z) = (x, y) = Re [h(z)] = y con h(z) = iz. (b) Contorno de
integracion C 0 = C1 + C2 + C3 (lneas continuas gruesas). Tambien se han representado las isolneas
de (z) (lneas quebradas ) y las isolneas de la fase (z) (lneas continuas delgadas).
z = 1: (0) = 0 6= 1 = (1). Esta dificultad la hemos solventado de un modo sencillo: hemos escogido el
contorno sobre el que la integral no es de Laplace (sobre el que la fase no es constante) de modo tal que
el valor de la integral sobre este contorno sea facil de calcular, en particular, hemos escogido el contorno
para que la integral sea nula.
La integral I1 puede evaluarse de forma exacta. Veamoslo:
Z
I1
ln z eiz dz
C1
S
ln(is) ei(is) d(is)
=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 =
donde hemos usado la relaci

on
e ln d =
siendo = 00 5772156649 . . . la constante de Euler.
454
Nos resta calcular la integral I3 :

I3
ln z eiz dz
C3
Z 0
ln(1 + is) ei(1+is) d(1 + is)

Z
i
ln(1 + is) es ds
= i e
donde hemos hecho directamente S en los lmites de integraci

on.
Esta u
ltima integral es evidenteP
mente una integral de Laplace. Teniendo en cuenta que ln(1 + is) = n=0 (is)n /n, y aplicando el lema
de Watson, se obtiene
Z
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 .
El resultado final es por tanto

I() = I1 + I2 + I3
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)
Multiplicando los terminos de la izquierda y de la derecha entre s encontramos la relaci

on

+
= 0.
x x
y y
(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)
C es el segmento de la recta real que va de 0 a 1. Aqu

h(z) = iz 2 = i(x + iy)2 = 2xy + i(x2 y 2 )
de modo que
(z) = 2xy
(z) = x2 y 2 .
La 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

y
3
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)
Figura 7.11: (a) La funci

on (z) = (x, y) = Re [h(z)] = 2xy con h(z) = iz 2 . (b) Isolneas de
(z) (lneas quebradas ) y de la fase (z) (lneas continuas delgadas). El contorno de integraci
on
0
C = C1 + C2 + C3 se representa mediante lneas continuas gruesas.
La lnea (o lneas) de fase (z) = x2 y 2 que pasa por (x, y) = (0, 0) es aquella en la que la fase es
nula (z = 0) = 0. La ecuaci
on de esta lnea es por tanto (x, y = x). La lnea (x, y = x) o, en forma
parametrica, z = (1 i)s siendo s el par
ametro real, es una lnea sobre la cual (z) crece cuando nos
alejamos del punto inicial (x, y) = (0, 0) dado que (z = (1 i)s) = 2s2 por lo que (z) crece para s
crecientes, es decir, a medida que nos alejamos del punto inicial. Esto significa que deformar el contorno C
para llevarlo (en parte) sobre este contorno z = (1 i)s no es conveniente pues
R la integral correspondiente
no sera una integral de Laplace puesto que en las integrales de Laplace 0 exp()f ()d el n
ucleo
exp() es decreciente. En cambio, sobre la lnea (x, y = x), o en forma parametrica, sobre la lnea
z = (1 + i)s, la fase (z) disminuye para s crecientes. En definitiva, este contorno, que llamamos C1 viene
dado por la ecuaci
on
C1 : z = (1 + i)s, 0 s S, s .
Sobre este contorno C1 s podremos usar el metodo de Laplace. Mas a
un, sobre este contorno es posible
integrar
Z
2
I1
eiz dz
C1
de forma exacta. Veamoslo:
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.
Mediante el cambio z 2 = 2s2 , haciendo S , y teniendo en cuenta que

finalmente que
r
1 i/4
I1 =
e
.
2
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
Pero iz 2 = i 2s s2 1, lo que sugiere hacer el cambio u = 2s s2 1, de modo que z = 1 + iu, para

que la integral tome la forma de integral de Laplace sobre la variable u:
Z 0
dz
du
e(iu)
I3 =
du
S
Z
i ei S eu
.
=
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
la introducimos en la integral (7.101) e integramos termino a termino:
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.
Por tanto, para y peque

no,
I3
eiz dz
C3
ei(1+is) d(1 + is)

Z
2
e2s eis ds.
i ei
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
Este resultado est

a de acuerdo con el de la ecuaci
on (7.102) puesto que (2n)!/(22n n!) = (n+1/2)/(1/2).
Este procedimiento es claramente ventajoso cuando el calculo de todo el contorno de fase constante resulta
complicado.
Podemos simplificar a
un mas el calculo si s
olo nos interesa hallar el termino principal del desarrollo
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
eh(z=1+is) d(1 + is)

Z
e2s ds
i ei
i ei
,
que coincide con el termino dominante de (7.102).

J
7.11.1. Puntos de silla

Hasta ahora, las integrales de Laplace que hemos encontrado al deformar el contorno de
integracion C eran del tipo en las que el m
aximo del exponente (z) estaba situado en los
extremos de integracion. Podra pensarse que este m
aximo tambien podra estar situado en el
interior del intervalo de integracion, es decir, que podramos encontrarnos que (x, y) alcanza un
m
aximo en un punto z0 = (x0 , y0 ) situado en el interior (no en los extremos) de un contorno de
fase constante, (z) = const. Si esto sucediera, en este maximo la derivada de en la direccion
paralela a este contorno se anulara. Pero esta derivada es justamente el gradiente de porque,
como demostramos anteriormente, el contorno de fase constante es un contorno de m
axima
~
pendiente de , es decir, un contorno que, en cada punto, corre paralelo al gradiente .
En
definitiva

~
(z0 ) =
= (0, 0).
(7.103)
,
x y z0
Desde un punto de vista geometrico, esto significa que la superficie (x, y) es plana en el punto
z0 . Sin embargo, debe notarse que (z) nunca puede tener un autentico m
aximo (excepto en una
singularidad). Esto puede verse a partir de la ecuaci
on
2 2
+ 2 =0
x2
y
(7.104)
la cual se deduce facilmente a partir de las ecuaciones de Cauchy-Riemann (7.96) derivando la

primera ecuaci
on respecto a x, la segunda respecto y y despejando el termino cruzado 2 /xy.
Ahora podemos entender que no es posible que tenga un autentico m
aximo en z0 porque si,
por ejemplo, ocurre que 2 /x2 |z0 < 0 entonces, por (7.104), necesariamente debe ocurrir que
2 /y 2 |z0 > 0. Estos puntos z0 son llamados punto de silla porque la superficie (x, y) toma el
aspecto de una silla de montar (o la forma de un paso de monta
na) en sus vecindades (vease la
figura 7.12).
Por las ecuaciones de Cauchy-Riemann (7.96), la ecuaci
on (7.103) implica

~
= (0, 0).
(7.105)
,
(z
0) =
x y z0
Adem
as,
h0 (z) =
dh
=
+i
=
i
dz
x
x
y
y
460
y
0
B
-2
10
0
-5
-10
-2
0
x
Figura 7.12: Ejemplo de funci

on con punto de silla: (x, y) = Re(z 2 ) = x2 y 2 tiene un punto de
silla en (x, y) = (0, 0). La funci
on (x, y) tiene un maximo sobre la curva x = 0 (la curva que pasa
por O desde el punto A), curva que es de fase constante pues (x, y) = Im(z 2 ) = 2xy = 0 para
x = 0.
y por tanto, de las ecuaciones (7.103) y (7.105), se deduce que
h0 (z) = 0
(7.106)
en los puntos de silla.

En la figura 7.12 se ha representado la funcion (x, y) = Re z 2 = x2 y 2 que tiene un punto
de silla en z = 0. N
otese que crece cuando nos alejamos del punto (x, y) = (0, 0) a lo largo de un
contorno paralelo al eje x (lnea 0B) y decrece cuando nos alejamos del punto siguiendo una lnea
paralela al eje y (lnea 0A). La lnea 0A, y la que baja por el otro lado del valle, son las lneas
descendentes de m
axima pendiente (o de m
aximo descenso) que pasan por el punto de silla. En
cambio, la lnea 0B, y su opuesta (la que sube al otro lado de 0), son las lneas ascendentes de
m
axima pendiente (o de m
aximo ascenso) que pasan por el punto de silla. En aquellos problemas
en los que el m
aximo de (x, y) sea un punto de silla, el contorno de m
axima pendiente que
hemos de seguir es el de m
aximo descenso para que la integral se transforme en una integral de
Laplace. Veamos unos cuantos ejemplos.
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
narias, cos x = (eix + eix )/2, es facil ver que

Ai() =
=
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
Sabemos que ambas lneas son bien de m

aximo ascenso o bien de m
aximo descenso, de modo que para determinar su tipo basta con comprobar si sobre ellas la funci
on (z) simplemente aumenta o disminuye al alejarnos
del punto de silla.
462

y
3
C2
1
20
10
0
-10
-20
-3
-2
S1
-1
S2
-1
0 y
-2
0
-2
-2
2
-3
(b)
(a)
Figura 7.13: (a) Funci

on (x, y) = Re [i(z + z 3 /3)] del ejemplo 7.23. (b) Contorno de integraci
on
C2 (lnea continua gruesa superior) para el ejemplo 7.23. Las lneas quebradas son las isolneas con
valor de (z) constante. Las lneas continuas delgadas son las isolneas de fase (z) constante o,
equivalentemente, las lneas de maxima pendiente de (x, y). Los puntos marcados con S1 y S2 son
los puntos de silla situados en z = i y z = i, respectivamente. C2 es el contorno de maximo descenso
que pasa por el punto de silla S1. La lnea gruesa que pasa por S2 es una lnea de maximo ascenso.
Los contornos C1 y C3 no se han representado en esta figura. Podemos tomarlos como arcos de radio
R
van desde el ejeRreal y = 0 hasta el contorno C2. No es difcil demostrar que las integrales
R que
exp[i3/2 (z + z 3 /3)]dz y C3 exp[i3/2 (z + z 3 /3)]dz se desvanecen cuando R .23
C1
Como ya apuntamos en el ejemplo 7.22, pagina 458, sabemos 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 de silla
z = i. Sea C2 el contorno de fase constante situado en las vecindades de z = i y que pasa por z = i, es
decir, C2 es simplemente una porci
on (muy peque
na) de C2 que rodea al punto de silla. Entonces
Z
3/2
I2
e h(z) dz, .
C2
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 es nula pues h(i) = 2/3 es real, la ecuaci

on del contorno de fase constante que pasa por el punto
e
de silla z0 = i es, en las vecindades de z0 , (z) = 2x(1 y) = 0. La soluci
on de esta ecuacion es, bien
x = 0, es decir el eje imaginario y, que es el contorno de maximo ascenso de , o bien y = 1, que es el
contorno que nos interesa pues es el contorno de maximo descenso de , como es facil de comprobar. Por
consiguiente, en las vecindades de z = z0 = i, el contorno de maximo descenso viene dado por la ecuacion
parametrica z = i + s donde s (el par
ametro) es un n
umero real peque
no |s| 1 con valores crecientes:
C2 :
z = i + s,
|s| 1,
s .
Por tanto, para y peque

no,
Z
3/2
I2
e h(z) dz
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.
Haciendo el cambio 3/2 s2 = se obtiene

3/2
I2 e2
/3
3/4
e cos
3/2
33/4
1/2 d.
Esta integral es una integral de Laplace que puede evaluarse mediante

P el lema de Watson. Para ello desarrollamos el coseno del integrando en serie de potencias, cos x = n=0 (1)n x2n /(2n)!, para a continuacion
integrar termino a termino. El resultado es:
3/2
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
1 1/4 23/2 /3 X (1)n (3n + 1/2)
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
cuando . Teniendo en cuenta que

I2
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
donde C 0 es el trozo de contorno de C 0 que est

a en la vecindad del punto de silla z = 1, y e
h(z) son los
dos primeros terminos del desarrollo de Taylor de h(z) en torno al punto de silla z = 1:
1
e
h(z) = h(z = 1) + h00 (z = 1)(z 1)2
2
1
= 1 + (z 1)2
2
x2
y2
3
+ 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

la cual podemos evaluar de la forma habitual haciendo :

Z
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
dz cos(z) e(cosh z+z
/2)
(7.121)
466
para . Reescribimos la integral as

I() =
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
Como sabemos, para evaluar el termino principal de I() s

olo es necesario llevar a cabo la integraci
on
sobre un peque
no trozo del contorno C 0 que pasa por el punto de silla. Para hallar la ecuacion de C 0 en
la la vecindad de z = i calculamos la funcion e
h(z) construida mediante los dos primeros terminos del
desarrollo de Taylor de h(z) en torno a z = i:
1
e
h(z) = h(i) + h(4) (i) (z i)4
4!
2
1
=1
+
(z i)4 .
2
24
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)
Figura 7.15: (a) Funci

on (x, y) = Re [iz cosh z z 2 /2] del ejemplo 7.25. (b) Contorno de
integracion C 0 . Las lneas quebradas son las isolneas de (z) y las lneas continuas delgadas son las
isolneas de a fase (z) o, equivalentemente, las lneas de maximo descenso de (x, y). El punto de
silla esta situado en z = i = (x = 0, y = ).
B Ejercicio 7.5
Comprueba la veracidad de esta u
ltima afirmaci
on comparando el valor de (z) en el punto de silla con
los valores de (z) que se obtienen cuando los valores de z se toman sobre los contornos x = 0 e y = ,
por un lado, y sobre los contornos y = x, por otro.
Por consiguiente, el contorno de maximo descenso en las vecindades del punto de silla , C 0 , viene descrito
por ecuaci
on y = + x para x < 0 e y = x para x > 0, es decir
(
z = i + ei/4 s, s 0, s ,
C 0 :
z = i + ei/4 s, 0 s , s ,
con 1. Por tanto
Z
I() =
dz eh(z)
C0
Z
e
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
para . Usando la relaci

on (7.125) se encuentra que

e
h i + ei/4s = 1 2 /2 s4 /24
y la ecuaci
I() e
(1 2 /2)

Z
i/4
e
s2 /24
ds + e
i/4
s2 /24
ds ,
(7.127)
468
Haciendo el cambio s s en la primera integral, se ve inmediatamente que

y por tanto
Z
I() 2 e(1
/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
Teniendo en cuenta que cos /4 = 1/ 2, el resultado final es

1/4
2
3
I()
(1/4) 1/4 e(1 /2) ,
8
.
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
7.3. Encuentra el termino dominante de

Z

exp atb dt ,
x
x,
donde a > 0 y b > 0.

7.4.
a) Las integrales de Fresnel son de la forma

Z
f (t) dt ,
donde f (t) = cos(t2 )

o f (t) = sen(t2 ). Halla la conducta asintotica completa para
x 0 y x .
b) La integral generalizada de Fresnel es

Z
2
ta eit dt ,
F (x, a) =
a>0.
Halla el desarrollo asintotico completo de F (x, a) para x .

7.5. Demuestra que
7.6. Demuestra que
2
1
(t3 + t2 )1/2 dt x5/2 + x3/2 + . . . ,
5
3
Z
7.7. Demuestra que
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
7.8. Demuestra que

Z
t
x
1 x
dt x

1
1+
+ ,
x
x .
470
7.9. Muestra, de forma razonada, que

Z
cos t
1
1
2!
3!
dt + 3 + sen x +
+ cos x
t
x x
x2 x4
x
para x
7.10. Demuestra que
Nota: (1/2) =
7.11. Demuestra que
xt2
ln(3 + t ) dt
ln 3
,
x
x .

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

a)
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 .
7.13. Halla el desarrollo asintotico completo de

Z /2

exp x tan2 t dt
0
para x .
7.14. Demuestra la formula de Stirling

r

Z
2
1
t x1
x x
(x) =
e t
dt x e
1+
x
12x
0
para x . (Pista: esta es una integral de Laplace con m
aximo no fijo.)
7.15. Utiliza la representaci
on integral de la funcion de Bessel de orden n obtenida en la ecuaci
on
(2.226),
Z
1
cos (x sen t nt) dt,
Jn (x) =
0
para deducir, mediante el metodo de la fase estacionaria, la relaci
on (2.197):
r

2
n
Jn (x)
cos 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)
sen [x(t sen t)] senh t dt .
7.17. Demuestra mediante el metodo de la m

axima pendiente que el termino principal de la
funcion de Hankel (o funcion de Bessel de tercera especie) viene dado por
r
Z
2 eiz
2 i(/4)
(1)
H0 =
dz
e
1
1 z2
para .
7.18. Demuestra mediante el metodo de la m

axima pendiente que
Z 1
i(ln + ) + /2
ln z eiz dz
0
R
para , donde = 0 e ln d es la constante de Euler.
7.19. Usa el metodo de la m

axima pendiente para demostrar que
Z 1
2
eiz
(1/4) ei/8
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
donde C es cualquier contorno que va desde z = i/2 hasta z = + i/2 (a este

contorno se le llama contorno de Sommerfeld). Usa el metodo de la m
axima pendiente para
demostrar que
r

2

J0 ()
cos
, .
Apendice A
Soluciones de problemas seleccionados
A.1. Soluciones del captulo 1: Problema de Sturm-Liouville

Problema 1.1
g(x) = 1 x.
Problema 1.4

(x) = sen
ln x , > 0.
Problema 1.7
(a) n = (n /a)2 con (1 n2 )/(2n ) = cotann .
n (x) = sen n x a n cos n x.

0 i
h
0
x
(b) Si. G(x, x0 ) = 2a 2 sen x
sen
+
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
Apendice A. Soluciones de problemas seleccionados

Problema 1.5
G(x, x0 ) = (x2 1/x2 )/(4x02 ) para x x0 . y(x) = (1/x2 1)/4.
Problema 1.12
G(x, ) = 3 x3 /6 para x . y(x) = x2 /5.
Problema 1.13
G(x, x0 ) = (ekx 1)/k para x x0 . y(x) = (1 e(k1)x )/(k 1).
Problema 1.14
G(x, x0 ) = exp(k|x x0 |)/(2k) .
Problema 1.15
(a) G(x, x0 ) = [exp(kx0 ) senh x] /k para x x0 .
y(x) = [exp(kx) exp(x)]/(k 2 1).
(b) G(x, x0 ) = x para x x0 . y(x) = exp(x) 1.

Problema 1.16
G(x, x0 ) = ln(x0 ) + 1, x x0 . y(x) = (1 + x2 )/4.
Problema 1.18
r
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
(c) G(x, x0 ) = x para x x0 .
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 .
(c) y(x) = sen(3x)/9. (d) G(x, x0 ) = sen(3x)/5 + b sen(2x).
(e) No hay solucion.

Problema 1.20
(a)
G(x, x0 )
1 X sen[(n + 1/2)x/2] sen[(n + 1/2)x0 /2]

=
.
1 (n + 1/2)2 /4
n=0
(b) G(x, x0 ) = cos x0 sen x para x x0 .

(c) y(x) =
(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
senh kx senh k(L x0 )

(b) G(x, x0 ) =
para x x0 .
k senh kL
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
A.2 Soluciones del captulo 2: Funciones Especiales

G(x, x0 ) =
475
(x0 1 )x
para x x0 .
1+
Problema 1.23
(a) sen (|x x0 | )/(2 sen ). Para = n con n entero.
(b) n (x) = A cos(nx) + B sen(nx). Dos.
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.
A.2. Soluciones del captulo 2: Funciones Especiales

Problema 2.1
(a) U1 2 x U0 = 0, Un+1 2 x Un + Un1 = 0.
(b) U0 (x) = 1, U1 (x) = 2 x, U2 (x) = 1+4 x2 , U3 (x) = 4 x+8 x3 , U4 (x) = 112 x2 +16 x4 ,
U5 (x) = 6 x 32 x3 + 32 x5 .
(c) Un (1) = n+1, Un (1) = (1)n (n+1), U2n (0) = (1)n y U2n+1 (0) = 0 con n = 0, 1, 2 . . .
Problema 2.5R
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

Problema 2.12
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
A.3. Soluciones del captulo 3: Ecuaciones en derivadas parciales

Problema 3.1

2 = 2 c2 n2 /a2 + m2 /b2 .
unm = sen(nx/a) sen(my/b) con nm
Problema 3.2P
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 =
4u0 [1(1)n ][1(1)m ]

.
nm
2
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 .
A.3 Soluciones del captulo 3: Ecuaciones en derivadas parciales

Problema 3.5
u(r, t) = u0 + 2(u0 u1 )
de Bessel J0 (x).
Problema 3.6
X
u(x, y) =
n=1
X
J0 (n r/)
n=1
n J1 (n )
e(n /
2 )kt
, donde n es el n-simo cero de la funcion
cos(n) 1
2u0
senh[n(x 1)] sen(ny).
senh(n)
n
Problema 3.7
Solucion general: u(r, ) = a0 +
(an rn cos n + bn rn sen n).
n=1
(a) u(r, ) = r cos .
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 3.15

2
2
u(x, t) = u0 e t +u1 1 e t .
Problema 3.17
h
u(x, t) = [f (x + ct + ) f (x + ct ) + f (x ct + ) f (x ct )] con f (x) = 1 si
4
x > 0, f (x) = 0 si x = 0, y f (x) = 1 si x < 0.
Problema 3.18
(c) u(r, , t) = 2u0
m=1
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).
A.4. Soluciones del captulo 4: Metodos numericos

Problema 4.2
xn = xn1 /2 + 2/xn1 . x0 = 4, x1 = 20 5, x2 = 20 05, x3 = 20 000609756097560 . . .,
x4 = 20 000000092922294 . . ., x5 = 20 000000000000002 . . .
Problema 4.3
xn = 2xn1 /3 + R/(3x2n1 ).
Problema 4.4
En el metodo de Newton: en+1 =
Problema 4.5
Orden h4 en los dos casos.
f 00 (e
x) 2
e + O(e3n ).
0
f (e
x) n
A.4 Soluciones del captulo 4: Metodos numericos
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 =
yn (2 5h2 kn /6) yn1 (1 + h2 kn1 /12) + h2 (Sn1 + 10Sn + Sn+1 )/12

,
(1 + h2 kn+1 /12)
donde kn k(xn ) y Sn S(xn ).

Problema 4.12
(a) y(1/3) ' 00 505, y(2/3) ' 00 872.
(b) y(x; m
e = /2) = sen(x/2). Esta solucion coincide con la exacta.
Problema 4.13
(b) y1 = (2f1 + f2 )/27, y2 = (f1 + 2f2 )/27.
(c) y(1/3) = 2/27, y(2/3) = 4/27. Resultado en acuerdo con el exacto: y(x) = x2 (1 x).
(d) y(1/3) ' 2/81, y(2/3) ' 8/81, en desacuerdo con el resultado exacto y(x) = x3 (1 x).
La 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)
u0 = 3/4, u1 = 1, u2 = 1; u0 = 3/4, u1 = 15/16, u2 = 1.
480

Problema h4.21
i
(m+1)
(m)
(m)
uj
= uj+1 + uj1 /2.
(1)
(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
A.5. Soluciones del captulo 5: Ecuaciones diferenciales y sistemas no lineales.

Estabilidad
Problema 5.1
Punto de silla.
Problema 5.2
Nodo inestable si a < 2. Punto de silla si a > 2. Inestable si a = 2.
Problema 5.8
Puntos crticos P1 = (1, 1),
P2 = (1, 1).
P1 : punto crtico simple y punto de silla;
~
~
autovectores: 1 = (1, 1 2), 2 = (1, 1 + 2). P2 : punto crtico simple y punto espiral
inestable. Lneas con pendiente nula y(x) = 1/x. Lneas con pendiente infinita y = x.
Problema 5.9
(a) < 12: punto de silla; = 12: vease problema (5); 12 < 4: nodo inestable;
= 4: foco o nodo inestable (caso fronterizo); > 4: punto espiral inestable.
(c) Punto silla inestable.
Problema 5.13
Puntos crticos: (0, 0) (punto de silla), (1, 1) (nodo estable).
Problema 5.14
(a) P1 = (0, 0) es punto crtico simple tipo centro. P2 = (4, 0) es punto crtico simple tipo
punto de silla.
p
(b) y(x) = 32/3 2x2+ x3/2.

p
p
4 A2 /2 t .
(c) x(t) = 2 4 A2 /2 cos
Problema 5.17
(a) E(x, y) = x2 + 2y 2 .
(b) E(x, y) = x2 + y 2 .
(c) E(x, y) = 2x2 + y 2 .
Problema 5.20
(a) x(t) = A cos(t), 2 = 1 A2 /8
(b) x(t) = A cos(t), 2 = 2J1 (A)/A = 1 A2 /8 + A4 /192 A6 /9216 +
(c) x(t) = A cos(t) con 2 = 4/(A)
(d) x(t) = A cos(t) con 2 = 4I1 (A)/A donde I1 es la funcion de Bessel modificada de
orden 1.
(f) x(t) = c + A cos(t) con c = 1/2 1 22 A2 /2, 2 = 1 22 A2 .
A.6 Soluciones del captulo 6: Ecuaciones integrales lineales
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).
Si si n = impar: (t) = (0) 2
n!!
[A(0)]n1 e(n1)t/2 .
(n 1)(n + 1)!!
A.6. Soluciones del captulo 6: Ecuaciones integrales lineales

Problema 6.1
(a) (x) = ex /[1 (e2 1)].
(b) (x) = ex 2x/3.
(c) (x) = ex +3x/(3 ).

Problema 6.2
(a) 1 = 2i/, 1 (x) = eix ; 2 = 2i/, 2 (x) = eix .
Problema 6.3
p
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
dondec es constante arbitrariay h1 |xi = 2/5 + 2/ 21, h2 |xi = 2/5 2/ 21, k1 k2 =

4(5 + 21)/35, k2 k2 = 4(5 21)/35.
Problema 6.4
1 = 1, 1 (x) = ex . Solucion general para g(x) = ex : (x) = ex /(1 ).
Problema 6.6
(a) (x) = x + (x/3 + 1/4) + 2 (17x/72 + 1/6) + O(3 ).
(x/3 + 1/4) + 2 x/72
. Esta es tambien la solucion exacta.
(b) (x) = x +
1 2/3 2 /72
Problema 6.8
(a) n = n2 2 , n (x) = sen nx, n = 1, 2, . . ..
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

Problema 6.11
(a) (x) = exp(x2 + x).
(b) (x) = x ex .
Problema 6.12
No existe solucion si = 3/2. Si = 3/2, la solucion no es u
nica: (x) = x/2 + c x2 , con
c constante arbitraria. Si 6= 3/2, entonces (x) = 3x/(3 + 2).
Problema 6.13
Para = 3/4 no hay solucion. Para = 3/2 existe solucion no u
nica: (x) = x3 + cx2
11x/15 donde c es una constante cualquiera. Para cualquier otro valor de la solucion es
(x) = x3 (1 + 4/5)x/(1 + 4/3).
Problema 6.14
(a) Para = 2 (autovalor), (x) = sen ln x (autofuncion).
2
(b) Para = 2 no hay solucion. Para 6= 2, (x) = 2x + 2+
sen ln x.
(c) Para = 2 la solucion no es u
nica: (x) = x 1/2 + c sen ln x siendo c una constante
arbitraria. Para 6= 2, (x) = x 1/2.
Problema 6.15
(a) = 1/, 1 (x) = sen x + cos x; = 1/, 2 (x) = sen x cos x.
2
2 2
sen x + 2
cos x.
(b) (x) = x + 2
1
1
(c) (x) = sen 2x + c(sen x + cos x) con c constante arbitraria.
(d) No hay solucion.
Problema 6.16
(x) = 1 + x2 /2.
Problema 6.17
X
2 sen nx
.
(1)n+1
(x) = x
n + n2 2
n=1
A.7. Soluciones del captulo 7: Desarrollo asintotico de integrales

Problema 7.1
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 .
A.7 Soluciones del captulo 7: Desarrollo asint

otico de integrales
Problema 7.4
r
Z
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]
H. M. Antia. Numerical Methods for Scientists and Engineers. Birkh

auser, Basilea,
2002.
[AS72]
M. Abramowitz y I. A. Stegun. Handbook of Mathematical Functions. Dover, Nueva

York, 1972.
[Arf85]
G. B. Arfken y H. J. Weber. Mathematical Methods for Physicists. Academic Press,

San Diego, quinta edici
on, 2001.
Un libro muy completo. Son excelentes sus captulos dedicados a las funciones especiales.
[AB74]
Y. Ayant y M. Borg. Funciones especiales. Alhambra, Madrid,1974.
[But68]
E. Butkov. Mathematical Physics. Addison-Wesley, Reading, 1968.

Un libro excelente. Nos sera u
til en los temas dedicados al problema de Sturm-Liouville
y a las ecuaciones en derivadas parciales.
[BO78]
C. M. Bender y S. A. Orszag. Advanced Mathematical Methods for Scientists and

Engineers. McGraw-Hill, Nueva York, 1978.
Un libro detallado, accesible, cuidadoso y practico. Muy completo. Muy u
til en el tema
sobre desarrollo asintotico de integrales.
[BP92]
W. E. Boyce y R. C. DiPrima Elementary Differential Equations and Boundary Value

Problems. Wiley, Nueva York, quinta edicion, 1992.
[CH62]
R. Courant y D. Hilbert. Methods of Mathematical Physics. Wiley, Nueva York, 1962.

Referencia cl
asica de nivel avanzado.
[Dra92]
P. G. Drazin. Nonlinear System. Cambridge University Press, Cambridge, 1992.
[Far82]
S. J. Farlow. Partial Differential Equations for Scientists and Engineers. Wiley, Nueva
York, 1982.
[Gre98]
M. D. Green. Advanced Engineering Mathematics. Prentice Hall, Upper Saddle River,

1998.
[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]
A. J. Jerri. Introduction to Integral Equations with Applications. Wiley, Nueva York,

1999, segunda edicion.
Un libro excelente y muy claro sobre ecuaciones integrales.
[JS87]
D. W. Jordan y P. Smith. Nonlinear Ordinary Differential Equations. Clarendon Press,

Oxford, 1987, segunda edici
on.
Buen libro para profundizar en los contenidos del captulo dedicado a las ecuaciones no
lineales y la estabilidad.
[KC94]
D. Kincaid y W. Cheney. An
alisis numerico: las matem
aticas del c
alculo cientfico.
Addison-Wesley Iberoamericana, Wilmington, 1994.
[KKM82] M. L. Krasnov, A. I. Kiseliov, y G. I. Makarenko. Ecuaciones integrales. Mir, Mosc

u,
1982.
Un libro muy practico. Contiene muchsimos problemas propuestos y resueltos.
[Koo86] S. E. Koonin. Computational Physics. Addison-Wesley, Redwood City, 1986.
[Mar75] J. B. Marion. Din
amica cl
asica de las partculas y sistemas. Reverte, Barcelona, 1975.
[Mic81]
R. E. Mickens. An Introduction to Nonlinear Oscillations. Cambridge University Press,

Cambridge, 1981.
[MM94] K. W. Morton y D. F. Mayers Numerical Solution of Partial Differential Equations.

Cambridge University Press, Cambridge, 1994.
Un buen libro de introducci
on a la resoluci
on numerica de ecuaciones en derivadas
parciales.
[Myi78] Tyn Myint-U. Ordinary Differential Equations. North-Holland, Nueva York, 1978.
[MW79] J. Mathews y R. L. Walker. Matem
aticas para fsicos. Reverte, Barcelona, 1979.
[Nay81] A. H. Nayfeh. Introduction to Perturbation Techniques. Wiley, Nueva York, 1981.
Contiene una buena discusi
on de los metodos para el desarrollo asint
otico de integrales
y de metodos aproximados de resoluci
on de osciladores no lineales.
[Nay85] A. H. Nayfeh. Problem in Perturbation Techniques. Wiley, Nueva York, 1985.
Contiene muchos problemas completamente resueltos de desarrollos asint
oticos de integrales y tambien otros muchos con la soluci
on final dada.
[PFT93] W. H. Press, B. P. Flannery, S. A. Teukolsky y W. T. Vetterling. Numerical Recipes in
FORTRAN 77. The Art of Scientific Computing. Cambridge University Press, Cambridge, 1993, segunda edici
on.
Disponible en http://www.nr.com.
[PS90]
D. Porter y D. S. G. Stirling. Integral Equations: a Rigorous and Practical Treatment.

Cambridge University Press, Cambridge, 1990.
[RHB98] K. F. Riley, M. P. Hobson y S. J. Bence. Mathematical Methods for Physics and

Engineering. Cambridge University Press, Cambridge, 1998.
[Ros81]
S. L. Ross. Ecuaciones diferenciales. Reverte, Barcelona, 1981.
BIBLIOGRAFIA
487
[Sim93]
F. Simmons. Ecuaciones diferenciales con aplicaciones y notas hist

oricas. McGrawHill, Madrid, segunda edici
on, 1993.
Un libro excelente que hay que utilizar tan a menudo como se pueda.
[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]
S. H. Strogatz. Nonlinear Dynamics and Chaos. Addison-Wesley, Reading, 1994.

Un libro claro y con un enfoque muy moderno sobre sistemas no lineales.
[Tri85]
F. G. Tricomi. Integral Equations. Dover, New York, 1985.

Monografa cl
asica, detallada y rigurosa, sobre ecuaciones integrales con un enfoque
muy matematico.
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 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
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
de las fun. de Bessel, 139

de los pol. asociados de Laguerre, 125
de los pol. de Hermite, 117
de los pol. de Legendre, 86
Definicion general, 76
Gauss
Cuadratura, 221
Formula de Gauss-Legendre, 222
Metodo de Gauss-Seidel, 247
Gegenbauer, polinomios, 151
Gibbs, fen
omeno de, 30
Gram-Schmidt, metodo de ortogonalizacion,
15, 77
Green
Formula de Green, 20
Funcion de Green, 42
Hankel, funcion, 143
Heaviside, funcion salto, 26
Hermite
Ecuacion, 112
Polinomios, 115
Heun, metodo, 234
Hurwitz, criterio, 297
Huygens, 393
Integracion termino a termino de una serie,
406
Integral
de Euler (funcion gamma), 125
de Stieljes, 410
Jacobi, metodo, 247
Kernel, vease N
ucleo, 357
Krylov-Bogoliubov, metodo, 330
Kutta, metodo de Runge-Kutta, 235
Lagrange
Polinomio de interpolaci
on, 221
Laguerre
Ecuacion, 121
Polinomios asociados, 122
Landau, smbolos, 407
Legendre
Ecuacion, 79
Formula de duplicacion, 142
Polinomios, 79
Leibniz, regla, formula, 47, 100, 101
Lema de Watson, 429
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
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
Metodo de Crank-Nicholson, 257

Metodo de Gauss-Seidel, 267
Metodo de Jacobi, 266
Metodo de Richardson, 257
Metodo de super-relajaci
on, 267
Metodo explcito, 250
Resto de Lagrange, 211
Ritz, principio de minimizaci
on de RayleighRitz, 58
Runge, metodo de Runge-Kutta, 235
Schl
afli, formula, 84
Schmidt-Hilbert, teora, 374
Seidel, metodo de Gauss-Seidel, 247
Serie armonica, 406
Serie asintotica
Definicion, 409
Unicidad, 428
Series
de Fredholm, 371
de Neumann, 364
sgn, funcion signo, 349
Smbolo O, 407
Smbolo o, 407
Smbolos de Landau, 407
Simpson, regla, 217
Sistema perturbativo, 280
Soliton, 155
Sommerfeld, contorno, 471
Stieljes, integral, 410
Stirling, formula, 470
Sturm-Liouville
Definicion de la ecuaci
on, 2
Definicion de las condiciones de contorno,
3
Definicion del problema, 3
Tipos de problemas y condiciones de contorno, 3
Tautocrona, 391
Teorema
de Bedixson, 321
de Cauchy-Goursat, 444
de la adicion, 110
de la alternativa de Fredholm (ec. integrales), 362
de la alternativa de Fredholm (prob. SL),
38
de la convolucion de Fourier, 385
de la convolucion de Laplace, 386
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

Mét. Matemá de La Física PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mét. Matemá de La Física PDF

Cargado por

Copyright:

Formatos disponibles

Mtodos

Coleccin manuales uex - 48

mtodos matemticos avanzados

SANTOS BRAVO YUSTE

MTODOS MATEMTICOS AVANZADOS

Universidad de Extremadura. Servicio de Publicaciones

A Macarena, Irene, Miguel y Diego.

What a fool can do, another can.

El proposito de este libro es proporcionar una descripci

Las notas que los profesores del Area

Santos Bravo Yuste

3. Ecuaciones en derivadas parciales

3.1. Introduccion y definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5. Ecuaciones diferenciales y sistemas no lineales. Estabilidad

6. Ecuaciones integrales lineales

6.9.2. Ecuaciones integrales de convoluci

7. Desarrollo asintotico de integrales

A. Soluciones de problemas seleccionados

La teora general de autovalores, autofunciones y desarrollos en autofunciones es una de las

1.2. Ecuacion de Sturm-Liouville

definida en el intervalo cerrado [a, b], donde:

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

Trivialmente, toda ecuaci

1.2 Ecuacion de Sturm-Liouville

1.2.2. Definicion del problema de Sturm-Liouville

entonces a esas condiciones de contorno se les llama condiciones de contorno de Sturm-Liouville.

Es facil de ver que esta u

En este caso la relaci

Sea {fi } un conjunto de funciones que satisfacen una cierta condici

Entonces x = a y x = b son puntos singulares7 de la ecuaci

1.2 Ecuacion de Sturm-Liouville

son condiciones de contorno de Sturm-Liouville.

Otro ejemplo de condiciones de contorno singulares es

En los tres tipos de problemas de Sturm-Liouville que acabamos de discutir s

con las condiciones de contorno

y(x) = A cosh x + B senh x.

Imponiendo la segunda condici

1.2 Ecuacion de Sturm-Liouville

para < 0 no existe ninguna soluci

y(x) = A cos x + B sen x.

Imponiendo la segunda condici

donde B es una constante cualquiera. El n

En el ejemplo 1.4 anterior hemos visto que el problema de Sturm-Liouville (1.11) s

1.2.3. Generalidad de la ecuacion de Sturm-Liouville

p0 (x) 0 q(x) + r(x)

1.2 Ecuacion de Sturm-Liouville

Comparando (1.14) con (1.15) se ve que la primera ecuaci

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

La forma de esta ecuaci

1.3. Espacios vectoriales y operadores lineales

de modo que la ecuaci

10 de [But68] y el captulo 3 de A. Doneddu, Algebra

1.3 Espacios vectoriales y operadores lineales

1.3.1. Definicion de espacio vectorial

En este caso se dice que (E, +, ) tiene estructura de cuerpo.

3. Invariancia bajo la multiplicaci

=|f (x)|2 + |g(x)|2 + 2Re [f (x)g(x)] .

0 [|f (x)| |g(x)|] = |f (x)|2 + |g(x)|2 2|f (x)||g(x)|

1.3 Espacios vectoriales y operadores lineales

1.3.2. Definicion de producto escalar

donde el asterisco indica complejo conjugado.

En ingles, almost everywhere.

1.3.3. Operadores lineales. Operadores hermticos